作为公开原则的核心体现,信息披露无疑是规范上市公司行为、保护中小投资者利益和提高证券市场配置效率的最有效手段。真实、全面、及时、充分的信息披露是上市公司的法定义务,也是投资者决策的重要依据。然而,中国相当部分上市公司信息披露违规,而且屡禁不止,严重地违反了诚信准则,甚至无视法纪。这不仅在很大程度上损害了中小投资者的合法权益,而且对证券市场的稳定和健康发展构成了很大的威胁。为此,本文以信息披露违规的中国上市公司这一特殊群体为研究对像,深入分析和检验它们违规的动因,统计违规事件公告后的股票市场反应,并尝试根据它们的财务特征、市场交易特征与公司治理特征,构建上市公司信息披露违规行为的一般预警模型,以便为投资者和监管层提供决策依据。全文共分为九章,各章的主要内容如下:第一章为导论,主要对论文进行简要介绍,具体包括研究背景与问题的提出、研究框架与主要内容以及研究的改进与创新计划。第二章为文献综述,全面回顾和总结了上市公司信息披露违规的动因、市场反应和预警的相关研究成果。第三章为中国上市公司信息披露违规的制度背景分析。第四章分析了信息披露违规的上市公司的行业特征、规模特征、财务特征、市场交易特征、以及治理特征。第五章分析和实证检验了关于上市公司信息披露违规动因的三种假说,包括大股东掏空说、内幕交易说和盈余管理说。第六章针对不同类型的信息披露违规事件的不同市场反应进行了统计分析。第七章基于财务、市场和治理视角,构建了预警模型对上市公司信息披露违规行为进行判别和预测。第八章对中国上市公司信息披露违规的防范机制进行了深入讨论。第九章是对论文研究成果的总结,包括研究结论与启示、研究的局限性和进一步研究的方向。本文在借鉴国内外相关研究的基础上,结合中国上市公司的制度背景,运用理论分析与实证研究相结合的研究方法,对中国上市公司信息披露违规的动因、市场反应和预警进行了系统的研究,并得到了以下的研究结论:第一,违规上市公司主要来自机械、设备、仪表制造行业,石油、化学、塑胶、塑料制造行业等成熟性产业,且大都属于中小型公司;大多数违规上市公司的上市交易年龄不超过6年,违规公司的股票市场交易比较活跃,而股票风险较高;违规公司的盈利能力差,经营效率低下,债务负担重而偿债能力明显不足,成长能力差,经营性现金创造能力不足,每股净资产质量低下;违规公司的股东制衡力量相当薄弱,违规公司的内控机制相当缺乏,近半数的违规公司被外部审计师出具非标准审计意见。第二,大股东对上市公司的掏空程度越高,上市公司信息披露违规行为越有可能发生;上市公司的内幕交易程度越高,信息披露违规行为越有可能发生;上市公司的盈余管理程度越高,信息披露违规行为越有可能发生。第三,投资者对公开处罚和公开谴责的处罚方式反应十分强烈,认为违规上市公司侵犯其合法权益。不管是上交所、深交所还是证监会的处罚公告,都具有一定的威慑力。对于采用延迟披露、虚增利润、违规关联交易、违规担保以及擅自改变资金用途等手段违规的上市公司,投资者持怀疑态度。对于上市公司的大股东掏空行为、证券操纵行为和财务舞弊行为,投资者纷纷用脚投票。第四,信息披露违规事件确实给投资者带来了巨大的经济损失。在信息披露违规事件公告日的(-20,20)时间窗口内,全部违规公司的累积平均超常收益(CAAR)达到-0.075,且在1%的置信区间内显著。第五,在违规行为被发现的前一个会计年度,违规公司在财务状况、市场交易状况和治理水平上,就与正常公司存在着显著的差异。盈利能力越强,公司就越不可能违规;财务杠杆越高,公司就越有可能违规;外部审计的监督质量越高,公司就越不可能违规。第六,以资产净利率、每股收益、资产负债率和流动比率为财务预警变量,以股票日均涨跌幅为市场预警变量,以代表董事会的独立性和高管激励的治理因子、代表股权结构的股权集中度和股权制衡度的治理因子、代表外部审计监督程度的治理因子和代表机构投资者监督程度的治理因子为治理预警变量,本文建立的Logistic回归预警模型和混合BP神经网络对公司违规发生概率的预测成功率分别为80%和83.33%,总体判别成功率分别为81.67%和83.33%,均可以有效地提前甄别违规的上市公司。第七,对于上市公司信息披露违规发生概率的预警,包含财务、市场和治理信息的模型Ⅲ的判别成功率最高,包含财务和市场信息的模型Ⅱ其次,只包含财务信息的模型Ⅰ最差。由此可见,对于投资者,公司的股票市场交易数据和治理数据与财务数据一样具有信息价值。第八,本文运用多项Logistic回归和混合BP神经网络构建上市公司信息披露违规严重程度的预警模型,对检验样本的总体判别成功率分别为68.89%与71.39%,可以较有效地对上市公司信息披露违规的严重程度进行预警。此外,本文尝试运用Fisher判别、多项Logistic回归和混合BP神经网络构建上市公司信息披露违规类型的预警模型,对检验样本的总体判别成功率分别为50.43%、58.12%与59.29%,虽不尽如人意,但这表明了本文所构建的预警模型在预测上市公司信息披露的违规类型方面具有发展和应用潜力。同时,本文在比较中发现,混合BP神经网络等人工智能技术在财务领域具有广阔的应用前景。最后,上市公司信息披露违规的博弈分析告诉我们,降低监管机构的监督成本,提高监管机构的稽查质量,或者加大对违规行为的惩罚力度,提高违规公司的违规成本,都可以降低上市公司信息披露违规的发生概率。同时,新闻媒体的社会舆论监督可以鞭策监管机构,监督和规范上市公司信息披露行为。区别于其它相关的研究,本文的改进和创新工作主要体现在以下几个方面:第一,本文对1994—2005年间信息披露违规的上市公司的行业特征、规模特征、财务特征、市场交易特征、以及治理特征进行了全面系统的分析,发现:违规上市公司主要来自成熟性产业,且大都属于中小型公司;大部分违规公司的上市交易年龄不超过6年,股票市场交易比较活跃而股票风险较高;违规公司的股东制衡力量相当薄弱,违规公司的内控机制相当缺乏,近半数的违规公司被外部审计师出具非标准审计意见。第二,本文首次从实证的角度对上市公司信息披露违规的问题进行动因分析与检验,并首次结合Llorente et al.(2002)的研究成果,利用股票市场均衡时股票收益率与换手率的动态关系系数C2来测度上市公司股票交易的信息不对称程度,并作为内幕交易的代理变量。首次结合Kotharia et al.(2005)的研究成果,计算基于ROA配对的操控性应计利润,以控制公司间因为业绩差异而产生的盈余管理计量偏误,并用来度量上市公司的盈余管理程度,该方法比琼斯模型(Jones,1991)和修正模型(Dechow et al.,1995)更为合理。第三,本文根据违规手段的不同,将信息披露违规事件分为虚列资产、虚增利润、虚假陈述、操纵股价、违规委托理财、擅自改变资金用途、违规关联交易、违规担保、重大遗漏、延迟披露及其它等十一类事件;根据违规性质的不同,将信息披露违规事件分为大股东掏空类、证券操纵类、财务舞弊类和其它类违规行为等四类事件;并分别对它们的不同市场反应进行了统计分析。第四,传统的预警模型大多以财务指标作为输入变量,研究局限于财务视野。本文基于财务、市场和治理视角,并应用逐步Logistic回归分析和因子分析对备选财务指标、市场指标以及治理指标进行提炼和筛选,提高了预警模型的有效性。第五,本文根据处罚机构的不同,将信息披露违规的严重程度划分为三种状态,即不被处罚、被交易所处罚、被证监会处罚;根据违规性质的不同,将信息披露违规的类型划分为五种状态,即大股东掏空类违规、证券操纵类违规、财务舞弊类违规、其它类型违规、无违规行为。这种对信息披露违规行为的细致划分,大大提高了预警模型的应用意义。最后,本文分别应用Fisher判别模型、多项Logistic回归模型、以及混合BP神经网络模型对上市公司违规的发生概率、严重程度、违规类型进行判别和预测,并对线性模型和非线性模型应用于信息披露违规预警的效果进行了比较分析。