研究生: |
洪翎娟 Hung, Ling-Juan |
---|---|
論文名稱: |
運用財務比率及公司治理變數建構財務危機預警模型之研究:單期與多期資料之比較 Using Financial Ratios and Corporate Governance Variables to Construct a Financial Distress Prediction Model: Comparison of Single and Multi-Period Data |
指導教授: |
施人英
Shih, Jen-Ying |
學位類別: |
碩士 Master |
系所名稱: |
管理研究所 Graduate Institute of Management |
論文出版年: | 2019 |
畢業學年度: | 107 |
語文別: | 中文 |
論文頁數: | 75 |
中文關鍵詞: | 財務危機 、財務比率 、公司治理變數 、羅吉斯迴歸 |
英文關鍵詞: | Financial Crisis, Financial Ratio, Corporate Governance Variable, Logistic Regression |
DOI URL: | http://doi.org/10.6345/THE.NTNU.GIM.004.2019.F08 |
論文種類: | 學術論文 |
相關次數: | 點閱:247 下載:0 |
分享至: |
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
由於全球企業之財務危機事件陸續爆發,進而影響至世界各國經濟而導致破產、倒閉以及改變經營型態。而台灣也在本土型金融風暴後,接連傳出掏空、違約交割,甚至是企業之管理階層過度運用財務槓桿或非法操作造成周轉不靈,最後導致財務危機。過去在財務危機之探討中較多是以單期資料來進行研究,因此本研究欲以單期與多期之資料來做比較,初步將單期資料透過常態性檢定、平均數檢定以及共線性檢定找出在所有財務比率以及公司治理變數中,有顯著效果較明顯之24個變數,並運用羅吉斯迴歸,以最後的9個較顯著自變數建立單期資料(危機前一年)之模型1,並計算預測分類準確率。同樣對多期資料進行檢定後,將19個顯著效果較明顯之財務比率、公司治理變數來運用於羅吉斯迴歸中,以最後的7個顯著自變數建立多期資料(危機前三年至前一年)之模型2,並計算預測分類準確率。
實證結果發現,危機前一年中有五個變數在訓練組和測試組有較顯著的影
響與解釋力,分別為財務比率變數中的負債比率、現金流量比率,公司治理變 數中的外部個人持股、有息負債利率以及必要控制持股。其中負債比率、外部 個人持股、有息負債比率和必要控制股數皆與財務危機之發生呈正向關係,現金流量比率和財務危機之發生呈負向關係。危機前三年至前一年中有三個變數在訓練組和測試組有較顯著的影響與解釋力,分別為淨值週轉率(次)、總資產週轉率(次)以及當季季底PB,且與財務危機之發生皆呈負向關係。在危機前一年之訓練組及測試組的預測準確率可達87.3%和85.4%,在危 機前三年至前一年之訓練組及測試組的預測準確率可達91.4%和98.8%,故本研究模型可用於台灣上市櫃公司來檢驗財務危機之預測準確率,作為風險防範 之參考。
Due to the occurrence of financial crisis in global enterprises, it affected the world’s economies and led to fraudulent bankruptcy and changes in business models. Also, the occurrence of emptying and credit default swap after the local financial crisis in the Taiwan. And even the excessive use the financial leverage or illegal operations by the management of the company, resulting in a financial crisis. In the past, almost discussion and research on single-period data. Therefore, this research is divided into single-period and multi-period data to compare. First, using the Normality Test, T-Test and Collinearity Test on single-period data (one year before financial crisis). Then, find the 24 significant variables of the financial ratio and corporate governance variables. After using these significant variables on Logistic Regression Model, build the single-period data’s model 1 with remaining 9 significant variables and calculate the predictive accuracy rate. Similarly, in the multi-period data (one to three year before financial crisis), using the remaining 19 significant variables of the financial ratio and corporate governance variables on Logistic Regression Model. Then, build the model 2 with 7 significant variables and calculate the predictive accuracy rate.
The empirical results show that the five variables in single-period data have the significant level and explanatory power in the training group and the test group, which are the the debt ratio and cash flow ratio of the financial ratio, external individual shareholding, liability with interest ratio and necessary controlling shareholding of the corporate governance variables. Among them, the debt ratio external individual shareholding, liability with interest ratio and necessary controlling shareholding have the positively related with the occurrence of financial crisis. The cash flow ratio has the negatively related with the occurrence of financial crisis. There have three variables in muti-period data have the significant level and explanatory power in the training group and the test group, which are the net turnover rate (times), the total asset turnover rate (times) and the price book ratio. All of them are negatively related with the occurrence of the financial crisis.
In single-period data, the predictive accuracy of the training group and test group could be approximately up to 87.3% and 85.4%. In muti-period data, the predictive accuracy of the training group and test group could be approximately up to 91.4% and 98.8%. As a result, the research models are useful for banks to prediction accuracy if the companies have the possibilities of the occurrence of financial crisis, it could be the prevention.
一、 中文部分
余惠芳、李嫺柔、蔡奇儐 (2013)。負債比率與財務預警-台灣電子業之實證研究」,會計與財金研究,第 6 卷,第 1 期,頁 59-80。
余惠芳、梁榮輝 (2015)。企業營運策略、公司治理與信用風險模型之實證研究,華人前瞻研究,第 11 卷,第 1 期,頁 17-46。
余惠芳、潘麗卿 (2014)。以勝算比觀點分析企業營運策略、公司治理與財務預測─台灣上市櫃股之實證研究,全球管理與經濟,第 10 卷,第 2 期,頁 57-77。
李春勳 (2006),財務結構、違約率測度與公司治理在財務危機機率預測上之應用,銘傳大學財務金融研究所碩士論文,台北市。
林美君 (2007)。財經新聞與探勘及其於企業財務危機預警模型構建上之應用。銘傳大學財務金融研究所碩士論文,台北市。
林英星、李勝榮、林信文、康文姿 (2013)。企業資訊揭露與財務危機預警關聯性之研究-以台灣上市電子業為例。全球商業經營管理學報,第5期,頁167-178。
林郁翎、黃建華 (2008)。考慮公司治理之企業財務危機預警模型,東吳經濟商學學報,第64期,頁23-56。
洪于珺 (2014)。運用羅吉斯迴歸及區別分析建立企業財務危機預警模型之研究,國立臺北大學企業管理學系碩士論文,台北市。
郇金鏞(2010)。運用T-Score選股及擇時研究。國立台灣科技大學財務金融研究所碩士論文,台北市。
高惠松 (2012)。年度財務報表資訊揭露對預測財務危機之有用性:預視財務危機預測模型,中華管理評論國際學報,第 15 卷,第 4 期,頁1-25。
陳建宏、謝佩綺 (2016)。企業資訊揭露、公司治理與財務危機預警之實證研究-以台灣上市上櫃電子業為例,財金論文叢刊,第25期,頁93-104。
曾政興 (2018)。企業財務預警模型-以羅吉斯迴歸分析。淡江大學企業管理學系碩士在職專班碩士論文。台北市。
黃志彬 (2017),銀行信評系統與Altman Bankrptcy Model信用狀況與羅吉斯迴歸模型的比較,成功大學財務金融學系在職專班碩士論文,台南市。
黃振豐、呂紹強 (2000)。企業財務危機預警模式之研究—以財務及非財務因素建構,當代會計,1(1) ,頁19-40。
黃裕盛 (2016)。建置企業財務危機預警模型之研究。逢甲大學金融碩士在職專班碩士論文。台中市。
溫健志 (2001)。存活分析方法應用於台灣金融機構信用風險管理之研究。朝陽科技大學財務金融研究所碩士論文,台中市。
劉容慈 (2002)。整合公司治理、會計資訊與總體經濟敏感度之財務危機模型,輔仁大學金融研究所碩士論文,台北市。
潘玉葉 (1990)。台灣股票上市公司財務危機預警分析。淡江大學管理科學研究所碩士論文,台北市。
蔡其勳 (2005)。從會計師資訊的角度構建企業財務危機預警模型。靜宜大 學企業管理研究所碩士論文,未出版。
賴季柔 (2000)。企業失敗危機的預測¬—現金管理模式、財務比率模式、現金流量模式與混合模式的比較。輔仁大學管理學研究所碩士論文。新北市。
賴鈺城、李崑進、李善玉 (2010)。公司治理下電子業之財務預警模型,華人前瞻研究,6(1),頁1-23。
二、 英文部分
Altman, E.I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance 23(4), p589-609.
Auken, H.V., Kaufmann, J. & Herrmann, P. (2009). An empirical analysis of the relationship between capital acquisition and bankruptcy laws, Journal of Small Business Management, 47(1), p.23-37.
Beaver, W.H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research 4, p71-111.
Blum, M. (1974). Failing company discriminant analysis, Journal of Accounting Research, 12(1), p1-25.
Collins,R.A.,&R.D.Green(1982).Statistical Methods for Bankruptcy Forecasting, Journal of Economics and Business, p.52-57.
Hol, S. (2007). The Influence of the Business Cycle on Bankruptcy Probability,
International Federation of Operational Research Societies, 14, p75-90.
Han,C. (2014). Comparative analysis of credit risk models for loan portfolios. The Journal of Risk Model Validation,8(2), p3-22.
Lau,H.L. (1987). A Five-State Financial Ratios as Predictors of Failure, Journal of Accounting Research, 18(1), p109-131.
Maddala, G.S. (2001). Introduction to Econometrics, (3rd ed.), New York:John Wiley & Sons.
Moradi, M., Salehi, M., Chorgani, M. E., Yazdi, H. S. (2013). Financial distress prediction of Iranian companies using data mining technique, organizacija,46(1), p20.
Ohlson, J . (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18, p109-131.
T.S. Lee & T.H. Yeh (2004). Corporate government and financial distress: Evidence from Taiwan, Corporate Governance, 12(3), p378-388.
Zmijewski, M. E. (1984). Methodological Issues Related to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, 22, p59-82.
Zeitun,R.G.Tian,S.K. (2007). Default Probability for the Jordanian Companies: A Test of Cash Flow Theory.International Research Journal of Finance and Economics,8, p59-82.