公司和高管特征与上市公司违规行为——基于机器学习的经验证据

上市公司违规问题一直备受资本市场高度关注，对于其影响因素的单一维度变量因果关系研究固然关键，但构建有效的整体性预测模型研究同样具有重要意义.本研究基于内部治理视角选取重要的公司特征和高管个人特征构建上市公司违规行为预测模型，以2008年—2019年中国A股上市公司为样本，利用机器学习算法LightGBM和SHAP工具，研究两类特征对违规行为的预测能力，重要性排序及预测模式.研究结果表明：模型可以在一定程度上预测公司违规行为，公司特征比高管个人特征对预测产生的影响更大.其中，上市公司信息透明度越高、总资产净利率越大、资产负债率越低、高管团队持股比例越高、业绩波动性越小、分析师关注度越高，模型预测违规的倾向越低；高管年龄偏小、公司存在董事长与CEO两职合一情况时，模型预测违规的倾向增高.大部分特征均与违规行为呈现非线性关系，与传统理论和实证研究结论相一致.本研究从预测视角拓展我国公司高管特征研究，为监管部门和投资者提升监管和投资效率、企业完善内部治理机制提供经验证据.