我国民营企业财务真实性研究开题报告

一、国内研究现状

会计在企业进行经营的时候，通过确认、记录等手段，为需要会计信息的人提供企业的财务和经营信息。通常，我们将会计信息失真分为两类，一类是制度性的失真，另一类是执行上的失真。制度上的失真一般是由于会计制度本身存在的缺点或者是漏洞造成会计信息的失真，这种情况并不违反法律。执行性指的是在人为执行的时候存在错误，而这种存在不论执行者主观意愿如何（有意犯错和无意犯错），都将受到法律的惩处。会计信息失真会影响资本市场的正常运行，同时影响经济的决策从而导致决策失误，也对国家的税收影响很大，所以对于会计信息真实性的判别非常重要。

张志恒（2019）使用支持向量机对会计信息的真实性进行了判断，^范文不仅选取了财务指标而且还创造性的选取了非财务指标，比如公司治理中的股权集中、流通股比例等。[1]邓启兰（2019）选取了多个财务指标，除了哈佛框架中财务分析的指标还加上了每股指标、现金流量以及公司治理共计30个指标，结合了国内外财务指标，随后利用主成分分析法提取出9个关键指标。然后利用这九个关键指标进行建模分析，详细对比了支持向量机、决策树、神经网络的分类情况。[2]刘澄（2013）采用Pearson系数来反应财务指标的相关性，根据系数计算结果，剔除速动比率、资产报酬率、销售净利率三个财务指标后用SPSS建立决策树进行建模。[3]田金玉（2008）利用主成分分析对财务指标进行降维，利用降维后的指标进行建模。^范文采用的模型是BP神经网络算法，发现对模型有较高的识别率。[5]

二、国外研究现状

Kirkos（2001）比较了三种模型，分别是决策树、贝叶斯网络以及神经网络模型，发现贝叶斯网络在财务信息真实性的分类中有着良好的分类效果。 最具 代 表 性 的 是 Loebbecke利用“L /W 模型 ”和 46个变量对 77家企业进行问卷调查 ,这 77家企业大部分是 20世纪80年代中期被披露发生会计信息欺诈的企业。研究结果表明 , 88%的企业在条件、动机和态度三个方面中至少有一个方面 存在显著 表现。Green and Choi采用人工神经网络技术构造了财务报告舞弊判别模型。在研究中 ,他们假设人工神经网络可以将两种类型的错分率 (将会计信息失真企业错分为正常企业 ,将正常企业错分为会计信息失真企业 )保持在 50%以下。

B. ^范文提纲

一、绪论

二、研究设计

（一）样本选择

（二）财务指标设计

三、模型建立

（一）CART模型建立

（二）模型调整

四、研究结果分析和效果验证

（一）结果分析

（二）分类效果验证

五、研究展望及建议

C. 参考文献

[1]张志恒, 邓启兰. 基于支持向量机的会计信息失真识别研究[J]. 财会通讯, 2019, 000(013):10-14.

[2]邓启兰. 基于数据挖掘的上市公司会计信息失真识别模型研究[D]. 2019.

[3]刘澄, 胡巧红, 孙莹. 基于分类回归树的会计信息失真识别研究[J]. 中国管理信息化, 2013, 16(006):2-3.

[4]Abdolmohammadi M , Usoff C . A longitudinal study of applicable decision aids for detailed tasks in a financial audit[J]. Intelligent Systems in Accounting Finance & Management, 2001, 10(3):139–154.

[5]田金玉, 聂丹丹. 基于BP神经网络方法的会计舞弊识别研究[J]. 中国管理信息化, 2008(08):9-12.

[6]刘澄,胡巧红,孙莹.基于分类回归树的会计信息失真识别研究[J].中国管理信息化,2013,16(06):2-3.

[7]于彪,陈思凤.会计信息失真识别的成本控制型支持向量机模型[J].商场现代化,2011(06):131-133.

[8]李俊. 基于SVM模型的上市公司财务欺诈识别研究[D].湖南大学,2009.

Yan, Liu, Zehong, et al. Study on the Reasons and Countermeasure of Bank Accounting Information Distortion[C]// 社会科学与经济发展国际学术会议. 2018.