文献

J-GLOBAL ID：201502205170821190   整理番号：15A1206771

財務諸表における不正の検出:データマイニング技法と専門家判定との差異に関する分析

Detecting the financial statement fraud: The analysis of the differences between data mining techniques and experts’ judgments

著者 (4件)： LIN Chi-Chen (Dep. of Accounting Information, National Taipei Univ. of Business, No. 321, Sec. 1, Jinan Rd., Zhongzheng, Taipei ...) ,  CHIU An-An (Dep. of International Trade, Feng Chia Univ., No. 100, Wenhwa Rd., Seatwen, Taichung 40724, Taiwan) ,  HUANG Shaio Yan (Dep. of Accounting and Information Technol., National Chung Cheng Univ., 168 Univ. Rd., Min-Hsiung, Chia-Yi 62102 ...) ,  YEN David C. (School of Economics and Business, 226 Netzer Administration Bldg., SUNY Coll. at Oneonta, Oneonta, NY 13820, USA)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 89  ページ： 459-470  発行年： 2015年11月 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,データマイニング技法を使用して不正のトライアングルの全側面を調査するとともに,入手可能な公開データを代理変数として使用し,プレッシャー/動機,機会,姿勢/正当化といった属性を,この主題分野における先行研究の知見と監査基準に関する諸表に基づいて評価することである。第二の目的は,専門家の提案が,これらの新しい技法を使用して得られた結果と一致しているか否かを検討することである。具体的には,本研究では,専門家へのアンケートとデータマイニグ技法の両方を使用して様々な不正因子を選別し,それらの重要性のランク付けをおこなった。本研究で使用したデータマイニング手法は,ロジスティック回帰,ディシジョンツリー(CART),および人工ニューラルネットワーク(ANN)である。実証的に,トレーニングサンプル,および試験サンプルを用いたANNおよびCART方式は,それぞれ,91.2%(ANN)と90.4%(CART),および92.8%(ANN)と90.3%(CART)のクラシフィケーション正答率を示した。これは,不正存在の評価において,83.7%と88.5%の正しいクラシフィケーションしか達成できなかったロジスティックモデルよりも正確である。加えて,ANNの第二種過誤は23.9%であり,CARTを使用した場合の27.8%,およびロジスティックモデルを使用した場合の43.3%よりも有意に低下している。最後に,様々なデータマイニングツールとエキスパート判定との差異についても比較し,より多くの洞察を研究貢献として提示した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *データマイニング ,  回帰分析 ,  ディシジョンツリー ,  ニューラルネットワーク ,  *財務諸表 ,  犯罪
準シソーラス用語： ロジスティック回帰 ,  人工ニューラルネットワーク ,  不正行為

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 財務諸表 ,  データマイニング ,  技法 ,  差異 ,  分析