投資大眾常會參考公司所公佈的財務季報，再計算出各財務比率變數，作為評估投資標的經營績效。然而所使用的資料已為過去的歷史資訊。為了解決此問題，許多研究開始對於財務比率變數進行預測。
本研究以灰色系統理論針對台灣地區上市電子業進行財務比率變數，選取不同期間並且考慮不同經濟背景的因素，進行各指標的預測，再以集群分析的K-Means進行分群後，計算預測的準確率。研究結果發現：
一、指標篩選模式中，GM(1,N)較灰關聯分析所篩選出的指標，在預測上有更好的結果。
二、在財務比率變數的預測中，灰預測傅利葉殘差修正模式較GM(1,1)模式有更高的預測準確率，可以提供更完整的資訊。
三、輸入預測季前五季作為輸入值有最佳的預測結果，若只使用四點資料，因資料量太少，預測準確率不佳；若將輸入資料增加為前六季，因包含太久以前的資料，無法提高準確率。
四、季節的波動性對於預測準確率的影響不大。
五、使用GM(1,N)篩選指標、傅立葉灰殘差修正進行預測之模式，不論在經濟環境穩定或者波動的期間，都能夠有穩定的預測準確率。不會因為外在環境不穩定而使準確率下降。
關鍵字：灰色理論、傅立葉灰殘差修正、財務比率變數、K-Means

The investors or managers of a firm often take the financial statements announced by each firm as references and derive the financial ratio indexes to evaluate the performance of their underlying assets. However, the data can only show the past information. In order to solve this problem, there have been many researches focused on the prediction of the financial ratio indexes.
This study uses Grey System Theory to predict the financial ratio indexes of the Taiwanese Electronics Industry listed on Taiwan Stock Exchange, taking different periods with different economical background into account. Then, use K-Means to evaluate the accuracy of the model.

The empirical results are as follow:
1.GM(1,N) has a better performance than Grey Relation Analysis in the selection of financial indexes. It can choose the indexes that provide more information.
2.When predicting the future trends of the financial ratio indexes, FGM has better accuracy than GM(1,1).
3.Using the past five quarterly statements as the input of the model has a better result than using past four or six quarterly statements.
4.The seasonal volatility doesn’t have a large impact on this model.
5.Using FGM as the predicting function with GM(1,N) has a steady accuracy no matter under stable or uncertain economic environment.

中文部份
[1] 田自力(1996)，「灰色理論在預測與決策之研究」，成功大學機械工程研究所博士論文。
[2] 何怡慧(1999)，「上市公司財務績效指標灰色預測模式之研究」，長榮管理學院經營管理研究所碩士論文。
[3] 余思嫻(2009)，「應用灰預測傅利葉殘差修正模型於台灣50現貨之投資組合策略及價差交易」，台灣科技大學資訊管理研究所碩士論文。
[4] 周立倫(2007)，「財務報表分析理論與實務」，揚智文化。
[5] 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，第10卷，第2期，第1-15頁。
[6] 邱韻蓉(2009)，「應用平滑支撐向量迴歸與灰預測於台灣加權股價指數真實波動率之研究」，台灣科技大學資訊管理研究所碩士論文。
[7] 張敦程(2001)，模糊聚類演算法應用於高雄海域污染範圍之判定，國立中山大學海洋環境及工程學系研究所。
[8] 黃俊英(2000)，多變量分析，中國經濟企業研究所。
[9] 黃珮雯(2006)，「以財務比率、共同比分析和公司治理指標預測 上市公司財務危機之基因演算法與支持向量機的計算模型」，國立政治大學資訊科學學系碩士論文。
[10] 楊森傑 (1999)，「股價指數價格預測與避險操作-熵預測模型與灰預測模型之應用」，銘傳大學碩士論文
[11] 楊建民、劉立倫(1995)，「財務比率預測經營績效及其資訊價值之研究：範例學習法的研究途徑，國家科學委員會研究彙刊：人文及社會科學，第5卷，第2期，第205-219頁。
[12] 蔣柏廷、陳俊益、張剛誠 (2006)，「以灰預測修正模型預測北美半導體B/B值」，第十一屆灰色系統理論與應用研討會。
[13] 鄧家駒(2004)，多變量分析，華泰出版。
[14] 鄧聚龍(1986)，「灰色預測與決策」，華中理工大學出版社。
[15] 鄧聚龍、郭洪(1996)，「灰色原理與應用」，全華科技圖書公司。
[16] 璩宏裕(2006)，「中央健保局財務風險預測模型之建立-灰預測理論之應用」，朝陽科技大學保險金融管理研究所碩士論文。
[17] 龔昶元、嚴宗銘、江忠和(2004)，「台灣創業投資公司屬性與財務績效關聯之研究」，計量管理期刊，第一卷，第二期，第173-190頁。
英文部分
[1] Altman, Edward I.(1968) ,”Financial Ratio , Discriminant Analysis and thePredication of Corporate Bankruptcy,”Journal of Finance , 23, 589-609.
[2] Sharpe, W. F. (1966), “Mutual fund performance,” Journal of Business, pp.119-138.
[3] Beaver(1966), W.H., “Financial Ratio as Predictors of Failure”, Empirical Research in Accounting: Selected Study, Supplement to Journal of Accounting Research. pp.71-111
[4] Collins, Robert A. and Richard D. Green.(1982), “Statistical methods for bankruptcy forecasting”, Journal of Economics and Business, vol.34, vol.4, pp.349-pp.354
[5] Deng, J. L. (1993), “Grey Differential Equation”, Journal of Grey System, Vol.1, pp.1-14
[6] Ohlson, J.A.,(1980) “Financial Ratios and the Probabilistic Prediction of Bankruptcy”, Journal of Accounting Research, Vol.18, No.1, pp109-131