连锁董事网络与中国上市公司违规

上市公司违规一直是困扰中国资本市场发展的顽疾，与当前高质量发展要求相违背。本文以2006—2017年沪深A股非金融类上市公司为研究样本，借鉴社会网络研究方法，构建上市公司的连锁董事网络，采用双变量概率单位估计方法，分别探究连锁董事网络与公司违规发生和稽查两过程的关系。研究发现公司的连锁董事网络中心度指标与公司违规后被稽查的概率显著负相关，与公司实施违规的倾向不存在显著关系。本文进行多种拓展性分析，考虑公司间的连锁董事网络构建的差异以及公司个体的财务特征，所得结论与基准回归一致。连锁董事网络作为公司间自发形成的一种组织形式，在预防和打击上市公司违规方面带来了负的外部性，本文间接地为上市公司和监管机构提供了治理和防范公司违规的线索。     

基于TPOT的信用卡逾期识别算法

文章提出了一种基于自动机器学习(Automatic Machine Learning)框架TPOT的信用卡逾期识别算法。通过K-近邻、决策树、支持向量机、随机森林、多层感知神经网络、TPOT自动机器学习这6种算法构建了信用卡逾期识别模型,进而以准确率、精确率、召回率、混淆矩阵、F1值为基准进行不同模型的性能评价。经反复的实例论证和理论测算,该框架相较于传统机器学习,平均准确率达到80%以上,能够在节省参数调节时间的基础之上,获得更佳的效果。     

基于上市公司舆情网络的股票信息型操纵识别模型

股票信息型操纵识别是证券监管部门处罚股票违规交易的主要依据,识别准确率是有效打击操纵行为的核心与关键。基于中国证监会2016年查处的股票信息型操纵案件处罚资料与数据,以上市公司舆情与传播媒体为节点构建了公司舆情网络。网络拓扑结构分析结果表明,公司舆情网络节点与连线数量在信息操纵时期明显较多,网络密度明显偏低。基于逐步逻辑回归构建了股票信息操纵识别模型,实证结果表明:网络密度与点度中心势是识别股票是否被实施信息操纵的主要指标,模型样本内检验准确率为87.14%。依此本文提出三点管理建议:监管资源应向主要监控指标倾向分配;根据证券市场环境动态调整识别模型参数;正确认识股票信息操纵双向效应,适度控制其负向作用。     

公司违规与审计收费：违规公告异质性和作用机制

以审计定价模型为切入视角,探讨了违规公告内容与审计收费的关系,并进一步剖析违规诱增审计收费的作用机制。研究发现：违规公告异质性内容会对审计收费产生差异化影响,违规类型严重性和多样性、处罚措施严厉性均会显著诱增审计收费,而处罚措施多样性不会显著提高审计收费。进一步地,公司违规通过“审计成本”和“风险溢价”两条平行中介路径来诱增审计收费,且“审计成本”这条路径会受到事务所规模、任期长短、是否更换等变量的显著调节。研究说明违规公告文本内容能协助审计师评估风险,也表明不同情境下违规对审计收费的作用机理存在差异性。     

银行承兑汇票违规的几种形式

银行承兑汇票是企业在商品交易过程中广泛采用的、以银行自身信用代替企业信用、提高企业间相互信任度的一种结算方式。银行承兑汇票的广泛应用在加快商品流通速度和完善金融市场中都发挥了积极的作用。但是，除一些不法分子利用银行承兑汇票进行金融诈骗活动外，金融机构也普遍存在违规签发银行承兑汇票的问题。不仅形成了大量不良资产，加大了潜在的金融风险，也干扰了金融市场正常的经济秩序。具体违规形式主要有以下几种。     

年报语调与企业财务绩效：心口如一还是心口不一？

将传统的管理学和文本分析方法相融合,基于信息经济学理论,以2011—2019年中国A股非金融企业为研究样本,采用OLS回归模型考察年报语调对财务绩效的影响。研究结果表明:年报语调与企业财务绩效之间存在显著的“倒U型”曲线关系,适度积极的年报语调能够显著提升企业的财务绩效,异常乐观的年报语调则不利于企业财务绩效的提升,并且这种关系在非国有、分析师关注度高以及处于初创期、增长期和衰退期的样本企业中更加显著。进一步研究发现,市场估值水平和经营不确定性会强化年报语调与企业财务绩效之间的“倒U型”关系。有关结论丰富和拓展了年报语调对企业经济后果影响的研究,可以为信息使用者合理利用文本信息做出科学决策提供重要的理论参考。     

会计信息有效性、高管薪酬溢价与企业财务违规

本文以2012—2018年沪深A股民营上市企业为样本,对会计信息有效性、高管薪酬溢价与财务违规三者关系进行实证检验,并进一步探讨会计信息有效性在高管薪酬溢价与财务违规关系的调节效应.经研究发现:民营上市企业中,高管薪酬溢价与财务违规显著正相关;会计信息有效性与财务违规显著负相关;进一步发现会计信息有效性显著削弱高管薪酬溢价与财务违规之间的相关程度.本文的研究可以为治理民营上市企业财务违规乱象提供有益借鉴与参考.     

媒体报道、政企关系与企业环境违规处罚

文章基于2012-2017年沪深A股民营上市财务数据,对政企关系在企业环境违规处罚中的治理效应进行实证检验,并进一步将媒体报道这一公司外部治理因素引入至两者关系研究中.结果表明:政企关系的构建有利于抑制企业的环境违规行为,企业由于环境违规受到处罚的概率就较低;媒体报道显著增强政企关系与企业环境违规处罚之间的相关性.     

年报文本信息可读性与审计师行为决策

利用文本分析技术，基于2015～2021年我国A股上市公司年报大样本数据，检验年报文本信息可读性对审计师行为决策的影响。研究发现，企业年报文本信息可读性越低，审计师出具非标准审计意见的概率以及审计收费越高。在由国内“十大”会计师事务所审计的企业中，企业年报文本信息可读性对审计师行为决策的影响更加显著。在控制了年报文本信息其他特征及内生性问题后，结论依然稳健。进一步研究中，对企业年报文本信息可读性影响审计师行为决策的作用机制进行了推理和检验。结果发现，审计风险和审计投入是年报文本信息可读性影响审计师行为决策的内在机理。同时，探讨和验证了企业异质性对年报文本信息可读性与审计师行为决策关系的影响，发现两者的关系在非国有企业、信息披露质量等级较高的企业中得到了缓解。     

CEO权力寻租、"存贷双高"与企业财务违规风险

文章以2012—2018年创业板上市企业为研究对象,对创业板上市企业普遍存在的"存贷双高"现象是否会加剧财务违规风险的机理进行检验,并进一步引入CEO权力寻租这一要素,研究发现:"存贷双高"显著加剧了创业板上市企业的财务违规风险;CEO权力寻租显著增强了"存贷双高"与创业板上市企业财务违规风险间的相关程度.进一步发现,相较于股权集中,股权制衡能对CEO权力寻租产生较好的治理效应,即在股权制衡度较高的企业中CEO权力寻租对"存贷双高"与财务违规风险关系的增强作用会得到较好的控制.     

基于文摘的SLDA主题模型

文本数据含有与文章内容高度相关的额外信息,而标准的LDA主题模型对这些信息没有加以利用,导致在很多文本的处理过程中出现对关键信息的遗漏的问题,降低了LDA模型的主题提取能力和数据降维能力。构建一种利用文档文摘信息的SLDA模型,在对文档建模时引入机械抽取的文摘信息,通过文摘信息对文档内容平滑,可以很全面地利用文档自身特征信息,从而提高了模型对文档的主题提取能力和数据降维能力。实验结果表明,在标准的LDA模型中引入文摘信息可以提高模型的文档主题提取能力。     

基于BP神经网络的房地产上市公司资产收益率预测评价研究

本文选取11家上市房企,以2009年上市年报为研究基础,构建BP神经网络,预测上市房企下一年度的资产收益率,结果证明,模型输出结果与实际值相比误差较少,此方法具有可行性。     

我国上市银行高管薪酬与经营绩效关系的实证研究

本文以我国沪深两市上市的14家商业银行为研究对象,根据其2007-2009年间的年报数据,采用面板数据中的固定效用模型对上市银行高管薪酬和经营绩效的关系进行实证分析。实证结果表明:上市商业银行高管薪酬基本上与银行经营绩效相联系,但薪酬的激励作用较有限。对银行高管的薪酬激励更多考虑了其对银行盈利增加的激励,而对提升银行资本使用效率的激励考虑较少。     

我国银行业经营绩效评价与分析

本文以我国16家上市银行为研究对象,以其2012年的年报数据为依据,采用改进的沃尔评分法,对上市银行经营绩效进行评价与分析,并提出有关建议。     

上市银行内控信息披露状况研究

本文对我国上市银行年报中的内部控制信息披露状况进行了分析。选取了2008和2009年2个年度的上市银行的数据,对于《内部控制报告规范》的执行情况予以分析,并提出了相关建议。     

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。     

基于机器学习的企业内部控制重大缺陷预测

企业在全面建设和实施内部控制机制的过程中普遍存在“报喜不报忧”现象,信息披露与真实运营情况严重脱节,内部控制存在重大缺陷。基于机器学习的重大缺陷预测模型能挖掘特征信息,对可能存在的重大缺陷进行识别和预警,以防止潜在的经营风险积累到一定程度并在发生损失后才引起重视。通过构建包括内部治理机制、外部环境风险、财务状况、监管与信息沟通四个维度的预测指标体系,利用2012~2019年沪深两市A股上市企业数据,经过研究后发现:以XGBoost为代表的集成模型在预测性能上强于个体学习器,在不平衡、高维度、相关关系不明确的数据集上的预测效果较为稳健,营业净利率、净资产收益率、产品市场竞争等指标对预测结果的贡献程度较大。     

上市公司违规与公司治理结构关系的实证分析

本文选取1998年2009年，因违法违规而被中国证监会行政处罚或被证券交易所公开谴责的上市的311家上市公司为研究样本，并选取了同行业、资产规模最相近的311家上市公司作为配对样本，对公司内部治理结构的多个因素与公司是否违规的关系进行了实证研究。结果表明，董事、监事和高级管理人员平均年龄、董事长是否变更、领取报酬的董事总人数、领取报酬的监事总人数、CR_10指数与上市公司违规显著相关。研究结果为改善上市公司治理结构、有效预防和控制上市公司违法违规提供了经验证据。     

我国股份制商业银行公司治理结构与绩效的灰色关联

本文根据我国股份制上市商业银行2006年度年报资料,对银行公司治理结构与银行绩效的关系进行灰色关联分析。结果显示,风险补偿资产收益率是衡量银行绩效的次优指标;股权制衡度、董事会和监事会规模及高管激励与银行绩效关系密切。     

上市公司信息披露违规的处罚效果分析

文章采用描述性研究方法和统计学分析法,以2006--2010年因信息披露违规受到证监会、财政部、上海证券交易所和深圳证券交易所查处的177家公司的246次违规事件为研究对象,对信息披露违规处罚的内容、手段及其威慑力进行了分析,以期为进一步加强我国的信息披露监管提供参考.研究结果显示,上市公司信息披露的整体质量在逐步改善,但是上市公司的信息披露水平并不稳定;信息披露违规主要存在的问题是不及时披露或遗漏重大事件和信息披露虚假或误孚性陈述;现阶段,监管机构对信息披露的监管力度在加大,但是监管效果还存在着一定的局限性,没有起到足够的威慑作用.