English  |  正體中文  |  简体中文  |  Post-Print筆數 : 11 |  Items with full text/Total items : 88613/118155 (75%)
Visitors : 23470973      Online Users : 209
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: http://nccur.lib.nccu.edu.tw/handle/140.119/53498


    Title: 財務報表舞弊探索與類神經網路(II)
    Other Titles: Financial Reporting Fraud and Neural Networks
    Authors: 蔡瑞煌;林宛瑩
    Contributors: 國立政治大學資訊管理學系
    行政院國家科學委員會
    Keywords: 財務報表
    Date: 2010
    Issue Date: 2012-08-30 15:50:59 (UTC+8)
    Abstract: 財務報表舞弊不僅對股東造成顯著的投資危機,也掀起資本市場的財務風暴。雖然財務報表的舞弊已
    經引起許多關注,但大部分相關研究者著重在預測財務危機和破產,而鮮少聚焦在對財報舞弊本身知
    識的探討。本研究旨在透過以下四個階段而對財報舞弊有更深的了解。
    (1) 從文獻中整理出財務和公司治理方面和財報舞弊相關的所有指標,然後用統計分析方法採擷、獲得
    和財報舞弊顯著相關的指標;
    (2) 利用Growing Hierarchical Self-Organizing Map (GHSOM)之人工智慧分群方法來對正常及舞弊的財
    報資料分群;
    (3) 剖析分群的財報資料以及利用專家之研判,以擷取財報舞弊的相關知識;
    (4) 再利用專家來研判所採擷的財報舞弊的相關知識之可信度。
    因為人工智慧分群方法可以從龐大的資料中找尋隱藏的階層關聯;所以學理上,這項研究是可行的。
    在第一年,這項研究計畫著重於財務和公司治理方面和財報舞弊相關的所有指標之文獻整理,然後利
    用統計分析方法採擷、獲得和財報舞弊相關的顯著指標;並且利用GHSOM 分群方法來對正常及舞弊
    的財報資料分群。在第二年,研究計畫套用所得之GHSOM 來對舞弊的財報之起訴書和判決書做分群,
    再利用專家之研判,以對每一群起訴書和判決書擷取財報舞弊的相關知識。
    Relation: 應用研究
    學術補助
    研究期間:9908~ 10007
    研究經費:574仟元
    Data Type: report
    Appears in Collections:[資訊管理學系] 國科會研究計畫

    Files in This Item:

    File Description SizeFormat
    98-2410-H-004-049-MY2.pdf1101KbAdobe PDF146View/Open


    All items in 政大典藏 are protected by copyright, with all rights reserved.


    社群 sharing

    著作權政策宣告
    1.本網站之數位內容為國立政治大學所收錄之機構典藏,無償提供學術研究與公眾教育等公益性使用,惟仍請適度,合理使用本網站之內容,以尊重著作權人之權益。商業上之利用,則請先取得著作權人之授權。
    2.本網站之製作,已盡力防止侵害著作權人之權益,如仍發現本網站之數位內容有侵害著作權人權益情事者,請權利人通知本網站維護人員(nccur@nccu.edu.tw),維護人員將立即採取移除該數位著作等補救措施。
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback