改进支持向量机在虚假财务报告识别中的应用

针对虚假财务报告识别实证研究的不足,本文提出了一种新的支持向量机方法对公司财务报告的真伪进行判别。第一,针对两类训练样本存在的"重叠"问题,建立双隶属支持向量机模型,通过基于谱聚类方法的隶属度模型来确定样本点对于两类样本的隶属程度;考虑到人们对于两种判别错误的"厌恶程度差异",在模型训练时,对训练样本进行了"非对称"处理,来降低虚假财务报告未识别的错误率。第二,在模型的输入财务指标选择上,本文通过浮动顺序搜索算法得到了虚假财务报告识别的全局最优财务指标组合。第三,实证结果表明,改进模型的判别准确率和泛化能力显著优于普通的支持向量机和BP神经网络,而公司治理指标的加入会提升模型的判别能力。