 |
|
 |
| |
|
上市公司财务报表欺诈鉴别
|
|
|
 |
文 件 名: 上市公司财务报表欺诈鉴别.pdf
|
|
|
标 准 点:30 点 （1个标准点=1元人民币） |
|
|
登出日期:2007-01-16 AM 10:11 |
|
|
总 页 数:37 页
/ 字数：20000 字 |
|
|
文件大小:1625597字节 |
|
   |
|
|
|
|
|
|
| 【内容摘要】 |
| 中国大陆上市公司的财务报表的欺诈行为由来已久,对投资人、债权人以及整个国民经济环境的危害十分严重,但同时对于注册会计师、审计师来说,对欺诈财务报表的鉴别却一直是难题。本文首先根据公开信息选择出财务报表欺诈的风险因子(red flags),建立起财务欺诈合理怀疑指标体系。然后利用中国沪市上市公司的财务报表历史数据训练出财务报表欺诈的预测模型,并对模型的预测效果做出评估。由于欺诈财务报表在总体中的比例很少,所以我们采用不等概率概率抽样,即在欺诈类别样本的抽样概率大于在非欺诈类别样本的抽样概率,在这种情况下传统的参数估计方法需要修正。本文列举了logistic回归的在不等概率抽样条件下进行参数估计的方法,证明了神经网络模型在不等概率抽样条件下修正输出的方法。另外,由于论文的目的是估计财务报表欺诈的可能性,本文还分析的神经网络输出贝叶斯后验概率所需的条件。 |
|
| 【文件目录】 |
引言
1.1 论文背景
1.2 问题的定义
1.3 论文目标
2 理论分析
2.1 可行性分析
2.2 指标选取
2.2.1 可供借鉴的文献
2.2.2 指标的选择
2.3 抽样
2.4 模型
2.4.1 贝叶斯(Bayes)判别
2.4.2 Logistic回归模型
2.4.2.1 基于选择抽样的Logistic回归模型的参数估计
2.4.3 神经网络模型
2.4.3.1 前馈神经网络估计贝叶斯后验概率
2.4.3.2 在基于选择抽样下对前馈神经网络估计输出的调整
2.4.4 统计学习理论和SVM
2.4.5 模型的选择
3 实证过程
3.1 数据处理
3.1.1 定义目标变量
3.1.2 抽样
3.1.3 数据探索
3.1.4 数据调整
3.1.4.1 替换缺失值
3.1.4.2 极值控制
3.1.4.3 标准化
3.1.5 数据集的划分
3.1.6 指标的筛选
3.2 模型训练结果
3.2.1 Logistic回归
3.2.2 神经网络
3.3 模型的评估
4 结论
5 参考文献
6 在学研究成果
6.1 在学期间取得的科研成果
6.2 在学期间发表的论文
7 致谢
|
|
|
| 【编辑说明】 |
|
论文提交日期：2006-05-01 |
| |
|
|
|
 |
|
 |
|
