基于信息披露文本的上市公司信用风险预警——来自中文年报管理层讨论与分析的经验证据

本文运用文本挖掘技术,对2008-2018年1297家上市公司年报的管理层讨论与分析(MD&A)进行文本分析。从文本质量特征、文本词汇特征和文本语调特征等角度量化计算文本相似度、文本情感值、文本可读性三个维度文本披露指标,采用Logistic模型、决策树模型、支持向量机和神经网络模型四种方法构建上市公司信用风险预警模型,实证检验加入MD&A文本信息披露指标后信用风险预警模型的预测能力。实证结果表明：(1)在加入文本信息披露指标后,信用风险预警模型的预测准确度得到显著提升,多维度文本信息披露指标比单维度文本信息披露指标对信用风险预警模型预测准确度提升效果更优;(2)Logistic回归模型的预测准确度在样本数量较低时要优于决策树、支持向量机与神经网络,随着样本数量的增加,支持向量机和神经网络的预测准确度会明显提升;(3)不同特征的文本信息内容与企业是否发生信用风险均显著相关。本文的研究结论为提高信用风险预警的预测准确性提供了方法和经验证据,对于投资者与相关学者研究市场有效性提供新的研究视角。     

考虑审计要素多重语义关联的财务欺诈识别

现有的财务欺诈识别研究大多基于公司、审计师、会计师事务所等审计要素中较为简单的关系特征,罕有研究能够系统刻画各类审计要素之间错综复杂的关联关系.本文创新性地引入知识图谱(Knowledge Graph)技术,构建出包含公司、审计师和会计师事务所的多重语义关联网络,并利用图神经网络(Graph Neural Networks)方法捕捉知识图谱中审计要素之间复杂隐秘的关联关系以提高财务欺诈识别效果.基于我国2018年—2019年的上市公司样本,构建出包含12 373个审计要素和111 194条关系的审计知识图谱.实证研究发现引入审计要素关联关系能够提升财务欺诈识别准确率;在多种审计要素关联关系中,考虑审计师对公司出具的审计意见对欺诈识别更为重要;对比不同历史时长的审计要素,使用公司历史5年的审计要素识别财务欺诈的效果更好.本研究可以为投资者、分析师以及监管机构在大数据时代下的财务欺诈识别提供科学参考.     

财务欺诈风险特征筛选框架的建立和应用

本文从金融科技大数据出发,以人工智能的吉布斯随机搜索(Gibbs Sampling)算法为工具,在大数据框架下建立了针对公司财务欺诈风险的特征因子筛选的一般处理方法与特征提取推断原理,并结合上市公司的财务报表数据进行实证分析,结合从2017年1月到2018年12月证监会对上市公司财务报表信息披露违规的数据样本,筛选出刻画财务欺诈的特征因子并进行了验证测试,支持财务欺诈的识别。本文提出的框架和模型方法可以加强和提升对上市公司财务欺诈风险的识别能力,并实现对公司财务在欺诈方面的探测与预测(Detecting and Predicting)功能。     

基于SVM求解不均衡数据集分类的主观权重约束方法

支持向量机(SVM)的二类分问题中针对不平衡数据集可以通过减少样本信息的不对称性和改进算法来解决。本文针对中小企业中有财务风险与无财务风险样本的不平衡性问题,使用一种带有主观权重约束条件的支持向量机新模型对样本进行分类。实验表明新模型确实提高了财务风险企业即少类样本的识别性能,是一种类别不均衡学习(class imbalance learning)的新方法。     

基于改进支持向量机的上市公司财务困境判别研究

针对上市公司财务困境判别研究的不足,本文构建了财务困境判别的双隶属模糊支持向量机模型,使每个训练样本依双隶属度同时隶属于两个类别;考虑到财务困境判别研究中两类样本非平衡的问题,本文构建了一种基于非平衡数据的改进支持向量机模型。实证结果表明,与已有的支持向量机模型相比,本文构建的改进支持向量机模型在对上市公司财务困境进行判别时精度更高,具有良好的应用价值。     

基于人工神经网络的建筑类上市公司财务预警模型构建

以113家A股上市的建筑公司为研究样本,从财务和非财务的角度出发,借助SPSS与Pyt hon等软件,采取主成分分析法对初步选取的财务预警指标进行降维,使用优化后的财务指标体系构建适合建筑业的人工神经网络财务预警模型。选取2013—2020年各公司的17项相关指标共计808组数据,分别完成进行模型的构建与验证。检测结果显示：基于人工神经网络的建筑业上市公司财务风险预警模型,具有较好的预测结果,对财务风险预警结果较为准确,可为建筑类公司防范财务风险提供参考。     

基于元学习的财务舞弊识别研究

本研究基于多元化数据挖掘和机器学习集成方法改进两个方面，对于如何识别财务舞弊并提高识别效率问题提供了系统性预测方法.在多元化数据方面，不仅对传统财务因子进行了重构，而且引入公司治理层面因子并利用文本分析构建了语言类因子.在机器学习集成方法改进方面，以9种不同特质的机器学习算法作为基学习器，套用元学习框架对上市公司财务舞弊进行系统性识别.研究发现：1)元学习框架能够显著提升舞弊样本召回率和预测精确度，提高整体学习器预测性能，并且对于大部分行业都有效果；2)接近真实场景的滚动预测方法下，元学习框架依然能显著提高基学习器的财务舞弊识别能力；3)公司治理因子、语言类因子对于财务舞弊识别有一定的帮助.     

基于知识采纳模型和多层感知机神经网络的评论有用性识别研究

移动互联网、社交媒体平台及电子商务的迅速发展,产生了大量的用户评论,其商业价值凸显,如何有效识别用户评论的有用性成为重要研究主题。本文提出基于知识采纳模型(Knowledge Adoption Model, KAM)理论和多层感知机(Multilayer Perceptron, MLP)神经网络的分类算法对评论文本进行有用性识别。该算法根据知识采纳模型理论从评论质量和评论来源可信度两方面进行评论有用性识别的特征提取：利用先验领域知识词典构造领域词占比、停用词占比等评论质量方面的特征,有效解决了特定领域评论存在的领域知识壁垒问题;根据评论作者的粉丝数、作者获赞数等信息构建评论来源可信度方面的特征。为了验证本文所提方法的识别效果,本文采用知乎论坛中医相关评论数据进行实验;实验结果表明,本文提出的方法能有效提高在线评论有用性的分类效果,提高了可解释性。     

多维特征视角下基于图卷积网络的专利技术领域自动识别研究

专利审查周期缩短政策的提出与专利申请数量急剧增加的现状给实现专利技术领域识别的专利分类工作带来巨大挑战,如何引入专利自动分类技术提高专利分类工作效率、缩短专利审查周期成为重要研究主题。本文提出基于多维特征和图卷积网络的专利技术领域自动识别方法。该方法根据文献计量学与图表示学习理论从专利摘要、引证专利、专利发明人维度提取专利特征;其次利用专利摘要维度特征生成表征专利文本特征的专利-核心词汇异构网络,并将引证专利、专利发明人维度特征作为专利数字特征嵌入专利-核心词汇异构网络;通过图卷积网络进行半监督学习,确定专利-核心词汇异构网络中专利节点的类别标签,完成专利自动分类任务。为验证本文所提方法的识别效果,采用Incopat全球专利数据库中专利数据进行实验;实验结果表明专利文本特征与专利数字特征共同作为专利特征可以提高专利分类准确率,引证专利信息的引入可以提高专利分类准确率。同时,本文所提方法也给专利技术领域自动识别问题提供新解答思路,为缩短专利审查周期政策的实施提供支撑。     

审计项目中财务欺诈之审计对策

本文力图在审计项目的实施过程中从识别公司财务欺诈的风险信号和对财务报表进行分析性复核两个方面建立起独立审计防范财务欺诈的壁垒。     

基于贝叶斯MCMC的POT模型——低频高损的操作风险度量

对低频率高损失的操作风险进行量化非常困难,其特点为较少发生,而一旦发生通常都会造成巨额损失,因此数据匮乏是一个严重的挑战,内部欺诈风险是此类风险的典型代表,也是中国商业银行有代表性的重大操作风险类型.在损失分布法的框架下,通过极值理论对内部欺诈风险进行度量;考虑到使用损失数据对频率直接拟合带来的问题,借助POT模型的重要性质对内部欺诈风险强度和频率进行估计;在此基础上,使用基于吉布斯抽样的贝叶斯MCMC方法估计POT模型的参数,以解决样本数据不足时极大似然估计中误差增大的问题.在这一方法框架下,以中国商业银行的内部欺诈损失数据为样本,对中国商业银行的内部欺诈风险进行度量,并估计了相应的经济资本.     

基于信息披露文本的上市公司财务困境预测:以中文年报管理层讨论与分析为样本的研究

本文采用文本分析方法研究了中文年报管理层讨论与分析传递的管理层语调能否提供财务困境预测的增量信息、能否提高预测的准确性以及文本内容的信息价值,主要结论为：（1）管理层语调确实为财务困境预测提供了新的信息,能提高财务困境模型的拟合程度和预测能力;（2）管理层语调是对定量财务数据的重要补充,而且这些信息并没有在市场交易价格中得到充分反映;（3）负面语调比净语调具有更高的信息价值;（4）财经文本情感或语调的分析应以基于相关来源财经文本的情感词词典为基础,而直接引入其他领域成熟词典的效果较差。     

一种基于改进马田系统的不平衡数据分类方法

在分类问题中,类别不平衡问题将引起分类器训练偏差,导致少数类样本诊断敏感性降低.马田系统是一种多元数据诊断和预测技术,它通过构建一个连续的测量尺度而非直接对训练样本进行学习,该性质有望不受数据分布的影响,克服分类不平衡问题.本文针对马田系统阈值计算缺陷和不平衡数据分类要求,研究一种概率阈值模型计算马田系统阈值;还针对马田系统的若干不足,采用优化模型替代正交表和信噪比筛选关键变量,并使用了一种全方位优化算法求解.通过对8个UCI数据集的实验分析表明,改进的马田系统不仅对不平衡数据有较好的分类效果,且能筛选关键变量,降维效果明显.     

上市公司财务预警Z-SCORE模犁及其在中国的运用——以“云南白药”为例

财务危机预测是现代企业财务管理的一个重要内容,建立一套有效的财务危机预警模型是十分重要的。本文在介绍Z-SCORE模型及其修正模型-Y分数模型的基础上,以“云南白药”为例,探究他们在中国的适用性,提出引入非财务指标作为财务预警模型的新发展,同时提醒财务使用者在使用财务数据应去伪存真。才能使模型结果更为准确。     

债务保守、投资机会与中国上市公司资本投资

国内对于财务保守行为的研究,均是从产品市场竞争角度展开的。然而,这些研究并没有得出一致的结论。公司的财务保守目的,是给公司提供一定程度的财务灵活性,便于公司在未来使用这种灵活性。当公司遇到有利的投资机会时,具有这种灵活性的公司能够抓住有利的投资机会,进行资本投资。运用1999-2008年中国上市公司的不平衡面板数据,采用动态面板模型进行了实证分析。实证结论表明:公司的财务保守行为与公司未来的投资机会高度显著相关;公司的财务保守行为与公司未来的资本投资高度显著相关。同时,动态面板回归结果也显示,公司的财务保守行为和公司的投资支出都具有时间连续性,与其滞后项高度显著相关。     

基于代价敏感决策树的客户价值细分(英文)

由于错误分类代价差异和不同价值客户数量的不平衡分布,基于总体准确率的数据挖掘方法不能体现由于客户价值不同对分类效果带来的影响.为了解决错误分类不平衡的数据分类问题,利用代价敏感学习技术扩展现有决策树模型,将这一方法应用在客户价值细分,建立基于客户价值的错分代价矩阵,以分类代价最小化作为决策树分支的标准,建立分类的期望损失函数作为分类效果的评价标准,采用中国某银行的信用卡客户数据进行实验.实验结果表明,与传统决策树方法相比,代价敏感决策树对客户价值细分问题有更好的分类效果,可以更精确地控制代价敏感性和不同种分类错误的分布,降低总体的错误分类代价,使模型能更准确反映分类的代价,有效识别客户价值     

基于文本聚类的客户知识获取和应用研究

基于文本聚类技术在移动通信行业客户服务文本记录分类中的应用研究,构建了文本分类处理的概念模型。采用集合式表示方法对客户知识进行定义,通过向量空间模型进行文本转化和数据矩阵的构建,提出了TF-MI函数进行特征词的权重计算,利用层次聚类进行数据处理,并通过类别判断的4条准则进行了聚类结论分析和讨论,从而进一步强调了文本聚类技术在移动通信行业客户服务系统知识获取工作中的实用价值。     

混合HOGA-SVM财务风险预警模型实证研究

目前涉及遗传算法与支持向量机相结合的预测模型中,遗传算法基本上采用的是标准算法.但是在对全局函数的优化中,一般的遗传算法容易陷入局部最优,从而降低遗传算法收敛速度和搜索精度,进而影响财务风险预警模型的精度与速度.基于此,提出了基于混合全局优化正交遗传算法(HOGA)和支持向量机(SVM)的财务风险预警模型(HOGA-SVM),通过使用混合全局优化正交遗传算法连同支持向量机来改进支持向量机进行财务风险预警的效果.结果显示,提出的模型不仅提高了财务风险预警的准确率和速度,而且模型的两类分类错误率(尤其是第一类分类错误率)相对其他模型也有了明显下降.未来的工作可以把模型的应用扩大到多分类的财务风险预警问题中.     

财务透明度、市场化进程与企业社会责任报告鉴证效应

 管理层披露的企业社会责任报告能够传递企业社会责任表现信息,有效弥补单纯财务信息无法充分揭示企业价值的不足,有助于投资者将财务信息与环境、社会和治理等非财务信息结合起来更准确地对公司未来盈利作出预测。然而,目前中国资本市场企业社会责任信息披露制度建立尚不完善,基于企业社会责任工具假说,披露社会责任报告的企业更侧重考虑监管部门政策规制的目标,与利益相关方进行沟通的意识和主动性较为淡薄。管理层可能借着社会责任信息披露监管政策的幌子,将企业社会责任报告加以工具性利用,以进行信息披露操控的自利行为。因此,如果聘请专业机构出具企业社会责任报告鉴证意见无疑会增强信息可靠性,制约管理层的自利倾向,提高非财务信息披露质量。        基于信号传递理论,从分析师盈利预测的视角,实证检验企业社会责任报告鉴证是否可以为投资者提供对其决策有用的非财务信息。以2008年至2014年中国沪深A股上市公司发布的3 084份企业社会责任报告为研究样本,使用修正横截面Jones模型计量财务透明度,以所有分析师对公司盈利预测均值的标准差以及与该公司实际盈余之差绝对值标准化处理后分别衡量分析师盈利预测误差和分歧度,采用Stata 13.0软件和Heckman两阶段自选择矫正模型进行分析,检验企业社会责任报告鉴证对分析师盈利预测的影响以及财务透明度和市场化进程对企业社会责任报告鉴证与分析师盈利预测关系发挥的调节作用。        研究结果表明,当专业机构出具企业社会责任报告鉴证意见时,分析师盈利预测误差越低,预测分歧度也越小。进一步区分财务透明度和市场化程度的研究发现,企业社会责任报告鉴证对分析师盈利预测准确性的提升效果在财务透明度较低和处于市场化进程较高地区的公司中更加明显。在尽可能控制内生性问题后,研究结论依然成立。以上所有结果仅在强制披露组样本中存在。        研究结果验证了企业社会责任报告鉴证能够有效提高公司非财务信息质量,为分析师决策提供有用的信息,其作用还会受到公司财务透明度和所在地区市场化程度等因素的影响,丰富了企业社会责任报告鉴证经济后果方面的研究,对政策制定者进一步评估和完善企业社会责任信息披露制度具有一定的参考价值。     

资本市场财务呈报管制:理论及其对中国实践的解释

考察中国证券市场的发展历程 ,会发现一个令人困惑的现象 ,一方面 ,中国证券市场的相关制度建设正不断完善;另一方面 ,一系列上市公司会计信息欺诈案件却频繁爆发。本文试图对此做出解释。为此 ,本文构建了一个理论分析框架 ,解释内生财务呈报管制的形成以及构建有效财务呈报管制的前提条件;在此框架内对中国上市公司财务呈报管制无效的根本原因进行深入考察 ,并提出了一些政策建议。