Seminar | 眼见为实吗?高管面部可信度、审计师任期与审计费用
本文讲解:闫续文
本文推介:戴 雯
本文编辑:赵冰洁
近期,爬虫俱乐部举行论文workshop,由博士生闫续文跟大家分享了论文:Seeing is believing? Executives' facial trustworthiness, auditor tenure, and audit fees,由硕士生戴雯为大家总结本文要点。
原文信息
“当我们看到一个人的时候,会立即对他的性格产生某种印象。瞥一眼、说几句话就可能告诉我们一个复杂的故事。”这种只可意会不可言传的体验被神经科学领域的文献所证实,我们可以通过面部特征感知人的个性和经历。无独有偶,现有的商业类文献也发现面部可信度可能会影响人们在P2P借贷、法律辩护和信任博弈方面的决策过程。
在审计领域,美国公众公司会计监督委员会(PCAOB)出台的会计准则(AS)要求审计师必须与管理层进行一定的沟通后,再评估企业的重大财务误报风险,这种沟通包括了审计师要和高管进行一定的面对面互动行为。在这样的互动过程中,审计师会形成对高管面部可信度的感知,并将这种感知纳入之后的决策过程中。但不可否认的是,审计师也可能依赖其他形式的一些文件,如财务报表等,来评估管理层的可信度和潜在的审计风险,而不关注高管的面部可信度。同时,如果能够获取与个人过去行为相关的更多信息,那么面部可信度与决策制定之间的关系可能会被弱化。随着审计师任期的增加,他们能够了解到更多关于企业运营状况的信息,因此对于风险的评估可能会更少地依赖于他们最初所感知到的高管面部可信度。那么,审计师究竟会不会将高管的面部可信度纳入他们的审计费用定价过程中呢?高管面部可信度对审计费用定价的影响程度又是如何呢?审计师的任期是否也会影响高管面部可信度与审计费用定价之间的关系呢?Tien-Shih Hsieh,Jeong-Bon Kim,Ray R. Wang和Zhihong Wang四位学者(2020)收集了2011-2014年845家美国上市公司1179位CEO和1360位CFO的4411个公司年度观测值,试图回答这些问题。
文章最大的亮点在于采用了基于机器学习的人脸特征点检测技术,提出了一种新的度量面部可信度的方法,从而构建了一个美国上市公司高管面部可信度的数据库,这也使本文成为现有相似研究中率先运用大样本数据、系统性地研究审计师和高管面部可信度的文章。
为了构建高管面部可信度指标,首先,作者设计了一套算法来自动获取CEO和CFO的单人正面照片:(1)在谷歌图片上以“姓名+单位”的方式搜集CEO和CFO所在公司官方的、64×64像素以上的单人正面照;(2)基于机器学习算法,通过定位到每张照片的68个人脸关键点,来确定人脸的位置和形状,并分别比较3对人脸关键点之间的距离,来验证这张照片是否为单人正面照;(3)如果图片搜索返回了一张符合要求的单人正面照,那么就继续搜索下一名高管的照片,如果5次尝试都没有找到符合要求的照片,那么这名高管就返回一个缺失值。
其次,参考现有心理学文献,作者综合四类脸部结构特点,构建了面部可信度指标,分别为内眉脊的角度、脸型、下巴的角度、人中比例,并对这四项反映面部结构的指标进行如下处理:(1)在负向指标前加上“负号”;(2)标准化到均值为0、方差为1;(3)对标准化后的四项指标求均值。最终构建一个综合的面部可信度指标,该指标的值越大,意味着高管的面部可信度越高。
在构建完面部可信度这一指标后,作者研究了高管面部可信度、审计师任期与审计费用之间的关系。作者发现,CEO的面部可信度与审计费用之间的关系并不显著,但CFO的面部可信度与审计费用显著负相关,这表明CFO的面部可信度在审计服务定价方面发挥着更为重要的作用。对于面部可信度越高的CFO,审计师感知到的风险越低,因而会收取越少的审计费用。与此同时,审计师任期的增加会弱化CFO面部可信度与审计费用之间的负相关关系。随着任期的增加,审计师会积累更多关于企业高管与公司业务运作的信息,从而更少地依赖于CFO的面部特征来判断审计风险。
最后,在稳健性检验部分,本文从四个方面进行考虑:
稳健性检验的结果与前文的结论均一致,对于面部可信度较低的CFO所在的公司,审计师会倾向于收取更高的审计费用,并且这种负面影响会随着审计师任期的增加而减弱。本文为CFO在财务报告方面所起的重要作用提供了更多的支撑,对于面部可信度的度量方法也为未来关于个人信任方面的研究指明了方向。
Seminar | 恐怖袭击与CEO薪酬
代码补全,主题更换,Jupyter Notebook原来可以这样用?
【爬虫实战】“双十一”微博热搜实时跟进
Stata中的数值型变量分类神器--recode
fs命令——我们的小帮手【邀请函】听说你还在为处理表格头大?
用stack取代excel的数据重整操作吧Seminar | 委托贷款:打开中国影子银行的黑匣子
Seminar | 电话会议中的"non-answer"
Python 爬虫必杀技:XPath
面对相对路径和绝对路径的分岔口,你选对了吗? 空间数据可视化之spmap命令朴素贝叶斯算法——以20Newsgroups数据集为例
【爬虫实战】利用scrapy框架爬取豆瓣图书信息
《我和我的家乡》影评高频词原来是这些!
微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识,欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。
1)必须原创,禁止抄袭;
2)必须准确,详细,有例子,有截图;
注意事项:
1)所有投稿都会经过本公众号运营团队成员的审核,审核通过才可录用,一经录用,会在该推文里为作者署名,并有赏金分成。
2)邮件请注明投稿,邮件名称为“投稿+推文名称”。
3)应广大读者要求,现开通有偿问答服务,如果大家遇到有关数据处理、分析等问题,可以在公众号中提出,只需支付少量赏金,我们会在后期的推文里给予解答。