【财务舞弊的相关理论综述4200字】

财务舞弊的相关理论综述目录TOC\o"1-2"\h\u10321财务舞弊的相关理论综述 1297891财务舞弊的定义 1321422财务舞弊的动机 1138013财务舞弊的识别 332063参考文献 51财务舞弊的定义根据我国2019年2月20日修订颁布的《中国注册会计师审计准则第1141号》，狭义的财务舞弊被定义为“被审计单位的管理层、治理层、员工或第三方使用欺骗手段获取不当或非法利益的故意行为”。财务舞弊涉及内容宽泛，基于重要性、及时性的会计基本准则，注册会计师重点关注导致财务报表重大错报的舞弊。为了规范行为、明确责任，中国注册会计师协会针对审计中发现错误与舞弊的情况发布了《独立审计具体准则第8号——错误与舞弊》，将舞弊具体定义为“伪造、编造记录或凭证；侵占财产；隐瞒或删除交易或事项；记录虚假的交易或事项；蓄意使用不当的会计政策”。为将错误与舞弊进行区分，该准则的定义着重强调了舞弊行为的故意性和重大影响。与国内的定义类似，美国注册会计师协会（AmericanInstituteofCertifiedPublicAccountants，AICPA）在《审计准则第99号——考虑财务报告中的舞弊》（SASNO.99）对财务报告舞弊的定义为“故意在财务报告中错报或瞒报重大事项”。虽然中外审计准则的表述有部分差别，但其阐述的基本思想较为一致：舞弊是企业管理层、治理层、员工或第三方故意错报或瞒报财务报告中的重要事项，导致财务报表与事实严重不符的行为。本研究将基于此定义，展开对财务舞弊识别模型的探究。由于财务舞弊具有隐蔽性，本研究所指的财务舞弊企业为因虚构利润、序列资产、重大遗漏等重大财务违规收到中国证监会及相关机构通报、警告的企业，未被通报的企业视为正常企业。2财务舞弊的动机关于财务舞弊的动机，国外学者先后提出了欺诈三角理论、四因子成因理论等多种理论。Albrecht等人（1984）提出了著名的欺诈三角理论（见图1），认为企业的欺诈行为主要由压力（Pressure）、机会（Opportunity）和自我合理化（Rationalization）三个因素引起。其中，压力代表公司面临问题的紧迫性，为公司进行财务舞弊提供了行为动机。机会指的是公司可以不被发现和惩罚地进行财务舞弊的时机，这为财务舞弊行为创造了客观条件。自我合理化是公司进行财务舞弊时使用的借口，是行为对象说服自己的过程。这三个诱因共同促成了企业的财务舞弊行为。基于欺诈三角理论，Bologan等人（1993）提出了四因子成因理论（见图2），又名GONE成因理论，该理论将公司财务舞弊的原因归结为贪婪（Greed）、机会（Opportunity）、需求（Need）和暴露（Expose）四个要素。其中，贪婪和需要为主观因素，机会和暴露为客观条件。贪婪指的是公司管理层对财富和权力的过度追求。需求是公司进行财务舞弊行为的基础，主要包括首次公开发行、再融资、保牌等多个方面。机会是在贪婪和需求因素前提下，公司股权和治理结构漏洞、证券制度漏洞等漏洞为管理层进行财务舞弊提供的机会。暴露则为财务舞弊被发现的可能性和被揭发后需要承担的后果，暴露风险越大，公司越不愿进行财务舞弊。图1欺诈三角理论图2四因子成因理论Bologna和Robert（1993）对四因子成因理论进行了延伸，提出了舞弊动因理论，将风险因子细分为个别风险因子和一般风险因子。个别风险因子指难以被外界控制的因素，包括道德品质和动机。一般风险因子指受外界控制的因素，包括机会、舞弊被发现的可能性和舞弊被揭发后的处罚力度。根据舞弊动因理论，四因子成因理论中的贪婪和需求因素属于个别风险因子，机会和暴露因素属于一般风险因子。与舞弊动因理论类似，Pankaj（2001）也将舞弊因素分为内外部因素，内部因素包括企业内部规范、企业规模和经营收益水平，外部因素包括企业竞争对手、宏观经济水平和行业水平。Pankaj通过实证发现，在不合理的内部组织结构造成企业面临困境的局势下，辅以不稳定的外部因素，企业可能通过财务舞弊解决当前困顿。国内学者对财务舞弊动机的探讨启动较晚，在国外相关理论较为完备的情况下，娄全（2003）提出四因子假说（见图3），进一步细化了舞弊的动机。该模型认为财务舞弊的动机主要由文化、动机、机会和权衡四个因子组成。娄全创造性地提出了文化因素，即企业所处的社会环境对企业财务舞弊行为的推动作用，他认为在一个缺乏诚信的社会中，财务欺诈更容易发生。图3四因子假说模型3财务舞弊的识别财务舞弊的识别研究与基于财务舞弊本身的研究长期相伴相生。国外的研究主要可以分为三个阶段。第一阶段，研究人员致力于寻找红旗指标（RedFlags）以辅助审计人员识别财务危险信号。红旗指标指的是公司业务背景下存在的、可能预示财务报表存在错报现象的潜在指标。Beaver（1966）最早从财务比率角度研究了公司财务危机预警问题，他根据指标在公开发表的财务报表分析中的出现频次、在过往研究中表现的良好程度和指标本身与现金流量相关性将30个关键财务指标分为六组，每组中选取一个比率作为分析重点。通过成对比较出现财务危机的公司和未出现财务危机的公司的相关数据，Beaver开创性地提出了基于会计数据的财务评估方法，并认为其可以用于财务数据相关的任何目的研究。第二阶段，研究人员尝试开发专家系统作为决策辅助工具，帮助审计人员识别财务舞弊现象。Albrecht（1986）基于Beaver的研究，基于经验总结，检测了87个财务比率在识别公司财务舞弊方面的作用，将其中的有效指标汇总，搭建了财务舞弊识别的红旗指标体系。为了探究红旗指标和企业财务舞弊风险之间的联系，Loebbecke和Willingham（1988）参考财务舞弊动机相关理论，将财务舞弊风险识别概念化为条件（Conditions，公司能够进行欺诈的程度）、动机（Motivation，公司是否具有财务舞弊的动机）和态度（Attitudes，公司管理层是否存在不诚信记录），概括了财务造假的46个风险因素，搭建出L/W模型。次年，Loebbecke、Willingham和Eining（1989）使用毕马威公司汇总的舞弊样本数据，运用单变量卡方检验，检验了L/W模型的识别能力，结果显示，88%的样本满足L/W模型三因子中的至少一种，该研究未选取正常公司入样，因此未能计算识别率。Bell等人（1991）引入了正常公司样本，计算出L/W模型的总体识别率为75%。L/W模型为财务舞弊的识别提供了一套完整的方案，但由于该模型涉及大量的主观判断，且对财务数据的要求过高，更适合能够接触到非公开信息的监管部门和审计人员使用，对一般投资者和利益相关方的价值有限。第三阶段，研究人员开发并测试统计模型，运用公开信息识别上市公司的财务舞弊行为，主要涉及方法包括单变量分析、判别分析、Logistic模型和人工神经网络等。Pearson（1995）认为可以完全通过公开的财务报表数据建立logistic回归模型，对财务舞弊行为进行识别。Pearson选取了1970-1990年间美国市场103个涉及财务舞弊处罚的公司样本，基于公司所处行业和企业规模匹配了另外103家正常经营的公司，构造了103对样本数据，通过t检验、logistic逐步回归，从10个初始自变量中筛选出财务杠杆、资本周转率、流动资产比率和企业规模四个财务舞弊识别指标。与之类似，Beneish（1999）选取了1982-1992年被美国证券交易委员会（UnitedStatesSecuritiesandExchangeCommission，SEC）处罚的公司作为样本，演算出基于多个财务指标的M-score公式，该模型以公式形式呈现，计算数值与标准数值对比即可判断公司是否存在财务舞弊。Tsipouridou和Spathis（2002）对M-score模型进行了延伸，在资产负债率等四个常见指标的基础上新增了财务压力指标，并用更新的模型对希腊公司的财务舞弊进行预测，预测准确率达到了84%。由于M-score模型仅仅涉及财务方面的信息，Dechow等人（2011）将股权特点、高管业绩要求、公司所处行业和市场环境政策等非财务方面的信息纳入模型，建立了F-score模型，模型的总体预测精度约为72%。此后，多位学者（TarjoandHerawati，2015；Kamal，2016）实证检验了M-score模型的预测能力，总体正确率均达到80%以上。BP神经网络、LVQ神经网络等神经网络技术也是财务舞弊识别建模的热门工具（GreenandChoi,1997;FanningandCogger,1998；蔡志岳，2006；王泽霞，2017；向崇学，2018等）。针对多种统计模型，国内学界比较了它们在财务舞弊识别方面的优劣。毛道维和朱敏（2006）综合比较了线性概率模型、单因素方差模型、logistic回归模型和多元判别模型，发现logistic回归模型在总体精度、第一类和第二类误判率方面表现均最为优秀。蔡志岳和吴世农（2006）对比了BP混合神经网络模型和logistic回归模型，认为BP混合神经网络模型的预测效果好于logistic模型。王泽霞（2017）采用了LVQ神经网络模型和BP神经网络模型双模型进行预测，发现组合模型的识别效果更好。但向崇学（2018）指出BP神经网络模型输入指标过多，容易出现收敛速度过慢、预测效果下降的问题。总体而言，国内外学者关于财务舞弊识别模型的探究经历了经验为主到理论为主、特殊性到普适性的发展历程，对该课题的研究涉及了统计学、会计学等多个学科的知识。目前财务舞弊识别模型逐渐完善，广泛涉及财务因素和非财务因素。但对该问题的研究仍存在一些空白：第一，由于我国会计准则与国际通用会计准则存在差异，国外学者搭建的多种财务舞弊识别模型的适用性有待考证和确认；第二，国内外研究主要面向全行业，学者普遍将企业所处行业作为非财务因素被纳入模型（Pearson，1995；Beneish，1999），较少有学者聚焦具体行业的财务舞弊现象。考虑中国背景下，制造业庞大，财务舞弊现象层出，本研究聚焦中国A股上市制造业企业，验证国外主流财务舞弊识别模型在我国经济环境中的适用程度，并试图对其进行拓展和改进。参考文献RUDYS,ALLAA,BRUNTONSL,etal.Data-drivenidentificationofparametricpartialdifferentialequations[J].SIAMJournalonAppliedDynamicalSystems,2019,18(2):643-660.辛金国等.舞弊审计程序研究[J].审计研究,2004(4):60-63.AlbrechtWS,HoweKR,RomneyMB.Deterringfraud:theinternalauditor'sperspective[M].InstofInternalAuditors,1984.BolognaJ,LindquistRJ,WellsJT.Theaccountant'shandbookoffraudandcommercialcrime[M].NewYork,NY:Wiley,1993.SaksenaP.Therelationshipbetweenenvironmentalfactorsandmanagementfraud:Anempiricalanalysis[J].InternationalJournalofCommerceandManagement,2001.娄权.财务报告舞弊的四因子假说[J].财会通讯,2004(13):63.BeaverWH.Financialratiosaspredictorsoffailure[J].Journalofaccountingresearch,1966:71-111.AlbrechtWS,RomneyMB,CherringtonDJ,etal.Red-flaggingmanagementfraud:Avalidation[J].AdvancesinAccounting,1986,3:323-333.LoebbeckeJK,WillinghamJ.ReviewofSECaccountingandauditingenforcementreleases[J].Unpublishedworkingpaper,1988.LoebbeckeJK,EiningMM,WillinghamJJ.Auditors’experiencewithmaterialirregularities:Frequency,nature,anddetectability[J].Auditing:AJournalofPractice&Theory,1989,9(1):1-28.BellTB,SzykownyS,WillinghamJJ.Assessingthelikelihoodoffraudulentfinancialreporting:Acascadedlogitapproach[J].UnpublishedManuscript,April,1991.PersonsOS.Usingfinancialstatementdatatoidentifyfactorsassociatedwithfraudulentfinancialreporting[J].JournalofAppliedBusinessResearch(JABR),1995,11(3):38-46.BeneishMD.IncentivesandpenaltiesrelatedtoearningsoverstatementsthatviolateGAAP[J].TheAccountingReview,1999,74(4):425-457.TsipouridouM,SpathisC.EarningsmanagementandtheroleofauditorsinanunusualIFRScontext:ThecaseofGreece[J].JournalofInternationalAccounting,AuditingandTaxation,2012,21(1):62-78.DechowPM,GeW,LarsonCR,etal.Predictingmaterialaccountingmisstatements[J].Contemporaryaccountingresearch,2011,28(1):17-8HerawatiN.ApplicationofBeneishM-Scoremodelsanddataminingtodetectfinancialfraud[J].Procedia-SocialandBehavioralSciences,2015,211:924-930.KamalMEM,SallehMFM,AhmadA.DetectingfinancialstatementfraudbyMalaysianpubliclisted