大師手把手親自教學
王常懿教授
Prof. Charles C.Y. Wang
哈佛商學院終身職教授
坦登家族講座企業管理教授
歐洲公司治理研究院(ECGI)研究委員
Management Science副主編
Journal of Accounting Research副主編
王泰昌教授
Prof. Taychang Wang
長庚大學資產管理所所長
國立臺灣大學會計系特聘教授
臺灣董事會績效協進會理事長
臺灣法治會計學會理事
中華會計教育學會理事
1.5天的高效培訓課程
1月16日(五)上午
08:20-08:50
報到
08:50-09:00
開幕致詞
09:00–09:15
引言：財務分析的新紀元
主講人：王常懿教授 Charles C.Y. Wang
09:15–10:30
GAAP 的雜訊與機器的崛起
核心盈餘 (Core Earnings) 的價值：實證數據
主講人：王常懿教授 Charles C.Y. Wang
10:30–10:45
中場休息
10:45–12:00
大型語言模型 (LLM)：賽局改變者
主講人：王常懿教授 Charles C.Y. Wang
12:00–13:00
午餐時間
英語演講．中文翻譯
英語演講．中文翻譯
英語演講．中文翻譯
1月16日(五)下午
13:00–15:10
相關應用與警示：財務分析中 LLM 的關鍵限制
AI 生態系統：採用、競爭與策略
主講人：王常懿教授 Charles C.Y. Wang
15:10–15:30
中場休息
15:30–16:40
專業的未來：人機協作 (Human + AI)
主講人：王常懿教授 Charles C.Y. Wang
16:40–17:00
綜合討論與問答
英語演講．中文翻譯
英語演講．中文翻譯
1月17日(六)上午
08:20-08:50
報到
08:50-09:00
開場致詞
09:00–10:00
從表象到本質：Core Earnings 解析台灣企業獲利真相
主講人：王泰昌教授 Taychang Wang
10:00-10:10
中場休息
10:10–11:00
專家座談1: AI 浪潮下的會計審計轉型與資訊價值重塑
與談人：
傅文芳／安永會計師事務所 所長
陳俊光／安侯建業會計師事務所 主席
殷勝雄／勤業眾信會計師事務所 數位長
張晉瑞／資誠會計師事務所 數位資訊長
李書行／長庚大學管理學院 院長
劉順仁／長庚大學AI EMBA 執行長
11:00–11:50
專家座談2: 智勝未來—AI 驅動的資產配置與投資決策新典範
與談人：
張傳章／兆豐金控 總經理
張 錫／前國泰信託 董事長
史 綱／長庚大學資產管理研究所 教授
前富邦投信 董事長
邱顯比／長庚大學資產管理研究所 教授
台灣基金專家學者
11:50-12:00
閉幕致詞
金融菁英齊聚一堂
本課程專為以下金融業菁英與高階經理人量身訂製：證券相關專業人士/會計師/金融市場專業人士/追求精準解讀財報的經營決策者，除了來向大師學習，更是業界交流的大好機會！
實務導向的課程內容
打破傳統財報分析盲點，洞察企業真正獲利能力
GAAP 的雜訊與機器的崛起
-
挑戰：解析為何 GAAP 淨利無法通過續航力測試 (Persistence Tests)。聚焦於隱藏在財報附註與 MD&A 中的重大調整實例。
-
早期 AI 解決方案：「機器人分析師 (Robo-Analyst)」時代 (以 New Constructs 為例)。探討早期技術如何結合人類判斷與系統化數據提取。
-
關鍵意涵：此系統化方法具備跨語言通用性 (Language-agnostic)，高度適用於非英語市場 (如台灣)。然而，建置成本可能相當高昂。
核心盈餘(Core Earnings)的價值：實證數據
-
展示成果：識別具備持續性獲利能力的效益。
-
關鍵實證結果：提升預測能力、更高的盈餘續航力，以及市場對此數據處理效率的低落 (8% Alpha 策略)。
大型語言模型(LLM)：賽局改變者
-
LLM 運作原理：解析 LLM 的獨特性，以及通用型 LLM 為何能解決建置成本問題。介紹 Transformer 架構、注意力機制 (Attention Mechanisms)，及其處理語境與非結構化文本的優勢。
-
突破性進展：應用 GPT-4 擴展核心盈餘的估算規模。探討提示工程 (Prompt Engineering) 的關鍵角色 (懶惰式 vs. 序列式方法) 與驗證結果。
-
提示工程：提示詞至關重要。分享核心盈餘的實例及優化提示詞的過程。
相關應用與警示：
財務分析中LLM的關鍵限制
-
提示工程實務：透過核心盈餘案例，展示如何精煉提示詞。
-
相關應用展示：演示「大海撈針 (Needle in the haystack)」類型的相關應用。
-
信任邊界：何時不該信任 AI。聚焦於「數值推理失誤 (Numerical Reasoning Failure)」(需仰賴外部工具/程式碼直譯器) 以及「前視偏誤 (Look-Ahead Bias)」(記憶效應風險)。
AI 生態系統：採用、競爭與策略
-
第一部：供應鏈的採用狀況：檢視企業 (撰寫揭露資訊)、中介機構 (如 Seeking Alpha) 及投資人 (散戶) 的採用情形。利用 AI 處理非結構化數據 (如 Aiera)。
-
第二部：破壞式創新的經濟學—護城河與訊號：為何撼動寡占市場極具挑戰？獲取新 Alpha 的高門檻，以及對使用者的策略意涵。
專業的未來：人機協作
(Human + AI)
-
增強模型 (Augmentation Model)：生產力提升、任務重新分配，以及人類專業知識的關鍵互補性。探討為何超過 90% 的生成式 AI 部署以失敗告終。
從表象到本質：Core Earnings
解析台灣企業獲利真相
-
台灣財報的雜訊解析： 探討台灣企業在 IFRS 架構下，常見的非持續性損益項目與揭露挑戰。
-
TEJ 數據賦能： 展示如何運用 TEJ (台灣經濟新報) 資料庫進行數據清洗與重分類，將 GAAP 淨利調整為具備高續航力的「核心盈餘」。
-
實證與應用： 分析核心盈餘在台股市場的預測力 (Predictive Ability) 與評價關聯性，並對比其與傳統 GAAP 淨利在投資決策上的差異。
常見問答 Q&A
Q：這門課上完會有課程證書嗎？
A：
Q：誰適合參加這門課程？
A：本課程專為以下對象設計，希望能透過AI技術提升財務分析深度：
證券與金融業人士、會計師、股市投資人、追求精準解讀財報的經營決策者
Q：課程的主要內容與特色是什麼？
A：課程的核心在探討如何運用大型語言模型(LLM)，來克服傳統財報在一般公認會計原則(GAAP)的分析下，所存在的雜訊與限制，精準計算出企業的核心盈餘 (Core Earnings)。特色包括：(1)由哈佛商學院終身職教授王常懿等重量級師資授課。(2)深度解析LLM的工作原理及其在財務分析中的應用、限制與警示(如數值推理失誤)。(3)探討人機協作(Human + AI)在未來專業領域中的角色。(4)專門分析台灣企業財報的實證與應用。
Q：這門課程的上課日期、地點及費用為何？
A：
上課日期： 2026年1月16日(五)~1月17日(六)，共兩天。
上課地點： 政大公企中心(台北市金華街187號)。
課程費用： 新臺幣 $29,000 元。
Q：授課語言是什麼？現場是否有提供翻譯？
A：本課程第一天的主要授課語言是英語，會提供中文同步翻譯，以確保所有學員都能充分理解課程內容。第二天則為中文授課。
Q：如何報名參加這門課程？
A：您可以透過網站上提供的Google報名表單連結進行報名。由於名額有限，建議您儘速報名以確保席次。