深度學(xué)習(xí)技術(shù)在企業(yè)財務(wù)舞弊風(fēng)險預(yù)警中的應(yīng)用
李俊，審計署審計科研所企業(yè)審計研究室主任、副研究員。
【摘要】研究深度學(xué)習(xí)技術(shù)在企業(yè)財務(wù)舞弊預(yù)警中的應(yīng)用，在企業(yè)審計領(lǐng)域具有重要的理論和應(yīng)用價值。本文以2007—2023年的A股上市公司為樣本，構(gòu)建了涵蓋企業(yè)財務(wù)、業(yè)務(wù)相關(guān)指標(biāo)的指標(biāo)體系，采用線性神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、自編碼器等深度學(xué)習(xí)模型，以及邏輯回歸、支持向量機、決策樹等經(jīng)典機器學(xué)習(xí)模型為基礎(chǔ)模型，以集成學(xué)習(xí)方式構(gòu)建優(yōu)化的模型結(jié)構(gòu)，對企業(yè)財務(wù)舞弊行為的相關(guān)特征進行學(xué)習(xí)和預(yù)警，取得了較好的效果。研究結(jié)果顯示，深度學(xué)習(xí)模型可不依賴專家經(jīng)驗，對企業(yè)財務(wù)舞弊行為進行預(yù)警，建立在深度學(xué)習(xí)模型基礎(chǔ)上的集成學(xué)習(xí)方式可改善模型性能，但仍需解決非平衡數(shù)據(jù)結(jié)構(gòu)帶來的模型性能下降問題，未來研究中可考慮通過直接分析更多的原始財務(wù)數(shù)據(jù)，采用更加科學(xué)的特征提取技術(shù)，以進一步優(yōu)化財務(wù)舞弊的深度學(xué)習(xí)預(yù)警模型。
| 【關(guān)閉】 【打印】 |
