基于舞弊三角理論的財(cái)務(wù)舞弊識(shí)別模型研究：支持向量機(jī)與Logistic回歸的耦合實(shí)證分析

金 花 妍， 劉 永 澤

（1.遼寧師范大學(xué) 數(shù)學(xué)學(xué)院，遼寧 大連116029；2.東北財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，遼寧 大連116023）

繼美國(guó)安然世通等財(cái)務(wù)舞弊案爆發(fā)后，全球不少著名跨國(guó)公司相繼東窗事發(fā)，嚴(yán)重?fù)p害了廣大投資者的利益及對(duì)資本市場(chǎng)的信心，也推動(dòng)了各國(guó)舞弊風(fēng)險(xiǎn)相關(guān)審計(jì)準(zhǔn)則的制定以及相關(guān)領(lǐng)域的學(xué)術(shù)研究。

美國(guó)現(xiàn)代內(nèi)部審計(jì)之父Lawrence B.Sawyer早在20世紀(jì)50年代就提出著名的舞弊三角理論，后來由美國(guó)注冊(cè)舞弊審核師協(xié)會(huì)（Association of Certified Fraud Examiners，簡(jiǎn)稱ACFE）的創(chuàng)始人Albrecht進(jìn)一步發(fā)展了舞弊學(xué)理論，提出舞弊是由壓力、機(jī)會(huì)和借口三要素共同作用下產(chǎn)生的［1］。2002年10月，美國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì)（AICPA）發(fā)布的第99號(hào)審計(jì)準(zhǔn)則《財(cái)務(wù)報(bào)表審計(jì)中對(duì)舞弊的考慮》（以下簡(jiǎn)稱SAS NO.99）和我國(guó)財(cái)政部于2006年2月發(fā)布的《中國(guó)注冊(cè)會(huì)計(jì)師審計(jì)準(zhǔn)則第1141號(hào)——財(cái)務(wù)報(bào)表審計(jì)中對(duì)舞弊的考慮》，都是在舞弊三因素理論的基礎(chǔ)上提出的舞弊風(fēng)險(xiǎn)因素。

從現(xiàn)有財(cái)務(wù)舞弊影響因素的相關(guān)研究來看，通常都是從財(cái)務(wù)指標(biāo)、公司治理指標(biāo)、審計(jì)師指標(biāo)來進(jìn)行實(shí)證檢驗(yàn)的。首先，公司財(cái)務(wù)穩(wěn)定性指標(biāo)是發(fā)現(xiàn)舞弊的主要征兆之一。例如，Albrecht研究認(rèn)為，財(cái)務(wù)數(shù)據(jù)中一些無法解釋的變化、非同尋常的大額交易、收益質(zhì)量的不斷降低、高額負(fù)債、無法及時(shí)收回應(yīng)收賬款、其他現(xiàn)金流量等特征是發(fā)現(xiàn)舞弊的主要征兆之一［1］；姚宏、佟飛研究發(fā)現(xiàn)，盈利能力、銷售能力、貨幣資產(chǎn)占比、資產(chǎn)利用率和短期償債能力等確實(shí)明顯低于非舞弊公司［2］。其次，大多研究將舞弊行為的發(fā)生歸咎于公司治理不夠完善。如Beasley的研究發(fā)現(xiàn)，外部董事的比例與會(huì)計(jì)舞弊的可能性顯著負(fù)相關(guān)，董事會(huì)中外部董事的任期增加、持股比例增加、在其他公司任職減少使會(huì)計(jì)舞弊發(fā)生的可能性下降；董事會(huì)規(guī)模小，會(huì)計(jì)舞弊發(fā)生的可能性下降［3］；張翼、馬光研究發(fā)現(xiàn)，第一大股東持股比例、董事長(zhǎng)持股比例、領(lǐng)取報(bào)酬的監(jiān)事比例與公司發(fā)生丑聞的可能性相關(guān)，但未發(fā)現(xiàn)董事會(huì)規(guī)模、獨(dú)立董事數(shù)量、機(jī)構(gòu)投資者持股比例、以及監(jiān)事會(huì)規(guī)模等與公司發(fā)生丑聞的可能性之間的相關(guān)性［4］；蔡志岳、吳世農(nóng)的研究發(fā)現(xiàn)，與代理理論相矛盾，關(guān)于董事會(huì)領(lǐng)導(dǎo)權(quán)結(jié)構(gòu)的實(shí)證結(jié)果支持現(xiàn)代管家理論，董事長(zhǎng)兼任總經(jīng)理的公司越不容易違規(guī)，且違規(guī)程度越輕微［5］。最后，獨(dú)立審計(jì)是發(fā)現(xiàn)舞弊的主要手段之一，Hoffman、Morgan和Patton對(duì)130位審計(jì)師的調(diào)查結(jié)果發(fā)現(xiàn)，客戶誠(chéng)實(shí)程度是會(huì)計(jì)舞弊最重要的征兆［6］。Hudaib等研究發(fā)現(xiàn)，與非舞弊公司相比，曾經(jīng)發(fā)生舞弊的公司更換審計(jì)師可能更會(huì)引起利益相關(guān)者的關(guān)注［7］。

基于舞弊三角理論的財(cái)務(wù)舞弊識(shí)別模型的相關(guān)研究來看，Dunn運(yùn)用舞弊三角理論對(duì)上市公司舞弊傾向進(jìn)行了研究，并構(gòu)建了比較全面、有效的舞弊識(shí)別模型［8］。在我國(guó)，基于舞弊三角理論進(jìn)行全面分析的文章并不多見，韋琳等以舞弊三角理論為基礎(chǔ)，構(gòu)建了舞弊（或違規(guī)）識(shí)別模型［9］，但對(duì)于借口因素的代理變量并不全面，而且都是采用Logistic回歸模型進(jìn)行判別，判別率不夠高且判別的也不夠精確。而沈樂平采用支持向量機(jī)的算法［10］，對(duì)舞弊及信息披露違規(guī)判別模型的準(zhǔn)確率較高，但單純采用這些模型具有解釋能力較低的缺陷。本文鑒于支持向量機(jī)方法的識(shí)別模型具有更高的識(shí)別率，以及Logistic回歸模型的各要素解釋力高的優(yōu)點(diǎn)，利用這兩個(gè)方法達(dá)到了優(yōu)勢(shì)互補(bǔ)效果。

一、變量的選取與模型的構(gòu)建

本文的因變量（Y）為財(cái)務(wù)報(bào)告舞弊（fraudulent financial reporting），舞弊的形式包括未按時(shí)披露定期報(bào)告、未及時(shí)披露公司重大事項(xiàng)、未依法履行其他職責(zé)、信息披露虛假或嚴(yán)重誤導(dǎo)性陳述、業(yè)績(jī)預(yù)測(cè)結(jié)果不準(zhǔn)確或不及時(shí)。Y為啞變量，某A股上市公司在某年度發(fā)生了財(cái)務(wù)報(bào)告舞弊行為時(shí)，該變量取值為1；否則取值為0。自變量為可導(dǎo)致財(cái)務(wù)舞弊的各種風(fēng)險(xiǎn)因素，本文按照舞弊三角理論中提出的舞弊風(fēng)險(xiǎn)因素確定代表性變量。

1.變量的選取

舞弊三角理論認(rèn)為，導(dǎo)致舞弊發(fā)生的條件有3個(gè)，即動(dòng)機(jī)或壓力、機(jī)會(huì)和借口。

（1）財(cái)務(wù)舞弊的動(dòng)機(jī)或壓力

根據(jù)舞弊三角理論，與舞弊動(dòng)機(jī)或壓力相關(guān)的風(fēng)險(xiǎn)因素包括：公司財(cái)務(wù)的穩(wěn)定性或盈利能力受到經(jīng)濟(jì)、行業(yè)或公司經(jīng)營(yíng)狀況威脅；管理當(dāng)局承受著來自滿足第三方要求或預(yù)期的壓力。

財(cái)務(wù)穩(wěn)定性的代表性指標(biāo)包括：主營(yíng)業(yè)務(wù)比率（MBR）、經(jīng)營(yíng)活動(dòng)凈收益／利潤(rùn)總額（BANI）、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~是否為負(fù)值（CASHNe，小于零時(shí)取1，否則為0）；凈資產(chǎn)收益率同比增長(zhǎng)率（ROE-grow）、總資產(chǎn)同比增長(zhǎng)率（Agrow）以及營(yíng)業(yè)收入同比增長(zhǎng)率（Sgrow）；存貨周轉(zhuǎn)率（STOCK）、應(yīng)收賬款周轉(zhuǎn)率（Account）和總資產(chǎn)周轉(zhuǎn)率（Aturn）。

SAS NO.99指出，管理層所承受的工作壓力主要來源于外部壓力和財(cái)務(wù)契約沖突。本文以破產(chǎn)風(fēng)險(xiǎn)（Z值）、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~／負(fù)債合計(jì)（CashLia）、資產(chǎn)負(fù)債率（LEV）指標(biāo)替代外部壓力；以舞弊前1年預(yù)測(cè)的凈利潤(rùn)增長(zhǎng)比例（PROE）、凈利潤(rùn)是否小于零（PROF，小于零時(shí)取1，否則為0）、高管持股數(shù)量（LnSTOC）、高管年度報(bào)酬（LnSPay）等指標(biāo)替代報(bào)酬契約動(dòng)機(jī)。

（2）財(cái)務(wù)舞弊的機(jī)會(huì)

舞弊機(jī)會(huì)通常與行業(yè)或公司經(jīng)營(yíng)的性質(zhì)、對(duì)管理者控制的失效、復(fù)雜或不穩(wěn)定的組織結(jié)構(gòu)等因素相關(guān)。代表性指標(biāo)包括：未經(jīng)審議程序的重大交易（SRT，舞弊當(dāng)年發(fā)生該事項(xiàng)時(shí)取值為1，否則為0）；第一大股東控制度（ROFS）、股東大會(huì)出席率（SMAtte）以及年度內(nèi)股東大會(huì)會(huì)議次數(shù)（SM）、董事會(huì)會(huì)議次數(shù)（DM）和監(jiān)事會(huì)會(huì)議次數(shù)（SuM）；二重性（DUAL，董事長(zhǎng)兼任總經(jīng)理時(shí)取1，否則為0）、董事會(huì)規(guī)模（DIRS）、監(jiān)事會(huì)規(guī)模（SUPE）、獨(dú)立董事比例（IDP）、獨(dú)立董事出席率（IDAtte）以及非常規(guī)性高管變更情況（CHANGE，發(fā)生此類事項(xiàng)時(shí)取1，否則為0）。

（3）財(cái)務(wù)舞弊的借口

舞弊的借口即是態(tài)度或自我合理化，在舞弊者不受道德約束時(shí)，即使舞弊動(dòng)機(jī)或機(jī)會(huì)相對(duì)較小的情況下，也很可能發(fā)生。本文采用高管平均教育背景（EDUC）來替代道德變量；以舞弊前1年應(yīng)計(jì)利潤(rùn)率（ACCR，（凈利潤(rùn)-經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~）／總資產(chǎn)）來替代管理者對(duì)利益相關(guān)者就實(shí)現(xiàn)不切實(shí)際的目標(biāo)作出的承諾。以審計(jì)師規(guī)模（AUDTOP20，審計(jì)師為20大事務(wù)所時(shí)取值為1，否則為0）審計(jì)師變更（CHANGEAUD，舞弊前3年發(fā)生審計(jì)師變更的次數(shù)）和審計(jì)意見（AO，舞弊前3年曾被出具非標(biāo)準(zhǔn)意見的次數(shù)）指標(biāo)反映管理當(dāng)局與現(xiàn)任或前任審計(jì)師（包括會(huì)計(jì)師事務(wù)所和注冊(cè)會(huì)計(jì)師）的緊張關(guān)系。

2.模型的構(gòu)建

基于以上舞弊三角理論，本文共確定了33個(gè)變量，分別為16個(gè)舞弊動(dòng)機(jī)、12個(gè)舞弊機(jī)會(huì)以及5個(gè)舞弊借口的變量，從而構(gòu)建以下舞弊識(shí)別模型：

其中，β0是截距，表示當(dāng)以上33個(gè)變量為零時(shí)，Y的平均值。β1～β33為回歸系數(shù)，回歸系數(shù)＞0，表明變量與因變量呈正相關(guān)關(guān)系；回歸系數(shù)＜0，表明變量與因變量呈負(fù)相關(guān)關(guān)系。

二、樣本的選擇與均值檢驗(yàn)分析

1.樣本的選擇

本文以2007～2011年為研究區(qū)間，利用Wind資訊的中國(guó)上市公司重大違規(guī)處理數(shù)據(jù)庫收集了共224項(xiàng)違規(guī)記錄。剔除非財(cái)務(wù)舞弊公司33項(xiàng)，剩下191項(xiàng)；剔除上市前發(fā)生違規(guī)事項(xiàng)的2項(xiàng)，剩下189項(xiàng)；剔除舞弊行為發(fā)生年度在2007年以前的69家，剩下120項(xiàng)。在這120項(xiàng)處分公告中，15家企業(yè)受過2次處分，5家企業(yè)受過3次處分，共有95家企業(yè)受到中國(guó)證券監(jiān)督管理委員會(huì)、中華人民共和國(guó)財(cái)政部、深圳證券交易所、上海證券交易所等處罰單位的公開處分，涉及147份年報(bào)，對(duì)每家公司配對(duì)一個(gè)控制公司。具體選擇標(biāo)準(zhǔn)如下：（1）與舞弊公司同一上市地點(diǎn)，并且證監(jiān)會(huì)行業(yè)代碼相同；（2）與舞弊年度樣本相同年度；（3）獲得標(biāo)準(zhǔn)審計(jì)意見；（4）舞弊當(dāng)年資產(chǎn)總額與舞弊樣本最接近；（5）非ST公司；（6）無違規(guī)記錄。

在根據(jù)以上條件配對(duì)的過程中，有20家公司無法找到合適的配對(duì)公司，剩下75家公司的116份年報(bào)，因此本文以116個(gè)樣本和116個(gè)控制樣本為研究對(duì)象。本文最終要建立舞弊識(shí)別模型，因此財(cái)務(wù)數(shù)據(jù)選取舞弊前1年的值，其他指標(biāo)則選擇舞弊當(dāng)年的數(shù)據(jù)。

關(guān)于數(shù)據(jù)來源，本文主要通過深圳市國(guó)泰安信息技術(shù)有限公司的CSMAR數(shù)據(jù)庫、上海萬得資訊科技有限公司的Wind資訊金融終端數(shù)據(jù)庫、中國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì)網(wǎng)站（http：／／www.cicpa.org.cn／）、深圳證券交易所網(wǎng)站（http：／／www.szse.cn／）、上海證券交易所網(wǎng)站（http：／／www.sse.com.cn／）收集并整理了研究對(duì)象相關(guān)的財(cái)務(wù)數(shù)據(jù)、公司的治理信息等各方面資料。

2.均值檢驗(yàn)分析

本文運(yùn)用SPSS18.0進(jìn)行獨(dú)立樣本均值檢驗(yàn)（T檢驗(yàn)），研究舞弊公司和非舞弊公司在舞弊動(dòng)機(jī)、機(jī)會(huì)、借口三因素上的均值差異及其顯著性，為建立舞弊識(shí)別模型奠定基礎(chǔ)。表1為對(duì)33個(gè)變量進(jìn)行均值檢驗(yàn)的結(jié)果。通過T檢驗(yàn)得出如下結(jié)論：（1）舞弊動(dòng)機(jī)或壓力特征。舞弊前1年舞弊公司的主營(yíng)業(yè)務(wù)比率、經(jīng)營(yíng)活動(dòng)凈收益／利潤(rùn)總額、營(yíng)業(yè)收入同比增長(zhǎng)率、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~／負(fù)債合計(jì)、高管年度報(bào)酬等特征均值的差值為負(fù)數(shù)，顯著低于非舞弊公司；經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~為負(fù)值、凈資產(chǎn)收益率同比增長(zhǎng)率、破產(chǎn)風(fēng)險(xiǎn)、資產(chǎn)負(fù)債率、虧損、高管持股數(shù)量等特征的均值差值為正數(shù)，顯著高于非舞弊公司。（2）舞弊機(jī)會(huì)特征。舞弊當(dāng)年舞弊公司的第一大股東控制度、股東大會(huì)出席率、獨(dú)立董事出席率特征的值差值為負(fù)數(shù)，顯著低于非舞弊公司；未經(jīng)審議程序的重大交易、股東大會(huì)會(huì)議次數(shù)、董事會(huì)會(huì)議次數(shù)、二重性、非常規(guī)性高管變更狀況等特征的值差值為正數(shù)，顯著高于非舞弊公司。（3）舞弊借口特征。舞弊公司在舞弊前3年審計(jì)師變更次數(shù)、舞弊前3年曾獲得非標(biāo)準(zhǔn)審計(jì)意見這兩個(gè)特征的值差值為負(fù)數(shù)，均顯著高于非舞弊公司。

表1 變量均值檢驗(yàn)結(jié)果

三、舞弊識(shí)別模型的構(gòu)建

本文采用支持向量機(jī)方法提高對(duì)未知現(xiàn)象的學(xué)習(xí)能力和推廣能力，并通過Logistic回歸模型辨別各變量對(duì)整個(gè)模型的解釋力。支持向量機(jī)之所以能具有優(yōu)秀的推廣能力，是因?yàn)樗越Y(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為基礎(chǔ)。支持向量機(jī)是一種通用的統(tǒng)計(jì)學(xué)習(xí)機(jī)器，能使結(jié)構(gòu)風(fēng)險(xiǎn)最小化目標(biāo)得到較好實(shí)現(xiàn)，通過將輸入向量映射到高維特征空間，能夠構(gòu)造出最優(yōu)分類面，彌補(bǔ)了多層前向網(wǎng)絡(luò)無法解決的缺陷。支持向量機(jī)所運(yùn)用的二次規(guī)劃尋優(yōu)，可以求到全局最優(yōu)解，這是神經(jīng)網(wǎng)絡(luò)局部極小問題無法攻克的難題，但是支持向量機(jī)的解釋能力較弱，而Logistic回歸模型恰好能彌補(bǔ)這一缺點(diǎn)，能夠幫助我們觀察每個(gè)變量對(duì)因變量的影響。

1.基于支持向量機(jī)方法的舞弊識(shí)別模型

（1）構(gòu)建樣本空間與特征空間

樣本數(shù)據(jù)總體為2007～2011年，所有樣本分為兩個(gè)部分：一部分為訓(xùn)練集，包括模型訓(xùn)練樣本和驗(yàn)證樣本，用于支持向量機(jī)的學(xué)習(xí)過程；另一部分為測(cè)試樣本，完全獨(dú)立于學(xué)習(xí)過程，在訓(xùn)練模型完成后才被用來評(píng)估分類器的推廣能力。原始樣本數(shù)據(jù)的分配要保證訓(xùn)練樣本集中的樣本數(shù)量必須足夠多，不能少于樣本數(shù)的50%。因?yàn)?，如果?xùn)練集樣本所占比例過少，通常不足以代表總體樣本的分布，會(huì)導(dǎo)致測(cè)試階段識(shí)別率出現(xiàn)明顯落差。因此，將訓(xùn)練樣本集和測(cè)試樣本集按照三種分配情況分別進(jìn)行測(cè)試（見表2）。

為了提高舞弊識(shí)別模型的識(shí)別效果，本文對(duì)財(cái)務(wù)舞弊特征進(jìn)行T檢驗(yàn)后，以21個(gè)舞弊公司與非舞弊公司之間均值差異顯著的變量（見表1）作為特征空間。

（2）核函數(shù)的選擇

核函數(shù)形式包括徑向基（RBF）核函數(shù)、線性核函數(shù)、多項(xiàng)式核函數(shù)、指數(shù)基核函數(shù)和雙層神經(jīng)網(wǎng)絡(luò)核函數(shù)等多種形式。其中，本文選用RBF核函數(shù)，其原因在于它具有以下特點(diǎn)：一是能夠?qū)崿F(xiàn)非線性映射；二是參數(shù)的數(shù)量影響模型的復(fù)雜程度，RBF核函數(shù)參數(shù)相對(duì)較少；三是穩(wěn)定性較強(qiáng)。

RBF核函數(shù)：Kg（xi，xj）=exp（-g‖xi-xj‖2），g＞0

其中，g是可調(diào)節(jié)的核參數(shù)。本研究根據(jù)各類特征對(duì)是否存在財(cái)務(wù)舞弊進(jìn)行預(yù)測(cè)，屬于二分類問題，而支持向量機(jī)在分類應(yīng)用方面具有優(yōu)良的解決能力，從而可以利用支持向量機(jī)提高正確預(yù)測(cè)財(cái)務(wù)舞弊的概率。

（3）參數(shù)尋優(yōu)

本文采用網(wǎng)格搜索方法來尋找最優(yōu)的懲罰參數(shù)C和核參數(shù)g，網(wǎng)格搜索就是在給定范圍內(nèi)遍歷所有可能的（C，g）對(duì)，然后進(jìn)行交叉驗(yàn)證，找出使交叉驗(yàn)證精確度最高的（C，g）對(duì)。網(wǎng)格搜索的方法很直觀但比較耗費(fèi)時(shí)間，也可以使用一些近似算法或啟發(fā)式的搜索來降低復(fù)雜度。由于本文的數(shù)據(jù)研究對(duì)實(shí)時(shí)性要求不高，所以使用網(wǎng)格搜索來進(jìn)行全面的參數(shù)搜索。

（4）支持向量機(jī)舞弊識(shí)別模型研究結(jié)果分析

運(yùn)用支持向量機(jī)算法，對(duì)舞弊識(shí)別模型進(jìn)行預(yù)測(cè)的結(jié)果如表2所示。從表2可以看出，在訓(xùn)練過程中，隨著訓(xùn)練集樣本的增多，訓(xùn)練精度也隨之提高，而對(duì)應(yīng)的分類器推廣能力也呈上升趨勢(shì)，測(cè)試精度都在94%以上，表現(xiàn)了分類器的良好性能。

表2 支持向量機(jī)舞弊識(shí)別模型結(jié)果

2.基于Logistic回歸分析的舞弊識(shí)別模型

為了對(duì)Logistic回歸模型與支持向量機(jī)識(shí)別模型進(jìn)行比較，本文選擇T檢驗(yàn)表現(xiàn)顯著的變量構(gòu)建Logistic回歸識(shí)別模型。因變量（Y）為財(cái)務(wù)報(bào)告舞弊，自變量共有21個(gè)均值差異顯著的變量（見表1）。經(jīng)過對(duì)自變量進(jìn)行相關(guān)性檢驗(yàn)，結(jié)果顯示大部分自變量之間相關(guān)性系數(shù)都沒超過0.5（限于篇幅，未列出相關(guān)系數(shù)表）。但是，有個(gè)別的變量之間的相關(guān)系數(shù)超過了0.5，如主營(yíng)業(yè)務(wù)比率（MBR）與主營(yíng)業(yè)務(wù)活動(dòng)凈收益／利潤(rùn)總額（BANI）的相關(guān)系數(shù)為0.672。為了防止這些高度相關(guān)的變量帶來嚴(yán)重的多重共線性，從而影響模型的估計(jì)，剔除主營(yíng)業(yè)務(wù)比率（MBR）變量。

利用SPSS18.0統(tǒng)計(jì)軟件進(jìn)行二元Logistic回歸，結(jié)果如表3所示。

表3 模型邏輯回歸結(jié)果

通過回歸分析，獲得常數(shù)項(xiàng)β0為9.468，自由度（df）為1。Cox &Snell R2和Nagelkerke R2分別為0.546和0.728，模型的擬合優(yōu)度比較好?；貧w結(jié)果顯示，Sgrow、LnSPay、ROFS、SMAtte等變量在1%水平下顯著；LEV、PROF、IDAtte、AO等變量在5%水平下顯著；ROEgrow、Z值、CashLia、LnSTOC、DM等變量在10%的水平下顯著。也就是說，過高的增長(zhǎng)率、破產(chǎn)風(fēng)險(xiǎn)、資產(chǎn)負(fù)債率、虧損額和過低的營(yíng)業(yè)收入增長(zhǎng)率、經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~／負(fù)債合計(jì)，使公司的財(cái)務(wù)穩(wěn)定性嚴(yán)重受損；高水平的高管持股數(shù)量和低報(bào)酬給舞弊者帶來較強(qiáng)的舞弊動(dòng)機(jī)或壓力。而第一大股東控制度、股東大會(huì)出席率、獨(dú)立董事出席率越低，董事會(huì)會(huì)議次數(shù)越多，說明組織結(jié)構(gòu)越不穩(wěn)定，給舞弊者留下的機(jī)會(huì)越大，舞弊的可能性越高。而曾經(jīng)獲得非標(biāo)準(zhǔn)審計(jì)意見，說明管理層在誠(chéng)信或態(tài)度上出現(xiàn)一定問題，舞弊前3年獲得非標(biāo)準(zhǔn)審計(jì)意見次數(shù)越多，舞弊的可能性越高。

根據(jù)以上回歸結(jié)果，構(gòu)建舞弊識(shí)別模型：

利用舞弊識(shí)別模型，進(jìn)行舞弊分類檢驗(yàn)結(jié)果如表4所示。

表4 Logistic回歸模型對(duì)舞弊識(shí)別結(jié)果

如表4所示，在建立的Logistic識(shí)別模型中，116家非舞弊公司中有10家公司被誤判，識(shí)別率為91.4%；116家舞弊公司中有19家被誤判，識(shí)別率為為83.6%。舞弊識(shí)別模型的整體識(shí)別率為87.5%?？傊琇ogistic識(shí)別模型的整體識(shí)別率低于支持向量機(jī)的識(shí)別率，但是各個(gè)變量對(duì)舞弊概率影響的解釋力較好。

四、結(jié)論及建議

本研究得出以下結(jié)論：第一，在支持向量機(jī)方法下，隨著訓(xùn)練集樣本數(shù)的增多，訓(xùn)練精度也隨之提高，而對(duì)應(yīng)的分類器推廣能力也呈上升趨勢(shì)，測(cè)試精度都在94%以上。由此可見，采用支持向量機(jī)的機(jī)器學(xué)習(xí)方法對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行處理，其所表現(xiàn)出的預(yù)測(cè)能力表明對(duì)未知數(shù)據(jù)的判斷更為可靠、有效。在總體識(shí)別率方面，支持向量機(jī)算法下的總體識(shí)別率相比Logistic回歸模型較高，表現(xiàn)出分類器的良好性能。在各個(gè)變量對(duì)舞弊概率的影響方面，Logistic回歸模型表現(xiàn)出較高的解釋能力。第二，在舞弊壓力方面，增長(zhǎng)速度、破產(chǎn)風(fēng)險(xiǎn)、資產(chǎn)負(fù)債率、是否虧損、高管持股數(shù)量與財(cái)務(wù)舞弊可能性之間存在顯著正相關(guān)關(guān)系；而經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~／負(fù)債合計(jì)、營(yíng)業(yè)收入增長(zhǎng)率、高管年度報(bào)酬與舞弊概率之間呈顯著負(fù)相關(guān)關(guān)系。第三，舞弊機(jī)會(huì)方面，董事會(huì)會(huì)議次數(shù)越多，舞弊概率越高；第一大股東控制度、股東大會(huì)出席率、獨(dú)立董事出席率越低，舞弊的可能性越高。第四，舞弊借口方面，曾經(jīng)獲得非標(biāo)準(zhǔn)審計(jì)意見次數(shù)越多，說明管理層在誠(chéng)信或態(tài)度上出現(xiàn)一定問題，舞弊的可能性越高。

據(jù)此，要有效預(yù)防和發(fā)現(xiàn)舞弊，不僅要加強(qiáng)內(nèi)部控制的建設(shè)和運(yùn)行過程，更要加強(qiáng)股東、獨(dú)立董事以及獨(dú)立審計(jì)師等團(tuán)體的外部監(jiān)督。首先，緩解企業(yè)和管理層面臨的內(nèi)外部壓力。通過制定科學(xué)的發(fā)展戰(zhàn)略、設(shè)計(jì)穩(wěn)定的組織結(jié)構(gòu)、合理的報(bào)酬激勵(lì)機(jī)制、建立健康的企業(yè)文化等健全內(nèi)部控制環(huán)境。第二，進(jìn)行內(nèi)部控制與風(fēng)險(xiǎn)管理評(píng)價(jià)，防止給舞弊者提供任何舞弊機(jī)會(huì)。第三，加強(qiáng)內(nèi)外監(jiān)督，杜絕舞弊借口。本文的實(shí)證結(jié)果表明，我國(guó)企業(yè)內(nèi)部監(jiān)督職能虛化問題還比較嚴(yán)重，在提高內(nèi)部監(jiān)督效率、效果的同時(shí)，應(yīng)加強(qiáng)外部投資者以及審計(jì)師的監(jiān)督力度。

［1］ALBRECHT W S.舞弊檢查［M］.李爽譯.北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2005.29-61.

［2］姚宏，佟飛.會(huì)計(jì)信息失真背景下的上市公司價(jià)值質(zhì)量評(píng)價(jià)模型［J］.大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011，32（2）：32-37.

［3］BEASLEY M S.An empirical analysis of the relation between the board of director composition and financial statement defraud［J］.The Accounting Review，1996，71（4）：443-465.

［4］張翼，馬光.法律、公司治理與公司丑聞［J］.管理世界，2005，（10）：113-122.

［5］蔡志岳，吳世農(nóng).董事會(huì)特征影響上市公司違規(guī)行為的實(shí)證研究［J］.南開管理評(píng)論，2007，10（6）：62-68.

［6］HOFFMAN V B，MORGAN K P，PATTON J M.The warning signs of fraudulent financial statement［J］.Journal of Accountancy，1996，182（10）：75-77.

［7］HUDAIB M，COOKE T E.The impact of managing director changes and financial distress on audit qualification and auditor switching［J］.Journal of Business Finance &Accounting，2005，32（9-10）：1703-1739.

［8］DUNN P.Fraudulent financial reporting：a deception based on predisposition，motive and opportunity［D］.Boston：Dissertation of Boston University，1999.

［9］韋琳，徐立文，劉佳.上市公司財(cái)務(wù)報(bào)告舞弊的識(shí)別——基于三角形理論的實(shí)證研究［J］.審計(jì)研究，2011，3（2）：98-106.

［10］沈樂平，黃維民，饒?zhí)熨F.基于支持向量機(jī)的上市公司違規(guī)預(yù)警模型研究［J］.中大管理研究，2008，（2）：125-135.