基于邻域粗糙集神经网络的审计意见预测模型研究

摘要：

审计意见类型及其预测结果受到企业各利益相关方的高度关注.同时选用财务指标和非财务指标为变量,构建了基于邻域粗糙集神经网络的审计意见预测模型.将领域粗糙集作为BP神经网络的前置系统,在保持分类能力不变的前提下进行指标约简,提取关键指标,再将约简的指标体系作为神经网络模型的输入变量.以2013-2015年沪深A股176家公司数据作为研究样本,采用三种模型进行审计意见预测对比分析,结果表明:本模型预测准确率达到97.06％,与单纯利用神经网络建模或单纯利用财务指标建模的预测效果相比具有更好的预测效果.

关键词：审计意见、预测、BP神经网络、邻域粗糙集

所属期刊栏目：31

分类号：F239.1(会计)

资助基金：国家社会科学基金项目"我国商业银行流动性与房地产极端关联波动的测度及防范研究"14BJY188

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：37-43