Page 332 - 抓住信用的價值與風險-銀行信用貸款的價值衡量與迷思

抓住信用的價值與風險
發生的機率，該分析方法能使事件之機率介於 0 和 1 之間。Ohlson

4
（1980） 以1970～1976年間的105家破產公司和2,058家正常公司
共 2,163 家公司做為樣本，引入 9 項財務比率變數，並利用 Logistic

迴歸進行分析，研究結果發現公司規模、負債比率、資產報酬率、

現金流量比率、營運資金比率和流動比率倒數皆會顯著影響公司

是否發生違約，並將這些變數歸納為公司的四種性質，分別為公司
銀行信用貸款的價值衡量與迷思 - 規模、財務結構、績效及流動性。該研究成果更顯示 Logistic 分析

法具有良好的預測準確度。

③ 現金流量分析法

5
Gentry, Newbold and Whitford（1985） 在淨現金流量的基礎上，發
展了現金流量之違約預測模型。其認為公司的價值來自經由經營、

政府、債權人與股東的現金流量的折現值之和。他們根據所取得之

違約公司和正常公司的數據，發現在違約前 5 年內兩類公司的經營
現金流量均值和現金支付的所得稅均值有顯著的差異，此一現象

說明了公司經營效率之優劣將影響現金流量的差異，因此，可透過

現金流量之資訊來預測公司是否會發生違約事件。

④ 類神經網路模型
7
6
Coats and Fant（1993） 、Koh and Tan（1999） 、Nasir, John,Bennett

4 Ohlson, J. A. 1980, Financial ratios and the probabilistic prediction of bankruptcy,Journal of Accounting Research, 18,
109-131.
5 Gentry, J. A., Newbold, P. and Whitford, D. T., 1985. Classifying Bankrupt Firm swith Funds Flow Components, The
Journal of Accounting Research , 23,1, 146-160.
6 Coats, P. K., & L. F. Fant 1993,Recognizing Financial Distress Using a Neural Network Tool, Financial Manage-ment,
142-155
7 Koh, H. C. and Tan S. S. 1999, A neural network approach to the prediction of going concern status, Accounting and
Business Research, 29, 3, 211-216.

322