伍 彬 劉云菁 張 敏

(1.中國(guó)人民大學(xué)商學(xué)院； 2.湖南財(cái)政經(jīng)濟(jì)學(xué)院會(huì)計(jì)學(xué)院)

1 研究背景

作為重要的信息中介，分析師通過(guò)搜集、分析和解讀信息，能夠降低信息不對(duì)稱程度，發(fā)揮重要的治理作用[1,2]。分析師利用的信息類型、獲取信息的方式和解讀信息的過(guò)程是其發(fā)揮積極作用的基礎(chǔ)?，F(xiàn)有文獻(xiàn)從搜集信息的方式和內(nèi)容等角度對(duì)分析師行為的影響因素展開(kāi)了豐富的研究[3～6]，但少有文獻(xiàn)研究分析師對(duì)信息的解讀如何影響其決策。分析師對(duì)信息的解讀是其預(yù)測(cè)公司未來(lái)發(fā)展的基礎(chǔ)，而根據(jù)獲取的信息推測(cè)公司發(fā)生財(cái)務(wù)舞弊的概率正是其解讀信息的重要方式之一。因此，本研究擬從財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別的角度打開(kāi)分析師解讀信息的黑箱，探究分析師能否識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)并出具消極的評(píng)級(jí)報(bào)告，并檢驗(yàn)該應(yīng)對(duì)措施能否降低公司未來(lái)的舞弊風(fēng)險(xiǎn)。

然而，研究這一問(wèn)題最大的挑戰(zhàn)在于如何準(zhǔn)確刻畫(huà)公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。如果用監(jiān)管機(jī)構(gòu)處罰的舞弊案例衡量，僅能用二元變量表示舞弊風(fēng)險(xiǎn)，不僅被處罰的舞弊案例有限、存在嚴(yán)重的滯后性，且無(wú)法精確刻畫(huà)出不同公司間舞弊風(fēng)險(xiǎn)的差異，因而采用是否被處罰來(lái)衡量企業(yè)的舞弊風(fēng)險(xiǎn)存在較大問(wèn)題。本研究采用機(jī)器學(xué)習(xí)預(yù)測(cè)公司財(cái)務(wù)舞弊的概率。機(jī)器學(xué)習(xí)算法相比于傳統(tǒng)的預(yù)測(cè)方法，具有多方面優(yōu)勢(shì)，例如能夠解決預(yù)測(cè)因子多、高度相關(guān)以及預(yù)測(cè)函數(shù)形式復(fù)雜等問(wèn)題。因而，機(jī)器學(xué)習(xí)算法十分契合公司財(cái)務(wù)舞弊的預(yù)測(cè)，能大大提升財(cái)務(wù)舞弊風(fēng)險(xiǎn)衡量的準(zhǔn)確性?；陬A(yù)測(cè)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)指標(biāo)，本研究考察分析師是否更可能針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告，并進(jìn)一步檢驗(yàn)分析師出具消極評(píng)級(jí)報(bào)告能否降低公司未來(lái)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

本研究的主要貢獻(xiàn)在于：①區(qū)別于現(xiàn)有文獻(xiàn)從分析師獲取信息的方式和信息來(lái)源等方面研究分析師行為的影響因素[3, 6]，本研究從分析師決策過(guò)程的角度拓展了分析師行為的影響因素領(lǐng)域的研究，進(jìn)一步打開(kāi)了分析師決策過(guò)程的黑匣子；②諸多文獻(xiàn)從分析師跟蹤的經(jīng)濟(jì)后果的角度檢驗(yàn)分析師的治理效應(yīng)[1]，本研究則以識(shí)別財(cái)務(wù)舞弊風(fēng)險(xiǎn)的視角切入，從分析師發(fā)布消極的評(píng)級(jí)報(bào)告的經(jīng)濟(jì)后果的角度豐富了分析師治理效應(yīng)領(lǐng)域的文獻(xiàn)；③引入機(jī)器學(xué)習(xí)算法對(duì)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)進(jìn)行衡量，拓展了公司財(cái)務(wù)與公司治理研究的視角。

2 文獻(xiàn)綜述

與本研究主題相關(guān)的文獻(xiàn)主要包括分析師行為的影響因素與財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別兩類，下面從這兩個(gè)角度進(jìn)行綜述。

在分析師行為的影響因素方面，現(xiàn)有文獻(xiàn)主要從分析師獲取信息的途徑與信息來(lái)源等角度展開(kāi)研究。從分析師獲取信息的途徑來(lái)看：一方面，分析師通過(guò)公開(kāi)渠道獲取信息。CEN等[7]、GREEN等[8]和CHENG等[3]分別發(fā)現(xiàn)，參加電話會(huì)議、主辦投資者會(huì)議和開(kāi)展實(shí)地調(diào)研是分析師搜集信息的重要途徑。另一方面，分析師通過(guò)私有渠道獲取信息。SOLTES[4]指出，與管理層的私下溝通是分析師獲取信息的有效途徑。分析師還會(huì)利用自身的社會(huì)網(wǎng)絡(luò)關(guān)系(如銀行關(guān)聯(lián)[9])獲取私有信息。從信息來(lái)源角度來(lái)看，分析師會(huì)綜合利用財(cái)務(wù)信息與非財(cái)務(wù)信息。例如，HOPE[5]認(rèn)為公司的財(cái)務(wù)信息是分析師的重要信息來(lái)源。同時(shí)，越來(lái)越多的學(xué)者開(kāi)始關(guān)注分析師對(duì)非財(cái)務(wù)信息的利用。BASSEMIR等[10]的研究表明，電話會(huì)議中的信息有助于減少分析師盈利預(yù)測(cè)的誤差和分歧。公司發(fā)布的社會(huì)責(zé)任報(bào)告[6]、披露的臨床試驗(yàn)信息[11]等特定信息也有助于提升分析師盈利預(yù)測(cè)的準(zhǔn)確性。此外，媒體報(bào)道信息也是分析師重要的信息來(lái)源[12]，甚至“推文”這類社交媒體的信息也會(huì)被分析師利用[13]。

在財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別方面，現(xiàn)有文獻(xiàn)主要從財(cái)務(wù)舞弊的影響因素和識(shí)別模型兩個(gè)角度來(lái)探究財(cái)務(wù)舞弊的預(yù)測(cè)。從舞弊的預(yù)測(cè)因子角度來(lái)看，財(cái)務(wù)[14]與非財(cái)務(wù)指標(biāo)[15]不斷被納入研究，財(cái)務(wù)指標(biāo)如公司現(xiàn)金流量、利潤(rùn)指標(biāo)、資產(chǎn)質(zhì)量指數(shù)、銷售增長(zhǎng)指數(shù)等，非財(cái)務(wù)指標(biāo)如高管的語(yǔ)言特征、財(cái)務(wù)報(bào)告的主題等文本信息[16]。學(xué)者們?cè)谕诰蝾A(yù)測(cè)因子的基礎(chǔ)上也不斷優(yōu)化財(cái)務(wù)舞弊識(shí)別模型。早期的研究大都采用邏輯回歸等方法預(yù)測(cè)財(cái)務(wù)舞弊[17]。隨后，新興機(jī)器學(xué)習(xí)算法開(kāi)始被逐漸引入，財(cái)務(wù)舞弊識(shí)別模型得到不斷改進(jìn)。PAI等[18]和LIN等[19]分別用支持向量機(jī)方法和模糊神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)財(cái)務(wù)舞弊，均取得較好的預(yù)測(cè)效果。BAO等[20]利用集成學(xué)習(xí)選取原始數(shù)據(jù)作為輸入變量來(lái)預(yù)測(cè)財(cái)務(wù)舞弊，發(fā)現(xiàn)預(yù)測(cè)效果優(yōu)于以往算法。

綜合來(lái)看，現(xiàn)有研究從分析師信息獲取方式和信息來(lái)源的角度探討了分析師行為的影響因素，但是分析師如何解讀信息尚待研究。財(cái)務(wù)舞弊識(shí)別方面的文獻(xiàn)主要從識(shí)別因子和識(shí)別模型兩方面優(yōu)化舞弊預(yù)測(cè)效果，然而鮮有研究解決因被處罰的舞弊公司數(shù)量有限導(dǎo)致的樣本不均衡的問(wèn)題。

3 研究假設(shè)

分析師識(shí)別財(cái)務(wù)舞弊的動(dòng)機(jī)是其能否識(shí)別財(cái)務(wù)舞弊的前提。首先，分析師主要通過(guò)發(fā)布盈利預(yù)測(cè)、股票評(píng)級(jí)推薦等方式向資本市場(chǎng)傳遞有價(jià)值的信息[21]，其盈余預(yù)測(cè)的準(zhǔn)確度和股票評(píng)級(jí)的恰當(dāng)性是市場(chǎng)評(píng)價(jià)其工作價(jià)值的關(guān)鍵指標(biāo)，影響著其所屬券商的聲譽(yù)與本人的聲譽(yù)和薪酬[22]。因此，分析師有強(qiáng)烈的動(dòng)機(jī)獲取充分的信息以對(duì)公司進(jìn)行全面而深入地分析，并做出恰當(dāng)?shù)脑u(píng)級(jí)決策。其次，識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)是進(jìn)行恰當(dāng)評(píng)級(jí)的基礎(chǔ)。如果公司存在財(cái)務(wù)舞弊而分析師未能識(shí)別，則分析師往往會(huì)做出錯(cuò)誤的評(píng)級(jí)推薦，導(dǎo)致分析師和其所在券商的聲譽(yù)受損，影響分析師的收入乃至其職業(yè)生涯；相反，如果分析師識(shí)別了公司的財(cái)務(wù)舞弊，則能做出更合理的評(píng)級(jí)，有助于投資者進(jìn)行恰當(dāng)?shù)赝顿Y決策，這不僅能夠給分析師帶來(lái)良好的聲譽(yù)，還會(huì)直接或間接地提高其收入[23]。基于此，分析師有動(dòng)機(jī)識(shí)別公司潛在的財(cái)務(wù)舞弊風(fēng)險(xiǎn)以做出恰當(dāng)評(píng)級(jí)。

分析師不僅具有識(shí)別財(cái)務(wù)舞弊的動(dòng)機(jī)，也有識(shí)別財(cái)務(wù)舞弊的能力。一方面，與普通投資者和經(jīng)理人相比，分析師具備扎實(shí)的金融、會(huì)計(jì)和經(jīng)濟(jì)學(xué)等專業(yè)知識(shí)，能夠看懂公司的財(cái)務(wù)報(bào)表和附注，并從微觀上理解企業(yè)特質(zhì)，也擁有豐富的特定行業(yè)的經(jīng)驗(yàn)，能以總體性、系統(tǒng)化的思維來(lái)深入理解行業(yè)的本質(zhì)特征，宏觀上把握產(chǎn)業(yè)趨勢(shì)[1]；另一方面，分析師具有信息和資源優(yōu)勢(shì)，能對(duì)企業(yè)信息進(jìn)行全方位地搜集和傳遞。分析師通過(guò)對(duì)其跟蹤的公司進(jìn)行持續(xù)關(guān)注和定期調(diào)研以獲取企業(yè)內(nèi)外部信息，還能夠依賴自身和所在券商的資源優(yōu)勢(shì)獲取更多有關(guān)企業(yè)的私有信息[4]。因此，在搜集企業(yè)信息的過(guò)程中，報(bào)表中的任何異常都會(huì)引起分析師的關(guān)注，結(jié)合其專業(yè)的信息挖掘和解讀能力，分析師能夠識(shí)別公司潛在的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

如果分析師有效識(shí)別了公司的高財(cái)務(wù)舞弊風(fēng)險(xiǎn)，則會(huì)考慮該因素對(duì)其行為決策的影響。而財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司存在諸多潛在危害，因此，分析師更可能針對(duì)該類公司出具消極的評(píng)級(jí)報(bào)告。具體而言，公司的高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的潛在危害表現(xiàn)在如下幾個(gè)方面：①這類公司會(huì)計(jì)指標(biāo)的真實(shí)性較差，可能誤導(dǎo)投資者做出錯(cuò)誤的投資決策；②財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司，有更大的可能性收到監(jiān)管機(jī)構(gòu)的問(wèn)詢函甚至被監(jiān)管層處罰，導(dǎo)致公司聲譽(yù)受損、融資成本增加、銷售收入降低、法律費(fèi)用增加等，進(jìn)而影響公司未來(lái)的真實(shí)經(jīng)營(yíng)活動(dòng)[24]；③一旦公司的財(cái)務(wù)舞弊被揭露，股票市場(chǎng)價(jià)格往往會(huì)一落千丈甚至跌停，給投資者帶來(lái)巨大的經(jīng)濟(jì)損失，影響資本市場(chǎng)的良性發(fā)展[20]；④財(cái)務(wù)舞弊事件不僅會(huì)對(duì)舞弊公司的利益相關(guān)者造成重大損害，也會(huì)對(duì)諸多非舞弊公司的利益相關(guān)者產(chǎn)生間接損害[20]。而分析師的職能為搜集并分析上市公司信息，對(duì)其盈利狀況和投資價(jià)值進(jìn)行預(yù)測(cè)和判斷，以滿足投資者對(duì)上市公司價(jià)值相關(guān)信息的需求。為了保護(hù)自己的聲譽(yù)、提高薪酬、促進(jìn)職業(yè)前景等，分析師會(huì)獲取公司全面的信息并深入分析，以揭示他們所關(guān)注的公司的真實(shí)業(yè)績(jī)。因此，針對(duì)識(shí)別出的高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司，分析師傾向于發(fā)布消極評(píng)級(jí)以提示潛在的風(fēng)險(xiǎn)。由此，提出以下假設(shè)：

假設(shè)1公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)越大，分析師越有可能對(duì)公司出具消極的評(píng)級(jí)報(bào)告。

如果分析師針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司更可能發(fā)布消極評(píng)級(jí)，那么該應(yīng)對(duì)措施能否發(fā)揮實(shí)際效果，促使公司降低未來(lái)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)呢？可以推測(cè)，分析師針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告，將增加公司和管理層面臨的壓力，從而促使他們調(diào)整自身的不當(dāng)行為，降低未來(lái)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。下面從公司和管理層兩個(gè)角度展開(kāi)分析。

從公司角度而言，將面臨以下壓力：①投資者會(huì)迅速對(duì)分析師的消極評(píng)級(jí)加以解讀并做出反應(yīng)，降低對(duì)公司的估值，改變自身的交易決策，從而對(duì)公司股價(jià)造成強(qiáng)烈沖擊[2]；②公司債權(quán)人及上下游的供應(yīng)商和客戶會(huì)對(duì)公司的信譽(yù)給予負(fù)面評(píng)估，導(dǎo)致其融資受阻、供貨渠道受限、市場(chǎng)份額下降等；③分析師的消極評(píng)級(jí)可能引起監(jiān)管層的關(guān)注，促使監(jiān)管層對(duì)公司進(jìn)行監(jiān)督和審查，使得公司更可能收到監(jiān)管機(jī)構(gòu)的問(wèn)詢函，對(duì)公司聲譽(yù)造成損失；④媒體針對(duì)此信息的宣傳報(bào)道會(huì)進(jìn)一步擴(kuò)大分析師消極評(píng)級(jí)給公司帶來(lái)的負(fù)面影響[25]；⑤分析師的消極評(píng)級(jí)及其帶來(lái)的其他外部監(jiān)督壓力的增加，會(huì)大大提高公司財(cái)務(wù)舞弊被揭露與處罰的概率，而一旦公司的財(cái)務(wù)舞弊被揭露，將帶來(lái)不可估量的后果，從而對(duì)公司產(chǎn)生震懾作用。具體而言，公司舞弊的負(fù)面消息將導(dǎo)致股票價(jià)格迅速下降，不但很大程度上損害股東的利益，而且會(huì)導(dǎo)致企業(yè)聲譽(yù)受損，進(jìn)一步加劇公司的經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)困境[24]。

從管理層角度而言，將面臨以下壓力：①分析師的消極評(píng)級(jí)向市場(chǎng)傳遞了公司的負(fù)面信息，導(dǎo)致公司股價(jià)下跌，使得管理層的公司治理能力受到質(zhì)疑且聲譽(yù)遭受損失[21]；②董事會(huì)會(huì)從分析師的研究報(bào)告中獲取評(píng)價(jià)管理層行為和能力的有效信息，并結(jié)合該信息對(duì)管理層進(jìn)行獎(jiǎng)懲，因此，分析師的消極評(píng)級(jí)可能對(duì)管理層的薪酬帶來(lái)負(fù)面的影響[26]；③公司大股東的利益亦可能因分析師的消極評(píng)級(jí)受到損害，從而有更強(qiáng)的動(dòng)機(jī)介入公司的管理，加大管理層的壓力；④公司財(cái)務(wù)舞弊被揭露的概率因分析師的消極評(píng)級(jí)而大大增加，而公司財(cái)務(wù)舞弊的曝光會(huì)導(dǎo)致管理層遭受多方面的損失，從而對(duì)管理層產(chǎn)生震懾作用。具體而言，公司的財(cái)務(wù)舞弊被揭露后，高級(jí)管理人員不僅很可能被公司解雇，而且其職業(yè)聲譽(yù)也會(huì)因此遭受嚴(yán)重的損害，其薪酬或未來(lái)薪酬增長(zhǎng)幅度降低，甚至未來(lái)的職業(yè)發(fā)展受阻[14]。

而公司和管理層面臨的上述壓力，一方面，會(huì)促使公司收斂自身的不當(dāng)行為并采取措施改善公司的內(nèi)部治理，增加了實(shí)施舞弊的難度，減少了財(cái)務(wù)舞弊的機(jī)會(huì)；另一方面，會(huì)導(dǎo)致公司財(cái)務(wù)舞弊被揭露和處罰的概率增加，財(cái)務(wù)舞弊的成本上升，促使其減少實(shí)施財(cái)務(wù)舞弊的動(dòng)機(jī)。基于此，公司會(huì)收斂其未來(lái)的財(cái)務(wù)舞弊行為，使得未來(lái)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)降低。由此，提出以下假設(shè)：

假設(shè)2公司被分析師出具消極的評(píng)級(jí)報(bào)告越多，則其未來(lái)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)會(huì)顯著降低。

4 財(cái)務(wù)舞弊風(fēng)險(xiǎn)的預(yù)測(cè)

在探討分析師能否識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)前，本節(jié)采用機(jī)器學(xué)習(xí)的方法預(yù)測(cè)財(cái)務(wù)舞弊風(fēng)險(xiǎn)，以合理構(gòu)建本研究的關(guān)鍵指標(biāo)。根據(jù)因“虛構(gòu)利潤(rùn)”和“虛列資產(chǎn)”而受到公開(kāi)處罰的情況確定舞弊觀測(cè)，并追溯到被處罰公司實(shí)際發(fā)生財(cái)務(wù)舞弊的年份，確定公司當(dāng)年是否發(fā)生舞弊，具體數(shù)據(jù)來(lái)源于國(guó)泰安(CSMAR)數(shù)據(jù)庫(kù)。

由于2018年及以后的上市公司舞弊處罰還不完全，且1995、1996年發(fā)生舞弊被揭露的上市公司僅為個(gè)位數(shù)，因此這里將1997～2017年所有上市公司作為初始研究樣本。為盡可能考慮更多的影響因素，選取CMSAR數(shù)據(jù)庫(kù)中比率結(jié)構(gòu)、償債能力、發(fā)展能力、風(fēng)險(xiǎn)水平、股利分配、經(jīng)營(yíng)能力、每股指標(biāo)、披露財(cái)務(wù)指標(biāo)、現(xiàn)金流分析、相對(duì)價(jià)值指標(biāo)和盈利能力共11類420個(gè)財(cái)務(wù)比率指標(biāo)作為待篩選變量。并進(jìn)行如下數(shù)據(jù)預(yù)處理：刪除缺失值大于25%的指標(biāo)(最終輸入變量有363個(gè))；對(duì)所有財(cái)務(wù)比率數(shù)據(jù)做標(biāo)準(zhǔn)化處理；剔除金融類公司；對(duì)所有變量的缺失值采用各變量的中位數(shù)加以補(bǔ)全。

本研究運(yùn)用輕量梯度提升機(jī)(light gradient boosting machine method, LightGBM)算法進(jìn)行舞弊分類預(yù)測(cè)，該算法是針對(duì)梯度提升決策樹(shù)算法的一種改進(jìn)方法。LightGBM可以直接預(yù)測(cè)得到概率值，同時(shí)該方法屬于集成學(xué)習(xí)，可以結(jié)合多個(gè)學(xué)習(xí)器的優(yōu)勢(shì)，也解決了其他集成學(xué)習(xí)在處理海量數(shù)據(jù)時(shí)遇到的低效率等問(wèn)題。因此，該方法適用于本研究針對(duì)大樣本利用多預(yù)測(cè)因子識(shí)別舞弊。

具體模型訓(xùn)練時(shí)，將1997～2016年劃分為訓(xùn)練集，2017年劃分為測(cè)試集。由于財(cái)務(wù)舞弊案例占比較少，財(cái)務(wù)舞弊數(shù)據(jù)樣本是典型的非平衡數(shù)據(jù)集，本研究首先采用欠采樣方法(即剔除一部分多數(shù)類樣本)，對(duì)訓(xùn)練集進(jìn)行平衡化處理。緊接著，針對(duì)平衡后的訓(xùn)練集進(jìn)行訓(xùn)練，將基礎(chǔ)閾值設(shè)置為0.5，且選擇召回率最大化為目標(biāo)進(jìn)行調(diào)參以確定最優(yōu)模型。召回率指預(yù)測(cè)為真且實(shí)際為真的樣本占所有實(shí)際為真的樣本的比率，能衡量實(shí)際發(fā)生舞弊的樣本被識(shí)別出來(lái)的比率，這也是證監(jiān)會(huì)以及投資者最為關(guān)心的。因此，選擇使得召回率最大的參數(shù)作為分類模型的最終參數(shù)，來(lái)確定本研究的最優(yōu)預(yù)測(cè)模型。最后，用訓(xùn)練好的模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)與評(píng)估。結(jié)果顯示，LightGBM的預(yù)測(cè)準(zhǔn)確率為78.7%，精確率為5.0%，召回率為71.7%，F(xiàn)1得分為0.094，AUC為0.752。同時(shí)，將LightGBM模型預(yù)測(cè)結(jié)果與傳統(tǒng)的Logistic回歸以及支持向量機(jī)、隨機(jī)森林和梯度提升決策樹(shù)這些算法的預(yù)測(cè)結(jié)果進(jìn)行比較。結(jié)果表明，LightGBM的預(yù)測(cè)效果均優(yōu)于其他模型。因此，本研究采用LightGBM方法訓(xùn)練的預(yù)測(cè)模型能對(duì)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)進(jìn)行較準(zhǔn)確的衡量。

5 研究設(shè)計(jì)

5.1 模型與變量

為了檢驗(yàn)假設(shè)1，即針對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)越高的公司，分析師更可能發(fā)布消極評(píng)級(jí)，建立如下回歸模型:

O=α+β1FR+βjCV+∑YE+∑ID+ε，

(1)

式(1)中，被解釋變量為分析師消極評(píng)級(jí)(O)，具體為公司當(dāng)年收到的分析師出具中性、減持、賣出的評(píng)級(jí)總數(shù)占收到的所有分析師評(píng)級(jí)數(shù)目的比例；關(guān)鍵解釋變量為財(cái)務(wù)舞弊風(fēng)險(xiǎn)(FR)，具體取值是利用第4節(jié)的預(yù)測(cè)模型計(jì)算得到的公司財(cái)務(wù)舞弊概率。分析師評(píng)級(jí)受眾多因素的影響，其中CV代表一系列控制變量，控制公司狀況和股票市場(chǎng)特征等。具體包括：公司規(guī)模(SI)、凈資產(chǎn)回報(bào)率(RE)、資產(chǎn)負(fù)債率(LE)、公司成長(zhǎng)性(TO)、總資產(chǎn)周轉(zhuǎn)率(TA)、機(jī)構(gòu)投資者持股比例(IT)、投資收益率(RT)、股票交易量(V)、股票回報(bào)率(YR)、分析師跟蹤人數(shù)(CO)。被解釋變量與解釋變量均取當(dāng)期值；控制變量中，除了機(jī)構(gòu)投資者持股比例、分析師跟蹤人數(shù)取本期值，其余控制變量均取上一期值。同時(shí)，還控制了行業(yè)和年度固定效應(yīng)，分別為∑ID和∑YE。此外，α為常數(shù)項(xiàng)；β1、βj為系數(shù)；ε為隨機(jī)誤差項(xiàng)。

為了檢驗(yàn)假設(shè)2，即分析師的消極評(píng)級(jí)能否降低公司后續(xù)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，建立如下回歸模型:

FR=α+β1LO+βjCV+∑YE+∑ID+ε，

(2)

式(2)中，被解釋變量為本年的財(cái)務(wù)舞弊風(fēng)險(xiǎn)(FR)，關(guān)鍵解釋變量為上一年的分析師消極評(píng)級(jí)占比(LO)。其中，CV代表一系列控制變量，控制如下影響公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司治理與財(cái)務(wù)狀況等變量：公司規(guī)模(SI)、總資產(chǎn)回報(bào)率(RA)、資產(chǎn)負(fù)債率(LE)、公司成長(zhǎng)性(TO)、總資產(chǎn)周轉(zhuǎn)率(TA)、存貨與應(yīng)收賬款占比(IA)、無(wú)形資產(chǎn)占比(IN)、盈余管理程度(D)、現(xiàn)金占比(CA)、固定資產(chǎn)占比(FI)、營(yíng)業(yè)收入現(xiàn)金凈含量(NE)、留存收益資產(chǎn)比(RR)、所有者權(quán)益增長(zhǎng)率(EG)，以及上一年的財(cái)務(wù)舞弊風(fēng)險(xiǎn)(LFR) 。

5.2 樣本與描述性統(tǒng)計(jì)

本研究選取我國(guó)2007～2018年A股上市公司為研究對(duì)象(1)選擇2018年作為樣本截止期是因?yàn)椋@是開(kāi)展本研究時(shí)能獲取的財(cái)務(wù)數(shù)據(jù)的最新年度。盡管當(dāng)時(shí)2018年的舞弊處罰數(shù)據(jù)不全而不能用于訓(xùn)練和評(píng)估模型，但能利用2018年的財(cái)務(wù)數(shù)據(jù)并結(jié)合第4章訓(xùn)練好的模型來(lái)預(yù)測(cè)其財(cái)務(wù)舞弊概率，且不影響研究結(jié)論。。具體數(shù)據(jù)來(lái)源于中國(guó)研究數(shù)據(jù)服務(wù)平臺(tái)(CNRDS)與CSMAR數(shù)據(jù)庫(kù)，其中財(cái)務(wù)舞弊風(fēng)險(xiǎn)指標(biāo)利用第4節(jié)的預(yù)測(cè)模型計(jì)算得到。在初始樣本的基礎(chǔ)上，剔除金融行業(yè)和有關(guān)變量缺失的觀測(cè)，共得到 20 119個(gè)公司-年度觀測(cè)值。為降低異常值的影響，對(duì)所有連續(xù)變量在1%的水平上進(jìn)行縮尾處理。分析師評(píng)級(jí)標(biāo)準(zhǔn)化意見(jiàn)分為“買入”“增持”“中性”“減持”“賣出”5種。其中“買入”與“增持”意見(jiàn)占比最多，而“減持”“賣出”與“中性”占比較少，分別僅占0.08%、0.29%與7.75%。這表明分析師的評(píng)級(jí)普遍較為樂(lè)觀，很少出具“減持”“賣出”“中性”這種較為消極的意見(jiàn)。

主要變量的描述性統(tǒng)計(jì)見(jiàn)表1。由表1的Panel A可知，全部樣本公司中，每個(gè)公司收到的分析師消極評(píng)級(jí)占比的均值為13.9%，表明整體而言，公司收到的分析師消極評(píng)級(jí)較少。財(cái)務(wù)舞弊風(fēng)險(xiǎn)平均值為0.232，表明公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)整體較低；其最大值趨近1，最小值幾乎為0，說(shuō)明不同公司間的財(cái)務(wù)舞弊風(fēng)險(xiǎn)差異很大。其余變量的描述統(tǒng)計(jì)結(jié)果均與以往研究保持一致。由表1的Panel B可知，根據(jù)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的年度中位數(shù)將樣本劃分為高財(cái)務(wù)舞弊風(fēng)險(xiǎn)和低財(cái)務(wù)舞弊風(fēng)險(xiǎn)兩組，比較分析師消極評(píng)級(jí)的組間差異。結(jié)果顯示，高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司收到分析師消極評(píng)級(jí)的比率為16.7%，遠(yuǎn)高于低財(cái)務(wù)舞弊風(fēng)險(xiǎn)公司的11.2%。這表明，分析師更可能針對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司發(fā)布消極評(píng)級(jí)，初步支持了假設(shè)1。

表1 變量描述性統(tǒng)計(jì)

6 實(shí)證結(jié)果與分析

6.1 財(cái)務(wù)舞弊風(fēng)險(xiǎn)與分析師消極評(píng)級(jí)

6.1.1基本回歸結(jié)果

模型(1)的回歸結(jié)果見(jiàn)表2。由表2可知，財(cái)務(wù)舞弊風(fēng)險(xiǎn)的系數(shù)顯著為正(回歸系數(shù)為0.041，t值為3.98)，表明公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)越大，則分析師越有可能對(duì)公司發(fā)布消極評(píng)級(jí)。從經(jīng)濟(jì)顯著性來(lái)看，財(cái)務(wù)舞弊風(fēng)險(xiǎn)增加一個(gè)標(biāo)準(zhǔn)差(0.253)，將導(dǎo)致公司收到消極評(píng)級(jí)的比率相對(duì)于其均值增加7.463%(0.041×0.253/0.139)。綜上，假設(shè)1得到驗(yàn)證，即分析師能夠識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

表2 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)對(duì)分析師消極評(píng)級(jí)的影響(N=12 909)

6.1.2穩(wěn)健性檢驗(yàn)

為保證研究結(jié)論的可靠性，變換分析師消極評(píng)級(jí)和財(cái)務(wù)舞弊風(fēng)險(xiǎn)的衡量方式，采用公司-年度-分析師研報(bào)層面的觀測(cè)進(jìn)行穩(wěn)健性檢驗(yàn)。首先，將公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)的衡量變換為如下幾種方式：①公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)是否大于當(dāng)年樣本均值的啞變量FR1；②擴(kuò)充標(biāo)簽變量界定范圍(2)將因財(cái)務(wù)舞弊而受到公開(kāi)處罰的上市公司的違規(guī)類型在原來(lái)的基礎(chǔ)上，增加考慮“重大遺漏”“推遲披露”“披露不實(shí)”“一般會(huì)計(jì)處理不當(dāng)”這4種違規(guī)類型。且增加文本信息、公司治理和內(nèi)部控制等非財(cái)務(wù)指標(biāo)作為輸入變量，重新訓(xùn)練并預(yù)測(cè)得到舞弊概率FR2；③使用隨機(jī)森林訓(xùn)練模型得到預(yù)測(cè)的舞弊概率FR3。其次，用如下替代性指標(biāo)衡量分析師消極評(píng)級(jí)：①縮小分析師消極評(píng)級(jí)的界定范圍，即選取公司收到的“減持”“賣出”評(píng)級(jí)的占比O1；②用絕對(duì)數(shù)量衡量分析師消極評(píng)級(jí)，即選取公司收到分析師出具的“中性”“減持”或“賣出”的評(píng)級(jí)總數(shù)O2。最后，采用公司-年度-分析師研報(bào)層面樣本進(jìn)行檢驗(yàn)。此時(shí)，重新定義分析師消極評(píng)級(jí)變量O3，若研報(bào)的評(píng)級(jí)為“中性”“減持”或“賣出”，則O3取1，否則取0。同時(shí)加入分析師個(gè)人特征變量，具體取研報(bào)中排名第一的分析師進(jìn)行衡量，包括如下變量：分析師的發(fā)布研報(bào)經(jīng)驗(yàn)、預(yù)測(cè)公司數(shù)量、發(fā)布研報(bào)數(shù)量、學(xué)歷和性別。

以上各回歸的結(jié)果見(jiàn)表3。由表3可知，本研究的主要結(jié)果不變，證明主結(jié)論具有較好的穩(wěn)健性。

表3 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)對(duì)分析師消極評(píng)級(jí)的影響：穩(wěn)健性檢驗(yàn)

6.1.3內(nèi)生性檢驗(yàn)

為緩解遺漏變量等導(dǎo)致的內(nèi)生性問(wèn)題，進(jìn)行如下檢驗(yàn)。首先，構(gòu)建差分模型，針對(duì)因變量、自變量、控制變量分別取本期與上期的差值進(jìn)行回歸(3)具體地，用dFR表示FR的本期與上期的差值，dO表示O的本期與上期的差值。；其次，為了控制公司層面不隨時(shí)間變化的不可觀測(cè)因素對(duì)主結(jié)論的影響，本研究進(jìn)一步加入公司固定效應(yīng)進(jìn)行回歸；最后，采用傾向匹配得分法，將公司按同年度財(cái)務(wù)舞弊風(fēng)險(xiǎn)的高低進(jìn)行匹配(匹配后的樣本通過(guò)了平衡性測(cè)試)，并用匹配后的樣本重新進(jìn)行檢驗(yàn)。以上各檢驗(yàn)的結(jié)果見(jiàn)表4。由表4可知，本研究的主要結(jié)果不變。

表4 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)對(duì)分析師消極評(píng)級(jí)的影響：內(nèi)生性檢驗(yàn)

6.1.4機(jī)制檢驗(yàn)

分析師能否識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)并出具恰當(dāng)評(píng)級(jí)，主要受到其識(shí)別舞弊的能力和動(dòng)機(jī)的影響。不同特征的分析師對(duì)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的感知能力和揭露動(dòng)機(jī)有差異，從而可能對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)和分析師消極評(píng)級(jí)之間的關(guān)系產(chǎn)生影響。接下來(lái)，從分析師經(jīng)驗(yàn)、聲譽(yù)和利益沖突的角度為舞弊風(fēng)險(xiǎn)影響分析師評(píng)級(jí)的作用機(jī)理提供經(jīng)驗(yàn)證據(jù)。

經(jīng)驗(yàn)豐富的分析師識(shí)別財(cái)務(wù)舞弊風(fēng)險(xiǎn)的能力更強(qiáng)。隨著分析師經(jīng)驗(yàn)的增長(zhǎng)，分析師對(duì)經(jīng)濟(jì)趨勢(shì)的感知、對(duì)企業(yè)特點(diǎn)的理解和對(duì)財(cái)務(wù)報(bào)表的分析能力均不斷增強(qiáng)；同時(shí)，與企業(yè)管理者的關(guān)系更加密切，更容易獲得私有信息，從而對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)有更高的敏銳度[27]。因此可以推測(cè)，經(jīng)驗(yàn)豐富的分析師能夠更好地識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，更有可能在公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高時(shí)，出具消極的評(píng)級(jí)報(bào)告。為了檢驗(yàn)此推測(cè)，建立并運(yùn)行如下回歸模型：

O=α+β1FR+β2EX+β3FR×EX+

βjCV+∑YE+∑ID+ε,

(3)

式中，β2、β3為系數(shù)。模型(3)在模型(1)的基礎(chǔ)上增加了變量EX及其與FR的交乘項(xiàng)。其中，EX是表示分析師經(jīng)驗(yàn)的啞變量，如果跟蹤企業(yè)的所有分析師做出第一個(gè)盈利預(yù)測(cè)以來(lái)的年數(shù)、當(dāng)年跟蹤的公司數(shù)量、當(dāng)年累計(jì)發(fā)布的研報(bào)數(shù)量的平均值大于樣本年度均值，則EX1、EX2、EX3分別取值為1，否則為0。模型(3)的回歸結(jié)果見(jiàn)表5的列(1)～列(3)，結(jié)果顯示，F(xiàn)R與EX1、EX2和EX3的交乘項(xiàng)均顯著為正。這表明，分析師經(jīng)驗(yàn)更加豐富時(shí)，更可能識(shí)別出公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)而出具消極的評(píng)級(jí)報(bào)告。

表5 公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)影響分析師評(píng)級(jí)的機(jī)制檢驗(yàn)：分析師能力與動(dòng)機(jī)的調(diào)節(jié)作用

分析師針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告，不僅受到其對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)識(shí)別能力的影響，也受到其揭露舞弊的動(dòng)機(jī)影響。保護(hù)聲譽(yù)是其揭露舞弊以恰當(dāng)評(píng)級(jí)的重要?jiǎng)訖C(jī)[28]，而明星稱號(hào)是分析師的重要榮譽(yù)。相比于非明星分析師，如果明星分析師沒(méi)能識(shí)別公司嚴(yán)重的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，出具了不恰當(dāng)?shù)脑u(píng)級(jí)意見(jiàn)，將承擔(dān)更大的聲譽(yù)損失。因此，明星分析師有更強(qiáng)的識(shí)別并揭露公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的動(dòng)機(jī)。由此可以推測(cè)，與非明星分析師相比，明星分析師更有可能在公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高時(shí)，出具消極的評(píng)級(jí)報(bào)告。為了檢驗(yàn)此推測(cè)，建立并運(yùn)行如下回歸模型：

O=α+β1FR+β2ST+β3FR×ST+

βjCV+∑YE+∑ID+ε。

(4)

模型(4)在模型(1)的基礎(chǔ)上增加了變量ST及其與FR的交乘項(xiàng)。其中，ST是衡量明星分析師的啞變量，如果跟蹤公司的明星分析師占比大于樣本年度均值，則ST取值為1，否則為0；且明星分析師根據(jù)《新財(cái)富》評(píng)定的最佳分析師確定。模型(4)的回歸結(jié)果見(jiàn)表5的列(4)，結(jié)果顯示，F(xiàn)R與ST的交乘項(xiàng)顯著為正，表明高聲譽(yù)的分析師更可能針對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告。

分析師揭露舞弊的動(dòng)機(jī)也受到其利益沖突的影響。例如，為了維持與機(jī)構(gòu)投資者的良好關(guān)系，分析師對(duì)機(jī)構(gòu)投資者持股比例高的公司，更不傾向于公開(kāi)披露其負(fù)面信息并出具消極的評(píng)級(jí)報(bào)告[29]。又如，樂(lè)觀的研究報(bào)告有助于刺激交易量而增加券商傭金收入[22]，在經(jīng)紀(jì)業(yè)務(wù)規(guī)模越大的券商就職的分析師，受到的提高傭金收入的壓力越大[30]，從而更可能發(fā)布樂(lè)觀的評(píng)級(jí)報(bào)告。由此可以推測(cè)，機(jī)構(gòu)投資者持股比例越低的公司或者分析師所在券商的經(jīng)紀(jì)業(yè)務(wù)規(guī)模越小時(shí)，分析師更可能對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司出具消極的評(píng)級(jí)報(bào)告。為了檢驗(yàn)此推測(cè)，建立并運(yùn)行如下回歸模型：

O=α+β1FR+β2CN+β3FR×CN+

βjCV+∑YE+∑ID+ε。

(5)

模型(5)在模型(1)的基礎(chǔ)上增加了CN及其與FR的交乘項(xiàng)。其中，CN表示分析師利益沖突的啞變量，分別用機(jī)構(gòu)投資者持股(CN1)和傭金收入壓力(CN2)度量。如果公司的機(jī)構(gòu)投資者持股比例、跟蹤公司的分析師中來(lái)自手續(xù)費(fèi)及傭金收入前5大券商的比例大于樣本年度均值，則CN1、CN2分別取值為1，否則為0。模型(5)的回歸結(jié)果見(jiàn)表5的列(5)和列(6)，結(jié)果顯示，F(xiàn)R與CN1和CN2的交乘項(xiàng)均顯著為負(fù)。這表明，利益沖突越小的分析師，越可能對(duì)高財(cái)務(wù)舞弊風(fēng)險(xiǎn)的公司出具消極的評(píng)級(jí)報(bào)告。

綜上所述，分析師經(jīng)驗(yàn)、聲譽(yù)與利益沖突分別從分析師的舞弊風(fēng)險(xiǎn)識(shí)別能力和動(dòng)機(jī)兩個(gè)方面驗(yàn)證了本研究主結(jié)論的作用機(jī)制，進(jìn)一步支撐了主結(jié)論。

6.2 分析師消極評(píng)級(jí)與公司未來(lái)財(cái)務(wù)舞弊風(fēng)險(xiǎn)

6.2.1基本回歸結(jié)果

分析師消極評(píng)級(jí)對(duì)公司未來(lái)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的影響見(jiàn)表6。由表6可知，控制上一年財(cái)務(wù)舞弊風(fēng)險(xiǎn)后，LO的系數(shù)顯著為負(fù)(系數(shù)為-0.022，t值為-2.85)。從經(jīng)濟(jì)顯著性來(lái)看，分析師消極評(píng)級(jí)增加一個(gè)標(biāo)準(zhǔn)差(0.275)，則公司下一年財(cái)務(wù)舞弊風(fēng)險(xiǎn)(相對(duì)于其均值)降低2.608%(0.022×0.275/0.232)，具有經(jīng)濟(jì)顯著性。這表明，分析師針對(duì)高舞弊風(fēng)險(xiǎn)的公司發(fā)布消極評(píng)級(jí)會(huì)降低公司未來(lái)財(cái)務(wù)舞弊風(fēng)險(xiǎn)，發(fā)揮了積極的外部監(jiān)督作用。故假設(shè)2得到支持。

表6 分析師消極評(píng)級(jí)對(duì)公司未來(lái)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的影響(N=14 406)

控制變量的回歸結(jié)果顯示，財(cái)務(wù)舞弊風(fēng)險(xiǎn)(FR)與上年度的財(cái)務(wù)舞弊風(fēng)險(xiǎn)(LFR)顯著正相關(guān)，這更能說(shuō)明分析師通過(guò)出具消極評(píng)級(jí)的方式發(fā)揮著積極的外部監(jiān)督作用。

6.2.2穩(wěn)健性檢驗(yàn)

為保證研究結(jié)論的可靠性，增加控制公司的固定效應(yīng)，變換分析師消極評(píng)級(jí)與財(cái)務(wù)舞弊風(fēng)險(xiǎn)的衡量方式，采用傾向匹配得分法，針對(duì)配對(duì)后的樣本進(jìn)行回歸，以實(shí)施穩(wěn)健性檢驗(yàn)。具體操作為：①加入公司固定效應(yīng)來(lái)控制公司層面不隨時(shí)間變化的不可觀測(cè)因素對(duì)結(jié)論的影響。②替換分析師消極評(píng)級(jí)的衡量方式，分別根據(jù)變量O1、O2生成上一年分析師消極評(píng)級(jí)情況LO1、LO2。③替換財(cái)務(wù)舞弊風(fēng)險(xiǎn)為如下方式衡量：其一，為了突出分析師消極評(píng)級(jí)的實(shí)際監(jiān)督效果，將因變量替換為公司當(dāng)年實(shí)際舞弊情況(A)，即若公司因?yàn)楫?dāng)年舞弊而后續(xù)被監(jiān)管機(jī)構(gòu)公開(kāi)處罰，則A取值為1，否則為0；其二，將FR2和FR3作為替代性指標(biāo)(分別根據(jù)變量FR2、FR3生成上一年的財(cái)務(wù)舞弊風(fēng)險(xiǎn)LFR2、LFR3)。④由于模型(2)中存在因變量的滯后項(xiàng)，估計(jì)過(guò)程可能面臨變量之間以及變量和殘差之間的內(nèi)生性問(wèn)題，因此，采用兩步系統(tǒng)廣義矩方法(系統(tǒng)GMM)對(duì)模型(2)進(jìn)行回歸，并使用WC-Robust 估計(jì)方法以得到穩(wěn)健標(biāo)準(zhǔn)誤(4)AR (2)、Hansen值分別為0.562、0.183。。⑤采用傾向匹配得分法，將公司按同年度分析師消極評(píng)級(jí)占比的高低進(jìn)行匹配(匹配后的樣本通過(guò)了平衡性測(cè)試)，并用匹配后的樣本重新進(jìn)行檢驗(yàn)。假設(shè)2的穩(wěn)健性檢驗(yàn)結(jié)果見(jiàn)表7。由表7可知，主要結(jié)果基本不變，進(jìn)一步說(shuō)明了前文結(jié)論的可靠性。

表7 分析師消極評(píng)級(jí)對(duì)公司未來(lái)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的影響：穩(wěn)健性檢驗(yàn)

7 結(jié)語(yǔ)

本研究引入機(jī)器學(xué)習(xí)的方法衡量財(cái)務(wù)舞弊風(fēng)險(xiǎn)，結(jié)合分析師評(píng)級(jí)數(shù)據(jù)，考察分析師能否識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)并出具恰當(dāng)?shù)脑u(píng)級(jí)報(bào)告。研究發(fā)現(xiàn)，當(dāng)公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高時(shí)，分析師更有可能出具消極的評(píng)級(jí)報(bào)告；同時(shí)，這一關(guān)系在分析師經(jīng)驗(yàn)豐富、聲譽(yù)較好、利益沖突較小時(shí)更加顯著。進(jìn)一步研究發(fā)現(xiàn)，分析師出具消極的評(píng)級(jí)報(bào)告有助于降低公司下一期的財(cái)務(wù)舞弊風(fēng)險(xiǎn)。上述結(jié)果表明，分析師在決策過(guò)程中，根據(jù)對(duì)信息的解讀和分析以識(shí)別公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，并針對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高的公司出具消極的評(píng)級(jí)報(bào)告；而且，分析師識(shí)別的財(cái)務(wù)舞弊風(fēng)險(xiǎn)主要是由分析師識(shí)別財(cái)務(wù)舞弊風(fēng)險(xiǎn)的動(dòng)機(jī)和能力決定的。同時(shí)，分析師出具消極評(píng)級(jí)報(bào)告的決策行為能夠降低公司未來(lái)的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，發(fā)揮了積極的監(jiān)督作用。本研究結(jié)果不僅從分析師決策過(guò)程的角度為分析師行為的影響因素提供了經(jīng)驗(yàn)證據(jù)，還進(jìn)一步揭示了分析師的外部監(jiān)督發(fā)揮的實(shí)際作用，為分析師發(fā)揮的治理效應(yīng)提供了經(jīng)驗(yàn)證據(jù)。

本研究的啟示在于：①雖然我國(guó)分析師很少出具消極的評(píng)級(jí)報(bào)告，但是當(dāng)公司潛在的財(cái)務(wù)舞弊風(fēng)險(xiǎn)大時(shí)，分析師仍會(huì)采取消極評(píng)級(jí)的方式進(jìn)行反映以提醒投資者，進(jìn)而發(fā)揮積極的治理效應(yīng)。這表明分析師在決策過(guò)程中會(huì)識(shí)別公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)并有效應(yīng)對(duì)，進(jìn)而發(fā)揮積極的外部監(jiān)督作用。②由于分析師能否識(shí)別舞弊主要基于其識(shí)別舞弊的動(dòng)機(jī)(如分析師聲譽(yù)、面臨的利益沖突等)和能力(如分析師經(jīng)驗(yàn)等)，因此需要加強(qiáng)對(duì)分析師獨(dú)立性的約束以及對(duì)其能力的重視，如加強(qiáng)對(duì)分析師的職業(yè)道德教育，重視分析師經(jīng)驗(yàn)并發(fā)揮明星分析師的積極作用等。

本研究存在以下不足：由于證監(jiān)會(huì)處罰的案例有限且具有滯后性，采用受證監(jiān)會(huì)處罰的公司作為標(biāo)簽變量衡量公司實(shí)際舞弊情況存在局限性。但受限于數(shù)據(jù)可得性和舞弊本身的特點(diǎn)，目前中國(guó)資本市場(chǎng)上也難以找到更合適的變量來(lái)反映公司實(shí)際舞弊情況，誠(chéng)然，期待著未來(lái)研究能找到更好的解決辦法。同時(shí)，與傳統(tǒng)的預(yù)測(cè)方法相比，采用機(jī)器學(xué)習(xí)算法能夠更加準(zhǔn)確地衡量公司財(cái)務(wù)舞弊的概率，該衡量方式為相關(guān)研究提供了一個(gè)新的可供借鑒的視角，未來(lái)的研究亦可嘗試采用機(jī)器學(xué)習(xí)的方法衡量財(cái)務(wù)舞弊風(fēng)險(xiǎn)。另外，本研究主要從分析師評(píng)級(jí)決策的角度檢驗(yàn)分析師能否公司的財(cái)務(wù)舞弊風(fēng)險(xiǎn)，未來(lái)研究可以從分析師研究報(bào)告的文本內(nèi)容等角度，為分析師對(duì)財(cái)務(wù)舞弊風(fēng)險(xiǎn)的識(shí)別提供增量證據(jù)。