基于層次聚類分析的上市公司利潤操縱識別*

合肥工業(yè)大學(xué)經(jīng)濟學(xué)院　張本照　郄亞美　王海濤

?

基于層次聚類分析的上市公司利潤操縱識別*

合肥工業(yè)大學(xué)經(jīng)濟學(xué)院張本照郄亞美王海濤

利潤操縱識別是企業(yè)各方利益相關(guān)者十分關(guān)注的一個問題。本文在考慮識別指標(biāo)所含信息準(zhǔn)確性和完備性的基礎(chǔ)上，引入股權(quán)結(jié)構(gòu)指標(biāo)優(yōu)化指標(biāo)體系。同時由于現(xiàn)有模型將利潤操縱行為人為地劃分為｛0，1｝，而利潤操縱是盈余管理超過了一定范圍的連續(xù)行為，本文運用層次聚類將利潤操縱分為嚴(yán)重、輕微兩種類型，對企業(yè)利潤操縱行為的描述更加符合實際。最后，對層次聚類后的兩組上市公司配對樣本，運用Logistic模型分別進行識別分析，模型的識別率分別達到82.6%和90%，有效改善了傳統(tǒng)識別模型。

股權(quán)結(jié)構(gòu) 利潤操縱 層次聚類分析 Logistic模型

一、引言

證券市場成立至今，國內(nèi)外的利潤操縱案件接連不斷，嚴(yán)重影響了證券市場的健康發(fā)展。雖然我國對利潤操縱行為加大了處罰力度同時也實行了更加嚴(yán)苛的審計程序，但利潤操縱行為并沒有明顯減弱的趨勢，反而是上市公司為了獲取非法利益，使得利潤操縱手段越來越復(fù)雜和隱蔽，外部信息使用者很難了解公司的真實經(jīng)營狀況。因此，對利潤操縱行為識別的研究具有非常重要的意義。關(guān)于利潤操縱的概念會計界存在兩種觀點：第一種觀點是將利潤操縱等同于西方會計文獻中的盈余管理，即公司管理層為實現(xiàn)自身效用或公司市場價值最大化等目的進行會計政策選擇，從而調(diào)節(jié)公司盈余的一種行為。第二種觀點是將公司管理層出于某種動機，利用法規(guī)政策的空白或靈活性，甚至違法違規(guī)等各種手段對公司利潤或獲利能力進行操縱的行為稱為利潤操縱。結(jié)合Healy和Wahlen（1999）提出的盈余操縱是管理當(dāng)局運用職業(yè)判斷編制財務(wù)報告和通過規(guī)劃交易以變更財務(wù)報告，旨在誤導(dǎo)那些以公司經(jīng)營業(yè)績?yōu)榛A(chǔ)的利益關(guān)系人的決策或影響那些以會計報告數(shù)字為基礎(chǔ)的契約后果，本文擬采用第二種觀點，即將利潤操縱理解為為達到自身目的虛增利潤的惡性行為。惡性的利潤操縱行為嚴(yán)重影響財務(wù)報表的信息披露的真實性及資本市場的運行，而改進利潤操縱識別模型有助于報表利益相關(guān)者更好的識別企業(yè)報表的真實性。本文研究的主要目的是建立相對簡單的模型有效改善現(xiàn)有模型提高利潤操縱識別率。

二、文獻綜述

（一）國外研究Scott L.Summers和John T.Sweeney （1998）利用內(nèi)部交易活動作為模型識別指標(biāo)，運用分層Logistic回歸建立了內(nèi)部人交易因素的識別模型，較早的建立了利潤操作的識別模型，為利潤操縱識別研究的發(fā)展奠定了基礎(chǔ)。Charalambos T.Spathis（2002）利用單變量和多變量統(tǒng)計技術(shù)建立了包含Z計分值以及不包含Z計分值的模型來識別利潤操縱行為，選取10個用來檢驗虛假報告的財務(wù)指標(biāo)，用該模型檢驗了希臘上市公司的財務(wù)數(shù)據(jù)，達到了較高的準(zhǔn)確率。Demski（2008）回顧了利潤操縱的各種實證研究，研究了利潤操縱的各種模型，利潤操縱研究趨于定量化。前期的識別指標(biāo)均局限于財務(wù)指標(biāo)，但Igan和Pinheio（2010）對公司治理與利潤操縱的關(guān)聯(lián)性進行了研究，認(rèn)為利潤操作行為與企業(yè)管理人員的行為顯著相關(guān)，應(yīng)加強內(nèi)部管理及內(nèi)部審計委員會與外部審計師的監(jiān)督。

（二）國內(nèi)研究閆達伍、王建英（2001）利用選取的8個財務(wù)指標(biāo)對樣本進行配對檢驗，發(fā)現(xiàn)利潤操縱公司普遍存在通過非營業(yè)活動、增加投資收益及采用關(guān)聯(lián)交易來虛增利潤的做法。李延喜、姚宏等（2006）設(shè)計17組會計指標(biāo)，通過對利潤操縱公司與其配對樣本進行顯著檢驗，構(gòu)建指標(biāo)的“安全區(qū)域”和“警戒區(qū)域”，初步建立了利潤操縱識別模型，使得利潤操縱由定性研究轉(zhuǎn)為定量研究。姜金玲、李延喜（2008）運用Logistic回歸模型構(gòu)建上市公司利潤操縱模型，這些模型的識別率均在70%-80%，識別率均不是很高。此外，部分學(xué)者也研究了非財務(wù)指標(biāo)與利潤操縱之間的關(guān)系，將影響因素進行了有效擴展、完善，有效提高了模型的識別率。林長泉、張躍進和李殿富（2000）從產(chǎn)權(quán)背景、會計準(zhǔn)則因素以及外部審計監(jiān)督等方面分析了國有股權(quán)背景下的利潤操縱行為，揭示了股權(quán)背景對利潤操縱的影響。郭太平、姜素萍和李明（2007）分析了上市公司利潤操縱與股權(quán)結(jié)構(gòu)的關(guān)系，得出利潤操縱和公司股權(quán)結(jié)構(gòu)存在顯著的相關(guān)性。國有控股、第一大股東持股比例、第二大股東持股比例、第一大流通股股東持股比例和第二大流通股股東持股比例與利潤操縱存在顯著負(fù)相關(guān)關(guān)系。針對此前建立的基礎(chǔ)識別模型，部分學(xué)者開始著手對利潤操作識別模型進行改進。李雙杰、陳星星（2013）利用粗糙集簡化利潤操縱的識別指標(biāo)，通過蒙特卡洛模擬，提出基于BP神經(jīng)網(wǎng)絡(luò)的中國上市公司利潤操縱的識別模型，進一步引入DEA效率指標(biāo)，將非財務(wù)指標(biāo)與財務(wù)指標(biāo)相結(jié)合，有效提高了模型的判別率。梁鴻旭（2013）認(rèn)為利潤操縱是盈余管理超過了一定的范圍所形成的連續(xù)行為，將模糊數(shù)學(xué)理論與線性規(guī)劃有機結(jié)合，在一定程度上改善了將潤操縱行為人的劃分為｛0，1｝所帶來的界限不清問題。

國外學(xué)者對于利潤操縱行為的研究主要集中于利潤操縱的原因、方法手段以及模型的建立和實證分析上。國內(nèi)學(xué)者則集中于會計準(zhǔn)則變化下利潤操縱的原因、手段等理論研究，研究利潤操縱識別的模型較少。且從現(xiàn)有文獻來看，大部分學(xué)者的識別指標(biāo)體系均局限于財務(wù)指標(biāo)。但利潤操縱企業(yè)與無利潤操縱企業(yè)的股權(quán)結(jié)構(gòu)存在顯著差異，股東尤其是大股東對企業(yè)報表的真實性產(chǎn)生至關(guān)重要的影響，而且股權(quán)集中度對企業(yè)管理層產(chǎn)生的制約程度有一定差異，進而會對企業(yè)的利潤操縱產(chǎn)生一定的影響，股權(quán)結(jié)構(gòu)與利潤操縱行為具有顯著的關(guān)聯(lián)性。同時，利潤操縱是盈余管理超過了一定的范圍所形成的連續(xù)行為，利潤操縱行為的嚴(yán)重程度有較大的差異，簡單的分為｛0，1｝使得分析結(jié)果不夠嚴(yán)謹(jǐn)。因此，本文在前人研究的基礎(chǔ)上改善現(xiàn)有模型，力求有效提升利潤操縱行為的識別率。

三、研究設(shè)計

（一）樣本選取與數(shù)據(jù)來源本文從CSMAR數(shù)據(jù)庫的上市公司違法違規(guī)數(shù)據(jù)庫中選取2000～2013年間有利潤操縱行為的77家上市公司作為研究樣本，并對樣本進行篩選和配對。樣本篩選原則為：金融業(yè)與其他行業(yè)經(jīng)營差異較大，剔除金融業(yè)企業(yè)；由于對利潤操縱行為的識別需要利用企業(yè)前期的指標(biāo)數(shù)據(jù)，因此剔除三年內(nèi)有連續(xù)舞弊的企業(yè)；剔除已經(jīng)退市和數(shù)據(jù)嚴(yán)重缺失的企業(yè)。為了消除行業(yè)類型及會計政策差異等因素造成的影響，本文按照1：1的比例選取與利潤操縱組相互匹配的對照組，配對原則如下：按照證監(jiān)會行業(yè)分類，對照組與利潤操縱組所屬行業(yè)相同；對照組與利潤操縱組總資產(chǎn)規(guī)模差距不超過20%；對照組經(jīng)營狀況正常，治理結(jié)構(gòu)合理，上市信息披露及時；對照組在利潤操縱組舞弊期間，沒有受到證監(jiān)會的違規(guī)處罰。經(jīng)過篩選，最終剩余56家樣本企業(yè)，剔除不能配對的3家公司，得到53組配對樣本。

（二）利潤操縱識別指標(biāo)的選取徐浩萍（2005）認(rèn)為控股股東為了保持上市公司的融資資格或是為了獲取最大收益，會選擇利潤操縱，控股股東持股比例對利潤操縱有一定的影響；于鵬（2007）研究得出分散化的股權(quán)結(jié)構(gòu)以及國有股權(quán)對公司管理層的制約性相對較差，從而使得公司進行盈余操縱的可能性更大。因此，本文在已有研究的基礎(chǔ)上，考慮識別指標(biāo)所含信息的準(zhǔn)確性和完備性，并綜合考慮利潤操縱的成因、手段、表現(xiàn)方式等因素引入股權(quán)結(jié)構(gòu)指標(biāo)優(yōu)化了指標(biāo)體系。本文選取了22個財務(wù)指標(biāo)和6個體現(xiàn)股權(quán)結(jié)構(gòu)的指標(biāo)如表1所示。

四、實證結(jié)果與分析

（一）描述性統(tǒng)計本文最終選取了利潤操縱組及對照組共106家上市公司的指標(biāo)數(shù)據(jù)作為研究對象。搜集了這106家上市公司以利潤操縱當(dāng)年為時點的t-1、t-2、t-3三個時期的指標(biāo)數(shù)據(jù)（由于上市公司被證監(jiān)會披露為利潤操縱企業(yè)的時點具有滯后性，部分上市公司的財務(wù)指標(biāo)在披露的前三年便有利潤操縱跡象）。同時對這三個時期的指標(biāo)數(shù)據(jù)分別進行配對樣本T檢驗與Wilcoxon符號秩檢驗，T檢驗與Wilcoxon符號秩檢驗結(jié)果（兩個檢驗結(jié)果只需其中一個顯著即可，由于篇幅所限，本文未將檢驗結(jié)果列出）顯示，在0.05的顯著水平下，選取的指標(biāo)中X1、X2、X3、X4、X9、X10、X11、X13、X14、X15、X16、X17、X18、X19、X20共15個財務(wù)指標(biāo)指標(biāo)，X24、X25、X26、X274個股權(quán)結(jié)構(gòu)指標(biāo)在53組雙樣本中具有顯著差異。確定顯著性指標(biāo)后，對選取的指標(biāo)進行相關(guān)性分析。通過對各時期樣本指標(biāo)的相關(guān)性分析可知，去掉顯著相關(guān)的變量X1、X4、X15、X16、X19、X20、X25、X26，其他變量在顯著水平0.05下不相關(guān)。本文選取的識別指標(biāo)如表2所示。

表1　利潤操縱識別指標(biāo)

表2　顯著的指標(biāo)

（二）回歸分析

（1）基于財務(wù)指標(biāo)的Logistic實證結(jié)果。Logistic回歸是處理定性因變量的常用統(tǒng)計分析方法，相比于多元回歸分析，其不要求變量服從正態(tài)分布，因此模型相對穩(wěn)健。本文將利潤操縱行為作為虛擬變量引入模型，其中有利潤操縱行為的取值為1，無利潤操作行為的取值為0，運用SPSS17.0統(tǒng)計分析軟件將上述配對檢驗中的9個顯著的財務(wù)指標(biāo)及相應(yīng)的樣本數(shù)據(jù)帶入Logistic回歸模型，預(yù)測結(jié)果如表3所示。由表3可知，共106個樣本，其中有利潤操縱行為的上市公司與無利潤操縱行為的上市公司各53家，模型能正確識別的上市公司為78家，模型的正判率為73.6%，超過了70%。因此，本文構(gòu)建的上市公司利潤操縱模型具有較好的預(yù)測效果。但模型整體的識別率不高，后文將進一步完善。

表3　Logistic回歸模型的預(yù)測結(jié)果

（2）加入股權(quán)指標(biāo)后Logistic實證結(jié)果。將上述配對樣本檢驗中的9個顯著的財務(wù)指標(biāo)和2個顯著的股權(quán)指標(biāo)及相應(yīng)的樣本數(shù)據(jù)帶入Logistic回歸模型，估計及預(yù)測結(jié)果如表4和表5所示。

表4　Logistic模型估計及檢驗結(jié)果

表5　加入股權(quán)指標(biāo)的Logistic回歸模型的預(yù)測結(jié)果

由表5可知，加入股權(quán)結(jié)構(gòu)指標(biāo)后，模型對于無利潤操縱公司的識別的正確率提高到75.5%，對利潤操縱公司的識別正確率提高到81.1%，總體的正判率有一定程度的改善，達到78.3%。這表明股權(quán)結(jié)構(gòu)指標(biāo)對于識別利潤操縱行為十分有效。更為詳細(xì)地，本文對兩個體現(xiàn)股權(quán)結(jié)構(gòu)的指標(biāo)呈現(xiàn)出的顯著性作出如下解釋：第一，第一大股東股權(quán)性質(zhì)對利潤操縱行為影響顯著。可以解釋為第一大股東為國有背景時，相關(guān)政府部門能為企業(yè)投入資金、政策支持，能夠更加有效地改善企業(yè)自身的經(jīng)營，而且國有產(chǎn)權(quán)背景的上市公司的上市盈利壓力相對較小，且公司管理效率較低，對利潤操縱的能力有所欠缺，一定程度上反而能夠維護報表利益相關(guān)者的切身利益，能有效抑制利潤操縱行為。相比而言，民營企業(yè)大股東為改善公司形象、獲取非法利益、避免行政處罰，會選擇進行利潤操縱。第二，第一大流通股東持股比例與利潤操縱之間呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系。流通股股東大部分為自然人股東，其持股比例越高，表明其對公司的經(jīng)營狀況看好，不會短期拋售股票，公司盈利能力相對較強，同時反過來能夠加強對上市公司的監(jiān)督，能有效抑制利潤操縱對自身帶來的巨額損失。

（三）層次聚類分析現(xiàn)有的利潤操縱行為識別模型均將利潤操縱行為分為有利潤操縱行為和無利潤操縱行為，對結(jié)果進行了離散化處理。而實際上利潤操縱是盈余管理超過了一定的范圍，是操縱程度上的連續(xù)行為，利潤操縱有程度上的差異，有些操作行為可能非常輕微，有些可能非常嚴(yán)重。梁紅旭（2013）通過將模糊數(shù)學(xué)的相關(guān)理論與線性規(guī)劃結(jié)合建立一個全新的利潤操縱模型，該模型在一定程度上克服了將利潤操縱行為人為的劃分為｛0，1｝所帶來的界限不清問題。上述利潤操縱模型在一定程度上能夠識別利潤操縱行為，但整體識別正確率不高，主要是因為利潤操縱企業(yè)舞弊程度、舞弊手法具有一定的差異，籠統(tǒng)的將所有樣本分為一類，可能會影響識別的準(zhǔn)確性。層次聚類分析是對樣品或指標(biāo)進行分類的一種多元統(tǒng)計分析方法，其討論的對象是大量的樣品，要求能合理地按各自的特性將數(shù)據(jù)分類到不同的類或者簇，同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。鮑新中（2013）通過層次聚類方法將財務(wù)狀況分為5類，更符合實際狀況，同時驗證了該方法的有效性。

上述模型中顯著的指標(biāo)對具有嚴(yán)重利潤操縱行為的識別效果較好，但對某些利潤操縱手段復(fù)雜或行為輕微的企業(yè)卻無法有效識別。為了有效克服將利潤操縱行為人為的劃分為｛0，1｝所帶來的界限不清問題。本文利用表4中回歸顯著的指標(biāo)X2、X3、X24、X27對初始樣本進行層次聚類分析。層次聚類劃分為兩層，識別率較高的43家樣本劃分為一層，即大樣本組；識別率低的10家企業(yè)劃分為一層，稱為小樣本組。對兩個樣本組數(shù)據(jù)指標(biāo)重新進行配對檢驗。

（1）大樣本組利潤操縱識別。對大樣本組中的43家樣本中各個指標(biāo)重新進行配對樣本T檢驗與Wilcoxon秩檢驗，結(jié)果顯示，X2、X3、X9、X10、X11、X13、X14、X17、X18、X24、X27在0.05的顯著水平下具有顯著差異，對這11個指標(biāo)進行相關(guān)性檢驗，剔除相關(guān)性水平較高的變量X9，余下的變量在顯著水平0.05下不相關(guān)。對不相關(guān)的變量運用Logistic模型進行回歸，結(jié)果如表6所示。由表6可知，檢驗的樣本共有86個，采用層次聚類后的Logistic模型回歸，模型能正確識別出的上市公司數(shù)量為71個，模型的總體正判率達到82.6%。相比前文的模型，該模型在去除舞弊輕微或操縱手法高明的企業(yè)后，識別率提高，進一步驗證層次聚類的有效性，需要對剩余的樣本進行單獨識別。

（2）小樣本組利潤操縱識別。對該樣本組中的10家企業(yè)的指標(biāo)數(shù)據(jù)單獨進行配對樣本T檢驗與Wilcoxon符號秩檢驗，由于其自身利潤操縱行為程度較為輕微或是手段越來越復(fù)雜、高明，其與正常的配對企業(yè)之間的顯著性差異不大，結(jié)果顯示在顯著水平0.1下，X1、X2、X4、X6、X11、X14、X15、X19、X20、X21具有顯著差異，而對于股權(quán)結(jié)構(gòu)來說卻沒有明顯的差異，由于該組樣本量較小，本文運用Logistic回歸模型時，采用Forward：Wald變量進入方法，可以在一定程度上自動克服變量之間共線性問題，其中變量進入標(biāo)準(zhǔn)是：P≤0.05進入，p≥0.1移出。模型預(yù)測結(jié)果如表7所示。檢驗的樣本共有20個，采用層次聚類后的Logistic回歸模型，模型能正確識別的上市公司數(shù)量為18個，模型的總體正判率達到了90%。

表6　層次聚類后的Logistic模型預(yù)測結(jié)果（大樣本組）

表7　層次聚類后的Logistic模型預(yù)測結(jié)果（小樣本組）

對于兩個利潤操縱程度不同的樣本組，層次聚類后識別率顯著提高，說明利潤操縱公司的嚴(yán)重程度有一定的差異，且部分上市公司手段越來越高明，針對不同的利潤操縱程度及手段，研究者應(yīng)運用不同的方法來識別，對于一些利潤操縱程度較輕，手段隱晦且與正常公司在財務(wù)指標(biāo)與股權(quán)結(jié)構(gòu)指標(biāo)無較大差異的公司，傳統(tǒng)的識別指標(biāo)無法進行有效識別進行識別，對這類配對樣本組重新進行顯著性檢驗后，從回歸結(jié)果中可以看出，主要通過X6經(jīng)營活動中產(chǎn)生的現(xiàn)金流出小計/營業(yè)成本、X20息稅前利潤/平均總資產(chǎn)兩個指標(biāo)來識別。X6值越大，利潤操縱的可能性越大，即所有的營業(yè)成本支出中用經(jīng)營活動現(xiàn)金支付的比例較大，企業(yè)經(jīng)營能力較差，現(xiàn)金流動水平較低，企業(yè)進行利潤操縱的可能性越大。X20值越小，表明企業(yè)的投入產(chǎn)出水平較差經(jīng)營效率較低，企業(yè)進行利潤操縱的動機越強。對于這類利潤操縱公司而言，其股權(quán)結(jié)構(gòu)不存在顯著的差異，且較難通過利用某些操縱手段修改數(shù)據(jù)形成的異常指標(biāo)來進行識別，這類企業(yè)的一般財務(wù)指標(biāo)較正常但是企業(yè)經(jīng)營效率指標(biāo)卻相對較差，可結(jié)合其他因素增強對該類利潤操縱企業(yè)的識別。

五、結(jié)論

上市公司的利潤操縱行為嚴(yán)重?fù)p害了廣大的利益相關(guān)者的權(quán)益，嚴(yán)重影響證券市場的良好的運行，隨著中國證券市場的繁榮發(fā)展，市場規(guī)范與監(jiān)管力度逐漸加大。建立高效、簡潔的利潤操縱識別模型是亟待解決的問題。本文研究發(fā)現(xiàn)上市公司利潤操縱程度、造假手段具有顯著差異，實際上利潤操縱行為是盈余管理超過了一定的范圍，是操縱程度上的連續(xù)行為。因此本文通過運用層次聚類方法，對不同程度的利潤操縱上市公司分別進行識別，有效改善了籠統(tǒng)識別的弊端，對不同利潤操縱程度上市公司運用不同的識別指標(biāo)，對于兩組樣本的識別率分別達到了82.6%、90%，大大提升了模型的識別準(zhǔn)確率。

層次聚類后的模型利潤操縱公司識別正確率提高，主要是由于某些公司利潤操縱程度比較微弱或是手段比較隱蔽，與正常經(jīng)營的企業(yè)進行一定幅度的盈余管理水平相差不多，降低了對操縱企業(yè)的有效識別。層次聚類后，針對不同的類別，運用不同的指標(biāo)，能夠更加切實準(zhǔn)確的識別。

*本文系中央高校基本科研業(yè)務(wù)費專項（項目編號：2013HGXJ0264）階段性研究成果。

［1］閻達五、王建英：《上市公司利潤操縱行為的財務(wù)指標(biāo)特征研究，《財務(wù)與會計》2001年第10期。

［2］李延喜、姚宏、高銳：《上市公司利潤操縱行為識別模型研究》，《管理評論》2006年第1期。

［3］姜金玲、李延喜、高銳：《基于Logistic的上市公司利潤操縱行為識別模型研究》，《經(jīng)濟管理》2008年第9期。

［4］林長泉、張躍進、李殿富：《我國國有企業(yè)及上市公司的利潤操縱行為分析》，《管理世界》2000年第3期。

［5］郭太平、姜素萍、李明：《上市公司利潤操縱與股權(quán)結(jié)構(gòu)關(guān)系探討—基于我國制造業(yè)的分析》，《證券經(jīng)緯》2008年第3期。

［6］徐浩萍：《控制股東利潤操縱的動機及其監(jiān)管研究》，《財經(jīng)研究》2005年第2期。

［7］Healy M，Wahlen M.A Reviewof the Earnings ManagementLiteratureandItsImplicationsforStandard Settings.Accounting Horizons，1999.

［8］Charalambos T.Spathis.Detecting False Financial Statements Using Published Data：Some Evidence from Greece. Auditing Journal，2002.

［9］Igan D，Pinheiro M.Incentive to Manipulate Earings and its Connection to Analysts'forecasts，Trading and Corporate Governance.Journal of Economics and Finance，2010.

（編輯朱珊珊）