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。     

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。     

海峡两岸董事会特征与经营绩效相关性比较研究——以电子产业上市公司为例

本文以2004—2006年两岸电子产业上市公司为样本,比较了两岸董事会特征对经营绩效的影响。研究发现,两岸在资产报酬率、每股收益、董监事持股比例、董事会规模、独立董事占董监事会的比例、两职合一、公司规模上均存在显著差异,而在资产负债率和净利润成长率两方面无显著差异。台湾方面除董事会规模及两职合一对经营绩效影响不显著外,其余变量皆为显著;内地方面,所有测试变量对经营绩效的影响皆不显著。     

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.     

上市公司经营活动周期实证分析

本文以深、沪上市的842家公司2000～2009年10年组成的平衡面板数据为研究样本,采用实证研究方法从我国上市公司经营活动周期总体趋势、行业特征和经营活动周期、上市公司地域分布和经营活动周期等方面,分析了中国上市公司营运资金管理绩效。结果发现:行业虚拟变量和地区虚拟变量显著影响经营活动周期,不同行业和不同地区的上市公司经营活动周期之间存在显著差异。     

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。     

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。     

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.     

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。     

企业危机与管理舞弊的相关性及量化关系研究

本文选取因年报存在管理舞弊而被证监会处罚的上市公司为研究样本,按照一定的配比原则选取了配比,并计算了行业平均水平,对企业和管理舞弊之间的相关关系进行论证,将二者的相关关系量化。研究发现:企业危机与管理舞弊高度相关,主营业务毛利率、总资产收益率等变量能够显著识别舞弊公司并不易被舞弊公司粉饰,从成本的角度考虑本研究所建立的Logisti模c型有较强的预测能力。     

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。     

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％.     

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。     

基于CRIME五因素论的ST公司财务舞弊识别

ST公司财务舞弊对我国资本市场造成了不小的负面影响。本文以舞弊动因"CRIME"五因素论为基石,选取可能影响舞弊的22个指标,并使用3年的数据对30对ST公司舞弊与非舞弊样本做了t检验、Wilcoxon符号秩检验、Logistic回归,建立的识别模型综合正确率达到81.7%。通过对模型进行稳健性检验,结果表明,识别舞弊样本的正确率为77.3%,说明该模型具有良好的应用效果。     

上市公司财务舞弊风险识别与治理对策研究--以瑞幸咖啡为例

近年来上市公司财务舞弊事件频发,严重影响了我国资本市场的稳定发展,这不符合我国上市公司高质量发展的目标要求,因此对上市公司财务舞弊风险识别与治理对策的研究显得尤为重要。文章以瑞幸咖啡为例,结合瑞幸咖啡所处环境、行业财务指标及自身财务指标,运用舞弊三角模型与灰色关联度模型对瑞幸咖啡财务舞弊的诱因风险与结果风险分别进行了识别,并针对瑞幸咖啡财务舞弊风险提出了相关治理对策。通过对瑞幸咖啡财务舞弊风险识别与治理对策的研究,可以为资本市场上其他上市公司预防并有效地监督财务舞弊行为提供借鉴。     

基于审计意见视角的审计师舞弊识别能力研究

本文以2000—2011年证监会、上交所和深交所处罚公告中发生年报舞弊的上市公司为研究对象，对上市公司非标审计意见和会计舞弊的关系进行了实证研究。结果表明，注册会计师能够在一定程度对上市公司的舞弊行为进行识别，但是随着时间的推移注册会计师的这种识别能力并没有显著提高。     

上市公司财务舞弊的风险识别与证据收集

针对中国上市公司广泛存在的财务舞弊事件,本文构建逻辑（Ｌｏｇｉｓｔｉｃ）财务舞弊识别模型进行回归分析。 结果表明：财务指标和非财务指标都是影响上市公司财务舞弊的因素,都能在整体上对上市公司财务舞弊行为进行风险识别;一般而言,舞弊公司财务指标的波动性比非舞弊公司财务指标的波动性要大,审计人员可以从财务指标的波动性入手,去寻找上市公司是否真正存在财务舞弊的审计证据。     

上市公司会计信息质量评估——基于财务报告可信度指数的分析

本文采用以“五维度”财务舞弊识别模型构建的A股上市公司财务报告可信度指数,作为评估上市公司会计信息质量的基础。研究发现,尽管不同上市板块、所属行业、企业性质、资产规模、收入规模、利润规模、股票市值的上市公司财务报告可信度存在一定差异,但2017～2022年我国A股上市公司财务报告可信度指数不断提高,会计信息质量呈现持续改善趋势,表明我国对上市公司财务舞弊的治理初见成效。对中证800和沪深300指数成分股进一步研究发现,这两类上市公司的财务报告可信度明显高于A股上市公司均值,其财务报告可信度指数对于债务违约等风险事件具有较好的预警效果。低可信度样本组在不同年度期间的累计收益率明显低于指数收益率,说明财务报告可信度指数具有一定的风险预警功能;但在价值发现方面,高可信度样本组在不同年度期间的累计收益率并不像预期那样高于指数收益率,说明财务报告可信度指数还需要结合行业景气度和业绩成长性指标等进行综合考虑。