請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/58747完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 吳榮杰 | |
| dc.contributor.author | Sih-Hao Chi | en |
| dc.contributor.author | 齊思豪 | zh_TW |
| dc.date.accessioned | 2021-06-16T08:28:51Z | - |
| dc.date.available | 2024-03-12 | |
| dc.date.copyright | 2019-03-12 | |
| dc.date.issued | 2014 | |
| dc.date.submitted | 2014-01-10 | |
| dc.identifier.citation | 中文部分
王文宇，2004。「論金融政策與金融監理法制」，『台灣本土法學雜誌』。65 期， 37。 中華民國農會，2012。『農會年報』。台中，中華民國農會。 中央存款保險公司，2013。「金融預警系統篇」。 (http://www.cdic.gov.tw/ct.asp?xItem=171&ctNode=168&mp=1)(2013/03/20) 行政院農業委員會農業金融局，2013。「農漁會信用部營運概況」。 (http://www.boaf.gov.tw/site/boaf/public/Attachment/35299461071.pdf)(2013/04/0 1) 吳楷華，2000。「建構財務預警系統之可行性研究」，碩士論文，國立中山大學高 階經營管理研究所。 吳懿娟，2003。「我國金融危機預警系統之研究」，『中央銀行季刊』。25 卷，3 期，5-42。 吳明峰，2004。「台灣漁會信用部金融預警系統之研究-Ordered Logit 與類神經網 路模式之應用」，碩士論文，國立臺灣海洋大學應用經濟研究所。 李逸川，1999。「淺析金融檢查之理論與實務」，『法令月刊』。50 卷，8 期，35。 李聿偉，2003。「金融預警制度之研究」，碩士論文，國立中山大學財務管理學系 研究所。 李明萱，2006。「我國銀行金融預警模型之實證研究」，碩士論文，國立台灣大學 會計學研究所。 李元和、梁立衛，2008。「台灣企業財務危機預警模型之實證研究」，『華人經濟 研究』。6 卷，1 期，24-44。 林淑萍，黃邵彥，蔡昆霖，2007。「企業危機預警模式之研究-DEA-DA、邏輯迴 歸與類神經網路之應用」，『會計與公司治理』。4 卷，35-56。 林麗雪、龍劭琪，2007。「資料探勘技術應用於財務危機預警模式之建構」，『中 華管理評論國際學報』。10 卷，4 期，1-20。 邱順南（2003），「台灣銀行業金融預警模型之探討」，碩士論文，靜宜大學財務 51 金融學系。 胡鐸清，2010。『金融監理與金融檢查實務』。台北：財團法人台灣金融研訓院。 徐中琦、劉皇佑，2011。「台灣集團企業財務預警模型之探討─DEA-DA 模型的 應用」，『台灣管理學刊』。11 卷，1 期，29-49。 殷乃平，1997。「金融監理制度的檢討與建議」，『台北銀行月刊』。27 卷，10 期，2-28。 張克群、楊淑閔、陳麗貞、范興宜，2010。「適應性類神經模糊推論系統於財務 危機預測之應用」，『臺灣銀行季刊』。61 卷，3 期，61-75。 陳中河，2000。「台灣農會信用部金融預警系統之研究」，碩士論文，朝陽大學財 務金融學系。 陳弘吉、邱國欽、李羽涵，2009。「金融預警系統之建立－以台灣商業銀行為 例」，『朝陽學報』。14 期，443-460。 陳康宇，2010。「應用類神經網路於金融預警模型之探討—以本國銀行為例」，碩 士論文，佛光大學管理學系研究所。 游淑雅，2001。「中央銀行與金融監理權」，『中央銀行季刊』。23 卷，2 期，31- 36。 劉易昌，2004。「支援向量機於財務預測上之應用」，碩士論文，靜宜大學資訊管 理學系研究所。 劉錦慧，2012。「後金融重建基金時代農漁會信用部退場機制之因應變革」，『農 政與農情』。240 期，85-88。 蔡碩倉，2000。「運用類神經網路建構台灣地區農會信用部金融預警系統」，『農 業經濟半年刊』。68 期，117-156。 蕭慧德、周萍芬、邱清顯，2008。「以支援向量機與羅吉斯迴歸進行企業危機診 斷之比較」，『遠東學報』。25 卷，2 期，333-342。 謝人俊、黃淑君，2004。「日本銀行與我國中央銀行金融檢查業務之比較」。『金 融監理與風險管理選輯』，34-64。中央銀行。 魏逢佑，2009。「應用支援向量機於盈餘管理之預測與影響因素分析」，碩士論 文，國立台灣大學會計學研究所。 52 英文部分 Basel Committee on Banking Supervision, 2001. Report on Consolidation in the Financial Sector. Switzerland：Basel Committee on Banking Supervision. Boser, Bernhard E., Isabelle M. Guyon, and Vladimir N. Vapnik, 1992. “A Training Algorithm for Optimal Margin Classifiers,” Proceedings of the 5th Annual Workshop on Computational Learning Theory. 92：144-152. Hall, P., J. S. Marron, and A. Neeman, 2005. “Geometric representation of high dimension, low sample size data,” Journal of the Royal Statistical Society B. 67： 427-444. Hsu, C.W., C. C. Chang, and C. J. Lin, 2004. “A practical guide to support vector classification,”Taiwan：National Taiwan University Department of Compoter Science, (http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf)(2013/5/10). Taylor, Michael, 1998. “The Search for a New Regulatory Paradigm,” Mercer Law Review. 49：793-807. Vapnik V. N. 1995. The nature of statistical learning theory. New York：Springer- Verlag. | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/58747 | - |
| dc.description.abstract | 農會信用部在地域性金融機構裡扮演重要的角色，金融海嘯之後，金融機構的
風險控制日益重要，然而建立財務預警系統則可監控農會信用部的財務狀況，預防 並降低其營運風險。本研究之目的在利用美國聯邦金融機構檢查評議委員會 (FFIEC)所制定的金融檢查制度CAMELS 等級方法建立農會信用部評等系統並使 用支援向量機建立農會信用部財務預警系統。 本研究首先按CAMELS 評等方式選出21 項財務變數，再透過因素分析篩選 出15 項主要變數作為建立評等系統之投入變數。然後使用支援向量機建立財務預 警系統，將2008 年至2011 年共976 筆資料做為訓練資料，透過格子點演算法計 算出最佳參數組合，並預測2012 年農會信用部財務狀況表現，實證結果顯示，使 用支援向量機建立財務預警系統預測評比等級落點準確率可達96.3115%，然而使 用傳統統計方法邏輯斯迴歸準確率則為89.7541%。實證結果顯示支援向量機預測 能力較邏輯斯迴歸準確。 | zh_TW |
| dc.description.abstract | Credit Departments of Farmers’ Associations play an important role in local
financial institution. Controlling risk of financial institution becomes more critical after Financial Tsunami. Nevertheless, establishing early warning system can monitor the financial situation of Credit Departments of Farmers’ Associations. This research selects 21 financial indicators through CAMELS score, then sifts 15 main indicators from 21 indicators as variables of scoring system. This research establishes early warning system by support vector machines. Let 976 data as training data during 2008 to 2011. It calculates the optimal parameter combination through grid search and predicts the performance of Credit Departments of Farmers’ Associations’ financial situation. The experiment results show that the accuracy of establishing early warning system by support vector machines is 96.3115%. However establishing early warning system by logistic regression is 89.7541%. According to this result, support vector machines have better performance of prediction than logistic regression. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-16T08:28:51Z (GMT). No. of bitstreams: 1 ntu-103-R00627027-1.pdf: 1688023 bytes, checksum: d84c55b82c307691f6faee3bcc6e45c5 (MD5) Previous issue date: 2014 | en |
| dc.description.tableofcontents | 摘要............................................................................................................................... i
Abstract ........................................................................................................................ ii 目錄.............................................................................................................................. iii 表目錄............................................................................................................................v 圖目錄.......................................................................................................................... vi 第一章 緒論................................................................................................................1 第一節 研究動機 ................................................................................................................... 1 第二節 研究目的 ................................................................................................................... 2 第三節 研究架構 ................................................................................................................... 5 第二章 文獻探討........................................................................................................6 第一節 金融監理 ................................................................................................................... 6 第二節 財務預警系統 ......................................................................................................... 10 第三章 研究方法......................................................................................................17 第一節 因素分析 ................................................................................................................. 17 第二節 支援向量機 ............................................................................................................. 17 第三節 線性支援向量機(可區分之分類問題) .................................................................. 17 第四節 線性支援向量機(不可區分之分類問題) ............................................................. 21 第五節 非線性支援向量機 ................................................................................................. 23 第四章 實證資料處理及實證結果分析..................................................................26 第一節 實證資料來源及期間 ............................................................................................. 26 第二節 實證資料樣本 ......................................................................................................... 26 第三節 CAMELS 財務指標變數選取 ................................................................................ 26 第四節 變數處理 ................................................................................................................. 32 第五節 建立信用評等模型 ................................................................................................. 36 第六節 農會信用部評等結果 ............................................................................................. 40 第七節 運用支援向量機建立財務預警系統實證結果 ..................................................... 41 第八節 運用邏輯斯迴歸建立財務預警系統實證結果 ..................................................... 47 第五章 研究結論與建議..........................................................................................48 第一節 研究結論 ................................................................................................................. 48 iv 第二節 研究限制 ................................................................................................................. 48 第三節 未來研究建議 ......................................................................................................... 49 參考文獻......................................................................................................................50 附錄..............................................................................................................................53 | |
| dc.language.iso | zh-TW | |
| dc.subject | 邏輯斯迴歸 | zh_TW |
| dc.subject | 支援向量機 | zh_TW |
| dc.subject | 農會信用部 | zh_TW |
| dc.subject | 財務預警系統 | zh_TW |
| dc.subject | Early Warning System | en |
| dc.subject | Credit Departments of Farmers’ Associations | en |
| dc.subject | Support Vector Machine | en |
| dc.subject | Logistic Regression | en |
| dc.title | 應用支援向量機建立農會信用部財務預警系統 | zh_TW |
| dc.title | Applying SVMs to Establish Early Warning System of Credit
Departments of Farmers’ Associations | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 102-1 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 周百隆,顏晃平 | |
| dc.subject.keyword | 農會信用部,財務預警系統,支援向量機,邏輯斯迴歸, | zh_TW |
| dc.subject.keyword | Credit Departments of Farmers’ Associations,Early Warning System,Support Vector Machine,Logistic Regression, | en |
| dc.relation.page | 59 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2014-01-13 | |
| dc.contributor.author-college | 生物資源暨農學院 | zh_TW |
| dc.contributor.author-dept | 農業經濟學研究所 | zh_TW |
| 顯示於系所單位： | 農業經濟學系 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-103-1.pdf 未授權公開取用 | 1.65 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。