计算机网络论文栏目提供最新计算机网络论文格式、计算机网络硕士论文范文。详情咨询QQ:1847080343(论文辅导)

基于BP-LVQ的组合神经网络舞弊风险识别模型研究

日期:2018年02月01日 编辑:ad201708310846561631 作者:无忧论文网 点击次数:1222
论文价格:150元/篇 论文编号:lw201711061128194473 论文字数:39989 所属栏目:计算机网络论文
论文地区:中国 论文语种:中文 论文用途:硕士毕业论文 Master Thesis

1 绪论


1.1 选题背景及意义

自 1990 年深沪两市证券交易所分别设立以来,我国的基础性制度建设不断得到巩固和加强,资本市场改革更是得到不断深化。2004 年,国务院颁布《关于推进资本市场改革开放和稳定发展的若干意见》后,中国的资本市场得到了前所未有的蓬勃发展。创业板、新三板陆续推出,充分完善了资本市场的基础性建设,为各类型企业提供了相对完善的资金融通渠道,进一步优化了资本市场资源配置能力,推动了国民经济的迅猛发展,但与之相伴的是不断被曝出的上市公司舞弊丑闻。从 2001 年起,国际上不断曝光大型公司财务舞弊案件,绝大多数公司的管理层都涉嫌其中,涉案金额巨大,震惊世界。上市公司舞弊不仅大大侵害了投资者切身利益,而且使审计他们的会计师事务所面临空前的信赖危机,审计报告的可信度遭到严重质疑。面对资本市场的高速发展,我们不得不反思应该如何高效识别企业舞弊行为,证监会和会计师事务所应该如何发挥好监管、审查职能。

面对频发的上市公司舞弊案件,必须承认传统的审计技术已经适应不了新的管理舞弊审查需求,上市公司管理舞弊审计急需高效、精准的舞弊识别方法。从上市公司管理舞弊案件爆发至今,相关学者使用过单变量分析法、多变量分析法、Probit 模型和 Logistic 回归模型,其中以 Logistic 回归模型使用的最为广泛。但是,Logistic 回归模型计算过程复杂,多数数据处理采用近似方法,加之它在中间区域判别敏感性强,容易导致模型识别准确率降低,无法保持一个稳定的准确率,在此背景下人工神经网络模型应运而生。从 1997 年开始,国外学者就开始研究人工神经网络技术对企业舞弊的识别效果,国内则起步较晚,直到 2001 年才陆续有学者开始研究,研究结果表明,人工神经网络技术中的 BP 神经网络技术和 LVQ 神经网络技术在舞弊识别方面效果较好,一般优于其他已有的舞弊识别方法。但大部分文献都是针对其中一项技术进行舞弊识别效果研究,缺乏可比性,并且不同文献得出的舞弊识别率也相差较大。

........................


1.2 相关概念界定

1.2.1 舞弊的界定

关于―舞弊‖一词的意义,《现代汉语词典》中的解释是:因图谋私利而玩弄欺骗手段做犯法的事。关键在于:欺骗、犯法。国内外学者对于―舞弊‖一词更是有不同的理解,被广泛认可的大致有以下几种解释:

1887 年,美国最高法院从民事角度出发,将舞弊定义为民事侵权行为的一种。它必须满足三个条件:(1)被告者已经对重大事项做出具体的虚假陈述。(2)被告者明知真相还诱骗受害人相信他的陈述。(3)受害人因为相信了被告人的虚假陈述而造成了实质损失。

《布莱克法律词典》中将舞弊定义为:所有利用人为方法、隐瞒事实、虚假陈述等手段侵占他人利益,对他人造成实质损失的行为,涉及欺诈、恶作剧、迷惑他人、诱骗等其他欺瞒他人的所有非正常手段。

1993 年,国际内部审计师协会在颁布的《内部审计实务标准》中将―舞弊‖定义为由一个组织内部或外部的人故意进行的一连串非法和不正当的欺诈行为。同时指明,社会公众对舞弊的理解是故意谎报、有目的欺骗而造成的重大财务报表不实行为。

1997 年,美国注册会计师协会颁布的第 82 号审计准则公告指出,舞弊是通过故意歪曲、隐藏、篡改事实结果以取得他人信任,并从中牟取不当利得的行为。明知这是错误的违法行为而有意为之,在谋取私利的同时对他人造成损害。

2002 年,美国注册会计师协会颁布的第 99 号审计准则公告将―舞弊‖定义为一种有意识的主观行为,强调了主观上的故意动机。

通过上述文献对―舞弊‖的定义,可以总结出舞弊的几项特征:(1)舞弊的目的是牟取一定经济利益。(2)舞弊的手段具有欺骗性。(3)舞弊是一种主观上的故意行为。(4)舞弊是一种违法犯罪行为。

.........................


2 文献综述


2.1 舞弊动机与成因理论分析

20 世纪 30 年代起就有很多国外学者对公司舞弊进行研究,虽然国内对此研究领域起步较晚,但截至目前也已累积了大量非常有价值的研究文献,并取得丰硕的研究成果。国内外关于管理舞弊的相关理论研究主要分为两方面,一方面是对管理舞弊的动机研究,另一方面是对管理舞弊的成因研究。这两方面的研究有重合有联系也有区别,两方理论相辅相成,密不可分。

2.1.1 国外舞弊动机与成因理论

国外经典的相关动机与成因理论有:舞弊三角理论、契约理论、ABC 理论、冰山理论、GONE 理论和舞弊风险因子理论。

(1)舞弊三角理论

舞弊三角理论由美国注册舞弊审核师协会(ACFE)创始人史蒂文 阿伯雷齐特(W.SteveAlbrecht)提出,他认为压力(Pressure)、机会(Opportunity)和自我合理化(Rationalization)这三要素促成了舞弊的产生,缺少其中任何一项要素都无法形成真正的舞弊。这些舞弊要素的具体内容如下:

1)压力(Pressure):指刺激舞弊者为了自身利益而进行舞弊行为的动机,主要分为经济压力、与工作相关的压力、恶癖压力和其他压力这四类。

2)机会(Opportunity):指可以进行舞弊并掩盖起来逃避惩罚或长时间不被发现的时机,当企业存在下列情况时可能为舞弊提供了时机:缺乏惩罚措施、审计制度不健全、无法判断工作质量、缺乏必要的内部控制、能力不足、严重的信息不对称。

3)自我合理化(Rationalization):当企业的舞弊者面临压力并获得机会后,还要为自己的舞弊行为寻求一个自我合理化的解释,即借口。舞弊者必须找到一个合理的理由将自己的行为准则、道德观念与其舞弊行为相吻合。

..........................


2.2 舞弊风险识别指标研究

2.2.1 国外文献回顾

相较于国内,国外学者对公司舞弊识别领域的研究更早、更全面。从安然事件爆发至今,国外已经累积了丰硕的关于舞弊风险识别指标方面的研究成果。大多数研究都是从财务指标、非财务指标以及综合指标三块进行分析。

(1)财务指标

Jain and Kini(1994)发现总资产报酬率在新公司上市前和上市后有显著区别,同一家公司的总资产报酬率在成功上市后会降低。Beneish(1997)研究发现财务杠杆(DFL)可以初步判别舞弊与非舞弊公司,并在 1999 年的后续研究中证实了进行利润操控的公司,它的财务杠杆系数显著高于未进行利润操控的公司。与此同时,1999 年的研究发现与非舞弊公司相比较,舞弊公司的资产质量更低、应收款项较大、应计利润率更高、主营产品毛利率和销售收入不正常变动。Dechow、Sloan and Sweeney(1997)选取 1978 年到 1990 年这 13 年间因利润操纵行为受到美国证监会惩罚的 92 家公司为样本数据,以债务比率为研究指标,检验了进行利润操控的动机和后果,结果表明进行利润操控的公司债务比率显著高于一般公司。Summers and Sweeny(1998)实证研究表明企业舞弊与内幕交易存在相关性,舞弊公司在实施舞弊前一年的存货周转率显著高于其配对公司。Lee,Ingram and Howard(1999)选取 1978 年到 1991 年这 14 年间发生的 56 家舞弊公司进行研究,研究结果显示―盈余减经营活动现金流量‖指标在公司舞弊行为未揭发前与揭发后存在显著差异,通常会从正值变为负值。将该指标与应收账款、自由现金流量、存货等指标结合在一起判别公司是否存在舞弊行为时效果更佳。Lin, Hwang and Becker(2003)选取 1980~1995 这 16 年间发生舞弊的 40家公司和 160 家非舞弊公司,将其均分为测试样本和训练样本两组进行实证研究,研究结果表明舞弊与非舞弊公司在净收入、应收账款/收入、营业收入增长率方面存在显著差异。Belinna et al(2008)研究表明舞弊公司与非舞弊公司在财务费用/收入和运营费用/收入上存在显著差异,通常舞弊公司的比率显著高于非舞弊公司。Cecchini, M. et al(2010)选取 1991~2003 这 13 年间 122 家舞弊公司作为研究样本,按照配对原则确定 122 家非舞弊公司最为控制样本进行实证研究,结果表明流动资产、存货占比、资产负债率、存货周转率可以作为舞弊与非舞弊公司的判别因子。Bill(2012)发现进行财务舞弊的公司更倾向于尽少披露有关盈利性方面的指标。

.........................


3 人工神经网络介绍及舞弊风险识别模型选择 ..................... 23

3.1 人工神经网络 ............... 23

3.1.1 人工神经网络简介 ..................... 23

3.1.2 人工神经网络特点 ................. 24

4 样本选取和舞弊风险识别指标筛选 .................. 31

4.1 样本选取............. 31

4.1.1 舞弊样本确定 .............. 31

4.1.2 配对样本确定 ................... 31

5 BP、LVQ 神经网络模型的舞弊风险识别效果检验 ................ 40

5.1 神经网络模型相关参数的确定 ................... 40

5.2 神经网络模型检验及结果分析 .......... 41


6 基于 BP-LVQ 的组合神经网络舞弊风险识别模型构建


6.1 BP、LVQ 神经网络模型各自的优缺点分析

6.1.1 BP 神经网络模型的优缺点分析

BP 神经网络是一种按照误差逆向传播算法训练的多层前馈网络,具有输入层、隐含层和输出层