臺灣博碩士論文加值系統

隨著中國大陸1978年改革開放後，具有資本主義的社會主義為中國帶來了可觀的經濟成長，卻也讓中國市場面臨偌大的資訊不對稱。而某些經營者往往利用此資訊不對稱來從事舞弊，使投資者面臨極大的投資風險也使會計師事務所面臨巨額的審計成本。本研究試以羅吉斯迴歸及資料探勘中的貝氏信念網路、類神經網路、支援向量機及決策樹來剖析中國上市的舞弊行為，研究對象為2009年至2016年的29家舞弊企業及其所配對之58家非舞弊企業。結果顯示，類神經網路不論在全樣本下或是以收入樣態之舞弊行為皆有較高的預測能力。

With the reform of the Chinese mainland in 1978, socialism with capitalism brought considerable economic growth to China, but it also faced a huge information asymmetry in the Chinese market. Some proprietor usually used this information asymmetry to engage in fraud, which exposes investors to great investment risks and exposes accounting firms to huge audit costs. This study uses the Bayesian belief network, neural network, support vector machine and decision tree in Logis regression and data exploration to analyze the fraudulent behaviors listed in China. The research concludes 29 frauds from 2009 to 2016. The company and its 58 non-fraud companies. The results show that the neural network has higher predictive power regardless of the full sample or fraudulent behavior.

第一章 緒論
第一節 研究動機及目的
第二節 研究架構
第二章 文獻探討
第一節 財務報表舞弊之定義
第二節 財務報表舞弊方式探討
第三節 舞弊三角理論之探討
第四節 資料探勘於財務報表舞弊應用之探討
第三章 研究方法
第一節 羅吉斯迴歸(Logistic Regression)
第二節 貝氏信念網路(Bayesian Belief Network)
第三節 類神經網路(Neural Network)
第四節 支援向量機(Support Vector Machine, SVM)
第五節 決策樹(Decision Tree)
第六節 預測能力評估
一、 混亂矩陣與相關預測指標
二、 曲面下面積(AUC)之判定
第七節 資料來源及初步變數選取
一、 樣本選取及配對方式
二、 變數選取及定義
第四章 實證結果
第一節 樣本之資料探勘過程及結果分析
第二節 收入型態舞弊資料探勘過程及結果分析
第五章 結論與建議
第一節 研究結論
第二節 研究限制及建議
參考文獻

王怡心，2016，舞弊的肇因與省思， 會計研究月刊 (371):40-46
王譯萱，2013，運用 XBRL 通用連結與文字探勘技術於財報資訊與附註資訊之整合
伍中信、 陳玲琳，2015，基於舞弊三角理論對農業上市公司財務報告舞弊的識別研究，財會月刊 (下) (5):I0003-I0007.
許文靜、王君彩、 梁靜. 2017，博元投資會計舞弊行為及根源探究，中國註冊會計師 (1):117-120.
吳漢瑞，2009，應用文字探勘技術於臺灣上市公司重大訊息對股價影響之研究. 政治大學資訊管理研究所學位論文:1-59.
張利、胡華夏、餘躍洋，2015，基於舞弊三角理論的財務舞弊案例研究，財會月刊 (下) (3):69-72.
李花果，2017，“欣泰電氣” 財務舞弊案例研究，財會通訊 10:002.
李慕萱、林欣瑾、徐銘甫，2014，Decision Making by a Novel Ensemble Mechanism，多國籍企業管理評論 8 (2):151-180.
周芳，2010，應用資料採擷技術識別財務報表舞弊的方法研究，財務與金融 2010 (3):39-43.
林瑟凱、張晉瑞，2015，協力廠商支付環境下電子商務之舞弊查核，會計研究月刊 (356):46-51.
林嬋娟、張哲嘉，2009，董監事異常變動、家族企業與企業舞弊之關聯性，會計評論 (48):1-33.
姚東、餘鵬翼，2017，上市公司關聯方交易舞弊行為研究--以舜天船舶為例，國際商務財會 (5):39-43.
段莉芳，2015，上市公司財務舞弊特徵分析，財會通訊: 上 (12):31-33.
孫嘉明、邱靜宜、林宜隆，2017，持續性稽核技術整合架構－以主計資訊系統為例，電腦稽核 (35):80-95.
陳雪如、林琦珍、柯佳玲. 2009，自願性資訊揭露對財務報導舞弊偵測之研究，會計與公司治理 6 (2):1-29.
黃波，2017，從欣泰電器舞弊探究風險導向審計策略——基於舞弊三角理論視角. 財會學習 (4):119-121.
黃進敏，2017，淺談企業財務報表舞弊及審計對策，會計師 (11):53-54.
謝林海、羅佳、胡曉潔，2017，國有與非國有企業的財務舞弊手段及外部監管——基於 2006——2016 年證監會處罰公告，商業會計 (7):43-46.
韓麗榮、胡瑋佳、高瑜彬，2015，資料安全性：中國 A 股上市公司異常會計資訊與財務報告舞弊風險的識別，河南社會科學 (7):46-51.
葉清江、齊德彰、林欣瑾. 2008，企業財務報表舞弊偵測之研究，Asian Journal of Management and Humanity Sciences 3 (1-4):15-30.
詹素嬌、陳美嬪， 2014，企業舞弊及有效之預防，電腦稽核 (29):102-108.
劉若蘭、李旻育，2017，董事會政治關聯、客戶重要性對財務報導舞弊之影響，中山管理評論 25 (2):367-398.
鄭嘉瑋，2006，兩岸舞弊案例分析與舞弊因數之探討，中興大學會計學研究所學位論文:1-54.
盧鈺欣、林昱成、林育伶，2016，資料探勘技術在繼續經營疑慮意見診斷模型之應用，會計評論 (63):77-108.
蘇柏翰，2016，運用資料探勘技術偵測財務報表舞弊－以台灣上市(櫃)公司為例，會計學系, 成功大學.
Albrecht, W. S., C. C. Albrecht, and C. O. Albrecht. 2004. Fraud and corporate executives: Agency, stewardship and broken trust. Journal of Forensic Accounting 5 (1):109-130.
Ariandi, I. 2017. The effect of internal control and anti-fraud awareness on fraud prevention (A survey on inter-governmental organizations). Journal of Economics, Business & Accountancy Ventura 20 (1):113-124.
Benson, M. L., T. D. Madensen, and J. E. Eck. 2009. White-collar crime from an opportunity perspective. The criminology of white-collar crime 3:175-193.
Cheng, M.-S. 2016. 利用資料探勘技術建立破產預測模型, National Central University.
Dimitrijevic, D., V. Milovanovic, and V. Stancic. 2015. The role of a company’s internal control system in fraud prevention. e-Finanse 11 (3):34-44.
Fawcett, T. 2006. An introduction to ROC analysis. Pattern recognition letters 27 (8):861-874.
Green, B. P., and J. H. Choi. 1997. Assessing the risk of management fraud through neural network technology. Auditing 16 (1):14.
Howe, M. A., and C. A. Malgwi. 2006. Playing the ponies: A $5 million embezzlement case. Journal of Education for Business 82 (1):27-33.
Kirkos, E., C. Spathis, and Y. Manolopoulos. 2007. Data mining techniques for the detection of fraudulent financial statements. Expert systems with applications 32 (4):995-1003.
Kotsiantis, S., E. Koumanakos, D. Tzelepis, and V. Tampakas. 2006. Forecasting fraudulent financial statements using data mining. International Journal of Computational Intelligence 3 (2):104-110.
Lin, J. W., M. I. Hwang, and J. D. Becker. 2003. A fuzzy neural network for assessing the risk of fraudulent financial reporting. Managerial Auditing Journal 18 (8):657-665.
Lou, Y.-I., and M.-L. Wang. 2011. Fraud risk factor of the fraud triangle assessing the likelihood of fraudulent financial reporting. Journal of Business & Economics Research (JBER) 7 (2).
Murphy, P. R. 2012. Attitude, Machiavellianism and the rationalization of misreporting. Accounting, Organizations and Society 37 (4):242-259.
Raval, K. M. 2012. Data Mining Techniques. International Journal of Advanced Research in Computer Science and Software Engineering 2 (10).
Ravisankar, P., V. Ravi, G. R. Rao, and I. Bose. 2011. Detection of financial statement fraud and feature selection using data mining techniques. Decision Support Systems 50 (2):491-500.
Stalebrink, O. J., and J. F. Sacco. 2007. Rationalization of financial statement fraud in government: An Austrian perspective. Critical Perspectives on Accounting 18 (4):489-507.
Wolfe, D. T., and D. R. Hermanson. 2004. The fraud diamond: Considering the four elements of fraud. The CPA Journal 74 (12):38.
Zhang, Z. M., J. J. Salerno, and P. S. Yu. 2003. Applying data mining in investigating money laundering crimes. Paper read at Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining.