| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外文献回顾 | 第11-19页 |
| ·舞弊与反舞弊理论 | 第11-12页 |
| ·财务报告舞弊识别特征的研究 | 第12-16页 |
| ·财务报告舞弊识别模型的研究 | 第16-18页 |
| ·国内外文献回顾评述 | 第18-19页 |
| ·研究的内容及框架 | 第19页 |
| ·研究的创新点 | 第19-22页 |
| 第二章 上市公司财务报告舞弊手段及特征分析 | 第22-33页 |
| ·现行上市公司财务报告舞弊手段 | 第22-27页 |
| ·会计手段 | 第22-24页 |
| ·非会计手段 | 第24-27页 |
| ·现行上市公司财务报告舞弊特征 | 第27-31页 |
| ·管理层面特征 | 第27-29页 |
| ·关系层面特征 | 第29-30页 |
| ·行业层面特征 | 第30页 |
| ·组织结构层面特征 | 第30-31页 |
| ·财务结果和经营层面特征 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于新财务报表体系的上市公司财务报告舞弊的经验识别 | 第33-47页 |
| ·实施新会计准则对上市公司财务报告舞弊手段的影响分析 | 第33-36页 |
| ·实施新会计准则对舞弊的遏制 | 第33页 |
| ·实施新会计准则创造的舞弊空间 | 第33-36页 |
| ·基于新财务报表中风险科目的经验识别 | 第36-44页 |
| ·资产负债表风险科目分析 | 第36-40页 |
| ·利润表风险科目分析 | 第40-41页 |
| ·现金流量表风险科目分析 | 第41-42页 |
| ·三大报表勾稽关系分析 | 第42-43页 |
| ·财务比率分析 | 第43-44页 |
| ·基于非财务信息的经验识别 | 第44-46页 |
| ·基本层面分析法 | 第44页 |
| ·审计意见分析法 | 第44-45页 |
| ·表外信息分析法 | 第45页 |
| ·剔除法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于数据挖掘技术的上市公司财务报告舞弊的识别 | 第47-70页 |
| ·运用数据挖掘技术识别舞弊性财务报告的必要性分析 | 第47-48页 |
| ·运用数据挖掘技术识别舞弊性财务报告的可行性分析 | 第48-50页 |
| ·基于SEMMA的数据挖掘识别流程 | 第50-64页 |
| ·数据抽样(Sample) | 第50-52页 |
| ·数据特征探索、分析和预处理(Explore) | 第52-58页 |
| ·数据调整(Modify) | 第58-61页 |
| ·模型的选择和建立(Model) | 第61-63页 |
| ·模型的综合分析与评价(Assess) | 第63-64页 |
| ·数据挖掘识别技术的拓展研究——专家系统与神经网络的结合 | 第64-68页 |
| ·专家系统的特点 | 第64-65页 |
| ·专家系统与神经网络的结合 | 第65-67页 |
| ·神经网络专家系统的舞弊识别流程 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录A 舞弊样本与控制样本 | 第76-81页 |
| 在学研究成果 | 第81-82页 |
| 致谢 | 第82页 |
