《我国上市公司财务欺诈鉴别的实证研究【证券其它相关论文】》由会员分享,可在线阅读,更多相关《我国上市公司财务欺诈鉴别的实证研究【证券其它相关论文】(7页珍藏版)》请在金锄头文库上搜索。
1、证券其它相关论文-我国上市公司财务欺诈鉴别的实证研究随着监管力度的加强,上市公司财务欺诈事件不断相继曝光,不仅直接损害了投资者的经济利益,而且可能导致社会公众对上市公司、中介机构,甚至整个资本市场信心的削弱、丧失。如何透过纷繁复杂的会计信息,避开财务报告中的陷阱,成为实务界和理论界关注的课题。 2002 年 7 月 31 日,中国注册会计师协会专门制定了审计技术提示第 1号财务欺诈风险详细列示了各种可能导致公司进行财务欺诈的因素,以及表明公司存在财务欺诈风险的“红旗”,以提醒注册会计师在执行会计报表审计时对此予以充分关注,保持应有的职业谨慎。遗憾的是,应当选取哪些财务指标、该财务指标达到何种临
2、界值时财务欺诈可能性最大,对于这些具体操作性问题,审计技术提示并没有提供直接的指导。因此,本文循着中注协的思路,以我国历年来被查处的财务欺诈公司作为样本,研究哪些财务指标能够有效显示财务欺诈的存在,并选取其中最为有效的财务指标建立财务欺诈鉴别模型。文献回顾及标示财务欺诈的财务变量的选择根据现有的文献(Fridson,1995;Joseph T. Wells,2001;杜滨,2001;阎达五、王建英,2001),以及对历年来被证监会查处的财务欺诈公司的分析,上市公司财务欺诈的手段不外乎以下几种:1、采用虚假销售、提前确认销售收入或者放松信用政策有意扩大赊销份额的手段调节主营业务利润。此种财务欺诈
3、如果做得不是非常彻底,通常会引起相关指标出现异常,例如,相比同行销售收入的现金流量比率、应收帐款周转率过低,主营业务税金及附加的比重显得不成比例。2、采用漏计费用,或者费用挂帐方法提高营业利润。此时,公司管理费用与销售费用占销售收入比重可能出现异常。如果公司采用费用资本化政策,非经营性资产(待摊费用、递延资产、无形产、其它资产等)的比重可能显得离奇的高。3、采用“线下项目”(即诸如投资收益、营业外收支等营业利润以下的项目)操纵利润。如果公司主要通过操纵线下项目来调节利润,反映在财务指标上就是这些公司的主营业务利润占利润总额的比重较同业公司会低。对财务欺诈颇有经验的美国 Coopers & Ly
4、brand 会计师事务所,总结出 29面红旗,当出现这些红旗时,就需要格外关注管理当局是否存在财务欺诈的可能,其中涉及财务指标的有:1. 现金短缺、负的现金流量、营运资金及/或信用短缺,影响营运周转。2.融资能力(包括借款及增资)减低,营业扩充的资金来源只能依赖盈余。3.成本增长超过收入或遭受低价进口品的竞争。4.现有借款合约对流动比率、额外借款及偿还时间的规定缺乏弹性。5.存货大量增加超过销售所需,尤其是高科技产业的产品过时的严重风险。6.盈余品质逐渐恶化,例如折旧由年数总和法改为直线法而缺乏正当理由。为了帮助审计师更好地识别上市公司是否存在财务欺诈,Beneish 教授(1999)对进行财
5、务欺诈的上市公司和“清白”公司进行比较,发现两者财务指标存在显着差异,如果出现下面的任何一个或几个现象,财务欺诈的可能性上升:应收款项大幅增加;产品毛利率异常变动;资产质量下降(固定资产净额之外的其它长期资产/资产总额);销售收入异常增加;应计利润率上升。Wells(2001)提出注册会计师在分析企业财务报告时,应当关注以下趋势:存货上升幅度超过销售收入;存货周转率下降;运输费用(销售费用)/存货比率下降;主营业务毛利率上升,这些都可能预示企业管理当局虚增利润。SAS第 82 号“Consideration of fraud in a financial statement audit”也列举
6、了检查企业利用存货操纵利润的分析性方法:存货占资产总额比例上升、主营业务成本占主营业务收入比率下降、存货周转率下降等。Lee,Ingram 和 Howard 对盈余与经营活动产生的现金流量之间的关系进行研究,结果发现,在公司财务欺诈戳穿以前公司盈余要比戳穿之后的盈余高得多,但是经营活动产生的现金流量则相反,也就是说,在财务欺诈发现前盈余减去经营活动现金流量的值为正。因此,他们认为,盈余现金流量关系的审核是诊断是否存在财务欺诈的优良工具。同属一个相同的行业,各个公司的财务指标之间一般不会出现非常大的差异,如果异常差异存在,则预示着公司存在财务欺诈的可能。Persons 研究发现,财务欺诈公司比非
7、财务欺诈公司具有更高的财务杠杆、更低的资产周转率、其流动资产的比例更高,其中绝大部分是存货和应收账款,公司规模通常较小。Haw et al(1998)对我国上市公司盈余管理行为的研究发现,中国上市公司对帐面利润的操纵,很大部分集中于“线下部分”,即诸如投资收益、营业外收支等“非经常性盈余”部分,如果上市公司的主营业务利润率持续降低,或者远远低于同行业水平,说明该公司存在财务欺诈的可能。以上文献中发现的表征公司财务欺诈征兆的财务指标构成了我们研究的变量,同时针对我国上市公司财务欺诈的深入分析,我们增加了以下指标:产品销售税金及附加占销售收入的比重。企业产品销售税金及附加占销售收入的比重通常是比较
8、稳定的,而且同行业之间不会存在太大的差异。如果企业销售税金及附加占销售收入的比重突然下降,或者显着低于同行业水平,就可能意味着财务欺诈的存在。例如,黎明股份 1999 年实现主营业务收入40942.56 万元,而主营业务税金及附加仅为 82.43 万元,比例只有千分之二,同期,同行业凯诺科技为 0.728%,华茂股份为 0.745%.所得税占利润总额的比例。在应付税款法下,企业所得税费用是根据税法计算而得,由于税法与企业会计制度在收入与成本的计算口径和确认时间上存在差异,根据利润表中的“利润总额”与“所得税”计算的帐面税率通常不等于法定税率,如果帐面税率显着小于法定税率,则说明企业的会计利润质
9、量可能存在问题。例如,银广夏 1999 年利润总额 1.76 亿元,所得税仅 508 万元,帐面税率为 4%;2000 年实现利润 4.23 亿元,所得税 719 万元,帐面税率不到1.7%;以公司交纳的所得税为基数,即使按照 15%优惠税率,推算出银广夏1999 年应税利润 3387 万元、2000 年应税利润 4793 万元,应税利润与帐面利润两年累计相差 51720 万元。样本选择和研究方法(一)样本选择财务欺诈公司主要来源于证监会网站和三大证券报纸的报道,截至 2002 年 3 月 1 日共有 36 家上市公司因为“虚假财务报告”被证监会公开查处(见附录)。财务欺诈涉及的年份包括 19
10、89-2000 年,按照财务欺诈性质,这些公司所有年度的财务欺诈可以分为三类:影响利润、仅影响资产、不影响利润和资产。由于“不影响利润和资产”类型主要指“虚假披露募集资金用途、隐瞒重大事项”等事项,通常不会在财务上显露出财务欺诈征兆,故予以剔除。中期报告中披露的财务数据有限,所以中报财务欺诈的样本也予以剔除。除此之外,有些财务欺诈公司的年报数据无法获得,最后我们取得了 48个财务欺诈的数据,这构成了我们的研究样本。有关统计数据详见表 2.同时,我们根据被查处的上市公司发生财务欺诈的年份,选取正常的上市公司作为控制样本(每个测试样本选取两个控制样本,由于数据限制,其中几个财务欺诈公司只能取到一个
11、配对样本),控制样本选择标准:所属行业、资产规模、上市地点、上市时间。据此,我们取得 92 个控制样本。(二)研究设计(1) 对测试组和控制组的财务指标进行配对检验,首先采用 t 检验和非参数方法进行分组配对统计检验,检测对照样本之间是否存在显着差异。第一层次是混合样本,即包括所有年度和所有财务欺诈类型的样本;第二层次为分年度检验,考虑到 1993-1995 年和 2000 年样本较少,以及 1998年开始上市公司必须编报现金流量表,分年度检验只针对 1996-1999 年影响利润类型,并且将 1996-1997、1998-1999 年合并。(2) 以影响利润的财务欺诈类型为研究样本,筛选出与
12、财务欺诈相关性最为显着的 6 个财务指标为鉴别模型的判定指标,分别采用线性概率模型(LPM)和 Logistic 模型,建立和估计财务欺诈鉴别模型,并比较这两种模型的鉴别效果。(三)资料来源与统计工具本研究样本数据来源于证监会网站和三大证券报,各个上市公司的年报资料来自香港理工大学中国会计与金融研究中心和深圳市国泰安信息技术有限公司联合开发的中国股票市场研究(CSMAR)数据库,该数据库具有数据准确、可靠、规范和原始的优点。使用的统计软件为 SPSS统计软件包。实证结果与分析(一)财务欺诈公司与非财务欺诈公司的描述性统计和配对检验综合分析表 3 和表 4,除 AQUALITY 、MARGIN
13、与 EXPENSE 预期符号不符以外,其它变量基本上与预期相符。非财务欺诈公司的毛利率(MARGIN)高于财务欺诈公司,而两项费用率(EXPENSE)却显着低于财务欺诈公司(0.10 水平),可能的原因是选取的配对公司的盈利能力高于财务欺诈公司。同时,我们发现财务欺诈公司具有高资产负债率、低速动比率,以及高应收款项比率和低应收款项周转率的特点(分别在 0.10、0.05 水平上显着)。也就是说,高资产负债率、低速动比率,以及高应收款项比率和低应收款项周转率的公司属于财务欺诈的高危群体。(二)多元线性鉴别模型的建立和评价评价模型优劣的标准大体有三:简易性(simplicity)、准确性(accu
14、racy)和通用性(generality),变量过多、过于复杂的模型,不仅违背成本效益原则,而且过多的变量可能损害模型的预测价值。我们首先运用线性概率模型,以各年影响利润的样本数据按照stepwise 方式进行逐步回归,从 13 个财务指标当中选取若干变量。选择标准为:F 值概率值小于 0.35 时进入,大于 0.40 时剔除。跑完逐步回归以后,依次得到 RRATE、EXPENSE 、AQUALITY、OTAX、 QUICK 等 5 个变量。另外,从表4 看,财务欺诈公司与非财务欺诈公司的 RECTURN、LEV 存在显着差异,但是,RECTURN 与 RRATE 显着负相关(0.0001 水
15、平);虽然 EQUALITY 通常较能反映公司的盈利质量,但是由于该指标 1998 年以后才开始提供,数据过少,所以我们予以舍弃。最后,我们选取了 RRATE、EXPENSE 、AQUALITY、OTAX、 QUICK、LEV 等 6 个指标作为建立多元鉴别模型的变量。由表 5 看,方差膨胀因子 VIF 都小于 10,可以认为 6 个变量之间不存在显着的多重共线性。建立和估计财务欺诈模型时,我们以 1996-1998 年的数据作为样本,1999年的公司作为评价模型准确性的数据。1、线性概率模型(LMP)根据上述 6 个财务指标以及 1996-1998 年财务欺诈公司和配对公司的数据,我们进行线
16、性概率模型回归,回归结果列于表 6.从中我们得到财务欺诈公司鉴别模型:上述模型是以 31 家财务欺诈公司和 60 家非财务欺诈公司的数据作为因变量,其中财务欺诈公司取值为 1,非财务欺诈公司取值为 0.因此,从模型构建看,0.34 是最佳的财务欺诈判定点,即某公司的数据代入模型得到的数值大于0.34 时,判定为财务欺诈;否则,为非财务欺诈。模型判定结果见表 7:2、Logistic 模型我们仍旧以上述 7 个财务指标以及 1996-1998 年财务欺诈公司和配对公司的数据为研究样本,进行二元(binary)Logistic 模型回归,得到的回归结果见表 8.财务欺诈公司鉴别模型表示如下:即根据回归得到的财务欺诈鉴别方程,以 0.34 为最佳判定点,模型判定结果见表 9.从表 10 可知,两种鉴别模型各有优劣势。从回判效果看,LMP 模型略优于Logistic 模型;但是,从预测结果看,无论是二类错误率和整体误判率(一类错误率相同),Logistic 模型都显着比 LMP 模型好。同时,对于投资者来说,