財務報告舞弊行為對廣大投資者的切身利益造成巨大損害,如何高效識別財務報告中的舞弊行為已成為目前研究的熱點.在對已有的財務報告舞弊識別模型分析的基礎(chǔ)上,提出一種基于稀疏組Lasso-logistic回歸的識別模型,并通過選取近8年間180家上市公司年報數(shù)據(jù)作為樣本,綜合財務及非財務指標,從盈利能力、營運能力、償債能力、治理結(jié)構(gòu)等方面設(shè)計了15組29個解釋變量使用該模型進行了實證研究.結(jié)果證明,與以往的向前Logistic回歸、Lasso-logistic回歸和組Lasso-logistic回歸等模型相比,稀疏組Lasso-logistic回歸識別模型不但具備良好的變量篩選能力而且可以獲得更好的識別效果,具有較高的應用價值. 

【文章來源】：數(shù)學的實踐與認識. 2020,50(09)北大核心

【文章頁數(shù)】：10 頁

【參考文獻】：
期刊論文
[1]中國上市公司舞弊性財務報告現(xiàn)狀及防范建議[J]. 吳瑾.  現(xiàn)代商貿(mào)工業(yè). 2018(20)
[2]廣義線性模型組LASSO路徑算法[J]. 馬景義,張辛連,蘇治,劉怡文.  中國科學:數(shù)學. 2015(10)
[3]基于Group Lasso的個人信用評價分析[J]. 胡小寧,何曉群.  數(shù)學的實踐與認識. 2015(06)
[4]基于Logistic回歸模型的上市公司財務報告舞弊識別研究[J]. 洪文洲,王旭霞,馮海旗.  中國管理科學. 2014(S1)
[5]稀疏Group Lasso高維統(tǒng)計分析[J]. 丁毅濤,張吐輝,張海.  西北大學學報(自然科學版). 2014(02)
[6]基于主成分分析和Logistic回歸方法的財務預警模型比較——來自我國制造業(yè)上市公司的經(jīng)驗證據(jù)[J]. 孔寧寧,魏韶巍.  經(jīng)濟問題. 2010(06)



本文編號：3429601