[發(fā)明專利]財務(wù)舞弊風險評估的方法、系統(tǒng)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202011372377.1
• 申請日: 2020-11-30
• 公開（公告）號: CN112419030B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計）人: 蘇晶晶
• 申請（專利權(quán)）人: 北京安九信息技術(shù)有限公司
• 主分類號: G06Q40/12
• 分類號: G06Q40/12;G06Q10/0635;G06Q10/067
• 代理公司: 北京晟睿智杰知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11603
• 代理人: 于淼

本發(fā)明公開了一種財務(wù)舞弊風險評估的方法、系統(tǒng)及設(shè)備，涉及數(shù)據(jù)處理與計算機技術(shù)領(lǐng)域。方法包括：獲取財務(wù)報表并提取財務(wù)指標信息；建立訓練樣本集和預測樣本集；財務(wù)指標信息轉(zhuǎn)換為定性指標、定量指標；以隨機森林模型對預測樣本集預測，獲得財務(wù)舞弊高風險的第一數(shù)據(jù)集；和/或，以自適應(yīng)增強模型對預測樣本集預測，獲得財務(wù)舞弊高風險的第二數(shù)據(jù)集；和/或，以引導聚集模型對預測樣本集預測，獲得財務(wù)舞弊高風險的第三數(shù)據(jù)集；預測樣本集分為子預測樣本集；以指標數(shù)據(jù)對子預測樣本集預測，獲得財務(wù)舞弊高風險的第四數(shù)據(jù)集；提取第一和/或第二和/或第三及第四數(shù)據(jù)集中超過預設(shè)閾值的數(shù)據(jù)，構(gòu)建財務(wù)舞弊高風險數(shù)據(jù)集，生成風險分析報告。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理與計算機技術(shù)領(lǐng)域，更具體地，涉及一種財務(wù)舞弊風險評估的方法、系統(tǒng)及設(shè)備。

背景技術(shù)

現(xiàn)有技術(shù)中，對于財務(wù)舞弊的分析主要基于財務(wù)報表會計科目、財務(wù)指標、輿情等異常的經(jīng)驗總結(jié)，依賴專家的經(jīng)驗判斷，而缺乏系統(tǒng)的、高效的、量化分析模型，導致對財務(wù)舞弊的分析識別多為個案，而缺少對大批量財務(wù)報表質(zhì)量的定期全面回溯研究。因此，亟待發(fā)明一種用于財務(wù)舞弊風險評估的方法、系統(tǒng)及設(shè)備，實現(xiàn)對于財務(wù)舞弊智能化、高效化、系統(tǒng)化的風險評估。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種財務(wù)舞弊風險評估的方法、系統(tǒng)及設(shè)備，用以改善對于財務(wù)舞弊的分析缺乏系統(tǒng)的、高效的、量化分析方法的問題。

第一方面，本申請?zhí)峁┮环N財務(wù)舞弊風險評估的方法，包括：

獲取至少1份財務(wù)報表和所述財務(wù)報表對應(yīng)主體的基本信息，并根據(jù)所述財務(wù)報表提取至少1份財務(wù)指標信息；

建立訓練樣本集和預測樣本集，其中，以實際財務(wù)舞弊數(shù)據(jù)、實際非財務(wù)舞弊數(shù)據(jù)為訓練樣本集，以待評估數(shù)據(jù)為預測樣本集；

將所述財務(wù)指標信息轉(zhuǎn)換為多個指標數(shù)據(jù)，包括M個維度的定性指標、N個維度的定量指標；其中，M≥100，N≥50，且M、N均為正整數(shù)；

采用隨機森林算法對所述訓練樣本集中的訓練樣本進行建模，生成隨機森林模型，評估至少部分所述指標數(shù)據(jù)的重要性值，并計算交叉驗證誤判率；以所述隨機森林模型作為財務(wù)舞弊風險的第一評估模型對所述預測樣本集中的預測樣本進行預測，所述預測結(jié)果為財務(wù)舞弊高風險的第一數(shù)據(jù)集；和/或，

采用自適應(yīng)增強算法對所述訓練樣本集中的訓練樣本進行建模，生成自適應(yīng)增強模型，評估至少部分所述指標數(shù)據(jù)的重要性值，并計算交叉驗證誤判率；以所述自適應(yīng)增強模型作為財務(wù)舞弊風險的第二評估模型對所述預測樣本集中的預測樣本進行預測，所述預測結(jié)果為財務(wù)舞弊高風險的第二數(shù)據(jù)集；和/或，

采用引導聚集算法所述訓練樣本集中的訓練樣本進行建模，生成引導聚集模型，評估至少部分所述指標數(shù)據(jù)的重要性值，并計算交叉驗證誤判率；以所述引導聚集模型作為財務(wù)舞弊風險的第三評估模型對所述預測樣本集中的預測樣本進行預測，所述預測結(jié)果為財務(wù)舞弊高風險的第三數(shù)據(jù)集；

基于所述基本信息和所述財務(wù)指標信息，將所述預測樣本集中的數(shù)據(jù)劃分為至少2個子預測樣本集；

通過至少部分所述指標數(shù)據(jù)對所述子預測樣本集搭建財務(wù)舞弊風險的第四評估模型，以所述第四評估模型對所述子預測樣本集中的預測樣本進行預測，所述預測結(jié)果為財務(wù)舞弊高風險的第四數(shù)據(jù)集；

提取所述第一數(shù)據(jù)集、和/或所述第二數(shù)據(jù)集、和/或所述第三數(shù)據(jù)集中超過預設(shè)閾值的數(shù)據(jù)，并提取所述第四數(shù)據(jù)集中超過預設(shè)閾值的數(shù)據(jù)，構(gòu)建財務(wù)舞弊高風險數(shù)據(jù)集；

根據(jù)所述財務(wù)舞弊高風險數(shù)據(jù)集生成風險分析報告。

可選地，其中：

所述定性指標包括固定資產(chǎn)結(jié)構(gòu)異常、會計政策突變、工程量虛增、財務(wù)費用資本化、銷售費用資本化、收入和利潤異常、內(nèi)部管理異常。

可選地，其中：