監管部門對未上市機構會計舞弊的批篩查方法探析
——基于“紅旗標志”、豪斯多夫距離以及模糊理想解逼近法的貼近度排序

方 辰

（中國人民銀行上海總部，上海 200120）

監管部門對未上市機構會計舞弊的批篩查方法探析
——基于“紅旗標志”、豪斯多夫距離以及模糊理想解逼近法的貼近度排序

方 辰

（中國人民銀行上?？偛浚虾?200120）

鑒于未上市的金融機構和涉及金融業務的非金融機構（本文統稱未上市機構），與已經上市的同類機構在維護、穩定金融秩序上具有同等的重要性，因此對未上市機構會計舞弊的可能性同樣必須進行密切關注，考慮到監管部門具備對多個未上市機構同時進行篩查的有利條件，本文提出一種基于“紅旗標志”、豪斯多夫距離（Hausdauff距離）以及模糊理想解逼近法（模糊TOPSIS法）的貼近度排序方法，對未上市機構會計舞弊的可能性進行批篩查，以便對舞弊可能性較大的監管對象實施再審計。算例結果表明，該方法具有較強的分辨能力。

監管；未上市機構；會計舞弊；“紅旗標志”；Hausdauff距離；模糊TOPSIS法

一、引言

本文所稱“未上市機構”系特指未上市的營利性金融機構和涉及金融業務的營利性非金融機構；所稱會計舞弊（又稱財務舞弊或管理舞弊）是被審計單位的管理層、治理層、員工或第三方使用欺騙手段獲取不當或非法利益的故意行為[2]；所稱“紅旗標志”是指可能導致會計舞弊的各種事項、條件、環境壓力、機會或個人特征[3]；所稱“批篩查”系仿照計算機科學的術語“批處理”，表示成批地進行篩查，也即同時對多個未上市機構進行會計舞弊可能性的篩查；所稱“理想解逼近法”（ Technique for Order Preference by Similarity to an Ideal Solution）通常稱為TOPSIS方法，運用于模糊集合時，稱模糊理想解逼近法，即模糊TOPSIS方法。

由于形形色色的借口、各種各樣的壓力以及不難尋找的機會，企業的管理層、治理層、員工以及第三方單獨甚至合謀進行會計舞弊的事件屢見不鮮并且屢禁不止，會計舞弊的定義、性質、特征、后果、誘因、識別、防范以及治理等方面的研究已成為業內的重要課題。由于會計舞弊具有一定的技術性和隱蔽性，舞弊的動機和手段又呈現多樣性和復雜性，識別會計舞弊已成為世界性難題。

國內外對會計舞弊的研究基本上是圍繞上市公司展開的，較少涉及未上市機構。鑒于未上市的營利性金融機構和涉及金融業務的營利性非金融機構與已經上市的同類公司，具有相同的行業特殊性，在經濟運行和社會穩定中具有同等的重要地位，因此對會計舞弊的研究應該擴展到未上市的營利性金融機構和涉及金融業務的營利性非金融機構。

從現行的制度安排及運作慣例看，防范未上市機構的會計舞弊，除了行業自律和社會監督外，主要是三個環節：企業自律、會計師事務所審計以及政府監管。防范會計舞弊的責任主體應該是企業的管理層和治理層；識別會計舞弊的關鍵環節是會計師事務所的實質性審計，但政府監管絕對不能不到位，更不能缺位。由于監管部門的人員較少，政府監管在操作層面只能表現為定期或不定期篩查。由于監管部門可以在全部監管對象的當期財報送達并走訪被監管機構后進行篩查，因此可以同時對多個，甚至全部監管對象進行篩查，這就是本文所稱的批篩查。由于未上市機構不需公開披露信息，因此只有監管部門才具備這種批篩查的條件。批篩查將提高監管效率。本文旨在探索一種適用于監管部門進行批篩查的方法，以便對篩出的舞弊可能性較大的監管對象進行再審計。監管部門的批篩查可以采用基于統計學方法的定量分析，也可以采用定性分析。但未上市機構 “貧信息，小樣本” 的特征，決定了只能采用定性分析。

基于“紅旗標志”、 Hausdauff距離以及模糊TOPSIS法的貼近度排序的定性分析方法，是一種適用于監管部門進行批篩查的有效方法。

二、關于“紅旗標志”、模糊TOPSIS法和Hausdauff距離

1.國外Glen,Lawrence和Michael曾采用問卷調查的方法對使用“紅旗標志” 識別會計舞弊的有效性進行了研究。結果表明：31% 的調查對象認為使用“紅旗標志” 識別會計舞弊非常有效；39% 的調查對象認為使用“紅旗標志” 識別會計舞弊起到了一些作用，只有10%的調查對象認為使用“紅旗標志” 識別會計舞弊無效[1]。因此，使用“紅旗標志” 識別會計舞弊具有一定的可行性。本文采用王澤霞，梅偉林在《中國上市公司管理舞弊重要紅旗標志之實證研究》[4]一文中歸納的我國上市公司管理舞弊的五類重要“紅旗標志”及其具體內容，作為評估各類“紅旗標志”導致會計舞弊可能性大小的分類特征及細分標志。鑒于本文探討的方法用于未上市機構，因而刪去了與上市公司相關的一些內容，同時增加了一些未上市機構的內容。調整后“紅旗標志”的分類特征及細分標志為：

第1類“紅旗標志”——融資、個人利益、誠信等特征；

包括企業當局急于上市募集資金；在上市時爭取有關利益主體滿意的發行價格最大限度獲得資金；企業面臨籌資壓力(借款、償債等壓力) ；財務及其他經營目標不能夠達到；管理當局缺乏誠信；頻繁更換事務所或與CPA關系異常；管理者個人利益(薪酬與經營成果掛鉤)。

第2類“紅旗標志”——公司治理結構缺陷；

包括大股東操縱董事會；高級管理人員頻繁更換；組織結構過于復雜。

第3類“紅旗標志”——內部控制薄弱；

包括管理當局逾越內部控制；內部控制設計不科學；會計、內部審計等人員變動頻繁。

第4類“紅旗標志”——市場競爭激烈等行業狀況；

包括行業競爭激烈、市場飽和、主營業務毛利率持續下降、經營失敗可能性加大；新頒布的法規對行業財務狀況等產生不利影響；特殊的行業(科技含量高等)。

第5類“紅旗標志”——財務穩定性；

包括特殊交易業務(重大內部關聯交易,未完成手續交易等) ；經營性虧損；獲利能力過高或增長速度過快；現金流量凈額為負值；主營業務不突出；有爭議的會計事項。

2.美國著名控制論專家L.A.Zadeh創立的模糊數學，被認為是現代數學史上的一次革命。模糊數學提供了使用數學語言描述模糊事物和現象的工具。TOPSIS法由C.L.Hwang和K.Yoon于1981年首次提出。TOPSIS法根據有限個評估對象與理想化目標的接近程度進行排序。模糊TOPSIS法作為模糊多屬性決策的方法之一，集合使用了模糊數學和TOPSIS法兩種工具，其實質是選擇盡可能接近理想解，或者盡可能遠離負理想解，或者在理想解和負理想解之間選擇一個相對滿意的方案。我們可以在由各類“紅旗標志”導致會計舞弊的加權可能性評估值（合成了權重的可能性評估值）中找出模糊極大值和模糊極小值，并以這些極大值和極小值構造一個舞弊可能性較大的本文所稱的“理想解”和舞弊可能性較小的本文所稱的“負理想解”，然后計算某監管對象與“理想解”以及“負理想解”之間的距離，從而得出某監管對象的貼近度，并根據貼近度的大小排序篩選出隱含會計舞弊可能性相對較大的監管對象。通常情況下，當屬性為成本型時采用極小值構造理想解、采用極大值構造負理想解。會計舞弊可能性的評估值屬于成本型（即越大越不好），理應采用極小值構造理想解、采用極大值構造負理想解?？紤]到本方法的目標是篩出會計舞弊可能性較大的對象進行再審計，所以仍然采用極大值構造理想解，只是加上了引號，變成了“理想解”和“負理想解”。此外，由于經典多屬性決策中的海明距離和歐幾里德距離及其貼近度對很多集合分辨率不高。因此本文采用Hausdauff距離。

因此，本文借用基于Hausdauff距離的模糊TOPSIS法，作為成批篩查舞弊可能性較大的監管對象的方法。該方法一般用于模糊多屬性決策，所謂決策是對事物的評價選擇，通常情況下是選優，本文采用的是逆向篩劣；所謂模糊多屬性是用模糊數表示的伴隨該事物的多個特點、性質、因素或效能，本文則表示為以模糊數表示的多個（5類）“紅旗標志” 導致會計舞弊的可能性評估值。

三、基于Hausdauff距離的模糊TOPSIS法簡介

3.由各類“紅旗標志” 導致會計舞弊的加權可能性評估值的模糊極大值和模糊極小值確定模糊“理想解”和模糊“負理想解”

式（4）中：

式（5）中：

5.計算各機構基于Hausdauff距離的貼近度

四、算例

1.假定對5個監管對象進行批篩查。監管人員對這5個監管對象就每類“紅旗標志”導致會計舞弊的可能性進行評估，評估語言匯總后見表1。

2.將評估語言按表2轉換成一般梯形模糊數。用一般梯形模糊數表示的，監管人員對5個監管對象就每類“紅旗標志”導致會計舞弊可能性的評估值見表3。

表1 舞弊可能性的評估值（語言表達）

表2 評估語言轉換表

表3 舞弊可能性的評估值（一般梯形模糊數）

4.將一般梯形模糊數轉換成L-R型梯形模糊數，并列出用L-R型梯形模糊數表示的舞弊可能性矩陣及權重矩陣

梯形模糊數轉換公式為：

5.按照Bonissone近似計算法，計算舞弊可能性矩陣與權重矩陣的合成矩陣（即模糊積）

同理

即：會計舞弊可能性最大的是監管對象5，其次為3、4、2，舞弊可能性最小的是監管對象1。

五、小結

1.采用基于“紅旗標志”、Hausdauff距離以及模糊TOPSIS法的貼近度排序方法，可以對未上市機構會計舞弊的可能性進行批篩查, 盡管計算工作量較大，但分辨能力較強。采用Excel進行貼近度計算，將提高工作效率。

2.本文探索的方法，前部是基于“紅旗標志”的類似“德爾菲法”的主觀定性方法，后續是定量的基于Hausdauff距離的模糊TOPSIS法，由于起始輸入的是監管人員主觀的評估語言，因此本法帶有一定的主觀色彩。然而，舞弊的“冰山理論”認為，審計人員要用直覺來分析，以便挖掘人性方面的舞弊風險，因此源于職業直覺和經驗積淀的主觀評估仍是不可或缺的。

3.本文探索的是一種定性分析方法，沒有“假設——樣本數據——檢驗”環節，不屬于實證研究，因此只能以算例予以演示，不能以實例予以驗證。

[1]Glen D.Moyes,Lawrence P.Shao,and Michael Newsome,2009. Analyzing The Effectiveness of Red Flags to Detect Fraudulent Reporting [J],Journal of Academy of Business and Economics,Volume 9,Number 1:34-43

[2]中國注冊會計師審計準則第1141號——財務報表審計中對舞弊的考慮．中國注冊會計師協會，2006.2

[3]孫青霞，韓傳模.會計舞弊識別研究經典文獻導讀[M].北京：經濟科學出版社，2012.2

[4]王澤霞，梅偉林.中國上市公司管理舞弊重要紅旗標志之實證研究[J].杭州電子科技大學學報(社會科學版),2006,2(3):57-64

[5]侯志東,吳祈宗.基于Hausdauff度量的模糊TOPSIS方法研究[J]. 數學的實踐與認識,2005，35(3):233-237

[6]彭展聲,李榮鈞.模糊多屬性決策的投影折衷方法[J].模糊系統與數學,2006,20(4):86-90

[7]李榮鈞.模糊多準則決策理論與應用[M].北京:科學出版社,2002:138-198

Mass Screening of Unlisted Institutions＇ Accounting Fraud by Regulators --Closeness Degree Ordering Based on Red flags, Hausdorff Distance and Fussy TOPSIS

FANG Chen

Since the unlisted fi nancial institutions and non-fi nancial institutions which participate in fi nancial services have the equal importance with listed peers on stabilizing the financial order, unlisted institutions’ accounting fraud possibility must be fi rmly watched as well. Considering the regulators have the capability to mass screen multi unlisted institution simultaneously, the article presents a closeness degree ordering method based on Red flags, Hausdorff Distance and Fussy TOPSIS. With this method, regulators can mass screen the accounting fraud possibility of unlisted institutions, in order to re-audit those have bigger possibility of accounting fraud. Case studies shows, the method has strong discernibility.

Regulator; Unlisted Institution; Accounting Fraud; Red fl ags; Hausdorff Distance; Fussy TOPSIS

F832

A

1009 - 3109（2014）07-0010-06

（責任編輯：何昆燁）

方辰，女，漢族，碩士，中國人民銀行上?？偛俊?/p>