浙江大学本科毕业论文开题报告1选题背景与研究意义.pdf

《浙江大学本科毕业论文开题报告1选题背景与研究意义.pdf》由会员分享，可在线阅读，更多相关《浙江大学本科毕业论文开题报告1选题背景与研究意义.pdf（14页珍藏版）》请在三一文库上搜索。

1、浙江大学本科毕业论文开题报告1 选题背景与研究意义 浙江大学本科毕业论文开题报告基于数据挖掘的财务报表 欺诈研究1 浙江大学本科毕业论文开题报告1 选题背景 与 研究意义1.1 选题背景根据注册舞弊审核师协会定义，财 务报表欺诈是 “ 有目的地、故意地误述或遗漏材料事实、会 计数据， 以错误引导使用者改变其判断或决策的行为” 。在实 际操作中，财务报表欺诈可能包括：(1) 操纵财务记录，(2) 有目的地遗漏事件、交易、账目，或其他财务报表需要包 含的重要信息， (3) 错误应用会计准则、政 策及程序来测量、 认识、报告和披露商业交易21 。 在安然公司2001 年底破 产以前，安然公司月有22

2、000 名雇员，曾经是全球领先的 店里、能源、 纸浆与纸张、以及通讯公司，2000 年收益超过 1000 亿美元，还 连续 6 年被财富杂志评为“ 美国最具创新力 的公司 ” 。美国世通公司自1995 年改名以来，使用WCOM 和 MCIT 在纳斯达克交易。2002 年 6 月 21 日，世通公司申 请破 产保护。在破产重组协议后，世通公司支付证券交易 委员会 7.5 亿美金现金和新MCI 的股票，用于支付受损失的 投资者。安然事件可能只是冰山一角，随之而来的美国在 线时代华纳、世通公司、施乐公司、山登公司、百时美施贵 宝公司、阳光电器公司、莱得艾德公司、南方保健以及废 品管理公司等美国十大财

3、务欺诈案浮出水面，造假数目之 大、手段恶劣震惊世界。美国世通公司自1995 年改名以来， 使用 WCOM 和 MCIT 在纳斯达克交易。2002 年 6 月 21 日， 世通公司申请破产保护。在破产重组协议后，世通公司支 付证券交易委员会7.5 亿美金现金和新MCI 的股 票，用于 支付受损失的投资者。我国证券市场从建立至今，屡屡爆 出上市公司的假账丑闻。从刚建立的深圳原野、中水国际 集团、长城机电 “ 三大虚假验资案件” ，到举世震惊的银广夏、 蓝田时间。进入21 世纪之后，尽管有关当局加大了监管力 度，越来越多的有财务欺诈行为的公司被证监会揭露和处 罚，但仍有很多有财务欺诈行为的公司并未浮

4、出水面。财 务欺诈正在任何可能的商业领域发生。尽管诸如反国外行贿 法规和奥克斯利法案等在内的严格的针对欺诈的立法条例 增多，欺诈自动检测系统增多，但是仍然完全无法抑制财 务报表欺诈的现状和内生动力。财务报表欺诈问题已经成为 并将持续成为一个越来越严重的社会公共问题。浙江大学 本科毕业论文开题报告基于数据挖掘的财务报表欺诈研究 2 1.2 研究意义财务报表是反映公司财务状况的基本文件。 完善的财务报表可以显示公司的运行状况，是否运行正常， 或者已经处于危机。如果公司处于危机，财务报表能够显 示公司危机中面临的最严重的问题是现金、盈利或是其他， 进而一方面抑制和及时纠正公司行为，一方面向社会各利

5、益相关方提供有效的信息，避免不必要的投资问题。所有 的上市公司都要求公布财务报表，包括每年和每季度。通过 财 务报表，股票持有者能够对公司财务状况和走势形成一 个概念，继而决定该公司的股票是否值得投资。银行也需 要公司的财务报表，以决定是否为该公司提供贷款。总之， 财务报表是公司财务状态的镜子，是现金流的记录者，有着 重大的意义19 。 在诸如安然事件和美国世通事件等财务 丑闻中，财务报表被蓄意修改、粉饰，掩盖背后的经营漏 洞和现金问题，掩盖管理层的贪污腐败和管理不善，根本无 法 发挥其本身预示危机和纠正危机的作用，也无法向社会 传达公司的真实状况。而在这些事件发生之后，人们总是 在设想，如果

6、可以尽早地发现其欺诈行为，并加以制止， 是否可以减轻事态的严重性，减少投资者的损失。为此， 我们希望通过研究比较已有的财务报表识别方法，发现更具 有普适性和操作性的有效的检测方法。浙江大学本科毕业 论文开题报告基于数据挖掘的财务报表欺诈研究3 2 研究 思路与创新点2.1 原有财务方法审计师和管理者需要了解 欺诈的根源、 审计失败的原因， 并提出相应的解决措施 17 ， 以保障投资者和社会各相关领域的利益。传统上，识别财 务报表欺诈的方法多为定性分析，特别是经验总结居多。比 如 Rezaee 提出的 3C 模型 20 评估一个组织的环境、公司结 构以及选择，可以显示财务报表欺诈的动机、机会和理

7、性。 我国的研究者，陈信元、杜滨等(2001) 通过 大量统计研究， 总结出了极有可能进行财务报表欺诈的公司特征，通常包 括： (1) 前两年连续亏损，当年经营业绩没有得到根本改善 的公司（避免被 ST 处理） ；(2) 前两年平均净资产报酬率达 到 10% ，当年公司行业不景气的公司(争取配股资格 )； (3) 资本运作和关联交易频繁的上市公司；(4) 业绩和股价波动厉 害的上市公司；(5) 全行业亏损或行业过度竞争的上市公司。 美国 Coopers & Lybrand会计师事务以及知名学者对美国 上市公司的财务报告欺诈行为进行多年的研究后总结出29 面红旗，比较典型的情形包括：(1) 现金

8、短缺、 负的现金流量、 营运资金及 /或信用短缺 ,影响营运周转；(2) 融资能力 (包括 借款及增资 )减低 ,营业扩充的资金来源只能依赖盈余；(3) 成本增长超过收入或遭受低价进口品的竞争；(4) 发展中或竞 争产业对新资金的大量需求；(5) 对单一或少数产品顾客或交 易的依赖； (6) 夕阳工业或濒临倒闭的产业；(7) 因经济或其 他情况导致的产能过剩；(8) 现有借款合约对流动比率、额 外借款及偿还时间的规定缺乏弹性；(9) 迫切需要维持有利的 盈余记录以维持股价29 。 传统的审计方法是审计师根据公 司提供的数据 ,寻找相应的证据来论证数据。审计师对检测 财务报表欺诈负责任，他们关注

9、令人警觉的外部财务指标和 审计风险较大的科目，关注三大报表的勾稽关系显示的端 倪，现金流量表结构分析，异常波动指标分析等。比如田 华臣 28 在审计实务或财务分析中采用金流量的多期综合 分析法，即一方面，撇开被审计公司提供的繁琐数据和表象 资料 ,而作多期现金流量分析， 尤其是经营性现金流量分析。 另一方面，同时结合资产负债表、利润表所提供的其他数 据，进行多个指标相互勾稽分析，必要时借助会计报表附注 事项。此外，审计报告意见类型、审计事务所变更、利润 对非经常性损益的依赖等浙江大学本科毕业论文开题报告 基于数据挖掘的财务报表欺诈研究4 也是用来检测是否存 在会计欺诈现象的常用方法27 。 总

10、体上， 这些多是根据审 计师的经验和现实出现的状况而作出反应，没有很强的普 遍适用性，预测性也比较弱。而当越来越多的公司进行了欺 诈，并且采用了新的方法，审计师的负担加重，效果也不 尽如人意。另一方面，单一地从某一个表象分析，忽略了 上市公司财务报表欺诈背后的复杂原因，也忽略了诸多内外 部特征，就容易得出错误的结论。例如，有欺诈行为的公 司与无欺诈行为的公司在财务指标上的确存在差异，但是 我们不能仅依据某些财务指标存在差异，就简单地断定该 公司存在财务报表：因为资产重组、市场突发的变化以及财 务数据的调整等等，都可能造成一定程度的财务指标异常。 因此，一些更为科学的数据挖掘方法随之出现，在财务

11、报表 欺诈的领域中进行探索，并取得了一定的成绩。2.2 现代 数据挖掘方法随着现代金融理论、计算机技术以及人工智 能的引入，检测方法由粗糙的定性分析一步一步发展到较 为精确的定量分析。数据挖掘技术是一种决策支持技术， 它能够高度自动化地进行海量信息分析，作出归纳性推理， 从而从信息中挖掘出可供决策使用的高层次的知识，帮助财 务 报告的关注各方，以提高基于财务报告的决策效率和决 策质量。随着数据挖掘方法的不断改进和技术应用领域的 不断拓展，将数据挖掘的技术应用到财务报表欺诈检验中 很有必要 29 。 一般而言， 编造的欺诈数据与自然形成的财 务数据相比，在数据结构方面存在着内在的缺陷，即两类 财

12、务报表可能存在模式的内在差异，而这种差异在通常并 不显著，但是，通过数据挖掘技术可以将这种差异放大到可 以识别的差异，比如存在某种数据结构或者统计方面的显 著性差异。而基于这种数据结构或统计显著性差异，我们 可以发展出基于数据挖掘技术的财务务报表欺诈研究。从 Persons(1995)16的逻辑回归分析开始，其后有Hansen 等 (1996)10， Summers 和 Sweeney(1998)24， Lee(1999)13，Bell 和 Carcello(2000)1， Spathis(2002)23，Muranaka(2005)14，研究范围包括多 元逻辑、逐步回归法逻辑分析、多准则决策

13、援助方法、和 指数广义 226。再到 Sohl 和 Venkatachalam(1995)22， Pacheco 等(1996)15， Green 和 Choi(1997)9， Fanning 和 Cogger(1998)7，Jerry 和 Bcker 的神经网络技术，其他研 究还包括浙江大学本科毕业论文开题报告基于数据挖掘 的财务报表欺诈研究5 Brooks(1994)2，Busta 和 Weinberg(1998)3，Zhang 等(1998)25 ，Ramamoorti等 (1999)18，Calderon 和 Green(1999)5，Cerullo 和 Cerullo(1999)6，

14、Feroz 等 (2000)8， Koskivaara(2000)11，Calderon 和 Cheh(2002)4， Koskivaara(2004) 。 其他数据挖掘的方法还有决策树、L/W 模型、贝叶斯网络、支持向量机等数据挖掘的方法，这些 都完善了数据挖掘在财务报表欺诈领域的研究。在数据挖 掘模型上，从简单因素模型，到各种回归模型、神经网络模 型、贝叶斯网络等较为复杂的模型，增加了实证分析的步 骤，检测技术逐步完善，预测性和检测性都有了逐步的提 高。另外，从准确率上讲，这些数据挖掘方法的准确率一 般都能够达到70%-80% 甚至以上，使得财务报表欺诈检测 在定性方面取得了很大的进展。在

15、财务指标的选择上，也 基于数据处理和有效性进行了多样化的选择。在特征的研 究上，从财务困境与财务欺诈关系、公司治理与财务欺诈关 系、 财务欺诈公司的董事会或审计委员会的特征、财务欺 诈公司财务指标的特征等方面不断深入完善。但是，数据 挖掘的局限性在于，仅是在单一时间段的比较，没有纵向的 趋势 挖掘。具体来讲，已有的数据挖掘方法都是基于处理 欺诈或未欺诈当年的公司财务数据状况，进行处理和研究， 而没有结合历史财务数据和趋势，结合定量分析中的趋势 预测和异常指标分析等，将传统经验与现代技术相结合，进 行分析和对比的研究。因此，将数据挖掘的方法与财务专 业更加紧密地结合，将财务欺诈识别中已有的研究成

16、果与 现代数据挖掘方法相结合，成为一个很好的方向。2.3 研究 创新点本研究方法是结合了原有的财务会计研究方法和现 代数据挖掘的方法，相较于以往的研究有以下一些创新点。 与传统的定性识别财务欺诈行为的方法相比，该研究加入 了定量的数据挖掘方法，使得财务报表欺诈的检测能够更加 适应现代管理方法，得到更有效的识别和应用。而另一方 面，与现在流行的单一的数据挖掘方法相比，该研究在历 史数据挖掘、预测以及比较方面有较大的创新，结合了定 量分析中的趋势预测和异常指标分析等，将传统经验与现代 技术相结合，增加了数据挖掘技术与财务报表专业的、实 践的结合度。浙江大学本科毕业论文开题报告基于数据挖 掘的财务报

17、表欺诈研究6 3 研究方法和预期结果在本研究 中，数据集使用了在中国股票交易所的202 家公司，其中 101 家是 有欺诈行为的，另外101 家没有欺诈行为。这 些数据包括了每个公司的30-40 个财务指标， 范围在与我国 上市公司年度财务报表欺诈相关的主要财务指标上。在系 统归纳已有的财务欺诈指标的基础上，结合会计财务理论 和国内上市公司财务欺诈的表现方式和主要手段，确定适合 国 情的财务欺诈检测指标体系。筛选出的财务指标反映公 司的流动性、安全性、获利性以及有效性。在有欺诈行为 的公司中，财务数据的收集不限于有欺诈行为的当年，还包 括 有欺诈行为年份的前三年，可以根据前三年的历史财务 数据

18、，预测欺诈年份的正常财务指标。对于没有欺诈行为 的公司，我们同样收集其四年未有欺诈行为的财务数据， 作为参照和对比。接着，进行数据预处理，包括主成分分 析、特征分析等，以使得数据更有效。再用一些包括支持 向量机、逻辑回归分析、概率神经网络等数据挖掘技术分析 数 据，测试模型和参数的准确性、稳定性，最后得出几种 数据挖掘方法的准确性和有效性，对其进行进一步的比较 分析，得出较优方法的结论。本文使用 clementine12.0 软 件。 浙江大学本科毕业论文开题报告基于数据挖掘的财务 报表欺诈研究7 4 研究内容与论文结构图 4.1 论文思路与 结构 本文组织结构叙述如下：第一章：引言。首先概述

19、对 国内外财务欺诈状况以及对上市公司财务欺诈进行检测的 重要意义，提出研究背景和研究意义。并基于原有的财务欺 诈检测方法和现代数据挖掘方法给出本研究的思路、方法， 特别强调本研究方法相较于以往研究的创新点。理清论文 框架结构。第二章：文献综述总结。对本文研究的问题进 行界定，分别对国内和国外的主要财务欺诈检测研究进行 了回顾和叙述，详细总结文献中构建检测模型的数据挖掘 方法和模型常用的财务指标。第三章：选择样本与样本预 处理。中国股票交易所的202 家公司，其中101 家是有欺 诈行为的，另外101 家没有欺诈行为。每个公司的30-40 个 财务指标，筛选出的财务指标反映公司的流动性、安全性、

20、 获利性以及有效性。第四章：模型选择与建立。根据已有 研究和研究趋势，采用包括支持向量机、逻辑回归分析、 概率神经网络等数据挖掘技术建立模型，分析数据。第五 章：实验设计与结果分析。经过对原有财务方法的趋势分析， 预算出一套财务值，并与现有的一套财务数据一起，使用 数据挖掘方法分别进行处理，测试模型和参数的准确性、 稳定性，得出几种数据挖掘方法的准确性和有效性，对其 进行进一步的比较分析，得出较优方法的结论。浙江大学 本科毕业论文开题报告基于数据挖掘的财务报表欺诈研究 8 第六章：总结。概括叙述本次研究的结论、贡献，以及局 限性，并进行其他有益的讨论。浙江大学本科毕业论文开 题报告基于数据挖掘

21、的财务报表欺诈研究9 参考文献1 Bell, T. B., & Carcello, J. V. A Decision Aid for Assessing the Likelihood of Fraudulent Financial Reporting. Auditing: A Journal of Practice & Theory, 2000, 19(1), 169-184. 2 Brooks, R. C. Neural Networks: A New Technology, The CPA Journal Online, 1994. 3 Busta, B., & Weinberg, R.

22、Using Benford s Law and Neural Networks as a Review Procedure, Managerial Auditing Journal, 1998, 13(6), 356-366. 4 Calderon, T.G., & Cheh, J. J. A Roadmap for Future Neural Networks Research in Auditing and Risk Assessment. International Journal of Accounting Information Systems, 2002, 3(4), 203-23

23、6. 5 Calderon, T.G., & Green, B.P. The Use of Neural Networks as an Audit Tool in Fraud Risk Assessment, in: Proceedings of the 1999 Northeast Regional Meeting. American Accounting Association ,1999. 6 Cerullo, M.J., & Cerullo, V. Using Neural Networks to Predict Financial Reporting Fraud: Part 1. C

24、omputer Fraud & Security 5, 1999, 14-17. 7 Fanning, K. M., & Cogger, K. O. Neural Network Detection of Management Fraud Using Published Financial Data. International Journal of Intelligent Systems in Accounting, Finance & Management, 1998, 7, 21-41. 8 Feroz, E.H., Kwon, T. M., Pastena, V., & Park, K

25、.J. The Efficacy of Red Flags in Predic ting the SEC s Targets: An Artificial Neural Networks Approach. International Journal of Intelligent Systems in Accounting, Finance, and Management, 2000, 9(3), 145-157. 9 Green, B. P., & Choi, J. H. Assessing the Risk of Management Fraud through Neural Networ

26、k Technology. Auditing: A Journal of Practice & Theory, 1997, 16(1), 14-28. 10 Hansen, J. V., & Mcdonald, J. B., Messier, W.F., et al. A generalized Qualitative-Response Model and the Analysis of Management Fraud. Management Science, 1996, 42(7), 1022-1032. 11 Koskivaara, E. Artificial Neural Networ

27、ks in Auditing: State of the Art. The ICFAI Journal of Audit Practice, 2004, 1(4), 12-33. 12 Koskivaara, E. Different Pre-processing Models for Financial Accounts when Using Neural Networks for Auditing, in: Proceedings of the 8th European Conference on Information Systems, 1, 326-332 (Vienna, Austr

28、ia 2000). 13 Lee, T. A., Ingram, R. W., & Howard, T. P. The Difference between Earnings 浙江大学本科毕业论文开题 报告 基于数据挖掘的财务报表欺诈研究10 and Operating Cash Flow as an Indicator of Financial Reporting Fraud. Contemporary Accounting Research, 1999, 16(4), 749-786. 14 Matsumura, E. M., & Tucker, R. R. Fraud Detection

29、: A Theoretical Foundation. The Accounting Review, 1992, 67(4), 753-782. 15 Pacheco, R., & Martins, A., & Barcia, R. M., & Khator, S. A Hybrid Intelligent System Applied to Financial Statement Analysis. in Proceedings of the 5th IEEE conference on Fuzzy Systems, 2, 1007-1012 (New Orleans, LA, USA, 1

30、996). 16 Persons, O. S. Using Financial Statement Data to Identify Factors Associated with Fraudulent Financial Reporting. Journal of Applied Business Research, 1995, 11(3), 38-46. 17 Phyllis, M. F., & Raymond, L. L., &Wong, M. K. Financial Statement Frauds and Auditor Sanctions: An Analysis of Enfo

31、rcement Actions in China. Journal of Business Ethics , 2005, 62, 367 381. 18 Ramamoorti, S., Bailey Jr. A.D., & Traver, R. O. Risk Assessment in Internal Auditing: A Neural Network Approach, International Journal of Intelligent Systems in Accounting, Finance & Management, 1999, 8(3), 159-180. 19 Rav

32、isankar, P., & Ravi, V., & Rao, G. R., Bose, I. Detection of Financial Statement Fraud and Feature Selection Using Data Mining Techniques. Decision Support Systems, 2001, 50(2), 57 558. 20 Rezaee, Z. The Three Cs of Fraudulent Financial Reporting. The Internal Auditor, 2002, 59(5), 56-60. 21 Schilit

33、, H.M. Financial Shenanigans. McGraw-Hill, New York, 2002. 22 Sohl, J. E., & Venkatachalam, A. R. A Neural Network Approach to Forecasting Model Selection. Information & Management, 1995, 29(6), 297-303. 23 Spathis, C. T. Detecting False Financial Statements using Published Data: Some Evidence from

34、Greece. Managerial Auditing Journal, 2002, 17(4), 179-191. 24 Summers, S. L., & Sweeney, J. T. Fraudulently Misstated Financial Statements and Insider Trading: An Empirical Analysis. The Accounting Review, 1998, 73(1), 131-146. 25 Zhang, G., Patuwo, B.E., & Hu, m. y. Forecasting with Artificial Neur

35、al Networks: The State of the Art. International Journal of Forecasting, 1998, 14(1), 35-62. 26 Zhou, W., & Kapoor, G. Detecting Evolutionary Financial Statement Fraud. Decision Support Systems, 2011, 50, 570 575. 27 陈亮，王炫会计信息欺诈经验分析及 识别模型证券市场导报，2003 （8），52-56 28 田 华臣用现金流量多期综合分析法识别财务欺诈审计与经 济研究， 2004 浙江大学本科毕业论文开题报告基于数据挖 掘的财务报表欺诈研究11 （3）， 43-46 29 薛跃，韩 之俊，章亚南，王雪荣应用数据挖掘技术提高虚假财务报 告识 别效率现代管理科学，2004 （8）， 5-6