基于数据挖掘技术的虚假财务报告识别研究

第一章 绪论 1

第一节 本书研究背景 1

第二节 虚假财务报告识别研究的意义 2

第三节 相关概念界定 4

一、什么是会计信息 4

二、什么是会计信息失真 4

第四节 技术路线与内容安排 5

一、技术路线 5

二、论文内容安排 6

第二章 文献综述 8

第一节 国外财务舞弊研究综述 8

一、舞弊理论研究 8

二、舞弊特征研究 10

三、舞弊识别模型研究 14

第二节 国内财务舞弊研究综述 24

一、舞弊理论研究 24

二、舞弊特征研究 25

三、舞弊识别模型研究 29

第三节 数据挖掘技术及其应用现状 32

一、数据挖掘的含义与功能 32

二、数据挖掘在经济管理领域的典型应用 33

第四节 评述 34

第三章 财务造假分析 36

第一节 造假原因分析 36

一、客观环境分析 36

二、内在动因分析 39

第二节 造假手段分析 43

一、关联方交易 43

二、资产重组 45

三、选用不当会计政策 46

四、会计政策、会计估计变更 46

五、资产评估 47

六、其他手段 47

第四章 研究样本与变量选择 49

第一节 样本选择 49

一、虚假财务报告样本 49

二、控制样本 50

三、测试样本 54

第二节 变量选择 56

一、选择标准 56

二、变量分析 56

第三节 指标计算及其标准化 67

一、中心化 67

二、标准化 68

第五章 基于分类方法的虚假财务报告识别研究 69

第一节 基于分类方法的虚假财务报告识别框架 69

第二节 Logistic回归分析及其应用 71

一、Logistic回归简介 71

二、实验过程与分析 73

第三节 神经网络及其应用 78

一、人工神经网络的特点 78

二、神经元及其特性 79

三、BP神经网络模型 80

四、基于神经网络的虚假财务报表的识别 83

第四节 支持向量机及其应用 90

一、支持向量机理论 90

二、基于支持向量机的会计信息失真的识别 95

第五节 贝叶斯分类及其应用 100

一、朴素贝叶斯分类简介 100

二、朴素贝叶斯分类的应用 102

第六节 几种分类方法实验结果的比较 107

第六章 虚假财务报告的聚类研究 111

第一节 自组织映射 112

第二节 K均值聚类方法 114

第三节 聚类有效性 114

第四节 V－KSOM模型 117

第五节 V－KSOM模型的应用 119

一、实验样本选择 119

二、变量选择 119

三、实验过程与结果分析 120

第七章 总结与展望 123

第一节 研究总结 123

第二节 研究的局限和今后研究方向 126

参考文献 127

附录1：分类训练样本中88家公司列表 137

附录2：分类测试样本中172家公司列表 142

附录3：聚类实验样本中100家公司列表 150