建議

本研究篩選財務會計變數乃直接採用逐步選取法，並未先經由因素分析法篩選 之，因此選出的財務會計變數有可能會產生線性重合的問題。後續研究者可嘗試先利 用因素分析法，從每一類的變數中萃取出解釋變異最多的變數，再將這些變數組合成 另一組變數群進行模型的建構與預測。

此外，本研究的樣本外期間只取一年，導致樣本外的違約公司只有十八間，資料 稍嫌不足。後續之研究可嘗試增加樣本外期間，將可增加樣本外資料的違約公司數。

再者，由於本研究定義為「違約」公司，而非Shumway 等文獻所定義的「破產」

公司，違約公司未必會形成破產，甚至依舊繼續在市場上交易，導致違約公司的財務 資料及市場訊息依舊呈現為正常公司的情況，與破產公司所呈現的資訊有很大落差。

後續之研究可縮小違約公司的定義，只擷取較為嚴重的違約情形作為違約樣本公司，

也許將有助於模型區別能力與預測能力的提升。

參考文獻

Altman, E. I. 1968. Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy. Journal of Finance 23:589-609.

Chava, S., Jarrow, R. A. 2001. Bankruptcy Prediction with Industry Effect, Market versus Accounting Variables, and Reduced From Credit Risk Models. Unpublished master’s thesis, Johnson Graduate School of Management, Cornell University, Ithaca, NY.

Cox, D. R. and Oakes, D., 1984. Analysis of Survival Data (New York, Chapman & Hall).

Hopwood, W., McKeown, J. C. and Mutchler, J. F. 1994. A Reexamination of Auditor versus Model Accuracy within the Context of the Going-concern Opinion Decision. Contemporary Accounting Research 10:409-431.

Lau, Hing-Ling. 1987. A Five-State Financial Distress Prediction Model. Journal of Accounting Research 25:127-138.

Mensah, Y. M. 1984. An Examination of the Stationarity of Multivariate Bankruptcy Prediction Models: A Methodological Study. Journal of Accounting Research 22:380-395.

Ohlson, J. S. 1980. Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research 19:109-131.

Queen, M, Roll. R. 1987. Firm Mortality: Using Market Indicators to Predict Survival.

Financial Analysts Journal May-June:9-26.

Shumway, T. 2001. Forecasting Bankruptcy More Accurately: A Simple Hazard Model. The Journal of Business 74:101-124.

Theodossiou, P. T. 1993. Predicting Shifts in the Mean of a Multivariate Time Series Process:

An Application in Predicting Business Failures. Journal of the American Statistical Association 88:441-449.

Wheelock, D. C, Wilson P.W. 2000. Why Do Banks Disappear? The Determinants of U.S.

Bank Failures and Acquisitions. The Review of Economics and Statistics 82:127-138.

徐燕山，「財務管理」，六版，台北，東華書局，民國九十三年。

陳孟雅，「公司財務結構與違約機率之分析」，交通大學財務金融研究所，碩士論文，

民國九十四年。

陳彥翰，「Logistic Discrete Hazard Model 在信用風險上之應用」，台灣大學會計學研究 所，碩士論文，民國九十三年。

陳順宇，多變量分析，三版，台北，華泰書局，民國九十三年。

彭昭英、唐麗英，SAS 1-2-3，第四版，台北，儒林圖書有限公司，民國九十二年。

黃仁德、陳淑郁，信用風險衡量理論與實務，初版，台北，財團法人中華民國證券暨 期貨市場發展基金會，民國九十四年。

黃瑞卿、魏曉琴、李招勝、李正福，「使用離散型倖存模式預測公司財務危機機率」，

交通大學財務金融研究所研討論文，民國九十三年。

魏曉琴，「財務危機預警模型之研究－以台灣地區上市公司為例」，交通大學財務金融 研究所，碩士論文，民國九十三年。

附錄一 兩期時間的離散時間危險模型之參數推導

⇒ ^{1 1 1 2} Shumway 說明 Logit 模型在兩期之下的參數估計值。Logit 模型為靜態模型，對每一間 公司來說都只提供模型一個觀察值。若公司在第一期違約，則其提供一個機率密度函

{

1 1 1 2 2 2 2

}

1 2 1 1

1 1

1 2 1 2

1 1

( ) ( )

( ) 0

( ) ( )

n n

i i i i

i i

n n

i i i i

i i

y y x y

E

y x x x

= =

= =

+ ⋅ +

= >

+ ⋅ +

∑ ∑

∑ ∑

(附錄式 7)

由於(附錄式 7)恆為正數，表示 Logit 模型的參數估計值有高估參數的情形。

附錄二 離散時間危險模型之違約機率值估算方式

底下以一實例說明本研究的離散時間危險模型之違約機率估計值的計算方式。以 本研究的離散時間危險模型(1)為例，由於將違約機率密度函數假設為 Logistic 分配，

故可得到危險函數為一Logit 機率分配。由式 5.4 得知危險函數為：

0.68 5.973 2 2.306 16 3.164 45 4.277 46 0.696 51

( ) 1

T

1

X X X X X

h t = e

^{+ + + + −}

+

可利用此式估計出每一個公司年度的危險函數值。附錄表一為台泥(1101)的實例說明。

由附錄表一可知每一期的違約機率值皆產生關聯性，第N 期的存活機率必是第 1 期至 第N 期皆沒有發生違約情事，故根據倖存機率的定義，第 N 期的存活機率為第 1 期至 第N 期的 N 個 1－hT(t)乘積，則第 N 期的違約機率值即為 1－

1

[1 ( )]

N T t

h t

=

∏

− ^。

(附錄表一) 台泥公司的離散時間危險模型(1)之違約機率值計算方式

年度 hT(t) 倖存機率

1

( ) ^N [1 ( )]

T T

t

S t h t

=

=

∏

− ^{違約機率值}

1992 0.00278 1－0.00278＝0.99722 0.00278

1993 0.00183 (1－0.00278)( 1－0.00183)＝0.99540 0.00460

1994 0.00333 (1－0.00278)( 1－0.00183) (1－0.00333)＝0.99208 0.00792

1995 0.00535 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)＝0.98677 0.01323 1996 0.00707 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)＝0.97980 0.02020 1997 0.01144 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)＝0.96859 0.03141 1998 0.01412 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)＝0.95491 0.04509 1999 0.01653 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)(1－0.01653)

＝0.93913 0.06087

2000 0.0272 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)

(1－0.01653)(1－0.0272)＝0.91358 0.08642

2001 0.02312 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)

(1－0.01653)(1－0.0272)(1－0.02312)＝0.89246 0.10754 2002 0.01987 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)

(1－0.01653)(1－0.0272)(1－0.02312)(1－0.01987)＝0.87473 0.12527 2003 0.01636 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)

(1－0.01653)(1－0.0272)(1－0.02312)(1－0.01987)(1－0.01636)＝0.86042 0.13958 2004 0.01235 (1－0.00278)( 1－0.00183) (1－0.00333)(1－0.00535)(1－0.00707)(1－0.01144)(1－0.01412)

(1－0.01653)(1－0.0272)(1－0.02312)(1－0.01987)(1－0.01636)(1－0.01235)＝0.84979 0.15021

在文檔中 財務危機預警模型之比較 (頁 111-119)