高级审计理论培训-舞弊检查(共51页).ppt

1、舞弊检查 高级审计理论 孙欣然目录 背景知识舞弊检查常用方式 备选文献 主选文献 评述舞弊检查常用方式 财务分析 红旗标志 Benfords Law 数据挖掘背景知识一、财务分析： 1. 刘姝威(2002)运用分析性复核的方法，通过趋势分析等报表分析法对财务报表进行分析，并经过蓝田股份财务报告舞弊案件的检验，证实分析性复核的方式可以有效的发现财务报告舞弊行为。 2. 针对报表主要项目指标的静态分析，如: 企业投资融资活动（Wang, 2011）; 虚增收入资产或少计费用负债等（Persons, 1995；Spathis, 2002；阎达五，2001；）舞弊检查常用方式back背景知识二、运用“

2、红旗标志”检查舞弊： “红旗标志”是指可能导致管理层为了个人利益以公司名义而舞弊的各种事件、条件、压力、机会或个人特征。 对“红旗标志”的研究起源于20世纪80年代，研究者着眼于舞弊行为共同的原因和特征，对舞弊特征的识别主要运用了舞弊三角形理论，即舞弊是在压力、机会和借口的条件下产生的。舞弊检查常用方式二、运用“红旗标志”检查舞弊： 1. Romney, Albrecht和Cherrington（1980）得到了87个变量作为识别财务舞弊的“红旗标志”。 2. 20世纪80年代末，“红旗标志”的研究被直接运用于财务报表舞弊的识别。 Loebbecke and Willingham(1988)对

3、SEC的会计审计执行公告(AAERS)进行了分析,总结出了46个舞弊风险因素,并构造了财务舞弊风险识别模型(L/W模型)，以此判别上市公司是否具有舞弊的动机与可能。46个舞弊风险因素分为三类:管理当局的舞弊动机(Motivated);组织可能导致舞弊发生的条件(Condition);管理当局在明确知道会构成犯罪的前提下的道德价值观(Attitude)背景知识舞弊检查常用方式二、运用“红旗标志”检查舞弊： 3.王泽霞、梅伟林(2006)向会计师事务开展开问卷调查，调查结果显示：可能被ST、退市或急于摆脱ST、面临筹资压力(借款、偿债、增发、配股等的压力)和大股东操纵董事会等红旗标志(Red Fl

4、ag)最为显著，能较好地识别舞弊。 4. 使用“红旗标志”作为舞弊风险因子进行的研究对财务报告舞弊识别做出了重要的贡献，通过检验财务指标和非财务指标的一致性及差别能够更好的帮助审计师识别舞弊风险（Brazel et al. 2009; Dechow et al.2011; Simon, 2012）背景知识舞弊检查常用方式back背景知识三、依据奔福德定律检查舞弊：1. Benford（1938）在Simon Newcomb（1881）对数字分布规律进行研究的基础上发现了奔福德定律。 奔福德定律描述的是自然数1到9的使用频率，公式为F(d) = log1 + (1/d)（d为自然数）。舞弊检查常

5、用方式d123456789P(%)30.117.612.59.77.96.75.85.14.6背景知识三、依据数字分布规律检查舞弊：2. Carslaw（1988）首次将奔福德定律应用到会计数据的分析中，说明公司在虚报利润时就可能与奔福德定律的数据分布不符。3. 奔福德定律识别财务报告舞弊的方式:对舞弊公司与非舞弊公司的财务信息进行比较（Thomas，1989； Nigrini，1996等）；对舞弊公司发生舞弊前后年度财务数据进行比较（Nigirini, 1994; Amiram et al.,2013）。舞弊检查常用方式back背景知识四、数据挖掘：目前，数据挖掘技术被广泛地应用于各个领域中

6、。数据挖掘技术与财务舞弊识别的结合，能够有效提升财务舞弊识别的效率和效力。技术分类：1. 使用单一模型进行财务舞弊识别，如专家系统、神经网络模型、支持向量机和logistic回归模型。2.采用多种数据挖掘技术相结合方法对财务舞弊进行识别，如模糊神经网络与Logistic模型结合舞弊检查常用方式背景知识四、数据挖掘：Green and Choi（1997）采用人工神经网络（ANN）技术构造了建立在原始财务数据基础上的财务报告舞弊判别模型，并发现这一模型在以随机样本为基础使用时非常有效。美国印第安纳大学Beneish（1997）提出概率分析法（Probit Analysis）以识别财务舞弊,Ben

7、eish（1999）以Probit技术为手段，利用1987年至1993年受美国证监会处罚的74家舞弊及相应的配对公司为样本建立模型，结果证实该技术在识别财务舞弹问题上的优良性。舞弊检查常用方式背景知识四、数据挖掘：从目前国内外对舞弊识别研究来看，研究人员较为广泛采用的模型有Logistic回归、神经网络、贝叶斯网络和决策树。但是究竟哪种技术方法能更好地识别舞弊尚无定论，也可以说是众说纷纭。国外学者研究得出神经网络方法识别舞弊的准确率要高于以前多数统计模型所得到的结果，且其在提前预测、对随机样本的处理方面优于其他模型。国内学者实证研究也得出神经网络方法识别舞弊优于 Logistic回归得到的结果

8、，但是准确率低于国外学者研究得出的结果。舞弊检查常用方式目录备选文献lRomney M B, Albrecht W S, Cherrington D J. Red-flagging the White Collar CriminalJ. Management accounting, 1980, 61(9):51-57lMatsumura E M and Tucker, R R. Fraud Detection: A Theoretical Foundation, The Accounting Review, Vol. 67 (4), 1992, 753-782.lZabihollah R. C

9、auses,ConsequencesandDeterenceof Financial Statement Fraud. Critical Perspectives on Accounting, 2005, 16: 277-298. lMaria L R. Financial Statement Fraud Detection Using Ratio and Digital Analysis. Journal of Leadership, Accountability and Ethics, Vol. 8, 2011, 56 -661.Red-flagging the White Collar

10、Criminal舞弊三角形理论：舞弊三角形理论：舞弊是个体的个性和外部环境相互作用的结果。情境压力、进行舞弊的机会和个性特征这三个变量的相互作用促使一个个体去舞弊。High risk1.Red-flagging the White Collar CriminallRomney and Albrecht等（1980）回顾了有关舞弊方面的文献，扩大和完善了这些“红旗”标志共87项。l压力、机会、借口只需一个存在就可导致舞弊；l员工的压力越小，机会越少，个性越正直，越不容易产生舞弊行为。对财务信息对财务信息作出作出虚假报告虚假报告动机与压力动机与压力满足第三方要求或预期的需要，例如，投资分析师的盈利

11、趋势预期、证券交易所的上市规定、债务条款约定等。如果达到了不切实际的利润目标，将会得到大量奖金。机会机会重大的关联方交易未按照正常方式进行，很大程度上依赖估计进行计量的资产、负债、收入或费用很难证实。管理层未有效监控。 内部控制存在缺陷。借口（行为合理化解释与心态）借口（行为合理化解释与心态）未有效传达或执行公司的价值观，或传达了不适当的价值观。管理层过度地关注公司股价或盈利趋势的保持或增长。管理层多次试图根据重要性水平打擦边球或者为其不适当的会计处理方式辩护。1.Red-flagging the White Collar Criminal侵占侵占资产资产动机与压力动机与压力个人债务有可能使管

12、理层或接触现金的员工产生压力。 不利的事态，例如：已获知的或预期的解雇员工，与预期不一致的晋升、报酬或奖金。机会机会对资产的内部控制不足，例如职责分离或独立核查、管理层对员工的监督等。有大量现金经手。固定资产体积小，适于销售，或者缺乏显而易见的所有权标识借口（借口（ 行为合理化解释与行为合理化解释与心态）心态）漠视监控和降低盗用资产风险的需要。凌驾于现有控制之上，漠视对盗用资产的控制。 容忍不重要的偷窃行为。1.Red-flagging the White Collar Criminal2.Fraud Detection: A Theoretical Foundationl从科学的角度观察审计

13、职能, 其表现的审计与被审计现象与行为, 恰好构成一种极富结构性的二人博弈。随着博弈论方法在社会经济分析中日渐深入和广泛应用, 近些年来关于审计监督与核查的博弈分析方法和模型也得到了相应开发。l其中 Matsumura和Tucker的舞弊核查理论及其方法,在审计人员与被审计对象之间建立互动的策略博弈模型, 把双方当事人可能获得的收益( 或遭至的处罚 )、被审方内控的质量、审计方收取的服务费用等与审计效果相联系, 提出了一套可供分析、评价审计业务及财务效果的程序, 已在西方国家应用。2.Fraud Detection: A Theoretical Foundationl本文假定管理者需要做一个决

14、策，审计师需要做两个决策。管理者先行动，决定以一定的概率舞弊；审计人员在不能观察管理者选择的情况下决定是否进行符合性测试，并进一步决定具体的细节测试水平。 贝叶斯均衡：给定其他参与人的战略选择，每个参与人的最优战略依赖于自己的类型。 参与人的决策目标就是：在给定自己的类型，以及给定其他参与人的类型与战略选择之间关系的条件下，使得自己的期望效用最大化。贝叶斯纳什均衡是一种类型依赖型战略组合。2.Fraud Detection: A Theoretical Foundationx1:对审计师的处罚；x2:审计准则的规定是否严格；x3:内部控制质量；x4:审计费用y1:细节测试的程度；y2:y3:舞

15、弊发生率研究结论：增加对审计师的处罚，增强审计准则对审计师责任的规定，提高内部控制质量，增加审计费用能够使舞弊检查更容易。3.Causes,ConsequencesandDeterenceofFinancialStatement Fraud FSF FSFCRIME财务报表舞弊:（Financial Statement Fraud）伪造、篡改、操纵会计记录；故意误报、漏报重要信息；故意曲解会计准则或政策；用激进的会计方法操纵盈余；捏造(Cooks)方法(Recipes)动机(Incentives)监测(Monitoring)结果(End results =consequences)3.Caus

16、es,ConsequencesandDeterenceofFinancialStatement FraudDetection strategiesofFSF:审查舞弊漏洞(Fraud vulnerability review)关注花招(Gamesmanship review)警惕和有效的公司治理(Vigilant and effective corporate governance)敏感的审计委员会(Vigilant audit committees )防止舞弊的计划(Fraud prevention programs)3.Causes,ConsequencesandDeterenceofFi

17、nancialStatement FraudDetection strategiesofFSF:公司的强制执行程序(Enforcement procedures)外审运用司法审计(Forensic fieldwork audit)审计师独立性(Auditors independence)外审要保持与董事会和审计委员会的沟通(Communication with the board of directors and the audit committee)提高内审效率(Internal audit efficacy)4.Financial Statement Fraud Detection Us

18、ing Ratio and Digital Analysis 本文研究目的在于：检验审计教科书中的两种舞弊检查程序能否识别盈余管理行为。 两种程序：Beneishs Probit model:五变量和八变量Benfords Law: 研究结论： 五变量的Beneishs model能够以62%的效率检验出盈余操纵行为；Benfords Law是否有效还有待研究。目录运用比率分析和数字分布规律检查舞弊Financial Statement Fraud Detection Using Ratio and Digital AnalysisBy: Maria L. Roxas目录 作者简介 摘要及引言

19、 研究目的(方法简介) 样本选取 Beneishs Model 及结果分析 Benfords Law 及结果分析 研究结论Financial Statement Fraud Detection Using Ratio and Digital Analysis Maria L. Roxas is a professor at Central Connecticut State University teaching cost, managerial, and accounting information systems. Her research interests are in the are

20、as of cross cultural ethics, information systems, and international accounting. She has published in Issues in Accounting Education, International Journal of Accounting, Journal of Accounting and Computers. She received her ph. D from the University of Georgia. Journal of Leadership, Accountability

21、and Ethics, 2011，Vol. 8, Iss. 4, pp. 56 -66摘要(Abstract) 财务报表舞弊是企业舞弊中最具经济影响的一种。超过50%的财务报表舞弊与收入确认有关。根据一项对652家公司的调查，收入对财务报表提供了最大的风险和影响。 然而，由国际会计准则理事会（IASB）所颁布的国际财务报告准则（IFRS）中，与收入确认相关的条款对于减少收入确认相关的舞弊风险几乎没有帮助。 本文的研究目的在于分析舞弊检查教科书中描述的两种分析程序是否能够准确识别盈余操纵行为。引言财务报表舞弊(Financial Statement Fraud) 注册舞弊审核师协会（Associ

22、ation Of Certified Fraud Examiners，ACFE） 财务舞弊=财务报表舞弊+侵占资产舞弊发生率 ： 5% 90% 损失金额： $4 000 000 $135 000 5%的财务报表舞弊造成的损失超过了总金额的90% Giroux(2004):管理层进行英语操纵的三个动因：债务；奖金；满足股票分析师的预期引言收入确认(Revenue Recognition) FASB的助理项目经理Kenneth Bement在接受采访时表示：收入确认是IASB和FASB最复杂的趋同项目之一。两个委员会的收入确认条款在原则上是一致的。IASB发布的IFRS基于单一标准确认收入，规定相

23、对宽松；FASB颁布的GAAP的收入确认基于概念框架，条款繁杂，相对严格。美国证券交易委员会（SEC）允许跨国公司采用IFRS，使得跨国公司的收入确认更加灵活。如GAAP规定的必须分期确认的收入，IFRS允许提前一次确认收入。问卷调查中，大公司纷纷表示IFRS并不会使他们收入确认的风险降低。由遵循GAAP向IFRS的调整可能会引致更大的盈余管理行为。研究目的(Object of Study) 目的：比较Beneishs model和Benfords Law两种分析程序检查舞弊的效率。 是否有效的标准：选取的样本均是SEC识别出的、在收入确认方面存在问题的公司。 近年来，关于舞弊检查和法务会计的

24、教科书日益增多。 (Albrecht et al, 2009 and Giroux, 2004)出版的舞弊检查一书中指出财务比率和趋势分析可用于识别舞弊财务比率和趋势分析可用于识别舞弊。 Beneishs model：根据相关财务比率及八个关键变量来判别公司是否有操纵其利润行为的数学模型。该模型会套用公司财务报表数据对这八个变量进行计算，并创建一个M评分模型来描述利润被操纵的程度。（-2.22）研究目的(Object of Study) (Albecht, et al 2009)提出的另一种检查舞弊的方法是运用奔福德定律（Benfords Law）的数字分析。 据说，1881年天文学家西蒙纽康

25、伯发现对数表以1起首的数所在的那几页较其他页破烂，由此他怀疑以1开头的数字就是比其他数多，大量统计之后发现果真如此。这个故事的真实性已无从考究，不过它可能是奔福德定律第一次被注意到。研究目的(Object of Study) 所谓奔福德定律，是指在一堆从实际生活得出的数据中，以1为首位数字的数的出现概率约为总数的三成，是人们通常期望值1/9的3倍，它的确切值等于lg2，而越大的数字，以它为首位的数出现的机率就越低。更一般地，我们能够说明在r进制中，以n开头的数字出现的概率是 logr(n+1)- logr(n)。根据这个公式，可以制作出十进制下数字19开头的概率表：d123456789P(%)

26、30.117.612.59.77.96.75.85.14.6研究目的(Object of Study)l这个神奇的法则几乎完全违背了人们的直觉：哪个数字开头的概率不应该是一样的嘛！l维基百科上对此有个简单的解释：就数数而言，从1开始，历经1,2,3,.,9，到这点终结的话，以哪个数起首的几率是相同的，但9之后是10至19，到这里以1起首的数出现的几率又大大高于了其他的数。而在下一堆9起首的数出现之前，必然会经过一堆以2,3,4,.,8起首的数。如果这种数法一旦有个终结点，以1起首的数的出现率一般都会比9大。研究目的(Object of Study) 也就是说，我们平时认为的“以1开头和以9开头

27、的数字一样多”这种情况，实际只有在1,999此类区间里才会出现。任意给一个区间，由于样本的不完整性，基本不可能出现这种情况。 在实际生活，不论是各国人口数量，还是门牌号码，都基本服从奔福德定律，而且这些统计得到的结果和理论预测值的误差也很小。 这个法则最经典的应用是验证统计数据真伪。奔福德定律在会计、股票甚至是选举领域也有着重要的应用。如果一个包含了几千个数字的样本居然完全不服从本福特法则，那么这个样本很有可能是伪造的。研究目的(Object of Study) 目的：比较Beneishs model和Benfords Law两种分析程序的有效性。 Beneish模型下M评分高于-2.22，或

28、者运用数字分析法发现报表数字不服从奔福德法则，并不能证明一定存在舞弊行为，但表示需要进一步调查该公司的财务资料。样本选择(Data selection) 1999年11月13日起，2008年6月17日止：共有116家公司被判定存在收入确认违反准则的行为。 筛选掉缺失数据的公司后，样本量降到了93。 注：违反准则的具体情况包括：不恰当的收入确认；虚构销售；开票持有协议（bill and hold）识别出的操纵盈余的公司约30%属于科技行业。本文的一个创新点在于：不只研究了t年（财务舞弊当年），而且关注了t-1和t+1年的舞弊情况。Beneishs Model Beneish(1999)开发了一个

29、检测操纵盈余行为的概率模型。该模型能够发现财务报表信息失真行为或产生失真行为的先决条件。该模型选择被判定违反GAAP的公司作为样本，并设置了同样具有较高应计利润但未被判定违反GAAP的公司作为控制组。 Beneish选择了8个与财务信息相关的变量放进模型：Beneishs Model 1. (+)DSRI-基于应收账款的日销量指数 2. (-)GMI 毛利率指数 3. (+)AQI 资产质量指数 4. (+)SGI 销售增长指数 5. (+)DEPI 折旧指数 6. (?)SGAI 销售、一般和管理费用指数 7. LVGI 杠杆指数 8. TATA 应计利润占总资产指数 经过计算后，我们可以综

30、合这八个变量得出公司M评分。M评分低于-2.22表明公司没有操纵利润。高于-2.22则表明公司有可能操纵了利润。抓住了报表间数据的关系；涉及报表的每一个方面；Beneishs Model Beneish（1999）将数据代入到模型发现，盈余操纵组的M值是控制组的10倍。由此他得出结论，会计信息能够为报表使用者提供鉴定财务报告可靠性的有用信息，在将来的研究中有望甄别出潜在的存在盈余操纵行为的公司。 其中，较为有效的五个变量包括:DSRI-基于应收账款的日销量指数GMI 毛利率指数SGI 销售增长指数SGAI 销售、一般和管理费用指数TATA 应计利润占总资产指数结果分析(Results of Analysis) 本文作者分别用包括上述五个变量的模型和包括全部八个变量在内的模型检验其搜集的数据，得到如下结论： 只考虑t年时，五变量模型能够检测出62%的盈余操纵公司，八变量模型能够检测出46%的盈余操纵公司； 考虑t-1,t,t+1年三年时，判别效率增加到了87%（减少了I类错误）； 总的来说，五变量模型用于检查舞弊是有效的。Digital Analysis Using Benfords Law 本文以每家公司为单位，检验