基于学习向量量化LVQ神经网络的财务危机预警研究

应用学习向量量化LVQ神经网络方法，以近期14个数据作为财务危机预警建模样本和测试样本，建立了财务危机的顸警模型，经过对样本的反复训练和学习，得到了较好的预测结果。研究结果表明：LVQ神经网络是一种非线性映射模式，在指标间相关度较高、呈非线性变化，或数据缺漏不全等情况下仍可得到比较满意的结果，因此是一种比较理想的预测方法，具有广泛的适用性和较高的推广价值。     

基于XGBoost的上市公司财务舞弊预测模型研究

研究目标:探讨如何利用大数据和机器学习方法对上市公司财务数据和非财务数据进行分析和挖掘，并应用于上市公司财务舞弊识别和预测。研究方法:提出一种基于机器学习方法的上市公司财务舞弊预测模型Xscore,对上市公司财务舞弊进行预测。研究发现:Xscore模型能够提高模型预测的准确率，在准确率、召回率、AUC指标、KS值、PSI稳定性等方面均优于Fscore模型和Cscore模型，更适合我国上市公司财务舞弊预测。研究创新:基于2000～2020年中国上市公司数据集为观测样本，通过Benford定律、LOF局部异常法、IF无监督学习法，解决了机器学习应用于财务舞弊识别研究时普遍面临的灰色样本问题，甄选兼具领域特性和统计特征的特征变量；首次将XGBoost集成学习方法应用到上市公司财务舞弊预测分析中，有效提高了上市公司财务舞弊准确率。研究价值:本文将XGBoost集成学习方法引入上市公司财务舞弊识别领域，有助于促进人工智能、机器学习在会计学中的研究与应用，为促进上市公司披露高质量的财务信息和维护资本市场秩序提供参考。     

舞弊三角与财务舞弊的识别——来自我国上市公司的经验证据

本文以2000~2008年因财务舞弊被处罚的上市公司为样本,基于舞弊三角理论建立了财务舞弊识别模型。研究表明,法人股比例越高、监事会会议次数越多、当年的审计意见类型为非标准审计意见的公司越容易发生财务舞弊行为,而现金再投资比率、营业毛利率与第一大股东持股比例与财务舞弊负相关。     

基于ANP-LVQ模型的转型升级企业财务风险分析北大核心

企业转型升级存在较大风险,为了提高企业控制风险能力,构建基于网络层次分析(ANP)和学习矢量量化神经网络(LVQ)相结合的企业转型升级财务风险分析模型。本文先采用风险识别技术建立企业转型升级财务风险评价指标体系,再使用网络层次分析法(ANP)确定网络层权值,并结合LVQ神经网络确定风险等级,ANP-LVQ网络模型的结构科学,可有效评价转型升级企业存在的风险,对提高其抗风险能力意义显著。     

财务报告舞弊的识别研究——基于制造业上市公司经验数据

本文从被中国证监会处罚的制造业上市公司中选择样本,选取16个财务指标作为研究变量,建立可以识别制造业上市公司财务报告舞弊的回归模型。结果表明,总资产周转率、流动比率、资产负债率、审计意见和资本公积/所有者权益等指标能更好的识别制造业上市公司舞弊现象。     

财务困境上市公司财务报告舞弊预警模型研究

本文选择2004～2012年间被证监会处罚的48家处于财务困境中的财务报告舞弊上市公司和48家正常公司为样本,以舞弊前三年到舞弊年度为研究区间,利用配对样本T检验和Wilcoxon符号秩检验在选取的31个财务指标中筛选存在显著差异的指标,通过Logistic回归技术构建基于财务困境的上市公司财务报告舞弊预警模型.模型对舞弊公司预警的有效性高达91.7％,综合有效性达到88.5％,取得了显著的预警效果.     

上市公司财务舞弊行为识别的实证研究

文章选取1998年至2006年40家因财务舞弊而受到监管部门处罚或调查的上市公司和40家对应的非财务舞弊公司作为研究样本,以20个财务指标和内部治理结构指标作为解释变量,对舞弊样本和非舞弊样本进行描述性统计检验,并构建Logistic模型进行了回归分析.经研究发现,资产负债率、每股收益和存货周转率等变量显著性水平较高,对财务舞弊的影响较大.     

基于成长期上市公司的管理舞弊识别研究——来自我国A股证券市场的经验证据

本文基于生命周期理论,以成长期上市公司为研究对象,对其舞弊行为进行了实证研究。研究表明:虚增销售收入是成长期上市公司舞弊的主要手段。从指标变量的显著性检验发现,盈余与净利润之差、(净利润-经营活动现金流量)/上年资产总额、负债比例、运营效率、获取经营活动现金能力,舞弊样本显著低于正常样本,且两类指标的资产组成也存在显著差异。以显著指标为初始变量,运用Logistic回归及因子分析方法建立识别模型,进一步验证了上述初始变量在模型中的识别效果。     

上市公司财务舞弊的风险识别与证据收集

针对中国上市公司广泛存在的财务舞弊事件,本文构建逻辑（Ｌｏｇｉｓｔｉｃ）财务舞弊识别模型进行回归分析。 结果表明：财务指标和非财务指标都是影响上市公司财务舞弊的因素,都能在整体上对上市公司财务舞弊行为进行风险识别;一般而言,舞弊公司财务指标的波动性比非舞弊公司财务指标的波动性要大,审计人员可以从财务指标的波动性入手,去寻找上市公司是否真正存在财务舞弊的审计证据。     

基于成长期上市公司的管理舞弊识别研究——来自我国A股证券市场的经验证据

本文基于生命周期理论，以成长期上市公司为研究对象，对其舞弊行为进行了实证研究。研究表明：虚增销售收入是成长期上市公司舞弊的主要手段。从指标变量的显著性检验发现，盈余与净利润之差、（净利润一经营活动现金流量）／上年资产总额、负债比例、运营效率、获取经营活动现金能力，舞弊样本显著低于正常样本，且两类指标的资产组成也存在显著差异。以显著指标为初始变量，运用Logistic归及因子分析方法建立识别模型，进一步验证了上述初始变量在模型中的识别效果。     

基于神经网络的股市资产收益率识别

本文以BP神经网络来识别中国股市不同行业未来的资产收益率,来检验财务数据的有效信号的假定,输入神经元选取了安全性指标、盈利性指标、成长性指标、现金流量结构分析指标四大类指标,共15个最为经典的财务指标,用以预测不同行业的未来超额收益率。预测结果显示,平均预测误差为0.7%,表明神经网络在分析行业未来盈利能力有很强的分类功能。模型分析证实财务数据在行业层面上有十分强烈的信号。同时,预测方法为投资者掌握未来投资资金流向有实用价值。     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

审计指标评价识别的Rough-ANN模型

由于审计指标体系的开放性,当需要甄别的指标结构相对简单的时候,比较容易处理,但是当面对更加复杂的的财务报表以及其他相关数据时,需要完善和建立的审计指标系统也会更加复杂。本文首先介绍了Rough集(粗糙集)和ANN(人工神经网络)理论的出现为审计指标识别带来的机会,分析了这种识别模型的确立的可能性,将Rough集和ANN相结合,构造了审计对象识别的Rough-ANN模型,并结合一个实例来验证此模型的可行性和有效性。     

The case of VIP Scandinavia

This article analyses the stock market’s reaction to news about the Norwegian company VIP Scandinavia over a period of about a year and a half. The data show that the market relied to a great extent upon financial reporting as a source of valuation information. A tentative attempt is made to explain this finding in the light of earlier capital market research. VIP Scandinavia has been accused of publishing fraudulent financial statements. The article also discusses whether empirical results of the kind presented here, may be used as evidence of the harm caused by misleading financial statements.     

基于混合粗糙集与ANN的上市公司财务危机预警研究

利用混合粗糙集ANN数据挖掘技术和相关敏感财务及非财务指标构建财务危机预警模型,对30家ST和90家非ST的A股制造业上市公司的财务数据进行实证检验。结果表明,将混合粗糙集的知识约简理论和神经网络的推理能力相结合构建的混合粗糙ANN预警模型具有较高的财务危机预测准确率和较好的实际应用价值。     

我国长三角制造业上市公司财务预警实证研究

文章设计了适合长三角制造业的引入"技术创新指标"和"人力资本指标"的"新型化"预警指标体系,通过T检验和主成分分析法筛选出显著性指标,并建立BP神经网络预警模型。     

基于BP神经网络的股票涨跌预测模型

利用SPSS软件从上市公司的11个财务指标中筛选出与股票涨跌显著相关的7个财务指标,然后以这7个财务指标为输入向量,以涨跌情况为输出向量,利用BP网络建立了多只股票涨跌预测模型。仿真结果表明,该模型对于多只股票的涨跌预测是非常有效的,具有实用性。     

新会计准则下EVA绩效评价指标计算分析

EVA绩效评价指标优于传统的财务评价指标,能够全面而准确的评价企业的经营绩效。但运用EVA评价企业的经营绩效,涉及对我国会计准则的调整以及对公司会计报表的分析研究。本文分析了新旧会计准则下EVA绩效评价指标计算的差异,以期为新会计准则下EVA在我国公司绩效评价中的应用研究提供参考。     

The Effects of Audit Committee Attributes on Fraudulent Financial Reporting

This study aims to examine the relationship between audit committee attributes （audit committee independence, financial expertise, meeting frequency, gender diversity, and ethnic composition） and the propensity for fraudulent financial reporting. The sample includes 116 fraudulent and non-frandulent firms listed on Bursa Malaysia from 2005 to 2010. The finding of this study indicates that audit committee independence is positively associated with fraudulent financial reporting. The higher the proportion of independent or outside directors on the committee, the higher the possibility of financial fraud, and vice versa. The results also show that the expertise of members of the audit committee is negatively associated with corporate fraud. This suggests that when audit committee members are financially literate, they are more competent to curb fraudulent financial reporting. However, the findings for frequency of audit committee meetings, gender, and ethnicity show that there is no relationship between these variables and corporate fraud. The result of this study is robust after controlling for other firm-specific effects.     

上市公司会计欺诈预警模型的应用研究

国内外对会计欺诈研究的文献非常多,但较少从企业外部利益相关者尤其是中小投资者的角度出发研究预警模型的构建。本文以受到证监会处罚的上市公司相关财务指标,运用逻辑回归方法,尝试性的构建起会计欺诈预警模型,以期为实践提供一定的借鉴。