在成熟的证券市场上,上市公司的财务报告是各种机构投资者和个人投资者判断上市公司运营状况,预测公司发展前景和投资回报的最重要的工具。正因为此,上市公司财务报告才成为相关各方的关注焦点。投资者需要从财务报告了解上市公司的运营状况,而上市公司则不择手段地粉饰其财务报告以力图吸引投资者对其投资。中国证券市场由于其独特的发展历史背景以及监管当局和地方政府的种种放纵,使得虚假财务报告成为普通投资人的最大的敌害。虚假财务报告的识别对于投资者和监管机构具有重要的现实意义。 本文以RMTS模式识别工程为基础,探讨会计经验分析与统计模式识别相结合识别虚假财务报告的理论与方法。文章围绕两个方向展开:一个是为使原有的MTS适用于虚假财务报告识别而做的RMTS理论发展,构成第二章的主要内容;另一个是实证研究,包括四章的内容。作为RMTS理论研究,第二章在讨论MTS数学模型的基础上,研究了二水平正交设计的线性统计模型、二水平正交设计的构造和性质、二水平正交设计降维等,证明了二水平正交设计比通常的特征选择方法有更好的实用性。我们还探讨了在使用类别可分性指标为类内类间距离时,特征提取器为信噪比SN时的方差分析问题;对信噪比SN的讨论我们可以看出,在模式识别的特征选择中使用信噪比SN指标作为特征提取器,具有优良的统计性质;由于基于最小风险的贝叶斯决策规则和原始的MTS使用训练样本确定阈值时,没有反映实际应用中错误分类造成的质量损失,在分析田口提出的损失函数基础上,建立了基于田口质量损失函数的阈值确定方法。由于原始MTS中类别可分性指标采用的是马氏距离,马氏距离计算依赖的统计量为经典统计中的均值和协方差阵。当样本分布存在离群值时,均值和协方差阵是高度不耐抗的。在上市公司财务比率统计分布中通常存在难以避免的离群值。我们用稳健位置和散布估计T_R(X)和C_R(X)取代经典统计中的样本估计(?)_n和S_n,从而构造出新的RMTS模型。 为方便实证研究,本文将虚假财务报告的识别范畴界定到主业增长型利润操纵,并对主业增长型利润操纵的方法进行了经验分析。在此基础上,详细讨论了