摘要：如何有效識別財務舞弊，是會計信息使用者一直關心的問題。文章通過研究發現，財務結構、盈利質量和關聯交易度相關指標對識別公司財務舞弊有著顯著的效果。因此，會計信息使用者在判斷公司舞弊與否時，要密切關注這些指標。文章發表在《財經界》上，是廣西論文發表范文，供同行參考。

　　關鍵詞：財務舞弊;識別;上市公司

　　一、研究背景

　　自從會計信息作為由企業內部向外部傳遞經濟訊號的媒介以來，舞弊就與之形影相隨。隨著全球資本市場一體化的加速，會計信息的社會影響日益擴大，財務舞弊現象也日益盛行與蔓延。

　　2002年6月，世界第二大電信公司世界通信公司(World Com)和被認為全美最可信賴的50家公司之一施樂(Xerox)公司因會計造假列入當年國際會計業十大新聞。2006年普華永道日本公司和戴爾公司因財務報表丑聞震驚全球的會計行業。由于我國證券市場運作時間較短、各項體制不夠完善，上市公司財務舞弊事件也一直層出不窮。2006年顧雛軍案引爆整個會計業信任與監管危機。接二連三的會計舞弊丑聞的揭露，極大地動搖了人們對資本市場的信心。所以加大對上市公司財務舞弊問題的研究工作，已成為穩定資本市場秩序迫在眉睫的問題。

　　然而治理財務舞弊是一項極其復雜艱巨的系統工程，除了要建立高質量的會計準則、健全會計信息披露的規則外，還要不斷提高會計信息使用者對財務舞弊行為的識別能力，以盡可能減少財務舞弊行為的誤導效應。因此本文以我國上市公司為研究對象，將研究范圍鎖定在與我國上市公司財務舞弊識別相關的事項上，試圖得到對會計信息使用者具有指導意義的結論，以期為完善監管政策和會計、審計準則提供理論參考，為財務舞弊行為的預警、實時監控和綜合治理提供決策依據，從而最大限度地減少上市公司財務舞弊行為的誤導效應。

　　二、相關文獻綜述

　　對財務報告舞弊頗有研究的美國Coopers & Lybrand會計師事務所(2000)總結出29面“紅旗”，當出現這些“紅旗”的時候，就需要格外關注公司管理當局是否有舞弊的可能，例如，現金短缺、負的現金流量、營運資金短缺;融資能力降低，營業擴充的資金來源只能依賴盈余;存貨大量增加超過銷售所需;盈余品質逐漸惡化等。

　　Beneish(1997)對舞弊公司和非舞弊公司比較研究發現，公司歷史、財務杠桿程度和股價的表現可作為初步判定會計舞弊的風險因素。另外，公司應收款項大幅增加、產品毛利率異常波動、資產質量下降、銷售收入異常增加和應計利潤率上升也是會計舞弊的征兆。

　　Green and Choi(1997)采用人工神經網絡(ANN)技術構造了建立在原始財務數據基礎上的財務舞弊判別模型，并發現這一模型將大大改善獨立審計師發現舞弊行為的能力，且在以隨機樣本為基礎使用時非常有效。

　　劉立國、杜瑩(2003)的研究表明：法人股比例、執行董事比例、內部控制制度以及監事會的規模與財務舞弊的可能性正相關，流通股比例則與之負相關。

　　黃世忠(2004)在《收入操縱的九大陷阱及其防范對策》中指出，存在以下預警信號時，表明上市公司有舞弊的可能：應收賬款的增幅高于銷售收入的增幅;計提巨額的壞賬準備;收購日前后毛利率發生大額波動;銷售收入與生產能力比例失調;與客戶發生套換交易;收入主要來自關聯交易;銷售收入與經營性現金流相背離。

　　“他山之石，可以攻玉”，國內外關于財務舞弊的特征和征兆的研究對本文有著重要的借鑒意義，本文將從總結出的眾多財務舞弊特征和征兆中概括出使用最頻繁的(如財務狀況、資產質量、營運能力、盈利能力、盈利質量、關聯交易、內部治理結構)，作為研究我國上市公司財務舞弊識別的切入點。在研究方法上使用對財務舞弊識別效果較好的Logistic回歸分析法，針對不同的影響因素，通過組合運用達到彌補單一指標分析的缺陷的目的。

　　三、研究方法和具體研究

　　大量的實證研究表明，相對于非舞弊公司而言，舞弊公司往往具有特殊的舞弊動機，而這些動機則外顯于舞弊公司的財務特征及征兆。表現在財務指標上，就是某些財務指標顯著異于同類公司。因此，本文主要通過分析上市公司財務舞弊的征兆，構建上市公司財務舞弊的識別模型，并以我國上市公司舞弊年報為樣本，對模型進行分析，旨在探求我國上市公司財務舞弊行為的基本規律，為財務舞弊行為的預警、實時監控和綜合治理提供經驗依據。

　　資產和利潤的造假是對投資者和債權人影響最大的舞弊行為，且資產和利潤的虛假能通過一系列財務指標的異常反映出來。而資產和利潤的虛增是財務報告舞弊的主要內容，因此，本文將財務舞弊定義為財務報告中資產和利潤的虛增，并以此為標準來選擇研究樣本。

　　研究樣本從我國2000-2006年因舞弊遭到證券監管部門(證監會、深交所、上交所)、財政部通告處罰的公司中選取，共選取了35家上市公司，其中有些公司是連續幾年都實施財務舞弊行為，將舞弊公司的每一個舞弊年度作為研究對象，最終共有68個研究樣本。

　　同時選取了與上述公司行業相同、規模相當的未遭通告和處罰的公司與之配對，選取了68個控制樣本。

　　本文的樣本數據來源于中國證監會公告(上市公司處罰決定類)、財政部處罰公告(上市公司處罰決定類)以及中國證監會指定的信息披露網站-巨潮資訊網()、上市公司咨詢網()、金融界網()。

　　本文通過對國內外研究成果、及會計舞弊的普遍手法分析，認為舞弊公司會在下述指標方面與非舞弊公司顯示出差異?，F將本文選取的可能發現違規的指標進行匯總，并對每一指標給出簡單說明(見表1)。

　　(一)模型選擇

　　Logistic模型適用于因變量為二值的情況下使用(例如：對上市公司財務報告識別的結果要么是舞弊、要么是非舞弊，即符合該模型的使用條件)，因此本文研究也將采用Logistic模型，并結合SPSS統計軟件進行。

　　根據舞弊識別的經驗性分析，認為舞弊公司與非舞弊公司(同行業、規模相當)在上述13個指標方面會顯示出較大差異，因此，對舞弊公司(研究樣本)和非舞弊公司(控制樣本)的上述指標采用SPSS統計軟件進行對照檢驗，最具顯著性的指標予以保留進入模型(即為X1、X2、X3等)，不具有顯著性的指標則予以剔除，從而構建Logistic回歸模型，以此來判斷企業財務舞弊的概率有多大。

　　模型建立的意義在于：在某公司X1、X2、X3等指標已知的情況下，把指標值帶入模型即可得到該公司發生財務舞弊的概率。

　　(二)研究結果及其闡釋

　　將兩類樣本按0、1分組，1為舞弊公司，0為非舞弊公司，采用SPSS16.0對數據進行處理。

　　SPSS的部分輸出結果如表2所示。

　　表2為方程中變量檢驗情況列表。從顯著性水平(Sig.)來看，X1(資產負債率)、X9(非主營業務利潤率)、X10(凈利潤現金保證率)、X11(其他應收款占總資產的比)這4個變量檢驗的顯著性水平都小于0.05，均可進入模型。由該表可得出會計舞弊的識別模型為：

　　Ln(Pi/1–Pi)=Y=-2.148+4.839X1+0.248X9-0.193X10+6.381X11

　　根據該模型，就可以在某公司這4個變量已知的情況下計算出其發生財務舞弊的概率。

　　表2中回歸模型統計量表明：最終進入模型的有4個變量，分別是X1(資產負債率)、X9(非主營業務利潤率)、X10(凈利潤現金保證率)、X11(其他應收款占總資產的比)。從系數可以看出，X11(其他應收款占總資產的比)對公司舞弊與否的預測能力最強(其系數為6.381)，而且該指標與舞弊發生與否呈正相關關系;其次為X1(資產負債率)，其系數為4.839，該指標與舞弊發生與否呈正相關關系;然后是X9(非主營業務利潤率)，其系數為0.248，該指標與舞弊發生與否呈正相關關系;最后是X10(凈利潤現金保證率)，其系數為-0.193，該指標與舞弊發生與否呈負相關關系。

　　四、研究結論

　　根據實證研究結論，可看出財務結構、盈利質量和關聯交易度相關指標對識別公司財務舞弊與否有著顯著的效果，也可以說，舞弊公司具有資產負債率高、盈利質量差、關聯交易頻繁的顯著特征，因此無論作為投資者還是債權人及證券監管部門，判斷公司舞弊與否時，要密切關注這些指標。

　　廣西論文發表須知：《財經界》雜志于1983年創刊，為大型財經月刊，研究范圍覆蓋40個產業，由中國國家信息中心主辦。該雜志旨在介紹國家經濟政策、經濟環境、經濟信息和分析經濟熱點問題,向讀者報告中國市場、產業和行業的發展趨勢,是一本面向金融、保險、證券、電信、IT等領域的權威智慧型雜志。郵發代號82-569。