典型文献
机器学习对上市公司年报错报的识别研究——财务重述预测的视角
文献摘要：
上市公司年报披露的会计信息是利益相关者决策的重要依据,错报及之后的财务重述降低了会计信息质量,增加了注册会计师的审计风险.随着盈余管理手段愈发隐蔽,单纯依赖传统的风险评估方法可能难以有效识别错报风险.机器学习具有独特的学习模式和甄别方法,能对错报做出有效识别,有助于降低审计风险.实证结果表明,与logistic回归相比,多层感知机神经网络等五类机器学习方法对上市公司调减盈余的年报财务重述的预测准确率、F1分值和第Ⅰ类错误率等方面都表现更优;研究还发现,营运能力等四类特征在预测过程中起到重要作用.
文献关键词：
错报识别;财务重述预测;机器学习;logistic回归;审计风险
中图分类号：
作者姓名：
曾庆超;许诺
作者机构：
浙江财经大学东方学院;浙江财经大学政府管制研究院
文献出处：
引用格式：
[1]曾庆超;许诺-.机器学习对上市公司年报错报的识别研究——财务重述预测的视角)[J].中国注册会计师,2022(02):43-48
A类：
财务重述预测,错报识别
B类：
上市公司年报,报错,年报披露,利益相关者,会计信息质量,注册会计师,审计风险,盈余管理手段,风险评估方法,学习模式,甄别,对错,logistic,多层感知机,五类,机器学习方法,调减,预测准确率,错误率,营运能力,四类
AB值：
0.259164
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
