2019~2021年上市公司財報可信度分析

葉欽華 黃世忠 徐珊 葉凡

【摘要】財務(wù)舞弊研究中最難以實現(xiàn)但又最具有價值的當屬事前識別問題。 本文基于五維度財務(wù)舞弊識別框架， 構(gòu)建財報可信度評價指標， 利用天健財判財務(wù)智能預警系統(tǒng)和數(shù)據(jù)庫進行數(shù)據(jù)搜集和處理， 分析2019 ～ 2021年我國上市公司（剔除金融業(yè)A股上市公司）和信用債發(fā)債主體發(fā)生財務(wù)舞弊的可能性。 本研究首先介紹智能預警系統(tǒng)的構(gòu)建邏輯和預警效果， 然后分析上市公司總體財報可信度， 并從交易所/板塊、行業(yè)、地區(qū)和審計分布等角度進行分類“畫像”， 最后進行總結(jié)和展望。

【關(guān)鍵詞】財務(wù)舞弊識別;財報可信度;智能預警系統(tǒng);大數(shù)據(jù);人工智能

【中圖分類號】 F275? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）17-0017-7

我國資本市場近年來再次進入財務(wù)舞弊高發(fā)期， 防范財務(wù)舞弊最有效的手段之一是利用智能技術(shù)事前識別舞弊。 中國財務(wù)舞弊研究中心①的研究表明， 要大幅提高發(fā)現(xiàn)財務(wù)舞弊的能力， 應(yīng)同時從歷史和未來的角度進行。 歷史的角度是指對已經(jīng)發(fā)生的財務(wù)舞弊進行回顧分析， 尋找規(guī)律性的財務(wù)舞弊特征; 未來的角度是指以財務(wù)舞弊特征分析為基礎(chǔ)， 借助大數(shù)據(jù)技術(shù)， 選擇恰當?shù)淖兞繕?gòu)建財務(wù)舞弊識別與預測模型[1] 。 本文基于五維度財務(wù)舞弊識別框架[2] ， 討論如何結(jié)合大數(shù)據(jù)技術(shù)構(gòu)建智能預警系統(tǒng)， 評估我國上市公司2019 ～ 2021年的財報可信度。

一、智能預警系統(tǒng)的構(gòu)建邏輯和預警效果

本部分介紹上市公司財報可信度智能預警系統(tǒng)的構(gòu)建邏輯和預警效果， 為第二部分的分析提供背景資料。

（一）智能預警系統(tǒng)的構(gòu)建邏輯和指標維度

近年來， 財務(wù)舞弊呈手法隱蔽性、動機多元化、識別滯后性等新特征與新動態(tài)， 要實現(xiàn)對財務(wù)舞弊的事前智能預警需要實現(xiàn)專家經(jīng)驗理論化、多源數(shù)據(jù)標準化、預警模型系統(tǒng)化等核心技術(shù)突破， 并完成預警系統(tǒng)編程和落地工作。 經(jīng)過5年多產(chǎn)學研一體化探討與實踐， 中國財務(wù)舞弊研究中心的理事單位廈門天健財智科技有限公司將該中心的理論研究成果轉(zhuǎn)化為財務(wù)舞弊事前識別實踐工具——天健財判財務(wù)智能預警系統(tǒng)（簡稱“天健財判系統(tǒng)”）。 該預警系統(tǒng)綜合利用計算機視覺（OCR）、自然語言處理（NLP）、大數(shù)據(jù)及云計算等信息技術(shù)手段， 結(jié)合學者與專家的財會專業(yè)技術(shù)， 從財務(wù)稅務(wù)、公司治理、內(nèi)部控制、行業(yè)業(yè)務(wù)和數(shù)字特征等五個維度， 搭建了“用戶前臺—模型中臺—數(shù)據(jù)后臺”的系統(tǒng)架構(gòu)， 實現(xiàn)對上市公司財務(wù)舞弊可能性的智能評價與實時預警。 該系統(tǒng)建立了基于大數(shù)據(jù)和專家打分系統(tǒng)的財報可信度指標， 對上市公司或信用債發(fā)債主體的財務(wù)舞弊風險進行評價， 具體包括低、中、高三類評價結(jié)果， 若財報可信度為低， 則財務(wù)舞弊風險較高。

財報可信度指標體系（如表1所示）的具體建立過程如下[2] ： （1）基于前述五維度識別框架， 與專家討論并選擇適用于上市公司場景的舞弊識別信號， 選擇時主要考慮規(guī)則的適用性、數(shù)據(jù)的可獲取性、數(shù)據(jù)量化效率等; （2）結(jié)合上市公司過往10年的財報數(shù)據(jù)特征及專家實務(wù)經(jīng)驗， 對識別信號進行定義與賦值; （3）對可度量的舞弊識別信號進行分類與組合， 組合時主要參考根據(jù)小樣本案例描述及專家實務(wù)經(jīng)驗歸納的財務(wù)舞弊類型、不同財務(wù)舞弊手法等; （4）結(jié)合專家實務(wù)經(jīng)驗對不同識別變量給予舞弊識別關(guān)聯(lián)度排序及折扣系數(shù)設(shè)定; （5）計算每一家公司當年度的財報可信度得分， 并將打分結(jié)果較低一個區(qū)間的樣本劃分為舞弊可能性較高的公司。

目前， 該智能預警系統(tǒng)對A股上市公司和信用債發(fā)債主體財報可信度評價的“回測+實測”時長已達5年， 并基于專家經(jīng)驗驅(qū)動、多維數(shù)據(jù)驅(qū)動實現(xiàn)財務(wù)舞弊預警的動態(tài)更新與持續(xù)迭代。 同時， 該智能預警系統(tǒng)還能夠?qū)Ω呶璞罪L險公司給出具體的舞弊異常特征、舞弊手法、舞弊動機等提示， 從而提供細化線索或風險信號。

（二）智能預警系統(tǒng)的事前預警效果

本文以財報可信度指標能否比監(jiān)管機構(gòu)更早識別上市公司的財務(wù)舞弊作為智能預警系統(tǒng)事前預警效果的檢驗標準。 因此， 本文利用對于受監(jiān)管處罰的財務(wù)舞弊公司或市場爆雷公司的復盤， 統(tǒng)計該智能預警系統(tǒng)的事前預警內(nèi)容及事前預警周期， 以評估財報可信度指標的有效性。 樣本包括2020年至今被證監(jiān)會公開處罰及在資本市場已爆雷但尚未受到處罰的案例， 共包括28家公司②， 具體分為表2所示的三組。 檢驗期間涵蓋樣本公司違規(guī)發(fā)生年度或爆雷發(fā)生年度的前一年至證監(jiān)會處罰前一年。 若在該期間內(nèi)， 上市公司的財報可信度評價為低得分， 則表示智能預警系統(tǒng)提前指出此上市公司可能存在財務(wù)舞弊， 即為“命中”， 否則為“漏中”。

表3 ～ 表5列示了檢驗結(jié)果。 可以發(fā)現(xiàn)， 28家樣本公司的“命中”家數(shù)為27家、命中率為96.43%， 且提前預警周期最短2個月、最長7年， 均值為2.3年。 此外， “命中”的27家樣本公司中僅有3家被注冊會計師出具非標審計意見， 其余24家均為標準無保留審計意見。 可見， 智能預警系統(tǒng)對財務(wù)舞弊和業(yè)績爆雷公司的事前識別效果較好、具有較強的預警性。

二、上市公司財報可信度畫像

不論是學術(shù)研究還是實務(wù)分析， 都期望有一個簡單實用的指數(shù)， 能夠衡量難以直接觀察到的現(xiàn)象、迅速判斷企業(yè)的會計信息質(zhì)量， 特別是針對財務(wù)舞弊[2] 。 如前所述， 天健財判系統(tǒng)構(gòu)建的財報可信度指標在一定程度上可作為測度上市公司會計信息質(zhì)量的一個指數(shù)或量化指標。 基于此， 本部分從交易所/板塊、行業(yè)、地區(qū)和審計分布等角度， 分析2019 ～ 2021年不含金融業(yè)的A股上市公司財報可信度的分布特征， 進而對上市公司整體的會計信息質(zhì)量進行評估。

（一）總體財報可信度分布

表6列示了上市公司財報可信度高、中、低分布情況。 從中可以看出， 過去3年低財報可信度上市公司占比從2019年的32.54%下降至2021年的27.64%， 該數(shù)據(jù)表明上市公司整體會計信息質(zhì)量呈小幅提升態(tài)勢。 究其原因， 2020年之后， 一方面隨著IPO注冊制在科創(chuàng)板、創(chuàng)業(yè)板的試點執(zhí)行， 高質(zhì)量的新上市公司持續(xù)加入A股， 另一方面監(jiān)管部門加大財務(wù)舞弊處罰力度、通過退市新規(guī)等“清理”了一批低質(zhì)量上市公司， “雙管齊下”使得上市公司會計信息質(zhì)量逐步提升。

進一步地， 表7和表8分析了中證800和滬深300指數(shù)成分股的財報可信度情況。 從2021年的數(shù)據(jù)來看， 中證800和滬深300指數(shù)成分股中低財報可信度上市公司占比分別為17.28%、15.85%， 遠低于全A股的27.64%， 這表明中證800和滬深300指數(shù)成分股會計信息質(zhì)量總體水平較高。 但是， 仍有小部分指數(shù)成分股可能存在財務(wù)舞弊風險， 指數(shù)成分股公司市值高、交易量大、機構(gòu)持股多， 值得監(jiān)管部門、注冊會計師及投資者重點關(guān)注。

（二）交易所/板塊分布

表9分交易所/板塊列示了上市公司財報可信度情況。 從2021年的數(shù)據(jù)來看， 科創(chuàng)板低財報可信度上市公司占比為21.53%， 顯著低于主板、創(chuàng)業(yè)板及北交所， 這在一定程度上也體現(xiàn)了注冊制下“問出一家好公司”的初衷。 此外， 北交所低財報可信度上市公司占比高達35%， 可能的原因是北交所上市公司發(fā)展階段較早、新三板直接轉(zhuǎn)板發(fā)行（新三板信息披露監(jiān)管相對較松）， 需要予以重點關(guān)注。

（三）行業(yè)分布

表10列示了2021年度上市公司數(shù)量超過100家的行業(yè)財報可信度的具體分布情況。 可以看出， 財報可信度的高、中、低分布在不同行業(yè)間差異較大。 例如， 受政策監(jiān)管影響較大的房地產(chǎn)業(yè)、建筑業(yè)等行業(yè)， 低財報可信度上市公司占比明顯高于全部A股上市公司的平均水平， 這在一定程度上也表明會計行為受行業(yè)景氣度、宏觀經(jīng)濟周期等外部因素影響較大。

可見， “退潮時才知道誰在裸泳”， 行業(yè)業(yè)務(wù)維度對財務(wù)舞弊預警至關(guān)重要， 行業(yè)分類、主營業(yè)務(wù)劃分準確性對財報可信度的評價影響重大， 如行業(yè)處于低谷、業(yè)績下滑可能引發(fā)強舞弊動機， 低稅率行業(yè)舞弊成本降低而相應(yīng)提高了舞弊概率等。

（四）地區(qū)分布

表11列示了2021年度各轄區(qū)（證監(jiān)會設(shè)立派出監(jiān)管機構(gòu)的省市地區(qū)）上市公司的財報可信度情況。 可以看出： 寧波、貴州、青島、安徽及上海轄區(qū)低財報可信度上市公司占比最低， 表明這些轄區(qū)上市公司會計信息質(zhì)量相對較高; 反之， 新疆、黑龍江、山西、寧夏及海南轄區(qū)低財報可信度上市公司占比最高， 值得重點關(guān)注。 這一分布特征一定程度上也與地區(qū)經(jīng)濟發(fā)展水平相對應(yīng)。

（五）審計分布

表12列示了2021年度擁有上市公司客戶最多的前十家會計師事務(wù)所所審計公司的財報可信度情況。 可以看出， 除大信所、大華所及中審眾環(huán)所低財報可信度上市公司占比高于全部A股上市公司的平均水平之外， 其余7家會計師事務(wù)所低財報可信度上市公司占比均低于全部A股上市公司的均值， 特別是天職國際所、容誠所及立信所的客戶財報可信度較高。

（六）低財報可信度樣本分析

2021年度低財報可信度上市公司共有1304家， 比2020年度減少73家。 下文將從五維度預警分布、市值分布、行業(yè)分布、地區(qū)分布和審計分布等角度對這組樣本進行進一步分析， 指出樣本公司可能在哪些方面存在財務(wù)舞弊風險。

1. 五維度預警分布。 表13列示了2020 ～ 2021年低財報可信度上市公司所觸發(fā)的五維度異常特征， 其中： 財務(wù)稅務(wù)維度所觸發(fā)異常特征占比為27%左右， 相比之下其他四個維度所觸發(fā)異常特征占比高達70%以上。 可見， 非財務(wù)信息的充分利用對財務(wù)舞弊模型預警準確性影響重大， 這亦說明引入數(shù)字化技術(shù)來實現(xiàn)舞弊智能預警確有必要。

2. 市值分布。 表14列示了2020 ～ 2021年低財報可信度上市公司的市值分布情況。 其中： 市值100億元以上的上市公司在2021年度為350家、占比26.84%， 比2020年度增加53家。 可見， 財務(wù)舞弊動機越來越多元， 上市公司實施財務(wù)舞弊并非僅僅為了保殼、規(guī)避ST， 更多高市值上市公司實施財務(wù)舞弊可能是出于并購對賭或配合大股東減持的市值管理等動機。 高市值上市公司的這些行為應(yīng)引起監(jiān)管者與投資者的關(guān)注， 因為市值越大， 舞弊引發(fā)的經(jīng)濟后果可能越嚴重。 例如， 康美藥業(yè)在證監(jiān)會立案調(diào)查前的2018年第三季度末市值高達千億， 1 ～ 3季度報告的營業(yè)收入高達254.28億元、凈利潤為38.31億元， 看似業(yè)績良好的白馬股， 背后實際上是300億元財務(wù)舞弊所支撐的“虛假繁榮”。 財務(wù)舞弊丑聞曝光后， 康美藥業(yè)的市值大跌， 給股東造成的損失超過700億元。

3. 行業(yè)分布。 表15列示了2020 ～ 2021年低財報可信度上市公司占比最高的5個行業(yè)的具體情況， 其中“農(nóng)、林、牧、漁業(yè)”穩(wěn)居第1名。 已有研究表明， 財務(wù)舞弊發(fā)生的頻率與行業(yè)特性有關(guān)， 制造業(yè)和農(nóng)、林、牧、漁業(yè)上市公司的存貨與在建工程等資產(chǎn)難以核實， 購銷環(huán)節(jié)較為復雜， 導致這兩個行業(yè)成為財務(wù)舞弊高發(fā)區(qū)[1] 。 此外， 受行業(yè)景氣度及政策等外部因素影響， 建筑業(yè)、房地產(chǎn)業(yè)中低財報可信度上市公司的占比在不斷提升， 值得監(jiān)管部門和注冊會計師關(guān)注與警惕。

4. 地區(qū)分布。 表16列示了2020 ～ 2021年低財報可信度上市公司占比最高的5個轄區(qū)的具體情況。 已有研究表明， 財務(wù)舞弊與經(jīng)濟發(fā)達程度存在反比關(guān)系[1] ， 表16的數(shù)據(jù)支持了這一結(jié)論。

5. 審計分布。 表17列示了2020 ～ 2021年低財報可信度上市公司占比最高的會計師事務(wù)所的具體分布情況， 可以看到， 前5名均不是頭部會計師事務(wù)所， 可見高風險上市公司向中小會計師事務(wù)所聚集。 證監(jiān)會會計部發(fā)布的《2020年度證券審計市場分析報告》指出， 嚴監(jiān)管下證券違法違規(guī)成本大幅提高， 導致頭部會計師事務(wù)所主動辭任高風險上市公司， 調(diào)整審計客戶結(jié)構(gòu)。 表17的數(shù)據(jù)一定程度上支持了這一結(jié)論。

三、總結(jié)與展望

本文利用智能預警系統(tǒng)分析得出的財報可信度結(jié)果能夠較好地實現(xiàn)財務(wù)舞弊事前預警， 對2019 ～ 2021年樣本的分析表明不同交易所/板塊、行業(yè)、地區(qū)等上市公司的財務(wù)舞弊風險、會計信息質(zhì)量存在差異。 本文構(gòu)建的財報可信度指標與傳統(tǒng)財報分析方法相結(jié)合可能是更為全面、有效評價企業(yè)會計信息質(zhì)量的一種新方法。 本文基于天健財判系統(tǒng)獲取數(shù)據(jù)、實現(xiàn)財報可信度的落地分析， 該系統(tǒng)已在20多家監(jiān)管機構(gòu)、中介機構(gòu)及金融機構(gòu)實踐運用并取得良好效果， 可實現(xiàn)對A股上市公司和信用債發(fā)債主體的數(shù)據(jù)處理、實時監(jiān)控與舞弊預警， 可望為資本市場識別和防范財務(wù)舞弊提供有效的技術(shù)支持。

展望未來， 利用數(shù)字技術(shù)手段大幅提高發(fā)現(xiàn)財務(wù)舞弊的效率， 輔以新《證券法》更嚴厲的處罰規(guī)定， 將對上市公司財務(wù)舞弊形成強大震懾力， 有望從根本上改變舞弊收益長期高于舞弊成本的格局， 營造不敢舞弊和不想舞弊的氛圍， 資本市場財務(wù)舞弊愈演愈烈的態(tài)勢可望得到抑制。 可以預計， 隨著人工智能、區(qū)塊鏈、云計算、大數(shù)據(jù)和物聯(lián)網(wǎng)等數(shù)字技術(shù)的加速發(fā)展和迭代，將數(shù)字技術(shù)嵌入財務(wù)舞弊查處和識別的前景可期， 財務(wù)舞弊將由事后查處向事前識別方向發(fā)展， 以數(shù)字技術(shù)為基礎(chǔ)建構(gòu)的財務(wù)舞弊智能預警系統(tǒng)將從客觀上提高上市公司財報的可信度。 智能預警系統(tǒng)將在以下場景發(fā)揮較大作用： 一是輔助監(jiān)管機構(gòu)對轄區(qū)上市公司和信用債發(fā)債企業(yè)的科技監(jiān)管; 二是作為會計師事務(wù)所、券商等資本市場中介機構(gòu)在上市公司和IPO審計場景的質(zhì)控輔助工具， 特別是進行財務(wù)舞弊風險預警與應(yīng)對; 三是輔助銀行理財子公司、基金等資管機構(gòu)在股債場景的信用評價與風險預警， 作為量化基金策略因子輔助量化投資等。

財務(wù)舞弊并非突然而至的黑天鵝事件， 而是常常被忽視的灰犀牛事件。 采用新方法（財務(wù)數(shù)據(jù)與行業(yè)業(yè)務(wù)等非財務(wù)數(shù)據(jù)的交叉驗證）、結(jié)合新技術(shù)（大數(shù)據(jù)和人工智能等）， 實現(xiàn)財務(wù)舞弊智能識別， 進行實時監(jiān)控和事前預警， 財務(wù)舞弊可望更多地被預見和預防。 智能預警系統(tǒng)可幫助監(jiān)管部門、中介機構(gòu)、投資者等利益相關(guān)者及時、有效地發(fā)現(xiàn)上市公司及信用債發(fā)債主體可能存在的舞弊風險信號， 并據(jù)此進一步追蹤挖掘相關(guān)線索， 形成及時預警、有效排雷等科技監(jiān)測機制， 為資本市場健康發(fā)展保駕護航。

【 注 釋 】

① 中國財務(wù)舞弊研究中心于2017年4月由廈門國家會計學院聯(lián)合廈門大學會計系、廈門天健咨詢有限公司、深圳市東方富海投資管理股份有限公司、容誠會計師事務(wù)所和深圳商集企業(yè)服務(wù)有限公司（唯你網(wǎng)）共同設(shè)立，旨在打造產(chǎn)學研一體化的財務(wù)舞弊研究平臺，主要目標是構(gòu)建財務(wù)舞弊智能預警系統(tǒng)和編制財務(wù)舞弊指數(shù)。

② 樣本公司含2021年9月17日《證監(jiān)會依法嚴厲打擊債券市場違法違規(guī)行為》中提及的7家典型債券市場違規(guī)發(fā)債企業(yè)、2021年7月23日《證監(jiān)會通報首批適用新<證券法>財務(wù)造假案件處罰情況》中提及的3家典型財務(wù)舞弊上市公司、2021年4月16日《證監(jiān)會通報2020年以來上市公司財務(wù)造假案件辦理情況》中提及的7家典型財務(wù)舞弊上市公司，以及2021年爆雷的星星科技和上海電氣案件涉及的公司等13家上市公司（這13家公司中，目前已有8家被行政處罰、立案調(diào)查或交易所監(jiān)管警示），去重后共計28家。

【 主 要 參 考 文 獻 】

[1] 黃世忠，葉欽華，徐珊，葉凡.2010～2019年中國上市公司財務(wù)舞弊分析[ J].財會月刊，2020（14）：153 ～ 160.

[2] 葉欽華，葉凡，黃世忠.財務(wù)舞弊識別框架構(gòu)建——基于會計信息系統(tǒng)論及大數(shù)據(jù)視角[ J].會計研究，2022（3）：3 ～ 16.