王 威

（桂林旅游学院，广西 桂林 541006）

上市公司财务报告舞弊行为是一个全球性的问题［1］，据ACFE（注册舞弊审查师协会）统计，2018年其审查出的财务报告舞弊案例数量较2016年增加了11.6%，损失金额高达70亿美元［2］。我国资本市场建立时间虽然不长，但同样出现了多起财务报告舞弊案，严重影响了投资者信心，对投资者的切身利益造成了巨大损害。因而，如何有效识别财务报告中的舞弊行为已成为目前学界研究的热点。

传统的财务报告舞弊识别中大多离不开注册会计师的经验判断，这已很难满足大数据环境下的舞弊审查需求。面对频频发生的上市公司财务报告舞弊案件，需建立更加高效、精准的识别模型来评估上市公司财务报告舞弊风险，进而更有针对性地实施审计程序，提高审计效率。

一、文献回顾

目前较多学者采用了数据挖掘技术对财务报告舞弊进行识别，研究方法主要是人工智能方法和统计分析方法。在人工智能方法中，主要以人工神经网络方法为主。Green和Choi［3］于1997年首次将人工神经网络应用于财务舞弊识别；顾宁生和冯勤超［4］将基于LVQ的人工神经网络应用于财务舞弊识别；王泽霞等［5］在前人研究的基础上提出了基于BP-LVQ的人工神经网络并将其应用于财务舞弊识别，进一步提高了识别的准确度。人工神经网络方法是一种非参数方法，能适应更多的数据分布特征，无需正态性假定，且能适应复杂的经济关系，具有较强的非线性处理能力。……