论文部分内容阅读
随着我国市场经济的发展,上市公司越来越多,证券市场在国家的地位也随之提高,它也扮演着越来越重要的角色,它是国家经济状况的晴雨表。然而,随着资本市场的不断扩大,很多企业通过披露虚假的会计信息、虚假的交易来获取高额利润和资金。目前,世界范围内财务舞弊现象频现,会计信息失真的问题已经成为全世界共同关注的话题。然而,会计信息是用来记录会计核算的过程和结果的载体,它不仅可以用来反映企业财务状况,还可以反映企业的经营成果和资金流动的情况。除此之外,它还是可以用来反映企业的财务状况,评价经营业绩,决定是否进行再生产或投资决策的重要依据。现在上市公司的会计信息都会进行公开披露,所以上市公司的会计信息已经成了一个公共产品。上市公司会计信息的高低决定了国家宏观政策的制定以及公民财富的多少。较高的会计信息质量一方面有助于会计信息的需求者据此判别市场风险,维护自身利益,做出正确的决策;另一方面,较高的会计信息质量有助于资源的有效配置以及资本市场的合理运转。因此,会计信息质量问题已经成为了国内外众多学者研究的热点问题。关于会计信息质量的评价,国内外众多学者都是根据会计信息质量的八大特征来进行评价的;此外,主要围绕会计信息质量的影响因素进行了相关性的研究。本文主要采用人工神经网络的方法对上市公司的会计信息质量影响因素进行了量化,还对他们之间的关系进行了研究,辅助使用了层次分析法和回归分析等方法。本文主要包含六大部分内容,第一部分介绍了研究背景、目的以及创新点等内容;第二部分总结了关于会计信息质量评价及人工神经网络的国内外研究现状;第三部分选取了会计信息质量的评价指标并进行了量化,研究发现传统的会计信息质量的评价方法主要有深交所的信息披露质量、审计质量以及根据盈余质量来评价会计信息质量,这三种方法各有利弊。因此,本文利用层次分析法综合考虑了深交所的披露质量、审计意见和盈余质量三个方面来对会计信息质量进行评价,使他们取长补短,这样可以得出的结果更加客观、准确。第四部分是从董事会特征、股权结构、财务状况以及外部影响因素四个方面对会计信息质量进行定量的分析研究,这四大指标下再设二或三个小的二级指标共计11个指标。第五部分介绍了利用建立好的BP神经网络模型直接对会计信息的质量进行评分,充分利用人工神经网络的大规模并行、分布式处理、自组织、自学习等优点,使得最后的评价更加准确。最终利用BP神经网络来得出结果与综合考虑盈余质量、披露质量和审计质量得出的评价结果相比,两者之间的相对误差控制在4%以下,并且平均误差为1.8%,说明从会计信息质量的影响因素方面来评价会计信息质量也可以得出客观、准确的评价结果。第六部分进行了结果分析与展望。本文的研究目的是构建从上市公司会计信息质量的影响因素角度来对会计信息质量进行评价的模型,并检验其是否可行,从而为上市公司会计信息评价提供一个新的思路。在本文中,全程贯穿使用的软件为Matlab2016,不仅用该软件进行计算最大特征值和特征向量,还用该软件编程构建了三层的BP神经网络,掌握该方法对于本文起到了重要作用。