东吴大学经济学系硕士在职专班.pdf

東吳大學經濟學系碩士在職專班 碩士論文 指導教授：林維垣 博士 應用資料採礦與果蠅演算 法建構 財務 危機預警模型－以台灣上市櫃公司為例 研究生： 粘 縝撰 中 華 民 國 一 百 年 十 二 月 摘要 隨著市場競爭的日益激烈，企業如何能在變化萬千的經濟環境中謀求生存 和發展，是企業非常重要的課題。而企業管理的好壞往往又成為企業成敗的重 要因素，因 為在現實中導致危機的因素雖然很多，但大多數的企業危機往往都 反映於財務報表中，所以我們深信財務危機是可以經由資料探勘或人工智慧的 方法事前加以防範的，這也是本文主要的目的。 因此本論文除介紹最新的演算技術－果蠅最佳化演算法外，並結合廣義迴歸 類神經網路 簡稱( FOAGRNN) 、倒傳遞網路（BP ）、廣義迴歸類神經網路（GRNN ） 及機率類神經網路 (PNN) 等多種人工智慧，以及傳統計量方法－羅吉斯迴歸 (Logit)來建構財務預警模型。蒐集台灣一般產業的上市上櫃公司，1995 年至2009 年間17個變數（季）資料，採取相關分析擷取出 10個變數後，將資料分成 5 組 進行交叉驗證分析。 實証研究結果顯示： (一) 比較FOAGRNN 以及其他四種方法的預測結果發 現：若以預測績效平均而言，可以發現 FOAGRNN模型明顯表現最佳，其次分 別為 Logit 、BP 、GRNN ，最後才是PNN 。(二) 從 Wilcoxon檢定可明顯發現 FOAGRNN 與其他各組的預測績效相比，皆為拒絕績效相同的虛無假設。(三) 以 ROC曲線進行各種方法的績效分析時，發現 FOAGRNN 與Logit的 Gini係數相 同，其次為 BP 、GRNN ，最後才是PNN 。(四)再進行型 I 、型II的誤差比較分析 可以發現：型 I誤差率由大到小排序為： PNNBPGRNNFOALogit 。而從型 II誤差率由大到小的依次排序為： Logit=GRNNFOABP=PNN 。(五) 以FOA 來 優化 GRNN的平滑參數值，確實可以顯著改善其預測績效的。 (六) 本文將果蠅 最佳化演算法(FOA) 二維模型擴充至三維模型，並應用於其他非線性函數中。 關鍵字：資料採礦、果蠅最佳化演算法、倒傳遞網路、廣義迴歸類神經網路、 機率類神經網路、羅吉斯迴歸法、財務危機預警、ROC曲線、 Wilcoxon符號等 級檢定。 Abstract With the increasingly stiff market competition, how companies survive and develop in the changing economic environment is a very important issue. The quality of business management has often become an important factor for the future of companies. Although in reality many factors lead to the crisis, most of the crisis is often reflected in the financial statements. Hence, we believe the financial crisis can be prevented through data mining or artificial intelligence approaches, which is also the main purpose of this article. Therefore, this paper introduces the latest calculation techniques –fruit fly op