一、引言 党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》(以下简称“十五五”规划建议)明确提出，要全面加强金融监管，丰富风险处置资源和手段，构建风险防范化解体系。中央金融工作会议强调，坚持把防控风险作为金融工作的永恒主题，对风险早识别、早预警、早暴露、早处置。财务造假是资本市场重要的风险源，近年来，其隐蔽性和复杂性显著增强，对风险监测预警的及时性和精准性提出了更高要求。充分运用人工智能等现代信息技术手段高效识别违法违规线索和风险隐患，提升资本市场监管的科学性、有效性，是落实“十五五”规划建议要求和中央金融工作会议精神、防范化解金融风险、维护资本市场稳定和保护投资者合法权益的重要举措。 有效识别财务舞弊风险是监管实践中打击财务造假的首要环节。在大语言模型(以下简称大模型)技术取得突破以前，学术界已有不少关于机器学习模型特别是深度学习模型在财务舞弊识别领域应用的研究。例如，从上市公司财务会计信息角度切入，构建机器学习模型，实现对舞弊风险的识别与预警(Cecchini et al.，2010；Bao et al.，2020；周卫华等，2022)；基于舞弊三角理论，将公开信息转化为反映压力、机会、借口等方面的指标用于舞弊识别(Lin et al.，2015)；利用年报“管理层讨论与分析”等叙述性披露文本提取语言信号或信息，辅助识别舞弊风险(Purda and Skillicorn，2015；Craja et al.，2020；赵纳晖和张天洋，2022)等。在此基础上，有研究将财务信息与股评文本等市场信息一并纳入模型(曹策等，2024)，或者以业绩电话会内容为基础，引入多模态学习框架(Kaikaus et al.，2022)，以进一步提升舞弊识别能力。此外，机器学习等人工智能技术也被用于企业财务困境预测或财务分析等场景(吴世农等，2021；汪春华，2023)。 然而，在财务舞弊识别方面，机器学习模型存在舞弊判别结果仅简单关注“是否舞弊”这一笼统的“二元分类”问题、舞弊判别过程对非财务和非结构化数据的应用较少，以及舞弊判别结果可解释性不足等三大短板(田莉等，2025)。2025年以来，以DeepSeek-R1为代表的推理大模型发布，国产大模型推理能力取得长足进展。相较于传统大模型，DeepSeek-R1的强化学习框架促进了高级推理模式的自主涌现，包括自我反思、多轮验证和动态策略调整。经此训练的模型在数学、编程、工程领域等可验证任务中表现卓越，超越了依赖人工示范数据进行传统监督学习的同类模型(Guo et al.，2025)。因此，深度推理大模型更适用于财务舞弊识别等需要综合分析、多维判断的应用场景。相关研究也表明，大模型能够应用于数据采集、跨多文档与非结构化文档解析、证据链构建、人机交互以及优化现有规则模型等工作，进而提升财务舞弊识别效能(叶钦华和黄世忠，2025；Bai et al.，2025)。 为深入落实“十五五”规划建议要求和中央金融工作会议精神，积极响应国务院“人工智能+”行动意见，更好履行新形势下监管职责，推动监管数智化转型，2025年2月深圳证券交易所(以下简称深交所)启动了财务舞弊监管AI大模型的研究和项目建设工作，以人工智能赋能上市公司财务舞弊识别。本文的贡献具体包括以下三个方面： (1)对国内主流通用大模型自身的会计专业能力和舞弊识别效果进行了测试，发现国内主流通用大模型在直接使用的情况下存在四大障碍，即并不具备识别舞弊的成熟系统方法论、无法完整读取并分析图表文混排长文本、难以全面准确获取舞弊识别所需多维信息，以及难以合理平衡防止漏报与控制误报。 (2)将财务舞弊动因、识别特征理论与大模型思维链、注意力机制、博弈对抗理论相结合，创新提出“舞弊识别思维链提示词+结构化多维信息工作底稿+多智能体博弈对抗”的智能化舞弊识别理论范式。一是为大模型提供清晰的舞弊识别方法论指引，即构建了一套融合专家经验、系统性、流程化且易于大模型理解执行的舞弊识别思维链提示词体系，引导大模型以“拟人化”“专家化”方式识别舞弊；二是建立多维信息处理机制，即设计了一套可被大模型完整阅读且有效使用的结构化多维信息工作底稿，确保大模型有效读取识别舞弊所需的多维信息；三是建立可有效平衡舞弊漏报与误报的舞弊识别智能体结构体系，即通过引入“博弈对抗”理念，构建了一种对舞弊识别思维链提示词和结构化多维信息工作底稿进行优化编排的多智能体结构，有效提升舞弊识别精度与执行效率，并在防止漏报和控制误报之间实现合理平衡。三项核心创新要素逐一解决了大模型识别舞弊过程中“怎么看”“看什么”“如何更高效、有效地看”等关键性问题，针对性破解了当前大模型识别舞弊时面临的四大障碍，有效缓释了大模型幻觉①、随机性②等问题对舞弊识别结果的负面影响，进一步提升了大模型舞弊识别分析过程的稳定性和结果的置信度。 (3)在此基础上，开发了大模型驱动的智能博弈财务舞弊识别系统(以下简称舞弊识别大模型系统)，在应用大模型识别财务舞弊领域取得新突破。该系统通过充分利用大模型深度推理能力，在上市公司年报披露后，自动对上市公司财务舞弊风险进行“拟人化”智能推理分析，实现“生成判断结论”和“提出工作建议”两大目标，向监管人员提示上市公司可能存在的具体舞弊风险以及分析依据，并提出监管应对建议。此外，相比机器学习模型、单纯利用专家规则模式，舞弊识别大模型系统充分使用结构化财务数据和各类非财务数据、非结构化数据，以及对所触及的舞弊识别特征进行综合分析和逻辑推理，可以更好识别第三方配合造假等复杂、新型财务舞弊行为，识别结果明确提示整体舞弊风险等级，明确指向具体舞弊领域、舞弊模式以及舞弊手法，并提供分析依据和针对性监管应对建议，大幅提升了舞弊识别结果的可解释性和可使用性。
