数据挖掘在识别财务舞弊中的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究方法 | 第13页 |
| 1.4 论文特色和创新 | 第13-14页 |
| 1.5 论文结构安排 | 第14-15页 |
| 第2章 舞弊识别理论依据与相关技术 | 第15-26页 |
| 2.1 财务舞弊定义以及表现 | 第15-16页 |
| 2.2 舞弊动因理论 | 第16-17页 |
| 2.2.1 冰山理论(二因素论) | 第16页 |
| 2.2.2 舞弊三角理论(三因素论) | 第16-17页 |
| 2.2.3 GONE理论(四因素论) | 第17页 |
| 2.2.4 舞弊风险因子理论(多因素论) | 第17页 |
| 2.3 上市公司舞弊相关研究 | 第17-19页 |
| 2.3.1 上市公司舞弊手段 | 第17-18页 |
| 2.3.2 上市公司舞弊特征 | 第18-19页 |
| 2.4 财务舞弊的预警信号 | 第19-21页 |
| 2.5 数据挖掘相关研究 | 第21-24页 |
| 2.5.1 数据挖掘相关概念 | 第21-22页 |
| 2.5.2 决策树的基本原理 | 第22-23页 |
| 2.5.3 信息熵、信息增益 | 第23-24页 |
| 2.6 数据离散化方法及其分类 | 第24-26页 |
| 第3章 财务舞弊识别模型的构建 | 第26-40页 |
| 3.1 财务舞弊识别模型的整体结构 | 第26-27页 |
| 3.2 数据来源 | 第27-28页 |
| 3.3 数据清洗与指标选取 | 第28-32页 |
| 3.3.1 数据清洗 | 第28-29页 |
| 3.3.2 指标选取 | 第29-32页 |
| 3.4 数据离散化在舞弊识别模型中的应用 | 第32-36页 |
| 3.4.1 Chi Merge算法在模型中的应用 | 第32-34页 |
| 3.4.2 卡方计算过程的优化 | 第34-36页 |
| 3.5 决策树算法的应用 | 第36-40页 |
| 3.5.1 决策树算法的构建 | 第37页 |
| 3.5.2 对信息增益的改进 | 第37-40页 |
| 第4章 舞弊识别模型的实现与应用 | 第40-52页 |
| 4.1 数据库 | 第40-43页 |
| 4.2 数据初步分析 | 第43-44页 |
| 4.3 软件界面 | 第44页 |
| 4.4 舞弊识别算法的实现 | 第44-49页 |
| 4.4.1 离散化算法实现结果 | 第44-48页 |
| 4.4.2 决策树算法的应用 | 第48-49页 |
| 4.5 舞弊识别算法的应用效果 | 第49-52页 |
| 总结 | 第52-54页 |
| 总结 | 第52页 |
| 论文局限性与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
