随着受托责任的形成和发展,授权委托人产生了监督需求,希望能够对受托人行为进行良好的规范,作为一种保持高度独立的经济监督活动,审计发挥了不可替代的作用。注册会计师作为独立的第三方对上市公司定期公布的财务报告出具鉴证性的审计意见,对信息使用者的决策行为有着重大影响。根据披露的财务数据和非财务信息运用相应的预测方法构建审计意见预测模型,从而对其可能出具的审计意见类型进行预测,有助于投资者以谨慎的态度审视并分析投资决策,注册会计师能够进一步提升审计质量,监管部门可对注册会计师提出的审计意见进行严格全面地监督,所以,极富现实意义。首先,文章研究了国内外关于审计意见影响因素、支持向量机、时间序列等相关概念和理论以及发展现状,为确保预测结果准确合理,对已有文献资料使用的财务指标进行了补充和完善,由此构建了一套包括财务指标及企业内部控制、上期审计意见等在内的非财务信息的上市公司审计意见预测指标体系。并以2016-2018年我国被出具非标准审计意见的A股上市公司和根据1:1配比原则选取的对照样本相关数据为基础,采用Whitney U-Mann检验对样本进行指标筛选,在保证预测效果的情况下,最终得到13个有效预测指标。同时,预测方法的选择也是模型构建的关键。对于指标众多但是数据量小的非标准审计意见来说支持向量机是非常合适的预测方法,克服了以大数据样本量为基础的阻碍。并将主成分分析降维得到的输入变量运用支持向量机方法对训练组样本数据进行模型训练,利用检验组数据对所建立的模型进行了检验。针对上市公司披露年报信息不及时,信息使用者在来年5月份才能获知上年年度数据的问题,选取了预测组样本季度数据,通过时间序列的指数平滑法,预测上市公司的年度数据,提出基于ES-SVM的审计意见预测模型,该模型将指数平滑法和支持向量机进行了串联。最后将预测结果与目前广泛应用于财务领域的BP神经网络和经典Logistic回归模型进行比较分析。研究结果表明,构建的基于ES-SVM的审计意见综合预测模型具有更高的准确度,达到了96.5%,说明该模型预测效果良好,能够辅助利益相关者预测上市公司可能被出具的审计意见类型。该审计意见预测模型能够基于已披露的财务数据和非财务信息预测上市公司可能被出具的审计意见类型,合理给出上市公司避免被出具非标意见的对策与建议,为上市公司加强自身管理提供了参考、丰富了利益相关者的决策工具,同时也为事后审计责任的认定提供了依据。