|
近年来国内外市场频繁爆发财务造假案例，层出不穷的上市公司造假案件给投资者带来了巨大损失，也给资本市场的健康发展带来负面影响。因此，如何识别那些可能进行财务造假的公司，是分析师、投资者和监管机构共同关心的重要问题。 我们分别采用神经网络、SVM支持向量机和决策树等数据挖掘方法来对上市公司年报造假的识别展开研究，并比较分析这些数据挖掘技术的相关表现。最后，选定研究模型并对全部A股的2016年和2017年年报进行判断之后给出疑似造假名单。以该名单作为等权组合，从2017年5月以来跑输中证全指大约20%。 以证监会和两市交易所处罚为财务造假作为判断造假样本的标准： 我们筛选了2000年之后，A股市场被中国证监会、沪深两市交易所公开确定为财务造假的上市公司作为初始样本。为研究其持股特征，我们剔除了IPO之前的造假样本，部分公司存在连续多年舞弊现象，我们以首次造假年份的数据作为研究对象，总量依然有接近180个样本。 自2000年以来，被公开处罚的造假公司中，化工、医药生物、纺织服装等行业涉及公司较多，分别有26家、19家、14家公司涉及造假。考虑各行业上市公司数量，占比最高的行业分别为纺织服装、农林牧渔和化工等。 我们结合公司参与年报财务造假的动机、常见的手段，结合国内外学者的研究，重点以财务指标为研究对象。下表所列为我们初步筛选的特征指标： 特征指标之间往往存在一定的相关关系，如下图所示： 资产负债率（Asset_lia_ratio）与流动比率（Curr_ratio）、速动比率（Quick_ratio）、总资产报酬率（ROA）等之间的负相关性较高，这些结论与常识相符。根据某个变量与其他变量之间的相关性程度大小，以及相关变量个数多少为原则，剔除一些相关程度大并且相关变量多的变量。 我们选取造假样本同行业、同年度、且未被证监会和两市交易所处罚过的上市公司作为对照样本。造假样本+对照样本数量合计接近8000条，可以发现存在明显的数据不平衡现象。 对于数据分类不平衡的问题，通常可以通过欠采样、过采样或者加入惩罚函数的方法来解决。欠采样是指通过减少大类样本的数量来平衡数据集，在本例中，需要减少正常样本数量，但这样需要人为选定非造假样本，对原有数据分布有较大影响。过采样则是通过增加稀有样本的数量来平衡数据集，而不是去除丰富类别的样本的数量。本例中，即通过重复使用造假样本数据，这也是对真实数据的污染。 为尽可能降低对原始样本数据的污染，我们在后续研究中将会采用加入误分类损失函数的方法。现实中，投资者买入财务造假的公司所带来的损失，和没有买入正常的公司所带来的损失之间，存在巨大的不对等性，因此可以通过惩罚函数来实现。 模型评价指标： 我们按照7:3的比例将历史样本划分为训练集和测试集，并通过几种常见的机器学习算法对样本数据进行学习。 在模型评价方面，我们重点关注四个指标：准确率、精确度、召回率和F值。 准确率指的是模型对所有样本的判断准确率； 精确度指的是给定一个疑似财务造假公司名单，其中最终被证实确实发生了造假的公司占比； 召回率指的是历史上所有的造假公司中，模型能够识别出的造假公司占比； 精确度和召回率之间此消彼长，需要权衡，F值就是精确度和召回率的调和均值，F值越高表明模型效果越好。 基于决策树模型的预警模型效果相对较好： 决策树模型中，我们分别使用C5.0、CART、QUEST以及CHAID等不同算法进行测试，各方法结果如下图所示。从模型准确度、精确度、召回率、F值等角度来看，CHAID算法在几种算法中结果相对较为理想，精确度和召回率均较高，F值达到27.37%。 最后，在判断上市公司年报是否造假的时候，需要重点关注的几项指标分别为：审计师意见、前一年是否亏损、其他应收款占流动资产比例、销售毛利率、预付款项占流动资产比例。审计师给出负面意见、前一年财务亏损、相对于同行业而言，比较高的其他应收款占流动资产比例、销售毛利率、预付款项占流动资产比例等，都是造假可能性高的上市公司年报所具有的特征。 2016、2017年年判断结果相关情况： 基于决策树模型，我们对2016年及2017年上市公司年报数据进行预测，模型样本外预测效果显著。根据wind数据统计，今年以来已有约40家上市公司被证监会立案调查，其中22家公司均在预测名单之中。 此外，我们将模型预测的可能涉嫌造假的公司构建模拟组合，等权配置，从近两年表现来看，预测名单组合负alpha显著。
历史研究报告列表： 《上市公司财务造假预测模型研究》 2017.10 《数据挖掘在上市公司财务造假识别中的应用》 2017.12 |
|
|
