北京交通大学;
本文聚焦2011-2021年上市公司在融资性贸易背景下与第三方协同财务造假的行为，基于五维度财务造假识别框架，运用机器学习方法，挖掘出针对识别财务造假至关重要的财务与非财务指标，并以*ST凯乐为例，实际验证了识别指标的有效性。研究发现，LightGBM模型在检测第三方协同财务造假方面表现优异，预付账款占总资产比例与投资活动水平异常是识别造假的关键线索；此外，供应商稳定性和采购集中度等非财务指标可以显著赋能财务造假识别。本研究推进了财务造假预测模型的理论发展，也拓展了机器学习在财务领域的应用，为资本市场监管提供了新的视角和有力工具。
| 1,075 | 0 | 110 |
| 下载次数 | 被引频次 | 阅读次数 |
1.黄世忠,叶钦华.第三方配合财务造假群体特征与审计责任认定分析.财会月刊. 2024.45(11)
2 .黄世忠,叶钦华.上市公司会计信息质量评估——基于财务报告可信度指数的分析.财务研究. 2023(6)
3 .黄志刚,刘佳进,林朝颖.基于机器学习的上市公司财报舞弊识别前沿方法比较研究.系统科学与数学. 2020.40(10)
4 .姜宝强,程炯梅.高管任期、股权激励与研发支出盈余管理.中国注册会计师. 2021(10)
5 .金花妍,刘永泽.基于舞弊三角理论的财务舞弊识别模型研究——支持向量机与Logistic回归的耦合实证分析.大连理工大学学报(社会科学版). 2014.35(01)
6 .李双杰,陈星星.基于BP神经网络模型与DEA模型的中国上市公司利润操纵研究.数理统计与管理. 2013.32(03)
7 .刘树磊,李强.财务报告舞弊的识别研究——基于制造业上市公司经验数据.财会通讯. 2011(03)
8 .钱苹,罗玫.中国上市公司财务舞弊预测模型.会计研究. 2015(07)
9 .孙玲莉,杨贵军,王禹童.基于Benford律的随机森林模型及其在财务风险预警的应用.数量经济技术经济研究.2021.38(09)
10 .王翠琳,何其恩.基于LM算法BP神经网络的审计重大错报风险识别.财会月刊. 2012(21)
11 .徐静,李俊林,唐少清.上市公司财务异常与舞弊疑点检测研究.中国软科学. 2021(S1)
12 .徐峥,喻兆.融资性贸易在审计实务中的识别和应对.财务与会计. 2023(05)
13 .叶康涛,刘金洋.非财务信息与企业财务造假行为识别.会计研究. 2021(09)
14 .叶钦华,黄世忠,叶凡,等.严监管下的财务舞弊分析——基于2020~2021年的舞弊样本.财会月刊. 2022(13)
15 .叶钦华,叶凡,黄世忠.财务舞弊识别框架构建——基于会计信息系统论及大数据视角.会计研究. 2022(03)
16 .周继军,张旺峰.内部控制、公司治理与管理者舞弊研究——来自中国上市公司的经验证据.中国软科学. 2011(08)
17 .周卫华,翟晓风,谭皓威.基于XGBoost的上市公司财务舞弊预测模型研究.数量经济技术经济研究. 2022.39(07)
18 .刘云菁,伍彬,张敏.上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法.数量经济技术经济研究. 2022.39(07)
19 .黄志刚,刘佳进,林朝颖.基于机器学习的上市公司财报舞弊识别前沿方法比较研究.系统科学与数学. 2020.40(10)
20 . Brown N C, Crowley R M, Elliott W B. What Are You Saying? Using topic to Detect Financial Misreporting.Journal of Accounting Research. 2020, 58(1)
21 . Gupta S, Mehta S K. Feature Selection for Dimension Reduction of Financial Data for Detection of Financial Statement Frauds in Context to Indian Companies. Global Business Review. 2020
22 . Hajek P, Henriques R. Mining Corporate Annual Reports for Intelligent Detection of Financial Statement Fraud-A Comparative Study of Machine Learning Methods. Knowledge-Based Systems, 2017, 128
基本信息:
DOI：10.16292/j.cnki.issn1009-6345.2024.10.017
中图分类号:F275;F832.51
引用信息:
[1]姚立杰,叶霖青,杨逸等.第三方配合财务造假的重要特征和有效识别——基于机器学习的方法[J].中国注册会计师,2024,No.305(10):63-74+5.DOI:10.16292/j.cnki.issn1009-6345.2024.10.017.
基金信息: