有效预警上市公司违规的递延所得税异动指标和人工智能模型

摘要：

2000-2017年,3434家A股上市公司样本中的47.79％至少有一次违规记录,每年平均有17％的公司违规,而监管机构平均需要2.7年查证并通告违规行为.我们用当年数据构建递延所得税异动指标,可有效预判违规,并发现监管机构未能识别这一指标的警示作用,实际激励了违规公司通过操纵递延所得税提高财务指标以规避稽查.进一步构建决策树模型,对违规事件实现样本外精准判别.本文揭示了A股公司大面积违规而稽查过程冗长迟缓这一重要现象,并分析了违规机制,指出了所得税数据在稽查违规中可以发挥的预警作用,为监管者和投资者提供有效预警上市公司违规行为的新指标和方法.

关键词：违规预警、市场有效性、递延所得税、决策树模型

分类号：F276.6;F832.5;TP18

资助基金：国家自然科学基金71273150

在线出版日期：2020-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共20页

页码：149-168