2018 Fiscal Year Research-status Report
Financial fraud detection using machine learning
| Project/Area Number |
18K01923
|
|---|
| Research Institution | Hosei University |
|---|
Principal Investigator |
坂上 学 法政大学, 経営学部, 教授 (50264792)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 会計不正 / 機械学習 / ディープラーニング / テキストマイニング / XBRL |
|---|
| Outline of Annual Research Achievements |
「会計不正」のサロゲートとして従来の研究では「倒産」企業の財務諸表を用いてきたという歴史がある。しかしながら会計不正と倒産は同じ事象ではない。会計不正をおこなったとしても倒産に至らないケースはいくらでもあるからだ。このようなケースは社会的インパクトが低いせいか、Kwon & Feroz（1996）が指摘しているように、これまで倒産研究に比して会計不正についての研究は蓄積がなされてこなかったといえる。そこで、まずは会計不正とは何かについて、これまでの文献をレビューし、そこで示されている定義を比較検討することが必要であると考えた。たとえば『監査基準委員会報告書240』によれば「不当又は違法な利益を得るために他者を欺く行為を伴う、経営者、取締役等、監査役等、従業員又は第三者による意図的な行為」としているが、この他にも多くの定義があり、現時点では統一的な定義は存在していないということが判明した。
会計不正という事象を隈なく拾い上げた上で、機械学習への応用を試みた研究というのは極めて少ないと言える。たとえばFanning, Cogger & Srivastava（1995）、Gottlieb, Salisbury, Shek & Vaidyanathan（2006）、Perols（2011）など、数えるほどしか見当たらない。Moyes & Hasan（1996）が指摘するように、監査人が不正な財務報告を発見することに資するべきという議論に対して注意を払われてこなかったという背景があったためと考えられる。日本において発生した比較的大きな会計不正事例については、浜田（2008）、米澤（2014）、井端（2015）らの著書の中で詳しく述べられているが、いずれも取り上げている年度、範囲、粒度が一定ではなく、会計不正の事例を網羅的に収集することは、それゆえ非常に困難であることが判明した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初は、初年度にChainerやTensorFlowといった深層学習フレームワークを整備したコンピューターシステムの導入をおこなう計画であったが、昨今の仮想通貨ブームによるマイニングファーム乱立の影響を受け、必要となる機器（具体的にはCUDAコアを大量に搭載したGPU）の品薄と高騰が続き、期間内・予算内でのシステム構築が困難な状況であった。そこで、コンピュータシステムの整備はいったん後回しにし、EDINETやTDNetより入手できるXBRLデータを中心とする分析用のデータ収集と、機械学習を用いた会計不正発見についての文献レビューについてのみ行うことにした。
|
| Strategy for Future Research Activity |
まずは初年度に導入予定だったコンピュータシステムの導入をはかり、深層学習フレームワークであるChainerやTensorFlowのインストールその他の環境整備をおこなうことにする。そのうえで、文献レビューの結果として判明したように、会計不正の事例を様々なソースから丹念に拾い上げ、なるべく多くの事例を収集する作業をすすめることにする。具体的には、EDINETからXBRL形式の有価証券報告書データを網羅的に収集すると同時に、TDNetからも適時開示情報など収集できる限りすべての情報の蓄積をおこない、会計不正に関する事例とともに、分析用データの収集に努めることにしたい。
実際の分析としては、有価証券報告書に含まれる定性的データを用いたテキストマイニングをおこない、会計不正につながるキーワードの析出などを試みるところから始める予定である。
|
| Causes of Carryover |
昨年度導入予定だった深層学習フレームワーク用のコンピュータシステムが構築できなかったため次年度使用額が生じた。コンピュータシステムは今年度に導入する予定である。
|
Research Products
(5 results)
