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。     

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。