基于信号识别的财务舞弊研究

来源:岁月联盟 作者:田亚平 时间:2014-06-25

  资产和利润的造假是对投资者和债权人影响最大的舞弊行为,且资产和利润的虚假能通过一系列财务指标的异常反映出来。而资产和利润的虚增是财务报告舞弊的主要内容,因此,本文将财务舞弊定义为财务报告中资产和利润的虚增,并以此为标准来选择研究样本。
  研究样本从我国2000-2006年因舞弊遭到证券监管部门(证监会、深交所、上交所)、财政部通告处罚的公司中选取,共选取了35家上市公司,其中有些公司是连续几年都实施财务舞弊行为,将舞弊公司的每一个舞弊年度作为研究对象,最终共有68个研究样本。
  同时选取了与上述公司行业相同、规模相当的未遭通告和处罚的公司与之配对,选取了68个控制样本。
  本文的样本数据来源于中国证监会公告(上市公司处罚决定类)、财政部处罚公告(上市公司处罚决定类)以及中国证监会指定的信息披露网站-巨潮资讯网(www.cninfo.com.cn)、上市公司咨询网(www.cnlist.com)、金融界网(www.jrj.com)。
  本文通过对国内外研究成果、及会计舞弊的普遍手法分析,认为舞弊公司会在下述指标方面与非舞弊公司显示出差异。现将本文选取的可能发现违规的指标进行汇总,并对每一指标给出简单说明(见表1)。
  (一)模型选择
  Logistic模型适用于因变量为二值的情况下使用(例如:对上市公司财务报告识别的结果要么是舞弊、要么是非舞弊,即符合该模型的使用条件),因此本文研究也将采用Logistic模型,并结合SPSS统计软件进行。
  根据舞弊识别的经验性分析,认为舞弊公司与非舞弊公司(同行业、规模相当)在上述13个指标方面会显示出较大差异,因此,对舞弊公司(研究样本)和非舞弊公司(控制样本)的上述指标采用SPSS统计软件进行对照检验,最具显著性的指标予以保留进入模型(即为X1、X2、X3等),不具有显著性的指标则予以剔除,从而构建Logistic回归模型,以此来判断企业财务舞弊的概率有多大。
  模型建立的意义在于:在某公司X1、X2、X3等指标已知的情况下,把指标值带入模型即可得到该公司发生财务舞弊的概率。
  (二)研究结果及其阐释
  将两类样本按0、1分组,1为舞弊公司,0为非舞弊公司,采用SPSS16.0对数据进行处理。
  SPSS的部分输出结果如表2所示。
  表2为方程中变量检验情况列表。从显著性水平(Sig.)来看,X1(资产负债率)、X9(非主营业务利润率)、X10(净利润现金保证率)、X11(其他应收款占总资产的比)这4个变量检验的显著性水平都小于0.05,均可进入模型。由该表可得出会计舞弊的识别模型为:
  Ln(Pi/1–Pi)=Y=-2.148+4.839X1+0.248X9-0.193X10+6.381X11
  根据该模型,就可以在某公司这4个变量已知的情况下计算出其发生财务舞弊的概率。
  表2中回归模型统计量表明:最终进入模型的有4个变量,分别是X1(资产负债率)、X9(非主营业务利润率)、X10(净利润现金保证率)、X11(其他应收款占总资产的比)。从系数可以看出,X11(其他应收款占总资产的比)对公司舞弊与否的预测能力最强(其系数为6.381),而且该指标与舞弊发生与否呈正相关关系;其次为X1(资产负债率),其系数为4.839,该指标与舞弊发生与否呈正相关关系;然后是X9(非主营业务利润率),其系数为0.248,该指标与舞弊发生与否呈正相关关系;最后是X10(净利润现金保证率),其系数为-0.193,该指标与舞弊发生与否呈负相关关系。
  四、研究结论
  根据实证研究结论,可看出财务结构、盈利质量和关联交易度相关指标对识别公司财务舞弊与否有着显著的效果,也可以说,舞弊公司具有资产负债率高、盈利质量差、关联交易频繁的显著特征,因此无论作为投资者还是债权人及证券监管部门,判断公司舞弊与否时,要密切关注这些指标。
  参考文献:
  1、Albrecht W S and Romney MB.Red-flagging Management Fraud: a Validation[J].Advances in Accounting,1986(3).

图片内容