数据挖掘技术与虚假财务报表的识别研究

汤玲

摘 要 本文介绍了财务报表的相关概述，对其识别手段进行了相关分析，并对数据挖掘技术能够更有效地应用于虚假财务报表的识别，提出了相关建议。希望通过数据挖掘技术的有效应用，使我国企业的财务报表日益规范与透明化。

关键词 财务报表 财务舞弊 数据挖掘

中图分类号： F23 文献标识码：A

虚假财务报告是指不符合公认会计准则以及现行法律法规规定，不能如实对外提供反映企业某一特定日期财务状况和某一会计期间经营成果、现金流量的财务报告。

1虚假财务报告的常见舞弊手段

在现代市场经济中，上市公司的舞弊手段总结起来，主要有以下几种。

（1）粉饰经营业绩。典型做法是：推迟确认收入、提前结转成本、利润均衡化。利用其他应收、应付款、待摊费用、递延资产、预提费用等科目调节利润，精心策划利润稳步增长的趋势。将坏账、存货积压、长期投资损失、闲置固定资产、待处理流动资产和待处理固定资产等所谓虚拟资产一次性处理为损失。

（2）粉饰财务状况。一种情况是高估资产，另一种情况是低估负债。企业贷款或发行债权时，为了证明其财务风险较低，通常有低估负债的欲望。典型做法是：账外账或将负债隐匿在关联企业。

（3）包装现金流量表。会计准则对现金等价物的定义是一种投资，应收票据显然不属于企业投资的范畴。将应收票据视为现金等价物，从而虚增了经营活动产生的现金流入，导致现金流量表数据不实。这样就不可避免地产生了对现金流量表进行包装和注水的嫌疑。

（4）根据行业平均比率指标，直接在报表中进行调整。一般分析者用企业的财务比率和行业的平均比率对比，并据此对企业进行评价。有的企业在财务报表中对某些项目进行调整（如将长期投资化为短期投资、将流动负债化为长期负债等），以使自己企业的财务比率能靠近行业平均值。

（5）利用关联交易粉饰财务报表。利用关联交易粉饰财务报表，主要方式包括：虚构经济业务，人为抬高上市公司业务和效益；采用大大高于或低于市场价格的方式，进行购销活动、资产置换和股权置换；以旱涝保收的方式委托经营或受托经营，抬高上市公司经营业绩；以低息或高息发生资金往来，调节财务费用；以收取或支付管理费，或分摊共同费用调节利润。

（6）编制合并报表时弄虚作假。合并财务报表的弄虚作假主要有：合并报表编制范围不当，将符合编制合并报表条件的未进行合并，而将不符合编制条件的予以合并或不按规定正确合并等现象。

2虚假财务报告的传统识别方法

下面对财务报表粉饰方式手段的传统识别方法进行分析：

（1）不良资产剔除法。这里所说的不良资产，包括待摊费用、开办费、长期待摊费用等虚拟资产项目外，包括可能产生潜亏的资产项目。不良资产剔除法的运用，是将不良资产总额与净资产比较，如果不良资产总额接近或超过净资产，既说明企业的持续经营能力可能有问题，也可能表明企业在过去几年因人为夸大利润而形成“资产泡沫”。

（2）关联交易剔除法。关联交易剔除法是指将来自关联企业的营业收入和利润总额予以剔除，分析某一特定企业的盈利能力在多大程度上依赖于关联企业，判断这一企业的盈利基础是否扎实、利润来源是否稳定。

（3）异常利润剔除法。异常利润剔除法是指将其业务利润、投资收益、补贴收入、营业外收入从企业的利润总额中剔除，分析和评价企业利润来源的持续性和稳定性。当企业利用资产重组或其他非正规手段调节利润时，产生的利润主要通过这些科目体现时，用异常利润剔除法对识别虚假会计报表将特别有效。

（4）现金流量分析法。如果企业的现金净流量长期低于净利润，意味着与已经确认利润相对应的资产可能属于不能转化为现金流量的虚拟资产，说明企业会计报表可能存在虚假现象。

3数据挖掘技术在识别虚假财务报告中的可行性与思路

数据挖掘（DataMining）就是从大量的、不完全的、噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。

3.1数据挖掘技术在识别虚假财务报表中的可行性

数据挖掘是一些功能强大的数据分析技术的集合，这些技术用于帮助我们分析极其巨大的数据集。经过正确地应用，数据挖掘可以揭示出埋藏在企业数据库中的隐藏关系和信息。

在会计领域利用数据挖掘技术识别虚假财务报告的研究目的是确定数据挖掘的方法论，建立相应的规则和算法。具体而言，需要运用数据挖掘技术整合上市公司财务数据、经营管理、证券市场交易及宏观经济环境等多方面的非财务信息，然后在大量数据模拟和试验的基础上，给出识别各种类型的财务造假模式的数据挖掘解决方案、规则、算法等。在确定规则时，我们可以利用专家系统，将经验丰富的专家智囊输入计算机，构建知识数据库，从而产生一定的规则名。数据挖掘技术可以处理大量的复杂关联数据，可以将在会计人员眼中不显著的虚假财务报告与自然形成财务报告之间的内在差异放大到存在某种数据结构和统计显著性差异，在一定程度上提高了舞弊性财务报告的识别效率和效果。

3.2数据挖掘技术在识别虚假财务报表中的思路分析

用数据挖掘中的预测方法来分别模拟正常企业与粉饰企业的指标数据，并与原数据对比，发现粉饰企业的异常。

首先选择一家或几家粉饰企业，然后寻找多家正常企业，最好是粉饰企业的同行企业，收集所选企业的基本的所有科目的连续的多年的数据。 （下转第159页）

（上接第131页）对每个正常企业各个科目或重要的科目的数据都进行预测，模拟其原有的走势。可以先通过调整预测模型，使得模型对正常企业的这些科目数据有比较好的预测，效果最佳，即使模拟的走势能较好的与原有的数据走势相符合。在此基础上，选用走势符合较好的科目，摈弃走势相差较大的科目。然后就可以用对于正常企业都能满足的科目来验证粉饰企业。

对选用的粉饰企业的上述这些确定的科目进行预测，模拟出这些指标的走势，并与原有数据进行比较，得出两者之间的区别，然后观察两者之间存在较大差异的时间是不是粉饰的年份，如果是，说明这种方法有一定的可行性。

4数据挖掘技术在识别虚假财务报告中的应用分方法与成功关键

与正常的财务报告相比，舞弊性的财务报告具有某种结构上的特征，这些特征可以通过数据形式表现出来，也可以通过文本信息等非财务数据形式表现出来，而数据挖掘技术提高了信息的利用率。

4.1数挖掘技术在识别虚假财务报告中的应用方法

（1）采用概念描述获得财务报告的一般信息评价。与正常的财务报告相比，虚假财务报告中常常具有某种结构上的特征。因此，对存储在数据库或者数据仓库中大量的正常财务报告和虚假财务报告数据通过概念描述的方法实施数据挖掘，通过使用属性概化、属性相关分析等数据概化技术将详细的财务数据在较高层析上表达出来，可得到正常财务报告和虚假财务报告的一般属性特征描述，从而为财务人员的判断提供了依据。

（2）运用关联分析法发现财务数据之间的联系模式。由于财务报表本身是高度浓缩的财务指标体系，各个指标之间还缺乏若干必要的联系，财务人员不能直接利用它来判断财务报告的真实性。因此，财务人员还需要对财务报表进行深加工，即开展财务分析。

（3）利用孤点分析法寻找财务报告中的异常数据。孤立点是数据集中与一般数据模型不相符的那些数据。企业的财务报表数据会随着企业经营业务的变化而变化，实践表明，真实的财务数据报表中主要项目的数据变动具有一定的规律性，如果其变动表现异常，就说明数据中可能存在虚假成分。

4.2数据挖掘技术在识别虚假财务报告中成功的关键

（1）做好基础数据库的建设。实现数据挖掘的前提和基础是拥有大量、真实的数据积累。没有数据积累，数据挖掘将无用武之地。

（2）做好人员的培训工作。在数据挖掘应用过程的多个环节中，人的主观辨识和控制是应用成败的关键，这就对系统使用人员提出了很高的要求。

（3）是数据挖掘必须由来自不同领域的人员共同参与。包括行业专家、数据管理员、数据分析人员、财务分析人员、数据挖掘专家等。人们通常把数据挖掘工具看得过分神秘，认为只要有一个数据挖掘工具，就能自动挖掘出所需要的信息，就能识别虚假财务报告，这是认识上的一个误区。其实要想真正利用好数据挖掘，数据挖掘工具只是其中的一个方面，同时还需要对财务业务的深入了解和足够的数据分析经验。