第一節 研究動機
無論是企業經理人或投資人，都希望藉由一些方法瞭解公司的營運績效或 投資績效。傳統的方式就是透過財務報表分析，希望藉由會計師簽核認證過的財 務報表中尋求公司經營的狀況，包括一些財務指標的分析、縱向橫向分析等等。
然而財務報表中的財務數據繁多，財務指標種類也不少，經理人與投資人面臨多 個財務指標彼此相衝突時便不知如何解釋，於是許多研究就提出各種模型，配合 統計與多變量分析技巧，嘗試以單一指標協助經理人判斷公司的營運狀況，如 Z-score 模型，Logit 模型等等。然而在統計分析之後，許多人工智慧的技術也 因為電腦的計算速度與資訊科技的發達得以實證，許多人工智慧的工具也用來分 析公司的財務資訊，如類神經網路（ANN, Artificial Neural Network）、基因 演算法（GA ,Genetic Algorithm）等等。
加上近幾年來許多知名企業（博達、力霸等等）頻頻傳出財務危機，經理 人與投資人對於瞭解公司營運狀況就更為需要，希望在公司尚未爆發財務危機之 前就能夠提供警訊，協助經理人改正目前的經營方向，也協助投資人判斷此企業 是否值得繼續投資。
企業在面臨財務危機之前，在財務數據上都會透露許多的徵兆，因此本研 究希望能透過系統性的方法，在這些資料之中找尋目前正面臨財務危機的企業，
提供給經理人與投資人做為決策之參考。
第二節 研究目的
基於研究動機，本研究的目的可以歸納為下列幾點。
目的一：對財務預警文獻進行整理
整理過去對於財務預警的研究，瞭解其預警的能力與使用限制為何。過去 對於財務預警的研究依照研究方法加以區分，可以區分為單變量方法、多變量 方法與人工智慧方法，各有其優缺點與使用上的限制，在第二章文獻探討中將 回顧這些研究方法，並且整理出有哪些變數在以往的研究中具有顯著性的預測 變數。
目的二：加入產業別因素於財務預警模型中
過去對於財務預警的研究很少將『產業別』因素納入考量，然而不同產業 都有其特殊的經營環境，其預測產業財務危機的模式自然會不相同，例如營造 產業自有資金不高，常採用較高的財務槓桿營運，電子業強調資產的流動性、
獲利率等等，因此將各種產業合併一起分析則較不恰當，本論文第三章提出建 構產業別財務預警之流程，此流程建構出來的模型可以預測目前企業是否已經 面臨財務危機。
目的三：運用類神經網路之優點建立財務預警模型
由於多變量方法需要強調在統計假設成立之下才適合使用該分析方法，但 是實務上許多分析資料並不符合其前提假設，因此使用上受到了限制，但是類 神經網路方法並不需要有前提假設，在使用限制上較不受拘束。本研究也希望 藉由類神經網路的優點，作為建構預測財務危機模型的方法，提升預測正確率。
目的四：與其他模型進行比較
本研究第四章將收集該各產業中『危機』與『正常』企業的財務變數，依 本論文第三章所提出之方法進行分析，以實際的資料驗證本研究所提出之流程 架構，並以相同資料與其他學者的方法進行比較。
第三節 研究架構
本研究之架構如圖 1.1 所示。本研究共分五章，第一章為緒論，說明本研 究之研究動機與目的；第二章介紹以往學者所提出之財務預警模型，及所使用的 預測變數之相關文獻；第三章則是說明如何構建本研究所提之產業別的財務預警 模型；第四章以台灣新報與公開資訊觀測站的資料進行本研究財務預警模型實證 研究，並與其他學者之模型進行比較；第五章則是本研究之結論與建議。
圖 1.1:本研究之研究架構 研究動機、目的與限制
文獻回顧與探討
本研究方法介紹
實證研究與比較
單變量方法 多變量方法 類神經網路方法
結論
第四節 研究範圍與限制
本研究選取樣本的範圍是從民國七十五年一月到九十六年二月，在台灣證 券交易所上市的公司。發生財務危機的公司定義為此期間內跳票擠兌、聲請重整 等等的公司（資料由台灣經濟新報資料庫中所整理，如表 2.1 所示）。而以上市 公司為研究對象有兩個原因：
1、上市公司受到財政部證券暨期貨管理委員會以及台灣證券交易所的規範及監 督，其資訊較具公信力，且資訊公開，蒐集較容易。
2、上市公司除了在股市集資之外，向銀行借貸也較未上市公司容易，且股票還 可進行質押，故若發生危機，對投資人、債權人有較大的影響。
因此本研究的限制有下列三點：
1. 樣本限制：
本研究主要是以上市公司資料建立預測模型，故對其他類型的樣本 (如上櫃 公司、未上市公司)，基於財務報表公信力不足，其適用性仍需進一步研究。
2. 模型限制：
由於類神經網路模型是一種有隱藏層的網路架構，變數形同在一黑箱 (black box) 中作業，故使用此模型作分析時無法由分析結果得知自變數與 因變數之間的正反向關係與影響程度，此為類神經網路分析方法之缺點。
3. 變數之限制：
由於在決定變數時，以公開、蒐集資訊成本、具有客觀評量標準、為例常性 資料等，為變數的優先考量，故大多仍是以和財務報表相關的變數。但除了 財務方面的因素外，仍有其他非財務因素是可加以考慮，例如經營者特性、
股東持股變動率、公司是否有退票記錄等等，本研究無法將所有非財務之變 數納入考量，僅依照過去學者認為具有顯著判別能力之變數納入本研究模型 中。