第一章 绪论
1.1 研究背景和研究意义
1.1.1 研究背景
在市场经济日臻成熟且持续发展的今天，市场各方参与者主要依靠上市公司公开披露的资料对企业进行投资规划，因此，定期对外公布的企业会计信息质量也越来越被各相关方重视。为了提高上市公司对社会披露信息的可信度，注册会计师作为独立于上市公司和利益相关者的第三方对财务报告信息进行鉴证并出具审计意见发挥着日益重要且不可替代的作用。维护证券市场公正不可触碰的底线是司法，而更早的控制在于审计，其社会功能就是防范上市公司财务报告舞弊、为财务报告的可靠性提供合理的保证、降低财务报告中的信息风险。经过注册会计师独立审计的财务报告更具有可信性，减少利益相关方的决策失误。
然而，近年来，屡禁不止的重大财务舞弊案引起人们对审计质量问题的强烈关注与质疑，严重考验着事务所和注册会计师。继万福生科和亚太实业等会计违规事件后，2019 年 4 月 30 日早晨，康美药业一字跌停板开盘，“15 康美债”跌 20%后临停。就在前一天，该公司发布了一份《关于前期会计差错更正的公告》，称由于公司核算账户资金时存在错误，造成货币资金多计 299.44 亿元，市场哗然，金额之大刷新 A 股记录。但康美药业以会计差错为由，称快速发展导致财务管理不完善的借口并不令人信服。会计师事务所对其 2018 年内部控制提出了否定意见，明确指出“无法确定立案调查对康美药业 2018 年度财务报表整体的影响程度”。针对康美药业发布的 2018年报，会计师事务所提供了“保留意见”审计报告，即审计人员对于康美药业 18 年年报所反映的内容持保留态度，注册会计师认为企业的财务报表在整体上是公允的，但是存在影响重大的错报。审计意见能够相对客观地反映财务报表的公允性及可信度。根据康美药业 2018 年年报能够了解到，该年净收益同比减少了 47.2%，只达到11.35 亿元；2017 年，净收益由 41 亿元降低至 21.5 亿元；2016 年，则由 33.4 亿降低至 18.4 亿元，基本上减少近 50%。
.........................
1.2 国内外研究现状综述
1.2.1 审计意见预测的相关研究综述
（1）国外文献综述
境外学者对审计意见预测进行分析时，最初是以财务指标为切入点展开实证研究。1980 年，Kida 对注册会计师用财务指标判断公司的持续经营能力进行研究，选取了 20 家面临财务窘境的制造公司并将其作为分析对象，同时配比了 20 家经营情况比较乐观的公司作为参照。选取了五个财务指标：速动比率、总资产周转率、总资产利润率、现金/总资产、权益/总负债，最后结果显示，判断的正确率达到 83%[5]。
1987 年，Dopuch et al.为研究模型在面对包含偶发及不确定情况的事件时预测的准确率，选择了合适的财务指标和股市指标作为变量，以此创建了一个严谨合理的审计意见预测模型，通过实证分析发现，模型能够比较准确地预测持续经营疑虑意见的企业，而后是资产实现保留意见的企业，再者是诉讼疑虑保留意见的企业[6]。
在研究深度和广度不断扩大的过程中，部分学者开始分析非财务指标和审计意见的关系，并在定量分析预测时加入非财务指标。1999 年，Gary Kleinman 测试非财务信息是否在审计师确定企业满足能够持续经营条件时发挥重要作用。研究选取了 61家因存在持续经营疑虑而被出具保留意见的公司，并匹配了 173 家被出具标准审计意见的公司作为样本，确定的非财务指标对标准及非标准样本达到 0.05 的显著性水平。通过分析发现，模型对所有标准样本实现了精准识别，对非标准审计意见样本的预测正确率也高达 96.7%[7]。
2005 年，Doumpus 等学者将目光聚焦于 1998~2003 年期间的英国上市公司，选取了 1754 个大公司并将其作为研究对象，共设置了 6048 个观测值，其中，有 859个财报存在异常，应用支持向量机法进行了实证分析。通过分析发现，审计意见预测模型的精准度高达 73%，最关键的变量是“信用评级”[8]。
2012 年，Hung Chan 等学者通过实证分析发现，国企在发行新股或者即将面临退市时，事务所更倾向于出具较为有利的审计意见[9]。
2015 年，Gopal 等学者全面深入地探讨了管理水平对持续经营审计意见所产生的各种影响，通过研究发现，管理层面的相关特质，比如合理利用资源使其发挥价值最大化的能力、管理理念等会对审计师的决策提供信息。研究结果表明，管理者能力与审计师决策相关[10]。
.......................
第二章 相关理论基础
2.1 审计意见理论
2.1.1 审计意见定义及分类
审计意见是指审计师在保持其独立性的前提下，进行了一系列必要的审计程序后，根据审计证据发表关于被审计单位是否达到鉴证标准的意见类型。具体就传统核心的鉴证业务财报审计来说，注册会计师重点审查企业财务报告的编制是否符合现行会计准则的规定，是否能够公允反映鉴证对象的财务状况、经营业绩和现金流等情况。需要注意的是，CPA 对财报是否不存在重大错报发表的审计意见仅提供了合理保证，可以提高外部潜在信息使用者对财报质量的信心，但不是作出绝对保证，使用者需理性对待，不能完全依赖。
审计意见类型包括标准审计意见和非标准审计意见。当注册会计师出具的无保留审计报告不附加说明段、强调事项段或任何修饰性用语时，称为标准审计意见，否则，称为非标准审计意见类型，具体如图 2-1 所示：
.........................
2.2 统计学习理论
随着计算机技术及其他相关技术的迅猛发展，计算机可以完整无误地按照预先设定好的程序执行指令，不过它既不能自主学习，也不能总结并推广经验。为了打破这一现状，促使计算机根据大量历史信息或者经验改进算法并读取新知识，学者们经过深入研究提出了机器学习的概念，严格来讲，它是基于传统统计理论形成和发展起来的。不过传统统计理论是在无限样本的条件下创建模型并进行分析，若是样本数量比较少，则往往无法获得良好的机器学习效果。鉴于此，Vapnik 等学者在 70 年代左右提出了统计学习理论，针对样本较少的情况不仅梳理出了科学严谨的统计规律，并且明确了具体的学习方法，切实克服了样本量少、非线性等一系列问题[59]。现代统计学习理论的确立，特别是它所包含的 VC 维等概念为支持向量机理论的形成和发展夯实了重要的理论基础[60]。
2.2.1 VC（Vapnik-Cheronenkis）维
函数集的 VC 维最早由 Vapnik 和 Chervonenkis 提出，它是一种可以体现函数集学习能力的重要概念，一般来讲，VC 维愈高，学习机器愈复杂，函数集的学习能力也就越强。其定义为：对一个指标函数集，若存在 h 个样本能够被函数集中的函数以所有可能的 种形式分开，则称函数集可以将 h 个样本打散，h 即为函数集可以打散的最大样本数，若对于任何一种样本数，均存在并找寻到一个样本集可以被此函数集打散，那么该函数集的 VC 维即为无限大[61]。VC 维概念的确立便于支持向量机理论中核函数的合理选定。截止到现在，VC 维是已探明的各种指标中，最能够客观反映函数集学习性能的指标，不过，无论是哪一个国家或者地区的学者，均未明确函数集VC 维的通用理论，所以，目前只能对小部分的特殊函数集的 VC 维进行确定，譬如，“ f x ,a sinax的 VC 维为无穷大，N 维实数空间中线形分类器与线性实函数的 VC维为 N+1”[62]；若学习机器较为复杂，那么，VC 维的计算势必会受到多重因素的约束，譬如学习算法等，由此导致 VC 维的计算难度进一步提高。
..............................
第三章 样本的选取和指标体系的建立.............................. 29
3.1 指标体系的设计..........................29
3.1.1 审计意见影响因素分析.................29
3.1.2 审计意见预测指标初选...............................32
第四章 审计意见预测模型的构建......................... 45
4.1 指标数据统计分析........................45
4.1.1 数据预处理...................................45
4.1.2 主成分分析............................48
第五章 基于 ES-SVM 的审计意见预测模型的实证研究.................. 55
5.1 实证研究思路................55
5.2 基于 ES-SVM 模型的审计意见预测................................55
第六章 对策建议
6.1 财务维度
通过前文研究发现盈利能力较低、现金流量比率较低的上市公司较容易收到“非标准无保留意见”的审计报告，因此调整并健全企业财务结构体系有助于降低获得非标审计意见的可能性。
上市企业维持运营和发展的长期资金基本上都是通过融资的方式获取的，资金获取渠道单一化，并且持续稀释股东收益 ，企业很难实现股东利益最大化 ，本文认为，上市企业可借助对外发行债券的方式获得维持运营和发展的长期资金，确定一个合理的债务规模，从而优化资本结构和债务结构，充分发挥财务杠杆效应，提高企业的盈利水平，以此实现股东利益最大化[93]。上市公司确定负债规模是需要着重考虑自身盈利水平，一般来讲，公司的盈利水平愈高，获取的收益就愈多，获取金融贷款的可能性也就更大。基于财务杠杆原理能够了解到，适当地负债有助于推动公司发展，以此构建起一个健康积极的良性循环。企业在确定负债规模时还需要着重考虑其资产周转率，其原因在于它会对上市公司的流动性水平产生直接影响，继而对企业的持续经营能力形成影响。
上市公司还应意识到关联方资金占用实质上可以视为一种补充企业现金流的手段，对企业的资本投资活动产生了重要影响[94]，只需严格控制关联方违规占用资金和担保行为，按照现行规定进行严格全面地检查，同时按时将检查报告提交于当地证券监管机构。
........................
第七章 总结与展望
7.1 研究结论
本文在参照前人研究成果的前提下，根据样本选取准则，筛选了国内上市企业2016， 2 017，2018年度198个样本，关于指标的确定，本文参照文献资料选择了财务指标及股权集中度和上期审计意见的非财务指标；指标数据的筛选方面选择了 U 检验方法；利用训练样本 2016、2017 年的指标数据进行支持向量机模型训练、模型检验以 及 选 取 预 测 样 本 2018 年 的 2016 -3-31，2016-6-30，2016-9-30，2016-12-31 ，2017-3-31，2017-6-30，2017-09-30， 2017 -12-31，2018-3-31，2018-6-30，2018-9-30近时点数据通过指数平滑模型对年度指标数据进行科学合理地预测，同时将其作为支持向量机模型的输入值，以此展开进一步预测。本文取得的结论主要包括：
（1）通过 U 检验方法对本文选取的财务指标及非财务指标进行约简，约简后得到核心指标为应收账款周转率、总资产增长率、净利润增长率、可持续增长率、每股收益增长率、资产报酬率、净资产收益率、总资产净利润率（ROA）、每股收益、经营净现金比率、全部现金回收率、股权集中度、上期审计意见，分别代表营运能力、发展能力、盈利能力、现金流量、公司治理、审计主体六个方面。
（2）根据支持向量机模型分析结果以及预测值和实际值间的比较分析，正确率超过 85%，意味着模型预测效果比较理想，表明本文选择的财务指标以及非财务指标能够比较客观、准确地表现指标信息和审计意见类型间的关系，预测效果良好，呈现出较强稳定性。
（3）企业的外部利益方一般只能根据上市企业披露的财务报告进行决策，本文引入并使用了经典的指数平滑模型，依托季度数据指标实现对年度指标数据的科学化、准确化预测，之后将其导入支持向量机模型之中，对其预测效果进行全面严格地检验，并与 BP 神经网络模型和传统 Logistic 回归模型预测结果进行对比。ES-SVM模型预测结果的正确率高达 96.5%，意味着此模型实用性较强。
参考文献（略）