基于数据挖掘技术的上市公司财务舞弊识别研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外关于财务舞弊识别相关研究 | 第15-19页 |
| 1.2.1 国外关于财务舞弊识别相关研究 | 第15-17页 |
| 1.2.2 国内关于财务舞弊识别相关研究 | 第17-19页 |
| 1.2.3 国内外相关研究简述 | 第19页 |
| 1.3 研究的创新点 | 第19-20页 |
| 1.4 研究的基本内容 | 第20-22页 |
| 第二章 相关概念与理论 | 第22-30页 |
| 2.1 财务舞弊的相关理论 | 第22-26页 |
| 2.1.1 财务舞弊相关概念辨析 | 第22-23页 |
| 2.1.2 舞弊的动因理论 | 第23-26页 |
| 2.1.3 舞弊理论的总结 | 第26页 |
| 2.2 财务舞弊的手段 | 第26-27页 |
| 2.3 数据挖掘的概念及其常用技术 | 第27-30页 |
| 2.3.1 数据挖掘的概念 | 第27页 |
| 2.3.2 常用数据挖掘方法 | 第27-28页 |
| 2.3.3 常用数据挖掘工具简介 | 第28-30页 |
| 第三章 上市公司财务舞弊识别的特征选择 | 第30-37页 |
| 3.1 特征选择方法 | 第30-31页 |
| 3.2 特征选择原则 | 第31页 |
| 3.3 上市公司财务舞弊识别的特征选择 | 第31-37页 |
| 3.3.1 特征初选 | 第31-34页 |
| 3.3.2 两种特征选择算法 | 第34-35页 |
| 3.3.3 特征选择结果 | 第35-37页 |
| 第四章 基于数据挖掘的舞弊识别模型实证研究 | 第37-45页 |
| 4.1 样本选择 | 第37-38页 |
| 4.2 舞弊识别方法选择 | 第38页 |
| 4.3 舞弊识别模型选择 | 第38-42页 |
| 4.3.1 逻辑回归 | 第39页 |
| 4.3.2 支持向量机 | 第39-40页 |
| 4.3.3 人工神经网络 | 第40-41页 |
| 4.3.4 随机森林 | 第41-42页 |
| 4.4 模型评估方法设定 | 第42-43页 |
| 4.5 基于四种分类算法的舞弊识别 | 第43-45页 |
| 第五章 总结与建议 | 第45-51页 |
| 5.1 总结 | 第45-46页 |
| 5.2 关于遏制上市公司财务舞弊的建议 | 第46-49页 |
| 5.2.1 加强政策制约 | 第46-47页 |
| 5.2.2 优化公司内部控制机制 | 第47-49页 |
| 5.2.3 发挥外部投资者的监督职能 | 第49页 |
| 5.3 研究不足之处 | 第49-50页 |
| 5.4 对未来的展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第54-55页 |
