2019～2021年上市公司財(cái)報(bào)可信度分析

葉欽華（博士），黃世忠（博士生導(dǎo)師），徐 珊（博士），葉 凡（博士）

我國(guó)資本市場(chǎng)近年來(lái)再次進(jìn)入財(cái)務(wù)舞弊高發(fā)期，防范財(cái)務(wù)舞弊最有效的手段之一是利用智能技術(shù)事前識(shí)別舞弊。中國(guó)財(cái)務(wù)舞弊研究中心①的研究表明，要大幅提高發(fā)現(xiàn)財(cái)務(wù)舞弊的能力，應(yīng)同時(shí)從歷史和未來(lái)的角度進(jìn)行。歷史的角度是指對(duì)已經(jīng)發(fā)生的財(cái)務(wù)舞弊進(jìn)行回顧分析，尋找規(guī)律性的財(cái)務(wù)舞弊特征；未來(lái)的角度是指以財(cái)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(dāng)?shù)淖兞繕?gòu)建財(cái)務(wù)舞弊識(shí)別與預(yù)測(cè)模型[1]。本文基于五維度財(cái)務(wù)舞弊識(shí)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(yù)警系統(tǒng)，評(píng)估我國(guó)上市公司2019 ～2021年的財(cái)報(bào)可信度。

一、智能預(yù)警系統(tǒng)的構(gòu)建邏輯和預(yù)警效果

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

（一）智能預(yù)警系統(tǒng)的構(gòu)建邏輯和指標(biāo)維度

近年來(lái)，財(cái)務(wù)舞弊呈手法隱蔽性、動(dòng)機(jī)多元化、識(shí)別滯后性等新特征與新動(dòng)態(tài)，要實(shí)現(xiàn)對(duì)財(cái)務(wù)舞弊的事前智能預(yù)警需要實(shí)現(xiàn)專家經(jīng)驗(yàn)理論化、多源數(shù)據(jù)標(biāo)準(zhǔn)化、預(yù)警模型系統(tǒng)化等核心技術(shù)突破，并完成預(yù)警系統(tǒng)編程和落地工作。經(jīng)過(guò)5年多產(chǎn)學(xué)研一體化探討與實(shí)踐，中國(guó)財(cái)務(wù)舞弊研究中心的理事單位廈門天健財(cái)智科技有限公司將該中心的理論研究成果轉(zhuǎn)化為財(cái)務(wù)舞弊事前識(shí)別實(shí)踐工具——天健財(cái)判財(cái)務(wù)智能預(yù)警系統(tǒng)（簡(jiǎn)稱“天健財(cái)判系統(tǒng)”）。該預(yù)警系統(tǒng)綜合利用計(jì)算機(jī)視覺(jué)（OCR）、自然語(yǔ)言處理（NLP）、大數(shù)據(jù)及云計(jì)算等信息技術(shù)手段，結(jié)合學(xué)者與專家的財(cái)會(huì)專業(yè)技術(shù)，從財(cái)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(gè)維度，搭建了“用戶前臺(tái)—模型中臺(tái)—數(shù)據(jù)后臺(tái)”的系統(tǒng)架構(gòu)，實(shí)現(xiàn)對(duì)上市公司財(cái)務(wù)舞弊可能性的智能評(píng)價(jià)與實(shí)時(shí)預(yù)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(cái)報(bào)可信度指標(biāo)，對(duì)上市公司或信用債發(fā)債主體的財(cái)務(wù)舞弊風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，具體包括低、中、高三類評(píng)價(jià)結(jié)果，若財(cái)報(bào)可信度為低，則財(cái)務(wù)舞弊風(fēng)險(xiǎn)較高。

財(cái)報(bào)可信度指標(biāo)體系（如表1所示）的具體建立過(guò)程如下[2]：（1）基于前述五維度識(shí)別框架，與專家討論并選擇適用于上市公司場(chǎng)景的舞弊識(shí)別信號(hào)，選擇時(shí)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(guò)往10 年的財(cái)報(bào)數(shù)據(jù)特征及專家實(shí)務(wù)經(jīng)驗(yàn)，對(duì)識(shí)別信號(hào)進(jìn)行定義與賦值；（3）對(duì)可度量的舞弊識(shí)別信號(hào)進(jìn)行分類與組合，組合時(shí)主要參考根據(jù)小樣本案例描述及專家實(shí)務(wù)經(jīng)驗(yàn)歸納的財(cái)務(wù)舞弊類型、不同財(cái)務(wù)舞弊手法等；（4）結(jié)合專家實(shí)務(wù)經(jīng)驗(yàn)對(duì)不同識(shí)別變量給予舞弊識(shí)別關(guān)聯(lián)度排序及折扣系數(shù)設(shè)定；（5）計(jì)算每一家公司當(dāng)年度的財(cái)報(bào)可信度得分，并將打分結(jié)果較低一個(gè)區(qū)間的樣本劃分為舞弊可能性較高的公司。

表1 財(cái)報(bào)可信度指標(biāo)體系

目前，該智能預(yù)警系統(tǒng)對(duì)A股上市公司和信用債發(fā)債主體財(cái)報(bào)可信度評(píng)價(jià)的“回測(cè)+實(shí)測(cè)”時(shí)長(zhǎng)已達(dá)5 年，并基于專家經(jīng)驗(yàn)驅(qū)動(dòng)、多維數(shù)據(jù)驅(qū)動(dòng)實(shí)現(xiàn)財(cái)務(wù)舞弊預(yù)警的動(dòng)態(tài)更新與持續(xù)迭代。同時(shí)，該智能預(yù)警系統(tǒng)還能夠?qū)Ω呶璞罪L(fēng)險(xiǎn)公司給出具體的舞弊異常特征、舞弊手法、舞弊動(dòng)機(jī)等提示，從而提供細(xì)化線索或風(fēng)險(xiǎn)信號(hào)。

（二）智能預(yù)警系統(tǒng)的事前預(yù)警效果

本文以財(cái)報(bào)可信度指標(biāo)能否比監(jiān)管機(jī)構(gòu)更早識(shí)別上市公司的財(cái)務(wù)舞弊作為智能預(yù)警系統(tǒng)事前預(yù)警效果的檢驗(yàn)標(biāo)準(zhǔn)。因此，本文利用對(duì)于受監(jiān)管處罰的財(cái)務(wù)舞弊公司或市場(chǎng)爆雷公司的復(fù)盤，統(tǒng)計(jì)該智能預(yù)警系統(tǒng)的事前預(yù)警內(nèi)容及事前預(yù)警周期，以評(píng)估財(cái)報(bào)可信度指標(biāo)的有效性。樣本包括2020 年至今被證監(jiān)會(huì)公開(kāi)處罰及在資本市場(chǎng)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(yàn)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(huì)處罰前一年。若在該期間內(nèi)，上市公司的財(cái)報(bào)可信度評(píng)價(jià)為低得分，則表示智能預(yù)警系統(tǒng)提前指出此上市公司可能存在財(cái)務(wù)舞弊，即為“命中”，否則為“漏中”。

表2 樣本公司說(shuō)明

表3 ～表5 列示了檢驗(yàn)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(yù)警周期最短2 個(gè)月、最長(zhǎng)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(cè)會(huì)計(jì)師出具非標(biāo)審計(jì)意見(jiàn)，其余24 家均為標(biāo)準(zhǔn)無(wú)保留審計(jì)意見(jiàn)。可見(jiàn)，智能預(yù)警系統(tǒng)對(duì)財(cái)務(wù)舞弊和業(yè)績(jī)爆雷公司的事前識(shí)別效果較好、具有較強(qiáng)的預(yù)警性。

表3 7家債券違約發(fā)債企業(yè)中的6家被預(yù)警系統(tǒng)評(píng)為低財(cái)報(bào)可信度

表4 8家財(cái)務(wù)舞弊上市公司全部被預(yù)警系統(tǒng)評(píng)為低財(cái)報(bào)可信度

表5 13家業(yè)績(jī)爆雷上市公司全部被預(yù)警系統(tǒng)評(píng)為低財(cái)報(bào)可信度

二、上市公司財(cái)報(bào)可信度畫像

不論是學(xué)術(shù)研究還是實(shí)務(wù)分析，都期望有一個(gè)簡(jiǎn)單實(shí)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(huì)計(jì)信息質(zhì)量，特別是針對(duì)財(cái)務(wù)舞弊[2]。如前所述，天健財(cái)判系統(tǒng)構(gòu)建的財(cái)報(bào)可信度指標(biāo)在一定程度上可作為測(cè)度上市公司會(huì)計(jì)信息質(zhì)量的一個(gè)指數(shù)或量化指標(biāo)。基于此，本部分從交易所/板塊、行業(yè)、地區(qū)和審計(jì)分布等角度，分析2019 ～2021年不含金融業(yè)的A股上市公司財(cái)報(bào)可信度的分布特征，進(jìn)而對(duì)上市公司整體的會(huì)計(jì)信息質(zhì)量進(jìn)行評(píng)估。

（一）總體財(cái)報(bào)可信度分布

表6列示了上市公司財(cái)報(bào)可信度高、中、低分布情況。從中可以看出，過(guò)去3 年低財(cái)報(bào)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(huì)計(jì)信息質(zhì)量呈小幅提升態(tài)勢(shì)。究其原因，2020年之后，一方面隨著IPO 注冊(cè)制在科創(chuàng)板、創(chuàng)業(yè)板的試點(diǎn)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(cái)務(wù)舞弊處罰力度、通過(guò)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(huì)計(jì)信息質(zhì)量逐步提升。

表6 2019～2021年上市公司財(cái)報(bào)可信度評(píng)價(jià)分布情況

進(jìn)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(cái)報(bào)可信度情況。從2021年的數(shù)據(jù)來(lái)看，中證800 和滬深300 指數(shù)成分股中低財(cái)報(bào)可信度上市公司占比分別為17.28%、15.85%，遠(yuǎn)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(huì)計(jì)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(cái)務(wù)舞弊風(fēng)險(xiǎn)，指數(shù)成分股公司市值高、交易量大、機(jī)構(gòu)持股多，值得監(jiān)管部門、注冊(cè)會(huì)計(jì)師及投資者重點(diǎn)關(guān)注。

表7 2019～2021年中證800財(cái)報(bào)可信度評(píng)價(jià)分布

表8 2019～2021年滬深300財(cái)報(bào)可信度評(píng)價(jià)分布

（二）交易所/板塊分布

表9 分交易所/板塊列示了上市公司財(cái)報(bào)可信度情況。從2021年的數(shù)據(jù)來(lái)看，科創(chuàng)板低財(cái)報(bào)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(cè)制下“問(wèn)出一家好公司”的初衷。此外，北交所低財(cái)報(bào)可信度上市公司占比高達(dá)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(duì)較松），需要予以重點(diǎn)關(guān)注。

表9 2019～2021年交易所/板塊財(cái)報(bào)可信度評(píng)價(jià)分布

（三）行業(yè)分布

表10 列示了2021 年度上市公司數(shù)量超過(guò)100家的行業(yè)財(cái)報(bào)可信度的具體分布情況。可以看出，財(cái)報(bào)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(cái)報(bào)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(huì)計(jì)行為受行業(yè)景氣度、宏觀經(jīng)濟(jì)周期等外部因素影響較大。

表10 2021年度主要行業(yè)上市公司財(cái)報(bào)可信度評(píng)價(jià)分布

可見(jiàn)，“退潮時(shí)才知道誰(shuí)在裸泳”，行業(yè)業(yè)務(wù)維度對(duì)財(cái)務(wù)舞弊預(yù)警至關(guān)重要，行業(yè)分類、主營(yíng)業(yè)務(wù)劃分準(zhǔn)確性對(duì)財(cái)報(bào)可信度的評(píng)價(jià)影響重大，如行業(yè)處于低谷、業(yè)績(jī)下滑可能引發(fā)強(qiáng)舞弊動(dòng)機(jī)，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(huì)設(shè)立派出監(jiān)管機(jī)構(gòu)的省市地區(qū)）上市公司的財(cái)報(bào)可信度情況?？梢钥闯觯簩幉?、貴州、青島、安徽及上海轄區(qū)低財(cái)報(bào)可信度上市公司占比最低，表明這些轄區(qū)上市公司會(huì)計(jì)信息質(zhì)量相對(duì)較高；反之，新疆、黑龍江、山西、寧夏及海南轄區(qū)低財(cái)報(bào)可信度上市公司占比最高，值得重點(diǎn)關(guān)注。這一分布特征一定程度上也與地區(qū)經(jīng)濟(jì)發(fā)展水平相對(duì)應(yīng)。

表11 2021年度不同轄區(qū)上市公司財(cái)報(bào)可信度評(píng)價(jià)分布

（五）審計(jì)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(huì)計(jì)師事務(wù)所所審計(jì)公司的財(cái)報(bào)可信度情況?？梢钥闯觯笮潘?、大華所及中審眾環(huán)所低財(cái)報(bào)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(huì)計(jì)師事務(wù)所低財(cái)報(bào)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(guó)際所、容誠(chéng)所及立信所的客戶財(cái)報(bào)可信度較高。

表12 2021年度按會(huì)計(jì)師事務(wù)所分類的上市公司財(cái)報(bào)可信度評(píng)價(jià)分布

（六）低財(cái)報(bào)可信度樣本分析

2021 年度低財(cái)報(bào)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(yù)警分布、市值分布、行業(yè)分布、地區(qū)分布和審計(jì)分布等角度對(duì)這組樣本進(jìn)行進(jìn)一步分析，指出樣本公司可能在哪些方面存在財(cái)務(wù)舞弊風(fēng)險(xiǎn)。

1. 五維度預(yù)警分布。表13 列示了2020 ～2021年低財(cái)報(bào)可信度上市公司所觸發(fā)的五維度異常特征，其中：財(cái)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(gè)維度所觸發(fā)異常特征占比高達(dá)70%以上。可見(jiàn)，非財(cái)務(wù)信息的充分利用對(duì)財(cái)務(wù)舞弊模型預(yù)警準(zhǔn)確性影響重大，這亦說(shuō)明引入數(shù)字化技術(shù)來(lái)實(shí)現(xiàn)舞弊智能預(yù)警確有必要。

表13 低財(cái)報(bào)可信度上市公司的五維度異常特征分布

2. 市值分布。表14 列示了2020 ～2021 年低財(cái)報(bào)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?？梢?jiàn)，財(cái)務(wù)舞弊動(dòng)機(jī)越來(lái)越多元，上市公司實(shí)施財(cái)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(shí)施財(cái)務(wù)舞弊可能是出于并購(gòu)對(duì)賭或配合大股東減持的市值管理等動(dòng)機(jī)。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?yàn)槭兄翟酱?，舞弊引發(fā)的經(jīng)濟(jì)后果可能越嚴(yán)重。例如，康美藥業(yè)在證監(jiān)會(huì)立案調(diào)查前的2018 年第三季度末市值高達(dá)千億，1 ～3 季度報(bào)告的營(yíng)業(yè)收入高達(dá)254.28 億元、凈利潤(rùn)為38.31 億元，看似業(yè)績(jī)良好的白馬股，背后實(shí)際上是300億元財(cái)務(wù)舞弊所支撐的“虛假繁榮”。財(cái)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(guò)700億元。

表14 低財(cái)報(bào)可信度上市公司的市值分布

3. 行業(yè)分布。表15 列示了2020 ～2021 年低財(cái)報(bào)可信度上市公司占比最高的5 個(gè)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(cái)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(shí)，購(gòu)銷環(huán)節(jié)較為復(fù)雜，導(dǎo)致這兩個(gè)行業(yè)成為財(cái)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(cái)報(bào)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(cè)會(huì)計(jì)師關(guān)注與警惕。

表15 低財(cái)報(bào)可信度上市公司占比最高的5個(gè)行業(yè)情況

4. 地區(qū)分布。表16 列示了2020 ～2021 年低財(cái)報(bào)可信度上市公司占比最高的5 個(gè)轄區(qū)的具體情況。已有研究表明，財(cái)務(wù)舞弊與經(jīng)濟(jì)發(fā)達(dá)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。

表16 低財(cái)報(bào)可信度上市公司占比最高的5個(gè)轄區(qū)情況

5. 審計(jì)分布。表17 列示了2020 ～2021 年低財(cái)報(bào)可信度上市公司占比最高的會(huì)計(jì)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(huì)計(jì)師事務(wù)所，可見(jiàn)高風(fēng)險(xiǎn)上市公司向中小會(huì)計(jì)師事務(wù)所聚集。證監(jiān)會(huì)會(huì)計(jì)部發(fā)布的《2020 年度證券審計(jì)市場(chǎng)分析報(bào)告》指出，嚴(yán)監(jiān)管下證券違法違規(guī)成本大幅提高，導(dǎo)致頭部會(huì)計(jì)師事務(wù)所主動(dòng)辭任高風(fēng)險(xiǎn)上市公司，調(diào)整審計(jì)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。

表17 低財(cái)報(bào)可信度上市公司占比最高的5個(gè)會(huì)計(jì)師事務(wù)所情況

三、總結(jié)與展望

本文利用智能預(yù)警系統(tǒng)分析得出的財(cái)報(bào)可信度結(jié)果能夠較好地實(shí)現(xiàn)財(cái)務(wù)舞弊事前預(yù)警，對(duì)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(cái)務(wù)舞弊風(fēng)險(xiǎn)、會(huì)計(jì)信息質(zhì)量存在差異。本文構(gòu)建的財(cái)報(bào)可信度指標(biāo)與傳統(tǒng)財(cái)報(bào)分析方法相結(jié)合可能是更為全面、有效評(píng)價(jià)企業(yè)會(huì)計(jì)信息質(zhì)量的一種新方法。本文基于天健財(cái)判系統(tǒng)獲取數(shù)據(jù)、實(shí)現(xiàn)財(cái)報(bào)可信度的落地分析，該系統(tǒng)已在20多家監(jiān)管機(jī)構(gòu)、中介機(jī)構(gòu)及金融機(jī)構(gòu)實(shí)踐運(yùn)用并取得良好效果，可實(shí)現(xiàn)對(duì)A股上市公司和信用債發(fā)債主體的數(shù)據(jù)處理、實(shí)時(shí)監(jiān)控與舞弊預(yù)警，可望為資本市場(chǎng)識(shí)別和防范財(cái)務(wù)舞弊提供有效的技術(shù)支持。

展望未來(lái)，利用數(shù)字技術(shù)手段大幅提高發(fā)現(xiàn)財(cái)務(wù)舞弊的效率，輔以新《證券法》更嚴(yán)厲的處罰規(guī)定，將對(duì)上市公司財(cái)務(wù)舞弊形成強(qiáng)大震懾力，有望從根本上改變舞弊收益長(zhǎng)期高于舞弊成本的格局，營(yíng)造不敢舞弊和不想舞弊的氛圍，資本市場(chǎng)財(cái)務(wù)舞弊愈演愈烈的態(tài)勢(shì)可望得到抑制?？梢灶A(yù)計(jì)，隨著人工智能、區(qū)塊鏈、云計(jì)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(cái)務(wù)舞弊查處和識(shí)別的前景可期，財(cái)務(wù)舞弊將由事后查處向事前識(shí)別方向發(fā)展，以數(shù)字技術(shù)為基礎(chǔ)建構(gòu)的財(cái)務(wù)舞弊智能預(yù)警系統(tǒng)將從客觀上提高上市公司財(cái)報(bào)的可信度。智能預(yù)警系統(tǒng)將在以下場(chǎng)景發(fā)揮較大作用：一是輔助監(jiān)管機(jī)構(gòu)對(duì)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(huì)計(jì)師事務(wù)所、券商等資本市場(chǎng)中介機(jī)構(gòu)在上市公司和IPO審計(jì)場(chǎng)景的質(zhì)控輔助工具，特別是進(jìn)行財(cái)務(wù)舞弊風(fēng)險(xiǎn)預(yù)警與應(yīng)對(duì)；三是輔助銀行理財(cái)子公司、基金等資管機(jī)構(gòu)在股債場(chǎng)景的信用評(píng)價(jià)與風(fēng)險(xiǎn)預(yù)警，作為量化基金策略因子輔助量化投資等。

財(cái)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(cái)務(wù)數(shù)據(jù)與行業(yè)業(yè)務(wù)等非財(cái)務(wù)數(shù)據(jù)的交叉驗(yàn)證）、結(jié)合新技術(shù)（大數(shù)據(jù)和人工智能等），實(shí)現(xiàn)財(cái)務(wù)舞弊智能識(shí)別，進(jìn)行實(shí)時(shí)監(jiān)控和事前預(yù)警，財(cái)務(wù)舞弊可望更多地被預(yù)見(jiàn)和預(yù)防。智能預(yù)警系統(tǒng)可幫助監(jiān)管部門、中介機(jī)構(gòu)、投資者等利益相關(guān)者及時(shí)、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(fēng)險(xiǎn)信號(hào)，并據(jù)此進(jìn)一步追蹤挖掘相關(guān)線索，形成及時(shí)預(yù)警、有效排雷等科技監(jiān)測(cè)機(jī)制，為資本市場(chǎng)健康發(fā)展保駕護(hù)航。

【注 釋】

①中國(guó)財(cái)務(wù)舞弊研究中心于2017 年4 月由廈門國(guó)家會(huì)計(jì)學(xué)院聯(lián)合廈門大學(xué)會(huì)計(jì)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(chéng)會(huì)計(jì)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(xué)研一體化的財(cái)務(wù)舞弊研究平臺(tái)，主要目標(biāo)是構(gòu)建財(cái)務(wù)舞弊智能預(yù)警系統(tǒng)和編制財(cái)務(wù)舞弊指數(shù)。

②樣本公司含2021年9月17日《證監(jiān)會(huì)依法嚴(yán)厲打擊債券市場(chǎng)違法違規(guī)行為》中提及的7家典型債券市場(chǎng)違規(guī)發(fā)債企業(yè)、2021年7月23日《證監(jiān)會(huì)通報(bào)首批適用新〈證券法〉財(cái)務(wù)造假案件處罰情況》中提及的3家典型財(cái)務(wù)舞弊上市公司、2021年4月16日《證監(jiān)會(huì)通報(bào)2020年以來(lái)上市公司財(cái)務(wù)造假案件辦理情況》中提及的7家典型財(cái)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(jì)28家。

【主要參考文獻(xiàn)】

［1］黃世忠，葉欽華，徐珊，葉凡.2010～2019年中國(guó)上市公司財(cái)務(wù)舞弊分析［J］.財(cái)會(huì)月刊，2020（14）：153 ～160.

［2］葉欽華，葉凡，黃世忠.財(cái)務(wù)舞弊識(shí)別框架構(gòu)建——基于會(huì)計(jì)信息系統(tǒng)論及大數(shù)據(jù)視角［J］.會(huì)計(jì)研究，2022（3）：3 ～16.