《我國上市公司財(cái)務(wù)欺詐鑒別的實(shí)證研究 .doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《我國上市公司財(cái)務(wù)欺詐鑒別的實(shí)證研究 .doc（7頁珍藏版）》請?jiān)趨R文網(wǎng)上搜索。

1、我國上市公司財(cái)務(wù)欺詐鑒別的實(shí)證研究 隨著監(jiān)管力度的加強(qiáng)，上市公司財(cái)務(wù)欺詐事件不斷相繼曝光，不僅直接損害了投資者的經(jīng)濟(jì)利益，而且可能導(dǎo)致社會(huì)公眾對上市公司、中介機(jī)構(gòu)，甚至整個(gè)資本市場信心的削弱、喪失。如何透過紛繁復(fù)雜的會(huì)計(jì)信息，避開財(cái)務(wù)報(bào)告中的陷阱，成為實(shí)務(wù)界和理論界關(guān)注的課題。2023年7月31日，中國注冊會(huì)計(jì)師協(xié)會(huì)專門制定了審計(jì)技術(shù)提示第1號財(cái)務(wù)欺詐風(fēng)險(xiǎn)詳細(xì)列示了各種可能導(dǎo)致公司進(jìn)行財(cái)務(wù)欺詐的因素，以及說明公司存在財(cái)務(wù)欺詐風(fēng)險(xiǎn)的“紅旗，以提醒注冊會(huì)計(jì)師在執(zhí)行會(huì)計(jì)報(bào)表審計(jì)時(shí)對此予以充分關(guān)注，保持應(yīng)有的職業(yè)謹(jǐn)慎。遺憾的是，應(yīng)中選取哪些財(cái)務(wù)指標(biāo)、該財(cái)務(wù)指標(biāo)到達(dá)何種臨界值時(shí)財(cái)務(wù)欺詐可能性最大，對于這

2、些具體操作性問題，審計(jì)技術(shù)提示并沒有提供直接的指導(dǎo)。因此，本文循著中注協(xié)的思路，以我國歷年來被查處的財(cái)務(wù)欺詐公司作為樣本，研究哪些財(cái)務(wù)指標(biāo)能夠有效顯示財(cái)務(wù)欺詐的存在，并選取其中最為有效的財(cái)務(wù)指標(biāo)建立財(cái)務(wù)欺詐鑒別模型。文獻(xiàn)回憶及標(biāo)示財(cái)務(wù)欺詐的財(cái)務(wù)變量的選擇根據(jù)現(xiàn)有的文獻(xiàn)Fridson，1995；Joseph T. Wells，2023；杜濱，2023；閻達(dá)五、王建英，2023，以及對歷年來被證監(jiān)會(huì)查處的財(cái)務(wù)欺詐公司的分析，上市公司財(cái)務(wù)欺詐的手段不外乎以下幾種：1、采用虛假銷售、提前確認(rèn)銷售收入或者放松信用政策有意擴(kuò)大賒銷份額的手段調(diào)節(jié)主營業(yè)務(wù)利潤。此種財(cái)務(wù)欺詐如果做得不是非常徹底，通常會(huì)引起相關(guān)

3、指標(biāo)出現(xiàn)異常，例如，相比同行銷售收入的現(xiàn)金流量比率、應(yīng)收帳款周轉(zhuǎn)率過低，主營業(yè)務(wù)稅金及附加的比重顯得不成比例。2、采用漏計(jì)費(fèi)用，或者費(fèi)用掛帳方法提高營業(yè)利潤。此時(shí)，公司管理費(fèi)用與銷售費(fèi)用占銷售收入比重可能出現(xiàn)異常。如果公司采用費(fèi)用資本化政策，非經(jīng)營性資產(chǎn)待攤費(fèi)用、遞延資產(chǎn)、無形產(chǎn)、其他資產(chǎn)等的比重可能顯得離奇的高。3、采用“線下項(xiàng)目即諸如投資收益、營業(yè)外收支等營業(yè)利潤以下的項(xiàng)目操縱利潤。如果公司主要通過操縱線下項(xiàng)目來調(diào)節(jié)利潤，反映在財(cái)務(wù)指標(biāo)上就是這些公司的主營業(yè)務(wù)利潤占利潤總額的比重較同業(yè)公司會(huì)低。對財(cái)務(wù)欺詐頗有經(jīng)驗(yàn)的美國Coopers Lybrand會(huì)計(jì)師事務(wù)所，總結(jié)出29面紅旗，當(dāng)出現(xiàn)這些

4、紅旗時(shí)，就需要格外關(guān)注管理當(dāng)局是否存在財(cái)務(wù)欺詐的可能，其中涉及財(cái)務(wù)指標(biāo)的有：1. 現(xiàn)金短缺、負(fù)的現(xiàn)金流量、營運(yùn)資金及/或信用短缺，影響營運(yùn)周轉(zhuǎn)。2.融資能力包括借款及增資減低，營業(yè)擴(kuò)充的資金來源只能依賴盈余。3.本錢增長超過收入或遭受低價(jià)進(jìn)口品的競爭。4.現(xiàn)有借款合約對流動(dòng)比率、額外借款及歸還時(shí)間的規(guī)定缺乏彈性。5.存貨大量增加超過銷售所需，尤其是高科技產(chǎn)業(yè)的產(chǎn)品過時(shí)的嚴(yán)重風(fēng)險(xiǎn)。6.盈余品質(zhì)逐漸惡化，例如折舊由年數(shù)總和法改為直線法而缺乏正當(dāng)理由。為了幫助審計(jì)師更好地識(shí)別上市公司是否存在財(cái)務(wù)欺詐，Beneish教授1999對進(jìn)行財(cái)務(wù)欺詐的上市公司和“清白公司進(jìn)行比擬，發(fā)現(xiàn)兩者財(cái)務(wù)指標(biāo)存在顯著差異

5、，如果出現(xiàn)下面的任何一個(gè)或幾個(gè)現(xiàn)象，財(cái)務(wù)欺詐的可能性上升：應(yīng)收款項(xiàng)大幅增加；產(chǎn)品毛利率異常變動(dòng)；資產(chǎn)質(zhì)量下降固定資產(chǎn)凈額之外的其他長期資產(chǎn)/資產(chǎn)總額；銷售收入異常增加；應(yīng)計(jì)利潤率上升。Wells2023提出注冊會(huì)計(jì)師在分析企業(yè)財(cái)務(wù)報(bào)告時(shí)，應(yīng)當(dāng)關(guān)注以下趨勢：存貨上升幅度超過銷售收入；存貨周轉(zhuǎn)率下降；運(yùn)輸費(fèi)用銷售費(fèi)用/存貨比率下降；主營業(yè)務(wù)毛利率上升，這些都可能預(yù)示企業(yè)管理當(dāng)局虛增利潤。SAS第82號“Consideration of fraud in a financial statement audit也列舉了檢查企業(yè)利用存貨操縱利潤的分析性方法：存貨占資產(chǎn)總額比例上升、主營業(yè)務(wù)本錢占主營業(yè)務(wù)

6、收入比率下降、存貨周轉(zhuǎn)率下降等。Lee，Ingram和Howard對盈余與經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金流量之間的關(guān)系進(jìn)行研究，結(jié)果發(fā)現(xiàn)，在公司財(cái)務(wù)欺詐戳穿以前公司盈余要比戳穿之后的盈余高得多，但是經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金流量那么相反，也就是說，在財(cái)務(wù)欺詐發(fā)現(xiàn)前盈余減去經(jīng)營活動(dòng)現(xiàn)金流量的值為正。因此，他們認(rèn)為，盈余現(xiàn)金流量關(guān)系的審核是診斷是否存在財(cái)務(wù)欺詐的優(yōu)良工具。同屬一個(gè)相同的行業(yè)，各個(gè)公司的財(cái)務(wù)指標(biāo)之間一般不會(huì)出現(xiàn)非常大的差異，如果異常差異存在，那么預(yù)示著公司存在財(cái)務(wù)欺詐的可能。Persons研究發(fā)現(xiàn)，財(cái)務(wù)欺詐公司比非財(cái)務(wù)欺詐公司具有更高的財(cái)務(wù)杠桿、更低的資產(chǎn)周轉(zhuǎn)率、其流動(dòng)資產(chǎn)的比例更高，其中絕大局部是存貨

7、和應(yīng)收賬款，公司規(guī)模通常較小。Haw et al1998對我國上市公司盈余管理行為的研究發(fā)現(xiàn)，中國上市公司對帳面利潤的操縱，很大局部集中于“線下局部，即諸如投資收益、營業(yè)外收支等“非經(jīng)常性盈余局部，如果上市公司的主營業(yè)務(wù)利潤率持續(xù)降低，或者遠(yuǎn)遠(yuǎn)低于同行業(yè)水平，說明該公司存在財(cái)務(wù)欺詐的可能。以上文獻(xiàn)中發(fā)現(xiàn)的表征公司財(cái)務(wù)欺詐征兆的財(cái)務(wù)指標(biāo)構(gòu)成了我們研究的變量，同時(shí)針對我國上市公司財(cái)務(wù)欺詐的深入分析，我們增加了以下指標(biāo)：產(chǎn)品銷售稅金及附加占銷售收入的比重。企業(yè)產(chǎn)品銷售稅金及附加占銷售收入的比重通常是比擬穩(wěn)定的，而且同行業(yè)之間不會(huì)存在太大的差異。如果企業(yè)銷售稅金及附加占銷售收入的比重突然下降，或者顯著

8、低于同行業(yè)水平，就可能意味著財(cái)務(wù)欺詐的存在。例如，黎明股份1999年實(shí)現(xiàn)主營業(yè)務(wù)收入40942.56萬元，而主營業(yè)務(wù)稅金及附加僅為82.43萬元，比例只有千分之二，同期，同行業(yè)凱諾科技為0.728%，華茂股份為0.745%.所得稅占利潤總額的比例。在應(yīng)付稅款法下，企業(yè)所得稅費(fèi)用是根據(jù)稅法計(jì)算而得，由于稅法與企業(yè)會(huì)計(jì)制度在收入與本錢的計(jì)算口徑和確認(rèn)時(shí)間上存在差異，根據(jù)利潤表中的“利潤總額與“所得稅計(jì)算的帳面稅率通常不等于法定稅率，如果帳面稅率顯著小于法定稅率，那么說明企業(yè)的會(huì)計(jì)利潤質(zhì)量可能存在問題。例如，銀廣夏1999年利潤總額1.76億元，所得稅僅508萬元，帳面稅率為4%；2023年實(shí)現(xiàn)利潤

9、4.23億元，所得稅719萬元，帳面稅率不到1.7%；以公司交納的所得稅為基數(shù)，即使按照15%優(yōu)惠稅率，推算出銀廣夏1999年應(yīng)稅利潤3387萬元、2023年應(yīng)稅利潤4793萬元，應(yīng)稅利潤與帳面利潤兩年累計(jì)相差51720萬元。樣本選擇和研究方法一樣本選擇財(cái)務(wù)欺詐公司主要來源于證監(jiān)會(huì)網(wǎng)站和三大證券報(bào)紙的報(bào)道，截至2023年3月1日共有36家上市公司因?yàn)椤疤摷儇?cái)務(wù)報(bào)告被證監(jiān)會(huì)公開查處見附錄。財(cái)務(wù)欺詐涉及的年份包括1989-2023年，按照財(cái)務(wù)欺詐性質(zhì)，這些公司所有年度的財(cái)務(wù)欺詐可以分為三類：影響利潤、僅影響資產(chǎn)、不影響利潤和資產(chǎn)。由于“不影響利潤和資產(chǎn)類型主要指“虛假披露募集資金用途、隱瞞重大事項(xiàng)

10、等事項(xiàng)，通常不會(huì)在財(cái)務(wù)上顯露出財(cái)務(wù)欺詐征兆，故予以剔除。中期報(bào)告中披露的財(cái)務(wù)數(shù)據(jù)有限，所以中報(bào)財(cái)務(wù)欺詐的樣本也予以剔除。除此之外，有些財(cái)務(wù)欺詐公司的年報(bào)數(shù)據(jù)無法獲得，最后我們?nèi)〉昧?8個(gè)財(cái)務(wù)欺詐的數(shù)據(jù)，這構(gòu)成了我們的研究樣本。有關(guān)統(tǒng)計(jì)數(shù)據(jù)詳見表2.同時(shí)，我們根據(jù)被查處的上市公司發(fā)生財(cái)務(wù)欺詐的年份，選取正常的上市公司作為控制樣本每個(gè)測試樣本選取兩個(gè)控制樣本，由于數(shù)據(jù)限制，其中幾個(gè)財(cái)務(wù)欺詐公司只能取到一個(gè)配對樣本，控制樣本選擇標(biāo)準(zhǔn)：所屬行業(yè)、資產(chǎn)規(guī)模、上市地點(diǎn)、上市時(shí)間。據(jù)此，我們?nèi)〉?2個(gè)控制樣本。二研究設(shè)計(jì)1 對測試組和控制組的財(cái)務(wù)指標(biāo)進(jìn)行配對檢驗(yàn)，首先采用t檢驗(yàn)和非參數(shù)方法進(jìn)行分組配對統(tǒng)計(jì)檢

11、驗(yàn)，檢測對照樣本之間是否存在顯著差異。第一層次是混合樣本，即包括所有年度和所有財(cái)務(wù)欺詐類型的樣本；第二層次為分年度檢驗(yàn)，考慮到1993-1995年和2023年樣本較少，以及1998年開始上市公司必須編報(bào)現(xiàn)金流量表，分年度檢驗(yàn)只針對1996-1999年影響利潤類型，并且將1996-1997、1998-1999年合并。2 以影響利潤的財(cái)務(wù)欺詐類型為研究樣本，篩選出與財(cái)務(wù)欺詐相關(guān)性最為顯著的6個(gè)財(cái)務(wù)指標(biāo)為鑒別模型的判定指標(biāo)，分別采用線性概率模型LPM和Logistic模型，建立和估計(jì)財(cái)務(wù)欺詐鑒別模型，并比擬這兩種模型的鑒別效果。三資料來源與統(tǒng)計(jì)工具本研究樣本數(shù)據(jù)來源于證監(jiān)會(huì)網(wǎng)站和三大證券報(bào)，各個(gè)上市

12、公司的年報(bào)資料來自香港理工大學(xué)中國會(huì)計(jì)與金融研究中心和深圳市國泰安信息技術(shù)聯(lián)合開發(fā)的中國股票市場研究CSMAR數(shù)據(jù)庫，該數(shù)據(jù)庫具有數(shù)據(jù)準(zhǔn)確、可靠、標(biāo)準(zhǔn)和原始的優(yōu)點(diǎn)。使用的統(tǒng)計(jì)軟件為SPSS統(tǒng)計(jì)軟件包。實(shí)證結(jié)果與分析一財(cái)務(wù)欺詐公司與非財(cái)務(wù)欺詐公司的描述性統(tǒng)計(jì)和配對檢驗(yàn)綜合分析表3和表4，除AQUALITY 、MARGIN與EXPENSE預(yù)期符號不符以外，其它變量根本上與預(yù)期相符。非財(cái)務(wù)欺詐公司的毛利率MARGIN高于財(cái)務(wù)欺詐公司，而兩項(xiàng)費(fèi)用率EXPENSE卻顯著低于財(cái)務(wù)欺詐公司0.10水平，可能的原因是選取的配對公司的盈利能力高于財(cái)務(wù)欺詐公司。同時(shí)，我們發(fā)現(xiàn)財(cái)務(wù)欺詐公司具有高資產(chǎn)負(fù)債率、低速動(dòng)比

13、率，以及高應(yīng)收款項(xiàng)比率和低應(yīng)收款項(xiàng)周轉(zhuǎn)率的特點(diǎn)分別在0.10、0.05水平上顯著。也就是說，高資產(chǎn)負(fù)債率、低速動(dòng)比率，以及高應(yīng)收款項(xiàng)比率和低應(yīng)收款項(xiàng)周轉(zhuǎn)率的公司屬于財(cái)務(wù)欺詐的高危群體。二多元線性鑒別模型的建立和評價(jià)評價(jià)模型優(yōu)劣的標(biāo)準(zhǔn)大體有三：簡易性simplicity、準(zhǔn)確性accuracy和通用性generality，變量過多、過于復(fù)雜的模型，不僅違背本錢效益原那么，而且過多的變量可能損害模型的預(yù)測價(jià)值。我們首先運(yùn)用線性概率模型，以各年影響利潤的樣本數(shù)據(jù)按照stepwise方式進(jìn)行逐步回歸，從13個(gè)財(cái)務(wù)指標(biāo)當(dāng)中選取假設(shè)干變量。選擇標(biāo)準(zhǔn)為：F值概率值小于0.35時(shí)進(jìn)入，大于0.40時(shí)剔除。跑完

14、逐步回歸以后，依次得到RRATE、EXPENSE 、AQUALITY、OTAX、 QUICK等5個(gè)變量。另外，從表4看，財(cái)務(wù)欺詐公司與非財(cái)務(wù)欺詐公司的RECTURN、LEV存在顯著差異，但是，RECTURN與RRATE顯著負(fù)相關(guān)0.0001水平；雖然EQUALITY通常較能反映公司的盈利質(zhì)量，但是由于該指標(biāo)1998年以后才開始提供，數(shù)據(jù)過少，所以我們予以舍棄。最后，我們選取了RRATE、EXPENSE 、AQUALITY、OTAX、 QUICK、LEV等6個(gè)指標(biāo)作為建立多元鑒別模型的變量。由表5看，方差膨脹因子VIF都小于10，可以認(rèn)為6個(gè)變量之間不存在顯著的多重共線性。建立和估計(jì)財(cái)務(wù)欺詐模型

15、時(shí)，我們以1996-1998年的數(shù)據(jù)作為樣本，1999年的公司作為評價(jià)模型準(zhǔn)確性的數(shù)據(jù)。1、線性概率模型LMP根據(jù)上述6個(gè)財(cái)務(wù)指標(biāo)以及1996-1998年財(cái)務(wù)欺詐公司和配對公司的數(shù)據(jù)，我們進(jìn)行線性概率模型回歸，回歸結(jié)果列于表6.從中我們得到財(cái)務(wù)欺詐公司鑒別模型：上述模型是以31家財(cái)務(wù)欺詐公司和60家非財(cái)務(wù)欺詐公司的數(shù)據(jù)作為因變量，其中財(cái)務(wù)欺詐公司取值為1，非財(cái)務(wù)欺詐公司取值為0.因此，從模型構(gòu)建看，0.34是最正確的財(cái)務(wù)欺詐判定點(diǎn)，即某公司的數(shù)據(jù)代入模型得到的數(shù)值大于0.34時(shí)，判定為財(cái)務(wù)欺詐；否那么，為非財(cái)務(wù)欺詐。模型判定結(jié)果見表7：2、Logistic模型我們?nèi)耘f以上述7個(gè)財(cái)務(wù)指標(biāo)以及19

16、96-1998年財(cái)務(wù)欺詐公司和配對公司的數(shù)據(jù)為研究樣本，進(jìn)行二元binaryLogistic模型回歸，得到的回歸結(jié)果見表8.財(cái)務(wù)欺詐公司鑒別模型表示如下：即根據(jù)回歸得到的財(cái)務(wù)欺詐鑒別方程，以0.34為最正確判定點(diǎn)，模型判定結(jié)果見表9.從表10可知，兩種鑒別模型各有優(yōu)劣勢。從回判效果看，LMP模型略優(yōu)于Logistic模型；但是，從預(yù)測結(jié)果看，無論是二類錯(cuò)誤率和整體誤判率一類錯(cuò)誤率相同，Logistic模型都顯著比LMP模型好。同時(shí)，對于投資者來說，一類錯(cuò)誤所可能產(chǎn)生的損失遠(yuǎn)遠(yuǎn)大于二類錯(cuò)誤的風(fēng)險(xiǎn)，因?yàn)橛捎谝活愬e(cuò)誤而進(jìn)行的投資決策可能導(dǎo)致實(shí)實(shí)在在的投資損失，二類錯(cuò)誤至多只是喪失一個(gè)可能的獲利時(shí)機(jī)。

17、所以，以一類錯(cuò)誤率為標(biāo)準(zhǔn)，Logistic模型對于鑒別財(cái)務(wù)欺詐公司比LMP模型好。結(jié)論與建議通過對我國歷年來被證監(jiān)會(huì)查處的財(cái)務(wù)欺詐公司的實(shí)證研究，發(fā)現(xiàn)財(cái)務(wù)欺詐行為確實(shí)會(huì)使得 “企業(yè)的財(cái)務(wù)結(jié)構(gòu)出現(xiàn)異常的狀態(tài)Joseph T. Wells，2023，表現(xiàn)在財(cái)務(wù)指標(biāo)上，就是某些財(cái)務(wù)指標(biāo)顯著的異于同類公司。這些能夠顯著顯示財(cái)務(wù)欺詐征兆的財(cái)務(wù)指標(biāo)包括：應(yīng)收款項(xiàng)比率、應(yīng)收款項(xiàng)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、速動(dòng)比率、主營業(yè)務(wù)稅金及附加比率、資產(chǎn)質(zhì)量、管理費(fèi)用和銷售費(fèi)用率。我們以上述其中6個(gè)指標(biāo)作為變量，分別應(yīng)用LPM模型和Logistic模型構(gòu)建了財(cái)務(wù)欺詐鑒別模型，兩者的誤判率都小于36%.從一類錯(cuò)誤看，Logist

18、ic模型鑒別效果優(yōu)于LPM模型。值得指出的是，我們在根據(jù)估計(jì)出的模型鑒別上市公司是否存在財(cái)務(wù)欺詐時(shí)，簡單地選取0.34作為欺詐臨界點(diǎn)，現(xiàn)實(shí)中財(cái)務(wù)欺詐公司分布概率遠(yuǎn)遠(yuǎn)不是那么簡單，雖然經(jīng)驗(yàn)研究說明陳小悅、肖星、過曉艷，2023；吳東輝，2023；杜濱，2023；章永奎、劉峰，2023我國上市盈余管理現(xiàn)象比擬嚴(yán)重，但是足以招致證監(jiān)會(huì)公開查處的公司比擬有限，所以財(cái)務(wù)欺詐公司概率可能小于0.34，這是后續(xù)研究應(yīng)當(dāng)予以關(guān)注的。財(cái)務(wù)欺詐公司與非財(cái)務(wù)欺詐公司在財(cái)務(wù)指標(biāo)上確實(shí)存在較大差異，但是我們不能僅僅根據(jù)某些財(cái)務(wù)指標(biāo)存在差異，就簡單斷定該公司存在財(cái)務(wù)欺詐，因?yàn)樨?cái)務(wù)指標(biāo)的異常只是預(yù)示該公司可能存在財(cái)務(wù)欺詐，充其量只是一個(gè)警示信號，它旨在提醒使用者根據(jù)財(cái)務(wù)指標(biāo)異常提供的信息，進(jìn)一步收集其他信息來予以證實(shí)，例如會(huì)計(jì)師事務(wù)所是否更換，更換的理由是否正常？管理層是否出現(xiàn)非正常的變更？這一點(diǎn)，中注協(xié)公布的審計(jì)技術(shù)提示第1號財(cái)務(wù)欺詐風(fēng)險(xiǎn)為我們提供了指南。