吾人皆知, 每股盈余對投資人而言具有相當的重要性, 因為每股盈余可用來衡量股價 的高低, 以做為投資決策之參考。雖然我國證券市場目前正處於Agtmael 所謂的「投 機期」(Speculation),每股盈余對股價之衡量似乎不具價值, 但此乃一過渡現象, 將 來勢必歷經「整理( 崩盤 )期」(Consolidation(Crash)), 而達「成熟期」(Mature) 。屆時, 每股盈余之分析將是投資決策最有用的工具之一。 本研究之目的在於試圖為每股盈余發展一預測模型, 以便將來投資人做投資決策時之 參考。但為顧及投資人取得預測資訊之便, 乃利用我國企業公開說明書上所公布的16 個財務比率做分析, 試圖尋找較具解釋能力之比率建立模型。因此本研究之貢獻除了 幫助投資人做投資決策外, 尚可證明會計人員所編制的財務報表, 具有可用性。 本研究架構, 從問題之發生、認定, 并經過文獻之探討后, 決定以我國上市企業為樣 本, 并以公開說明書中有民國73年至75年之16個財務比率為準, 共取得110 家有完整 之資料。首先將此16個財務比率做主成份分析(Component Analysis), 抽取一組較少 數的財務比率來建立預測模型, 但為加強模型之預測能力, 另外加入總體經濟指數及 行業景氣指數於模型之中。待模型建立完成之后, 再以保留樣本(hold-out sample) 加以檢定該模型之預測能力。 本論文共分五章, 第一章緒論, 其中分四節, 分別就研究動機與目的, 研究的範圍與 限制, 并就預測的貢獻加以介紹; 第二章為文獻探討, 共分四節, 分別對多變量分析 , 時間序列模式, 比率模式及指數模式等文獻加以探討; 第三章為研究方法論, 分四 節加以敘述, 先對每股盈余加以定義, 再就財務比率加以介紹并予以設定, 最后初步 擬定預測模型; 第四章為實證分析, 亦分為四節, 其中對本研究所控制的外在變數及 樣本加以說明, 并就結果加以分析與驗證; 第五章則為本研究的結論及建議。 最后為求進一步推展本研究之模型, 乃將本研究之限制詳予說明, 寄望后續之研究者 能一一克服, 使本預測模型達到完美之境。

我國經驗發展突飛進，證券市場發揮了資本形成了功能，貢獻甚大。 根據Beaver[1968]研究交易量與股價對年度盈餘宣佈之反應，發現結果合乎兩個假說：(1)投資者對宣佈本身有反應；(2)投資者對該宣佈事項所含之資訊有反應。 因此，若能幫助投資者預測每股盈餘之高、低，必可協助其瞭解本身之獲利能力與股票價格之合理性，進而作出正確的投資。 本研究擬以公開上市公司年報或公開說明書上的16個財務比率來建立線性區辨模型以幫助投資者預測每股盈餘之高、低。首先，從問題之認定開始，對有關時間序列、比率模型和區辨模型的文獻依序加以探討。接著針對估計樣本的16個財務比率來建立線性區辨模型以驗證本論文之假說：財務比率有預測公司每股盈餘高、低之能力。經過模型配置與實證研究，證實財務比率有預測公司每股盈餘高、低之能力，惟此預測能力將隨時間之延長的降低。 本研究最後除下結論外，並提出有關建議及本研究之限制，以作為後續研究者之參考。

由於目前的經濟體制是自負風險的，若是一個企業發生財務上的危機，將會影響到企業本身、員工、往來的廠商、股東、債權人、甚至是整個社會，因此若是可以事先偵測到財務可能發生的危機，對每個層面都是有益的。每一種模型的提供都是為了能避免遭受損失，甚至能提早發現可能出現的失敗。因此本論文主要是利用財務比率的資訊，去衡量企業的財務危機，而期望能達到一個預警的目的。 本論文以區別分析法、SVM(Support Vector Machine)、BSVR(Bayesian Support Vector Regression)做為研究的模型。以財務危機發生前一年的財務比率做為選取的變數，利用不同的選取方法，我們選取出4組變數。以發生財務危機前一年的20筆正常公司與20筆財務危機公司為訓練樣本，10筆正常公司與10筆危機公司為測試樣本。 得到的結論為: 分別比較4組變數在區別分析模型下的表現，可以看出4組變數在變異數相等的模型下，至少有3組變數的預測正確率是理想的。在SVM模型中，可以看到4組變數在經過尺度化和給定參數 =1， =1/40後，有3組的正確率都可以達到95%以上。在BSVR模型中，可以看到變數的選擇對模型的預測能力是很重要的。

台灣近年來歷經亞洲金融風暴等因素，使得目前加權股價指數仍在五千多點徘徊，股價的波動不禁令人思索究竟什麼因素最能解釋股票報酬？本研究擬從基本分析之評價過程出發，探討總體經濟因素與不同產業財務報表資訊對於不同產業股票報酬之影響，並了解總體經濟因素對於股票報酬是否有增額之資訊效果。 本研究可分為兩階段，第一階段從因素分析出發將某些高度相關之財務比率加以整合，以同一財務屬性來代替彼此高度相關之財務比率，並以分類後之財務屬性因素分數對股票報酬建立複迴歸模型，此外也利用逐步迴歸法選擇出對股票報酬具一定程度解釋力之財務比率，對股票報酬建立複迴歸模型。第二階段再加入總體經濟變數以建立更完整之複迴歸模型，利用調整後判定係數來探討總體經濟變數的加入對產業之股票報酬是否具進一步之解釋力。 本研究之研究期間為民國84年至88年，以上市公司電子業和食品業為樣本進行分析，研究結果發現： 1.財務屬性之分類與證管會現行分類方式大致相同，較為不同的是電子業之收帳能力可從證管會規定之經營能力屬性中另外劃分出來。 2.電子業之股票報酬與獲利能力、資本結構＆償債能力、現金流量屬性有關，食品業財務屬性之複迴歸模式總檢定呈現不顯著的情況。 3.加入總體經濟變數後，電子業股票年報酬率之複迴歸模式以工業生產總指數年增率、消費者物價指數年增率、利率年變動率、匯率年變動率、貨幣供給MIB年增率和台灣股價指數年變動率具良好之解釋力，模式之解釋力因總體經濟變數之加入提高許多，可知總體經濟因素對於股票年報酬率有增額之資訊效果；年超額報酬率之複迴歸模式以利率年變動率、匯率年變動率、貨幣供給MIB年增率、台灣股價指數年變動率、個股之系統風險有良好之解釋力，但模式之解釋力仍不佳，可知總體經濟因素對於股票年超額報酬率仍有增額之資訊效果，但增額效果有限。 4.而食品業以工業生產總指數年增率、利率年變動率、匯率年變動率、貨幣供給MIB年增率和台灣股價指數年變動率具良好之解釋力，且模式之解釋力因總體經濟變數加入提高很多，總體經濟因素對於股票報酬有增額之資訊效果。

本研究旨在探討景氣變動對我國製造業財務比率所造成之影響，亦即探討景氣指標與產業財務比率間之關係。文章中並探討產業因素與規模因素是否對財務比率造成影響。 研究樣本為我國上市公司15項財務比率與經建會發布之9項景氣對策信號檢查值，研究期間自1993年第1季至2000年第3季為止，共31季。 研究結果發現，「景氣指標」與各產業內所有公司之財務比率呈顯著相關。再者，實證結果顯示，各產業因其產業特性不同，其財務比率確實存在顯著差異；而除了流動性比率之外，規模因素確實對公司財務比率造成影響。

本文以國內九十二家股票上市公司為樣本，利用一階差分序列相關係數、卡方適合度檢定、Mann-Whitney-U檢定及Pearson積差相關係數等統計方法，探討樣本公司財務比率自民國七十年至八十二年的調整過程，以提供報表使用者有關財務比率特性方面的資訊。本研究中的主要研究問題如下： 　　（一）測試短期償債能力、每股盈餘、財務結構、經營效能及獲利能力等五類二十二項財務比率，以決定其是否有均衡值或呈隨機走勢的現象。若比率有均衡值時，則衡量該項比率從非均衡狀況回復到均衡值的速度。 　　（二）因為均衡力量可能會受到企業規模的影響，故測試大小公司財務比率之調整速度是否有顯著的差異。 　　（三）將總調整率區分為產業調整率和管理調整率二部份，測試管理調整率是否顯著地大於產業調整率，並評估其在總調整率中的相對權數。 　　（四）測試財務比率的歷史值是否可用於預測未來的比率值。 　　本研究的主要結論可分成下列五部份說明之： 　　（一）財務比率之調整係數方面：除了經營效能方面的財務比率調整係數大多為零外，其餘各類財務比率的調整係數均大於零，顯示這些比率有均衡值存在。其中涉及短期流動性項目的財務比率調整係數比涉及長期固定性項目的財務比率調整係數大。 　　（二）規模效果：除了少數財務比率外，大小公司的調整係數差異不大，並無明顯的規模效果。 　　（三）產業效果與管理效果：平均而言，管理當局的調整速度比產業的調整速度快，且二者在總調整率中均佔有重要的比例。 　　（四）預測能力：只有三項財務比率達到顯著水準，接受歷史比率可用於預測未來比率值的假設。 　　（五）總結：在國外財務比率均衡性的研究文獻中，同一類比率僅以一、二項作研究。而本文研究的結果，顯示，同一類比率之β_大公司、β_小公司、β_M及β_I點估計值不盡相同，有的差異頗大。故同類中仍應多選取幾項較具代表性的比率，以使研究結果更可靠。

本研究所探討的對象為數位內容產業下的數位遊戲產業，遊戲產業是一個新興產業，相對於其他產業尚屬年輕。因此可搜集分析的資料較少，本文利用台灣經濟新報資料庫裡的財務資料，用計量軟體Limdep做長期追蹤調查資料(Panel data)分析，並估計其固定效果。研究發現，在樣本期間內，擁有較佳獲利的公司為鈊象、泰偉及網龍三家。鈊象與泰偉偏向大型商用、博羿機台收入為主，網龍則是主打線上遊戲，下較多功夫在廣告、通路及行銷上，另外遊戲產業的獲利特性呈現景氣循環狀態。負債比率對於廠商流動性高的遊戲業獲利有顯著負影響，資產成長率及固定資產比的增加則對獲利有顯著正影響。顯示國內廠商固定資產尚未達到最小有效生產規模(MES, Minimum Efficient Scale)，尚處於經濟規模階段，但在西進大陸投資則須謹慎。便宜的勞工成本，在知識密集性高的遊戲產業並不一定會帶來相當的報酬。另外本研究也討論了自製及代理遊戲的問題，研究結果指出，自製與代理遊戲所獲得的利潤差距並不明顯。雖然自製遊戲並不代表獲利較佳。但以長遠的眼光來看，遊戲公司應持續培養自己的遊戲團隊，否則將無法以自製產品在國際上與各國廠商競爭。

台灣上市公司不預警地宣布重整，跳票、全額交割或下市，造成投資大眾的損失，因此，必須建立企業信用模型來偵測其經營狀況。本研究發現財務比率自企業危機前五年起逐漸惡化，表示財務比率在危機發生前有惡化現象，另外危機發生後幾年財務比率仍有影響，故本研究視企業危機為一逐年遞增或遞減的變數，使用模糊數轉化，加入危機發生前後的總體變數，並且結合統計多變量分析和資料探勘中的乏析理論建立模型，使用窮舉法找出解釋力最佳之企業信用模型，結果顯示，採用模糊數轉化之應變數相當顯著。 / The listed companies in Taiwan suddenly announced restructuring, bankruptcy or out of stock, and their investors lost a lot. Therefore, we must set up the enterprise credit model to detect and examine their management states. We discover that the financial ratios decrease gradually since the past five years of enterprise's crisis. Besides, financial ratios still diminish after the crisis take place. Therefore, this research regards enterprise's crisis as one parameter, and we transform the parameter by fuzzy numbers. In addition, we use the macro economical parameters and combine multivariate analysis and fuzzy logic theory to find out a higher significant model. The result shows it is high significant to adopt the fuzzy number dependent variable.

股票上市公司的經營狀況對公司管理階層、銀行及債權人、以及廣大的股市投資者而言，都是相當重要的資訊，若能對公司的經營狀況加以評量及預估，公司管理階層就能提早發現問題，或可藉以訂定未來發展及投資計畫，使公司營運更上層樓；銀行及債權人可依此決定授信的額度及期限；投資大眾也可藉以謀求更多的報酬。 　　公司經營績效的評量方法有很多種，經文獻探討，本研究決採用範例學習法，透過財務比率，對公司自身前後期每股盈餘相較（成長或衰退）及公司與其他公司每股盈餘相較（領先或落後）之結果，建構盈餘轉機與盈餘排序模式，並以此預測公司的經營績效，再結合二模式之預測結果，形成盈餘轉機排序模式，產生領先且成長及落後且衰退的公司類別。為增加預測結果之可信度，本研究針對每個模式，產生由區別能力較強之決策法則所得之強態組測試結果，由此共可將樣本公司區分為十二類。 　　本研究進一步依各模式之預測結果模擬股市投資，並以所得之累積超常報酬驗證資訊價值。最後再以單因子多變量分析法找出各模式預測結果不同類公司間，具顯著性差異的財務比率，並以此財務比率之均值對各類公司做二具體特徵描述，以尋求改善公司經營績效途徑 　　本研究之實證結果可歸納為以下三點結論： 　　一、盈餘轉機模式預測結果 　　盈餘轉機模式的區別能力與預測能力均相當穩定，無論是整體組或是強態組的區別率均達八成，預測率達六成，且強態高於整體，但民國七十八年測試組受到結構性變化的影響而產生較不穩定的狀況。賣出強態盈餘衰退公司的股票且持續二個月，可得最高累積超常報酬26.36%。而因無法由買入策略得到正累積超常報酬，故不建議買入預測為次期盈餘成長的公司。 　　盈餘成長公司與盈餘衰退公司之間有十四個財務比率具顯著性差異，此十四個比率大多為獲利性指標，但盈餘成長公司之財務比率均值皆低於盈餘衰退公司，可能是因績效表現差之公司較有盈餘成長空間，較易獲得轉機。 　　二、盈餘排序模式預測結果 　　盈餘排序模式在區別預測能力上的表現盈餘轉機模式類似，但較未受到資料結構性變化的影響。盈餘排序模式的最佳投資決策為同時買入強態盈餘領先賣出強態盈餘落後二類公司的股票，且持續二個月，可獲得累積超常報酬42.30%。若欲從事低風險之長期投資，則可買入盈餘領先公司的股票，所獲之累積超常報酬雖較少，但可延續超過十一個月。 　　盈餘領先與盈餘落後二類公司之間可由七個財務比率觀察差異，且此七個比率多為衡量公司獲利能力之用，此外，因盈餘領先公司之比率均值皆較高，故可知盈餘領先公司在獲利能力方面優於盈餘落後公司。 　　三、盈餘轉機排序模式預測結果 　　由盈餘轉機排序模式－強態組可得的累積超常報酬為六組之中最多者，若採取避險策略，同時買入盈餘領先成長及賣出盈餘落後衰退公司類的股票，並持續五個月，可得最高累積超常報酬57.19%。而由此結果也可知，僅以單一構面預測公司的經營績效確有不足之處，結合多個構面的預測結果，可增加產出之資訊價值。 　　盈餘領先成長公司和盈餘落後公司之間可由五個獲利性指標觀察特徵差異，且盈餘領先成長公司之比率均值較高，此結果與盈餘排序模式類似。 　　綜合上述結論可知，企業之經營績效是可以範例學習法用財務比率資料來預測的，且採用強態法則之預測結果確能增強模式的區別預測能力及增加預測結果之資訊價值。而由範例學習法所區別出之「好」、「壞」二群體在獲利性財務比率上確有差異存在，故管理者若欲公司之經營績效成長且取得領先之地位，則首要需改善公司的獲利能力。同時也可推知，獲利性指標較具預測盈餘未來變動狀況之能力。

國立政治大學研究所八十七學年度第二學期碩士論文提要 研究所別:資訊管理學系碩士班 研究生:陳柏明 指導教授:楊建民博士 論文名稱:運用演化範例學習法進行台灣股票上市公司經營績效判斷之研究 論文提要內容 股票上市公司的經營績效，對於廣大的投資人、以及銀行及債權人，甚至是公司內的管理人員來說，都是相當重要的資訊。投資大眾可以做為投資計畫的參考，銀行及債權人能對授信及放款制訂適當的準則與採取必要的措施。而公司內部管理階層若能及早發現問題，更可針對問題訂定未來的營運計畫，確保公司的穩定。公司經營績效的評量方法有很多，通常採用財務報表分析來瞭解公司的財務狀況與經營成果。本研究則提出一個演化範例學習法的架構，用來分析財務報表所能提供的資訊，進而判斷公司經營績效。 範例學習法透過線索的選定並對例子集加以分類，進而得到法則。線索的選取將會對決策樹的建立有極大的影響，因此如何得到優良且適當的線索，是在建立決策樹時的重要工作。而遺傳演算法提供了一種演化的方式，透過其演化的機制，一步步的尋找較佳的近似解，因此可以用來進行範例學習法的建樹過程的演化，並改良線索的選用，此架構稱為演化範例學習法。因此本研究希望透過演化式的範例學習法來分析財務報表申所報導的各項財務資料所能提供之資訊。並選取台灣地區股票上市公司之財務報表進行分析，研究所得的結論在於判斷未來這些公司經營績效之變化，讓投資者、債權人與公司管理人員能夠及早因應並採取有效的措施。 本研究以民國七十六年至民國入十七年的股票上市公司財務比率資料進行演化實驗。測試結果顯示 (1)採用本演算法分析績效的命申率可達六成以上，最"高可達到約七成，且在一定的世代內，命申率將隨著逐步提升，(2)初始線索的選取不影響演化後期的命申率，(3)淘汰率高低將造成演化過程命申率的波動程度，(4)由新線索的加入，發現每股淨值、淨值報酬率等以往較不常使用的線索具有一定的分析能力。最後並將針對本研究提出相關建議與未來值得研究的課題。