退市新规下东方金钰公司重大错报风险识别与应对研究

2020年,《深圳证券交易所股票上市规则》对退市标准进行调整优化。证券市场推行“从严退市”,对于审计以及证券市场的健康运行起到推动作用。在此背景下,审计为满足新准则的要求,需要进一步探索,尽可能降低重大错报的风险。本文采用案例分析的方法,对新旧准则进行梳理,发现东方金钰公司触及的退市指标,在此基础上,对东方金钰公司在退市新规背景下的重大错报风险进行识别,最后对退市新规背景下的重大错报风险提出应对建议,以期为审计工作提供一定的参考。

机器学习对上市公司年报错报的识别研究--财务重述预测的视角

上市公司年报披露的会计信息是利益相关者决策的重要依据,错报及之后的财务重述降低了会计信息质量,增加了注册会计师的审计风险。随着盈余管理手段愈发隐蔽,单纯依赖传统的风险评估方法可能难以有效识别错报风险。机器学习具有独特的学习模式和甄别方法,能对错报做出有效识别,有助于降低审计风险。实证结果表明,与logistic回归相比,多层感知机神经网络等五类机器学习方法对上市公司调减盈余的年报财务重述的预测准确率、F1分值和第Ⅰ类错误率等方面都表现更优;研究还发现,营运能力等四类特征在预测过程中起到重要作用。

政府财务报告审计重大错报风险研究——基于多国审计报告文本的分析

政府财务报告审计是保障政府财务报告信息真实性、完整性和合规性的重要机制。目前,我国政府财务报告审计工作正处于探索阶段,如何有效识别政府财务报告审计中应关注的重大错报风险,对于提升审计效率与质量而言至关重要。本文通过对代表性国家历年政府财务报告审计报告中披露的问题事项进行文本归纳和梳理,探索性地识别出我国政府财务报告审计中需要重点关注的潜在重大错报风险。本文的研究既为国家审计机关开展政府财务报告审计工作提供了一种可行思路,又为国家审计机关明确政府财务报告审计中应重点关注的重大错报风险提供了可资借鉴的国际经验,具有明显的文献价值与政策意义。