《企业财务危机预警模型概述》由会员分享，可在线阅读，更多相关《企业财务危机预警模型概述（29页珍藏版）》请在金锄头文库上搜索。
1、n 当前文档修改密码：8362839运用资料探勘技术建构企业财务危机预警模型朱玉婷中原大学信息管理研究所利瓦伊平中原大学信息管理研究所wpleeapol-.tw摘要企业财务状况一直以来是社会大众所关注的课题，而企业财务危机更是攸关企业生存与否最重要的关键点，因此若能及早预测出企业财务危机将能减少对企业甚至社会大众的损失，故企业财务危机预警模式逐渐发展起来。从文献研究中可以知道有相当多的财务危机预警系统，经由研究发现数据探勘所建立的模型优于传统统计模型，其中过去广受欢迎且用的较好的即是决策树与类神经网络模型，而历史文献研究也皆着重于混合所有产业别进行模式的建构，少有针对个别特定产业建构模式。基于
2、以上问题，本研究主要以电子产业与传统产业为研究样本，在指针变量上同时考虑财务指针与非财务指针变量，再运用决策树方法个别建立电子产业与传统产业预警模型，以分析决策树所建立的两种模型之精确度如何，并加以探讨及了解产业间变量的差异。关键词：决策树、资料探勘、财务危机壹、绪论一、研究背景与动机从民国86 年一直到民国87 年间爆发了亚洲金融风暴，大多数的亚洲国家都遭受了极大的损失，例如：出口减少，货币急速贬值，经济衰退，股市下挫，失业率上升，而这些国家当中不乏日本，韩国，泰国，印度尼西亚等等，相反的我国由于基本面坚强、民间及政府灵活的应变能力，使得我国能在这一次的金融风暴中全身而退。可是却在民国87
3、年下半年发生了一连串的财务危机事件，而这一连串的财务危机事件不但使得岌岌可危的亚洲经济更蒙上一成阴影，也使得国内的经济陷入更大的危机当中，而企业倒闭风险的扩大也波及了股票市场的运作，造成了广大投资人的损失，更进一步使得企业抵押品的价值大幅缩水，银行为了避免呆帐的发生，只好不断收紧银根，结果造成企业取得资金更困难，破产的机会也就更大了，而这最后终究会影响到银行业，造成存款户的挤兑，有可能引发另一次的金融风暴。国内近几年来，财务危机预警模式是非常热门的研究课题，架构完善的财务危机预警模式，可以有效地侦测企业危机的征兆。就银行而言，银行可以藉财务预警模式，配合原先企业的征信程序，便可以精确地评估出企
4、业的真正风险，降低银行的营运风险与成本。就投资人、债权人及交易往来之相关者而言，可以藉此来事先防患，及早采取应变措施，以免公司发生破产、倒闭，因而遭受重大的损失。目前已有许多学者提出了不同的预警模式。回顾过去财务危机预警模式的相关研究，大致上可以归纳出四个研究方向。一是以财务比率配合统计方法之预警模式；二是以财务比率配合数据探勘方法之预警模式作预测；三是以结合财务比率与非财务比率之预警模式作预测，此部分是以财务比率作基础藉由引入非财务指标来提升预测的准确度；四是以考虑产业别因素建立个别产业的模式作预测 (Bowen，1982)(林宓颖，2002)(陈汉冲，2003)(颜明发，2004)。由上述
5、几个研究方向之文献可知，指针变量选择上必须同时考虑财务比率与非财务变量，才能精确的进行预测(黄振丰，2000)(Cheng-Ying Wu，2004)(陈生祥，2005)。决策树与类神经网络模型在财务危机的预测能力上明显优于传统统计模型(王美慧，2005)，因此累积至目前已有许多学者运用决策树与类神经网络建立企业财务危机预警模型，另外历史文献研究皆着重于混合所有产业别进行模式的建构，而少有针对个别特定产业建构适合的模式，因此无法进一步分析该产业的特质与模式的适合度。故本研究以电子产业与传统产业为研究样本，在指针变量上同时考虑财务指针与非财务指针变量，再以财务危机预测领域中运用的较好的决策树方法
6、个别建立电子产业与传统产业预警模型，以分析决策树所建立的两种模型之精确度如何，并进一步加以探讨及了解产业间变数的差异。二、研究目的本研究目的有三点：1. 运用数据探勘之决策树方法建立电子业及传统产业模式，找出两产业各别关键指针变量为何，并比较之间的异同。2. 因决策树建立的模式会产生条件规则，故本研究将针对电子产业及传统产业比较个别产生规则之异同。3. 以决策树方法建立个别产业模式后，以精确度构面比较两产业之差异，并找出决策树建立的模式是适合电子产业还是传统产业。三、资料来源与研究限制1. 资料来源 本研究采用台湾证券交易所定义的财务危机公司样本作为分析依据，财务与非财务指针值的资料来源为：a
7、. 台湾经济新报公司财务数据库b. 台湾证券交易所的公开股市观测站 2. 研究限制本文针对样本数据为台湾上市公司之财务资料，定期由台湾证券交易所发布之公开资料，但有以下限制：a. 因为资料较为公开与取得方便，本研究只针对上市公司财务资料进行分析探讨，无法考虑到中小企业和未上市公司。b. 目前无明确的定义传统产业应包括那些产业，因为样本数的问题，所以本研究只排除电子业与金融业，其它产业就列为传统产业了，而未再进一步做细部区分。c. 电子产业可以再划分更细部的子产业类别，但碍于样本数不够多，所以不再进行划分，所以无法考虑到电子产业下的子产业类别。四、研究流程 本研究的流程进行如下图一所示：文献探讨
8、研究方法与设计实证结果分析结论与未来研究传统产业资料收集与整理电子产业数据收集与整理以决策树方法建立模式以决策树方法建立模式研究动机与目的两产业差异比较图一 研究流程图贰、文献探讨一、财务危机预警模式(一)财务危机的定义有关财务危机有许多定义的标准，有从严格的法定破产定义，扩展至资金不足、周转困难、债信违约、特别股股利未减少或支付、主产品销售额锐减等状态。以财务论点观之，兹分述如下： Beaver(1966)认为当发生银行账户透支、特别股股息未能支付、发生公司债违约及宣告破产等四种现象之一时，则视为发生财务危机公司。 Altman(1968)则认为包含在法律上破产、被接管及重整者。 Deaki
9、n(1972)所认定之企业失败定义为：经历过倒闭、无偿债能力、或清算的厂商，裁示为失败厂商。 Blum(1974)认为当公司无能力偿债的事件发生时即为失败。 Brigham(1980)根据实质面将公司的失败以其轻重程度之不同划分为技术失败及破产失败，前者代表公司无法偿还流动债务后者代表公司的负债大于资产，使得净值呈现负数的状况。 Scott(1981)定义企业失败为不足抵偿债务，或无能力偿债。 Laitinen(1991)更进一步将公司失败区分为慢性失败公司、获利失败公司、急性失败公司三种型态。其中慢性失败公司公司的财务警讯可早在失败发生数年前便已逐步呈现，而获利失败公司主因为公司的获利状况不
10、佳，而急性失败公司乃在失败发生前才发生财务状况急速恶化的状况。国内学者陈肇荣(1983)亦将公司的财务危机视为一连续恶化的三个阶段，分别为财务危机阶段，即资金不足、周转困难、债务拖延，财务失调阶段，即流动性资金周转不灵、退票、债务缴息还本出现违约逾期状况，以及破产倒闭阶段，即资产大于负债、无法偿还债务状况。潘玉叶（1990）将财务危机定义依循国内证券交易所之规定：当公司发生财务恶化，依有价证券上市契约准则第13 条（民国78 年），核定变更交易方式（全额交割制）之上市公司界定为财务危机公司，其余非采全额交割制之上市公司界定为一般公司后，以公司变更交易方式来界定财务危机为今之通说。而目前有关我国
11、法律上与财务危机公司有关之条文包含公司法第211、282 条有关公司宣告破产与公司重整及台湾证券交易所股份有限公司营业细则第49、50、50之1 条变更交易、停止买卖及终止上市以及银行逾期放款、催收帐及呆帐处理办法等。后续国内研究（陈建年，2000；林文修，2000；陈渭淳，2001 等）大多以台湾证券交易所制订之营业细则第49、50条之情事者，也就是上市上柜公司变更交易型态、改列全额交割股、停止买卖、终止上市、跳票、申请抒困等，谓之财务危机公司，其范围较广也较为明确。本研究也是以经由证券交易所呈请主管机关核准停止买卖、终止上市或变更交易方式为全额交割股之公司，作为财务危机公司的定义，其余非采
12、全额交割制、非经停止买卖或终止上市之公司皆视为正常公司。(二)财务危机预警模式之比较早期进行财务危机预测之研究始于1930年，但当时并未发展出财务危机预警模式，只是利用趋势分析观察危机公司的财务比率之特性以及变化。相关之研究学者有Ramser and Foster（1931）、Fitzpatrick（1932）、Merwin（1942）等人。 财务比率配合统计方法之预警模式 国内外已有许多学者运用各种统计分析方法建立各种财务危机预警模型，试图找出各模型下的各项显著影响财务危机发生的财务比率变量，及模型的预测能力，以期作为公司财务预警之用，回顾财务危机预警相关研究中所常使用的统计分析方法有，单变
13、量分析、多变量区别分析、线性复回归分析、Logit分析、Probit分析等。最早是由Beaver(1966)以单变量分析法为模式，选取1954至1964年间符合发生财务危机定义的79家失败公司，并以配对样本方式选取相同产业、相似规模的79家正常企业之前5年财务信息，对财务危机公司进行预测研究，收集财务正常及发生财务危机公司的30项财务比率进行研究，以失败前一至三年的财务比率如负债比、速动比等之平均值以二分类法加以比较，试图找出能显著区分正常及失败的财务比率，并以此作为预测之因子，其研究结果发现最能预测企业失败的三项财务比率依序为：现金流量对总负债比率、税后净利对总资产比率、总负债对总资产比率，
14、依其实证所得财务危机发生前三,二,一年的预测力分别为77%、79%及87%。此一单变量的研究结果影响后来财务危机预警模型甚大。 由于企业财务状况是由复杂的因素所造成，而单变量也较无法衡量多面向的变量，因此，Altman(1968)的研究设计亦仿照Beaver(1966)，即率先采用多变量区别分析(Multiple Discriminant Analysis)来预测公司破产的机率，他以符合美国破产法宣告破产为财务危机公司认定标准，选用1964至1965年间宣告破产的33家公司作为研究样本，并依产业与规模选择33家正常公司进行配对，并选取22项财务比率，再利用多元区别分析逐步选取出最具预测能力的5
15、项财务比率，结合成为线性模型，即是分析模型。其公式如下：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.099X5Z ：综合指针分数X1：营运资金/资产总额X2：保留盈余/资产总额X3：税前息前盈余/资产总额X4：股东权益的市场价值/总负债X5：代表销货净额/资产总额其中X1用以衡量企业的流动能力、X2可反映企业将利润保留于公司，凭以发展未来的潜力、X3旨在评估企业在不举债的情况下，其获利能力如何、X4用以衡量自有资金的程度、X5评估资产创造收入的效率。以此公式计算出的研究结果发现，破产前一年财务资料正确区别率95%为最佳，而前二至五年分别为72%、48%、29%、36%。因此显示多变量分析方法在预测准确率上优于单变量分析。而后Altman (1977)又同时考虑风险观与规模效果，成为7项变的线性模型，称为Zeta 模型。采用的财务比为：资产报酬、盈余稳定性、息保障、动比、积获情形、资本总额与规模（有形资产）。分正确在破产前一达93%，前四达80%，前五也有70%，预测效果良好，在实务上亦多所应用。 Ohlson(1980)试图利用Logit分析建立预测模型，
