公司財(cái)務(wù)造假是一個(gè)歷史悠久、影響極其惡劣的國際性難題。1720年的英國南海公司事件是世界上第一例上市公司財(cái)務(wù)造假案。南海公司事件直接導(dǎo)致了兩個(gè)結(jié)果：一是股份公司近100年的關(guān)閉；二是以注冊(cè)會(huì)計(jì)師為主體的民間審計(jì)的出現(xiàn)。盡管如此,公司財(cái)務(wù)造假現(xiàn)象一直沒有消失,遠(yuǎn)的如1929年美國羅賓斯財(cái)務(wù)造假導(dǎo)致的美國股市的大崩潰,近的如2001年美國的安然公司事件都是典型的財(cái)務(wù)造假案例。而在我國,繼瓊民源、PT鄭百文等財(cái)務(wù)造假丑聞之后,又暴露出了銀廣夏、ST黎明、藍(lán)田股份等財(cái)務(wù)造假惡性案件。上市公司財(cái)務(wù)造假問題引起了社會(huì)各方面的關(guān)注。針對(duì)公司的財(cái)務(wù)造假問題,專家學(xué)者進(jìn)行了大量的定性或者定量的研究,取得了一定的研究成果。本文從舞弊理論、舞弊特征、舞弊識(shí)別模型等三個(gè)角度充分分析了國內(nèi)外研究現(xiàn)狀,在此基礎(chǔ)上,進(jìn)行了以下幾個(gè)方面的研究。 (一)分析財(cái)務(wù)造假的原因和手段。本文從兩個(gè)角度分析了財(cái)務(wù)造假的原因,一是客觀原因,二是內(nèi)在動(dòng)因。客觀原因包括：政府職能的問題、公司治理結(jié)構(gòu)的缺陷、證券市場相關(guān)制度的不完善、不健全的監(jiān)管機(jī)制等；內(nèi)在動(dòng)因有：公司為了取得股票發(fā)行資格、提高股票發(fā)行價(jià)格、取得配股資格、避免被“...

【文章頁數(shù)】：132 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
1. 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 相關(guān)概念界定
    1.4 研究的技術(shù)路線與內(nèi)容安排
        1.4.1 技術(shù)路線
        1.4.2 論文內(nèi)容安排
2. 文獻(xiàn)綜述
    2.1 國外財(cái)務(wù)舞弊研究綜述
        2.1.1 舞弊理論研究
        2.1.2 舞弊特征研究
        2.1.3 舞弊識(shí)別模型研究
    2.2 國內(nèi)財(cái)務(wù)舞弊研究綜述
        2.2.1 舞弊理論研究
        2.2.2 舞弊特征研究
        2.2.3 舞弊識(shí)別模型研究
    2.3 數(shù)據(jù)挖掘技術(shù)及其應(yīng)用現(xiàn)狀
        2.3.1 數(shù)據(jù)挖掘的含義與功能
        2.3.2 數(shù)據(jù)挖掘在經(jīng)濟(jì)管理領(lǐng)域的典型應(yīng)用
    2.4 評(píng)述
3. 財(cái)務(wù)造假分析
    3.1 造假原因分析
        3.1.1 客觀環(huán)境分析
        3.1.2 內(nèi)在動(dòng)因分析
    3.2 造假手段分析
        3.2.1 關(guān)聯(lián)方交易
        3.2.2 資產(chǎn)重組
        3.2.3 選用不當(dāng)會(huì)計(jì)政策
        3.2.4 會(huì)計(jì)政策、會(huì)計(jì)估計(jì)變更
        3.2.5 資產(chǎn)評(píng)估
        3.2.6 其他手段
4. 研究樣本與變量選擇
    4.1 樣本選擇
    4.2 變量選擇
    4.3 指標(biāo)計(jì)算及其標(biāo)準(zhǔn)化
5. 基于分類方法的虛假財(cái)務(wù)報(bào)告識(shí)別研究
    5.1 基于分類方法的虛假財(cái)務(wù)報(bào)告識(shí)別框架
    5.2 Logistic回歸分析及其應(yīng)用
        5.2.1 Logistic回歸簡介
        5.2.2 實(shí)驗(yàn)過程與分析
    5.3 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
        5.3.1 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
        5.3.2 神經(jīng)元及其特性
        5.3.3 BP神經(jīng)網(wǎng)絡(luò)模型
        5.3.4 基于神經(jīng)網(wǎng)絡(luò)的虛假財(cái)務(wù)報(bào)表的識(shí)別
    5.4 支持向量機(jī)及其應(yīng)用
        5.4.1 支持向量機(jī)理論
        5.4.2 基于支持向量機(jī)的會(huì)計(jì)信息失真的識(shí)別
    5.5 貝葉斯分類及其應(yīng)用
        5.5.1 樸素貝葉斯分類簡介
        5.5.2 樸素貝葉斯分類的應(yīng)用
    5.6 幾種分類方法實(shí)驗(yàn)結(jié)果的比較
6. 虛假財(cái)務(wù)報(bào)告的聚類研究
    6.1 自組織映射
    6.2 K均值聚類方法
    6.3 聚類有效性
    6.4 V-KSOM模型
    6.5 V-KSOM模型的應(yīng)用
        6.5.1 實(shí)驗(yàn)樣本選擇
        6.5.2 變量選擇
        6.5.3 實(shí)驗(yàn)過程與結(jié)果分析
7. 總結(jié)與展望
    7.1 研究總結(jié)
    7.2 本文創(chuàng)新之處
    7.3 研究的局限和今后研究方向
參考文獻(xiàn)
攻讀博士期間取得的科研成果
致謝
附錄1:分類訓(xùn)練樣本中88家公司列表
附錄2:分類測試樣本中172家公司列表
附錄3:聚類實(shí)驗(yàn)樣本中100家公司列表



本文編號(hào)：4047003