財務報告舞弊研究文獻述評

[摘 要] 本文從征兆與識別兩個方面回顧了國內外研究財務報告舞弊的相關文獻，研究發現:鑒于通用模型的局限和行業因素對財務報告舞弊的影響，應建立針對某一行業的識別模型;隨著人工智能和計算機技術的發展，在研究中應逐步引入更為精確的人工智能方法;鑒于財務活動的多方面性，需要在模型中逐步引入非財務指標#65377;

[關鍵詞] 財務報告舞弊;經驗分析;實證研究;述評

一#65380;引 言

財務報告舞弊，是指管理層違背會計準則及相關法規，采用欺騙性手段故意編制和披露虛假財務報告或有意忽略有關財務信息，以欺騙財務報告使用者的違法行為#65377;

會計信息具有經濟后果，財務報告是會計信息的主要載體，是經營管理和科學決策的重要依據#65377;如果財務報告存在舞弊現象，不僅會使信息使用者做出錯誤的決策#65380;遭受巨大的損失，而且會削弱市場的資源配置功能，嚴重危害證券市場的健康發展#65377;自從財務報告作為企業由內部向外部傳遞經濟信號的媒介以來，財務報告舞弊現象就與之如影隨形，財務報告舞弊的問題已成為各國理論界尤其是會計#65380;審計職業界以及實務界關注的焦點，成為一個亟待解決的重要課題#65377;

本文擬從征兆與識別兩個方面回顧國內外研究財務報告舞弊的相關文獻，并對其進行評析#65377;

二#65380;國外財務報告舞弊研究

國外學者較早注意到公司的財務報告舞弊行為，及時開展研究，獲得了許多非常有價值的研究成果#65377;

(一)財務報告舞弊征兆的經驗分析

Catlett(1974)認為嚴重的公司舞弊行為往往是內部控制失敗的結果，而造成內部控制失敗的原因在于管理方向的錯誤#65380;管理人員與記分員的合謀，以及其他類似因素，這種內部控制的失敗可以看作是舞弊的機會和征兆#65377;

Albrecht和Romney(1986)以問卷調查方式證實了“紅旗”可作為公司會計舞弊的征兆#65377;研究發現，許多預警指標都與管理人員的個人素質有密切關系;同時，許多針對公司的指標，如經營業務顯著惡化等，卻并不顯著也不可測#65377;

Beasley(1996)發現董事會成員構成在舞弊公司與非舞弊公司之間存在著區別，提出董事會的某些特征可以作為會計舞弊的征兆#65377;

Beneish(1997)對舞弊公司和非舞弊公司進行比較研究發現，公司歷史#65380;財務杠桿程度和增長速度以及股價的表現可作為初步判定會計舞弊的風險因素#65377;

COSO(1999)報告指出，舞弊公司的規模相對較小;公司的高層管理者常常參與舞弊;大多數的審計委員會一年只開一次會或根本沒設審計委員會;董事會被公司的內部人和“灰色”董事所控制，他們持有公司較多的股份，這些董事很少是其他公司的外部董事;公司的創立者和現任的CEO在公司有重要的權利#65377;

Beasley(2000)在COSO的基礎上，進一步探討了3個舞弊高發行業——信息技術#65380;保健和金融服務業的特點，發現3個行業的欺詐手段存在顯著差異#65377;信息技術業的最常見的手段是收入舞弊，而金融服務業最常見的手段是資產舞弊和資產盜用#65377;

SAS No.99(2003)在其附錄中分別列舉了與舞弊動機或壓力有關的風險因素#65380;與舞弊機會有關的風險因素和與舞弊態度或自我合理化有關的風險因素#65377;

(二)財務報告舞弊識別的實證研究

Loebbecke and Willingham(1988)通過構造舞弊風險識別模型(簡稱L/W模型)判別公司是否具有舞弊的動機和可能#65377;研究表明在3種情況下會計舞弊可能發生，即報表使用者對公司允許發生舞弊的情況進行判斷(C)，要注意管理當局有無舞弊動機(M)，以及管理當局的價值觀，即他們是否故意實施違法行為(A)#65377;此后，Loebbecke#65380;Eining and Willingham (1989)對上述的L/W模型進行了測試研究，也得出了相似的結論#65377;

Persons(1995)運用Stepwise-Logistic方法研究發現:舞弊公司比非舞弊公司有更高的財務杠桿#65380;更低的資本周轉率，其流動資產的比例更高，其中絕大部分是存貨和應收賬款，公司規模通常較小#65377;此外他還發現被SEC采取強制行動的公司中，有大約75%的公司高估應收賬款和存貨，而審計師因存貨而卷入法律訴訟的頻率較其他高出很多#65377;

Beasley(1996)對75家舞弊公司和75家非舞弊公司的董事會特征進行分析，并通過Logit回歸方程檢驗#65377;回歸方程表明外部董事所占比重#65380;外部董事任期長短#65380;外部董事擁有的股權大小和審計委員會的活躍程度等董事會特征在舞弊公司和非舞弊公司之間存在著顯著的差異#65377;

Green and Choi(1997)采用人工神經網絡(ANN)技術構造了建立在原始財務數據基礎上的財務報告舞弊判別模型，并發現這一模型在以隨機樣本為基礎使用時非常有效#65377;

Beneish(1997)以1987-1993年間受到美國證監會處罰的74家公司為樣本，以全部上市公司為對照組，選用了8個在識別造假公司中有重要作用的財務指標，以這8個指標在造假發生當年同前一年的對比指數作為變量，利用Probit判別方法，建立了造假的識別模型#65377;該模型的預測準確率達到75%，并在實際中得到一定程度的運用#65377;

Ch.Spathis(2002)以希臘的38家財務報告舞弊公司和38家非舞弊公司為樣本，采用多標準分析#65380;多變量統計技術進行財務報告舞弊的識別研究#65377;研究結果顯示:多標準判別協助方法勝過傳統用于識別財務報告偽造的統計技術，財務信息的研究對判別財務報告舞弊非常有幫助#65377;

Lin，Hwang and Becker(2002)根據收益指標和收益趨勢構建了基于模糊神經網絡的會計舞弊判定模型，實證結果表明，它可以有效地減少審計師的偏見或彌補審計師的不足#65377;

三#65380;國內財務報告舞弊研究

我國證券市場建立的時間較短，有關財務報告舞弊的研究起步較晚，且受到諸多的影響，但通過國內學者的不懈努力，也取得了較為豐碩的成果#65377;

(一)財務報告舞弊征兆的經驗分析

鄭朝暉(2001)根據遴選出的十大上市公司管理舞弊案的情況，列舉了財務報告舞弊征兆:(1)資本運作和關聯方交易頻繁的上市公司;(2)業績和股價波動厲害的上市公司;(3)IPO以及沒有“三分開”的上市公司;(4)全行業虧損或行業過度競爭的上市公司#65377;

李若山(2002)認為我國上市公司在財務報告舞弊時采用的手段有:虛構交易事實;在會計核算時，采用不恰當的借款費用核算方法#65380;股權投資核算方法，不計或少提折舊;采用不恰當的收入#65380;費用確認方法;隱瞞或不及時披露重大事項;虛擬資產掛賬#65377;

秦榮生(2005)對財務報告舞弊手段做了比較完整的概括，指出常見的手法主要有:過早確認收入，或確認有問題的收入;虛列利潤;利用一次性所得來提高利潤水平;將成本費用列為下期或前期費用;未依法確認負債或少計負債;將本期營業收入轉至下期;將未來的費用轉至本期，確認為特別支出#65377;

王澤霞(2006)通過對會計師事務所的合伙人#65380;審計項目經理#65380;公司財務經理等進行調查統計，分析測試我國上市公司管理舞弊最相關的21個“紅旗”標志，總結篩選出適用于我國的管理舞弊信號#65377;

申草(2006)指出中國上市公司2005年度財務舞弊相對以前，有了新的特征，最大的3個特點是:現金舞弊泛濫;舞弊數量直線攀升;串通舞弊日益深化#65377;

(二)財務報告舞弊識別的實證研究

劉姝威(2002)運用分析性復核的方法，通過閱讀財務報告，進行會計報表靜態分析，分析異常的財務數據和財務指標，趨勢分析和同業比較等步驟發現了藍田股份財務報告舞弊的事實，證實了分析性復核的方法對于發現財務報告舞弊行為有一定的有效性#65377;

劉立國#65380;杜瑩(2003)選取1994–2002年因財務報告舞弊而被證監會處罰的上市公司作為樣本，從股權結構#65380;董事會特征兩方面，對公司治理與財務報告舞弊之間的關系運用Logistic回歸進行了實證分析，研究結果表明，舞弊的上市公司反映出較高的法人股比例#65380;執行董事比例#65380;內部人控制程度#65380;監事會的規模以及較低的流通股比例#65377;

婁權(2004)以被處罰的上市公司作為樣本，同時選取與之配對的 18家上市公司作為控制樣本，進行描述性統計和兩總體均值方差假設T檢驗，建立了Logistic回歸模型#65377;研究結果證明，規模較小和財務狀況惡化的企業容易發生財務報告舞弊，沒有明顯的證據表明高科技行業和受保護行業的企業容易發生財務報告舞弊#65377;

薛躍#65380;韓之俊等(2004)提出可采用數據挖掘技術提高虛假財務報告識別效率，利用數據挖掘的方法論建立相應的規則和算法，并提出解決方案和相應的程序，且以RMTS模型為例說明虛假財務報告識別體系#65377;

劉君#65380;王理平(2006)采用徑向基概率神經網絡為工具，以36家上市公司的財務指標和股本結構指標為建模樣本，并使用檢驗樣本進行預測，經過對樣本的訓練和學習，取得了較高的判正率#65377;

四#65380;文獻評析

由于西方國家資本市場產生時間較長，國外學術界，尤其是美國較多地進行了財務報告舞弊的研究，研究多側重于舞弊公司的特征和可能征兆#65377;鑒于我國證券市場建立的時間較短，限于條件，學者們的研究多集中在經驗分析上，但隨著證券市場的逐步完善和成熟，實證模型研究的成果也在不斷涌現#65377;

此外，在對財務報告舞弊征兆的經驗分析上，國內外學者的研究已逐漸成熟，隨著統計學技術和人工智能方法的發展，財務舞弊報告識別的實證模型研究將會成為研究的主流#65377;

1. 應建立針對某一行業的識別模型

目前的研究主要是針對整個行業的財務舞弊公司建立通用模型，而不同的行業具有不同的財務特征，如制造業上市公司較多采用賒銷來實現主營業務收入，而零售業賒銷的比重較小#65377;國內外學者已提出舞弊的公司顯示出強烈的行業特性，針對某個行業建立行業的識別模型，識別效果會更好一些#65377;

2. 應逐步引入更為精確的人工智能方法

國外對于財務報告舞弊識別的方法有多種，如概率分析方法#65380;L/W模型#65380;Logistic模型#65380;Probit模型#65380;人工神經網絡等#65377;我國在這方面的研究較晚，實證分析的論文并不多見，早期的研究以案例研究#65380;分析性復核等研究為主，后來借鑒了國外的研究成果，建立模型進行識別，運用單因素方差分析#65380;線性概率模型#65380;Logistic回歸模型#65380;人工神經網絡進行識別，其中應用最多的是Logistic回歸模型#65377;較為先進的人工神經網絡模型由于難以理解#65380;黑箱性#65380;模型需要占用大量的數據和練習時間等原因，應用受到很大的限制#65377;

3. 應在模型中逐步引入非財務指標

從研究指標上看，國內外用來建立識別模型的指標不盡一致，沒有統一的標準，這是因為建模識別本來就是一件嘗試性質的工作#65377;文獻中大多運用財務指標，也有選用股權結構#65380;董事會特征等公司治理指標的#65377;已經有學者考慮到與我國證券市場的制度背景有關的因素，如上市公司經營不佳時，可能會被特別處理(ST)，甚至存在退市的威脅#65377;對我國來說，上市公司“殼資源”還是一種珍貴的稀缺資源，因此，公司被ST可能會使上市公司產生舞弊的動機#65377;

主要參考文獻

[1] Albrecht W S，Romney M B. Red-flagging Management Fraud:A Validation [J]. Advance in Accounting，1986(3):323-333.

[2] 劉立國，杜瑩. 公司治理與會計信息質量關系的實證研究[J]. 會計研究，2003(2):29-36.

[3] 李若山，金彧昉，祁新娥. 對當前我國企業舞弊問題的實證調查[J]. 會計研究，2002(2).

[4] 張長海，陳險峰，吳順祥. 舞弊性財務報告識別的實證研究[J]. 美中經濟評論，2005(1).

[5] 謝德仁. 會計信息的真實性與會計規則制定權合約安排[J]. 經濟研究，2000(5):47-51.

[6] 宋傳聯. 對我國上市公司財務報告舞弊信號的審計識別[J]. 財會研究，2005(11):33-34.

[7] 秦江萍，段興民. 中外上市公司會計舞弊動機比較研究[J]. 審計與經濟研究，2005(7).