上市公司財務欺詐行為的識別模型構建與防范

張銀華

一、引言

2002年7月，中國注冊會計師協會發布了《審計技術提示第1號——財務欺詐風險》(以下簡稱《提示》)，詳細列示了各種可能導致公司進行財務欺詐的因素，以及表明公司存在財務欺詐風險的“紅旗”，以提醒注冊會計師在執行會計報表審計時對此予以充分關注，保持應有的職業謹慎。遺憾的是，應當選取哪些財務指標、該財務指標達到何種臨界值時財務欺詐可能性最大，對于這些具體操作性問題，《提示》并沒有提供直接的指導。

目前，上市公司財務欺詐行為不斷新穎化、復雜化及隱蔽化,如何建構科學的財務欺詐行為識別模型，透過紛繁復雜的會計信息，避開財務報告中的陷阱，最大限度地降低與避免企業財務欺詐行為給投資者造成的風險，已經成為日前學術界與實務界亟需解決的熱點話題之一。自國內證券市場開市之后，許多上市企業因財務欺詐行為而收到證監會的行政處罰，比如，銀廣夏股份公司以及被稱為“老牌績優”的藍田股份公司等，這些僅僅是上市公司財務欺詐的一個縮影。近些年來，國內證券市場中上市企業的財務欺詐行為已經是“遍地開花”，上市企業財務欺詐行為不但誤導投資人與債權人，致使他們在失真的財務報告下做出錯誤的決策和判斷，同時還可以瞞過政府監管部門的“眼睛”，致使監管部門不能及時識別與發現上市公司的欺詐行為，不能很好地降低證券市場上的信貸風險。此外，上市公司的財務欺詐行為在一定程度上也會影響到上市公司財務報告的審計監督方的信譽，為注冊會計師的審計工作帶來信任危機。故而，信貸風險下財務欺詐行為不僅關乎到投資人與債權人的利益，還關乎著證監部門以及會計師事務所工作的正常開展。

鑒于國內在信貸風險下財務欺詐行為識別建模方面的研究空缺，本文循著《提示》思路，在綜合分析已有文獻各種欺詐因素的基礎上，研究哪些財務指標能夠有效顯示財務欺詐的存在，并選取其中最為有效的財務指標建立財務欺詐鑒別模型。并進一步進行了實證檢驗，證實了模型的可行性。

本文所提及的財務欺詐行為主要是指上市公司的財務報告舞弊行為，具體為管理當局在違反有關法律法規的前提下，故意臆造與公布虛假的財會信息報告，并借助于各種手段去歪曲企業自身某一特定會計期間內的財務狀況、經營成果以及現金流量等狀況，為投資者傳遞虛假信息，致使其做出錯誤的判斷與決策，進而實現企業自身利益最大化的一種違法行為。

二、理論回顧

國內外對財務欺詐行為的研究大體上可以分為三個層次，分別為財務欺詐行為存在的原因、發生的預兆以及識別與防范措施。本文主要從信貸風險下財務欺詐行為的識別與防范方面梳理國內外理論研究成果。早在20世紀30年代，國外就已經開始對企業財務欺詐行為進行研究，所以國外相應的理論研究成果比較豐富。盡管國內會計界對財務欺詐行為的研究還比較淺，但是自“銀廣夏事件”后，國內學術界也逐漸開始關注企業財務欺詐行為，并獲得了一定的研究進展，對實踐工作帶來了很大的幫助。

在實證分析過程中，需要選取具有信貸業務的上市公司作為實證分析的總樣本，并且在這些上市公司中有一部分企業存在有財務欺詐行為，另一部分沒有財務欺詐行為。并將其分為評估樣本和檢驗樣本，其中評估樣本主要用于信貸風險下建立財務欺詐行為的識別模型，檢驗樣本主要用于驗證信貸風險下建立財務欺詐行為識別模型的可行性。

Bell and Carcello（2000）借助于來自 KPMG 審計實務中的 77家實施財務欺詐的企業與305家沒有財務欺詐行為的企業的數據，構建出財務欺詐行為的logistic 回歸識別模型，對該模型進行了實證檢驗，并指出企業外部審計人員可以利用此模型預測財務欺詐行為出現的概率，同時提出了信貸風險下企業財務欺詐行為出現的原因在于：企業內部控制體系不健全、管理當局利益訴求、以及銀行業自身的原因等。Ch.Spathi（2002）在多變量統計技術與多標準分析能力的幫助下，實證分析了企業財務欺詐行為的識別問題，通過研究發現，多標準分析判別技術優于傳統的識別技術，有利于財務欺詐行為的識別，同時還指出了企業財務比值在財務欺詐行為識別過程中的重要性。

王建瓊、王懷東（2009）以1998-2005年國內因欺詐行為被處罰的33家上市公司為實證樣本，基于上市公司公開披露的財務信息報告構建出上市公司財務欺詐行為判別的Logistic回歸模型，并通過了實證檢驗。馬天壤（2012）分析了國內財務欺詐的現狀與對策，并對財務欺詐行為進行了界定，將財務欺詐行為界定為“在企業對外披露財務報表時，有意的錯報或者是漏報，達到欺騙財務報表運用者的目的”。李月梅（2012）指出國內各地大量涌現財務欺詐事件，給經濟發展帶來了巨大的創傷，并從財務欺詐的含義、財務欺詐行為目的、財務欺詐行為特征以及財務欺詐行為的外在表現等入手，對全面防范企業財務欺詐行為的對策進行了研究。趙自強與陳曦（2013）結合國內上市公司現有的財務信息數據，分析潛在的財務欺詐行為影響要素，對財務欺詐行為預測模型進行了實證分析，并利用這些欺詐風險要素構建出企業財務欺詐行為的識別模型，以便更好地預測國內上市公司財務報告欺詐行為。

表1 樣本T 檢驗

表2 變量回歸檢驗結果

表3 P 值

從總體上來講，經由實證檢驗技術確立的識別模型是一種科學有效的模型，并具有一定的實踐運用價值，通過上述理論梳理發現，借助于Logistic技術建立的回歸模型應用頻率較高。所以，本文在全面綜合各種欺詐因素的前提下，借助于Logistic技術建立多元回歸模型，進而提出財務欺詐行為的識別模型與防范策略。

三、分析方法

（一）樣本選取

在實證分析過程中，需要選取具有信貸業務的上市公司作為實證分析的總樣本，并且在這些上市公司中有一部分企業存在有財務欺詐行為，另一部分沒有財務欺詐行為。并將其分為評估樣本和檢驗樣本，其中評估樣本主要用于信貸風險下建立財務欺詐行為的識別模型，檢驗樣本主要用于驗證信貸風險下建立財務欺詐行為識別模型的可行性。

（二）邏輯回歸分析

為了確保樣本的科學性和可靠性，需要對評估樣本進行邏輯回歸分析，而邏輯回歸分析具體是統計與識別研究對象，在進行邏輯回歸分析之前需要確定出觀測變量的類別和觀測變量的具體值。邏輯回歸分析從本質上來講就是將眾多的變量信息進行歸集和分配，并據此構建出相應的識別模型，同時還需要確保識別模型在分類樣本時正確率達到最大。本文通過對“財務欺詐行為”與“非財務欺詐行為”的上市公司進行歸類分析，并以此為基礎探討出反映這兩種上市公司相關性較高的特征變量，并建立起財務欺詐行為識別模型。通常情況下邏輯回歸識別模型為：

表4 驗證p 值

其中，p是上市公司財務欺詐行為存在的概率，1-p是不存在財務欺詐行為的概率；a是截距；β 是回歸系數，x為實證樣本的特征變量。

（三）評估樣本判別概率

將評估樣本上市公司進行標準化處理，接著將其相應的財務數據指標代入（1）式，求得這些企業財務欺詐行為的判別概率。判別概率越高，就意味著企業的財務信息質量越好，反之企業的財務質量就越低，最后確定出財務欺詐與非財務欺詐上市公司的分割點。

（四）檢驗樣本驗證模型

用檢驗樣本進一步驗證財務欺詐行為識別模型的科學性與可行性，對上述利用評估樣本求出的分割點，運用檢驗樣本企業財務信息數據進行驗證，得出檢驗樣本企業的正確檢驗率，進而評價出上市公司財務欺詐行為識別模型的鑒別力。

四、實證分析

（一）樣本選取

本文實證分析的樣本主要來自于巨潮資訊以及兩大交易所網站披露出來的滬深兩市上市企業的財務信息報告。樣本選擇的具體標準為2009-2013年持續經營、沒有被取消上市資格的企業。

1.財務欺詐樣本的選取。由于國內證券市場發展較慢，被查處存在有財務欺詐行為的上市公司比較少，再加上一些財務欺詐的上市企業年份較早，因而，為鑒于國內上市公司財務欺詐行為存在的普遍性，本文將年報審計意見為“否定意見”亦或是“拒絕表示意見”的企業界定為存在財務欺詐行為的樣本。在此基礎上，本文參照2009-2013年的年報審計告意見，選取了130家上市公司作為財務欺詐樣本進行實證分析。

2.配對樣本的選取。本文通過相應的判定來確定配對樣本，即為滿足設定的條件，就可以界定為配對樣本。具體滿足的條件為：2009-2013年年報審計意見為 “標準無保留意見”、財務信息數據齊全、利潤與現金流量的乘積大于零。本文選出評估樣本中存在財務欺詐行為的上市公司為45家；與之相對應的配對樣本45家主要依據會計期間相同、行業相似或相近以及企業規模相當的條件選出。檢驗樣本為20家上市公司，其配對樣本同上選取方法。

（二）財務指標選取

有研究指出上市公司的負債組合會提升其管理層推行財務欺詐行為的概率，當財務杠桿提升時，財富就會從債權人轉向管理層，在既定債務契約既定情形中，管理者與所有者的信貸風險固化，也可以說一些風險已經轉移到銀行。此類指標可以選用負債率（DR）與產權比率（ER）來反映。

權責發生制為上市公司財務欺詐行為提供了技術支持，具體包含有企業的銷售收入、應收賬款、壞賬準備以及存貨，這些指標的主觀判斷性使得它們具有更大的審計難度，而應收賬款是欺詐的核心。這類指標需要用應收賬款存貨比率（AIR）、存貨比率（IR）與賒銷比率（CR）來反映。

盈利能力是企業盈余管理的重點，為了獲取更多的銀行貸款，業績相對較差的企業的欺詐可能性更大，此類指標可以選取毛利率（GPR）、銷售利潤率（SPR）以及資金周轉率（CTR）、營運資產率（OAR）來反映。

實證樣本數據收集之后，首先需要進行篩選和處理：剔除因行業因素而影響指標的樣本數據，接著再對數據進行標準化處理。本文對樣本數據進行T檢驗，具體結果見表1所示。

通過T檢驗結果可以得出以下結論，從均值上來看，在信貸過程中存在財務欺詐行為的上市公司與不存在財務欺詐行為的上市公司的DR、AIR、GPR、CTR、OAR具有比較明顯的差異性，并且這些變量的雙尾T檢驗顯著性都在0.05之下，所以上市公司的DR、AIR、GPR、CTR、OAR具有顯著差異；在信貸過程中存在財務欺詐行為的上市公司與不存在財務欺詐行為的上市公司ER、IR、CR、SPR的差別較小，且雙尾T檢驗顯著性都在0.05之上，說明變量ER、IR、CR、SPR不能很好地區分出存在財務欺詐行為和不存在財務欺詐行為的上市公司。

通過上述分析，最終選取DR、AIR、GPR、CTR、OAR作為信貸風險下上市公司財務欺詐行為的識別模型變量。

（三）信貸風險下財務欺詐識別模型的構建

對選取的90家評估樣本財務信息數據，借助于統計分析軟件SPSS 17.0 進行邏輯回歸分析。邏輯回歸分析的具體流程是，依據已有觀測變量存在財務欺詐上市公司（y=0）與非財務欺詐上市公司（y≠0）的分類以及用以表示財務比率的變量，進而推導出相應的邏輯回歸模型，并把相應自變量的值回代到回歸模型中去。在構建模型之前需要對所選財務比率變量進行邏輯分析，發現應收賬款存貨比率變量未通過檢驗，故而需要將其剔除出去。接著再對所剩的財務比率變量與Y進行分析，結果顯示出模型具有一定的顯著性。

回歸檢驗結果見表2，在Wald統計檢驗結果中顯示，除X4在0.1水平上顯著，X1、X2、X3在0.05水平上顯著，進一步證實了兩種上市公司的特征變量之間具有顯著的差別性。

依據表2中回歸結果可以得到信貸風險下財務欺詐識別模型：

其中，X1、X2、X3、X4分別為DR、GPR、CTR、OAR。

接著需要將評估樣本上市公司各項財務比率值標準化之后的數據代入式（2），進而可以求得各評估樣本的p值，結果見表3。

用構建好的模型對 90家原始樣本進行歸類，依據最小錯誤歸類原則，在p=0.5時，財務欺詐行為的上市公司<0.5的個數為43家，占到95.6%；配對樣本的上市公司>0.5的個數為42，占到93.3%。所以有94.4%的判斷正確率，原始樣本的預測結果相對比較滿意，故而，可以得出0.5即是這兩種上市公司的分界點。

（四）識別模型檢驗

為了進一步驗證構建模型的可行性，本文將40家檢驗樣本的x1、x2、x3、x4四個變量值代入模型中，求出相應的概率值p，并將p與0.5比較，比較結果見表4。

從表4中可以看出，小于0.5的財務欺詐上市公司為18家，大于0.5的配對樣本上市公司為18家，所以有90%的判斷正確率，由此可以看出本文構建的信貸風險下財務欺詐行為識別模型具有一定的可行性。

五、信貸風險下財務欺詐行為的防范

通過實證分析，毛利率（GPR）、銷售利潤率（SPR）以及資金周轉率（CTR）、營運資產率（OAR）界定為信貸風險下財務欺詐行為識別標準。較之于同行業來講，倘若上市公司在這些指標上存有異常狀況，就可以斷定該上市公司存有欺詐嫌疑，因此，需要采取相應的措施來防范。比如，可以營造健康的信貸環境，規范政府部門對信貸市場以及上市公司的行政干預力度、健全注冊會計師審計體系、強化誠信體系建設、加強上市公司的內部控制工作、完善上市公司會計信息披露的管理系統，建立相應的會計準則等等。

與此同時，本文所選取的財務指標變量是縱向數據，故而，在運用財務杠桿以及盈利能力等相關財務指標去辨識財務欺詐行為的同時，既能夠將上市公司數據與同行業進行比較，又能夠將上市公司自身的財務報告數據進行縱向化的比較。

1.Bell, Timothy B., Carcello, Joseph，Spring 2000，A decision aid for accessing the likelihood of fraudulent financial reporting，Auditing, 19：169-184.

2.Ch.Spathis, M.Doumpos and C.Zopounidis，2002，Detecting falsified financial statements：a comparative study using multicriteria analysis and multivariates statistical techniques，The European Accounting Review, 11：：509-535.

3.王建瓊,王懷東.財務欺詐手段識別:來自中國上市公司的實證分析.軟科學.2009（12）

4.馬天壤.我國財務欺詐的現狀與對策.人口與經濟.2012

5.李月梅.論財務欺詐的防范.山西財經大學學報.2012

6.趙自強,陳曦.我國上市公司風險因素與財務報表舞弊預測.商業研究.2013（12）