近日，我院王友干教授作为唯一通讯作者，与澳大利亚昆士兰大学Min Zhu、Daniel Ahfock、Geoffrey McLachlan教授及University of Wyoming（美国）的Liu Yang教授合作完成的研究论文《Detecting Corporate Fraud with Noisy Labels》（《含噪声标注的企业欺诈识别》），获国际顶级学术期刊《Management Science》正式接收。论文聚焦监管结果公开推后造成的企业欺诈标注不完整与噪声问题，融合统计建模、机器学习与会计金融研究，为企业欺诈的实时识别提供了新的方法框架。
研究简介：企业欺诈通常难以及时发现，从财务报表存在误报到监管执法结果公开，通常存在较长且差异显著的时间差。因此，在模型训练时被标注为“非欺诈”的数据中，可能包含未被发现或未公布的真实欺诈，传统分类模型因而容易受到标注误分和前视信息的影响。基于美国SEC 1990年至2019年的会计与审计执法公告（AAER）数据，研究发现，从财务误报发生到公开公布的平均时间差约为5.5年，最长可达18年。
针对该难题，研究团队构建了双过程正例与未标注（Positive-Unlabeled，PU）学习框架，分别说明企业实施欺诈与监管机构发现欺诈两个相互关联的过程，并采用直接边际似然方法进行联合估计。该框架能够校正由于监管发现和结果公开推后造成的“未发现正例”，所使用的信息均在预测时点能够获得，从而更加适合投资者、审计人员和监管机构的实时决策环境。
实证结果表明，所提出的完整PU-SAR框架在测试数据预测中稳定优于传统分类模型、单项未发现正例校正模型以及启发式标注修正方法。该方法特别能够有效识别涉及核心财务报表项目、通常更难被发现且公开周期更长的欺诈行为。研究并通过分解对照说明，未发现正例校正与依赖协变量的监管发现过程需要协同建模，才能充分提升欺诈识别能力。
《Management Science》创刊于1954年，由国际运筹学与管理科学学会（INFORMS）出版，是管理科学、运筹学与商业分析领域的代表性顶级期刊。该刊在英国特许商学院协会《Academic Journal Guide 2024》（通常称ABS期刊目录）中被评为4*级（Journals of Distinction），并同时入选Financial Times 50（FT50）和UT Dallas 24（UTD24）国际顶级商学期刊目录。广东财经大学《外文学术期刊分类等级目录（2026）》将其列为工商管理学科A类Top级期刊。
该论文的正式接收，体现了我院在统计学、机器学习与管理科学交叉研究方面的持续积累，也进一步提升了学院在国际顶级管理学期刊上的学术影响力。
论文信息
题目：Detecting Corporate Fraud with Noisy Labels
作者：Min Zhu；Liu Yang；Daniel Ahfock；You-Gan Wang*；Geoffrey McLachlan
* 唯一通讯作者：You-Gan Wang（广东财经大学）
状态：Accepted by Management Science
初审：黄琦 复审：孔荫莹 终审：林守忠
