| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 . 绪论 | 第7-12页 |
| ·研究背景 | 第7页 |
| ·研究目的与意义 | 第7-9页 |
| ·研究方法 | 第9-10页 |
| ·创新点 | 第10-11页 |
| ·论文结构安排 | 第11-12页 |
| 第二章 . 财务舞弊研究综述 | 第12-20页 |
| ·财务舞弊动因研究 | 第12-14页 |
| ·财务舞弊“冰山理论” | 第12页 |
| ·财务舞弊“三角形理论” | 第12-13页 |
| ·财务舞弊“GONE 理论” | 第13-14页 |
| ·财务舞弊“风险因子理论” | 第14页 |
| ·财务舞弊“内外驱动”因素 | 第14页 |
| ·财务舞弊识别信号研究 | 第14-16页 |
| ·财务舞弊传统识别模式研究 | 第16-17页 |
| ·财务舞弊数据挖掘识别模式研究 | 第17-19页 |
| ·人工神经网络方法 | 第17-18页 |
| ·支持向量机方法 | 第18页 |
| ·关联规则方法 | 第18-19页 |
| ·决策树方法 | 第19页 |
| ·现有研究的不足 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 . 基于数据挖掘的财务舞弊识别模式理论基础 | 第20-30页 |
| ·财务舞弊的定义 | 第20-21页 |
| ·政府监管部门的定义 | 第20页 |
| ·学者们的定义 | 第20-21页 |
| ·本文的定义 | 第21页 |
| ·基于数据挖掘的财务舞弊静态识别模式理论基础 | 第21-24页 |
| ·贝叶斯分类法 | 第22-23页 |
| ·因子分析法 | 第23-24页 |
| ·基于数据挖掘的财务舞弊动态识别模式理论基础 | 第24-29页 |
| ·时间序列概念 | 第24页 |
| ·KNN 算法思想 | 第24-25页 |
| ·DTW 算法原理 | 第25-27页 |
| ·DTW 高效算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 . 基于数据挖掘的上市公司财务舞弊静态识别模式 | 第30-38页 |
| ·样本与变量 | 第30-31页 |
| ·数据来源 | 第30页 |
| ·样本选取 | 第30页 |
| ·变量描述 | 第30-31页 |
| ·建立上市公司财务舞弊静态识别模式 | 第31-33页 |
| ·静态识别模式基本思想 | 第31-33页 |
| ·静态识别模式核心算法 | 第33页 |
| ·实验分析 | 第33-37页 |
| ·数据准备 | 第33-35页 |
| ·实验结果及评价 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 . 基于数据挖掘的上市公司财务舞弊动态识别模式 | 第38-44页 |
| ·样本与变量 | 第38-39页 |
| ·数据来源 | 第38页 |
| ·样本选取 | 第38页 |
| ·变量描述 | 第38-39页 |
| ·建立上市公司财务舞弊动态识别模式 | 第39-41页 |
| ·动态识别模式基本思想 | 第39-40页 |
| ·动态识别模式核心算法 | 第40-41页 |
| ·实验结果及评价 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 . 结论 | 第44-46页 |
| ·研究结论 | 第44页 |
| ·局限性 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录1：舞弊公司样本（部分） | 第51-53页 |
| 附录2：配对公司样本（部分） | 第53-55页 |
| 附录3：静态识别模式代码 | 第55-59页 |
| 附录4：动态识别模式代码 | 第59-71页 |
| 攻读学位期间所发表的学术论文 | 第71-72页 |
| 详细摘要 | 第72-89页 |
