《审计论文-持续经营审计判断模型研究：回顾与前瞻》由会员分享，可在线阅读，更多相关《审计论文-持续经营审计判断模型研究：回顾与前瞻（10页珍藏版）》请在金锄头文库上搜索。
1、审计论文-持续经营审计判断模型研究：回顾与前瞻摘要本文分析国内外对持续经营审计判断模型的研究成果，从研究目的、变量设计、样本选取、建模方法、应用效果等方面比较研究各种模型，指出现有模型的不足和有待进一步研究的方向，以期对改进我国持续经营审计手段与方法提供借鉴。 关键词持续经营；审计判断；预测模型企业的持续经营能力状况直接影响到投资者的决策行为。因此，对上市公司持续经营能力进行判断和评价是注册会计师进行财务报告审计时所必须考虑的重要内容，也是政府监管部门关注的一个焦点问题。近年来，为了减少审计期望差距，审计界制定并完善了持续经营审计准则及相关指南，特别是加强了对持续经营审计判断模型的研究，期望提
2、高持续经营审计判断的客观性和一致性。我们搜集了 ABI/INFORMGlobal、BusinessSourcePremier（BSP）、和ElsevierScience 等国际著名数据库以及中国期刊网中关于持续经营审计判断模型研究的 70 余篇文献，对审计判断模型的构建方法、应用效果及局限性进行了总结和整理，以期对改进我国持续经营审计手段及方法提供借鉴。持续经营审计判断模型根据研究对象的不同可分成两大类：持续经营危机预测模型和持续经营审计意见预测模型。前者关注公司是否会向法院申请破产（国内研究以是否被 ST 为标准），后者关注公司是否会被出具涉及持续经营存在重大不确定性的非标准无保留审计意见（
3、下简称持续经营审计意见），二者都可以为持续经营审计判断提供辅助决策信息。但是，这两类模型的研究目的并不相同，前者认为模型在预测公司是否破产的准确性上要高于审计师，借助模型有助于减少审计期望差距1-2.后者认为提出破产申请和被出具持续经营审计意见并不是一一对应的，被出具持续经营审计意见的公司并非都会提出破产申请，而且持续经营危机预测模型未能包含审计师进行持续经营审计判断时所考虑的一些重要因素，如行业前景、管理层能力等3.Hopwood4等还证实在控制样本配对比例及分类错误成本的条件下，持续经营危机预测模型在预测是否破产的准确性上并不优于审计师。一、持续经营危机预测模型持续经营危机预测模型按照所用
4、概率统计方法的不同，可分成多元线性判别模型、多元概率比（Probit）模型、多元逻辑回归（Logistic）模型、人工神经网络模型等 4 类，下文将分别予以阐述。（一）多元线性判别模型Altman1以美国 19461965 年提出破产申请的 33 家公司和 33 家健康公司为研究样本，采用多元线性判别方法构建了如下预测模型，即“Z 分值模型”：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5，其中：X1 为营运资本/资产总额；X2 为留存收益/资产总额；X3 为息税前利润/资产总额；X4 为优先股和普通股市值/负债账面价值；X5 为销售收入/资产总额。当计算出来的 Z 值等于或低
5、于 1.8时，预示企业破产的可能性非常高；当 Z 值介于 1.81 和 2.99 之间时，企业是否破产不能确定；当 Z 等于或高于 3 时，企业则不可能破产。Z 模型对破产公司样本的预测准确率为 82%，而只有 46%的破产公司在破产前被出具持续经营审计意见。Altman 认为 Z 模型可以提高审计师在持续经营审计判断上的准确性和一致性。Altman5用 19701982 年间 109 家破产公司为样本对“Z 分值模型”进行了有效性验证，发现模型对破产公司样本破产前一年的预测准确率达到86.2%，而审计师在公司破产前一年的预测准确率为 48.1%，表明 Z 模型对持续经营危机的预测准确性高于审
6、计师。继 Altman 之后，Levitan、Knoblett6，Koh、Killough2，Cormier7，陈静8和张玲9等都采用多元判别分析方法构建了持续经营危机预测模型。这些模型的构建方法基本相同，所不同的是在持续经营危机标准界定上、样本时间窗口、对照组样本选取方法、变量选取上有差异。对这些模型的有效性验证表明预测模型比审计师在预测公司是否破产方面具有更高的准确性，应用模型有助于减少审计期望差距。针对多元线性判别分析要求数据服从正态分布和等协方差的假设与企业数据实际状况的矛盾，以及配对抽样法因样本中两类公司比例与它们在总体中的比例严重不一致而夸大了预测模型判别准确性的缺陷10，不需要正
7、态分布和等协方差假设的 Probit、Logistic 模型被大量采用，它们都是建立在累积概率函数的基础上，一般运用最大似然估计，而不需要满足自变量服从多元正态分布和等协方差的假设。（二）多元概率比模型Zmijewaki10选取了 19721978 年间发生破产的 40 家公司和 800 家健康公司作为样本，采用 Probit 方法建立了预测模型，即 X 模型：X=-4.3-4.5Xl+5.7X2-0.004X3，其中：Xl=净利润/总资产，X2=负债总额/资产总额，X3=流动资产/流动负债。陈明贤运用台湾企业样本建立了如下 Probit 模型：X=0.29354+20.491X1+4.320
8、9X2-29.515X3，其中：X1 为 In（流动资产/流动负债）；X2 为 In（固定资产/股东权益）；X3 为营运资本/负债总额。结果表明Probit 模型在持续经营危机出现之前 1 年至前 5 年的判别正确率分别为93.33%、83.33%、83.33%、83.33%和 80%64%.（三）多元逻辑回归模型Ohlson11以美国 19461965 年期间提出破产申请的 105 家公司和 2058家健康公司为研究样本，采用 logistic 建立了企业持续经营危机预测模型，即“Y 模型”：Y=-1.32-0.4X1+6.03X2-1 .43X3+0.76X4-2.37X5-1.83X6+
9、0.285X7-1.72X8-0.52X9，其中：X1 为 Log（资产总额/GNP 物价指数）；X2 为负债总额/资产总额；X3 为营运资本/资产总额；X4 为流动负债/流动资产；X5 为净利润/资产总额；X6 为经营活动产生的现金净流量/负债总额；X7：如果前两年有一年亏损，为 1；否则为 0；X8：如果负债总额资产总额，为 1；否则为 0；X9：（当年净利润-上年净利润）/（5 当年净利润 5+5 上年净利润 5）。Ohlson 利用上述模型进行预测，结果发现破产公司前一年的 Y 值平均为 27%，显着高于非破产公司的 Y 平均值 4%.Kuruppu、Laswad 和 Oyelere1
10、2将清算作为发生持续经营危机的标准，以新西兰 19871993 年间 85 家破产清算的公司和 50 家未清算但处于财务困境状况的公司为研究样本，用 Logistic 方法构建模型，研究结果表明在破产法案以债权人为导向的国家，清算预测模型可能比破产预测模型在判断准确度及误判成本方面更为优越。吴世农、卢贤义13以我国 19982000 年上市公司为研究对象，选取了70 家处于财务困境的公司和 70 家财务正常的公司为样本，应用逐步回归法，从 21 个财务指标中最后选定 6 个为预测指标：盈利增长指数、资产报酬率、流动比率、长期负债与股东权益比率、营运资本与总资产比、资产周转率。他们分别应用线性概
11、率模型、Fisher 二类线性判别模型、Logistic 回归三种方法，建立了三种预测财务困境的模型。研究结果表明：三种模型均能在财务困境发生前作出相对准确的预测，在财务困境发生前 4 年的误判率在 28%以内；其中Logistic 预测模型的误判率最低，财务困境发生前 1 年的误判率仅为 6.47%.姜秀华和孙铮14还考虑了公司治理因素对持续经营能力的影响，他们运用 Logistic 逐步回归法从 13 个变量中最终选取了 4 个变量：毛利率、其它应收款与总资产比率、短期借款与总资产的比率、股权集中系数，模型对 ST 公司的判别准确率达到 84.52%.他们的研究拓展了变量选择的传统财务框架
12、，但股权集中度是否为治理效能的惟一、有效替代还有待检验。姜国华、王汉生15也证实主营业务利润水平和第一大股东持股比例是影响公司是否被 ST 的最重要因素。（四）人工神经网络模型人工神经网络（ArtificialNeuralNetwork，ANN）是对人类大脑神经运作的模拟，模型具有较强的容错能力和自主学习能力，可随时依据新的数据资料进行自我学习，并调整其内部储存的权重参数。田伟福、周红晓16选取了 A股市场 30 家公司作为样本构建了前向三层 BP 神经网络模型，模型包括反映偿债能力、资产管理能力、负债水平、盈利能力及成长能力等 12 项财务比率，测试的结果表明神经网络模型预测是否发生持续经营
13、危机的准确性较高。周敏、王新宇17对判别分析、Logistic 回归和神经网络进行了比较，她们以 19992001 年 ST 公司和健康公司各 73 家作为训练样本，以 2002 年 ST 公司和健康公司各 43 家作为检验样本，分析了 15 个财务指标，结果表明神经网络的预测效果要优于其它两种方法。二、持续经营审计意见预测模型持续经营审计意见预测模型同样按照所用概率统计方法的不同，可分成多元线性判别模型、多元逻辑回归（Logistic）模型、人工神经网络模型、持续经营审计专家系统等 4 类，模型研究的重点是持续经营审计意见是否可以用公开的会计信息进行预测。（一）多元线性判别模型Mutchle
14、r18选取了 1981 年被出具持续经营非标准审计意见的 119 家制造业公司，并选取了 119 家表现出一些经营困境征兆但却被出具标准审计意见的制造业公司作为参照物，采用多元判别法构建了预测模型，模型使用了Mutchler 通过调查问卷获取的审计师进行持续经营审计判断最关注的 8 个变量，它们是：（1）经营性现金流量/负债；（2）流动比率；（3）所有者权益/负债；（4）长期负债/总资产；（5）资产负债率；（6）税前净收益/销售收入；（7）有关持续经营不确定性的好消息和坏消息数量；（8）总资产净利润率的变动率。模型对是否被出具持续经营非标准审计意见的预测准确率为 82.8%，结果表明持续经营非
15、标准审计意见可以用公开发表的会计信息进行预测。（二）多元逻辑回归模型Menon、Schwartz19以 19741980 年间 89 家破产公司为样本，其中 37家被出具持续经营非标准审计意见。变量选取参照了 SASNo.34 和前人的研究结果，最终选取了 7 个变量采用了 Logistic 回归构建模型，分别是：（1）流动比率；（2）流动比率变动率；（3）留存收益/总资产；（4）资产负债率；（5）总资产净利润率；（6）是否发生持续的经营性亏损；（7）经营性现金流量/总负债，结果表明持续经营非标准审计意见与财务比率显着相关，最重要的解释变量是流动比率的变动率和持续发生经营性亏损。Menon、S
16、chwartz 还分别用 19811983 年间破产公司和非破产公司样本对模型的有效性进行了验证，破产公司样本数为 39 家，其中 14 家被出具持续经营非标准审计意见。非破产公司样本数为 46 家，其中 11 家被出具持续经营非标准审计意见，模型对持续经营非标准审计意见预测的准确率为 78%.Bell、Tabor20发现反映水平比率的财务指标对于持续经营审计意见的预测准确率高于反映趋势比率的财务指标。Chen、Church21研究证实在模型中增加反映偿还到期债务状况的变量可以显着提高模型的预测准确率性。Mutchler18认为持续经营审计判断可以分成三个阶段：第一阶段是判断被审计单位持续经营能力是否存在重大疑虑；第二阶段是判断被审计单位是否应该被出具持续经营审计意见；第三阶段是应出具何种具体审计意见。Lasalle、Anandarajan 和 Miller22对第三阶段，即持续经营能力存在重大不
