研究報告
| 學年 | 94 |
|---|---|
| 學期 | 1 |
| 出版（發表）日期 | 2006-01-01 |
| 作品名稱 | 結合類神經網路與統計方法制定財務危機預測模型之學習演算法 |
| 作品名稱（其他語言） | Learning Algorithms for Financial Distress Prediction Models by the Integration of Neural Networks and Statistical Methods |
| 著者 | 鄭啟斌,陳慶隆 |
| 單位 | 淡江大學資訊管理學系 |
| 描述 | 計畫編號：NSC95-2221-E032-070-MY2 研究期間：200608~200707 研究經費：476,000 |
| 委託單位 | 行政院國家科學委員會 |
| 摘要 | 近年來企業負責人掏空公司資金造成公司財務危機迭有所聞，在這些個案中，普遍之現象是會計師未能及時揭露公司財務弊端或甚至連會計師亦被矇蔽，導致投資大眾在資訊不足下造成投資損失。為避免此類事件發生，無論是投資人、授信單位、主管機關以及會計師都需具有預測公司財務危機之能力。然而，造成財務危機之因素極為複雜，而其微像在早期亦不明顯，導致財務危機的預測在實務上有其困難度。本研究嘗試結合類神經網路與統計迴歸方法建立一財務危機預測模型，此一模型之優點為結合類神經網路之強大學習能力與統計迴歸方法提供之解釋力。在實務上因財務危機案例相對稀少，此類研究常採選擇性抽樣而造成估計偏差。因此本研究亦納入矯正選擇性抽樣的統計方法於模型中，以提升模型在實務上的可行性。本研究為兩年期計畫。第一年之計畫主要是以建立一個結合類神經網路、Logistic 迴歸分析與選擇性抽樣矯正方法的財務預測模型及其學習演算法為目標，並分析與選取對於財務危機有重要影響的變數。本研究將蒐集國內過去五年上市上櫃公司之財務報表，挑選樣本以驗証本研究所建立模型之預測能力。第二年計劃將導入目前廣受重視的支撐向量機網路以建立財務危機預測模型，並探討如何將選擇性抽樣矯正方法結合於該模型的訓練中。在模型績效的驗證上，除了沿用第一年之國內資料以比較兩個模型的準確性外，並擴大模型驗證於美國企業之資料。 |
| 關鍵字 | 財務危機預測;幅徑基底網路;Logit分析;選擇性抽樣;支撐向量機 |
| 語言 | |
| 相關連結 |
機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/6451 ) |