2019～2021年上市公司財報可信度分析

葉欽華（博士），黃世忠（博士生導師），徐 珊（博士），葉 凡（博士）

我國資本市場近年來再次進入財務舞弊高發期，防范財務舞弊最有效的手段之一是利用智能技術事前識別舞弊。中國財務舞弊研究中心①的研究表明，要大幅提高發現財務舞弊的能力，應同時從歷史和未來的角度進行。歷史的角度是指對已經發生的財務舞弊進行回顧分析，尋找規律性的財務舞弊特征；未來的角度是指以財務舞弊特征分析為基礎，借助大數據技術，選擇恰當的變量構建財務舞弊識別與預測模型[1]。本文基于五維度財務舞弊識別框架[2]，討論如何結合大數據技術構建智能預警系統，評估我國上市公司2019 ～2021年的財報可信度。

一、智能預警系統的構建邏輯和預警效果

本部分介紹上市公司財報可信度智能預警系統的構建邏輯和預警效果，為第二部分的分析提供背景資料。

（一）智能預警系統的構建邏輯和指標維度

近年來，財務舞弊呈手法隱蔽性、動機多元化、識別滯后性等新特征與新動態，要實現對財務舞弊的事前智能預警需要實現專家經驗理論化、多源數據標準化、預警模型系統化等核心技術突破，并完成預警系統編程和落地工作。經過5年多產學研一體化探討與實踐，中國財務舞弊研究中心的理事單位廈門天健財智科技有限公司將該中心的理論研究成果轉化為財務舞弊事前識別實踐工具——天健財判財務智能預警系統（簡稱“天健財判系統”）。該預警系統綜合利用計算機視覺（OCR）、自然語言處理（NLP）、大數據及云計算等信息技術手段，結合學者與專家的財會專業技術，從財務稅務、公司治理、內部控制、行業業務和數字特征等五個維度，搭建了“用戶前臺—模型中臺—數據后臺”的系統架構，實現對上市公司財務舞弊可能性的智能評價與實時預警。該系統建立了基于大數據和專家打分系統的財報可信度指標，對上市公司或信用債發債主體的財務舞弊風險進行評價，具體包括低、中、高三類評價結果，若財報可信度為低，則財務舞弊風險較高。

財報可信度指標體系（如表1所示）的具體建立過程如下[2]：（1）基于前述五維度識別框架，與專家討論并選擇適用于上市公司場景的舞弊識別信號，選擇時主要考慮規則的適用性、數據的可獲取性、數據量化效率等；（2）結合上市公司過往10 年的財報數據特征及專家實務經驗，對識別信號進行定義與賦值；（3）對可度量的舞弊識別信號進行分類與組合，組合時主要參考根據小樣本案例描述及專家實務經驗歸納的財務舞弊類型、不同財務舞弊手法等；（4）結合專家實務經驗對不同識別變量給予舞弊識別關聯度排序及折扣系數設定；（5）計算每一家公司當年度的財報可信度得分，并將打分結果較低一個區間的樣本劃分為舞弊可能性較高的公司。

表1 財報可信度指標體系

目前，該智能預警系統對A股上市公司和信用債發債主體財報可信度評價的“回測+實測”時長已達5 年，并基于專家經驗驅動、多維數據驅動實現財務舞弊預警的動態更新與持續迭代。同時，該智能預警系統還能夠對高舞弊風險公司給出具體的舞弊異常特征、舞弊手法、舞弊動機等提示，從而提供細化線索或風險信號。

（二）智能預警系統的事前預警效果

本文以財報可信度指標能否比監管機構更早識別上市公司的財務舞弊作為智能預警系統事前預警效果的檢驗標準。因此，本文利用對于受監管處罰的財務舞弊公司或市場爆雷公司的復盤，統計該智能預警系統的事前預警內容及事前預警周期，以評估財報可信度指標的有效性。樣本包括2020 年至今被證監會公開處罰及在資本市場已爆雷但尚未受到處罰的案例，共包括28 家公司②，具體分為表2所示的三組。檢驗期間涵蓋樣本公司違規發生年度或爆雷發生年度的前一年至證監會處罰前一年。若在該期間內，上市公司的財報可信度評價為低得分，則表示智能預警系統提前指出此上市公司可能存在財務舞弊，即為“命中”，否則為“漏中”。

表2 樣本公司說明

表3 ～表5 列示了檢驗結果。可以發現，28 家樣本公司的“命中”家數為27 家、命中率為96.43%，且提前預警周期最短2 個月、最長7 年，均值為2.3年。此外，“命中”的27家樣本公司中僅有3家被注冊會計師出具非標審計意見，其余24 家均為標準無保留審計意見?？梢?，智能預警系統對財務舞弊和業績爆雷公司的事前識別效果較好、具有較強的預警性。

表3 7家債券違約發債企業中的6家被預警系統評為低財報可信度

表4 8家財務舞弊上市公司全部被預警系統評為低財報可信度

表5 13家業績爆雷上市公司全部被預警系統評為低財報可信度

二、上市公司財報可信度畫像

不論是學術研究還是實務分析，都期望有一個簡單實用的指數，能夠衡量難以直接觀察到的現象、迅速判斷企業的會計信息質量，特別是針對財務舞弊[2]。如前所述，天健財判系統構建的財報可信度指標在一定程度上可作為測度上市公司會計信息質量的一個指數或量化指標。基于此，本部分從交易所/板塊、行業、地區和審計分布等角度，分析2019 ～2021年不含金融業的A股上市公司財報可信度的分布特征，進而對上市公司整體的會計信息質量進行評估。

（一）總體財報可信度分布

表6列示了上市公司財報可信度高、中、低分布情況。從中可以看出，過去3 年低財報可信度上市公司占比從2019 年的32.54%下降至2021 年的27.64%，該數據表明上市公司整體會計信息質量呈小幅提升態勢。究其原因，2020年之后，一方面隨著IPO 注冊制在科創板、創業板的試點執行，高質量的新上市公司持續加入A股，另一方面監管部門加大財務舞弊處罰力度、通過退市新規等“清理”了一批低質量上市公司，“雙管齊下”使得上市公司會計信息質量逐步提升。

表6 2019～2021年上市公司財報可信度評價分布情況

進一步地，表7 和表8 分析了中證800 和滬深300指數成分股的財報可信度情況。從2021年的數據來看，中證800 和滬深300 指數成分股中低財報可信度上市公司占比分別為17.28%、15.85%，遠低于全A 股的27.64%，這表明中證800 和滬深300 指數成分股會計信息質量總體水平較高。但是，仍有小部分指數成分股可能存在財務舞弊風險，指數成分股公司市值高、交易量大、機構持股多，值得監管部門、注冊會計師及投資者重點關注。

表7 2019～2021年中證800財報可信度評價分布

表8 2019～2021年滬深300財報可信度評價分布

（二）交易所/板塊分布

表9 分交易所/板塊列示了上市公司財報可信度情況。從2021年的數據來看，科創板低財報可信度上市公司占比為21.53%，顯著低于主板、創業板及北交所，這在一定程度上也體現了注冊制下“問出一家好公司”的初衷。此外，北交所低財報可信度上市公司占比高達35%，可能的原因是北交所上市公司發展階段較早、新三板直接轉板發行（新三板信息披露監管相對較松），需要予以重點關注。

表9 2019～2021年交易所/板塊財報可信度評價分布

（三）行業分布

表10 列示了2021 年度上市公司數量超過100家的行業財報可信度的具體分布情況?？梢钥闯觯攬罂尚哦鹊母?、中、低分布在不同行業間差異較大。例如，受政策監管影響較大的房地產業、建筑業等行業，低財報可信度上市公司占比明顯高于全部A股上市公司的平均水平，這在一定程度上也表明會計行為受行業景氣度、宏觀經濟周期等外部因素影響較大。

表10 2021年度主要行業上市公司財報可信度評價分布

可見，“退潮時才知道誰在裸泳”，行業業務維度對財務舞弊預警至關重要，行業分類、主營業務劃分準確性對財報可信度的評價影響重大，如行業處于低谷、業績下滑可能引發強舞弊動機，低稅率行業舞弊成本降低而相應提高了舞弊概率等。

（四）地區分布

表11列示了2021年度各轄區（證監會設立派出監管機構的省市地區）上市公司的財報可信度情況?？梢钥闯觯簩幉?、貴州、青島、安徽及上海轄區低財報可信度上市公司占比最低，表明這些轄區上市公司會計信息質量相對較高；反之，新疆、黑龍江、山西、寧夏及海南轄區低財報可信度上市公司占比最高，值得重點關注。這一分布特征一定程度上也與地區經濟發展水平相對應。

表11 2021年度不同轄區上市公司財報可信度評價分布

（五）審計分布

表12 列示了2021 年度擁有上市公司客戶最多的前十家會計師事務所所審計公司的財報可信度情況?？梢钥闯觯笮潘?、大華所及中審眾環所低財報可信度上市公司占比高于全部A股上市公司的平均水平之外，其余7家會計師事務所低財報可信度上市公司占比均低于全部A 股上市公司的均值，特別是天職國際所、容誠所及立信所的客戶財報可信度較高。

表12 2021年度按會計師事務所分類的上市公司財報可信度評價分布

（六）低財報可信度樣本分析

2021 年度低財報可信度上市公司共有1304家，比2020 年度減少73 家。下文將從五維度預警分布、市值分布、行業分布、地區分布和審計分布等角度對這組樣本進行進一步分析，指出樣本公司可能在哪些方面存在財務舞弊風險。

1. 五維度預警分布。表13 列示了2020 ～2021年低財報可信度上市公司所觸發的五維度異常特征，其中：財務稅務維度所觸發異常特征占比為27%左右，相比之下其他四個維度所觸發異常特征占比高達70%以上?？梢姡秦攧招畔⒌某浞掷脤ω攧瘴璞啄Ｐ皖A警準確性影響重大，這亦說明引入數字化技術來實現舞弊智能預警確有必要。

表13 低財報可信度上市公司的五維度異常特征分布

2. 市值分布。表14 列示了2020 ～2021 年低財報可信度上市公司的市值分布情況。其中：市值100 億元以上的上市公司在2021 年度為350 家、占比26.84%，比2020 年度增加53 家。可見，財務舞弊動機越來越多元，上市公司實施財務舞弊并非僅僅為了保殼、規避ST，更多高市值上市公司實施財務舞弊可能是出于并購對賭或配合大股東減持的市值管理等動機。高市值上市公司的這些行為應引起監管者與投資者的關注，因為市值越大，舞弊引發的經濟后果可能越嚴重。例如，康美藥業在證監會立案調查前的2018 年第三季度末市值高達千億，1 ～3 季度報告的營業收入高達254.28 億元、凈利潤為38.31 億元，看似業績良好的白馬股，背后實際上是300億元財務舞弊所支撐的“虛假繁榮”。財務舞弊丑聞曝光后，康美藥業的市值大跌，給股東造成的損失超過700億元。

表14 低財報可信度上市公司的市值分布

3. 行業分布。表15 列示了2020 ～2021 年低財報可信度上市公司占比最高的5 個行業的具體情況，其中“農、林、牧、漁業”穩居第1名。已有研究表明，財務舞弊發生的頻率與行業特性有關，制造業和農、林、牧、漁業上市公司的存貨與在建工程等資產難以核實，購銷環節較為復雜，導致這兩個行業成為財務舞弊高發區[1]。此外，受行業景氣度及政策等外部因素影響，建筑業、房地產業中低財報可信度上市公司的占比在不斷提升，值得監管部門和注冊會計師關注與警惕。

表15 低財報可信度上市公司占比最高的5個行業情況

4. 地區分布。表16 列示了2020 ～2021 年低財報可信度上市公司占比最高的5 個轄區的具體情況。已有研究表明，財務舞弊與經濟發達程度存在反比關系[1]，表16的數據支持了這一結論。

表16 低財報可信度上市公司占比最高的5個轄區情況

5. 審計分布。表17 列示了2020 ～2021 年低財報可信度上市公司占比最高的會計師事務所的具體分布情況，可以看到，前5 名均不是頭部會計師事務所，可見高風險上市公司向中小會計師事務所聚集。證監會會計部發布的《2020 年度證券審計市場分析報告》指出，嚴監管下證券違法違規成本大幅提高，導致頭部會計師事務所主動辭任高風險上市公司，調整審計客戶結構。表17的數據一定程度上支持了這一結論。

表17 低財報可信度上市公司占比最高的5個會計師事務所情況

三、總結與展望

本文利用智能預警系統分析得出的財報可信度結果能夠較好地實現財務舞弊事前預警，對2019 ～2021 年樣本的分析表明不同交易所/板塊、行業、地區等上市公司的財務舞弊風險、會計信息質量存在差異。本文構建的財報可信度指標與傳統財報分析方法相結合可能是更為全面、有效評價企業會計信息質量的一種新方法。本文基于天健財判系統獲取數據、實現財報可信度的落地分析，該系統已在20多家監管機構、中介機構及金融機構實踐運用并取得良好效果，可實現對A股上市公司和信用債發債主體的數據處理、實時監控與舞弊預警，可望為資本市場識別和防范財務舞弊提供有效的技術支持。

展望未來，利用數字技術手段大幅提高發現財務舞弊的效率，輔以新《證券法》更嚴厲的處罰規定，將對上市公司財務舞弊形成強大震懾力，有望從根本上改變舞弊收益長期高于舞弊成本的格局，營造不敢舞弊和不想舞弊的氛圍，資本市場財務舞弊愈演愈烈的態勢可望得到抑制?？梢灶A計，隨著人工智能、區塊鏈、云計算、大數據和物聯網等數字技術的加速發展和迭代，將數字技術嵌入財務舞弊查處和識別的前景可期，財務舞弊將由事后查處向事前識別方向發展，以數字技術為基礎建構的財務舞弊智能預警系統將從客觀上提高上市公司財報的可信度。智能預警系統將在以下場景發揮較大作用：一是輔助監管機構對轄區上市公司和信用債發債企業的科技監管；二是作為會計師事務所、券商等資本市場中介機構在上市公司和IPO審計場景的質控輔助工具，特別是進行財務舞弊風險預警與應對；三是輔助銀行理財子公司、基金等資管機構在股債場景的信用評價與風險預警，作為量化基金策略因子輔助量化投資等。

財務舞弊并非突然而至的黑天鵝事件，而是常常被忽視的灰犀牛事件。采用新方法（財務數據與行業業務等非財務數據的交叉驗證）、結合新技術（大數據和人工智能等），實現財務舞弊智能識別，進行實時監控和事前預警，財務舞弊可望更多地被預見和預防。智能預警系統可幫助監管部門、中介機構、投資者等利益相關者及時、有效地發現上市公司及信用債發債主體可能存在的舞弊風險信號，并據此進一步追蹤挖掘相關線索，形成及時預警、有效排雷等科技監測機制，為資本市場健康發展保駕護航。

【注 釋】

①中國財務舞弊研究中心于2017 年4 月由廈門國家會計學院聯合廈門大學會計系、廈門天健咨詢有限公司、深圳市東方富海投資管理股份有限公司、容誠會計師事務所和深圳商集企業服務有限公司（唯你網）共同設立，旨在打造產學研一體化的財務舞弊研究平臺，主要目標是構建財務舞弊智能預警系統和編制財務舞弊指數。

②樣本公司含2021年9月17日《證監會依法嚴厲打擊債券市場違法違規行為》中提及的7家典型債券市場違規發債企業、2021年7月23日《證監會通報首批適用新〈證券法〉財務造假案件處罰情況》中提及的3家典型財務舞弊上市公司、2021年4月16日《證監會通報2020年以來上市公司財務造假案件辦理情況》中提及的7家典型財務舞弊上市公司，以及2021年爆雷的星星科技和上海電氣案件涉及的公司等13家上市公司（這13家公司中，目前已有8家被行政處罰、立案調查或交易所監管警示），去重后共計28家。

【主要參考文獻】

［1］黃世忠，葉欽華，徐珊，葉凡.2010～2019年中國上市公司財務舞弊分析［J］.財會月刊，2020（14）：153 ～160.

［2］葉欽華，葉凡，黃世忠.財務舞弊識別框架構建——基于會計信息系統論及大數據視角［J］.會計研究，2022（3）：3 ～16.