三公原则既是企业有效运行的重要原则也是经济市场规范的集中表现,该原则实施的基础是企业会计审计信息披露的规范化[1-2]。近几年,很多企业被发现存在会计审计信息作假舞弊等行为,该行为不仅违背了市场经济运行规则,使企业信誉度下降,也为企业长期发展埋下不小隐患,为此众多学者开始研究识别企业审计信息舞弊方法,其中以严良等人和杨贵军等人所研究的 DE-SVM 资源型财务风险识别方法[3-4]和 Benford-Logistic模型风险识别方法应用最为广泛。严良等人研究方法利用成分分析方法和支持向量机方式完成企业财务数据识别,但该方法受支持向量机收敛性影响,其识别结果不佳;杨贵军等人研究的方法通过构建回归模型和风险因子,分析会计审计信息之间的关联性完成识别过程,受风险因子选取方式影响,该方法在预测准确度上不够精确。信息融合又称数据融合,是将不同类型和不同复杂程度的信息融合后,从融合后的数据信息内识别有效信息的信息处理方式,该方式具有容错性,在交通、教育等多个领域中具有重要作用[5]。为提升企业会计信息舞弊风险识别的精确度,本文结合信息融合方式研究基于信息融合的企业会计信息舞弊风险识别方法。
1 基于信息融合的企业会计信息舞弊风险识别研究
1.1 会计审计信息融合方法企业审计的资源环境随着当前社会发展逐渐体现出多元化异构特征,多源会计审计信息融合是企业审计环境的基本要求[6],且企业会计信息舞弊识别的基础是获取精准的会计审计信息,基于信息融合充分融合不同数据特征,并利用融合后的会计审计信息展开精准舞弊风险识别。本文利用先验分布方式实现会计审计信息融合,在融合的过程中使用 K-L信息距离算法计算审计信息权重。
1.2 会计信息舞弊风险识别模型建立本文利用混沌神经网络构建会计信息舞弊风险识别模型,该模型信息舞弊风险识别流程如图1所示。上述模型识别流程:将会计审计信息融合方法获取的审计信息分布结果π(φ)作为模型的输入,利用遗传算法形成初始种群后形成反向初始种群,通过迭代计算适应度函数后,选择最佳染色体,经过判断是否符合终止条件后,输出最终识别结果。
2 实验分析
以某上市企业2010年至2018年会计审计信息作为实验对象,使用本文方法对其展开风险识别,为更加清晰展示本文方法实际应用效果,分别使用文献 [3]和文献 [4]方法同时进行实验。其中文献 [3]方法表示 DE-SVM 资源型企业财务风险识别方法,文献 [4]方法表示 Benford-Logistic模型企业财务风险识别方法。会计信息舞弊风险识别的权重选择是舞弊风险识别关键所在,以适应度作为衡量权重选取优劣的指标,以该企业9000个会计审计信息作为实验对象,测试3种方法风险识别权重选取能力,结果如图2所示。
分析图2可知,随着会计信息数量的增加,3种方法选取权重的平均适应度整体呈现平缓趋势,当数据量在1000~2000个时,3种方法的平均适应度数值均出现上升波动趋势,其原因在于计算过程中如果迭代次数少就无法获取其平均适应度,经过多次迭代,平均适应度数值逐渐趋于稳定,随着会计信息数量的增加,本文方法的平均适应度数值始终保持在0.8~0.9,而文献 [3]和文献 [4]方法的平均适应度数值始终在0.6~0.8波动,表明二者方法选取的识别权重不够准确,综合分析可知,本文方法识别的平均适应度数值较高,且稳定,选取权重能力较好。
4 结 论
本文利用信息融合方法对企业会计信息舞弊风险识别进行研究。该方法通过融合企业会计信息并构建识别模型完成企业会计信息舞弊风险识别,经过多次验证,本文方法的适应度数值始终保持在0.8~0.9,权重选取能力较强;风险识别等级与实际等级相同,识别能力卓越;ROC曲线下面积较大,泛化能力强。
参考文献:
[1]周俊贤,吕中荣,汪利.基于灵敏度分析和不同数据融合的损伤识别方法[J].振动与冲击,2019,38(18):236-241.
[2]沈莹,王克平,郭小芳,等.基于“互联网+”思维的新创企业风险识别与竞争情报预警研究[J].情报科学,2020,38(3):101-106+123.
《基于信息融合的企业会计信息舞弊风险识别方法》来源:《河北北方学院学报 (自然科学版)》,作者:刘 倩 倩