针对信息化环境下上市公司违规行为呈现出的违规形式复杂多样、违规手段花样翻新、违规行为危害巨大等特点，本书以资本市场监管为出发点，以实证研究为基础，以上市公司、会计师事务所等相关主体的违规行为为研究对象，利用人工智能及用户画像技术，对上市公司及相关主体的违规行为及关键因素进行画像，构建了包括上市公司监管政策、会计师事务所、上市公司行业类别、财务特征及公司治理等核心要素的数据集；对上市公司及会计师事务所两类主体的违规行为进行风险画像建模，设计了违规行为的群体画像及个体画像，了解并跟踪违规行为演变机理，识别关键特征；利用机器学习算法对上市公司及会计师事务所违规行为进行实证研究，预测异常用户，寻找防范上市公司违规行为发生的有效途径，在梳理现有国内外监管制度的基础上，为上市公司及相关主体的风险防范提供经验证据。

本书从大数据视角研究违规主体的行为特征，完善了大数据时代上市公司及相关主体的违规审计全局观；基于审计理论及人工智能技术，将机器学习算法运用于上市公司监管治理领域，体现了信息技术与经济监督的交叉融合，为资本市场监管及经济治理提供了有广泛应用价值的新技术；体现了多学科融合进行监管机制研究的技术群，对维护我国经济社会安全具有一定的理论价值和现实意义。

本书适合广大投资者、股东、监管部门相关人员以及会计、审计及其他财经类专业学生阅读。

本书从大数据视角研究违规主体的行为特征，完善了数据时代上市公司及相关主体的违规审计全局观；基于审计理论及人工智能技术，将机器学习算法运用于上市公司监管治理领域，体现了信息技术与经济监督的交叉融合，为资本市场监管及经济治理提供了有广泛应用价值的新技术；体现了多学科融合进行监管机制研究的技术群，对维护我国经济社会安全具有一定的理论价值和现实意义。

习近平总书记在党的二十大报告中指出：我国发展进入战略机遇和风险挑战并存、不确定难预料因素增多的时期，各种黑天鹅、灰犀牛事件随时可能发生。我们必须增强忧患意识，坚持底线思维，做到居安思危、未雨绸缪，准备经受风高浪急甚至惊涛骇浪的重大考验。

中国的上市公司通过证券行业的桥梁在促进实体经济发展、助力资本市场成长壮大中起到了关键作用，在一定意义上奠定了我国经济快速发展的基石。当前信息技术与商业模式加速演进，大数据、生成式人工智能等先进技术的不断涌现和应用，为上市公司提供了强大的技术支撑和创新动力。这些技术的融合应用，进一步加速了企业数字化转型的步伐。通过信息技术重构业务流程，实现跨界融合和生态合作，持续创新商业模式，我国上市公司发展进入多元化、高度动态化和创新性的时期。

上市公司的信息质量是我国资本市场健康发展的基础。上市公司、会计师事务所等相关主体在会计信息质量披露中起着关键作用。中国资本市场经历了30多年的快速发展，为企业、投资者等利益相关者提供了公平的资本交易市场，与资本市场监管、上述主体的合法规范经营及信息披露密不可分。但值得注意的是，多年来，相关主体的违规现象也屡见不鲜。在数字经济新时代，如何主动识变应变求变，主动防范、化解风险成为上市公司及相关主体、投资者、监管部门迫切需要解决的关键问题。

本书以实证研究为基础，以资本市场监管为出发点，以上市公司、会计师事务所等相关主体的违规行为为研究对象，利用用户画像技术，设计了数据驱动的上市公司及会计师事务所两类群体的违规画像，揭示了当前违规群体及个体关键特征；构建了基于机器学习的违规行为预测模型，并进行了实证对比分析；基于此，提出了资本市场监管、违规行为防范与治理的建议。本书结合最新政策法规和市场实践，采用大数据、用户画像、机器学习等多种技术，将理论与实务操作相结合，构建以数据驱动的上市公司违规行为治理框架，具有较强的理论性、前瞻性与实用性，为强化经济风险治理的各界人士，提供了有实践意义的参考方案。

本书以资本市场监管为出发点，共分7章，第1、2章介绍了资本市场监管及上市公司违规等相关的理论基础；第3、5章以上市公司违规行为为主要研究对象，收集整理了包括上市公司违规行为、财务、治理等多源数据集，设计了上市公司违规风险画像，构建了基于机器学习的上市公司违规行为预测模型并进行了实证研究；第5、6章以会计师事务所违规行为为主要研究对象，设计了会计师事务所违规风险画像，构建了基于机器学习的会计师事务所违规行为预测模型并进行了实证研究；第7章从资本市场监管、上市公司、会计师事务所三个维度提出了强化风险防控的措施。

本书构建了一套系统的违规行为风险画像理论框架及技术方案，为资本市场监管者、上市公司、会计师事务所及其他相关主体提供相应的风险防控建议，对于完善上市公司及相关主体风险治理体系、推动和规范资本市场监管具有一定的理论价值及现实意义。

本书适合资本市场监管的相关政府部门、金融机构、行业协会、上市公司、会计师事务所等相关人员使用，同时也可供广大财经类专业人士、研究生参考。

本书的写作和出版得到了清华大学出版社和北京信息科技大学等单位的各位领导、专家和同仁、研究生的大力支持。本书由张莉、李卓松主笔，赵润彤、冯卿松、赵亮玉、许亦杨、王雪等研究生参与了第3至6章的撰写。

本书相关内容的研究得到了人文社科规划基金（20YJAZH129）、北京信息科技大学管理学学科建设经费的资助。

张莉、李卓松
2024年8月

张莉，博士，教授，硕士生导师。北京市优秀人才，北京市属高校青年拔尖人才。中国教育审计学会信息化分会副主任，北京市教育会计学会理事。北京信息科技大学财务处长，审计专业负责人。荣获省部级青年教师基本功竞赛二等奖2项。主要研究大数据与异常检测，智能财务/审计、ESG。长期从事财务/审计信息化理论教学、科研与实践方面的工作，参与及主持国家科技支撑计划项目、金审三期、国家自然科学基金及省部级等项目20余项；有丰富的大型企事业单位、上市公司审计经验，在国内外重要期刊发表论文50余篇，出版学术专著3部、教材3部，获2项发明专利、30多项软件著作权。多次受邀为大型央企提供数字化审计/财务、智能系统等相关咨询、讲座及科技项目研发服务。
李卓松，博士，北京信息科技大学讲师，研究领域为公司治理、会计准则等，主要讲授财务会计、流程自动化及信息可视化等课程，参与多项国家自然科学基金、国家社会科学基金及省部级项目；在《改革》《金融评论》等核心期刊发表学术论文；曾为大型企事业单位提供内部控制流程咨询服务。

第1章 绪论1
1.1 选题背景及意义 1
1.2 资本市场各主体角色及职能 3
1.2.1 上市公司 .3
1.2.2 中介机构 4
1.2.3 监管机构 5
1.3 上市公司及相关主体违规行为的文献回顾 6
1.3.1 上市公司违规文献回顾 6
1.3.2 会计师事务所违规文献回顾 13
1.3.3 违规行为文献述评 14
1.4 研究内容和目标 15

第2章 上市公司及相关主体的监管体制与现状16
2.1 上市公司的监管体制 16
2.1.1 集中型监管体制 17
2.1.2 自律型监管体制 18
2.1.3 中间型监管体制 19
2.2 我国上市公司的监管现状 20
2.2.1 集中型监管体制的形成 20
2.2.2 集中型监管体制与自律型监管体制的结合 21
2.2.3 我国证券市场的自律监管 21
2.2.4 《证券法》（2019年修订）后的上市公司监管 22
2.3 会计师事务所的监管体制与现状 24
2.3.1 会计师事务所单一监管阶段的形成 25
2.3.2 会计师事务所监管体系的构建 25
2.3.3 《证券法》（2019年修订）对会计师事务所监管的影响 26
2.4 证券发行注册制下的监管转型 27
2.4.1 以问询函和监管函为主的非行政处罚性监管 27
2.4.2 问询函和监管函的应用现状 29
第3章 上市公司违规行为画像31
3.1 上市公司违规行为的内涵及分类 31
3.1.1 股东违规自利 33
3.1.2 财务违规 33
3.1.3 违规使用资金 33
3.1.4 税务违规 34
3.1.5 其他 .34
3.2 上市公司违规行为数据处理 34
3.2.1 多属性数据拆分 34
3.2.2 其他违规类型下违规行为文本分析 34
3.3 违规内容画像分析 36
3.3.1 违规类型整体画像 37
3.3.2 考虑时间因素的违规类型画像 41
3.3.3 违规类型存在关系画像 42
3.3.4 ST公司的违规类型画像 44
3.4 违规主体画像分析 45
3.4.1 违规频率画像 46
3.4.2 所属行业画像 48
3.4.3 财务特征画像 50
3.4.4 公司治理特征画像 58
3.4.5 内部控制特征画像 65
3.5 高频违规公司的画像分析 72
3.5.1 违规类型分析 73
3.5.2 违规类型存在关系分析 73
3.5.3 违规发生时间趋势分析 74
3.5.4 违规行为内容分析 75
3.5.5 财务特征分析 79
3.5.6 公司治理特征分析 80
3.5.7 内部控制缺陷分析 82
3.5.8 审计师决策 84

第4章 基于机器学习模型的上市公司违规行为预测86
4.1 样本数据和指标的选择 87
4.1.1 指标选择 87
4.1.2 数据收集与处理 89
4.2 机器学习模型的构建与评估 90
4.2.1 Logistic回归模型 90
4.2.2 K近邻模型 94
4.2.3 支持向量机（SVM）模型 95
4.2.4 随机森林模型 97
4.3 研究结论与分析 101
4.3.1 模型评价 101
4.3.2 结论 102

第5章 会计师事务所违规行为画像.103
5.1 会计师事务所行业画像 103
5.1.1 会计师事务所的规模 104
5.1.2 会计师事务所从业者的个体特征 107
5.2 会计师事务所违规行为的分类及含义 111
5.2.1 会计师事务所违规行为的分类 111
5.2.2 会计师事务所违规行为的含义 112
5.3 会计师事务所及会计师违规行为画像 115
5.3.1 数据收集与处理 115
5.3.2 会计师事务所违规行为画像 116
5.3.3 注册会计师违规行为画像 126

第6章 基于机器学习模型的会计师事务所违规行为预测.133
6.1 样本数据和指标的选择 133
6.1.1 数据收集与处理 133
6.1.2 指标选择 134
6.2 机器学习模型的构建与评估 135
6.2.1 支持向量机模型 136
6.2.2 决策树模型 138
6.2.3 随机森林模型 141
6.2.4 梯度提升树模型 142
6.3 研究结论与分析 144
6.3.1 模型结果对比 144
6.3.2 结论 146

第7章 上市公司及相关主体违规行为的防范与治理148
7.1 完善上市公司的内部治理 148
7.1.1 优化上市公司股权结构 148
7.1.2 完善上市公司内部治理结构 150
7.1.3 建立有效的内部控制审计机制 152
7.2 加大监管处罚力度 153
7.2.1 加强退市制度 153
7.2.2 提高处罚标准 154
7.2.3 发挥交易所自律监管机制 154
7.3 加强注册会计师行业监管 156
7.3.1 建立健全会计师事务所质量管理 156
7.3.2 建立高效的应对监管问询函机制 157
7.3.3 提高注册会计师专业能力 157

参考文献159