20171215-申万宏源-量化策略_数据挖掘在上市公司财务造假识别中的应用_25页_1mb

数据挖掘在上市公司财务造假识别中的应用总结

核心内容

本文探讨了数据挖掘技术在识别上市公司财务造假中的应用，重点分析了神经网络、支持向量机（SVM）和决策树（C&RT、QUEST、CHAID、C5.0）等方法在财务造假识别中的表现。研究选取了2002年之后A股市场被中国证监会、沪深交易所公开处罚的造假样本，并通过数据挖掘方法进行分析，旨在找到最适合识别财务造假的模型。

主要观点

• 上市公司财务造假问题严重，给投资者带来巨大损失，也影响资本市场健康发展。
• 常见的财务造假手段包括虚增交易、虚增资产、提前确认收入、利用过渡性科目调节利润、隐瞒重大事项等。
• 数据挖掘技术如神经网络、SVM和决策树可以用于财务造假识别，但面临数据分类不平衡的挑战。
• 在处理分类不平衡问题时，通过设置误分类损失函数，可以提升模型对造假样本的识别能力。
• 决策树方法比神经网络和SVM更适合财务造假识别，其中CHAID算法表现最优。

关键信息

数据样本

• 造假样本：选取2002年后A股市场被公开处罚的上市公司，共171条记录。
• 控制样本：匹配同行业未被处罚的上市公司，共7839条记录。
• 样本分布：造假样本主要集中在化工、医药生物、纺织服装等行业，2011-2015年为高发期。

特征指标

以下为初步筛选的特征指标，用于分析上市公司年报是否造假：

模型比较

误分类损失函数的影响

• 在所有模型中，加入误分类损失函数后，决策树类模型（特别是CHAID）在召回率上表现更优。
• CHAID算法在全样本中表现最佳，其召回率为59.41%，精确度为17.78%，F值为27.37%。
• C5.0算法在召回率上表现最好，达到89.41%，但精确度相对较低。

重点指标

在识别上市公司年报是否造假时，需重点关注以下指标：

1. 审计师意见（Opinion）：负面意见表明财务造假可能性较高。
2. 前一年是否亏损（Pre_np）：前一年亏损的公司更可能进行财务造假。
3. 其他应收款占流动资产比例（OtherRec_to_Cur）：该比例偏高时，财务造假的可能性大。
4. 销售毛利率（Sale_grop_ratio）：偏高时可能为财务造假的信号。
5. 预付款项占流动资产比例（Pre_to_Cur）：该比例偏高时，公司可能通过虚增收入来填补资金缺口。

方法说明

神经网络（MLP）

• 神经网络具有较高的准确率，但对造假样本的识别能力较弱。
• 通过Bagging方法增强模型稳定性，但未显著改善对造假样本的识别效果。

支持向量机（SVM）

• SVM模型在准确率上表现良好，但同样在识别造假样本方面存在不足。
• 采用RBF核函数处理非线性问题，但未在识别能力上显著优于决策树模型。

决策树（C&RT、QUEST、CHAID、C5.0）

• 决策树在处理分类不平衡问题时，通过加入误分类损失函数可以提升识别能力。
• CHAID算法在四个决策树模型中综合表现最优，具有较高的召回率和F值。
• C5.0算法虽然召回率高，但精确度较低，不适用于高精确度需求的场景。

结论

• 在识别上市公司财务造假问题上，决策树模型优于神经网络和SVM模型。
• CHAID算法在四个决策树模型中表现最佳，适合用于识别财务造假。
• 在实际应用中，应结合财务指标和非财务指标，重点关注审计师意见、前一年是否亏损、其他应收款、销售毛利率和预付款项占流动资产比例等关键指标。

附注

• 本报告由申万宏源证券有限公司发布，未经授权不得复制或分发。
• 投资决策应基于个人判断，本报告仅供参考，不构成投资建议。