论文部分内容阅读
我国的股票市场与发达国家股票市场有很大的差异。从宏观的角度看,这些差异表现在游戏规则中,从微观的角度看,这些差异表现在股权结构和公司治理中。目前我国的资本市场还不成熟,信息披露制度还不完善,再加上会计准则弹性较大,给上市公司留下了可乘之机。上市公司通过操纵利润,粉饰财务报表,谋求私利,却极大损害了利益相关者的利益。因此,搜集上市公司利润操纵的识别指标,建立利润操纵的识别模型,对规范我国证券市场,维护利益相关者利益,具有现实意义。本文首先研究了利润操纵的定义、原因、手段、对策以及利润操纵的研究模型,接着介绍了粗糙集、BP神经网络以及DEA模型等概念和理论,最后建立了中国上市公司利润操纵的识别模型以及改进的识别模型,并将改进的识别模型应用于未知是否具有利润操纵行为的上市公司,给予了识别建议。文章根据上市公司关键财务数据,建立了利润操纵公司的样本组和对照组,运用粗糙集的方法简化了利润操纵的指标,通过MATLAB编程,建立了BP神经网络模型,并进一步引入DEA效率指标,建立了改进的中国上市公司利润操纵识别模型,从而有效降低了模型的第二类错误,将模型的正判率提高到90%。本研究的创新点是首次将粗糙集与BP神经网络理论引入上市公司利润操纵的识别研究,建立了中国上市公司利润操纵的粗糙集—BP神经网络识别模型。此外,文章在识别模型中创新性地引入DEA效率指标,将DEA模型与BP神经网络理论有效融合,提高了模型的正判率。改进的识别模型结果更加契合实际,并能有效识别上市公司利润操纵的行为,具有现实意义。研究的重点和难点在于上市公司各项指标的数据搜集和整理,粗糙集方法与利润操纵识别模型的融合,建立BP神经网络模型的MATLAB程序编写,以及DEA效率指标的引入和在产出指标为负数的情况下指标的测算。研究表明,具有利润操纵行为的上市公司并不一定是经营状况有所下降,其动机具有多重性和复杂性。通过分析上市公司的财务指标,尤其是引入DEA效率指标后,模型可以有效识别上市公司的利润操纵情况。本研究的局限性在于搜集的非财务识别指标仅局限于DEA效率指标,而由于企业利润操纵行为具有复杂性,非财务指标应当更加广泛。有关非财务指标的研究将在日后继续进行。