| dc.contributor.advisor | 張健邦 | zh_TW |
| dc.contributor.author (Authors) | 姜仁智 | zh_TW |
| dc.contributor.author (Authors) | Chiang, Jen Chih | en_US |
| dc.creator (作者) | 姜仁智 | zh_TW |
| dc.creator (作者) | Chiang, Jen Chih | en_US |
| dc.date (日期) | 1996 | en_US |
| dc.date.accessioned | 28-Apr-2016 11:48:13 (UTC+8) | - |
| dc.date.available | 28-Apr-2016 11:48:13 (UTC+8) | - |
| dc.date.issued (上傳時間) | 28-Apr-2016 11:48:13 (UTC+8) | - |
| dc.identifier (Other Identifiers) | B2002002782 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/87297 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 統計學系 | zh_TW |
| dc.description (描述) | 83354018 | zh_TW |
| dc.description.abstract (摘要) | 財務危機預警模式的建立一直是國內外財金學者所感興趣的課題，從早期單純的財務比率判定到統計方法的使用，至近幾年來非統計式的類神經網路之偵測分類，其模式的演變無不在增加危機預警的能力。一方面能正確的分類失敗企業與健全企業的財務結構，一方面能早期偵測出失敗企業體質的徵兆。而本研究所建模型為擷取統計方法在分類能力上的表現與類神經網路優於統計方法上的預測能力，所結合而成的一種含有類神經網路架構的動態化財務危機預警模式。以台灣股票上市公司民國七十一年以後打入全額交割股的企業為失敗企業，並在相同期間之相同產業內，挑選規模相近之正常企業為配對之健全企業。為了方便網路的學習，我們將樣本區分為以民國七十四年以前打入全額交割股的配對企業為供網路訓練之前期樣本，以及民國七十五年以後打入全額交割股的配對企業為建立財務危機預警模式之後期樣本。其實證結果有幾項結論： | zh_TW |
| dc.description.tableofcontents | 謝辭摘要目錄表目錄圖目錄第一章 緒論-----1 第一節 研究動機與目的-----1 第二節 研究資料與方法-----3 第三節 本文架構-----6第二章 財務危機預警模式之相關文獻回顧-----7 第一節 財務比率的運用-----7 第二節 財務危機預警模式之回顧-----8 第三節 類神經網路的運用-----12第三章 財務危機預警模式之理論-----14 第一節 多變量CUSUM模式的理論基礎-----14 第二節 類神經網路的理論基礎-----18第四章 實證研究-----32 第一節 財務比率特性的驗證-----34 第二節 財務危機預警模型的驗證-----40第五章 結論-----50參考文獻-----52表目錄表2.1 單變量分析相關文獻彙總-----9表2.2 多變量分析相關文獻彙總-----9表2.3 國內學者研究相關文獻彙總-----11表4.1 前期樣本與後期樣本之上市公司一覽表-----32表4.2 五種財務比率定義與國內上市公司比率值的範圍-----34表4.3 誤差均方根收斂效果-----41表4.4 判定臨界值與總誤歸率之關係表-----43圖目錄圖1.1 研究架構流程圖-----5圖3.1 處理單元（人工神經元）的作用-----22圖3.2 類神經網路的基本架構圖-----22圖4.l.a 健全企業平均固定資產／總資產比率圖-----34圖4.1.b 健全企業平均營運資本／總資產比率圖-----34圖4.1.c 健全企業平均營業利益／總資產比率圖-----35圖4.1.d 健全金業平均存貨／營業收入比率圖-----35圖4.1.e 健全企業平均每股盈餘／每股市價比率圖-----36圖4.2.a 失敗企業平均固定資產／總資產比率圖-----36圖4.2.b 失敗企業平均營運資本／總資產比率圖-----37圖4.2.c 失敗企業平均營業利益／總資產比率圖-----37圖4.2.d 失敗企業平均存貨人營業收入比率圖-----38圖4.2.e 失敗企業平均每股盈餘／每股市價比率圖-----38圖4.3 倒傳遞網路架構圖-----40圖4.4 誤差均方根收斂趨勢圖-----41圖4.5 新亞電器與臺灣日光CUSUM分數趨勢圖-----44圖4.6 同光企業與大中鋼鐵CUSUM分數趨勢圖-----45圖4.7.a 兩配對企業固定資產／總資產比率趨勢圖-----45圖4.7.b 兩配對企業營運資本／總資產比率趨勢圖-----46圖4.7.c 兩配對企業營業利益／總資產比率趨勢圖-----46圖4.7.d 兩配對企業存貨／營業收入比率趨勢圖-----47圖4.7.e 兩配對企業每股盈餘／每股市價比率趨勢圖-----47 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#B2002002782 | en_US |
| dc.subject (關鍵詞) | 財務危機 | zh_TW |
| dc.subject (關鍵詞) | 神經網路 | zh_TW |
| dc.subject (關鍵詞) | 倒傳遞 | zh_TW |
| dc.subject (關鍵詞) | CUSUM | en_US |
| dc.title (題名) | 多變量CUSUM財務危機預警模式－類神經網路的運用 | zh_TW |
| dc.title (題名) | Multivariate CUSUM model to predict financial distress - An application in artificial neural network | en_US |
| dc.type (資料類型) | thesis | en_US |
