运用类神经网路於证券业网路下单服务品质之研究pdf

JournalofCustomerSatisfactionVol.1No.1March.2005,pp.1-30顧客滿意學刊第一卷第一期中華民國九十四年三月頁1～頁30運用類神經網路於證券業網路下單服務品質之研究AStudyontheServiceQualityforOnlineStockTradingbyApplyingNeuralNetwork王美慧1Mei-HueiWang簡妤玲2Yu-LingChien摘要網際網路的興起為傳統的投資交易模式帶來革命性的衝擊，國內外證券商紛紛加入網路交易的行列，因此針對網路顧客的需求來瞭解顧客所重視的服務品質項目以提昇服務品質，儼然已成為重要的課題。本研究嘗試將類神經網路辨試類別的特性應用於證券業網路下單執行服務品質的類別分析，並利用多變量分析中的因素分析將顧客對服務品質重要項目的滿意度化成數項構面，再將這幾個構面交予類神經網路學習來建立網路模式，以提供證券業作為執行服務品質管理成效評定的參考依據。本研究所構建的網路模型分類歸屬能力是以辨識率為評估指標，綜合類神經網路與統計學之區別分析的研究，實證結果顯示類神經網路在學習樣本或測試樣本上，辨識率分別高達99.82%與99.65%，而傳統的區別分析其整體辨識率只有99.33%。因此，若採用類神經網路進行分類判斷，有較高的辨識率，能產生較好的分類結果，所以運用類神經網路於網路下單執行服務品質管理分類，其分類效果及穩定度1大漢技術學院國際貿易學系講師Instructor,DepartmentofInternationalTrade,DahanInstituteofTechnology.2耀登科技（股）有限公司行銷業務處AudenTechnoCorp..顧客滿意學刊第一卷第一期2皆比區別分析為佳，是一項值得建議使用的工具。關鍵詞：ڇચݡኳăშྮדથăᙷৠགྷშྮAbstractWiththedevelopmentofinternetfinancialinvestment,domesticandforeignsecuritieshavescrambledtolaunchonlinestock.Tofocusoncustomerdemandsofonlinetradinginvestors,understandthemainfactorsthatcustomersreallycare,andimprovetheirservicequalityarebecomingincreasinglyimportantissues.Thisstudyappliestheclassificationcharacteristicsofartificialneuralnetworktothecategorizinglevelofservicequalityforonlinetradingstockcompanies.Back-Propagationneuralnetworkisadoptedasthefundamentalframeworkforthisstudy.Theobjectiveofthisstudyistoextractseveraldimensionsoftheservicequalityofthecustomers’satisfactionthroughthefactoranalysisofthemultivariateanalysis.Thesedimensionsaretakenastheinputvariablestobuildaneuralnetworkmodelthroughthelearningprocess.Theresultsvalidatethattheclassificationperformanceofneuralnetworkisbetterthandiscriminantanalysis.Neuralnetworkisaveryusefultoolforonlinetradingstockcompaniestoexecutetheperformancemeasurementwhentheyimplementservicequalityactivities.Keywords:ServiceQuality,OnlineTradingStockCompanies,NeuralNetwork運用類神經網路於證券業網路下單服務品質之研究3壹、緒論網際網路的興起，為傳統的投資交易模式帶來革命性的衝擊。隨著網路的日漸成熟與普及，電子商務已逐漸成為一個新的行銷通路。國內外證券金融業者紛紛加入網路交易的行業，網路券商及電子銀行的成立，已成為時代的趨勢。透過證券公司網際網路的內容設計，投資人不但可以知道即時報價行情，大部份的券商還另外提供豐富的國內外財經新聞、理財相關資訊、及產業分析研究報告等網路服務。以投資人而言，相對傳統人工委託下單，「網路下單」不但增加其使用便利性，不受時空地區限制，成本低，同時也是提供理財知識的新管道。以國內證券市場傳統生態而言，證券經紀商據點越多，市場競爭力就愈占優勢。但政府開放證券網路下單後，改變了經營據點決定市場佔有率的法則，未來網路下單業務經營出色與否，將直接影響券商的市場佔有率的升降。根據台灣證券交易所2002年的統計，國內網路下單開戶數從1997年7月的5,169戶成長至2002年4月的216萬人，網路下單佔總成交筆數的8.26％。網路下單成交金額佔市場總成交金額比例從1997年7月的0.01％到2002年4月的9.44％。截至2002年4月止，開辦網路下單業務的證券商已有92家，另外，隨著國內網際網路的普及化、資訊技術的成熟化，加上網路下單交易成本遠低於語音下單及傳統式營業員接單模式，不少新成立券商及傳統券商紛紛卯足全勁投入網路券商的行列。經過近五年的競爭，「大者恆大」的態勢已成形，至2002年4月前五大券商網路下單市場佔有率約為五成，足見國內網路下單業務的潛在商機，隨著愈來愈多證券商投入，證券商在網路下單的競爭也益趨激烈。而在激烈競爭環境下，提供高品質的服務是經營成功的關鍵因素。本研究從顧客的角度，探討顧客重視的證券網路下單服務品質項目，以作為現有、或新進的證券商執行網路下單服務品質的參考依據，期望在有限的企業資源下做昀有效的運用，以吸引、維持顧客。並對顧客所關切的服務品質項目進行滿意度調查，進而提出服務品質類別之判定機制，以瞭解證券公司本身對服務品質的執行狀況，評估證券業網路下單服務品質之服務水顧客滿意學刊第一卷第一期4準，從中發掘證券公司所可能遭遇的問題，並提出建議，增加顧客滿意度，創造經營優勢來源。近年來，類神經網路之研究已廣泛的應用於商業領域上，一般而言，大多數參數統計方法均假設其所使用的資料滿足多元常態分配。除了資料分配的假設外，統計模式亦受限於變數遺漏、多元共線性、自我相關等。而類神經網路的特殊架構及資訊處理方式，在作為分類辨識的處理工具時，所表現出來的能力與效應，有別於傳統統計分類法則，因此本研究嘗試運用類神經網路來辨識證券業網路下單服務品質滿意度並與傳統統計方式做比較，為證券業在執行服務品質分析上提供新的觀念及工具。貳、文獻探討一、證券網路下單之優缺點及經營分析蕭富元（1999）指出證券網路下單的優點如下：(1)下單程序簡化；(2)豐富的資料提供；(3)突破時間限制；(4)突破空間限制；(5)網路下單交易迅速；(6)精確性提高；(7)手續費折扣；(8)具自主性、隱密性。根據廖瑞榮（1999）分析，網路線上服務之缺點包括：(1)資料安全性的考量；(2)電腦主機當機的風險；(3)網路中斷造成交易失敗；(4)交易紛爭問題。馮震宇（2001）指出網路券商建制與維護成本都相對低廉，再加上無時差、無國界、24小時都可交易的特色，使得網路券商透過低廉的手續費、便捷的交易管道、與提供其他加值服務(如盤勢分析、即時報價、相關財經數據與資訊的提供等)，很快的就搶奪了傳統券商的經紀業務。Trombly(2001);Santini(2001)認為美國網路證券下單市場，壟斷了大半市場，不少網路券商已經面臨虧損、裁員、客戶流失、退出市場等困境，而反觀我國網路券商市場亦有此趨勢，我國網路券商應有所警惕，以免重蹈覆轍，另根據Peterson(2000);Fan,Stallert,andWhinston(2000)的研究發現，美國網際網路大幅降低了搜尋成本，但同時也降低了顧客對券商的忠誠度，因此，證券網路下單顧客服務品質是非常值得探討的議題。運用類神經網路於證券業網路下單服務品質之研究5二、服務品質Parasuraman,Zeithaml,andBerry(以下簡稱PZB)（1985）提出「服務品質觀念性模式」，他們認為服務品質決定於顧客滿意度，並受消費者過去經驗與主觀知覺因素影響，所以服務業者的服務績效缺乏具體的評量標準，不易被客觀地評估。於是提出5個缺口的服務品質績效與期望差距模式，並將消費者之知覺、心理、社會等因素，及管理者之知覺均納入考量，提供一完整詳盡之架構。PZB三位學者在1985年發表一可供衡量服務品質之量表，稱為「SERVQUAL」量表。此量表以上述衡量服務品質之十項屬性為基礎，各發展出約十個構面，共計九十七個項目，以銀行、電器維修業、證券經紀商、及信用卡中心做為調查對象，進行調查分析，獲得一具有良好信度、效度、與低重覆度的因素結構；而Parasuraman,Zeithaml,andBerry（1988）將十大服務品質因素精簡成五大因素(有形性、可靠性、反應性、確實性、關懷性)共22個項目。Carman（1990）依據Parasuramanetal.（1988）發展SERVPUAL量表所使用的程序，以四種不同的服務產業進行實證研究，得到SERVPUAL具有相當高的穩定性，但四種不同服務業的構面並不完全一致，且與Parasuramanetal.（1988）的五項服務品質構面不盡相同。張瑞當和黃文俊（2001）將券商與網路下單投資者之服務品質滿意度指標歸納為五個因素（網路設計、連線速度、金融專業性、客戶服務、手續費）共15個項目。因此，本研究將特別針對網路下單服務品質項目做分析，並針對服務品質項目滿意度做進一步了解。三、類神經網路相關文獻類神經網路是屬於人工智慧的領域，類神經網路就像人腦般具有自我學習的能力，使用者無須設計複雜的程式去解決問題，只需提供資料，而類神經網路即可根據這些資料自我學習。Fish,Barnes,andAiken（1995）指出類神經網路因為以下幾個理由值得大力推廣：類神經網路在分類問題上的成功率較傳統的分析方法來的高，類神經網路只需相對較少的樣本就可以達到所要的結果。GlorfeldandHardgrare（1996）提出目前類神經網路的分析技術已被顧客滿意學刊第一卷第一期6證實是傳統統計，諸如迴歸或區別分析之有效的替代方法。Hu,Shanker,andHung（1999）在他們的研究中指出，類神經的人工智慧應用在現代商業的應用極為廣泛，主要有兩大領域的應用：分類以及預測。其研究指出倒傳遞類神經模式有較好的分類率。以下將類神經網路運用在商業領域分類的相關文獻整理於表1。表1國內外類神經網路相關研究整理研究學者研究內容概述Dutta&Shekhar(1988)此研究選取了十個獨立的變數做為債券分類的依據，利用倒傳遞類神經網路做債券分級，並與迴歸分析做比較。研究結果發現類神經網路的總平方差約為0.05～0.23，而迴歸分析者約為0.9～1.6Surkan&Singleton(1989)以倒傳遞類神經網路作債券分級，債券分成交（A，A，A）及未成交（A1，A2，A3）兩類，並探討對不同網路架構之影響，結果7-14-2網路總正確率為65％，而7-5-10-2網路總正確率為88％。使用統計區別分析的總正確率為39％，可見類神經網路者較佳。Odom(1989)以倒傳遞類神經網路做公司倒閉破產預測，其研究中使用五個變數，在實際收集的129個範例當中，74個作為訓練範例（38倒閉，36正常）