内容提要：本文研究将机器学习引入资本市场监管，优化会计舞弊治理的理论和现实问题。使用1998-2021年会计舞弊数据，采用8种主流机器学习模型，从非遴选因子视角评估机器学习遏制会计舞弊的优势和潜力。研究发现，使用机器学习预测会计舞弊，并不依赖事前因子遴选，预测效果超过了事前遴选会计指标的各种组合，预测指标AUC平均提升12.22%。分析表明这与事前遴选指标更容易受到市场针对性的规避行为有关。在此基础上，本文进一步讨论了机器学习优化中国资本市场“双随机、一公开”抽检政策的潜力，认为引入机器学习能够大幅提高会计舞弊检出数量，降低重大舞弊案例的发现阈值，缩短会计舞弊的处罚时滞，从而遏制会计舞弊的扩张。
关键词：会计舞弊，机器学习，非遴选因子，会计比率