數(shù)據(jù)挖掘在上市公司財務造假識別中的應用研究.pdf

1、近年來國內(nèi)財務造假案件頻發(fā)，各種財務造假手段屢禁不止，給投資者帶來了難以估量的經(jīng)濟損失，也給資本市場的健康發(fā)展帶來嚴重的負面影響，如何快速準確的識別出財務造假的公司已引起投資者、審計機構(gòu)以及政府機關(guān)的極大關(guān)注。
　　本文參考Kirkos[12]等人基于希臘上市公司財務數(shù)據(jù)利用神經(jīng)網(wǎng)絡、決策樹等數(shù)據(jù)挖掘技術(shù)對造假行為進行甄別的研究思路以及Ophir Gottlieb[22]等人基于美國上市公司財務數(shù)據(jù)對不同數(shù)據(jù)挖掘技術(shù)的識別效果對比

2、，采用中國上市公司財務指標數(shù)據(jù)庫，對國內(nèi)上市公司財務造假情況進行數(shù)據(jù)挖掘識別技術(shù)的研究和分析。
　　本文對財務報告造假相關(guān)的理論及現(xiàn)狀進行了大量的研究，基于舞弊風險因子理論，從壓力因素、機會因素以及財務造假被發(fā)現(xiàn)的可能性三個方而作為本文篩選特征變量的切入點，選擇48個財務指標及非財務指標參與實證分析。然后通過統(tǒng)計資本市場近年來財務造假數(shù)據(jù)的年份分布情況以及行業(yè)分布情況，選擇造假案件高發(fā)的2010年-2016年作為時間軸，財務造假重

3、災區(qū)——制造業(yè)、批發(fā)零售業(yè)以及房地產(chǎn)業(yè)三個行業(yè)的上市公司年報數(shù)據(jù)作為實驗樣本進行實證研究。利用神經(jīng)網(wǎng)絡模型（BP神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡）以及決策樹模型(C&AT、QUEST、CHAID以及C5.0算法)對三個行業(yè)分別進行財務報告造假識別研究。
　　實證研究結(jié)果表明:兩種神經(jīng)網(wǎng)絡模型中BP神經(jīng)網(wǎng)絡識別效果較好，決策樹模型中C5.0決策樹算法表現(xiàn)突出，總體來看，C5.0算法的適用性以及識別準確率優(yōu)于其他算法，此外在判斷上市公司年報是