機器學(xué)習(xí)視角下盈余管理識別與審計風(fēng)險

武婧

【摘要】在“大數(shù)據(jù)+會計”背景下，如何將信息技術(shù)與會計理論和方法結(jié)合，有效提升會計信息質(zhì)量，化解資本市場的相關(guān)問題逐漸成為近年來的研究熱點。文章以2020年及2021年我國資本市場全部A股上市公司為研究樣本，運用機器學(xué)習(xí)的決策樹方法，以上市公司營業(yè)利潤率、會計政策變更以及會計利潤與現(xiàn)金流量盈余逆向判定作為企業(yè)盈余管理行為的識別特征變量，構(gòu)建了企業(yè)盈余管理與審計風(fēng)險的決策樹智能判定模型。根據(jù)該決策樹模型，實現(xiàn)了上市公司基于盈余管理行為的審計風(fēng)險智能判定，最后根據(jù)模型內(nèi)容提出了研究結(jié)論和進一步研究設(shè)想。

【關(guān)鍵詞】盈余管理識別；決策樹模型；審計風(fēng)險

【中圖分類號】F724.6；F272.92

★ 山西省社科聯(lián)2023—2024年重點項目：山西省地方政府融資平臺債務(wù)風(fēng)險及審計作用發(fā)揮研究（編號：SSKLZDKT2023135）。

★ 太原學(xué)院2023年度院級科研項目：數(shù)智財務(wù)背景下山西省政府融資平臺公司財務(wù)風(fēng)險識別與評價研究（編號：23TYYB10）。

引言

近年來，隨著我國資本市場的發(fā)展和不斷完善，上市公司數(shù)量日益增多，信息披露數(shù)據(jù)量也越來越大。為更好地保護投資者利益，維護資本市場的健康穩(wěn)定發(fā)展，上市公司年報所披露的財務(wù)等相關(guān)數(shù)據(jù)重要性就不言而喻。作為所有權(quán)與經(jīng)營權(quán)相分離的產(chǎn)物，上市公司年報審計業(yè)務(wù)工作量也日益增多。但相應(yīng)地，為應(yīng)對上市公司迫于業(yè)績等多方面壓力而產(chǎn)生的盈余管理和財務(wù)操縱的種種行為，年報審計業(yè)務(wù)風(fēng)險也在逐年加大。根據(jù)“舞弊三角”理論，一旦企業(yè)具備了盈余管理的行為，意味著其舞弊的壓力和動機較高，則某種程度上，對審計人員而言，其將面臨更明確的審計風(fēng)險。因此，有必要對企業(yè)盈余管理行為進行識別和科學(xué)地智能判定，這將有助于審計人員了解上市公司的基本財務(wù)情況，制定更有針對性的審計方案，從而更好地應(yīng)對審計風(fēng)險，發(fā)表恰當(dāng)?shù)膶徲嬕庖姡赓Y本市場上因信息不對稱帶來的后果。

現(xiàn)階段國內(nèi)關(guān)于審計風(fēng)險識別的相關(guān)研究成果較多，但對企業(yè)盈余管理行為的識別及影響等研究尚不夠深入。一是關(guān)于企業(yè)盈余管理行為的識別要素和判定標(biāo)準方面，或研究較為深入復(fù)雜，普遍應(yīng)用不多，或盈余管理的識別特征不夠明確；二是關(guān)于企業(yè)盈余管理行為影響及對審計風(fēng)險識別的作用研究有限；三是在“大數(shù)據(jù)+”背景下，基于會計理論和方法，結(jié)合文本分析、神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)等現(xiàn)代信息技術(shù)手段，進行智能化判別模型的相關(guān)研究文獻較少。

一、研究設(shè)計

本文所述的盈余管理，特指上市公司基于業(yè)績等方面壓力，對企業(yè)當(dāng)年會計利潤進行理性規(guī)劃的管理操縱手段之一。盈余管理行為，尤其是負向盈余管理，一方面加大了該上市公司的審計業(yè)務(wù)風(fēng)險，另一方面，影響了企業(yè)會計信息質(zhì)量，容易加重資本市場因信息不對稱帶來的一系列相關(guān)后果，對投資人利益造成不利影響，甚至?xí)绊戀Y本市場的有效性。因此，對盈余管理行為進行科學(xué)識別和判定，是本文研究的基礎(chǔ)。根據(jù)已有文獻研究結(jié)果及實踐經(jīng)驗，本文的盈余管理行為判定，主要基于其盈余管理動機及會計操縱手段進行分析。

（一）數(shù)據(jù)來源及分析

作者運用國泰安CSMAR數(shù)據(jù)庫提供的我國2020年3000余家上市公司年報數(shù)據(jù)（剔除了停牌等非正常經(jīng)營企業(yè)數(shù)據(jù)），采集了其會計報告中的凈利潤、營業(yè)收入、現(xiàn)金流量、會計差錯更正、年報審計意見等信息，構(gòu)建財務(wù)指標(biāo)作為識別特征，具體如表1所示。

企業(yè)的盈利情況中包含了企業(yè)當(dāng)年營業(yè)收入及凈利潤情況，此特征能夠用來判定企業(yè)當(dāng)年的經(jīng)營成果，是否可能因利潤不足而產(chǎn)生盈余管理動機；企業(yè)的現(xiàn)金流量情況是其當(dāng)年經(jīng)營的現(xiàn)金流成果，經(jīng)過注冊會計師采用函證、盤點等審計方法鑒證，受會計操縱影響較小，本模型研究采用該企業(yè)當(dāng)年財報中的“現(xiàn)金及現(xiàn)金等價物的凈增加額”數(shù)據(jù)，主要用于判定企業(yè)的會計利潤盈余情況是否與現(xiàn)金凈流量增減結(jié)果一致，從而判定企業(yè)是否存在現(xiàn)金流不足卻采用了會計盈余管理的行為。第三個特征類別為會計記錄變更的情況，主要用于識別企業(yè)是否存在通過會計差錯變更、會計政策變更的情況而進行盈余管理的行為。最后，基于上述三個特征內(nèi)容，以年報審計意見作為本研究問題的特征內(nèi)容。一般來說，企業(yè)的年報審計風(fēng)險，即發(fā)表不恰當(dāng)?shù)膶徲嬕庖?，其風(fēng)險主要源于重大錯報風(fēng)險和檢查風(fēng)險，而在默認注冊會計師勤勉盡職的情況下，企業(yè)的審計報告中所披露強調(diào)的關(guān)鍵審計事項、發(fā)表非標(biāo)準審計意見的理由等總體上可代表該企業(yè)此次年報審計業(yè)務(wù)中的重要風(fēng)險點所在。

（二）盈余管理識別模型構(gòu)建

本盈余管理識別模型，主要通過運用2020年A股上市公司公開披露的年報數(shù)據(jù)作為訓(xùn)練集，構(gòu)建相關(guān)財務(wù)指標(biāo)和模型的識別特征，并以其模型特征變量為基礎(chǔ)，測試2021年A股全部上市公司的相關(guān)年報數(shù)據(jù)，將預(yù)測結(jié)果與真實審計意見相對照，驗證模型的有效性，以實現(xiàn)該上市公司基于其盈余管理行為的審計風(fēng)險智能化判別。具體指標(biāo)如表2所示。

二、實驗結(jié)果與模型預(yù)測效果分析

（一）實驗結(jié)果

基于以上特征變量，運用收集到的我國3840家（剔除缺失值及異常數(shù)據(jù)）上市公司2020、2021年年報數(shù)據(jù)，劃分訓(xùn)練集（2020年報數(shù)據(jù)）和測試集（2021年報數(shù)據(jù)），構(gòu)建機器學(xué)習(xí)的決策樹模型。

實驗結(jié)果表明，構(gòu)建的決策樹模型在整個測試集上的預(yù)測準確度為0.9004434589800443，即在3840個測試集數(shù)據(jù)中，有3456條記錄的預(yù)測結(jié)果與實際結(jié)果相符。

（二）實驗?zāi)Ｐ皖A(yù)測效果評估

1.實驗效果評價

從實驗結(jié)果看，上述預(yù)測模型準確度較為理想。另一方面，該模型的命中率和假警報率（見表3）及基于兩者繪制的ROC曲線結(jié)果如圖1所示。

AUC（ROC曲線下方的面積）值的結(jié)果為0.7661619156214368，結(jié)果可以接受。

2.特征重要性評估

分析模型中作為變量的各識別特征的重要性，結(jié)果如表4所示。

可見，影響審計意見的最主要因素還是企業(yè)當(dāng)年營業(yè)利潤率的高低，其次為利潤現(xiàn)金流量逆向判別的識別特征，該企業(yè)當(dāng)年是否發(fā)生會計政策變更及差錯更正對審計意見的識別重要性最小。

本模型節(jié)點劃分與其依據(jù)如圖2所示。

如圖2顯示，本決策樹模型的最大深度為3，最上級、第二級葉子節(jié)點均是基于營業(yè)利潤率（x1）這一特征進行判定，根節(jié)點以營業(yè)利潤率為-4%這一標(biāo)準分裂，分裂完后產(chǎn)生2個子節(jié)點，左邊子節(jié)點中又繼續(xù)以營業(yè)利潤率為-20%這一標(biāo)準分裂，此葉子節(jié)點基尼系數(shù)（gini=0.23）純度較高，大部分為標(biāo)準審計意見（共2122條），另有324條非標(biāo)審計意見；第三級左邊葉子節(jié)點出現(xiàn)基于是否存在會計差錯更正（x0）的特征判定，其中大部分為標(biāo)準審計意見（1791條數(shù)據(jù)），且最終基尼系數(shù)達0.094；而右邊左節(jié)點中，基于營業(yè)利潤率小于6%這一特征判定后，最終得到最純基尼系數(shù)為0的結(jié)果，右邊右節(jié)點中，基于利潤現(xiàn)金流量（x2）的特征進行判定，得到基尼系數(shù)為0.298的結(jié)果（其中1568條標(biāo)準審計意見，350條非標(biāo)審計意見），均較為理想。

三、結(jié)論與建議

本文以我國2020—2021年的上市公司為研究對象，運用機器學(xué)習(xí)中的決策樹方法，構(gòu)建智能判定模型，研究企業(yè)盈余管理，尤其是負向盈余管理的識別與其對上市公司年報審計業(yè)務(wù)風(fēng)險的影響，發(fā)現(xiàn)：（1）企業(yè)營業(yè)利潤率對審計意見有重要的影響，可以作為企業(yè)審計風(fēng)險判定的重要識別特征；（2）企業(yè)當(dāng)年會計差錯更正情況、會計利潤及現(xiàn)金流量盈虧不一致的情況，對審計風(fēng)險判定有一定的影響和幫助；（3）營業(yè)利潤率這一特征點在其值小于-20%時，對審計風(fēng)險識別有著較好效果的判定效果。

從本文的實證研究結(jié)論來看，企業(yè)會計信息中有較多可作為上市公司審計風(fēng)險判定的識別特征要素。首當(dāng)其沖的便是企業(yè)的盈利能力情況，在未來的審計業(yè)務(wù)中，注冊會計師要嚴格關(guān)注企業(yè)的業(yè)績壓力與當(dāng)年經(jīng)營結(jié)果，盈利情況與審計風(fēng)險呈現(xiàn)較強的相關(guān)性。其次，會計利潤與現(xiàn)金流量的逆向盈虧情況，作為企業(yè)可能進行盈余管理操縱的一種手段，一定程度上有助于識別和判定審計風(fēng)險，可在未來的審計實踐中進行應(yīng)用。最后，會計政策變更、會計差錯更正，作為較老的會計利潤操縱和財務(wù)舞弊手段，在現(xiàn)準則及披露政策下，已較少使用，對識別審計風(fēng)險僅有部分作用，影響作用微弱。

本文的后續(xù)研究設(shè)想有兩個方面：第一，由于本次研究中使用的盈利能力識別特征僅運用了營業(yè)利潤率這一指標(biāo)，主營業(yè)務(wù)收入與凈利率之間的逆向差異、業(yè)績增長速度等盈利能力指標(biāo)尚未能納入，進一步研究將基于盈利能力這一重要特征，繼續(xù)補充完善相關(guān)指標(biāo)；第二，本次研究主要基于上市公司年報中財務(wù)數(shù)據(jù)展開，未能將年報中的文字披露信息加以運用，未來將考慮結(jié)合文本分析等現(xiàn)代信息技術(shù)手段，拓展研究方法，完善本審計風(fēng)險預(yù)測模型。

主要參考文獻：

[1]宋巖，滕萍萍，秦昌才.企業(yè)社會責(zé)任與盈余管理：基于中國滬深股市A股制造業(yè)上市公司的實證研究[J].中國管理科學(xué)，2017，25（5）：187–196.

[2]陳懷濤.投資者視角下分類轉(zhuǎn)移盈余管理識別與防范[J]. 財會通訊，2022（12）：120–125.

[3]許雷，張建強.中國上市公司償債盈利能力與審計質(zhì)量：基于多水平Logistic模型的研究[J].商，2016（29）： 160–161.

[4]邱紅梅.自愿性會計政策選擇、盈余管理與審計意見分析[J].全國流通經(jīng)濟，2023（4）：185–188.

責(zé)編：險峰