【作　　者】
张 莉（副教授）

【摘　　要】

【摘要】为了揭示违规上市公司共同的倾向性因素，基于国家治理视角定义了舞弊内涵，选取A股上市公司1993 ~ 2015年度4461例样本数据，选取公司治理、财务指标、持续经营能力三类指标下33个变量对舞弊进行解释，采用四种抽样方法构建决策树模型，并运用Bagging机器学习算法对模型进行优化。结果表明：抽样方法会影响模型预测精确度，采用Bagging自助抽样算法可改善模型预测效果；内控有效性、内控意见、董事会会议次数、董事会人数、监事会人数、审计收费、息税前利润、股利分配率、每股企业自由现金流量、总资产净利润率等指标揭示舞弊效果显著；经样本外数据测试，Bagging算法优化后模型总体准确度比优化前提高了35.87%，召回率比优化前提高了21.1%，表明模型有较好的预测力与稳定性。

【关键词】国家治理；舞弊审计；决策树；Bagging算法；机器学习

【中图分类号】F234.9

【文章编号】1004-0994（2018）06-0138-9