文化大學機構典藏 CCUR:Item 987654321/48496
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 46833/50693 (92%)
造访人次 : 11846310      在线人数 : 535
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧：
  • 您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果
  • 若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据
    •  进阶搜寻
    主页 ‧ 登入 ‧ 上传 ‧ 说明 ‧ 关于CCUR ‧ 管理 到手机版


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://irlib.pccu.edu.tw/handle/987654321/48496


    题名: 一個有效的繼續經營預測模型
    An Effective Model of Going Concern Detection
    作者: 黃奕文
    贡献者: 會計學系
    关键词: 繼續經營預測
    類神經網路
    逐步迴歸
    決策樹
    區別分析
    日期: 2020
    上传时间: 2020-08-26 14:04:29 (UTC+8)
    摘要: 本研究主要目的是應用機器學習的技術來建構繼續經營預測模型，首先運用類神經網路篩選出重要變數，再配合C5.0決策樹模式來建立預測模型。為了測試本研究所提模型的有效性，本研究資料來自台灣經濟新報社資料庫中(TEJ)，研究對象為2009年至2018年財務報表有繼續經營疑慮及無繼續經營疑慮之上市櫃公司(以1:3進行配對)，研究變數涵蓋財務與非財務變數。相較於傳統的統計模式對繼續經營意見的判斷，以機器學習技術建立的預測模式有較優秀的預測績效，其中ANN搭配C5.0建構的繼續經營預測模型整體預測準確率達92.49%。
    The main purpose of this study is to apply the machine learning techniques to construct a prediction model for going concern. First, the artificial neural network is used to screen out important variables, and then the C5.0 decision tree model is used to establish the prediction model. The data of this study is from the Taiwan Economic Journal (TEJ) from 2009 to 2018. The research object is a listed company that has doubts about going concern and no doubts about going concern (1GC sample: 3Non-GC samples). The research variables cover financial and non-financial variables. Compared with the traditional statistical model for the judgment of going concern opinions, the prediction model established by machine learning technology has better prediction performance. The overall prediction accuracy rate of ANN-C5.0 model is 92.49%.
    显示于类别:[會計學系暨研究所 ] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML175检视/开启


    检视Licence

    在CCUR中所有的数据项都受到原著作权保护.

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回馈