本文關(guān)鍵詞：中國(guó)上市公司利潤(rùn)操縱行為的改進(jìn)SVM識(shí)別研究

  更多相關(guān)文章： 利潤(rùn)操縱行為 舞弊三角理論 SVM SMOTE-Tomeklinks

【摘要】：隨著中國(guó)證券市場(chǎng)的發(fā)展和進(jìn)步,上市公司正日益成為推動(dòng)中國(guó)經(jīng)濟(jì)良好運(yùn)行的重要力量,其中利潤(rùn)作為衡量企業(yè)績(jī)效的核心指標(biāo),在上市公司中又具有越來(lái)越重要的影響和作用。然而,由于目前中國(guó)證券市場(chǎng)信息披露制度尚不完善,政府監(jiān)管手段和監(jiān)管經(jīng)驗(yàn)尚存不足,造成投資者與機(jī)構(gòu)之間信息的不對(duì)稱,進(jìn)而為一些不良上市公司進(jìn)行利潤(rùn)操縱行為提供了空間和機(jī)會(huì)。也正因?yàn)樯鲜泄镜睦麧?rùn)操縱行為,致使會(huì)計(jì)信息大量失真,影響了投資者進(jìn)入證券市場(chǎng)的積極性,對(duì)證券市場(chǎng)的健康發(fā)展造成十分不利的影響。因此,加強(qiáng)利潤(rùn)操縱行為管理成為了政府管理部門與投資主體關(guān)注的熱點(diǎn)問(wèn)題。而在利潤(rùn)操縱行為管理中,準(zhǔn)確識(shí)別利潤(rùn)操縱行為是關(guān)鍵所在,特別是隨著2014年4月10日滬港通正式批復(fù)試點(diǎn),中國(guó)證券市場(chǎng)與國(guó)際證券市場(chǎng)關(guān)聯(lián)性越來(lái)越強(qiáng),致使監(jiān)管難度越來(lái)越大。只有及時(shí)識(shí)別上市公司的利潤(rùn)操縱行為,才能有效維護(hù)市場(chǎng)秩序,穩(wěn)定經(jīng)濟(jì)發(fā)展。因此,構(gòu)建科學(xué)有效的中國(guó)上市公司利潤(rùn)操縱識(shí)別模型,對(duì)于維護(hù)利益相關(guān)群體的投資利益,促進(jìn)中國(guó)證券市場(chǎng)交易的公平與規(guī)范,具有重要的理論價(jià)值和現(xiàn)實(shí)意義�；谝陨戏治雠c認(rèn)識(shí),本研究以中國(guó)上市公司為研究對(duì)象,首先在樣本選擇上,從A股上市公司中剔除金融、保險(xiǎn)類與存在缺失值樣本后搜集到2421家樣本公司,其中存在利潤(rùn)操縱行為的公司119家,不存在利潤(rùn)操縱行為的公司2302家;其次在指標(biāo)選擇上,根據(jù)利潤(rùn)操縱手段和財(cái)務(wù)報(bào)表表現(xiàn)形式選取了14個(gè)外部操作指標(biāo),并運(yùn)用因子分析方法約減為6個(gè)主因子,同時(shí)根據(jù)舞弊三角理論分析企業(yè)進(jìn)行利潤(rùn)操縱行為的壓力、機(jī)會(huì)與自我合理化因素選取了10個(gè)內(nèi)部動(dòng)機(jī)指標(biāo),并運(yùn)用獨(dú)立樣本T檢驗(yàn)分析均值篩選了6個(gè)存在顯著差異的特征指標(biāo);再次在模型的選擇上,選擇非線性支持向量機(jī)(SVM)智能技術(shù)對(duì)利潤(rùn)操縱進(jìn)行識(shí)別,但同時(shí)又引入將過(guò)抽樣和欠抽樣相結(jié)合的混合抽樣方法來(lái)克服SVM模型的數(shù)據(jù)失衡問(wèn)題,從而挖掘出一種具有最優(yōu)學(xué)習(xí)能力與泛化推廣能力的改進(jìn)的SMOTE-Tomeklinks-SVM利潤(rùn)操縱識(shí)別模型,進(jìn)而運(yùn)用該模型對(duì)中國(guó)上市公司利潤(rùn)操縱行為進(jìn)行科學(xué)的識(shí)別及合理的分析與評(píng)價(jià)。最后實(shí)證結(jié)果表明,在利潤(rùn)操縱樣本遠(yuǎn)遠(yuǎn)少于正常公司樣本的情況下,傳統(tǒng)SVM模型無(wú)法有效識(shí)別利潤(rùn)操縱行為,而將過(guò)抽樣的SMOTE方法與欠抽樣的Tomeklinks方法相結(jié)合的混合抽樣方法引入SVM模型能夠最有效地增強(qiáng)SVM對(duì)利潤(rùn)操縱行為的識(shí)別精度;內(nèi)部動(dòng)機(jī)指標(biāo)能夠充分解釋上市公司進(jìn)行利潤(rùn)操縱行為的原因,以此彌補(bǔ)利潤(rùn)操縱手段隱蔽性所導(dǎo)致的模型誤判問(wèn)題,幫助改進(jìn)SVM模型識(shí)別利潤(rùn)操縱公司樣本,從而外部操作指標(biāo)與內(nèi)部動(dòng)機(jī)指標(biāo)相結(jié)合能夠更準(zhǔn)確的識(shí)別上市公司利潤(rùn)操縱行為;而在同等樣本與指標(biāo)水平下,相較其它人工智能模型,改進(jìn)的SMOTE-Tomeklinks-SVM模型又具有更好的泛化能力;此外,在四種核函數(shù)中,線性核函數(shù)與RBF核函數(shù)下的SMOTE-Tomeklinks-SVM模型相對(duì)具有更好的識(shí)別能力,但總體來(lái)看,四種核函數(shù)對(duì)改進(jìn)SVM模型對(duì)利潤(rùn)操縱行為的識(shí)別效果影響不大,同樣,除了利潤(rùn)操縱樣本參數(shù)?,模型參數(shù)的變動(dòng)對(duì)改進(jìn)SVM模型的識(shí)別結(jié)果也不存在顯著影響,說(shuō)明SMOTE-Tomeklinks-SVM具有良好的穩(wěn)定性。因此,本論文認(rèn)為,綜合外部指標(biāo)與內(nèi)部指標(biāo)的SMOTE-Tomeklinks-SVM模型能夠更加有效地識(shí)別中國(guó)上市公司利潤(rùn)操縱行為,從而為政府管理部門以及投資主體提供寶貴決策借鑒。
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F832.51

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 衣柏衡;朱建軍;李杰;;基于改進(jìn)SMOTE的小額貸款公司客戶信用風(fēng)險(xiǎn)非均衡SVM分類[J];中國(guó)管理科學(xué);2016年03期

2 許丹;;高管薪酬激勵(lì)是否發(fā)揮了既定效用——基于盈余管理權(quán)衡視角的經(jīng)驗(yàn)證據(jù)[J];現(xiàn)代財(cái)經(jīng)(天津財(cái)經(jīng)大學(xué)學(xué)報(bào));2016年03期

3 李曉玲;劉中燕;;CFO持股對(duì)上市公司盈余管理的影響[J];中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào);2016年01期

4 王超學(xué);張濤;馬春森;;改進(jìn)SVM-KNN的不平衡數(shù)據(jù)分類[J];計(jì)算機(jī)工程與應(yīng)用;2016年04期

5 鄭聯(lián)盛;;關(guān)注滬港通的風(fēng)險(xiǎn)[J];中國(guó)金融;2014年09期

6 林宇;黃迅;徐凱;;基于RU-SMOTE-SVM的金融市場(chǎng)極端風(fēng)險(xiǎn)預(yù)警研究[J];預(yù)測(cè);2013年04期

7 李雙杰;陳星星;;基于BP神經(jīng)網(wǎng)絡(luò)模型與DEA模型的中國(guó)上市公司利潤(rùn)操縱研究[J];數(shù)理統(tǒng)計(jì)與管理;2013年03期

8 佟巖;徐峰;;我國(guó)上市公司內(nèi)部控制效率與盈余質(zhì)量的動(dòng)態(tài)依存關(guān)系研究[J];中國(guó)軟科學(xué);2013年02期

9 薛薇;;非平衡數(shù)據(jù)集的改進(jìn)SMOTE再抽樣算法[J];統(tǒng)計(jì)研究;2012年06期

10 邱強(qiáng);;基于局部調(diào)整改進(jìn)應(yīng)計(jì)模型之計(jì)量盈余管理[J];現(xiàn)代財(cái)經(jīng)(天津財(cái)經(jīng)大學(xué)學(xué)報(bào));2012年06期

，

本文編號(hào)：1272746