大数据情绪指标对金融企业审计风险影响研究

□文/ 孙雨琴 鲁昭辉

（上海对外经贸大学 上海）

［提要］ 金融企业作为国民经济重要的一部分，其审计风险对整体宏观经济的影响堪称牵一发而动全身，因此审计师需要更迭获取审计证据的方式，以便超前识别审计风险。研究发现：中小股民负面情绪越强烈，审计师的审计收费越高，且越倾向于发表非标准无保留审计意见。因此，本文在影响审计风险的传统因素中加入情绪指标，并且加入行业竞争这一调节变量，探究其对审计风险识别的影响，希望对未来的审计提出可行的方向。

在中国金融业不断走向国际化的今天，其数据信息容量也呈几何式增长。审计作为一种非传统金融第三方监督机构，介入金融风险防控行为，成为我国化解系统性金融风险的重要活动和途径，但是现阶段的审计还存在漏洞。首先，金融行业的审计不能很好利用政府公共资源。金融业的审计工作基本都是利用计算机开展的，但是地方政府数据并非透明公开，因此审计师无法收集到足够的公共资源。其次，企业在录入客户基础数据信息时，通常只是姓名、年龄等单一信息，导致在开展审计工作时忽略股民情绪这样的非结构化数据。

鉴于上述情况，本文将情绪指标这一非结构化数据引入审计风险识别模型，结合金融行业自身的经营活动和财产情况的特殊性来分析影响金融业审计风险的关键因素，并为识别金融审计风险提出一些具体建议。

一、文献综述

（一）审计风险。近年来，随着大数据技术的不断普及，会计师事务所的审计过程多少都随之受到影响。一般来说，影响审计风险的主要因素来源于被审计单位本身的固有风险、内控部门存在的控制风险和会计师事务所的检查风险三部分。

Arens 等人（2007）指出被审计单位的经营风险、岀具审计报告后被审计单位出现财务困难的可能性、被审计单位管理层道德水平会影响到审计风险。H Fenwick huss（2007）的研究指出，被审计企业自身的财务指标会对审计风险产生影响，企业自身的运营风险高的时候，迫于行业竞争的压力，容易产生重大错报风险，增加企业的审计风险。胡继荣、张麒（2000）认为审计人员专业水平影响审计风险。此外，还有外部因素也会影响审计风险。张丽达、冯均科、陈军梅（2016）的研究发现外部媒体的监督会影响审计风险，其主要通过企业声誉以及政府的间接干涉等途径影响审计师的检查风险。

（二）大数据情绪指标。现有文献发现，媒体监督有助于发现并揭示上市公司的会计问题，并且会促使审计师在审计意见决策、客户保留决策等方面更为谨慎，使得会计师事务所及审计师的风险降低。

沈艺峰等人（2013）通过研究发现，大量的中小投资者通过网络平台表达负面意见，会形成群体性负面情绪，从而引发一定规模的群体性舆论事件，此时监管部门就有可能介入。同样有学者发现，中小投资者的群体负面情绪越高，越有可能引起监管部门的关注。张龙平和吕敏康（2014）通过分析媒体评价与审计意见关系发现，媒体对上市公司评价越高，上市公司被出具标准无保留审计意见的概率越高，说明审计师在发表审计意见时会出于意见认同动机而参考媒体意见。

（三）行业竞争。此外，不少学者还发现，行业竞争也会对被审计单位产生一定的影响。周夏飞和周强龙等人发现竞争越激烈的行业，其相应的总体盈余管理水平也越高。伊志宏等人（2010）认为产品市场竞争会对公司治理机制产生影响，从而加强公司的信息披露质量。邢立全和陈汉文（2013）发现产品市场竞争会增加被审计单位的经营风险和审计师的检查风险，为了补偿风险溢价，审计收费会因此升高。由上述文献综述可知，大数据情绪指标与行业竞争皆与审计风险有一定程度上的关联。那么，这三者是否又有所关联，我们则通过实证的方式来检验。

二、理论与研究假设

（一）大数据情绪指标与审计风险。本文对大数据情绪指标的概念进行了界定——大数据情绪指标是利用爬虫软件爬取股吧的海量评论并进行情感分析，根据情感分析的结果进一步给出的被审计单位的评分。古人有云，“防民之口甚于防川”，一句简单的话可以显示出公众情绪的重要性。在大数据时代，舆情的重要性更加凸显。不少企业都会聘请舆情分析师为其提供服务，来提前预防相关舆情的发生或是预测事件的走向。由此可见，公众情绪显然会对被审计单位造成举足轻重的影响，这也会增加审计师的压力。

先前文献综述有提到过，媒体的关注以及中小投资者的负面情绪都会导致相关监管部门的关注，当群体性舆论事件发生时，相关监管部门必然会对被审计单位加强关注，被审计单位的固有风险被放大；同时，由于审计师遭受诉讼的风险也相应增加，因而会花费更多时间精力去降低重要性水平，可容忍的错报水平也更低，这将大大增加被审计单位的审计风险。根据上述推论，在此提出以下假设：

H1：金融企业大数据情绪指标越低，企业审计风险越高

（二）大数据情绪指标、行业竞争与审计风险。随着市场经济的不断发展与完善，企业面临的诸多竞争也更加显著，一方面政府的财政分权促进了企业之间的竞争，并在区域经济上更为突出；另一方面随着我国金融行业内的企业逐渐发展且数量日益增多，市场竞争也会变得越发激烈。目前的许多研究都表明，市场竞争会对企业的财务披露情况产生良好的促进作用。为了获取比竞争对手更多的资源，得到投资者的青睐，企业会选择提高信息披露的质量，减少盈余管理行为的频次，从而减少了与投资者的信息不对称。根据委托代理理论，审计行为是由于企业所有者与实际管理人员之间的信息不对称产生的。因此，在代理问题由于信息不对称情况的减缓而降低的同时，被审计单位的审计风险也会得到相应降低。由此可得到假设如下：

H2：金融企业行业竞争水平越高，其审计风险越低

同时，本文将行业竞争水平作为调节变量，由于行业竞争水平会降低企业的审计风险，考虑其会使得大数据情绪指标对审计风险造成的影响变得更为积极，再次做出假设如下：

H3：金融企业行业竞争水平促进了大数据情绪指标与审计风险的负向关系

三、研究设计

（一）样本选择与数据来源。本文数据主要来源于CSMAR数据库，样本为2010～2020年我国A 股金融保险类上市公司数据。为保证数据的可靠，样本数据剔除ST 公司、*ST 公司，以及存在变量数据缺失的样本。为保证结果不受极端值的影响，对所有样本在1%和99%分位的数据进行了缩尾处理。经过处理，最终得到2010～2020年共1，049 个样本。本文的所有结果均是通过Excel 以及Stata13 操作所得出的结果。

（二）变量选取以及定义

1、被解释变量：金融企业审计风险。国内外用于衡量审计风险的方法有很多，其中包括出具的审计意见、会计利润偏差度、审计收费等。许多文献都得出审计风险与审计费用存在一定的关系，企业的审计风险越高，相对应的，注册会计师就需要更高的收费来补偿风险。因此，本文的审计风险通过审计收费多少来衡量。

2、解释变量：大数据情绪指标。大数据时代带来的纷繁复杂的数据也对审计风险产生了影响。宋彪、朱建明等学者在研究了大数据情绪指标对财务风险的影响后发现，加入大数据负面情绪的模型对企业风险的预测更加准确。由此推断，引入大数据负面情绪指标能够提高审计风险识别的正确率。所以，本文将财经论坛上股民负面情绪作为情绪指标，运用python 将非结构化语言转化成结构化语言，探究其对审计风险识别的影响。

本文涉及到的数据是通过八爪鱼爬虫软件对东方财富网上的股民评论进行挖掘所得，目标年份为2010～2020年，以月度为单位进行数据爬取。文本的情感分析研究最多的是极性分析，即判断文字所包含的情感是“好”还是“坏”。“好”和“坏”被看作是褒义和贬义的两个极性，除此以外还有中性词。利用snowNLP 库对文本数据进行情感分析的过程如下：首先，读取已经分类的消极语料库neg.text 与积极语料库pos.text，通过贝叶斯模型计算出正负极性的先验概率；其次，对需要情感打分的文本数据计算出每个词汇的正负极性的后验概率；最后，选择其中概率较大的类别作为该词汇的正或负极性类别。通过snowNLP 计算得出的情感分值在-1～1 之间，越接近1 则情感越积极；反之，越接近-1 则情感越消极。根据2010～2020年十年间，每个月取1，000 条评论进行打分，并加权平均计算一整年的分值，从而得到该企业每年的大数据情绪指标。

3、调节变量：市场竞争。大部分学者通常采用赫芬达尔指数来衡量行业内竞争，指数的计算方法为行业内所有企业的主营业务收入占行业内所有企业的主营业务收入总和的比重的平方和。

其中，HHI 表示市场竞争强度，Xi表示行业内企业i 当年的主营业务收入，A 表示该行业内所有企业当年的主营业务收入总和。

该指标衡量了行业内企业所占份额的比重，故而该指标越小，代表行业内市场竞争越强烈。为了方便文章研究，本文采用赫芬达尔系数的倒数来衡量行业内竞争强度，因此该数值越大，行业竞争越强烈。

4、控制变量。本文选取了对金融企业审计风险有影响的8个因素作为控制变量：总资产回报率（ROA）、应收账款比率（ARR）、应收账款周转率（RTR）、资产负债率（Lev）、企业规模（Size）、每股收益（Eps）、账面市值比（BM）。具体定义如表1 所示。（表1）

表1 变量描述一览表

（三）回归模型设计。首先探究只加入大数据情绪指标（Ne）后各变量对审计风险的影响，根据文献综述与理论分析提出以下模型1：

随后我们在模型中加入行业竞争（HHI）作为调节变量，进一步探究行业竞争对审计风险的影响，从而得到模型2：

四、实证结果分析

（一）描述性分析。本文利用EXCEL 和Stata13.0 软件对各变量进行了描述性统计，其中包括各个指标的平均值、标准差、中位数，以及最大值、最小值的全样本统计分析。变量的描述性统计分析结果如表2 所示。（表2）

由表2 可以看出，金融行业整体审计收费水平处于中等，且不同企业审计收费上下限之间存在巨大差异。从反映股民情绪的指标Ne 最值中可以看出，在股吧中针对金融行业的股民情绪的正面程度略高于负面，且大多数人对于市场股价变动的情绪偏向于中性表达。

表2 描述性统计结果一览表

（二）相关性分析。为确保实证结果的准确性和有效性，对本文的被解释变量、解释变量进行相关性分析。表3 给岀了本文被解释变量、解释变量的Pearson 相关分析。（表3）

表3 相关性分析结果一览表

一般情况下，相关性关系的强弱主要通过Pearson 相关系数的显著性值来进行评估，分为正相关、负相关、不相关三种情况。根据本文主要变量的相关性分析结果可以看出，审计风险和大数据情绪指标与企业营业收入增长率、账面市值比显著相关，表明解释变量与其余的变量没有过多的相关性关系。初步表明模型存在共线性问题较小。另外，大数据情绪指标与审计风险呈负相关关系，即大数据情绪指标越低，审计风险越高，初步验证了所得结果与上述假设1 的推论基本保持一致。行业竞争也与审计风险显著负相关，说明其与审计风险也存在高度关联。从相关性分析中只能初步看出单独的解释变量对审计风险的造成影响，而不能分析出其互相之间的影响，因此后续需要进行回归分析检验。

（三）回归结果分析。为验证假设1、2、3，本文根据模型（1）、模型（2）进行了回归分析，得到1，049 个样本中审计风险与各解释变量和控制变量的影响结果，如表4 所示。（表4）

表4 回归分析结果一览表

由表4 可知，审计风险与大数据负面情绪在1%的水平上呈显著负相关；审计风险与营业收入增长率、账面市值比在1%的显著水平上存在负相关关系；审计风险与资产负债率、应收账款比率、企业规模在1%的显著水平上存在正相关关系；调节变量行业竞争水平对审计风险与大数据情绪指标之间在10%的水平上显著。这对先前提出的假设进行了验证：

1、审计风险与大数据情绪指标呈显著负相关关系，即企业大数据情绪指标越小，审计风险越高。大数据情绪指标越低，表明网上群众对于企业的心态越为消极，消极情绪越多越能反映出企业的不足。当网络上的消极负面评论过多时，说明企业在财务经营上有所不足或是产生了问题，受到舆论的高度关注，这种情况下审计风险会大幅提高。

2、行业竞争水平与营业收入增长率呈负相关关系，即行业竞争水平越高，审计风险越低。原因是当企业的行业竞争水平较高时，意味着企业需要更加公允可信地公布自己的财务数据来获取投资者的信任，这类企业通常有很小的动机进行财务舞弊，并且经营失败的概率较低，因此审计风险也就相应较低。

3、行业竞争水平对审计风险与大数据情绪指标之间在10%的水平上显著，并对其存在促进调节的作用，即行业竞争水平促进大数据情绪指标对审计风险的负向关系。原因可能在于在行业竞争水平高的情况下，相关的金融企业会更加在乎中小投资者的负面情绪，从而提高信息披露质量，使审计风险也得以减少。

（四）稳健性检验。本文在进行稳健性检验时将被解释变量即审计风险进行重新测度，将审计费用的自然对数作为被解释变量，再按照上文检验出的回归模型进行回归，发现其结果依然与前面回归结果大致保持一致。因此，确定审计风险与大数据情绪指标呈负相关关系；审计风险与行业竞争水平呈负相关关系。（表5）

表5 稳健性检验回归结果一览表

五、结论

本文结合金融行业自身特色财务指标与大数据因素，采用实证研究的方法，研究大数据情绪指标对审计风险造成的影响，结果表明网上股民的情绪越消极，金融企业审计风险越高。当网络上股民对一家金融企业的消极负面评论过多时，说明该企业在财务经营上或多或少有所不足或是产生了问题，这种情况下，该企业会受到舆论的高度关注，并引起相关部门的关注，这将导致重要性水平变低，从而使审计风险变高。此外，行业竞争水平较高时，大数据情绪指标对审计风险的负向影响越明显。

不可否认，传统财务指标对于金融企业审计风险的超强预判有不可替代的作用，但是金融企业审计风险的升级使审计师不能只拘泥于识别传统财务数据，还要更多关注网上的中小投资者的情绪。日后，审计师在进行金融行业审计风险识别时要综合考虑各方面因素的影响，特别是像股民情绪这类的非结构化数据。此外，还建议企业做一些舆情分析的工作，以便预防相关舆论事件的产生，并且做好应对。

从市场竞争角度来说，金融企业应加强内部控制的质量，在激烈的市场竞争环境下，企业不仅需要牢固企业内部根基，更要提高对外信息的披露质量。后疫情时代，市场环境也更加要求企业寻求更多的经济效益突破口，市场竞争作为市场环境的一部分，更代表了当前市场的发展态势，企业应当定位好自身的发展方面，做好相关工作，有条不紊地进行发展。