许存兴[1]

(渭南师范学院经济与管理学院,陕西渭南714000)

摘要： 选取2011年非标准审计意见的公司为财务舞弊公司，并对每个财务舞弊公司进行配对，利用财务舞弊公司和非财务舞弊公司年至年现金流量数据，在逻辑回归分析基础上进行模型构建并对模型进行检验，得出舞弊者只有舞弊机会，经过积极准备并认为事后被发现可性很小时，他们即将舞弊的结论。

关键词：财务舞弊；现金流量；回归分析

基金项目: 2012年陕西省科技计划项目（2012KRM104）；渭南师范学院2011年校级大学生创新计划项目（11XK089）

Research on Corporate Financial Fraud Based on Cash Flow Indicator

XU Cun-xing

(School of Economics and Management, Weinan Normal University, Weinan 714000, China)

Abstract: The paper selects non-standard audit opinions companies in 2011 as financial fraud companies, and each firm is found its pair. Making use of the cash flow data of financial fraud and non-financial fraud firms from the year  to the year , based on the logistic regression analysis, model construction is achieved and the model are tested. The conclude is that fraud are about to fraud if they have the opporunities for fraud, and actively preparing for, and it is very samll to be found.

 Key words: cash flow; financial distress; disriminant analysis; model

前言

近年来, 上市公司财务舞弊已成为一个世界性难题，引起了学术界的重视和关注。2001年,美国安然公司(Enron)、世界通信公司(Worldcom)、施乐公司(Xerox)及默克公司(Merck)相继被揭发出有重大的财务舞弊,使得在不到一年的时间里,会计舞弊案席卷全美,其冲击力之大,涉及面之广,影响之深,震惊了世界。转而审视，我国上市公司财务舞弊现象也是丑闻不断，从最早的原野、琼民源、蓝田股份、郑百文、麦科特等到银广夏、东方电子等公司的财务舞弊案更是到了登峰造极的程度, 引发了整个证券市场、乃至社会的信用危机。同时，与西方发达国家相比,我国上市公司财务舞弊频率远高于美国等发达国家，大股东侵占中小股东利益、上市公司虚假陈述、信息披露违规误导等舞弊违法现象时有发生，严重侵害了资本市场发展和投资者权益，使社会投资大众对上市公司、监管机构、会计师和承销商的信心造成了巨大影响。因此，如何改进上市公司监管，如何防范财务舞弊及保护投资者利益成为证券市场建设的一大难点问题。

一、研究综述

学者们关于上市公司财务舞弊的研究已积累了丰富的研究成果，其研究的内容主要涉及财务舞弊的动因、识别、防范及治理等方面。Albrecht^[1](1994)认为舞弊的产生由机会、压力和藉口三要素共同构成。Treadway Committee^[2] (1987) 认为财务舞弊公司与财务困境中的公司有一定的联系。Persons^[3] (1995)认为行业会影响财务舞弊,计算机制造业、医药仪器等行业的会计舞弊较为集中。Beasley^[4] (1998)认为财务舞弊公司与非财务舞弊公司在董事会的构成等方面有显著的差别。Summers and Sweeney^[5] (1998)认为,内幕交易是预示舞弊潜在可能性的信号。Loebbecke and Willingham^[6](1988)构建舞弊风险识别模型对舞弊公司的风险因素进行判别。Green and Choi^[7](1997)基于神经网络技术有效构建了财务数据舞弊判别模型。美国反欺诈财务报告委员会^[8] (1987)提出了反舞弊四层次机制理论，即业务经营过程的内部控制; 外部独立审计;高层的管理理念; 内部审计。国内学者也对上市公司财务舞弊进行研究尝试。刘明辉，韩小芳^[9]（2009）认为“谴责”有助于促进财务舞弊公司完善董事会制度和提高财务信息质量。吴永明，袁春生^[10]（2007）认为完善法律制度是加强投资者保护从而抑制公司财务舞弊行为。杨薇，姚涛^[11]（2006）研究发现股权集中度、少数股东联盟、CEO任期、总经理董事长独立性和法制环境等因素在不同程度上对财务舞弊行为产生影响。韩丹,闵亮, 陈婷^[12]（2007）认为CEO 持股、管理层薪酬增加反而能减少会计造假的可能性。竺素娥^[13]（2002）认为降低造假的预期收益和提高预期成本是抑制会计造假行为的根本对策。叶雪芳^[14]（2006）认为应将CPA审计和政府审计相结合,共同揭示企业会计舞弊。袁春生，祝建军^[15]（2007）认为治理财务舞弊较好的途径是优化经理人的选任机制和竞争机制。邢小玲^[16]（2006）探讨了现金舞弊的迹象，并针对现金舞弊提出现金审计的相应策略。梅丹，王瑞雪^[17]（2011）认为内部控制良好公司发生财务舞弊的可能性小。秦江萍,段兴民^[18]（2005）从博弈论视角分析企业会计舞弊及其监管的混合策略博弈, 提出我国治理企业会计舞弊的政策建议。秦江萍^[19]（2005）从博弈论的视角分析了我国企业会计舞弊现象蔓延的本质原因。陈国辉,张金松^[20]（2008）提出治理财务舞弊应加大对舞弊公司和合谋注册会计师的惩处力度,并加大政府监管的概率。王玉海^[21]（2011）认为应对我国财务舞弊防范与治理系统中的基础链和监管链进行修复，重构约束链和惩治链。

总之，国内外关于财务舞弊问题在研究内容上主要涉及财务舞弊的识别、动机、防范与治理等方面；在研究方法上既有规范研究又有实证研究。本文着重研究财务舞弊的识别问题进行研究。关于财务舞弊识别问题传统方法是基于财务指标开展研究，本文认为舞弊的最终目的是需从上市公司拿走“真金白银”，因此，选择现金流量指标做为识别企业财务舞弊的依据，通过现金流量的变动来判别企业是否舞弊。

二、研究方法

在识别企业财务舞弊问题中，需要判断企业财务是否发生舞弊。该类问题的特点是因变量只有两个值，即发生或者不发生。这就要求建立的模型必须保证因变量的取值是0、1。因此，本文采用一种对因变量数据要求不高，并且可以用来预测具有两分特点的因变量概率的统计方法，即二项逻辑斯谛（Binary Logistic）回归模型。

逻辑斯谛回归中可以直接预测观测量相对于某一事件的发生概率，如果只有一个自变量，回归模型可以写做

一个以上自变量的模型为

 （1）

其中为常数，为自变量的系数，可以解释为一个单位的自变量的变化所引起的比率的改变值，为自变量的数量。

某一件事性不发生的概率为

逻辑斯谛模型的建立使用最大似然比法和迭代方法。

三、研究样本和变量

（一）研究样本

1、财务舞弊公司和非财务舞弊公司选取

截止2012年5月9日，中国注册会计师协会发布了2011年年报审计情况，带强调事项段的无保留意见88家，带其他事项段的无保留意见1家，保留意见19家，无法表示意见4家，其余均为标准的无保留意见。本文选择除标准的无保留意见做为研究样本，同时排除创业板上市公司1家，B股上市公司2家，最终得出109家非标准审计意见的上市公司做为财务舞弊样本。理由是：上市公司财务数据比较完整；上市公司财务出现异常时，注册会计师往往发表非标准审计意见；上市公司具有代表性，社会影响较大。另外，针对每一个财务舞弊公司，根据行业相同、资产规模相近及上市日期相近的原则选取非财务舞弊公司作为配对样本（表1）。

表1：财务舞弊公司和非财务舞弊公司

2、样本数据期间和来源选取

从现有的文献来看，大部分研究在确定财务舞弊公司和非财务舞弊公司期间时，仅选取某一年的财务舞弊公司作为研究样本。本文以中国注册会计师协会公布的2011年109家财务舞弊公司为研究样本，以财务舞弊公司和非财务舞弊公司年、年、年、年、年数据为研究依据对财务舞弊公司和非财务舞弊公司进行判别分析。为了保持财务舞弊公司和非财务舞弊公司数始终一致，针对某些财务舞弊公司在某些年份缺失财务数据，在缺失年份将财务舞弊公司同非财务舞弊公司共同删除。最终得出年至年各年财务舞弊公司数与非财务舞弊公司数（表2）。本文所使用的数据信息主要来自于和讯财务数据（http://stockdata.stock.hexun.com）。由于存在部分变量数据部分缺失，采用同年份同行业同变量的均数做替代；部分变量数据严重缺失，采用该变量统一删除。

表2：财务舞弊公司和非财务舞弊公司各年样本数

（二）研究变量

1、被解释变量。本文拟以中国注册会计师协会发布的2011年审计年报中非标准的无保留审计意见作为被解释变量，即财务舞弊公司。

2、解释变量。本文在选择现金流量等指标作为解释变量时，借鉴许存兴^[22]（2011）的研究成果，依据重要性原则，选择债务状况方面现金比率、债务偿付比率、现金与总资产比率；现金流量方面资产的经营现金流量回报率、每股经营现金净流量、经营现金净流量对负债的比率、净利润现金含量、经营活动产生的现金净流量增长率、营业活动收益质量、现金流量结构比率、主营业务现金比率等指标作为解释变量（表3）。

表3：变量定义表

四、实证研究与分析

（一）样本和配对样本T检验

财务舞弊公司和非财务舞弊公司两配对样本总体均值之间是否存在显著性差异，需要进行两配对样本的检验。配对样本检验实际上是先求出每对测量值之差值，对差值变量求均值。检验配对变量均值之间差异是否显著，其实质检验的假设是差值变量的均值与零均值之间差异的显著性。如果差值均值与零均值无显著差异说明配对变量均值之间无显著性差异。假设差值变量为，差值变量的均值为，样本的观测量数为，差值变量的标准差为,差值变量的均值标准误为，配对样本T检验的值计算公式为：

 ，

SPSS将根据T分布表给出值对应的相伴概率值。当Sig值（相伴概率值）小于或等于显著性水平()，则拒绝，两配对样本总体的均值之间存在显著差异。否则，则不拒拒绝，两配对样本总体的均值之间不存在显著差异。检验结果见表4。

表4：财务舞弊公司和非财务舞弊公司样本均值配对T检验

通过T检验结果横向分析可以看出，两配对样本在T-2年有6个变量小于给定的显著性水平0.05，在T-3年和T-4年均有3个变量小于给定的显著性水平0.05。因此，选取T-2年财务数据判别财务舞弊公司和非财务舞弊公司应优于其它年份财务数据。从表4检验结果纵向分析可以看出，变量（现金比率）、（现金与总资产比率）、变量（每股经营现金净流量）和（经营现金净流量对负债的比率）有3年小于给定的显著性水平0.05，（资产的经营现金流量回报率）有2年小于给定的显著性水平0.05，其余变量小于给定的显著性水平0.05均为0年。因此，变量、、、和与其它变量相比可以较好地判别财务舞弊公司和非财务舞弊公司。

（二）相关分析

财务舞弊公司和非财务舞弊公司各变量与样本标志值之间的线性相关程度如何？可以通过计算相关系数来进行相关分析。相关系数是衡量变量之间相关程度的一个量值，取值范围在-1和+1之间。若，表明标志值与变量之间相随变动方向相同；若，表明标志值与变量之间相随变动方向相反。相关分析结果见表5.

表5：相关分析表

从表5相关分析结果可以看出，各年份各变量之间与标志值的相关系数存在差异，同一变量在不同年份与标志值也存在差异。各年份标志值与相关系数依次排序为年年年年年，因此采用年和年财务数据能较好的识别财务舞弊公司与非财务舞弊公司。各变量与标志值之间大多存在弱相关，依次排序为每股经营现金净流量、现金与总资产比率、现金比率、资产的经营现金流量回报率、经营现金净流量对负债的比率、主营业务现金比率、净利润现金含量、经营活动产生的现金净流量增长率、债务偿付比率、现金流量结构比率和营业活动收益质量。

（三）模型构建

通过T检验和相关分析得知，财务舞弊公司和非财务舞弊公司样本数据在年和年现金流量方面的确存在显著差异。每股经营现金净流量、现金与总资产比率、现金比率、资产的经营现金流量回报率和经营现金净流量对负债的比率等5个指标能够较好的判别财务舞弊公司和非财务舞弊公司。但这些指标产生了多大影响却无从得知，下面将通过二项逻辑斯谛回归模型确定企业陷入财务舞弊的显著性影响指标，并构建基于现金流量的财务舞弊判别模型。

采用二项逻辑斯谛回归分析方法对财务舞弊公司和非财务舞弊公司进行分类，以现金与总资产比率等指标作为解释变量，以是否财务舞弊为被解释变量，以年至年样本公司和配对样本公司现金流量数据作为分析依据，利用模型（1）建立判别模型。在分析过程中，采用前向逐步选择变量，最终得出年至年常量和变量系数（见表6）。

表6：常量和变量系数表

将表6得出常量和变量的系数、Wald统计量及Sig值，将常量和变量的系数分别代入模型（1）得出年至年二项逻辑斯谛回归模型为:

年：

           （2）

年：

          （3）

年：

       （4）

年：

         （5）

年：

            （6）

    方程（2）至（6）中、、、、和分别代表为现金比率、债务偿付比率、现金与总资产比率、资产的经营现金流量回报率、每股经营现金净流量和净利润现金含量。

经过反复迭代测试，最终决定以0. 5为分割点对财务舞弊公司和非财务舞弊公司进行判别。将样本公司和配对样本公司年至年相应变量数据分别代入相应模型并求出相应值。若样本数据代入相应模型的值小于0.5，则认为财务舞弊公司被判定为财务舞弊公司，判定正确；否则判定错误，犯第一类错误。同理，若配对样本数据代入相应模型的值大于0.5，则认为非财务舞弊公司被判定为非财务舞弊公司，判定正确；否则判定错误，犯第二类错误。经过判定后可以得出分类结果表 (见表7)。

表7：分类结果表

从表7可以看出, 模型在年和年对财务舞弊公司和非财务舞弊公司判别准确率较高，分别达72.7%和72.2%；模型在年、年和年判别准确率相对较低，分别达66.1%、60.8%和62.6%。同时，从表6的Wald统计量或Sig值可以得出，变量（每股经营现金净流量）在年和年回归模型中重要性较高；变量（现金比率）在年和年回归模型中重要性较高。

（四）模型检验

二项逻辑斯谛回归模型拟合效果如何？可通过ROC曲线（接收者操作特性曲线）进行检验。ROC曲线是根据一系列不同的二分类方式，以真阳性率（灵敏度）为纵坐标，假阳性率（1-特异度）为横坐标绘制的曲线。ROC曲线越靠近左上角，试验的准确性就越高。最靠近左上角的ROC曲线的点是错误最少的最好阈值，其假阳性和假阴性的总数最少。ROC曲线下的面积值（AUC）在1.0和0.5之间。在AUC大于0.5的情况下，AUC越接近于1，说明判别效果越好。AUC在0.5-0.7时有较低的准确性，AUC在0.7-09时有一定的准确性，AUC在0.9以上时有较高准确性。AUC=0.5时，说明判别方法完成不起作用。（见图1和表8）。

图1：ROC曲线

表8：曲线面积表

a  根据非参数假设;

b  虚无假设:真实面积=0.5

     从图1和表8可看出，在年至年，AUC的值均落在0.7-0.9之间，说明年至年的二项逻辑斯谛回归模型有一定的准确性；在年，AUC的值均落在0.5-0.7之间，说明该年的回归模型有较低的准确性。同时，年至年的95%置信区间的相伴概率均为0.000，小于0.05，表示测试值要比随机假定的效果好，模拟效果是明显的。

五、研究结论与启示

通过以上的实证分析，可以得到以下结论与启示：

1、通过分析年至年分类判别结果得知，各年第一类错误远高于第二类错误，即非财务舞弊公司被判别为财务舞弊公司远高于财务舞弊公司被判别为非财务舞弊公司，说明非财务舞弊公司存在严重的财务伪装行为，注册会计师在进行审计时暂时未发现而已，需进一步加大审计力度。

2、通过分析年至年分类判别结果准确率排序为：年 年年年。财务舞弊公司和非财务舞弊公司现金流量数据在年和年差异较大，年差异较弱，说明财务舞弊公司进行舞弊有一个较长的准备时期，隐蔽性较高且在舞弊积极准备时尚未被发现。同时，也说明注册会计师发现财务舞弊具时滞性。

3、通过分析常量和变量系数表得知，变量（现金比率）、（现金与总资产比率）、（资产的经营现金流量回报率）和（每股经营现金净流量）的Sig值均小于显著性水平0.05，在回归模型中重要性较高，说明现金的持有量越高，舞弊的机会也就越大。

4、通过T检验分析得知，财务舞弊公司在T-2年至T-4年会为T年的财务舞弊做积极的准备工作，数据差异较大。然而，在舞弊当年及前一年，为了掩盖舞弊被发现的可能，又会尽可能如实的记录企业经营活动，数据差异较小。因此，上市公司监管部门应随时注意上市公司财务数据的异常变化，防患于未然。

5、通过模型检验分析得知，在舞弊发生的年至年回归模型均有一定的准确性，相反在舞弊发生当年准确性较低，说明舞弊公司在得知被发现的可能较小时才会舞弊，也说明该模型具有一定的舞弊预警性。

总之，我国的财务舞弊符合Bologua等（1993）提出的“GONE”理论,即舞弊者有贪婪之心，只要有舞弊机会，并被认为事后被发现的可性较小，他们即将舞弊。

参考文献：

[1]Cottrel,l D. M and Albrecht, W. S. 1994. Recognizing the Symptoms of Employee Fraud.  Health Care Financial Management, 1994 (May): 19~25

[2]Treadway Committee. 1987. Fraud Commission Issues Final Report, Journal of Accountancy, (Nov): 34

[3]Persons O. 1995. Using Financial Statement Data to Identify Factors Associated with Fraudulent Financing Reporting. Journal of Applied Business Research, (11): 38~46

[4]Beasley M: Boards of Directors and fraud [J], The CPA Journal 1998, Vol 68, Issue: 4, 56~58

[5] Summers, S. L and J. T. Sweeney. 1998. Fraudulent Misstatec Financial Statements and Insider Trading: An Empirical Analysis [J], The Accounting Review (Jan) : 131~146

[6]Loebbecke, J K. and W illingham. 1988. Review of SEC Accounting and Auditing Enfoencement Releases. Working paper, University of Utah

[7]Green B. P and J H. Choi 1997. Assessing the Risk of Management Fraud through Neural Network Technology.  Auditing Spring (16): 14~28

[8]Treadway Committee. 1987. Fraud Commission Issues Final Report, Journal of Accountancy, (Nov): 34

[9]刘明辉,韩小芳.“谴责”能否促进财务舞弊的公司改善公司治理？[J].财经问题研究.2009.2: 100-107

[10]吴永明,袁春生.法律治理、投资者保护与财务舞弊:一项基于上市公司的经验证据[J].中国工业经济.2007.3:104-110

[11]杨薇,姚涛.公司治理与财务舞弊的关系——来自中国上市公司的经验证据[J].重庆大学学报(社会科学版).2006.5:24-30

[12]韩丹,闵亮,陈婷.管理层股权激励与上市公司会计造假相关性的实证检验[J].统计与决策.2007.18: 69-72

[13]竺素娥.会计造假的经济学分析[J].数量经济技术经济研究.2002.4:44-47

[14]叶雪芳.基于财务报表审计的会计舞弊揭示机制研究[J].会计研究.2006.2:25-96

[15]袁春生,祝建军:经理人市场竞争、经理人激励与上市公司财务舞弊的关系[J].财会月刊：理论版:2007.7:15-17

[16]邢小玲.论现金舞弊及审计策略[J].企业经济.2006.7:137-138

[17]梅丹,王瑞雪.内部控制有效性与财务舞弊关系的实证研究——来自中国上市公司的经验证据[J].湖南财政经济学院学报.2011.2:113-119

[18]秦江萍,段兴民.企业会计舞弊及其监管的博弈分析[J].经济问题.2005.8:73-75

[19]秦江萍.企业会计舞弊及其控制：基于博弈理论的分析[J].财经论丛.2005.4:54-58

[20]陈国辉,张金松.上市公司财务舞弊治理的博弈论研究[J].财经问题研究.2008.1:51-56

[21]王玉海.我国财务舞弊防范与治理系统的修复与重构[J].郑州大学学报(哲学社会科学版).2011 .11:74-78

[22]许存兴.基于现金流量的企业财务困境预警研究[J]. 中国注册会计师.2012.5:98-103