Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/54087
標題: 管理舞弊之風險評估:具學習性模糊專家系統之應用
A Machine Learning Fuzzy Expert System for Assessing the Risk of Management Fraud
作者: 林金賢
關鍵字: 管理舞弊;財政(含金融,保險);舞弊風險要素;決策支援系統;內部控制;類神經模糊;應用研究
摘要: 
舞弊風險之評估乃一高度專業之工作,尤其是高階管理人員之舞弊行為。而如何透過有效之審計決策支援工具,輔助審計人員偵測及評估管理舞弊風險,一直以來便是審計人員的一重要課題。而近年來的一連串重大弊案(包括國內外的順大裕、國揚實業、理律、博達、訊碟、Enron、Worldcom 等),除了使得投資大眾蒙受鉅額損失,對金融秩序造成重大之破壞外,更加顯現出偵測管理舞弊之重要性。Loebbecke and Willingham(1988)以及Loebbecke, Eining and Willingham (1989)提出的觀念模型,開啟了管理舞弊研究的先河。之後陸續也有不同的學者建議用不同的方法來增進偵測舞弊之能力。然而傳統統計工具無法有效處理變數間的非線性關係,而專家系統或者是模糊推論系統其知識庫之建立通常是艱鉅且耗時;雖然類神經網路的學習能力與對變數間非線性關係的捕捉能力對預測模型確是提供一有利的解決途徑,然而其複雜的對應關係使得對因果關係的解釋變得困難重重,而現有的專家系統與類神經網路的混合模型其實證結果意謂著更多的改善空間。另外一方面,雖然外部監理可以加強內部控制之運作,然而公司發生舞弊導致財務危機或倒閉等重大疏失,公司內部控制之缺失,仍是一大主因。因而本研究將從內部控制的觀點出發,參考美國審計準則第82 號公報所列舉的風險要素,透過會計師對實際訴訟案例之內容分析,歸類整理出導致台灣訴訟案例之主要風險因素。再依此風險要素設計問卷,發放予配對樣本進而蒐集資料。利用類神經模糊結合模糊邏輯描述變數間關係的知識庫及類神經網路捕捉非線性關係與學習的能力來建構以內部控制為主的舞弊預警制度。本研究之預期貢獻除了可以提供較為精確的舞弊偵測結果作為未來稽核人員查核工作之一輔助工具外,類神經模糊所粹取出之規則對變數間的關係可以提供一更細膩之解釋,可進一步作為未來實證研究之假設基礎。
URI: http://hdl.handle.net/11455/54087
其他識別: NSC94-2416-H005-012
Appears in Collections:企業管理學系所

Show full item record
 

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.