企業財務舞弊跡象數據挖掘的審計模型研究

李夢可 高雪玉 唐儷婷

摘要：目前我國經濟體制還在不斷完善，但尚不健全，導致大量上市公司發生舞弊事件。財務舞弊不僅給投資者帶來了損失，且嚴重危害經濟市場的健康發展。因此如何識別舞弊，抑制舞弊是審計的重要問題。文章從國泰安數據庫選取了2010～2018年間舞弊的135家上市公司，并根據配對原則選取了135家非舞弊公司，構建非財務數據間、財務數據間、財務數據與非財務數據間的舞弊跡象審計模型，最后將搜集的數據導入構建的模型中，檢驗模型發現舞弊的靈敏性。

關鍵詞：財務舞弊;數據挖掘;審計模型

一、研究理論和內容

（一）財務舞弊相關概念

國際審計準則將舞弊定義為管理部門、治理部門、雇員或第三方中的單人或多人，故意通過欺騙獲取不公正或非法利益的行為。AICPI（美國注冊會計師協會）對舞弊的定義是：公司故意篡改或隱瞞應當在財務報告中披露的重大事項，這種行為被稱為是欺詐性的財務舞弊。我國《獨立審計具體準則第8號——錯誤與舞弊》中對舞弊的定義是：舞弊是指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。

盡管各國對財務舞弊的定義都略有不同，但都體現出舞弊的特點：是故意行為、使用欺騙手段、獲取不正當利益。舞弊是現代經濟社會中的一個“毒瘤”，其發生比較普遍。

（二）財務舞弊常見手段

1. 使用會計處理造假。真帳假算、假賬真做、無中生有、有中藏無、錯誤的會計估計。

2. 利用會計政策、會計期間舞弊。利用會計政策可選擇性、推遲或提前確認交易。

3. 造假財務指標，企業粉飾各種財務指標。

（三）國內外財務舞弊識別模型

在美國W. Steve Albrecht 博士《舞弊檢查》一書中把舞弊跡象分為六大類：一是會計異常;二是內部控制缺陷;三是分析性異常跡象;四是奢侈的生活方式;五是反常的行為;六是舉報和投訴。國內也有學者提出從管理層或內部控制的角度搜尋舞弊預警。本文結合國內外研究者對預警的研究，總結出以下幾個方面。

1. 通過財務指標的異常，識別財務舞弊

（1）應收賬款周轉指數、應收賬款變動指數：如果企業通過應收賬款的方式虛構收入或提前確認收入，是不能將其轉換成現金的。為了掩蓋造假現象，便會產生大量難以收回的應收賬款。此時應收賬款的周轉率會超過收入的增長速度，說明企業有虛構收入的舞弊風險。

（2）毛利率指數：正常情況下，毛利率高于同行業公司，說明產品競爭力強，但此時如果其他數據與其沖突，比如下游行業是負增長、應收賬款持續增長等，便說明企業毛利率出現異常，可能有舞弊風險;若企業毛利率增長異常平穩，無視經濟周期、經濟宏觀環境的影響，企業亦會存在發生舞弊的可能。

2. 交易或會計處理不適當

（1）銷售業務處理不當：通過分析財報、帳套觀察到銷售價格、成本過低、現金或商業折扣過高，庫存減少量和主營業務成本不對等等現象，意味著企業極有可能出現舞弊風險。

（2）負債、費用處理不當：通過持續觀察企業期后事項發現，下一年度支付的（并非下年度發生的）負債本金或利息，并沒有反映在本期資產負債表上;通過檢查倉庫記錄發現，期末登記在記錄上的存貨并沒有相關的采購記錄或銷售采購發票。這些跡象都表明企業可能存在財務舞弊。

3. 內部控制存在缺陷

企業內部控制存在缺陷，便會給舞弊人員提供機會，使其有空間、時間進行舞弊操作。比如企業會計、內審、信息技術人員不能勝任而頻繁更換;管理層由一人或極少數人控制。

（四）數據挖掘和模型構建

1. 相關性檢測

（1）KMO（Kaiser-Meyer-Olkin）檢驗：是用于比較變量間簡單相關系數和偏相關系數的指標。主要應用于多元統計的因子分析。KMO統計量的取值在0和1之間。KMO值越接近于1，變量間的相關性越強，原有變量越適合作因子分析;KMO值越接近于0，變量間的相關性越弱，原有變量越不適合作因子分析。

（2）Bartlett檢驗（巴特利特球形檢驗）：一般在做因子分析之前都要進行巴特利特球形檢驗，用于判斷變量是否適合用于做因子分析。巴特利特球形檢驗的統計量是根據相關系數矩陣的行列式得到的。如果該值較大，則原始變量之間存在相關性，適合于作因子分析。相反不適合作因子分析。

2. 因子分析法

因子分析法是從研究變量內部相關的依賴關系出發，把一些具有錯綜復雜關系的變量歸結為少數幾個綜合因子的一種多變量統計分析方法。它的基本思想是將觀測變量進行分類，將相關性較高，即聯系比較緊密的分在同一類中，而不同類變量之間的相關性則較低，那么每一類變量實際上就代表了一個基本結構，即公共因子。對于所研究的問題就是試圖用最少個數的公共因子的線性函數與特殊因子之和來描述原來觀測的每一分量。

二、樣本數據的選取和模型的構建

（一）樣本數據的選取——上市公司的選取

本文以我國境內上市公司2010年1月1日至2018年9月30日發行的財務數據報告為研究對象，數據來源于國泰安數據庫（CSMAR：http：//www.gtarsc.com），從中我們篩選了違規處理的上市公司。篩選的財務舞弊違規類型如表1所述主要有11種。

為了保證樣本的質量，本文進一步對初選的樣本數據進行篩選，剔除了數據缺失的公司，重點保留了第一次或連續三年及以上發生舞弊的公司。按照配比原則選取了對應的非舞弊公司，配比原則考慮的主要因素是，配對公司在當年沒有舞弊行為，配對公司和舞弊公司上市地點同為深市或滬市，配對公司和舞弊公司屬于同一行業，配對公司與舞弊公司資產規模相當。最終篩選完配對公司后，為了數據質量，本文對樣本數據又進行了相同原則的篩選。

通過以上搜集分析，本文最終確定了135家舞弊上市公司和對應的135家非舞弊上市公司共472行數據。

（二）模型的構建

1. 財務舞弊影響因素分析

（1）非財務指標：根據所學知識和大量相關文獻分析，結合舞弊動因理論的考慮，分析出影響舞弊的非財務指標主要有如表2所述。

股權結構：鑒于國有股的嚴格性和影響重要性，是否有國有股及國有股占比多大將會影響公司財務舞弊。

治理機制：監督職能是董事會的基本職能之一，獨立董事的職責是監督財務報告的真實性，防止大股東侵犯小股東或公司的利益。

高管背景：高管的年齡代表了經驗積累和風險偏好，經驗積累能為決策提供更多依據，風險偏好也直接影響行為的傾向;男女高管在管理風格、風險偏好、價值取向上存在不同，在決策過程中也會出現不同的行為傾向;學歷代表了高管的認知水平、學習能力。

審計：外部審計的審計意見會影響舞弊，如出具非無保留意見可能會對上市公司產生壓力。內部審計在單位內部會計監督制度中有著重要作用。

根據上述指標我們查詢了一些樣本數據的上市公司年報，得出相關數據。

（2）財務指標：由舞弊動因理論和專業知識，分析影響上市公司財務指標主要如表3所示。

2. 模型構建

（1）非財務數據舞弊跡象模型。？譹？訛股權結構：法人股占股比例和財務舞弊呈正相關。

治理機制：董事會規模和舞弊呈負相關，獨立董事占比與財務舞弊呈負相關。

高管背景：高管的年齡和舞弊呈負相關，男性所占比例與舞弊呈正相關，學歷高低與舞弊呈負相關。

審計：外部審計的審計意見越是不好，舞弊的可能性越大。內部審計的獨立性越強，其監督能力越強，可以有效預防和發現會計差錯，舞弊的可能性越小。

（2）財務數據間勾稽關系的舞弊跡象審計模型。根據統計學知識，為了得出影響財務舞弊的財務指標，運用線性回歸方程知識。即運用多因素多項變量分析，運用因子分析法得出影響財務狀況的各個財務指標所占的權重。

在分析前剔除了各項指標中顯著較大值和顯著較小值，避免影響結論的普遍性。

相關性分析。要得出線性函數方程式，就要分析各因素之間的相關性，運用KMO和Bartlett檢驗，通過SPSS軟件進行降維分析檢驗了指標間的相關性。在不斷地通過相關性檢驗并剔除一些不相關財務指標后，我們最終得到如表4所示。

得到的最終11項財務指標如表5所示。

因子分析。本文運用SPSS軟件中的因子分析，將數據導入軟件，分析得出結果如表5所示。

從表5中明顯看出成分1、2、3、4、5分別是償債能力、發展能力、經營能力、風險、盈利能力。分別用表示各個財務指標，F表示各個因子。

則可得因子分析式：

F償債能力=0.960×X1+0.958×X2+...-0.324×X5+......

F發展能力=......+0.721×X3+0.717×X4+......

F經營能力=......-0.661×X6+......-0.303×X11+

F風險=......+0.477X7+0.702×X8+......

F盈利能力=......+0.359×X9+0.730×X10+......

在分析F值時，本文利用了樣本數據的均值，分析結果如表7所示。

在分析數據時剔除了顯著異常的數據，所以該模型的普遍性增強，因為對于顯著異常的數據即使沒有審計模型的檢驗，投資者也會注意到并給予高度關注。對于普遍數據的分析如下。

一是償債能力。若得出-0.390

二是發展能力。若得出F<1.991，則說明該企業在償債能力方面有60%的可能性發生了舞弊;若得出2.613

三是經營能力。若得出F<-9.053，則說明該企業在盈利能力方面有50%的可能性發生了舞弊;若得出-8.561

四是風險。若得出F<4.073，則說明該企業有65%的可能性發生了舞弊;若得出向4.128

五是盈利能力。若得出8.820

由此可見，所構建的模型中檢測真實性最高的是發展能力和盈利能力，所以投資者對于此模型可更多依賴于對發展能力和盈利能力數據的檢驗，通過這兩個指標來判斷企業是否有財務舞弊。

對于沒有證據性證明的指標，投資者需要做出更多的努力來幫助自己做出投資決策，投資者可以咨詢企業、相關投資機構，或者是在網上搜集相關資料;對于財務舞弊或非舞弊可能性在50%的指標，投資者仍然需要做出相關工作幫助自己決定投資與否;對于財務舞弊或非舞弊可能性在80%的指標，雖然可能性增大，但并不是絕對說明，還需要投資者的咨詢和調查;需要說明的是不管結果如何，都不能提供絕對的保證來證明企業是否發生了財務舞弊，投資者仍然需要找到充分的證據和說明來做出理性的判斷。

（3）財務數據和非財務數據對應關系的舞弊跡象審計模型。

對于財務數據和非財務數據的關系，我們主要依據定性分析。非財務數據是從公司組織結構和組成來說明，財務數據是具體的數據說明。定性的非財務數據會影響量化的財務數據。

若法人股占比少，董事會規模小，高管的平均年齡較小，且男性高管更多，學歷普遍偏低，則企業在會計制度方面會不夠完善，會計系統上會有缺陷，從而為財務舞弊增加了機會和借口?？赡軙е聲嬋藛T做假賬，內部人員串通舞弊，從而導致財務數據失真。非財務數據可以通過建立績效指數指標來與財務信息進行比較?？冃е笜司褪歉鶕藴蕯祿o企業的實際數據來打分，以標準數據為基準，據此來判斷實際與理論的偏差，并根據偏差來判斷是否有舞弊。

三、模型評估和檢驗

（一）模型的評估

在理論上，模型有一定的可行性，且理論基礎堅固。對于數據挖掘，從國泰安數據庫中搜集大量數據，最終確定135家舞弊和對應的135家廢物逼境內上市公司。在數據質量上，不斷篩選分析，確定最終472行數據后。在建模時，運用SPSS軟件進行數據間的相關性分析，根據得出的KMO值和P值來判斷相關性，根據因子分析法將所選指標進行因子分析得出公式。

在得出模型后，利用樣本數據進行比例分析，得出舞弊或非舞弊發生的可能性，得出了模型具有一定實用性的結論。

（二）模型的檢驗

對于得出的模型，從國泰安查找了一些舞弊公司和非舞弊公司，代入上述公式后，最終檢驗結果和分析一致。

四、結論與展望

（一）結論

通過查閱大量文獻和資料并且詢問老師，進行理論分析、數據分析、實際操作，最終得出了上市公司舞弊與否的審計模型，且該模型具有一定的實用性。雖然得出的結論并不是絕對的保證，但這仍然是一個可供參考的模型。在專業能力方面，我們對財務舞弊的審計知識有了更深入的了解，對于論文的書寫有了更好的邏輯性;在個人能力提升方面，我們更加了解了團隊合作的重要性，更明白知識和堅持的重要性，學以致用，讓我們更加投入學習。

（二）不足之處

在理論和實踐操作上會有做得不充分和不準確的地方。在理論基礎上，對于相關理論包括財務舞弊預警、數據挖掘技術、模型構造理論還沒有根深蒂固。在上市公司選取和剔除上，會有一些判斷失誤，導致上市公司的選取沒有滿足足夠的普遍性。在模型構建上，對于SPSS軟件的操作原理還不夠熟悉，對于SPSS軟件的應用還不夠熟練。這些都會導致模型和理論出現在偏差。

（三）展望

對于上市公司來說，財務舞弊數據挖掘模型是一個預警，這更加提醒管理層和治理層以及員工要遵守職業道德，遵守法律法規;對于審計行業，財務舞弊風險不可能從根本上消除，所以識別財務舞弊將一直是注冊會計師工作的重點。隨著大數據時代的發展，越來越多的數據產生和被記載，我們據以分析的樣本增加，模型的構造也會越來越有普遍性和可靠性。同時各種新技術的出現對于模型的構建也會變得越來越容易，比如在數據相關性的要求上定會有新的軟件不斷克服這一點;對于投資者來說，財務舞弊數據挖掘模型是一個參考，它不能提供絕對的保證，投資者仍需要咨詢和調查來幫助自己做出理性的決策，減少自己的損失。

參考文獻：

[1]黃世忠，黃京菁.財務報表舞弊行為特征及預警信號綜述[J].財會通訊，2004（23）.

[2]施金龍，萬東敏.我國上市公司財務舞弊手段識別[J].價值工程，2011（16）.

[3]李清，任朝陽.上市公司會計舞弊風險指數構建及預警研究[J].西安交通大學學報，2016（36）.