关于上市公司财务舞弊识别的文献综述

董程程 隋永帅 赵园

【摘要】在当今的资本市场中，财务舞弊状况愈演愈烈，如何更好的识别上市公司财务报告舞弊成为各国监管部门最为关心的问题。本文首先分析了上市公司财务舞弊的现状，继而介绍了国内外相关文献以及所采用的主要研究方法，并对上市公司财务舞弊识别的研究现状进行了简单的评述。

【关键词】上市公司；舞弊识别；文献综述

一、上市公司财务舞弊现状分析

（一）财務舞弊基本概念

关于财务舞弊的概念，注册舞弊审核师协会将其定义为：有意地、故意地错报或漏报重要事实，或者误导性会计数据，以及在与其他所有可获得的信息一起考虑时，可能导致阅读者改变和调整他的判断和决定的会计数据。美国注册会计师协会（AICPA）在2002年发布第99号审计准则（SAS No.99）指出财务报告舞弊主要包括三种形式：①蓄意伪造或篡改编制财务报告所依据的会计记录和凭证文件；②虚假披露或蓄意遗漏与财务报表相关的事项、交易或其他重要信息；③滥用会计政策以影响金额、分类”。

（二）国内外上市公司财务舞弊现状

财务舞弊案件最早可追溯至1720年英国的“南海公司事件”，其利用虚假会计信息提高股票价格，扰乱股票市场正常秩序。进入20世纪70年代，美国也相继发生了巨人零售、废品管理公司、南方保健等财务报告舞弊案件。2011年享有“最富创新能力”美誉的美国能源巨头企业——安然公司因财务报告舞弊丑闻轰动世界。其后又发生了如施乐、世界通信公司、甲骨文、莱得义德和美国在线时代华纳、戴尔公司等财务舞弊案件。

关于国内情况，虽然我国的资本市场起步比较晚，但是发生的财务舞弊案件却比比皆是。由最初的深圳原野、长城机电、海南新华这“三大财务舞弊案”到随后的琼民源、红光实业、达尔曼、银广夏案件，我国上市公司的财务舞弹现象在证券市场上就一直存在着。这些舞弊案件的发生，使投资者对资本市场上的上市公司越来越失去了信心。

二、关于财务舞弊识别特征的研究

（一）国外研究综述

针对财务舞弊问题，西方学者们最初侧重于舞弊征兆的研究，称之为“红旗”标志。Abrecht和Romney（1986年）利用问卷调查的方式证实了“红旗”可以作为舞弊征兆等。Cobb和Gordon（1993）考察了会计舞弊与审计委员会的关系，随着企业审计委员会中独立董事数量的增加以及任期的增长，发生财务舞弊的风险变小。Persons（1995）发现会计舞弊与行业因素有关。Abrecht、Wernz和Williams（1995）指出舞弊的征兆包括经营业绩的异常、组织结构不合理、管理层的特征等。Beasley（1996）对董事会特征与会计舞弊的关系进行了研究，发现随着外部董事任期的时间、外部董事比例及持股比例与舞弊成负相关，董事会规模与舞弊显著负相关。Lee、Ingram and Howard（1999）指出，盈余大于经营现金流量是舞赞的征兆，另外与非舞弹公司相比，舞弹公司往往自由现金流量较低、财务杜杆高、应收账款数额巨大、销售增长率较高。Abbott Parker and Peters（2002）通过分析舞赞公司审计委员会的特征指出提高审计委员会独立性的必要性，另外成员须有财务专家，才能保证审计委员会的专业性。

（二）国内研究综述

郑朝辉（2001）通过分析10家影响重大的管理舞弊案，总结出审计人员应对以下舞弊征兆提高警觉：资本运作频繁和关联交易数额巨大、经营业绩异常波动、IPO（首次发行股票）以及全行业亏损的上市公司。刘立国、杜璧（2003）分别对股权特征、董事会特征与财务舞弊的关系进行了实证检验，发现舞弹公司的法人股比例、流通股比例、内部董事的比例等与监事会规模正相关。宋传联（2005）揭示了上市公司财务舞弊常用方法，并从注册会计师的角度出发提出了审计识别对策。陈国欣、吕占甲（2007）通过实证分析发现，资产负债率、管理层持股比例、国有股比例、独立董事比例低、被出具非标准审计意见等对上市公司会计舞弊有显著的解释力。杨清香、俞麟、陈娜（2009）重点考察了董事会特征与会计舞弊之间的关系。

三、关于财务舞弊识别模型的研究

（一）国外舞弊识别模型研究

纵观国外的研究文献，其研究模型主要有逻辑回归模型，人工神经网络模型，probit模型和其他技术手段。

Person（1995）通过构建stepwise-logistic模型的方法进行研究，得出行业在影响财务舞弊方面起着重要作用。Bell and Carcello（2000）运用来自KPMG会计师事务所的数据，构造了一个Logistic回归模型，结果表明模型判正率较高。Calderon and Green（1994）通过建立单一变动期望模型证实了神经网络模型在会计舞弊识别中的使用性。Fanning and Cogger（1998）通过八个识别率较高的变量，在人工神经网络技术的基础上构建了识别管理者舞弊的模型。Lin，Hwang and Becker（2003）通过融合模糊回归（Fuzzy logic）、神经网络（Networks）及其它的方法构建了模糊祌经网络（FNN）模型，通过模拟人脑的思维方式以减少审计师的操作性失误和不足。Hansenetal.（1996）通过建立probit和logit等扩展的定性响应模型以预测管理者舞弊，结果表明模型预测效果良好。美国印第安纳大学Beneish（1997）提出概率分析法（Probit Analysis）以识别财务舞弊，发现该模型具有实施代价小和判别率较高的特点；此后，Beneish（1999）以Probit技术为手段，利用1987年至1993年受美国证监会处罚的74家舞弊及相应的配对公司为样本建立模型，结果证实该技术在识别财务舞弹问题上的优良性。

（二）国内舞弊识别模型研究

国内学者在舞弊识别方面也采用多种技术方法进行了研究，如Logistic回归、多元判别分析、神经网络等。

吴世农、卢贤义（2001）建立Fisher线性差别分析、多元线性回归和Logistic回归模型，研究发现Logistic回归模型的误判率最低。方军雄（2003）建立了LMP模型和Logistic模型，研究表明：Logistic模型鉴别效果优于LMP模型。刘立国、朱敏（2005）运用1994年一2005年被证监会处罚的上市公司为样本，分别以单因素方差分析、多元判别分析、线性概率和logistic回归分析为技术手段，对比后得出logistic回归模型的识别率为72.6%，在该问题上具有优势。陈国欣、吕占甲、何峰（2007）选取29个指标建立Logistic模型，得出的模型判别率为95.1%，同时得出了财务舞赞公司区别于非舞弊公司的财务及股权结构特征。刘明辉、韩小芳（2011）通过对基于面板数据的Logit模型进行分析，探讨了财务舞弊公司中董事会变更对审计师变更的影响。蔡志岳、吴世农（2006）建立了上市公司信息披露舞弊预警的Logistic回归模型和混合BP神经网络模型，研究表明，混合BP神经网络具有更强的预测能力。顾宁生、冯勤超（2009）利用主成分分析法得到9个识别财务舞弊的指标，再运用LVQ神經网络构建识别模型，预测率的准确率为90.9%。

四、研究现状评述

通过以上对国内外财务舞弊识别文献的整理，不难发现，国外发达国家对财务舞弊研究高度重视，凭借其先进充实的理论基础和研究技术能力，在财务舞弊的发现、识别和监管方面积累了丰富的研究经验和成果。虽然我国近几年就财务舞弊识别模型的研究取得了初步成效，但仍存在一下问题：首先是财务舞弊识别技术单一。目前为止，国外发展起来的财务舞弊识别模型多达十几种，除了以传统的统计分析为基础构建模型外，还包括发展迅速的数据挖掘技术为手段建立的模型。相比之下，我国普遍采用传统的统计技术作为建模手段，对于数据挖掘技术的应用有限，因此在识别技术上，我国还需进一步创新和深入研究。其次是研究样本数量较小。这主要是因为我国资本市场建立时间不久，样本数量较少，直接影响模型的预测精度。最后是模型识别精度不高。分析目前已有文献，大多数学者建立的模型精度维持在75%左右的水平，就识别财务舞弊而言，有待进一步提升。

参考文献

[1]施彦，立群，廉小亲.神经网络设计方法与实例分析[M].北京：北京邮电大学出版社，2009.

[2]陈彬.我国上市公司财务舞弊识别模型对比研究[D].西安：西北大学，2012.

[3]李宁.会计舞弊行为的模糊识别方法研究[D].天津：天津财经大学，2012.

[4]郑永芳.会计舞弊特征分析[J].财会通讯，2010（4）：60-62.