姚文博 刘珊珊

摘 要：本文基于logistic回归分析，结合上市公司财务数据，逐步明晰财务数据与非财务数据对舞弊行为识别的影响机制，并为应用大数据技术构建一个实用、精确的舞弊识别模型，完成实证性检验。以往研究表明，固定资产增长率、经营现金流量对流动负债比率、每股投资活动现金净流量、每股收益、股权集中度五个财务指标的变动对财务舞弊产生重要影响。本文根据公司四大财务指标，通过对公司经营能力、偿债能力、盈利能力以及发展能力的分析，选取具体财务指标与非财务指标对公司经营状况以及舞弊状况进行模型拟合。本文以2014年-2017年中国120家上市公司的财务数据为基础量化指标，以此为样本建立了公司舞弊的预测模型，随机抽取20家上市公司财务数据验证，验证效果良好，模型具有可信性，并对模型进行评价与对大数据环境下的舞弊识别进行展望。

关键词：Logistic回归;财务舞弊;舞弊识别

一、文献综述

大数据时代的来临对各行各业产生了广泛深刻的影响，大数据技术应用也逐渐渗透在财务与审计领域。在此背景下将大数据技术应用于风险的前瞻和内部控制疏漏，特别是财务造假问题的防范尤为重要。在现有相关文献的论述中，众多学者展开了研究与探索，主要涵盖以下方面：

1.舞弊理论与舞弊模型构建

基于“三因素论”、“GONE”理论典型的舞弊理论，学者尝试构建并完善各类财务舞弊识别模型一般过程为指标选取、指标处理、模型构建、模型检验与评价。……