The operating status of an enterpri

The operating status of an enterprise is disclosed periodically in a financial statement. As a result, investors
usually only get information about the financial distress a company may be in after the formal financial
statement has been published. If company executives intentionally package financial statements with
the purpose of hiding the actual status of the company, then investors will have even less chance of
obtaining the real financial information. For example, a company can manipulate its current ratio by
up to 200% so that its liquidity deficiency will not show up as a financial distress in the short run. To
improve the accuracy of the financial distress prediction model, this paper adopted the operating rules
of the Taiwan stock exchange corporation (TSEC) which were violated by those companies that were subsequently
stopped and suspended, as the range of the analysis of this research. In addition, this paper also
used financial ratios, other non-financial ratios, and factor analysis to extract adaptable variables. Moreover,
the artificial neural network (ANN) and data mining (DM) techniques were used to construct the
financial distress prediction model. The empirical experiment with a total of 37 ratios and 68 listed companies
as the initial samples obtained a satisfactory result, which testifies for the feasibility and validity
of our proposed methods for the financial distress prediction of listed companies.
This paper makes four critical contributions: (1) The more factor analysis we used, the less accuracy we
obtained by the ANN and DM approach. (2) The closer we get to the actual occurrence of financial distress,
the higher the accuracy we obtain, with an 82.14% correct percentage for two seasons prior to
the occurrence of financial distress. (3) Our empirical results show that factor analysis increases the error
of classifying companies that are in a financial crisis as normal companies. (4) By developing a financial
distress prediction model, the ANN approach obtains better prediction accuracy than the DM clustering
approach. Therefore, this paper proposes that the artificial intelligent (AI) approach could be a more suitable
methodology than traditional statistics for predicting the potential financial distress of a company.

ผลลัพธ์ (ไทย) 1:

สถานะการทำงานขององค์กรได้เปิดเผยไว้ในงบการเงินเป็นระยะ ๆ เป็นผล นักลงทุนเฉพาะมักจะได้รับข้อมูลเกี่ยวกับทุกข์ทางการเงินที่บริษัทอาจเป็นหลังแบบทางการเงินงบได้รับการเผยแพร่ ถ้าผู้บริหารบริษัทตั้งใจบรรจุงบการเงินด้วยวัตถุประสงค์ของการซ่อนสถานะจริงของบริษัท แล้วนักลงทุนจะมีโอกาสแม้แต่น้อยได้รับข้อมูลทางการเงินอย่างแท้จริง ตัวอย่าง บริษัทสามารถควบคุมอัตราส่วนของกระแสโดยลดสูงสุดถึง 200% เพื่อให้ขาดสภาพคล่องมันจะไม่แสดงเป็นความทุกข์ทางการเงินในระยะสั้นที่ใช้ ถึงปรับปรุงความแม่นยำของแบบจำลองทำนายการเงินทุกข์ กระดาษนี้นำกฎปฏิบัติของบริษัทตลาดหลักทรัพย์ไต้หวัน (TSEC) ที่ถูกละเมิด โดยบริษัทเหล่านั้นได้ในเวลาต่อมาหยุด และการหยุดชั่ว คราว เป็นช่วงของการวิเคราะห์งานวิจัยนี้ นอกจากนี้ นี้ยังกระดาษใช้อัตราส่วนทางการเงิน อัตราส่วนที่ไม่ใช่ทางการเงิน และอื่น ๆ การวิเคราะห์ปัจจัยในการดึงตัวแปรสามารถปรับเปลี่ยน นอกจากนี้โครงข่ายประสาทเทียม (แอน) และเทคนิคการทำเหมืองแร่ (DM) ข้อมูลที่ใช้ในการสร้างการแบบจำลองพยากรณ์ความทุกข์ทางการเงิน ทดลองรวมกับจำนวน 37 อัตราและ 68 บริษัทจดทะเบียนเป็นตัวอย่างเบื้องต้นได้ผลเป็นที่พอใจ ซึ่ง testifies ความเป็นไปได้และมีผลบังคับใช้วิธีของเรานำเสนอสำหรับทำนายความทุกข์ทางการเงินของบริษัทจดทะเบียนผลงานที่สำคัญสี่ทำให้เอกสารนี้: (1) เพิ่มเติมปัจจัยวิเคราะห์เราใช้ ความถูกต้องน้อยกว่าเราได้รับ โดยวิธีแอนและ DM (2) ใกล้ชิดที่เราได้เกิดขึ้นจริงของความทุกข์ทางการเงินสูงความถูกต้องเราได้ มีเปอร์เซ็นต์ถูกต้อง 82.14% สำหรับซีซั่นที่สองก่อนการเกิดขึ้นของทุกข์ทางการเงิน (3) ผลรวมของเราแสดงว่า วิเคราะห์ปัจจัยเพิ่มข้อผิดพลาดบริษัทจัดประเภทที่อยู่ในวิกฤตการณ์ทางการเงินเป็นบริษัทปกติ (4) โดยการพัฒนาการเงินแบบจำลองพยากรณ์ความทุกข์ วิธีแอนรับทำนายความแม่นยำที่ดีกว่า DM คลัสเตอร์แนวทางการ ดังนั้น กระดาษนี้เสนอว่า วิธี (AI) อัจฉริยะประดิษฐ์อาจจะเหมาะสมมากขึ้นวิธีกว่าสถิติดั้งเดิมสำหรับการคาดการณ์ความทุกข์ทางการเงินเป็นไปได้ของบริษัท

ผลลัพธ์ (ไทย) 2:

สถานะการดำเนินงานขององค์กรที่มีการเปิดเผยเป็นระยะ ๆ ในงบการเงิน เป็นผลให้นักลงทุนมักจะได้รับข้อมูลเกี่ยวกับความทุกข์ทางการเงิน บริษัท อาจจะอยู่ในหลังจากที่ทางการเงินอย่างเป็นทางการคำสั่งได้รับการเผยแพร่ หากผู้บริหารของ บริษัท จงใจแพคเกจงบการเงินที่มีวัตถุประสงค์ในการหลบซ่อนตัวอยู่สถานะที่แท้จริงของบริษัท แล้วนักลงทุนจะมีโอกาสแม้แต่น้อยของการได้รับข้อมูลทางการเงินที่แท้จริง ยกตัวอย่างเช่น บริษัท สามารถจัดการอัตราส่วนสภาพคล่องโดยการได้ถึง200% เพื่อให้การขาดสภาพคล่องของ บริษัท จะไม่แสดงขึ้นเป็นความทุกข์ทางการเงินในระยะสั้น เพื่อปรับปรุงความถูกต้องของความทุกข์ทางการเงินรูปแบบการทำนายบทความนี้นำกฎการดำเนินงานของบริษัท ไต้หวันตลาดหลักทรัพย์ (TSEC) ซึ่งถูกละเมิดโดย บริษัท เหล่านั้นที่ได้รับภายหลังหยุดและระงับเป็นช่วงของการวิเคราะห์ของการวิจัยนี้ นอกจากนี้งานวิจัยนี้ยังใช้อัตราส่วนทางการเงินอัตราส่วนที่ไม่ใช่สถาบันการเงินอื่น ๆ และวิเคราะห์ปัจจัยที่จะดึงตัวแปรปรับตัว นอกจากนี้เครือข่ายประสาทเทียม (ANN) และการทำเหมืองข้อมูล (DM) เทคนิคการถูกนำมาใช้ในการสร้างความทุกข์ทางการเงินรูปแบบการทำนาย การทดลองเชิงประจักษ์ด้วยรวมเป็น 37 อัตราส่วนและ บริษัท จดทะเบียน 68 เป็นตัวอย่างเริ่มต้นที่ได้รับผลที่น่าพอใจซึ่งเป็นพยานสำหรับความเป็นไปได้และความถูกต้อง. วิธีการที่นำเสนอของเราสำหรับการทำนายความทุกข์ทางการเงินของ บริษัท จดทะเบียนกระดาษนี้จะทำให้สี่ผลงานที่สำคัญ: ( 1) การวิเคราะห์ปัจจัยอื่น ๆ ที่เราใช้ในความถูกต้องน้อยกว่าที่เราได้รับจากANN และวิธีการ DM (2) ใกล้ชิดเราจะไปเกิดขึ้นที่เกิดขึ้นจริงของความทุกข์ทางการเงินที่สูงกว่าความถูกต้องเราได้มีร้อยละ82.14% ที่ถูกต้องสำหรับสองฤดูกาลก่อนที่จะมีการเกิดขึ้นของความทุกข์ทางการเงิน (3) ผลการศึกษาของเราแสดงให้เห็นว่าการวิเคราะห์ปัจจัยที่เพิ่มความผิดพลาดของบริษัท แบ่งประเภทของที่อยู่ในภาวะวิกฤตทางการเงินกับ บริษัท ตามปกติ (4) โดยการพัฒนาทางการเงินทุกข์ทำนายรูปแบบ, วิธี ANN ได้รับการทำนายความถูกต้องดีกว่าการจัดกลุ่ม DM วิธี ดังนั้นงานวิจัยนี้เสนอว่าอัจฉริยะประดิษฐ์ (AI) วิธีการอาจจะเหมาะสมกว่าวิธีการแบบดั้งเดิมกว่าสถิติในการทำนายความทุกข์ที่มีศักยภาพทางการเงินของบริษัท

ผลลัพธ์ (ไทย) 3:

โดยสถานะขององค์กรถูกเปิดเผยเป็นระยะ ๆในงบการเงิน เป็นผลให้นักลงทุน
โดยปกติแล้วได้รับข้อมูลเกี่ยวกับการเงิน บริษัทอาจจะทุกข์ตามงบการเงิน
อย่างเป็นทางการที่ได้รับการตีพิมพ์ ถ้าผู้บริหารของ บริษัท จะแพคเกจ งบการเงินกับ
วัตถุประสงค์ของปกปิดสถานะที่แท้จริงของบริษัทแล้วนักลงทุนจะมีโอกาสแม้แต่น้อย
ได้รับข้อมูลทางการเงินที่แท้จริง ตัวอย่างเช่น บริษัท สามารถจัดการกับอัตราปัจจุบันโดย
ถึง 200% ดังนั้นสภาพคล่องของขาดจะไม่แสดงเป็นทุกข์ทางการเงินในระยะสั้น

ปรับปรุงความถูกต้องของการพยากรณ์ทางการเงินรูปแบบกระดาษนี้ประกาศใช้กฎปฏิบัติ
ของบริษัทในตลาดหลักทรัพย์ไต้หวัน ( tsec ) ซึ่งถูกละเมิดโดยบริษัทผู้ที่ต่อมา
หยุดและหยุดชั่วคราว เป็นช่วงของการวิเคราะห์ของงานวิจัยนี้ นอกจากนี้บทความนี้ยัง
ใช้อัตราส่วนทางการเงินอัตราส่วนทางการเงินอื่น ๆและการวิเคราะห์ตัวประกอบสกัดตัวแปรที่ปรับตัวได้ โดย
โครงข่ายประสาทเทียม ( ANN ) และการทำเหมืองข้อมูล ( DM ) เทคนิคที่ใช้สร้าง
ทางการเงินการพยากรณ์แบบ การทดลองเชิงประจักษ์มีทั้งหมด 37 อัตราส่วนและ 68 บริษัทจดทะเบียน
เป็นตัวอย่างเริ่มต้นได้รับผลที่น่าพอใจ ซึ่งเป็นพยานสำหรับความเป็นไปได้และความถูกต้อง
ของเราเสนอวิธีการสำหรับการพยากรณ์ทางการเงินของบริษัทจดทะเบียน
กระดาษนี้จะทำให้มี 4 ผลงาน ได้แก่ ( 1 ) การวิเคราะห์ปัจจัยมากกว่าที่เราใช้ น้อยกว่าที่ถูกต้องเรา
ได้โดยวิธีการ แอน และเบาหวาน . ( 2 ) ยิ่งเข้าใกล้เหตุการณ์ที่แท้จริง ของความทุกข์ทางการเงิน
สูงกว่าความถูกต้องที่เราได้รับกับ 82.14 % ถูกต้องร้อยละ 2 ฤดูกาลก่อน
เกิดความทุกข์ทางการเงิน