傅祺炜

(成都理工大学商学院，四川 成都 610059)

1 引言

随着资本市场的深入发展与繁荣，盈余在财务报表中的地位举足轻重，促使一些企业为了追求自身利益最大化，蓄意粉饰报表，虚构盈余，导致上市公司盈余管理行为日益普遍，且在信息传递不对称、尚未成熟的中国市场表现尤为严重。这种上市公司盈余管理行为涉及范围广泛，严重影响会计信息真实性，极大地打击了投资者信心，扰乱了资本市场秩序，阻碍了证券市场的健康发展，中国早期的银广夏、蓝田股份事件到近期的南京高科、华锐风电事件都是盈余管理行为恶果的有力印证。因此，构建科学有效的中国上市公司盈余管理识别模型，对于政府管理部门、投资主体有效应对与防范会计舞弊，促进证券市场交易的公平与规范，具有重要的理论价值和现实意义。

然而，迄今为止，已有学者运用单尾检验法、描述性统计方法、logistic回归模型以及贝叶斯判别分析、神经网络等人工智能模型对上市公司盈余管理行为进行识别。虽然这些方法已经取得了较好的推广能力，被实务界广泛应用，但都存在着前提条件过于苛刻，维数灾难等问题。为了克服以上模型所存在的不足，vapnik等根据统计学理论提出了一种支持向量机的方法来进行模式识别，它是建立在VC维理论和结构风险最小化原理上基础上的一种人工智能方法，能够有效的克服小样本、高维模式、非线性等识别问题，具有良好的学习能力。……