上市公司財務舞弊識別研究

馮垚 方楚嘉

（北京工業大學經濟與管理學院，北京 100124）

一、財務報告舞弊定義

財務報告舞弊是指公司或企業，不遵循財務會計報告準則，有意識地利用各種手段，歪曲反映企業某一特定日期財務狀況、經營成果和現金流量，對企業的經營活動情況做出不實陳述的財務會計報告，從而誤導信息使用者的決策。

二、指標選取

AICPA于2002年頒布了第99號審計準則（SAS99），要求注冊會計師以更積極主動的方式、近乎懷疑一切的職業審慎，在財務報表審計中盡可能發現和揭露舞弊行為。SAS99從動機/壓力、機會、合理化借口三個角度，提出了識別財務報表舞弊的42個風險因素（也稱預警信號），其中能夠在財務報表中有所反映的共11個，而動機風險因素與財務報表舞弊風險的相關性最高，包括與同行業相比，企業增長快速或盈利能力異常高；經常發生入不敷出的經營性現金流量或在報告盈利和盈利增長的同時未能創造足夠的現金流量；投資分析師、機構投資者、重要債權人或者其他外部主體因為管理層在新聞公告或年度報告過于樂觀而形成不切實際的盈利或增長預期；競爭激烈、市場飽和，毛利率不斷下降；企業沒有能力符合交易所的上市要求而沒有能力償還負債等。

考慮到上述風險因素，本次研究選取共23個財務指標（表1）。

表1 本次研究選取的23個財務指標

應收賬款增長率X12增長能力指存貨增長率X13標主營業務收入增長率X14應付賬款增長率X15資產總額對數值X16存貨/資產總額（存貨資產比X17）規結模構、指資標產固定資產/資產總額（固定資產比例X18）營運資本/資產總額（營運資本比X19）現金/資產總額（現金資產比X20）主營業務成本/存貨（成本存貨比X21）其他指標主營業務收入/應收賬款（收入應收賬款比X22）主營業務成本對數值X23

三、樣本處理

本文采用A股市場全部上市公司2018年年報數據計算上述23個指標，共計3633個觀測。由于該數據集樣本量較大，因此刪除存在缺失值及ST股的觀測，最終保留3176個樣本，其中舞弊樣本66個。

四、模型建立

（一）獨立樣本T檢驗

將舞弊樣本與非舞弊樣本的各指標分別進行方差齊性檢驗，基于其結果進行獨立樣本T檢驗，初步了解兩組樣本間具有顯著性差異的指標。檢驗結果顯示資產凈利潤率、主營業務收入凈利潤率、收入資產比、毛利資產比、應收賬款增長率、主營業務收入增長率、應收賬款增長率、存貨資產比、營運資本比、現金資產比、收入應收賬款比和主營業務成本對數值共計12個指標的舞弊樣本與非舞弊樣本之間具有顯著性差異。

（二） Logistic回歸模型

1、模型介紹

對上市公司財務報告舞弊進行分析時，因變量為二分類變量，其取值只有兩種，即舞弊（取值1）和非舞弊（取值0）。同時，Logistic模型不需要嚴格的前提假設，具有較高的實用性。因此本次研究采用Logistic回歸模型進行建模分析。最終p值越接近1，說明該上市公司存在財務報告舞弊行為的概率越大。同時為了降低各指標間存在的多重共線性，利用逐步回歸的思想，分別采用向前選擇和向后剔除法建立回歸模型。

2、使用向前選擇法建立的模型

使用向前選擇法將自變量由少到多逐個引入回歸方程。最終通過顯著性檢驗并引入回歸方程的變量為資產凈利潤率、毛利資產比和存貨資產比，其參數估計系數取值均為負值，說明各指標與因變量之間存在負相關關系。

Logistic模型表達式為：

3、使用向后剔除法建立的模型

使用向后剔除法時，開始變量都在方程中，之后按自變量對因變量的貢獻由小到大依次剔除不顯著的變量，最終通過顯著性檢驗并最終引入回歸方程的變量為毛利資產比、資產總額對數值、存貨資產比和營運資本比，其參數估計的系數取值均為負值，說明各指標與因變量存在負相關關系。

Logistic模型表達式為：

（三）模型有效性檢驗

根據模型擬合統計量，向后剔除法的Logistic回歸模型的各個信息準則的取值更小，說明該模型比向后剔除法擬合得更加充分。向后剔除法的模型一致部分的百分比為68.9%，不一致百分比為27.7%，發生比率C=0.706，表明事件發生的概率比事件不發生的概率大的可能性有0.706，證明模型的有效。使用向后剔除法的模型的一致部分百分比和C值略小于向前選擇法的模型，說明向前選擇法的模型預測能力更好，但兩個模型的預測能力相差不大。因此，本次研究選取擬合更為充分且預測能力較好的向后剔除法logistic回歸模型。

最后，通過模型得出的存在財務報告舞弊行為概率選取概率最大的十家上市公司，其中僅三家上市公司與實際披露的情況相同，說明模型結果與實際結果存在一定偏差。

五、局限性

首先，本文僅考慮了在2018年被披露的存在財務舞弊行為的上市公司，因而實際存在財務報告舞弊行為但未經披露的上市公司的財務數據會導致系統誤差。再者，識別上市公司財務報告舞弊不能僅從財務報表數據進行分析，還要考慮到上市公司管理制度等不能反映在財務報告中的因素及其對財務數據的影響。最后，本次研究僅使用年報中的財務數據，因此模型僅適用于短期財務舞弊行為識別，不具備長期預測的能力。同時，舞弊行為的披露具有不定時性，因而對于市場產生負面影響的時點難以通過擬合模型予以把控。

六、結語

舞弊與非舞弊上市公司的多個盈利能力指標和增長能力指標具有顯著差異，可以幫助初步識別財務報告舞弊。最終結果表明考慮毛利資產比、資產總額對數值、存貨資產比和營運資本比的Logistic模型可以幫助篩選舞弊行為概率較高的上市公司，模型有效性檢驗結果較好，但與實際披露的舞弊企業對比發現實際結果仍存在一定偏差。