目前我國市場(chǎng)經(jīng)濟(jì)前景良好,勢(shì)頭迅猛,上市公司的數(shù)量不斷上升。但由于我國經(jīng)濟(jì)正處在快速發(fā)展時(shí)期,體制尚不健全,從而導(dǎo)致上市公司財(cái)務(wù)舞弊的事件呈高發(fā)之勢(shì)。財(cái)務(wù)舞弊現(xiàn)象越來越嚴(yán)重,發(fā)生的此類事件也越來越多。盡管國家出臺(tái)了相應(yīng)的規(guī)范措施,嚴(yán)打財(cái)務(wù)舞弊的上市公司,但是財(cái)務(wù)舞弊現(xiàn)象仍是屢禁不止。部分公司為了自己的利益會(huì)對(duì)財(cái)務(wù)狀況進(jìn)行粉飾,提供給利益相關(guān)者的財(cái)務(wù)報(bào)告偏離實(shí)際。如何有效甄別財(cái)務(wù)舞弊、抑制舞弊案件的發(fā)生是證券市場(chǎng)一直在探討且亟待解決的問題。在此背景下,本文對(duì)各類財(cái)務(wù)舞弊識(shí)別模型進(jìn)行改進(jìn),并分析比較模型的識(shí)別效果,極具現(xiàn)實(shí)意義。本文基于上市公司違規(guī)數(shù)據(jù)庫,首先,從國泰安數(shù)據(jù)庫中選取2007-2016年因財(cái)務(wù)舞弊受到懲罰的上市公司即舞弊公司,最終確定336家舞弊公司。參照Beasley配對(duì)原則,選取336個(gè)非舞弊公司作為配對(duì)樣本。運(yùn)用SPSS對(duì)初選的29個(gè)指標(biāo)進(jìn)行顯著性檢驗(yàn),最終采用因子分析法對(duì)通過顯著性檢驗(yàn)的指標(biāo)進(jìn)行約簡(jiǎn)得到8個(gè)變量用于財(cái)務(wù)舞弊識(shí)別,作為數(shù)據(jù)挖掘模型的輸入變量,并將舞弊與否（非舞弊標(biāo)記為1,舞弊標(biāo)記為2）作為輸出變量。采用改進(jìn)的GA-BP神經(jīng)網(wǎng)絡(luò)、決策樹和支持向量機(jī)三種算法... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文研究框架

三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

人工神經(jīng)元結(jié)構(gòu)圖

【參考文獻(xiàn)】：
期刊論文
[1]上市公司會(huì)計(jì)舞弊風(fēng)險(xiǎn)指數(shù)影響因素研究[J]. 任朝陽,李清.  當(dāng)代經(jīng)濟(jì)科學(xué). 2017(05)
[2]上市公司財(cái)務(wù)舞弊的風(fēng)險(xiǎn)識(shí)別與證據(jù)收集[J]. 熊方軍,張龍平.  經(jīng)濟(jì)與管理研究. 2016(10)
[3]基于Logistic模型的上市公司表外會(huì)計(jì)舞弊影響因素[J]. 湯凌冰,羅長(zhǎng)青,彭品.  系統(tǒng)工程. 2016(06)
[4]上市公司會(huì)計(jì)舞弊風(fēng)險(xiǎn)指數(shù)構(gòu)建及預(yù)警研究[J]. 李清,任朝陽.  西安交通大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2016(01)
[5]高管背景特征與財(cái)務(wù)舞弊行為的研究——基于中國上市公司的經(jīng)驗(yàn)數(shù)據(jù)[J]. 盧馨,李慧敏,陳爍輝.  審計(jì)與經(jīng)濟(jì)研究. 2015(06)
[6]基于神經(jīng)網(wǎng)絡(luò)組合模型的會(huì)計(jì)舞弊識(shí)別[J]. 夏明,李海林,吳立源.  統(tǒng)計(jì)與決策. 2015(16)
[7]產(chǎn)權(quán)性質(zhì)、內(nèi)部控制有效性與財(cái)務(wù)舞弊[J]. 范天偉,朱梓菡.  財(cái)會(huì)通訊. 2015(24)
[8]中國上市公司財(cái)務(wù)造假預(yù)測(cè)模型[J]. 錢蘋,羅玫.  會(huì)計(jì)研究. 2015(07)
[9]因子分析、Logistic回歸在會(huì)計(jì)舞弊研究中的應(yīng)用[J]. 李欣,康進(jìn)軍,李娜.  統(tǒng)計(jì)與決策. 2015(06)
[10]基于舞弊三角形理論的會(huì)計(jì)舞弊影響因素研究[J]. 謝小瑩,孫燕東.  財(cái)會(huì)通訊. 2014(27)



本文編號(hào)：2960101