後續研究建議

本研究中以類神經網路為工具，提出建構產業別財務預警模型之流程，尚 有許多不同之研究方向可供後續研究做為參考。

1. 研究工具上：本研究僅以類神經網路中最普遍之『倒傳遞類神經網路』

為演算工具，尚有許多學者提出不同的類神經網路類型可嘗試。

2. 研究變數上：本研究所納入之考量變數為過去文獻中各學者認為可以顯 著判別財務危機之財務指標，尚有許多非財務指標亦可納入考量。

3. 影響因素上：本研究僅考量不同產業別對於財務預警模型之影響，尚有 許多因素未加以考量，如不同財務危機之原因（淘空或週轉不靈等等）

亦可能建立不同之模型進行預測。

附錄一 台灣證券交易所股份有限公司營業細則第四十九條

十二、未依承諾收買其持股逾百分之七十上市（櫃）子公司之少數股東股份者。

十三、辦理股務事宜不符第四十四條第三項規定或遭台灣證券集中保管股份有限 公司查核發現缺失，個案情節重大經限期改善，而未於期限內改善者。

十四、於重大訊息說明記者會之說明未能釐清疑點，本公司基於保障投資人權益 認有必要者。

十五、本公司基於其他原因認有必要者。

附錄二 倒傳遞類神經網路運算

倒傳遞網路之運算過程分為兩階段：向前階段（Forward Pass）及向後階段

（Backward Pass）。其基本原理依據最陡坡降法（The Gradient Descent Method）

的觀念，將誤差函數最小化並修正網路的權重：

1. 向前階段（Forward Pass）

輸入層將所收到的資料傳給隱藏層，隱藏層中的神經元首先先計算輸入資料加權

再利用轉換函數將輸入值轉換為激發值（Activation Value）傳遞給輸出層，一 般常用的轉換函數為雙彎曲函數（Sigmoid Function），此函數的值域為[ 0, 1 ]：

2. 向後階段（Backward Pass）

由最陡坡降法或最小平方誤差函數（The Least Squares Error Function）的觀 念，計算目標值和實際輸出值間的誤差：

∑

η：學習率（Learning Rate）。

α：慣性係數（Momentum）。 目標值間的均方差（MSE ,mean squared error）收斂，重複動作直至達到收斂 的停止條件為止。

參考文獻

英文文獻：

1.Altman, E. I.,(1968) ,“Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, Vol.23, No.4，

p589-609.

2.Beaver, W. H.,(1996),“Financial Ratio as Predictors of Failure”, Empirical Research in Accounting: Selected Study, Supplement to Journal of Accounting Research, p71-111.

3.Blum,M.（1974）, "Failing company Discriminant Analysis ",Journal of Accounting Research ,Spring 1974 , p1-25

4.Deakin, E. B.(1972), "A Discriminant Analysis of Predictors of Business Failure," Journal of Accounting Research, pp.167~179.

5.Gessner, G., W. A. Kamakura, N. K. Malhotra, and M. E. Zmijewski, (1988), Estimating models with binary dependent variable: Some theoretical and empirical observations. Journal of Business Research, 16(1)：p49-65.

6. Hair,J. F., B Black, B. Babin, R. E. Anderson and R. L. Tatham,(2005),”

Multivariate Data Analysis ,6 edition”,Pearson Eduation International.

7.Koh, H., (1991), “Model predictions and auditor assessments of going concern status”, Accounting and Business, Vol.21, p331-338

8.Laitinen, E.K.（1991）"Financial Ratios and Different Failure Processes."

Journal of Business Finance & Accounting , pp.649-73.

9.Mensah, Yaw M., (1984) , “The Differential Bankruptcy Predictive Ability of Specific Price Level Adjustments: Some Empirical Evidence” , The

Accounting Review, Vol.58, p228-247

10.Odom, M.D. and R., Sharda, (1990), “A neural networks for bankruptcy prediction”, IEEE INNS International Joint Conference on Neural Networks, Vol.2, p163-168

11.Ohlson, J. A., (1980),“Financial Ratios and the Probabilistic Prediction of Bankruptcy”,Journal of Accounting Research, Vol.18, No.1, p109-131 12.Tam, K., and M. Kiang, (1992), “Managerial applications of neural

networks ： the case of bank failure predictions”, Management Science, Vol.38, p926-947

參考文獻

中文文獻

1.李欣霖，考慮總體環境不確定性下之財務危機預測模型-以台灣上市公司為 例，交通大學經營管理研究所碩士論文,2005

2.潘玉葉，台灣股票上市公司財務危機預警分析，淡江大學管理科學研究所博士 論文，1990

3.陳肇榮,運用財務比率預測企業財務危機之實證研究，政治大學企業管理研究 所博士論文,1983。

4.陳建賓, 加入公司治理指標的企業財務危機預測研究：Logistic 模型的應用, 淡江大學財務金融研究所碩士論文,2003

5.戚務君，運用財務報表分析財務困難之研究— 以台灣地區上市公司為例，交 通大學管理科學研究所碩士論文，1991

6.郭瓊宜，類神經網路在財務危機預警模式之應用，淡江大學管科學研究所碩士 論文，1993

7.戴鳳玲，類神經網路與Logit 模式對財務危機預測能力之比較研究— 以台灣 股票上市公司為例，東吳大學企管研究所碩士論文，1996

8.藍國益,企業財務危機預警模式之研究－考慮股權結構之研究, 東吳大學企管 研究所碩士論文,1995

9.蔡秋田，運用類神經網路預測上市公司營運困難之研究，成功大學會計研究所 碩士論文，1995

10.黃俊英，『企業硏究方法』; 國立編譯館主編，臺北市 : 東華, 1994 11.葉怡成，『類神經網路模式應用與實作』，臺北市 : 儒林, 2003

相關網站

1.台灣經濟新報資料庫（http://www.tej.com.tw/）