English
| 正體中文 |
简体中文
|
全文筆數/總筆數 : 46962/50828 (92%)
造訪人次 : 12435253 線上人數 : 619
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library IR team.
搜尋範圍
全部CCUR
商學院
會計學系暨研究所
--博碩士論文
查詢小技巧:
您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
進階搜尋
主頁
‧
登入
‧
上傳
‧
說明
‧
關於CCUR
‧
管理
文化大學機構典藏 CCUR
>
商學院
>
會計學系暨研究所
>
博碩士論文
>
Item 987654321/51245
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
請使用永久網址來引用或連結此文件:
https://irlib.pccu.edu.tw/handle/987654321/51245
題名:
應用AI技術於審計查核
Application of AI Technologies in Auditing
作者:
賴柏成
貢獻者:
會計學系
關鍵詞:
人工智能
繼續經營
決策樹
極限學習機
支持向量機
artificial intelligence
going concern
decision tree
extreme learning machines
support vector machine
日期:
2022
上傳時間:
2023-03-01 15:05:23 (UTC+8)
摘要:
近年來,隨著人工智能(artificial intelligence, AI)的發展,在審計查核中使用大數據和人工智慧是最新的必然趨勢,可以彌補人工審計之缺點和不足。會計師應當根據審計結果出具查核報告,並對是否存在繼續經營之疑慮發表審計意見。本研究觀察資料由台灣經濟新報資料庫(Taiwan Economic Journal, TEJ),取樣期間為2006年至2021年共16年的觀察資料,採用15個財務變數及5個非財務變數(又稱為公司治理變數)。第一階段先以決策樹CHAID、決策樹C5.0及決策樹CART進行篩選重要變數後,第二階段再運用極限學習機(Extreme Learning Machines, ELM)與支持向量機(Support Vector Machine, SVM)來建立更精確的審計查核之繼續經營預測模型。實證結果顯示,由決策樹C5.0篩選重要變數加上支持向量機所建立之模型(DT C5.0-SVM)有最佳的預測能力,其測試準確率達91.892%;訓練準確率達91.072%;型一錯誤為3.9%;型二錯誤為4.08%。
顯示於類別:
[會計學系暨研究所 ] 博碩士論文
文件中的檔案:
檔案
描述
大小
格式
瀏覽次數
index.html
0Kb
HTML
153
檢視/開啟
檢視Licence
在CCUR中所有的資料項目都受到原著作權保護.
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library IR team
Copyright ©
-
回饋