上市公司定期公布的财务报告是利益相关者进行决策的依据,注册会计师作为独立的第三方对被审计单位财务报告进行审计出具的鉴证性审计意见,对增强上市公司财务信息的可信性起着至关重要的作用,经审计后的财务报表更可靠,使信息使用者能更加有信心,能减少投资决策失误,注册会计师出具的审计意见类型对公司利益相关者的投资决策行为具有重大影响,因此对上市公司审计意见预测模型的研究具有一定的现实意义。本文构建了基于灰色神经网络的上市公司审计意见预测模型,为保证预测效果,在以往研究大多使用财务指标的基础上,建立了包括财务指标和公司治理、会计师事务所等非财务指标的预测指标体系。选取2013-2015年沪深两市全部A股制造业被出具非标准审计意见的上市公司作为研究样本,根据公司的资产规模、行业以及1:1配比原则,并剔除缺失值之后,最终得到训练组、检验组以及预测组样本;为降低训练的复杂性,保证预测效果,采用邻域粗糙集方法对样本指标进行筛选,在不影响预测效果的情况下,剔除次要指标,以保留相对重要指标;利用BP神经网络方法对训练组样本数据进行训练建模及回判仿真,并利用检验组数据对所建立的模型进行检验;选取预测组样本时点数据,构建基于灰色神经网络方法的审计意见预测模型,该模型综合了灰色预测模型建模所需信息较少及神经网络模型自适应、自学习的优点。研究结果表明,加入非财务指标的综合预测模型的预测准确度高于仅用财务指标建模的预测准确度,构建的基于灰色神经网络方法的审计意见预测模型具有较好的预测能力。