發(fā)布時(shí)間：2021-06-21 11:11

　　2000-2017年,3434家A股上市公司樣本中的47.79%至少有一次違規(guī)記錄,每年平均有17%的公司違規(guī),而監(jiān)管機(jī)構(gòu)平均需要2.7年查證并通告違規(guī)行為。我們用當(dāng)年數(shù)據(jù)構(gòu)建遞延所得稅異動(dòng)指標(biāo),可有效預(yù)判違規(guī),并發(fā)現(xiàn)監(jiān)管機(jī)構(gòu)未能識(shí)別這一指標(biāo)的警示作用,實(shí)際激勵(lì)了違規(guī)公司通過(guò)操縱遞延所得稅提高財(cái)務(wù)指標(biāo)以規(guī)避稽查。進(jìn)一步構(gòu)建決策樹模型,對(duì)違規(guī)事件實(shí)現(xiàn)樣本外精準(zhǔn)判別。本文揭示了A股公司大面積違規(guī)而稽查過(guò)程冗長(zhǎng)遲緩這一重要現(xiàn)象,并分析了違規(guī)機(jī)制,指出了所得稅數(shù)據(jù)在稽查違規(guī)中可以發(fā)揮的預(yù)警作用,為監(jiān)管者和投資者提供有效預(yù)警上市公司違規(guī)行為的新指標(biāo)和方法。 

【文章來(lái)源】：金融研究. 2020,(08)北大核心CSSCI

【文章頁(yè)數(shù)】：20 頁(yè)

【部分圖文】：

上市公司違規(guī)率隨年份變化趨勢(shì)

在數(shù)據(jù)方面,經(jīng)過(guò)對(duì)主要變量做1%極值處理,得到17444個(gè)公司年度樣本,涉及3150個(gè)公司。我們隨機(jī)取90%的觀測(cè)值作為樣本內(nèi)數(shù)據(jù),剩余的10%作為樣本外數(shù)據(jù),得到15667個(gè)數(shù)據(jù)做樣本內(nèi)訓(xùn)練,1777個(gè)數(shù)據(jù)做樣本外檢驗(yàn)。訓(xùn)練時(shí)采用五折交叉驗(yàn)證,把訓(xùn)練樣本隨機(jī)分為五份,每次訓(xùn)練用其中四份做訓(xùn)練,用剩余的一份做驗(yàn)證,綜合考慮五次訓(xùn)練結(jié)果后得出模型參數(shù)。對(duì)監(jiān)管者而言,精準(zhǔn)地發(fā)現(xiàn)違規(guī)公司是首要決策目標(biāo),從而可有效打擊違法行為、維護(hù)市場(chǎng)健康發(fā)展。經(jīng)檢驗(yàn),模型可以100%的準(zhǔn)確率分別在樣本內(nèi)找出38%的違規(guī)事件,在樣本外找出2%的違規(guī)事件。進(jìn)一步地,提供一個(gè)針對(duì)違規(guī)判定準(zhǔn)確率和覆蓋率的預(yù)測(cè)模型。我們測(cè)試了不同參數(shù)下模型對(duì)違規(guī)樣本的預(yù)警能力。如圖2所示,模型的準(zhǔn)確率越高,識(shí)別比例越低,反之則相反。模型對(duì)樣本外違規(guī)事件的判別準(zhǔn)確率分布從17%到100%,對(duì)應(yīng)的識(shí)別比例分布從100%到2%。在實(shí)踐中,監(jiān)管者可選取適合的模型參數(shù)尋找有違規(guī)嫌疑的公司做深入調(diào)查和追蹤。若監(jiān)管者想以100%的準(zhǔn)確率調(diào)查違規(guī)公司,每年能找到約11家公司作為典型。如果想擴(kuò)大調(diào)查范圍,監(jiān)管機(jī)構(gòu)可以按照?qǐng)D2所示選擇目標(biāo)覆蓋率對(duì)應(yīng)的準(zhǔn)確率運(yùn)行決策樹模型。

對(duì)于投資者而言,規(guī)避違規(guī)公司是首要考慮,希望精確判定為未違規(guī)公司的樣本形成的投資標(biāo)的池越大越好。這就需要模型在給定準(zhǔn)確率下識(shí)別未違規(guī)樣本的比例最大化。經(jīng)檢驗(yàn),模型能夠在樣本內(nèi)以100%的準(zhǔn)確率找出46%的未違規(guī)樣本。在樣本外以95%的準(zhǔn)確率找出39%的未違規(guī)樣本。從實(shí)踐角度考察,在某一年度,A股總樣本中有3150個(gè)公司,其中約2615個(gè)未違規(guī);模型預(yù)測(cè)的投資標(biāo)的池含1073個(gè)公司,其中只有54個(gè)公司為未能識(shí)別的違規(guī)公司(占比5%)。機(jī)器學(xué)習(xí)可以從平均違規(guī)率為17%的總樣本中篩選出違規(guī)率為5%、覆蓋率為39%的投資標(biāo)的池。這個(gè)模型設(shè)置能夠以95%的準(zhǔn)確率滿足投資者規(guī)避風(fēng)險(xiǎn)的需求。圖3展示不同參數(shù)下模型對(duì)未違規(guī)樣本的判定能力。模型對(duì)未違規(guī)公司的預(yù)警準(zhǔn)確率范圍為85%到100%,對(duì)應(yīng)的對(duì)未違規(guī)事件的識(shí)別比例范圍為100%到6%。模型的準(zhǔn)確率越高,識(shí)別比例越低,反之則相反。投資者可以根據(jù)自身對(duì)風(fēng)險(xiǎn)的承受能力選擇相應(yīng)的模型。(四)公司績(jī)效比較

【參考文獻(xiàn)】：
期刊論文
[1]賣空機(jī)制能抑制上市公司違規(guī)嗎?[J]. 孟慶斌,鄒洋,侯德帥.  經(jīng)濟(jì)研究. 2019(06)
[2]近墨者黑:上市公司違規(guī)行為的“同群效應(yīng)”[J]. 陸蓉,常維.  金融研究. 2018(08)
[3]高管薪酬差距的陰暗面——基于企業(yè)違規(guī)行為的研究[J]. 魏芳,耿修林.  經(jīng)濟(jì)管理. 2018(03)
[4]趕超壓力與公司的敗德行為——來(lái)自中國(guó)上市公司的數(shù)據(jù)分析[J]. 賀小剛,鄧浩,吳詩(shī)雨,梁鵬.  管理世界. 2015(09)
[5]機(jī)構(gòu)投資者持股與上市公司違規(guī)行為的實(shí)證研究[J]. 陸瑤,朱玉杰,胡曉元.  南開管理評(píng)論. 2012(01)
[6]管理層權(quán)力、私有收益與薪酬操縱[J]. 權(quán)小鋒,吳世農(nóng),文芳.  經(jīng)濟(jì)研究. 2010(11)
[7]國(guó)有控股與機(jī)構(gòu)投資者的治理效應(yīng):盈余管理視角[J]. 薄仙慧,吳聯(lián)生.  經(jīng)濟(jì)研究. 2009(02)
[8]道德風(fēng)險(xiǎn)、信息發(fā)現(xiàn)與市場(chǎng)有效性——來(lái)自于股權(quán)分置改革的證據(jù)[J]. 廖理,劉碧波,酈金梁.  金融研究. 2008(04)



本文編號(hào)：3240570