財務報表記錄可說是企業經營績效良窳的反映指標，而其中所衍生出來的財務比率，向 來均是管理者、投資者進行企業診斷或未來經營績效預測的重要資訊來源。然而，相關 的研究發現，由於產業間經濟環境與市場結構特性的不同，所呈現出來的財務報表資訊 內涵亦將有所差別。因此，若進一步運用個別產業之報表資訊預測公司未來盈餘時，將 能夠提供產業間結果進行分析與比較的基礎。 如何自報表中獲取與公司經營績效相關之會計資訊，進而建構出優良的盈餘預測模式， 是近幾年來學者感興趣的研究課題之一。鑑於人工智慧之類神經網路系統擁有多項的特點，因此，對於盈餘預測會計資訊萃取的應用上，無非是提供了我們一個新的選擇途徑。 本研究即根據此項概念，以民國70年第一季至民國82年第三季為止共十五項大小產業之 股票上市公司財務報表以及股價報酬等資料作為研究樣本，進行盈餘預測模式的建構以 及投資超額報酬的計算。 進一步地說，本研究的內容可以分成三個部份，第一部份是以整體市場樣本為例，對類 神經網路主要參數如輸入變數組合、隱藏層節點數等進行調整及測試，以從中選取出盈 餘預測效果較佳之模式設定；在第二部份則是運用此一盈餘預測模式，分別對整體市場 以及紡織、電子電機

兩項產業樣本進行網路的訓練與測試，並根據模式所獲得之區別及 預測能力評估指標，探討不同產業特性樣本所建構的模式之間，其預測結果上的差異性 ；而第三部份則是利用各類產業模式預測結果的資訊，從利潤與風險兩種角度，定義"總 體"、"高利潤"、"低風險"、 "高利潤低風險"等四種不同類型投資策略，並以事件研究 法計算各項策略所能獲取之累積超額報酬，最後，則根據各策略之獲利績效，進行產業 間的分析比較，以找出本研究各類特定產業之最適投資策略。 本研究根據前述方式所進行的實驗研究中，獲得了以下三點結論： 一、類神經網路盈餘預測模式之建構 (一)以整體市場樣本為對象所進行之網路的測試中，發現模式整體區別能力大致介於五 到七成之間；而整體預測能力則介於四到六成之間。 (二)本研究所找出盈餘預測效果較佳之網路模式設定如下：1.輸入變數組合：單因子多變量變異數分析之22項顯著性財務比率 2.網路架構(輸入層-隱藏層-輸出層)：22-22-1 3.連結權數初始值設定範圍：-0.1~0.1 二、產業盈餘預測結果之分析 (一)整體而言，產業間模式測試結果的差異並不大，其中以紡織產業的模式區別及預測 能力最好(70%以上)，電子電機產業次之，而整體市場模式的結果均不及兩項單一性產業。 (二)模式預測能力穩定性方面，各產業於五個年度間預測率的波動大致還算穩定，其中 就紡織產業而言，其年度之間模式預測能力的差別不大，但電子電機產業年度間的變化 則要比前者來得明顯。 三、產業投資策略績效之分析 (一)各類型投資策略的整體結果中，紡織與電子電機兩項產業的獲利績效相當，且均要 比整體市場來得好，其中，紡織產業之"高利潤低風險"策略所獲得的累積超額報酬(43.28%) 更居全體之冠。 (二)本研究所找出之個別產業最適投資策略分別為： 1.整體市場：總體策略、低風險策略 2.紡織產業：高利潤低風險策略、高利潤策略 3.電子電機產業：高利潤低風險策略、低風險策略

Financial Statements are very important information

indicating performance of corporations. Managers and investors

use financial ratios as vital indexes to evaluate and predict

operating results of corporations, and make their decisions.

ategy, and compute CAR for each investment strategies. At last,

I analyze the investing results of the four strategies for

individual industry. ANN ( Artificial Nerual Network) shoot a

new direction on researching application of abstracting

accounting information which can efficiently predict earnings.

According to results of relative researches, financial

statements from different industries present and implicate

different accounting information. If we further apply ANN on

financial statement information to predict earnings of

corporations, we can use the results as bases of analyses and

comparisons among industries. Because ANN model has many

advantages, in this research, I use financial statements and

return on stocks from corporations as researching samples to

construct prediction models and compute CAR(Cumulative Abcdrmal Return) on investments. These samples are chosen from 15 different industries and covered from the first quarter of 1981 to the third quarter of 1993. This research consists of three parts: 22 financial ratios selected by MANOVA First, I use the general market samples to adjust and predict the vital parameters of ANN models, such as the selection of input variable, the number of hidden node, and finally pick better setups for the prediction model. Second, I use this model to train and test samples from the general market, the textile, and the electron industry, and research the variation of predicting results by different models made up different industries by means of evaluation indexes . Third, I use the results predicted by the three different industry models, inspect of risk and return, to define four types of investment strategies -- "the general", "the high return", "the low risk", and "the high return - low risk" strategy, and compute CAR for each investment strategies. At last, I analyze the investing results of the four strategies for individual industry. After researching, I find:s of the textile and electron industry are better than the general markets'. 1.The better setups of ANN

predition models are :industries are: (1)the selection of input variable:the 22 financial ratios selected by MANOVA (2)the ANN model topology(input node - hidden node - output node):22-22-1 rategy (3)the range of initial connection weights:-0.1~0.1 return - low risk strategy 2.The analyses of results predicted by the three different industry models are: (1)the predicting abilities of the textile and electron industry are better than the general markets'. 3.The proper investment strategies of individual industries are: (1)the general market:the general and the low risk strategy (2)the textile industry:the high return and the high return - low risk strategy (3)the electron

industry:the low risk and the high return - low risk strategy

參考文獻
一、中文部份
l 玉秉鈞【民72】，「產業特色對企業績效影響之分析?台灣大型企業之實證研
究」，國立政治大學企業管理研究所碩士論文。
2. 呂玉銘【民83】 ，「 運用類神經網路於台灣證券市場基本面分析」， 國立交通大學資訊管理研究所碩士論文。
3 . 本英勤【民82】，「 智慧型決策系統運用於台灣股票市場技街面分析之研究」， 國立交通大學資訊管理研究所碩士論文。
4. 邱玉玫【民81】 ，「 運用財務報表分析預測股票超額報酬率之研究」， 國立台灣大學會計研究所碩士論文。
5 吳振坤【民8 1】，「 類神經網路在學習台灣股價行為上的應用」， 國立交通大學資訊管理研究所碩士論文。
6. 吳瑞源【民81】 ，「 財務比率預測每股盈餘能力之研究」， 國立政治大學會計研究所碩士論文。
7. 吳肇榮【民8 1】，「 臺灣股票市場投資績效之預測?計量分析(區別分析、Probit 模式、Logit 模式)之應用」， 國立臺灣大學財務金融研究所碩士論文。
8 吳麗紅【民82】 ，「 年度盈餘資訊效率性之探討」， 國立政治大學會計學研究所碩士論文。
9 林鎮邦【民68】 ，「 臺灣地區股票上市公司公佈財務報表所含情報量之研
究」， 國立臺灣大學商學研究所碩士論文。
10. 洪振富【民82】 ，「 盈餘預測、準確性之比較改決定性之實證研究?神經網路模型之應用」， 國立政治大學會計研究所碩士論文。
11.洪榮華【民82】 ，「 臺灣地區股票上市公司盈虧預測模式之建立與其資訊價值之研究」， 國立政治大學企業管理研究所博士論文。
12 . 胡五城【民8 1】 ，暢談類神經網路，倚天資訊公司，台北。
13. 張維哲【民8 1】 ，人工神經網路，全欣資訊圖書公司，台北。
14 張鴻基【民72】 ，「 臺灣地區股票上市公司每季益餘時間數列特性及資訊內容之研究」， 國立臺灣大學商學研究所碩士論文。
15. 陳志愷【民8 1】，「 盈餘反應係數探索性之研究?臺灣股票市場之實證分析」， 國立政治大學會計研究所碩士論文。
16 陳明霞【民80】 ，「 盈餘成長預估、價格盈餘比率與投資組合績效，不同投資區間下之實證結果」， 國立中央大學財務管理研究所碩士論文。
17 陳英琪【民84】，「 臺灣地區股票上市公司經營績效預測及其資訊價值之研究範例學習法之應用」， 國立政治大學資訊管理研究所碩士論文。
18 黃國裕【民83】，「財務比率在股票異常報酬之預測能力分析?類神經網路
法」， 國立中央大學資訊管理研究所碩士論文。
19 彭文祺【民75 】，「 台灣紡織工業市場結構與企業績效之實證研究」， 私立淡江大學管理科學研究所碩士論文。
20 葉怡成【民83】 ，類神經網路模式應用與實作，儒林圖書公司，台北。
21 楊建民【民81】，「 在微平行電腦上發展類神經網路系統研究台灣股市行
為」， 行政院國家科學委員會研究計畫成果報告，編號: NSC 81-0301-
H004-18 。
22 . 楊建民【民83】，「 以範例學習法預測:經營績效」， 行政院國家科學委員會專題研究計劃成果報告，編號: NSC 83-0301-H004-068 。
23 . 楊建民【民84】，「 台灣地區股票上市公司盈虧預測類神經網路知識庫建構及其資訊價值之研究」， 行政院國家科學委員會研究計畫成果報告，編號:NSC 84-2416-H004-006 。
24 楊建民、劉立倫【民84】，「 財務比率預測經苦績效及其資訊價值之研究:範例學習法的研究途徑」， 行政院國家科學委員會研究彙刊?人文及社會科學類，第五卷，第二期，第205-219 頁。
25 楊淑如【民8 1】，「 股票基本分析指標獲利性之研究公司因素」， 國立台灣大學財務金融研究所碩士論文。
26 溫福煥【民8 1】，「 財務績效評估模式建立之研究?以臺灣地區電子業為
例」， 私立淡江大學管理科學研究所碩士論文。
27 蔡景三(民76】 ，「 紡織業產業特性與財務比率之關聯性研究?以台灣地區股票上市公司為例」， 私立中原大學企業管理研究所碩士論文。
28 蔡瑞煌【民84】 ，類神經網路概論，三民書局，台北。
29 鄭萬根【民79】 ， ，「 台灣資訊硬體工業之市場結構與利潤率之研究」， 私立中國文化大學經濟研究所碩士論文。
30 戴肇洋、林唐裕、任克敏【民82】 ，中小企業紡織、塑膠及其他類產業發展實例研究，湖海堂文化公司，台北。
3 1.謝息元【民74】 ，「 臺灣製造業產業特性之研究」， 國立中山大學企業管理研究所碩士論文。
32 簡銘宏【民79】 ，「 運用財務比率預測每股盈餘之研究」， 國立政治大學會計研究所碩士論文。

二、英文部份
l.Amato. L. & R.P. Wilder[1985], "The Effects of Firm Size on Profit Rates in U.S. Manufacturing," Southern Economic Journal, Vo1.52, No.1 1985, pp.181-190.
2.Ayanian R. [1975], "Advertising and Rate of Return," Journal of Law and Economics, Oct. 1975, pp.479-506.
3.Bain, J.S. [1956], Barriers to New Competition, Harvard University Press, Cambridge Mass., 1956.
4.Bain, J.S. [1968], Industrial Organization, 2nd ed. John Wiley & Sons Inc., New York, 1968.
5.Ball, R. and P. Brown[1968], "Au Empirical Evaluation of Accounting Income Numbers" , Journal of Accounting Research, Autumn 1968 , pp .159-178.
6.Beaver, W.H.[1968], "Market Prices, Financial Rlitios, and the Prediction of Failure," Journal of Accounting Research, Autumn 1968, pp.179-192.
7.Beaver, W.H., R. Clarke & W.F. Wright[1979], "The Association between Unsystematic Security Returns and the Magnitude of Earnings Forcast Errors," Journal of Acc01mting Research, Autumn 1979, pp.316-340.
8.Bergerson, K & Wunsch, D.C[1991], "A Commodity Trading Model Based on a Neural Network-Expelt System Hybrid," Proc. of the IEEE Inter. Com. on Neural Networks, Vo1.2, I, 1991, pp.289-293.
9.Brown, L.D., Richardson G.D. & Schwanger S.J.[1987]," An Information Interpretation of Financial Analyst Superiority in Forecasting earning," Journal of Accounting Research, 1987, Vo1.25, pp. 49-69.
10.Cadden, David T.[1991], "Neural Network and The Mathematic of Chaos - An Investigation of These Methodologies as Accurate Prediction of Corporate
Bankruptcy," IEEE Computer Society Press.
11. Caves, R.E. [1972], American Industry: Structure, Conduct and Performance, 3rd ed., Englewood Cliffs,Prentice Hall N.J. 1972.
12.Chappell, H.W., W.H. Marks & 1. Park[1983], "Measuring Entry Barriers Using a Switching Regression Model of Industriy Profitability," Southern Economic Journal
Vo1.49, No.4 1983, pp.991-1001.
13.Comanor, William S. & Thomas A. Wilson[1967], "Advertising Market Structure
and Performance," Review of Economics & Statistics, Vo1.49, No.4, Nov. 1967, pp.423-440.
14.Dutta, S. & S. Shekhar[1988], " Bond - Rating: A Non - conservative Application
of Neural Networks," Proc. of the IEEE Inter. Conf. on Neural Network, Vo1.2, San Diego, California, pp.443-450.
15.Easton, P.D.[1986], "Accounting Earnings and Security Valuation: Empirical Evidence of the Fundamental Links," Journal of Accounting Research, Vol.23 Supplement 1986
16. Fama, Eugene F. [1970], "Efficient Capital Markets : A Review of Theory and Empirical Work," Journal of Finance, Vo1.2S, 1970, pp.383-417.
17.Fant L. Franklin & Pamela K. Coats[1991], "A Neural Network Approach to Forecasting Financial Distress," The Journal of Business Forecasting, Winter 1991-92, pp.9-12.
18.Fletcher, Desmond, Gross, & Ernie[1993], "Forecasting with Neural Networks: An Application Using Bankrupt Data," Information & Management, March 1993, Vo1.24, pp . 1S9-167.
19.Frederick, Scherer[1980], Industrial Market Structure and Economic Performance, Rand McNally, Chicago, 1980.
20.Freeman, James A. & David M. Skapura[1991], Neural Network-Algorithm, Application, and Programming Techniques," Addison Wesley Publishing Co., 1991.
21.Greig,A.[1992], "Fundamental Analysis and Subsequent Stock Returns", Journal of Accounting and Economics 15(1992), ppA13-442.
22.Gupta,H. & RJ. Huefuer [1972], "A Cluster Analysis Study of Financial Ratios and Industry Characteristics," Journal of Accounting Reaearch, Spring 1972, pp.77-9S.
23.Herbel1, L. Jensen[1992], "Using Neural Networks for Credit SCOI1ng," Managerial Finance, 1992, Vol. 18, No.6, pp.lS-26.
24.Holthausen, R and D. Larcker [1992], "The Prediction of Returns Using Financial Statement Information", Journal of Accounting and Economics 15 (1992), pp.373-411.
2S.Jacquemin, A.[1980], "Concentration and Profitability in a Small Open Economy," Journal of Industrial Economics, Vol.29, No.2, 1980, pp.131-144.
26.Katz, S.K., S.Lilien and :e.Ne1sqn(198S], "Stock Market Behavior Around Bankruptcy Model Distress and Recovery Predictions", Financial Analysts Journal, January-February 1985,pp.70-74.
27.Kimoto, T. etc.[1990], "Stock Market Prediction System with Modular Neural Networks," Proc. of the IEEE Inter. Conf. on Neural Networks, I, pp.l-16.
28.Kryzanowski etc.[1993], "Using Artificial Neural Networks to Pick Stock," Financial Analysts Journal, July-August 1993.
29.Lapeds, A. & R. Farber[1987], "Nonlinear Signal Processing Using Neural Networks: Prediction and System Modeling," Technical Report, LA-UR-87-2662,
Los Alamos National Laboratory.
30.Margarita, Sergio[1991], "Neural Networks, Genetic Algorithms and Stock Trading," Artificial Neural Networks, 1991, pp.1763-1766.
31. Minsky, M. & S. Papert[1968], Perceptron, MA, Cambridge: MIT Press., 1968.
32.0dom, M.D.[1989], "A Neural Network Model for Bankrupt Prediction," Proc. of the IEEE Inter. Conf. on Neural Networks, II, pp.163-168.
33.0u,J. & Penman S.[ 1990], "Accountings Measurement, Price-Earnings Ratios, and the Information Contetn of Secwity Prices. ", 10urnal of Accounting Resarch,
Supplement 1990, pp.111-144.
34.Porter, M.E.[1979], "How Competitive Forces Shape Strategy," Harvard Business Review, March-April 1979a.
35.Poterba,J.M., and L.H.Summers[1989], "Mean Reversiom in Stock Prices : Evidence and Implications", 10urnal of Financial Economics.
36.SciIerer, F.M. & D. Ross[1990], Industrial Market Structure and Economic Performance, 3rd ed., Houghton Mufflin, Boston, 1990.
37.SmitiI, Murray[1993], Neural Networks for Statistical Modeling, Van Nostrand Reinhold, New York, 1993.
38. Stigler, George 1. [1963], Capital and Rates of Return in Manufacturing Industries,Princeton University Press, N.J., 1963.
39.Stober, T.[1992], "Summary Financial Statement Measures and Analysts' Forecasts of Earnings", 10unal of Accounting and Economics 15 (1992), pp.347-372.
40.Widrow, Bernard, David E. Rumelhart & Michael A. Lehr[1994],"Neural Network: Application in Industry, Business and Science," Communication of the ACM, Vol.
37 No.3, 1994, pp.93-104.
41.Wong, F.S. etc.[1992]," Fuzzy Neural Systems for Stock Selection," Financial Analysts Journal January-February 1992, pp.47-51.
42.Yoon, Y., G. If. Swales, T. M. Margavio [1993], "A Comparison of Discriminant Analysis Versus Artificial Neural Networks," Journal of the Operational Research Society, Vo1.44, No.1, 1993, pp.51-60.