论文部分内容阅读
财务信息作为反映上市公司财务状况和经营成果的重要信息资源,在经营管理与投资决策中起着重要的作用,但是经过粉饰的财务报表不仅会误导投资者、经营决策者,而且还会丧失财务报表本身该有的风险警示作用,增大市场的运营风险。即使是资本市场、信息披露、金融监管、公司治理和组织结构比较健全的美国上市公司同样也都存在着上市公司的财务欺诈行为,上市公司的财务问题越来越受关注。在我国,随着市场经济的发展日益成熟,投资者群体不断增大,同时投资者在投资过程中的风险意识也在逐渐增强,因此上市公司财务欺诈问题得到广泛的关注。每年,我国都有一些上市公司被证监会或者披露为财务舞弊或者是因为财务问题而被证监会调查和处罚,尽管如此,上市公司的财务欺诈问题仍然屡禁不止。因此,寻找一套精确的财务欺诈识别模型以及时高效的发现上市公司的财务欺诈信息具有重要的研究意义。本文首先提出研究背景及意义,总结国内外的研究现状,阐明了研究主要内容、主要方法和文章的行文结构;然后对财务欺诈的内涵及其相关进行界定;再者对财务欺诈的识别方法:PCA-Thompson tau组合方法、决策树方法、Logistic回归方法、支持向量机方法(SVM)等方法进行介绍。在此基础上,本文从众多存在欺诈的医药上市公司中选择了3家有代表性的公司作为研究对象,首先对初选的样本数据进行差异显著性检验和相关性检验,从而从最初的26个财务指标中筛选出最终10个财务指标最为研究对象进行分析,基于所选出的财务指标先后用PCA-Thompson tau组合方法、决策树方法、Logistic回归方法、支持向量机方法(SVM)对样本公司先后进行财务欺诈的识别与预测,最后对财务欺诈识别的研究结果进行归纳总结,并指出研究存在的局限及后续研究方向。研究结果表明,建模分析之前对原始数据进行差异显著性检验和相关性检验,剔除冗余数据的操作,有助于简化建模的工作量和提高模型的正确率;同时基于SVM的上市公司财务欺诈识别和预测模型的精确率要高于PCA-Thompson tau组合方法、决策树方法和Logistic回归方法的精确率,它可以有效的帮助政府监管部门、投资者和审计部门正确的识别上市公司财务欺诈行为。