基于投资者情绪波动的上市公司财务舞弊识别研究

摘要

在互联网的时代洪流中，股票论坛、财经网网络金融媒体等受到越来越多的关注，使得投资者能够更加方便快捷的获得股市信息并加以投资。投资者从获得市场信息到分析信息并做出决策的过程中，往往会受到投资目标公司的影响，从而产生较大的情绪变化。目前，已有多项研究证明包含投资者情绪的主观评论数据能够有效提升财务舞弊识别的准确率。然而，这些研究仅分析文本数据中情绪指标对于舞弊识别的作用，忽略了投资者情绪是具有波动性的特点，此时，如何量化投资者情绪波动、以及和上市公司财务舞弊的关系是目前急需解决的。为解决这一问题，本文运用自然语言处理投资者评论数据，计算单年度四个季度每月情绪指数的平均值，得出月波动率、月变化率和变异系数三个特征指标，以此达到量化情绪波动变化的目的。同时提出基于LD-Attention的深度学习算法，综合利用财务数据和异常情绪指数对上市公司进行财务舞弊识别。对比实验最终表明，加入了月波动率、月变化率和变异系数情绪波动指标后，该算法在识别上市公司财务舞弊方面准确率、查全率和召回率分别提升了约16%、15%和14%。并发现第一季度投资者情绪波动变化越大，上市公司的舞弊可能性就越大。适用性。