徐 靜，譚章祿，蘇嘉莉

（1.北京聯(lián)合大學(xué) 管理學(xué)院，北京100101；2.中國礦業(yè)大學(xué)（北京）管理學(xué)院，北京 100083）

0 引言

根據(jù)近年來中國證監(jiān)會及各派出機構(gòu)所做出的行政處罰決定，虛假記載、誤導(dǎo)性陳述、重大遺漏、不正當(dāng)披露等信息披露違規(guī)仍是上市公司違法違規(guī)的重災(zāi)區(qū)。為解決監(jiān)管實踐中的突出問題，進一步規(guī)范上市公司及其他信息披露義務(wù)人的信息披露行為，證監(jiān)會重新修訂并于2021 年3 月印發(fā)了新的《上市公司信息披露管理辦法》。實務(wù)中，證監(jiān)會堅決落實“零容忍”要求，大力推進分類監(jiān)管制度，以進一步提升監(jiān)管效能。對此，深交所、上交所先后發(fā)布了《上市公司風(fēng)險分類管理辦法》《上市公司自律監(jiān)管規(guī)則適用指引第3號——信息披露分類監(jiān)管》等。分類監(jiān)管是增強監(jiān)管專業(yè)性、精準度和有效性的重要途徑，其核心內(nèi)涵是區(qū)分情況、分類施策，即“管少管精才能管好”。那么，如何對上市公司進行科學(xué)分類？不同類別上市公司有何特征？如何精準鎖定重點監(jiān)管對象？這些是實施信息披露分類監(jiān)管亟待解決的問題。在當(dāng)前的大數(shù)據(jù)時代背景下，上市公司數(shù)據(jù)呈爆炸式增長態(tài)勢，現(xiàn)場檢查、抽樣審閱等傳統(tǒng)手段難以實現(xiàn)差異化和精準監(jiān)管。而隨著監(jiān)管科技的快速發(fā)展，基于數(shù)據(jù)挖掘技術(shù)分析上市公司信息披露行為，根據(jù)大數(shù)據(jù)中蘊含的內(nèi)在規(guī)律確定分類監(jiān)管方案，成為創(chuàng)新信息披露監(jiān)管方式的重要途徑。

圍繞信息披露違規(guī)的動因，學(xué)者們進行了理論層面的分析。陳西嬋和劉星（2021）[1]基于信息披露權(quán)衡理論分析，認為在強制性信息披露的環(huán)境下，合規(guī)披露成本和違規(guī)披露后果是上市公司披露行為的決策變量；王通平和錢松軍（2016）[2]基于理性投資者理論，針對證券市場信息披露誤導(dǎo)性陳述的特征、表現(xiàn)和構(gòu)成要件進行了分析。實證研究方面，學(xué)者們對影響上市公司信息披露的因素進行了研究，主要包括流動比率、資產(chǎn)負債率、凈資產(chǎn)收益率、經(jīng)營活動現(xiàn)金流量等財務(wù)壓力因素[3,4]，機構(gòu)持股[5]、高管特質(zhì)[6]、薪酬激勵[7]、董事會治理[8，9]等公司治理因素，以及監(jiān)管處罰[6]、資本市場開放[10]等外部監(jiān)管因素。

從監(jiān)管角度而言，信息披露不實等違法違規(guī)行為有其內(nèi)在動因和演化路徑，這為分類監(jiān)管提供了依據(jù)[11]。分類監(jiān)管作為一種差異化監(jiān)管理念，廣泛應(yīng)用于銀行業(yè)、證券公司等領(lǐng)域。所謂分類監(jiān)管，是指根據(jù)上市公司信息披露質(zhì)量、規(guī)范運作水平、風(fēng)險嚴重程度等情況，在對上市公司風(fēng)險等級進行評估的基礎(chǔ)上，區(qū)分重點公司、重點事項開展監(jiān)管工作。為貫徹分類監(jiān)管理念，葛其明和徐冬根（2019）[12]在分析差異化信息披露概念與特性的基礎(chǔ)上，研究了多層次資本市場環(huán)境下的差異化信息披露制度；謝貴春（2021）[13]借鑒國外的做法，探討了將發(fā)行審核效率與發(fā)行人信息披露質(zhì)量掛鉤的IPO 分類審核機制；崔笛等（2019）[14]從競爭情報分析和應(yīng)用的視角出發(fā)，開展了基于分類體系的上市公司年報信息披露質(zhì)量研究。

相較于統(tǒng)一監(jiān)管模式，分類監(jiān)管模式更注重監(jiān)管的實質(zhì)公平，是有效監(jiān)管的典范[15]。關(guān)于分類監(jiān)管的內(nèi)涵及其合理性，學(xué)者們主要從經(jīng)濟學(xué)角度進行了理論解釋。曾小龍（2009）[16]通過效用理論，證明了分類監(jiān)管最有利于提高上市公司監(jiān)管效率，主張對不同風(fēng)險類別的上市公司采取差異化監(jiān)管政策；王龑等（2014）[17]認為，監(jiān)管標準會面臨著無效區(qū)間的影響，產(chǎn)生約束松弛現(xiàn)象，導(dǎo)致監(jiān)管不能取得預(yù)期的效果，分類監(jiān)管可以在一定程度上解決這個問題。關(guān)于分類監(jiān)管的具體應(yīng)用，葛其明和徐冬根（2019）[12]認為，我國多層次資本市場的建設(shè)需要強化差異化信息披露制度的構(gòu)建，差異性的制度構(gòu)建原則孕育差異化的監(jiān)管理念；高鶯和史晉川（2003）[18]針對企業(yè)信息披露問題，提出按照不同的行業(yè)來制定信息披露監(jiān)管標準，從經(jīng)濟學(xué)角度對分行業(yè)監(jiān)管改善企業(yè)整體福利水平的機理進行了研究。關(guān)于上市公司分類監(jiān)管模式，分轄區(qū)監(jiān)管、分行業(yè)監(jiān)管是可操作性較強，也是實務(wù)中采用較多的方法。林鐘高和李文燦（2021）[19]通過實證研究發(fā)現(xiàn)，相對于轄區(qū)監(jiān)管模式，分行業(yè)監(jiān)管模式能顯著提升會計信息可比性，而且在受到重點監(jiān)管和發(fā)布信息披露指引的行業(yè)內(nèi)公司效果更好。

此外，隨著監(jiān)管科技的發(fā)展及應(yīng)用，監(jiān)管部門應(yīng)注重監(jiān)管效能及針對性的提升，避免采取簡單粗暴的“一刀切”模式，豐富監(jiān)管政策及手段體系[20]。監(jiān)管科技的發(fā)展促使監(jiān)管機構(gòu)不斷調(diào)整監(jiān)管方法，一種具有前瞻性、大數(shù)據(jù)驅(qū)動的監(jiān)管模式正在形成[21,22]。大數(shù)據(jù)技術(shù)使現(xiàn)代監(jiān)管的方式和速度發(fā)生了根本性的變化，機器學(xué)習(xí)[23]、人工智能[24]等得到越來越多的應(yīng)用，在很大程度上提高了風(fēng)險監(jiān)測和處置的前瞻性、有效性[22]。如美國證券會倡導(dǎo)數(shù)據(jù)驅(qū)動的調(diào)查方式，強調(diào)借助數(shù)據(jù)分析工具來識別違反《證券法》的行為[25]。

海量大數(shù)據(jù)中蘊含著上市公司業(yè)務(wù)交易的一般規(guī)律和內(nèi)在邏輯，大數(shù)據(jù)技術(shù)為現(xiàn)代監(jiān)管理論和方法注入了新的內(nèi)容，為完善分類監(jiān)管模式提供了新的思路和方法。本文按照大數(shù)據(jù)分析的全體性、混雜性和相關(guān)關(guān)系思維，首先基于全體數(shù)據(jù)對涉及信息披露違規(guī)的所有上市公司進行細分和評級，然后綜合財務(wù)指標、公司治理、外部監(jiān)管等多維數(shù)據(jù)提取不同類別上市公司的特征，最后運用決策規(guī)則挖掘方法探討其中的相關(guān)關(guān)系。

1 研究設(shè)計

1.1 變量定義

面向分類監(jiān)管，以“信息披露違規(guī)與否”和“信息披露違規(guī)風(fēng)險”為目標變量。根據(jù)上市公司信息披露違規(guī)動因，設(shè)計用于違規(guī)識別檢測的輸入變量，主要包括財務(wù)指標、公司治理、年報審計和被關(guān)注度等。變量定義如下頁表1所示。

1.2 模型構(gòu)建

上市公司信息披露違規(guī)背后的邏輯可能隱含在大數(shù)據(jù)中。本文構(gòu)建基于C&R 樹（Classification and Regression Tree）的信息披露違規(guī)分類預(yù)測模型，借助于數(shù)據(jù)挖掘方法探究其中的相關(guān)關(guān)系。

C&R 樹即分類與回歸樹，是一種基于樹的分類和預(yù)測方法，其原理是使用Gini 系數(shù)作為判定決策樹是否仍須進行分支的依據(jù)，并建立二元的決策樹。由于“信息披露違規(guī)與否”和“信息披露違規(guī)風(fēng)險”為分類變量，因此選擇使用Gini 系數(shù)來確認最佳變量和分割點。Gini 系數(shù)反映的是目標變量組間差異程度，系數(shù)越小，組間差異越大。Gini系數(shù)計算公式如下：

其中，T為總記錄數(shù)，t1，t2，t3，tn，…為輸出變量每個類別的記錄數(shù)。

C&R 樹采用Gini 系數(shù)的減少量來測量異質(zhì)性下降，即：

其中，n1為左節(jié)點的記錄數(shù)，n2為右節(jié)點的記錄數(shù)，N為根節(jié)點的記錄數(shù)。

對于信息披露違規(guī)分類預(yù)測，C&R 樹算法通過檢查上市公司各項財務(wù)指標、公司治理、年報審計等輸入變量來查找最佳分割，以分割所引起的雜質(zhì)指標下降情況進行測量。分割可定義兩個子組，其中每個子組隨后又被分割為兩個子組，依此類推，直到觸發(fā)其中一個停止標準為止。在整個C&R樹生長中，越往下生長，ΔG(t)越小。

1.3 樣本選擇與數(shù)據(jù)來源

以因信息披露違規(guī)受罰的我國滬深兩市A 股上市公司為研究對象，樣本期間自2012年1月1日我國內(nèi)部控制基本規(guī)范及配套指引在上海證券交易所和深圳證券交易所主板上市公司施行以來至2021年12月31日，考慮到行業(yè)差異和數(shù)據(jù)的可對比性，選取違規(guī)處罰最多的計算機、通信和其他電子設(shè)備制造業(yè)為樣本。違規(guī)處罰及相關(guān)數(shù)據(jù)來自國泰安（CSMAR）數(shù)據(jù)庫，將虛構(gòu)利潤、虛列資產(chǎn)、虛假記載、推遲披露、重大遺漏、披露不實、一般會計處理不當(dāng)?shù)冗`規(guī)類型界定為信息披露違規(guī)處罰，剔除其他經(jīng)營違法違規(guī)處罰數(shù)據(jù)。

2 研究發(fā)現(xiàn)

2.1 樣本分類

分類監(jiān)管的前提是對信息披露義務(wù)人進行合理分類，以及對其風(fēng)險等級進行科學(xué)評估。根據(jù)違規(guī)處罰公告，2012—2014 年因信息披露違規(guī)受罰的計算機、通信和其他電子設(shè)備制造業(yè)上市公司數(shù)量有所下降，2014 年之后整體上呈增加趨勢，且2019—2021 年的增量較大。再根據(jù)受罰上市公司的具體違規(guī)年份整理數(shù)據(jù)，獲得信息披露違規(guī)樣本1230 條，同時基于全行業(yè)數(shù)據(jù)獲得不涉及信息披露違規(guī)的樣本3674條，共4904條。如圖1和下頁圖2所示。

圖1 受罰公司數(shù)量

圖2 違規(guī)樣本分布

針對信息披露違規(guī)的計算機、通信和其他電子設(shè)備制造業(yè)上市公司，引入RFM（Recency, Frequency, Monetary）模型進行違規(guī)風(fēng)險評價，進一步細分類別。RFM 模型通過近因、頻率和貨幣三個要素進行主體行為評價，廣泛應(yīng)用于細分用戶并衡量其價值?；谏鲜泄拘畔⑴哆`規(guī)處罰數(shù)據(jù)，利用上次處罰時間、處罰頻率、處罰金額三個指標，可以計算出RFM分值，該值反映上市公司信息披露違規(guī)的嚴重程度和受監(jiān)管關(guān)注度。RFM 分值越大，則違規(guī)風(fēng)險越大，反之亦然。在此基礎(chǔ)上，按照違規(guī)風(fēng)險指數(shù)可以把涉及信息披露違規(guī)的上市公司劃分為不同類別，包括低風(fēng)險類（I）、中風(fēng)險類（II）、高風(fēng)險類（III）。運用RFM 模型，對我國計算機、通信和其他電子設(shè)備制造業(yè)上市公司違規(guī)風(fēng)險評分和評級的結(jié)果如下頁圖3、圖4所示。

圖3 RFM評分計數(shù)

圖4 RFM評級分布

根據(jù)RFM 評分，評分值介于1 和2 之間的樣本數(shù)量最多，評分值介于2 和3 之間的樣本數(shù)量次之，評分值大于3 的樣本數(shù)量最少。剔除數(shù)據(jù)缺失的樣本后，2012—2021 年計算機、通信和其他電子設(shè)備制造業(yè)上市公司信息披露違規(guī)樣本共399條，低風(fēng)險類（I）、中風(fēng)險類（II）、高風(fēng)險類（III）樣本數(shù)量分別為258條、118條和23條。

2.2 特征提取

表征上市公司信息披露違規(guī)的數(shù)據(jù)具有混雜性，可能包含多個維度的特征指標。運用特征選擇算法來識別、篩選對某給定分析最為重要的字段，即對預(yù)測“信息披露違規(guī)與否”和“信息披露違規(guī)風(fēng)險”重要的指標。特征選擇的結(jié)果如下頁表2所示。

表2 變量重要性

2.3 相關(guān)關(guān)系

將提取出的各項特征指標作為輸入變量，分別以“信息披露違規(guī)與否”和“信息披露違規(guī)風(fēng)險”作為目標變量，運行C&R 樹模型，挖掘其中最相關(guān)的決策規(guī)則。

（1）信息披露違規(guī)與否

對于“信息披露違規(guī)與否”的分類預(yù)測，共獲得實例數(shù)較多和置信度較高的3條規(guī)則，其中2條適用于不存在信息披露違規(guī)，1條適用于存在信息披露違規(guī)，如表3所示。

表3 決策規(guī)則（信息披露違規(guī)與否）

就計算機、通信和其他電子設(shè)備制造業(yè)上市公司而言：如果總資產(chǎn)凈利潤率（ROA）＞0.030，則在87.40%的置信度上表明沒有信息披露違規(guī)；如果總資產(chǎn)凈利潤率（ROA）≤0.030，凈利潤增長率＞-1.546，且機構(gòu)投資者持股比例＞34.795，則在79.30%的置信度上表明沒有信息披露違規(guī)；如果總資產(chǎn)凈利潤率（ROA）≤0.030，凈利潤增長率≤-1.546，且z值≤-0.034，則在81.70%的置信度上表明存在信息披露違規(guī)?？梢姡^低的總資產(chǎn)凈利潤率（ROA）、凈利潤增長率和z值，意味著公司面臨著業(yè)績壓力和財務(wù)風(fēng)險，從而導(dǎo)致公司發(fā)生違規(guī)行為，而機構(gòu)投資者持股有助于提高信息披露質(zhì)量，在一定程度上抑制公司違規(guī)。

（2）信息披露違規(guī)風(fēng)險

對于“信息披露違規(guī)風(fēng)險”的分類預(yù)測，過濾掉置信度較低的規(guī)則后，保留2條適用于信息披露違規(guī)風(fēng)險為低的規(guī)則和1條適用于信息披露違規(guī)風(fēng)險為中等的規(guī)則，由于高風(fēng)險類樣本數(shù)量少，未挖掘出此類風(fēng)險等級的有效規(guī)則，如表4所示。

表4 決策規(guī)則（信息披露違規(guī)風(fēng)險）

就計算機、通信和其他電子設(shè)備制造業(yè)上市公司而言：如果資產(chǎn)負債率≤0.639，資產(chǎn)報酬率＞-0.070，且營業(yè)收入增長率≤0.548，則在79.10%的置信度上表明信息披露違規(guī)風(fēng)險為低水平；如果資產(chǎn)負債率≤0.639，資產(chǎn)報酬率＞-0.070，營業(yè)收入增長率＞0.548，且情感語調(diào)≤0.014，則信息披露違規(guī)風(fēng)險均為低水平；如果資產(chǎn)負債率＞0.639，且審計意見類型in[“保留意見加事項段”“保留意見”]，則信息披露違規(guī)風(fēng)險為中等水平的置信度為88.90%?？梢姡^高的資產(chǎn)負債率可能加大信息披露違規(guī)風(fēng)險，上市公司被出具保留意見意味著財務(wù)報表存在錯報以及更高的信息披露違規(guī)風(fēng)險。

3 結(jié)論

分類監(jiān)管是落實上市公司監(jiān)管要求的基本方法和有效途徑。本文在大數(shù)據(jù)賦能證券監(jiān)管的時代背景下，按照大數(shù)據(jù)分析的全體性、混雜性和相關(guān)關(guān)系思維，應(yīng)用數(shù)據(jù)挖掘技術(shù)分析上市公司信息披露行為，最終得到如下研究結(jié)論：（1）因信息披露違規(guī)受罰的計算機、通信和其他電子設(shè)備制造業(yè)上市公司數(shù)量近年來呈增長趨勢，相比未發(fā)生信息披露違規(guī)的上市公司，違規(guī)公司在總資產(chǎn)凈利潤率（ROA）、凈利潤增長率、z值等指標上取值更低，面臨著更大的業(yè)績壓力和財務(wù)風(fēng)險，由此可能引發(fā)信息披露違規(guī)行為。（2）上市公司信息披露違規(guī)的時間、頻次和受罰金額反映了其違規(guī)的嚴重程度、受監(jiān)管關(guān)注度，相較低違規(guī)風(fēng)險類的上市公司，中高違規(guī)風(fēng)險類公司表現(xiàn)出更高的資產(chǎn)負債率、更低的資產(chǎn)報酬率、更消極的信息披露情感語調(diào)等特點，因而償債能力惡化、盈利能力不足等因素可能帶來更大的信息披露違規(guī)風(fēng)險。（3）應(yīng)用C&R 樹模型挖掘出“信息披露違規(guī)與否”和“信息披露違規(guī)風(fēng)險”的有效規(guī)則各3 條，符合上市公司發(fā)生信息披露違規(guī)的內(nèi)在邏輯，能夠為監(jiān)管機構(gòu)實施分類監(jiān)管提供決策參考，據(jù)此向重點監(jiān)管領(lǐng)域配置監(jiān)管資源。