上市公司财务报告的舞弊识别.doc

上市公司财务报告的舞弊识别摘 要：借鉴国内研究的成果，从我国现阶段信息使用者的需要出发，采用实证研究的方法，提出识别财务报告舞弊的指标和有效的模型，以期规范资本市场。 关键词：财务报告舞弊；财务指标；实证分析；识别指标；模型 财务舞弊所隐瞒的重要信息会直接影响到投资者的证券投资分析决策。因此，如何更有效识别上市公司财务报告舞弊，有效防范和减少财务报告舞弊的发生，规范资本市场，维护广大投资人的利益是值得研究的。 1 文献综述与研究假设 1.1 文献综述 （1）国外文献综述。 Beneish(1997)对进行财务欺诈的上市公司和“清白” 公司进行比较，发现两者财务指标存在显著差异。 Eilfsen(1999)和Hellman(1999)通过应纳税所得和利润总额的计算分析关联关系对公司产生利润操纵动机的影响，和对公司产生调整财务报告和税金账户需要的影响。Beneish(1999)提出利用会计数据来判别上市公司是否存在造假的思想。通过8个财务指标建立prob 回归预测模型（会计舞弊识别模型），该模型的准确率达到75%，并在实际中得到运用。Panka jandsaksena(2001)从实证角度证明，财务舞弊与环境因素有着直接的关系。从以上国外文献回顾来看，国外关于财务报告舞弊的识别研究较早，既有规范性研究又有实证性研究，且己取得丰硕的研究成果和长足的进展。国外学者对舞弊公司的理论特征研究主要从公司的经营状况、企业规模、公司治理结构、财务报告特征等方面展开的。 （2）国内文献综述。 阎达五、王建英（2000）对可能存在利润操纵行为的上市公司进行总体财务指标特征分析，发现其中存在的规律。陈信元、杜滨等（2001）通过大量的统计研究，总结出了极有可能采取会计造假的公司的特征：1：前两年连续亏损，当年经营业绩没有得到根本改善的公司（为了避免被ST处理）；2：前两年平均净资产报酬率达到10%，当年公司行业不景气的公司（为了争取配股的资格）；3；资本运作和关联交易频繁的上市公司；4：业绩和股价波动厉害的上市公司；5：全行业亏损或行业过度竞争的上市公司。何红（2002）检验了舞弊公司与非舞弊公司的10个财务指标均值，研究发现5个财务指标的T检验结果于研究预期相符，并呈现显著性差异。刘立国、杜萤（2003）选取1994年至2000年26家财务报告舞弊上市公司作为样本，检验了公司治理与财务报告舞弊之间的经验关系。从以上分析可以看出，我国对财务报告舞弊现象的关注只是近期的事情，对于外国较为丰富的研究成果，我国对上市公司财务报告舞弊的识别研究刚刚起步，相关论文和专著的数量明显少于国外。 1.2 研究假设 假设1：如果舞弊公司与非舞弊公司应收账款周转率指标差异大，则财务舞弊的可能性大。因为虚假销售或提前确认收入无法取得现金，应收账款占用会增加，应收账款占流动资产的比重会增加，从而财务报告舞弊的可能性大。 假设2：如果舞弊公司与非舞弊公司资产负债率指标差异大，则财务舞弊的可能性大。因为资产负债率越高，公司的偿债能力越差，违反债务风险契约的风险越大，进行财务报告舞弊的可能性就越大。 假设3：如果舞弊公司与非舞弊公司现金流量对流动负债指标差异大，则财务舞弊的可能性大。因为此比率越低，说明公司偿债能力越差，进行进行财务报告舞弊的可能性就越大。 假设4：如果舞弊公司与非舞弊公司总资产净利率指标差异大，则财务舞弊的可能性大。因为此比率越低，说明公司获取收益的能力的越差，进行财务报告舞弊的可能性就越大。 假设5：如果舞弊公司与非舞弊公司主营业务收入指标差异大，则财务舞弊的可能性大。此比率是当年主营业务收入/上年业务收入，该比率越低，说明公司获取收益的能力越差，说明进行财务报告舞弊的可能性就越大。 2 研究设计 2.1 样本选择及数据来源 （1）数据来源。 有关我国上市公司历年的财务报告舞弊信息资料来源于：中国证券会网站、CSMAR系列研究数据库 、巨潮咨询网个股资料进行整理所得。 （2）上市公司舞弊样本的选择。 考虑到舞弊样本财务指标的可比性，只选择影响年度报表数据的舞弊样本公司，剔除中报或季报的样本，同时剔除B股上市公司，以A股上市公司作为研究对象。 由于上市公司1998年后才开始公布现金流量表，而研究变量包含现金流量表信息，所以只选择1998年后舞弊的上市公司年报。（3）根据上述标准，根据中国证券监督管理委员会公告中的规定以及上海证券报和中国证券报中的有关信息，从证监会处罚的舞弊公司中收集了1998-2007年间59家公司。以一份年报为一个样本，总共得到85个舞弊样本，作为研究对象。 （3）控制样本的选择。 据已有的研究结果显示，行业因素和公司规模均是影响财务报告舞弊的重要因素。因此，为了控制外部环境和行业因素的影响，应选择与所在样本行业相同、本行业相同、规模相当的上市公司为控制样本。选取步骤如下： 选择与舞弊样本上市公司同年度、同行业的A股上市公司。 选择与舞弊样本上市公司舞弊年度期初资产规模最接近的上市公司；通过以上条件的筛选，得到舞弊样本及对应的控制样本，1：牡石化(现圣方科技)1999年，控制样本000520，控制样本名称：中国凤凰。2：嘉宝石业(现名称)1998年，控制样本600811，控制样本名称：东方集团。3：ST鑫光1998-2000年，控制样本000657，控制样本名称：中钨高新。4：银广厦1998-2001年，控制样本000661，控制样本名称：长春高新。5：湘火炬2003-2004年，控制样本600765，控制样本名称：立源液压等。 2.2 研究方法 本文采用T检验法和Logtic回归判别方法。T检验法是对舞弊样本和控制样本的财务指标进行配对检验，即将 sig.与0.05进行比较，如果sig. 0.05，则说明统计性显著，否则统计性不显著。Logtic回归判别方法主要用来预测二值响应变量（如成功于与失败，舞弊与非舞弊等）的值。不论如何定义，Logtic回归判别是为了找出因变量与一组自变量的关系 ，是用极大似然法估计参数。在二值响应模型中，通常用Y表示一个试验单元，它的取值有两种可能，为方便期间，分别记为1和0（在本文中0代表公司舞弊，0代表公司非舞弊）。X=（X1，X2， X3， X4，X5）表示自变量向量，以用来说明Y发生概率的大小，即P=Prob（Y=1X）向，而P可以回归方程得到：Logit（p）=（p/1-p）=a+b1x1+b2x2+b3x3+ b4x4+b5x5 其中，x代表一组自变量(x1，x2，x3，x4，x5)，即分别代表五个财务指标，具体如表1所示。(b1，b2，b3，b4，b5) 代表一组与代表x对应的回归系数，a表示模型截距，和都是待估计的参数。在计算出待估计的参数后，某一特定情况发生的概率就可以通过以下公式计算：P=e(a+bX)/1+e(a+bX) 3 统计分析 3.1 描述性统计分析 （1）舞弊样本与非舞弊样本的配对检验。 有关数据采用SPSS13.0进行处理，表2表示了两类样本舞弊前一年资产规模的描述性数据，并对差异分别进行t 检验， sig.>0.05，Asymp.sig.>0.05，从检验结果可以看出，两类样本在舞弊前不存在显著性差异，说明舞弊样本在舞弊前一年的资产规模非常接近。 3.3 统计检验结果与分析 通过表6，Logit（p）=（p/1-p）=a+ +b3x3+b5x5 得出模型Logit（p）=-0.239+1.312x3+0.535x5 则舞弊的概率为： p=eXp(Fi)/1+exP(Fi)=exp(-0.239+1.312x3+0.535x5)/1+ exp(-0.239+1.312x3+0.535x5) 显通过表6可见，用Logistic回归分析判别方法进行分析，得出x3与x5统计性显著，显用T检验进行分析得出x3，x4，x5统计性显著，两种方法得出的结论基本相同。通过对85个舞弊样本和配对的85个非舞弊样本的统计分析，得出假设1、假设2不显著。假设3、假设4、假设5显著。即舞弊公司与非舞弊公司应收账款周转率，资产负债率指标统计性不显著，现金流量对流动负债指标，总资产净利率，主营业务收入指标统计性