分析工具介紹

一、 灰關聯分析

灰關聯分析是灰色系統理論的一環，該理論自中國大陸著名學者鄧聚龍教授 1982 發 表以來，現在已發展超過 31 年，早期應用在醫療、交通、工程、氣象、農業、經濟等方 面，現更擴大應用在商業、電子、航太、電機、資訊等方面。灰關聯分析(沙大偉，2012) 是指對系統動態發展的過程中之量化分析，對於兩個不同系統或系統中兩個不同因素間，

隨不同對象或時間而改變的發展方向的相異或相似程度，稱之為灰關聯度。在系統發展 的過程中，若是兩個因素變化的趨勢具一致性，則二者之間的灰關聯度較高；反之，則 較低。

胡宜珍(1994)提出，灰關聯分析模型具有特性如下：

(一)計算方法簡單易懂。

(二)不要求序列數據需為常態分配。

(三)所建立的模型屬非函數模型。

(四)不會產生與定性分析互相矛盾之結論。

(五)樣本數數據多寡沒有嚴格限制。

本研究將運用灰關聯分析篩選出最適合的因子，用來預測財務危機公司，其運算步 驟說明如下(蔡岱蓉，2009)：

步驟一：確定要分析數據序列

定義一組數列為參考數列(母數列)與比較數列(子數列)。

Xi(k)=[Xi(1), Xi(2),…, Xi(n)] (3.1)

39

40

41

類神經網路(Artificial Neural Networks, ANNs)(張斐章、張麗秋，2010)是一巨量帄行 分布的計算單位(神經元)所連結組成的網路架構，具有從輸入的環境訊息中獲取並累積經

42

倒傳遞類神經網路乃是運用監督式學習所衍生創造出的類神經網路，為一種帄行監 督式的學習網路，其架構為多層感知器(Multilayer Perceptron, MLP)，運用的學習演算法 為 誤 差 倒 傳 遞 (Error Back Propagation) 演 算 法 ， 故 組 合 為 倒 傳 遞 類 神 經 網 路 (Back-Propagation Neural Network, BPNN)，現多用於儀器診斷、股市指數預測亯用評等風 險等問題領域(本研究亦是採用倒傳遞類神經網路)，也是目前學術上運用最為廣泛的類神 經網路模式，其基本架構如圖 3-3。

圖3-3 倒傳遞類神經網路基本架構圖 資料來源：張斐章、張麗秋(2010)

(一)倒傳遞類神經網路基本架構：

倒傳遞類神經網路的基本架構中，主要可以分為資料前傳及誤差倒傳這兩部分。而 資料前傳就是指將輸入層的輸出資料數值經過集成函數傳入隱藏層的神經元中，而隱藏 層的神經元再透過轉換函數將由集成函數中所得的資料數值轉換成輸出值，則此一輸出 資料數值再透過集成函數傳送到輸出層，輸出層再利用轉換函數將從集成函數中所得到 的資料數值再轉換成輸出值。而誤差倒傳就是把從輸出層中所得到的數值與實際數值作

43

一比較，再根據彼此所得的誤差值調整從輸出層到隱藏層，隱藏層到輸入層的權重配比。

因此倒傳遞類神經網路計算流程如圖3-4。

設定網路參數

以亂數產生初始權重與 偏權值

計算隱藏層與輸出層輸 出

計算目標函數誤差

計算權重修正量

調整各層之權重與偏權 值

是否仍有訓練樣本 網路停止原則

網路停止

是 否

否 是

圖3-4 倒傳遞類神經網路計算流程圖 資料來源：張斐章、張麗秋(2003)

(二)倒傳遞類神經網路計算步驟程序(蔡岱蓉，2009)：

步驟 1、輸入數值正規化：

44

45

4.誤差均方根識別法(Root Mean Square, RMS)：

網路均方根誤差值小於某設定的收斂值時，表示網路已達到某收斂程度，則終止學

46

47