会计欺诈的手段很多，怎样从财务信息中窥出财务欺诈的蛛丝马迹是财经界日益关注的问题。

会计信息欺诈经验分析及识别模型

国泰君安证券研究所  陈  亮  王  炫

引言
自1991年以来，中国证券市场有41家上市公司因财务信息虚假陈诉遭受证监会行政处罚，但这应只是会计欺诈的冰山一角，而有更多的上市公司处于被证监会立案调查阶段而尚未完全浮出水面。
被誉为现代公司治理结构经典的美国上市公司也同样逃脱不了会计信息欺诈的愚弄，据《商业周刊》报道，20世纪90年代末期以来，美国公司财务丑闻曝光的范围和规模超过了大萧条以来的任何时期，1995－2001年，公司纠正财务报告的案例从每年50例增长到每年150例，而2002年第一季度就高达60例。2001年12月Enron(安然公司)因会计丑闻曝光刷新了公司破产规模的记录，6个月之后WorldCom(世界通信)再度爆发丑闻，再创公司破产规模的记录，曾经显赫的朗讯、泰科、施乐、默克也因涉嫌会计欺诈而成为会计丑闻家族的一员。
如何在纷繁复杂的财务信息中识别出会计欺诈风险？本文以国内41家被公开披露会计欺诈的上市公司为研究样本，从定性角度介绍了识别会计欺诈的主要途径，从定量角度运用单因素方差分析模型建立了针对营业利润操纵的识别模型，从而为投资者和分析人员提供了多种识别会计欺诈的检测方法。
会计信息欺诈识别的经验分析
会计欺诈的手段很多，怎样从财务信息中窥出财务欺诈的蛛丝马迹是财经界日益关注的问题，本文先从定性角度介绍了五种识别会计欺诈的方法与途径。与后文的识别模型相比，这些识别方法更多的是对欺诈手法的经验分析。
一、令人警觉的外部财务指标
一些直观而且容易获取的外部财务指标可以使我们产生警觉，财务指标连年恶化的公司容易有财务欺诈的动机，而一些与历史或与同业相比过于乐观、增幅过快的财务指标也常隐藏着会计欺诈风险。
1.财务状况不佳。
财务状况不佳可能激发管理层采取行动以图改善公司财务状况的表象，同时除了可能激发财务欺诈以外，财务状况不佳本身也意味着一种薄弱的内部控制环境，这也是诱发欺诈的条件之一。
2.成长性过于乐观。
高成长率并不一定衍生出会计欺诈，但当成长速度放慢甚至倒退时，为了保持一致的成长性的表象，经理层常会由于某种压力进行欺诈保持高成长。在我国，由于上市公司高成长业绩常受到市场的追捧，谋求资本利得的内部交易层易陷入操纵报表的游戏中。这方面最为典型的是东方电子和银广夏，都曾是资本市场中显赫一时的大牛股。
二、关注审计风险较大的科目
实务审计中一些账户由于其自身特性蕴涵了较大的审计风险，如应收账款、其他应收款的账龄和可收回性难以准确判断、存货及一些固定资产和在建工程难以实地盘存，都使审计风险加大。而审计风险较大的账户财务欺诈的可能性也较高，因为在确定这些账户价值过程中带有主观判断，管理层可以将其用作调控报表的工具。以存货为例，存货科目在采购、生产领用及费用归集、产品销售及发出三个环节中都存在可以进行调剂利润的空间。
应收账款也是审计风险较大的账户之一，因为这些账款的真实性需要审计师一一函证，而其账龄的长短则更易受到操纵。在建工程和固定资产是有形资产，往往不易被调控，但某些公司的在建工程和固定资产的位置难以去实地盘存(如蓝田股份)，则给部分公司提供了可乘之机。
三、三大报表的勾稽关系显示端倪
会计欺诈也是一个系统工程，需要各个科目之间的协调配合，因此很多公司出现了“假科目、真做账”的现象，但难免有个别科目出现背离之势，因此资产负债表、利润表、现金流量表三大财务报表之间的勾稽关系是我们用来识别会计欺诈的有效途径之一。财务报表主表与明细表之间的勾稽关系有比较简单的明细与合计的关系，也有比较复杂的涉及数张报表发生额和余额的关系，这里仅从税金、货币资金、现金流三个角度对报表之间的勾稽关系加以分析。
1.税金与利润、收入之间的关系。
流转税和所得税是企业税中的两大类型，其中流转税包括增值税、消费税、营业税等，一般而言，流转税占收入比例应相对稳定，且同业之间不会存在太大差异。如公司销售税金及附加占销售收入的比重突然下降，或者显著低于同业水平，就有虚增收入风险。所得税的税基是应纳税所得额，由于会计制度和税法两者对收益、费用等的确认时间和范围不同，从而导致税前会计利润与应纳税所得之间产生时间性差异及永久性差异。税前会计利润和应纳税所得之间存在差异是正常的，但如账面税率显著小于法定税率，则说明税前会计利润中的大部分在税法中不能确认为利润，这种显著差异折射出一定风险。
2.货币资金与财务费用之间的关系。
货币资金能直观反映企业的现金储备情况，部分财务欺诈公司在货币资金上也进行操纵以造成企业现金充裕的假象，而如果从财务费用与货币资金的勾稽关系入手则可判断其货币资金的真实性。
3.现金流量表与资产负债表、损益表相关科目之间的关系。
这种勾稽关系在现金流量表与资产负债表、损益表之间体现得更为广泛。如经营现金流中的“支付的各项税费”反映企业当期实际上交税务部门的各种税金(增值税不计)，以及支付的附加税金及费用，其与各种税金之间亦存在一定勾稽关系，即支付的各项税费＝主营业务税金及附加发生额+管理费用中税金发生额－应交税金增加值－其他应交款增加值
现金流量表中的“销售商品、提供劳务收到现金”、“购买商品、接受劳务支付现金”是经营现金流中的两大重要科目，与利润表及资产负债表的相应科目存在下述勾稽关系：
销售商品、提供劳务收到现金＝主营业务收入＋其他业务收入＋预收账款增加额－应收账款增加额－应收票据增加额
购买商品、接受劳务支付现金＝主营业务成本＋其他业务成本＋存货增加额＋预付账款增加额－应付账款增加额－应付票据增加额
类似这种勾稽关系存在于三大报表的每一具体科目中，成为我们分析报表真实性的重要武器。
四、现金流量表结构分析
现金流量表是衡量企业收益质量的重要途径，其各项指标及结构为我们提供了识别会计操纵的重要途径。
1.现金流量表结构比经营现金流指标更为重要。
众所周知，经营现金流反映了企业营业利润质量的真实性，因此被誉为现金流量表的灵魂。如果一绩优公司的经营现金流量长期为负或者很低，其收益质量就值得关注，这方面类似案例很多，这里不再赘述。
除了上述虚拟固定资产、在建工程外，一些公司通过虚增长期投资、无形资产从而虚增利润及经营现金流的手段则更为隐蔽。因此，我们认为在关注经营现金流的同时更应关注现金流量表的结构，观察伴随着经营现金流入的增长是否存在流动资产的经营性流出、非流动资产的投资性流出的大幅增长。
2.衡量收益质量的三项指标。
营业利润现金保证率、投资收益现金保证率、净利润现金保证率可以衡量出相应的收益质量。
营业利润现金保证率＝(经营活动产生的现金流量净额＋应加项目－应减项目) /营业利润
其中，应加项目指实际交纳的所得税扣除实际收到的所得税返还后的差额，可按损益表中“所得税”项目扣除所得税返还额确定；应减项目包括资产减值准备、固定资产折旧、无形资产摊销、长期待摊费用摊销、待摊费用摊销、预提费用增加，以及属于投资和筹资活动的财务费用。
该指标表示营业利润中现金回收的比重，其大于1，说明营业利润质量较好；而小于0则说明营业利润并无实质现金流入，营业利润质量很差，且负值越大质量越差。
投资收益现金保证率＝取得投资收益所收到的现金 /投资收益
该指标越大，说明所实现的变现投资收益越多，投资收益质量越高。该比率尤其适用于权益法核算股权投资收益的公司，因为权益法下被投资公司只要实现税后利润，投资公司即可确认投资收益，用该指标则可衡量出投资收益中变现收益的含量。
净利润现金保证率＝现金及现金等价物净增加额 /净利润
该指标反映公司的净利润与现金净流量之间的差异程度。该比率的降低表明公司在实现净利润同时并没有取得现金流入的增长，收益质量下降。
五、异常波动指标分析
观察财务指标的波动是审计师进行分析性复核的重要利器之一，指标的异常波动往往蕴涵着一定的财务风险。
本文借鉴了美国财务研究与分析中心(CFRA)对异常波动指标的分类体系，将异常波动指标分为纵向和横向两种类型，其中纵向分析是寻求报表中的结构性变化，而横向分析则突出销售增长与相关资产、费用、现金流增长之间的关系。
表1  异常波动指标及蕴涵的财务风险
分类体系 异常波动指标 可能蕴涵的财务风险
纵向分析 应收账款占总资产比例急剧增长 可能出现收入提前确认
 坏账准备占应收账款比例下降 可能准备不足或者夸大营运收入
 存货计提准备占库存比例下降 准备不足或夸大营运收入
 库存占总资产比例急剧增长 可能对某些销售没有确认成本
 厂房设备占总资产急剧增长 可能不适当将某些维修费用资本化
 厂房设备增长，累计折旧却下降 没有提取足够的折旧费用
 利息费用相对于长期债务实质性下降 可能不适当将某些营运费用资本化
 现金及现金等价物占总资产比例下降 可能出现流动性问题
 销售费用占销售收入比例下降 可能虚构收入、或将正常的营运成本资本化
横向分析 应收账款增长远超出销售增长 收入确认可能过于激进
 库存增长远快于销售、销售成本以及应付账款增长 库存大幅增加可能是没有注销废弃库存的征兆；其次可能对某些销售没有记录销售成本
 营业性现金流实质性落后于净收入 收入质量可能不佳
 其他流动资产、其他资产增长远超出销售增长 将营运费用资本化的一个信号是软性资产的迅速增加
 软性成本的摊销增长低于资本化的成本 可能不适当地将某些营运费用资本化
 销售费用、一般费用、管理费用增长远低于销售增长 可能虚构收入、或将正常的营运费用资本化
资料来源：美国财务研究与分析中心（CFRA）。
此外，审计报告意见类型、审计事务所变更、利润对非经常性损益的依赖等等也是我们用来检测是否存在会计欺诈现象的常用方法。
会计信息欺诈的识别模型及检验效果
在会计欺诈识别的经验分析基础上，我们又进一步从实证角度构建了单因素方差分析识别模型，以期将经验分析发展成为一种更便于实践操作、也更为直观的会计欺诈识别方法。
一、样本选择
会计信息欺诈常呈现多种途径，如资产评估、非经常性损益和主业增长等，由于前两种在短期内都会比较明显改变企业的财务结构，因此很难从财务指标异动中区分欺诈公司和正常公司。而对于主业增长型企业，自然增长的企业其财务结构理应体现一定的规律性，而其异动往往蕴涵了一定的财务风险。由于不同类型会计欺诈的识别指标迥异，将其归为一类会弱化指标的识别作用，因此本文对会计欺诈的识别模型将目标锁定为主业增长型利润操纵。基于此，我们选取了41家财务欺诈公司中单纯涉及营业利润操纵的15家作为欺诈公司样本，参照公司则在深沪两市历史上无虚假陈述现象、历年被会计师出具标准无保留审计意见的上市公司中选取了与上述欺诈公司行业、资产规模、会计期间均匹配的15家公司。
二、指标体系设置
营业利润操纵集中表现在对收入、成本、费用的调控，而伪造现金流则主要采取银行存款与流动资产、非流动资产之间的转换，这些操纵会使欺诈公司在欺诈期间的应收账款周转率、其他应收账款周转率、固定资产周转率等财务指标表现出异常波动。由于近年国内会计制度变动频繁，考虑到数据的可获得性和可比性，我们选择了目前统计研究可行的11个财务指标，同时为了更清晰地看出财务欺诈公司的欺诈可能性，我们在设置指标中将11个财务指标(a1-a11)进行正负号调整为(A1-A11)，预期欺诈公司上述指标呈现正数的概率较大，而正常公司的指标呈现正数的概率则较小(结果见表2)。
表2  指标体系及解释
指标序号 原始指标 计算公式
A1 a1:主营收入/平均应收账款 -（欺诈期间均值—欺诈前一年值）
指标解释：虚增收入公司多呈现应收账款周转率下降迹象。
A2 a2:主营收入/平均其他应收账款 —（欺诈期间均值—欺诈前一年值）
指标解释：其他应收账款可能成为账龄较长、金额显著的应收账款的转移对象，因此虚增收入公司有时也会呈现其他应收款周转率下降迹象。
A3 a3:平均存货/主营业务成本 欺诈期间均值—欺诈前一年值
指标解释：虚减成本公司可能会采取调节存货计价方式、存货结转不及时的手段降低主营成本，而相应存货期末值偏高。
A4 a4:（平均应付账款+平均应付票据）/主营业务成本 欺诈期间均值—欺诈前一年值

指标解释：虚减成本公司可能出现的迹象之一是递延费用的大幅增加，即将应该计入营运成本的费用递延处理，使成本减少、递延费用增加。
A5 a5:主营业务成本/主营业务收入 —（欺诈期间均值—欺诈前一年值）
指标解释：虚增收入、虚减成本公司可能会使成本占收入比率呈现下降迹象。
A6 a6:主营收入/平均固定资产 —（欺诈期间均值—欺诈前一年值）
指标解释：虚拟现金流公司可能会采取虚增固定资产投资流出同时虚增经营现金流入方式，但虚拟固定资产的增加使固定资产周转率呈现下降迹象。
A7 a7:当期折旧/固定资产净值 —（欺诈期间均值—欺诈前一年值）
指标解释：虚拟固定资产增加可能导致折旧比率的下降。
A8 a8:净利润/现金及现金等价物（或货币资金）净增加额 欺诈期间均值—欺诈前一年值
指标解释：虚增利润的公司在收入、净利润增长的同时通常没有现金流的实质增长，或是净利润增长幅度远超出货币资金增长幅度。
A9 a9:销售费用（营业费用）/主营收入 —（欺诈期间均值—欺诈前一年值）
指标解释：虚增收入公司由于销售费用（或营业费用）与收入不能适当配比，因此可能会出现费用占收入比率下降迹象。
A10 a10:主营业务税金及附加/主营业务收入 —（欺诈期间均值—欺诈前一年值）
指标解释：虚增收入公司由于主营业务税金与收入不能适当配比，因此可能会出现主营税金占收入比率下降迹象。
A11 a11:所得税/利润总额 —（欺诈期间均值—欺诈前一年值）
指标解释：在应付税款法下，损益表中的所得税费用的计税基础是税前会计利润按照税法规定调整差异后的应税所得，虚增利润公司的应税所得可能显著小于税前会计利润，因此即使在所得税率稳定前提下，虚增利润公司的实际税率仍可能出现下降迹象。
注：除注明平均、均值以外的均为期末值。
三、指标的描述性分析
由于11个指标均是欺诈期间与欺诈前一年的差额，而从会计意义上说，财务比率异常波动的绝对值并不是很重要，而作为其方向性的变化才是最重要的，因此在分析中我们将依据原始指标(a1-a11)调整正负号的数值(A1-A11)分为正负两种类型。统计数据显示，15家财务欺诈公司11个指标出现正号的平均数目为7.67，而15家正常公司11个指标出现正号的平均数目为4.6，显示出财务欺诈公司检测指标为正的概率显著高于正常公司。
为了进一步了解11个指标的检测效果，我们对财务欺诈公司和正常公司在每个指标出现的正号数目进行了统计，统计结果显示A1(应收账款周转率)、A3(平均存货/主营业务成本)、A4((平均应付账款+平均应付票据)/主营业务成本)、A6(主营收入/平均固定资产)、A7(当期折旧/固定资产净值)、A8(净利润/现金及现金等价物净增加额)、A10(主营业务税金及附加/主营业务收入)、A11(所得税/利润总额)8个指标检测效果较好，即欺诈公司在这些指标上出现正数的数目远大于正常公司(结果见表3)。
表3  单一指标的检验结果
类型 A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11
欺诈公司 12 9 13 12 5 13 11 11 8 11 11
正常公司 5 6 5 7 4 8 5 7 7 8 7
四、单因素方差分析
1.样本组间的指标差异分析。
我们先对两个样本组的各个指标做均值比较检验，考察会计舞弊公司各指标的均值是否显著大于正常公司。统计结果显示，11个指标中只有折旧率指标单尾检验在p＝0.05的水平上显著。我们注意到，各个指标的样本值多分布在(0，1)之间，但其中存在少数绝对值极大的奇异值，对均值计算和检验结果有很大影响，因此均值检验并不能很好反映样本组间的差异。
我们发现各指标的正负值在两个样本组内出现的次数存在明显差异，因此我们将各样本指标值转化为(0，1)二元变量进一步考察，即将指标数值>0的赋为1，数值≤0的赋为0，然后进行单因变量的方差分析，可以发现各指标差异的显著性都有明显提高，其中A1、A3、A6和A7的显著性p值≤0.05。统计结果显示，会计舞弊公司和正常公司在这些会计指标中出现正值或负值的概率确实存在比较明显的差异(限于篇幅略去结果)。
2.判别模型构建。
直观认为，上市公司在上述指标系列中出现正值的次数越多，则该公司存在舞弊的可能性越大。因此，我们将各样本公司在指标系列中出现的正值进行加总，计为变量n，对该变量在两个样本组间的分布差异进行方差分析，结果如表4所示。
表4  正负值分布组间差异的方差分析
Source Type III Sum of Squares df Mean Square F Sig.
N 56.033 1 56.033 20.608 .000
会计舞弊组公司在我们考察的指标系列中出现正值的次数在统计上显著大于正常公司，因此可以将上市公司在上述指标系列中出现正值的次数作为识别会计舞弊的一个简单法则。在总体误判个数最低的前提下，选择Ⅰ型错判个数较小(即将会计舞弊公司误判为正常公司的次数)的N＝6值，即当N>6时，判断为舞弊，≤6时判断为正常。判别结果如表5所示。
表5  判别结果
 判断类别
所属类别 会计舞弊公司 正常公司 判别准确率
会计舞弊公司 12 3 80%
正常公司 1 14 93%
总体准确率0.86，Ⅰ型错判率20%，Ⅱ型错判率7%。
结语
现行对会计欺诈的研究多局限在定性分析层面，本次研究将定性的经验分析和定量的识别模型相结合，有其创新之处，但在实证研究中也发现存在不少问题：其一，国内41家被披露有欺诈现象的上市公司数目较少，因此检验样本数目匮乏；其二，由于现金流量表、计提减值准备等基本出现在1998年以后，而财务欺诈公司被披露具有滞后效应，因此我们在对检测会计欺诈的指标设置中难以采取更多的有利于检测效果的指标，如存货跌价准备、长期投资减值准备、营业利润现金保证率、投资收益现金保证率等，而只能在可获取的范围内设置了11个指标，这难免影响了指标的检测效果；其三，由于样本数目的局限性，一些更适用的模型不能有效使用如Logistic回归模型，而选用了更适用本例的单元素方差分析模型。但尽管如此，我们在本次研究中仍然积聚并揭示了一些识别会计欺诈的方法。