基于深度学习的财务舞弊预警模型研究

作     者：余芸 

作者单位：电子科技大学 

学位级别：硕士

导师姓名：尹宇明

授予年度：2023年

学科分类：12[管理学] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 02[经济学] 0202[经济学-应用经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：财务舞弊 深度学习 预警模型 

摘      要：现如今,我国的整体经济一直处于从高速增长向高质量发展不断转变的过程中,不断适应经济阶段的转变也成为我国企业高效发展的必然趋势。但是接连不断的上市公司财务舞弊不仅损害了公司的声誉和利益,也损害了投资者的利益和信任,更甚破坏了市场的公平公正,影响整个资本市场的稳定和发展。因此,对上市公司财务舞弊风险进行识别很有必要,并且实现更有效准确的预测至关重要。本文构建了基于深度学习的混合模型以有效识别财务舞弊行为,选取了我国2010年至2020年间主板A股具有财务舞弊行为的上市公司(剔除金融行业)为研究对象,结合了财务指标(主要包含偿债能力、盈利能力、成长能力、现金流分析、经营能力)、非财务指标(主要包含管理层薪酬、外部机构与各股东持股比例、内部高管信息)和文本指标(主要包含年报文本语气、管理层讨论与分析、反舞弊情况、企业社会责任),通过滚动时间序列方法以使各类指标具有时间序列特征,使用深度学习技术进行模型构建和预测。实验结果表明,本文提出的深度学习模型能够有效地识别财务舞弊行为,准确率高达89.43%。并且具有“财务指标+非财务指标+文本指标数据特征组合的识别结果优于单项财务指标和“财务指标+非财务指标数据特征的组合,在预测结果中此项结论同样适用。同时,本文还探讨了深度学习模型研究中存在的样本不足问题,这可能会导致在其他时间段的数据被排除在外,从而影响研究结果的准确性,进一步导致研究结果存在偏差。其次是非财务指标和非结构化指标不足,可能导致模型在财务舞弊识别方面的表现存在一定局限性。最后是没能区分出具体舞弊类型,可能会限制对于财务舞弊行为的深入理解和应对措施。最后,本文总结了研究结论,认为本文所构建的基于深度学习的财务舞弊预警模型可以为金融监管机构和投资者提供一种可行的方法,以识别潜在的财务舞弊行为,保护投资者和市场的稳定。但是,模型的结果也不能被视为绝对的真相,应该作为辅助决策的参考。