考慮產業訊息下之財務危機預警模式之研究

Industry Information and Financial Distress-Warning Model

10.6704/JMSSD.2005.2.1.77

湯惠雯；馮淑敏；令狐雅萍

財務危機 ； 預警模式 ； 產業訊息 ； Logit模式 ； Financial Distress ； Warning Model ； Industry Information ； Logit Model

管理科學與統計決策

2卷1期（2005 / 06 / 01）

77 - 93

繁體中文

早期學者對於財務危機預警模式的研究，大都只採用財務比率作為變數，並未考慮到產業訊息與業外特性比率等因素。有鑑於此，本研究採用Logit迴歸法建立財務危機預警模式，逐步加入公司財務穩定性比率變數、產業相對財務比率變數，以及業外特性比率變數。實證結果顯示：1.加入產業訊息變數之財務危機預警模式，在正確區別與預測率上均有明顯地提升；2.含財務穩定性變數之模式並不能夠提升模式整體的預測能力；3.以業外特性變數建立之財務危機預警模式，不論是含產業或是不含產業訊息之Logit模式，都能提高模式之正確區別能力與預測能力；4.綜合考慮所有模式之總區別及預測能力，則以採取除以產業平均數之相對財務比率，再加上業外特性變數模式的區別與預測能力最佳。

Previous studies use financial ratios to construct financial distress warning model without considering industry information and the non-operating factors. This study employs logistic regression model to construct the financial distress-warning model, and tries to incorporate financial stability ratios, relative industry benchmark and the non-operating factors. The empirical findings state as follows: The model contains industry information has better distress prediction performance. The model contains financial stability ratios is not able to increase prediction power. Including non-operating factors into the model can increase the model’s prediction ability. Among the various models, the model with industry-relative financial ratio (divided by its industry benchmark) and the non-operating factors has the best discriminating and predicting power.

1. Box, G. E. P.,Jenkins, G. W.(1970).Time Series Analysis: Forecasting and Control.Holden-Day.
2. Deng Julong(1989).Introduction to Grey System Theory.The Journal of Grey System,1,1-24.
3. 吳柏林(1995)。時間數列分析導論。台北:華泰書局。
4. 李隆生(2002)。臺灣總人口預測：1971-2015。人文學報，6(26)，5-17。

1. 鄭青展、蔡明春、馮淑鈴、陳坤志(2009)。中小企業貸款違約預警模式—以某商業銀行為例。文大商管學報，14(1)，19-40。