整合式類神經網路應用於企業財務困境之檢定

Abstract

近來，整個經濟環境的變動越來越大，企業在經營上已經不像過去那樣的容易。一旦企業遭遇財務危機而面臨倒閉，便會使得整個社會付出相當大的社會成本。因此，若能在企業財務危機爆發之前，有效的判斷企業財務問題的種種跡象，透過方法與工具隨時評估企業的經營狀況，如此，不但能減少投資大眾之投資風險，更可讓企業進行改善之行為。因此，若能有客觀且有效之財務困境判斷機制，使相關人士及早察覺營運困難或體質不佳的企業，就能在財務困境爆發前，找出因應對策，將企業財務困境所造成之傷害降到最低。

自Beaver在1966年提出「以財務比率預測經營失敗」的研究之後，財務危機預警的觀念開始引起廣泛的重視。因此，本研究採用不同之財務困境推估方式，透過21個財務指標，採用兩階段之整合式類神經網路以建構企業財務困境推估模型。藉由此兩階段三模式之整合式類神經網路架構，分析企業財務資料，及時判斷企業目前之財務狀況，提高模型財務困境檢定之準確率。此外，並應用第一階段兩類學習模式之關鍵係數推導出模型特徵圖以顯示企業自變數與應變數之圖形關係，以此做為檢定企業財務狀況之輔助性參考。經由實證結果發現，本研究模型之準確率達90%。

本研究乃著重於企業單季財務狀況之檢定，模型針對該季之企業財務資料，推估檢定企業該季之財務表現，判斷企業該季是屬於財務正常或異常企業，同時，對於檢定結果異常之企業發出警訊，讓企業及投資大眾在面臨可能的潛在性財務危機時能提供有效之警示作用，以達到企業財務危機預警之目的。