基于數(shù)據(jù)挖掘的財務(wù)舞弊識別研究.pdf

1、財務(wù)舞弊問題的屢屢發(fā)生嚴(yán)重阻礙了我國資本市場的長期穩(wěn)定發(fā)展。信息不對稱使得外部信息使用者很難察覺到這些蛛絲馬跡，這仿佛為識別財務(wù)舞弊蒙上了一層“黑面紗”。隨著互聯(lián)網(wǎng)的興起，大數(shù)據(jù)逐漸走進并且融入到了社會生活的各個領(lǐng)域，數(shù)據(jù)分析正成為解讀企業(yè)的良方。本文立足于財務(wù)舞弊的識別研究，借助數(shù)據(jù)挖掘這一新興數(shù)據(jù)分析技術(shù)來識別財務(wù)舞弊行為，其識別效果和效率均十分可觀。這為識別財務(wù)舞弊研究問題提供了新的思路與方法，同時也有助于提高有關(guān)信息使用者的舞弊

2、識別能力，促進會計信息披露的規(guī)范。
　　本文通過回顧財務(wù)舞弊識別研究的成果，結(jié)合財務(wù)舞弊相關(guān)理論和數(shù)據(jù)挖掘技術(shù)理論，厘清了研究思路。其后，以財務(wù)舞弊GONE理論為框架，選取貪婪、機會、需要和暴露四個維度，共11個舞弊影響因子，涵蓋財務(wù)信息、公司治理和外部環(huán)境三方面對財務(wù)舞弊的影響。然后，選取2009年至2015年受到我國證監(jiān)會和滬深交易所公開譴責(zé)、公開批評和公開處罰的上市公司為舞弊公司樣本；按照公司規(guī)模、行業(yè)選取無舞弊公司樣本進行

3、1:1配對，共420家上市公司。在進行數(shù)據(jù)挖掘訓(xùn)練時，使用resample函數(shù)將樣本規(guī)模擴大一倍，繼而分別采用決策樹、Bagging和隨機森林三種分類器進行實證檢驗。經(jīng)實證分析后發(fā)現(xiàn)，隨機森林算法識別財務(wù)舞弊行為的效果最好，其識別率高達97.4％，較以往研究者的實證效果更有優(yōu)越性。同時分析結(jié)果表明，財務(wù)指標(biāo)較非財務(wù)指標(biāo)在財務(wù)舞弊的識別上更為重要?？赡艿慕忉屖?，傳統(tǒng)財務(wù)指標(biāo)可以直觀反映企業(yè)的經(jīng)營狀況，而公司治理和外部環(huán)境等非財務(wù)指標(biāo)由于其

4、主觀性和不可測量性導(dǎo)致其識別效果較弱，通常只起到對財務(wù)指標(biāo)的補充作用。
　　本文的創(chuàng)新點在于，使用具有集成效果的分類器（Bagging和隨機森林）進行財務(wù)舞弊識別研究，相比單一分類器（決策樹）的財務(wù)舞弊識別效果更為優(yōu)秀，這點得到了實證結(jié)果的支持。其次，借鑒舞弊GONE理論，構(gòu)建了一套多維度、多指標(biāo)、綜合性的財務(wù)舞弊識別指標(biāo)體系，用于指導(dǎo)數(shù)據(jù)挖掘分類器模型的建立。本文最大的不足在于數(shù)據(jù)挖掘技術(shù)本身的局限性，雖然本文的模型得到了較好的