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.docx

目录

一、财务造假样本筛选及特征分析 2

、造假公司的样本整理 2

、造假公司的行业与时间分布 2

、造假的违规类型 4

、样本处理方式 5

二、财务造假特征的选择 5

、财务指标 5

、公司基本情况 6

、市场指标 7

、指标处理 7

、模型优化目标 8

三、造假预测Logistic回归模型建立 8

四、造假预测MLP神经网络模型建立 10

五、造假预测XGBoost模型建立 12

六、总结 15

七、风险提示 16

图表目录

图表1:财务造假的行业分布 2

图表2:财务造假的年份分布（左）财务造假持续年份的公司数量分布（右） 3

图表3:财务造假的行业分年度违规率（1） 3

图表4:财务造假的行业分年度违规率（2） 4

图表5:财务造假的行业分年度违规率（3） 4

图表6:财务造假的违规类型分布 5

图表7:公司基本情况指标 7

图表8:市场指标 7

图表9:Logistic回归的混淆矩阵（左）Logistic回归的评价指标（右） 9

图表10:Logistic回归的财务造假识别模型表现 9

图表11:Logistic中的特征变量重要性（前10项） 10

图表12:MLP的混淆矩阵（左）MLP的评价指标（右） 11

图表13:MLP的财务造假识别模型表现 11

图表14:MLP中的特征变量重要性（前10项） 12

图表15:XGBoost的混淆矩阵（左）XGBoost的评价指标（右） 13

图表16:XGBoost的财务造假识别模型表现 14

图表17:XGBoost中的特征变量重要性（前10项） 14

图表18:特征在各模型中重要性排序（前10项） 15

一、财务造假样本筛选及特征分析

上市公司的财务造假对市场造成了巨大的影响，给投资者们造成了巨大的损失，也给资本市场的健康发展带来了负面影响。如何通过各种信息判断出可能进行财务造假的公司，从而在投资前避开这些雷区，是投资者重点关注的问题。理论上，最彻底甄别财务造假的方法是对每一个公司逐一进行调查研究，但是由于上市公司数量过多，且造假手段层出不穷，导致成本太高。使用量化模型可以对市场上的股票进行一轮初筛，识别出一批造假概率较高的样本，从而帮助我们减少大量的人力成本。

、造假公司的样本

在财务造假样本筛选中，本文的数据来源于CSMAR数据库的“财务违规表”。该表从证监会，上交所以及深交所发布的公告中了发生财务造假的案例，共19482条。本文选择2001年1月1日之后的样本进行分析。

同时，由于财务造假的处罚公布具有滞后性，因此决定暂时不研究最近2年，即2022年12月31日之后的所有样本。

据CSMAR数据库统计，2001年至2022年期间，涉及虚构利润、虚列资产、虚假记载（误导性陈述）即财务造假被披露的事件共涉及到1503家上市公司，涉及3959条违规记录。在样本选择中，样本来源于2001年

1月1日至2022年12月31日受到中国证监会及上交所深交所披露的存在财务违规的中国A股上市公司对应

年报。部分上市公司还存在临时报告或者季度报告的造假情况，但此类报告与年报的部分财务指标不一致，故不纳入样本。

、造假公司的行业与时间分布

本文使用中信一级行业进行行业分类。从下图来看，财务造假公司的行业分布差异化较大。从绝对数量来看，机械、基础化工、医药等行业财务造假的数量非常多，是财务造假的重灾区。而煤炭和综合金融等公司造假的数量几乎没有。银行板块1999-2022年没有出现过财务造假案例。

图表1:财务造假的行业分布

数据来源：、CSMAR、

策略深度报告

在观测造假公司的时间分布时，本文将A股存在造假现象的所有年报作统计，包括一家公司多年连续发生造假行为的年报。从造假年份的分布来看，财务造假的数量呈现明显增多的趋势，在2018年达到顶峰。2018年之后，财务造假数量逐渐减少，推测可能是部分造假案例还没有被发现披露。总体而言，如何进行财务造假的甄别仍然值得关注。

许多公司的财务造假并不是一年的事情，而是长期、持续的造假，直到后面才被发现。从每个财务造假公司造假的年数来看，造假1年（被发现）的公司最多，大部分公司造假的年数都小于等于5年。也有少部分公

司有超过10年的财务造假。

图表2:财务造假的年份分布（左）财务造假持续年份的公司数量分布（右，单位：年）

数据来源：、CSMAR、

综合行业与时间，通过计算各年度中信一级分