财务操纵行为识别方法、装置、电子设备及介质制造方法及图纸

本发明专利技术提供了一种财务操纵行为识别方法、装置、电子设备及介质，其中的财务操纵行为识别方法包括构建财务操纵行为识别模型；获取待识别公司的关键特征数据；将获取到的关键特征数据输入至构建好的所述财务操纵行为识别模型，以识别出所述待识别公司是否存在财务操纵。本发明专利技术通过构建财务操纵行为识别模型，实现了对上市公司是否存在财务操纵的自动识别，其显著地提升了财务操纵的识别效率、识别效果。

【技术实现步骤摘要】
财务操纵行为识别方法、装置、电子设备及介质
本专利技术涉及大数据领域，具体而言，本申请涉及一种财务操纵行为识别方法、装置、电子设备及介质。
技术介绍
为了维持股价、业绩考核及筹集资金等方面的目的，上市公司经常会使用各种“财务技巧”来发表其财报，即所谓的财务操纵。财务操纵可以大致分为两类：第一类涉及在通用会计系统，会计准则和相关法律所允许的范围内使用剩余权力来创建会计规则，以便有意处理相关会计数据获得一定的行为预期。它在会计规则框架内起作用，因此是对会计的法律操纵。第二类是不受会计规则约束的协议，在其外部进行会计处理通常表现为严重违反当前的会计系统，会计标准和相关法律法规。这种类型的会计处理是非法的会计处理。提供的财务信息不是真实的，即失真的财务信息。本专利技术中所指的财务操纵是指后者，具体而言，就是未及时披露公司重大事项、未依法履行其他职责、业绩预测结果不准确或不及时、信息披露虚假或严重误导性陈述等情况。实现对上市公司的财务操纵的有效识别无论对于监管者还是广大的投资者来说，都至关重要。目前来说，为了识别上市公司是否存在财务操纵，一般需要聘请具有专业财务知识、了解上市公司经营情况的专业人员，通过对上市公司的公开财务数据、经营数据进行繁琐的分析方能获得。因此，有必要提出一种通用的财务操纵行为识别模型，以实施对上市公司的财务操纵行为的自动识别，最终提升对财务操纵的识别效率、识别效果，降低识别成本。
技术实现思路
为了实现上述技术目标，本专利技术第一方面提供了一种财务操纵行为识别方法，其详细技术方法如下：一种财务操纵行为识别方法，其包括：构建财务操纵行为识别模型；获取待识别公司的关键特征数据；将获取到的关键特征数据输入至构建好的所述财务操纵行为识别模型，以识别出所述待识别公司是否存在财务操纵行为。在一些实施例中，所述构建财务操纵行为识别模型包括：确定候选特征集，所述候选特征集包括若干财务特征和若干非财务特征；获取样本集，所述样本集包括正样本和负样本，所述正样本为存在财务操纵行为的公司样本，所述负样本为不存在财务操纵行为的公司样本；使用所述样本集对所述候选特征集中的各特征进行显著性差异分析以获得若干关键特征，其中，所述关键特征在所述正样本和所述负样本中存在显著差异；对所述关键特征进行逻辑回归分析，获得所述财务操纵行为识别模型。在一些实施例中，所述使用所述样本集对所述候选特征集中的各特征进行显著性差异分析以获得若干关键特征包括：采用单因素检测法对所述候选特征集中的各特征进行显著性差异分析，以获得包括有第一数量的所述候选特征的第一关键特征集；采用多变量逻辑回归分析法对所述候选特征集中的各特征进行显著性差异分析，以获得包括有第二数量的所述候选特征的第二关键特征集；合并所述第一关键特征集和所述第二关键特征集，以获得包括有第三数量的所述候选特征的第三关键特征集；采用因子分析法对所述第三关键特征集进行筛选，以获得最终的所述关键特征。在一些实施例中，所述正样本的数量与所述负样本的数量相等。所述正样本的数量与所述负样本的数量相等且成对出现，对应的所述正样本和所述负样本属于同一交易所、同一行业且总市值的差异在预定范围内。在一些实施例中，所述单因素检测法为非参数检测法。在一些实施例中，所述财务操纵行为识别模型为多变量逻辑回归模型，其表示如下：其中：Y为存在财务操纵的概率，X2为流动比率、X5为货币资金流动资产比、X14为现金流量对流动负债比率、X18为预付账款占流动资产的比重、X19为应收账款占流动资产的比重、X22为股权集中度、X34为全部资产现金回收率。本专利技术第二方面提供了一种财务操纵行为识别装置，其包括：建模模块，用于构建财务操纵行为识别模型；获取模块，用于获取待识别公司的关键特征数据；识别模块，用于将获取到的关键特征数据输入至构建好的所述财务操纵行为识别模型，以识别出所述待识别公司是否存在财务操纵行为。在一些实施例中，所述建模模块包括：确定子模块，用于确定候选特征集，所述候选特征集包括若干财务特征和若干非财务特征；获取子模块，用于获取样本集，所述样本集包括正样本和负样本，所述正样本为存在财务操纵行为的公司样本，所述负样本为不存在财务操纵行为的公司样本；关键特征选择模块，用于使用所述样本集对所述候选特征集中的各特征进行显著性差异分析以获得若干关键特征，其中，所述关键特征在所述正样本和所述负样本中存在显著差异；模型训练子模块，用于对所述关键特征进行逻辑回归分析，获得所述财务操纵行为识别模型。本专利技术第三方面提供了一种电子设备，其包括存储器、处理器及存储在存储器内并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本专利技术第一方面所述的财务操纵行为识别方法。本专利技术第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术第一方面所述的财务操纵行为识别方法。本专利技术通过构建财务操纵行为识别模型实现对待识别公司是否存在财务操纵的自动识别，其显著地提升了对上市公司的财务操纵的识别效率、识别效果，并显著降低了识别成本。附图说明图1为本专利技术第一个实施例提供的财务操纵行为识别方法的流程图；图2为本专利技术第一个实施例提供的财务操纵行为识别方法的流程图；图3为本专利技术第二个实施例提供的财务操纵行为识别装置的结构框图；图4为本专利技术第二个实施例提供的财务操纵行为识别装置的结构框图；图5为本专利技术第三个实施例提供的电子设备的结构框图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例一如图1所示，本实施例提供的财务操纵行为识别方法100包括如下步骤：S101、构建财务操纵行为识别模型。具体的，如图2所示，步骤S101包括包括如下子步骤：S1011、确定候选特征集，所述候选特征集包括若干财务特征和若干非财务特征。如本领域一般技术人员所能知晓的，财务操纵的痕迹必然能在公司经营和财务数据中反映出来，因此我们选择从公司的经营数据和财务数据中确定候选特征集，即：候选特征集中的各候选特征均可能与本文档来自技高网...

【技术保护点】
1.一种财务操纵行为识别方法，其特征在于，其包括：/n构建财务操纵行为识别模型；/n获取待识别公司的关键特征数据；/n将获取到的关键特征数据输入至构建好的所述财务操纵行为识别模型，以识别出所述待识别公司是否存在财务操纵行为。/n

【技术特征摘要】
1.一种财务操纵行为识别方法，其特征在于，其包括：
构建财务操纵行为识别模型；
获取待识别公司的关键特征数据；
将获取到的关键特征数据输入至构建好的所述财务操纵行为识别模型，以识别出所述待识别公司是否存在财务操纵行为。


2.如权利要求1所述的财务操纵行为识别方法，其特征在于，所述构建财务操纵行为识别模型包括：
确定候选特征集，所述候选特征集包括若干财务特征和若干非财务特征；
获取样本集，所述样本集包括正样本和负样本，所述正样本为存在财务操纵行为的公司样本，所述负样本为不存在财务操纵行为的公司样本；
使用所述样本集对所述候选特征集中的各特征进行显著性差异分析以获得若干关键特征，其中，所述关键特征在所述正样本和所述负样本中存在显著差异；
对所述关键特征进行逻辑回归分析，获得所述财务操纵行为识别模型。


3.如权利要求2所述的财务操纵行为识别方法，其特征在于，所述使用所述样本集对所述候选特征集中的各特征进行显著性差异分析以获得若干关键特征包括：
采用单因素检测法对所述候选特征集中的各特征进行显著性差异分析，以获得包括有第一数量的所述候选特征的第一关键特征集；
采用多变量逻辑回归分析法对所述候选特征集中的各特征进行显著性差异分析，以获得包括有第二数量的所述候选特征的第二关键特征集；
合并所述第一关键特征集和所述第二关键特征集，以获得包括有第三数量的所述候选特征的第三关键特征集；
采用因子分析法对所述第三关键特征集进行筛选，以获得最终的所述关键特征。


4.如权利要求2所述的财务操纵行为识别方法，其特征在于，所述正样本的数量与所述负样本的数量相等且成对出现，对应的所述正样本和所述负样本属于同一交易所、同一行业，且总市值的差异在预定范围内。


5.如权利要求3所述的财务操纵行为识别方法，其特征在于，所述单因素检测...

【专利技术属性】
技术研发人员：张军欢，郑茗译，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11