一、問題的提出
有效的資本市場可以為企業(yè)提供直接融資渠道,促進資源優(yōu)化配置,提高資源配置效率。然而,由于代理成本的普遍存在,上市公司財務報告舞弊行為頻發(fā),舞弊性財務報告提供的重大誤導信息嚴重擾亂了資本市場的正常秩序,影響了資本市場的效率和公平。
目前我國上市公司財務報告舞弊的最終目的主要體現(xiàn)在兩個方面:一是為了隱瞞虧損、獲取配股增發(fā)資格而虛增利潤,主要手段包括虛構銷售交易、少轉成本、少計費用等;二是為了隱瞞負債或隱瞞關聯(lián)方對上市公司的利益侵占行為。其中,隱瞞的關聯(lián)方利益侵占手段主要包括關聯(lián)方資金占用、為關聯(lián)方提供借款擔保、關聯(lián)方資金往來、為關聯(lián)方承擔借款和借款費用等關聯(lián)方交易行為,此時的關聯(lián)方交易通常不會帶來或很少帶來上市公司利潤的虛增。以此為基礎,本文將我國上市公司的財務報告舞弊分為兩類:一類是以虛增利潤為目的,稱為調節(jié)利潤類財務報告舞弊;另一類是以隱瞞負債或隱瞞關聯(lián)方利益侵占行為為目的(本文中不包括能夠虛增上市公司利潤的關聯(lián)方交易),稱為非調節(jié)利潤類財務報告舞弊。
在我國上市公司財務報告舞弊的已有研究成果中,對調節(jié)利潤類財務報告舞弊的識別研究已較為深入,而對非調節(jié)利潤類財務報告舞弊識別針對性研究相對缺乏。因此,本文擬構建非調節(jié)利潤舞弊識別模型,以便為監(jiān)管部門和投資者等利益相關者作出的決策提供參考。
二、非調節(jié)利潤類舞弊特征指標的選取
非調節(jié)利潤類財務報告舞弊的主要目的是隱瞞負債或隱瞞關聯(lián)方對上市公司的利益侵占行為。其所隱瞞的負債或關聯(lián)方利益侵占行為將影響到上市公司的資產(chǎn)結構、資產(chǎn)運作效率、費用率和償債能力,使得舞弊報表體現(xiàn)出與正常公司不同的特征。
另外,在舞弊動機的情況下,舞弊行為是否發(fā)生,將受到公司內部治理結構的影響。研究表明,公司內部治理結構中,董事會、監(jiān)事會、高層管理團隊的不同特征將對財務報告舞弊起到不同程度的抑制作用。
最后,注冊會計師的審計被稱為上市公司監(jiān)管的第一道防線。在實施了充分必要的審計程序后,注冊會計師應識別報表中的重大錯報,舞弊公司審計意見與非舞弊公司應存在顯著不同。同時,國外已有研究證明,大規(guī)模的事務所在一些特殊事項的審計方面更有經(jīng)驗,因而能夠提供更好的審計服務。
綜合以上分析,并借鑒財務報告舞弊的已有研究成果,本文初步選取以下19個指標,作為非調節(jié)利潤類舞弊的“紅旗標志”。各指標的具體含義及計算方式見表1所示。
三、研究設計
(一)樣本的選取標準及數(shù)據(jù)來源
1.舞弊公司的選取標準
本文選取的非調節(jié)利潤類舞弊公司為2004年起至2009年12月份為止,由證監(jiān)會正式發(fā)布處罰公告予以處罰的上市公司,并且僅包括因2001年以來的年報舞弊而被處罰的公司,舞弊行為包括隱瞞為關聯(lián)方提供重大擔保、隱瞞重大關聯(lián)交易、隱瞞關聯(lián)方資金占用等非調節(jié)利潤行為。不包括2001年之前年報中舞弊的公司,也不包括半年報中舞弊的公司及調節(jié)利潤類舞弊公司。
整理后得到41家財務報告舞弊公司的79個觀測值。
2.控制樣本的選取標準
非調節(jié)利潤類舞弊公司的控制樣本必須同時滿足以下條件:與舞弊公司同行業(yè)、同一上市地點;與舞弊公司資產(chǎn)規(guī)模相當(選取規(guī)模最接近的公司);選取與舞弊公司舞弊報表處在同一年的年度報告。
整理后同樣得到41家非舞弊公司的79個觀測值。
3.數(shù)據(jù)來源
舞弊公司的確定來源于證監(jiān)會網(wǎng)站公布的處罰公告,經(jīng)逐個整理得到。舞弊公司及控制樣本財務數(shù)據(jù)和治理機制數(shù)據(jù)來源于國泰安經(jīng)濟金融系列研究數(shù)據(jù)庫(CSMAR)。
(二)變量的選取
1.被解釋變量
被解釋變量為財務報告舞弊(FFS,Fraudulent Financial Statement),該變量為二元變量,某公司在某年度實施了非調節(jié)利潤類財務報告舞弊,該變量取值為1;否則取0。
2.解釋變量
本文的解釋變量包括19個指標,具體內容如表1所示。
(三)模型的選取
由于因變量Fraud屬于二元變量,樣本的選擇采用配對的方式,可以采用Logistic回歸方法構建舞弊識別模型。Logistic回歸模型的理論前提比較寬松,沒有關于分布類型、協(xié)方差陣的嚴格假定,避開了線性回歸所面臨的各種難以滿足的前提假設,方程的回歸系數(shù)可以解釋為一個單位的自變量的變化所引起的機率對數(shù)的改變值,可以有效解決分類問題。Logistic回歸方程為:
四、實證檢驗及結果分析
通過前述理論分析,本文選取了非調節(jié)利潤類舞弊公司可能顯著不同于非舞弊公司的17個指標,但各指標的顯著性尚未檢驗,為保證識別模型的效率,本文先通過兩獨立樣本T檢驗,驗證各指標的顯著性水平,以采用顯著的指標構建模型。具體檢驗結果見表2所示。
(一)非調節(jié)利潤類舞弊公司特征的兩獨立樣本T檢驗
由表2可以看出,非調節(jié)利潤類財務報告舞弊公司的9個財務特征指標全部顯著不同于非舞弊公司,其中非常顯著的指標有:存貨占流動資產(chǎn)的比例、其他應收款占總資產(chǎn)的比例、總資產(chǎn)周轉率和資產(chǎn)負債率。四個指標的顯著性水平Sig.(雙側)均低于0.01;在5%的水平上通過顯著性檢驗的指標有應收賬款占流動資產(chǎn)的比例和應收賬款周轉率;在10%的水平上通過顯著性檢驗的指標有固定資產(chǎn)占總資產(chǎn)的比例、管理費用率和財務費用率。
在舞弊公司的內部治理結構中,只有監(jiān)事會會議次數(shù)和高管持股比例2個指標與非舞弊公司在10%的水平上存在顯著不同。審計師特征的2個指標全部通過顯著性檢驗。
結合13個顯著指標的均值分析,可以看出,非調節(jié)利潤類舞弊上市公司應收賬款占流動資產(chǎn)的比重較高;其他應收款占總資產(chǎn)的比例顯著高于非舞弊公司;管理費用率和財務費用率顯著高于非舞弊公司;資產(chǎn)負債率顯著高于非舞弊公司。同時,舞弊公司存貨占流動資產(chǎn)的比重較低;在總資產(chǎn)規(guī)模相同的情況下,固定資產(chǎn)原始規(guī)模較小的公司更容易發(fā)生財務報告舞弊;舞弊公司總資產(chǎn)運作效率顯著低于非舞弊公司;應收賬款周轉率顯著低于非舞弊公司。舞弊公司的監(jiān)事會會議次數(shù)均值為3.81次,顯著高于非舞弊公司的3.37次。這一結論與假設相反,原因可能是當上市公司發(fā)生違規(guī)關聯(lián)交易等事項時,監(jiān)事會作為公司職工發(fā)揮監(jiān)督作用的機構,為制止相關舞弊行為采取了措施,但其權利有限,并不能阻止舞弊行為的最終發(fā)生。另外,舞弊公司的高管持股比例均值為0.368%,顯著低于非舞弊公司0.916%的均值。這一結論說明適當提高高管人員的持股比例,有助于形成利益協(xié)同效應,抑制非調節(jié)利潤類舞弊行為的發(fā)生。舞弊公司的審計意見顯著差于非舞弊公司,說明注冊會計師對非調節(jié)利潤類舞弊行為保持了較高的職業(yè)謹慎態(tài)度;舞弊公司聘請的會計師事務所規(guī)模顯著小于非舞弊公司。
根據(jù)顯著性檢驗的結果,可以運用選出的13個顯著性指標構建Logolistic回歸模型,以識別調節(jié)利潤類財務報告舞弊行為。
(二)非調節(jié)利潤類舞弊公司特征的獨立樣本Logolistic回歸結果及分析
為考察識別模型的預測效果和泛化能力,本文將2001年~2006年的所有舞弊公司和配對公司分為兩組,其中,2001年~2004年的公司數(shù)據(jù)作為訓練樣本集,2005年~2006年的公司數(shù)據(jù)作為檢驗樣本集,運用前4年的數(shù)據(jù)構建模型和2005年~2006年的數(shù)據(jù)檢驗模型的預測精度,預測精度越高,表明模型的泛化能力越強,在后續(xù)年度運用的效果越好。
在Logistic回歸方式構建模型時,各指標之間存在的多重共線性將影響到識別模型的效果。為此,應先考察選取的9個財務特征指標間的相關關系,其相關系數(shù)如表3所示。
從表3可以看出,9個財務指標均存在一定的相關關系,其中,應收賬款/流動資產(chǎn)和存貨/流動資產(chǎn)、資產(chǎn)負債率和其他應收款/總資產(chǎn)、存貨/流動資產(chǎn)及管理費用率、其他應收款/總資產(chǎn)和管理費用率、資產(chǎn)負債率和管理費用率、財務費用率和資產(chǎn)負債率、總資產(chǎn)周轉率和應收賬款周轉率之間均存在顯著的相關關系。為解決這一問題,考慮采用因子分析的方法,通過將具有線性關系的變量轉換為少數(shù)幾個不相關的主因子,來克服多重共線性問題。
表4列示了非調節(jié)利潤舞弊公司和配對公司9個財務特征指標的KMO與Bartlett's球形檢驗(KMO and Bartlett's Test)的結果。由表中數(shù)據(jù)可以看出,KMO統(tǒng)計量為0.513,高于0.5,適合作因子分析。Bartlett's球形檢驗的統(tǒng)計量為71.490,其對應的相伴概率值為0.000,也適合作因子分析。
經(jīng)過最大方差法旋轉后,提取的公因子及其累積貢獻率如表5所示。由表中數(shù)據(jù)可以看出,提取了特征值大于1的3個主因子之后,4個主因子的累積貢獻率僅為69.831%,提取5個主因子后的累積貢獻率也僅為80.691%。此時如果繼續(xù)采用因子分析法降維,信息損失量較大,也會影響到回歸模型的準確性。此時,可以采用Logistic回歸分析中的Forward-Wald(向前步進)進入方式進行回歸分析,以在一定程度上減少指標間多重共線性的影響。
將前述選取的158份年報分為訓練樣本集和測試樣本集,分別用來構建模型和檢驗模型的預測能力。其中,2001年~2004年的公司數(shù)據(jù)作為訓練樣本構建識別模型,2005年~2006年的公司數(shù)據(jù)作為測試樣本檢驗模型的預測精度。
首先,利用2001年~2004年舞弊公司和配對公司的12個顯著指標的數(shù)據(jù)代入SPSS13.0的Logistic Regression模型,構建二元Logistic回歸模型。結果見表6所示。
將表6中各指標的系數(shù)代入Logistic回歸方程,可得:
Fraud=-1.768-4.524×F1-2.777×F2 8.825×F3 5.153
×F4-1.421×F5 0.329×F6 (3)
將2005年~2006年的非調節(jié)利潤類舞弊公司和配對樣本的數(shù)據(jù)代入公式3,再運用公式2計算出各公司的舞弊概率,概率大于0.5的公司,判斷為舞弊公司;概率小于0.5的公司,判斷為非舞弊公司。預測結果如表7所示。
由表7中的數(shù)據(jù)可以看出,Logistic回歸模型對2005年~2006年測試樣本的平均預測準確率為83.33%,說明模型具有較高的泛化能力。
五、研究結論與不足
本文以2004年~2009年間受到證監(jiān)會處罰的上市公司為樣本,在對非調節(jié)利潤類舞弊公司的財務特征和治理機制特征進行檢驗的基礎上,運用非調節(jié)利潤類舞弊公司顯著不同于非舞弊公司的11個指標,構建了非調節(jié)利潤類財務報告舞弊的Logistic回歸識別模型。結果表明,采用2001年~2004年的數(shù)據(jù)構建模型的識別模型,對2005年~2006年的數(shù)據(jù)具備較強的預測能力,預測精度達到了83.33%,說明該識別模型可以為有關各方識別后續(xù)年度的財務報告舞弊行為提供參考。
本文在構建非調節(jié)利潤財務報告舞弊識別模型時,尚未考慮股權結構的影響,且未考慮財務特征中的動態(tài)指標,可能會影響到模型的預測效果,有待于后續(xù)研究中繼續(xù)完善。
