中国上市公司利润操纵的行为特质：基于Benford律的研究

本文运用Benford律侦测了中国A股市场ST公司与非ST公司对报告利润的人为操纵状况,发现Benford律侦测法能够侦测到一般方法无法侦测到的轻微数据操纵行为和操纵者某些独特的行为文化特质。样本公司在利润操纵中体现出独特的"好事成双"的中国式文化情结,对偶数具有特有的偏好。数字"5"的运用也颇具中国特色。而几个最大数字尤其是"9"是最受利润操纵者关注的。运用扩展的Jones模型和对违规样本所进行的稳健性测试,进一步证实Benford律侦测法是一种有效而独特的利润操纵侦测工具。

基于Benford律的Logistic模型及其在财务舞弊识别中的应用

Benford律能有效评估财务数据质量,Logistic模型识别舞弊公司准确率较高,两种方法已广泛应用到舞弊审计中。现提出将Benford律与Logistic模型相结合的一种舞弊识别新方法。利用Benford律筛选数据质量低的财务指标,构造标记潜在财务舞弊样本点的Benford因子,建立包含Benford因子的Logistic模型。利用中国上市公司财务数据模拟研究显示,相比于普通Logistic模型,包含Benford因子的Logistic模型往往具有更高的正确率。对于财务舞弊样本点,新模型的正确率也高于普通Logistic模型。

基于Benford律的随机森林模型及其在财务风险预警的应用

研究目标:财务数据质量对公司财务风险预警至关重要。数据质量差的财务数据往往降低财务风险预警模型的有效性。利用Benford律能有效评价财务数据质量的特点,构建带有Benford因子的随机森林模型,用于处理财务数据质量对财务风险预警模型带来的影响,能有效提高财务预警模型的预测精度。研究方法:通过Benford律检验财务数据质量,构造Benford因子添加到财务指标变量中,建立基于Benford律的随机森林模型。选择中国A股和美国股市上市公司的财务指标数据进行对比实证分析,采用学习曲线对模型进行参数调优确定最终模型,对比基于Benford律随机森林模型和随机森林模型的预测效果。研究发现:Benford因子能够识别存在财务舞弊的具体样本点并提供数据质量有关信息。相比随机森林模型,基于Benford律的随机森林模型可以提高财务风险预警的准确率。研究创新:将Benford律引入随机森林模型,构造Benford因子,提出基于Benford的随机森林模型。研究价值:基于Benford律的随机森林模型具有更高的预测准确率,扩展了随机森林模型的实用性,为上市公司财务风险预警研究提供了新视角。

修正Benford分布律及其模拟研究

Benford分布律是常用的数据质量评估方法。通常,Benford分布律只适用于完整数据集的数据质量评估。对于完整数据集的有界子集,提出修正Benford分布律评估其数据质量,拓宽了Benford分布律的适用范围。随机模拟结果显示,新方法的统计性质比Benford分布律更好,评估结果更合理。

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。