（副教授）

一、引言

上市公司违规的信息披露扰乱了证券市场的良序，加大了市场风险。自1993年以来，共有1532家上市公司存在3702次信息违规披露问题并受到处罚，极大地损害了投资者、债权人的利益以及他们对证券市场的信心。上市公司信息披露违规对注册会计师审计影响巨大，审计可在一定程度上揭露舞弊，但由于审计的固有限制，即使注册会计师按照审计准则的规定恰当地计划和执行了审计工作，也不可避免地存在财务报表中的某些重大错报未被发现的风险。那么审计应如何有效地识别舞弊影响因素，揭示舞弊风险并加强监管呢？

本文基于国家治理视角识别舞弊，利用机器学习建模揭示倾向性、苗头性问题，以更好地识别上市公司舞弊信号，为监管部门制定有针对性的舞弊治理策略提供理论支持，使审计更好地发挥“免疫系统”职能。本研究的独特之处在于：①从国家治理的广义审计视角定义舞弊内涵，除了财务指标，还考虑了公司治理、持续经营类指标；②跳出经典统计的舞弊寻因与抽样方法，基于大样本、多变量的大数据视角，减少了分析模型对样本及前提假设的约束；③研究了抽样方法对模型评价结果的影响；④采用自助汇聚抽样的机器学习算法优化决策树模型，提高了预测准确度。

二、文献综述

即使各国政府都出台了诸多法规来规范上市公司的行为，但舞弊事件仍层出不穷。国内外学者致力于舞弊影响因素、信号识别研究，从分析企业财务报表之间的内在逻辑冲突来发现违规行为，转向利用数据挖掘技术来识别违规行为。……