上市公司会计信息失真识别研究的综述报告.docx

上市公司会计信息失真识别研究的综述报告
近年来，上市公司会计信息失真问题受到了越来越多的关注。上市公司作为公众公司，其财务报告所反映的财务状况、经营成果和现金流量对于公司的股东、投资者、债权人以及监管机构都具有重要的参考价值。因此，如果上市公司会计信息存在失真问题，不仅会对公司自身的发展产生重大影响，还会对公众利益造成一定的损害。鉴于此，对上市公司会计信息失真问题进行研究具有重要的现实意义。
上市公司会计信息失真问题的表现形式多种多样，包括收益管理、资产减值、虚假交易等多个方面。面对如此复杂的问题，学术界开展了大量的研究，以寻求有效的方法识别和预测上市公司会计信息失真。以下将对相关研究进行综述。
首先，基于财务报表的财务分析方法是目前识别上市公司会计信息失真的主要手段之一。这种方法通过分析财务报表中潜在的迹象，如收入、利润、财务比率等多个方面，寻找存在失真的公司。例如，徐柿铭等(2018)采用了多项式分段变形链式法对上市公司的财务报表进行分析，发现对于利润为负的公司，采用分析现金流量的方法能够更准确地识别其是否存在失真。而Elkamhi等(2016)将财务比率、公司治理、CEO人格特质等多个指标建立起来的模型，来识别可能存在财务欺诈问题的公司。此外，还有许多其他采用财务分析方法进行上市公司会计信息失真识别的研究，如模糊C均值聚类算法(李华等,2018)、多元判别分析法(曾欣煊,2017)等。
其次，近年来，机器学习方法在识别上市公司会计信息失真问题方面的应用也越来越广泛。机器学习算法基于大量的历史数据模型，通过学习现象背后的规律来预测未来事件发生的概率。在这方面，支持向量机(SVM)、逻辑回归(LogisticRegression)、随机森林(RandomForest)等机器学习算法被广泛地运用。例如，Peng等人(2018)采用了Logistic_Regression想法，用5家公司的数据进行训练开发了关于肃清上市公司财务报表的预测模型，最终得到了理想的预测结果。而Song和Tang(2018)使用随机森林模型，对上市公司的财务报表进行分析，预测公司是否存在欺诈问题，通过研究20年时间里五百多家纽约交所上市公司的财务数据，得出了非常良好的预测效果。此外，也有很多研究采用其他机器学习算法，如朴素贝叶斯法(王鹏等,2018)，神经网络(李月新等,2017)，来识别上市公司会计信息失真问题。
总之，上市公司会计信息失真问题的复杂性和多样性决定了其识别和预测需要综合运用多种研究方法和技术手段，并不断地结合实际情况调整和完善研究方法，才能有效地避免财务报表的失真，保障公众利益。