资源描述：
《会计信息失真识别的成本控制型支持向量机模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、会计信息失真识别的成本控制型支持向量机模型受会探索ff会计信息失真识别的成本控制型支持向量机模型一于彪陈思凤合肥工业大学管理学院[摘要]在会计信息失真识别问题中,考虑到决策失误所付出的不同错误分类成本以及样本数据的不平衡分布等特点,使得基于总体准确率的数据挖掘方法不能获得理想的识别效果.本文针对会计信息失真识别问题的特点,建立了一种成本控制型支持向量机模型,利用粒子群算法进行特征选择和参数优化,从而降低总体的错误分类成本.实验证明,该模型能够有效的识别出虚假的财务报告.[关键词]财务报告支持向量机成本一,引言财务报告所反映的会计信息是对企业经营活动中资金运
2、动的状态,方式的客观描述,一旦财务报告存在人为的虚假信息,各方利益都将受到不同程度的损害.因此正确的识别出虚假会计信息显得非常重要.目前国内外主要运用传统的会计经验分析方法,计算机辅助审计方法和定量的模型识别方法来识别虚假会计信息.传统的会计经验方法大多数依赖于分析性程序方法来识别上市公司会计信息的造假行为.这种方法虽然能够对每个财务报表进行细致审查,但是在对大型上市公司进行审计时效率不高.计算机辅助审计和定基的模型识别方法可以大幅提升审计效率.其中计算机辅助审计方法主要是应用审计软件来开展审计工作.在审计软件中,可以根据电子数据进行查询,查账和图形分析等
3、操作来辅助审计工作,也可以调用审计方法库来实现审计功能.定量的模型识别方法主要是利用上市公司公开的财务数据,建立数学模型来识别虚假会计信息.可以将这些模型嵌入到审计方法库中,帮助人们快速识别虚假会计信息.其中一些模型采用多元线性回归方法,逻辑回归方法,多元统计分析中的主成分分析方法等传统统计方法来预测虚假会计信息,但传统统计方法在面对大规模多变量问题时会遇到"维数灾难"的现象,而且很难处理和分析复杂非线性模型.随着人工智能技术的发展,机器学习技术,如人工神经网络(ANN)和支持向量机(SVM).开始应用于企业分类问题,并获得了超越传统统计方法的实验效果.]
4、~Fanning和Cogger(1998)[6]~1J用人工神经网络建立了一个识别虚假财务信息的高信都侦测模型,但人工神经网络无法避免局部极值的问题.支持向量机【SVM)方法是由Vapnik等提出一种针对分类和回归问题的新型机器学习方法.它与传统的研究方法相比.在解决小样本,非线性以及高维模式识别问题方面具有突出的优势;而且能够解决神经网络中不可避免的局部极值问题.因此,使用支持向量机方法来识别虚假会计信息能够取得比其他方法更好的效果.邓庆山和梅国平将基本的支持向量机模型应用到虚假会计信息识别领域中,取得了较好的效果.但在虚假会计信息识别问题中,将可信的财
5、务报告错误的判定为虚假的财务报告和将虚假的财务报告错误的判定为可信的财务报告,在所付出的错误分类成本上是截然不同的,前者只会使利益相关人的盈利减少,而后者则会对利益相关人造成直接的经济损失.此外,在数据特征上.财务数据间的勾稽关系非常明显,存在过多的冗余属性.而基本模型并没有考虑到分类问题中的错误分类成本和数据的冗余属性问题,并且基本模型中的惩罚参数以及核函数参数的不同取值.会影响模型的精度.因此,本文尝试将错误分类成本引入到支持向量机模型中,并且利用粒子群算法自动控制模型中的参数以及进行特征选择消除样本数据的冗余属性,来识别虚假会计信息.本文的结构安排如
6、下:首先提出了一种基于成本控制的支持向量机模型以及求解过程,其次建立了虚假会计信息识别的指标体系,最后用实验数据检验了模型的效果.二,基于成本控制的支持向量机分类模型考虑一个训练集Q={(.j)I1.2.I『:cR×{一1.+l:-It.t{13:i∈R,是输入向量,∈{+l～}为对应的二进制分类标签.考虑区分n维空间的两个点集A和B的元素这一机器学习的基本问题.这些集合分别由ITIXn和k×n的矩阵A和B表示,其中.j={(-Y,')1,=l,A,1.J,=+1),B={【Yil,=1A,1=一1}定义第一类错误分类和第二类错误分类,第一类分类错误是指将
7、A类中的点错误地分类到B类.当4,但+b+I时,则发生一次第一类分类错误.定义一个阶梯函数,,㈠'其中,¨=l一Ⅵ,一6,1:lA,7.x∈{因此,第一类错误分类数为∑,.类似地,第二类分类错误是指将B类中的点错误地分类到A.当B.但,+一1时,则发生一次第二类分类错误.阶梯函数为:,0j0,JI(2)其中,.=l+1II+b}:1.A,,,.Yl∈B.因此,第二类错误分类数为3,1:=∑,.设第～类错误分类成本为C1,第二类错误分类成本为C2,则SVM分类器的决策成本为.(:(+(圭}+:∑1)(3)《商场现代化》2o11年2月(下旬刊)总第639期蕊财
8、会搽祈考虑训练样本集中和第二类训练实例个数m和k,则由第一类错误分
