非財務信息分析及風險識別應用
——基于因財務造假受到處罰的A股上市公司

韓世強

（泰國格樂大學，曼谷 10220）

一、引言

上市公司財務造假問題的有效治理，一方面需要監(jiān)管部門加強監(jiān)管，增大處罰力度；另一方面也需要投資者、審計機構(gòu)和人員提高識別財務造假的能力。本研究以九個非財務信息的分析為例，對非財務信息進行量化，嘗試建立評價框架，用兩個財務造假公司的實例進行驗證，力爭能夠為上市公司財務造假識別體系的構(gòu)建提供幫助。

二、分析數(shù)據(jù)的來源及相關處理

財務造假違規(guī)企業(yè)通過查詢國泰安CSMAR金融經(jīng)濟研究數(shù)據(jù)庫違規(guī)信息總表獲得。查詢數(shù)據(jù)庫最早時間1994年10月20至2022年03月31日的數(shù)據(jù)，共得到13957條記錄。經(jīng)篩選，剔除重復等數(shù)據(jù)后篩選出因采用虛增利潤、虛構(gòu)資產(chǎn)方式實施財務造假而受到處罰的上市公司289家。全部A股信息通過CHOICE金融終端查詢截止至2022年3月31日全部A股上市公司以及已摘牌公司獲得，共4918家。下文中違規(guī)同財務造假。

三、財務造假的非財務特征分析

（一）上市交易所

4918家公司中有深圳證券交易所2687家，上海證券交易所2142家，北京證券交易所89家；違規(guī)公司289家中深圳證券交易所占167家，上海證券交易所122家，北京證券交易所由于成立時間較短，目前尚未發(fā)現(xiàn)違規(guī)公司。深圳證券交易所違規(guī)公司占比為6.22%，上海證券交易所違規(guī)公司占比為5.70%，A股市場整體的違規(guī)公司占比為5.88%。

從分析結(jié)果可以看出，在深圳證券交易所上市公司與上海證券交易所上市公司違規(guī)比例不存在太大的差異，上市地點的不同不宜作為衡量公司財務造假風險的非財務特征指標使用。但是，A股市場整體的違規(guī)公司占比，代表了整個市場財務造假的概率水平，可以作為判斷后面其他信息分析結(jié)果是否適宜作為財務造假的特征的標準，同時作為構(gòu)建非財務信息分析及風險識別中量化指標體系的基礎。

（二）注冊地所在省份（地區(qū)）

按照注冊地所在省份（地區(qū)）進行4918家公司與289家違規(guī)公司分類統(tǒng)計，對違規(guī)公司占各省份（地區(qū)）上市公司總數(shù)的比例進行分析，分析結(jié)果顯示違規(guī)公司占比在0%-18.75%之間，有18個省份違規(guī)公司占比超過了A股市場整體的違規(guī)水平（詳見表1）。

表1 超出市場整體違規(guī)水平省份

從分析結(jié)果可以看出，以注冊地所在省份（地區(qū)）為區(qū)分，不同省份（地區(qū)）公司的違規(guī)比例具有較大的差異，注冊地省份（地區(qū)）可以作為衡量公司財務造假風險的非財務特征指標使用。

（三）公司組織形式分析

按照公司組織形式進行4918家公司與違規(guī)的289家公司分類統(tǒng)計，對違規(guī)公司占各公司組織形式上市公司總數(shù)的比例進行分析，其結(jié)果顯示違規(guī)公司占比在0%-8.33%之間，有兩種組織形式的違規(guī)公司占比超過了A股市場整體的違規(guī)水平（詳見表2）。

表2 各組織形式違規(guī)公司情況

從分析結(jié)果可以看出，以公司組織形式為區(qū)分，不同公司組織形式的違規(guī)比例存在一定的差異，公司組織形式可以作為衡量公司財務造假風險的非財務特征指標使用。

（四）實控人類型

按照實控人類型進行4918家公司與違規(guī)的289家公司分類統(tǒng)計，對違規(guī)公司占各實控人類型上市公司總數(shù)的比例進行分析，分析結(jié)果顯示違規(guī)公司占比在0%-100%之間，有12種實控人類型的違規(guī)公司占比超過了A股市場整體的違規(guī)水平（詳見表3），其中實際控制人類型為證券公司、其他國家機構(gòu)及社會團體、國務院部委管理的國家局的違規(guī)公司占比超過了50%，出現(xiàn)這種情況的原因可能是實控人為該類型的公司少導致的。

表3 各實控人類型的違規(guī)公司情況

從分析結(jié)果可以看出，以實控人類型為區(qū)分，不同實控人類型的違規(guī)比例存在較大的差異，實控人類型可以作為衡量公司財務造假風險的非財務特征指標使用。排除實際控制人類型為證券公司、其他國家機構(gòu)及社會團體、國務院部委管理的國家局等三類可能是實控人為該類型的公司少導致違規(guī)公司占比超過了50%的情況。

（五）注冊資本規(guī)模

按照注冊資本規(guī)模進行4918家公司與違規(guī)的289家公司分類統(tǒng)計，對違規(guī)公司占各注冊資本規(guī)模上市公司總數(shù)的比例進行分析，分析結(jié)果顯示違規(guī)公司占比在0.23%-8.35%之間，有2類注冊資本規(guī)模的違規(guī)公司占比超過了A股市場整體的違規(guī)水平（見表4）。

表4 各注冊資本規(guī)模的違規(guī)公司情況

從分析結(jié)果可以看出，以注冊資本規(guī)模為區(qū)分，不同注冊資本規(guī)模的違規(guī)比例存在一定的差異，注冊資本規(guī)模可以作為衡量公司財務造假風險的非財務特征指標使用。

（六）第一大股東持股比例

按照第一大股東持股比例進行4918家公司與違規(guī)的289家公司分類統(tǒng)計，對違規(guī)公司占按各類第一大股東持股比例分類上市公司總數(shù)的比例進行分析，分析結(jié)果顯示違規(guī)公司占比在3.42%-10.56%之間，有三類持股比例的違規(guī)公司占比超過了A股市場整體的違規(guī)水平（見表5）。

表5 各大股東持股比例的違規(guī)公司情況

從分析結(jié)果可以看出，以第一大股東持股比例情況為區(qū)分，不同第一大股東持股比例的違規(guī)比例存在一定的差異，第一大股東持股比例情況可以作為衡量公司財務造假風險的非財務特征指標使用。

（七）行業(yè)類型

按照GICS行業(yè)3級行業(yè)劃分進行4918家公司與違規(guī)的289家公司分類統(tǒng)計，對違規(guī)公司占按行業(yè)分類上市公司總數(shù)的比例進行分析，分析結(jié)果顯示違規(guī)公司占比在0%-66.67%之間，有29個行業(yè)的違規(guī)公司占比超過了A股市場整體的違規(guī)水平（見表6）。

表6 各行業(yè)的違規(guī)公司情況

從分析結(jié)果可以看出，以行業(yè)為區(qū)分，不同行業(yè)的違規(guī)比例具有較大差異，行業(yè)可以作為衡量公司財務造假風險的非財務特征指標使用。

（八）大股東是否減持

按照大股東是否減持對違規(guī)的289家公司統(tǒng)計，統(tǒng)計結(jié)果顯示大股東有減持的違規(guī)公司有230家，占比80%；大股東無減持的公司59家，占比20%。違規(guī)公司中大股東進行了減持操作的比例遠高于大股東未進行減持操作的比例。

分析結(jié)果的意義：大股東出現(xiàn)減持意味大股東有資金需求、有更好的投資機會、不看好企業(yè)的前景等，大股東與普通投資者、審計師的信息是不對等的，大股東掌握的公司信息不止于對外披露的信息，信息掌握程度遠高于普通投資者和注冊會計師。

（九）機構(gòu)席位上龍虎榜情況

市場平均上榜次數(shù)為33次，289家違規(guī)公司中超過33次的有114家，占比39%；低于33次的有175家，占比61%，低于平均上榜次數(shù)的違規(guī)公司遠多于平均上榜次數(shù)的違規(guī)公司。

分析結(jié)果的意義在于：機構(gòu)的專業(yè)性、掌握信息的程度相對于一般投資者都具有優(yōu)勢，機構(gòu)席位上榜在一定程度上反映了機構(gòu)對個股的態(tài)度與參與程度，有相當程度的參考性。

四、非財務信息量化及應用

本次共分析了九項非財務信息，擬以A股市場平均違規(guī)比例5.88%作為衡量財務造假的特征的標準和風險識別中量化指標體系的基礎。另外八項特征分為弱指標和強指標兩類，其中最高違規(guī)比例達到標準2倍以上的為強指標，其他不涉及違規(guī)比例和最高違規(guī)比例達到標準不到2倍的為弱指標。特征量化中涉及區(qū)間的，下限含數(shù)值本身，上限不含數(shù)值本身。具體的指標量化如下：

（一）各指標量化標準

1.注冊地所在省份（地區(qū)）特征量化。以A股市場整體的違規(guī)水平5.88%為標準衡量，違規(guī)比例最高的省份達到了標準的3.19倍，違規(guī)企業(yè)的地域特征明顯。本特征可以構(gòu)建非財務信息分析風險識別中量化指標體系中的強指標，具體應用為按省份（地區(qū)）違規(guī)比與衡量標準的倍數(shù)賦分，1.1（不含）倍以下0分；1.1倍-2倍1分；2倍-3倍2分；3倍-4倍3分，以此類推。

2.公司組織形式特征量化。以市場整體的違規(guī)水平衡量，違規(guī)比例最高的組織形式為1.42倍，組織形式在一定程度上反映公司違規(guī)概率。本特征可以作為非財務信息分析風險識別量化指標體系中的弱指標。分別按各組織形式企業(yè)違規(guī)比例是否超過標準量化賦分：1.1（不含）倍以下0分；1.1倍-2倍1分；以此類推。

3.實控人類型特征量化。以市場整體的違規(guī)水平衡量，違規(guī)比例最高的實控人類型為4.64倍，違規(guī)企業(yè)比例在不同類型實際控制人之間的差異明顯。本特征可以作為非財務信息分析風險識別量化指標體系中的強指標。按實控人類型違規(guī)比與衡量標準的倍數(shù)賦分：1.1（不含）倍以下0分；1.1倍-2倍1分；2倍-3倍2分；3倍-4倍3分；4倍-5倍4分；以此類推。同時，要對實控人類型為證券公司、其他國家機構(gòu)及社會團體、國務院部委管理的國家局等三類的公司予以特別關注。

4.注冊資本規(guī)模特征量化。以市場整體的違規(guī)水平衡量，違規(guī)比例最高的注冊資本規(guī)模為1.42倍，注冊資本規(guī)模在一定程度上反映了公司違規(guī)概率。本特征可以作為非財務信息分析風險識別量化指標體系中的弱指標。按各注冊資本規(guī)模違規(guī)比例是否超過標準量化賦分：1.1（不含）倍以下0分；1.1倍-2倍1分；以此類推。

5.第一大股東持股比例特征量化。以市場整體的違規(guī)水平衡量，違規(guī)比例第一大股東持股10%及以下為1.8倍，第一大股東持股比例情況在一定程度上反映公司違規(guī)概率。本特征可以作為非財務信息分析風險識別量化指標體系中的弱指標。分別按第一大股東持股比例情況對應違規(guī)比例是否超過標準量化賦分：1.1（不含）倍以下0分；1.1倍-2倍1分；以此類推。

6.行業(yè)類型特征量化。以市場整體的違規(guī)水平衡量，違規(guī)比例最高的行業(yè)為11.34倍，行業(yè)在一定程度上反映公司違規(guī)概率。本特征可以作為非財務信息分析風險識別量化指標體系中的強指標。分別按行業(yè)對應違規(guī)比例是否超過標準量化賦分：1.1（不含）倍以下0分；1.1倍-2倍1分；2倍-3倍2分；3倍-4倍3分；4倍-5倍4分；以此類推。

7.大股東是否減持特征量化。數(shù)據(jù)顯示：80%的違規(guī)公司均出現(xiàn)了大股東減持現(xiàn)象，大股東減持特征可以作為非財務信息分析風險識別量化指標體系中的弱指標。按是否存在大股東減持量化賦分：有減持1分，無減持0分。

8.機構(gòu)席位上龍虎榜情況特征量化。機構(gòu)席位上龍虎榜情況可以作為非財務信息分析風險識別量化指標體系中的弱指標。按上榜次數(shù)是否超過市場平均上榜次數(shù)賦分：低于市場平均上榜次數(shù)1分，高于市場平均上榜次數(shù)0分。

（二）風險識別標準設置

擬設置的風險識別標準：弱指標3分以上；弱指標與強指標合計分數(shù)4分以上。滿足任意一項均表示有較大的舞弊風險。

（三）作用及意義

為非財務信息分析提供一個量化的分析評價框架和標準，可以作為輔助識別公司造假風險識別，可為審計機構(gòu)進行審計初步業(yè)務活動時判斷企業(yè)財務造假風險提供輔助，也可以作為財務造假風險識別體系的一部分，結(jié)合其他指標，例如，各類財務指標和市場交易指標等，構(gòu)建完備的財務造假風險分析、識別系統(tǒng)。可同時為不具備財務分析能力的普通投資者對擬投資的上市公司有可能存在的風險進行量化參考。

（四）對識別指標體系的實例驗證

以典型違法案例中的廣州浪奇、龍力生物為例來驗證風險識別指標體系。廣州浪奇，注冊地省份為廣東、實控人為地方政府國有資產(chǎn)管理機構(gòu)、行業(yè)為醫(yī)療保健設備與用品、組織形式為地方國有企業(yè)、注冊資本大于10億、第一大股東持股比例10%-20%、大股東有減持行為、機構(gòu)席位上龍虎榜次數(shù)在平均數(shù)以上。龍力生物，注冊地省份山東、實控人為個人、行業(yè)為食品、組織形式為民營、注冊資本3-10億、第一大股東持股比例10%-20%、大股東有減持行為、機構(gòu)席位上龍虎榜次數(shù)為平均數(shù)以下，評價賦分見表7。

表7 評價賦分表

可以看出，根據(jù)賦分結(jié)果和設置的標準，能夠得出兩家公司存在財務造假風險的提示。指標和非財務信息財務造假風險識別體系是有效的。

本研究僅分析了九個方面的非財務信息并據(jù)此構(gòu)建財務造假風險指標和量化評價框架，存在指標少、不完善的問題，下一步還需要繼續(xù)添加大股東股份質(zhì)押、上市時間等數(shù)據(jù)豐富指標體系，以更好地進行非財務信息的量化分析。非財務信息的量化分析評價框架經(jīng)過逐步完善，可為審計機構(gòu)進行審計初步業(yè)務活動時判斷企業(yè)財務造假風險提供輔助，也可以作為財務造假風險識別體系的一部分，結(jié)合財務指標等其他指標，構(gòu)建完備的財務造假風險分析、預測系統(tǒng)，以準確、高效、系統(tǒng)、整體地進行財務造假風險識別。