买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种财务报表舞弊感知方法_南京审计大学_202311803082.9 

申请/专利权人:南京审计大学

申请日:2023-12-25

公开(公告)日:2024-04-02

公开(公告)号:CN117808488A

主分类号:G06Q30/018

分类号:G06Q30/018;G06Q40/12;G06F18/2431;G06N5/01

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.04.19#实质审查的生效;2024.04.02#公开

摘要:本发明公开一种财务报表舞弊感知方法,分别构建报表舞弊识别模型和报表项目舞弊识别模型数据集,然后基于随机森林分类算法构建财务报表舞弊识别模型,并进行参数调优训练,以及构建预测财务报表项目方面舞弊的报表项目舞弊识别模型,将待评价财务报表样本数据输入所得两个模型,若样本被分类为舞弊,则进行可解释性分析,并可视化展示模型作出预测的依据,收集异常特征作为审计线索辅助决策。本发明整合两种舞弊识别模型与可解释性分析,实现对样本数据是否存在舞弊的精准判定;同时基于随机森林算法的财务报表项目舞弊识别模型,以判断营业收入是否存在舞弊为例,将舞弊风险由报表层次精确至报表项目层次,为查找舞弊报表项目提供了审计线索。

主权项:1.一种财务报表舞弊感知方法,其特征在于,包括以下步骤:步骤1、构建报表舞弊识别模型数据集,具体方法为:步骤1.1、获取报表相关历史样本数据,所述样本包括财务报表数据、审计报告意见类型、违规行为与上市公司差错更正公告;步骤1.2、将财务报表是否存在舞弊视为二分类问题,对样本是否存在舞弊进行样本标注,舞弊样本标记为1,非舞弊标记为0,以是否舞弊为目标变量;同时,对于每一个舞弊样本匹配一个非舞弊样本,进而构建报表舞弊识别模型数据集,并将该数据集按70%:30%划分为训练集和测试集;步骤2、基于随机森林分类算法构建财务报表舞弊识别模型,并进行参数调优训练,获得性能更加优异的模型以解决识别财务报表是否存在舞弊问题,就财务报表整体是否存在舞弊作出判断,具体方法为:步骤2.1、使用基于随机森林的变量重要性评分VIM进行特征选择,选取选取VIM大于0.01的特征共计35个;步骤2.2、采用3-折交叉验证的网格化搜索,模型性能评分方式为F1-score,进行参数调优,以调优后参数为基础构建模型;步骤2.3、训练集中样本数据输入单棵决策树后,从根节点开始根据节点特征以及特征取值对样本数据进行判断,直至叶节点为止,输出该样本是否舞弊的分类结果;最后由模型在测试集中的预测表现评估模型泛化能力,确保得到最优的财务报表舞弊识别模型;步骤3、构建报表项目舞弊识别模型数据集,具体方法为:步骤3.1、获取报表相关历史样本数据,所述样本包括财务报表数据、违规行为、上市公司差错更正公告,所使用的特征数据与上一章所构建的特征一致;步骤3.2、依据处罚决定书与差错更正公告进行舞弊与非舞弊的样本标注;将舞弊财务报表项目是否舞弊为目标变量;同时,对于每一个舞弊样本,依据行业、年度、资产规模、资本结构和企业营业收入来匹配一个不存在任何舞弊的样本,构建报表项目舞弊识别模型数据集,将该数据集按80%:20%划分为训练集与测试集;步骤4、构建预测财务报表项目方面舞弊的报表项目舞弊识别模型,本发明以营业收入舞弊预测模型为例,具体方法为:步骤4.1、使用基于随机森林的变量重要性评分VIM进行特征选择,选取VIM特征重要性大于0.01的特征共计39个;步骤4.2、采用3-折交叉验证的网格化搜索,模型性能评分方式为F1-score,进行参数调优,以调优后参数为基础构建模型;步骤4.3、训练集样本数据输入单棵决策树后,从根节点开始根据节点特征以及特征取值对样本数据进行判断,直至叶节点为止,模型将输出该样本的营业收入是否舞弊的分类结果;最后根据模型在测试集中的表现评估模型泛化能力,确保得到最优的财务报表项目舞弊识别模型;步骤5、将待评价财务报表样本数据输入步骤2和步骤4所得两个模型,若样本被分类为舞弊,则进行可解释性分析,并可视化展示模型作出预测的依据,收集异常特征作为审计线索辅助决策,具体方法为:步骤5.1、使用TreeSHAP方法对财务报表舞弊识别模型与财务报表项目舞弊识别模型分别进行全局可解释性分析,得出基于全局的舞弊异常特征,作为审计线索的一部分;步骤5.2、使用TreeSHAP方法对财务报表舞弊识别模型与财务报表项目舞弊识别模型分别进行局部可解释性分析,得出基于单个样本的舞弊异常特征,作为审计线索输出。

全文数据:

权利要求:

百度查询: 南京审计大学 一种财务报表舞弊感知方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。