以類神經網路探討上市公司會計師公費研究

勤益科大機構典藏 > 管理學院 > 研發與科技管理研究所 > 【研發與科技管理研究所】博碩士論文 > Item 987654321/5096

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/5096

題名:	以類神經網路探討上市公司會計師公費研究
作者:	廖恒毅陳仕昇
貢獻者:	資訊與電能科技研究所
關鍵詞:	資訊揭露類神經網路迴歸分析會計師公費審計公費
日期:	2011
上傳時間:	2013-08-06 13:32:25 (UTC+8)
出版者:	台中;國立勤益科技大學
摘要:	良好的資訊揭露(Information Disclosure)機制有助於降低資訊不對稱、提高資本市場的健全度以及提升企業資訊透明度，亦加強對企業之監控。在企業揭露財務資訊中，負責簽證的會計師扮演相當重要的角色。但投資人可能對會計師的查帳資訊感到疑惑、質疑公開發行公司的財務報告、財務報導準則、會計及審計規範與管制的可靠性。揭露會計師公費(Auditor's Fee Disclosure)資訊，除可達到提升公司聲譽、有利投資者和股東決策及風險評估、企業價值，亦可提升資訊揭露評鑑成績。其揭露公費提供投資人觀察當會計師或其所屬事務所承攬各項業務，是否會影響到會計師簽證之公正、獨立性。已往學者均以迴歸分析(Regression Analysis)來進行研究，其缺點為易受資料結構及在複雜資料的錯誤率較高。近年類神經網路(Artificial Neural Network，ANN)運用在財務分析方面績效卓著，相關研究多以預測正確率，來做迴歸與類神經網路模式優劣的判斷準則。本研究以2005年至2009年國內電子業上市公司為研究對象，探討揭露會計師公費及揭露審計公費之行為，對Logistic迴歸與倒傳遞類神經網路(Back-Propagation Network，BPN)比較其解釋能力及預測能力。實證結果顯示，類神經網路能夠以較少的重要解釋變數(資訊揭露評鑑、公司規模、負債比率、海外上市、新上市)，解釋揭露會計師公費模型，其類神經網路的預測正確率均優於使用迴歸分析；而類神經網路模型能夠以四項重要解釋變數(公司規模、存貨及應收帳款佔總資產比率、事務所聲譽、非審計公費揭露)，解釋揭露審計公費模型，且使用類神經網路足以達到與使用迴歸分析相同的預測正確率。
顯示於類別:	[研發與科技管理研究所] 【研發與科技管理研究所】博碩士論文

文件中的檔案:

沒有與此文件相關的檔案.

檢視Licence

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....