數據挖掘技術的上市公司財務舞弊識別研究論文(PDF 56頁)

摘 要 .. I
ABSTRACT .. III
1 緒論 ...... 1
1.1 研究背景 .. 1
1.2 國內外關於財務舞弊識別相關研究 2
1.2.1 國外關於財務舞弊識別相關研究 .. 2
1.2.2 國內關於財務舞弊識別相關研究 .. 4
1.2.3 國內外相關研究簡要評述 6
1.3 研究目的和意義 .... 7
1.4 創新之處 .. 7
1.5 研究的基本思路 .... 8
2 相關概念與理論 ..... 10
2.1 財務舞弊相關理論 ..... 10
2.1.1 財務舞弊的概念 10
2.1.2 財務舞弊的動因 10
2.2 數據挖掘相關理論 ..... 12
2.2.1 數據挖掘產生的背景 ...... 12
2.2.2 數據挖掘的定義 12
2.2.3 數據挖掘與統計學、機器學習的聯係和區別 . 12
2.2.4 數據挖掘技術 .... 14
2.3 R 語言簡介 .... 15
3 基於特征選擇算法的上市公司舞弊特征研究 ...... 16
3.1 兩種特征選擇算法 ..... 16
3.1.1 特征選擇方法綜述 ... 16
3.1.2 基於Relief 算法的特征選擇原理 16
3.1.3 基於信息增益的特征選擇原理 .... 17
3.2 樣本數據描述 ...... 18
3.2.1 樣本選擇 ..... 18
3.2.2 指標初選 18
3.3 基於兩種算法的指標選擇 21
3.3.1 基於Relief 算法的指標選擇 .. 21
3.3.2 基於信息增益的指標選擇 ... 21
4 我國上市公司識別模型實證研究 ..... 23
4.1 分類問題和組合分類器簡介 ... 23
4.2 三種分類算法 ...... 23
4.2.1 KNN 算法 .... 23
4.2.2 隨機森林 ..... 24
4.2.3 樸素貝葉斯分類 25
4.3 分類模型評估方法 ..... 25
4.3.1 混淆矩陣 ..... 25
4.3.2 其他評價方法 .... 27
杭州電子科技大學碩士學位論文
VI
4.4 基於3 種分類算法的財務舞弊識別模型 .... 27
4.5 基於代價敏感學習的隨機森林算法 ..... 28
4.5.1 代價敏感學習 .... 28
4.5.2 基於代價敏感學習的隨機森林算法 ... 30
5 結論和相關建議 ..... 31
5.1 結論 . 31
5.1.1 特征選擇結果 .... 31
5.1.2 模型選擇結果 .... 32
5.2 關於防止上市公司財務舞弊的建議 ..... 32
5.2.1 對上市公司自身的建議 .. 32
5.2.2 對外部投資者的建議 ...... 32
5.2.3 對政策製定者的建議 ...... 33
5.3 本文的不足之處 .. 34
5.4 未來的研究方向 .. 34
致 謝 ...... 35
參考文獻 36
附表 . 39
附 錄 ...... 45
..............................