文化大學機構典藏 CCUR:Item 987654321/18294
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 46867/50733 (92%)
造访人次 : 11883543      在线人数 : 1054
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧：
  • 您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果
  • 若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据
    •  进阶搜寻
    主页 ‧ 登入 ‧ 上传 ‧ 说明 ‧ 关于CCUR ‧ 管理 到手机版


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://irlib.pccu.edu.tw/handle/987654321/18294


    题名: 企業財務報表舞弊偵測之研究
    作者: 葉清江
    齊德彰
    林欣瑾
    贡献者: 會計系
    关键词: 財務報表舞弊
    資料探勘
    貝氏信度網路
    決策樹
    支援向量機
    日期: 2008-12
    上传时间: 2010-12-23 13:12:41 (UTC+8)
    摘要: 本研究應用資料探勘中貝氏信度網路、支援向量機以及決策樹等方法，並採用財務及非財務變數，作為協助偵測財務報表舞弊之工具。研究對象為1998年～2005年60家發生財務報表舞弊及非財務報表舞弊之公司。結果發現，財務及非財務資訊有效用於辨別財務報表舞弊；且貝氏信度網路分類效果最好，次為支援向量機，最後為決策樹。
    This paper explores the effectiveness of Data Mining Classification techniques such as Bayesian Belief Networks, Decision Tree and Support Vector Machine in detecting firms that issue fraudulent financial statements (FFS) and deals with the identification of factors associated with FFS. First, we underline the importance of financial and non-financial factors that can be used in the identification of FFS. Second, a number of experiments have been conducted using these techniques which were optimized using a data set of 60 fraud and non-fraud firms in the recent period 1998~2005. The results shows that the Bayesian Belief Network has better performance than the Decision Tree and Support Vector Machine.
    關聯: Asian Journal of Management and Humanity Sciences 3卷1-4期 P.15-30
    显示于类别:[會計學系暨研究所 ] 期刊論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML469检视/开启


    在CCUR中所有的数据项都受到原著作权保护.

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回馈