试析基于分类回归树的会计信息失真识别

试析基于分类回归树的会计信息失真识别

ID:23213435

大小:57.00 KB

页数:9页

时间:2018-11-05

试析基于分类回归树的会计信息失真识别_第1页
试析基于分类回归树的会计信息失真识别_第2页
试析基于分类回归树的会计信息失真识别_第3页
试析基于分类回归树的会计信息失真识别_第4页
试析基于分类回归树的会计信息失真识别_第5页
资源描述:

《试析基于分类回归树的会计信息失真识别》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、试析基于分类回归树的会计信息失真识别基于分类回归树的会计信息失真识别论文导读:本论文是一篇关于基于分类回归树的会计信息失真识别的优秀论文范文,对正在写有关于会计信息论文的写有一定的参考和指导作用,司作为测试样本,对所建立的分类回归树模型进行评估和检验,其中136家上市公司在年报中被出具了非标准无保留意见,即会计信息失真。  3.2财务指标初选与处理  本文选择反映企业经营状况的财务指标来判定会计信息的失真。初步选取了一些常用的典型的可以反映这几个方面的财务指标,初步选取的规则是在反映企业偿债能力、盈利[摘要]会计信息失真现象将给

2、投资者、政府、公司所有者等众多会计信息使用者带来很大的损失和麻烦。因此,科学地识别会计信息是否失真就很重要。本文选取2008年的159家上市公司的财务数据作为训练样本建立分类回归树模型,并以该模型对2009年沪深上市公司的1862家企业进行了检测,实证研究表明:分类回归树算法具有很高的会计信息失真识别能力。  [关键词]分类回归树;会计信息失真;审计意见  []A[]1673-0194(2013)06-0002-02  1文献综述  目前会计信息失真识别研究较多集中在2个方面:多元统计分析策略发现会计信息失真企业的特征和利用特征

3、指标变量建立识别模型对企业会计信息失真的可能性进行识别和预测。国内外学者都基于这两类策略通过建立多种模型对会计信息失真理由进行了研究。  多元统计分析策略被用来作为会计信息失真的侦测策略已经有较长的历史,并且取得了较好的识别效果。而利用特征指标变量来建立会计信息识别模型的国内外研究在近年来得到了快速发展。ImranKurt等[1]学者比较了分类回归树模型、logistic模型、神经X络在预测方面的作用,发现分类回归树算法具有很高的准确率。BelinnaBai[2]证明分类回归树模型对财务欺诈具有较高的识别能力。国内学者中,刘君[

4、3]、张玲[4]等也都运用特征变量建立会计信息分析模型。  本文就是运用分类回归树算法来进行会计信息的识别,首先选取2008年的159家沪深上市公司的财务数据作为训练样本建立分类回归树模型,然后对2009年沪深上市公司的1862家企业利用建立的分类回归树模型进行检测,进一步证实利用分类回归树算法进行会计信息失真识别的有效性和准确性。  2分类回归树的构建步骤  分类回归树算法(CART)是一种有监督学习算法,即用户在使用CART进行预测之前,必须首先提供一个学习样本集对CART进行构建和评估,然后才能使用。根据给定的样本集构建分

5、类回归树的步骤由以下3部分组成:  (1)使用L构建树Tmax,使得Tmax中每个叶节点要么很小(节点内部所包含的样本个数小于给定的值Nmin),要么它是纯节点(节点内部样本的Y同属于一类);要么是只有唯一的属性向量可以作为分支向量。本文在计算过程中采取最大杂度削减算法——基尼系数寻找最佳的分支向量。从根结点开始进行分割,递归地对每个结点重复进行分割:首先对每一个结点选择每个属性最优的分割点,若基尼系数最小,则Xi就是当前属性的最优分割点;接着在这些最优的分割点中选取使上式最小的作为这个结点的最优的分割规则;最后继续对由该结点分

6、割出来的两个结点继续进行分割。分割过程一直持续下去,直到具备以下任一条件时停基于分类回归树的会计信息失真识别由写论文的好帮手.zglax的修剪子树。修剪过程主要完成生成有序树序列和确定叶节点的所属类两步骤工作。  (3)使用评估算法从第2步产生的子树序列中选出一棵最优树,作为最终的决策树。本文将使用2009年所有沪深上市公司年度报告中的财务数据进行对所建分类回归树的识别和评估。  3基于分类回归树的会计信息识别实证研究  3.1样本选择  将上市公司年度审计报告中被出具标准无保留审计意见的公司划分为会计信息真实的企业样本,将年度

7、审计报告中被出具非标准无保留审计意见的公司划分为会计信息失真的企业样本。本文的样本数据主要来自CCER中国经济金融数据库和RESSET金融研究数据库。  训练样本的选择中,会计信息失真的企业样本为沪深证券交易所2008年年报被出具非标准无保留意见的53家上市公司,其中上交所31家,深交所22家,具体审计意见包括保留意见、拒绝表示意见和保留意见带解释性说明。此外,训练样本中会计信息真实的企业样本为2008年沪深证券交易所中年报审计意见为标准无保留意见的106家上市公司,其中上交所62家,深交所44家。  测试样本的选择中,将用20

8、09年沪深证券交易所的1862家上市公司作为测试样本,对所建立的分类回归树模型进行评估和检验,其中136家上市公司在年报中被出具了非标准无保留意见,即会计信息失真。  3.2财务指标初选与处理  本文选择反映企业经营状况的财务指标来判定会计信息的失真。初步选取了

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。