上市公司及相關主體違規行為畫像
張莉、李卓松
相關主題
商品描述
"針對信息化環境下上市公司違規行為呈現出的違規形式復雜多樣、違規手段花樣翻新、違規行為危害巨大等特點，本書以資本市場監管為出發點，以實證研究為基礎，以上市公司、會計師事務所等相關主體的違規行為為研究對象，利用人工智能及用戶畫像技術，對上市公司及相關主體的違規行為及關鍵因素進行畫像，構建了包括上市公司監管政策、會計師事務所、上市公司行業類別、財務特征及公司治理等核心要素的數據集；對上市公司及會計師事務所兩類主體的違規行為進行風險畫像建模，設計了違規行為的群體畫像及個體畫像，了解並跟蹤違規行為演變機理，識別關鍵特征；利用機器學習算法對上市公司及會計師事務所違規行為進行實證研究，預測異常用戶，尋找防範上市公司違規行為發生的有效途徑，在梳理現有國內外監管制度的基礎上，為上市公司及相關主體的風險防範提供經驗證據。 本書從大數據視角研究違規主體的行為特征，完善了大數據時代上市公司及相關主體的違規審計全局觀；基於審計理論及人工智能技術，將機器學習算法運用於上市公司監管治理領域，體現了信息技術與經濟監督的交叉融合，為資本市場監管及經濟治理提供了有廣泛應用價值的新技術；體現了多學科融合進行監管機制研究的技術群，對維護我國經濟社會安全具有一定的理論價值和現實意義。 本書適合廣大投資者、股東、監管部門相關人員以及會計、審計及其他財經類專業學生閱讀。"
作者簡介
張莉教授，博士，北京市優秀人才，北京市屬高校拔尖人才，北京信息科技大學育人先鋒、優秀主講教師、財務處長（歷任審計處長）、審計專業負責人。長期從事審計理論教學、科研與實踐方面的工作，參與完成國家審計署承擔的國家“金審工程”、國家科技支撐計劃等多項課題；參與、主持多項國家自然科學基金、省部級及企事業單位委托科研項目；有豐富的大型企事業單位、上市公司審計經驗。發表論文40多篇，出版2部專著，主編2部教材，取得10多項軟件著作權；連續多年為審計署計算機中、高級培訓授課，多次受邀為各級政府審計機關、大型企事業單位、銀行、高校、行業學會等提供審計信息化及財務方面的培訓與咨詢工作。
目錄大綱
目錄
第1章 緒論1
1.1 選題背景及意義 1
1.2 資本市場各主體角色及職能 3
1.2.1 上市公司 .3
1.2.2 中介機構 4
1.2.3 監管機構 5
1.3 上市公司及相關主體違規行為的文獻回顧 6
1.3.1 上市公司違規文獻回顧 6
1.3.2 會計師事務所違規文獻回顧 13
1.3.3 違規行為文獻述評 14
1.4 研究內容和目標 15
第2章 上市公司及相關主體的監管體制與現狀16
2.1 上市公司的監管體制 16
2.1.1 集中型監管體制 17
2.1.2 自律型監管體制 18
2.1.3 中間型監管體制 19
2.2 我國上市公司的監管現狀 20
2.2.1 集中型監管體制的形成 20
2.2.2 集中型監管體制與自律型監管體制的結合 21
2.2.3 我國證券市場的自律監管 21
2.2.4 《證券法》（2019年修訂）後的上市公司監管 22
2.3 會計師事務所的監管體制與現狀 24
2.3.1 會計師事務所單一監管階段的形成 25
2.3.2 會計師事務所監管體系的構建 25
2.3.3 《證券法》（2019年修訂）對會計師事務所監管的影響 26
2.4 證券發行註冊制下的監管轉型 27
2.4.1 以問詢函和監管函為主的非行政處罰性監管 27
2.4.2 問詢函和監管函的應用現狀 29
第3章 上市公司違規行為畫像31
3.1 上市公司違規行為的內涵及分類 31
3.1.1 股東違規自利 33
3.1.2 財務違規 33
3.1.3 違規使用資金 33
3.1.4 稅務違規 34
3.1.5 其他 .34
3.2 上市公司違規行為數據處理 34
3.2.1 多屬性數據拆分 34
3.2.2 “其他”違規類型下違規行為文本分析 34
3.3 違規內容畫像分析 36
3.3.1 違規類型整體畫像 37
3.3.2 考慮時間因素的違規類型畫像 41
3.3.3 違規類型存在關系畫像 42
3.3.4 “ST”公司的違規類型畫像 44
3.4 違規主體畫像分析 45
3.4.1 違規頻率畫像 46
3.4.2 所屬行業畫像 48
3.4.3 財務特征畫像 50
3.4.4 公司治理特征畫像 58
3.4.5 內部控制特征畫像 65
3.5 高頻違規公司的畫像分析 72
3.5.1 違規類型分析 73
3.5.2 違規類型存在關系分析 73
3.5.3 違規發生時間趨勢分析 74
3.5.4 違規行為內容分析 75
3.5.5 財務特征分析 79
3.5.6 公司治理特征分析 80
3.5.7 內部控制缺陷分析 82
3.5.8 審計師決策 84
第4章 基於機器學習模型的上市公司違規行為預測86
4.1 樣本數據和指標的選擇 87
4.1.1 指標選擇 87
4.1.2 數據收集與處理 89
4.2 機器學習模型的構建與評估 90
4.2.1 Logistic回歸模型 90
4.2.2 K近鄰模型 94
4.2.3 支持向量機（SVM）模型 95
4.2.4 隨機森林模型 97
4.3 研究結論與分析 101
4.3.1 模型評價 101
4.3.2 結論 102
第5章 會計師事務所違規行為畫像.103
5.1 會計師事務所行業畫像 103
5.1.1 會計師事務所的規模 104
5.1.2 會計師事務所從業者的個體特征 107
5.2 會計師事務所違規行為的分類及含義 111
5.2.1 會計師事務所違規行為的分類 111
5.2.2 會計師事務所違規行為的含義 112
5.3 會計師事務所及會計師違規行為畫像 115
5.3.1 數據收集與處理 115
5.3.2 會計師事務所違規行為畫像 116
5.3.3 註冊會計師違規行為畫像 126
第6章 基於機器學習模型的會計師事務所違規行為預測.133
6.1 樣本數據和指標的選擇 133
6.1.1 數據收集與處理 133
6.1.2 指標選擇 134
6.2 機器學習模型的構建與評估 135
6.2.1 支持向量機模型 136
6.2.2 決策樹模型 138
6.2.3 隨機森林模型 141
6.2.4 梯度提升樹模型 142
6.3 研究結論與分析 144
6.3.1 模型結果對比 144
6.3.2 結論 146
第7章 上市公司及相關主體違規行為的防範與治理148
7.1 完善上市公司的內部治理 148
7.1.1 優化上市公司股權結構 148
7.1.2 完善上市公司內部治理結構 150
7.1.3 建立有效的內部控制審計機制 152
7.2 加大監管處罰力度 153
7.2.1 加強退市制度 153
7.2.2 提高處罰標準 154
7.2.3 發揮交易所自律監管機制 154
7.3 加強註冊會計師行業監管 156
7.3.1 建立健全會計師事務所質量管理 156
7.3.2 建立高效的應對監管問詢函機制 157
7.3.3 提高註冊會計師專業能力 157
參考文獻159
