摘 要：以1998-2005年因欺诈嫌疑被中国证监会、上交所、深交所、财政部处罚的33家中国上市公司作为样本，建立了一个适合中国资本市场的、基于公开披露的财务报告信息的Logistic回归模型，用以判断上市公司财务欺诈行为的可预测性。　　关键词：上市公司，财务欺诈，识别模型
　　1  引言
　　中国证券市场自开市以来，财务欺诈案件就屡禁不止。1997年、1998年发生了“三大案件”——琼民源、红光实业和东方锅炉。进入21世纪，随着监管力度的加强，越来越多的财务欺诈案被揭露。2000年的郑百文、黎明股份、猴王股份案件的余震还未完全消失，2001年又有麦科特欺诈案，之后的银广夏风暴更是将上市公司的财务欺诈推向了高潮。财务欺诈行为不仅导致整个社会会计信息失真，误导投资者做出错误的判断和决策，遭受投资损失，而且削弱了市场配置功能，危害整个社会经济的健康发展。因此，如何通过简单易行的方法识别上市公司的财务欺诈行为，成为了证券监管部门、广大投资者、注册会计师等利益相关群体极为关注的问题。
　　本文基于国内外的相关研究和中国上市公司的特征，通过对上市公司财务欺诈的手段、经验识别的分析，建立了上市公司财务欺诈的指标体系，根据收集到的样本建立识别模型，用以判断上市公司财务欺诈的可预测性。
　　2  文献回顾
　　国外早在20世纪30年代起就开始研究财务欺诈，因此研究的文献和成果非常多，尽管我国会计界对财务欺诈的研究和关注还不够深入，但自从银广夏案件发生以后，我国对财务欺诈的研究也逐渐多了起来，并取得了一定研究成果，对实践产生了较大的指导作用。
　　2.1  国外的相关研究
　　Beasley对75家欺诈公司和75家非欺诈公司的董事会特征进行分析，并通过Logistic回归方程进行检验。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公司之间存在着显著的差异。因此提出董事会的某些特征可作为发现财务报告欺诈的征兆。Summers和Sweeney研究发现存在欺诈的情况下，内部人通过较高水平的销售活动可以减少其手中持有的公司股票。研究还表明，可以通过内部人交易变量和公司具体财务指标区别财务欺诈和未发生财务欺诈的公司。Bell和Carcello运用来自KPMG审计实务中的77个实施欺诈公司和305个未实施欺诈的公司，构造了一个Logistic回归模型并对其进行检验。在最终的回归模型中的重大风险因素包括内部控制的不力、公司的高速增长、不理想的或与长期趋势不一致的获利水平，管理者当局对实现盈利预期的过度强调，向审计师传递虚假信息或者干脆躲避审计师的管理者当局，所有权结构以及在财务报告态度的进取性与内部控制虚弱性的相互关系。Ch Spathi采用多标准分析、多变量统计技术进行财务报告欺诈的识别研究。研究样本包含了希腊的38家财务报告欺诈公司和38家非欺诈公司，本文采用十多个财务比率来识别与财务报告欺诈相关的因素。研究结果显示：多标准判别协助方法胜过传统用于识别财务报告伪造的统计技术，财务信息的研究对判别财务报告欺诈非常有帮助。
　　2.2  国内的相关研究
　　国内关于财务欺诈的研究起步较晚，而且主要采用的是规范研究，而采用实证研究的并不多见，首先将国内学者关于财务欺诈问题的研究成果综述如下：
　　郑朝晖遴选出十大上市公司管理舞弊案。根据这十家上市公司的欺诈情况，列举了管理欺诈的征兆，提出我国上市公司基本存在的四类管理欺诈行为和注册会计师面临的主要欺诈风险点。2002年，中国注册会计师协会发布了审计技术提示第1号——财务欺诈风险，该提示指出，以下因素可能导致公司进行财务欺诈，或表明公司存在财务欺诈风险，具体包括：财务稳定性或盈利能力受到威胁；管理当局承受异常压力；管理当局受到个人经济利益驱使；特殊的行业或经营性质；特殊的交易或事项；公司治理缺陷；内部控制缺陷；管理当局态度不端或缺乏诚信；管理当局与注册会计师的关系异常或紧张等。方军雄以31家财务欺诈公司和60家非财务欺诈公司1996—1998年财务数据为研究样本，通过统计分析找出了最能够显著显示财务欺诈征兆的7个财务指标，包括：应收款项比率、应收款项周转率、资产负债率、速动比率、主营业务税金及附加比率、资产质量、管理费用和销售费用率，并以上述其中6个指标作为研究变量，分别应用LPM模型和Logistic模型构建了财务欺诈鉴别模型。
　　3  财务欺诈的识别模型与实证分析
　　在财务欺诈识别的经验分析基础上，本文构建了Logistic回归模型，从定量的角度找到了一种简便易操作、适用范围广、识别准确率高的工具来识别上市公司的财务欺诈行为。
　　3.1  数据来源
　　样本数据来自于中国证券监督委员会（www.csrc.gov.cn）、上海证券交易所（www.sse.com.cn）、中国深圳证券交易所（www.sse.org.cn）、香港理工大学中国会计与金融研究中心和深圳市国泰君安信息技术有限公司联合开发的《中国上市公司财务数据库查询系统》（CSMAR）、中国上市资讯网（www.cnlist.com）以及欺诈公司网站的年报资料。
　　3.2  样本选择
　　欺诈样本的选择：选取了1998～2005年因财务欺诈被中国证监会、上交所、深交所、财政部处罚的33家上市公司，具体依据为：
　　（1）鉴于证监会在1998年后才要求上市公司公布现金流量表，而现金流量表中的数据反映公司现金流，为识别财务报告欺诈提供了重要的信息，也是本文的研究重点之一，所以，本文仅选择1998年后涉及欺诈的上市公司的年报。
　　（2）由于上市公司的中期报告与年度报告不具有可比性，因此剔除了中期报告欺诈的公司，只选择年度报告欺诈的上市公司。
　　（3）财务报告的欺诈内容包括很多方面，而将反映不同欺诈内容的财务欺诈识别指标归其一类研究，会弱化指标的识别作用，因此本文只分析涉及利润操纵行为的欺诈公司。
　　控制样本的选择：一般来说，同行业可比公司的财务业绩在一定时间范围内不会出现太大的差异，因此，应将控制样本所在行业与对应的欺诈样本保持一致。公司规模上的差别也会影响分析的进行，所以要选择规模相当的对照公司逐个与欺诈公司相配来控制规模对分析结果的影响。
　　为了控制外部环境和行业因素的影响，同时考虑数据搜集的难度，本文为每家欺诈公司选取了一个控制样本，选取的步骤为：
　　（1）确定每家欺诈公司所属行业及其欺诈前一年末的资产总额。
　　（2）选取与欺诈公司同年度、同行业的A股上市公司，将曾因资产或利润虚假而公开披露的公司和考察期间处于ST、PT阶段的公司剔除。
　　（3）选取欺诈前一年与欺诈公司资产总额最为接近的上市公司为控制样本，当面临多家符合条件的公司时，以与欺诈公司具有相近的上市时间为标准，进行最终的选择。对于初始发行上市阶段就出现欺诈行为的公司，以上市前一年作为欺诈年度，选择控制样本时，以上市前一年年初的总资产为基准。这一考虑是根据林舒、魏明海（2000）实证研究的结论：①A股发行公司的报告收益在IPO前1年处于最高水平；②A股发行公司总体上在IPO前运用盈余管理手段大幅度“美化”报告收益。因此，本文假定初始发行上市的公司在上市前一年欺诈程度最为严重。
　　3.3  指标体系的选择
　　对文中所介绍的财务欺诈的手段进行分析，考虑到数据的可获得性和可比性，本文选择了14个财务指标（如表1）。

　　3.4  研究方法
　　首先，采用配对样本的假设检验，对有无欺诈行为上市公司的14个可能的财务指标进行了比较，目的是确认可能纳入构建预测模型的特质变量。
　　其次，构建Logistic回归预测模型，为：
   
　　Y表示一个二值响应变量（如成功与失败，欺诈与未欺诈等），X＝（X1，X2，…，Xt）表示一组可能影响Y发生概率P的自变量。
　　最后，对模型进行检验。
　　（1）变量确认
　　为了在预测模型中引入能够反映有无欺诈行为上市公司的特质变量，本文采用了配对设计的假设检验（如表2）。

　　从表2可以看出，欺诈公司和未欺诈公司并不是所有指标的均值都存在显著性差异，在所有的14个指标中只有X1，X4，X12这3个指标在0.05的水平下存在显著性差异，因此它们可能是构建预测模型的特质变量。
　　（2）模型参数估计
　　统计软件SPSS中的Logistic回归分析，自变量有多种进入模型的方式，其中根据Wald统计量的概率剔出变量的方法能够有效解决变量之间多重共线性问题。因此，本文采用前进法（Forword）的Wald统计量，最终确认X1，X4，X12进入了模型。

　　同时，可获得Logistic回归模型为：
   
　　概率分类模型为：
   
　　（3）模型检验
　　为了检验上述模型的预测能力，本文将所有样本数据代入回归模型并重新进行分类，结果如表4所示。

　　检验结果表明，在33家无欺诈行为公司中有20家被预测为无欺诈行为公司，13家被误判为欺诈行为公司，预测准确率达60.61%；在33家有欺诈行为公司中，24家被预测为有欺诈行为的公司，有9家被列入正常公司的范围，正确率达72.73%。由此可以看出，该模型的整体判别准确率达到了66.67%，接近70%，可以认为具有较高的预测水平。
　　4  总结和讨论
　　本文以中国的上市公司为主要研究对象，在回顾国内外对财务欺诈的相关研究的基础上，以1998—2005年间因财务欺诈被处罚的上市公司为样本，构建了Logistic回归模型。检验结果表明，该模型在预测公司欺诈行为上具有较好的效果，但仍有值得商榷之处。
　　（1）从表4的结果来看，该方法针对有财务舞弊行为的上市公司已达到了72.73%的正确预测率，但仍有27.27%（1-72.73%）的漏判；同样地，针对正常公司的误判率更是高达39.39%（1-60.61%）。针对这种现象，本文做了进一步分析，考察了所有变量与上市公司“舞弊”的预测概率之间的相关性。结果表明，除进入模型的三个变量（X1，X4，X12）与预测概率存在显著相关性外，还有其他变量也存在显著相关性，说明这三个变量进入模型无可非议，但是否预示还有其他变量也可用于预测概率呢？这需要进一步研究。
　　（2）本文只取得了33个符合要求的欺诈样本和33个与之对应的控制样本，因此样本数量的限制也在一定程度上降低了模型的有效性。
　　（3）以目前没有受到处罚的公司作为正常公司来与已知的欺诈公司进行配对，必须指出的是目前没有受到处罚的公司并不意味着就没有欺诈，也并不意味着其财务报告就是真实的，很可能欺诈行为尚未暴露而已。
　　（4）本文中识别变量的选择仅限于财务指标，如果考虑如公司的治理结构、管理当局特征等反映欺诈动机和机会的非财务指标可能会提高模型的识别能力。
　　参考文献：
　　[1] 杜滨.上市公司盈余管理现象的实证研究[D].复旦大学博士学位论文，2001.12-20.
　　[2] 阎达五，王建英.上市公司利润操纵行为的财务指标特征研究[J].财务与会计，2001（10）.21-25.
　　[3] 刘立国，杜莹.公司治理与会计信息质量关系的实证研究[J].会计研究，2003（2）：28—360.
　　[4] 郑朝晖.上市公司十大管理舞弊案分析及侦查研究[J].审计研究，2001（6）：45-53.
　　[5] 中国注册会计师协会.审计技术提示第1号[Z].财务欺诈风险，2002.
　　[6] 方军雄.我国上市公司财务欺诈鉴别的实证研究[J].上市公司，2003（4）：21—29.
　　[7] Beasley M S. An Empirical Analysis of the Relation between the Board of Director Composition and Financial Statement Fraud [J]. The Accounting Review，1996（71）：443-465.
　　[8] Beasley M . Board of Directors and Fraud[J]. CPA Journal，1998（68）：56-58.
　　[9] Scott L Summer， John T Sweeney. Fraudulently Misstated Financial Statements and Insider Trading： An Empirical Analysis [J]. The Accounting Review，1998（73）：131-146.
    [10] Bell Timothy B，Carccllo. Joseph. A Decision Aid for Accessing the Likelihood of Fraudulent Financial Reporting [J]. Auditing，2000（19）：169-184.
　　[11] Ch Spathis， M Doumpos，C Zopounidis. Detecting Falsified Financial Statements：A Comparative Study Using Muhicriteria Analysis and Muhivariates Statistical Techniques [J]. The European Accounting Review，2002（11） ：509 -535.

作者：西南交通大学经济管理学院 王建琼 王怀东 来源：《软科学》2009年第12期