康美藥業財務操縱識別模型案例研究

曹乃文

部分上市企業為了滿足其盈利預期，避免因業績虧損而造成退市的不利后果，可能采取財務操縱的違法違規手段。例如泰科和世界通訊、*ST國藥、萬福生科、康美藥業等。財務操縱導致投資者虧損，嚴重擾亂市場的秩序，影響市場的健康發展。因此，需要對財務操縱進行分析與判別，從理論和實踐兩方面對企業的經濟行為進行規范。

國內外對于財務操縱的研究主要停留在對其資本成本、外部籌資等方面的分析探討上，以機器學習為主的現有的識別技術，已經得到了廣泛的應用，并取得了可觀的成就。本文對康美藥業財務操縱的典型案例進行分析，對其采用的操縱手段、動機等進行分析與挖掘，提出防范策略，建立識別的模型，為今后辨別可能出現的財務操縱現象提供理論參考依據。

本文的貢獻如下：1.有利于改善國內投資環境。眾所周知，上市公司財務數據造假會影響投資者對該上市公司目前經營的實際狀況的判斷，從而影響投資者的投資決策。本文通過對康美藥業財務造假案例的分析，揭露其財務操縱的惡劣行為，深入分析其財務操縱行為的表現，并提出相應的防范措施，以此警醒上市公司，促使其注重財務信息披露的真實性和合理性，并為投資者的投資決策提供參考。2.通過建立模型，幫助投資者辨別財務操縱的跡象和手段，從而提高投資者對投資對象真實財務狀況的識別、判斷能力，使之避免踩雷，有利于提高投資者決策質量。

總結過往的研究文獻，可以看到，國外市場發展得較早，對財務操縱的研究也比較完善，在這方面形成了相關理論，且在對上市公司財務操縱的原因和表現的研究中，其理論研究的成果更豐富，也更全面。而國內學者主要對財務操縱的研究主要集中在其動機、手段以及如何治理財務操縱等方面。雖然國外已經構建了較為成功的研究模型，但這些研究模型是以西方發達的資本市場環境為研究背景構建的，其中有一部分并不適用于國內環境。因此，本文選用國內較典型的上市公司財務操縱案例——康美藥業財務造假事件為研究對象，初步構建針對上市公司財務操縱行為的識別模型，重點研究其財務操縱行為，總結相關經驗，希望以此促進資本市場的健康發展。

財務風險狀況與操縱

2019年4月30日，康美藥業發布的“會計差錯”公告中，聲明2018年前的營業收入和成本出了差錯，經過調整發現，貨幣資金增加了299.44億元。根據證監會調查發布的《告知書》中詳細披露的康美造假明細，兩年半內，該公司累計虛增貨幣資金約886億元，康美藥業的財務報表中存在“存貸”雙高、應收賬款被關聯方占用、存貨異常等情況。

“存貸”雙高現象

從賬面看來，康美藥業的資金流動情況良好，流動比率符合同行業水平（在1—2之間浮動）。但因為公司流動資產中的應收賬款、票據和存貨等占比較大，所以流動資產的流動性有許多水分，公司償債能力無法得到充分體現。因此筆者搜索康美的貨幣資金和帶息負債數據：從時間看來，早在2010年康美藥業高存高貸的現象就有了苗頭。尤其在 2014年往后，每年都有穩定的增長，公司的資產負債表上除了現金還有就是有息負債。公司雖然資金充裕，但債臺高筑。

應收賬款被關聯方占用

我國上市公司發展的歷史中，時常有公司資金被大股東占用的現象，且涉及金額巨大。雖然近年來證監會對這一塊的管控愈發嚴厲，但這一現象并沒有消退，反而有金額增大、手段升級、渠道增多、國有公司數量增加的跡象。康美藥業與關聯方交易僅是為達到占用貨幣資金、掩蓋財務操縱目的。2016年以來，康美藥業與其關聯方三年期末交易額累計達到136億元，但是，交易資金均未實際進入財務管理流程，這是非常令人懷疑的風險因素。

存貨異常

康美藥業存貨雖連年增長，其營業收入增長率卻連年放緩。同時，其存貨周轉率和應收賬款周轉率的聯合指數走低，表明公司的實際營業能力在下降。

財務操縱

對于財務操縱現象，一般通過企業所處時期、環境、背景來分析其行為動機和粉飾的可能性，一般可通過財務報表的業務邏輯與勾稽關系來識別，發現異常信息，進行同行對比與同期對比來發現操縱貓膩。回顧康美藥業財務操縱的整個過程，其集中爆發期為2016年至2018年，經過證監會證實，康美藥業隱瞞了與關聯方的交易，主要采用偽造發票、虛構存單和虛構憑證等手段，非法占用了經營性資金，存在虛增收入、虛增資產和違法買賣股票等違規行為。

財務操縱識別模型構建

樣本選取

以2009-2019年十年間的ST公司與非ST公司為研究樣本，研究數據來源于銳思金融數據庫。收集271家ST公司樣本，并按照同比比例，對照選取非ST公司271家。審計意見為標準無保留，行業相同、規模相近等。對一些缺省的值做了預處理，保證模型精度不受影響。

指標選取

根據資產負債表從四個方面（盈利能力、償債能力、現金能力和營運能力）進行指標選擇，共13項。研究中盡可能收集和案例分析操縱手段相關的指標，而不是選取每一類全部指標。

模型建立

BP神經網絡模型是一種人工仿生網絡模型，它通過預先輸入數據來自學數據內在蘊含的規律，該網絡模型的內部含有大量類似神經細胞的節點。第一個前向傳播過程是在輸入層中輸入每個樣本的指標數據（X1-X13），經過一定的線性變換得到隱含層的數據輸入，然后再激活函數，得到一個介于0-1之間的值作為輸出。隱含層的輸入依照上面過程最終傳遞到輸出層中，通過非線性變換產生的輸出信號Y是判斷公司是否存在財務造假的依據。將該判斷值與公司實際情況進行比較，如果產生誤差則反傳給輸入層，調整之前線性變換中使用的權重。誤差將分攤至每一層所有單元，從而使每個單元權重值得到調整，誤差沿梯度方向減小，實現梯度下降。最后，經過多輪反復訓練，使均方誤差最小化。記錄此時的權值與閾值，從而得到訓練好的模型。

在正式建立模型前，先做數據預處理，去除542個樣本中的缺失值和重復值，10年有效數據共3665條，之后對數據進行標準化的處理。再使用python建立BP神經網絡：首先進行數據分割，按比例（7：3）劃分訓練集和檢驗集。其次建立神經網絡體系結構，隱藏層數為1層，將隱藏層中最小單元數設置為1，最大單元數設置為50，激活函數為雙曲正切函數，輸出層數為1層全連接Softmax。以批次訓練為訓練類型，優化算法選擇標準共軛梯度。對模型性能的評估選用ROC曲線、混淆矩陣，能夠更加直觀地反映預測結果的好壞。

研究結論和建議

結 論

模型輸出的結果范圍為[0，1]，當取值越接近1時，這個樣本是財務操縱公司的把握更大；當輸出結果越接近0時，這個樣本為非財務操縱公司的把握更大。根據規則，設定0.5為閾值，當輸出概率大于0.5時，此樣本為財務操縱公司；當模型輸出結果小于等于0.5時，此樣本為非財務操縱公司。

BP神經網絡構建的模型識別結果在訓練集中有77.7%的非財務操縱公司被識別正確，54.9%的財務操縱公司被識別出來；在檢驗集中有高達80.3%的非財務操縱公司被正確識別，51.9%的財務操縱公司被正確識別。訓練集的總體識別準確率達67.0%，檢驗集樣本的總體正確率達66.9%。

建 議

1.審計機構應盡職盡責，以扼制財務操縱行為發生

在本案例中，正中珠江事務所沒有嚴格按照正常、規范的審計程序對康美藥業財務數據進行審核，未能及時發現其財務操縱行為，以致在審計結束后為康美出具無保留意見，這屬嚴重的失職。由此看來，審計機構在審計過程中走形式、銀行函證程序不科學不規范等審計漏洞會為上市公司財務數據造假創造機會。故審計機構應當嚴格遵循審計的規則，將審計落到實處，盡職盡責地完成對上市企業的財務審計，不放過任何細節，不給財務操縱、財務造假行為留下任何可能的漏洞。

2.投資者應當加強財富管理風險意識

證券投資是當下普及的公眾投資方式之一，但普通投資者普遍缺乏金融知識、風險意識，容易受到公司披露的虛假信息的誘導。因此，投資者應當加強相關基礎知識的儲備、積累，以較為完善的風險評估體系對自己的投資行為進行風險評估，明確投資定位與風險承受度，并且要多關注相關企業的經濟行為，積極主動地發揮社會監督作用。

3.促進識別模式和手段的創新與改進

現有技術可以實現初步的二分類，但是在指標選取、數據收集和處理等方面的細節還存在許多難以解決的問題，如訓練集的數量與真實性不足，難以支撐有效分類、預測分類效果精度較差、缺乏針對實際問題的參數優化調整方案等。未來可以考慮采用更新穎的模型和算法，或者用多種方法結合的判別方式進行財務操縱、財務造假的識別。

（中南財經政法大學）