基于数据挖掘的会计舞弊识别问题研究综述

本文检索了近年来基于数据挖掘的会计舞弊识别方面的文献,归类比较挖掘数据、算法以及分类器评价方法和分类效果,为投资者、监管部门和审计师在舞弊识别中选用适当数据和挖掘技术及优化模型提供借鉴。现有研究多对舞弊和配对非舞弊样本进行有标签挖掘,特征值涵盖审计师数据、公司治理数据、财务报表数据、行业和交易数据多个类别。当前研究以反映舞弊三角的综合数据为主,比率数据比账户数据更有效,主要算法包括统计检验、回归分析、神经网络、决策树、贝叶斯网络、堆栈变量法等。其中,回归分析应用最为普遍,神经网络在识别效果和准确性方面总体上优于回归模型,模型辅助检测优于审计师无辅助检测。现有文献还缺乏无标签挖掘和时序数据挖掘研究。