KCI등재
재무지표에 기초한 횡령 및 배임 위험평가 = The Risk Assessment for Misappropriation and Breach of Trust Based on Financial Indicators
저자
발행기관
학술지명
권호사항
발행연도
2016
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
101-134(34쪽)
KCI 피인용횟수
3
제공처
본 연구의 목적은 (1) 회계정보의 횡단면상 혹은 시계열상 비기대 금액을 이용하여 횡령·배임 위험평가에 도움이 될 수 있는 재무지표를 식별하고, (2) 횡령·배임 부정의 예측과 관련하여 로지스틱회귀모형과 서포트벡터머신의 예측정확도를 비교ㆍ평가하는데 있다. 재무제표 상에서 손쉽게 획득 가능한 분석지표를 바탕으로 수행되는 횡령ㆍ배임 위험의 예단은 다양한 이해관계자들의 정보수요를 충족시키는데 도움을 줄 수 있을 것이다. 본 연구의 분석결과를 살펴보면 다음과 같다. 첫째, 네 가지 의사결정영역(즉, 영업관리, 투자관리, 재무전략, 배당정책)에 속한 주요 재무지표들의 전기 비기대 금액은 대부분 당기횡령ㆍ배임과 통계적으로 유의한 관련성을 갖는 것으로 나타났다. 둘째, 로지스틱회귀모형확률변화와 서포트벡터머신 분류초평면 가중치에 관한 분석은 영업관리에 속하는 수익성관련지표들(예; 매출총이익과 영업현금흐름)이 횡령ㆍ배임 위험평가에 보다 유용할 수 있음을 보여주었다. 셋째, 횡령ㆍ배임의 예측과 관련하여, 서포트벡터머신은 로지스틱회귀모형에 비해 유의하게 높은 예측성과를 갖는 것으로 확인되었다. 본 연구의 결과는 재무제표상의 회계정보에 대한 관찰만으로도 횡령ㆍ배임 위험의 예단이 가능할 수 있음을 시사하고 있다. 또한 본 연구의 결과는 회계이슈에 대한 서포트벡터머신의 적용가능성을 시사하고 있다. 서포트벡터머신은 경영 및 의료분야를 비롯하여 그 외의 여러 분야에서 높은 예측정확도를 보여주는 분류모형의 하나로 평가되고 있다. 하지만 지금껏 서포트벡터머신을 이용하여 회계실무에서의 분류 의사결정 문제를 다룬 연구는 많지 않았던 것으로 보인다. 회계실무에 대한 서포트벡터머신의 적용가능성은 향후 회계문헌에 방법론적 차원의 기여를 할 수 있을 것으로 기대된다.
더보기The purpose of this paper is (1) to identify financial indicators that can help assess the risk for misappropriation and the breach of trust using the unexpected values of accounting information either in a cross section or in a time series, and (2) to compare and evaluate the performance of logistic regression model and support vector machine in the fraud prediction. The fraud prediction using financial indicators that are readily obtained on the financial statements is expected to help satisfy the information demand of various interested parties. The results show that (1) the unexpected values of key financial indicators in four decision areas (i.e., operating management, investment management, financial strategy, and dividend policies) in the prior period are mostly statistically associated with the fraud detected in the current period, (2) the analysis based on both the probability change of logistic regression model and the hyper-plane weights of support vector machine shows that the profitability-related indicators (e.g., gross profit margins and operating cash flows) are found to be more useful for fraud prediction, and (3) support vector machine significantly outperforms logistic regression model in the prediction accuracy. The results of this paper imply that the risk for misappropriation and breach of trust can be assessed and predicted just simply by observing the accounting information on the financial statements. In addition, the results of this paper also imply the possibility of applying support vector machine to the accounting issues. Support vector machine is believed to be one of classification algorithms with superior prediction accuracy in such areas as business, medicine, and others. However, little research in accounting field applied support vector machine to accounting issues. From the methodological perspective, the discussion of applying support vector machine to accounting issues is able to contribute to accounting literature.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2011-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2009-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2007-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2004-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2003-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2001-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.99 | 0.99 | 1.25 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.35 | 1.43 | 2.629 | 0.29 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)