基于SVM模型的上市公司财务欺诈识别研究

• 作 者: 李俊
• 发表日期: 2009年期
• 关键词: 上市公司 财务欺诈 支持向量机 多元判别分析 识别模型

上市公司通过财务信息将企业经营状况和经营成果等传递给企业利益相关者,使他们能够了解企业的过去、现在和未来。目前,上市公司财务欺诈问题严重干扰我国证券市场的健康发展,成为证券监管部门、广大投资者等利益相关者关注的焦点问题,建立一套精确的财务欺诈识别模型具有重要的研究意义。财务欺诈识别模型的构建有两种方法:参数方法和非参数方法。参数方法具有适用性强,计算简单的特点。但是受制于总体分配的假设前提,此类方法自我学习与调整能力不强,无法提高与修正模型,识别效果不理想。非参数方法能够反映欺诈变量和财务欺诈行为之间的非线性关系,但是存在通用性不强、推广能力较差等缺点。本文首先提出研究背景及意义,总结国内外的研究现状,阐明了研究思路和行文结构,然后研究财务欺诈的内涵及界定、财务欺诈的识别方法、财务欺诈的识别变量以及SVM理论及分类原理。在此基础上,本文将统计学习理论中的最新分支——支持向量机运用于财务欺诈识别领域,选择了106家财务欺诈企业和与之配对的106家非财务欺诈企业作为研究对象,构建了两个判断中国上市公司是否存在财务欺诈行为的模型:基于财务变量的SVM模型和引入非财务变量的SVM模型,并与MDA方法的识别精确率进行对比。最后对财务欺诈识别的研究结果进行归纳总结,探讨本研究对财务欺诈识别的理论和实践意义,并指出研究存在的局限及后续研究方向。研究结果表明,引入非财务变量能够有效的提高财务欺诈识别模型的识别精确率,在判断上市公司是否存在财务欺诈行为时应该将非财务信息纳入到指标变量中;同时基于SVM的上市公司财务欺诈识别模型的精确率要高于MDA方法的识别精确率,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。