金 花 妍， 劉 永 澤

（1.遼寧師范大學(xué) 數(shù)學(xué)學(xué)院，遼寧 大連116029；2.東北財經(jīng)大學(xué) 會計學(xué)院，遼寧 大連116023）

繼美國安然世通等財務(wù)舞弊案爆發(fā)后，全球不少著名跨國公司相繼東窗事發(fā)，嚴重損害了廣大投資者的利益及對資本市場的信心，也推動了各國舞弊風險相關(guān)審計準則的制定以及相關(guān)領(lǐng)域的學(xué)術(shù)研究。

美國現(xiàn)代內(nèi)部審計之父Lawrence B.Sawyer早在20世紀50年代就提出著名的舞弊三角理論，后來由美國注冊舞弊審核師協(xié)會（Association of Certified Fraud Examiners，簡稱ACFE）的創(chuàng)始人Albrecht進一步發(fā)展了舞弊學(xué)理論，提出舞弊是由壓力、機會和借口三要素共同作用下產(chǎn)生的［1］。2002年10月，美國注冊會計師協(xié)會（AICPA）發(fā)布的第99號審計準則《財務(wù)報表審計中對舞弊的考慮》（以下簡稱SAS NO.99）和我國財政部于2006年2月發(fā)布的《中國注冊會計師審計準則第1141號——財務(wù)報表審計中對舞弊的考慮》，都是在舞弊三因素理論的基礎(chǔ)上提出的舞弊風險因素。

從現(xiàn)有財務(wù)舞弊影響因素的相關(guān)研究來看，通常都是從財務(wù)指標、公司治理指標、審計師指標來進行實證檢驗的。首先，公司財務(wù)穩(wěn)定性指標是發(fā)現(xiàn)舞弊的主要征兆之一。例如，Albrecht研究認為，財務(wù)數(shù)據(jù)中一些無法解釋的變化、非同尋常的大額交易、收益質(zhì)量的不斷降低、高額負債、無法及時收回應(yīng)收賬款、其他現(xiàn)金流量等特征是發(fā)現(xiàn)舞弊的主要征兆之一［1］；姚宏、佟飛研究發(fā)現(xiàn)，盈利能力、銷售能力、貨幣資產(chǎn)占比、資產(chǎn)利用率和短期償債能力等確實明顯低于非舞弊公司［2］。其次，大多研究將舞弊行為的發(fā)生歸咎于公司治理不夠完善。如Beasley的研究發(fā)現(xiàn)，外部董事的比例與會計舞弊的可能性顯著負相關(guān)，董事會中外部董事的任期增加、持股比例增加、在其他公司任職減少使會計舞弊發(fā)生的可能性下降；董事會規(guī)模小，會計舞弊發(fā)生的可能性下降［3］；張翼、馬光研究發(fā)現(xiàn)，第一大股東持股比例、董事長持股比例、領(lǐng)取報酬的監(jiān)事比例與公司發(fā)生丑聞的可能性相關(guān)，但未發(fā)現(xiàn)董事會規(guī)模、獨立董事數(shù)量、機構(gòu)投資者持股比例、以及監(jiān)事會規(guī)模等與公司發(fā)生丑聞的可能性之間的相關(guān)性［4］；蔡志岳、吳世農(nóng)的研究發(fā)現(xiàn)，與代理理論相矛盾，關(guān)于董事會領(lǐng)導(dǎo)權(quán)結(jié)構(gòu)的實證結(jié)果支持現(xiàn)代管家理論，董事長兼任總經(jīng)理的公司越不容易違規(guī)，且違規(guī)程度越輕微［5］。最后，獨立審計是發(fā)現(xiàn)舞弊的主要手段之一，Hoffman、Morgan和Patton對130位審計師的調(diào)查結(jié)果發(fā)現(xiàn)，客戶誠實程度是會計舞弊最重要的征兆［6］。Hudaib等研究發(fā)現(xiàn)，與非舞弊公司相比，曾經(jīng)發(fā)生舞弊的公司更換審計師可能更會引起利益相關(guān)者的關(guān)注［7］。

基于舞弊三角理論的財務(wù)舞弊識別模型的相關(guān)研究來看，Dunn運用舞弊三角理論對上市公司舞弊傾向進行了研究，并構(gòu)建了比較全面、有效的舞弊識別模型［8］。在我國，基于舞弊三角理論進行全面分析的文章并不多見，韋琳等以舞弊三角理論為基礎(chǔ)，構(gòu)建了舞弊（或違規(guī)）識別模型［9］，但對于借口因素的代理變量并不全面，而且都是采用Logistic回歸模型進行判別，判別率不夠高且判別的也不夠精確。而沈樂平采用支持向量機的算法［10］，對舞弊及信息披露違規(guī)判別模型的準確率較高，但單純采用這些模型具有解釋能力較低的缺陷。本文鑒于支持向量機方法的識別模型具有更高的識別率，以及Logistic回歸模型的各要素解釋力高的優(yōu)點，利用這兩個方法達到了優(yōu)勢互補效果。

一、變量的選取與模型的構(gòu)建

本文的因變量（Y）為財務(wù)報告舞弊（fraudulent financial reporting），舞弊的形式包括未按時披露定期報告、未及時披露公司重大事項、未依法履行其他職責、信息披露虛假或嚴重誤導(dǎo)性陳述、業(yè)績預(yù)測結(jié)果不準確或不及時。Y為啞變量，某A股上市公司在某年度發(fā)生了財務(wù)報告舞弊行為時，該變量取值為1；否則取值為0。自變量為可導(dǎo)致財務(wù)舞弊的各種風險因素，本文按照舞弊三角理論中提出的舞弊風險因素確定代表性變量。

1.變量的選取

舞弊三角理論認為，導(dǎo)致舞弊發(fā)生的條件有3個，即動機或壓力、機會和借口。

（1）財務(wù)舞弊的動機或壓力

根據(jù)舞弊三角理論，與舞弊動機或壓力相關(guān)的風險因素包括：公司財務(wù)的穩(wěn)定性或盈利能力受到經(jīng)濟、行業(yè)或公司經(jīng)營狀況威脅；管理當局承受著來自滿足第三方要求或預(yù)期的壓力。

財務(wù)穩(wěn)定性的代表性指標包括：主營業(yè)務(wù)比率（MBR）、經(jīng)營活動凈收益／利潤總額（BANI）、經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額是否為負值（CASHNe，小于零時取1，否則為0）；凈資產(chǎn)收益率同比增長率（ROE-grow）、總資產(chǎn)同比增長率（Agrow）以及營業(yè)收入同比增長率（Sgrow）；存貨周轉(zhuǎn)率（STOCK）、應(yīng)收賬款周轉(zhuǎn)率（Account）和總資產(chǎn)周轉(zhuǎn)率（Aturn）。

SAS NO.99指出，管理層所承受的工作壓力主要來源于外部壓力和財務(wù)契約沖突。本文以破產(chǎn)風險（Z值）、經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額／負債合計（CashLia）、資產(chǎn)負債率（LEV）指標替代外部壓力；以舞弊前1年預(yù)測的凈利潤增長比例（PROE）、凈利潤是否小于零（PROF，小于零時取1，否則為0）、高管持股數(shù)量（LnSTOC）、高管年度報酬（LnSPay）等指標替代報酬契約動機。

（2）財務(wù)舞弊的機會

舞弊機會通常與行業(yè)或公司經(jīng)營的性質(zhì)、對管理者控制的失效、復(fù)雜或不穩(wěn)定的組織結(jié)構(gòu)等因素相關(guān)。代表性指標包括：未經(jīng)審議程序的重大交易（SRT，舞弊當年發(fā)生該事項時取值為1，否則為0）；第一大股東控制度（ROFS）、股東大會出席率（SMAtte）以及年度內(nèi)股東大會會議次數(shù)（SM）、董事會會議次數(shù)（DM）和監(jiān)事會會議次數(shù)（SuM）；二重性（DUAL，董事長兼任總經(jīng)理時取1，否則為0）、董事會規(guī)模（DIRS）、監(jiān)事會規(guī)模（SUPE）、獨立董事比例（IDP）、獨立董事出席率（IDAtte）以及非常規(guī)性高管變更情況（CHANGE，發(fā)生此類事項時取1，否則為0）。

（3）財務(wù)舞弊的借口

舞弊的借口即是態(tài)度或自我合理化，在舞弊者不受道德約束時，即使舞弊動機或機會相對較小的情況下，也很可能發(fā)生。本文采用高管平均教育背景（EDUC）來替代道德變量；以舞弊前1年應(yīng)計利潤率（ACCR，（凈利潤-經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額）／總資產(chǎn)）來替代管理者對利益相關(guān)者就實現(xiàn)不切實際的目標作出的承諾。以審計師規(guī)模（AUDTOP20，審計師為20大事務(wù)所時取值為1，否則為0）審計師變更（CHANGEAUD，舞弊前3年發(fā)生審計師變更的次數(shù)）和審計意見（AO，舞弊前3年曾被出具非標準意見的次數(shù)）指標反映管理當局與現(xiàn)任或前任審計師（包括會計師事務(wù)所和注冊會計師）的緊張關(guān)系。

2.模型的構(gòu)建

基于以上舞弊三角理論，本文共確定了33個變量，分別為16個舞弊動機、12個舞弊機會以及5個舞弊借口的變量，從而構(gòu)建以下舞弊識別模型：

其中，β0是截距，表示當以上33個變量為零時，Y的平均值。β1～β33為回歸系數(shù)，回歸系數(shù)＞0，表明變量與因變量呈正相關(guān)關(guān)系；回歸系數(shù)＜0，表明變量與因變量呈負相關(guān)關(guān)系。

二、樣本的選擇與均值檢驗分析

1.樣本的選擇

本文以2007～2011年為研究區(qū)間，利用Wind資訊的中國上市公司重大違規(guī)處理數(shù)據(jù)庫收集了共224項違規(guī)記錄。剔除非財務(wù)舞弊公司33項，剩下191項；剔除上市前發(fā)生違規(guī)事項的2項，剩下189項；剔除舞弊行為發(fā)生年度在2007年以前的69家，剩下120項。在這120項處分公告中，15家企業(yè)受過2次處分，5家企業(yè)受過3次處分，共有95家企業(yè)受到中國證券監(jiān)督管理委員會、中華人民共和國財政部、深圳證券交易所、上海證券交易所等處罰單位的公開處分，涉及147份年報，對每家公司配對一個控制公司。具體選擇標準如下：（1）與舞弊公司同一上市地點，并且證監(jiān)會行業(yè)代碼相同；（2）與舞弊年度樣本相同年度；（3）獲得標準審計意見；（4）舞弊當年資產(chǎn)總額與舞弊樣本最接近；（5）非ST公司；（6）無違規(guī)記錄。

在根據(jù)以上條件配對的過程中，有20家公司無法找到合適的配對公司，剩下75家公司的116份年報，因此本文以116個樣本和116個控制樣本為研究對象。本文最終要建立舞弊識別模型，因此財務(wù)數(shù)據(jù)選取舞弊前1年的值，其他指標則選擇舞弊當年的數(shù)據(jù)。

關(guān)于數(shù)據(jù)來源，本文主要通過深圳市國泰安信息技術(shù)有限公司的CSMAR數(shù)據(jù)庫、上海萬得資訊科技有限公司的Wind資訊金融終端數(shù)據(jù)庫、中國注冊會計師協(xié)會網(wǎng)站（http：／／www.cicpa.org.cn／）、深圳證券交易所網(wǎng)站（http：／／www.szse.cn／）、上海證券交易所網(wǎng)站（http：／／www.sse.com.cn／）收集并整理了研究對象相關(guān)的財務(wù)數(shù)據(jù)、公司的治理信息等各方面資料。

2.均值檢驗分析

本文運用SPSS18.0進行獨立樣本均值檢驗（T檢驗），研究舞弊公司和非舞弊公司在舞弊動機、機會、借口三因素上的均值差異及其顯著性，為建立舞弊識別模型奠定基礎(chǔ)。表1為對33個變量進行均值檢驗的結(jié)果。通過T檢驗得出如下結(jié)論：（1）舞弊動機或壓力特征。舞弊前1年舞弊公司的主營業(yè)務(wù)比率、經(jīng)營活動凈收益／利潤總額、營業(yè)收入同比增長率、經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額／負債合計、高管年度報酬等特征均值的差值為負數(shù)，顯著低于非舞弊公司；經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額為負值、凈資產(chǎn)收益率同比增長率、破產(chǎn)風險、資產(chǎn)負債率、虧損、高管持股數(shù)量等特征的均值差值為正數(shù)，顯著高于非舞弊公司。（2）舞弊機會特征。舞弊當年舞弊公司的第一大股東控制度、股東大會出席率、獨立董事出席率特征的值差值為負數(shù)，顯著低于非舞弊公司；未經(jīng)審議程序的重大交易、股東大會會議次數(shù)、董事會會議次數(shù)、二重性、非常規(guī)性高管變更狀況等特征的值差值為正數(shù)，顯著高于非舞弊公司。（3）舞弊借口特征。舞弊公司在舞弊前3年審計師變更次數(shù)、舞弊前3年曾獲得非標準審計意見這兩個特征的值差值為負數(shù)，均顯著高于非舞弊公司。

表1 變量均值檢驗結(jié)果

三、舞弊識別模型的構(gòu)建

本文采用支持向量機方法提高對未知現(xiàn)象的學(xué)習(xí)能力和推廣能力，并通過Logistic回歸模型辨別各變量對整個模型的解釋力。支持向量機之所以能具有優(yōu)秀的推廣能力，是因為它以結(jié)構(gòu)風險最小化原則為基礎(chǔ)。支持向量機是一種通用的統(tǒng)計學(xué)習(xí)機器，能使結(jié)構(gòu)風險最小化目標得到較好實現(xiàn)，通過將輸入向量映射到高維特征空間，能夠構(gòu)造出最優(yōu)分類面，彌補了多層前向網(wǎng)絡(luò)無法解決的缺陷。支持向量機所運用的二次規(guī)劃尋優(yōu)，可以求到全局最優(yōu)解，這是神經(jīng)網(wǎng)絡(luò)局部極小問題無法攻克的難題，但是支持向量機的解釋能力較弱，而Logistic回歸模型恰好能彌補這一缺點，能夠幫助我們觀察每個變量對因變量的影響。

1.基于支持向量機方法的舞弊識別模型

（1）構(gòu)建樣本空間與特征空間

樣本數(shù)據(jù)總體為2007～2011年，所有樣本分為兩個部分：一部分為訓(xùn)練集，包括模型訓(xùn)練樣本和驗證樣本，用于支持向量機的學(xué)習(xí)過程；另一部分為測試樣本，完全獨立于學(xué)習(xí)過程，在訓(xùn)練模型完成后才被用來評估分類器的推廣能力。原始樣本數(shù)據(jù)的分配要保證訓(xùn)練樣本集中的樣本數(shù)量必須足夠多，不能少于樣本數(shù)的50%。因為，如果訓(xùn)練集樣本所占比例過少，通常不足以代表總體樣本的分布，會導(dǎo)致測試階段識別率出現(xiàn)明顯落差。因此，將訓(xùn)練樣本集和測試樣本集按照三種分配情況分別進行測試（見表2）。

為了提高舞弊識別模型的識別效果，本文對財務(wù)舞弊特征進行T檢驗后，以21個舞弊公司與非舞弊公司之間均值差異顯著的變量（見表1）作為特征空間。

（2）核函數(shù)的選擇

核函數(shù)形式包括徑向基（RBF）核函數(shù)、線性核函數(shù)、多項式核函數(shù)、指數(shù)基核函數(shù)和雙層神經(jīng)網(wǎng)絡(luò)核函數(shù)等多種形式。其中，本文選用RBF核函數(shù)，其原因在于它具有以下特點：一是能夠?qū)崿F(xiàn)非線性映射；二是參數(shù)的數(shù)量影響模型的復(fù)雜程度，RBF核函數(shù)參數(shù)相對較少；三是穩(wěn)定性較強。

RBF核函數(shù)：Kg（xi，xj）=exp（-g‖xi-xj‖2），g＞0

其中，g是可調(diào)節(jié)的核參數(shù)。本研究根據(jù)各類特征對是否存在財務(wù)舞弊進行預(yù)測，屬于二分類問題，而支持向量機在分類應(yīng)用方面具有優(yōu)良的解決能力，從而可以利用支持向量機提高正確預(yù)測財務(wù)舞弊的概率。

（3）參數(shù)尋優(yōu)

本文采用網(wǎng)格搜索方法來尋找最優(yōu)的懲罰參數(shù)C和核參數(shù)g，網(wǎng)格搜索就是在給定范圍內(nèi)遍歷所有可能的（C，g）對，然后進行交叉驗證，找出使交叉驗證精確度最高的（C，g）對。網(wǎng)格搜索的方法很直觀但比較耗費時間，也可以使用一些近似算法或啟發(fā)式的搜索來降低復(fù)雜度。由于本文的數(shù)據(jù)研究對實時性要求不高，所以使用網(wǎng)格搜索來進行全面的參數(shù)搜索。

（4）支持向量機舞弊識別模型研究結(jié)果分析

運用支持向量機算法，對舞弊識別模型進行預(yù)測的結(jié)果如表2所示。從表2可以看出，在訓(xùn)練過程中，隨著訓(xùn)練集樣本的增多，訓(xùn)練精度也隨之提高，而對應(yīng)的分類器推廣能力也呈上升趨勢，測試精度都在94%以上，表現(xiàn)了分類器的良好性能。

表2 支持向量機舞弊識別模型結(jié)果

2.基于Logistic回歸分析的舞弊識別模型

為了對Logistic回歸模型與支持向量機識別模型進行比較，本文選擇T檢驗表現(xiàn)顯著的變量構(gòu)建Logistic回歸識別模型。因變量（Y）為財務(wù)報告舞弊，自變量共有21個均值差異顯著的變量（見表1）。經(jīng)過對自變量進行相關(guān)性檢驗，結(jié)果顯示大部分自變量之間相關(guān)性系數(shù)都沒超過0.5（限于篇幅，未列出相關(guān)系數(shù)表）。但是，有個別的變量之間的相關(guān)系數(shù)超過了0.5，如主營業(yè)務(wù)比率（MBR）與主營業(yè)務(wù)活動凈收益／利潤總額（BANI）的相關(guān)系數(shù)為0.672。為了防止這些高度相關(guān)的變量帶來嚴重的多重共線性，從而影響模型的估計，剔除主營業(yè)務(wù)比率（MBR）變量。

利用SPSS18.0統(tǒng)計軟件進行二元Logistic回歸，結(jié)果如表3所示。

表3 模型邏輯回歸結(jié)果

通過回歸分析，獲得常數(shù)項β0為9.468，自由度（df）為1。Cox &Snell R2和Nagelkerke R2分別為0.546和0.728，模型的擬合優(yōu)度比較好。回歸結(jié)果顯示，Sgrow、LnSPay、ROFS、SMAtte等變量在1%水平下顯著；LEV、PROF、IDAtte、AO等變量在5%水平下顯著；ROEgrow、Z值、CashLia、LnSTOC、DM等變量在10%的水平下顯著。也就是說，過高的增長率、破產(chǎn)風險、資產(chǎn)負債率、虧損額和過低的營業(yè)收入增長率、經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額／負債合計，使公司的財務(wù)穩(wěn)定性嚴重受損；高水平的高管持股數(shù)量和低報酬給舞弊者帶來較強的舞弊動機或壓力。而第一大股東控制度、股東大會出席率、獨立董事出席率越低，董事會會議次數(shù)越多，說明組織結(jié)構(gòu)越不穩(wěn)定，給舞弊者留下的機會越大，舞弊的可能性越高。而曾經(jīng)獲得非標準審計意見，說明管理層在誠信或態(tài)度上出現(xiàn)一定問題，舞弊前3年獲得非標準審計意見次數(shù)越多，舞弊的可能性越高。

根據(jù)以上回歸結(jié)果，構(gòu)建舞弊識別模型：

利用舞弊識別模型，進行舞弊分類檢驗結(jié)果如表4所示。

表4 Logistic回歸模型對舞弊識別結(jié)果

如表4所示，在建立的Logistic識別模型中，116家非舞弊公司中有10家公司被誤判，識別率為91.4%；116家舞弊公司中有19家被誤判，識別率為為83.6%。舞弊識別模型的整體識別率為87.5%。總之，Logistic識別模型的整體識別率低于支持向量機的識別率，但是各個變量對舞弊概率影響的解釋力較好。

四、結(jié)論及建議

本研究得出以下結(jié)論：第一，在支持向量機方法下，隨著訓(xùn)練集樣本數(shù)的增多，訓(xùn)練精度也隨之提高，而對應(yīng)的分類器推廣能力也呈上升趨勢，測試精度都在94%以上。由此可見，采用支持向量機的機器學(xué)習(xí)方法對財務(wù)數(shù)據(jù)進行處理，其所表現(xiàn)出的預(yù)測能力表明對未知數(shù)據(jù)的判斷更為可靠、有效。在總體識別率方面，支持向量機算法下的總體識別率相比Logistic回歸模型較高，表現(xiàn)出分類器的良好性能。在各個變量對舞弊概率的影響方面，Logistic回歸模型表現(xiàn)出較高的解釋能力。第二，在舞弊壓力方面，增長速度、破產(chǎn)風險、資產(chǎn)負債率、是否虧損、高管持股數(shù)量與財務(wù)舞弊可能性之間存在顯著正相關(guān)關(guān)系；而經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額／負債合計、營業(yè)收入增長率、高管年度報酬與舞弊概率之間呈顯著負相關(guān)關(guān)系。第三，舞弊機會方面，董事會會議次數(shù)越多，舞弊概率越高；第一大股東控制度、股東大會出席率、獨立董事出席率越低，舞弊的可能性越高。第四，舞弊借口方面，曾經(jīng)獲得非標準審計意見次數(shù)越多，說明管理層在誠信或態(tài)度上出現(xiàn)一定問題，舞弊的可能性越高。

據(jù)此，要有效預(yù)防和發(fā)現(xiàn)舞弊，不僅要加強內(nèi)部控制的建設(shè)和運行過程，更要加強股東、獨立董事以及獨立審計師等團體的外部監(jiān)督。首先，緩解企業(yè)和管理層面臨的內(nèi)外部壓力。通過制定科學(xué)的發(fā)展戰(zhàn)略、設(shè)計穩(wěn)定的組織結(jié)構(gòu)、合理的報酬激勵機制、建立健康的企業(yè)文化等健全內(nèi)部控制環(huán)境。第二，進行內(nèi)部控制與風險管理評價，防止給舞弊者提供任何舞弊機會。第三，加強內(nèi)外監(jiān)督，杜絕舞弊借口。本文的實證結(jié)果表明，我國企業(yè)內(nèi)部監(jiān)督職能虛化問題還比較嚴重，在提高內(nèi)部監(jiān)督效率、效果的同時，應(yīng)加強外部投資者以及審計師的監(jiān)督力度。

［1］ALBRECHT W S.舞弊檢查［M］.李爽譯.北京：中國財政經(jīng)濟出版社，2005.29-61.

［2］姚宏，佟飛.會計信息失真背景下的上市公司價值質(zhì)量評價模型［J］.大連理工大學(xué)學(xué)報（社會科學(xué)版），2011，32（2）：32-37.

［3］BEASLEY M S.An empirical analysis of the relation between the board of director composition and financial statement defraud［J］.The Accounting Review，1996，71（4）：443-465.

［4］張翼，馬光.法律、公司治理與公司丑聞［J］.管理世界，2005，（10）：113-122.

［5］蔡志岳，吳世農(nóng).董事會特征影響上市公司違規(guī)行為的實證研究［J］.南開管理評論，2007，10（6）：62-68.

［6］HOFFMAN V B，MORGAN K P，PATTON J M.The warning signs of fraudulent financial statement［J］.Journal of Accountancy，1996，182（10）：75-77.

［7］HUDAIB M，COOKE T E.The impact of managing director changes and financial distress on audit qualification and auditor switching［J］.Journal of Business Finance &Accounting，2005，32（9-10）：1703-1739.

［8］DUNN P.Fraudulent financial reporting：a deception based on predisposition，motive and opportunity［D］.Boston：Dissertation of Boston University，1999.

［9］韋琳，徐立文，劉佳.上市公司財務(wù)報告舞弊的識別——基于三角形理論的實證研究［J］.審計研究，2011，3（2）：98-106.

［10］沈樂平，黃維民，饒?zhí)熨F.基于支持向量機的上市公司違規(guī)預(yù)警模型研究［J］.中大管理研究，2008，（2）：125-135.