韓麗榮，胡瑋佳，高瑜彬

（吉林大學(xué) 商學(xué)院，吉林 長春 130012）

財務(wù)報告舞弊的危害具有廣泛而深刻的影響，有效識別財務(wù)報告舞弊風(fēng)險從而合理保證會計信息不存在重大錯報是審計理論和實(shí)務(wù)的核心問題。過去的幾十年里，學(xué)術(shù)界一直不乏有對財務(wù)報表舞弊識別的理論的探討及實(shí)證分析。從早期的“舞弊三角形”理論、“紅旗標(biāo)志”，到后來的Beneish模型及各種數(shù)據(jù)挖掘技術(shù)都對財務(wù)報表舞弊識別給出了有效的結(jié)論，即使結(jié)果不盡相同。雖然企業(yè)會計人員有多種編造財務(wù)數(shù)據(jù)的方法，但其遵循的原則不外乎會計慣例和會計準(zhǔn)則，因此與自然形成且符合邏輯的真實(shí)財務(wù)數(shù)據(jù)相比，舞弊的虛假數(shù)據(jù)很可能存在數(shù)據(jù)結(jié)構(gòu)上的缺陷[1]。這種缺陷就構(gòu)成了異常會計信息，從異常會計信息的角度識別財務(wù)報告舞弊行為將更為直接和有效。目前大多數(shù)的研究從分析被處罰的舞弊公司所具有的一些顯著特征的路徑展開，這些研究有著重要的價值，但是對財務(wù)報告舞弊風(fēng)險的識別是間接的，效果也是有限的。如果能夠沿著分析會計信息異常關(guān)系的路徑利用統(tǒng)計方法對數(shù)據(jù)進(jìn)行檢測，一定能夠從總體上直接而有效地識別財務(wù)報告舞弊風(fēng)險。

本文認(rèn)為以往的研究是遵循“由因推果”的舞弊識別路徑，即通過歸納舞弊公司的特征信息識別財務(wù)報告舞弊。而本文從“由果導(dǎo)因”的逆向路徑出發(fā)，通過分析舞弊公司財務(wù)報告中的異常會計信息對財務(wù)報告的舞弊風(fēng)險進(jìn)行識別。我們選取了2008年至2013年間因財務(wù)報告舞弊被處罰的上市公司為舞弊樣本，根據(jù)行業(yè)、規(guī)模和上市交易所選取與其配對的非舞弊樣本，通過對異常會計信息的分析設(shè)定相關(guān)變量，運(yùn)用Logistic回歸模型等方法進(jìn)行了檢驗并證實(shí)了相關(guān)假設(shè)：與非舞弊公司相比，舞弊公司存在異常的會計信息；會計信息異常的程度越大，公司進(jìn)行財務(wù)報告舞弊的可能性越大。

一、文獻(xiàn)回顧及理論分析

（一）紅旗標(biāo)志、舞弊三角形理論

早期大多數(shù)對財務(wù)報表舞弊的研究，都是使用“紅旗標(biāo)志”來作為舞弊風(fēng)險因子的[2][3]?！凹t旗標(biāo)志”是指可能導(dǎo)致管理層以公司名義或為了個人利益而舞弊的各種事件、條件、環(huán)境壓力、機(jī)會或個人特征，其中包含了較多的非財務(wù)指標(biāo)，如董事會制度、審計委員會制度、股權(quán)結(jié)構(gòu)、獨(dú)立審計制度治理特征、股權(quán)集中度、管理者風(fēng)險偏好水平等公司治理指標(biāo)。1988年，美國注冊會計師協(xié)會（AICPA）發(fā)布的SAS（標(biāo)準(zhǔn)審計準(zhǔn)則）第53號——“審計師對發(fā)現(xiàn)和報告錯誤和異常事項的責(zé)任”闡釋了審計師在識別財務(wù)報表重大錯報中的責(zé)任。自此“紅旗標(biāo)志”的研究得到了進(jìn)一步的發(fā)展并被直接運(yùn)用于財務(wù)報告舞弊的識別，學(xué)者們將研究的目標(biāo)直接指向了財務(wù)報告舞弊，通過對美國第53 號審計準(zhǔn)則內(nèi)容的理解，概括出不同類別的舞弊風(fēng)險因素[4]。然而，Moyes 和Hasan認(rèn)為只關(guān)注審計師的舞弊識別能力顯然是不充分的[5]。AICPA在1997年繼而推出了SAS第82號——“財務(wù)報表審計中對欺詐的考慮”以幫助審計師在實(shí)務(wù)中識別財務(wù)舞弊。與SAS第53號相比，第82號關(guān)于識別被審計高風(fēng)險區(qū)域給出了更全面的說明。由于審計失敗案例的不斷增加，基于監(jiān)管人和審計師對財務(wù)舞弊防止和識別要求的SAS 第99號——“財務(wù)報表審計中對舞弊的考慮”在2002年應(yīng)運(yùn)而生。該準(zhǔn)則被認(rèn)為是在由美國社會學(xué)家、心理學(xué)家和犯罪學(xué)家Donald R.Cressey提出的舞弊三角形理論模型基礎(chǔ)上建立的，通過將舞弊因子分為壓力（Pressure）、動機(jī)（Opportunity）和合理化（Rationalization）三類，可以提高審計師在對被審計單位進(jìn)行舞弊風(fēng)險因素識別時的有效性[6]。

20世紀(jì)末到21世紀(jì)初期，安然事件及一系列上市公司財務(wù)舞弊案件發(fā)生之后，監(jiān)管者開始逐步關(guān)注投資者是如何理解并運(yùn)用“紅旗標(biāo)志”的，出現(xiàn)了一些從投資者的角度進(jìn)行的研究[7][8]。王澤霞、梅偉林將SAS第82號中的“紅旗標(biāo)志”與我國《審計技術(shù)提示第1號——財務(wù)欺詐風(fēng)險》中的九大類“紅旗標(biāo)志”結(jié)合，篩選出代表管理舞弊的“紅旗標(biāo)志”對會計師事務(wù)所通過問卷調(diào)查，結(jié)果發(fā)現(xiàn)大股東操縱董事會為我國上市公司管理層舞弊的一大特征，且證明審計師的執(zhí)業(yè)經(jīng)驗程度是與舞弊識別密切相關(guān)的[9]。綜上所述，使用“紅旗標(biāo)志”作為舞弊風(fēng)險因子進(jìn)行的研究對財務(wù)報告舞弊風(fēng)險識別做出了重要的貢獻(xiàn)，通過檢驗財務(wù)指標(biāo)和非財務(wù)指標(biāo)的一致性及差別能夠更好地幫助審計師識別舞弊風(fēng)險[10][11][12]。在此之后的文獻(xiàn)中，“紅旗標(biāo)志”和舞弊三角形理論被大量應(yīng)用于財務(wù)舞弊識別的研究[13][14]。但是，由于其中包含很多非財務(wù)指標(biāo)，對于大多數(shù)投資者或其他利益相關(guān)者來說很難搜集。因此通過這些間接指標(biāo)識別舞弊公司特征的方法具有很大的局限性。

（二）異常會計信息識別

會計信息的異?？梢越忉尀槠髽I(yè)會計信息之間出現(xiàn)了不能合理解釋的關(guān)系或小概率的關(guān)系，例如如果一個制造業(yè)企業(yè)主營業(yè)務(wù)收入增長率很高而存貨周轉(zhuǎn)率卻很低，在其他條件不變的情況下，這種關(guān)系就是一種不能合理解釋的關(guān)系。有些異常關(guān)系比較明顯，有些異常關(guān)系卻十分隱蔽。劉姝威在發(fā)現(xiàn)藍(lán)田股份公司財務(wù)報告舞弊案的基礎(chǔ)上，對虛假會計報表的識別技術(shù)進(jìn)行了總結(jié)，她采用了財務(wù)分析的方法，重點(diǎn)分析了藍(lán)田股份、紅光實(shí)業(yè)、銀廣夏等公司，通過分析這些公司的異常財務(wù)數(shù)據(jù)和財務(wù)指標(biāo)，進(jìn)而有效地揭示了財務(wù)報告舞弊的風(fēng)險[15]。與其他財務(wù)舞弊研究不同的是，Beneish模型沒有使用大量的財務(wù)指標(biāo)對舞弊進(jìn)行識別，其模型的建立更類似于從法務(wù)會計專家的角度分析財務(wù)信息[16]。例如，Beneish 認(rèn)為，應(yīng)收賬款與銷售額不成比例的異常增加可能預(yù)示了收入虛構(gòu)的可能性。因此和大多數(shù)直接運(yùn)用銷售增長率作為舞弊檢測指標(biāo)的文獻(xiàn)不同，他通過設(shè)計“基于應(yīng)收賬款的日銷售指數(shù)”變量，找到舞弊年度與舞弊前一年相比銷售額的異常增長關(guān)系。根據(jù)這樣的識別路徑，通過對財務(wù)數(shù)據(jù)內(nèi)在邏輯和指標(biāo)趨勢的分析，借鑒Beneish的變量設(shè)計建立相關(guān)假設(shè)對財務(wù)報告舞弊風(fēng)險進(jìn)行識別。

二、實(shí)證研究設(shè)計

（一）樣本選擇和數(shù)據(jù)來源

以往研究發(fā)現(xiàn)我國上市公司傾向于通過操縱盈余和虛增資產(chǎn)的手段進(jìn)行財務(wù)報表舞弊，因此本文選取因“虛構(gòu)利潤”及“虛列資產(chǎn)”而受監(jiān)管部門處罰的上市公司為研究樣本。本文選取的初始樣本為2008～2013年受到財政部、證監(jiān)會、上交所、深交所及其他監(jiān)管單位違規(guī)處罰的非金融行業(yè)A股上市公司，并根據(jù)以下規(guī)則進(jìn)行剔除：篩選出違規(guī)類型為“虛構(gòu)利潤”和“虛列資產(chǎn)”的上市公司；剔除中期報告違規(guī)而受到處罰的公司；剔除關(guān)鍵數(shù)據(jù)缺失的公司。最后得到239 家上市公司作為舞弊樣本公司。對于因連續(xù)多年舞弊被處罰的公司，只選取其舞弊首年作為研究年度。以上違規(guī)信息及上市公司的財務(wù)數(shù)據(jù)均來自國泰安CSMAR 數(shù)據(jù)庫和銳思數(shù)據(jù)庫。同時，參考Beasley[17]和韋琳等[14]的配對原則為舞弊公司按照以下原則選取非舞弊配對樣本：（1）與舞弊公司處于相同交易所；（2）與舞弊公司舞弊年度的前一年年末資產(chǎn)規(guī)模相近，上下差異最大不超過舞弊公司資產(chǎn)規(guī)模的45%；（3）以中國證監(jiān)會行業(yè)分類為標(biāo)準(zhǔn)，選取與舞弊公司處于同一行業(yè)的上市公司，其中制造業(yè)配對標(biāo)準(zhǔn)精確到二級分類；（4）所選取的配對樣本在2000～2013年間未因任何違規(guī)原因被監(jiān)管部門處罰。經(jīng)過以上處理后，得到配對樣本239家，與舞弊研究樣本合計478個上市公司。本文使用SPSS 18.0和STATA 11進(jìn)行數(shù)據(jù)處理。

（二）變量選取

1.被解釋變量

本文根據(jù)上市公司是否因財務(wù)舞弊而受到處罰作為被解釋變量，設(shè)定為虛擬變量Fraud，當(dāng)Fraud=1時，為舞弊公司；當(dāng)Fraud=0時，為非舞弊公司。

2.解釋變量

借鑒Beneish等人的變量設(shè)計，本文采用以下指標(biāo)作為主要解釋變量和控制變量對異常會計信息進(jìn)行衡量，如下文表1和表2所示。

三、實(shí)證結(jié)果分析

（一）描述性統(tǒng)計分析

本文將2000～2013年間未受到任何違規(guī)懲罰的非金融保險行業(yè)的A股上市公司作為非舞弊總樣本，并按照資產(chǎn)規(guī)模、行業(yè)、上市證券交易所三方面一致性的標(biāo)準(zhǔn)選取239家作為舞弊研究樣本的配對樣本。我們運(yùn)用STATA 11 對所有變量進(jìn)行5%的Winsorize處理，配對樣本T檢驗和Wilcoxon符號秩檢

驗的結(jié)果省略。其中，DSRI、AQI、流動比率（X1）、營運(yùn)資金比率（X3）、銷售成本率（X5）、應(yīng)收賬款周轉(zhuǎn)率（X8）、總資產(chǎn)周轉(zhuǎn)率（X13）、存貨占流動資產(chǎn)的比重（X19）和經(jīng)營杠桿系數(shù)（X21）在1%、5%及10%的顯著水平上通過了Wilcoxon 符號秩檢驗；SGI、營業(yè)利潤現(xiàn)金保證率（X10）和應(yīng)付賬款周轉(zhuǎn)率（X12）在10%顯著水平上通過了配對T檢驗。以上結(jié)果說明與非舞弊公司相比，舞弊公司存在著異常會計信息。由此，本文選定以上12個變量作為顯著識別舞弊的指標(biāo)構(gòu)建模型進(jìn)行進(jìn)一步分析。

表1 主要解釋變量

表2 控制變量

（二）Logistic回歸分析及結(jié)果

根據(jù)以上配對T 檢驗和非參數(shù)檢驗得到的結(jié)果，本文選取在舞弊樣本和非舞弊配對樣本之間存在顯著差異的控制變量及主要解釋變量構(gòu)建Logistic回歸模型如下，模型中i與t分別代表公司和年度：

由于現(xiàn)階段很難找到能直接明確識別財務(wù)報告舞弊的模型，因此較為合理的辦法是嘗試多種指標(biāo)組合來驗證模型的有效性。因此表3 中我們以“是否舞弊”（Fraud）為因變量，前3 個模型針對不同指標(biāo)進(jìn)行檢驗，第4 個模型通過主成分分析進(jìn)行進(jìn)一步回歸。

其中，模型1與模型2分別對主要解釋變量和通過非參數(shù)檢驗的控制變量進(jìn)行分別回歸，得到總正確判斷率為78.8%和80.1%的模型。具體來看，總資產(chǎn)周轉(zhuǎn)率（X13）、DSRI 與AQI 等變量均在1%和5%的水平上顯著，說明公司的非流動資產(chǎn)水平、資產(chǎn)利用效率及應(yīng)收賬款周轉(zhuǎn)水平等，與公司發(fā)生舞弊的可能性顯著相關(guān)。模型3 對模型2 回歸結(jié)果中顯著的變量再次進(jìn)行回歸分析發(fā)現(xiàn)，得到總正確判別率為74.2%的模型，均高于以往文獻(xiàn)中的模型正確率?？梢猿醪秸J(rèn)為，通過分析財務(wù)會計信息之間的異常，可以找到財務(wù)報表舞弊公司對財務(wù)數(shù)據(jù)操縱的路徑和跡象，從而對其舞弊風(fēng)險進(jìn)行識別。

（三）因子分析

因子分析法是一種從變量之間的依賴關(guān)系出發(fā)，將一些相互關(guān)聯(lián)的變量歸結(jié)為少數(shù)幾個主要綜合因子的多種變量分析方法。由于本文所使用的解釋變量多為財務(wù)指標(biāo)，變量之間的相關(guān)性不可避免，因此本文在對變量進(jìn)行相關(guān)分析①之后，采用因子分析對自變量進(jìn)行信息濃縮，得到6個特征根均大于1的主成分。將其進(jìn)行因子載荷矩陣進(jìn)行旋轉(zhuǎn)后，得到F1 至F6 六個主成分分別反映了公司的營運(yùn)能力、償債能力、發(fā)展能力、資產(chǎn)質(zhì)量水平、盈利質(zhì)量和風(fēng)險管控能力。我們將F1至F6作為自變量再次進(jìn)行驗證，得到正確率為77.27%的回歸模型，同時將主成分所包含的主要自變量重新進(jìn)行主模型Logistic回歸，得到的最終結(jié)果在表3最后一欄列示，表4 為該模型的舞弊分類檢驗表。結(jié)果發(fā)現(xiàn)：利用該模型對財務(wù)報告舞弊進(jìn)行識別時，233 家舞弊公司中有42家非舞弊公司被誤判為舞弊公司，正確率為82%；同時，233家公司中有51家舞弊公司被誤判為非舞弊公司，正確率為78.1%。模型總的正確判斷率為80.1%，高于以往財務(wù)舞弊研究，具有很好的識別效力。因此本文得到財務(wù)報告舞弊風(fēng)險識別模型：

表3 Logistic回歸結(jié)果

表4 舞弊分類檢驗a

四、結(jié)論及不足

與以往財務(wù)報告舞弊識別方法不同，本文通過尋找舞弊公司的異常會計信息進(jìn)行分析并構(gòu)建財務(wù)報告舞弊風(fēng)險識別模型。本文選取2008年至2013年因財務(wù)報告舞弊被監(jiān)管部門處罰的非金融保險行業(yè)A 股上市公司財務(wù)數(shù)據(jù)為樣本進(jìn)行檢驗發(fā)現(xiàn)，與非舞弊公司相比，舞弊公司存在顯著異常會計信息。同時，利用Logistic回歸模型和因子分析構(gòu)建了擬合優(yōu)度及總正確率較高的財務(wù)報告舞弊識別模型，并證實(shí)替代異常會計信息的變量與公司進(jìn)行財務(wù)報告舞弊的可能性顯著相關(guān)。本研究具有以下局限性：（1）樣本有限性：受制于因虛構(gòu)利潤和虛列資產(chǎn)而被處罰的上市公司個數(shù)有限，導(dǎo)致樣本數(shù)不夠大，在一定程度上影響了實(shí)證結(jié)果的可靠性；（2）變量選取有限性：由于缺乏財務(wù)舞弊相關(guān)的理論基礎(chǔ)，因此選取的變量在現(xiàn)階段具有主觀性；（3）數(shù)據(jù)的時滯性：由于證監(jiān)會和其他監(jiān)管部門對于上市公司違規(guī)處罰具有時間上的滯后性，因此本文選取的樣本公司雖然是在2008～2013年間被處罰，但所需的部分財務(wù)數(shù)據(jù)則要追溯到2007年以前，可能會受到會計準(zhǔn)則變革等因素對財報披露數(shù)據(jù)的影響。本文為財務(wù)報告舞弊識別研究提出了不同的研究視角，未來的研究應(yīng)更趨向于從財務(wù)數(shù)據(jù)內(nèi)在的邏輯關(guān)系來識別異常會計信息，從而有效識別財務(wù)報告舞弊風(fēng)險。

注釋：

①相關(guān)性分析、主成分回歸結(jié)果及變量旋轉(zhuǎn)后載荷矩陣表由于篇幅限制而省略。

[1]鄧慶山，梅國平.基于支持向量機(jī)的虛假財務(wù)報告識別研究[J].當(dāng)代財經(jīng)，2009，（7）：75—82.

[2]Romney M B，Albrecht W S，Cherrington D J.Red-flagging the white collar criminal[J].Management accounting，1980，（9）：117—198.

[3]Loebbecke J K，Eining M M，Willingham J J.Auditors Experience With Material Irregularities-Frequency，Nature，And Detectability[J].Auditing:A Journal of Practice &Theory，1989，（1）：206—237.

[4]Spathis C T.Detecting False Financial Statements Using Published Data:Some Evidence from Greece[J].Managerial Auditing Journal，2002，（4）：144—179.

[5]Moyes，G.D.&Hasan，I.An Empirical Analysis of Fraud Detection Likelihood[J].Managerial Auditing Journal，1996，（3）：38—54.

[6]Cressey，D.R.Other People’s Money[M].Montclair，NJ:Patterson Smith，1953.

[7]Guan L，Kaminski K A，Wetzel T S.，Can Investors Detect Fraud Using Financial Statements:An Exploratory Study[J].Advances in Public Interest Accounting，2007，（13）：202—232.

[8]Brazel，J F.and Jones，K L.and Thayer，J M.and Warne，R C.Understanding Investor Perceptions of Financial Statement Fraud and Their Use of Red Flags:Evidence from the Field[R].2014，Available at SSRN:1460820

[9]王澤霞，梅偉林.中國上市公司管理舞弊重要紅旗標(biāo)志之實(shí)證研究[J].杭州電子科技大學(xué)學(xué)報（社會科學(xué)版），2006，（3）：79—81.

[10]Brazel，J.F.，K.L.Jones，M.F.Zimbelman.Using nonfinancial measures to assess fraud risk[J].Journal of Accounting Research，2009，（12）：166—189.

[11]Dechow P M，Ge W，Larson C R，et al.Predicting Material Accounting Misstatements[J].Contemporary Accounting Research，2011，（1）:88—104.

[12]Simon C A.Individual auditors’identification of relevant fraud schemes[J].Auditing:A Journal of Practice &Theory，2012，（1）:32—101.

[13]Skousen，C.J.，Smith，K.R.，and Wright.，C.J. Detecting and Predicting Financial Statement Fraud:The Effectiveness of The Fraud Triangle and SAS [R].Available at SSRN:1295494，2008.

[14]韋琳，徐立文，劉佳.上市公司財務(wù)報告舞弊的識別——基于三角形理論的實(shí)證研究[J].審計研究，2011，（2）：55—59.

[15]劉姝威.上市公司虛假會計報表識別技術(shù)[M].北京：經(jīng)濟(jì)科學(xué)出版社，2002.

[16]Beneish M D.The detection of earnings manipulation[J].Financial Analysts Journal，1999，（8）：79—105.

[17]Beasley，M.An empirical analysis of the relation between the board of director composition and financial statement fraud[J].The Accounting Review，1996，（4）：55—70.