有效预警上市公司违规的递延所得税异动指标和人工智能模型

发布时间：2021-06-21 11:11

　　2000-2017年,3434家A股上市公司样本中的47.79%至少有一次违规记录,每年平均有17%的公司违规,而监管机构平均需要2.7年查证并通告违规行为。我们用当年数据构建递延所得税异动指标,可有效预判违规,并发现监管机构未能识别这一指标的警示作用,实际激励了违规公司通过操纵递延所得税提高财务指标以规避稽查。进一步构建决策树模型,对违规事件实现样本外精准判别。本文揭示了A股公司大面积违规而稽查过程冗长迟缓这一重要现象,并分析了违规机制,指出了所得税数据在稽查违规中可以发挥的预警作用,为监管者和投资者提供有效预警上市公司违规行为的新指标和方法。 

【文章来源】：金融研究. 2020,(08)北大核心CSSCI

【文章页数】：20 页

【部分图文】：

上市公司违规率随年份变化趋势

在数据方面,经过对主要变量做1%极值处理,得到17444个公司年度样本,涉及3150个公司。我们随机取90%的观测值作为样本内数据,剩余的10%作为样本外数据,得到15667个数据做样本内训练,1777个数据做样本外检验。训练时采用五折交叉验证,把训练样本随机分为五份,每次训练用其中四份做训练,用剩余的一份做验证,综合考虑五次训练结果后得出模型参数。对监管者而言,精准地发现违规公司是首要决策目标,从而可有效打击违法行为、维护市场健康发展。经检验,模型可以100%的准确率分别在样本内找出38%的违规事件,在样本外找出2%的违规事件。进一步地,提供一个针对违规判定准确率和覆盖率的预测模型。我们测试了不同参数下模型对违规样本的预警能力。如图2所示,模型的准确率越高,识别比例越低,反之则相反。模型对样本外违规事件的判别准确率分布从17%到100%,对应的识别比例分布从100%到2%。在实践中,监管者可选取适合的模型参数寻找有违规嫌疑的公司做深入调查和追踪。若监管者想以100%的准确率调查违规公司,每年能找到约11家公司作为典型。如果想扩大调查范围,监管机构可以按照图2所示选择目标覆盖率对应的准确率运行决策树模型。

对于投资者而言,规避违规公司是首要考虑,希望精确判定为未违规公司的样本形成的投资标的池越大越好。这就需要模型在给定准确率下识别未违规样本的比例最大化。经检验,模型能够在样本内以100%的准确率找出46%的未违规样本。在样本外以95%的准确率找出39%的未违规样本。从实践角度考察,在某一年度,A股总样本中有3150个公司,其中约2615个未违规;模型预测的投资标的池含1073个公司,其中只有54个公司为未能识别的违规公司(占比5%)。机器学习可以从平均违规率为17%的总样本中筛选出违规率为5%、覆盖率为39%的投资标的池。这个模型设置能够以95%的准确率满足投资者规避风险的需求。图3展示不同参数下模型对未违规样本的判定能力。模型对未违规公司的预警准确率范围为85%到100%,对应的对未违规事件的识别比例范围为100%到6%。模型的准确率越高,识别比例越低,反之则相反。投资者可以根据自身对风险的承受能力选择相应的模型。(四)公司绩效比较

【参考文献】：
期刊论文
[1]卖空机制能抑制上市公司违规吗?[J]. 孟庆斌,邹洋,侯德帅.  经济研究. 2019(06)
[2]近墨者黑:上市公司违规行为的“同群效应”[J]. 陆蓉,常维.  金融研究. 2018(08)
[3]高管薪酬差距的阴暗面——基于企业违规行为的研究[J]. 魏芳,耿修林.  经济管理. 2018(03)
[4]赶超压力与公司的败德行为——来自中国上市公司的数据分析[J]. 贺小刚,邓浩,吴诗雨,梁鹏.  管理世界. 2015(09)
[5]机构投资者持股与上市公司违规行为的实证研究[J]. 陆瑶,朱玉杰,胡晓元.  南开管理评论. 2012(01)
[6]管理层权力、私有收益与薪酬操纵[J]. 权小锋,吴世农,文芳.  经济研究. 2010(11)
[7]国有控股与机构投资者的治理效应:盈余管理视角[J]. 薄仙慧,吴联生.  经济研究. 2009(02)
[8]道德风险、信息发现与市场有效性——来自于股权分置改革的证据[J]. 廖理,刘碧波,郦金梁.  金融研究. 2008(04)



本文编号：3240570