基于时序性信息的财务报表欺诈识别

《基于时序性信息的财务报表欺诈识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：F253．7国际图书分类号：西南交通大学研究生学位论文基王时庄!眭信皇的财釜主匮麦趑迮迟型年姓申请学位级别笪理堂亟±专业箜理型堂皇工猩指导教师奎趄丑副数援二零一三年六月五日ClassifiedIndex：F253．7U．D．C：IIIIIIIIIIIIIIlUIIIY2319283SouthwestJiaotongUniversityMasterDegreeThesisFRAUDULENTFINANCIALSTATEMENTSDERECTIoNBASEDONTIMESERIESINFoRA咖IONGrade：2010Candidat

2、e：XiongRuiqingAcademicDegreeAppliedfor：MastDegreeofmanagementSpeciality：ManagementScienceandEngineeringSupervisor：LiXusheng，AssociateProfessorJun．5．2013西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采

3、用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保密影使用本授权书。(请在以上方框内打“v”)学位论文作者签名．＼能为卿指导老师签名日期：≯f，．6、牛B飘：砂吵f7·}西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1．将时序性信息以衍生变量的形式融入至朴素贝叶斯财务欺诈识别模型，有效提高了模型的分类精度；2．从聚类的角度验证了时序性信息识别财务欺诈的有效性，同时识别出了潜在于时序性信息中的欺诈特征；3．利用PU算法对传统朴素贝叶斯财务欺诈识别模型进行

4、了优化，解决了传统模型中对照样本潜在的不合理性、冗余性等问题。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者虢＼㈨唧日期：为，多．占、牛西南交通大学硕士研究生学位论文第1页手两姜本文从财务欺诈识别领域的研究成果入手，在分析前人研究不足的基础上，针对不足，深入探索，提出了较为有效的解决办法。具体地，本文针对前人研

5、究的两项不足做了三方面工作。第一，本文针对传统财务欺诈识别模型无法捕捉财务指标纵向年度异常的不足，将这种纵向异常提炼成时序指标并加至朴素贝叶斯分类模型，改善了模型的分类精度。其中，着重研究了差值、比值、相对值形式的时序指标哪种更为有效，以及不同年份间的时序指标如何合理加权的问题。实证研究的结论是比值形式的时序指标更为有效，且当分配0．8的权重给较近年份的时序指标，同时分配0．2的权重给较远年份的时序指标时，效果更好。第二，本文从聚类的角度验证了分类模型中构造的比值时序指标的有效性，同时，还挖掘了比值时序指标所能反映的欺诈特征。实证研究的结论是当财务

6、欺诈行为存在时，由净资产收益率和每股收益各自衍生出的比值形式时序指标可能出现较大异常。第三，本文针对传统欺诈识别模型作为监督学习算法而固有的不足——对照样本的选择和标注工作存在潜在不合理性、冗余性，基于部分监督学习算法对传统模型进行了改造。实证研究的结论是经优化改造的模型，不仅能够排除不可靠对照样本的干扰，还能充分利用欺诈样本中包含的有利于识别欺诈的信息。优化后的模型在识别财务欺诈方面也拥有更为出色的表现。关键词：财务欺诈识别；朴素贝叶斯分类模型；时序指标；聚类；部分监督学习西南交通大学硕士研究生学位论文第1I页AbstractStartingfr

7、omtheresearchachievementsinthefieldoffinancialfraudidentification，thispaperanalyzestheweaknessesofpreviousresearch．Onthisbasis，thispaperexploresdeeplyandputsforwardsomeeffectivesolutionsabouttheweaknesses．Morespecifically，thispaperconductstheresearchfromthreeaspectsaimingatthe

8、twoweaknessesofpreviousresearch．Firstly，aimingattheweaknessth