曹乃文
部分上市企業(yè)為了滿足其盈利預期,避免因業(yè)績虧損而造成退市的不利后果,可能采取財務操縱的違法違規(guī)手段。例如泰科和世界通訊、*ST國藥、萬福生科、康美藥業(yè)等。財務操縱導致投資者虧損,嚴重擾亂市場的秩序,影響市場的健康發(fā)展。因此,需要對財務操縱進行分析與判別,從理論和實踐兩方面對企業(yè)的經(jīng)濟行為進行規(guī)范。
國內外對于財務操縱的研究主要停留在對其資本成本、外部籌資等方面的分析探討上,以機器學習為主的現(xiàn)有的識別技術,已經(jīng)得到了廣泛的應用,并取得了可觀的成就。本文對康美藥業(yè)財務操縱的典型案例進行分析,對其采用的操縱手段、動機等進行分析與挖掘,提出防范策略,建立識別的模型,為今后辨別可能出現(xiàn)的財務操縱現(xiàn)象提供理論參考依據(jù)。
本文的貢獻如下:1.有利于改善國內投資環(huán)境。眾所周知,上市公司財務數(shù)據(jù)造假會影響投資者對該上市公司目前經(jīng)營的實際狀況的判斷,從而影響投資者的投資決策。本文通過對康美藥業(yè)財務造假案例的分析,揭露其財務操縱的惡劣行為,深入分析其財務操縱行為的表現(xiàn),并提出相應的防范措施,以此警醒上市公司,促使其注重財務信息披露的真實性和合理性,并為投資者的投資決策提供參考。2.通過建立模型,幫助投資者辨別財務操縱的跡象和手段,從而提高投資者對投資對象真實財務狀況的識別、判斷能力,使之避免踩雷,有利于提高投資者決策質量。
總結過往的研究文獻,可以看到,國外市場發(fā)展得較早,對財務操縱的研究也比較完善,在這方面形成了相關理論,且在對上市公司財務操縱的原因和表現(xiàn)的研究中,其理論研究的成果更豐富,也更全面。而國內學者主要對財務操縱的研究主要集中在其動機、手段以及如何治理財務操縱等方面。雖然國外已經(jīng)構建了較為成功的研究模型,但這些研究模型是以西方發(fā)達的資本市場環(huán)境為研究背景構建的,其中有一部分并不適用于國內環(huán)境。因此,本文選用國內較典型的上市公司財務操縱案例——康美藥業(yè)財務造假事件為研究對象,初步構建針對上市公司財務操縱行為的識別模型,重點研究其財務操縱行為,總結相關經(jīng)驗,希望以此促進資本市場的健康發(fā)展。
2019年4月30日,康美藥業(yè)發(fā)布的“會計差錯”公告中,聲明2018年前的營業(yè)收入和成本出了差錯,經(jīng)過調整發(fā)現(xiàn),貨幣資金增加了299.44億元。根據(jù)證監(jiān)會調查發(fā)布的《告知書》中詳細披露的康美造假明細,兩年半內,該公司累計虛增貨幣資金約886億元,康美藥業(yè)的財務報表中存在“存貸”雙高、應收賬款被關聯(lián)方占用、存貨異常等情況。
“存貸”雙高現(xiàn)象
從賬面看來,康美藥業(yè)的資金流動情況良好,流動比率符合同行業(yè)水平(在1—2之間浮動)。但因為公司流動資產(chǎn)中的應收賬款、票據(jù)和存貨等占比較大,所以流動資產(chǎn)的流動性有許多水分,公司償債能力無法得到充分體現(xiàn)。因此筆者搜索康美的貨幣資金和帶息負債數(shù)據(jù):從時間看來,早在2010年康美藥業(yè)高存高貸的現(xiàn)象就有了苗頭。尤其在 2014年往后,每年都有穩(wěn)定的增長,公司的資產(chǎn)負債表上除了現(xiàn)金還有就是有息負債。公司雖然資金充裕,但債臺高筑。
應收賬款被關聯(lián)方占用
我國上市公司發(fā)展的歷史中,時常有公司資金被大股東占用的現(xiàn)象,且涉及金額巨大。雖然近年來證監(jiān)會對這一塊的管控愈發(fā)嚴厲,但這一現(xiàn)象并沒有消退,反而有金額增大、手段升級、渠道增多、國有公司數(shù)量增加的跡象。康美藥業(yè)與關聯(lián)方交易僅是為達到占用貨幣資金、掩蓋財務操縱目的。2016年以來,康美藥業(yè)與其關聯(lián)方三年期末交易額累計達到136億元,但是,交易資金均未實際進入財務管理流程,這是非常令人懷疑的風險因素。
存貨異常
康美藥業(yè)存貨雖連年增長,其營業(yè)收入增長率卻連年放緩。同時,其存貨周轉率和應收賬款周轉率的聯(lián)合指數(shù)走低,表明公司的實際營業(yè)能力在下降。
財務操縱
對于財務操縱現(xiàn)象,一般通過企業(yè)所處時期、環(huán)境、背景來分析其行為動機和粉飾的可能性,一般可通過財務報表的業(yè)務邏輯與勾稽關系來識別,發(fā)現(xiàn)異常信息,進行同行對比與同期對比來發(fā)現(xiàn)操縱貓膩。回顧康美藥業(yè)財務操縱的整個過程,其集中爆發(fā)期為2016年至2018年,經(jīng)過證監(jiān)會證實,康美藥業(yè)隱瞞了與關聯(lián)方的交易,主要采用偽造發(fā)票、虛構存單和虛構憑證等手段,非法占用了經(jīng)營性資金,存在虛增收入、虛增資產(chǎn)和違法買賣股票等違規(guī)行為。
樣本選取
以2009-2019年十年間的ST公司與非ST公司為研究樣本,研究數(shù)據(jù)來源于銳思金融數(shù)據(jù)庫。收集271家ST公司樣本,并按照同比比例,對照選取非ST公司271家。審計意見為標準無保留,行業(yè)相同、規(guī)模相近等。對一些缺省的值做了預處理,保證模型精度不受影響。
指標選取
根據(jù)資產(chǎn)負債表從四個方面(盈利能力、償債能力、現(xiàn)金能力和營運能力)進行指標選擇,共13項。研究中盡可能收集和案例分析操縱手段相關的指標,而不是選取每一類全部指標。
模型建立
BP神經(jīng)網(wǎng)絡模型是一種人工仿生網(wǎng)絡模型,它通過預先輸入數(shù)據(jù)來自學數(shù)據(jù)內在蘊含的規(guī)律,該網(wǎng)絡模型的內部含有大量類似神經(jīng)細胞的節(jié)點。第一個前向傳播過程是在輸入層中輸入每個樣本的指標數(shù)據(jù)(X1-X13),經(jīng)過一定的線性變換得到隱含層的數(shù)據(jù)輸入,然后再激活函數(shù),得到一個介于0-1之間的值作為輸出。隱含層的輸入依照上面過程最終傳遞到輸出層中,通過非線性變換產(chǎn)生的輸出信號Y是判斷公司是否存在財務造假的依據(jù)。將該判斷值與公司實際情況進行比較,如果產(chǎn)生誤差則反傳給輸入層,調整之前線性變換中使用的權重。誤差將分攤至每一層所有單元,從而使每個單元權重值得到調整,誤差沿梯度方向減小,實現(xiàn)梯度下降。最后,經(jīng)過多輪反復訓練,使均方誤差最小化。記錄此時的權值與閾值,從而得到訓練好的模型。
在正式建立模型前,先做數(shù)據(jù)預處理,去除542個樣本中的缺失值和重復值,10年有效數(shù)據(jù)共3665條,之后對數(shù)據(jù)進行標準化的處理。再使用python建立BP神經(jīng)網(wǎng)絡:首先進行數(shù)據(jù)分割,按比例(7:3)劃分訓練集和檢驗集。其次建立神經(jīng)網(wǎng)絡體系結構,隱藏層數(shù)為1層,將隱藏層中最小單元數(shù)設置為1,最大單元數(shù)設置為50,激活函數(shù)為雙曲正切函數(shù),輸出層數(shù)為1層全連接Softmax。以批次訓練為訓練類型,優(yōu)化算法選擇標準共軛梯度。對模型性能的評估選用ROC曲線、混淆矩陣,能夠更加直觀地反映預測結果的好壞。
結 論
模型輸出的結果范圍為[0,1],當取值越接近1時,這個樣本是財務操縱公司的把握更大;當輸出結果越接近0時,這個樣本為非財務操縱公司的把握更大。根據(jù)規(guī)則,設定0.5為閾值,當輸出概率大于0.5時,此樣本為財務操縱公司;當模型輸出結果小于等于0.5時,此樣本為非財務操縱公司。
BP神經(jīng)網(wǎng)絡構建的模型識別結果在訓練集中有77.7%的非財務操縱公司被識別正確,54.9%的財務操縱公司被識別出來;在檢驗集中有高達80.3%的非財務操縱公司被正確識別,51.9%的財務操縱公司被正確識別。訓練集的總體識別準確率達67.0%,檢驗集樣本的總體正確率達66.9%。
建 議
1.審計機構應盡職盡責,以扼制財務操縱行為發(fā)生
在本案例中,正中珠江事務所沒有嚴格按照正常、規(guī)范的審計程序對康美藥業(yè)財務數(shù)據(jù)進行審核,未能及時發(fā)現(xiàn)其財務操縱行為,以致在審計結束后為康美出具無保留意見,這屬嚴重的失職。由此看來,審計機構在審計過程中走形式、銀行函證程序不科學不規(guī)范等審計漏洞會為上市公司財務數(shù)據(jù)造假創(chuàng)造機會。故審計機構應當嚴格遵循審計的規(guī)則,將審計落到實處,盡職盡責地完成對上市企業(yè)的財務審計,不放過任何細節(jié),不給財務操縱、財務造假行為留下任何可能的漏洞。
2.投資者應當加強財富管理風險意識
證券投資是當下普及的公眾投資方式之一,但普通投資者普遍缺乏金融知識、風險意識,容易受到公司披露的虛假信息的誘導。因此,投資者應當加強相關基礎知識的儲備、積累,以較為完善的風險評估體系對自己的投資行為進行風險評估,明確投資定位與風險承受度,并且要多關注相關企業(yè)的經(jīng)濟行為,積極主動地發(fā)揮社會監(jiān)督作用。
3.促進識別模式和手段的創(chuàng)新與改進
現(xiàn)有技術可以實現(xiàn)初步的二分類,但是在指標選取、數(shù)據(jù)收集和處理等方面的細節(jié)還存在許多難以解決的問題,如訓練集的數(shù)量與真實性不足,難以支撐有效分類、預測分類效果精度較差、缺乏針對實際問題的參數(shù)優(yōu)化調整方案等。未來可以考慮采用更新穎的模型和算法,或者用多種方法結合的判別方式進行財務操縱、財務造假的識別。
(中南財經(jīng)政法大學)