臺北科技大學商業自動化與管理研究所學位論文
國立臺北科技大學,正常發行
選擇卷期
- 學位論文
股市裡流通的資訊十分多元，可以區分為時間性以及不具時間性。時間性的資訊通常指可以公開在市面上，在發佈時間也可以被預知的資訊，例如公司定期發佈的營收資訊。而不具時間性的資訊，其發佈時間往往無法預知，市場上的投資人也不易在事先預測其中的內容，例如券商發佈的個股評等。本研究採用事件研究法來探討當資訊發佈時市場投資者的交易行為。 本研究發現如下：1.在具有時間性的資訊發佈時，投資者的交易量並未顯著改變。2.散戶投資人會產生「過度自信」的交易現象。3.外資評等會對股市報酬率產生影響，且外資交易行為比散戶更影響股市報酬率。4.散戶投資人在好消息公佈時，異常買量與賣量均顯著增加，並傾向賣超；在中立消息公佈後，異常買量與賣量些微增加，並呈現買超的趨勢；在壞消息公佈後，異常買量與賣量均顯著減少。以上的現象代表台灣的散戶投資人存在強烈的「處分效果」。5.外資與散戶之間的交易行為呈現負相關性。6.外資之間的交易行為具有正向相關性，在好消息發佈時異常買進與賣出均增加，呈現買超傾向；壞消息則異常賣出量增加，呈現賣超傾向；在中立消息前，總體外資呈現顯著的賣超，而發佈券商交易量並沒有異常，代表在中立消息發佈前，外資券商之間對於股票仍有不同的看法。
- 學位論文
一般來說，對於一個具有創新能力的企業組織應該具備有無限創造力，所以在追求創新的同時，組織的領導者與經營管理階層就必須具有對創新的堅持及認真地領導整個創新團隊的發展，如此才能撼動整個企業，使創新的神經系統活絡起來。在全球競爭的壓力下，企業如何能取得更新的知識與技術成為致勝的重要關鍵。 從長遠來看，企業創造價值的關鍵在於創新，一個公司想盡辦法減少開支或模仿別人的發明，都無法真正在商業上取得成功，只有創新才能贏得最廣泛的消費群支持，才能獲得最大的利潤。本研究乃以供應鏈、產品與技術等創新類型，探究其影響創新之因素與組織績效之探究。 本研究最主要是探討創新的因素有市場導向、組織文化與技術能力及創新影響的組織績效包含在財務績效、新產品成功率、顧客滿意度與員工滿意度等組織績效之探究。時代進步使得資訊傳遞快速，科技革新的速度也跟著加快，企業可透過不斷的組織創新來提升企業的組織績效，因此組織創新便成為未來企業的關鍵成功因素。本研究經由過去文獻探討，建立研究架構後對任職於3M台灣各事業群資深經理人做深入訪談，受訪者對於創新對組織績效之影響，都表達正面積極的觀點，3M公司是一個不停追求創新及突破的企業組織，並鼓勵同仁的想像力無遠佛界自由翱翔，3M特有的創新文化，使內部組織永遠充斥一股追求創新的氣象。
- 學位論文
台灣服務業大多屬於中小企業，規模較小，壽命較短，管理能力與經驗較差，面對新世代的環境變遷與產業競爭，經營管理上的改革與創新已是勢在必行的趨勢。部份顧客導向與績效的研究一再顯示出中介變數存在的可能性，過去結合顧客導向與核心能力的研究很少，而加入服務要素相關構面來進行探討的研究則又更少，因此本研究透過文獻彙整與專家學者的意見，建立本研究架構與衡量變數，以中小企業處企業志工為研究對象，共發出400份問卷，有效問卷為273，並利用線性結構方程式模型LISREL8.72做為分析工具，試圖以服務導向、服務品質能力與服務流程能力為中介變數，解釋顧客導向與績效之間的關係。研究結果服務導向能強化顧客導向所產生的效果，同時服務導向亦能促進服務品質能力與服務流程能力與組織績效之間的作用關係，證明服務導向、服務品質能力與服務流程能力皆為有效傳導顧客導向的強力中介變數，對於組織績效間具有明確且重要的互動關係，本研究提供後續服務管理的新研究方向，也提供企業界改善服務品質與服務效率進而提升組織績效的參考依據。
- 學位論文
這篇論文首先是探討產業集度指標、產品集中度指標、集團集中度指標及概念股集中度指標與基金績效之關係，採用分位數迴歸分析（Quantile Regression）來探討在不同的績效水準之基金。本研究發現，只有在產業集中度指標下，最佳的基金效率與集中度指標呈現正向顯著關係。在探討集中度指標與基金效率值之間的關連性後，本研究利用Treynor and Mazuy（1966）所提之Treynor and Mazuy之二次項模型、Fama and French（1993）三因子模型與Carhart (1997)四因子莫型探討基金經理人能力與集中度指標之之關連性。其研究結果顯示，若以整體樣本做模型分析，股票報酬與三種模型均呈現正向顯著；但若以樣本分群做模型分析，大部份股票報酬與三種模型均不顯著。此意謂著經理人是具有獲得異常報酬之選股能力，但在集中度愈大效率也愈大的情況下，其選股能力無顯著性。
- 學位論文
消費者心理隨著時代不斷的改變，從1950年代，以生產為導向的大眾行銷方式，演化到以2000的顧客整合銷行方式，消費者的觀念由重視產品，一直演化到目前重視消費價值，而且隨著消費者意識逐漸抬頭，品牌的價值也成為消費者關心的焦點。為了整合品牌在消費者心中的價值地位，通路商紛紛推出「自有品牌形象」商品，藉以提高競爭優勢與獲得合理的經營利潤。 目前市場中，便利商店自有品牌形象發展的競爭越形激烈，成為彼此相當關注的議題。本文針對 7-eleven 探討自有品牌形象，透過問卷調查的方式，共有322份有效問卷，並以統計工具LISREL 8.72版本進行實證分析，針對資料對於所假設的研究架構進行分析與探討。分析自有品牌形象與服務便利性對於價格認知與購買意願之影響。
- 學位論文
由於股市投資具備高報酬率的特性，使得投資人大量的投入，但一般投資大眾在面對廣大的股市行情與資訊時往往依賴許多外來的因素所影響而無法做出正確的判斷，在沒有任何可供參考的資訊支援的情形下便進場投資，很難得到合理的報酬，而本研究便是利用較為被大眾所接受的技術指標做為判斷的準則，利用基因演算法建構出預測模型，並以投資組合理論做為基礎，提供投資人最具有效性的投資組合。資料期間分為訓練期與測試期，訓練期為2006年10月3號至2006年12月28號，將各檔股票之技術指標加以編碼後，利用基因演算法建構出預測模型與誤差值、變異數等可供參考的數值，再以投資組合理論為基礎，設計出投資人可接受的組合比例。
- 學位論文
非營利組織一直對於社會服務有著不可或缺的地位，而私人的非營利組織經由企業或大眾的善心捐贈，獲得充分的人力資源和財源，以維持組織的穩定發展；因此捐款對於非營利組織的重要性可說是不言而喻。 本研究以國內知名之非營利組織的捐款者為研究對象，探討其捐款對象是否善盡社會責任在捐款者心中產生之認知，加上捐款者人格特質，透過社會交換模式的中介效果，對捐款者知覺價值帶來的影響。本研究運用驗證性方法，發放學術問卷，採用LISREL8.72統計工具針對研究假設與因果模式等方面之進行實證分析與探討，最後得知捐款者對於其所捐款之非營利組織是否善盡社會責任的認知以及捐款者之人格特質會透過社會交換的模式，進而對於捐款者的知覺價值產生影響。
- 學位論文
科技日新月異，企業透過獲取正確的資訊以及快速回應來保持競爭優勢根據資源基礎理論，企業由一群資源所組合，並透過資源的使用來幫助企業達成目標。台灣中小企業蓬勃發展且具有高度彈性以及快速回應的特性在台灣經濟扮演重要角色。本研究將透過資源基礎理論建立一個企業資訊入口網站，將本網站與其他不同架構的網站做比較，找出特點提供給企業做參考。 在本研究中，我們利用表象化型態轉變來建立企業資訊入口網站，表象化型態轉變為ㄧ以資源作定義的系統架構風格，在本研究先介紹關於此專案的背景，接著針對專案做系統需求與系統分析。在分析完需求之後，我們建立一個企業資訊入口網站的雛形。我們使用Ruby on Rails 2.0 來作為建置工具，因為它所支援的Ruby語言是最適合建置REST。建置完成之後，我們還提供使用指南以及一些壓力測試以確保功能都能正常運作。 在開發完網站之後，我們討論一些管理上議題，在成本、企業程序以及策略上，REST風格的架構可以快速建立以及降低建置成本及時間。且我們也對REST架構與其他軟體架構的異同做了討論，了解REST架構的網站確實是一個可行的選擇方案。而這些優點都可以帶給中小企業在建置時的一個選擇。
- 學位論文
近年來由於企業面臨激烈競爭與多樣且多變的經營環境，管理一旦成效不彰則易引發財務危機甚至於公司倒閉的情況，進一步造成社會的不安定與金融秩序的嚴重衝擊。因此，過去幾年來，有許多學者們紛紛投入建構危機預警模型相關研究，以達成企業經營成效之提升與降低企業營運成本降低之目的，本研究欲建立一套企業財務危機診斷模式，期望能提供監督機構、投資人、企業營運單位，提早在危機發生前有所警覺。 企業財務危機診斷模型是利用資料探勘方法建構，其分為四部分：第一部分為建立單一診斷模型和危機再確認模型。第二部分則是建立多重組合危機預測模式以判別分類結果是否一致，若結果不一致，則分別利用案例式推理模式 (Case-base Reasoning) 和投票機制預測模式做診斷。第三部分，是建立簡化型單一危機預測模式和多重組合危機預測模式，最後一個部分利用基因演算法 (Genetic Algorithm, GA) 在眾多方案中找出最佳化組合方式。 研究結果顯示透過危機再確認模式和不一致診斷模式可以得到較佳的預測效果，再藉由最佳化模式可以較快找到一套最適財務經營危機預測模式。這模式能提供企業在危機中如何變革求生的參考與建議，進而提升企業經營之競爭力。
- 學位論文
乳癌是全世界女性罹患最多的癌症之一，近年來由於醫學進步，若經提早的診斷發現及適當的治療，則乳癌的10年存活率平均達60%，第一期乳癌的存活率則高達80%以上，零期乳癌甚至接近100%。在科技進步及電腦處理普及的情況下，大量的醫院病患資料得以更快速的取得與分析，利用資料探勘方法將可以在短時間內進行預測及分類，提供醫生診斷之參考。 為建立一乳癌輔助診斷模型，利用倒傳遞類神經網路 (BPN)、決策樹 (C5.0)、貝氏網路 (BN)、支援向量機 (SVM)、邏輯式迴歸 (LR)、區別分析 (DA)、案例式推理 (CBR)、多元適應性雲形迴歸 (MARS) 對細針抽吸 (FNA) 乳房檢驗資料進行分析。建立的模型有單一乳癌診斷模型，包含單一診斷模型及再確認診斷模型；多重乳癌診斷模型，包含不一致診斷模型及投票組合診斷模型。另嘗試利用基因演算法 (GA) 在眾多方案中快速找出最佳解之乳癌診斷模型組合。結果顯示，再確認診斷模型、不一致診斷模型及投票組合診斷模型，皆優於單一診斷模型，其中投票組合模型表現為最佳，準確率達98.82%。而利用GA確實能減少建立模型所耗費的時間，找到最佳乳癌診斷之組合，在短時間內進行預測，提供醫生做為疾病診斷之參考，並提升診斷之準確性。