財務預警模式建立之目的在於提早發現潛在的危機，回顧過去文獻對此問題的研究方法包括單變量分析、多變量區別分析、Logistic迴歸分析、類神經網路等。本研究將由個案公司信用評等表原有之變數包括財務比率及總體經濟變數，再以目前準確率最高的支撐向量機(Support Vector Machine, SVM)來建構財務預警模式，以提供個案銀行作為核准撥貸或審核額度的重要參考。
建立五個模型，以財務比率為基礎的模型一，分別採用不同總體經濟變數組合加入預測模型中，以檢視目前所採用之基礎模型的正確率及總體經濟指標對財務危機預警模型之影響。實證結果顯示出基礎模型的正確率93.46%，加入不同總體經濟變數的正確率分別為93.54%、94.75%、94.07%、93.74%，其結果均高於93.46%，顯示總體經濟變數確實能提升預測模型的正確率。

The purpose of establish financial distress prediction model is to detect potential crisis earlier. Review the literature on this issue, the approach includes univariate analysis, multiple discriminant analysis, logistic regression analysis, artificial intelligence tools such as neural network. In this thesis, the variables we use are financial ratios and macroeconomic variables which are from the Bank K‘s credit scoring indictors. Construct financial distress prediction model with these variables base on support vector machine (SVM).
In this thesis will establish five models, which use financial ratios and macroeconomic variables in different combinations. To see its accuracy and the impact of macroeconomic indicators we used in the financial distress prediction model. The empirical results show that the basic model’s accuracy is 93.46% , the other models’ accuracy are 93.54%, 94.75%, 94.07%, 93.74%, higher than the 93.46 percent overall macroeconomic variables can improve the accuracy of the prediction model.

中文文獻
王美琴，2007，中小企業授信違約因素之研究-以C銀行為例，逢甲大學保險學系碩士論文。
江欣怡，2004，企業危機預警模型在台灣的應用與比較，東吳大學國際貿易學系碩士。
池千駒，1999，運用財務性,非財務性資訊建立我國上巿公司財務預警模式，國立成功大學會計學系碩士論文。
何倩，2010，財務預警的功能和意義，2012年5月23日，取自中國論文下載中心，網址http://www.studa.net/kongzhi/100518/15063838.html
吳惠榕，2011，企業風險預警系統之建構與應用，東吳大學企業管理學系碩士論文。
吳達凱，2007，銀行業建立企業信用評等以管理授信信用風險之研究，東吳大學企業管理學系碩士論文。
李沃牆，2010，考量總體變數下的公司違約預測--遺傳規畫決策樹與Logit模型之比較， 臺灣銀行季刊，61(1)，168-186。
李明仁，2008，企業財務危機預警模型之實證研究，世新大學管理學院財務金融學系碩士論文。
李明峰，2001，銀行業對企業授信『信用評等表』財務比率預警有效性之實證分析， 國立中山大學財務管理學系研究所碩士論文。
李羿儒，2004，財務危機預警模式之再探討-運用支撐向量機及logit模式，高雄第一科技大學財務管理學系碩士論文。
李婉慈，2000，銀行往來關係與公司經營績效及財務危機之關聯性分析，國立中正大學財務金融研究所碩士論文。
阮懷勝，2006，財務危機預警模式之研究-以電子產業為例，東吳大學會計學系碩士論文。
周百隆、盧俊安，2007，以Cascaded Logistic Model 建構我國企業財務危機預警模型之研究，中華管理評論國際學報，10(2)。
林裕晟，2010，考慮景氣循環趨勢應用資料探勘於企業財務危機預測，國立高雄大學資訊管理學系碩士論文。
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(4)。
洪琳美，2005，運用支撐向量機與類神經網路於銀行授信之研究，國立台灣科技大學資訊管理系碩士論文。
徐美珍，2004，企業財務危機之預測，國立政治大學統計學系碩士論文。
張名君，2010，財務危機預警模式持續性之研究，國立高雄第一科技大學財務管理系碩士論文論文。
張瑞元、林金賢，2005，建構銀行危機預警模型--訊號法與Panel Logit之結合，會計與公司治理，1(2)，9-32。
張漢傑，2007，破解財務危機-台灣首度以財務及非財務指標分析危機公司，梅霖文化，台北。
張韻芝，2008，財經新聞語料探勘技術在企業財務危機預警模型構建上之應用，銘傳大學財務金融學系碩士論文。
陳雪芳、李天行、邱志洲，2010，結合財務比率,智慧資本與公司治理指標於企業危機預警模式之建構，電子商務研究，8(3)。
黃立維，2008，結合資料採礦技術於建構建築業財務危機預警與關鍵因素分析模型之研究，雲林科技大學營建工程系碩士論文。
黃志力，2007，企業財務危機預測-以類神經網路建構產業別預警模型，國立中山大學企業管理學系碩士論文。
黃美月，1997，上市公司營運危機預測模型建立之研究，管理會計雜誌，41，53-82。
黃振豊、呂紹強，2000，企業財務危機預警模式之研究-以財務及非財務因素構建，當代會計，1(1)，19-40。
黃博怡、張大成、江欣怡，2006，考慮總體經濟因素之企業危機預警模型，金融風險管理季刊，2(2)，75-89。
曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯，2005，資料探勘，旗標出版社，臺北。
萬智傑，2007，台灣中小企業之財務危機預警模型、信用評等與巴塞爾協定資本計提，東吳大學企業管理所碩士論文。
鄒香蘭，2001，我國股票上市公司財務危機預警模型之比較，國立彰化師範大學商業教育學系碩士論文。
楊凌峰，2008，台灣上市公司財務危機早期預警之研究，義守大學財務金融學系碩士論文。
鄧志豪，2000，以分類樣本偵測地雷股-新財務危機預警模型，國立政治大學金融學系碩士論文。
蔡佳芳，2008，考量資訊揭露透明度之公司預警模型，, 國立宜蘭大學應用經濟學系碩士論文。
蔡長裕，2010，以財務比率衡量企業財務危機預警模型之實證研究，國立臺北大學國際財務金融碩士論文。
鄭文英、蘇恩德、李勝榮、何慧清，2008，財務危機預警模式建構影響因素之預測能力整合分析，中華管理評論國際學報，11(1)，1-18。
簡珮如，2004，總體經濟、財務資訊與公司治理變數對公司財務危機機率預測之影響， 銘傳大學財務金融學系碩士論文。
謝智安，2004，企業財務危機預測之研究，國立中正大學國際經濟研究所碩士論文。

 
英文文獻
Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609.
Altman, E. I., Marco, G., & Varetto, F. (1994). Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience). Journal of Banking & Finance, 18(3), 505-529.
Atiya, A. F. (2001). Bankruptcy prediction for credit risk using neural networks: A survey and new results. Neural Networks, IEEE Transactions on, 12(4), 929-935.
Back, B., Laitinen, T., & Sere, K. (1996). Neural networks and genetic algorithms for bankruptcy predictions. Expert Systems with Applications, 11(4), 407-413.
Beaver, W. H. (1966). Financial Ratios As Predictors of Failure. Journal of Accounting Research, 4, 71-111.
Begley, J., Ming, J., & Watts, S. (1996). Bankruptcy classification errors in the 1980s: An empirical analysis of Altman's and Ohlson's models. Review of Accounting Studies, 1(4), 267-284.
Berry, M. J., & Linoff, G. (1997). Data Mining Techniques: For Marketing, Sales, and Customer Support. New York, NY, USA: John Wiley & Sons, Inc.
Collins, R. A., & Green, R. D. (1982). Statistical methods for bankruptcy forecasting. Journal of Economics and Business, 34(4), 349-354.
Curt, H.,(1995). The Devil's in the Detail: Techniques, Tools, and Application for Database mining and Knowledge Discovery-Part 1, Intelligent Software Strategies, 6(9), 1-15.
Fayyad, U., Piatffsky-Shapiro, G., & Smyth, P. (1996). The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communications of the ACM, 39(11), 27-34.
Frawley, W. J., Piatetsky-Shapiro, G., & Matheus, C. J. (1992). Knowledge discovery in databases: an overview. AI Mag., 13(3), 57-70.
Grupe, F. H., & Mehdi Owrang, M. (1995). DATA BASE MINING Discovering New Knowledge and Competitive Advantage. Information Systems Management, 12(4), 26-31.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: an update. SIGKDD Explor. Newsl., 11(1), 10-18.
Hua, Z., Wang, Y., Xu, X., Zhang, B., & Liang, L. (2007). Predicting corporate financial distress based on integration of support vector machine and logistic regression. Expert Syst. Appl., 33(2), 434-440.
Huang, W., Nakamori, Y., & Wang, S.-Y. (2005). Forecasting stock market movement direction with support vector machine. Comput. Oper. Res., 32(10), 2513-2522.
Huang, Z., Chen, H., Hsu, C.-J., Chen, W.-H., & Wu, S. (2004). Credit rating analysis with support vector machines and neural networks: a market comparative study. Decision Support Systems, 37(4), 543-558.
Hui, X.-F., & Sun, J. (2006). An application of support vector machine to companies' financial distress prediction. Paper presented at the Proceedings of the Third international conference on Modeling Decisions for Artificial Intelligence, Tarragona, Spain.
Jo, H., & Han, I. (1996). Integration of case-based forecasting, neural network, and discriminant analysis for bankruptcy prediction. Expert Systems with Applications, 11(4), 415-422.
Kohavi, R. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. Paper presented at the Proceedings of the 14th international joint conference on Artificial intelligence - Volume 2, Montreal, Quebec, Canada.
Li, S.-T., Shiue, W., & Huang, M.-H. (2006). The evaluation of consumer loans using support vector machines. Expert Systems with Applications, 30(4), 772-782.
Mensah, Y. M. (1984). An Examination of the Stationarity of Multivariate Bankruptcy Prediction Models: A Methodological Study. Journal of Accounting Research, 22(1), 380-395.
Nguyen, P. (2007). Macroeconomic factors and Japan's industry risk. Journal of Multinational Financial Management, 17(2), 173-185.
Odom, M. D., & Sharda, R. (1990, 17-21 Jun 1990). A neural network model for bankruptcy prediction. Paper presented at the Neural Networks, 1990., 1990 IJCNN International Joint Conference on.
Ohlson, J. A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109-131.
Paul R. Bears, (1997). Consumer Lending, 3rd edition, American Bankers Association, P144.
Pesaran, M. H., Schuermann, T., Treutler, B.-J., & Weiner, S. M. (2005). Macroeconomic Dynamics and Credit Risk: A Global Perspective. Journal of Money Credit and Banking, 38(5), 1211-1261.
Tan, P.-N., Steinbach, M., & Kumar, V. (2005). Introduction to Data Mining: Addison Wesley.
Van Gestel, T., Baesens, B., Suykens, J., Espinoza, M., Baestaens, D. E., Vanthienen, J., & De Moor, B. (2003, 20-23 March 2003). Bankruptcy prediction with least squares support vector machine classifiers. Paper presented at the Computational Intelligence for Financial Engineering, 2003. Proceedings. 2003 IEEE International Conference on.
Witten, I. H., Frank, E., & Hall, M. A. (2005). Data Mining: Practical Machine Learning Tools and Techniques: Morgan Kaufmann.
Xie, C., Luo, C., & Yu, X. (2011). Financial distress prediction based on SVM and MDA methods: The case of Chinese listed companies. Quality & Quantity: International Journal of Methodology, 45(3), 671-686.
Zmijewski, M. E. (1984). Methodological Issues Related to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, 22, 59-82.
 
網站部分
Weka. Data Mining Software in Java, http://www.cs.waikato.ac.nz/ml/weka/.
台灣經濟新報 http://www.tej.com.tw/twsite/
台灣證券交易所公開資訊觀測站 http://mops.twse.com.tw/
行政院經濟建設委員會景氣指標查詢系統 http://index.cepd.gov.tw/
第一銀行https://www.firstbank.com.tw/A5_2_3.action
Dr. G.P.S. Raghava http://www.imtech.res.in/raghava/rbpred/svm.jpg