2021年11月19日下午，第九十二期“厦门大学会计学科教师与研究生系列Seminar” 在嘉庚二203室举行。在副教授熊枫老师的主持下，郑天宇博士生报告了题为“基于机器学习方法的中国上市公司舞弊研究”的论文。以下为报告的主要内容：

郑天宇博士首先介绍了已有的舞弊相关理论，例如舞弊三角理论、治理缺陷等。近年也有一些学者尝试用支持向量机、朴素贝叶斯网络、随机森林等机器学习的方法进行舞弊的识别。

接着郑天宇博士引出本文的研究问题：在中国市场情境下，哪些机器学习模型舞弊识别效果较好？基于我国资本市场特征，怎样的数据组合具有更好的识别和预测能力？

之后郑天宇博士介绍了本文为识别公司舞弊构建的模型。第一，决策树模型，利用树结构进行分类的和决策，越重要的指标处于越上层的位置，一般考虑选择7-10个因子。决策树相比其他模型的优点是，其结果具有可解释性。第二，随机森林，可以说是一种基于决策树的并行集成学习方法。第三，Adaboost-决策树。第四，支持向量机，是一种对数据进行二元分类的广义线性分类器。

后续郑天宇博士介绍了文章中模型评估的方法，在既考虑效率又兼顾成本的情况下，选择性地在样本中加入了原始财务数据、财务比率、公司治理指标、审计指标、我国资本市场和上市公司特殊要素指标。

最后郑天宇博士介绍了本文的研究结论。首先，在采用原始财务数据基础之上，加入财务比率、审计指标和我国资本市场特殊要素指标的模型能够得到最好的识别效果。并且，综合考虑召回率和准确率的情况下，随机森林模型和Adaboost-决策树模型具有更好的舞弊识别效果。

报告结束后，郑天宇博士与在场师生展开了进一步交流探讨。互动结束后，本次seminar在老师和学生们的热烈掌声中圆满结束。