利用声音、语言和财务线索检测财务造假外文翻译资料

 2022-08-13 02:08

英语原文共 10 页,剩余内容已隐藏,支付完成后下载完整资料


利用声音、语言和财务线索检测财务造假

钱德拉·s·索克莫托纳,威廉·j·马耶夫,莫汉·文卡塔卡拉姆,莱斯利·m·科林萨

摘要:公司财务造假对投资者和资本市场产生了严重的负面影响。但是,目前用于财务造假调查的资源不足以及时查明所有发生的情况。自动检测财务造假的方法主要依赖于金融统计数据,尽管最近的一些研究表明,语言或声音线索也可能是检测造假的有用指标。基于财务数字、语言行为和非语言语音线索的工具都显示了检测财务造假的潜力。然而,这些工具的性能仍然比预期的要差,限制了它们在独立基础上帮助识别需要进一步调查的公司的使用。本研究的假设是,如果同时分析这些特征类别的特定属性,就可以开发出一种改进的工具。跨类别的特性组合提供了比任何单独的特性类别更好的造假检测。然而,只有在使用特征选择时才会看到性能的提高,这表明抛弃非信息性特征是很重要的。

关键词:自动检测造假 财务造假 企业高管发言

1、简介

有效的资本配置对于刺激经济增长至关重要,而经济增长是推动社会福利改善的引擎。从21世纪初的安然和世通,到2008年雷曼兄弟的倒闭,金融界一直受到一系列会计丑闻的冲击,这些丑闻导致资本市场的信任度大幅下降,同时还导致了低效的资本配置决策。为了恢复人们对资本市场的信任,监管机构通过了一系列改革措施,比如对金融犯罪行为施以惩罚的《萨班斯-奥克斯利法》。然而,当且仅当及时发现造假行为时,这种处罚将是一种有益的威慑。美国证券交易委员会是监管美国资本市场的监管机构,该机构目前投入到造假检测方面的资源不足以及时发现所有造假事件。此外,为金融审计行业服务的审计质量中心最近呼吁找出更好地发现财务造假的新方法,以恢复投资者的信心。因此,一种精确的自动检测财务造假的方法具有阻止金融犯罪和稳定资本市场的潜力。

会计和财务研究中记载的大多数企业财务造假检测都集中在财务信息上。这类信息包括描述公司及其股票价格、财务报表和经营行为的统计数据,例如员工人数异常减少。基于数字财务信息的许多测量方法已经在学术上和商业上得到了发展。P r i c e 等人研究了其中几个指标的表现,尽管商业指标始终优于学术指标,这些指标都显示出财务造假检测的潜力。

最近,除了财务资料外,人们还对财务造假检测考虑了若干新的资料类别。特别是研究已经开始集中在语言(如公司高管的用词)和声音(如公司高管的声音特征)特征上以评估造假。这些特征是基于这样一个前提,即信息包含在人们所说的话中,并且可以从中提取出来。Humpherys等人通过对《管理层讨论与分析》部分的分析,为通过语言信息检测财务造假方面取得了一些成功。Humpherys等人通过测量词汇多样性和句法复杂性等语言特征,在检测造假方面的准确率高达67%。Bloomfield认为,可以从对高管自发发言的语言分析中获得更多的见解,这些分析与《管理层讨论与分析》中包含的经过法律审查的文本相关。Larcker和Zakolyukina对高管们在季度财报的电话会议上与财务分析师的对话进行了语言文字分析,发现语言特征比随机因素更能识别欺骗性的讨论。

在语言学之外,Mayew和Venkatachalam在收益的电话会议期间研究了CEO的非言语声音特征。他们调查了分析师和投资者在预测未来业绩时是否考虑了CEO的情绪状态,以及这种情绪状态是否传达了有关公司未来前景的有意义的信息。他们发现,基于管理者的影响措施的声音包含了关于公司未来财务状况的信息,投资者在决定股票价格时会考虑这些信息。在实验室环境中,Murphy发现误传者会受到负面影响。Hobson等人将这种预感应用到公司CEO身上,他们发现,在电话会议中,非言语特征所产生的负面影响可以预测财务造假和公司披露造假行为后股价的反应。

总体而言,基于财务数字、语言行为和非语言语音线索的工具都显示出了检测财务造假的潜力。然而,这些工具的性能仍然比预期的要差,这限制了它们在独立基础上的使用,从而无法识别需要进一步调查的公司。本研究的假设是,如果同时分析这三个一般特征类别的特定属性,就可以开发出一种改进的财务造假检测工具。如果每个特征类别都提供了与财务造假相关的独立、互补的信息,那么跨这些类别的特征组合可能会提高检测性能,这超出了每个特征类别单独所能达到的效果。

鉴于商业智能顾问等营利性实体最近的出现,联合功能以加强早期识别造假的可能性似乎是合理的。商业智能顾问聘请前中央情报局的官员,就从企业通讯(包括收益电话会议)中观察到的造假标记生成报告,并将报告出售给对冲基金和其他对从预先发现造假行为中获利的有兴趣的投资者。商业智能顾问报告没有公开,这妨碍了我们对由训练有素的人类专家执行的特征组合进行调查的结果的测试。然而,通过对我们假设的调查,我们可以初步了解通过公开数据的自动化方法进行特征组合的潜在好处。

2、材料和方法

2.1 研究材料

我们以Hobson等人分析的1572套上市公司季度收益电话会议音频文件为样本。收益电话会议对于我们的调查来说是理想的,因为它们涉及到公司高管公开讨论的财务信息,从而同时提供财务、语言和声音线索。音频文件包含CEO在收益电话会议的提问和回答部分的前五分钟的发言,使分析在应答财务分析师询问时经理的自发发言成为可能。该数据库涵盖了2007年的电话会议。未压缩的音频文件在样本期间被公开广播电话会议的在线流媒体通过汤森路透创建,并使用总记录器7.1专业版软件以11.025千赫采样率和16位量化直接单声道编码到电脑硬盘。

为了确定高管可能在哪些电话会议上欺骗投资者,我们跟踪并使用了《审计分析》重述数据库,查找会计违规导致的财务重述实例。当财务报告被发现是由于有意的管理者干预,而不是由于笔误而导致不正确时,就会出现不规则重述。41个电话会议的语音样本是关于财政季度的,由于不正常而被重述。我们将这些情况归类为欺诈性言论,其余1531个观察为非欺诈性言论。

除了法律文件和流行的报刊文章外,我们还通过审查向美国证券交易委员会提交的公开文件来调查41个欺诈性言论背后的造假本质。表1描述了每一宗造假背后的虚假财务主题,以及与每个主题相关的造假企业季度观察数据的百分比。在我们的样本中,最常见的造假主题与收入和销售有关。造假可以由多种不同的原因引起,例如对收入和利润率的虚假陈述,而且此类造假主题并不相互排斥。由于我们的样本中绝大多数的造假行为与收入和销售有关(75.6%),因此无法分析不同类型的造假行为是否可以通过数字、语言和语音线索进行差异预测。

表1

欺诈性样本观察的欺诈主题

欺诈主题

与每个主题相关的舞弊观察百分比

收入/收入增长/销售订单积压

75.6%

产品定价/产品组合/产品展示

51.2%

成本结构/利润率

48.8%

扩张/并购整合

46.3%

销售、通用和行政

26.8%

员工激励/分享补偿费用/管理层变动

19.5%

资本支出/生产能力/折旧/租赁

17.1%

战略联盟/竞争

17.1%

库存

14.6%

收益预期/指导

14.6%

合并重组/责任估计

9.8%

应收账款/坏账准备/证券化

9.8%

筹集资金/信贷/资本成本/投资资本回报率

9.8%

广告

9.8%

研发/培训

7.3%

税收

7.3%

2.2 特征

表2列出了我们的三个概念性的特性类别,以及我们在每个类别中研究的特定特性。会计风险因素是特定的企业财务特征,在报告企业业绩时可能给管理者带来不确定性。特别是我们基于之前Hobson等人和D e c h o w等人的财务造假检测研究提出了假设认为,业绩不佳、在高度波动的环境中运营、增长预期较高的大型企业更容易受到财务重述的影响。具体来说,我们包括了规模的代理,使用的是在财政季度末的市场价值的自然对数;业绩,利用的是公司上一年度经市场调整的异常股票报酬率;经营不确定性,使用的是以本财政季度结束前125个交易日的每日股票收益标准差来衡量的收益波动率;增长预期,使用的是账面市值比计算的,账面市值比是指股东权益的账面价值与股东权益的市值之比,两者都是在本财季末衡量的。利用的财务报表信息的特点是从电子计算机会计数据库中提取,利用的股票价格表现的特性来自芝加哥大学证券价格研究中心。

表2

特征描述

特征分类

特征

描述

会计风险

lnMVE

以百万美元为单位的本财政季度末股票市值的自然对数。

BM

本财政季度末股本账面价值与股本市场价值的比率。

VOL

股票收益波动率,以半年期间(相对于电话会议日期,交易日为- 127至- 2)的每日股票收益标准差来衡量。在1%和99%的水平上对变量进行筛选,以减轻不合理的离群值影响。

RET

本年市场调整买入及持有股票的回报(即公司回报率减去市场指数回报率)。买入并持有的回报是按前四个财政季度的交易日计算的。在1%和99%的水平上对变量进行筛选,以减轻不合理的离群值影响。

声学

Meanf0

CEO的平均基频,通过默认系统设置的Praat软件测量。

Stdevf0

CEO基本频率的标准偏差,通过默认系统设置的Praat软件测量。

Jitter

CEO基本频率的小波动,通过默认系统设置的Praat软件测量。

Shimmer

CEO连续声门周期中振幅最大值的变化,通过默认系统设置的Praat软件测量。

Meanhnr

CEO的平均谐波噪声比,其中的比例量化了语音信号中附加噪声的数量,通过默认系统设置的Praat软件测量。

Stdevhnr

CEO的谐波噪声比的标准偏差,通过默认系统设置的Praat软件测量。

Pctvoiced

CEO的发声比例,通过默认系统设置的Praat软件测量。

语言学

LZi

CEO说的话中第一人称单数代词的比例乘以样本中位数长度。

LZwe

CEO所说的第一人称复数代词与样本中位数文本长度之比。

LZipron

CEO所说的非人称代词的单词比例乘以样本中位数长度。

LZposemone

CEO表达积极情绪(如“爱”、“好”、“接受”等)的讲话的比例)乘以样本的中位数长度

LZnegate

CEO所说的否定性词汇(如“不”、“绝不”等)的比例乘以样本中位数长度

LZcertain

CEO所说的确定词(如“总是”、“绝不”等)的比例乘以样本中位数长度

LZtentat

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[236401],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。