基于機(jī)器學(xué)習(xí)的分析師識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的研究

伍 彬 劉云菁 張 敏

(1.中國(guó)人民大學(xué)商學(xué)院； 2.湖南財(cái)政經(jīng)濟(jì)學(xué)院會(huì)計(jì)學(xué)院)

1 研究背景

作為重要的信息中介，分析師通過搜集、分析和解讀信息，能夠降低信息不對(duì)稱程度，發(fā)揮重要的治理作用[1,2]。分析師利用的信息類型、獲取信息的方式和解讀信息的過程是其發(fā)揮積極作用的基礎(chǔ)。現(xiàn)有文獻(xiàn)從搜集信息的方式和內(nèi)容等角度對(duì)分析師行為的影響因素展開了豐富的研究[3～6]，但少有文獻(xiàn)研究分析師對(duì)信息的解讀如何影響其決策。分析師對(duì)信息的解讀是其預(yù)測(cè)公司未來發(fā)展的基礎(chǔ)，而根據(jù)獲取的信息推測(cè)公司發(fā)生財(cái)務(wù)舞弊的概率正是其解讀信息的重要方式之一。因此，本研究擬從財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別的角度打開分析師解讀信息的黑箱，探究分析師能否識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)并出具消極的評(píng)級(jí)報(bào)告，并檢驗(yàn)該應(yīng)對(duì)措施能否降低公司未來的舞弊風(fēng)險(xiǎn)。

然而，研究這一問題最大的挑戰(zhàn)在于如何準(zhǔn)確刻畫公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。如果用監(jiān)管機(jī)構(gòu)處罰的舞弊案例衡量，僅能用二元變量表示舞弊風(fēng)險(xiǎn)，不僅被處罰的舞弊案例有限、存在嚴(yán)重的滯后性，且無(wú)法精確刻畫出不同公司間舞弊風(fēng)險(xiǎn)的差異，因而采用是否被處罰來衡量企業(yè)的舞弊風(fēng)險(xiǎn)存在較大問題。本研究采用機(jī)器學(xué)習(xí)預(yù)測(cè)公司財(cái)務(wù)舞弊的概率。機(jī)器學(xué)習(xí)算法相比于傳統(tǒng)的預(yù)測(cè)方法，具有多方面優(yōu)勢(shì)，例如能夠解決預(yù)測(cè)因子多、高度相關(guān)以及預(yù)測(cè)函數(shù)形式復(fù)雜等問題。因而，機(jī)器學(xué)習(xí)算法十分契合公司財(cái)務(wù)舞弊的預(yù)測(cè)，能大大提升財(cái)務(wù)舞弊風(fēng)險(xiǎn)衡量的準(zhǔn)確性。基于預(yù)測(cè)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)指標(biāo)，本研究考察分析師是否更可能針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告，并進(jìn)一步檢驗(yàn)分析師出具消極評(píng)級(jí)報(bào)告能否降低公司未來的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

本研究的主要貢獻(xiàn)在于：①區(qū)別于現(xiàn)有文獻(xiàn)從分析師獲取信息的方式和信息來源等方面研究分析師行為的影響因素[3, 6]，本研究從分析師決策過程的角度拓展了分析師行為的影響因素領(lǐng)域的研究，進(jìn)一步打開了分析師決策過程的黑匣子；②諸多文獻(xiàn)從分析師跟蹤的經(jīng)濟(jì)后果的角度檢驗(yàn)分析師的治理效應(yīng)[1]，本研究則以識(shí)別財(cái)務(wù)舞弊風(fēng)險(xiǎn)的視角切入，從分析師發(fā)布消極的評(píng)級(jí)報(bào)告的經(jīng)濟(jì)后果的角度豐富了分析師治理效應(yīng)領(lǐng)域的文獻(xiàn)；③引入機(jī)器學(xué)習(xí)算法對(duì)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)進(jìn)行衡量，拓展了公司財(cái)務(wù)與公司治理研究的視角。

2 文獻(xiàn)綜述

與本研究主題相關(guān)的文獻(xiàn)主要包括分析師行為的影響因素與財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別兩類，下面從這兩個(gè)角度進(jìn)行綜述。

在分析師行為的影響因素方面，現(xiàn)有文獻(xiàn)主要從分析師獲取信息的途徑與信息來源等角度展開研究。從分析師獲取信息的途徑來看：一方面，分析師通過公開渠道獲取信息。CEN等[7]、GREEN等[8]和CHENG等[3]分別發(fā)現(xiàn)，參加電話會(huì)議、主辦投資者會(huì)議和開展實(shí)地調(diào)研是分析師搜集信息的重要途徑。另一方面，分析師通過私有渠道獲取信息。SOLTES[4]指出，與管理層的私下溝通是分析師獲取信息的有效途徑。分析師還會(huì)利用自身的社會(huì)網(wǎng)絡(luò)關(guān)系(如銀行關(guān)聯(lián)[9])獲取私有信息。從信息來源角度來看，分析師會(huì)綜合利用財(cái)務(wù)信息與非財(cái)務(wù)信息。例如，HOPE[5]認(rèn)為公司的財(cái)務(wù)信息是分析師的重要信息來源。同時(shí)，越來越多的學(xué)者開始關(guān)注分析師對(duì)非財(cái)務(wù)信息的利用。BASSEMIR等[10]的研究表明，電話會(huì)議中的信息有助于減少分析師盈利預(yù)測(cè)的誤差和分歧。公司發(fā)布的社會(huì)責(zé)任報(bào)告[6]、披露的臨床試驗(yàn)信息[11]等特定信息也有助于提升分析師盈利預(yù)測(cè)的準(zhǔn)確性。此外，媒體報(bào)道信息也是分析師重要的信息來源[12]，甚至“推文”這類社交媒體的信息也會(huì)被分析師利用[13]。

在財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別方面，現(xiàn)有文獻(xiàn)主要從財(cái)務(wù)舞弊的影響因素和識(shí)別模型兩個(gè)角度來探究財(cái)務(wù)舞弊的預(yù)測(cè)。從舞弊的預(yù)測(cè)因子角度來看，財(cái)務(wù)[14]與非財(cái)務(wù)指標(biāo)[15]不斷被納入研究，財(cái)務(wù)指標(biāo)如公司現(xiàn)金流量、利潤(rùn)指標(biāo)、資產(chǎn)質(zhì)量指數(shù)、銷售增長(zhǎng)指數(shù)等，非財(cái)務(wù)指標(biāo)如高管的語(yǔ)言特征、財(cái)務(wù)報(bào)告的主題等文本信息[16]。學(xué)者們?cè)谕诰蝾A(yù)測(cè)因子的基礎(chǔ)上也不斷優(yōu)化財(cái)務(wù)舞弊識(shí)別模型。早期的研究大都采用邏輯回歸等方法預(yù)測(cè)財(cái)務(wù)舞弊[17]。隨后，新興機(jī)器學(xué)習(xí)算法開始被逐漸引入，財(cái)務(wù)舞弊識(shí)別模型得到不斷改進(jìn)。PAI等[18]和LIN等[19]分別用支持向量機(jī)方法和模糊神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)財(cái)務(wù)舞弊，均取得較好的預(yù)測(cè)效果。BAO等[20]利用集成學(xué)習(xí)選取原始數(shù)據(jù)作為輸入變量來預(yù)測(cè)財(cái)務(wù)舞弊，發(fā)現(xiàn)預(yù)測(cè)效果優(yōu)于以往算法。

綜合來看，現(xiàn)有研究從分析師信息獲取方式和信息來源的角度探討了分析師行為的影響因素，但是分析師如何解讀信息尚待研究。財(cái)務(wù)舞弊識(shí)別方面的文獻(xiàn)主要從識(shí)別因子和識(shí)別模型兩方面優(yōu)化舞弊預(yù)測(cè)效果，然而鮮有研究解決因被處罰的舞弊公司數(shù)量有限導(dǎo)致的樣本不均衡的問題。

3 研究假設(shè)

分析師識(shí)別財(cái)務(wù)舞弊的動(dòng)機(jī)是其能否識(shí)別財(cái)務(wù)舞弊的前提。首先，分析師主要通過發(fā)布盈利預(yù)測(cè)、股票評(píng)級(jí)推薦等方式向資本市場(chǎng)傳遞有價(jià)值的信息[21]，其盈余預(yù)測(cè)的準(zhǔn)確度和股票評(píng)級(jí)的恰當(dāng)性是市場(chǎng)評(píng)價(jià)其工作價(jià)值的關(guān)鍵指標(biāo)，影響著其所屬券商的聲譽(yù)與本人的聲譽(yù)和薪酬[22]。因此，分析師有強(qiáng)烈的動(dòng)機(jī)獲取充分的信息以對(duì)公司進(jìn)行全面而深入地分析，并做出恰當(dāng)?shù)脑u(píng)級(jí)決策。其次，識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)是進(jìn)行恰當(dāng)評(píng)級(jí)的基礎(chǔ)。如果公司存在財(cái)務(wù)舞弊而分析師未能識(shí)別，則分析師往往會(huì)做出錯(cuò)誤的評(píng)級(jí)推薦，導(dǎo)致分析師和其所在券商的聲譽(yù)受損，影響分析師的收入乃至其職業(yè)生涯；相反，如果分析師識(shí)別了公司的財(cái)務(wù)舞弊，則能做出更合理的評(píng)級(jí)，有助于投資者進(jìn)行恰當(dāng)?shù)赝顿Y決策，這不僅能夠給分析師帶來良好的聲譽(yù)，還會(huì)直接或間接地提高其收入[23]。基于此，分析師有動(dòng)機(jī)識(shí)別公司潛在的財(cái)務(wù)舞弊風(fēng)險(xiǎn)以做出恰當(dāng)評(píng)級(jí)。

分析師不僅具有識(shí)別財(cái)務(wù)舞弊的動(dòng)機(jī)，也有識(shí)別財(cái)務(wù)舞弊的能力。一方面，與普通投資者和經(jīng)理人相比，分析師具備扎實(shí)的金融、會(huì)計(jì)和經(jīng)濟(jì)學(xué)等專業(yè)知識(shí)，能夠看懂公司的財(cái)務(wù)報(bào)表和附注，并從微觀上理解企業(yè)特質(zhì)，也擁有豐富的特定行業(yè)的經(jīng)驗(yàn)，能以總體性、系統(tǒng)化的思維來深入理解行業(yè)的本質(zhì)特征，宏觀上把握產(chǎn)業(yè)趨勢(shì)[1]；另一方面，分析師具有信息和資源優(yōu)勢(shì)，能對(duì)企業(yè)信息進(jìn)行全方位地搜集和傳遞。分析師通過對(duì)其跟蹤的公司進(jìn)行持續(xù)關(guān)注和定期調(diào)研以獲取企業(yè)內(nèi)外部信息，還能夠依賴自身和所在券商的資源優(yōu)勢(shì)獲取更多有關(guān)企業(yè)的私有信息[4]。因此，在搜集企業(yè)信息的過程中，報(bào)表中的任何異常都會(huì)引起分析師的關(guān)注，結(jié)合其專業(yè)的信息挖掘和解讀能力，分析師能夠識(shí)別公司潛在的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

如果分析師有效識(shí)別了公司的高財(cái)務(wù)舞弊風(fēng)險(xiǎn)，則會(huì)考慮該因素對(duì)其行為決策的影響。而財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司存在諸多潛在危害，因此，分析師更可能針對(duì)該類公司出具消極的評(píng)級(jí)報(bào)告。具體而言，公司的高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的潛在危害表現(xiàn)在如下幾個(gè)方面：①這類公司會(huì)計(jì)指標(biāo)的真實(shí)性較差，可能誤導(dǎo)投資者做出錯(cuò)誤的投資決策；②財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司，有更大的可能性收到監(jiān)管機(jī)構(gòu)的問詢函甚至被監(jiān)管層處罰，導(dǎo)致公司聲譽(yù)受損、融資成本增加、銷售收入降低、法律費(fèi)用增加等，進(jìn)而影響公司未來的真實(shí)經(jīng)營(yíng)活動(dòng)[24]；③一旦公司的財(cái)務(wù)舞弊被揭露，股票市場(chǎng)價(jià)格往往會(huì)一落千丈甚至跌停，給投資者帶來巨大的經(jīng)濟(jì)損失，影響資本市場(chǎng)的良性發(fā)展[20]；④財(cái)務(wù)舞弊事件不僅會(huì)對(duì)舞弊公司的利益相關(guān)者造成重大損害，也會(huì)對(duì)諸多非舞弊公司的利益相關(guān)者產(chǎn)生間接損害[20]。而分析師的職能為搜集并分析上市公司信息，對(duì)其盈利狀況和投資價(jià)值進(jìn)行預(yù)測(cè)和判斷，以滿足投資者對(duì)上市公司價(jià)值相關(guān)信息的需求。為了保護(hù)自己的聲譽(yù)、提高薪酬、促進(jìn)職業(yè)前景等，分析師會(huì)獲取公司全面的信息并深入分析，以揭示他們所關(guān)注的公司的真實(shí)業(yè)績(jī)。因此，針對(duì)識(shí)別出的高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司，分析師傾向于發(fā)布消極評(píng)級(jí)以提示潛在的風(fēng)險(xiǎn)。由此，提出以下假設(shè)：

假設(shè)1公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)越大，分析師越有可能對(duì)公司出具消極的評(píng)級(jí)報(bào)告。

如果分析師針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司更可能發(fā)布消極評(píng)級(jí)，那么該應(yīng)對(duì)措施能否發(fā)揮實(shí)際效果，促使公司降低未來的財(cái)務(wù)舞弊風(fēng)險(xiǎn)呢？可以推測(cè)，分析師針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告，將增加公司和管理層面臨的壓力，從而促使他們調(diào)整自身的不當(dāng)行為，降低未來的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。下面從公司和管理層兩個(gè)角度展開分析。

從公司角度而言，將面臨以下壓力：①投資者會(huì)迅速對(duì)分析師的消極評(píng)級(jí)加以解讀并做出反應(yīng)，降低對(duì)公司的估值，改變自身的交易決策，從而對(duì)公司股價(jià)造成強(qiáng)烈沖擊[2]；②公司債權(quán)人及上下游的供應(yīng)商和客戶會(huì)對(duì)公司的信譽(yù)給予負(fù)面評(píng)估，導(dǎo)致其融資受阻、供貨渠道受限、市場(chǎng)份額下降等；③分析師的消極評(píng)級(jí)可能引起監(jiān)管層的關(guān)注，促使監(jiān)管層對(duì)公司進(jìn)行監(jiān)督和審查，使得公司更可能收到監(jiān)管機(jī)構(gòu)的問詢函，對(duì)公司聲譽(yù)造成損失；④媒體針對(duì)此信息的宣傳報(bào)道會(huì)進(jìn)一步擴(kuò)大分析師消極評(píng)級(jí)給公司帶來的負(fù)面影響[25]；⑤分析師的消極評(píng)級(jí)及其帶來的其他外部監(jiān)督壓力的增加，會(huì)大大提高公司財(cái)務(wù)舞弊被揭露與處罰的概率，而一旦公司的財(cái)務(wù)舞弊被揭露，將帶來不可估量的后果，從而對(duì)公司產(chǎn)生震懾作用。具體而言，公司舞弊的負(fù)面消息將導(dǎo)致股票價(jià)格迅速下降，不但很大程度上損害股東的利益，而且會(huì)導(dǎo)致企業(yè)聲譽(yù)受損，進(jìn)一步加劇公司的經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)困境[24]。

從管理層角度而言，將面臨以下壓力：①分析師的消極評(píng)級(jí)向市場(chǎng)傳遞了公司的負(fù)面信息，導(dǎo)致公司股價(jià)下跌，使得管理層的公司治理能力受到質(zhì)疑且聲譽(yù)遭受損失[21]；②董事會(huì)會(huì)從分析師的研究報(bào)告中獲取評(píng)價(jià)管理層行為和能力的有效信息，并結(jié)合該信息對(duì)管理層進(jìn)行獎(jiǎng)懲，因此，分析師的消極評(píng)級(jí)可能對(duì)管理層的薪酬帶來負(fù)面的影響[26]；③公司大股東的利益亦可能因分析師的消極評(píng)級(jí)受到損害，從而有更強(qiáng)的動(dòng)機(jī)介入公司的管理，加大管理層的壓力；④公司財(cái)務(wù)舞弊被揭露的概率因分析師的消極評(píng)級(jí)而大大增加，而公司財(cái)務(wù)舞弊的曝光會(huì)導(dǎo)致管理層遭受多方面的損失，從而對(duì)管理層產(chǎn)生震懾作用。具體而言，公司的財(cái)務(wù)舞弊被揭露后，高級(jí)管理人員不僅很可能被公司解雇，而且其職業(yè)聲譽(yù)也會(huì)因此遭受嚴(yán)重的損害，其薪酬或未來薪酬增長(zhǎng)幅度降低，甚至未來的職業(yè)發(fā)展受阻[14]。

而公司和管理層面臨的上述壓力，一方面，會(huì)促使公司收斂自身的不當(dāng)行為并采取措施改善公司的內(nèi)部治理，增加了實(shí)施舞弊的難度，減少了財(cái)務(wù)舞弊的機(jī)會(huì)；另一方面，會(huì)導(dǎo)致公司財(cái)務(wù)舞弊被揭露和處罰的概率增加，財(cái)務(wù)舞弊的成本上升，促使其減少實(shí)施財(cái)務(wù)舞弊的動(dòng)機(jī)?；诖?，公司會(huì)收斂其未來的財(cái)務(wù)舞弊行為，使得未來的財(cái)務(wù)舞弊風(fēng)險(xiǎn)降低。由此，提出以下假設(shè)：

假設(shè)2公司被分析師出具消極的評(píng)級(jí)報(bào)告越多，則其未來的財(cái)務(wù)舞弊風(fēng)險(xiǎn)會(huì)顯著降低。

4 財(cái)務(wù)舞弊風(fēng)險(xiǎn)的預(yù)測(cè)

在探討分析師能否識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)前，本節(jié)采用機(jī)器學(xué)習(xí)的方法預(yù)測(cè)財(cái)務(wù)舞弊風(fēng)險(xiǎn)，以合理構(gòu)建本研究的關(guān)鍵指標(biāo)。根據(jù)因“虛構(gòu)利潤(rùn)”和“虛列資產(chǎn)”而受到公開處罰的情況確定舞弊觀測(cè)，并追溯到被處罰公司實(shí)際發(fā)生財(cái)務(wù)舞弊的年份，確定公司當(dāng)年是否發(fā)生舞弊，具體數(shù)據(jù)來源于國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)。

由于2018年及以后的上市公司舞弊處罰還不完全，且1995、1996年發(fā)生舞弊被揭露的上市公司僅為個(gè)位數(shù)，因此這里將1997～2017年所有上市公司作為初始研究樣本。為盡可能考慮更多的影響因素，選取CMSAR數(shù)據(jù)庫(kù)中比率結(jié)構(gòu)、償債能力、發(fā)展能力、風(fēng)險(xiǎn)水平、股利分配、經(jīng)營(yíng)能力、每股指標(biāo)、披露財(cái)務(wù)指標(biāo)、現(xiàn)金流分析、相對(duì)價(jià)值指標(biāo)和盈利能力共11類420個(gè)財(cái)務(wù)比率指標(biāo)作為待篩選變量。并進(jìn)行如下數(shù)據(jù)預(yù)處理：刪除缺失值大于25%的指標(biāo)(最終輸入變量有363個(gè))；對(duì)所有財(cái)務(wù)比率數(shù)據(jù)做標(biāo)準(zhǔn)化處理；剔除金融類公司；對(duì)所有變量的缺失值采用各變量的中位數(shù)加以補(bǔ)全。

本研究運(yùn)用輕量梯度提升機(jī)(light gradient boosting machine method, LightGBM)算法進(jìn)行舞弊分類預(yù)測(cè)，該算法是針對(duì)梯度提升決策樹算法的一種改進(jìn)方法。LightGBM可以直接預(yù)測(cè)得到概率值，同時(shí)該方法屬于集成學(xué)習(xí)，可以結(jié)合多個(gè)學(xué)習(xí)器的優(yōu)勢(shì)，也解決了其他集成學(xué)習(xí)在處理海量數(shù)據(jù)時(shí)遇到的低效率等問題。因此，該方法適用于本研究針對(duì)大樣本利用多預(yù)測(cè)因子識(shí)別舞弊。

具體模型訓(xùn)練時(shí)，將1997～2016年劃分為訓(xùn)練集，2017年劃分為測(cè)試集。由于財(cái)務(wù)舞弊案例占比較少，財(cái)務(wù)舞弊數(shù)據(jù)樣本是典型的非平衡數(shù)據(jù)集，本研究首先采用欠采樣方法(即剔除一部分多數(shù)類樣本)，對(duì)訓(xùn)練集進(jìn)行平衡化處理。緊接著，針對(duì)平衡后的訓(xùn)練集進(jìn)行訓(xùn)練，將基礎(chǔ)閾值設(shè)置為0.5，且選擇召回率最大化為目標(biāo)進(jìn)行調(diào)參以確定最優(yōu)模型。召回率指預(yù)測(cè)為真且實(shí)際為真的樣本占所有實(shí)際為真的樣本的比率，能衡量實(shí)際發(fā)生舞弊的樣本被識(shí)別出來的比率，這也是證監(jiān)會(huì)以及投資者最為關(guān)心的。因此，選擇使得召回率最大的參數(shù)作為分類模型的最終參數(shù)，來確定本研究的最優(yōu)預(yù)測(cè)模型。最后，用訓(xùn)練好的模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)與評(píng)估。結(jié)果顯示，LightGBM的預(yù)測(cè)準(zhǔn)確率為78.7%，精確率為5.0%，召回率為71.7%，F(xiàn)1得分為0.094，AUC為0.752。同時(shí)，將LightGBM模型預(yù)測(cè)結(jié)果與傳統(tǒng)的Logistic回歸以及支持向量機(jī)、隨機(jī)森林和梯度提升決策樹這些算法的預(yù)測(cè)結(jié)果進(jìn)行比較。結(jié)果表明，LightGBM的預(yù)測(cè)效果均優(yōu)于其他模型。因此，本研究采用LightGBM方法訓(xùn)練的預(yù)測(cè)模型能對(duì)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)進(jìn)行較準(zhǔn)確的衡量。

5 研究設(shè)計(jì)

5.1 模型與變量

為了檢驗(yàn)假設(shè)1，即針對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)越高的公司，分析師更可能發(fā)布消極評(píng)級(jí)，建立如下回歸模型:

O=α+β1FR+βjCV+∑YE+∑ID+ε，

(1)

式(1)中，被解釋變量為分析師消極評(píng)級(jí)(O)，具體為公司當(dāng)年收到的分析師出具中性、減持、賣出的評(píng)級(jí)總數(shù)占收到的所有分析師評(píng)級(jí)數(shù)目的比例；關(guān)鍵解釋變量為財(cái)務(wù)舞弊風(fēng)險(xiǎn)(FR)，具體取值是利用第4節(jié)的預(yù)測(cè)模型計(jì)算得到的公司財(cái)務(wù)舞弊概率。分析師評(píng)級(jí)受眾多因素的影響，其中CV代表一系列控制變量，控制公司狀況和股票市場(chǎng)特征等。具體包括：公司規(guī)模(SI)、凈資產(chǎn)回報(bào)率(RE)、資產(chǎn)負(fù)債率(LE)、公司成長(zhǎng)性(TO)、總資產(chǎn)周轉(zhuǎn)率(TA)、機(jī)構(gòu)投資者持股比例(IT)、投資收益率(RT)、股票交易量(V)、股票回報(bào)率(YR)、分析師跟蹤人數(shù)(CO)。被解釋變量與解釋變量均取當(dāng)期值；控制變量中，除了機(jī)構(gòu)投資者持股比例、分析師跟蹤人數(shù)取本期值，其余控制變量均取上一期值。同時(shí)，還控制了行業(yè)和年度固定效應(yīng)，分別為∑ID和∑YE。此外，α為常數(shù)項(xiàng)；β1、βj為系數(shù)；ε為隨機(jī)誤差項(xiàng)。

為了檢驗(yàn)假設(shè)2，即分析師的消極評(píng)級(jí)能否降低公司后續(xù)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，建立如下回歸模型:

FR=α+β1LO+βjCV+∑YE+∑ID+ε，

(2)

式(2)中，被解釋變量為本年的財(cái)務(wù)舞弊風(fēng)險(xiǎn)(FR)，關(guān)鍵解釋變量為上一年的分析師消極評(píng)級(jí)占比(LO)。其中，CV代表一系列控制變量，控制如下影響公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司治理與財(cái)務(wù)狀況等變量：公司規(guī)模(SI)、總資產(chǎn)回報(bào)率(RA)、資產(chǎn)負(fù)債率(LE)、公司成長(zhǎng)性(TO)、總資產(chǎn)周轉(zhuǎn)率(TA)、存貨與應(yīng)收賬款占比(IA)、無(wú)形資產(chǎn)占比(IN)、盈余管理程度(D)、現(xiàn)金占比(CA)、固定資產(chǎn)占比(FI)、營(yíng)業(yè)收入現(xiàn)金凈含量(NE)、留存收益資產(chǎn)比(RR)、所有者權(quán)益增長(zhǎng)率(EG)，以及上一年的財(cái)務(wù)舞弊風(fēng)險(xiǎn)(LFR) 。

5.2 樣本與描述性統(tǒng)計(jì)

本研究選取我國(guó)2007～2018年A股上市公司為研究對(duì)象(1)選擇2018年作為樣本截止期是因?yàn)?，這是開展本研究時(shí)能獲取的財(cái)務(wù)數(shù)據(jù)的最新年度。盡管當(dāng)時(shí)2018年的舞弊處罰數(shù)據(jù)不全而不能用于訓(xùn)練和評(píng)估模型，但能利用2018年的財(cái)務(wù)數(shù)據(jù)并結(jié)合第4章訓(xùn)練好的模型來預(yù)測(cè)其財(cái)務(wù)舞弊概率，且不影響研究結(jié)論。。具體數(shù)據(jù)來源于中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)(CNRDS)與CSMAR數(shù)據(jù)庫(kù)，其中財(cái)務(wù)舞弊風(fēng)險(xiǎn)指標(biāo)利用第4節(jié)的預(yù)測(cè)模型計(jì)算得到。在初始樣本的基礎(chǔ)上，剔除金融行業(yè)和有關(guān)變量缺失的觀測(cè)，共得到 20 119個(gè)公司-年度觀測(cè)值。為降低異常值的影響，對(duì)所有連續(xù)變量在1%的水平上進(jìn)行縮尾處理。分析師評(píng)級(jí)標(biāo)準(zhǔn)化意見分為“買入”“增持”“中性”“減持”“賣出”5種。其中“買入”與“增持”意見占比最多，而“減持”“賣出”與“中性”占比較少，分別僅占0.08%、0.29%與7.75%。這表明分析師的評(píng)級(jí)普遍較為樂觀，很少出具“減持”“賣出”“中性”這種較為消極的意見。

主要變量的描述性統(tǒng)計(jì)見表1。由表1的Panel A可知，全部樣本公司中，每個(gè)公司收到的分析師消極評(píng)級(jí)占比的均值為13.9%，表明整體而言，公司收到的分析師消極評(píng)級(jí)較少。財(cái)務(wù)舞弊風(fēng)險(xiǎn)平均值為0.232，表明公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)整體較低；其最大值趨近1，最小值幾乎為0，說明不同公司間的財(cái)務(wù)舞弊風(fēng)險(xiǎn)差異很大。其余變量的描述統(tǒng)計(jì)結(jié)果均與以往研究保持一致。由表1的Panel B可知，根據(jù)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的年度中位數(shù)將樣本劃分為高財(cái)務(wù)舞弊風(fēng)險(xiǎn)和低財(cái)務(wù)舞弊風(fēng)險(xiǎn)兩組，比較分析師消極評(píng)級(jí)的組間差異。結(jié)果顯示，高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司收到分析師消極評(píng)級(jí)的比率為16.7%，遠(yuǎn)高于低財(cái)務(wù)舞弊風(fēng)險(xiǎn)公司的11.2%。這表明，分析師更可能針對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司發(fā)布消極評(píng)級(jí)，初步支持了假設(shè)1。

表1 變量描述性統(tǒng)計(jì)

6 實(shí)證結(jié)果與分析

6.1 財(cái)務(wù)舞弊風(fēng)險(xiǎn)與分析師消極評(píng)級(jí)

6.1.1基本回歸結(jié)果

模型(1)的回歸結(jié)果見表2。由表2可知，財(cái)務(wù)舞弊風(fēng)險(xiǎn)的系數(shù)顯著為正(回歸系數(shù)為0.041，t值為3.98)，表明公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)越大，則分析師越有可能對(duì)公司發(fā)布消極評(píng)級(jí)。從經(jīng)濟(jì)顯著性來看，財(cái)務(wù)舞弊風(fēng)險(xiǎn)增加一個(gè)標(biāo)準(zhǔn)差(0.253)，將導(dǎo)致公司收到消極評(píng)級(jí)的比率相對(duì)于其均值增加7.463%(0.041×0.253/0.139)。綜上，假設(shè)1得到驗(yàn)證，即分析師能夠識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

表2 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)對(duì)分析師消極評(píng)級(jí)的影響(N=12 909)

6.1.2穩(wěn)健性檢驗(yàn)

為保證研究結(jié)論的可靠性，變換分析師消極評(píng)級(jí)和財(cái)務(wù)舞弊風(fēng)險(xiǎn)的衡量方式，采用公司-年度-分析師研報(bào)層面的觀測(cè)進(jìn)行穩(wěn)健性檢驗(yàn)。首先，將公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)的衡量變換為如下幾種方式：①公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)是否大于當(dāng)年樣本均值的啞變量FR1；②擴(kuò)充標(biāo)簽變量界定范圍(2)將因財(cái)務(wù)舞弊而受到公開處罰的上市公司的違規(guī)類型在原來的基礎(chǔ)上，增加考慮“重大遺漏”“推遲披露”“披露不實(shí)”“一般會(huì)計(jì)處理不當(dāng)”這4種違規(guī)類型。且增加文本信息、公司治理和內(nèi)部控制等非財(cái)務(wù)指標(biāo)作為輸入變量，重新訓(xùn)練并預(yù)測(cè)得到舞弊概率FR2；③使用隨機(jī)森林訓(xùn)練模型得到預(yù)測(cè)的舞弊概率FR3。其次，用如下替代性指標(biāo)衡量分析師消極評(píng)級(jí)：①縮小分析師消極評(píng)級(jí)的界定范圍，即選取公司收到的“減持”“賣出”評(píng)級(jí)的占比O1；②用絕對(duì)數(shù)量衡量分析師消極評(píng)級(jí)，即選取公司收到分析師出具的“中性”“減持”或“賣出”的評(píng)級(jí)總數(shù)O2。最后，采用公司-年度-分析師研報(bào)層面樣本進(jìn)行檢驗(yàn)。此時(shí)，重新定義分析師消極評(píng)級(jí)變量O3，若研報(bào)的評(píng)級(jí)為“中性”“減持”或“賣出”，則O3取1，否則取0。同時(shí)加入分析師個(gè)人特征變量，具體取研報(bào)中排名第一的分析師進(jìn)行衡量，包括如下變量：分析師的發(fā)布研報(bào)經(jīng)驗(yàn)、預(yù)測(cè)公司數(shù)量、發(fā)布研報(bào)數(shù)量、學(xué)歷和性別。

以上各回歸的結(jié)果見表3。由表3可知，本研究的主要結(jié)果不變，證明主結(jié)論具有較好的穩(wěn)健性。

表3 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)對(duì)分析師消極評(píng)級(jí)的影響：穩(wěn)健性檢驗(yàn)

6.1.3內(nèi)生性檢驗(yàn)

為緩解遺漏變量等導(dǎo)致的內(nèi)生性問題，進(jìn)行如下檢驗(yàn)。首先，構(gòu)建差分模型，針對(duì)因變量、自變量、控制變量分別取本期與上期的差值進(jìn)行回歸(3)具體地，用dFR表示FR的本期與上期的差值，dO表示O的本期與上期的差值。；其次，為了控制公司層面不隨時(shí)間變化的不可觀測(cè)因素對(duì)主結(jié)論的影響，本研究進(jìn)一步加入公司固定效應(yīng)進(jìn)行回歸；最后，采用傾向匹配得分法，將公司按同年度財(cái)務(wù)舞弊風(fēng)險(xiǎn)的高低進(jìn)行匹配(匹配后的樣本通過了平衡性測(cè)試)，并用匹配后的樣本重新進(jìn)行檢驗(yàn)。以上各檢驗(yàn)的結(jié)果見表4。由表4可知，本研究的主要結(jié)果不變。

表4 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)對(duì)分析師消極評(píng)級(jí)的影響：內(nèi)生性檢驗(yàn)

6.1.4機(jī)制檢驗(yàn)

分析師能否識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)并出具恰當(dāng)評(píng)級(jí)，主要受到其識(shí)別舞弊的能力和動(dòng)機(jī)的影響。不同特征的分析師對(duì)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的感知能力和揭露動(dòng)機(jī)有差異，從而可能對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)和分析師消極評(píng)級(jí)之間的關(guān)系產(chǎn)生影響。接下來，從分析師經(jīng)驗(yàn)、聲譽(yù)和利益沖突的角度為舞弊風(fēng)險(xiǎn)影響分析師評(píng)級(jí)的作用機(jī)理提供經(jīng)驗(yàn)證據(jù)。

經(jīng)驗(yàn)豐富的分析師識(shí)別財(cái)務(wù)舞弊風(fēng)險(xiǎn)的能力更強(qiáng)。隨著分析師經(jīng)驗(yàn)的增長(zhǎng)，分析師對(duì)經(jīng)濟(jì)趨勢(shì)的感知、對(duì)企業(yè)特點(diǎn)的理解和對(duì)財(cái)務(wù)報(bào)表的分析能力均不斷增強(qiáng)；同時(shí)，與企業(yè)管理者的關(guān)系更加密切，更容易獲得私有信息，從而對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)有更高的敏銳度[27]。因此可以推測(cè)，經(jīng)驗(yàn)豐富的分析師能夠更好地識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，更有可能在公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高時(shí)，出具消極的評(píng)級(jí)報(bào)告。為了檢驗(yàn)此推測(cè)，建立并運(yùn)行如下回歸模型：

O=α+β1FR+β2EX+β3FR×EX+

βjCV+∑YE+∑ID+ε,

(3)

式中，β2、β3為系數(shù)。模型(3)在模型(1)的基礎(chǔ)上增加了變量EX及其與FR的交乘項(xiàng)。其中，EX是表示分析師經(jīng)驗(yàn)的啞變量，如果跟蹤企業(yè)的所有分析師做出第一個(gè)盈利預(yù)測(cè)以來的年數(shù)、當(dāng)年跟蹤的公司數(shù)量、當(dāng)年累計(jì)發(fā)布的研報(bào)數(shù)量的平均值大于樣本年度均值，則EX1、EX2、EX3分別取值為1，否則為0。模型(3)的回歸結(jié)果見表5的列(1)～列(3)，結(jié)果顯示，F(xiàn)R與EX1、EX2和EX3的交乘項(xiàng)均顯著為正。這表明，分析師經(jīng)驗(yàn)更加豐富時(shí)，更可能識(shí)別出公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)而出具消極的評(píng)級(jí)報(bào)告。

表5 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)影響分析師評(píng)級(jí)的機(jī)制檢驗(yàn)：分析師能力與動(dòng)機(jī)的調(diào)節(jié)作用

分析師針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告，不僅受到其對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別能力的影響，也受到其揭露舞弊的動(dòng)機(jī)影響。保護(hù)聲譽(yù)是其揭露舞弊以恰當(dāng)評(píng)級(jí)的重要?jiǎng)訖C(jī)[28]，而明星稱號(hào)是分析師的重要榮譽(yù)。相比于非明星分析師，如果明星分析師沒能識(shí)別公司嚴(yán)重的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，出具了不恰當(dāng)?shù)脑u(píng)級(jí)意見，將承擔(dān)更大的聲譽(yù)損失。因此，明星分析師有更強(qiáng)的識(shí)別并揭露公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的動(dòng)機(jī)。由此可以推測(cè)，與非明星分析師相比，明星分析師更有可能在公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高時(shí)，出具消極的評(píng)級(jí)報(bào)告。為了檢驗(yàn)此推測(cè)，建立并運(yùn)行如下回歸模型：

O=α+β1FR+β2ST+β3FR×ST+

βjCV+∑YE+∑ID+ε。

(4)

模型(4)在模型(1)的基礎(chǔ)上增加了變量ST及其與FR的交乘項(xiàng)。其中，ST是衡量明星分析師的啞變量，如果跟蹤公司的明星分析師占比大于樣本年度均值，則ST取值為1，否則為0；且明星分析師根據(jù)《新財(cái)富》評(píng)定的最佳分析師確定。模型(4)的回歸結(jié)果見表5的列(4)，結(jié)果顯示，F(xiàn)R與ST的交乘項(xiàng)顯著為正，表明高聲譽(yù)的分析師更可能針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告。

分析師揭露舞弊的動(dòng)機(jī)也受到其利益沖突的影響。例如，為了維持與機(jī)構(gòu)投資者的良好關(guān)系，分析師對(duì)機(jī)構(gòu)投資者持股比例高的公司，更不傾向于公開披露其負(fù)面信息并出具消極的評(píng)級(jí)報(bào)告[29]。又如，樂觀的研究報(bào)告有助于刺激交易量而增加券商傭金收入[22]，在經(jīng)紀(jì)業(yè)務(wù)規(guī)模越大的券商就職的分析師，受到的提高傭金收入的壓力越大[30]，從而更可能發(fā)布樂觀的評(píng)級(jí)報(bào)告。由此可以推測(cè)，機(jī)構(gòu)投資者持股比例越低的公司或者分析師所在券商的經(jīng)紀(jì)業(yè)務(wù)規(guī)模越小時(shí)，分析師更可能對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司出具消極的評(píng)級(jí)報(bào)告。為了檢驗(yàn)此推測(cè)，建立并運(yùn)行如下回歸模型：

O=α+β1FR+β2CN+β3FR×CN+

βjCV+∑YE+∑ID+ε。

(5)

模型(5)在模型(1)的基礎(chǔ)上增加了CN及其與FR的交乘項(xiàng)。其中，CN表示分析師利益沖突的啞變量，分別用機(jī)構(gòu)投資者持股(CN1)和傭金收入壓力(CN2)度量。如果公司的機(jī)構(gòu)投資者持股比例、跟蹤公司的分析師中來自手續(xù)費(fèi)及傭金收入前5大券商的比例大于樣本年度均值，則CN1、CN2分別取值為1，否則為0。模型(5)的回歸結(jié)果見表5的列(5)和列(6)，結(jié)果顯示，F(xiàn)R與CN1和CN2的交乘項(xiàng)均顯著為負(fù)。這表明，利益沖突越小的分析師，越可能對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告。

綜上所述，分析師經(jīng)驗(yàn)、聲譽(yù)與利益沖突分別從分析師的舞弊風(fēng)險(xiǎn)識(shí)別能力和動(dòng)機(jī)兩個(gè)方面驗(yàn)證了本研究主結(jié)論的作用機(jī)制，進(jìn)一步支撐了主結(jié)論。

6.2 分析師消極評(píng)級(jí)與公司未來財(cái)務(wù)舞弊風(fēng)險(xiǎn)

6.2.1基本回歸結(jié)果

分析師消極評(píng)級(jí)對(duì)公司未來財(cái)務(wù)舞弊風(fēng)險(xiǎn)的影響見表6。由表6可知，控制上一年財(cái)務(wù)舞弊風(fēng)險(xiǎn)后，LO的系數(shù)顯著為負(fù)(系數(shù)為-0.022，t值為-2.85)。從經(jīng)濟(jì)顯著性來看，分析師消極評(píng)級(jí)增加一個(gè)標(biāo)準(zhǔn)差(0.275)，則公司下一年財(cái)務(wù)舞弊風(fēng)險(xiǎn)(相對(duì)于其均值)降低2.608%(0.022×0.275/0.232)，具有經(jīng)濟(jì)顯著性。這表明，分析師針對(duì)高舞弊風(fēng)險(xiǎn)的公司發(fā)布消極評(píng)級(jí)會(huì)降低公司未來財(cái)務(wù)舞弊風(fēng)險(xiǎn)，發(fā)揮了積極的外部監(jiān)督作用。故假設(shè)2得到支持。

表6 分析師消極評(píng)級(jí)對(duì)公司未來財(cái)務(wù)舞弊風(fēng)險(xiǎn)的影響(N=14 406)

控制變量的回歸結(jié)果顯示，財(cái)務(wù)舞弊風(fēng)險(xiǎn)(FR)與上年度的財(cái)務(wù)舞弊風(fēng)險(xiǎn)(LFR)顯著正相關(guān)，這更能說明分析師通過出具消極評(píng)級(jí)的方式發(fā)揮著積極的外部監(jiān)督作用。

6.2.2穩(wěn)健性檢驗(yàn)

為保證研究結(jié)論的可靠性，增加控制公司的固定效應(yīng)，變換分析師消極評(píng)級(jí)與財(cái)務(wù)舞弊風(fēng)險(xiǎn)的衡量方式，采用傾向匹配得分法，針對(duì)配對(duì)后的樣本進(jìn)行回歸，以實(shí)施穩(wěn)健性檢驗(yàn)。具體操作為：①加入公司固定效應(yīng)來控制公司層面不隨時(shí)間變化的不可觀測(cè)因素對(duì)結(jié)論的影響。②替換分析師消極評(píng)級(jí)的衡量方式，分別根據(jù)變量O1、O2生成上一年分析師消極評(píng)級(jí)情況LO1、LO2。③替換財(cái)務(wù)舞弊風(fēng)險(xiǎn)為如下方式衡量：其一，為了突出分析師消極評(píng)級(jí)的實(shí)際監(jiān)督效果，將因變量替換為公司當(dāng)年實(shí)際舞弊情況(A)，即若公司因?yàn)楫?dāng)年舞弊而后續(xù)被監(jiān)管機(jī)構(gòu)公開處罰，則A取值為1，否則為0；其二，將FR2和FR3作為替代性指標(biāo)(分別根據(jù)變量FR2、FR3生成上一年的財(cái)務(wù)舞弊風(fēng)險(xiǎn)LFR2、LFR3)。④由于模型(2)中存在因變量的滯后項(xiàng)，估計(jì)過程可能面臨變量之間以及變量和殘差之間的內(nèi)生性問題，因此，采用兩步系統(tǒng)廣義矩方法(系統(tǒng)GMM)對(duì)模型(2)進(jìn)行回歸，并使用WC-Robust 估計(jì)方法以得到穩(wěn)健標(biāo)準(zhǔn)誤(4)AR (2)、Hansen值分別為0.562、0.183。。⑤采用傾向匹配得分法，將公司按同年度分析師消極評(píng)級(jí)占比的高低進(jìn)行匹配(匹配后的樣本通過了平衡性測(cè)試)，并用匹配后的樣本重新進(jìn)行檢驗(yàn)。假設(shè)2的穩(wěn)健性檢驗(yàn)結(jié)果見表7。由表7可知，主要結(jié)果基本不變，進(jìn)一步說明了前文結(jié)論的可靠性。

表7 分析師消極評(píng)級(jí)對(duì)公司未來財(cái)務(wù)舞弊風(fēng)險(xiǎn)的影響：穩(wěn)健性檢驗(yàn)

7 結(jié)語(yǔ)

本研究引入機(jī)器學(xué)習(xí)的方法衡量財(cái)務(wù)舞弊風(fēng)險(xiǎn)，結(jié)合分析師評(píng)級(jí)數(shù)據(jù)，考察分析師能否識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)并出具恰當(dāng)?shù)脑u(píng)級(jí)報(bào)告。研究發(fā)現(xiàn)，當(dāng)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高時(shí)，分析師更有可能出具消極的評(píng)級(jí)報(bào)告；同時(shí)，這一關(guān)系在分析師經(jīng)驗(yàn)豐富、聲譽(yù)較好、利益沖突較小時(shí)更加顯著。進(jìn)一步研究發(fā)現(xiàn)，分析師出具消極的評(píng)級(jí)報(bào)告有助于降低公司下一期的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。上述結(jié)果表明，分析師在決策過程中，根據(jù)對(duì)信息的解讀和分析以識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，并針對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司出具消極的評(píng)級(jí)報(bào)告；而且，分析師識(shí)別的財(cái)務(wù)舞弊風(fēng)險(xiǎn)主要是由分析師識(shí)別財(cái)務(wù)舞弊風(fēng)險(xiǎn)的動(dòng)機(jī)和能力決定的。同時(shí)，分析師出具消極評(píng)級(jí)報(bào)告的決策行為能夠降低公司未來的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，發(fā)揮了積極的監(jiān)督作用。本研究結(jié)果不僅從分析師決策過程的角度為分析師行為的影響因素提供了經(jīng)驗(yàn)證據(jù)，還進(jìn)一步揭示了分析師的外部監(jiān)督發(fā)揮的實(shí)際作用，為分析師發(fā)揮的治理效應(yīng)提供了經(jīng)驗(yàn)證據(jù)。

本研究的啟示在于：①雖然我國(guó)分析師很少出具消極的評(píng)級(jí)報(bào)告，但是當(dāng)公司潛在的財(cái)務(wù)舞弊風(fēng)險(xiǎn)大時(shí)，分析師仍會(huì)采取消極評(píng)級(jí)的方式進(jìn)行反映以提醒投資者，進(jìn)而發(fā)揮積極的治理效應(yīng)。這表明分析師在決策過程中會(huì)識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)并有效應(yīng)對(duì)，進(jìn)而發(fā)揮積極的外部監(jiān)督作用。②由于分析師能否識(shí)別舞弊主要基于其識(shí)別舞弊的動(dòng)機(jī)(如分析師聲譽(yù)、面臨的利益沖突等)和能力(如分析師經(jīng)驗(yàn)等)，因此需要加強(qiáng)對(duì)分析師獨(dú)立性的約束以及對(duì)其能力的重視，如加強(qiáng)對(duì)分析師的職業(yè)道德教育，重視分析師經(jīng)驗(yàn)并發(fā)揮明星分析師的積極作用等。

本研究存在以下不足：由于證監(jiān)會(huì)處罰的案例有限且具有滯后性，采用受證監(jiān)會(huì)處罰的公司作為標(biāo)簽變量衡量公司實(shí)際舞弊情況存在局限性。但受限于數(shù)據(jù)可得性和舞弊本身的特點(diǎn)，目前中國(guó)資本市場(chǎng)上也難以找到更合適的變量來反映公司實(shí)際舞弊情況，誠(chéng)然，期待著未來研究能找到更好的解決辦法。同時(shí)，與傳統(tǒng)的預(yù)測(cè)方法相比，采用機(jī)器學(xué)習(xí)算法能夠更加準(zhǔn)確地衡量公司財(cái)務(wù)舞弊的概率，該衡量方式為相關(guān)研究提供了一個(gè)新的可供借鑒的視角，未來的研究亦可嘗試采用機(jī)器學(xué)習(xí)的方法衡量財(cái)務(wù)舞弊風(fēng)險(xiǎn)。另外，本研究主要從分析師評(píng)級(jí)決策的角度檢驗(yàn)分析師能否公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，未來研究可以從分析師研究報(bào)告的文本內(nèi)容等角度，為分析師對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的識(shí)別提供增量證據(jù)。