本研究之目的在嘗試將神經網路模型應用於會計盈餘預測。盈餘預測資訊可用來評估公司之獲利能力及真正價值,若能找出相當準確的盈餘預測模型,將有助於管理當局及投資大眾從事各種投資及理財決策。過去許多研究試圖以各種計量方法來找出較準確的盈餘預測模型,然因種種模型及統計上之限制,都未能獲致良好的結果。
神輕網路(Neural Networks) 在人工智慧領域中相當熱門,一般認為最適合用來從事預測及分類的工作。自1982年以來,國外有關神經網路的研究相當多,也已成功地將神經網路應用於許多不同的領域,但在財務上應用的研究則不多。既然大多數的研究均認為神經網路模式優於傳統方法,而且會計上傳統以統計模式進行盈餘預測的研究都未能獲致良好的結果,為什麼不試著將神經網路應用於盈餘預測的研究上呢?因此,本論文以國內上市公司中水泥業的臺灣水泥股份有限公司,自民國六十五年第三季至民國八十一年第四季的季盈餘及年盈餘為資料,嘗試用神經網路來進行盈餘預測之研究。
首先以預測民國七十九年度四季的季盈餘,及民國八十年度的年盈餘為對象,對神經網路的各項參數及架構加以操弄,探討不同的網路參數及架構對盈餘預測準確性的影響,並找出神經網路在盈餘預測上的最佳參數及架構之設定。
其次將最佳神經網路模式的預測結果,與國內外經實證支持的年盈餘及季盈餘預測模式的預測結果相比較,探討神經網路在盈餘預測上的準確性是否優於傳統模式。最後,以預測民國八十年第一季至八十一年第四季的季盈餘,及民國八十一年度的年盈餘為對象,將神經網路的預測結果,與國內外經實證支持的年盈餘及季盈餘預測模式的預測結果相比較,探討所找出的最佳參數及架構是否仍優於傳統模式,以判斷所找出的最佳設定是否為通解。
經實證後可得出下列的暫時性結論:
一、影響盈餘預測準確性的神經網路參數與架構
1 就臺灣水泥股份有限公司的盈餘預測而言,學習率的大小對準確性的影響並不明顯。
2 就臺灣水泥股份有限公司的盈餘預測而言,收斂條件的大小對準確性有影響,較大的收斂條件可能會產生較佳的預測值。
3.就臺灣水泥股份有限公司的盈餘預測而言,三層架構的網路較二層架構的網路可產生較佳的預測值。
4.隱藏層內處理單元的數目,只要有輸入及輸出層處理單元數二者之和的一半,就可產生不錯的預測值。
二、神經網路模式的盈餘預測準確性優於傳統模式
就臺灣水泥股份有限公司的盈餘預測而言,神經網路模式的盈餘預測準確性優於傳統的年及季盈餘預測方法。
三、最佳模式的設計並不是通解值
就臺灣水泥股份有限公司的盈餘預測而言,所找出的最佳神經網路參數及架構設定並非通解值,而是特定解。
Identifer | oai:union.ndltd.org:CHENGCHI/B2002004334 |
Creators | 洪振富, HONG, ZHEN-FU |
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 0.0018 seconds