财务危机预警模式之再与探讨-及应用支撑向量机及逻辑斯回归.pdfVIP

2004 科技整合管理國際研討會 May 22,2004 pp49-72 財務危機預警模式之再探討－應用支撐向量機及 邏輯斯迴歸 薛兆亨 李羿儒 國立高雄第一科技大學財管系助理教授 國立高雄第一科技大學財管系研究生 weissor@.tw u9126805@.tw 摘要 不同以往文獻著重於各方法之比較與探討，本文之研究重心關注在架構財務危機預警模式之三 項議題，一為抽樣樣本誤差，二為財務變數之選擇，三為財務預警模式持續性；並使用日前新興起 分類方法支撐向量機(SVM)及Logistic迴歸為架構財務危機預警模式之方法，並加以比較之。變數 選取方面以前向法略優於自選法，由Logistic迴歸結果，以負債比率及營業利益率為最能偵測公 司危機之預測變數，抽樣樣本誤差隨著隨機抽樣樣本數增加為增加，在樣本設計上，不宜選取過高 正常公司樣本數，並不一定須進行樣本配對，在驗證期間時，發現本研究之模型持續性尚佳。在比 較此兩種方式，以型一錯誤率低及正確率高二項原則為標準，支撐向量機(SVM)及前向法所建構之 模式表現最佳。 關鍵詞：財務危機、抽樣樣本誤差、支撐向量機、邏輯斯迴歸 Reflections on Bankruptcy Prediction Model with Support Vector Machine and Logistic Regression Abstract This paper examines three issues- choice-based sample bias, predictor selecting, and consistency- in bankruptcy prediction. Support Vector Machine and Logistic regression are used to predict bankruptcy. The selected techniques are Altman analysis and forward Wald selection method. In empirical test the most important determinants of bankruptcy are leverage ratio and operating profit ratio. The prediction results were achieved using Support Vector Machine and forward Wald selection method. The choice-based sample bias is statistically significant. The predict results doesn’t decreasing following time passing. Keywords: Bankruptcy; Choice-Based Sample Bias; Support Vector Machines; Logistic regression - 49 - 2004 科技整合管理國際研討會 壹、緒言 架構財務危機預警模式為30 幾年來廣為學者所研究，自Beaver(1966)以單變 量之分類檢定法(Dischotomous Classification Test)求出最佳分類點事先預測危機企 業及正常企業，著名Z-score(Altman,1968)模型開始以多個財務比率進行預警模型 之建構，Altman 建構預警模型所採用方法為區別分析（Multiple Discriminant analysis