|
|||||
|
|
| 考虑审计要素多重语义关联的财务欺诈识别 | |
| 作者姓名： | 李建平 孙灏 常闫芃 朱晓谦 |
| 作者单位： | 中国科学院大学经济与管理学院;中国科学院大学数字经济监测预测预警与政策仿真教育部哲学社会科学实验室(培育);中国科学院科技战略咨询研究院;中国科学院大学公共政策与管理学院 |
| 摘 要： | 现有的财务欺诈识别研究大多基于公司、审计师、会计师事务所等审计要素中较为简单的关系特征，罕有研究能够系统刻画各类审计要素之间错综复杂的关联关系.本文创新性地引入知识图谱(Knowledge Graph)技术，构建出包含公司、审计师和会计师事务所的多重语义关联网络，并利用图神经网络(Graph Neural Networks)方法捕捉知识图谱中审计要素之间复杂隐秘的关联关系以提高财务欺诈识别效果.基于我国2018年—2019年的上市公司样本，构建出包含12 373个审计要素和111 194条关系的审计知识图谱.实证研究发现引入审计要素关联关系能够提升财务欺诈识别准确率；在多种审计要素关联关系中，考虑审计师对公司出具的审计意见对欺诈识别更为重要；对比不同历史时长的审计要素，使用公司历史5年的审计要素识别财务欺诈的效果更好.本研究可以为投资者、分析师以及监管机构在大数据时代下的财务欺诈识别提供科学参考. |
| 关 键 词： | 财务欺诈 审计要素关系 语义关联 知识图谱 图神经网络 |
| 点击此处可从《管理科学》浏览原始摘要信息 | |
| 点击此处可从《管理科学》下载免费的PDF全文 | |