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
Identifer | oai:union.ndltd.org:CHENGCHI/B2002002506 |
Creators | 沈淳惠 |
Publisher | 國立政治大學 |
Source Sets | National Chengchi University Libraries |
Language | 中文 |
Detected Language | Unknown |
Type | text |
Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0014 seconds