重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (5): 253-261.doi: 10.3969/j.issn.1674-8425(z).2021.05.032

• 数学·统计学 • 上一篇    下一篇

基于 ＰＣＡ-ＢＰ神经网络的审计风险识别研究

张志恒，李 超   

  1. 重庆理工大学 会计学院，重庆 ４０００５４
  • 收稿日期:2020-11-27 出版日期:2021-06-07 发布日期:2021-06-07
  • 作者简介:张志恒，男，博士，教授，主要从事会计信息化、大数据审计、金融风险管理等研究，Ｅｍａｉｌ：ｚｚｈ＠ｃｑｕｔ．ｅｄｕ．ｃｎ；通 讯作者 李超，男，硕士研究生，主要从事会计信息化、大数据审计研究，Ｅｍａｉｌ：４９８１４４６４１＠ｑｑ．ｃｏｍ。

  • Received:2020-11-27 Online:2021-06-07 Published:2021-06-07

PDF (PC)

415

赞

摘要： 审计风险的识别和评估是现代风险导向审计的重要内容，为准确地识别审计风险， 提出了一种基于 ＰＣＡＢＰ神经网络的审计风险识别模型。选取 ３３项指标建立风险识别指标体 系，使用 ＰＣＡ方法对训练集数据进行降维处理，将特征值大于 １的主成分作为神经网络的输入 向量，构造 ＰＣＡＢＰ神经网络。选用 １２４家 Ａ股上市公司作为研究样本进行实证研究。结果表 明：模型平均识别准确率达到 ９０．０４％，高于传统 ＢＰ神经网络模型，计算速度快、识别率高和适 用范围广，能有效识别审计风险。

关键词: 审计风险, 风险识别, ＰＣＡ, ＢＰ神经网络

中图分类号: 

  • F239.1