后疫情时代企业商誉减值准备计提困境与破局之道

杨悦

（广西经贸职业技术学院，南宁 530021）

1 研究背景

新冠疫情这一意外的“黑天鹅”事件，不可避免地给面临下行压力的经济环境带来一系列负面影响，部分服务业、制造业甚至在短期内濒临停摆。随着疫情形势的发展和国家持续跟进全球疫情态势和病毒变异特征进行研判后，坚持以人民为中心，科学审慎、因时因势调整优化完善防控政策，2022年12 月7 日，国务院发布《关于进一步优化落实新冠肺炎疫情防控措施的通知》，即疫情防控“新十条”，进一步提高疫情防控的科学性和精准性，更好地统筹疫情防控和经济社会发展，最大限度地保护人民生命安全和身体健康，减少疫情对经济社会发展的影响[1]。

2020-2022 年的“疫情3 年”，经济受到严重影响，在一定程度上加速了市场优胜劣汰的“大洗牌”，机遇与挑战并存，经济呈现波诡云谲的状态，新一轮企业兼并重组浪潮袭来，那些具有资金优势的企业可以抓住这次机遇实现逆势扩张，这将进一步提升产业内部的集中度。而这个“洗牌”的过程，“并购”就是其中较为活跃的一种模式。而其中，对于在非同一控制合并行为中形成的“商誉”的计提和后续处理，则更加的敏感和复杂。

2 后疫情时代商誉减值判断思维模型

2022 年12 月7 日，国务院发布疫情防控“新十条”，自此对于新冠病毒的防控进入“后疫情时代”，防控将更精准，对老百姓的生活、对经济运行的影响将降到最低，同时在一定程度上也消除了我国与外国在外贸、外交、技术等多方面的交流障碍。但是经济的恢复需要相当长的一段时间，大环境给企业造成的影响也并非一朝一夕能恢复，因此即使进入了“后疫情时代”，商誉的减值准备计提仍需慎重考虑。在这样的大环境下，比照我国《企业会计准则第8 号--资产减值》中列举资产发生减值的七大迹象，在“后疫情时代”，企业在进行商誉减值测试时，可以通过以下的判断思维模型（见图1），确认是否计提减值准备。

图1 商誉减值判断思维模型

3 后疫情时代商誉减值的特征及原因分析

通过A 股市场上市公司公布的商誉减值准备计提情况，与疫情前进行对比，发现有如下特征（见图2～图4）：

图2 2013-2022 年计提商誉减值的上市公司数量变化情况

图3 2013-2022 年上市公司计提商誉减值金额变化情况

图4 商誉减值幅度

从图2～图4 的数据中，可以得到一个在情理上说不通的结果，即2020-2022 年“疫情”下，大环境较前几年差，经济走势不明朗，但计提商誉减值准备无论是在公司数量占比，还是在计提金额规模上，反而降低了，原因如下。

疫情前：

我国经济在一个相对平稳的内外部环境中获得了平稳快速发展，此时计提商誉减值准备的公司分为3 种类型：

第一类：正常计提商誉减值。

第二类：政策性变动引起的“长尾效应”。2015 年开始，受到中国证监会出台的一系列简化企业并购重组政策的影响，投身并购热潮的企业，通常3 年时限的对赌协议到期，所以在2018 年出现商誉减值的集体爆雷现象[2]。

第三类：经营陷入困境的企业，已经由于两年的亏损被带上“ST”的帽子，索性在第二年通过大幅度计提商誉减值准备制造更大幅度的亏损，为第3 年业绩设下一个比较低的起点，以实现“扭亏为盈”的假象，逃避“2+1”的退市机制。

第四类：部分上市企业认为2019 年是一个熊转牛的周期节点，预计未来市场的下行走势，所以进行了集中的商誉减值准备的计提，塑造未来的炒作热点，压低当前股价，为推高来年股价做好铺垫。

以上第三类、第四类企业有强烈的利用商誉减值测试进行盈余操纵的目的，属于“财务洗大澡”行为。

疫情后：

从2020 年到2022 年的数据可以看出，这几年正处于“疫情”最严峻的阶段，防疫政策也提高到最高等级，从计提商誉减值的上述公司数量上看，从2019 年疫情前的837 家下降到2022 年的735 家，商誉减值总额也从2019 年的1 480.75 亿元“断崖式”下降到2022 年的579 亿元，减值幅度从2019 年的10.19%下降到2022 年的4.33%，原因有以下3 种：

第一，2019 年疫情前“财务洗大澡”行为造成的“蝴蝶效应”，其中达到目的的企业纷纷在新的一年里停止了商誉减值的计提操作。第二，2018 年之后，国家陆续出台政策，督促资本市场行业健康发展，在强监管、重内控的企业秩序下，整治效果在2020 年后开始显现。第三，2019 年末突如其来的“疫情”让企业内外交困，大部分企业陷入经营困难的境地，如果此时继续大幅度计提商誉减值，无疑使本就单薄的利润雪上加霜。因此，即使出现了资产减值的七大迹象，但企业对于计提商誉减值保持着相当谨慎的态度。

随着新的防疫政策的实施，进入“后疫情”时代的文娱、旅游、航空、影视等行业逐步复苏，这类型的企业对未来经济不再看空，而是保持乐观的态度。

4 企业的困境

在实务中，企业对于商誉减值准备的计提，一直存在着技术处理和经营管理两种困境，从而导致商誉的后续计量值得商榷。

4.1 技术处理困境

根据准则要求，企业每年应该对商誉进行减值测试：在对商誉进行减值测试时首先应先对不含商誉的资产组或资产组组合进行减值测试，确认相应的减值损失。再将商誉分摊至各资产或相关资产组中，比较这些相关资产组或者资产组组合的账面价值与其可收回金额。其中，可收回金额是使用资产组未来现金流量的折现额与可辨认净资产公允价值减去处置费用的净额孰高进行确定。

在这个测试过程中，存在以下的技术处理困境：第一，资产组的范围难以准确界定。商誉进行减值测试需结合相关的资产组或者资产组组合，相关的资产组或者资产组组合应当能够从企业合并的协同效应中受益。然而由于合并协同效应下的“受益”的定义具有一定的主观性，从而导致“施益方”和“受益方”角色的不清晰，更不利于受益程度的计量，从而导致资产组的范围难以进行准确界定，增加了商誉减值测试的困难。第二，商誉能产生的未来现金流量难以准确估计。由于商誉不具有实物形态，也不能独立产生现金流，因此管理层在其未来能产生的现金流量的准确判断十分困难[3]，这使得在进行商誉减值测试时使用的关键指标--可回收金额的确定具有很大的弹性，成为具有高度不确定性的会计估计。第三，减值迹象难以客观判断。尽管在《企业会计准则第8号--资产减值》中列举资产发生减值的七大迹象，但在实务中公司管理层对商誉减值迹象的判断受主观因素影响较大，除了可以量化的减值迹象，其他必须基于职业判断进行的主观迹象，管理层有可能出于其他考虑，如盈余管理等，采取“视而不见”或“夸大其词”等对商誉减值进行会计处理，使得是否计提商誉减值准备、计提的幅度等有很大的自由裁量权。

4.2 经营管理困境

表面上看，似乎企业在计提商誉减值时，计提操作过于随意、主观，但其实在企业管理层的角度，对于商誉减值的计提的自由裁量，并不是因为其不懂准则、用不好准则造成的，更多的是在复杂的经济环境下，尤其是经历了“疫情”的动荡，考虑计提后，会引发何种经济后果及市场连锁反应，从而让管理层在计提商誉减值时，左右为难：一方面，计提商誉减值准备后，减少了企业净资产，并且会计准则规定，商誉减值准备一旦计提，以后期间不得转回，这不得不迫使企业在计提减值准备时，要更长远地结合“疫情”后的经济发展走势，考虑对将来企业财务状况的影响。另一方面，计提商誉减值准备会对外释放出对未来预期不乐观的负面信号，引发原有股东的担忧，也导致股价受到一定程度的影响，考虑到企业未来的价值，尤其是近几年受到“疫情”负面影响的企业，在面对左边是“准则”，右边是“形象”时，企业管理层对商誉减值准备计提的决定，慎之又慎。

5 监管方困境

由于企业对于非财务数据披露的保留、内部交易的客观存在、准则等量化指标的缺少、商誉减值审计自身的专业性和复杂性等，都给监管造成一定程度的障碍，一直以来注册会计师审计、证监会、政府相关监督机构等监管方如何判断企业计提商誉减值的合理性，是横亘在监管工作中的痛点、难点。

5.1 商誉是否应该减值

对于合并，尤其是存在业绩承诺或对赌协议的合并下产生的商誉，在初始确认后，受到市场宏观环境、经济运行周期、技术变革及类似“疫情”等非人为不可抗力外部因素影响，以及合并后整合的协同效应是否有效，对于商誉减值与否的判断十分重要，由于监管方存在与企业方的信息不对称、企业刻意通过隐瞒、粉饰等手段为商誉减值的计提进行的财务“洗大澡”行为披上“合理化”的外衣，致使监管方可能通过有限的技术手段，无法判断企业对于商誉的减值是否合情合理。

5.2 商誉减值测试监管应对措施如何保证客观公正

商誉减值测试操作复杂，测算可回收金额时，关键指标基本都是由企业管理层结合自身情况确定，造成可回收金额主观性极强，极容易受到管理层偏向的影响。另外，通常在应对商誉减值测试的审计时，监管方往往会利用评估专家的评估报告，因此对于利用专家工作，又需要对专家及其工作的客观、公正、合理性进行另一种评估，又增加了一定的监管风险。

5.3 计提的商誉减值准备是否计提准确

对于外部监管方来说，由于信息不对称，监管方很难像企业一样，准确评估出商誉减值测试所需要综合考虑的宏观环境、行业环境等不确定性因素，再加上商誉减值测试的计提包括许多假设条件，这使得商誉减值结果不可验证，财务报表外部使用者很难判断商誉减值相关信息是否正确，一旦理解或计算不准确，将影响会计信息的可靠性[4]。

6 破局之道研究

6.1 制度修正方面

第一，建立独立的《商誉》准则。目前关于商誉的会计处理，尚无独立的准则进行规范，如对于商誉的初始计量的规定散落在《企业会计准则第20 号--企业合并》中，而商誉的减值处理规定则散落在《企业会计准则第8 号--资产减值》中，无完整的系统化的规范，使“商誉”这个能掀起“腥风血雨”的资产得不到重视，从而成为管理层等利用商誉进行利益输送的一大工具。因此应该发布独立的商誉准则及明晰的应用指南，给予商誉减值更加明晰的测试方法、质量控制、参数选取、估值技术、信息披露等指导，让商誉减值有可执行的实操性的依据。第二，加大政策中的处罚力度。严厉查处商誉信息披露不规范、不充分的企业；严厉打击中介机构对商誉评估“走过场”现象，严格规范商誉评估专家的执业背景、能力经验、利益链条关系等，对商誉评估专家进行备案登记和造册管理，定期组织其进行继续教育和培训；对于出具虚假的评估报告的评估专家进行通报，暂停相关工作执业，甚至撤销其相应执业资格，从而提升商誉评估中介机构的执业质量。

6.2 审计监管方面

政府层面：从此次“疫情”前后，商誉减值由大幅度计提变为真的遇到“疫情”的“黑天鹅”事件反而“畏首畏尾”地谨慎计提来看，商誉减值的计提随意性过大，商誉已经成为管理层盈余管理的工具。政府层面必须改变以往通过年度审计，对商誉的实施事后监管的模式，使之前置于兼并重组审核环节，刺破不合理收购溢价形成的商誉“泡沫”，规范收购定价和商誉初始价值，从根源上排除将来商誉“暴雷”的隐患。在形成商誉后，也要对商誉进行持续性监管，对于利用商誉“洗大澡”的行为进行严厉处罚。

中介机构层面：注册会计师、评估专家和执行其他与商誉审计相关工作的人及机构加强行业自律，杜绝审计工作“表面化”、审计结果“标准化”的形式主义作风。会计师事务所应该严格执行商誉审计项目的质量复核工作，把控项目质量，可以通过不定期专项检查进行监督，及时纠正商誉审计中发现的问题。

注册会计师审计层面：对于列入关键审计事项的商誉审计，应该详细列出事项描述和对应策略，并为每一步审计程序获取充分适当的审计证据；在利用专家工作对商誉进行评估时，应该充分关注评估专家的专业性、客观性和职业素养，并评价专家工作的客观性、适当性；对商誉审计的结果进行客观、合理的披露，进一步降低审计风险。

6.3 处理技术方面

第一，透视报表底层，提高估值准度。商誉产生于企业合并，商誉减值的计提又是产生于根据情况的改变而对前期被合并企业未来潜在的超额利润的下行调整。所以为避免合并后对商誉剧烈的调整，给企业形象造成不利影响，企业就应该在合并之初，客观公允地评估被合并企业的未来价值，“挤干”溢价“水份”，支付合情合理的并购对价。在使用现金流量折现模型对企业进行估值时，对于被合并企业未来盈利性的预测，企业应当关注的是扣除处置非流动资产损益、债务重组损益等非经常性损益后的净利润，也要剔除会计政策变动因素、所得税政策变动因素等非财务因素，以还原企业可持续的盈利能力，进而较为客观、公允地估计出实体现金流量。对于存在业绩补偿承诺或对赌协议的企业合并，由于代理问题导致的信息不对称，企业不能过于依赖被合并企业提供的业绩承诺，不能因为有兜底条款或“博弈”的侥幸而盲目支付合并对价，从而助长被合并企业推高并购溢价，造成商誉虚高。从另一方面来说，被合并企业给予的过高的业绩承诺，会增加管理层后期盈余管理的动机和压力，很可能产生粉饰报表的会计违法行为，因此合并企业应该留个心眼，甄别业绩承诺的价值，降低商誉存在的未来“暴雷”风险。

第二，改变商誉后续计量模式，减少利润操纵机会。有的学者提出对商誉的后续计量，可以引进分期摊销法或者采用分期摊销与减值测试相结合的方法[5]。笔者认为，这种模式计量模式，将充分体现会计信息质量要求中的稳健性原则。采用分期摊销法时，可以按照商誉的使用寿命和消耗方式作为摊销年限，采用年限平均法摊销。若当年采纳的是减值测试法计算出的结存金额作为商誉账面价值，则在下一年重新评估商誉账面价值时，需要用下一年减值测试的结果与假定一直持续性地使用分期摊销法计算出的结果进行比较，即分期摊销法的摊销基数一直是商誉的初始成本，而不随着每年商誉的账面价值变化而变化。采用分期摊销与减值测试相结合的方法，可以在企业运营平稳的年度里逐步消化并购形成的溢价，回归商誉作为资产的本质属性。在遇到重大特殊情况的特殊年份出现了减值迹象时，如此次出现的“疫情”外部性影响，采用二者结合的方式进行处理，可以遏制企业“财务洗大澡”的企图，同时也不再因为担心大幅度计提商誉减值会影响企业形象，而少提或者不计提减值准备，因为前期的商誉已经逐年摊销，账面价值已逐渐消化，减值的顾虑可以降低。

6.4 大数据科技手段应用方面

随着科技的进步，企业和监管方还借助大数据等手段为企业商誉及其减值提供更为科学合理的数据依据。具体操作步骤为：第一，数据爬取：可以利用Python 技术通过开源的爬虫框架和工具，如Scrapy、Beautiful Soup 等在Wind 资讯金融终端、CSMAR 数据库、新浪财经等可靠的财务数据源中抓取需要做参考或者比较的数据。第二，数据预处理：对收集到的财务数据进行预处理，包括数据清洗、数据转换等步骤，并根据规模、资本结构、信用等级等不同进行调整，以便于后续的分析。第三，特征工程：预处理后的数据中提取出有用的特征，如同属于受“疫情”负面影响较大的旅游业、在“疫情”前即大规模计提商誉减值的企业等，这些特征可以更好地理解数据，并提高模型的预测能力。第四，模型训练：使用机器学习算法（如支持向量机、随机森林等）对提取出的特征进行训练，得到一个可以预测商誉问题的模型。第五，异常检测：使用训练好的模型对新的财务数据进行分析，将正常的商誉值定义为阈值，然后将超过这个阈值的数据视为异常，从而发现其中的潜在商誉问题。

通过在实际数据上的应用，不仅可以有效地发现潜在的商誉问题，而且其预测准确率也较高。此外，通过调整特征工程中的参数，还可以进一步提高模型的预测能力。由此一来，企业可以用于调整自己原来的商誉减值计提金额，使之更符合实际情况，监管方也可以发现异常，而采取相应的对策。