原创《残差修正之灰色模型应用于财务比率预测》：本文是一篇关于灰色论文范文，可作为相关选题参考,和写作参考文献。
摘 要：以制造业两家上市公司为研究对象,选取15项财务比率为财务绩效指标,用灰色预测模型进行财务比率分析.为提高模型预测的准确度,使用马尔可夫残差修正灰色预测模型,可以更准确地预测企业之财务比率,提供拟定营运策略及一般大众决定投资评估参考.
关键词：灰色预测模型；马尔可夫；财务比率；制造业上市公司；财务绩效指标；财务资讯；财务报表；比率分析
中图分类号：O225；F230 文献标识码：A 文章编号：1673-1573（2013）03-0055-07
一、绪论
(一)研究动机与目的
本文以两家公司为研究对象,建立财务绩效指标之灰色预测模型并预测其财务绩效指标.然而,一家公司经营是否良好,需透过多方面之观察及资料之分析才可评断；一般而言,评断之方法可分为财务资讯或非财务资讯之分析,非财务资讯取得不易且难以数量化,形成评断上之困难；而财务资讯具备取得容易、具客观性、能数量化及可作为比较基准等优点.因此,财务资讯的分析与运用,对企业管理阶层来说,是一个相当重要之课题；对一般大众而言,亦可透过对财务资讯之分析从事正确之投资进而获取利润.
财务报表用来表达企业经营之成果.而财务报表分析是会计资料所提供之最终应用,协助报表使用者更了解企业营运状况,作为决策参考.因为其可正确地表现企业之财务状况,目前已被广泛地应用于财务评估上.
依文献显示,分析师会利用财务报表资讯,了解企业过去经营历史、目前营运绩效及评估未来发展潜力,以帮助投资者作决策（张仲岳,1997）.而许多上市上柜公司每年皆须为下一年之财务资讯提出预测数据,可是证券市场上充斥着一些无科学理论分析所得之财务预测数据,使投资大众无所适从；有鉴于此,许多预测方法被应用于财务预测上,如时间序列法、指数平滑法、回归分析法等.由于社会现象的问题极其复杂且多样化,就传统的预测方法而言,理论上样本数在50笔以上才可能有较佳之预测结果,但是实际上却往往无法获得有足够之资料适用于时间序列模型,因此,便有了各种不同预测方法之出现,以弥补无法获得大量样本之预测方法的遗憾.各种预测方法之比较如表1所示.在企业经营环境讯息万变之下,若由上市上柜公司之公开说明书或年度报表之五年财务资料,以上述预测方法均需大量样本作财务预测,并不容易得到良好预测效果.如何以最少财务资料得到最佳之财务预测,对企业经营管理者而言应是一项重要之课题.
投资大众面对大量上市公司之财务预测资讯,无法判断其准确性也无法依据这些资讯作出正确之投资决策.本文透过良好预测准确度之灰预测模型,预测上市公司之财务比率.因各产业特性不同,加上财务比率分析需以过去趋势、既定标准、同业同比率来比较,否则将影响财务绩效评估之公平性.
二、文献探讨
比率分析（ratio analysis）系指就某一特定日期或期间,各个项目的相对性以百分比、比率或分数表示,使原本复杂之财务资讯趋于简单化,使报表使用者获得明确而清晰之概念.财务比率之预测应用,大多集中于诊断企业经营是否发生危机之研究,相关文献中,施淑萍（2000）针对财务危机预警模式与企业财务特性作了研究,林鸿益（2000）提出企业财务危机预测之模型研究,苏文娟（2000）以上市企业财务危机预测作实证研究,而研究企业财务资料预测者——陈荣方与杨敏里（1997）采用南亚塑胶公司财务资料,以灰色预测模型与回归预测法作预测.国外文献有Gu（1999）预测旅馆经营的潜在危机,研究发现,旅馆的破产预测模型与制造业的营运失败模型有非常相似的共同点.此外尚有Shch and Murtaza（2000）使用类神经网路模型预测电脑产业营运失败因素,结果发现此模型只限制应用于电脑的软硬体产业的某些财务比率预测,此方面可得良好预测效果.Greenlee and Trusse（2000）对慈善机构提出财务指标的预测模型,将企业财务报表中较易受到影响的指标予以预测.根据以上文献得知,虽然有许多学者针对各种不同产业提出不同的预测方法,希望能找出各产业中成功或失败的相关财务资讯.但在文献中,对于IC产业的财务预测,没有广泛地被讨论或提出相关的方法.以上文献所提出的论文采用研究方法不外乎logit、probit、类神经网路等,均着眼于应用财务比率于企业财务危机预测模式之研究.这些方法在使用上均需符合大样本之假设前提,而且使用者需具备专业软体与知识,形成应用上之不便.其中以类神经网路有较高之进入障碍,因为需要大量之历史资料样本作为训练,才能有较好之预测结果.但是,企业财务比率每年有不同之变化,大量之历史财务比率反而不能真实反映未来之变化情况,形成财务资讯的灰色地带.因此,如何以企业近期财务比率资料对未来财务比率作短期之预测,对企业主及投资人而言,应是相当重要.
预测之方法相当多,如回归分析法、ARIMA时间数列法、类神经网路、指数平滑法等,一般企业之单一财务比率通常无法达到大样本之要求.近年来新兴的预测模式以人工智慧（artificial intelligent）为发展方向,广义之人工智慧涵盖范围很大,包括模糊理论（fuzzy theory）、灰色理论（Grey theory）、类神经网路模式（neural network model）及专家系统（expert system）等.因此本文采用适用于少量样本之灰色预测模型进行研究,透过文献也显示,灰预测模式较回归分析法、指数平滑法及时间数列法等预测方法在少量样本下有较佳之预测效果（Hsu and Wen,1998； 徐历常,2001）.因此,目前灰色预测模型被广泛应用于各研究领域,诸如电力系统、财务、航运量、寿险、加权股价指数等方面之预测.
三、研究架构与方法
(一)研究架构
灰预测模型大多为GM（1,1）或GM（1,N）之应用①,其中,GM（1,N）模型适合于建立系统状态模型,各个动态关联分析及适合高阶系统建模,若预测模型是单变量的模型,即是GM（1,N）中,令N等于1,成为GM（1,1）模型,表示一阶微分,而输入变数为1个进行数值建模（施东河与徐桂祥,1999）.就GM（1,1）模型而言,是使用最近的资料去预测未来值,对于较随机之资料及对称之曲线时,预测效果不佳,为了提升灰色模型在预测上的效果,Hsu and Wen（1998）提出马尔可夫残差修正模型修正GM（1,1）模型残差,可得到良好之效果.
灰色论文参考资料：
结论：残差修正之灰色模型应用于财务比率预测为适合灰色论文写作的大学硕士及相关本科毕业论文，相关灰色开题报告范文和学术职称论文参考文献下载。
