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
Journal of Financial Research（2020）
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。
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要