[发明专利]一种基于证据理论的财务舞弊风险评估方法以及装置

权利要求书

1.一种基于证据理论的财务舞弊风险评估方法，其特征在于，包括以下步骤：

选取待审计上市公司的基于内部治理机制和基于外部监督机制的财务舞弊证据信息；

根据机器学习方法构建以所述基于内部治理机制的财务舞弊证据信息为输入的内部治理财务舞弊风险评估模型，得到第一财务舞弊基本概率分配，以及构建以所述基于外部监督机制的财务舞弊证据信息为输入的外部监督财务舞弊风险评估模型，得到第二财务舞弊基本概率分配，其中，所述第一财务舞弊基本概率分配和所述第二财务舞弊基本概率分配均包括财务舞弊、非舞弊和舞弊未知的概率；

基于证据理论构建以所述第一财务舞弊基本概率分配和所述第二财务舞弊基本概率分配为输入的整合财务舞弊风险评估模型，得到冲突因子、信任函数和似然函数，若所述冲突因子小于阈值，则根据所述信任函数和似然函数对所述待审计上市公司进行财务舞弊风险评估。

2.根据权利要求1所述的基于证据理论的财务舞弊风险评估方法，其特征在于，所述机器学习方法使用多元无序Logistic回归方法。

3.根据权利要求2所述的基于证据理论的财务舞弊风险评估方法，其特征在于，所述阈值设为0.2。

4.一种基于证据理论的财务舞弊风险评估装置，其特征在于，包括：证据要素选取模块、基本概率分配计算模块以及风险评估模块；

所述证据要素选取模块用于选取待审计上市公司的基于内部治理机制和基于外部监督机制的财务舞弊证据信息；

所述基本概率分配计算模块用于根据机器学习方法构建以所述基于内部治理机制的财务舞弊证据信息为输入的内部治理财务舞弊风险评估模型，得到第一财务舞弊基本概率分配，以及构建以所述基于外部监督机制的财务舞弊证据信息为输入的外部监督财务舞弊风险评估模型，得到第二财务舞弊基本概率分配，其中，所述第一财务舞弊基本概率分配和所述第二财务舞弊基本概率分配均包括财务舞弊、非舞弊和舞弊未知的概率；

所述风险评估模块用于基于证据理论构建以所述第一财务舞弊基本概率分配和所述第二财务舞弊基本概率分配为输入的整合财务舞弊风险评估模型，得到冲突因子、信任函数和似然函数，若所述冲突因子小于阈值，则根据所述信任函数和似然函数用于对所述待审计上市公司进行财务舞弊风险评估。

5.根据权利要求4所述的基于证据理论的财务舞弊风险评估装置，其特征在于，所述基本概率分配计算模块使用的机器学习方法为多元无序Logistic回归方法。

6.根据权利要求5所述的基于证据理论的财务舞弊风险评估装置，其特征在于，所述阈值设为0.2。

7.一种基于证据理论的财务舞弊风险评估设备，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至3任一项所述的基于证据理论的财务舞弊风险评估方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至3任一项所述的基于证据理论的财务舞弊风险评估方法。