企业财务舞弊迹象数据挖掘的审计模型研究

李梦可 高雪玉 唐俪婷

摘要：目前我国经济体制还在不断完善，但尚不健全，导致大量上市公司发生舞弊事件。财务舞弊不仅给投资者带来了损失，且严重危害经济市场的健康发展。因此如何识别舞弊，抑制舞弊是审计的重要问题。文章从国泰安数据库选取了2010～2018年间舞弊的135家上市公司，并根据配对原则选取了135家非舞弊公司，构建非财务数据间、财务数据间、财务数据与非财务数据间的舞弊迹象审计模型，最后将搜集的数据导入构建的模型中，检验模型发现舞弊的灵敏性。

关键词：财务舞弊;数据挖掘;审计模型

一、研究理论和内容

（一）财务舞弊相关概念

国际审计准则将舞弊定义为管理部门、治理部门、雇员或第三方中的单人或多人，故意通过欺骗获取不公正或非法利益的行为。AICPI（美国注册会计师协会）对舞弊的定义是：公司故意篡改或隐瞒应当在财务报告中披露的重大事项，这种行为被称为是欺诈性的财务舞弊。我国《独立审计具体准则第8号——错误与舞弊》中对舞弊的定义是：舞弊是指被审计单位的管理层、治理层、员工或第三方使用欺骗手段获取不当或非法利益的故意行为。

尽管各国对财务舞弊的定义都略有不同，但都体现出舞弊的特点：是故意行为、使用欺骗手段、获取不正当利益。舞弊是现代经济社会中的一个“毒瘤”，其发生比较普遍。

（二）财务舞弊常见手段

1. 使用会计处理造假。真帐假算、假账真做、无中生有、有中藏无、错误的会计估计。

2. 利用会计政策、会计期间舞弊。利用会计政策可选择性、推迟或提前确认交易。

3. 造假财务指标，企业粉饰各种财务指标。

（三）国内外财务舞弊识别模型

在美国W. Steve Albrecht 博士《舞弊检查》一书中把舞弊迹象分为六大类：一是会计异常;二是内部控制缺陷;三是分析性异常迹象;四是奢侈的生活方式;五是反常的行为;六是举报和投诉。国内也有学者提出从管理层或内部控制的角度搜寻舞弊预警。本文结合国内外研究者对预警的研究，总结出以下几个方面。

1. 通过财务指标的异常，识别财务舞弊

（1）应收账款周转指数、应收账款变动指数：如果企业通过应收账款的方式虚构收入或提前确认收入，是不能将其转换成现金的。为了掩盖造假现象，便会产生大量难以收回的应收账款。此时应收账款的周转率会超过收入的增长速度，说明企业有虚构收入的舞弊风险。

（2）毛利率指数：正常情况下，毛利率高于同行业公司，说明产品竞争力强，但此时如果其他数据与其冲突，比如下游行业是负增长、应收账款持续增长等，便说明企业毛利率出现异常，可能有舞弊风险;若企业毛利率增长异常平稳，无视经济周期、经济宏观环境的影响，企业亦会存在发生舞弊的可能。

2. 交易或会计处理不适当

（1）销售业务处理不当：通过分析财报、帐套观察到销售价格、成本过低、现金或商业折扣过高，库存减少量和主营业务成本不对等等现象，意味着企业极有可能出现舞弊风险。

（2）负债、费用处理不当：通过持续观察企业期后事项发现，下一年度支付的（并非下年度发生的）负债本金或利息，并没有反映在本期资产负债表上;通过检查仓库记录发现，期末登记在记录上的存货并没有相关的采购记录或销售采购发票。这些迹象都表明企业可能存在财务舞弊。

3. 内部控制存在缺陷

企业内部控制存在缺陷，便会给舞弊人员提供机会，使其有空间、时间进行舞弊操作。比如企业会计、内审、信息技术人员不能胜任而频繁更换;管理层由一人或极少数人控制。

（四）数据挖掘和模型構建

1. 相关性检测

（1）KMO（Kaiser-Meyer-Olkin）检验：是用于比较变量间简单相关系数和偏相关系数的指标。主要应用于多元统计的因子分析。KMO统计量的取值在0和1之间。KMO值越接近于1，变量间的相关性越强，原有变量越适合作因子分析;KMO值越接近于0，变量间的相关性越弱，原有变量越不适合作因子分析。

（2）Bartlett检验（巴特利特球形检验）：一般在做因子分析之前都要进行巴特利特球形检验，用于判断变量是否适合用于做因子分析。巴特利特球形检验的统计量是根据相关系数矩阵的行列式得到的。如果该值较大，则原始变量之间存在相关性，适合于作因子分析。相反不适合作因子分析。

2. 因子分析法

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。

二、样本数据的选取和模型的构建

（一）样本数据的选取——上市公司的选取

本文以我国境内上市公司2010年1月1日至2018年9月30日发行的财务数据报告为研究对象，数据来源于国泰安数据库（CSMAR：http：//www.gtarsc.com），从中我们筛选了违规处理的上市公司。筛选的财务舞弊违规类型如表1所述主要有11种。

为了保证样本的质量，本文进一步对初选的样本数据进行筛选，剔除了数据缺失的公司，重点保留了第一次或连续三年及以上发生舞弊的公司。按照配比原则选取了对应的非舞弊公司，配比原则考虑的主要因素是，配对公司在当年没有舞弊行为，配对公司和舞弊公司上市地点同为深市或沪市，配对公司和舞弊公司属于同一行业，配对公司与舞弊公司资产规模相当。最终筛选完配对公司后，为了数据质量，本文对样本数据又进行了相同原则的筛选。

通过以上搜集分析，本文最终确定了135家舞弊上市公司和对应的135家非舞弊上市公司共472行数据。

（二）模型的构建

1. 财务舞弊影响因素分析

（1）非财务指标：根据所学知识和大量相关文献分析，结合舞弊动因理论的考虑，分析出影响舞弊的非财务指标主要有如表2所述。

股权结构：鉴于国有股的严格性和影响重要性，是否有国有股及国有股占比多大将会影响公司财务舞弊。

治理机制：监督职能是董事会的基本职能之一，独立董事的职责是监督财务报告的真实性，防止大股东侵犯小股东或公司的利益。

高管背景：高管的年龄代表了经验积累和风险偏好，经验积累能为决策提供更多依据，风险偏好也直接影响行为的倾向;男女高管在管理风格、风险偏好、价值取向上存在不同，在决策过程中也会出现不同的行为倾向;学历代表了高管的认知水平、学习能力。

审计：外部审计的审计意见会影响舞弊，如出具非无保留意见可能会对上市公司产生压力。内部审计在单位内部会计监督制度中有着重要作用。

根据上述指标我们查询了一些样本数据的上市公司年报，得出相关数据。

（2）财务指标：由舞弊动因理论和专业知识，分析影响上市公司财务指标主要如表3所示。

2. 模型构建

（1）非财务数据舞弊迹象模型。？譹？訛股权结构：法人股占股比例和财务舞弊呈正相关。

治理机制：董事会规模和舞弊呈负相关，独立董事占比与财务舞弊呈负相关。

高管背景：高管的年龄和舞弊呈负相关，男性所占比例与舞弊呈正相关，学历高低与舞弊呈负相关。

审计：外部审计的审计意见越是不好，舞弊的可能性越大。内部审计的独立性越强，其监督能力越强，可以有效预防和发现会计差错，舞弊的可能性越小。

（2）财务数据间勾稽关系的舞弊迹象审计模型。根据统计学知识，为了得出影响财务舞弊的财务指标，运用线性回归方程知识。即运用多因素多项变量分析，运用因子分析法得出影响财务状况的各个财务指标所占的权重。

在分析前剔除了各项指标中显著较大值和显著较小值，避免影响结论的普遍性。

相关性分析。要得出线性函数方程式，就要分析各因素之间的相关性，运用KMO和Bartlett检验，通过SPSS软件进行降维分析检验了指标间的相关性。在不断地通过相关性检验并剔除一些不相关财务指标后，我们最终得到如表4所示。

得到的最终11项财务指标如表5所示。

因子分析。本文运用SPSS软件中的因子分析，将数据导入软件，分析得出结果如表5所示。

从表5中明显看出成分1、2、3、4、5分别是偿债能力、发展能力、经营能力、风险、盈利能力。分别用表示各个财务指标，F表示各个因子。

则可得因子分析式：

F偿债能力=0.960×X1+0.958×X2+...-0.324×X5+......

F发展能力=......+0.721×X3+0.717×X4+......

F经营能力=......-0.661×X6+......-0.303×X11+

F风险=......+0.477X7+0.702×X8+......

F盈利能力=......+0.359×X9+0.730×X10+......

在分析F值时，本文利用了样本数据的均值，分析结果如表7所示。

在分析数据时剔除了显著异常的數据，所以该模型的普遍性增强，因为对于显著异常的数据即使没有审计模型的检验，投资者也会注意到并给予高度关注。对于普遍数据的分析如下。

一是偿债能力。若得出-0.390

二是发展能力。若得出F<1.991，则说明该企业在偿债能力方面有60%的可能性发生了舞弊;若得出2.613

三是经营能力。若得出F<-9.053，则说明该企业在盈利能力方面有50%的可能性发生了舞弊;若得出-8.561

四是风险。若得出F<4.073，则说明该企业有65%的可能性发生了舞弊;若得出向4.128

五是盈利能力。若得出8.820

由此可见，所构建的模型中检测真实性最高的是发展能力和盈利能力，所以投资者对于此模型可更多依赖于对发展能力和盈利能力数据的检验，通过这两个指标来判断企业是否有财务舞弊。

对于没有证据性证明的指标，投资者需要做出更多的努力来帮助自己做出投资决策，投资者可以咨询企业、相关投资机构，或者是在网上搜集相关资料;对于财务舞弊或非舞弊可能性在50%的指标，投资者仍然需要做出相关工作帮助自己决定投资与否;对于财务舞弊或非舞弊可能性在80%的指标，虽然可能性增大，但并不是绝对说明，还需要投资者的咨询和调查;需要说明的是不管结果如何，都不能提供绝对的保证来证明企业是否发生了财务舞弊，投资者仍然需要找到充分的证据和说明来做出理性的判断。

（3）财务数据和非财务数据对应关系的舞弊迹象审计模型。

对于财务数据和非财务数据的关系，我们主要依据定性分析。非财务数据是从公司组织结构和组成来说明，财务数据是具体的数据说明。定性的非财务数据会影响量化的财务数据。

若法人股占比少，董事会规模小，高管的平均年龄较小，且男性高管更多，学历普遍偏低，则企业在会计制度方面会不够完善，会计系统上会有缺陷，从而为财务舞弊增加了机会和借口。可能会导致会计人员做假账，内部人员串通舞弊，从而导致财务数据失真。非财务数据可以通过建立绩效指数指标来与财务信息进行比较。绩效指标就是根据标准数据给企业的实际数据来打分，以标准数据为基准，据此来判断实际与理论的偏差，并根据偏差来判断是否有舞弊。

三、模型评估和检验

（一）模型的评估

在理论上，模型有一定的可行性，且理论基础坚固。对于数据挖掘，从国泰安数据库中搜集大量数据，最终确定135家舞弊和对应的135家废物逼境内上市公司。在数据质量上，不断筛选分析，确定最终472行数据后。在建模时，运用SPSS软件进行数据间的相关性分析，根据得出的KMO值和P值来判断相关性，根据因子分析法将所选指标进行因子分析得出公式。

在得出模型后，利用样本数据进行比例分析，得出舞弊或非舞弊发生的可能性，得出了模型具有一定实用性的结论。

（二）模型的检验

对于得出的模型，从国泰安查找了一些舞弊公司和非舞弊公司，代入上述公式后，最终检验结果和分析一致。

四、结论与展望

（一）结论

通过查阅大量文献和资料并且询问老师，进行理论分析、数据分析、实际操作，最终得出了上市公司舞弊与否的审计模型，且该模型具有一定的实用性。虽然得出的结论并不是绝对的保证，但这仍然是一个可供参考的模型。在专业能力方面，我们对财务舞弊的审计知识有了更深入的了解，对于论文的书写有了更好的逻辑性;在个人能力提升方面，我们更加了解了团队合作的重要性，更明白知识和坚持的重要性，学以致用，让我们更加投入学习。

（二）不足之处

在理论和实践操作上会有做得不充分和不准确的地方。在理论基础上，对于相关理论包括财务舞弊预警、数据挖掘技术、模型构造理论还没有根深蒂固。在上市公司选取和剔除上，會有一些判断失误，导致上市公司的选取没有满足足够的普遍性。在模型构建上，对于SPSS软件的操作原理还不够熟悉，对于SPSS软件的应用还不够熟练。这些都会导致模型和理论出现在偏差。

（三）展望

对于上市公司来说，财务舞弊数据挖掘模型是一个预警，这更加提醒管理层和治理层以及员工要遵守职业道德，遵守法律法规;对于审计行业，财务舞弊风险不可能从根本上消除，所以识别财务舞弊将一直是注册会计师工作的重点。随着大数据时代的发展，越来越多的数据产生和被记载，我们据以分析的样本增加，模型的构造也会越来越有普遍性和可靠性。同时各种新技术的出现对于模型的构建也会变得越来越容易，比如在数据相关性的要求上定会有新的软件不断克服这一点;对于投资者来说，财务舞弊数据挖掘模型是一个参考，它不能提供绝对的保证，投资者仍需要咨询和调查来帮助自己做出理性的决策，减少自己的损失。

参考文献：

[1]黄世忠，黄京菁.财务报表舞弊行为特征及预警信号综述[J].财会通讯，2004（23）.

[2]施金龙，万东敏.我国上市公司财务舞弊手段识别[J].价值工程，2011（16）.

[3]李清，任朝阳.上市公司会计舞弊风险指数构建及预警研究[J].西安交通大学学报，2016（36）.