以不同類神經網路建構 以不同類神經網路建構
上市公司預警模型 上市公司預警模型
班級：財金所一A 學生：林宗漢
學號：9016606
授課教師：周宗南博士
大綱 大綱
•壹、前言
•貳、文獻探討
•參、研究設計與研究方法
•肆、實證結果分析
•伍、結論
壹、前言 壹、前言
若股票標的公司的財務體質不健全，或公 司管理階層刻意隱瞞經營危機事實，導致 投資人獲取資訊相對居於劣勢情況下，可 能使投資人蒙受重大損失，故此研究針對 上市公司，建立一套財務預警系統或模 型，以提供管理當局或投資人參考，有效 降低投資風險。
本研究研究目的如下：
一、以多種學習演算法之類神經網路建立上 市公司之財務預警模式，並比較其預警能 力。
二、採用包絡分析法衡量上市公司經營效 率，求得樣本公司效率分數並分析上市公 司之經營效率在危機發生時與健全營運公 司間之關係。
三、將經營效率變數納入財務預警模型的預 測變數中，分析經營效率與財務比率對公 司財務健全之重要性，以及在財務危機事 件中是否為具關鍵影響力因素。
貳、文獻探討 貳、文獻探討
過去學者曾利用條件Logit方法(Ohison 1980)、
Probit模型(Zmijewski 1984)、回覆分割邏輯 (Frydman et 1985)、Cox危機比例法(Lane et
1986)、區別分析模型(Lo 1986)、類神經網路(Tam
& Kiang 1992)等建立預警模型，而類神經網路之 正確預測率比其他方法佳。
本研究利用倒傳遞網路(BPN)、多層函數連結網路 (MFLN)、通用迴歸網路(GRNN)、學習量化網路 (LVQ)、半徑式函數網路(RBFN)等監督式學習原 理之網路模式作為研究方法。
此外，本研究用以衡量公司經營效率所採用 的方法為資料包絡法(DEA)其模型如下：
∑
∑
=
=
=pi
ki i q
j
kj j
k v
u
V X
Y U
Max E
i j
1 1
,
p i = 1 , 2 , K K ,
q j = 1 , 2 , K K ,
t k
r = 1 , 2 , K K , K K ,
Y=產出值 X=投入值 U,V=參數變數
輸入變數
財務變數
管理變數
正常公司
危機公司 流動性指標
結構性指標
周轉率指標
獲利率指標
隱藏層 輸出變數
總效率 技術效率 規模效率
參、研究設計與研究方法 參、研究設計與研究方法
一、選樣設計：樣本收集自民國七十一年至 八十七年間被降為全額交割股或遭下市處 分的上市公司，產業分佈包括紡織、機 械、玻璃、造紙、營建、電子等產業，但 不包括金融業。經過過濾後之樣本數如表 (一)所示、而表(二)則顯示出發生財務危機 最多的年度。
97 64
合計 33
9 6
其他 3
2 1
百貨貿易 1
2 1
航海運輸 1
9 6
建材營造 3
3 2
電子工業 1
5 3
汽車工業 2
2 1
橡膠工業 1
2 1
鋼鐵工業 1
6 4
造紙工業 2
4 2
玻璃工業 2
3 2
化學工業 1
6 4
電線電纜 2
3 2
電機機械 1
26 20
紡織纖維 6
7 4
塑膠工業 3
4 2
食品工業 2
4 3
水泥工業 1
合計家數 正常公司
危機公司 產業別
表(一)研究樣本產業分佈情形彙總表
97 84
77 72
70 68
66 63
60 32
25 累計家數 8
13 7
5 2
2 2
3 3
28 7
17 合計家數 8
9 5
3 1
1 1
2 2
20 4
11 正常公司 5
4 2
2 1
1 1
1 1
8 3
6 危機公司 3
87 86
85 84
83 82
81 75
74 73
72 年度別 71
表(二)研究樣本年度別家數彙總表
二、資料來源：
(一)台灣證券交易所編印出版之「營運困難上 市公司概況表」、「台灣證券交易所三十 年史」確定財務危機公司與正常公司。
(二)財務報表資料來自台灣經濟新報資料庫所 編印之「上市證券發行公司財務資料彙
編」。
(三)其餘資料參考各上市公司之年報或公開說 明書。
三、變數定義：共採用流動性指標、結構性 指標、周轉率、獲利能力指標以及經營效 率分數等五種指標，如表(三)。
表 (三 )研 究 變 數 計 算 公 式 彙 總 表 項 目 計 算 公 式
一 、 流 動 性 指 標
R 1 ： 流 動 比 率 流 動 資 產 /流 動 負 債 R 2 ： 速 動 比 率 速 動 資 產 /流 動 負 債
R 3 ： 現 金 對 流 動 負 債 比 率 (現 金 + 準 備 金 )/ 流 動 負 債
R 4 ： 營 運 資 金 比 率 (流 動 資 產 - 流 動 負 債 )/資 產 總 額 二 、 結 構 性 指 標
R 5 ： 財 務 槓 桿 指 數 資 本 報 酬 率 / 資 產 報 酬 率 R 6 ： 債 本 比 負 債 總 額 /資 本 淨 值 R 7 ： 負 債 百 分 比 負 債 總 額 /資 本 淨 值 R 8 ： 固 定 比 率 固 定 資 產 /資 本 淨 值
R 9 ： 固 定 資 產 長 期 適 合 率 固 定 資 產 / ( 股 東 權 益 + 長 期 負 債 ) R 1 0 ： 短 期 借 款 對 淨 值 比 率短 期 借 款 / 資 本 淨 值
三 、 資 產 管 理 能 力
R 1 1 ： 存 貨 周 轉 率 營 業 成 本 / 平 均 存 貨 餘 額 R 1 2 ： 應 收 帳 款 周 轉 率 營 業 收 入 淨 額 /平 均 應 收 帳 款 R 1 3 ： 資 產 周 轉 率 營 業 收 入 淨 額 / 資 產 總 額 R 1 4 ： 固 定 資 產 周 轉 率 營 業 收 入 淨 額 / 固 定 資 產 四 、 獲 利 性 指 標
R 1 5 ： 資 產 報 酬 率 [ 本 期 純 益 + 利 息 費 用 (1 - 稅 率 )] / 平 均 資 R 1 6 ： 資 本 報 酬 率 稅 前 純 益 / 平 均 資 本 淨 值
R 1 7 ： 營 業 毛 利 率 營 業 毛 利 / 營 業 收 入 淨 額 R 1 8 ： 稅 前 純 益 率 稅 前 純 益 / 營 業 收 入 淨 額 R 1 9 ： 營 業 利 潤 率 營 業 利 潤 / 營 業 收 入 淨 額 五 、 經 營 效 率
R 2 0 ： D E A 總 效 率 分 數 總 技 術 效 率 R 2 1 ： 技 術 效 率 分 數 純 粹 技 術 效 率 R 2 2 ： 規 模 效 率 分 數 規 模 效 率
四、研究方法：
本研究試圖比較倒傳遞網路、多層函數連 結網路、通用迴歸網路、學習量化網路、
半徑式函數網路等五種類神經模式，瞭解 倒傳遞網路是否為最適合用於財務危機預 測，或者有其他網路可以取而代之。
五、研究範圍與限制：
(一)樣本限制：存在著過度抽樣問題、對未上市公 司是否適合問題、抽樣選擇偏誤等問題。
(二)變數限制：本研究變數僅包括財務因素與管理 因素，並未包括其他層面。
(三)資料之真實性與比較性限制
(四)研究模型限制：類神經網路在學習過程中容易 出現過度學習現象，或因系統內權重因素間接造 成預測結果不穩定。
肆、實證結果分析 肆、實證結果分析
本研究經過DEA模型之實際運算，求出樣 本公司在各年度之總效率、技術效率與規 模效率分數並做產業與兩群體間的二因子 變異數分析，以瞭解產業與群體間差異是 否達到顯著水準。表(四)、表(五)、表(六) 顯示上市公司在危機發生前三年度總效
率、技術效率與規模效率分數；表(七)則為 產業與兩群體間的二因子變異數檢定。
註：OE-總效率；TE-純粹技術效率；SE-規模效率；F-財務危機公司；NF-正常經營公司；*-NF>F 0.979 0.976
*0.980 0.943
0.942
*0.943 0.924
0.920
*0.925 總計
0.936 0.946
0.932 0.907
0.954 0.884
0.850 0.903
0.823 其他
0.978 0.994
0.962 0.944
0.889
*0.998 0.922
0.884
*0.960 百貨貿易
0.999 0.999
*1.000 0.935
0.954 0.915
0.934 0.953
0.915 航海運輸
0.997 0.991
*1.000 0.961
0.932
*0.976 0.958
0.923
*0.976 建材營造
1.000 1.000
0.999 0.947
0.981 0.930
0.947 0.981
0.930 電子工業
0.952 0.912
*0.979 0.926
0.936 0.920
0.883 0.855
*0.902 汽車工業
0.992 0.984
*1.000 0.895
0.917 0.873
0.887 0.902
0.873 橡膠工業
0.992 0.985
*1.000 0.974
0.947
*1.000 0.967
0.933
*1.000 鋼鐵工業
0.950 0.943
*0.95 0.937
0.943 0.934
0.887 0.887
0.887 造紙工業
0.987 0.981
*0.994 0.955
0.929
*0.981 0.943
0.911
*0.975 玻璃工業
1.000 1.000
1.000 0.940
0.908
*0.956 0.940
0.908
*0.956 化學工業
0.992 1.000
0.990 0.953
0.998 0.947
0.946 0.978
0.938 電線電纜
0.996 1.000
0.994 0.930
0.920
*0.934 0.926
0.920
*0.928 電機機械
0.987 0.998
0.984 0.951
0.974 0.944
0.940 0.972
0.930 紡織纖維
0.995 0.991
*0.997 0.972
0.955
*0.980 0.967
0.947 0.977
塑膠工業
0.936 0.947
0.925 0.862
0.853
*0.872 0.808
0.809 0.807
食品工業
0.989 0.958
*0.999 0.985
0.968
*0.990 0.974
0.927
*0.990 水泥工業
F 總計 總計 NF
F 總計 NF
F 產業 NF
SE TE
OE
表(四)危機發生前第一年效率分數
註：OE-總效率；TE-純粹技術效率；SE-規模效率；F-財務危機公司；NF-正常經營公司；*-NF>F 0.982 0.987
0.980 0.927
0.919
*0.931 0.911
0.907
*0.913 總計
0.970 0.979
0.966 0.861
0.897 0.844
0.836 0.878
0.815 其他
0.994 0.994
*0.995 0.936
0.924
*0.947 0.930
0.919
*0.942 百貨貿易
0.987 0.981
*0.993 0.913
0.925 0.901
0.901 0.908
0.895 航海運輸
0.990 0.993
0.988 0.960
0.914
*0.983 0.950
0.908
*0.971 建材營造
0.987 0.984
*0.988 0.928
0.929 0.928
0.916 0.914
*0.917 電子工業
0.979 0.958
*0.994 0.905
0.887
*0.917 0.887
0.849
*0.912 汽車工業
0.981 1.000
0.961 0.931
0.885
*0.976 0.912
0.885
*0.938 橡膠工業
0.974 0.983
0.965 0.945
0.894
*0.996 0.920
0.878
*0.961 鋼鐵工業
0.977 0.973
*0.979 0.920
0.931 0.914
0.898 0.906
0.895 造紙工業
0.984 0.993
0.974 0.937
0.924
*0.949 0.921
0.918
*0.924 玻璃工業
0.974 0.996
0.962 0.921
0.908
*0.928 0.896
0.905 0.892
化學工業
0.998 0.999
0.998 0.925
0.938 0.918
0.923 0.937
0.916 電線電纜
0.996 1.000
0.995 0.901
0.878
*0.913 0.898
0.878
*0.910 電機機械
0.980 0.989
0.977 0.940
0.947 0.938
0.921 0.938
0.917 紡織纖維
0.989 0.992
0.986 0.958
0.947
*0.967 0.948
0.940
*0.953 塑膠工業
0.979 0.980
0.978 0.862
0.886 0.839
0.845 0.868
0.821 食品工業
0.976 0.985
0.973 0.971
0.903
*0.994 0.948
0.890
*0.968 水泥工業
F 總計 總計 NF
F 總計 NF
F 產業 NF
SE TE
OE
表(五)危機發生前第二年效率分數
註：OE-總效率；TE-純粹技術效率；SE-規模效率；F-財務危機公司；NF-正常經營公司；*-NF>F 0.987 0.989
0.986 0.927
0.919
*0.932 0.916
0.909
*0.919 總計
0.971 0.980
0.967 0.859
0.885 0.845
0.834 0.869
0.817 其他
0.991 0.994
0.988 0.937
0.906
*0.971 0.930
0.901
*0.959 百貨貿易
0.992 0.992
- 0.934
0.934 -
0.926 0.926
航海運輸 -
0.998 0.996
0.985 0.962
0.921
*0.983 0.951
0.917
*0.968 建材營造
0.998 0.999
0.990 0.915
0.922 0.912
0.909 0.922
0.903 電子工業
0.972 0.962
*0.978 0.888
0.917 0.869
0.864 0.884
0.850 汽車工業
1.000 0.999
*1.000 0.950
0.900
*1.000 0.950
0.889
*1.000 橡膠工業
0.998 0.996
*1.000 0.945
0.889
*1.000 0.943
0.886
*1.000 鋼鐵工業
0.971 0.969
*0.972 0.917
0.914
*0.918 0.889
0.885
*0.892 造紙工業
0.996 0.993
*0.999 0.940
0.922
*0.959 0.937
0.916
*0.958 玻璃工業
0.989 0.996
0.986 0.919
0.912
*0.923 0.909
0.908
*0.910 化學工業
0.998 0.999
0.997 0.945
0.945 0.944
0.943 0.945
0.942 電線電纜
0.999 0.997
*1.000 0.906
0.901
*0.908 0.905
0.899
*0.908 電機機械
0.990 0.995
0.989 0.938
0.940 0.938
0.930 0.935
0.928 紡織纖維
0.998 0.998
*0.999 0.962
0.951
*0.972 0.960
0.949
*0.971 塑膠工業
0.965 0.971
0.959 0.875
0.887 0.864
0.845 0.862
0.828 食品工業
0.998 0.991
*1.000 0.960
0.879
*0.987 0.958
0.871
*0.987 水泥工業
F 總計 總計 NF
F 總計 NF
F 產業 NF
SE TE
OE
表(六)危機發生前第三年效率分數
註：列-代表產業；欄-代表危機與正常兩群；*表示達0.1顯著水準
0.4509 0.5991
*0.0659 3.9364
*0.0953 3.1696
欄
*0.0001 7.9896
0.3477 1.2285
0.1299 1.8146
列 三
0.1507 2.2784
0.1041 2.9695
0.2194 1.6337
欄
0.6060 0.8723
0.3061 1.2941
0.1254 1.7990
列 二
0.4404 0.6260
0.7093 0.1440
0.4082 0.7216
欄
*0.0047 3.9249
0.2053 1.5210
*0.0154 3.0793
列 一
P值 F值
P值 F值
P值 變異來源 F值
SE TE
OE
表(七)群組與產業間效率分數二因子變異數檢定
二、研究變數基本統計值與均數檢定：
本研究對預測變數進行t檢定，以判斷兩群 體間的變異平均值是否具顯著差異，再推 測各變數在預測模型中的重要性及財務發 生的可能原因，其結果如表(八)所示。
表 (八 )各 變 數 均 數 檢 定 結 果 彙 總 表
變 數 名 稱 一 二 三 全
R1 流 動 比 率 ***0.0019***0.0048 **0.0142 ***0.0001 R2 速 動 比 率 ***0.0006 **0.0409 *0.0513 ***0.0001 R3 現 金 對 流 動 負 債 比***0.0079 *0.0835 0.2966 ***0.0026 R4 營 運 資 金 比 率 ***0.0001***0.0012***0.0007***0.0001 R5 財 務 槓 桿 指 數 ***0.0078 **0.0465 ***0.0035 ***0.001 R6 債 本 比 **0.0312 *0.0529 **0.0195 ***0.0026 R7 負 債 百 分 比 ***0.0001***0.0001***0.0005***0.0001 R8 固 定 比 率 0.2078 **0.0386 **0.0163 **0.0126 R9 固 定 資 產 長 期 適 合0.9456 **0.0288 **0.0415 *0.0944 R10 短 期 借 款 對 淨 值 比*0.0549 **0.0151 **0.0265 ***0.0003 R11 存 貨 周 轉 率 0.4192 0.2012 0.3236 *0.0775 R12 應 收 帳 款 周 轉 率 0.8209 0.4699 0.4459 0.3093 R13 資 產 周 轉 率 *0.0783 *0.0981 0.3906 **0.0156 R14 固 定 資 產 周 轉 率 *0.093 0.6038 0.1180 **0.041 R15 資 產 報 酬 率 ***0.0001 ***0.002 ***0.0089***0.0001 R16 資 本 報 酬 率 ***0.0049 **0.021 0.4062 ***0.0002 R17 營 業 毛 利 率 *0.0779 0.4056 0.8785 0.1333 R18 稅 前 純 益 率 ***0.0064 0.1850 0.2736 ***0.0033 R19 營 業 利 潤 率 **0.0245 0.2329 0.3327 **0.0115 R20 總 效 率 分 數 0.7170 0.6681 0.4742 0.3741 R21 技 術 效 率 分 數 0.4569 0.3030 0.2903 *0.0911 R22 規 模 效 率 分 數 0.6042 *0.0912 0.4821 0.5267
三、類神經網路模式比較：
將所選取二十二種變數納入五種類神經網 路，並將樣本上市公司按時間劃分為訓練 樣本與測試樣本分別進行網路訓練與測試 工作，計算各項準確性指標的數值，其結 果如表(九)、表(十)、表(十一)、表(十二)、
表(十三)與表(十四)所示。
註：ERROR-誤判率；RMS-誤差均方 根
0.1180 0.1820
0.2056 0.1264
0.1782 0.1500
全
0.1740 0.7500
0.3338 0.3714
0.1829 0.1667
三
0.0800 0.5000
0.2708 0.2162
0.2063 0.1833
二
0.1000 0.6670
0.3106 0.3429
0.1704 0.1167
一
Type2 Type1
RMS ERROR
RMS ERROR
年度
測試樣本 MFLN 訓練樣本
表(十)多層函數連結網路預測結果 註：ERROR-誤判率；RMS-誤差均方
根
0.1250 0.4000
0.2221 0.1724
0.1702 0.1000
全
0.2110 0.8130
0.3684 0.4857
0.2171 0.1833
三
0.0770 0.4550
0.2560 0.1892
0.2040 0.1500
二
0.0950 0.6320
0.3206 0.3500
0.1929 0.1455
一
Type2 Type1
RMS ERROR
RMS ERROR
年度
測試樣本 BPN 訓練樣本
表(九)倒傳遞網路預測結果
註：ERROR-誤判率；RMS-誤差均方 根
0.1320 0.5260
- 0.1610
- 0.2100
全
0.1670 0.7270
- 0.3143
- 0.2500
三
0.2000 0.7140
- 0.2432
- 0.2333
二
0.1200 0.6000
- 0.1429
- 0.2500
一
Type2 Type1
RMS ERROR
RMS ERROR
年度
測試樣本 LVQ 訓練樣本
表(十二)學習向量量化網路預測結果 註：ERROR-誤判率；RMS-誤差均方
根
0.0860 0.2940
0.2440 0.1720
- 全 -
0.1820 0.5000
0.2690 0.1710
- 三 -
0.1820 0.5000
0.2690 0.2160
- 二 -
0.1760 0.0000
0.2680 0.2000
- 一 -
Type2 Type1
RMS ERROR
RMS ERROR
年度
測試樣本 GPNN 訓練樣本
表(十一)通用迴歸網路預測結果
註：ERROR-誤判率；RMS-誤差均方根
0.1548 0.6418
- 0.2154
- 0.2358
LVQ
0.1565 0.3235
0.2625 0.1898
- -
GRNN
0.1180 0.5248
0.2802 0.2672
0.1846 0.1572
MFLN
0.1270 0.5750
0.2918 0.2993
0.1961 0.1447
BPN
Type2 Type1
RMS ERROR
RMS ERROR
網路模式
測試樣本 訓練樣本
表(十四)各網路模式之預測結果 註：ERROR-誤判率；RMS-誤差均方根
0.2070 0.0000
0.2460 0.2070
0.3030 0.3950
全
0.2000 0.0000
0.2670 0.2000
0.2970 0.4330
三
0.2160 0.0000
0.2650 0.2160
0.2960 0.4170
二
0.2000 0.0000
0.2550 0.2000
0.2880 0.3670
一
Type2 Type1
RMS ERROR
RMS ERROR
年度
測試樣本 RBFN 訓練樣本
表(十三)半徑式函數網路預測結果
此外，為清楚瞭解預測變數對輸出變數分 類影響程度而進行敏感性分析，以期推斷 預測變數對輸出結果(財務危機或正常經營) 的影響與瞭解公司發生財務危機的原因，
其分析結果如表(十五)所示。
表 (十 五 )預 測 變 數 影 響 方 向 與 重 要 性 比 較
變 數 名 稱 平 均 影 響 方 向 絕 對 值 平 均 值 排 序
R1 流 動 比 率 -1.37 - 1.3704 21
R2 速 動 比 率 *0.75 + 0.8880 22
R3 現 金 對 流 動 負 債 比 -1.42 - 2.5775 17
R4 營 運 資 金 比 率 -0.53 - 3.1275 10
R5 財 務 槓 桿 指 數 3.31 + 4.9459 3
R6 債 本 比 1.72 + 2.7926 14
R7 負 債 百 分 比 5.58 + 6.3464 2
R8 固 定 比 率 *-3.63 - 4.8288 4
R9 固 定 資 產 長 期 適 合*-1.44 - 2.9441 12
R10 短 期 借 款 對 淨 值 比*-2.45 - 3.9151 7
R11 存 貨 周 轉 率 *-2.36 + 4.3593 6
R12 應 收 帳 款 周 轉 率 -1.26 - 2.8405 13
R13 資 產 周 轉 率 -2.72 - 2.9481 11
R14 固 定 資 產 周 轉 率 *2.27 + 2.7918 15
R15 資 產 報 酬 率 -4.20 - 7.6194 1
R16 資 本 報 酬 率 -2.19 - 3.7188 8
R17 營 業 毛 利 率 -0.10 - 2.3208 19
R18 稅 前 純 益 率 *1.77 + 1.7698 20
R19 營 業 利 潤 率 *4.60 + 4.5954 5
R20 總 效 率 分 數 -2.40 - 2.4158 18
R21 技 術 效 率 分 數 -2.73 - 2.7275 16
R22 規 模 效 率 分 數 -0.28 - 3.1453 9
註 ： *表 示 該 變 數 之 影 響 方 向 與 均 數 檢 定 的 結 果 不 一 致
伍、結論 伍、結論
綜合本研究之實證結果，可以得到以下結論：
一、危機公司與正常公司間的總效率與技術效率在 事件前三年都具有顯著性差異。
二、就變異數檢定而言，流動性指標、結構性指 標、周轉率與獲利率指標都呈現顯著性差異現 象。
三、五種類神經網路模型比較結果顯示，BPN、
MFLN、GRNN都具有類似預測能力，而GRNN的 預測結果為最佳。
四、至於敏感性分析的結果與變數均數檢定 結果類似，只是影響變數方向的結果有速 動比率、固定比率、固定資產長期適合 率、短期借款淨值比、存貨周轉率、稅前 純益率、營業利率等八個變數不一致的現 象，但不違背本研究的主要結論。
