3.1 研究架構
本研究建構之 GRNN 財務危機預警模式之流程如圖 3-1 所示，其分析步驟簡介如 下：
步驟一:樣本之蒐集與整理
1.財務危機樣本之選擇
依據本研究第二章之財務危機公司的定義，將財務危機公司定義為全額交 割股及停止買賣者，以及台灣證券交易所出版之營運困難上市公司概況表所列 之公司; 選取樣本的時間範圍為民國 84 年至 91 年間台灣股票上市之公司，以 隨機的方式選取危機公司，選取的公司行業排除金融業、保險業及證券業，其 原因如下：
（1）、金融業、保險業、證券業之財務報表及公司特性皆與一般產業不同，不具 比較基礎，因此予以排除。
（2）、其他業並不屬於任何行業，於選取其相對應之健全公司樣本時，無法依原 則選取。
2.財務健全樣本之選擇
由於 Zmijenski[40]提出以配對抽樣所導致基礎偏誤和樣本選擇偏誤並不 會影響預測的分類誤差率，因此本研究使用的配對樣本法和 Beaver[30]所採用 之對照樣本法一樣，其選取標準如下：
（1）與危機企業一樣的產業。
（2）與危機企業股本（也就是營收金額）及資產額差距不大的企業。
（3）在民國 91 年以前沒有被台灣證卷交易所列為營運困難之公司。
圖 3-1 GRNN 財務預警模式建構流程
3.資料來源
本研究樣本及變數之資料來源如下：
（1） 台灣經濟新報資料庫。
（2） 台灣證券交易所證券公開說明書及公開上市、上櫃公司之年報。
（3） 台灣證券交易所發行之上市證券公司財務資料彙編。
（4） 台灣證券交易所出版之營運困難公司概況表。
步驟二:財務變數之蒐集與整理
本研究所選取的財務變數期間為公司被定義為財務危機公司之前的四季資 料，而所使用之財務變數，為自國內之金融機構、中外文獻以及財務分析書籍所 經常使用的財務比率中所選取，而國內之金融機構於評估企業信用常用之財務比 率整理表格如圖 3-2 所示。
本研究將所選取的 26 個財務比率變數可分類成五個屬性，分別為償債能力 分析、經營能力分析、財務結構分析、現金流量分析、成長力分析。而這五種分 析也跟財務報表分析的目的相符。其各項財務比率分類如圖 3-3 所示。
以下將根據萬哲鈺、高崇瑋[20]及國立空中大學所著之財務報表分析[4]分 別為償債能力分析、經營能力分析、財務結構分析、現金流量分析、成長力分析，
五種財務比率分類做解釋。
1.償債能力分析
償債能力分析重點在於企業應變短期債務之能力。若是企業無法負擔短期 債務的償債需求，將會很容易就陷入週轉不靈的困境，企業勢必要被迫出售非流 動性資產，而間接導致企業與其供應商、客戶的往來關係受影響，一段時間之後，
企業的信用評等也會降低。由於信用不佳，金融機構對於企業貸款的意願將降 低，且企業之舉債空間與舉債能力也會因償債能力不足而受到壓迫。因此企業短 期償債能力對於衡量企業有無發生急迫性財務危機的風險是很重要的一項課 題。本研究取以下五個常用的償債能力指標當償債能力的變數：
圖 3-2 國內之金融機構於評估企業信用常用之財務比率
圖 3-3 各項財務比率分類
資料來源：萬哲鈺、高崇瑋[20]及國立空中大學所著之財務報表分析[4]
（1） 流動比率＝流動資產 /流動負債 *100
（2） 速動比率＝(流動資產-存貨-預付款項-其他流動資產)/流動負債*100
（3） 應收帳款週轉次＝營業收入淨額/平均(應收帳款及票據+應收票據貼 現)
（4） 存貨週轉率(次)＝營業成本 /平均存貨
（5） 淨營業週期(日)＝應收帳款收現天數+平均銷售天數-應付帳款付現天 數
2.經營能力分析
企業要營運及獲利就必須靠資產，流動資產供應公司營運用而固定資產則 供應公司獲利的基礎。所以，資產運轉的效率（也就是周轉率）和公司是否能有 效達成目標相當有關。公司支配可運用的資源進行營業活動來創造利潤，公司的 經營能力強，則相對的可從同樣的資源中獲得較高的利潤。判斷公司經營能力可 分成效率面及獲利面;效率面指標顯示公司投入之資本或資產創造營業收入之能 力，獲利面指標則衡量公司創造之利潤占營業收入或投入資本的比率。
經營效率指標共有：
（1） 總資產週轉次數＝營業收入淨額/平均資產總額
（2） 固定資產週轉次＝營業收入淨額/平均固定資產
（3） 淨值週轉率(次)＝營業收入淨額/平均淨值 獲利能力指標共有：
（1） 營業毛利率＝營業毛利 /營業收入淨額 *100
（2） 營業利益率＝營業利益 /營業收入淨額 *100
（3） 稅前淨利率＝稅前淨利 /營業收入淨額 *100
（4） 稅後淨利率＝稅後淨利 /營業收入淨額 *100
（5） 股東權益報酬率＝稅後淨利 /平均淨值 *100
3.財務結構分析
財務結構分析的主要功能，在於明確區分企業營運所使用的資金來源，用 來協助分析者評估企業發生財務危機的風險。不同型態的資金風險程度當然不 同，因此債權人及股東在於提供資金企業運用前，應對企業之財務結構有所分 析，並對風險與報酬之間加以權衡，以採取有利的決策。本研究取以下四種常用 的財務結構指標當財務結構的變數：
（1） 總負債 /總淨值＝負債總額 /淨值 *100
（2） 負債比率＝負債總額 /資產總額 *100
（3） 長期資金適合率＝(淨值 +長期負債) /固定資產 *100
（4） 淨值比率（資本比率）＝淨值/資產總額 *100
4.現金流量分析
企業經常以現金流量分析來評估其立即償債能力，如果不能有效衡量現金 流入、流出狀況，則容易造成企業週轉不靈，進而出現倒閉的風險。現金流量比 率之定義如下：
現金流量比率= 來自營業現金流量 /流動負債 *100
5.成長力分析
成長力分析為一橫段面分析技巧，將過去幾年的財務資訊換算成比率或指 數，能提供股東或是債權人明瞭公司過去幾年促成該趨勢之企業政策、管理者的 經營理念、動機、公司的成長速度以及未來的成長潛力。本研究取以下八種常用 的成長力指標當成長力的變數：
（1） 營收成長率＝(營業收入淨額 -lag 營業收入淨額) /ABS(lag 營業收入 額) *100
（2） 營業毛利成長率＝毛利增減額 /ABS(去年同期毛利)
（3） 營業利益成長率＝(營業利益 -lag 營業利益) /ABS(lag 營業利益)
*100
（4） 稅前淨利成長率＝稅前淨利增減額 /ABS(去年同期稅前淨利)
（5） 稅後淨利成長率＝(稅後淨利 -lag 稅後淨利) /ABS(lag 稅後淨利)
*100
（6） 總資產成長率＝總資產增減額 /ABS(去年同期總資產)
（7） 淨值成長率＝(淨值 /lag 淨值 - 1 ) *100
（8） 總資產報酬成長率＝(稅前息前折舊前淨利 -lag 稅前息前折舊前淨 利)
步驟三：以類神經法構建財務危機預警模式
1.GRNN 財務危機預警模式之建構步驟
由於目前國內外之學者對於類神經網路之參數設計並無很明確之準則，所 以本研究以試誤法來進行模式參數之設定。
（1）訓練樣本與測試樣本數的比例
(i)訓練樣本數：為總樣本數之 80％。
(ii)測試樣本數：為總樣本數之 20％。
（2）設定隱藏層的平滑參數
採試誤法：平滑參數通常介於 1~0.1 之間，本研究設定為 1.0、0.75、0.5、
0.25 等四種平滑參數值試誤。
（3）以訓練樣本之財務變數訓練網路來建立財務危機預警模式。
由本研究所選取之訓練樣本的財務變數，輸入至類神經網路軟體中進行運 算。
（4）以測試樣本測試財務危機預警模式之預警正確率。
由本研究所選取之測試樣本的財務變數，輸入至類神經網路軟體中進行預 測。
（5） 選定最佳之模式
本研究以訓練樣本及測試樣本所得模式之總和 MSE 值平均最小者為最佳之 模式。
利用 GRNN 構建財務危機預警模式之步驟如圖 3-4 所示：
圖 3-4 本研究利用 GRNN 構建財務危機預警模式之步驟 2.BPNN 財務危機預警模式之建構步驟
由於目前國內外之學者對於類神經網路之參數設計並無很明確之準則，所 以本研究以試誤法來進行模式參數之設定。
（1）訓練樣本與測試樣本數的比例
(i)訓練樣本數：為總樣本數之 80％。
(ii)測試樣本數：為總樣本數之 20％。
（2）設定隱藏層數
參考葉怡成（1995）之研究，BPNN 之隱藏層層數越多，計算就越複雜，越 容易有區域極小值之問題，所以通常隱藏層數都不會超過二，而隱藏層數二跟一 所得結果通常差別不大，所以本研究隱藏層數採用一層。
（3）設定隱藏層節點數
對於隱藏層節點數的設定方法，各學者意見不一，本研究將利用以下二種 最常被使用之設定隱藏層節點數方法，測試模式之預警性：
(i)Kolmogorov[33]
隱藏層節點數＝2*（輸入層節點數）+1 (ii)葉怡成[23]
隱藏層節點數＝（輸入層節點數*輸出層節點數）1/2
（4）設定學習速率
由於學習速率通常介於 1.0～0.1 之間，所以本研究之學習速率設定分別 為：0.2、0.4、0.6、0.8。
（5）設定慣性因子
由於慣性因子通常介於 1.0～0.1 之間，所以本研究之慣性因子設定分別 為：0.2、0.4、0.6、0.8。
（6）設定學習次數
本研究由模式的誤差收斂情形取其學習次數，當模式收斂情形達到平滑狀 態即停止。
（7）選定最佳之模式
本研究以訓練樣本及測試樣本所得模式之總和 MSE 值平均最小者為最佳之 模式。
利用 BPNN 建構財務危機預警模式之步驟如圖 3-5 所示：
圖 3-5 利用 BPNN 建構財務危機預警模式之步驟
步驟四：GRNN 與 BPNN 財務危機預警模式之比較
由步驟三所得之 GRNN 與 BPNN 所建構的最佳財務危機預警模式,比較此兩種 最佳模式之正確預警率，正確預警率較高者表示其模式較佳。
上述步驟在第四章中以實例說明其可行性及有效性。