감리지적기업의 분류적 특성에 관한 연구 = 베이지안 망과 C5.0, 그리고 앙상블 방법간의 비교를 중심으로

국문 초록 (Abstract)

본 연구는 감사보고서 감리지적기업과 감리비지적기업을 효율적으로 구분할 수 있는 분류방법에 대한 연구이다. 본 연구에서는 선행연구에서 널리 사용되어온 분류방법인 로짓회귀분석 방법이 종속변수와 설명변수간에 횡일적인 선형함수만을 가정하는 데에서 나오는 문제점을 두 가지 측면에서 극복하고자 한다. 첫째는 감리지적 여부에 영향을 미치는 설명변수간에 존재하는 인과관계(causal relationship)를 도출할 필요가 있다. 이는 어떤 변수가 다른 어떤 변수와 직접 또는 간접적 인과관계를 통하여 감리지적 여부에 영향을 주는지를 의사결정자에게 알려줌으로써 보다 효과적인 감리작업을 할 수 있도록 지원할 수 있다. 이를 위하여 본 연구에서는 일반 베이지안 망(GBN: General Bayesian Network)을 제안하고 GBN에서 유도되는 마코프 블랭킷(Markov Blanket)을 제시한다. 둘째는 감리지적 예측을 보다 정확하게 하기 위하여 기존에 사용되던 분류방법인 GBN과 나이브 베이지안 망(NBN: Naive Bayesian Network) 및 C5.0을 결합한 앙상블 방법을 제시한다. 1990년에서 1999년까지의 감리지적 및 감리비지적기업의 자료를 기초로 실험한 결과 본 연구에서 제안하는 두 가지 방법이 모두 통계적으로 유의한 결과를 제공한다는 것이 실증적으로 검증되었다.

참고문헌 (Reference)

1 최 관, "회계부정기업의 특성에 관한 연구: 감리지적기업을 중심으로" 28 (28): 211-243, 2003

2 나종길, "회계발생액과 차별적 감사수요" 한국회계학회 28 (28): 1-32, 2003

3 박종성, "피감사회사 특성과 감사인 특성을 이용한 감리지적 예측" 24 : 1-32, 1999

4 박한순, "감사인 지정이 경영자의 이익조절 행위에 미치는 영향" 21 (21): 33-61, 1996

5 김문철, "감사의 품질차이가 전기손익수정에 미치는 영향" 23 : 1-26, 1998

6 윤중옥, "감리지적기업의 회계특성에 관한 연구: 감리비지적기업과의 비교를 중심으로" 6 (6): 45-60, 2001

7 최 관, "감리지적기업의 이익조작에 관한 실증적 연구" 23 (23): 133-161, 1998

8 Stice, "Using Financial and Market Information to Identify Pre-Engagement Factors Associated with Lawsuits against Auditors" 516-533, 1991

9 Koler, D, "Toward Optimal Feature Selection" Machine Learning 284-292, 1996

10 Tsamardinos, I, "Time and Sample Eficient Dis- covery of Markov Blankets and Direct Causal Relations" Washington, DC 24-27, 2003

11 Healy, "The Efect of Bonus Schemes on Accounting Decisions Journal of Aco- unting and Economics 7" 85-107, 1985

12 Durham, "The Detection of Earnings Manipulation" Duke University 1994

13 Quinlan, "Programs for Machine Learning" Morgan Kaufmann 1993

14 Pearl, "Probabilistic Reasoning in Inteligent Systems Networks of Plausible Inference" Morgan Kaufmann 1988

15 Neapolitan, R. E, "Learning Bayesian Networks, Pearson Prentice Hall" Upper Saddle River, NJ 2004

16 Geiger, D, "Knowledge Representation and Inference in Similarity N e t w o r k s a n d B a y e s i a n M u l t i n e t s" 82 : 45-74, 1996

17 Dzeroski, S, "Is Combining Classifiers Beter than Selecting the Best One?" 123-130, 2002

18 Quinlan, "Induction of Decision Trees" 1986

19 Beneish, M. D, "Incentives and Penalties Related to Earnings Overstatements that Violate GAAP" 74 : 425-457, 1999

20 "Implication for Assessing Earnings Manage- ment among Firms with Extreme Financial Performance Journal of Acounting and Public Policy 16" 271-309,

21 Chebrolu, S, "H y b r i d F e a t u r e S e l e c t i o n f o r M o d e l i n g Intrusion Detection Systems" Germany: Springer-Verlag 3316 : 1020-1025, 2004

22 Sumers, S. L, "Fraudulently Mistated Financial State- ments and Insider Trading: An Empirical Analysis" 73 : 131-146, 1998

23 Beasley, M. S, "Fraudulent Financial Reporting: 1987-1997 An Analysis of U.S. Public Companies, SEC Comite of Sponsoring Organizations of the Treadway Comission" 1999

24 Gemela, J, "Financial Analysis Using Bayesian Networks" 17 : 57-67, 2001

25 Burgstahler, D, "Earnings Management to Avoid Earnings Decreases and Losses" 24 : 99-126, 1997

26 Jones, "Earnings Management during Import Relief Investigation Journal of Acounting Research 29" 1991193-228

27 Dechow, P. M, "Detecting Earnings Management" 70 : 193-225, 1995

28 Wong, M. L, "Data Ming of Bayesian Networks Using Cooperative Coevolution" 38 (38): 451-472, 2004

29 Cheng, J, "Comparing Bayesian Network Classifiers" Morgan Kaufman Publi- shers 101-107, 1999

30 Ji, C, "Combinations of Weak Classifiers" 8 (8): 32-42, 1997

31 Dechow, P. M, "Causes and Consequences of Ear- nings Manipulation: An Analysis of Firms Subject to Enforcement Actions by the SEC" 13 : 1-36, 1996

32 Domingos, P, "Beyond Independence: Conditions for the Opti- mality of the Simple Bayesian Classifier" 105-112, 1996

33 Margaritis, D, "Bayesian Network Induction via Local Neighbor- hoods" 12 : 505-511, 1999

34 Friedman, N, "Bayesian Network Clasifiers" 29 : 131-163, 1997

35 Baesens, B, "Bayesian Network Classifiers for Identifying the Slope of the Customer Life Cycle of Longlife Customers" 156 : 508-523, 2004

36 Sarkar, S, "Bayesian M o d e l s f o r E a r l y W a r n i n g o f B a n k F a i - lures" 47 (47): 457-475, 2001

37 Bouckaert, R, "Bayesian Belief Networks: From Construction to Inference" University of Utrecht , The Netherlands 1995

38 "An Introduction to Computing with Neural Nets" 4-22, 1988

39 Jensen, F.V, "An Introduction to Bayesian Networks" UCL Pres, London 1996

40 Beasley, M. S, "An Empirical Analysis of the Relation between the Board of Director Composition and Financial Statement Fraud" 71 : 443-465, 1996

41 DeAngelo, "Accounting Number as Market Valuation Substitutes A Study of Management Buyouts of Public Share- holders" 400-420, 1986

42 Francis, J, "Accounting Acruals and Auditor Reporting Conser- vatism" 16 : 135-165, 1999

43 Heckermann, D, "A Tutorial on Learning Bayesian Networks" Microsoft Research (6) : 1995

44 Yun, J. O, "A Study of Characteristics of Accounting Information about Substandard Companies Indicated by SSB (Securities Supervisory Board)" 6 : 45-60, 2001

45 Nelson, "A Practical Guide to Neural Nets" Addison- Wesley Publishing Company Inc 1991

46 Kevin, P. M, "A Brief Introduction to Graphical Models and Bayesian Networks" Department of Computer Science, UC Berkley 2001