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％.     

基于LVQ神经网络的财务舞弊识别模型实证研究

为了保护广大投资者和规范国内资本市场,对财务舞弊识别的研究具有重要的意义。在参考前人研究的基础上,选择能识别财务舞弊的指标,利用主成分分析法约减指标,得到9个综合变量。在此基础上,利用学习矢量量化(Learning Vector Quantization,LVQ)神经网络建立财务舞弊识别模型;此模型对测试样本的判断准确率高达90.9%,验证了模型的有效性。最后把此模型与用其他方法建立的财务舞弊识别模型进行比较,发现LVQ神经网络建立的财务舞弊识别模型,能更有效地识别测试样本有没有财务舞弊。     

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％.     

基于成长期上市公司的管理舞弊识别研究——来自我国A股证券市场的经验证据

本文基于生命周期理论,以成长期上市公司为研究对象,对其舞弊行为进行了实证研究。研究表明:虚增销售收入是成长期上市公司舞弊的主要手段。从指标变量的显著性检验发现,盈余与净利润之差、(净利润-经营活动现金流量)/上年资产总额、负债比例、运营效率、获取经营活动现金能力,舞弊样本显著低于正常样本,且两类指标的资产组成也存在显著差异。以显著指标为初始变量,运用Logistic回归及因子分析方法建立识别模型,进一步验证了上述初始变量在模型中的识别效果。     

基于成长期上市公司的管理舞弊识别研究——来自我国A股证券市场的经验证据

本文基于生命周期理论，以成长期上市公司为研究对象，对其舞弊行为进行了实证研究。研究表明：虚增销售收入是成长期上市公司舞弊的主要手段。从指标变量的显著性检验发现，盈余与净利润之差、（净利润一经营活动现金流量）／上年资产总额、负债比例、运营效率、获取经营活动现金能力，舞弊样本显著低于正常样本，且两类指标的资产组成也存在显著差异。以显著指标为初始变量，运用Logistic归及因子分析方法建立识别模型，进一步验证了上述初始变量在模型中的识别效果。     

基于Logistic方法的上市公司会计舞弊检测研究

中国新型加转轨经济的特征,监管制度等方面的不完善,决定了根据发达国家相对成熟资本市场上市公司财务数据建立的会计舞弊检测模型的不适用。通过采用会计舞弊检测中应用普遍并具有较高预测正确率的logistic回归方法,在对现有文献中预测效果较好的财务指标进行方差分析基础上,选择具有显著性的变量建立舞弊检测模型。基于SPSS13.0平台,选择2002～2006年间被中国证监会出具处罚公告的舞弊上市公司及其与之匹配的非舞弊公司控制样本数据,完成了确定样本规模、回归模型与回归参数选择等实验。结果发现,样本规模对舞弊检测正确率有显著影响,而参数中分类点的变化对正确率无明显影响,参数选择对混合逐步回归模型具有显著影响。最终通过比较实验获得具有八个指标的最佳拟合数据检测模型,该模型与现有会计舞弊检测模型相比具有较高的判定率。     

非调节利润财务报告舞弊识别研究——来自中国证券市场的证据

文章以2004～2009年间因非调节利润财务报告舞弊而受到证监会处罚的上市公司为研究对象,在分析舞弊公司财务特征和公司治理机制特征的基础上,采用2001年～2004年的公司数据作为训练样本集构建了财务报告舞弊识别的Logistic回归模型,并结合2005年～2006年的公司数据,对识别模型的预测精度进行了检验.结果表明,模型的预测精度达到83.33%,说明模型对识别后续年度的财务报告舞弊有一定的参考价值.     

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.     

上市公司财务舞弊行为识别的实证研究

文章选取1998年至2006年40家因财务舞弊而受到监管部门处罚或调查的上市公司和40家对应的非财务舞弊公司作为研究样本,以20个财务指标和内部治理结构指标作为解释变量,对舞弊样本和非舞弊样本进行描述性统计检验,并构建Logistic模型进行了回归分析.经研究发现,资产负债率、每股收益和存货周转率等变量显著性水平较高,对财务舞弊的影响较大.     

舞弊三角与财务舞弊的识别——来自我国上市公司的经验证据

本文以2000~2008年因财务舞弊被处罚的上市公司为样本,基于舞弊三角理论建立了财务舞弊识别模型。研究表明,法人股比例越高、监事会会议次数越多、当年的审计意见类型为非标准审计意见的公司越容易发生财务舞弊行为,而现金再投资比率、营业毛利率与第一大股东持股比例与财务舞弊负相关。     

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。     

上市公司财务舞弊与关联方交易——来自中国A股市场的经验研究

本文对上市公司财务舞弊与其实施关联方交易程度的相关性进行了实证研究。通过检验51家因涉及财务舞弊而被有关监管部门公开实施处罚的上市公司发现,财务舞弊上市公司其资金被关联方占用的程度显著高于非财务舞弊公司,未发现实施财务舞弊的公司与关联方进行商品交易的程度高于非财务舞弊公司。另外还发现,当与关联方资金占用相关的变量纳入财务舞弊识别模型后,明显提高了模型的识别成功率。     

引入财务重述的财务预警模型效率的实证研究——来自沪深两市A股制造业2009—2010年的经验证据

目前,财务危机预警模型的实证研究一般都是采用以"ST公司"为主的单一两分法识别危机样本,没有考虑管理层可能的利润操纵行为,无法提高预警模型的预警效率,从而无法有效保护投资者。2012年7月经过第七次修订的股票上市规则,在对股票交易实施退市风险警示时首次引入了追溯重述,表明了监管机构对财务重述的重视。通过引入财务重述对沪深两市2009—2010年的"危机样本"进行重新界定,以检验引入财务重述后的财务预警模型的预警效率。     

财务报告舞弊的识别研究——基于制造业上市公司经验数据

本文从被中国证监会处罚的制造业上市公司中选择样本,选取16个财务指标作为研究变量,建立可以识别制造业上市公司财务报告舞弊的回归模型。结果表明,总资产周转率、流动比率、资产负债率、审计意见和资本公积/所有者权益等指标能更好的识别制造业上市公司舞弊现象。     

基于Fisher判别法的企业财务危机预警研究

主要介绍了使有Fisher线性模型对财务危机企业的判别方法,选取了沪深两市A股市场上2006、2007年被进行特别处理的12家ST商业公司作为财务困境公司研究样本,其中4家公司作为检验样本;选取42家非ST商业公司作为比对样本,其中9家公司作为检验样本。通过检验结果知,使用Fisher线性判别法可以对企业目前的财务状况做出基本判断。     

我国制造业上市公司会计舞弊识别的初步设想——以A公司为例

本文以制造业上市公司为研究对象,建立会计舞弊识别模型并进行初步识别、深入识别和案例分析,运用与行业指标均值比较进行深入识别的舞弊识别方法,弥补了以前只对舞弊结果进行判断而不能判断在哪个指标存在舞弊的缺陷。     

业绩承诺舞弊的识别与应对 ——基于航天通信的案例分析

近年来业绩承诺愈发成为上市公司并购的"标配",用于缓解信息不对称风险,维护收购方的利益,但是业绩承诺也加剧了财务舞弊动机,被并购方为完成业绩承诺、避免惩罚性违约赔偿往往不惜诉诸财务舞弊.此时,舞弊主体转变为被并购方子公司,而非上市公司或母公司,再加上分部报告信息披露不足,舞弊识别难度锐增.本文以航天通信并购智慧海派为例,从五维度财务舞弊识别模型入手,讨论如何透过合并报表快速"定位"子公司的财务异常特征,以及借助数据挖掘方式识别业绩承诺精准达标、子公司与客户供应商隐性关联关系等非财务异常特征.本文认为,借助多维数据和角度对并购业绩承诺进行分析,能够更有效识别和防范财务舞弊.     

公司治理与财务危机GMDH识别模型

本文以2011年1至4月沪深两市12家首次被ST或*ST和12家非ST或*ST上市公司作为研究样本,利用GMDH模型识别上市公司财务危机。研究表明:公司治理中股权制衡制度、法人股比例、独立董事比例和监事会议次数对财务危机识别有重要作用,特别是监事会议次数与财务危机显著正相关。     

盈余管理与财务舞弊关系的演变与动态拓展

围绕盈余管理和财务舞弊这一对相互联系又彼此区别的概念,以2003-2012年我国深沪两市被证券监管部门处罚的财务舞弊公司及其配对公司为样本,实证检验了盈余管理与财务舞弊的关联性。结果发现:舞弊当年盈余管理程度与财务舞弊可能性呈现微弱的正相关;公司以前年度盈余管理程度越大,当期发生财务舞弊的可能性越大;随着时间的推移,盈余管理向财务舞弊逐步演变。进一步综合主客观影响因素,将制度约束、环境变化、心理与行为等因素引入盈余管理与财务舞弊演变的理论框架,通过进一步检验,动态揭示了盈余管理演变为财务舞弊的三种机制,并结合舞弊动因GONE理论,构建了盈余管理与财务舞弊关系演变的理论模型。     

上市公司财务危机预警的因素分析——基于沪深股市的实证研究

本文将传统的财务业绩评价指标与EVA融合,并借此分别对ST(危机公司)与非ST(正常公司)进行配对样本的差异性检验、相关性检验,筛选出与上市公司财务危机状况具有显著性关系的财务指标;通过logistic回归分析构建企业财务危机预警模型并通过检验证明,该模型能提供较强的预警鉴别能力。