运用数据挖掘技术识别舞弊性财务报告初探.docVIP

运用数据挖掘技术识别舞弊性财务报告初探 　　[摘要] 舞弊性财务报告的识别一直是会计学界的一大困扰，而当今信息环境下激增的数据使之更加困难。基于此本文试图将能够处理海量信息的数据挖掘技术应用于舞弊性财务报告的识别，对应用的必要性、可行性、技术优势等加以分析，以期提高识别的效率和效果。 　　[关键词] 数据挖掘 舞弊性财务报告 识别 　　 　　一、问题的提出 　　自从财务报告作为传递经济信息的媒介以来，舞弊就与之形影相随，尽管各国监管机构等相关部门多次出台各种政策、不断完善会计及审计准则，财务报告舞弊仍屡禁不止。因此，最有效的治理财务报告舞弊的方法就是提高各方的识别能力。但是，识别虚假财务报告是一个很专业、很复杂的问题，不仅要从大量的公司年报、中报等财务数据中提取信息，还要从企业本身的组织结构特征、行业特征、经营决策特征等相关非财务信息中寻找线索，仅仅根据审计人员的知识和经验，其识别效果和效率都不够理想。数据挖掘技术作为一种决策支持技术，能够从大量的、不完全的、模糊的、随机的实际数据中，挖掘出隐含在其中的、有用的信息和知识，帮助财务报告的关注各方提高识别舞弊的质量和效率。在当今信息时代背景下，随着数据挖掘算法的不断改进、应用领域的不断拓展，将其应用到舞弊财务报告的识别中既有可能也有必要。 　　二、运用数据挖掘技术的必要性 　　随着数据库技术的迅速发展及数据管理系统的广泛应用，大部分企业已经引入人工智能对企业的交易活动、经营状况及整个市场的相关行业状况等进行记录，因此企业积累的数据越来越多，形成了包含大量财务数据乃至各方面经营管理信息的数据库。激增的数据背后隐藏的许多重要信息为人们识别财务报告舞弊提供了更大范围的数据支持，但同时也带来了一些问题：一是数据过量，难以及时发现有用信息；二是数据形式不一致，难以统一处理；三是数据是不断发展的，识别舞弊的经验相对于数据往往是滞后的，这种不同步性给舞弊识别带来了巨大的潜在风险，KPMG（1998）调查发现超过三分之一的舞弊事件是在偶然的情况下被发现的，只有4%的舞??事件是由独立审计人员发现的；四是传统的数据分析方法无法处理庞大的数据库系统，技术工具的落后性势必影响舞弊识别的广度和深度；五是新的数据处理技术为舞弊提供了越发隐蔽的新手段，电子化和网络化的数据环境也使得舞弊隐藏的更深，使识别难以下手。 　　数据挖掘技术就是针对日益庞大的电子数据应运而生的一种新型信息处理技术。它一般采取排出人为因素而通过自动的方式来发现数据中新的、隐藏的或不可预见的模式的活动。这些模式指隐藏在大型数据库、数据仓库或其他大量信息存储中的知识。它是在对数据集全面而深刻认识的基础上，对数据内在和本质的高度抽象与概括，也是对数据从理性认识到感性认识的升华。所以把数据挖掘技术应用于舞弊财务报告的识别很有必要也非常紧迫。 　　三、运用数据挖掘技术的可行性 　　数据挖掘是一些功能强大的数据分析技术的集合，这些技术用于帮助我们分析极其巨大的数据集。经过正确地应用，数据挖掘可以揭示出埋藏在企业数据库中的隐藏关系和信息。尽管数据挖掘看上去像是出现不久，但其实对这种方法的研究和实践已有很长时间了，早在20世纪60年代早期，数据挖掘被称为统计分析，在这段时间内产生了一些饱受赞誉的古典统计例程，如相关和回归。20世纪80年代后期，一些更强大的技术（如模糊逻辑、启发式推理和神经网络）加入到古典统计分析中来，这段时期是人工智能的全盛时期，数据挖掘的研究取得了长足的进展并被应用于各个领域，包括经济管理、金融、保险等。 　　在会计领域利用数据挖掘技术识别虚假财务报告的研究目的是确定数据挖掘的方法论，建立相应的规则和算法。具体而言，需要运用数据挖掘技术整合上市公司财务数据、经营管理、证券市场交易及宏观经济环境等多方面的非财务信息，然后在大量数据模拟和试验的基础上，给出识别各种类型的财务造假模式的数据挖掘解决方案、规则、算法等。在确定规则时，我们可以利用专家系统，将经验丰富的专家智囊输入计算机，构建知识数据库，从而产生一定的规则名。数据挖掘技术可以处理大量的复杂关联数据，可以将在会计人员眼中不显著的虚假财务报告与自然形成财务报告之间的内在差异放大到存在某种数据结构和统计显著性差异，在一定程度上提高了舞弊性财务报告的识别效率和效果。 　　四、运用数据挖掘技术的优势 　　与正常的财务报告相比，舞弊性的财务报告具有某种结构上的特征，这些特征可以通过数据形式表现出来，也可以通过文本信息等非财务数据形式表现出来，但是传统的技术分析方法在量化非财务数据时有很大困难，导致一些重要的信息被忽略，而数据挖掘的对象不仅是数据库,也可以是文件系统，或其他任何数据集合，提高了信息的利用率。 　　传统的技术分析方法往往是单一的技术，而数据挖掘是一