本研究旨在由傳統財務指標及公司治理角度分析近年來我國因財務報表舞弊遭一審判決有罪之公司發生的舞弊警訊(Red Flags)，建立財務報表舞弊預警模型，作為會計師執行舞弊偵測時的參考，降低因查核舞弊所產生的審計失敗，並可作為主管機關實質審查選案標準及投資人選擇投資標的之參考。 本文以民國85年至95年因財務報表舞弊遭法院一審判決有罪之27家公司為樣本，分別使用財務及公司治理變數建立財務報表舞弊預警模型，再以Cascade Logistic迴歸分析結合財務及公司治理模型，檢視Cascadev Logistic模型的正確判別率。實證結果顯示，財務變數中舞弊當期應付帳款成長率、舞弊當期存貨成長率、應收帳款收現天數對前期同一比率與財務報表舞弊呈顯著正相關；舞弊當期資產報酬率對前期同一比率、舞弊當期銷貨成長率與財務報表舞弊呈顯著負相關。公司治理變數中董監持股、控制持股、外部個人監事席次與財務報表舞弊顯著負相關；財報重編次數呈顯著正相關，良善的公司治理機制與財務舞弊具負向關連性。而整合的Cascade Logistic模型，財務及公司治理變數均與財務報表舞弊呈顯著相關，且均具增額解釋。 / Presented are a profile of a sample of fraud companies in Taiwan from 1996 to 2006, their financial and corporate governance characteristics, suggested fincial and corporate governance logistic models for detecting fraud and a final combine cascade logistic model. The results suggest both systematic relationships between the probability of fraud and financial and corporate governance characteristic variables. This evidence is consistent with the usefulness of accounting data in detecting fraud and the effectiveness of proper corporate governance in protecting fraud happening. Because the cascade logistic model correctly identifies approximately 90% of the companies involved or not invleved in fraud, the model can be a useful screening device for auditors to detect fraud, low down the propobility of audit failure and the cost of lawsuit due to fraud.

近年來，隨著中國經濟市場近年來的迅速發展，國內也愈來愈多在中國隔海投資相關產業或是實際營運的公司，因此本研究的對象主要為中國的上市公司，希望能找出影響一家公司營運狀況的最佳財務指標，繼而建構出最能準確預測一家公司危機發生與否的危機預警模型。 本研究選取2005年與2006年符合財務危機定義的72家危機公司，以一對一的配對方式再以公司「產業類別」與「規模大小」為準則，挑選72家正常公司進行研究。以12項財務變數以及危機發生前三個年度的數據作為研究樣本，危機發生當年度的數據作為測試樣本，首先進行常態性檢定，確立以何種分析法建置模型，再分別以逐步迴歸分析法輔以合理的財務理論篩選適合的財務變數，並以Logistic迴歸分析法建構危機預警模型，最後則是以測試樣本去判別模型的正確判別率。 研究結果顯示，經由基本統計量分析發現財務數據異常的情形，危機公司幾乎所有的財務變數平均數愈接近危機發生的年度，呈現的表現愈好，與一般的認知正好相反；此外，危機預警模型的正確判別率三個年度有愈來愈好的趨勢，但是仍舊沒有預期的高。綜合來看上列情形發生的原因，推測可能是大陸上市公司之公開資訊較不透明，財務報表有可能虛報所導致的結果。 I

有鑑於公司治理優劣對於公司財務狀況影響之議題逐漸受到重視，因此本文首先由20個公司治理篩選對於危機具有鑑別能力之因子，由於公司治理提供財務報表之額外資訊，首先利用邏輯思迴歸進行傳統財務模型危機機率的估計，並利用線性加入公司治理因子、加入公司治理交乘項將原始模型延伸分別進行模型之危機機率估計，並以巴塞爾協定所提供之模型驗證方法進行樣本外資料評估模型鑑別危機與否能力；使用方法包括K-S檢定、ROC曲線、CAP曲線以及其相對應的值化方法包含AUC值以及Gini係數。結果加入利用公司治理資訊之延伸模型在各種驗證方法中皆強於原始財務模型，可提供公司治理對於企業危機預警之預測進行參考。

本研究目的在於探討目前地震警報機制的現況與問題，另外設計一套快速有效、成本低廉並且能夠容易擴展為全球性服務的地震速報系統，並研擬其可執行的商業模式以期使該系統得以長期運作與經營。 目前人類科技仍無法預測地震發生，而世界上遭受地震威脅地區的先進國家皆已花費大量經費佈建地震預警系統，而民間亦開發了許多以開放資料為基礎的地震警報手機軟體，其目標都是在地震發生之後的最短時間內，將地震警報傳送給即將受到地震影響地區的人們，以期降低因為地震所造成之生命財產傷害。然而目前已經問世的成熟技術或是已經上線運作的地震預警系統，其警報開始運作之反應時間多為數十秒至分鐘等級，往往無法達到提早告警的效果。 本文所提出的方法，乃運用目前全世界已經相當普及的智慧型行動裝置與4G行動網路，建構一個全球性的地震速報網，以期將地震預警反應時間縮短至數秒鐘。其相關之技術原理已有少數國內外團隊或個人進行理論研究與技術驗證，然而如何使該技術原理轉化成為一項可執行的系統與服務，取決於推廣方式與長期經營的能力。本文針對其可能之商業模式亦做了研究與建議，以作為全球地震速報網之建置執行參考。

本研究是以Logit迴歸模型建立台灣2004年Q1至Q3某一本國銀行授信 行業別為電子科技產業、定義為大額授信戶之公開發行公司共46家，特性為同質性電子產業其中資產及營收達一定規模以上之樣本公司作為研究對象，並運用Logic模型導入變數，將此類財務危機樣本公司予以分析，探討發生財務危機是否在銀行借款比率、財務操作比率、或有負債比率等方面產生相關性之研究。 本研究實證結果顯示，在銀行借款變數方面，銀行借款金額佔營收之 比率與發生財務危機企業呈現正相關，顯示危機企業的銀行借款比率偏高，對金融機構舉債過高易週轉不靈; 在財務操作方面，衍生性金融商品部位佔營收比率與發生財務危機企業呈現正相關，顯示危機企業對衍生性金融商品之財務操作太過度，易發生財務危機; 在或有負債方面，對子公司之背書保證金額佔營收之比率與發生財務危機企業呈現正相關，顯示危機企業對子公司或有負債之過度保證，易發生財務危機。 由實證結果得知將這些變數納入模型，會增加模型的預測能力，因此可 以從這些變數歸納出一些端倪，達到事先預防的功能。

本文參照前人學者實證研究中所選取之財務比率變數，其中包含經營效率、獲利性、償債能力等構面中所選取財務比率變數共17個，另加入董事會特性、股權結構、參與管理等構面之公司治理變數共13個治理變數，以及納入盈餘管理變數與相關控制變數分別建構3個財務預警模型，並將會計資訊變數的資料型態依Platt(1990)之概念分為兩種，用意在分別比較原比率型態之預警模型與相對比率型態之預警模型之差異，樣本公司抽樣於2002年至2005年間，以TEJ資料庫認定為財務危機之企業，從中抽取跨產業41家財務危機之樣本企業，以1：2之比率抽取資產總額相近之82家正常企業樣本，總樣本數為123家樣本公司，實證結果顯示在財務危機發生前一、二年度，整體而言相對比率之預警模型預測能力與類比解釋能力相對優於一般原比率之財務預警模型，而盈餘管理變數確實能提高模型預測準確率，在越接近財務危機發生之時間點，其效果較為顯著，尤其相對比率之盈餘管理變數優於原比率之盈餘管理變數，再者公司治理變數之加入，亦同樣對模型之區別能力有所幫助，總和而言同時加入會計資訊變數、盈餘管理變數與公司治理變數之相對比率預警模型，是為本文所建預警模型中最佳效率之預警模型。

近年來許多財務預警模式的研究提供了各種變數對公司財務危機預測能力的研究，其中財務變數屬於個別風險，總體經濟變數屬於系統風險，考慮到個別產業特性的差異，影響的因素也會隨著產業各有不相同，本研究透過加入個別產業變數，分別去探討個別產業變數對企業發生財務危機是否會有顯著的影響。 在實證研究部分，本研究嘗試以受到總體經濟變數影響差異較大的食品業及營建業為例，說明影響企業發生財務危機的因素。本研究依據離散涉險模型以及羅吉斯模型進行廻歸分析後發現，受到景氣循環影響波動甚巨的營建業以及較不受景氣影響的食品業，在加入個別產業因素後，模型的解釋能力提高，而各項總體以及個別產業經濟指標不論在長期、短期都具有參考的意義，在未來分析師進行產業以及公司評價時，我們建議可以依據總體、產業指標、公司財務狀況來進行分析，將會比只考慮總體經濟變數以及財務變數，得到較為準確的判斷。 / Financial and Macro economic variables are two factors always being discussed in past default forecasting researches. Financial variables are idiosyncratic risk and Macro economic variables are systematic risk. Despite above two factors, there might still exist great difference between varied industries and each industry could be affected by different events. The theme of this research will be discussing this issue, and this research could provide some empirical and theoretical value in this issue. In our research, we will test one industry which is affected by macro economic variables and the one which is not been affected so much. Construction and Food industries will be considered in our research. No matter the construction industry or the food industry are not only been affected by macro economic factors but also been affected by individual industry factors. In addition, when we added them together into the model, the ability of explanation increased. The conclusion of our research is that when Analyst making comments on the companies default, they need to analyze with macro economic, individual industry and financial factors separately according to different industries.

「企業財務危機」向來為銀行及企業體所關注的重大課題，學術界對於此危機預警模型之研究篇幅亦不少，惟實務上卻甚少有金融機構將此等模型實際應用於授信決策。歸納其原因主要為樣本收集與統計方法運用的配合問題。本研究主要目的即擬藉廣泛蒐集銀行「逾期」與「正常」往來企業授信案，分別業別，分別建立一套能實際運用於銀行授信決策之企業財務危機預警模型。 　　本文以問卷收集省屬七行庫授信案件為樣本，其中包括紡織工業、金屬製品業、電工器材業、進出口貿易業及建築材料業等五個行業171家逾期公司及配對之171家正常公司，以其各項財務比率先作常態分配檢定，再分行業別分別比較逾期公司與正常公司財務特質有無差異，然後運用逐步迴歸分析法萃取關鍵變數，建立各行業之Logit迴歸預警模型。最後，確立各模型之臨界點，測試各模型之區別能力及預測能力，並比較整體公司模型與各行業別模型之預測能力。 　　研究結論： 　　（一）銀行授信戶財務比率分配均違反常態性。 　　（二）逾期公司相對於正常公司大部份財務特質均有顯著差異，且逾期公司具有較低變現性，高的財務槓桿性，低的經營能力及低的獲利力。 　　（三）本研究各行業別預警模型之預測正確率分別為：紡織工業88.24%、金屬製品業90%、電工器材業90.48%、進出口貿易業88.89%、建築材料業90%。 　　（四）最後以各行業之後期樣本測試整體公司模型，發現除金屬製品業及進出口貿易業其行業別預警模型與整體公司預警模型之預測正確率相同外，餘三種行業預警模型之預測正確率均較整體公司模型為高。顯示為有效提昇銀行授信財務危機預警模型的預測能力，依行業別分別建立模型，實有必要。

國內企業失敗的研究大都定位在財務危機的領域，且幾乎完全以股票上市 公司為研究對象。因受限於國內證券市場規模太小，研究樣本受到相當大 的限制，歷年來發生財務危機的案例甚少，所以財務預警系統只說明模式 本身區別成效，至於樣本外的測試，則付之闕如，無法了解此一模式對不 同時期的樣本是否仍有相同的區別能力，模式穩定性也就無從得知了。本 研究採用洪榮華（民82）的研究，擴大解釋危機的定義，以企業發生虧損 為一觀察事件，找尋足夠的樣本來建構財務危機預測模式，並從事樣本外 的預測，以驗證區別模式的穩定性。前人的研究結果顯示：大多數的預測 模式在樣本內的測試均有相當不錯的區別能力，樣本外的預測能力卻大幅 下降。Platt & Platt（1990）對於模式不穩定的原因歸納出兩個結論： 財務報表資料會隨時間的經過產生不穩定的現象、產業間財務資料的差異 ，經由產業相對財務比率的調整可以消除產業效果使得模式的區別能力趨 於穩定。Marquette（1980） 指出，良好的預測模型必須具有動態模型、 經得起時間考驗、以及不受時間約束等特性。也就是說，一個優良的財務 預警模型不會受到產業與時間因素的影響，可以適用在不同產業、時期， 即模式具有高度的穩定性。因此，基於上述理由本研究之目的有三：1.比 較以產業相對財務比率與公司財務比率所建立的預警模式對企業財務危機 的預測，何者有較佳的區別能力。2.驗證由原始樣本所建立區別模式對同 一時期的保留樣本，是否有顯著的區別能力，用以了解模式是否有同期的 適用性。3.驗證由原始樣本所建立區別模式對後期樣本，是否有顯著的預 測能力，用以了解模式是否有跨期的適用性。結論有四：1.公司財務比率 模型並非一穩定模型。模式本身具有區別能力，但卻不具有同期的適用性 與跨期的適用性。2.相對而言，產業相對財務比率模型為一穩定模型。模 式本身不僅具有區別能力，也同時具有跨期的適用性。3.就模式的區別能 力與預測能力而言，除危機前一年外，產業相對財務比率模型的區別效果 ，並未顯著優於公司財務比率模型。4.從本研究中發現，無論公司或產業 相對比率模型，對財務危機事件的預測，短期的預測能力高，長期則顯著 下降。

2007年8月美國爆發次貸危機(Subprime Crisis)，如此新型態的金融危機是否可由金融危機預警系統預測？是本文所欲探討的目標。本文採用訊號方法、固定效果下的Panel Logit Model和CART(Classification and Regression Tree)三種計量方法建構危機預警模型。最後利用美國2006年至2008年資料，驗證本文所建構之預警模型是否能夠有效預測次貸危機的發生。 / “Could banking early warning systems help to predict Sub-prime crisis?” That is the main issue that we want to discuss. We combine three kinds of early warning systems models – Signal Approach, fixed effect panel logit model, and CART approach – to create a new banking early warning system(EWS). We will use the US 2006-2008 data to examine whether this new EWS could predict the Sub-prime crisis correctly.