价值工程
價值工程
개치공정
VALUE ENGINEERING
2009年
10期
111-113
,共3页
财务舞弊%识别%LVQ神经网络%支持向量机(SVM)
財務舞弊%識彆%LVQ神經網絡%支持嚮量機(SVM)
재무무폐%식별%LVQ신경망락%지지향량궤(SVM)
为了保护广大投资者和规范国内资本市场,对财务舞弊识别的研究具有重要的意义.在参考前人研究的基础上,选择能识别财务舞弊的指标,利用主成分分析法约减指标,得到9个综合变量.在此基础上,利用学习矢量量化(Learning VectorQuantizadon,LVQ)神经网络建立财务舞弊识别模型;此模型对测试样本的判断准确率高达90.9%,验证了模型的有效性.最后把此模型与用其他方法建立的财务舞弊识别模型进行比较,发现LVQ神经网络建立的财务舞弊识别模型,能更有效地识别测试样本有没有财务舞弊.
為瞭保護廣大投資者和規範國內資本市場,對財務舞弊識彆的研究具有重要的意義.在參攷前人研究的基礎上,選擇能識彆財務舞弊的指標,利用主成分分析法約減指標,得到9箇綜閤變量.在此基礎上,利用學習矢量量化(Learning VectorQuantizadon,LVQ)神經網絡建立財務舞弊識彆模型;此模型對測試樣本的判斷準確率高達90.9%,驗證瞭模型的有效性.最後把此模型與用其他方法建立的財務舞弊識彆模型進行比較,髮現LVQ神經網絡建立的財務舞弊識彆模型,能更有效地識彆測試樣本有沒有財務舞弊.
위료보호엄대투자자화규범국내자본시장,대재무무폐식별적연구구유중요적의의.재삼고전인연구적기출상,선택능식별재무무폐적지표,이용주성분분석법약감지표,득도9개종합변량.재차기출상,이용학습시량양화(Learning VectorQuantizadon,LVQ)신경망락건립재무무폐식별모형;차모형대측시양본적판단준학솔고체90.9%,험증료모형적유효성.최후파차모형여용기타방법건립적재무무폐식별모형진행비교,발현LVQ신경망락건립적재무무폐식별모형,능경유효지식별측시양본유몰유재무무폐.
