基于多源文本数据和特征增强树模型的上市公司欺诈预测研究

doi:10.16381/j.cnki.issn1003-207x.2024.0438

摘要/Abstract

摘要：

本文基于上市公司年报、省级政府工作报告和央行货币政策报告等多源文本数据，通过提取文本相似度、文本语调、文本可读性等在内的多维度文本指标，结合上市公司财务数据等非文本指标，采用特征增强树模型（Augboost）对上市公司欺诈进行预测。基于2001—2020年我国A股制造业上市公司的实证结果表明：（1）多源文本指标提供了额外的信息增量。（2）不同类型的文本所带来的信息增量不同：相较于上市公司年报和省级政府工作报告文本，央行货币政策文本提供的信息增量最为显著。（3）相较于逻辑回归等常见算法，本文所采用的特征增强树能够更准确地预测上市公司是否存在欺诈行为。

关键词: 多源文本, Augboost模型, 欺诈预测, 上市公司, 文本分析

Abstract:

The existing financial fraud prediction of listed companies are mainly based on financial features， but the research on the combination of text information and multi-source text information for fraud prediction needs to be further explored. It is based on multi-source text data in this paper， such as the annual reports of listed companies， work reports of provincial governments， and monetary policy reports of central bank. Textual features， including text similarity， text tone， and text readability， are extracted using text mining technology. These features， along with the financial and other non-text features of listed companies， are utilized by the feature-enhanced tree model （Augboost） to predict the fraud of listed companies. Its accuracy is evaluated in prediction scenarios combining multi-source textual information along with other prediction models （such as Logistic Regression， Naive Bayes model， Random Forest， etc.）. The empirical results based on China's A-share listed companies in the manufacturing industry from 2001 to 2020 indicate that：（1） Additional incremental information on the financial fraud of listed companies is provided by multi-source textual features. （2） The incremental information provided by different types of texts varies. Compared with the annual reports of listed companies and the work reports of provincial governments， the monetary policy of central bank offers the most significant incremental information. （3） Compared with common algorithms such as logistic regression， the Augboost model is used in this paper to predict the fraudulent status of listed companies more accurately. The prediction framework integrating multi-source text information proposed in this paper constitutes an expansion of the existing research on financial fraud prediction of listed companies， which can enhance the prediction accuracy of financial fraud of listed companies and holds practical significance in corporate regulation and decision-making.

Key words: multi-source text, Augboost model, fraud prediction, listed companies, text analysis

中图分类号:

F830

李刚,仇朝朝,张志鹏, 等. 基于多源文本数据和特征增强树模型的上市公司欺诈预测研究[J]. 中国管理科学, 2025, 33(11): 29-40.

Gang Li,Chaochao Qiu,Zhipeng Zhang, et al. Research on Predicting Corporate Fraud of Listed Companies Based on Multi-Source Text Data and Feature-Augmented Tree Models[J]. Chinese Journal of Management Science, 2025, 33(11): 29-40.

图/表 10

图1

表1

表2

表3

表4

表5

表6

表7

表8

表9

参考文献 41

[1]	Dyck A， Morse A， Zingales L. Who blows the whistle on corporate fraud？［J］. The Journal of Finance， 2010， 65（6）： 2213-2253.
[2]	谢碧鹭. 去年超30家上市公司因财务造假被处罚［N］. 经济参考报， 2024-01-08（4）.
	Xie B L. Last year， more than 30 listed companies were punished for financial fraud［N］. Economic Information Daily， 2024-01-08（4）.
[3]	中国证券监督管理委员会. 证监会要闻：证监会依法从严打击欺诈发行、财务造假等信息披露违法行为［EB/OL］. （2024-02-04）［2024-03-08］. .
	China Securities Regulatory Commission. CSRC News： CSRC severely crack down on fraudulent issuance， financial fraud and other information disclosure violations ［EB/OL］. （2024-02-04）［2024-03-08］. .
[4]	姜富伟，胡逸驰，黄楠. 央行货币政策报告文本信息、宏观经济与股票市场［J］. 金融研究， 2021（6）： 95-113.
	Jiang F W， Hu Y C， Huang N. Textual information of central bank monetary policy report， macroeconomy and stock market performance［J］. Journal of Financial Research， 2021（6）： 95-113.
[5]	陈艺云. 基于信息披露文本的上市公司财务困境预测：以中文年报管理层讨论与分析为样本的研究［J］. 中国管理科学， 2019， 27（7）： 23-34.
	Chen Y Y. Forecasting financial distress of listed companies with textual content of the information disclosure： A study based MD & a in Chinese annual reports［J］. Chinese Journal of Management Science， 2019， 27（7）： 23-34.
[6]	李爱华，王迪文，续维佳，等. 基于多数据源融合的创业板上市公司财务造假异常检测［J］. 数据分析与知识发现， 2023， 7（5）： 33-47.
	Li A H， Wang D W， Xu W J， et al. Financial fraud detection for growth enterprise market listed companies based on data fusion［J］. Data Analysis and Knowledge Discovery， 2023， 7（5）： 33-47.
[7]	Bhattacharya I， Mickovic A. Accounting fraud detection using contextual language learning［J］. International Journal of Accounting Information Systems， 2024， 53： 100682.
[8]	Purda L， Skillicorn D. Accounting variables， deception， and a bag of words： Assessing the tools of fraud detection［J］. Contemporary Accounting Research， 2015， 32（3）： 1193-1223.
[9]	陈述，游家兴，朱书谊. 地方政府工作目标完成度与公司盈余管理——基于政府工作报告文本分析的视角［J］. 会计研究， 2022（6）： 32-42.
	Chen S， Yong J X， Zhu S Y. The completion degree of government work objectives and earnings management： From the perspective of government work report［J］. Accounting Research， 2022（6）： 32-42.
[10]	林建浩，陈良源，罗子豪，等. 央行沟通有助于改善宏观经济预测吗？——基于文本数据的高维稀疏建模［J］. 经济研究， 2021， 56（3）： 48-64.
	Lin J H， Chen L Y， Luo Z H， et al. Does central bank communication improve macroeconomic forecasting？ High-dimensional sparse modeling based on text data［J］. Economic Research Journal，2021，56（3）： 48-64.
[11]	胡楠，邱芳娟，梁鹏. 竞争战略与盈余质量——基于文本分析的实证研究［J］. 当代财经， 2020（9）： 138-148.
	Hu N， Qiu F J， Liang P. Competitive strategy and earnings quality： An empirical study based on text analysis［J］. Contemporary Finance & Economics， 2020（9）： 138-148.
[12]	胡楠，薛付婧，王昊楠. 管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习［J］. 管理世界， 2021， 37（5）： 139-156+11+19-21.
	Hu N， Xue F J， Wang H N. Does managerial myopia affect long-term Investment？ Based on text analysis and machine learning［J］. Journal of Management World， 2021， 37（5）： 139-156+11+19-21.
[13]	钱爱民，朱大鹏. 财务报告文本相似度与违规处罚——基于文本分析的经验证据［J］.会计研究，2020（9）： 44-58.
	Qian A M， Zhu D P. Financial report textual similarity and the likelihood of regulatory penalties： Based on the empirical evidence of textual analysis［J］. Accounting Research， 2020（9）： 44-58.
[14]	李双燕，蒋丽华，卞舒晨. 年报文本情绪与上市公司违规行为识别——基于机器学习文本分析方法的实证研究［J］. 当代经济科学， 2023， 45（6）： 97-109.
	Li S Y， Jiang L H， Bian S C. Annual reports’ tone and violation behavior identification of listed companies： Evidence from textual analysis based on machine learning［J］.Modern Economic Science，2023，45（6）： 97-109.
[15]	郭松林，宁祺器，窦斌. 上市公司年报文本增量信息与违规风险预测——基于语调和可读性的视角［J］. 统计研究， 2022， 39（12）： 69-84.
	Guo S L， Ning Q Q， Dou B. Listed companies' annual report incremental text information and fraud risk prediction： From the perspective of tone and readability［J］. Statistical Research， 2022， 39（12）： 69-84.
[16]	刘逸爽，陈艺云. 管理层语调与上市公司信用风险预警——基于公司年报文本内容分析的研究［J］. 金融经济学研究， 2018， 33（4）： 46-54.
	Liu Y S， Chen Y Y. Tone at the top and credit risk warning for listed companies： Textual analysis of company annual reports［J］. Financial Economics Research， 2018， 33（4）： 46-54.
[17]	伍翕婷，游家兴，于明洋. 政府言行一致与企业股价崩盘风险［J］. 系统工程理论与实践， 2024， 44（3）： 853-873.
	Wu X T， You J X， Yu M Y. Government’s actions according with words and stock price crash risk［J］. Systems Engineering-Theory & Practice， 2024， 44（3）： 853-873.
[18]	陈艺云. 基于文本信息的上市中小企业财务困境预测研究［J］. 运筹与管理， 2022， 31（4）： 136-143.
	Chen Y Y. Financial distress prediction for listed SME based on the text information［J］. Operations Research and Management Science， 2022， 31（4）： 136-143.
[19]	唐晓波，谭明亮，李诗轩，等. 企业破产预测系统模型构建及实现研究［J］.情报学报，2019，38（10）：1051-1065.
	Tang X B， Tan M L， Li S X， et al. Research on construction and implementation of a corporate bankruptcy prediction system model［J］. Journal of the China Society for Scientific and Technical Information， 2019， 38（10）： 1051-1065.
[20]	Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy［J］. The Journal of Finance， 1968， 23（4）： 589-609.
[21]	方匡南，范新妍，马双鸽.基于网络结构Logistic模型的企业信用风险预警［J］.统计研究，2016，33（4）： 50-55.
	Fang K N， Fan X Y， Ma S G. Forecasting of enterprise’s credit risk based on network-logistic model［J］. Statistical Research， 2016， 33（4）： 50-55.
[22]	Yu L， Yao X， Wang S， et al. Credit risk evaluation using a weighted least squares SVM classifier with design of experiment for parameter selection［J］. Expert Systems with Applications， 2011， 38（12）： 15392-15399.
[23]	Lee T S， Chiu C C， Chou Y C， et al. Mining the customer credit using classification and regression tree and multivariate adaptive regression splines［J］. Computational Statistics & Data Analysis， 2006， 50（4）： 1113-1130.
[24]	李莹，曲晓辉. 基于机器学习的公司违规预测研究［J］. 财务研究， 2022（4）： 54-66.
	Li Y， Qu X H. Corporate fraud prediction based on machine learning［J］. Finance Research， 2022（4）： 54-66.
[25]	Brown I， Mues C. An experimental comparison of classification algorithms for imbalanced credit scoring data sets［J］. Expert Systems with Applications， 2012， 39（3）： 3446-3453.
[26]	Liu W， Fan H， Xia M. Credit scoring based on tree-enhanced gradient boosting decision trees［J］. Expert Systems with Applications， 2022， 189： 116034.
[27]	Liu W， Fan H， Xia M. Step-wise multi-grained augmented gradient boosting decision trees for credit scoring［J］. Engineering Applications of Artificial Intelligence， 2021， 97： 104036.
[28]	Khanna V， Kim E H， Lu Y. CEO connectedness and corporate fraud［J］. The Journal of Finance， 2015， 70（3）： 1203-1252.
[29]	Denis D J， Hanouna P， Sarin A. Is there a dark side to incentive compensation？［J］. Journal of Corporate Finance， 2006， 12（3）： 467-488.
[30]	Cornett M M， Marcus A J， Tehranian H. Corporate governance and pay-for-performance： The impact of earnings management［J］. Journal of Financial Economics， 2008， 87（2）： 357-373.
[31]	Bao Y， Ke B， Li B， et al. Detecting accounting fraud in publicly traded U.S. firms using a machine learning approach［J］. Journal of Accounting Research， 2020， 58（1）： 199-235.
[32]	Dechow P M， Ge W， Larson C R， et al. Predicting material accounting misstatements［J］. Contemporary Accounting Research， 2011， 28（1）： 17-82.
[33]	李建平，孙灏，常闫芃，等. 考虑审计要素多重语义关联的财务欺诈识别［J］. 管理科学学报， 2024， 27（3）： 58-70.
	Li J P， Sun H， Chang Y P， et al. Financial statement fraud identification considering the multiple-dimensional semantic associations of auditing elements［J］. Journal of Management Sciences in China， 2024， 27（3）： 58-70.
[34]	袁先智，周云鹏，严诚幸，等. 财务欺诈风险特征筛选框架的建立和应用［J］. 中国管理科学， 2022， 30（3）： 43-54.
	Yuan X Z， Zhou Y P， Yan C X， et al. The framework for the risk feature extraction method on corporate financial fraud George［J］. Chinese Journal of Management Science， 2022， 30（3）： 43-54.
[35]	王爱萍，马奔，胡海峰. 公司欺诈问题研究进展［J］. 经济学动态， 2019（2）： 115-132.
	Wang A P， Ma B， Hu H F. The progress of research on corporate fraud［J］. Economic Perspectives， 2019（2）： 115-132.
[36]	Wang T Y， Winton A. Competition and corporate fraud waves［C］//Proceedings of the 7th Annual Conference on Empirical Legal Studies， Palo Alto， California， November 9-10， 2012.
[37]	张学勇，施懿. 基于元学习的财务舞弊识别研究［J］. 管理科学学报， 2023， 26（10）： 95-113.
	Zhang X Y， Shi Y. Financial fraud recognition model based on meta-learning［J］. Journal of Management Sciences in China， 2023， 26（10）： 95-113.
[38]	沈隆，周颖. 管理层讨论与分析能预示企业违约吗？——基于中国股市的实证分析［J］. 系统管理学报， 2024， 33（2）： 441-459.
	Shen L， Zhou Y. Can management discussion and analysis predict corporate defaults？ An empirical analysis based on the Chinese stock market［J］. Journal of Systems & Management， 2024， 33（2）： 441-459.
[39]	Lessmann S， Baesens B， Seow H V， et al. Benchmarking state-of-the-art classification algorithms for credit scoring： An update of research［J］. European Journal of Operational Research， 2015， 247（1）： 124-136.
[40]	周颖，苏小婷. 基于最优指标组合的企业信用风险预测［J］. 系统管理学报， 2021， 30（5）： 817-838.
	Zhou Y， Su X T. Credit risk prediction of company based on optimal feature set［J］. Journal of Systems & Management， 2021， 30（5）： 817-838.
[41]	You J， Zhang B， Zhang L. Who captures the power of the pen？［J］. The Review of Financial Studies， 2018， 31（1）： 43-96.

序号	1	2	3	…	4217	…	6748
积极词	敬献	敬业	爱国心	…	尊法
消极词	贫乏	劫数	短视	…	猖狂	…	哀悼

股票代码-年份	上市公司年报文本
	文本相似度	文本净语调	文本负语调	文本可读性	短视指标				竞争战略
	文本相似度	文本净语调	文本负语调	文本可读性	短视综合指标	数月	…	还款压力	Cost	Diff
000004-2010	0.690	0.754	0.123	56.857	0.259	0.833		0.965	0.003	0.001
000004-2011	0.590	0.448	0.276	52.313	0.295	0.474		0.549	0.005	0.001
…	…	…	…	…	…	…	…	…	…	…
000016-2001	0.597	0.398	0.301	43.645	0.193	1.242		1.440	0.008	0.003
000016-2002	0.523	0.813	0.093	191.286	0.000	1.085		1.257	0.003	0.005
…	…	…	…	…	…	…	…	…	…	…
688981-2020	0.825	0.171	0.414	55.247	0.032	0.102		0.096	0.003	0.002

股票代码-年份	央行文本				省级政府工作报告文本
股票代码-年份	文本相似度	文本净语调	文本负语调	文本可读性	文本相似度	文本净语调	文本负语调	文本可读性
000004-2010	0.313	0.582	0.209	45.461	0.699	0.862	0.069	33.813
000004-2011	0.421	0.427	0.287	45.096	0.707	0.903	0.048	28.723
…	…	…	…	…	…	…	…	…
000016-2001	0.512	0.499	0.251	46.161	0.655	0.848	0.076	34.569
000016-2002	0.512	0.552	0.224	48.429	0.736	0.811	0.094	31.425
…	…	…	…	…	…	…	…	…
688981-2020	0.484	0.584	0.208	45.718	0.702	0.171	0.414	55.247

样本数	初始特征矩阵
样本数	X₁	X₂	…	X₁₄₆
1	1.6175	1.2867	…	0.005233
2	0.3553	0.3441	…	0.001661
3	1.75361	1.1987	…	0.004289
…	…	…	…	…
12866	0.3010	0.1617	…	0.005182
12867	1.3127	0.9226	…	0.000947
	增强后矩阵
	X’₁	X’₂	…	X’₁₄₆
1	-0.2557714	-0.03033657	…	-0.426517
2	-0.2569253	-0.06300148	…	0.0241909
3	0.18951760	-0.06886076	…	0.0418108
…	…	…	…	…
12866	-0.2366145	-0.04575666	…	-0.033644
12867	-0.2381984	0.002320920	…	0.7880405

序号	模型	AUC	KS	G-mean	F-score	Precision	Recall	Accuracy	BM
1	Augboost	0.723	0.340	0.652	0.394	0.298	0.581	0.707	0.313
2	LR	0.466	0.014	0.081	0.013	0.240	0.007	0.834	0.013
3	NB	0.536	0.025	0.164	0.283	0.165	0.983	0.184	0.081
4	DT	0.560	0.118	0.480	0.266	0.260	0.272	0.754	0.120
5	KNN	0.518	0.026	0.197	0.067	0.218	0.040	0.819	0.029
6	RF	0.720	0.058	0.100	0.020	0.563	0.010	0.836	0.331
7	LDA	0.685	0.070	0.172	0.056	0.397	0.030	0.834	0.283
8	ANN	0.501	0.007	0.066	0.009	0.211	0.004	0.834	0.004
9	Ada	0.691	0.199	0.630	0.360	0.257	0.600	0.651	0.276