基于Lib-SVM的损益调整类财务报告舞弊识别模型研究——来自中国证券市场的证据

文章以2004-2009年间因调整损益而受到证监会处罚的56份年度财务报告为研究对象,采用Lib-SVM分类算法,将所有样本分为训练样本和测试样本,运用训练样本构建了我国上市公司损益调整类财务报告舞弊的识别模型,运用测试样本检验了模型的预测精度.结果表明,识别效率较高的RBF核函数模型的预测精度达到86.67％,模型的总体正确率为87.5％.     

控股股东会计行为异化识别模型的构建——基于公司治理的视角

本文收集了2004年至2009年因提供与事实不符的财务报告而被证监会处罚,舞弊年度始于2001年以后的上市公司作为研究样本,并为每家处罚公司按照一定的标准选取了配对公司,建立了基于公司治理的会计行为异化识别模型进行了检验,其总体预测正确率达77％.     

财务困境上市公司财务报告舞弊预警模型研究

本文选择2004～2012年间被证监会处罚的48家处于财务困境中的财务报告舞弊上市公司和48家正常公司为样本,以舞弊前三年到舞弊年度为研究区间,利用配对样本T检验和Wilcoxon符号秩检验在选取的31个财务指标中筛选存在显著差异的指标,通过Logistic回归技术构建基于财务困境的上市公司财务报告舞弊预警模型.模型对舞弊公司预警的有效性高达91.7％,综合有效性达到88.5％,取得了显著的预警效果.     

基于“三元素”理论的企业财务舞弊识别

财务报告舞弊一直困扰着广大投资者,因此提高广大投资者识别财务报告的能力已成为亟须解决的问题。本文基于财务报告舞弊三元素理论,结合我国现有的财务舞弊识别方法,构建了公司舞弊特征识别卡识别法和数学模型识别法相结合的双重识别体系,能较快捷地识别财务报告舞弊,方法简易、有效,可供广大投资者参考。     

我国上市公司财务报告舞弊信号的审计识别

如何识别和治理财务报告舞弊问题一直是各方关注的焦点。本文在阐述财务报告舞弊的定义和特征的基础上,从公司管理层、关系对象、公司治理结构及内部控制制度等方面揭示了财务报告舞弊的迹象,然后提出了几点治理对策,以为财务报告使用者提供借鉴。     

我国上市公司财务报告舞弊分析

一、上市公司财务报告舞弊的特征和影响 （一）上市公司财务报告舞弊的特征上市公司财务报告舞弊的特征主要有：（1）舞弊的主体是上市公司管理层。尽管上市公司财务报告舞弊可能出现在各个层面,但舞弊的主体是上市公司的管理层,舞弊通常经过精心设计,并且事后极力隐瞒注册会计师,难以有效识别。（2）舞弊的客体是会计数据。舞弊的方式主要有伪造变造上市公司的会计凭证、应用不恰当的会计方法和恶意变更会计政策等,但最终还是要在对外财务报告的会计数据上做文章。     

我国上市公司财务报告舞弊分析

一、上市公司财务报告舞弊的特征和影响(一)上市公司财务报告舞弊的特征上市公司财务报告舞弊的特征主要有:(1)舞弊的主体是上市公司管理层。尽管上市公司财务报告舞弊可能出现在各个层面,但舞弊的主体是上市公司的管理层,舞弊通常经过精心设计,并且事后极力隐瞒注册会计师,难以有效识别。(2)舞弊的客体是会计数据。舞弊的方式主要有伪造变造上市公司的会计凭证、应用不恰当的会计方法和恶意变更会计政策等,但最终还是要在对外财务报告的会计数据上做文章。     

财务报告舞弊特征研究的实证发现:文献综述与评论

本文旨在对国内外财务报告舞弊特征实证研究的文献进行梳理与回顾,重点从舞弊公司财务报告特征指标和财务报告舞弊识别模型两方面进行总结,系统地评述了有关该领域的研究成果,在此基础上探讨相关问题研究的不足及未来的研究方向。     

财务报告舞弊特征研究的实证发现：文献综述与评论

本文旨在对国内外财务报告舞弊特征实证研究的文献进行梳理与回顾，重点从舞弊公司财务报告特征指标和财务报告舞弊识别模型两方面进行总结，系统地评述了有关该领域的研究成果，在此基础上探讨相关问题研究的不足及未来的研究方向。     

上市公司财务报告舞弊分析与治理

近几年,财务报告舞弊行为愈演愈烈。这些舞弊行为的发生严重干扰了证券市场的经济秩序,使投资者丧失了信心和积极性,歪曲了企业的价值,阻碍了资本市场的发展。文章从公司治理、政府监管、外部审计以及法律法规等多个角度,结合我国现状对财务报告舞弊问题进行分析,进而提出建立在数据挖掘中的聚类分析方法上的定量识别方法和建立在法律法规界定的漏洞、公司信用评价等基础上的定性识别方法,即定量识别和定性识别相结合的方法对财务报告舞弊行为进行识别,以提高财务报告舞弊的识别率,进而提出财务报告舞弊的治理措施。     

基于XGBoost的上市公司财务舞弊预测模型研究

研究目标:探讨如何利用大数据和机器学习方法对上市公司财务数据和非财务数据进行分析和挖掘，并应用于上市公司财务舞弊识别和预测。研究方法:提出一种基于机器学习方法的上市公司财务舞弊预测模型Xscore,对上市公司财务舞弊进行预测。研究发现:Xscore模型能够提高模型预测的准确率，在准确率、召回率、AUC指标、KS值、PSI稳定性等方面均优于Fscore模型和Cscore模型，更适合我国上市公司财务舞弊预测。研究创新:基于2000～2020年中国上市公司数据集为观测样本，通过Benford定律、LOF局部异常法、IF无监督学习法，解决了机器学习应用于财务舞弊识别研究时普遍面临的灰色样本问题，甄选兼具领域特性和统计特征的特征变量；首次将XGBoost集成学习方法应用到上市公司财务舞弊预测分析中，有效提高了上市公司财务舞弊准确率。研究价值:本文将XGBoost集成学习方法引入上市公司财务舞弊识别领域，有助于促进人工智能、机器学习在会计学中的研究与应用，为促进上市公司披露高质量的财务信息和维护资本市场秩序提供参考。     

上市公司财务报告质量评价区域的确定

本文根据沪深两市制造业上市公司2003～2006年的财务数据,运用因子分析法构建了识别财务报告舞弊的Logistic回归模型,最后通过聚类分析确定了评价上市公司财务报告质量的区域。     

独立董事制度与财务报告舞弊相关性的实证研究

本文选取了在上海证券交易所上市的、且在2001年--2004年间公布了年报的所有A股上市公司和在此期间因发生财务报告舞弊行为而受到中国证监会处罚的上市公司作为研究样本,从五个方面对独立董事制度特征与财务报告舞弊之间的关系进行了实证分析.     

公司制衡机制与财务舞弊:来自我国证券市场的经验证据

本文采用Logistic模型对我国2002~2004年A股财务舞弊公司的内部制衡、独立审计与政府监管制衡机制进行了研究。结果发现:公司股东大会出席率与财务舞弊负相关,董事会规模与财务舞弊负相关;独立董事比例、监事会规模、董事长与总经理两职合一对财务舞弊并无显著影响;资产审计费用率与财务舞弊正相关;上年度财务报告审计意见差、上年度股票被特别处理的公司财务舞弊可能性较大。     

收入舞弊的识别与应对 ——基于东方金钰交易造假的案例分析

收入舞弊是最常见的财务舞弊类型,近年来愈发从会计操纵手法转向更加隐蔽的交易造假手法,识别难度持续加大.本文基于东方金钰财务舞弊案例,从五维度财务舞弊识别模型入手,识别交易造假类收入舞弊的财务异常特征,以及客户与供应商的隐性关联关系、实际控制人的异常行为等非财务异常特征,由此讨论如何借助多维数据和五维度模型对交易造假类收入舞弊进行更有效的识别和防范.     

公司治理、财务状况与财务报告舞弊关系的实证研究

本文选取2002-2007年因财务报告舞弊而被中国证监会处罚的上市公司为样本,对公司治理、财务状况与财务报告舞弊之间的关系进行了实证分析。结果表明:股权集中度、独立董事比例、从公司领取报酬的董事比例、监事会会议次数与财务报告舞弊显著负相关;董事长与总经理两职合一与财务报告舞弊显著正相关;公司盈利能力与财务报告舞弊显著负相关。     

公司治理、财务状况与财务报告舞弊关系的实证研究

本文选取2002—2007年因财务报告舞弊而被中国证监会处罚的上市公司为样本,对公司治理、财务状况与财务报告舞弊之间的关系进行了实证分析。结果表明：股权集中度、独立董事比例、从公司领取报酬的董事比例、监事会会议次数与财务报告舞弊显著负相关;董事长与总经理两职合一与财务报告舞弊显著正相关;公司盈利能力与财务报告舞弊显著负相关。     

我国上市公司财务报告舞弊识别指标体系研究——基于问卷调查结果的实证分析

本文对我国上市公司财务报告舞弊的征兆进行了理论分析,根据分析结果初步建立了一套财务报告舞弊识别指标．并采用问卷调查法对初步建立的指标进行简化和验证,构建了我国上市公司财务报告舞弊识别指标体系。     

上市公司财务报告舞弊识别研究:一个理论综述

上市公司财务报告舞弊现象在当今全球证券市场上普遍存在,并以极快的速度蔓延。这不仅阻碍了资本市场的健康发展,破坏了资本市场的资源配置机制,也打击了投资者和社会公众对整个资本市场和会计界的信心。与之相应,国内外关于上市公司财务报告舞弊的研究已积累了丰富的研究成果,其研究内容涉及财务报告舞弊的动因、征兆、识别以及防范等多方面。本文对国内外关于上市公司财务报告舞弊识别的研究成果进行了回顾,并进行简短评析,以期对以后的上市公司财务报告舞弊识别研究有所帮助。     

董事会构成与财务报告舞弊问题研究

本文收集了1999年至2003年因财务报告舞弊而被证监会处罚的上市公司的数据作为样本进行研究,通过统计分析发现,内部人控制现象严重、董事会构成不合理、监事会形同虚设、董事长与总经理两职重合都是近年来财务造假公司的重要特征。进而指出提高会计信息质量,防止财务报告舞弊,须从完善内部治理机制尤其是董事会构成做起。