【作　　者】
王翠琳 何其恩

【作者单位】
（兰州理工大学经济管理学院 兰州 730050）

【摘　　要】

      【摘要】本文根据1998 ~ 2009年期间，证监会、深交所、上交所公布的财务舞弊违规处罚意见，参照2006年1211号审计准则的规定构建了涵盖持续经营能力、融资能力、营运能力、重大关联交易、关键人员变动、内部控制环境等因素的重大错报风险识别模型。通过与Logistic算法重大错报风险识别模型预测结果进行对比，发现基于LM算法BP神经网络重大错报风险识别模型具备较高的识别准确率，具有更强的实用性。
      【关键词】重大错报风险   BP神经网络   LM算法

    我国自2007年起实施的新审计风险模型相对于传统审计风险模型更加注重对风险的识别和评估，且贯穿于整个审计业务过程中。所以，新模型应用的重难点在于重大错报风险的识别和评估。重大错报风险的识别和评估是提高审计效率、保证审计效果的重中之重。
      对财务舞弊风险识别、评估的研究，一方面集中于以神经网络作为准确率较高的模拟仿真工具，对被审计单位各种舞弊行为进行测度。典型代表有：Odom（1990）最早把神经网络应用于财务危机预警研究，以公司财务危机前一年的五个财务比率为研究变量，将BP神经网络和传统多元识别分析方法进行比较，分析显示BP神经网络预测能力更好。Lin、Hwang和Becker（2003）融合模糊回归、神经网络等方法，构建基于模糊神经网络的财务舞弊识别模型，研究表明该模型为审计人员提供了准确、高效的舞弊分析方法。田金玉、聂丹丹（2008）结合主成分分析和BP神经网络建立会计舞弊识别模型，证明该模型是一种具有现实可操作性且识别率较高的财务舞弊识别方法。