基于Logistic回歸分析的我國(guó)上市公司財(cái)務(wù)舞弊識(shí)別模型研究

王月 王玥

摘 要：本文基于Logistic回歸分析建立財(cái)務(wù)舞弊識(shí)別模型，以我國(guó)上市公司2010年-2020年由于財(cái)務(wù)舞弊而被證監(jiān)會(huì)進(jìn)行處罰的A股上市公司舞弊當(dāng)年年報(bào)的財(cái)務(wù)指標(biāo)為自變量。通過(guò)具體分析表明我國(guó)上市公司財(cái)務(wù)舞弊的關(guān)鍵指標(biāo)為總資產(chǎn)利潤(rùn)率、現(xiàn)金流量比率。

關(guān)鍵詞：我國(guó)上市公司;Logistic回歸分析;財(cái)務(wù)舞弊;穩(wěn)健性檢驗(yàn)

一、引言

在2020年8月份所開(kāi)展的關(guān)于目前中國(guó)上市公司的論壇討論中，據(jù)相關(guān)證監(jiān)會(huì)有關(guān)領(lǐng)導(dǎo)表示，在2020年，證監(jiān)會(huì)曾就涉及財(cái)務(wù)舞弊情況的11家上市公司的舞弊事實(shí)進(jìn)行相應(yīng)的行政處罰，這就占據(jù)所有案件的40%。怎樣提前對(duì)財(cái)務(wù)舞弊的公司進(jìn)行識(shí)別成為學(xué)術(shù)界共同關(guān)心的重要問(wèn)題。

余玉苗、呂凡（2010）根據(jù)進(jìn)行舞弊的上市公司實(shí)行舞弊的前一年以及舞弊當(dāng)年財(cái)務(wù)指標(biāo)著手，并通過(guò)財(cái)務(wù)指標(biāo)的增量情況進(jìn)行分析，建立相應(yīng)的Logistic回歸模型，通過(guò)研究可以清晰地展示，識(shí)別上市公司的財(cái)務(wù)舞弊的關(guān)鍵指標(biāo)體現(xiàn)在了公司每股收益等五個(gè)財(cái)務(wù)指標(biāo)的增量方面。王敏、李瑕（2011）通過(guò)對(duì)舞弊三角相關(guān)理論進(jìn)行了充分理解，并在此基礎(chǔ)上創(chuàng)建財(cái)務(wù)舞弊的識(shí)別模型。研究表明，公司開(kāi)展監(jiān)事會(huì)會(huì)議的次數(shù)、法人的具體持股比例以及上市公司舞弊當(dāng)年所出具的審計(jì)意見(jiàn)類(lèi)型等都與上市公司發(fā)生財(cái)務(wù)舞弊情況有著密切的關(guān)系。錢(qián)蘋(píng)、羅玫（2015）通過(guò)對(duì)大量的財(cái)務(wù)變量進(jìn)行篩選，最終發(fā)現(xiàn)上市公司的盈利虧損情況、公司的其他應(yīng)收款、經(jīng)營(yíng)過(guò)程中的應(yīng)計(jì)未付項(xiàng)、所持股票周轉(zhuǎn)率、銷(xiāo)售現(xiàn)金比率、公司投資者的持股比率、股權(quán)集中度、企業(yè)的再融資決策等指標(biāo)作為識(shí)別我國(guó)上市公司進(jìn)行財(cái)務(wù)舞弊的相關(guān)關(guān)鍵指標(biāo)，用這些指標(biāo)建立財(cái)務(wù)舞弊識(shí)別模型。劉元、林愛(ài)梅（2015）通過(guò)研究現(xiàn)階段我國(guó)上市公司財(cái)務(wù)舞弊特征及手段，可以很容易看出目前我國(guó)上市公司財(cái)務(wù)舞弊的特征主要表現(xiàn)在持續(xù)性跨年舞弊、政府監(jiān)管層的處罰力度不足、特定重要行業(yè)舞弊頻發(fā)，與此同時(shí)注冊(cè)會(huì)計(jì)師的審計(jì)效果不明顯。除此之外，一些進(jìn)行了財(cái)務(wù)舞弊的上市公司也采取了各種方式來(lái)掩蓋舞弊的事實(shí)，進(jìn)行舞弊的手段也在逐步升級(jí)。張?jiān)?、高雅?017）在進(jìn)行變量選取時(shí)，實(shí)行了將強(qiáng)制性信息與自愿性信息相結(jié)合的方式，同時(shí)也在變量的選取范圍方面進(jìn)行了更加全面的考慮，并以此來(lái)進(jìn)一步建立適當(dāng)?shù)呢?cái)務(wù)舞弊識(shí)別模型。張莉（2018）選取了在公司治理方面、公司財(cái)務(wù)方面以及公司的持續(xù)經(jīng)營(yíng)能力方面的指標(biāo)，對(duì)這三類(lèi)指標(biāo)下的33個(gè)變量進(jìn)行分析來(lái)對(duì)上市公司財(cái)務(wù)舞弊情況進(jìn)行詮釋?zhuān)岢鰞?nèi)部控制的有效情況、董事會(huì)會(huì)議次數(shù)、人數(shù)、審計(jì)費(fèi)用以及公司盈利情況等指標(biāo)來(lái)作為進(jìn)行識(shí)別財(cái)務(wù)舞弊的關(guān)鍵指標(biāo)。本文基于上述學(xué)者的研究建立財(cái)務(wù)舞弊識(shí)別模型，為反映公司多方面信息，在單一的財(cái)務(wù)指標(biāo)選取基礎(chǔ)上，分析了公司資本結(jié)構(gòu)指標(biāo)和發(fā)展能力指標(biāo)。

本文主要內(nèi)容：一是搜集了2010年-2020年我國(guó)財(cái)務(wù)舞弊和非財(cái)務(wù)舞弊上市公司的財(cái)務(wù)指標(biāo)并對(duì)搜集到的財(cái)務(wù)指標(biāo)采用獨(dú)立樣本T檢驗(yàn)，篩選出顯著性較強(qiáng)的指標(biāo)。二是進(jìn)行Logistic回歸分析，用篩選出的顯著性較強(qiáng)的財(cái)務(wù)指標(biāo)變量建立財(cái)務(wù)舞弊識(shí)別模型。三是對(duì)識(shí)別模型進(jìn)行穩(wěn)健性檢驗(yàn)，對(duì)模型回歸系數(shù)進(jìn)行顯著性檢驗(yàn)，并將統(tǒng)計(jì)數(shù)據(jù)代入構(gòu)建的模型檢驗(yàn)識(shí)別準(zhǔn)確率。

二、描述統(tǒng)計(jì)

本文所用數(shù)據(jù)總數(shù)為70個(gè)。35家證監(jiān)會(huì)處罰的我國(guó)上市公司2010年-2020年間財(cái)務(wù)舞弊當(dāng)年的年報(bào)數(shù)據(jù)，選取35家非舞弊公司相同時(shí)間段的年報(bào)為控制樣本來(lái)研究我國(guó)上市公司財(cái)務(wù)舞弊識(shí)別模型。本文所涉及的上市公司財(cái)務(wù)數(shù)據(jù)均來(lái)源于新浪財(cái)經(jīng)頻道。

表2顯示現(xiàn)金流量比率顯著性為0，速動(dòng)比率顯著性為0.032，流動(dòng)比率顯著性為0.028，總資產(chǎn)利潤(rùn)率顯著性為0，成本費(fèi)用利潤(rùn)率顯著性為0.017，凈資產(chǎn)增長(zhǎng)率的顯著性為0.033，總資產(chǎn)周轉(zhuǎn)率顯著性為0，這幾個(gè)財(cái)務(wù)指標(biāo)顯著性較好，為模型關(guān)鍵指標(biāo)。

三、Logistic回歸模型的建立

模型自變量為財(cái)務(wù)指標(biāo)，因變量為上市公司是否舞弊。研究目的是想了解哪些財(cái)務(wù)指標(biāo)可以用于識(shí)別上市公司財(cái)務(wù)舞弊行為。因此，選擇最常用的Logistic回歸分析構(gòu)建財(cái)務(wù)舞弊識(shí)別模型。設(shè)P為因變量，表示上市公司財(cái)務(wù)舞弊發(fā)生概率。X表示方程自變量，β為方程的回歸系數(shù)，系數(shù)由回歸模型得到：

表3顯示模型中考克斯-斯奈爾R方和內(nèi)戈?duì)柨芌方最大值為0.698，考克斯-斯奈爾R方和內(nèi)戈?duì)柨芌方越大則擬合優(yōu)度越高，說(shuō)明模型擬合效果較好。對(duì)模型整體性進(jìn)行檢驗(yàn)，Omnibus檢驗(yàn)結(jié)果表明顯著性均小于0.05，表明構(gòu)建的回歸模型顯著。對(duì)模型進(jìn)行霍斯默-萊梅肖檢驗(yàn)，表明霍斯默-萊梅肖檢驗(yàn)的顯著性水平大于0.05，說(shuō)明回歸分析中由樣本實(shí)際值得到的分布基本一致，說(shuō)明模型效果較好。

其中P為發(fā)生財(cái)務(wù)舞弊的概率，X1總資產(chǎn)利潤(rùn)率，X16為現(xiàn)金流量比率，在方程中輸入X1、X16可以計(jì)算我國(guó)上市公司財(cái)務(wù)舞弊發(fā)生的概率。

四、模型的穩(wěn)健性檢驗(yàn)

我們將原有數(shù)據(jù)代入模型進(jìn)行檢驗(yàn)，選取0.5作為分界點(diǎn)，如果得到的P值小于或等于0.5時(shí)，我們認(rèn)為沒(méi)有發(fā)生財(cái)務(wù)舞弊行為，大于0.5時(shí)，我們認(rèn)為發(fā)生財(cái)務(wù)舞弊行為。模型的檢驗(yàn)結(jié)果如表5所示：

財(cái)務(wù)舞弊公司中有6家被誤判為非舞弊公司，識(shí)別率為82.86%。35家非舞弊公司有12家被誤判為舞弊公司，識(shí)別率為65.71%，可能原數(shù)據(jù)中有公司已經(jīng)發(fā)生財(cái)務(wù)舞弊行為，但是沒(méi)有披露。模型的整體識(shí)別率為74.285%。說(shuō)明本文運(yùn)用Logistic回歸分析構(gòu)建的財(cái)務(wù)舞弊識(shí)別模型能夠比較準(zhǔn)確地識(shí)別上市公司財(cái)務(wù)舞弊發(fā)生的概率，對(duì)識(shí)別我國(guó)上市公司財(cái)務(wù)舞弊行為有一定應(yīng)用價(jià)值。

五、結(jié)論

1.本文研究的財(cái)務(wù)舞弊數(shù)據(jù)來(lái)源于證監(jiān)會(huì)處罰的2010年-2020年35家A股上市公司財(cái)務(wù)舞弊當(dāng)年的年報(bào)，選取相同時(shí)間段的35家非舞弊公司年報(bào)為控制樣本來(lái)研究我國(guó)上市公司財(cái)務(wù)舞弊識(shí)別模型。搜集了我國(guó)上市公司財(cái)務(wù)舞弊的相關(guān)基礎(chǔ)理論研究，將可能影響上市公司財(cái)務(wù)舞弊的因素通過(guò)六個(gè)關(guān)鍵指標(biāo)體現(xiàn)。

2.構(gòu)建財(cái)務(wù)舞弊識(shí)別模型，根據(jù)新浪財(cái)經(jīng)網(wǎng)搜集的上市公司財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行回歸分析，首先對(duì)搜集到的數(shù)據(jù)進(jìn)行獨(dú)立樣本T檢驗(yàn)，篩選出顯著性強(qiáng)的指標(biāo)，結(jié)果顯示流動(dòng)比率、現(xiàn)金流量比率、速動(dòng)比率、凈資產(chǎn)增長(zhǎng)率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)利潤(rùn)率六個(gè)指標(biāo)顯著性強(qiáng)，可以用于構(gòu)建財(cái)務(wù)舞弊模型。然后用篩選出的這些顯著性強(qiáng)的指標(biāo)進(jìn)行Logistic回歸分析，進(jìn)一步得出構(gòu)建模型的關(guān)鍵指標(biāo)，最后將回歸系數(shù)值帶入模型方程，構(gòu)建財(cái)務(wù)舞弊識(shí)別模型，并對(duì)構(gòu)建的財(cái)務(wù)舞弊識(shí)別模型進(jìn)行了穩(wěn)健性檢驗(yàn)，顯著性較強(qiáng)。

3.本文對(duì)構(gòu)建的財(cái)務(wù)舞弊識(shí)別模型進(jìn)行了穩(wěn)健性檢驗(yàn)，顯著性較強(qiáng)。該模型現(xiàn)金流量比率與上市公司財(cái)務(wù)舞弊呈負(fù)相關(guān)，該指標(biāo)體現(xiàn)現(xiàn)金流量能力，說(shuō)明公司的現(xiàn)金流量能力越強(qiáng)，發(fā)生財(cái)務(wù)舞弊的可能性越小?？傎Y產(chǎn)利潤(rùn)率與上市公司財(cái)務(wù)舞弊呈負(fù)相關(guān)，該指標(biāo)反映盈利能力，說(shuō)明公司的盈利能力越弱，發(fā)生財(cái)務(wù)舞弊的可能越大。

4.該模型主要用于識(shí)別我國(guó)上市公司財(cái)務(wù)舞弊發(fā)生的概率，避免上市公司財(cái)務(wù)舞弊影響投資者、所有者、管理層、國(guó)家部門(mén)的決策，有助于從源頭預(yù)防財(cái)務(wù)舞弊行為的發(fā)生，建立財(cái)務(wù)舞弊識(shí)別模型，明確觀(guān)察總資產(chǎn)利潤(rùn)率、現(xiàn)金流量比率可識(shí)別上市公司是否舞弊，可以有效識(shí)別財(cái)務(wù)舞弊行為的發(fā)生。

六、局限性

本文的局限性體現(xiàn)在：（1）采用的控制樣本可能有時(shí)滯性，樣本準(zhǔn)確性不高。（2）本文樣本數(shù)量少，雖然加入資本結(jié)構(gòu)和公司發(fā)展能力指標(biāo)，但是想要構(gòu)建全面的財(cái)務(wù)舞弊識(shí)別模型還需加入公司其他治理能力，外部監(jiān)管能力等指標(biāo)。

參考文獻(xiàn)：

[1]余玉苗，呂凡.財(cái)務(wù)舞弊風(fēng)險(xiǎn)的識(shí)別——基于財(cái)務(wù)指標(biāo)增量信息的研究視角[J].經(jīng)濟(jì)評(píng)論，2010（04）：124-130.

[2]王敏，李瑕.舞弊三角與財(cái)務(wù)舞弊的識(shí)別——來(lái)自我國(guó)上市公司的經(jīng)驗(yàn)證據(jù)[J].財(cái)會(huì)月刊，2011（30）：76-80.

[3]錢(qián)蘋(píng)，羅玫.中國(guó)上市公司財(cái)務(wù)造假預(yù)測(cè)模型[J].會(huì)計(jì)研究，2015（07）：18-25.

[4]劉元，林愛(ài)梅，單雅迪.我國(guó)上市公司財(cái)務(wù)報(bào)告舞弊的特征和手段——基于2008～2013年證監(jiān)會(huì)處罰公告[J].財(cái)會(huì)月刊，2015（28）：16-19.

[5]張?jiān)彛哐?財(cái)務(wù)舞弊識(shí)別模型構(gòu)建及實(shí)證檢驗(yàn)[J].企業(yè)管理，2017（09）：044.

[6]張莉.基于國(guó)家治理的上市公司舞弊審計(jì)實(shí)證檢驗(yàn)[J].財(cái)會(huì)月刊，2018（06）：138-146.

[7]李曉琳.上市公司的財(cái)務(wù)舞弊分析及啟示[J].財(cái)會(huì)學(xué)習(xí)，2016（19）：39-40.

[8]黃世忠，葉欽華，徐珊.上市公司財(cái)務(wù)舞弊特征分析——基于2007年至2018年6月期間的財(cái)務(wù)舞弊樣本[J].財(cái)務(wù)與會(huì)計(jì)，2019（10）：24-28.

[9]徐莉萍，辛宇，陳工孟.股權(quán)集中度和股權(quán)制衡及其對(duì)公司經(jīng)營(yíng)績(jī)效的影響[J].經(jīng)濟(jì)研究，2006（1）：90-100.