基于BP-LVQ的組合神經(jīng)網(wǎng)絡(luò)舞弊風(fēng)險(xiǎn)識(shí)別模型研究.pdf

1、近年來(lái)，國(guó)內(nèi)外上市公司舞弊丑聞層出不窮，給投資者帶來(lái)巨大的投資風(fēng)險(xiǎn)和傷害的同時(shí)，沉重打擊了社會(huì)公眾對(duì)會(huì)計(jì)界和資本市場(chǎng)的信心。因此，如何有效識(shí)別企業(yè)舞弊行為成為會(huì)計(jì)理論界、實(shí)務(wù)界以及監(jiān)管部門(mén)關(guān)注的重中之重。實(shí)證研究表明，模型舞弊識(shí)別效果優(yōu)于舞弊案例分析，而有效的舞弊風(fēng)險(xiǎn)識(shí)別模型的構(gòu)建離不開(kāi)完善的舞弊識(shí)別指標(biāo)和恰當(dāng)?shù)淖R(shí)別方法。目前，在舞弊識(shí)別指標(biāo)方面的研究已經(jīng)比較完善，但舞弊識(shí)別模型方面的研究較少。隨著人工智能技術(shù)的不斷發(fā)展和廣泛應(yīng)用，人工

2、神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)始應(yīng)用于舞弊識(shí)別領(lǐng)域。其中，以BP和 LVQ神經(jīng)網(wǎng)絡(luò)在舞弊識(shí)別領(lǐng)域的應(yīng)用最為廣泛，舞弊識(shí)別率較高。本文在此背景下深入探究這兩種神經(jīng)網(wǎng)絡(luò)技術(shù)，用同一舞弊樣本檢驗(yàn)這兩種模型的舞弊識(shí)別率，并在此基礎(chǔ)上提出優(yōu)化的基于BP-LVQ的組合神經(jīng)網(wǎng)絡(luò)舞弊風(fēng)險(xiǎn)識(shí)別模型。
　　本文查閱整理國(guó)內(nèi)外相關(guān)文獻(xiàn)后，在第二章文獻(xiàn)綜述部分簡(jiǎn)單闡述了國(guó)際上最為流行的六種管理舞弊動(dòng)機(jī)與成因理論以及國(guó)內(nèi)流行的舞弊動(dòng)機(jī)與成因觀點(diǎn)，梳理歸納了舞弊風(fēng)險(xiǎn)識(shí)別指標(biāo)

3、和舞弊風(fēng)險(xiǎn)識(shí)別方法的相關(guān)國(guó)內(nèi)外文獻(xiàn)資料，明確舞弊風(fēng)險(xiǎn)識(shí)別模型的研究現(xiàn)狀、研究成果和現(xiàn)有的不足之處。在此基礎(chǔ)上提出本文選用 BP、LVQ神經(jīng)網(wǎng)絡(luò)技術(shù)作為舞弊風(fēng)險(xiǎn)識(shí)別模型的理由，并在第三章詳細(xì)介紹了人工神經(jīng)網(wǎng)絡(luò)技術(shù)的特點(diǎn)與分類(lèi)、BP神經(jīng)網(wǎng)絡(luò)和LVQ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及運(yùn)作機(jī)制。第四章主要是樣本選取和舞弊風(fēng)險(xiǎn)識(shí)別指標(biāo)篩選。本文選取2010年到2014年發(fā)生舞弊的506家上市公司作為舞弊樣本，按照Beasley原則一比一確定非舞弊的配對(duì)樣本公司50

4、6家，以此作為研究樣本。將根據(jù)文獻(xiàn)梳理出的識(shí)別效果較好的舞弊風(fēng)險(xiǎn)識(shí)別指標(biāo)作為最初的指標(biāo)體系，通過(guò)配對(duì)樣本 T檢驗(yàn)以及主成分分析消除共線性問(wèn)題后，最終刪選出識(shí)別效果最好的10個(gè)指標(biāo)。第五章主要對(duì)BP、LVQ神經(jīng)網(wǎng)絡(luò)模型的舞弊風(fēng)險(xiǎn)識(shí)別效果進(jìn)行檢驗(yàn)，并對(duì)兩種識(shí)別模型的舞弊判別效果進(jìn)行分析。第六章在分析 BP、LVQ神經(jīng)網(wǎng)絡(luò)模型各自?xún)?yōu)缺點(diǎn)的基礎(chǔ)上提出構(gòu)建基于BP-LVQ的組合神經(jīng)網(wǎng)絡(luò)模型，介紹了組合模型的構(gòu)建原理和思路，用同一研究樣本檢驗(yàn)組合模