管理舞弊风险识别国内外研究综述

【摘要】如何有效地识别管理舞弊风险，是国内外学者高度关注的研究方向之一。目前研究重点主要在集中在管理舞弊风险识别的指标及方法，但国内的研究成果在识别体系建设、学科融合、以及与我国实践结合等方面与国外相比仍存在一定差距，因此，我国管理舞弊风险识别未来的研究方向可着重于健全识别体系，加强“跨学科融合”，在此基础上立足于我国实践，促进我国上市公司管理机制和资本市场建设的不断完善。

【关键词】管理舞弊 国内 国外 研究综述

一、引言

“管理舞弊”作为舞弊的一种类型，越来越受到国内外学者的关注。这不仅仅是因为管理舞弊给上市公司本身以及资本市场带来了巨大的损害，而且由于管理舞弊涉及管理层的精心设计甚至串通，加之事后极力掩饰，使公司各项管理控制流于形式，且外部独立审计也很难发挥作用。舞弊的管理层职位越高、参与人数越多，预防和审查难度也就越大。这使得如何有效地识别管理舞弊的风险成为这一问题的关键。

二、国内外研究现状

（一）国外对管理舞弊风险识别的研究

1.管理舞弊风险识别指标的研究。国外学者对该领域的研究起步于20世纪初，大量的实证研究都是从财务指标、非财务指标以及综合指标三类进行分析的。

（1）财务指标。Lin，Hwang and Becker选取1980～1995这16年间发生管理舞弊的40家公司和160家非管理舞弊公司进行实证研究，发现了两类公司在净收入、应收账款/收入、营业收入增长率方面存在显著差异。Belinna et al则同样运用配对样本的方法，发现管理舞弊公司在财务费用/收入和运营费用/收入这两个比率上显著高于非管理舞弊公司。Cecchini，M.et al通过实证检验认为流动资产、存货占比、资产负债率、存货周转率可以作为管理舞弊与非管理舞弊公司的判别因子。

（2）非财务指标。P.K.Gupta and Sanjeev Gupta以印度管理舞弊公司为研究样本探究其管理舞弊性质和出现的问题，结果表明多数企业管理舞弊都是管理层管理舞弊，管理层持股比例较高，股权相对集中。Stephen R.Goldberg et al则利用了美国上市公司数据，研究了所有权结构、公司管理舞弊和公司治理间的关系。Sunita Goel和Ozlem Uzuner则利用了新兴的自然语言处理技术对年度报告的用语进行文本分析，发现存在管理舞弊行为的公司年度报告使用副词更加频繁，经常用“副词修饰形容词”模式来表达。因此，加强词的频繁使用，尤其是这个模式用语的频繁使用，可以作为判别管理舞弊与否的识别因素。这也成为将文本挖掘技术应用在管理舞弊风险识别领域的一次有益尝试。

（3）综合指标。David Shapiro从最新的COSO准则出发来研究内部控制在企业中地位的变化，他认为管理舞弊公司的内部控制制度往往不完善、有缺陷。

2.管理舞弊风险识别方法的研究。随着人工智能的发展，针对管理舞弊风险识别的方法也有了新的变化。

（1）传统识别方法。Green和Calderon早在1994年就开始利用单变量分析法进行管理舞弊识别研究。Bell和Carcello通过建立Logistic回归模型，对来自KPMG的77个舞弊企业以及305个非舞弊企业进行实证研究，以检验该模型对管理舞弊的识别效果。他认为多元线性判别法比单变量分析法判别精度更高，准确率的稳定性更好。

（2）人工神经网络识别方法。Green和Choi首次采用神经网络技术构建管理舞弊识别模型，研究发现神经网络模型对于随机样本的识别效果非常好。Feroz et al利用神经网络模型，以SAS NO.53公布的红旗标志作为研究变量对管理舞弊样本进行判别，结果准确率高达80%。随后，Michael Nwogugu、Tzong Huei Lin均使用人工神经网络技术对管理舞弊进行了实证检验，研究结果表明人工神经网络技术不仅稳定性高，而且具有较好的识别效果。

（二）国内对管理舞弊风险识别的研究

1.管理舞弊风险识别指标的研究。国内对管理舞弊风险识别的研究起步较晚，近年来识别指标的相关研究也渐多，且基本也是按照财务指标、非财务指标、综合指标三类进行。

（1）财务指标。王泽霞，谢冰选取1998年到2008年间因管理舞弊被证监会通报查处的上市公司为研究样本，实证结果表明存货周转率、总资产周转率、流动资产周转率、应收账款周转率等营运能力指标可作为有效的舞弊风险识别指标。许存兴[7]发现公司舞弊可能性与现金持有量呈正相关。

（2）非财务指标。王泽霞，沈佳翔，甘道武基于文献研究和问卷调查对舞弊风险因子进行筛选和排序，发现管理当局凌驾内部控制、避免被ST或退市、大股东操纵董事会、存在股权或债权融资需求以及管理层缺乏诚信这五个因素最为重要，识别效果也最优。陈佳声通过对管理层与内部审计师、公司与外部审计师、公司与监管部门间的舞弊行为进行博弈分析，研究表明公司治理结构完善程度、高管薪酬、内部审计的独立程度对于识别管理舞弊风险具有显著效果。卢馨，李慧敏，陈烁辉则从上市公司高管背景出发，他们选取了2001年～2013年间发生管理舞弊的108家公司作为研究样本，发现管理层平均年齡越小、平均任期越短、男性比例越高、平均学历越低的上市公司越容易发生管理舞弊。其中，高管的平均学历应当成为关注重点。

（3）综合指标。宋彪，朱建明，李煦利用大数据技术对网民发布的信息进行统计和情感分析，并将该指标结合财务指标判别公司是否存在舞弊行为，结果发现结合了大数据后的舞弊风险识别指标识别效果更好。李清，任朝阳选取30个舞弊风险识别指标进行研究，对每个指标设置一个安全阈值，只要有一个指标超过预定阈值就进行舞弊预警，这比以往文献对管理舞弊风险识别指标体系的研究更全面、更灵活。

2.管理舞弊风险识别方法的研究。国内对于舞弊风险识别方法的研究起步较晚，相关文献较少，但近年来将人工智能应用于管理舞弊领域的研究也逐步增多。endprint

（1）传统识别方法。刘旻、朱曦，冯田等实证检验了Logistic回归模型在舞弊预警方面的有效性。姜秀华，任强，孙铮用Logistic回归模型进行管理舞弊公司的判别，总体识别率达84.52%。李扬，李竟翔，马双鸽在Logistic回归模型的基础上加入L1正则化支持向量机，进一步提高了管理舞弊公司的预测效果。

（2）人工智能识别方法。吴世农和卢贤义、杨淑娥和黄礼以及郭毅夫，权思勇用神经网络技术方法建立模型，对管理舞弊风险的判别率均高达90%以上。庞清乐，刘新允选择将蚁群算法与BP神经网络相结合方式创建舞弊模型，实证结果表明加入蚁群算法后的神经网络舞弊模型识别效果更好、结构更简单。宋晓勇，陈年生则将遗传算法与神经网络技术耦合，形成一个金融参数舞弊预测系统，研究结果表明两种技术的耦合能有效提高舞弊识别率。

三、国内外管理舞弊风险识别研究比较

上述对管理舞弊风险识别的研究现状来看，国外相对起步较早，在研究方法上，国内外大量研究采用实证检验的方法，可靠性更高；研究内容上来看，针对管理舞弊风险识别指标的研究，国内外基本均从“财务指标”“非财务指标”“综合指标”三方面出发，力求识别指标体系更加完善。而近年来又出现了对年度报告文本中的情绪表达与企业舞弊之间关系的实证研究。随着大数据技术的到来，关于管理舞弊风险识别指标的研究文献越来越充分和系统。

针对管理舞弊风险识别方法，近年来的研究则更多的体现了管理科学、财务会计与人工智能的有效结合，不仅利用了人工智能的强大应用性，也促成了其他学科研究的进一步深入。

然而，与国外研究成果相比，国内的相关研究则也存在一些局限性：

（一）管理舞弊风险识别体系不完善

首先，相较于国外研究，国内针对管理舞弊风险识别的指标仍不够全面，多数文献都是集中研究财务或非财务指标中的某一方面；另外，对管理舞弊风险识别方法的研究中，国内的大量研究多基于对国外识别方法的检验，“验证”多于“探究”。

（二）“跨学科融合”较差

从国外研究趋势来看，相關研究逐步将新型的大数据挖掘、文本挖掘等人工智能科学应用于传统管理学科。这一发展态势不仅丰富了对管理舞弊领域的研究手段，更重要的是对研究人员的综合素质提出了更高的要求，从而倒逼人才培养机制转型升级，“文理兼备”成为一种必需。而从国内的研究现状来看，大量的研究还限于传统研究手段，将新兴科学有效应用的研究还在少数。

（三）现有研究与我国实践结合较少

虽然管理舞弊的研究在不断深入，但是国内上市公司涉及管理舞弊的丑闻仍然不断爆出。与其他违法违规行为相比，管理舞弊不仅给公司本身以及各利益相关者带来的损失更大，而且会扰乱国内资本市场秩序。因此，如何将理论研究成果与现实需求相结合，从而降低公司总体的管理风险，维护各主体的利益，则是亟待解决的另一问题。

四、未来管理舞弊风险识别的研究方向

鉴于国内管理舞弊风险识别的研究现状以及局限，未来可从以下三个方面进一步探索。

（一）健全管理舞弊风险识别体系

有关管理舞弊风险识别的研究，指标与方法是整体研究的两大支柱，但未来的研究更应当从全局出发，探索完整的研究框架体系，对管理舞弊的理论层次进行不断完善。

（二）利用新兴学科

管理舞弊风险识别问题涉及管理学、审计学等传统学科，也越来越需要计算机科学的涉入。在未来，将大数据挖掘、文本挖掘等技术进行更有效的利用，一方面可以为相关研究提供更有效、更可靠的技术支持，另一方面更会提升复合型人才的培养机制。

（三）理论与现实相结合

理论研究最终还是要为现实所服务，未来的研究要在中国实践的基础上，进一步研究中国情景下管理舞弊的特点，探索管理舞弊识别的新手段、新路径，在减少甚至遏制其发生的同时，提高我国上市公司管理水平，推动中国资本市场的发展和建设。

作者简介：方家琦（1992-），男，汉族，浙江湖州人，杭州电子科技大学硕士研究生，研究方向：会计理论与实务。endprint