基于数据挖掘的上市公司会计舞弊识别问题研究综述
检索了近年来基于数据挖掘的会计舞弊识别方面的文献，对挖掘数据、算法以及分类器评价方法和分类效果进行归类比较。绝大多数研究以证券监管部门公开处罚的舞弊企业和控制行业、规模、时间后的非舞弊企业为数据对象，特征值基本涵盖审计师数据、公司治理数据、财务报表数据、行业和交易数据多个类别，当前研究以反映舞弊三角的综合数据为主。挖掘结果为舞弊红旗理论提供了经验证据；一般研究认为，比率数据比账户数据更有效。已检索文献使用挖掘算法包括统计检验、回归分析、神经网络、决策树，贝叶斯网络、堆栈变量法等。回归分析应用的最为普遍，总体上神经网络识别效果和准确性优于回归模型，模型辅助检测优于审计师无辅助检测。绝大多数文献采用误分类率标准评估分类器效果。缺乏无标签挖掘和时序数据挖掘研究。
数据挖掘 会计舞弊识别 挖掘算法 上市公司 评估分类器
张俊民 汪士果
国内会议
天津
中文
1-9
2010-07-10（万方平台首次上网日期，不代表论文的发表时间）