基于机器学习的分析师识别公司财务舞弊风险的研究

利用机器学习方法预测财务舞弊风险,结合分析师评级数据,实证考察分析师能否识别公司的财务舞弊风险。以2007~2018年A股上市公司为样本进行多元回归分析发现,公司财务舞弊风险越大,分析师越可能对公司出具消极的评级报告,表明分析师在分析和解读信息过程中能够识别公司的财务舞弊风险并有效应对。这一影响在分析师经验越丰富、声誉越好以及利益冲突越小时更为突出,表明分析师识别财务舞弊的能力和动机影响其能否识别公司财务舞弊风险。基于分析师发布消极评级的经济后果的检验表明,分析师消极评级能显著降低公司未来发生财务舞弊的概率。

独立董事能识别公司财务舞弊风险吗——基于机器学习预测财务舞弊的研究

本文利用机器学习方法预测公司的财务舞弊风险,同时结合中国特有的董事会投票的数据,考察独立董事是否能够识别公司的财务舞弊风险。研究发现,当公司财务舞弊风险较大时,独立董事更有可能对董事会的财务相关议案发表异议意见;并且,当独立董事具有更多财务背景或声誉更高时,这一关系更加显著。进一步研究发现,控制当年财务舞弊风险后,存在异议独董的公司未来财务舞弊风险更低。本文的研究结果表明,独立董事能够识别公司的财务舞弊风险并发挥监督作用,进而降低公司未来发生财务舞弊的概率。本文的研究结论为独立董事制度的有效性提供了直接的经验证据,拓展了相关领域的文献,也增进了我们对独立董事实际投票行为的认识。

上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法

研究目标:运用新兴机器学习的方法预测公司财务舞弊。研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞弊建立分类模型。研究发现:采用轻量梯度提升机算法极大地提升了预测准确性;相对于逻辑回归、支持向量机、随机森林、梯度提升决策树,轻量梯度提升机算法的预测效果最好;使用全部输入变量比仅仅使用有限传统变量的预测能力更强;预测模型在案例分析、行业分析和股价崩盘检测中也展现出很好的预测效果。研究创新:引入新的机器学习算法识别财务舞弊,采用欠采样的方法对训练集样本进行平衡处理,从多个角度进行应用分析。研究价值:有助于实时高效地识别舞弊并及时进行监管,实现对经济运行更为准确的监测、分析、预测、预警,从而提升资本市场的治理效能,促进经济平稳运行。

财务与会计领域的文本分析研究:回顾与展望

随着大数据技术的日益成熟,以文本为对象的研究正引起学术界的重视,但目前尚处于起步阶段,有必要对文本分析技术和文献进行系统梳理。文章从文本信息来源、文本分析技术、文本特征提取、文本分析应用、国内文本分析研究现状五个维度对财务与会计领域现有文本分析技术和文献进行了详细介绍,并指出未来研究方向,有助于国内学者了解财务与会计领域文本分析研究的特征与进展,引起更多学者对财务与会计领域文本分析研究的重视。

财务与会计领域的大数据研究:技术与应用

随着大数据时代的到来,大数据研究引起学术界与实务界的广泛关注。然而,大数据研究目前尚处于起步阶段,有必要对其技术与应用进行系统梳理。文章首先详细介绍了大数据研究的常用技术,然后回顾了文本、图像、音视频、社会网络关系四类非结构化大数据在财务与会计领域的主要应用,最后指出了未来研究方向。文章有助于拓宽学者对大数据研究技术与应用的了解,引起学者对大数据研究的重视。