策略深度：财务报表分析系列，机器学习在上市公司财务造假识别中的应用-241119-中信建投-19页.pdfVIP

证券研究报告·策略深度

机器学习在上市公司财务造假识别中的应用投资策略研究

——财务报表分析系列

核心观点：财务造假会影响投资者的判断，从而给投资者带来巨大的

损失。本文选取了2001至2022年间，证监会，上交所以及深交所发

布的公告中搜集到发生财务造假的A股上市公司作为造假样本，共涉王程畅

及1503家公司的3959份年报。从财务指标、公司基本情况和市场指wangchengchang@

标三个维度入手，构建了特征变量池。使用了Logistic回归、SAC执证编号：10001

XGBoost和MLP，3种机器学习方法，构建上市公司财务造假识别模型。

其中XGBoost回归结果最优，XGBoost结果为准确率76.43%，精确率

18.12%，召回率69.63%，特异性76.93%。通过对特征重要度的分析发布日期：2024年11月19日

可以发现，非标的审计意见、与财务费用相关的指标、与净利润相关

的指标、预付款项等，在现实中如果要判断财务造假，可以从这些特市场表现

征入手，观察它们是否出现异常。20%

10%

财务造假数量增加，虚假记载是最主要的造假动机0%

2001至2022年，涉及财务造假的公司达1503家。财务造假会影响投-10%

资者的判断，从而给投资者带来巨大的损失，也给中国资本市场的健-20%

-30%

666666666666

康发展蒙上了阴影。财务造假数量呈现增长趋势，虽然近两年有所缓111111111111

////////////

121234567890

11/////////1

//444444444/

解，但对财务造假的甄别仍然值得关注。经统计，超过90%的财务造332222222224

220000000002

002222222220