基于国家治理的上市公司舞弊审计实证检验.PDFVIP

DOI：10．19641/j．cnki．42-1290/f．2018．06．020 基于国家治理的上市公司舞弊审计实证检验 张 莉（副教授） 【摘要】为了揭示违规上市公司共同的倾向性因素，基于国家治理视角定义了舞弊内涵，选取A股 上市公司1993~2015年度4461例样本数据，选取公司治理、财务指标、持续经营能力三类指标下33个变 量对舞弊进行解释，采用四种抽样方法构建决策树模型，并运用Bagging机器学习算法对模型进行优化。 结果表明：抽样方法会影响模型预测精确度，采用Bagging 自助抽样算法可改善模型预测效果；内控有效 性、内控意见、董事会会议次数、董事会人数、监事会人数、审计收费、息税前利润、股利分配率、每股企业 自由现金流量、总资产净利润率等指标揭示舞弊效果显著；经样本外数据测试，Bagging算法优化后模型 总体准确度比优化前提高了35.87%，召回率比优化前提高了21.1%，表明模型有较好的预测力与稳定性。 【关键词】国家治理；舞弊审计；决策树；Bagging算法；机器学习 【中图分类号】F234.9 【文献标识码】A 【文章编号】1004-0994（2018）06-0138-9 了公司治理、持续经营类指标；②跳出经典统计的舞 一、引言 弊寻因与抽样方法，基于大样本、多变量的大数据视 上市公司违规的信息披露扰乱了证券市场的良 角，减少了分析模型对样本及前提假设的约束；③研 序，加大了市场风险。自1993年以来，共有1532家上 究了抽样方法对模型评价结果的影响；④采用自助 市公司存在3702次信息违规披露问题并受到处罚， 汇聚抽样的机器学习算法优化决策树模型，提高了 极大地损害了投资者、债权人的利益以及他们对证 预测准确度。 券市场的信心。上市公司信息披露违规对注册会计 二、文献综述 师审计影响巨大，审计可在一定程度上揭露舞弊，但 由于审计的固有限制，即使注册会计师按照审计准 即使各国政府都出台了诸多法规来规范上市公 则的规定恰当地计划和执行了审计工作，也不可避 司的行为，但舞弊事件仍层出不穷。国内外学者致力 免地存在财务报表中的某些重大错报未被发现的风 于舞弊影响因素、信号识别研究，从分析企业财务报 险。那么审计应如何有效地识别舞弊影响因素，揭示 表之间的内在逻辑冲突来发现违规行为，转向利用 舞弊风险并加强监管呢？ 数据挖掘技术来识别违规行为。刘懿（2007）将上市 本文基于国家治理视角识别舞弊，利用机器学 公司违规与审计意见结合建模，发现违规是影响审 习建模揭示倾向性、苗头性问题，以更好地识别上市 计质量的显著因素。陈关亭（2007）建立了Logistic模 公司舞弊信号，为监管部门制定有针对性的舞弊治 型，发现舞弊压力主要来源于避免被ST处理、退市； 理策略提供理论支持，使审计更好地发挥“免疫系 股权集中度较高、独立董事比例较低、董事会会议次 统”职能。本研究的独特之处在于：①从国家治理的 数较少、董事会成员持股量较少、董事长兼任总经 广义审计视角定义舞弊内涵，除了财务指标，还考虑 理、监事会无效、变更主审会计师事务所则为财务报 【基金项目】国家自然科学基金项目“面向国家治理的云计算环境下联网审计流数据处理关键技术研 究”（项目编号 □ 财会月刊2018.06 ·138· 告舞弊提供了机会，内部控制对舞弊也有一定影响。 上市公司信息违规披露形式包括虚构利润、虚 吴革、叶陈刚（2008）对违规披露分类后，排除了业务 列资产、虚假记载（误导性陈述）、推迟披露、重大遗 舞弊、表外关联交易、延迟披露等违规类别，选择被 漏、披露不实（其他）、欺诈上市、出资违规、擅自改变 证监会处罚的公司作为舞弊样本，从财务报表和公 资金用途、占用公司资产、内幕交易、违规买卖股票、 司治理方面建立Logistic回归模型，发现股权集中 操纵股价、违规担保、一般会计处理不当及其他等 度、每股净资产差异率、非主营业务利润率、存货占 16类。