基于ECOC-SVM的多類別審計意見預(yù)測建模研究

孫潔 鄭玉嬌 艾文國

【摘 要】 審計意見的恰當(dāng)性與公司利益相關(guān)者有著密切聯(lián)系，投資者和監(jiān)管者參考審計報告及審計意見做出決策，注冊會計師出具公允客觀的審計意見是其職責(zé)所在，構(gòu)建科學(xué)合理的審計意見預(yù)測模型有利于輔助各方判斷上市公司被出具審計意見的合理性。文章針對上市公司被出具審計意見的四種類型，采用多個財務(wù)指標(biāo)作為建模數(shù)據(jù)的特征值，基于糾錯輸出編碼和支持向量機(jī)算法建立了多類別審計意見預(yù)測模型。經(jīng)過實證檢驗，審計意見預(yù)測模型整體準(zhǔn)確率達(dá)到83.24%，各類審計意見的預(yù)測準(zhǔn)確率也均達(dá)到80.00%以上，模型預(yù)測效果良好。

【關(guān)鍵詞】 審計意見類型; 支持向量機(jī); 糾錯輸出編碼; 預(yù)測模型

【中圖分類號】 F239.1? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2018）24-0087-06

一、引言

隨著經(jīng)濟(jì)快速發(fā)展以及逐漸被完善的市場機(jī)制，監(jiān)督機(jī)制的重要性已經(jīng)凸顯出來，上市公司的財務(wù)報告以及審計報告愈來愈被監(jiān)管者和投資者所關(guān)注，而審計報告也成為監(jiān)管公司的有利工具，審計意見的公正性也越發(fā)重要。審計意見由獨立于投資者和管理層的第三方——會計師事務(wù)所注冊會計師所出具，但是審計過程中的控制風(fēng)險、檢查風(fēng)險和固有風(fēng)險等審計風(fēng)險以及面臨的市場風(fēng)險，可能導(dǎo)致事務(wù)所出具有失公允的審計意見。不恰當(dāng)?shù)膶徲嬕庖姴粌H使得投資者不能對公司的經(jīng)營狀況產(chǎn)生正確的認(rèn)知，也會對注冊會計師的個人職業(yè)發(fā)展產(chǎn)生不利的影響。建立科學(xué)有效的審計意見預(yù)測模型，能夠為注冊會計師提供重要的風(fēng)險管理輔助工具，輔助判斷其所出具審計意見的恰當(dāng)性。此外，外界投資者或者監(jiān)管者也可以借助審計意見預(yù)測模型的預(yù)測結(jié)果，提前衡量尚未完成審計過程的企業(yè)財務(wù)報告質(zhì)量。因此，通過科學(xué)合理的方法建立有效的審計意見預(yù)測模型具有重要的理論意義和實踐應(yīng)用價值。

二、文獻(xiàn)綜述

當(dāng)前的有關(guān)審計意見預(yù)測方面的研究，主要集中在探究對審計意見產(chǎn)生顯著影響的因素和審計意見預(yù)測建模方法兩個方面。所以，文獻(xiàn)綜述主要分為研究審計意見影響因素的文獻(xiàn)綜述和研究構(gòu)建預(yù)測審計意見的模型的文獻(xiàn)綜述兩部分展開。

（一）審計意見影響因素的文獻(xiàn)綜述

審計意見影響因素的早期研究中，學(xué)者們主要關(guān)注的因素是企業(yè)經(jīng)營的各項財務(wù)指標(biāo)，Mutchler[1]通過財務(wù)指標(biāo)建立預(yù)測模型，檢驗得出凈值報酬率的變化量、息稅前利潤/銷售凈額、流動資產(chǎn)/流動負(fù)債以及資產(chǎn)負(fù)債率等財務(wù)指標(biāo)對企業(yè)持續(xù)經(jīng)營性意見有顯著關(guān)聯(lián)關(guān)系。章永奎等[2]在研究審計意見影響因素中結(jié)合盈余管理的研究思路，發(fā)現(xiàn)公司的總資產(chǎn)收益率和資產(chǎn)負(fù)債率對審計報告的審計意見具有顯著性影響。趙楚伊等[3]同樣發(fā)現(xiàn)企業(yè)的盈利性和債務(wù)風(fēng)險與審計意見也存在顯著相關(guān)性。

許多研究表明企業(yè)被出具審計意見的類型與公司其他非財務(wù)因素存在一定的相關(guān)性。孫錚等[4]通過實證研究發(fā)現(xiàn)上市公司的股權(quán)結(jié)構(gòu)會影響企業(yè)管理層對會計師事務(wù)所和注冊會計師的選擇。Chan et al.[5]經(jīng)過研究發(fā)現(xiàn)當(dāng)企業(yè)所有權(quán)為政府控股且處于特殊時期（如面臨退市風(fēng)險、發(fā)行新股等）時會更加傾向于得到有利審計意見。方軍雄等[6]探究了公司風(fēng)險程度與被出具非標(biāo)準(zhǔn)審計意見的相關(guān)性，結(jié)果表明股東占款比重高和虧損等風(fēng)險因素導(dǎo)致被出具非標(biāo)準(zhǔn)審計意見的可能性比較高。周楊[7]利用Logit回歸模型分析發(fā)現(xiàn)前期審計意見和企業(yè)內(nèi)部管理的質(zhì)量會對審計意見產(chǎn)生影響。劉霄侖等[8]采用多種方法實證檢驗得出企業(yè)治理質(zhì)量與審計意見存在相關(guān)性，治理質(zhì)量高企業(yè)的審計意見被審定為標(biāo)準(zhǔn)無保留類別的可能性更高。Krishnan et al.[9]研究結(jié)果顯示企業(yè)管理的能力與審計報告中的持續(xù)經(jīng)營審計意見存在關(guān)聯(lián)性。Defond et al.[10]利用回歸分析檢驗了審計費用中非審計費用所占比重與審計意見的關(guān)系，實證結(jié)果表明費用結(jié)構(gòu)中不同的非審計費用占比并不會影響審計意見。吳臘[11]研究對審計意見產(chǎn)生影響的因素，實證發(fā)現(xiàn)審計費用對其存在顯著影響而會計師事務(wù)所的變更和任期對其并無顯著性的影響。

（二）審計意見預(yù)測模型的文獻(xiàn)綜述

審計意見預(yù)測建模研究的早期階段，只是簡單借助財務(wù)指標(biāo)來預(yù)測審計意見類型。Kida [12]研究審計過程中審計師判斷公司持續(xù)經(jīng)營能力時財務(wù)指標(biāo)的影響程度，請不同的審計師通過速動比率、現(xiàn)金總資產(chǎn)比、權(quán)益總負(fù)債、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)利潤率5個財務(wù)指標(biāo)來評判企業(yè)持續(xù)經(jīng)營能力，結(jié)果顯示審計師通過財務(wù)比率值判斷審計意見類型的正確率達(dá)到83%。Kleinman et al.[13]利用債務(wù)違約、是否連續(xù)虧損、Z值、是否進(jìn)入重組程序、有利事件和負(fù)面事件六個非財務(wù)因素，研究其與保留意見類型的審計意見之間的關(guān)系，研究表明此類指標(biāo)與審計意見有密切關(guān)系。

隨著研究的深入，一方面簡單的關(guān)系判斷方式并不十分科學(xué)準(zhǔn)確，另一方面數(shù)理統(tǒng)計方法不斷完善并拓展了應(yīng)用范圍，研究者逐漸將統(tǒng)計方法引入審計意見預(yù)測中。構(gòu)建審計意見預(yù)測模型的較常用統(tǒng)計方法是Logistic或Probit，并且經(jīng)過實證分析得到較為滿意的預(yù)測正確率。張曉嵐等[14]在研究分析上市公司被出具的有關(guān)持續(xù)經(jīng)營的審計意見類型及其主要受到的影響因素后，利用Logistic回歸方法建立三分類審計意見預(yù)測模型，實證表明模型的預(yù)測準(zhǔn)確率高于80%。胡繼榮等[15]分析中國上市企業(yè)因經(jīng)營的持續(xù)性具有不確定性程度而被審計人員發(fā)表審計意見的類型情況及其合理性，進(jìn)而采用Logistic回歸方法建立用于判別審計意見類別的GCO模型，模型的實證結(jié)果得到高達(dá)92%以上的預(yù)測正確率。

雖然傳統(tǒng)的統(tǒng)計模型得到了較好的預(yù)測結(jié)果，但是統(tǒng)計方法大多有其自身局限性，比如要求研究樣本符合正態(tài)分布、協(xié)方差相等的假設(shè)條件限制等，另外建立的審計意見預(yù)測模型多為靜態(tài)判別模型從而容錯性較低。隨著人工智能技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)（Support Vector Machine，SVM）等人工智能機(jī)器方法被引入到審計意見預(yù)測建模。Doumpos et al.[16]基于SVM建立審計意見預(yù)測模型，輔助使用者來判斷、驗證審計意見的恰當(dāng)性。田金玉[17]建立基于BP神經(jīng)網(wǎng)絡(luò)的審計意見預(yù)測模型，將財務(wù)指標(biāo)作為特征值，并通過我國滬深兩市的上市公司數(shù)據(jù)實證檢驗了模型的有效性。王旭等[18]同樣基于BP神經(jīng)網(wǎng)絡(luò)建立審計意見類型的預(yù)測模型，實證結(jié)果顯示BP神經(jīng)網(wǎng)絡(luò)模型在預(yù)測公司經(jīng)營持續(xù)性的正確性優(yōu)于Logistic回歸模型。Fernandez-Gamez et al.[19]應(yīng)用神經(jīng)網(wǎng)絡(luò)對公司治理和財務(wù)指標(biāo)變量建立模型，用于判斷評價審計意見是否公正客觀。建模方法的增多，有學(xué)者對各種建模方法的各方面性能進(jìn)行了對比研究。Gaganis et al.[20]將最近鄰判別分析方法與Logistic回歸方法的審計意見預(yù)測性能進(jìn)行比較，發(fā)現(xiàn)最近前者構(gòu)建的模型預(yù)測正確率略好于后者。Pasiouras et al.[21]通過對英國審計報告進(jìn)行案例研究發(fā)現(xiàn)，在審計意見決策支持效果方面，基于人工智能方法的模型比基于傳統(tǒng)統(tǒng)計方法的模型表現(xiàn)更好。張志恒等[22]利用鄰域粗糙集對財務(wù)指標(biāo)和非財務(wù)指標(biāo)進(jìn)行簡約處理得到關(guān)鍵指標(biāo)，并用于BP神經(jīng)網(wǎng)絡(luò)建模，從而構(gòu)建出預(yù)測審計意見的混合模型，并經(jīng)過實證檢驗。

（三）文獻(xiàn)評述

現(xiàn)有的有關(guān)預(yù)測審計意見的相關(guān)研究文獻(xiàn)中，絕大多數(shù)研究僅僅將審計意見因變量劃分為標(biāo)準(zhǔn)審計意見和非標(biāo)準(zhǔn)審計意見兩類，或者僅僅研究某一種審計意見被出具的可能性，不符合實際中審計意見多類型的特點，不能夠滿足現(xiàn)實經(jīng)濟(jì)社會對審計意見的多類別預(yù)測需求。此外，審計意見的影響因素選擇方面，雖然已經(jīng)涉及財務(wù)因素和非財務(wù)因素，但是，財務(wù)因素仍然存在經(jīng)營方面指標(biāo)較少的缺點，且非財務(wù)因素存在指標(biāo)缺少統(tǒng)一標(biāo)準(zhǔn)和數(shù)據(jù)可獲得性較差的不足。所以，本文在研究構(gòu)建模型用于審計意見類別的預(yù)測時，審計意見因變量將按照上市公司審計報告中實際存在的四種情況分為標(biāo)準(zhǔn)無保留意見、無保留意見加事項段、保留意見和無法表示意見四個類別，建模特征變量則采用涉及公司各個方面且具有客觀標(biāo)準(zhǔn)的多項財務(wù)指標(biāo)，并利用分類效果較好的人工智能方法——SVM，融合糾錯輸出編碼（Error Correcting Output Codes，ECOC）思想，建立多類別審計意見類型預(yù)測模型。

三、多類別審計意見預(yù)測模型的構(gòu)建

基于多類別審計意見預(yù)測模型的構(gòu)建過程包括三個關(guān)鍵步驟：建模變量設(shè)計、數(shù)據(jù)處理設(shè)計、基于ECOC-SVM的多類別審計意見預(yù)測模型構(gòu)建。

（一）建模變量設(shè)計

財務(wù)報表的審計意見被規(guī)定有五種主要類別：標(biāo)準(zhǔn)無保留、無保留意見加事項段、保留意見、否定意見、無法表示。但是，考慮上市公司被出具審計意見類別的實際數(shù)據(jù)情況，幾乎不存在否定意見方面的企業(yè)數(shù)據(jù)。所以，本文將按照上市公司審計報告中實際存在較多的四種情況，將審計意見因變量劃分為標(biāo)準(zhǔn)無保留意見、無保留意見加事項段、保留意見和無法表示意見四種類別。

建模特征變量由多項財務(wù)指標(biāo)構(gòu)成。首先，建立了涵蓋企業(yè)經(jīng)營各個方面且可能與審計意見存在一定聯(lián)系的備選財務(wù)指標(biāo)體系，涉及發(fā)展能力、風(fēng)險水平、盈利能力、資產(chǎn)比率結(jié)構(gòu)以及償債能力。此備選財務(wù)指標(biāo)體系中既囊括了已有研究中涉及過的財務(wù)指標(biāo)，還增加了一些可能與審計意見有關(guān)聯(lián)的財務(wù)指標(biāo)。其次，為了進(jìn)一步篩選與審計意見有關(guān)聯(lián)的財務(wù)指標(biāo)，以提高后續(xù)構(gòu)建模型的效果，本文采用統(tǒng)計方法中的單因素方差分析（One-Way ANOVA）方法來選擇具有顯著影響的建模特征變量。利用ANOVA方法，選取出在四種類別審計意見樣本中具有顯著差異性的財務(wù)指標(biāo)作為最終的建模特征變量。

（二）數(shù)據(jù)處理設(shè)計

樣本公司的建模特征變量取值與審計意見因變量取值構(gòu)成初始建模數(shù)據(jù)集T1，然而該數(shù)據(jù)集存在不同特征變量之間的量級差別大和不同審計意見類別之間的樣本數(shù)量非平衡的問題，需要通過數(shù)據(jù)標(biāo)準(zhǔn)化處理和數(shù)據(jù)非平衡處理，進(jìn)而得到建模數(shù)據(jù)集T2。

1.數(shù)據(jù)標(biāo)準(zhǔn)化處理

由于特征變量的性質(zhì)不同，財務(wù)特征指標(biāo)之間的量級差別較大，如果直接用于訓(xùn)練模型，會產(chǎn)生數(shù)值較高的財務(wù)指標(biāo)被突出，數(shù)值較低的財務(wù)指標(biāo)被削弱的問題。所以，本文將對數(shù)據(jù)采用Min-Max標(biāo)準(zhǔn)化（Min-Max normalization）方法進(jìn)行歸一化處理，從而保證不同財務(wù)指標(biāo)數(shù)據(jù)間量級的平衡性，其公式如下：

公式中min v與max v分別代表某一類財務(wù)指標(biāo)的最小值和最大值。經(jīng)過標(biāo)準(zhǔn)化處理后，所有財務(wù)指標(biāo)的數(shù)值都會分布在[0，1]區(qū)間內(nèi)。

2.數(shù)據(jù)非平衡處理

本文將審計意見類型分為標(biāo)準(zhǔn)無保留意見、保留意見、無保留意見加事項段、無法表示意見四種?，F(xiàn)實中這四類審計意見類型的樣本公司數(shù)量有較大的差別，存在較為嚴(yán)重的類別間樣本數(shù)量不平衡問題，所以本文將利用SMOTE（Synthetic Minority Over-Sampling Technique）技術(shù)[23]處理類別間樣本數(shù)量不平衡的問題。

SMOTE是一種利用線性插值原理在原始樣本之間對少數(shù)類樣本進(jìn)行過采樣的技術(shù)，將針對每類少數(shù)類樣本即保留意見、無保留意見加事項段、無法表示意見三類樣本數(shù)據(jù)分別進(jìn)行非平衡處理。假設(shè)需要SMOTE過采樣的人工樣本數(shù)是原來少數(shù)類樣本數(shù)的W倍，則先使用K近鄰方法找出某個少數(shù)類樣本的K（K>W）個最鄰近同類樣本;然后，隨機(jī)從K個鄰近樣本中選取W個，并在原始少數(shù)類樣本本身與其某一鄰近樣本構(gòu)成的線段上插值生成新的子代樣本。通過SMOTE可以產(chǎn)生符合相應(yīng)審計意見類別特征的新樣本，從而增加保留意見、無保留意見加事項段、無法表示意見三類少數(shù)類樣本的數(shù)量，使得這三類樣本與標(biāo)準(zhǔn)無保留意見類別樣本之間的不平衡性得到減弱。

（三）基于ECOC-SVM的多類別審計意見預(yù)測模型構(gòu)建

1.SVM與ECOC的基本概念

SVM是一種應(yīng)用廣泛的人工智能分類方法，由Vapnik首先提出[24]。SVM方法的理論基礎(chǔ)是結(jié)構(gòu)風(fēng)險最小原理和統(tǒng)計學(xué)習(xí)中的VC維（Vapnik-Chervonenkis Dimension）理論，具有監(jiān)督學(xué)習(xí)性的分類模型，對兩類樣本訓(xùn)練SVM模型時將找到兩類樣本的最優(yōu)分類超平面w·x+b=0，再利用訓(xùn)練好的SVM分類器辨別待測未知企業(yè)樣本的審計類別。

傳統(tǒng)SVM只能用于建立二分類模型，為了解決多類別審計意見預(yù)測建模問題，需要引入或結(jié)合其他方法。本文將采用ECOC方法[25]，即在多類別審計意見的倆倆類別之間進(jìn)行二分類SVM建模時引入編碼的思想，并在審計意見預(yù)測時充分利用具有容錯性優(yōu)勢的代碼解碼過程。將SVM與ECOC相結(jié)合，從而構(gòu)建出ECOC-SVM多類別審計意見預(yù)測模型。

2.ECOC-SVM多類別審計意見預(yù)測模型

ECOC-SVM多類別審計意見預(yù)測模型的基本思想是將多類別審計意見預(yù)測問題拆分為若干個二分類審計意見預(yù)測問題，框架如圖1所示。

本文將利用三元ECOC原理，則多類別審計意見預(yù)測模型ECOC-SVM的工作過程分為兩步：

（1）編碼階段：在ECOC-SVM審計意見預(yù)測模型的訓(xùn)練階段，審計意見的四種類型分別被劃分指定為積極類別、消極類別或者停用類別。每次劃分中被指定為積極類別和消極類別的審計意見類型將被用于訓(xùn)練二分類SVM單分類器。例如，標(biāo)準(zhǔn)無保留意見作為訓(xùn)練中的積極類別（編碼為1），無保留意見加事項段則作為對立的消極類別（編碼為-1），進(jìn)而保留意見和無法表示意見將被作為停用類別（編碼為0），在此標(biāo)準(zhǔn)下利用樣本數(shù)據(jù)訓(xùn)練出一個二分類SVM單分類器;以此類推，每次以審計意見四種類型中的兩兩組合作為積極類別和消極類別，剩余兩種類型作為停用類型，訓(xùn)練得到六個二分類SVM單分類器。見表1。

（2）解碼階段：在ECOC-SVM審計意見預(yù)測模型的預(yù)測階段，待預(yù)測審計意見類型的公司樣本通過六個二分類SVM單分類器分別對其進(jìn)行預(yù)測，并將預(yù)測結(jié)果標(biāo)記組成一個編碼序列。這個預(yù)測結(jié)果編碼序列與每個類別的原始編碼序列進(jìn)行比較并且計算兩者之間的距離，最終返回其中距離最小的類別為ECOC-SVM模型預(yù)測的未知類別公司的審計類型。

四、模型驗證

（一）樣本選擇與數(shù)據(jù)來源

從滬深A(yù)股中選取2013—2017年具有標(biāo)準(zhǔn)無保留審計意見、無保留審計意見加事項段、保留意見和無法表示意見的各類上市公司數(shù)據(jù)作為研究樣本。樣本公司總數(shù)為3 421，其中，標(biāo)準(zhǔn)無保留審計意見、無保留審計意見加事項段、保留意見和無法表示意見的樣本公司數(shù)分別為2 912、351、109、49。本研究中所用的樣本公司審計意見和財務(wù)指標(biāo)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

（二）建模特征變量選擇結(jié)果

備選財務(wù)指標(biāo)體系由55個財務(wù)指標(biāo)構(gòu)成，利用IBM SPSS Statistics 21統(tǒng)計軟件進(jìn)行方差（ANOVA）分析，最終選擇出15個適合用于建立模型的特征財務(wù)指標(biāo)，結(jié)果如表2所示。收集所有樣本公司被出具審計意見年份的特征財務(wù)指標(biāo)數(shù)據(jù)和審計意見類型組成初始建模數(shù)據(jù)集T1。

（三）審計意見預(yù)測模型的實驗結(jié)果及分析

初始數(shù)據(jù)集T1經(jīng)過標(biāo)準(zhǔn)化處理和非平衡處理后得到建模數(shù)據(jù)集T2。利用Matlab軟件構(gòu)建ECOC-SVM多類別審計意見預(yù)測模型并進(jìn)行模型效果測試，重復(fù)運行30次，每次運行時隨機(jī)選取80%的樣本數(shù)據(jù)用于訓(xùn)練模型，剩余的20%樣本數(shù)據(jù)用于評價模型的預(yù)測性能。ECOC-SVM多類別審計意見預(yù)測模型對四類審計意見的平均預(yù)測準(zhǔn)確率以及整體預(yù)測平均準(zhǔn)確率結(jié)果如表3所示，同時根據(jù)30次模型測試結(jié)果繪制折線圖如圖2所示。

從表3中可以看出，ECOC-SVM多類別審計意見預(yù)測模型對于上市公司審計意見類型的預(yù)測性能達(dá)到較高水平。整體預(yù)測準(zhǔn)確率達(dá)到83.24%，說明ECOC-SVM模型通過公司的財務(wù)數(shù)據(jù)對公司的審計意見類型預(yù)測情況整體性能良好。圖2顯示，ECOC-SVM模型的整體預(yù)測準(zhǔn)確率曲線波動性較小，說明此模型預(yù)測時的運行性能較穩(wěn)定。

同時，ECOC-SVM模型對四種審計意見類型的預(yù)測準(zhǔn)確率均超過80%，其中，對保留意見樣本公司的預(yù)測準(zhǔn)確率達(dá)到86%，在四類中居最高準(zhǔn)確率水平;對無法表示意見樣本公司的預(yù)測準(zhǔn)確率為次高，達(dá)到85.23%;但是ECOC-SVM模型對于保留意見類和無法表示意見兩類樣本公司的預(yù)測準(zhǔn)確率較為不穩(wěn)定，保留意見類的折線圖波動性最大。模型對標(biāo)準(zhǔn)無保留意見和無保留意見加事項段兩個類別的預(yù)測穩(wěn)定性較好，對標(biāo)準(zhǔn)無保留意見類別的預(yù)測平均準(zhǔn)確率高于無保留意見加事項段類別。

實證結(jié)果表明本文構(gòu)建的ECOC-SVM多類別審計意見預(yù)測模型能夠較為準(zhǔn)確地預(yù)測上市公司的審計意見，預(yù)測性能達(dá)到滿意水平。利用ECOC-SVM多類別審計意見預(yù)測模型能夠輔助使用者預(yù)測上市公司可能被出具的審計意見。同時，實證結(jié)果也表明，上市公司的審計意見類型與建模特征值——財務(wù)指標(biāo)之間存在一定的相關(guān)關(guān)系，將多個與審計意見具有相關(guān)性的財務(wù)指標(biāo)信息通過ECOC-SVM模型進(jìn)行綜合建模，更能輔助預(yù)測審計意見類型，并達(dá)到滿意的預(yù)測效果。

五、結(jié)論

企業(yè)的財務(wù)報告以及審計報告、審計意見等越來越被監(jiān)管者和投資者所關(guān)注，審計報告也成為監(jiān)管公司的有利工具，審計意見的作用也越發(fā)重要。投資者和監(jiān)管者可以利用審計報告及審計意見類別來輔助其做出各項決策。本文將ECOC的編碼解碼思想和SVM分類預(yù)測方法相融合，建立了ECOC-SVM多類別審計意見預(yù)測模型。審計意見類別作為分類類別，采用實際上市公司被出具審計意見的常見四種類別，即標(biāo)準(zhǔn)無保留意見、無保留意見加事項段、保留意見和無法表示意見。通過單因素方差分析篩選出對審計意見有顯著影響的建模特征財務(wù)指標(biāo)體系，并對初始建模數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理和數(shù)據(jù)非平衡處理。經(jīng)過實證檢驗，ECOC-SVM多類別審計意見預(yù)測模型對審計意見整體預(yù)測準(zhǔn)確率達(dá)到83.24%，對四種審計意見分類別的預(yù)測準(zhǔn)確率也均達(dá)到80.00%以上，ECOC-SVM模型預(yù)測效果良好。投資者和監(jiān)管者可以借助此模型的預(yù)測結(jié)果來輔助預(yù)測審計意見，注冊會計師也可以運用模型的預(yù)測結(jié)果來檢測出具的審計意見是否恰當(dāng)，從而降低審計風(fēng)險。●

【參考文獻(xiàn)】

[1] MUTCHLER J F.A Multivariate analysis of the auditors going-concern opinion decision[J].Journal of Accounting Research，1985，23（2）：668-682.

[2] 章永奎，劉峰.盈余管理與審計意見相關(guān)性實證研究 [J].中國會計與財務(wù)研究，2002 （1）：1-14.

[3] 趙楚伊，劉艷萍，崔霽晗，等.我國上市公司審計意見類型影響因素研究[J].現(xiàn)代商業(yè)，2017（12）：161-162.

[4] 孫錚，曹宇.股權(quán)結(jié)構(gòu)與審計需求[J].審計研究，2004 （3）：7-14.

[5] CHAN H K，LIN K Z，WANG R R.Government ownership，accounting-based regulations，and the pursuit of favorable audit opinions：evidence from China[J].Auditing：A Journal of Practice & Theory，2012，31 （4）：47-64.

[6] 方軍雄，洪劍峭，李若山.我國上市公司審計質(zhì)量影響因素研究發(fā)現(xiàn)和啟示[J].審計研究，2004（6）：38-46.

[7] 周楊.我國上市公司審計意見影響因素的實證研究——基于2008年滬深A(yù)股年報數(shù)據(jù)的分析[J].會計之友，2011（4）：62-64.

[8] 劉霄侖，郝臣，褚玉萍.公司治理對上市公司審計意見類型影響的研究——基于2007—2011年中國民營上市公司的面板數(shù)據(jù)[J].審計研究，2012（5）：51-57.

[9] KRISHNAN G V，WANG C.The relation between managerial ability and audit fees and going concern opinions[J].Auditing：A Journal of Practice & Theory，2015，34（3）：139-160.

[10] DEFOND M L，RAGHUNANDAN K，SUBRAMANYAM K R.Do non-audit service fees impair auditor independence？ Evidence from going concern audit opinion[J].Journal of Accounting Research，2002，（40）4：1247-1274.

[11] 吳臘.我國上市公司年報審計意見影響因素研究 [J].財會通訊，2014（36）：28-33.

[12] KIDA T.An investigation into auditor' continuity and related qualification judgments[J].Journal of Accounting Research，1980，18（2）：506-523.

[13] KLEINMAN G，ANANDARAJAN A.The usefulness of off-balance sheet variables as predictors of auditors' going concern opinions：An empirical analysis [J].Managerial Auditing Journal，1999，14（6）：273-285.

[14] 張曉嵐，張文杰，魯曉嵐.持續(xù)經(jīng)營能力重大不確定性下審計意見的預(yù)測研究[J].統(tǒng)計與決策，2007 （8）：96-98.

[15] 胡繼榮，王耀明.論CPA不確定性審計意見預(yù)測——基于重大疑慮事項的持續(xù)經(jīng)營[J].會計研究，2009 （6）：81-87.

[16] DOUMPOS M， GAGANIS C， PASIOURAS F.Explaining qualifications in audit reports using a support vector machine methodology[J].Intelligent Systems in Accounting Finance & Management，2005，13（4）：197-215.

[17] 田金玉.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司審計意見預(yù)測模型 [J].財會月刊，2010（3）：109-110.

[18] 王旭，孔玉生.基于BP神經(jīng)網(wǎng)絡(luò)模型的持續(xù)經(jīng)營不確定性審計意見預(yù)測[J].財會月刊，2012（36）：62-64.

[19] FERNANDEZ-GAMEZ M A.GARCIA-LAGOS F，SANCHEZ-SERRANO J R.Integrating corporate governance and financial variables for the identification of qualified audit opinions with neural networks [J].Neural Computing & Applications，2016，27（5）：1427-1444.

[20] GAGANIS C， PASIOURAS F， SPATHIS C， ZOPOUNIDIS C.A comparison of nearest neighbours discriminant and logit models for auditing decision[J].Intelligent Systems in Accounting Finance & Management，2007，15（1/2）：23-40.

[21] PASIOURAS F， GAGANIS C， ZOPOUNIDIS C.Multicriteria decision support methodologies for auditing decisions：the case of qualified audit reports in the UK[J].European Journal of Operational Research，2007，180（3）：1317-1330.

[22] 張志恒，李丹，李瑜.基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計意見預(yù)測模型研究[J].重慶理工大學(xué)學(xué)報（社會科學(xué)），2017（8）：37-43.

[23] CHAWLA N V，BOWYER K W，HALL L O，et al.SMOTE：synthetic minority over-sampling technique[J].Journal of Artificial Intelligence Research，2002，16（1）：321-357.

[24] VAPNIK V N.Statistical learning theory[M]. John Wiley and Sons，1998.

[25] DIETTERICH T G，BAKIRI G.Solving multiclass learning problems via error-correcting output codes[J].Journal of Artificial Intelligence Research，1995，2（1）：263-286.