| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 前言 | 第9-15页 |
| 第一节 研究背景 | 第9-10页 |
| 第二节 研究意义 | 第10-11页 |
| 一、有利于增强上市公司自身的内部控制 | 第10页 |
| 二、有利于维护投资者和债权人的决策 | 第10-11页 |
| 三、有利于证券监管部门的监督工作 | 第11页 |
| 第三节 研究内容 | 第11页 |
| 第四节 研究方法 | 第11-12页 |
| 一、文献分析法 | 第12页 |
| 二、实证研究法 | 第12页 |
| 第五节 研究创新点 | 第12-13页 |
| 一、构建财务舞弊程度评价体系 | 第12页 |
| 二、结合外部环境中的利益相关方研究财务舞弊行为影响因素 | 第12-13页 |
| 三、构建综合考虑内外部因素的集成数据挖掘财务舞弊识别模型 | 第13页 |
| 第六节 论文结构与内容安排 | 第13-15页 |
| 第二章 国内外财务舞弊识别研究综述 | 第15-24页 |
| 第一节 上市公司财务舞弊内部特征研究综述 | 第15-17页 |
| 一、国外关于财务舞弊内部特征的研究综述 | 第15-16页 |
| 二、国内关于财务舞弊内部特征的研究综述 | 第16-17页 |
| 第二节 上市公司财务舞弊外部特征研究综述 | 第17-20页 |
| 一、国外关于财务舞弊外部特征的研究综述 | 第18页 |
| 二、国内关于财务舞弊外部特征的研究综述 | 第18-20页 |
| 第三节 财务舞弊识别方法研究综述 | 第20-23页 |
| 一、统计类识别方法 | 第20-21页 |
| 二、数据挖掘类识别方法 | 第21-23页 |
| 第四节 财务舞弊识别研究小结 | 第23-24页 |
| 第三章 相关理论基础 | 第24-37页 |
| 第一节 财务舞弊 | 第24-25页 |
| 第二节 公司环境 | 第25-29页 |
| 一、内部环境 | 第26-27页 |
| 二、外部环境 | 第27-29页 |
| 第三节 数据挖掘技术 | 第29-37页 |
| 一、支持向量机 | 第30-33页 |
| 二、贝叶斯网络 | 第33-34页 |
| 三、决策树 | 第34-35页 |
| 四、集成分类法 | 第35-37页 |
| 第四章 研究设计 | 第37-43页 |
| 第一节 财务舞弊程度评价体系的构建 | 第37-40页 |
| 第二节 外部环境对财务舞弊的影响因素分析 | 第40-43页 |
| 一、市场和行业环境 | 第40-41页 |
| 二、区域环境 | 第41页 |
| 三、利益集团 | 第41-43页 |
| 第五章 实证研究 | 第43-62页 |
| 第一节 样本的选取和数据来源 | 第43-44页 |
| 第二节 指标的选取 | 第44-48页 |
| 一、公司内部环境 | 第45-46页 |
| 二、市场和行业环境 | 第46页 |
| 三、区域环境 | 第46-47页 |
| 四、利益集团 | 第47-48页 |
| 第三节 财务舞弊识别模型的构建 | 第48-58页 |
| 一、准备工作 | 第49-50页 |
| 二、支持向量机 | 第50-51页 |
| 三、贝叶斯网络 | 第51-53页 |
| 四、决策树 | 第53-57页 |
| 五、集成分类方法 | 第57-58页 |
| 第四节 效果检验 | 第58-62页 |
| 一、应用 ROC 曲线评估模型 | 第58-61页 |
| 二、模型检验 | 第61-62页 |
| 第六章 研究结论、不足和展望 | 第62-66页 |
| 第一节 研究结论 | 第62-63页 |
| 一、财务舞弊程度评价方法 | 第62页 |
| 二、财务舞弊识别效果 | 第62-63页 |
| 三、分类集成效果 | 第63页 |
| 第二节 研究不足 | 第63-64页 |
| 一、指标选取的理论依据不足 | 第63-64页 |
| 二、财务舞弊程度评价体系有待完善 | 第64页 |
| 三、数据挖掘方法及其结果的局限 | 第64页 |
| 第三节 未来研究展望 | 第64-66页 |
| 一、数据 海量、实时的 Web 财务和非财务信息 | 第65页 |
| 二、制度 网络披露制度和 XBRL 平台的建设 | 第65页 |
| 三、方法 基于 Web 环境下的数据挖掘和文本挖掘 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71-76页 |
| 致谢 | 第76-77页 |
| 在读期间科研成果 | 第77页 |
