專案詳細資料
Description
財報具有半強制及綜合數值與文字的揭露形式,此資訊主要供外部人使用,因此財報品質相當重要。立論於代理問題與資訊不對稱理論,本研究以二年用台灣樣本來探討下列議題:(一)探討年報文字特質,並研究不同盈餘品質之公司在年報(如,致股東報告書)如何描述文字內容。(二)使用上述中文文本分析結果及混合不同數值進行機器學習危機預測模型,期望能提高公司危機的預測能力。議題一貢獻:(1)不同於其他文獻,此為第一篇以致股東報告書特性及相關規定,探討中文在文字揭露上之特性。(2)中英文在語言特性及文法上有很大不同,文字探勘演算法也會有所不同。本文使用中文文字探勘技術來探討研究議題。(3)考量資訊不對稱及公司揭露動機,通常有壞消息之公司會想隱瞞或操弄資訊。本文探討不同盈餘品質程度及有隱藏資訊動機之公司之中文文字描述特性。議題二貢獻:(1)通常被公司隱瞞或操弄的資訊通常是壞消息,這些壞消息常導致公司危機。本文為第一篇利用文字探勘的發現來進行公司危機預測。(2)本文為第一篇採用隨機森林演算法,建構以文字分析結果及不同危機模型之指標之危機預測模型,期望能提高公司危機的預測能力。
狀態 | 已完成 |
---|---|
有效的開始/結束日期 | 1/08/20 → 31/12/21 |
Keywords
- 資訊不對稱
- 致股東報告書
- 文字特性
- 文字探勘
- 盈餘品質
- 機器學習
- 公司危機預測模型
- 隨機森林
指紋
探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。