作者：周玮、王松，西南财经大学金融学院；徐玉德，中国财政科学研究院；申峰，西南财经大学金融学院、西南财经大学智能金融教育部工程研究中心
原标题：机器学习与会计舞弊治理：基于非遴选因子的预测视角
本刊网址：www.jweonline.cn
点击文末“阅读原文”，查看原文及复现数据
![]()
2024年10月21日，证监会副主席李超在金融科技大会金科论坛上表示，随着信息技术、人工智能为代表的新兴科技在金融行业的快速发展，需要高度重视金融科技在资本市场的应用，有效提升金融监管的能力和水平，为实体经济和投资者提供优质的资本市场服务。当前，如何有效实现金融监管的科技化，是政府部门、学术界关注的焦点问题，也是中国资本市场高质量发展的重要内容。本刊于2024年第11期推出周玮、王松、徐玉德、申峰撰写的《机器学习与会计舞弊治理：基于非遴选因子的预测视角》。该文以资本市场会计舞弊治理为切入点，基于机器学习技术识别会计舞弊的预测优势，讨论监管机构如何通过机器学习缩小会计舞弊案件调查范围，减少处罚时滞，优化执法资源配置结构，提升证券监管执法的威慑力，从而改善市场会计舞弊预期。该文旨在回答二个关键问题：一是将机器学习应用于会计舞弊治理，不依赖专业会计知识对报表指标进行事前筛选的情况下，是否能取得更好的预测效果，从而缓解公共执法资源应对会计舞弊隐蔽性上升的压力；二是测算我国会计舞弊治理体系引入机器学习后，对遏制会计舞弊扩张的经济效应。具体而言，该文发现，特定会计指标容易受到市场规避行动的影响，指标解释力随时间下降。这是机器学习在未遴选会计报表科目的场景下，预测能力超出遴选会计指标12.2%的关键原因。这种基于非遴选因子的方法，有利于发挥机器学习的优势，降低会计舞弊识别的专业知识门槛，抑制市场针对性的会计粉饰行动，提升会计披露的质量。在经济效应上，该文测算了将机器学习引入当前资本市场“双随机、一公开”抽检制度对会计舞弊识别的改善。研究发现，机器学习改善抽检制度后，会计舞弊公司的发现数量平均提升217.5%，对重大会计舞弊的识别范围平均缩小58.89%，同时大大缩短会计舞弊处罚的滞后时长。机器学习对会计舞弊治理的优化，有助于缓解资本市场对于“监管不公、检查任性、执法不力”的选择性执法的质疑。第一，应积极推动金融监管科技化，构建以人工智能机器学习为核心的智能监管系统。机器学习模型在会计舞弊预测中的表现显著优于遴选会计比率等“靶向”监管方法，引入和关注新的人工智能机器学习算法，持续迭代模型以适应资本市场环境和公司行为特征的变化，有助于资本市场加强投资者保护和透明化建设。第二，优化公共执法资源配置，缩短案件的处理周期。机器学习技术能够显著缩小会计舞弊的发现范围，减少案件的处罚时滞。监管机构应利用这一优势，优化执法资源配置，集中力量对高风险公司进行深入调查，缩短会计舞弊案件的处理周期。第三，改善当前“双随机、一公开”抽检制度，提升执法精准度。本文验证了机器学习在优化抽检制度中的应用潜力。监管机构可基于机器学习模型的预测结果，建立动态调整机制，确保资源有效配置与执法精准度的提高。这不仅能提升重大会计舞弊治理的威慑效力，还能有效减少选择性执法现象。作者简介
![]()
周玮，西南财经大学金融学院副教授，四川省高层次海外人才。研究方向是公司治理与信息披露，在《世界经济》《经济研究》《会计研究》《中国工业经济》《统计研究》、Journal of Corporate Finance等国内外权威期刊发表过二十多篇论文，主持完成国家自然科学基金、国家社科基金、教育部人文社科基金等多项课题。
王松，西南财经大学金融学院博士研究生，主要研究方向是金融科技、机器学习与信息披露。在《世界经济》等国内权威期刊发表论文，参与国家自然科学基金、教育部人文社科基金等项目。
徐玉德，中国财政科学研究院研究员、博士生导师。从事资本市场财务与会计、国资国企改革等研究。在《世界经济》《经济管理》《中国工业经济》《南开管理评论》《会计研究》等发表论文八十余篇。主持或参与国家社会科学基金等项目四十余项。申峰，西南财经大学金融学院与中国金融研究院教授，博士生导师，四川省“天府青城计划”青年拔尖人才，四川省学术和技术带头人后备人选，国家金融行业标准《金融从业规范风险管理》主要起草人，西南财经大学“光华百人计划”。主要研究领域为金融科技、人工智能、金融大数据、金融风险管理。在国内外权威学术期刊发表论文30余篇，多篇入选全球ESI高被引论文。主持多项国家自然科学基金项目、教育部人文社会科学研究项目、四川省科技计划项目等。
![]()
论文复现包等材料已在《世界经济》网站（www.jweonline.cn）和中国知网（CNKI）公开。后续研究如使用了作者公开的数据、程序代码等内容，请务必在研究中标注引文和下载附件出处。
![]()
《世界经济》近期文章精粹：
