摘 要：支持向量機(jī)擁有良好的推廣性能和較高的分類(lèi)準(zhǔn)確率，在舞弊審計(jì)中能提高效率和正確率，筆者通過(guò)研究，探索了支持向量機(jī)在舞弊審計(jì)數(shù)據(jù)分析中運(yùn)用的主要方法，為審計(jì)實(shí)踐活動(dòng)提出了富有開(kāi)創(chuàng)性的意見(jiàn)。

關(guān)鍵詞：支持向量機(jī) 舞弊審計(jì) 數(shù)據(jù)分析

舞弊審計(jì)是指審計(jì)人員對(duì)審計(jì)組織的內(nèi)部人員及有關(guān)人員為謀取自身利益或?yàn)槭贡窘M織獲得不正當(dāng)經(jīng)濟(jì)利益，采用違法手段使組織經(jīng)濟(jì)利益受損的不正當(dāng)行為，通過(guò)檢查、查詢(xún)等審計(jì)程序進(jìn)行取證并向委托者或者授權(quán)者出具審計(jì)報(bào)告的一種監(jiān)督活動(dòng)。

舞弊審計(jì)要求審計(jì)人員具有較高的舞弊偵查技能，僅靠以前簡(jiǎn)單的方法已不能滿(mǎn)足當(dāng)前的需要。對(duì)于大量的數(shù)據(jù)，運(yùn)用數(shù)據(jù)模型能更好地簡(jiǎn)化數(shù)據(jù)分析程序，擴(kuò)大數(shù)據(jù)的應(yīng)用范圍，減少審計(jì)人員的工作量。在眾多的數(shù)據(jù)分析方法中，支持向量機(jī)因擁有良好的推廣性能和較高的分類(lèi)準(zhǔn)確率而脫穎而出。

支持向量機(jī)（Support vector machine，SVM）是數(shù)據(jù)挖掘的一項(xiàng)新技術(shù)，是借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問(wèn)題的新工具，是上世紀(jì)90年代中期提出的一種機(jī)器學(xué)習(xí)算法，它采用結(jié)構(gòu)風(fēng)險(xiǎn)最小（Structural risk minimization，SRM）準(zhǔn)則，提高了模型的泛化能力，被認(rèn)為是目前針對(duì)小樣本的分類(lèi)、回歸等問(wèn)題的最佳理論。由于SVM具有全局收斂性和良好的推廣能力，基于這種技術(shù)的新模型具有良好的實(shí)用性，本文試將支持向量機(jī)引入到舞弊審計(jì)的業(yè)務(wù)數(shù)據(jù)中，希望能對(duì)舞弊審計(jì)理論和財(cái)務(wù)舞弊審計(jì)分析方法的研究作一定的拓新。

（1）復(fù)雜問(wèn)題的簡(jiǎn)化操作

舞弊審計(jì)的數(shù)據(jù)分析問(wèn)題可以看作分類(lèi)問(wèn)題。我們可以把復(fù)雜的的問(wèn)題簡(jiǎn)化處理，只考慮最簡(jiǎn)單的情況，把公司數(shù)據(jù)分為真實(shí)與虛假兩類(lèi)，并把歷史上真實(shí)的虛假數(shù)據(jù)與其當(dāng)年或前若干年的數(shù)據(jù)聯(lián)系起來(lái)，就可以把舞弊審計(jì)的數(shù)據(jù)分析問(wèn)題歸結(jié)為一個(gè)兩分類(lèi)的分類(lèi)問(wèn)題。舞弊審計(jì)的數(shù)據(jù)分析問(wèn)題是一個(gè)非線性問(wèn)題，對(duì)非線性問(wèn)題，可以通過(guò)非線性變換轉(zhuǎn)化為某個(gè)高維空間中的線性問(wèn)題，在變換空間求最優(yōu)分類(lèi)面。根據(jù)公司審計(jì)結(jié)果，可將其分為有重大錯(cuò)報(bào)公司和無(wú)重大錯(cuò)報(bào)公司