上市公司财务违规特征分析及预测研究——基于企业画像和机器学习的经验证据

为了在接受业务委托、计划审计工作等前期阶段,能够恰当识别由上市公司财务违规带来的审计风险,审计师可选择指标变量、构建预测模型来识别存在违规的上市公司。本文构建了涵盖公司治理、财务状况、经营状况和情感态度的综合指标体系,通过标签建模构造财务违规公司画像,并利用朴素贝叶斯、决策树和随机森林等机器学习算法进行违规识别和预测。结果表明,存在财务违规的公司呈现出审计费用少、股利分配率低、每股收益较小等特征,并在情感态度上存在负面和自我夸大倾向;基于随机森林的预测模型准确率为92.91%,预测效果较好。研究结论表明,通过考虑管理层情感态度、建立可视化画像、应用机器学习预测模型有助于审计师更好地进行审计风险评估。