大數據在審計中的應用
——基于人工神經網絡的財務報告舞弊識別研究

劉笑然

（上海國家會計學院，上海 200000）

1 研究背景與現狀

1.1 研究背景

上市公司財務舞弊事件頻發，不僅讓投資人蒙受巨大損失，還影響了資本市場的效率。從大量已曝光的財務報告舞弊案件背后來看，任何舞弊行為，如虛增利潤和收入，都會使企業的財務信息與非財務信息出現異常。同時，宏觀經濟、產業環境等外在因素也與企業財務報告舞弊有一定關聯。近年來，大數據技術發展迅猛，在商業領域的應用范圍也逐步擴大。大數據是指數據容量、獲取速度或表示限制了傳統關系方法的數據分析能力，需要水平擴展機制來提高處理效率。運用大數據技術可以直接取得與企業經營活動相關的財務和非財務數據，同時通過結合企業的業務流程、財務流程以及管理流程，有效避免數據的孤立以及傳遞過程中的缺失和遞延。此外，財務報告舞弊是一類復雜的經濟現象，目前仍是會計研究領域的“灰箱”，而人工神經網絡算法適用于規則不完善、不明確、不一致的領域，適宜對財務報告舞弊進行研究。

因此本文旨在利用大數據技術與人工神經網絡算法捕獲與目標企業舞弊相關的財務信息和非財務信息，梳理基于數據挖掘的舞弊識別框架，為資本市場注入信心。

1.2 研究意義

大數據在財務領域較多地應用于財務共享服務中心的構建、風險預警、管理決策等方面，并取得了較為豐富的研究成果，但是大數據在財務報告舞弊識別方面的應用研究還處于起步階段。本文借助大數據幫助資本市場找出與財務報告舞弊相關的各項因素，包括非財務因素，幫助資本市場更好地識別出舞弊事件，可以作為大數據在審計研究應用領域的擴展，具有較強的理論意義和實踐意義。

1.3 文獻綜述

中外學者研究發現，很多財務和非財務因素都與舞弊的發生存在聯系，比如基于委托代理理論的實證研究表明，媒體報道（Cohen et al.，2017）、監管制度（Chen，2016）等外部治理機制通過監督和約束管理者行為，抑制了企業的財務違規。然而，近年來基于認知評價理論的研究卻顯示，外部治理會給管理者帶來心理壓力，如控制權市場（Humphery Jenner，2014）、機構投資者（Fang et al.，2015）、分析師（Brown et al.，2013）等注重財務績效所帶來的外部預期壓力，改變了管理者遵守道德與規范的內在激勵，提高了管理者財務違規的可能性（Shi et al.，2017）。

綜觀上述文獻，現有文獻對影響財務報告舞弊因素的研究主要集中在對財務數據的研究，而非財務因素對企業財務報告舞弊也有重大影響，倘若在原有研究基礎上加入對非財務數據的分析，將會對財務報告舞弊做出更精準的識別；除此以外，現有研究還主要集中在Logistic 回歸模型等方面，本文借助大數據的思維和方法，選取財務數據以及非財務數據，闡述了各階段的數據處理和建模過程，幫助資本市場找出影響企業財務報告舞弊的因素，期望本文的分析能夠為資本市場的投資決策提供借鑒和參考。

2 研究過程與方法

2.1 研究過程

本文以上市企業財務報告舞弊識別研究為主線，先分析了財務報告舞弊識別研究背景、意義和現有文獻以證明研究可行性，再選取相關特征，搜尋相關數據源并運用一系列數據處理方法進行數據處理后，建立數據模型并進行評估和優化，展開數據挖掘工作。

2.2 研究方法

首先收集資料，為研究開展做準備。

其次，分析企業財務報告舞弊相關特征，基于國內外相關文獻、現代公司價值評價理論等選取影響財務報告舞弊的企業內部數據指標，再從行業層面、宏觀層面、機構層面和媒體層面4 個層面選取與企業財務報告舞弊相關的外部數據指標。

再次，采集與企業財務報告舞弊相關原始數據進行一系列數據處理，通過相關技術處理，為數據挖掘做好數據準備工作。

最后，運用人工神經網絡算法等數據挖掘方法對處理后的數據展開分析，得出結論，并指出本研究存在的局限性。

3 研究內容與觀點

3.1 原理

將大數據技術運用于財務報告舞弊識別，本質上是基于海量數據進行影響上市企業財務報告舞弊因素的數據挖掘，進而輔助資本市場識別舞弊的過程。基于可獲取的企業日常經營管理中產生的大量數據，首先應明確舞弊識別需要提取分析數據的哪些特征，并構建特征變量，同時，對涉及的數據源進行搜集和整理，為數據挖掘提供最基礎的原始數據；接著運用人工神經網絡等數據挖掘方法，對計算機進行訓練，建立預測模型并對模型進行優化，進而挖掘出這些海量數據中可能蘊含的與識別企業財務報告舞弊相關的有價值的信息，為資本市場的投資決策提供支持，提升決策的準確性和科學性，其原理框架如圖1 所示。

圖1 基于大數據的財務報告舞弊識別框架

本文考慮對舞弊的影響因素時，采用Cressey 的“舞弊三角理論”，即舞弊的三大動因是壓力、機會、合理化。

壓力因素：企業的經營面臨著許多壓力，其中最直接的是財務壓力，比如連年虧損、資金鏈斷裂等都會使企業陷入困境。

機會因素：企業內部組織架構是否科學和完善、外部監管是否到位，都決定了企業舞弊的機會大小。從企業內部組織架構來看，我國“一股獨大”的國有企業，常常因所有者未對其進行有效監督，經營者為了獲取自身利益而進行舞弊。從外部監管來看，注冊會計師是防止企業財務舞弊的最后一道防線，調查發現，舞弊企業傾向更換會計師事務所，因為新事務所對業務不了解，發現舞弊的概率較小。

合理化因素：合理化是指舞弊操縱者為舞弊行為尋找合理借口的過程，與自身的正直程度有關，難以精確衡量。另外，舞弊行為常常會危害企業利益相關者的利益，從而使企業陷入法律糾紛。

3.2 具體流程

3.2.1 特征選擇

3.2.1.1 內部數據

（1）財務數據。財務指標變量的選取對模型的構建起到至關重要的作用。根據科學性、全面性、可比性、靈敏性和可操作性原則，借鑒國內外相關文獻的研究，篩選出最具有代表性的財務指標。最終選擇分別反映公司營運能力、盈利能力、償債能力和成長能力的財務指標變量。如存貨周轉率、凈資產收益率、流動比率、凈利潤增長率等。

（2）非財務數據。非財務數據是指在對企業進行評價時，無法用基本的財務數據得出的指標。現代公司價值評價理論認為，傳統財務指標無法完全滿足信息使用者對評價精確度的要求，因此有必要加上各類非財務指標以增加整個指標體系的全面性。圍繞企業內部組織架構與外部監管、審計意見、法律糾紛、戰略調整、股權結構、代理水平、會計穩健性、創新水平、企業文化、社會責任方面選取具體非財務指標。如是否二職合一、會計師事務所出具的審計意見、企業是否與法律訴訟有關、戰略變化幅度、股權集中度、第一類代理水平、信息透明度、研發人員、是否具有企業文化介紹、是否履行環境保護等。

3.2.1.2 外部數據

除了企業內部數據，一部分外部數據也是有價值的信息。本文需要的外部數據主要包括四方面：行業層面、宏觀層面、機構層面和媒體層面。如產業集中度、國內生產總值、企業信用評級、企業知名度等。由于外部數據大部分是分析報告、政策文件等文本信息，需要通過一定規則將其轉換成數值型信息。

3.2.1.3 標記變量

財務報告是否舞弊：公司年度財務報告是否存在舞弊，是為1，否為0。

3.2.2 數據來源

影響企業財務報告舞弊可利用的數據來源廣泛，包括內部數據和外部數據兩種類型。內部數據主要包括來自于XBRL、SAP、ERP、財務云等平臺的年報數據。外部數據主要包括來自國家統計局的數據，來自國家政府機構及專業市調組織的行業報告等。同時，借助大數據處理技術和方法實現對獲取數據的規范化處理，針對性地對影響企業財務報告舞弊因素的識別提供有力的數據支撐。

3.2.3 數據處理

3.2.3.1 數據采集

數據處理的第一步是數據采集。本文的數據來源共分兩類：內部數據和外部數據。這兩類數據經過不同的途徑得以采集，其中內部數據通過企業管理平臺如SAP、ERP、ARIBA 等軟件接口調用數據流收集，外部數據（例如行業報告、研究報告等） 則通過數據庫或者Python 等軟件挖掘出有價值的各種信息。此外，部分數據為文本、音頻、視頻數據，需要經過利用自然語言詞頻處理等方式量化成數值型數據。此時，得到的數據集是分散、無序的。

3.2.3.2 數據歸一化

為了提高模型的精確度，本文對數據進行歸一化處理，即將每個變量的取值范圍限定在［0，1］之間，以減少數據的變動范圍，提高模型學習訓練效率。數據歸一化公式是X＝（x－min）／（max－min）。

其中，x 為歸一化前某變量取值，X 為歸一化后某變量取值，min 為該變量的最小值，max 為該變量的最大值。

3.2.3.3 數據存儲

第三步，本文將歸一化處理后的數據以各種維度存儲至內部服務器，以便之后數據處理和分析。

3.2.3.4 數據預處理

本文的數據預處理主要包括缺失值處理和異常值處理。對于缺失值處理，由于直接刪除缺失值可能會出現信息浪費，進而導致整體估計結果有偏差，本文選用插補法進行缺失值的填充，主要包括回歸插補法和多重插補法。對于異常值處理，一般利用單變量散點圖或者箱線圖識別出異常值，然后分析異常值出現的可能原因，判斷異常值是否需要刪除。

3.2.3.5 數據集學習和訓練

經過一定規則預處理的數據清洗已經逐步形成了有效的數據集，可以進行模型的學習和訓練。本文從數據集中隨機抽取70%作為模型的訓練數據，剩余30%作為測試數據。得到訓練集和測試集之后，驗證訓練集和測試集中因變量的取值分布是否類似，如果兩者的分布較為相似，符合模型的基本結構，才可以進行模型的訓練。

3.2.4 建模

數據處理后，已經得到建模所需要的合規數據，接下來就是利用機器學習的方法對計算機進行訓練，進而建立預測模型。預測一家企業財務報告是否舞弊，是機器學習中的分類問題，針對分類問題可以選擇的算法有人工神經網絡算法、決策樹分類法、樸素貝葉斯分類算法、基于支持向量機、k－最近鄰法等。本文選擇實務中常用的人工神經網絡算法建立預測模型。

然后利用人工神經網絡的算法在測試集和驗證集的基礎上對計算機進行大量訓練，進而建立預測模型，此時會得到模型的訓練集準確度和測試集準確度，該準確度可以衡量模型預測企業財務報告是否舞弊的準確性。

3.2.5 模型評估

利用混淆矩陣的方法對模型進行評估，以提高決策的準確度，減少模型中誤差。

3.2.6 模型優化

優化模型，提高模型的預測精確度。觀察目標企業的外部數據、財務數據以及非財務數據與目標企業財務報告是否舞弊之間的關系，剔除相關程度低以及不相關特征量并重新建模，提高結果精確度，達到模型優化的目的。

3.2.7 得出結論

經過上述步驟后，最終建立起來的預測模型會告訴我們輸入的各個特征因素對于影響企業財務報告舞弊的重要程度排序，我們會清楚看到哪些因素對于企業財務報告舞弊預測有重要作用，哪些因素預測能力稍弱，從中得出的結論可能會超出我們的常規認識，發現我們之前不知道的或者相反于以前認知的有價值的信息，比如：結論可能會告訴我們一家企業信息透明度低，則該企業發生財務報告舞弊的可能性會非常高，或者我們所熟悉的盈利能力和償債能力等傳統財務指標對于企業是否存在財務報告舞弊的解釋力度很弱等，這些新的信息可能就會很大程度上輔助資本市場對企業是否舞弊做出更加科學準確的預測。

4 研究結論與啟示

研究發現，大數據可以輔助資本市場對企業財務報告舞弊進行識別。首先，大數據能夠為企業財務報告舞弊的識別提供海量的數據，大大節約了舞弊識別的相關數據獲取時間，顯著提高效率；其次，大數據為企業財務報告舞弊識別提供數據分析，減少主觀判斷，將風險控制在最小，保障資本市場的決策質量；最后，大數據可以降低企業財務報告舞弊識別中的人力成本以及相關設備的購買、維護和后續修理費用，控制舞弊識別成本。因此，資本市場應該適應社會的發展，積極利用大數據帶來的優勢，并推進舞弊識別中內部數據與外部數據的深度融合，充分發揮大數據的支持作用，提高舞弊識別效率，以促進資本市場更好更快發展。

同時，本文不可避免地存在一定的局限性，仍有進一步研究的空間。①由于時間有限，本文未能通過全面的數據分析為本文觀點提供經驗支持，只在理論層面進行了邏輯推演和闡述。②由于財務共享等技術正處于發展階段，本文所涉及的部分數據獲取平臺可能尚未成熟。③由于大數據環境下可選擇的指標來源廣泛，本文難免存在指標覆蓋程度不足的問題。