“另類數(shù)據(jù)”對于分析研判企業(yè)財務(wù)狀況的價值與思考

張冬

近年來，探索“另類數(shù)據(jù)”應(yīng)用的研究日漸興起，通過分析財務(wù)數(shù)據(jù)的局限以及“另類數(shù)據(jù)”的特點，研究重點探討了其在企業(yè)業(yè)績預(yù)測、財務(wù)困境識別與預(yù)警、財務(wù)舞弊甄別方面的應(yīng)用價值，并結(jié)合應(yīng)用中面臨的挑戰(zhàn)給出了建議。

數(shù)據(jù)作為數(shù)字經(jīng)濟時代的基本元素，已被國家明確列為與土地、勞動力、資本、技術(shù)并列的第五大生產(chǎn)要素并受到各方關(guān)注。數(shù)字經(jīng)濟環(huán)境下的數(shù)據(jù)通過計算機和互聯(lián)網(wǎng)等工具捕捉、管理和處理形成數(shù)據(jù)集合和信息資產(chǎn)[1]。在財金領(lǐng)域，財務(wù)數(shù)據(jù)以及由此構(gòu)建的財務(wù)指標形成了財務(wù)分析的基礎(chǔ)，隨著信息化、智能化技術(shù)的應(yīng)用，更多“另類數(shù)據(jù)”等非財務(wù)數(shù)據(jù)被納入分析框架，基于財務(wù)數(shù)據(jù)和非財務(wù)數(shù)據(jù)的綜合評價體系日漸受到青睞?！傲眍悢?shù)據(jù)”成為熱議話題，主要得益于投資機構(gòu)通過數(shù)據(jù)挖掘和檢驗發(fā)現(xiàn)了“另類因子”用以獲取股市超額收益。實際上，研究探討“另類數(shù)據(jù)”在企業(yè)業(yè)績預(yù)測、財務(wù)預(yù)警、財務(wù)舞弊等方面的應(yīng)用存在著巨大潛力。

一、財務(wù)數(shù)據(jù)用于分析研判的局限

第一，財務(wù)數(shù)據(jù)的滯后性不利于獲悉企業(yè)的最新狀況。雖然上市公司定期披露財務(wù)季報，信息更新頻率優(yōu)于非上市企業(yè)，但依舊屬于事后披露，滯后的信息一來不能體現(xiàn)企業(yè)實時經(jīng)營動態(tài)，二來此期間若遇外因（如事件）沖擊，可能導(dǎo)致分析結(jié)論與企業(yè)現(xiàn)實狀況不符，進而影響判斷和決策。

第二，可能存在的財務(wù)數(shù)據(jù)粉飾現(xiàn)象無助于把握企業(yè)的真實狀態(tài)。一方面，出于美化財務(wù)報表的動機，部分企業(yè)有可能在遵守會計準則的前提下粉飾現(xiàn)有經(jīng)營成果，隱瞞或掩蓋潛在風險;另一方面，亦有企業(yè)可能出于商業(yè)競爭和保密需要，合法合規(guī)合理的隱藏自身一些潛力或優(yōu)勢。這兩類情形終將導(dǎo)致分析研判出現(xiàn)偏差。

第三，財會信息含量日趨下降使得財務(wù)分析研判的價值縮水。有學(xué)者[2]通過實證研究發(fā)現(xiàn)，古老的財會信息范式已漸漸不能滿足當前因技術(shù)變革、交易創(chuàng)新、商業(yè)模式蛻變所要求的信息需求，財務(wù)數(shù)據(jù)的有用性正在減弱，例如定期發(fā)布的財報在預(yù)測企業(yè)未來盈余方面的作用越來越弱，最為主要的三個因素歸結(jié)于商界無形資產(chǎn)的興起、會計估計的困難、關(guān)鍵影響因素的缺失。

第四，財務(wù)數(shù)據(jù)自身的局限導(dǎo)致不能直觀反映企業(yè)多維信息。財務(wù)數(shù)據(jù)不具備能夠直接反映諸如行業(yè)、市場、競爭態(tài)勢等企業(yè)發(fā)展趨勢的外在信息，也不直接體現(xiàn)企業(yè)內(nèi)部組織效率、文化、人才優(yōu)勢等內(nèi)在信息?？傊攧?wù)數(shù)據(jù)及指標所能夠測度的企業(yè)狀況相對有限，無法直接體現(xiàn)和反映諸如風控、內(nèi)部資源整合、社會責任履行等信息。

二、“另類數(shù)據(jù)”的界定及優(yōu)勢

“另類數(shù)據(jù)”至今沒有統(tǒng)一明確的定義，摩根大通[3]將其大致分為個人活動（如社交媒體帖子、產(chǎn)品評論等）、商業(yè)活動（商業(yè)交易、支付數(shù)據(jù)等）和傳感器生成的數(shù)據(jù)（衛(wèi)星監(jiān)測數(shù)據(jù)、行人和車流量等）三類。廖理[4]認為“另類數(shù)據(jù)”泛指區(qū)別于傳統(tǒng)金融數(shù)據(jù)的有價值的信息和數(shù)據(jù)，該類數(shù)據(jù)多以文本、圖片、音頻、視頻等非結(jié)構(gòu)化形式存在，具備大體量、實時或接近實時獲取、種類豐富多樣等特點。其主要優(yōu)勢表現(xiàn)為：第一，拓寬了分析研判的信息維度。與財務(wù)數(shù)據(jù)相比，“另類數(shù)據(jù)”包含了更多預(yù)見和洞察力的信息，可彌補財務(wù)數(shù)據(jù)覆蓋面不廣的缺陷，有助于改進分析研判的工作質(zhì)量;第二，增強了分析研判的時效性?！傲眍悢?shù)據(jù)”獲取和傳輸?shù)膶崟r性大為提高，有助于及時把握或預(yù)判企業(yè)真實的經(jīng)營動態(tài)、處置或化解經(jīng)營風險、調(diào)整或優(yōu)化經(jīng)營策略，從而為企業(yè)穩(wěn)健經(jīng)營提供參考;第三，為智能分析研判提供了機遇?！傲眍悢?shù)據(jù)”多樣化的數(shù)據(jù)形式和豐富的信息含量為有效運用數(shù)據(jù)挖掘、聚類分析、機器學(xué)習等研究方法提取蘊含其中的“金礦”，用以實現(xiàn)智能分析決策提供了創(chuàng)新和便利之道。

三、“另類數(shù)據(jù)”應(yīng)用于其中的價值體現(xiàn)

（一）企業(yè)業(yè)績預(yù)測

借助線上銷量數(shù)據(jù)分析預(yù)測企業(yè)營收。電子商務(wù)的蓬勃發(fā)展提升了商貿(mào)活動的效率，大數(shù)據(jù)公司通過監(jiān)測以電商業(yè)務(wù)為主的商家和企業(yè)的周度、月度商品銷量及客戶評論等數(shù)據(jù)，不僅可以實時掌握經(jīng)營主體的時序銷售情況、判斷熱銷品類、獲取品牌市場占有率等信息，而且還可以實時分析預(yù)判營收動態(tài)等經(jīng)營指標。信息獲取的領(lǐng)先程度大為提高，為相關(guān)方實時研判行業(yè)發(fā)展趨勢、調(diào)整競爭策略、增強經(jīng)營的靈活性和主動性提供了幫助。

借助衛(wèi)星數(shù)據(jù)分析預(yù)測上市公司業(yè)績。衛(wèi)星遙感監(jiān)測具有范圍廣、高效、相對精準等特點，借助衛(wèi)星感知地面工廠可見光強度和溫差，可以分析預(yù)測企業(yè)經(jīng)營狀況。通常而言，夜光強度和紅外溫度高，則企業(yè)生產(chǎn)經(jīng)營活躍，最終會對業(yè)績產(chǎn)生積極影響。已有科技企業(yè)對特斯拉美國加州弗里蒙特工廠（整車及零部件主要生產(chǎn)基地）的衛(wèi)星監(jiān)測顯示，特斯拉夜光數(shù)據(jù)與汽車銷售營收數(shù)據(jù)的二者趨勢（2014年-2019年）高度一致，趨勢拐點相符，對于實時掌握企業(yè)生產(chǎn)狀況、動態(tài)預(yù)測其業(yè)績變化提供了新渠道。

借助戰(zhàn)略性資產(chǎn)分析研判企業(yè)未來業(yè)績增長潛力。巴魯克·列夫和谷豐[2]認為某些行業(yè)決定企業(yè)成長和保持競爭優(yōu)勢的因素不再是衡量歷史盈利、償債能力等為導(dǎo)向的財務(wù)指標，而是決定企業(yè)未來業(yè)績的戰(zhàn)略性資產(chǎn)的多寡以及管理層對這些資產(chǎn)配置的成效，包括在研藥品臨床試驗的成功率，保險公司保單的續(xù)保模式，互聯(lián)網(wǎng)企業(yè)的新客戶增長率和客戶流失率，企業(yè)研發(fā)的投入和專利的轉(zhuǎn)化率、保護期以及保護范圍，勘探中油井礦藏含量的前景，航空公司飛機運載能力使用率的趨勢，企業(yè)內(nèi)部科學(xué)家、明星或關(guān)鍵人物等特殊人才的數(shù)量及其貢獻等信息。這些優(yōu)勢相對稀缺且更加難以模仿，是企業(yè)獲得競爭優(yōu)勢并保持業(yè)績領(lǐng)先的關(guān)鍵變量。

挖掘文本增量信息用以分析預(yù)測企業(yè)盈虧。相較于財務(wù)數(shù)據(jù)，運用文本挖掘技術(shù)獲取前瞻性信息并構(gòu)建指標來預(yù)測企業(yè)業(yè)績的研究較為新穎。例如，管理層討論與分析（MD&A）作為上市公司年報、業(yè)績說明會、招股說明書所涉及的內(nèi)容，有研究文獻探討了其對企業(yè)盈利的預(yù)判價值。其中，管理層對存貨異常增加的討論可以預(yù)測企業(yè)盈利[5]，管理層正（負）面語調(diào)與上市公司T+1年業(yè)績顯著正（負）相關(guān)[6]，招股說明書中的負面語調(diào)與IPO 后公司業(yè)績表現(xiàn)顯著負相關(guān)[7]，MD&A語言質(zhì)量綜合指標對于預(yù)測公司未來財務(wù)業(yè)績作用明顯[8]。

（二）企業(yè)財務(wù)困境的識別與預(yù)警

涉及企業(yè)生產(chǎn)經(jīng)營的動態(tài)信息開始用于財務(wù)風險識別。危機管理理論將一系列不佳的財務(wù)狀況稱為“財務(wù)危機”“財務(wù)困境”[9]，包括企業(yè)拖欠優(yōu)先股股利和債務(wù)、銀行透支、破產(chǎn)等現(xiàn)象[10]。為有效把控經(jīng)濟結(jié)構(gòu)調(diào)整期債券市場違約事件頻發(fā)的風險，有科技企業(yè)通過實時監(jiān)測，發(fā)現(xiàn)部分發(fā)債企業(yè)的員工人流強度和夜班員工比例、進出廠區(qū)的卡車數(shù)量、律師活躍度和法律訴訟案件數(shù)量可用于預(yù)判企業(yè)債風險;而商場顧客和停車位車輛變化、物業(yè)出租率等指標變動，有助于預(yù)判ABS風險。實時變化的“另類指標”為相關(guān)方提前掌握更多信息并提早應(yīng)對債務(wù)違約或延期償付等財務(wù)危機提供了新思路。

數(shù)據(jù)挖掘和整合得到大數(shù)據(jù)和機器學(xué)習等技術(shù)的支持。早期對于財務(wù)預(yù)警的研究多基于財務(wù)指標，新技術(shù)的應(yīng)用為挖掘新的財務(wù)預(yù)警指標、探索財務(wù)預(yù)警新方法創(chuàng)造了條件。有研究人員[11]運用情感分析方法并統(tǒng)計網(wǎng)民信息發(fā)布的頻次，加以融合形成傳感信號，同時結(jié)合財務(wù)指標，構(gòu)建基于大數(shù)據(jù)的財務(wù)風險預(yù)警模型，研究發(fā)現(xiàn)相對于單純使用財務(wù)指標，預(yù)警模型具有更好的前瞻性;還有學(xué)者[12]運用機器學(xué)習法對上市公司業(yè)績爆雷進行預(yù)警分析，通過將財務(wù)指標與企業(yè)商譽、并購指標適當結(jié)合，發(fā)現(xiàn)商譽和長期負債過高的企業(yè)業(yè)績更易爆雷，而企業(yè)收益、營運能力以及現(xiàn)金流也對業(yè)績爆雷產(chǎn)生重要影響。

已有非財務(wù)影響因素持續(xù)得到深入研究和應(yīng)用。將影響企業(yè)運營的內(nèi)、外部非財務(wù)信息引入財務(wù)預(yù)警模型進行研究的做法并不少見。如涵蓋外部因素的實際GDP增長率、貸款利率等[13]宏觀經(jīng)濟變量，衡量行業(yè)產(chǎn)出變化的中觀指標[14]，以及企業(yè)內(nèi)部因素諸如股權(quán)結(jié)構(gòu)、公司治理以及管理層激勵、投資者保護[9]或者企業(yè)重大事項、人力資本[15]等微觀指標。運用非財務(wù)數(shù)據(jù)與財務(wù)指標將兩者結(jié)合，共同構(gòu)建財務(wù)困境預(yù)警分析體系（系統(tǒng)），改進了模型預(yù)警的效果，拓展了財務(wù)預(yù)警的研究邊界并豐富了其內(nèi)涵。

（三）企業(yè)財務(wù)舞弊的甄別

數(shù)據(jù)挖掘拓展了財務(wù)舞弊甄別的信息維度。財務(wù)報表修飾和美化手段的使用，降低了單純使用財務(wù)信息識別舞弊造假的效力，數(shù)據(jù)挖掘技術(shù)為研究使用非財務(wù)信息探究財務(wù)舞弊提供了可能。研究表明，管理者特征、企業(yè)文化、內(nèi)控環(huán)境、薪酬激勵等企業(yè)內(nèi)部因素與企業(yè)財務(wù)欺詐相關(guān)聯(lián)[16];宏觀經(jīng)濟、行業(yè)景氣、監(jiān)管、關(guān)聯(lián)方交易等企業(yè)外部因素也對財務(wù)舞弊產(chǎn)生影響，綜合數(shù)據(jù)挖掘方法和非財務(wù)指標的模型可以獲得更好的造假識別率[17]。此外，對于第三方渠道如審計信息的非正常變更、客戶和供應(yīng)商的異常、銀行賬戶和對賬單、海關(guān)報關(guān)單等信息的核實與分析，亦有助于財務(wù)舞弊的甄別。

文本挖掘有助于提升財務(wù)造假甄別的準確率。有研究人員[18]融合新聞情感指標與財務(wù)指標，依托新聞報道建立新聞“數(shù)據(jù)庫”并對上市公司進行情感分析，將生成的積極、消極情感等新聞情感指標，與5個反映公司財務(wù)狀況的指標相結(jié)合，共同構(gòu)建財務(wù)造假識別模型，再與單純使用財務(wù)指標或新聞情感指標構(gòu)造的模型進行比較，對比發(fā)現(xiàn)融合了兩類指標的模型對于造假識別的準確率最高。還有學(xué)者發(fā)現(xiàn)財務(wù)報告的負面、不確定性及財務(wù)訴訟詞匯占比與財務(wù)欺詐顯著相關(guān)[19];或使用決策樹模型構(gòu)建最能區(qū)分虛假和真實財報的詞匯排序表，并以其中前200個詞匯為基礎(chǔ)采用支持向量機（SVM）技術(shù)預(yù)測財報的真實概率，得出正確的分類率約為82%[20];或從公開披露的財報等信息中提取的語言線索對比研究虛假披露和真實披露之間的差別，發(fā)現(xiàn)虛假披露組別更多傾向使用煽動性的語言、詞匯、比喻以增加受眾閱讀的愉悅感，不過詞匯的多樣性相對更少，但披露內(nèi)容較多，目的在于看上去可信，但其中包含的實質(zhì)內(nèi)容卻更少[21]。

四、“另類數(shù)據(jù)”應(yīng)用中面臨的挑戰(zhàn)

一是數(shù)據(jù)面臨倫理與治理方面的爭議。如果缺乏約束和有效規(guī)制，“另類數(shù)據(jù)”的獨特性和稀缺性，也可能對個人、企業(yè)甚至社會產(chǎn)生消極影響。例如，輿情數(shù)據(jù)、支付數(shù)據(jù)、醫(yī)療保險數(shù)據(jù)、地理位置信息都可能涉及隱私問題，這些數(shù)據(jù)的商業(yè)化應(yīng)用與安全使用、隱私保護之間的矛盾已成為不可回避的議題，實踐中有待具體法規(guī)和政策加以持續(xù)細化。

二是數(shù)據(jù)質(zhì)量問題影響研究分析的效果。由于“另類數(shù)據(jù)”來源廣泛，可能存在數(shù)據(jù)維度詛咒、數(shù)據(jù)造假或數(shù)據(jù)有偏等問題，具體表現(xiàn)為：樣本數(shù)量的限制與指標參數(shù)的激增，使得預(yù)測模型存在更高的過擬合風險;虛假評論、用戶刷單等不良行為增加了獲取真實數(shù)據(jù)的難度;數(shù)據(jù)覆蓋范圍、歷史長短等因素是否較好的代表了樣本整體特征等等。如果處理不妥，研究結(jié)論的可靠性就會下降。

三是數(shù)據(jù)獲取和分析的高門檻限制了推廣使用?！傲眍悢?shù)據(jù)”來源廣泛、形式多樣、標準化程度低、挖掘提取難度較大，現(xiàn)有的統(tǒng)計方法乃至計量分析未必完全適用;自然語言處理、廣義人工智能技術(shù)的嵌入，大大超出了財經(jīng)類人員的專業(yè)范疇，對研究人員的綜合能力特別是數(shù)據(jù)挖掘、清洗、編程、建模等能力提出了高要求。

五、思考與建議

第一，貫徹落實法律法規(guī)，強化數(shù)據(jù)治理。當前，國家涉及數(shù)據(jù)安全和個人信息保護的相關(guān)法規(guī)已經(jīng)頒布，應(yīng)當依法依規(guī)強化對于“另類數(shù)據(jù)”在內(nèi)的數(shù)據(jù)采集和使用行為的監(jiān)管，加大對于數(shù)據(jù)產(chǎn)權(quán)和個人信息的保護力度，為數(shù)據(jù)產(chǎn)業(yè)持續(xù)健康發(fā)展提供制度保障。同時，進一步完善“另類數(shù)據(jù)”規(guī)范使用和流通的政策措施，包括制定發(fā)布行業(yè)標準和規(guī)范，激發(fā)市場主體活力，暢通數(shù)據(jù)流通機制，建立健全數(shù)據(jù)要素市場并有效發(fā)揮其資源配置功能，培育有利于“另類數(shù)據(jù)”生產(chǎn)、使用和管理的良好環(huán)境。

第二，加強創(chuàng)新，不斷深化“另類數(shù)據(jù)”與財務(wù)數(shù)據(jù)的融合運用。一方面要持續(xù)增強研究能力，有效發(fā)揮大數(shù)據(jù)分析和人工智能等新技術(shù)的優(yōu)勢，在所挖掘數(shù)據(jù)的真實性和模型適用性方面持續(xù)探索，不斷拓展“另類數(shù)據(jù)”的應(yīng)用空間;另一方面要重視“另類數(shù)據(jù)”這類變量在研究中的因果關(guān)聯(lián)和解釋，特別是明晰蘊含在其中的內(nèi)在經(jīng)濟金融機理和邏輯關(guān)系，同時做好與財務(wù)數(shù)據(jù)的配合，建立健全適用于智能分析、預(yù)警、甄別的科學(xué)指標體系，提升分析預(yù)測的精度和效能。

第三，提升“另類數(shù)據(jù)”的標準化程度，打造更高質(zhì)量的數(shù)據(jù)基礎(chǔ)設(shè)施。相對于傳統(tǒng)商業(yè)或科研數(shù)據(jù)庫中已有的標準化財務(wù)數(shù)據(jù)，以非結(jié)構(gòu)化形式存在的“另類數(shù)據(jù)”，散落并隱含在浩瀚的各類信息和資料之中，亟待提取加工并形成標準化數(shù)據(jù)，用以構(gòu)建日漸興起且覆蓋更廣信息維度的新型或特色數(shù)據(jù)庫，為分析研判和科學(xué)決策提供支撐。同時，實踐中還應(yīng)明晰數(shù)據(jù)授權(quán)、共享和具體應(yīng)用的規(guī)則，在提升“另類數(shù)據(jù)”使用便利化程度的同時，降低推廣使用成本，為學(xué)界、業(yè)界、監(jiān)管方等使用者提供更加豐富、便捷的數(shù)據(jù)產(chǎn)品和服務(wù)。

參考文獻：

[1]何玉長，王偉. 數(shù)據(jù)要素市場化的理論闡釋[J]. 當代經(jīng)濟研究，2021（4）：33-44.

[2]巴魯克·列夫，谷豐. 會計的沒落與復(fù)興[M].方軍雄譯.北京： 北京大學(xué)出版社，2018.

[3]Kolanovic M.， Krishnamachari R. T. Big data and AI strategies—machine learning and alternative data approach to investing[R]. J.P. Morgan Global Quantitative and Derivatives Strategy. 2017（5）： 1-276.

[4]廖理. 另類數(shù)據(jù)：經(jīng)濟增長的新亮點[J]. 人民論壇·學(xué)術(shù)前沿，2021（4）：22-27.

[5]仇瑩，張志宏. 存貨異常增加與盈利預(yù)測相關(guān)性研究——基于“管理層討論與分析”存貨信息披露[J]. 湖南師范大學(xué)社會科學(xué)學(xué)報，2016（4）：110-116.

[6]謝德仁，林樂. 管理層語調(diào)能預(yù)示公司未來業(yè)績嗎？——基于我國上市公司年度業(yè)績說明會的文本分析[J]. 會計研究，2015（2）：20-27.

[7]賈德奎，卞世博. 招股說明書負面語調(diào)能預(yù)測IPO后業(yè)績表現(xiàn)嗎？[J]. 金融論壇，2019（10）：60-69.

[8]王澤霞，潘夢雪，郜鼎.? MD&A語言特征與公司未來財務(wù)業(yè)績——基于中國創(chuàng)業(yè)板制造業(yè)上市公司的實證研究[J]. 財會月刊，2019（2）： 78-87.

[9]田寶新，王建瓊. 基于財務(wù)與非財務(wù)要素的上市公司財務(wù)困境預(yù)警實證研究[J]. 金融評論，2017（5）： 103-115.

[10]Beaver W. H. Financial rations as predictors of failures[J]. Journal of Accounting Research， 1966， 4（1）： 71-111.

[11]宋彪，朱建明，李煦.基于大數(shù)據(jù)的企業(yè)財務(wù)預(yù)警研究[J]. 中央財經(jīng)大學(xué)學(xué)報，2015（6）：55-64.

[12]張宏斌，郭蒙. 機器學(xué)習與財務(wù)預(yù)測——來自中國上市公司業(yè)績爆雷預(yù)警應(yīng)用的經(jīng)驗研究[J]. 金融學(xué)季刊，2020（4）：135-154.

[13]盧永艷. 宏觀經(jīng)濟因素對企業(yè)財務(wù)困境風險影響的實證分析[J]. 宏觀經(jīng)濟研究，2013（5）：53-58.

[14]Platt H. D.， Platt M. B. Development of a class of stable predictive variables： the case of bankruptcy prediction[J]. Journal of Business Finance and Accounting， 1990， 17（1）：31-51.

[15]曾繁榮，劉小淇. 引入非財務(wù)變量的上市公司財務(wù)困境預(yù)警[J]. 財會月刊，2014（8）：25-30.

[16]張力派，程晨，陳玲玲. 大數(shù)據(jù)時代對上市公司財務(wù)舞弊的影響——研究綜述及展望[J]. 管理現(xiàn)代化，2020（5）：122-129.

[17]彭子坤，曾志勇. 基于非財務(wù)信息的財務(wù)舞弊識別問題綜述[J]. 財會通訊，2013（14）：55-57.

[18]張春梅，趙明清，吳學(xué)子. 基于新聞情感的上市公司財務(wù)造假識別方法研究[J]. 山東科技大學(xué)學(xué)報（自然科學(xué)版），2021（1）：91-99.

[19]Loughran T.，McDonald B. When is a liability not a liability？ Textual analysis，dictionaries，and 10-Ks[J]. The Journal of Finance，2011， 66（1）： 35-65.

[20]Purda L.， Skillicorn D. Accounting variables， deception， and a bag of words： Assessing the tools of fraud detection[J]. Contemporary Accounting Research， 2015， 32（3）：1193-1223.

[21]Humpherys S. L.， Moffitt K. C.，Burns M.B.，Burgoon K.C.， Felix W.F. Identification of fraudulent financial statements using linguistic credibility analysis[J]. Decision Support Systems， 2011，50（3）： 585-594.

作者單位：中國期貨業(yè)協(xié)會，高級經(jīng)濟師，博士。