logistic模型下上市公司会计舞弊识别的指标体系构建、特征识别及应用

LOGISTIC模型下上市公司会计舞弊识别的指标体系构建、特征识别及应用第31卷第03期2016年03月乐山师范学院学报JOURNALOFLESHANNORMALUNIVERSITYV0131NO03MAR一2O16LOGISTIC模型下上市公司会计舞弊识别的指标体系构建、特征识别及应用贺胜军广东交通职业技术学院，广东广州510650摘要会计舞弊是财务会计理论研究永恒的主题。文章使用GISTIC模型，搜集了20092013年不同行业内会计舞弊的相关数据，并通过构建一套指标体系，检验和识别上市公司的会计舞弊特征。在此基础上通过模型应用进一步考察LOGISTIC模型在识别上市公司会计舞弊特征的价值与作用，结合检验结果，文章提出了相应的会计舞弊治理措施与对策。关键词LOGISTIC；会计舞弊；特征；治理中图分类号F8309文献标志码A文章编号1009866620160300887会计舞弊是造成我国资本市场弱式有效的重要原因。长期以来关于会计舞弊的理论和实证研究从未停止过。在当前我国资本市场持续动荡的背景下，从理论角度持续寻求和探索上市公司会计舞弊的表征变量显得十分重要。通过建立数学模型，对上市公司会计舞弊的证据进行发现和梳理，有助于人们制定更为科学合理的会计舞弊治理对策。基于此，本文拟利用LOGISTIC模型对上市公司会计舞弊特征进行识别和检验，并将这一模型运用到具体上市公司会计舞弊的检验当中。本文的主要创新在于通过构建会计舞弊的指标识别体系来验证上市公司会计舞弊特征，为后续研究者对上市公司会计舞弊实证研究提供一定的帮助。一、文献回顾一国外研究情况SUMMERSANDSWEENEY【H7_最早于1995年关注企业具体交易事项，例如内幕交易与会计舞弊之间的存在可能性关联。其主要依据是公司如果存在会计舞弊，那么在舞弊的前一年，公司可能存在比较高的存货周转率、销售数据可能也存在虚增的情况。GREENANDCHOI21892最早通过人工神经网络技术来检验会计舞弊的存在性。其基本原理是通过利用原始的财务数据，利用人工神经网络技术来帮助审计师发现舞弊的范围，提升审计师发现舞弊的能力。这种方法在审计师采取随机抽样时尤其可以发挥特别的作用。BELLANDCARCELLOI阱使用四大会计事务所的数据，通过构建一个简单的LOGISTIC二分类模型来验证审计师在审计时可以发现的上市公司存在的会计舞弊范围和主要表现。随着跨学科研究的逐渐深入，关于会计舞弊研究的理论范式和思路日益丰富。目前关于会计舞弊的理论与实证研究拓展到了心理学、行为学层面，而由此也丰富了会计舞弊的研究，例如实验研究、社会网络行为研究等，这类研究使人们对于上市公司的会计舞弊行为有了更为深刻的认识和理解。二国内研究现状1舞弊公司特征和舞弊征兆的研究陈华417891通过大量的数据搜集，来考察上市收稿日期2016一O114作者简介贺胜军1971一，女，湖南常德人。广东交通职业技术学院副教授，硕士，研究方向会计学、财务管理。88公司会计舞弊的新特征。他提出的基本假设是前连年连续亏损的企业会计舞弊的可能性相对较高；前两年没有达到证监会相关要求的例如ST处理、10配股的监管标准等会计舞弊可能性较高；被ST后可能存在掏空行为的会计可能舞弊行为高。张力啊巧通过总结上市公司会计舞弊的案例，来综合发现上市公司会计舞弊的新特征。最终他将上市公司会计舞弊的特征总结为业绩变动幅度大、股价在资本市场表现出较强的不稳定性，关联交易尤其是母子公司之间的往返交易比较频繁。黄芳芳6812S37对上市公司会计舞弊的原因和表现进行研究，她认为上市公司会计舞弊的征兆主要表现在上市公司在没有得到监管要求和自身再配股、再投资及稳定股价的需求上。如果在配股的前一年，上市公司没有达到相关要求，那么就有可能存在会计舞弊。2会计舞弊识别方法的研究朱敏7167S利用截面数据对上市公司会计舞弊可能存在的特征进行识别，其采用的方法是利用多元回归的方式来验证，最终取得了不错的效果。张长海、陈险峰和吴顺祥89799通过采取舞弊样本和非舞弊样本对照的方式来构建上市公司会计舞弊验证模型，结果发现通过构建识别组和对照组，可以更好地发现上市公司存在会计舞弊行为特征，正确识别率达到70以上。刘立国、杜莹91S9捌站在公司治理角度来研究上市公司会计舞弊的特征，他们认为公司治理结构不完善，股权高度集中是造成上市公司会计舞弊的主要原因。如果上市公司内部无法设立健全的审计委员会、独立董事无法更好地发挥监督作用，股权集中程度越高，那么上市公司会计舞弊的可能性就越大。章美珍10145利用人工神经网络和模糊数学的基本原理，通过建立混合数据验证模型来考察上市公司可能存在的会计舞弊行为。其基本原理是，通过考察总体均值方差的变化程度来验证大规模和小规模上市公司，在会计舞弊行为上存在的差异及表现。黄世忠1116569选取收入造假来验证上市公司会计舞弊行为与特征。他认为当公司收入存在以下情况时，就以为该公司发出会计舞弊的信号。这些情况包括了应收账款的异常性例如应收账款与销售增长率不够配比；坏账准备过多、减值准备冲减频繁；毛利率的较大变动；经营性现金流异常等。三文献评述从目前的研究趋势来看，实证研究成为上市公司会计舞弊特征识别的主要研究方式，并且得到了理论界和实务界的广泛认可。未来上市公司会计舞弊的“隐性化”特征越来越明显，所谓“隐性化”特征就是上市公司往往是利用规则和漏洞进行会计舞弊，其采取的手段和伪装程度，不是轻而易举就能发现的，“隐性化”特征说明上市公司会计舞弊依然任重道远，同时说明加强上市公司会计舞弊的研究十分必要。二、研究设计一模型构建与变量设计1模型构建本文选用二分类LOGISTIC模型。LOGISTIC回归分析主要优点是能够对非线性因素进行更好的识别和判断，对于一些无法定量的指标，可以通过构建虚拟变量的方式加以处理，因此在考察上市公司会计舞弊行为时，LOGISTIC模型就有独到的作用和价值。考虑到本文研究的需要，在模型构建时，本文依然采取LOGISTIC模型来考察上市公司存在的会计舞弊行为与特征。LOGISTIC模型一般表达公式为Y三门L一B06LXL62X2633N为自变量个数其中，PI是一个指标变量，即当PI表示上市公司会计舞弊发生的概率，而1一PI表示未发生的概率。相应的PI1一PI表示会计舞弊膨胀程度。取对数是一方面是为了更好的对参数进行估计，另一方面则为了消除异方差性对模型估计效果造成的不良影响。2变量设计本文借用国外比较成熟的上市公司会计舞弊行为特征检验的做法，通过构建验证组和对照组来考察上市公司会计存在的舞弊特征。具体思路如下首先针对上市公司会计舞弊的主要13个指标具体见表1对验证组和对照组进行检验，如果某些指标在模型当中表现出较强的显著性，则保留，否则给予剔除。在此基础上通过构建LOGISTIC模型来判断上89市公司会计舞弊可能的机会有多大，并找出主要的指标对上市公司会计舞弊可能造成的影响。运用此模型就可以判断在某些指标取得已有数据的情况下，将指标数据带人到该模型，就可能判断该公司会计舞弊行为的可能概率。表1主要变量说明财务能力指标X，资产负债率总负债总资产联交易度指XU蔷譬款占其他应收款总资产标总资产比风险指标X综合杠杆摹篓动发展能力指标X总资产增长率妻差饕额止年二数据来源与样本选择本文采取的数据是针对20O9_2013年中国证监会、财政部、深交所、上交所处罚公告和违规记录的查阅，并去掉记录不全和不符合本文检验要求的公司，最终得到数据样本，然后建立验证和对照两组样本来综合考察上市公司会计舞弊的特征。本文对上市公司会计舞弊特征的识别，主要是基于会计舞弊与审计失败的相关理论模型，因此需要对舞弊样本和控制样本进行选择。一方面舞弊样本采取的步骤是查询到20092013年上市公司会计舞弊的违规记录，由于本文仅以A股上市公司为研究对象，因此剔除了一些不符合要求的上市公司例如H股、B股。之所以给予剔除的原因是A股和H股审计环境和审计质量是不同的，同时又面临不同的审计标准和要求，因此上市公司会计舞弊的特征在A股和H股市场可能表现出不同的特征，为了考察上市公司会计舞弊的集中性，因此本文选择单一的A股市场作为样本选择点。此外，本文还对一些财务报告不完整的例如存货、销售数据不完整的上市公司给予剔除、同时还剔除了金融保险行业数据不全的样本。最终本文以年度作为时间轴，得到连续性的上市公司会计舞弊样本61个。另一方面在控制样本的选择上为了更好地验证验证组即舞弊样本的会计舞弊特征，本文分别按照行业、规模来选择对应的控制样本，之所以选择控制样本是为了将某些指标在会计舞弊的隐形特征抽查出来。例如同规模和同行业的控制样本，如果应收账款表现出稳定性，而舞弊样本则表表220092013年我国上市公司会计舞弊行业分布数据行业20092010201120122013采掘111餐饮旅游1电子1111房地产122纺织服装11公用事业11黑色金属1化工132机械设备221家用电器1建筑材料L12交通运输11交运设备111农林牧渔11轻工制造111商业贸易111食品饮料121信息设备1医药生物221有色金属212L总数12816179颛阍总润淇醑删验现出不同于行业的特征，那么只能说明舞弊样本存在会计舞弊行为。在控制样本的选择上，本文采取的做法是，借鉴前人研究的经验，将同行业，同规模平均总资产5亿到2O亿的上市公司作为控制样本。控制样本筛选标准和舞弊样本的筛选标准大致类似。三实证结果及分析1样本的描述性统计1舞弊样本行业分布情况分析本文按年度和行业对舞弊样本进行初步探索性汇总报告分析，以发现我国上市公司会计舞弊发生年度的行业分布情况，结果见表2。结果显示在我国会计舞弊现象在各行各业的上市公司中普遍存在，主要集中在有色金属、综合、房地产、化工、机械设备和建筑材料等行业。20092013年上市公司会计舞弊行为相对前几年来说发生次数稍有下降，但20112012年发生会计舞弊行为的公司较多。值得注意的是，由于笔者能力有限加上可供利用的数据资源有限，可能收集的舞弊样本不够全面，导致样本年度行业分布可能存在差异；2013年因会计舞弊而受惩罚的上市公司仅有9家，但这不代表我国上市公司会计舞弊现象在减少、会计信息披露质量在提高，而是因为发现财务报告舞弊行为有一定的难度，在表3独立样本T检验91处罚公布上带有一定的滞后性。2独立样本T检验为了检验选择的控制样本是否适当，我们对舞弊样本组和控制样本组进行独立样本T检验。2实证检验结果为了消除解释变量必然存在共线性，采用向前LR法进行综合性检验。变量引入的根据是得分统计量的显著性水平，变量被剔除的依据是最大偏似然估计所得的似然比统计量的概率值。向前LR法可以在一定程度上自动克服变量之间共线性问题，其中变量进入标准是P005进入，P01移出。模型的检验选择只在最后一个步骤中显示输出结果，见表4。表4模型系数的综合检验模型系数的综合检验就是对模型全局作的卡方检验，每一步都对步骤、块、模型做了检验，最终得出模型的卡方值为15342，显著性水平为0000，这说明模型中解释变量整体比较显著。表5模型汇总步骤2对数似然值COXSNELLR方NAGELKERKER方COXSNELLR方和NAGELKERKER方两个统计量取代了线性回归中的R方统计量，R方值小于1越大的模型拟合效果越好。本文它们的取值分别为0428和0471，说明模型的拟合效果良好。R2拟合效果表明多变量的检验模型更能从整体上去解释上市公司会计舞弊的行为，而模拟的检验效果也证明了这一点。表6HOSMER和LEMESHOW检验结果HOSMER一MESHOW检验用作估计模型的拟合优度，它比传统IOGISTIC回归分析的拟合优度更稳定。如表所示，“HOSMER和IEMESHOW检验”表格的原假设认为模型能够很好的拟合数据，从其显著92检验性的SIG016001看，接受原假设，即观测值与预测值之间不存在显著差异。表7分类表。A切割值为0500“分类表”给出了关于观测值和预测值的列联表，是对每一步中的预测情况汇总。对于最终模型步骤2，预测值正确率达到652，说明模型的预测效果不错，模型较为稳定。表8方程中的变量BSE，WALSDFSIGEXPB表8给出了最后一步回归的参数估计信息，是可以进入模型的变量，“B”列为模型中变量的系数，由此可能最后的上市公司会计舞弊与审计失败的相关性的逻辑回归模型为J，J1一一01874537X一6984X1根据模型1就可以计算出上市公司会引舞弊发生的概率。四结果分析本文通过模型系数的综合检验、模型汇总、HOSMER和LEMESHOW检验、分类表显示模型的拟合效果良好，解释变量整体存在显著性差异，为验证上市公司会计舞弊与审计失败相关性奠定了良好的基础。表中模型中最终统计量的回归结果是X应收账款占总资产比、X。总资产净利率、X。净利润现金保证率可以进入模型。通过实证结果，可以得出如下结论1上市公司会计舞弊“隐形化”特征十分明显。通过以上实证分析可以发现，我们在构建模型以及输入数据的过程中，通过好几个阶段才能发现是上市公司会计舞弊的整体特征。2上市公司会计舞弊呈现出综合性与多样化的特征。通过我们实证检验，我们发现对上市公司会计舞弊的预测值，可能在接近于05或者05以下的情况时，上市公司就有可能存在会计舞弊的情况，这意味着上市公司会计舞弊不但有数量上的特征，还具有一定的多样化，可能它采取的舞弊手段，通过实证检验并不能发现和检测出，因此上市公司会计舞弊的综合化和多样化成为一个主要的特征。3上市公司会计舞弊模型检验结果并不是判断上市公司是否存在会计舞弊的唯一标准。根据以上分析，我们只是从会计层面，通过建立经验模型的方式来判断上市公司会计舞弊的情况，但是这并不意味着上市公司会计舞弊模型检验结果是判断上市公司存在会计舞弊的唯一标准，事实上针对上市公司会计舞弊还存在很多其他情况，应该综合来看，单独的以模型检验结果作为判断标准，很可能得出错误的结论。因此我们在研究过程中，主张重视经验数据，但又不唯经验数据的原则。要坚持从事实和系统角度去考察上市公司会计舞弊情况。三、模型的应用案例分析前文中通过构建LOG模型来针对上市公司是否存在会计舞弊进行识别，为了更好的验证模型的现实作用和效果，本节按照本文构建的模型1即J，LNE,1一一O1874537X26984X8。选取因会计舞弊被中国证监会通告处罚的华天酒店，另选取与华天酒店同行业、规模相当的配对样本公司锦江股份，分别以两公司2011年、2012年、2013年报数据为例进行模型的应用分析。用华天酒店2010年、2009年、2008年年报数据对模型进行检验，结果如表9表9使用模型1华天酒店模型检验结果从表9可看出，各年验证结果的Y值分别为一01307、一01076和11172，因为Y1NPI1一PI，所以各年的PI分别为04674、04732和07535。从华天酒店PI值来看，该酒店PI值呈现出逐年降低的趋势，再从公司应收账款、总资产净利润来看，基本上与PI值的升降保持一致，因此单就华天酒店的财务状况而言，应收账款、总资产净利润率能够对于上市公司是否存在会计舞弊给予充分的预警。2锦江股份案例分析锦江股份是一家与华天酒店规模相当的上市公司，并且未受到过证券监管部门以及财政部的处罚。模型检验结果用锦江股份2013年、2012年、2011年年报数据对模型进行检验，结果如表1O表10使用模型1锦江股份模型检验结果从表10可看出，各年验证结果的Y值分别为22499、一19716和一14322，因为YLNPI1PI，所以各年的PI分别为00953、01222和01927。应用分析可以看出华天酒店应收账款占总资产比指标均高于锦江股份，说明华天酒店应收账款账龄较大，应收账款风险控制效果不佳，从而造成该公司短期流动资短缺，公司流动性差，容易发生资金链断裂，若期末公司应收账款和应收票据出现大量不能回收、逾期或承兑，将对公司正常资金周转、经营业绩构成风险；华天酒店总资产净利润率均低于锦江股份，说明企业利用全部资产的获利能力较弱。四、结论与建议通过上文分析，可以发现LOGISTIC模型对于发现上市公司存在的会计舞弊行为具有重要作用，对于有效发现上市公司会计舞弊的表征和主要变量可以发挥重要的监测性作用。本文建议未来针对上市公司会计舞弊特征的识别应该拓展更宽层面，因为伴随着上市公司会计舞弊行为的多样化，上市公司会计舞弊表现出更强的隐形特征，仅仅通过依靠相应的指标体系，可能并不能发现所有的问题。93参考文献R1SUMMERSSLANDSWEENEYJTFRAUDULENTMISSTATEMENTFINANCIALSTATEMENTSANDINSIDETRADINGANEMPIRIEALANALYSIS明ACCOUNTINGREVIEW，19O33L一462GREENBPANDCHOIJHASSESSINGTHERISKOFMANAGEMENTFRAUDTHROUGHNEURALNETWORKTECHNOLOOJAUDITING,1997【161428EUANDCARCE11O，JNDRHERMANSON，TLNEALRARILEYBOARDCHARACRISTIESANDAADITFEESCONTEMPORARYACCOUNTINGRESEARCH，2000，193684F81陈华收入操纵的九大陷阱及其防范对策M中国注册会计师，201028】张力会计信息欺诈经验分析及识别模型国泰君安证券研究通讯，20112F6】黄芳芳会计舞弊的成因及对策研究【D】成都西南财经大学，20137】朱敏上市公司财务报告舞弊的识别方法及模型研究【D】成都四川大学，2005【8】张长海，陈险峰，吴顺祥舞弊性财务报告识别的实证研究叨美中经济评论，200819】刘立国，杜莹中国上市公司财务报告舞弊特征的实证研究D】上海复旦大学，20091O】章美珍财务报告舞弊端倪甄别