基于多元舞弊证据的财务舞弊风险评估研究

●邱 实 罗元盛

财务舞弊风险不同于财务舞弊，舞弊风险是舞弊的可能性，包含不确定性因素。由于财务舞弊风险评估可以提早对可能的舞弊行为预警，减少舞弊行为带来的损失，因此具有良好的应用前景。目前已经有大量的财务舞弊风险评估相关因素和评估指标的研究工作。Issa 和Kogan（2014）运用有序Logistic 方法评估公司内部舞弊的风险。Brazel 等(2018)研究发现审计人员对财务指标和非财务指标相差较小的公司，评估的财务舞弊风险较低。此外，一些学者在财务舞弊风险模型的构建方面也进行了研究。Dechow(2011)综合了应计质量、财务绩效、非财务指标、表外活动以及市场活动表现数据构建了一个评估公司财务舞弊风险的模型。Song 等（2014）提出了整合财务和非财务的财务舞弊风险因子，利用机器学习和专家评分法的客观和主观相结合的方法构建财务舞弊风险评估系统。

以上的研究，往往只关注单一类型财务舞弊证据，而多元证据结合进行财务舞弊风险评估是目前此类研究发展的趋势。本文将从多元舞弊因子、财务舞弊分类研究以及基于证据理论的财务舞弊风险评估进行理论探讨，为基于多元舞弊证据的财务舞弊风险评估研究提供有意义的借鉴和参考。

一、多元舞弊因子研究

Chen 等（2015）认为使用多元数据进行财务舞弊风险管理是一个新趋势。新一代舞弊监控技术利用各种各样的数据处理、计算技术、实时防控舞弊系统和风险模型已经出现。Jin 等（2015）认为与传统数据相比，新的半结构化和结构化数据（文本、图像、音频和视频等）能更好地应对大数据背景下财务舞弊的侦查。多元数据的概念被应用于识别有用的内部和外部财务数据（不同的定量和定性财务数据），有助于设计财务舞弊检测流程和构建财务舞弊风险评估模型。Chen(2019)在夸大利润等财务舞弊检测过程中采用了不同的数据源以及加工方法。其中，多元数据包括审计师的审查报告（文本/ 内部数据）、财务新闻（文本/ 外部数据）、财务报表（数字/ 内部数据）和证券公司的预测数据（数字/ 外部数据）等。

二、财务舞弊的分类

Hennes 等（2008）将财务重述行为划分为故意差错（舞弊）和非故意差错（错误）。Cecchini 等（2010）运用支持向量机的方法来分类故意错报（舞弊）公司和无错报（非舞弊）公司。Abbasi 等（2012）也通过构建元学习框架构建识别故意错报（舞弊）公司和无错报（非舞弊）公司的模型。Hayes（2014）则运用文本搜索的方法将财务重述分为非故意错误、故意错误和无法分类的报表重述。Kim 等(2016)在前述研究的基础上建立了故意错报（舞弊）、非故意错报（错误）和无错报管理层意图的识别模型。

三、基于证据理论的财务舞弊风险评估

证据理论比概率论能更好的研究不确定性问题。目前，国内外已经有许多运用证据理论研究财务舞弊问题。Srivastava等(2011)采用证据理论对舞弊三因素的舞弊证据和特定审计程序的舞弊证据进行整合，以此评估公司财务舞弊风险。车君梦（2016）认为审计证据理论是研究财务报告舞弊风险最契合的理论框架。Li,Pei 等(2015)发现持续审计系统产生的异常值太多导致内部审计人员难于处理，提出在执行风险评估时运用证据理论对异常情况的严重程度进行排序。Bappy（2019）实证结果显示D- S 证据理论能有效地处理不确定性和证据冲突问题。

四、讨论和建议

关于财务舞弊风险的实证研究主要集中在公司内部业务层面，较少从外部监督角度整体对公司财务舞弊风险进行评估。上述研究反映了多元数据在财务舞弊检测中的重要作用，而国内相关的文献研究还没有强调多元数据在财务舞弊风险评估中的作用。现有的研究提出了将证据理论运用于财务舞弊风险的评估，但只是停留在定性研究以及理论框架的构建上，缺少实证模型的构建和检验。因此，本文认为构建基于多元证据源和证据理论的财务舞弊风险评估模型值得进一步研究。综上所述，基于多元舞弊证据的舞弊风险评估研究是未来的研究方向和趋势，而如何解决多元舞弊证据带来的冲突和不确定性，以及如何融合多元舞弊证据构建风险评估模型，是上述此类研究中的重点内容。