第五章 實證分析
6.2 後續研究與建議
1. 本研究在於違約模型的效度驗證，又將營建公司分為營造公司、建設公 司與綜合營建公司三類，可看出不同類別之營建公司明顯在於不同變數的影響 下，預測能力亦會有不相同之結果，未來若要建構新的違約模型時，若能根據不 同類別之公司而多考慮與其有較高影響力之因子，對於提高模型之預測能力，應 會有不錯之成效。
2. 在景氣指標和危機公司的相關性檢定與效度驗證結果，顯示營造公司與 綜合營建公司對於模型所使用的景氣指標並沒有相當的關聯性存在，但當時建構 模型選用的景氣指標僅有 13 個，並不足以完全表示全部景氣指標對於營造公司 與綜合營建公司違約預測是沒有直接或間接相關聯性存在，未來在建構模型時若 能考慮更多其他景氣指標來建構模型，便可以更進ㄧ步驗證出景氣波動與不同類 別之營建公司違約機率是否有關聯。
參考文獻
一、中文部份
1. 王宗興，「台灣新上市公司股票上市後存活分析」，國立中山大學財務管理 研究所，碩士論文，2002。
2. 王凱仁，「建設公司財務危機動態預警模型之研究」，國立交通大學土木工 程研究所，碩士論文，2003。
3. 林金賜，「財務危機之時間序列預測模式」，國立台灣大學財務金融研究所，
碩士論文，1996。
4. 林建丞，「財務危機公司之預警偵測」，東海大學管理研究所，碩士論文，
1999。
5. 林哲輝，「以比例危險模式預測營建公司之違約機率」，國立交通大學土木 工程研究所，碩士論文，2005。
6. 林銘琇，「財務危機預警模式之研究—以臺灣地區上市公司為例」，淡江大 學管理科學研究所，碩士論文，1991。
7. 何太山，「運用區別分析建立商業放款信用評分制度」，國立政治大學企業 管理研究所，碩士論文，1978。
8. 邱志平，「台灣營造業工程履約保證定價模型之研究」，國立交通大學土木 工程研究所，碩士論文，2005。
9. 花敬霖，「台灣股票上市公司預警系統—PHM 與Logit 模型應用之比較」，
輔仁大學金融研究所，碩士論文，1993。
10. 金慧貞，「多變量EWMA財務危機預警模式之應用」，朝陽科技大學財務金融 研究所，碩士論文，2002。
11. 洪啟綸，「以Logit模式預測台灣營造公司之違約機率」，國立交通大學土 木工程研究所，碩士論文，2005。
12. 洪瑞辰，「上市櫃建設公司財務危機預警之研究」，國立台灣科技大學土木 工程研究所，碩士論文，2004。
13. 洪榮華，「不景氣時期我國經營不良上市公司財務比率之探討」，國立中山 大學企業管理研究所，碩士論文，1984。
14. 夏百陽，「上市公司財務危機預警模式之建立」，銘傳大學金融研究所，碩 士論文，2001。
15. 梁清源，「財務危機判斷模式之探討─以公司財務比率與相對財務比較判斷 能力之比較研究」，淡江大學管理科學研究所，碩士論文，1992。
16. 郭志安，「以Cox 模型建立財務危機預警模式」，逢甲大學統計與精算研究 所，碩士論文，1997。
17. 郭瓊宜，「類神經網路在財務危機預警模式之應用」，淡江大學管理科學研 究所，碩士論文，1994。
18. 陳俊佑，「公司治理對信用評等之影響」，東吳大學國際貿易學研究所，碩
士論文，2005。
19. 陳景堂，統計分析SPSS for Windows 入門與應用，第四版，2003。
20. 陳德富，「台灣地區營建業轉型與多角化經營研究」，中原大學企業管理學研 究所，碩士論文，2004。
21. 張紹勳、張紹評、林秀娟，SPSS for windows 統計分析：初等統計與高等 統計.下冊，松崗電腦圖書資料股份有限公司，2002。
22. 張隆鐘，「多變量CUSUM 與狀態空間模式之應用—財務危機預警模式之建 立」，國立中興大學統計研究所，碩士論文，1994。
23. 黃小玉，「銀行放款信用評估模式之研究—最佳模式之選擇」，淡江大學管 理科學研究所，碩士論文，1987。
24. 黃文隆，「財務危機預警模式建立與驗證」，東吳大學管理科學研究所，碩 士論文，1993。
25. 黃建華，「加入公司治理變數建構台灣上市上櫃公司之財務危機預警模型」，
東吳大學國際貿易學研究所，碩士論文，2006。
26. 溫健志，「存活分析方法應用於台灣金融機構信用風險管理之研究」，朝陽 科技大學財務金融研究所，碩士論文，2001。
27. 劉向麗，「依銀行融資觀點看企業財務預警問題」，國立中山大學財務管理 研究所，碩士論文，2001。
28. 劉俊男，「營建產業景氣指標與營建公司存活機率關係之研究」，國立交通 大學土木工程研究所，碩士論文，2006。
29. 鄭碧月，「上市公司營運危機預測模式之研究」，朝陽科技大學財務金融研 究所，碩士論文，1997。
30. 歐黛瑩，「台灣股票上市公司動態化財務預警模式之研究—CUSUM模式與EWMA 模式之比較」，朝陽科技大學財務金融研究所，碩士論文，2003。
31. 潘曉寧，「台灣上市電子公司財務危機預警模式」，朝陽科技大學財務金融 系，碩士論文，2003。
32. 鍾經樊、黃嘉龍、謝有隆、黃柏怡，「台灣地區信用評分系統的建置、驗證、
和比較」，台灣經濟學會，2005。
33. 聶志弘，「公司債信用風險之評估—應用選擇權評價模式」，淡江大學財務 金融研究所，碩士論文，2002。
34. 簡秀瑜，「金融機構的財務預警模式—區別分析、Logit、Cox 比例風險模 式之實證研究」，國立中央大學財務管理研究所，碩士論文，1993。
35. 藍婉萍，「運用比例風險模式(PHM)與CUSUM 模式建立動態財務預警制度—
以台灣上市公司為例」，朝陽科技大學財務金融研究所，碩士論文，2003。
36. 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」，國立交 通大學財務金融研究所，碩士論文，2004。
37. 顧石望，「金融預警制度之研究—以本國一般銀行為例」，國立政治大學企 業管理研究所，碩士論文，1996。
38. 饒多年，「從選擇權觀點探討我國上櫃公司違約距離與違約風險」，國立交 通大學經營管理研究所，碩士論文，2002。
二、英文部分
1. Altman, E.I.,“Financial ratios, discriminate analysis and the prediction of corporate bankruptcy＂, Journal of Finance 23: 589-609, 1968.
2. Altman E,Hadelman R, and Narayanan P.,“ Zeta analysis, a new model to identify bankruptcy risk of corporations,＂Journal of Banking and Finance 10:29-51,1977.
3. Basel Committee on Banking Supervision,“ Studies on the Validation of Inernal Rating Systems＂, Working paper No.14,2005.
4. Beaver, W.H.“Financial ratios as predictors of failure＂, Journal of Accounting Research 4: 71-102,1966.
5. Black, F. and Scholes, M., ”The Price of Option and Corporate Liabilities” , Journal of Political Economy, pp637-654,1973.
6. Blum, M.,“Failing company discriminant analysis＂, Journal of Accounting Research 12: 1-25,1974.
7. Clifford, W. Smith, Jr. and Ross L. Watts,“The investment opportunity set and corporate financing, dividend, and compensation policies ＂ ,Journal of Accounting Econmics,32,1992.
8. Coats, P. K., and L. F. Fant,“ Recongnizing financial distress patterns using a neural network tool＂,Financial Management 2:142-155,1993.
9. Deakin, E. B., “A discriminant analysis of predictors of business failure＂, Journal of Accounting Research 10:167-179,1972.
10. Frydman, H., E. I. Altman, and D. Kao,“Introducing recursive partitioning for financial classification: The case of financial distress＂,Journal of Finance 40:269-291,1985.
11. Gentry, J. A., P. Newbold, and D. T. Whitford,“Predicting bankruptcy: If cash flow’s not the bottom line, what is? ＂ ,Financial Analyst’s Journal 41:47-56,1985.
12. Hwang, D. Y., C. F. Lee, and K. T. Liaw,“ Forecasting bank failures and deposit insurance premium＂,International Review of Economics and Finance 6:
317-334,1997.
13. Jafry ,Y., and T.Schuermann, “ Metrics for Comparing Credit Migration Matrices＂,Center for Financial Institutions Working Papers , pp. 3-9, Wharton School Center for Financial Institutions, University of Pennsylvania,2003.
14. Lane, W. R., S. W. Looney, and J. W. Wansley,“An application of the cox
proportional hazards model to bank failure＂,Journal of Banking and Finance 10:511-531,1986.
15. Lo, A.W.,“Logit Versus Discriminant Analysis－A Specification Test and Application to Corporate Bankruptcies＂, Journal of Econometrics, Vol. 31, pp151-178,1986.
16. Sinkey, J. F.,“A multivariate statistical analysis of the characteristic of problem banks＂, Journal of Finance 30:301-319,1975.
17. Odom, M. D., and R. Sharda, “ A neural network model for bankruptcy prediction ＂ ,Proceedings of the IEEE International Conference on Neural Networks 12:163-168,1990.
18. Ohlson, J. A.,“Financial ratio and the probabilistic prediction of bankruptcy＂, Journal of Accounting Research 18:109-131,1980.
19. Platt, H. D., and M. B. Platt,“Development of a class of stable predictive variables: The case of bankruptcy prediction＂,Journal of Business Financial and Accounting 17:31-49,1990.
20. Sobehart, Jorge R., Sean C. Keenan & Roger M. Stein, “ Benchmarking Quantitative Default Risk Models: A Validation Methodology ＂ ,Moody's Special Comment, Moody's Investors Service,2000.
21. Tam, K. T., and M.Y. Kiang,“Managerial applications of neural networks: The case of bank failure predictions＂,Management Science 38:926-947,1992.
22. Theodossiou, P. T.,“Predicting shifts in the mean of a multivariate time series process: An application in predicting business failure＂,Journal of the American Statistical Association 88:441-449,1993.
23. Vandell, K. D., W. Barnes, D. Hartzell, D. Kraft, and W. Wendt,“Commercial mortgage defaults: Proportional hazards estimation using individual loan histories ＂ ,Journal of the American Real Estate and Urban Economics Association 21:451-480,1993.
24. Zhang, G., M. Y. Hu, B. E. Patuwo, and D. C. Indro,“Artificial neural networks in bankruptcy prediction: General framework and cross-validation analysis
“ ,European Journal of Operational Research 116:16-32,1999.
25. Zmijewski, M. E.,“Methodological issues related to the estimation of financial distress prediction models＂,Supplement to Journal of Accounting Research 22:59-68,1984.
附錄A 違約模型變數篩選之方法 1. 因素分析
因素分析係用來將眾多具有高度相關性或共線性之變數加以濃縮成少數互 相獨立之因素。所獲得的精簡變數即是因素（factor），其數學的原理是共變
（covariance）關係之抽取，以達成用少數因素即能表達原始資料所提供大部分 訊息之統計方法。
因素分析係假設樣本在某一變數上之反映是由兩部分所組成，一為各變數共 有之部分，稱為共同因素（common factor）或潛在因素(latent factor)，另則 為各變數獨有之部分，即獨特因素（unique factor）。其模式如下：
ji j1 1i j2 2i j3 3i jk ki j ji
Z =a F +a F +a F +"+a F +d U 其中
Z ：第 i 個樣本在第 j 個變數之分數 ji
a ：因素負荷量（Factor Loading） jk
表示第 k 個共同因素對 j 個變數之變異數的貢獻 F ：第 i 個樣本單位在第 k 個共同因素之分數 ki
d ：第 j 個變數獨特因素之因素負荷量 j
U ：該單位在第 j 個變數獨特因素之分數 ji
而 因 素 保 留 原 則 係 依 Kaiser （ 1960 ） 所 提 出 的 原 則 ， 僅 選 取 特 徵 值
（eigenvalue）大於 1 之所有因素， 並利用直交轉軸法中之最大變異法
（ Varimax） 對因素矩陣加以轉軸、轉換，取得轉換後之因素負荷矩陣，藉以 觀察各因素與各變數間之關係。
2. 向前逐步迴歸法
當潛在的 X 變數群很大時，例如 30，甚至超過 40 個的情況下，此時可以考 慮使用在自動搜尋法中最常見的向前逐步迴歸法，來幫助選擇有用的 X 變數進入 模型中，與其他的迴歸程序比較起來，此種方式可以相當地節省計算上的付出，
這種搜尋方法基本上是發展一個序列的迴規模型，而逐步地增加或刪除一個 X 變數，增加或刪除 X 變數的準則可以等價地使用誤差平方和的縮減量、偏相關係 數、t 統計量或是 F 統計量。
自動搜尋法與所有可能的迴歸程序間，在本質上的差異就是自動搜尋法以辨 識單一的「最佳」迴規模型做一結束，而所有可能的迴歸程序則可能會辨識數個
「好」的迴歸模型作往後研究上之考量，所以這也是自動搜尋法的主要弱點。經 驗上顯示每一種自動搜尋法的程序都有可能會誤將糟糕的模型當作是「最佳」迴 歸模型。此外，自動搜尋法的程序否定了其他可能也是「好」的迴歸模型，必須 注意的是一個「良好」的迴歸模型，需藉由多種診斷以作出徹底的檢驗才會被成 立。
通常是採用 t 統計量與 P 值來敘述向前逐步迴歸的搜尋演算法。
（1）逐步迴歸習慣上是先對所有的 P-1 個潛在 X 變數，一一配適簡單線性迴歸 模型，在每一個簡單線性迴歸模型中，透過 t 統計量來一一檢定斜率是否
（1）逐步迴歸習慣上是先對所有的 P-1 個潛在 X 變數，一一配適簡單線性迴歸 模型，在每一個簡單線性迴歸模型中，透過 t 統計量來一一檢定斜率是否