Publications-NSC Projects
Article View/Open
Publication Export
-
Google ScholarTM
NCCU Library
Citation Infomation
Related Publications in TAIR
題名 以範例學習法預測企業經營績效之研究 其他題名 Predicting the Operating Performance of Enterprises by Learning from Examples. 作者 楊建民 貢獻者 資訊管理學系 關鍵詞 人工智慧;專家系統;範例學習;財務比率;經營績效
Artificial intelligence;Expert system;Learning from examples;Financial ratio;Management performance日期 1994 上傳時間 9-Sep-2014 17:45:09 (UTC+8) 摘要 近年來,有關公司財務結構與經營績效的研究,財務比率分析一直是最常用的工具。因財務比率的通用性,使得財務報表的內外部使用者如管理當局,債權人和權益投資人在進行其財務決策時,能夠獲得顯著的效用,而其研究方法可分為單變量分析及多變量分析。Altman〔1968〕利用多變量區別分析建立區分數模式之後,將多變量區別分析用以進行公司經營績效的研究乃大為盛行。唯這些研究所建立的區別分析模式之正確區別率,往往隨距離失敗事件日期愈遠而愈趨下降,效果並不佳。而非財務性資料的加入是否會影響預測的能力,國內外的文獻均少提及。 本研究將在傳算器(Transputer)所組成之微平行電腦並行系統上,以範例學習演算法建構預測企業經營績效之系統,藉以輔助財務報表使用者評估企業績效。本研究將以上市公司為研究對象。抽取十個年度的財務與非財務性資料為樣本,並作為系統學習所需之範例;同時探討影響企業經營績效好壞之關鍵因素,以作為系統學習所需之線索;然後經由範例學習演算法導出判斷企業經營績效良好與否的法則,以建構預測企業經營績效之系統。 根據研究結果顯示:範例學習法所建之區別模式,其區別能力可達80%左右,而預測能力可達60%以上。遠較以傳統統計方法Logit模式之區別與預測能力(約為70%與40%)為佳。同時,研究亦發現資料樣本愈多,所使用之線索愈多,所建模式之預測能力愈好。此外,不論採何種模式,EPS、總資產報酬率以及股東權益報酬率等,均係預測未來EPS增減趨勢的重要線索。最後,我們也提出一些未來研究之課題,期能進一步探討預測結果所蘊涵的資訊價值;亦即根據預測結果,在資本市場上實證,是否能提高投資效益,獲取超常報酬。 關聯 行政院國家科學委員會
計畫編號NSC83-0301-H004-068資料類型 report dc.contributor 資訊管理學系 en_US dc.creator (作者) 楊建民 zh_TW dc.date (日期) 1994 en_US dc.date.accessioned 9-Sep-2014 17:45:09 (UTC+8) - dc.date.available 9-Sep-2014 17:45:09 (UTC+8) - dc.date.issued (上傳時間) 9-Sep-2014 17:45:09 (UTC+8) - dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/69689 - dc.description.abstract (摘要) 近年來,有關公司財務結構與經營績效的研究,財務比率分析一直是最常用的工具。因財務比率的通用性,使得財務報表的內外部使用者如管理當局,債權人和權益投資人在進行其財務決策時,能夠獲得顯著的效用,而其研究方法可分為單變量分析及多變量分析。Altman〔1968〕利用多變量區別分析建立區分數模式之後,將多變量區別分析用以進行公司經營績效的研究乃大為盛行。唯這些研究所建立的區別分析模式之正確區別率,往往隨距離失敗事件日期愈遠而愈趨下降,效果並不佳。而非財務性資料的加入是否會影響預測的能力,國內外的文獻均少提及。 本研究將在傳算器(Transputer)所組成之微平行電腦並行系統上,以範例學習演算法建構預測企業經營績效之系統,藉以輔助財務報表使用者評估企業績效。本研究將以上市公司為研究對象。抽取十個年度的財務與非財務性資料為樣本,並作為系統學習所需之範例;同時探討影響企業經營績效好壞之關鍵因素,以作為系統學習所需之線索;然後經由範例學習演算法導出判斷企業經營績效良好與否的法則,以建構預測企業經營績效之系統。 根據研究結果顯示:範例學習法所建之區別模式,其區別能力可達80%左右,而預測能力可達60%以上。遠較以傳統統計方法Logit模式之區別與預測能力(約為70%與40%)為佳。同時,研究亦發現資料樣本愈多,所使用之線索愈多,所建模式之預測能力愈好。此外,不論採何種模式,EPS、總資產報酬率以及股東權益報酬率等,均係預測未來EPS增減趨勢的重要線索。最後,我們也提出一些未來研究之課題,期能進一步探討預測結果所蘊涵的資訊價值;亦即根據預測結果,在資本市場上實證,是否能提高投資效益,獲取超常報酬。 en_US dc.format.extent 244 bytes - dc.format.mimetype text/html - dc.language.iso en_US - dc.relation (關聯) 行政院國家科學委員會 en_US dc.relation (關聯) 計畫編號NSC83-0301-H004-068 en_US dc.subject (關鍵詞) 人工智慧;專家系統;範例學習;財務比率;經營績效 en_US dc.subject (關鍵詞) Artificial intelligence;Expert system;Learning from examples;Financial ratio;Management performance en_US dc.title (題名) 以範例學習法預測企業經營績效之研究 zh_TW dc.title.alternative (其他題名) Predicting the Operating Performance of Enterprises by Learning from Examples. en_US dc.type (資料類型) report en
