上市公司财务报告舞弊识别研究:一个理论综述 上市公司财务报告舞弊
时间：2018-12-23 12:39:59 来源：柠檬阅读网 本文已影响 人 
摘要：上市公司财务报告舞弊现象在当今全球证券市场上普遍存在，并以极快的速度蔓延。这不仅阻碍了资本市场的健康发展，破坏了资本市场的资源配置机制，也打击了投资者和社会公众对整个资本市场和会计界的信心。与之相应，国内外关于上市公司财务报告舞弊的研究已积累了丰富的研究成果，其研究内容涉及财务报告舞弊的动因、征兆、识别以及防范等多方面。本文对国内外关于上市公司财务报告舞弊识别的研究成果进行了回顾，并进行简短评析，以期对以后的上市公司财务报告舞弊识别研究有所帮助。
关键词：财务报告 舞弊 征兆 识别方法 理论综述
一、引言
财务报告作为上市公司信息披露的主要载体，是上市公司内部向外部传递经济信号的媒介。上市公司财务报告存在舞弊1，不仅会对投资者、政府监管部门、债权人及其他相关者等利益相关者的利益造成损害，也会削弱市场的资源配置功能，给证券市场的健康发展带来巨大危害。21世纪初，美国安然公司掩盖巨额债务并虚报利润6亿美元，创下美国上市公司破产纪录之最；世通公司将38亿美元支出列为收入，再次以1000亿美元的破产总额刷新该记录；而后施乐公司的舞弊丑闻也使投资者蒙受巨大的损失。国内的财务舞弊案件也接连不断，先是琼民源、东方锅炉、蓝田股份造假，后来是黎明股份、郑百文、银广夏、麦科特舞弊案。这些舞弊案件对社会造成了极大影响，沉重打击了投资者和社会公众对整个资本市场和会计界的信心。与之相应，舞弊案件的发生也掀起了财务报告舞弊研究的新一轮热潮。以美国为代表的西方发达国家关于财务报告舞弊的研究涉及财务报告舞弊的动因、征兆、识别以及防范、治理等多方面。本文对上市公司财务报告舞弊的征兆及识别方法分别进行了系统回顾，并作简短评析，以期对以后的上市公司财务报告舞弊识别研究有所帮助。
二、国外研究综述
(一)上市公司财务报告舞弊征兆的文献回顾 Albrecht和Romney(1986)通过一项问卷调查，发现红旗(Red Flag)可作为公司发生会计舞弊1的征兆。他们研究发现，公司管理人员的素质、公司内部控制环境和公司结构的复杂程度等因素对于公司会计舞弊都有预警作用。Kinney和McDaniel(1989)研究发现，公司的管理层往往为了掩饰财务问题进行舞弊，当公司陷入困境时，他们更有可能进行舞弊。Cottrell和Albrecht(1994)将财务舞弊的征兆分为六类：发生会计违规行为，内部控制不力，财务分析异常，高管人员生活方式转变，高管人员行为转变，财务信息泄露或抱怨。Albrecht，Wernz和Willlams(1995)研究证实，通过分析财务报告，能够发现财务报告舞弊的征兆，例如，财务报表中某些指标的异常变化、公司存在危机的情况下继续经营、部分异常的大额交易、收益质量的持续降低、高额负债或其他利益负担、因迫切需要而报告有利收益以及应收账款不能及时收回等问题。除此之外，费用增长速度大于收入增长速度、外部审计师和管理层更换频繁、关联交易、与客户或供应商之间不同寻常的关系等也是财务舞弊的征兆。Hoffman，Morgan和Patton(1996)指出审计失败的重要原因是审计师没有意识到舞弊信号的警示作用。他们通过对130位审计师的调查发现，客户的诚实度是最重要的红旗(Red Flag)。Beasley(1996)分别选取了75家发生财务报告舞弊和75家未发生财务报告舞弊的公司，运用logit回归方法研究发现，未发生财务报告舞弊的公司董事会成员中外部董事的比例明显地高于发生舞弊的公司；董事会中外部董事比例越高，公司发生财务报告舞弊的可能性越低；审计委员会的存在对于公司发生财务报告舞弊的可能性不会产生显著地影响；董事会成员中外部董事的持股比例增加、任期的延长以及在其他公司中任职的减少都会使财务报告舞弊发生的可能性降低。McMullen。Dorothy，Raghunandan和Rama(1996)在《内部控制报告和财务报告问题》一文中，指出未舞弊公司更倾向于设置审计委员会，舞弊公司内部董事对公司股权的持有比例较高。Beneish(1997)在对舞弊公司和未舞弊公司进行比较研究后发现，通过公司的股价表现、历史业绩、财务杠杆程度以及业绩增长速度等因素可以判定公司是否有发生财务舞弊的可能。另外，Beneish(1999)通过建立模型检验盈余操纵，发现财务舞弊与某些财务变量存在一个系统的关系：公司应收款项大幅度增加、产品毛利率异常变动、资产质量下降、主营业务收人异常增加和应急利润率上升等都是财务舞弊的征兆。Summers和sweeney(1998)研究分析了公司内幕交易和财务报告舞弊的关系，指出内幕交易是发生财务报告舞弊的预警信号。Carcello和Neal(2000)研究发现，审计委员会成员中加盟的公司懂事的比例越大，审计师对财务报告出具无保留意见的概率越低，公司更容易发生财务舞弊。Bell和Carcello(2000)研究发现，虚弱的内部控制环境、公司的急剧增长、盈利能力相对不足、过分强调盈利预期、回避审计师的管理当局、实体所有权(公有还是私有)状态以及虚弱的控制环境和管理财务报告的积极态度的相互作用等都是财务舞弊中具有显著性风险的因素。
(二)上市公司财务报告舞弊识别方法的文献回顾 Coglitore和Berryman(1988)指出分析性程序(APs)在识别财务报告舞弊方面是积极有效的，通过运用分析性程序，可以更好的发现财务报告的显著变化和异常关系。同样，Calderon和Green(1994)分析指出，分析程序应作为识别财务舞弊的重要方法，审计师和控制人员应加强对分析性程序的使用。Ameen和Strawser(1994)研究结果表明，相对于复杂的分析性程序，审计师更倾向于使用简单的定量分析程序。除此之外，分析性程序被广泛的应用于预算、实质性测试以及审计检查各阶段的检查。复杂的分析性程序可以令审计师和会计信息的使用者同时考虑公司财务状况和经营成果的各个方面，并用模型根据公司的历史数据来判别公司是否有舞弊的动机。Loebbecke和Willingham(1988)研究了大量的SEC会计和审计强制公告(AAER)公司后认为存在46个舞弊风险因素，并构造了财务舞弊风险识别模型(L／W模型)，以此判别上市公司是否具有舞弊的动机与可能。此后，Loebbecke，Eining和Willingham(1989)进一步应用L／W模型对财务报告舞弊风险因素进行检验，得出了相似的结论。Persons(1995)通过建立stepwise-logistic模型进行实证研究，发现财务杠杆、资本周转率、资产构成和公司规模等因素与舞弊性财务报告有更重要的联系。Beasley(1996)选取了150家上市公司，对这些公司的董事会特征运用lagit回归方法进行研究，并建立了logit回归方程，回归方程表明外部董事占的比重、外部董事任期长短、外部董事拥有的股权大小和审计委员会的活跃程度等董事会特征在欺诈公司和非欺诈同公司之间存在着显著的差异。Summers和Sweeney(1998)运用Cascaded logit回归模型进行实证研究，发现可以通 过内幕交易变量和公司具体财务特征区分舞弊公司和未舞弊公司。Bell和Careello(2000)运用logistic回归模型对77家舞弊公司和305家非舞弊公司进行研究检验，外部审计人员可运用此模型判别公司是否存在财务报告舞弊现象。Green和Choi(1997)运用人工神经网络(Artificial Neural Network，ANN)构建了建立在原始财务数据基础上的舞弊判别模型，认为运用人工神经网络建立的舞弊识别模型较分析性程序能更好的识别财务报告舞弊。同时发现，这一模型在以随机数据为样本使用时非常有效。Beneish(1999)利用Probit判别方法建立了财务报告舞弊识别模型。通过对1987-1993年被美国证监会处罚的74家上市公司分析，选用8个财务指标1，并以全部上市公司为控制样本，用此模型进行判别，其准确预测率达到75％。Spathis，Doumpos和Zopounidls(2002)以36家舞弊和36家非舞弊的希腊公司为样本，采用多标准分析和多元统计方法进行财务舞弊的识别研究。研究表明，多标准判别辅助方法优于传统识别财务舞弊的统计技术，财务信息研究利于判别财务舞弊并突出了资产负债率、销售净利率、总资产周转率等财务比率的重要性。
三、国内研究综述
(一)上市公司财务报告舞弊征兆的文献回顾 阎达五、王建英(2001)对可能存在利润操纵行为的上市公司进行总体财务指标特征分析，结果显示，公司非营业活动频繁、投资收益过高、关联单位交易、人为扩大赊销范围或采用提前确认销售甚至虚假销售等因素都是上市公司财务不稳定、发生财务舞弊的征兆。邓菁晖、杨镇澜(2003)从上市公司与大股东之间未实现资产、财务和人员“三分开”等控制环境的缺失和公司目前的股价、市盈率异常高或股价波动剧烈等财务压力两方面列举了财务报告舞弊的征兆3，这些信号的出现表明财务报告舞弊发生的可能性比较大。刘立国、杜莹(2003)选取了1994至2002年因财务报告舞弊被证监会处罚的上市公司作为样本进行研究，结果表明，舞弊的上市公司反映出较高的法人股比例、执行董事比例、内部人控制制度、监事会的规模以及较低的流通股比例。秦荣生(2005)指出，如果出现资不抵债、营运资金出现负数、无法偿还到期债务等财务现象以及关键管理人员的离职且无人代替、未达到预期经营目标等经营现象，公司有可能发生财务舞弊。宋传联(2005)将上市公司财务报告舞弊的预警信号分为公司经营环境预警信号、报表项目预警信号、差错财务比率预警信号和附注预警信号四类，并对每一类进行了详细说明。王泽霞、梅伟林(2006)向会计师事务开展开问卷调查，调查结果显示：可能被ST、退市或急于摆脱ST、面临筹资压力(借款、偿债、增发、配股等的压力)和大股东操纵董事会等红旗标志(Red Flag)最为显著，能较好的识别舞弊。杨清香、俞麟、陈娜(2009)以2003年至2007年间我国上市公司为研究对象，系统考察了董事会特征对财务舞弊的影响，结果表明：董事会持股比例越大，财务舞弊发生的可能性越大；公司领导权结构和董事会稳定性与财务舞弊负相关；独立董事比例和审计委员会与财务舞弊不存在相关性。
(二)上市公司财务报告舞弊识别方法的文献回顾 刘姝威(2002)运用分析性复核的方法，通过静态分析、趋势分析等报表分析法对财务报表进行分析，并经过蓝田股份财务报告舞弊案件的检验，证实分析性复核的方式可以有效的发现财务报告舞弊行为。陈亮、王炫(2003)以15家被公开处罚的上市公司为舞弊样本，同时选取15家正常的上市公司为控制样本，筛选出11个财务指标，运用单因素方差分析方法构建了舞弊识别模型，该模型对财务舞弊公司和正常公司的识别率分别为80％、93％。方军雄(2003)以1989-2000年间涉及财务报告舞弊的31家上市公司为样本，60家正常的上市公司为控制样本，筛选出与财务舞弊相关性最为显著的6个财务指标为识别模型的判定指标，分别采用线性概率模型(LPM)和Logistic模型，建立了财务报告舞弊模型，并且两个模型的误判率都小于36％。从一类错误2看，Logistic模型鉴别效果要优于LPM模型。阮锦勤(2003)选取24家舞弊公司和24家非舞弊公司，定义16个财务指标作为研究变量，通过建立Logistic回归模型，发现Logistic模型能很好的识别财务报告舞弊，正确判别率为76.3％。娄权(2004)运用描述性统计、T检验和Logistic回归相结合的方法对36家公司进行研究，结果表明：公司规模与财务报告舞弊发生的可能性负相关；财务状况恶化的公司容易发生财务报告舞弊行为；公司治理结构越健全，财务报告舞弊发生的可能性越小。张长海、陈险峰和吴顺祥(2005)以虚假财务报告和非虚假财务报告公司为样本，建立了可以识别虚假财务报告的模型。最后发现有3个变量：资产负债率、销售毛利率和营运资金／总资产可以用来进行舞弊性财务报告识别。朱敏(2005)采集1994-2005年2月间被证券监管部门处罚的上市公司为样本，分别使用单因素方差分析法、多元判别分析法、线性概率模型和Logistic回归模型构建识别财务报告舞弊的模型。发现Logistic模型的效果最好，正确率接近80％；而线形概率模型的误判率最高，达到31.62％。陈凌(2005)选取32家舞弊公司和32家非舞弊公司的108份年报作为研究对象，并首次把与现金流量有关的相关舞弊识别指标作为研究变量，建立了能够识别财务报告舞弊的Logistic判别模型。结果表明，(应收账款+其他应收款)／主营业务收入、现金及现金等价物净增加额／净利润、负债／总资产三个指标最能够显著地显示财务报告舞弊征兆。刘君、王理平(2006)以88家上市公司为样本，选择31个备选指标，建立了能够识别财务报告舞弊的径向基神经网络模型。该模型对于舞弊公司的正确判定率达到93.5％，具有很好的识别效果。陈国欣等(2007)从沪深两市上市公司中选取1994-2005年间126家财务报告舞弊公司和126家正常公司为样本，并选取29个指标作为解释变量建立了财务舞弊定量识别模型。回归结果表明，资产负债率越高、盈利能力下降、国有股比例较低、管理层持股比例越高、非国有控股公司、内部人控制度大(独立董事人数少)、有高层辞职、被出具非标准无保留意见以及ST／PT的上市公司更有可能发生财务舞弊。张建刚(2008)以制造业上市公司为样本，建立了可以识别制造业上市公司财务报告舞弊的判别模型。研究结果显示，模型在制造业上市公司舞弊财务报告识别中显示出较强的识别能力，并指出，应对不同的行业建立不同的识别模型1，以便更好地识别出上市公司的舞弊现象。
四、文献评析
综上所述，关于上市公司财务报告征兆及识别研究的文献，国外对财务报告舞弊问题的研究较早，并积累了丰富的研究成果；我国对财务报告舞弊的研究尚处在起步阶段，其研究始终停留在对舞弊行为的研究上，没有形成适合我国国情的系统的财务报告舞弊理论。研究方法上，国外对于财务报告舞弊征兆及识别的研究大量的采用实证研究方法和数据挖掘技术，方法主要有概率分析法、建立L／W模型、Logistic模型、人工神经网络模型、Probit模型，主要是建立识别模型。国内的研究早期以案例研究、分析性复核等规范研究为主，后来借鉴国外实证研究方法，应用单因素方差分析法、多元判别分析法、线性概率模型、Logistic回归模型以及人工神经网络模型进行判别。其中应用最多的是Logistic判别模型，其使用简单，成本较低，且判别准确率较高；较为先进的人工神经网络模型由于理解难度高、数据占用量大、花费时间多等原因，应用受到很大限制。在今后的研究中，在建立模型时，为了体现行业特性，可以建立针对某个行业的识别模型，如张建刚(2008)建立了针对制造业上市公司的舞弊识别模型，行业模型比通用模型针对性更强。
