机器学习对上市公司年报错报的识别研究 ——财务重述预测的视角

• 作者: 曾庆超 许诺
• 来源期刊: 中国注册会计师
• 关键词: 错报识别 财务重述预测 机器学习 logistic回归 审计风险
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 43-48
• 页数: 6页
• 语种: 中文

摘要

上市公司年报披露的会计信息是利益相关者决策的重要依据,错报及之后的财务重述降低了会计信息质量,增加了注册会计师的审计风险.随着盈余管理手段愈发隐蔽,单纯依赖传统的风险评估方法可能难以有效识别错报风险.机器学习具有独特的学习模式和甄别方法,能对错报做出有效识别,有助于降低审计风险.实证结果表明,与logistic回归相比,多层感知机神经网络等五类机器学习方法对上市公司调减盈余的年报财务重述的预测准确率、F1分值和第Ⅰ类错误率等方面都表现更优;研究还发现,营运能力等四类特征在预测过程中起到重要作用.