上市公司財務(wù)舞弊識別模型研究

葛文榮

【摘 要】論文在研究中選取了14個具有代表性的指標(biāo)來對中國2000年-2015年間多達(dá)484家舞弊公司中的60家樣本和1：1配比的60家非舞弊樣本進行二分量的Logistic回歸分析，分析得出上市公司財務(wù)舞弊的可能性識別模型，從而對舞弊公司的識別提出新的思路和角度。

【關(guān)鍵詞】財務(wù)舞弊;識別研究;Logistic回歸模型

一、識別模型的選擇

國內(nèi)外學(xué)者運用了多種模型對財務(wù)舞弊進行識別。本文認(rèn)為單因素方差分析、多元判別分析和多元概率回歸模型均要求樣本服從正態(tài)分布，而舞弊公司不服從正態(tài)分布，人工神經(jīng)網(wǎng)絡(luò)模型的種類差異較大，而且精度也有待進一步考量。邏輯回歸模型不要求樣本服從正態(tài)分布和兩組協(xié)方差矩陣相等，而且其適合于因變量為二分類的問題，模型建立后只需將具體的財務(wù)數(shù)據(jù)代入得到概率值P，即可得知該公司發(fā)生財務(wù)舞弊的概率，因此非常方便且應(yīng)用廣泛。綜上所述，本文將結(jié)合邏輯回歸（Logistic回歸）模型來進行財務(wù)舞弊識別模型的研究。

二、樣本選擇與數(shù)據(jù)來源

（一）數(shù)據(jù)來源

本文中上市公司歷年的財務(wù)舞弊信息數(shù)據(jù)來源于國泰安數(shù)據(jù)庫《中國上市公司財務(wù)指標(biāo)分析數(shù)據(jù)庫》（CSMAR）自2000年到2015年間的所有舞弊公司，按照證券行業(yè)分類分為19個行業(yè)大類，并且結(jié)合了滬、深證券交易所、中國證監(jiān)會網(wǎng)站所提供的上市公司的年度財務(wù)報告和和訊網(wǎng)、東方財富網(wǎng)等網(wǎng)站提供的數(shù)據(jù)信息。

（二）樣本選擇和說明

本文研究的樣本包括舞弊樣本和非舞弊樣本，根據(jù)數(shù)據(jù)庫發(fā)現(xiàn)2000年1月至2015年6月，由上海交易所、深圳交易所和中國證監(jiān)會公告處罰的有484家。根據(jù)證監(jiān)會2012年公布的《上市公司行業(yè)分類指引》，其中剔除金融服務(wù)行業(yè)，因為金融機構(gòu)的會計處理與一般企業(yè)不同。

本文先根據(jù)行業(yè)對舞弊企業(yè)進行分類，再按每個行業(yè)的舞弊數(shù)量占總體舞弊企業(yè)的比例來分配每個行業(yè)要抽取的舞弊樣本數(shù)量，最后通過簡單隨機抽樣的方法抽取2000—2015年之間的舞弊公司并選取首次舞弊來作為樣本。

本文按以下順序來選擇舞弊樣本。

①本文選取從2000-2015年在深滬兩市發(fā)行的A股，并且因為財務(wù)舞弊被證券交易所和監(jiān)督委員會公開處罰的上市公司。

②本文選取上市公司的年報數(shù)據(jù)進行分析。

③采用簡單隨機抽樣，如果該公司連續(xù)幾年實施了財務(wù)舞弊，則以第一個舞弊年度來作為樣本。

（三）非舞弊樣本選擇和說明

本文選取與舞弊樣本同行業(yè)且資產(chǎn)規(guī)模相近并未被披露違規(guī)從未受到監(jiān)督部門處罰的公司，其中行業(yè)分類按照中國證監(jiān)會公布的《上市公司行業(yè)分類指引》為參照標(biāo)準(zhǔn)。資產(chǎn)規(guī)模以舞弊公司發(fā)生舞弊那年的年報中的資產(chǎn)總額來作為標(biāo)準(zhǔn)選取。

最后，本文選取了60組舞弊樣本和60組非舞弊樣本。

選好舞弊樣本和非舞弊樣本后，以資產(chǎn)規(guī)模為變量進行了配對樣本的T檢驗。配對樣本T檢驗過程主要用于樣本均數(shù)的比較，檢驗配對樣本差值的總體均數(shù)與總體均數(shù)0的差異有無統(tǒng)計意義，以及檢驗配對兩樣本是否相關(guān)。本文用SPSS17.0菜單中的Paired-Samples T Test過程執(zhí)行t檢驗。

? ? ?表2 Paired Samples Statistics

表2顯示，舞弊樣本的：樣本例數(shù)（N）=60，樣本均數(shù)（Mean）=2.7188E9，標(biāo)準(zhǔn)差（Std.Deviation）=3.57351E9，標(biāo)準(zhǔn)誤（Std. Error Mean）=4.61338E8。

配對樣本：樣本例數(shù)（N）=60，樣本均數(shù)（Mean）=2.3610E9，標(biāo)準(zhǔn)差（Std.Deviation）=3.19120E9，標(biāo)準(zhǔn)誤（Std. Error Mean）=4.11982E8。

? ? ? ? ? ? ? ? ? ?表3 ?Paired Samples Correlations

表3顯示配對變量間的相關(guān)性分析結(jié)果。配對數(shù)（N）=60，相關(guān)系數(shù)（Correlattion）=0.930，P（Sig）=0.000，P<0.05值可認(rèn)為兩配對變量有相關(guān)關(guān)系。

配對樣本的t檢驗結(jié)果。配對樣本的配對差（Paired Differences）結(jié)果：均數(shù)（Mean）=3.57819E8，標(biāo)準(zhǔn)差（Std.Deviation）=1.32306E9，標(biāo)準(zhǔn)誤（Std.Error Mean）=1.70806E8，95%的可信區(qū)間（95% Confidence Interval of the Difference）為1.60369E7～6.99602E8。

配對T檢驗結(jié)果：配對T檢驗統(tǒng)計量t=2.095，自由度（df）=59，P值Sig.（two-tailed）=0.040。由t=2.095，df=59，P<0.05，故可認(rèn)為舞弊樣本和配對樣本具有統(tǒng)計學(xué)意義。

三、變量的選擇和識別模型的構(gòu)建

（一）研究假設(shè)和變量的選擇

假設(shè)一：企業(yè)財務(wù)狀況不佳是財務(wù)舞弊的動因。

根據(jù)前文的舞弊三角理論的介紹，財務(wù)狀況的惡化是公司舞弊的壓力，但是非必然使公司發(fā)生財務(wù)舞弊。公司的財務(wù)狀況的評價指標(biāo)主要有：償債能力、經(jīng)營能力、盈利能力、發(fā)展能力等方面。本文選取了8個指標(biāo)來作為解釋變量，分別是：速動比率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、資產(chǎn)報酬率、營業(yè)成本率、營業(yè)收入增長率、凈利潤增長率。

假設(shè)二：企業(yè)的非財務(wù)信息對公司財務(wù)舞弊的發(fā)生有影響。

企業(yè)的非財務(wù)信息主要包括了公司的治理結(jié)構(gòu)和股權(quán)結(jié)構(gòu)的特征。本文選取了較為代表性的4個指標(biāo)，分別是獨立董事所占比例、高管人員持股比例、國有股比例、流通股比例。

假設(shè)三：公司的外部審計對公司財務(wù)舞弊的識別具有一定作用。

審計報告是注冊會計師基于職業(yè)操守和專業(yè)知識對企業(yè)財務(wù)報告的客觀認(rèn)定和評價。因此，本文選取了審計意見和審計費用來作為舞弊識別模型的變量。

（二）變量的財務(wù)舞弊涵義解釋

首先，本文建立的財務(wù)舞弊識別模型主要是識別虛假財務(wù)報告的，因此本文選取的變量指標(biāo)大多是針對財務(wù)報表舞弊后的識別。除此之外，本文結(jié)合了舞弊三角論的思想作為參考來選取指標(biāo)。

財務(wù)指標(biāo)中的速動比率用來衡量企業(yè)速動資產(chǎn)并且反映企業(yè)的短期償債能力，資產(chǎn)負(fù)債率用來衡量長期償債能力。應(yīng)收賬款周轉(zhuǎn)率和存貨周轉(zhuǎn)率都是來反映企業(yè)運營能力的指標(biāo)。營業(yè)成本率和資產(chǎn)報酬率是體現(xiàn)企業(yè)盈利能力的指標(biāo)。

非財務(wù)指標(biāo)主要針對了企業(yè)的治理機制和股權(quán)結(jié)構(gòu)。董事會的外部成員，獨立董事能加強企業(yè)的內(nèi)部控制，防止企業(yè)進行財務(wù)舞弊，獨立董事的比例越高企業(yè)舞弊的可能性越低。

外部審計意見也是企業(yè)財務(wù)狀況的體現(xiàn)，而且對財務(wù)舞弊的公司進行審計需要很多的審計程序，審計費用也會增加。

本文選擇了14個指標(biāo)來進行分析，先對指標(biāo)進行正態(tài)性檢驗、非參數(shù)Wilcoxon符號秩檢驗，然后進行多重線性檢驗，最后用經(jīng)過分析篩選的變量來進行Logstic回歸分析建立模型并進行模型檢驗。

四、模型的分析與檢驗

（一）logistic回歸分析

1.變量的正態(tài)性檢驗

為了篩選出較好代表性的變量，并且剔除具有多重線性關(guān)系的變量，因此我們要選擇顯著性較好的變量來進行識別模型的建立。在進行顯著性檢驗之前先對變量的正態(tài)性檢驗，如樣本數(shù)據(jù)不符合正態(tài)分布則不能使用顯著性T檢驗，只能使用對變量的分布無限制的Wilcoxon檢驗。

本文采取單樣本K-S正態(tài)性檢驗來分析變量是否符合正態(tài)分布，具體在表6里。

? ? ? 表5 變量正態(tài)性檢驗匯總

資料來源：SPSS

經(jīng)過K-S檢驗，分析得出除了X1的其他變量的顯著性水平（P<0.05）都接近于0，可以得出結(jié)論：這些變量總體上不服從正態(tài)分布。因此，對這些變量不能用T檢驗，只能用非參數(shù)Wilcoxon檢驗。

2.非參數(shù)Wilcoxon符號秩檢驗

Wilcoxon符號秩檢驗是分析兩配對樣本，并對樣本來自的兩總體的分布是否存在差異進行判斷。通過對變量的顯著性檢驗來剔除變量提高模型精度。

表6 描述性統(tǒng)計及顯著性檢驗

檢驗結(jié)果表明，指標(biāo)X4（存貨周轉(zhuǎn)率）、X7（營業(yè)收入增長率）、X9（獨立董事所占比例）、X12（流通股比例）與原假設(shè)不符。因此，應(yīng)該將這幾個變量剔除。

3.變量的多重線性檢驗

Logistic回歸對變量的多元共線問題很敏感，由于版面的問題不能將相關(guān)性分析的矩陣放進來，經(jīng)過相關(guān)性分析，每個變量之間的相關(guān)系數(shù)都小于0.5，所以可以全部都進行Logistic回歸分析。接著進行變量的共線性檢驗，如表7。

從表中我們可以看出，所有變量的方差膨脹因子都小于5，而且容忍度都大于0.2基本上可以認(rèn)為變量間不存在多重共線性。

4.Logstics回歸模型

因為本文的因變量為分類因變量，即因變量分為舞弊與非舞弊。邏輯回歸（Logistic）分析是最常用于處理分類因變量的統(tǒng)計方法。邏輯回歸可根據(jù)因變量的分類個數(shù)分為二元邏輯回歸分析（Binary ?Logistic）和多元邏輯回歸分析（Multinomial Logistic），二元邏輯回歸模型中因變量只能取兩個值 1 和 0，即虛擬因變量。而多元回歸模型中因變量可以取多個值，因此在本文模型構(gòu)建中，可以采用二元邏輯回歸模型，舞弊因變量可分為是否舞弊兩類，取值 1 和 0，即“是”或“否”，自變量為篩選后的指標(biāo)變量。

Logistic回歸模型建立后用P=Prob（Y=1|X）表示發(fā)生舞弊的概率。本文以0.5來作為分割點，即P值大于0.5則為舞弊公司。

Logistic回歸函數(shù)為：

5.識別模型建立

將篩選后的變量代入Binary Logistic回歸模型中，采用Enter 法確定最終的模型。

表8中的“Wald”是檢驗Logistic回歸系數(shù)的檢驗統(tǒng)計量，根據(jù)統(tǒng)計量P值，可知X2、X5、X10、X14回歸系數(shù)不顯著，因此得出上市公司財務(wù)舞弊識別模型為：

模型的指標(biāo)的財務(wù)舞弊識別的系數(shù)解釋：X1速動比率與財務(wù)舞弊的可能性呈負(fù)相關(guān)，這與假設(shè)相符，速動比率過低，企業(yè)的短期償債風(fēng)險較大，企業(yè)進行財務(wù)舞弊的可能性也越大;X3應(yīng)收賬款周轉(zhuǎn)率與財務(wù)舞弊的可能性呈負(fù)相關(guān)，財務(wù)舞弊一般是為了虛增不存在的利潤，只能以應(yīng)收賬款的形式反映，導(dǎo)致應(yīng)收款項大幅增加，導(dǎo)致應(yīng)收賬款周轉(zhuǎn)率下降，與假設(shè)相符。X6營業(yè)成本率和X8凈利潤增長率是來衡量企業(yè)獲利能力和成長能力的指標(biāo)。X11和X13是從治理結(jié)構(gòu)上和外部審計上對企業(yè)是否舞弊的一個很好的體現(xiàn)。

根據(jù)建立的模型，將樣本數(shù)據(jù)代入回歸模型計算得到概率值P，并且與0.5做比較，若P值>0.5則判定為舞弊公司，反之為非舞弊公司。

（二）模型識別檢測效果

根據(jù)前面實證分析的結(jié)果可知，采用Logistic回歸建立上市公司財務(wù)舞弊識別模型具有一定的效果，識別上市公司財務(wù)舞弊的比率為78.2%。

五、結(jié)語

本文通過對2000年-2015年間多達(dá)484家舞弊公司中的60家樣本和1：1配比的60家非舞弊樣本進行二分量的Logistic回歸分析，最終結(jié)果表明應(yīng)收賬款周轉(zhuǎn)天數(shù)變動指數(shù)、流動比試變動指數(shù)和三個主成份建立的模型可以有效識別上市公司的財務(wù)報表舞弊。

【參考文獻(xiàn)】

[1]洪葒， 胡華夏... 基于GONE 理論的上市公司財務(wù)報告舞弊識別研究[R]. 武漢：武漢理工大學(xué)管理學(xué)院， 2012： 84–91.

[2] 洪文洲， 王旭霞... 基于Logistic回歸模型的上市公司財務(wù)報告舞弊識別研究[J]. 中國管理科學(xué)， 2011（22）： 351–356.

[3] 金花妍， 劉永澤. 基于舞弊三角理論的財務(wù)舞弊識別模型研究——支持向量機與 Logistic回歸的耦合實證分析[J]. 大連理工大學(xué)學(xué)報（社會科學(xué)版）， 2014（33）： 92–97.

[4] 于婷. 財務(wù)報告舞弊風(fēng)險的識別與模型構(gòu)建[D]. 中國海洋大學(xué)： 中國海洋大學(xué)， 2013年.

[5] 李欣， 康進軍... 因子分析、Logistic回歸在會計舞弊研究中的應(yīng)用[J]. 統(tǒng)計與決策， 2015（6）： 89–92.

[6] 李玲. 中小企業(yè)會計舞弊的環(huán)境分析——基于 Logistic 回歸模型[J]. 當(dāng)代經(jīng)濟， 2015（18）： 120–123.

[7] 伊建杰. Logistic 回歸模型分析綜述及應(yīng)用研究[D]. 黑龍江大學(xué)： 黑龍江大學(xué)， 2011年.