5.1 結論
為了讓一般投資大眾能有正確率高且使用方便之財務危機預警模式，以使 其能正確地選取到健全的上市公司，本研究選取了較晚期發展的 GRNN 方法來建 構財務危機預警模式，並將其與在各財務危機預警研究中已驗證有較高正確預警 率的 BPNN 財務危機預警模式比較，以證明以 GRNN 所建立之財務危機預警模式較 以 BPNN 方法所建之財務危機預警模式正確率為高。本研究選取 60 家上市公司為 研究樣本，其中 30 家為財務危機公司，30 家為財務健全公司，各選取 26 項財 務比率數值作為輸入變數，分別建立 GRNN 與 BPNN 之財務危機預警模式， 由實 驗過程證實 GRNN 預警模式有較佳之結果。
本研究之貢獻可彙整成以下四點：
一、提供一套清楚的GRNN財務危機預警模式構建流程，方便一般投資者建立其 預警模式，以有效地減少其投資風險。
二、本研究所建構之GRNN財務危機預警模式之網路學習速度較BPNN模式快，因 此構建速度較快。
三、以本研究所建構之GRNN財務危機預警模式其正確預警率較以BPNN財務危機 預警模式為高。
四、由於GRNN所需設定的參數較BPNN模式少，因此本研究以GRNN所建構之財務 危機預警模式，受參數設定值的影響較BPNN模式小，不需考慮太多參數取 決的問題，且設定簡單、方便，符合一般民眾操作上的需求。
5.2 建議
應用本研究方法時有以下三點建議事項：
一、由本研究可以得知，GRNN 財務危機預警模式於本測試樣本上有著相當良好 的正確預警率，由其他各項研究中可知類神經網路可能會因選取的樣本不同 而有不同的準確度，因此本研究建議未來可以嘗試利用依產業別分類樣本來 建立模式。
二、近年來常有一些專家建議要判斷一家公司是否有可能發生危機，不只可以從 財務比率來判斷，也可以由非財務比率，例如：會計師簽證、董監事持股比 例、大股東質押等來判斷，本研究建議未來也可以嘗試利用以上幾種非財務 比率來輔助本研究所建立的 GRNN 財務危機預警模式。
參考文獻
[1]丁義恩，「應用類神經網路在匯價走勢上的預測」，義守大學管理科學研究所 碩士論文，1998。
[2]王文英，「運用類神經網路建構台灣上市公司財務危機預警模型」，實踐大學 企業管理學系研究所碩士論文，1999。
[3]池千駒，「運用財務性,非財務性資訊建立我國上巿公司財務預警模式」，國 立成功大學會計學系研究所碩士論文，1999。
[4]李元棟、林有志、王光華、蕭子誼、王瀅婷，財務報表分析，國立空中大學 發行，2001。
[5]吳永宏，「類神經網路於服務品質衡量模式之構建 -- 以電信業為例」，台北 科技大學學報，第35卷第2期，頁147，2001。
[6]李洪慧，「證券經紀商之動態化財務預警模型研究」，產業金融期刊，第103 期，頁10，1998。
[7]李致寬，「倒傳遞網路分析在財務預測之研究以台灣地區股票上市公司為 例」，基層金融期刊，第31期，頁77，1995。
[8]林金賜，「財務危機之時間序列預測模式」，台灣大學財務金融研究所碩士論 文，1996。
[9]林宓穎，「上市公司財務危機預警模式之研究」，政治大學財政研究所碩士論 文，2002。
[10]林銘琇，「財務危機預警模式之實證研究：以台灣地區上市公司為例」，淡 江大學管理研究所碩士論文，1992。
[11]邱穎聖，「通用迴歸神經網路在中長期需求模式上之建構與探討－以電腦零 組件為例，」元智大學工業工程與管理研究所碩士論文，2002。
[12]紀榮泰，「財務危機理論與預警模式之研究」，淡江大學會計學研究所碩士
論文，2000。
[13]徐淑芳，「台灣上市公司財務危機預警模式之建立－應用多變量CUSUM時間 序列分析」，東華大學企業管理研究所碩士論文，1999。
[14]鄒香蘭，「我國股票上市公司財務危機預警模式之比較」，彰化師範大學商 業教育學研究所碩士論文，2001。
[15]陳隆麒，「現代財務管理理論與應用」，華泰書局股份有限公司，1993。
[16]陳肇榮，「運用財務比率預測財務危機之實證研究」，政治大學財政研究所 博士論文，1982。
[17]郭瓊宜，「類神經網路在財務危機預警之應用」，淡江大學管理研究所碩士 論文，1993。
[18]黃小玉，「台灣區銀行經營績效之研究-以上市上櫃銀行為例」，亞太社會科 技學報，第3卷第1期，頁77，1988。
[19]葉怡成，應用類神經網路，儒林書局股份有限公司，1997。
[20]萬哲鈺、高崇瑋，財務報表分析實務與應用，華泰書局股份有限公司，2001。
[21]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」，國立中興大學統計學研究所碩士論文，1994。
[22]蔡人煜，「類神經網路於預測企業財務危機有效性之研究」，彰化師範大學 商業教育學研究所碩士論文，2002。
[23]潘玉葉，「台灣上市公司財務危機預警分析」，淡江大學管理研究所博士論 文，1990。
[24]劉自強，「資本結構與財務績效不良反應關係之研究--以臺灣上市公司為 例」，元智工學院商業及管理學研究所碩士論文，1995。
[25]劉亭宜，「GRNN在晶圓製造良率模式之建構與分析」，元智大學工業工程研 究所碩士論文，1999。
[26]鄭碧月，「上市公司營運危機預測模式之研究」，朝陽技術學院財務金融系 所研究所碩士論文，1997。
[27]Altman, E. I., “Discriminant Analysis and the Prediction of Corporate Bankruptcy＂ The Journal of Finance, Vol.23, No. 4, pp.
589-609, 1968
[28]Altman, E. I., Marco, G. and Varetto, F., “Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks, ＂Journal of Banking and Finance, Vol. 18, pp.
505-529, 1994.
[29]
[29]Beaver, W. H., “Financial ratios as predictors of failure,＂
Journal of Accounting Research, pp. 71-111, 1966.
[30]Blum, M., “Failure Company Discriminant Analysis,＂ Journal of Accounting Research, Spring, pp. 1-25, 1974.
[31]Disorntetiwat, P. and Dagli, H. C., “Simple Ensemble-Averaging Model Based on Reneralized Regression Neural Network in Financial Forecasting Problems, ＂Adaptive Systems for Signal Processing, Communications and Control Symposium 2000 IEEE AS-SPCC, pp. 477-480, 2000.
[32]Hecht-Nielsen, R., “Neurocomputing, Addison-Wesley,＂ p. 122, 1991.
[33]Leung, M. T., Chen, S. A. and Daouk, H., “Forecasting Exchange Rates using General Regression Neural Networks, ＂Computers & Operations Research, Vol.27, pp. 1093-1110, 2000.
[34]Ohlson, J. A., “Financial Ratios and the Probabilistic Prediction
of Bankruptcy,＂Journal of Accounting Research, Spring, pp.
109-131, 1980.
[35]Odom, M. D. and Sharda, R., “A Neural Network Model for Bankruptcy Prediction, ＂IEEE INNS IJCNN, vol.1.2, pp. 163-168, 1990.
[36]Specht, D. F., “A General Regression Neural Network,＂ IEEE Transactions on Neural Networks, pp. 568-576, 1991.
[37]Theodossiou, P. T., “Predicting Shift in the Time Series Process:
An Application in Predicting Business Failure, ＂Journal of the American Statistical Association, pp. 441-449, 1993.
[38]Tam, K. Y. and Kiang, Y. M., “Managerial Application of Neural Network: The Case of Bank Failure Predictions, ＂ Management Science, July, pp. 926-947, 1992.
[39]Zhang, G., Hu, M. Y., Patuwo, B. E. and Indro, D. C., “Artificial Neural Networks in Bankruptcy Prediction: General Framework and Cross-Validation Analysis, ＂ European Journal of Operational Research, Vol.116, pp. 16-32, 1999.
[40]Zmijewski, M. E., “Methodological issues Related to the Estimation of financial Distress Prediction Models, ＂Supplement to Journal of Accounting Research, pp. 59-82, 1984.