盈餘是公司過去經營績效良窳之最終表現，而盈餘數值高低與公司股價報酬有密不可分的關係。然則，盈餘是企業營運的一連串會計處理結果，不同的會計原則及假設會影響會計處理的結果，使得當期及未來盈餘數值均會受到影響，因此在評估或預測企業的盈餘時，應對盈餘本身之品質加以探討，亦即，如何確認財務報表中那些是攸關盈餘品質優劣的資訊，透視盈餘本身的真正內涵以輔助投資人形成最佳投資策略，十分值得我們進一步研究。 近年來由於人工智慧之類神經網路快速地發展，加上類神經網路具備了平行分散式處理、關聯式記憶、自範例中學習等類似人類非線性思考的能力，在財務系統的應用上，學者所建構的類神經網路都比統計方法獲得了更好的結果。 有鑑於此，本研究即依據上述概念，以民國七十九年至八十四年共計五個年度財務報表資訊，以第一、二類上市公司一共十三個產業為研究樣本，建構了盈餘品質類神經網路預測模式，找出盈餘品質資訊內涵與盈餘成長率之關聯性。並以模式預測結果形成投資組合並據以作為投資策略操作。 在網路模式建構階段，本研究採取了過去學者所採用的盈餘品質指標作為網路之輸入結點；以每股盈餘成長率作為網路之輸出結點；以整體市場為學習範例，進行隱藏層結點個數之操弄，以找出學習效果較佳之網路模式，並以此網路模式作為後續研究採用之依據。以整體市場為樣本所進行的網路測試過程中，本研究所找出之較佳網路模式為：9-9-1。 本研究根據前述方法所進行的研究中，獲得了以下結論： 一、以整體市場為樣本所進行的測試中發現，模式之區別能力大致介於六成至七成之間。而預測能力大約是在五成至六成之間。 二、在整體市場、紡織類股以及電子類股之測試結果方面，以電子業之模式區別能力及預測能力最好，其次為紡織業。顯示以單一產業為樣本之模式學習效果優於整體市場。 三、在網路穩定性方面，則以紡織業組之穩定性較高，但與其它兩組之差異性並不明顯。 其次本研究以事件研究法進行投資策略分析，以模式之預測結果，輔以益本比評價法形成投資組合並進行投資決策，獲得了以下結論： 一、以整體市場、紡織類、電子類為投資對象均獲了超額報酬，在觀察期間內分別獲得了38.51%、34.62%以及56.89%的超額報酬率。其中以電子類股之表現最為突出。顯示本研究對於如電子業較重視研究發、資本密集之產業盈餘品質萃取能力較佳。 二、在觀察期間內，投資組合與類股報酬率表現均呈現正向相關，在類股指數上漲月份中，投資組合之超額報酬率較小，然而在類股指數下跌月份投資組合會出現較大幅的超額報酬。推論其原因在於本研究是以盈餘品質為基礎，而此類盈餘品具成長性且一致性、穩定性較高之公司較具抗跌性及長期持有之價值。 三、本研究驗證了盈餘品質網路模式能有效擷取財務報表盈餘資訊內涵，以之形成投資策略能獲取超額報酬。 關鍵字：盈餘品質、類神經網路、盈餘品質預測模式、投資組合、投資策略、累計超額報酬