逐步判别分析模型在识别上市公司财务欺诈中的应用

逐步判别分析模型在识别上市公司财务欺诈中的应用

２００８年第１２期当代财经

ＮＯ．１２，２００８总第２８９期

ＣＯＮＴＥＭＰＯＲＡＲＹ

ＦｌＮＡＮＣＥ

＆

ＥＣＯＮＯＭＩＣＳ

ＳｅｒｉａｌＮＯ．２８９

逐步判别分析模型在

识别上市公司财务欺诈中的应用

华长生

（江西财经大学信息管理学院，江西南昌３３００１３）

摘要：上市公司财务欺诈的识别问题是国内外财务研究的热点。本文从沪深证券市场选取研究样本。并

从反映上市公司财务状况及能力的偿债能力、资产管理能力、盈利能力、现金创造能力、费用配比合理性以及增

长潜力等６个方面初步选取２６个财务指标，通过对指标进行相关性分析和Ｔ检验，确立了８个能识别财务欺诈

的财务指标。然后，采用多元统计中的逐步判别分析方法，建立了上市公司财务欺诈的判别分析识别模型，并对该模型进行实证检验，效果很好。

关键词：上市公司；财务欺诈；逐步判别分析

中图分类号：Ｆ２３９．４３文献标识码：Ａ文章编号：１００５－０８９２（２００８）１２－０１１９－０３一、引言

财务会计信息质量特征和影响的质量量的因素，并提在资本市场上，由于上市公司财务欺诈的层出不出了评价财务会计信息质量的指标体系。ＩＳ］本文根据中穷，使得对财务欺诈识别的研究成为金融学和财务学国证券市场和企业制度的实际情况，运用多元统计分研究的热点之一。

析的逐步判别分析方法，提出一种新的上市公司财务万方数据

在国外直接以“虚假财务报告识别”为目标进行研欺诈的判别分析识别模型。

究的文献较多，总体上是以建立统计分析模型进行识二、研究思路与研究方法

别为主。Ｂｅａｓｌｅｙ（１９９６）通过对７５家有财务欺诈和７５本文总的研究思路是：首先，采用一定的方法确家无财务欺诈公司数据进行逻辑回归分析后认为无财定研究样本；其次，在此基础上选择确定财务指标；务欺诈公司相对有财务欺诈公司具有显著高比例的外再次，运用ＳＰＳＳｌ２．０统计软件进行判别分析；最后是部董事。【ｌＧｒｅｅｎ＆Ｃｈｏｉ（１９９７）利用神经网络模型对财构建模型并检验。

务欺诈进行聚类分析。根据模型判断，一般情况下，１．研究样本的选取。选取一定数量的“财务欺诈”具有高存货比率、高资产负债率、低资产净利率和低上市公司和与之相对应的同样数量的“无财务欺诈”营运资金比率的公司更倾向于进行财务欺诈。阁

上市公司作为研究总样本。将总样本分为两组，一组国内对财务欺诈的研究主要集中于定性分析，立为估计样本组，另一组为检验样本组。估计样本组的足于从制度上进行分析，提供治理对策，近年来开始数据用于构建判别模型，而检验样本组的数据则用于向定量分析转移。陆建桥（１９９８）对亏损公司盈余管检验判别模型的有效性。

理进行实证研究，主要是对Ａｄｊｕｓｔｅｄ—Ｊｏｎｅｓ模型进行了２．估计样本财务数据的判别分析。判别分析是对再修正。［３１陈小悦、肖星、过晓艳等（２０００）研究了Ａ研究对象所属类别判别的一种统计方法。逐步判别分股公司进行盈余管理以获取中国证券市场的稀缺资源一配股权的“１０％现象”。旧刘姝威（２００２）利用财务析法与其它判别法不同的一个显著特点是具有筛选变分析、基本面分析以及现场调查等定量、定性分析对量能力，且可通过ＳＰＳＳ软件实现。进行判别分析必须上市公司财务信息的真实性进行层层深入地分析和识已知观测对象的分类和若干表示观测对象的变量值。别。１５１陈亮，王炫（２００３）利用单因素方差分析对我国判别分析就是要从中选出能提供较多信息的变量并建上市公司会计信息欺诈进行经验分析和识别模型。（６１夏立判别函数，使推导出的判别甬数对估计样本分类时震（２００３）论述了会计信息质量特征，提出了建立我的错判率最小。本文研究“财务欺诈”上市公司和国会计信息质量的保障体系。１７］李法贵（１９９９）研究了

“非财务欺诈”上市公司的分类问题，以此为目标分别

收稿日期：２００８－０７—２５

作者简介：华长生，江西财经大学副教授，主要从事数量经济研究。

～Ｊ燃１１１９

逐步判别分析模型在识别上市公司财务欺诈中的应用

＿＿＿＿Ｉ当代财经２００８年第１２期总第２８９期

找出反映两类公司相关性高的特征变量而建立判别函数。判别函数的一般形式是

Ｚ＝ｋ

１＋矗萨一…＋Ｉ｜｝而

（１）

其中《扛１，２，…声）是反映研究对象的特征变量，后舡＝１，２，…，ｓ）为各变量的判别系数，ｚ为判别分值。

３．估计样本组财务状况判别分，然后选择分割点。将估计样本组上市公司标准化后的财务指标数据代入（１）式得到上市公司财务欺诈的判别分。显然判别分越高代表上市公司的会计信息质量越好，相反，判别分越低则上市公司的会计信息质量越差。然后对估计样本组上市公司选取错误分类率最低的财务欺诈上市公司与非财务欺诈上市公司的分割点。

’４．用检验样本组检验判别函数的有效性。对上述运用估计样本组上市公司获得的分割点，再用检验样本组上市公司财务数据进行检验，得出对比测试样本组上市公司的正确预测率。从而评价判别分析财务欺诈判别模型的判别能力。

三、财务欺诈判别模型的建立和检验１．样本选择

万方数据样本来源：上海和深圳证券交易所网站公布的沪

深两市上市公司年度财务报告。选择标准是１９９９—２００４年持续经营、未被取消上市资格的上市公司，并且样本选择还要符合同期规模相当、行业相同或相近的原则。

（１）虚假财务报告样本。由于我国证券市场起步晚，财务欺诈被查处的公司相对较少。如截至２００２年３月，也仅有３６家样本，并且许多样本发生于多年以前，与目前情况相差很大，不利于正确认识当前的财务欺诈特征。同时，财务欺诈的类型多种多样，在被查处之前，很难真正确定其财务欺诈的性质。为了选择虚假财务报告样本，只能从上市公司的年度财务报告上着手，如果年度财务报告的审计意见为“拒绝表示意见”或“否定意见”。一般可认定为该公司存在财务欺诈。本文根据１９９９—２００４年的年度审计报告意

‘

见，确定了３２家公司不同年份的４４个样本。

（２）配对样本。配对样本应该选择财务报告真实可信的上市公司。因此。本文对配对样本的选择使用了比较复杂的标准：配对样本的年度财务报告必须同时满足１９９９—２００４年审计意见都是“标准无保留意见”、数据齐全的公司财务报告以及“利润×现金流量＞ｏ”。只有这些条件都满足时，才认为这样的财务报告是可信的，可以列入配对样本。根据以上标准，本文

１２。ｌ黼～一

选出了３３家公司不同年份的４４个配对样本。

（３）检验样本。为了检验模型的判别能力，本文依据同期规模相当、行业相同或相近原则还选出了虚假财务报告样本４０个（３４家公司）和配对样本柏个（３８家公司），用于对判别模型的检验。

２．财务比率指标的确定及统计分析

（１）财务比率指标的确定。企业的财务欺诈主要包括偿债能力、资产管理能力、盈利能力、现金创造能力、费用配比合理性、以及公司增长潜力６个方面，一般会反映到财务指标上。

应收账款是造假的核心，存货造假居其次。这类指标我们选择资产周转率、应收账款周转率或应收账款／销售收入，这两个指标是正指标。

高负债资本结构会增加公司进行财务造假的可能性。这方面的指标可以通过资产负债率、流动比率、收益留存累计比率和营运资金比率来反映，其中资产负债率是逆指标，流动比率是适度指标，收益留存累计比率和营运资金比率是正指标。

盈利能力一直是盈余管理的核心。 为了达到必要的敏感数值区域，业绩差的公司趋于造假的可能性增大，与此相关的财务指标自然也是公司通过造假改变公司财务形象的重要内容。这一类指标我们选择资产收益率、销售利润率，它们都是正指标。

现金创造能力方面。从长远来看，一切应计盈余都必须以现金流量方式实现。权责发生制式的记账造假隐蔽性很大，而以收付实现制为基础的现金流量造假则相对难度较大。因此，至少从理论上，研究者一般认为，盈余一现金流量关系变化是有效识别盈余欺诈的指标。这一方面选择指标：现金流量＆收益比率（等于主营业务现金流量／净利润）、主营业务收入现金流量比率、营业利润现金保证率和非主营业务利润现金流量比率，这四个指标都是正指标。

在费用配比合理性方面。支出和收益之间的比例关系，在正常条件下是比较稳定的，但是，如果公司进行盈余欺诈，如虚增收入，则与之相关的费用，如销售费用、管理费用、财务费用、税金等，所占的比例则会出现大幅度波动，这一现象往往可以从一个侧面解释盈余欺诈信息。另外还有所得税占比。即如果实际缴纳所得税与账面利润的比率远远低于法定所得税率，且没有特殊原因，则可以为造假信号。因此我们选择指标：实际所得税率（等于实际上交所得税／税前利润）、主营业务利润费用率、净收益费用比率：

逐步判别分析模型在识别上市公司财务欺诈中的应用

资产财务费用率、资产费用率、流动资产财务费用率、主营业务收入费用率、管理费用，销售费用、主营业务利润财务费用率，这９个指标都是逆指标。

在公司增长潜力方面。我们选择资产增长率、主营业务收入净额增长率、流动资产增长率、经营活动产生的现金流量净额增长率、销售商品和提供劳务收到的现金增长率五个指标，这五个指标都是正指标。

（２）财务比率指标的统计分析。我们借助ＳＰＳＳ软件就８８家估计样本的数据对所选的２６个财务比率进行相关矩阵（由于数据量十分庞大，相关财务比率和相关矩阵在本文中没有列出）。通过计算发现，资产收益率与营运资金比率、收益留存累计比率、资产财务费用率、资产费用率、流动资产财务费用率、管理费用／销售费用、资产增长率与流动资产增长率、主营业务收入净额增长率与销售商品和提供劳务收到的现

金增长率的相关系数都大于０．９。因此，根据判别分析要求判别变量独立的条件，可以在这１１个财务指标中只取３个指标：资产收益率，资产增长率，主营业务收入净额增长率。

万方数据为了进一步分析上述财务比率能否有效区别财务

欺诈上市公司和非财务欺诈上市公司，本文就８８家估计样本上市公司分别对上述剩余１８个财务比率进行单变量Ｔ检验，检验结果见表１。

根据上述Ｔ检验结果，从均值看，财务欺诈上市公司和非财务欺诈上市公司的资产负债率，资产周转率，资产收益率，应收账款周转率，实际所得税率，净收益营业费用比率，资产增长率和主营业务收入净额增长率均存在明显的差异，且它们的双尾Ｔ检验的显著性概率均小于０．０１。故财务欺诈上市公司和非财务欺诈上市公司的资产负债率、资产周转率、资产收益率、应收账款周转率、实际所得税率、净收益营业费用比率、资产增长率和主营业务收入净额增长率均存在显著性差异。而财务欺诈上市公司和非财务欺诈上市公司的其它财务指标的均值差别很小和双尾Ｔ检验的显著性概率都大于０．０１。因此，使用这些财务指标很难区分财务欺诈上市公司和非财务欺诈上市公司。

根据上述分析，最终选择作为财务欺诈识别模型的８个财务指标，分别是：资产负债率、资产周转率、资产收益率、应收账款周转率、实际所得税率、净收益营业费用比率、资产增长率和主营业务收入净额增长率。

３．判别模型的建立及分析

判别分析过程是根据估计样本组的分类以及表明

逐步判别分析模型在识别上市公司财务欺诈中的应用

表１Ｔ检验结果

财务比事

公司类理

均值

标准差

Ｔ值

双尾Ｔ检验的显著性概率

财务欺诈

０．２８５５Ｏ．２３４ｌ

资产周转事

非财务欺诈０．７４２４

０．伽３

－５．抛

０栅

财务欺诈一１．０１２９２．２∞８

资产收益率－３．２２６

０ＪＤ０２

非财务欺诈

０．０６３ｌ

０．０３２８

财务欺诈１．８８３９

２．３３３６

资产负债事

４舰

０．０００

非财务欺诈０－４５４６ｏ．１３５０

主营业务收入现金

财务欺诈一２．５１２７１７．３７７３

流量比率－Ｉ．０１０

Ｏ．３１８

非财务欺诈０．１３４４

ｎ１０６６主营业务收入

财务欺诈１２．７２０７６０．３５５０

费用事１．勰３

０．１７４．

非财务欺诈Ｏ．１３５５Ｏ．０６２８主营业务利润

财务欺诈５．３１０４

６４．３１０６费用宰ｎ枷

Ｏ．６３０

非财务欺诈０．６１１７

０．２６７２

主营业务利润财务欺诈０．９９９２

５．８５５３

１．０∞

财务费用事０．姗

非财务欺诈０，０７４７

０．０７０ｌ

营业利润现金

财务欺诈－１．１１３０１８．６５８３

保证率－－０．Ｓ９９

非财务欺诈”５２

０．５７３９Ｏ．３５５０财务欺诈３．８４５６

４．９３７７

应收账款周转率—２ｍ３

ｎ００８

非财务欺诈８７．２０３８

２”．６４６

财务欺诈

一２４．４２１７

１２４．７９５

悄售利润率

一１３０５

ｏ．１帕

非财务欺诈

ｎ１２５９

０．１０∞

现金流量＆收益

财务欺诈－０．２６５０

４．７９２３

比率－２．３８８

０ｍｌ

非财务欺诈１．５０９ｌ

１．３４３９财务欺诈

０．∞１３

０．０２７ｌ

实际所得税率

—ｌＯ－２２ｌ

０棚

非财务欺诈

０．１４０９

０．０８５４

财务欺诈

１．６舳５

７．０２５７

流动比率

０．１７８

０．８，９

非财务欺诈

１．４８８７

１．０６５２

净收益营业费用

财务欺诈—ｎ０９８５Ｏ．３４７８

比率乇６６６０ｍＯ

非财务欺诈Ｏ．６１３７Ｏ．６３７４非主营业务利润财务欺诈３７．０１４７

２３３．０８０

现金流量比率１．１１８

Ｏ．２７０

非财务欺诈一２，２８７７５．舳３８

财务欺诈

－－０．２６３９

Ｏ．２７４８

赍产增长率

一ｌｏ．２４８

Ｏ．０００

非财务欺诈

０．２６４９

Ｏ．３６７６

丰营业务收入财务欺诈－ｏ．２９８８０．５９３８

净额增长率

－５．６６１

０舢

非财务欺诈Ｏ．４３９３ｏ－６３７２经营活动产生的

财务欺诈４．５３４２３１．１８１５

ｏ．２７ｌ

Ｏ．７８８

现金流量净额增长率

非财务欺诈

３．１４．４９

１１．０２４２

估计样本特征的财务比率变量推导出判别函数，并把各观测量的自变量值回代到判别函数中。根据判别函数对样本所属类别进行判别，计算出预估准确率和错分率。核心计算步骤包括两组样本各有关因素的均值计算、各因素平均值之差、两组数据的离差矩阵、共变异矩阵及联合共变异矩阵、判别函数计算、判别函数检验和判别分值计算等。本文的分析过程运用统计软件ＳＰＳＳｌ２．０进行。经过逐步判别分析过程，从８个特征财务比率变量中最后推导出只有４个变量的标准化判别函数，即：

ｇ－－ｏ．６９６ｘｌ＋Ｏ．５８８ｘ２＋０．３８５Ｘ３＂１－０．３３ｌｘ＋

（２）

其中茗．为实际所得税率，石：为净收益营业费用比率，聋，为资产增长率，拟为主营业务收入净额增长率。

～一燃１１２１

逐步判别分析模型在识别上市公司财务欺诈中的应用

ｌＩ＿＿ｌ当代财经２００８年第１２期总第２８９期

判别系数的检验结果见表２。Ｗｉｌｋｓ。Ｌａｍｂｄａ和Ｆ统计检验表明，变量，均在显著水平小于等于０．００１，检验通过。

表２判别系数Ｗｌｌｋｓ‘Ｌａｍｂｄａ，Ｆ检验结果

变量

Ｗｉ址一Ｌａｍｂｄ且

Ｆ值

自由度

显著性水平

，ｌ

０．５０７

８３．５０７

ｌ８６０．０００：ｒａ

ｏ．３７７７９．１４４

ｌ８６０．０００瓤０３０６６３ｊ２６

Ｉ

８６０．０００托

ｎ２８５

５２．０柏

Ｉ

８６

０．０００

下面，将估计样本组企业各项财务比率的标准化数据代人（２）式，计算得到各估计样本组企业的判别值ｚ，且ｚ值分布结果见表３。

表３

Ｚ值分布结果

估计样本判别区域

样本数伽

３家财务欺诈样本枷＝“）

ｚｃ０４ｌ家

Ｚ＞０

４２家配对样本（ｎ＝４４）

脚

２家

用建立的模型对８８个原始样本进行分类，根据分类错误最小原则选择临界值。经过比对，当判别值Ｚ＝０时，财务欺诈样本小于此值的为４１个，占到该类样本总数的９３．２％；配对样本超过此值的为４２个，占到该万方数据

类样本总数的９５．５％。此时分类错误达到最小，因此取Ｚ＝０为这两类样本的临界值，当Ｚ＞０时，认为该公司没有财务欺诈；反之，Ｚ＜０时，则认为该公司存在财务欺诈可能。

４．判别模型的判别能力检验

为了测试上面建立的判别模型的判别能力，将本

文选择的８０个检验样本首先预处理财务指标轧Ｘ２，

％瓤，再根据公式（２）计算判别分值ｚ，最后将得到的判别分值与ｌＩ缶界值Ｚ＝０比较并作出判断。其结果如表４。

表４

Ｚ值分布结果

估计样本判别区域

样本数Ｚ＞Ｏ

３家

财务欺诈样４啪＝ｄ０）

捌

３７家

舢３８家

配对样２１ｑ．－－４０）

脚

２家

根据表４，财务欺诈样本小于临界值Ｚ－－Ｏ的有３７个，占到该类样本总数（４０个）的９２．５％，即９２．５％判断正确；配对样本大于临界值Ｚ－－Ｏ的有３８个，占到该类样本总数（４０个）的９５．％，即５．ｏ％Ｎ断错误。由此可见该模型具有良好的判别能力。

四、研究结论

１．通过以上的逐步判别分析，我们可以得出结论：

１２２Ｉ黼～一

判别模型在判别上市公司财务欺诈方面具备了较强的可信度。通过我国证券市场财务欺诈上市公司的实证检验，预测准确率达９２．５％。这说明该模型具有较好的判别能力，也有实践意义。

２．模型中选择的原始财务比率指标具备了较强的解释能力，能较好地辨别出配对样本公司与年度报告审计意见为“拒绝表示意见”或“否定意见”类公司的区别。特别是选用的财务欺诈方面的比率指标（实际所得税率和净收益营业费用比率）是未被以前的研究者关注到的。

３．选择的方法具有科学性和可行性。逐步判别分析法是一种科学的统计方法，且借助ＳＰＳＳ等统计分析

软件的帮助，这种判别变得简单可行，具有很强的可操作性。

当然，在运用判别模型进行财务欺诈判别时，也有着一定的局限性。例如，从理论上讲，判别模型的研究样本必须满足正态分布的条件，在我们研究中由于受我国证券市场容量的局限，样本容量并不是很大，其分布未必服从正态分布。参考文献：

【１］ＢｅａｓｌｅｙＭ．Ａｎｅｍｐｉｒｉｃａｌａｎａｌｙｓｉｓ

ｏｆ

ｔｈｅｒｅｌａｔｉｏｎ

ｂｔ炯㈣

ｂｏａｒｄ

ｄｄｉｒｅｃｔｏｒｃｏｍｐｏｓｉｔｉｏｎａｎｄｆｉｎａｎｃｉａｌｓｔａｔｅｍｅｎｔｆｒａｕｄ０１．Ｔｈｅ

Ａｃｃｏｕｎｔｉｎｇ

Ｒｅｖｉｅｗ，１９９６，７１“）：４４３—４６６．

【２］Ｇｒｅｅｎ

Ｂ…Ｐ

Ｃｈｏｉ

Ｊ．Ｈ．Ａｓｓｅｓｓｉｎｇｔｈｅｒｉｓｋ缸ｍａｎａｇｅｍｅｎｔ

ｆｒａｕｄ

ｔｈｒｏｕｇｈｎｅｕｒａｌｎｅｔｗｏｒｋｔｅｃｈｎｏｌｏｇｙ【Ｊ】．Ａｕｄｉｔｉｎｇ：Ａ

Ｊｏｕｒｎａｌ０ｆ

Ｐｒａｃｔｉｃｅａｎｄ

Ｔｈｅｏｒｙ。１９９７，１６（１）：１４—２８．

ｆ３１陈小悦。肖

星，过晓燕．配股权与上市公司利润操纵叨．经济研究，２０００，

（１）．

【４１陆建桥．中国亏损上市公司盈余管理实证研究阴．１９９９年会计学论文选。北京：中国财政经济出版社，１９９９年．

【５浏妹威．上市公司虚假会计报表识别技术【Ｍ】．北京：经济

科学出版社．２００２．

【６１陈亮，王炫．会计信息欺诈经验分析及识别模型【Ｊ】．证

券市场导报，２００３，（８）．

【７１夏震．论会计信息的质量特征【刀．江西财经大学学报，

２００３。（６）．

【８】李法贵．财务信息质量及其评价因素叨．江西财经大学学

报。１９９９，

（５）．

【９】何晓群．多元统计分析ＩＳ］．北京：中国人民大学出版社。

责任编校：朱星文

２００４．

本文来源：https://www.bwwdw.com/article/nc71.html