基于数据挖掘的上市公司财务舞弊识别研究

基于数据挖掘的上市公司财务舞弊识别研究

ID:32372517

大小:1.98 MB

页数:4页

时间:2019-02-03

基于数据挖掘的上市公司财务舞弊识别研究_第1页
基于数据挖掘的上市公司财务舞弊识别研究_第2页
基于数据挖掘的上市公司财务舞弊识别研究_第3页
基于数据挖掘的上市公司财务舞弊识别研究_第4页
资源描述:

《基于数据挖掘的上市公司财务舞弊识别研究》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、第!"卷!第!!期科!技!和!产!业7,-8!"!9,8!!!!!!!!!!!!!!!!!!!!#$!"年!!!!月%&'()&(*(&+),-,./0)12)13456/9,:(;<(6!!#$!"基于数据挖掘的上市公司财务舞弊识别研究张秋三!张!磊!张!宁!蔡玖琳"青岛大学管理科学与工程学院#山东青岛#>>$?!%摘要!国内上市公司财务舞弊呈恶性发展之势!要推进证券市场的预警与监管!对上市公司财务舞弊行为的识别就变得意义重大"以!"G个财务舞弊上市公司和配对的非舞弊上市公司为样本!运用神经网络建立了上市公司财务舞弊识别模型"此模型对训练样本和测试样本的识别正确率分别达

2、到?"8EGL和?$L!能有效的识别出上市公司财务舞弊与否"结果表明!该模型可以用于上市公司财务舞弊行为识别!对有舞弊动机的上市公司起到威慑作用"关键词!财务舞弊识别%神经网络%数据挖掘中图分类号!D?!?8"A!!文献标志码!F!!文章编号!!>?!B!G$?"#$!"#!!B$$??B$"!!随着社会主义市场经济的蓬勃发展!上市公司数识别模型(M,.'45'&回归模型%随着数据挖掘技术的量不断增加!上市公司财务舞弊的事件也越来越多%发展!学者逐渐开始使用神经网络(聚类(关联规则等,#B"!?-财务舞弊行为的危害极大!不仅会使投资者依据企业数据挖掘技术进行模型的构建%披

3、露的财务经营状况做出错误的投资决定!造成严重神经网络常用于解决复杂度比较大的分类问题%损失!而且会使整个证券市场的资源配置效率降低!本文将数据挖掘中的神经网络方法应用于上市公司危害证券市场与整个国家的信用!干扰正常的经济秩的财务舞弊分析!运用2^S%K%%S,1(-(6!"8$数据序%由此可见!对上市公司财务舞弊识别的研究有着挖掘工具!将通过因子分析提取出的>个主因子作为非常重要的现实意义%输入变量!建立了准确率高(能够快速有效的发现财为了防止上市公司财务舞弊!国家出台了相应的务舞弊的模型!模型使用者仅通过输入简单的相关数规范措施!加大了对上市公司财务舞弊的处罚力度!据!

4、即可计算出目标上市公司财务舞弊可能性的概率此外不少学者也在采取各种措施找出能有效识别财值!判断其存在财务舞弊的可能性大小%务舞弊的方法!防止财务报告舞弊的发生%朱文杰(!!神经网络方法的原理,!-文拥军从公司财务指标和股权结构角度!利用神经网络是数据挖掘众多方法中的一种!它通%K%%软件!通过M,.'45'&回归技术建立上市公司财过模拟人的思维!对复杂度较大的分类问题进行分布务报告舞弊识别模型!区分舞弊公司与非舞弊公司%式并行处理%该方法作为一个智能方法!对数据的分,#-姚致萱(赵秀云尽可能全面的选取了能够识别财务布没有什么严格的要求!且鲁棒性强!在测试非线性舞弊的!G个

5、财务指标和非财务指标!利用决策树技可分数据时!有着非常高的准确度%另外神经网络还术构建识别上市公司财务舞弊的模型!预测上市公司具有自学习和自组织能力!在学习过程中!将样本依,@-发生舞弊的可能性%刘君(王理平利用*检验筛次输入网络!并按一定学习算法调整储存权重参数来选出能显著区分舞弊公司与非舞弊公司的A个指标!适应复杂多变的企业环境!当网络各层权重收敛到某采用径向基概率神经网络方法!将GG家上市公司的一值时!学习结束%!""个样本作为建模样本!另外@$个样本作为测试一般选用@层神经网络结构进行模型的构建!输样本建立舞弊识别模型%近几年来国内对财务报告入层(隐含层和输出层%

6、将能够检测或获取的对输出,"B>-舞弊识别的实证研究逐渐增多!多为单因素分析有影响的变量作为输入变量%隐含层节点数越多就收稿日期!#$!"B$GB#"基金项目!国家自然科学基金项目&?!"$@!@G'作者简介!张秋三&!AGG('!女!山东日照人!青岛大学管理科学与工程学院!硕士研究生!研究方向$数据挖掘%通讯作者$张磊&!A?G('!男!山东青岛人!青岛大学管理科学与工程学院!副教授!博士!研究方向$商务智能#工业工程%张宁&!AG$('!男!山东聊城人!青岛大学管理科学与工程学院!副教授!博士!研究方向$金融市场学#信息管理#电子商务%蔡玖琳&!AA$('!女!湖北黄

7、冈人!青岛大学管理科学与工程学院!硕士研究生!研究方向$数据挖掘"??!!科技和产业!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!第!"卷!第!!期!!越有可能降低神经网络的误差!提高精度!但是过多态性检验!判断出指标是否服从正态分布!然后对服,G-的隐含层会造成网络的复杂化!增加网络的训练时从正态分布的指标采用*检验!对不服从正态分间!降低神经网络的泛化能力!因此应通过不断地训布的指标采用S0))Oa+'5)(/检验%对本文的#G个,?-练来确定隐含层的正确个数%输出层输出的变量指标进行正态性检验

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。