康美药业财务操纵识别模型案例研究

曹乃文

部分上市企业为了满足其盈利预期，避免因业绩亏损而造成退市的不利后果，可能采取财务操纵的违法违规手段。例如泰科和世界通讯、*ST国药、万福生科、康美药业等。财务操纵导致投资者亏损，严重扰乱市场的秩序，影响市场的健康发展。因此，需要对财务操纵进行分析与判别，从理论和实践两方面对企业的经济行为进行规范。

国内外对于财务操纵的研究主要停留在对其资本成本、外部筹资等方面的分析探讨上，以机器学习为主的現有的识别技术，已经得到了广泛的应用，并取得了可观的成就。本文对康美药业财务操纵的典型案例进行分析，对其采用的操纵手段、动机等进行分析与挖掘，提出防范策略，建立识别的模型，为今后辨别可能出现的财务操纵现象提供理论参考依据。

本文的贡献如下：1.有利于改善国内投资环境。众所周知，上市公司财务数据造假会影响投资者对该上市公司目前经营的实际状况的判断，从而影响投资者的投资决策。本文通过对康美药业财务造假案例的分析，揭露其财务操纵的恶劣行为，深入分析其财务操纵行为的表现，并提出相应的防范措施，以此警醒上市公司，促使其注重财务信息披露的真实性和合理性，并为投资者的投资决策提供参考。2.通过建立模型，帮助投资者辨别财务操纵的迹象和手段，从而提高投资者对投资对象真实财务状况的识别、判断能力，使之避免踩雷，有利于提高投资者决策质量。

总结过往的研究文献，可以看到，国外市场发展得较早，对财务操纵的研究也比较完善，在这方面形成了相关理论，且在对上市公司财务操纵的原因和表现的研究中，其理论研究的成果更丰富，也更全面。而国内学者主要对财务操纵的研究主要集中在其动机、手段以及如何治理财务操纵等方面。虽然国外已经构建了较为成功的研究模型，但这些研究模型是以西方发达的资本市场环境为研究背景构建的，其中有一部分并不适用于国内环境。因此，本文选用国内较典型的上市公司财务操纵案例——康美药业财务造假事件为研究对象，初步构建针对上市公司财务操纵行为的识别模型，重点研究其财务操纵行为，总结相关经验，希望以此促进资本市场的健康发展。

财务风险状况与操纵

2019年4月30日，康美药业发布的“会计差错”公告中，声明2018年前的营业收入和成本出了差错，经过调整发现，货币资金增加了299.44亿元。根据证监会调查发布的《告知书》中详细披露的康美造假明细，两年半内，该公司累计虚增货币资金约886亿元，康美药业的财务报表中存在“存贷”双高、应收账款被关联方占用、存货异常等情况。

“存贷”双高现象

从账面看来，康美药业的资金流动情况良好，流动比率符合同行业水平（在1—2之间浮动）。但因为公司流动资产中的应收账款、票据和存货等占比较大，所以流动资产的流动性有许多水分，公司偿债能力无法得到充分体现。因此笔者搜索康美的货币资金和带息负债数据：从时间看来，早在2010年康美药业高存高贷的现象就有了苗头。尤其在 2014年往后，每年都有稳定的增长，公司的资产负债表上除了现金还有就是有息负债。公司虽然资金充裕，但债台高筑。

应收账款被关联方占用

我国上市公司发展的历史中，时常有公司资金被大股东占用的现象，且涉及金额巨大。虽然近年来证监会对这一块的管控愈发严厉，但这一现象并没有消退，反而有金额增大、手段升级、渠道增多、国有公司数量增加的迹象。康美药业与关联方交易仅是为达到占用货币资金、掩盖财务操纵目的。2016年以来，康美药业与其关联方三年期末交易额累计达到136亿元，但是，交易资金均未实际进入财务管理流程，这是非常令人怀疑的风险因素。

存货异常

康美药业存货虽连年增长，其营业收入增长率却连年放缓。同时，其存货周转率和应收账款周转率的联合指数走低，表明公司的实际营业能力在下降。

财务操纵

对于财务操纵现象，一般通过企业所处时期、环境、背景来分析其行为动机和粉饰的可能性，一般可通过财务报表的业务逻辑与勾稽关系来识别，发现异常信息，进行同行对比与同期对比来发现操纵猫腻。回顾康美药业财务操纵的整个过程，其集中爆发期为2016年至2018年，经过证监会证实，康美药业隐瞒了与关联方的交易，主要采用伪造发票、虚构存单和虚构凭证等手段，非法占用了经营性资金，存在虚增收入、虚增资产和违法买卖股票等违规行为。

财务操纵识别模型构建

样本选取

以2009-2019年十年间的ST公司与非ST公司为研究样本，研究数据来源于锐思金融数据库。收集271家ST公司样本，并按照同比比例，对照选取非ST公司271家。审计意见为标准无保留，行业相同、规模相近等。对一些缺省的值做了预处理，保证模型精度不受影响。

指标选取

根据资产负债表从四个方面（盈利能力、偿债能力、现金能力和营运能力）进行指标选择，共13项。研究中尽可能收集和案例分析操纵手段相关的指标，而不是选取每一类全部指标。

模型建立

BP神经网络模型是一种人工仿生网络模型，它通过预先输入数据来自学数据内在蕴含的规律，该网络模型的内部含有大量类似神经细胞的节点。第一个前向传播过程是在输入层中输入每个样本的指标数据（X1-X13），经过一定的线性变换得到隐含层的数据输入，然后再激活函数，得到一个介于0-1之间的值作为输出。隐含层的输入依照上面过程最终传递到输出层中，通过非线性变换产生的输出信号Y是判断公司是否存在财务造假的依据。将该判断值与公司实际情况进行比较，如果产生误差则反传给输入层，调整之前线性变换中使用的权重。误差将分摊至每一层所有单元，从而使每个单元权重值得到调整，误差沿梯度方向减小，实现梯度下降。最后，经过多轮反复训练，使均方误差最小化。记录此时的权值与阈值，从而得到训练好的模型。

在正式建立模型前，先做数据预处理，去除542个样本中的缺失值和重复值，10年有效数据共3665条，之后对数据进行标准化的处理。再使用python建立BP神经网络：首先进行数据分割，按比例（7：3）划分训练集和检验集。其次建立神经网络体系结构，隐藏层数为1层，将隐藏层中最小单元数设置为1，最大单元数设置为50，激活函数为双曲正切函数，输出层数为1层全连接Softmax。以批次训练为训练类型，优化算法选择标准共轭梯度。对模型性能的评估选用ROC曲线、混淆矩阵，能够更加直观地反映预测结果的好坏。

研究结论和建议

结 论

模型输出的结果范围为[0，1]，当取值越接近1时，这个样本是财务操纵公司的把握更大；当输出结果越接近0时，这个样本为非财务操纵公司的把握更大。根据规则，设定0.5为阈值，当输出概率大于0.5时，此样本为财务操纵公司；当模型输出结果小于等于0.5时，此样本为非财务操纵公司。

BP神经网络构建的模型识别结果在训练集中有77.7%的非财务操纵公司被识别正确，54.9%的财务操纵公司被识别出来；在检验集中有高达80.3%的非财务操纵公司被正确识别，51.9%的财务操纵公司被正确识别。训练集的总体识别准确率达67.0%，检验集样本的总体正确率达66.9%。

建 议

1.审计机构应尽职尽责，以扼制财务操纵行为发生

在本案例中，正中珠江事务所没有严格按照正常、规范的审计程序对康美药业财务数据进行审核，未能及时发现其财务操纵行为，以致在审计结束后为康美出具无保留意见，这属严重的失职。由此看来，审计机构在审计过程中走形式、银行函证程序不科学不规范等审计漏洞会为上市公司财务数据造假创造机会。故审计机构应当严格遵循审计的规则，将审计落到实处，尽职尽责地完成对上市企业的财务审计，不放过任何细节，不给财务操纵、财务造假行为留下任何可能的漏洞。

2.投资者应当加强财富管理风险意识

证券投资是当下普及的公众投资方式之一，但普通投資者普遍缺乏金融知识、风险意识，容易受到公司披露的虚假信息的诱导。因此，投资者应当加强相关基础知识的储备、积累，以较为完善的风险评估体系对自己的投资行为进行风险评估，明确投资定位与风险承受度，并且要多关注相关企业的经济行为，积极主动地发挥社会监督作用。

3.促进识别模式和手段的创新与改进

现有技术可以实现初步的二分类，但是在指标选取、数据收集和处理等方面的细节还存在许多难以解决的问题，如训练集的数量与真实性不足，难以支撑有效分类、预测分类效果精度较差、缺乏针对实际问题的参数优化调整方案等。未来可以考虑采用更新颖的模型和算法，或者用多种方法结合的判别方式进行财务操纵、财务造假的识别。

（中南财经政法大学）