張銀華

一、引言

2002年7月，中國注冊(cè)會(huì)計(jì)師協(xié)會(huì)發(fā)布了《審計(jì)技術(shù)提示第1號(hào)——財(cái)務(wù)欺詐風(fēng)險(xiǎn)》(以下簡稱《提示》)，詳細(xì)列示了各種可能導(dǎo)致公司進(jìn)行財(cái)務(wù)欺詐的因素，以及表明公司存在財(cái)務(wù)欺詐風(fēng)險(xiǎn)的“紅旗”，以提醒注冊(cè)會(huì)計(jì)師在執(zhí)行會(huì)計(jì)報(bào)表審計(jì)時(shí)對(duì)此予以充分關(guān)注，保持應(yīng)有的職業(yè)謹(jǐn)慎。遺憾的是，應(yīng)當(dāng)選取哪些財(cái)務(wù)指標(biāo)、該財(cái)務(wù)指標(biāo)達(dá)到何種臨界值時(shí)財(cái)務(wù)欺詐可能性最大，對(duì)于這些具體操作性問題，《提示》并沒有提供直接的指導(dǎo)。

目前，上市公司財(cái)務(wù)欺詐行為不斷新穎化、復(fù)雜化及隱蔽化,如何建構(gòu)科學(xué)的財(cái)務(wù)欺詐行為識(shí)別模型，透過紛繁復(fù)雜的會(huì)計(jì)信息，避開財(cái)務(wù)報(bào)告中的陷阱，最大限度地降低與避免企業(yè)財(cái)務(wù)欺詐行為給投資者造成的風(fēng)險(xiǎn)，已經(jīng)成為日前學(xué)術(shù)界與實(shí)務(wù)界亟需解決的熱點(diǎn)話題之一。自國內(nèi)證券市場(chǎng)開市之后，許多上市企業(yè)因財(cái)務(wù)欺詐行為而收到證監(jiān)會(huì)的行政處罰，比如，銀廣夏股份公司以及被稱為“老牌績優(yōu)”的藍(lán)田股份公司等，這些僅僅是上市公司財(cái)務(wù)欺詐的一個(gè)縮影。近些年來，國內(nèi)證券市場(chǎng)中上市企業(yè)的財(cái)務(wù)欺詐行為已經(jīng)是“遍地開花”，上市企業(yè)財(cái)務(wù)欺詐行為不但誤導(dǎo)投資人與債權(quán)人，致使他們?cè)谑д娴呢?cái)務(wù)報(bào)告下做出錯(cuò)誤的決策和判斷，同時(shí)還可以瞞過政府監(jiān)管部門的“眼睛”，致使監(jiān)管部門不能及時(shí)識(shí)別與發(fā)現(xiàn)上市公司的欺詐行為，不能很好地降低證券市場(chǎng)上的信貸風(fēng)險(xiǎn)。此外，上市公司的財(cái)務(wù)欺詐行為在一定程度上也會(huì)影響到上市公司財(cái)務(wù)報(bào)告的審計(jì)監(jiān)督方的信譽(yù)，為注冊(cè)會(huì)計(jì)師的審計(jì)工作帶來信任危機(jī)。故而，信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐行為不僅關(guān)乎到投資人與債權(quán)人的利益，還關(guān)乎著證監(jiān)部門以及會(huì)計(jì)師事務(wù)所工作的正常開展。

鑒于國內(nèi)在信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐行為識(shí)別建模方面的研究空缺，本文循著《提示》思路，在綜合分析已有文獻(xiàn)各種欺詐因素的基礎(chǔ)上，研究哪些財(cái)務(wù)指標(biāo)能夠有效顯示財(cái)務(wù)欺詐的存在，并選取其中最為有效的財(cái)務(wù)指標(biāo)建立財(cái)務(wù)欺詐鑒別模型。并進(jìn)一步進(jìn)行了實(shí)證檢驗(yàn)，證實(shí)了模型的可行性。

本文所提及的財(cái)務(wù)欺詐行為主要是指上市公司的財(cái)務(wù)報(bào)告舞弊行為，具體為管理當(dāng)局在違反有關(guān)法律法規(guī)的前提下，故意臆造與公布虛假的財(cái)會(huì)信息報(bào)告，并借助于各種手段去歪曲企業(yè)自身某一特定會(huì)計(jì)期間內(nèi)的財(cái)務(wù)狀況、經(jīng)營成果以及現(xiàn)金流量等狀況，為投資者傳遞虛假信息，致使其做出錯(cuò)誤的判斷與決策，進(jìn)而實(shí)現(xiàn)企業(yè)自身利益最大化的一種違法行為。

二、理論回顧

國內(nèi)外對(duì)財(cái)務(wù)欺詐行為的研究大體上可以分為三個(gè)層次，分別為財(cái)務(wù)欺詐行為存在的原因、發(fā)生的預(yù)兆以及識(shí)別與防范措施。本文主要從信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐行為的識(shí)別與防范方面梳理國內(nèi)外理論研究成果。早在20世紀(jì)30年代，國外就已經(jīng)開始對(duì)企業(yè)財(cái)務(wù)欺詐行為進(jìn)行研究，所以國外相應(yīng)的理論研究成果比較豐富。盡管國內(nèi)會(huì)計(jì)界對(duì)財(cái)務(wù)欺詐行為的研究還比較淺，但是自“銀廣夏事件”后，國內(nèi)學(xué)術(shù)界也逐漸開始關(guān)注企業(yè)財(cái)務(wù)欺詐行為，并獲得了一定的研究進(jìn)展，對(duì)實(shí)踐工作帶來了很大的幫助。

在實(shí)證分析過程中，需要選取具有信貸業(yè)務(wù)的上市公司作為實(shí)證分析的總樣本，并且在這些上市公司中有一部分企業(yè)存在有財(cái)務(wù)欺詐行為，另一部分沒有財(cái)務(wù)欺詐行為。并將其分為評(píng)估樣本和檢驗(yàn)樣本，其中評(píng)估樣本主要用于信貸風(fēng)險(xiǎn)下建立財(cái)務(wù)欺詐行為的識(shí)別模型，檢驗(yàn)樣本主要用于驗(yàn)證信貸風(fēng)險(xiǎn)下建立財(cái)務(wù)欺詐行為識(shí)別模型的可行性。

Bell and Carcello（2000）借助于來自 KPMG 審計(jì)實(shí)務(wù)中的 77家實(shí)施財(cái)務(wù)欺詐的企業(yè)與305家沒有財(cái)務(wù)欺詐行為的企業(yè)的數(shù)據(jù)，構(gòu)建出財(cái)務(wù)欺詐行為的logistic 回歸識(shí)別模型，對(duì)該模型進(jìn)行了實(shí)證檢驗(yàn)，并指出企業(yè)外部審計(jì)人員可以利用此模型預(yù)測(cè)財(cái)務(wù)欺詐行為出現(xiàn)的概率，同時(shí)提出了信貸風(fēng)險(xiǎn)下企業(yè)財(cái)務(wù)欺詐行為出現(xiàn)的原因在于：企業(yè)內(nèi)部控制體系不健全、管理當(dāng)局利益訴求、以及銀行業(yè)自身的原因等。Ch.Spathi（2002）在多變量統(tǒng)計(jì)技術(shù)與多標(biāo)準(zhǔn)分析能力的幫助下，實(shí)證分析了企業(yè)財(cái)務(wù)欺詐行為的識(shí)別問題，通過研究發(fā)現(xiàn)，多標(biāo)準(zhǔn)分析判別技術(shù)優(yōu)于傳統(tǒng)的識(shí)別技術(shù)，有利于財(cái)務(wù)欺詐行為的識(shí)別，同時(shí)還指出了企業(yè)財(cái)務(wù)比值在財(cái)務(wù)欺詐行為識(shí)別過程中的重要性。

王建瓊、王懷東（2009）以1998-2005年國內(nèi)因欺詐行為被處罰的33家上市公司為實(shí)證樣本，基于上市公司公開披露的財(cái)務(wù)信息報(bào)告構(gòu)建出上市公司財(cái)務(wù)欺詐行為判別的Logistic回歸模型，并通過了實(shí)證檢驗(yàn)。馬天壤（2012）分析了國內(nèi)財(cái)務(wù)欺詐的現(xiàn)狀與對(duì)策，并對(duì)財(cái)務(wù)欺詐行為進(jìn)行了界定，將財(cái)務(wù)欺詐行為界定為“在企業(yè)對(duì)外披露財(cái)務(wù)報(bào)表時(shí)，有意的錯(cuò)報(bào)或者是漏報(bào)，達(dá)到欺騙財(cái)務(wù)報(bào)表運(yùn)用者的目的”。李月梅（2012）指出國內(nèi)各地大量涌現(xiàn)財(cái)務(wù)欺詐事件，給經(jīng)濟(jì)發(fā)展帶來了巨大的創(chuàng)傷，并從財(cái)務(wù)欺詐的含義、財(cái)務(wù)欺詐行為目的、財(cái)務(wù)欺詐行為特征以及財(cái)務(wù)欺詐行為的外在表現(xiàn)等入手，對(duì)全面防范企業(yè)財(cái)務(wù)欺詐行為的對(duì)策進(jìn)行了研究。趙自強(qiáng)與陳曦（2013）結(jié)合國內(nèi)上市公司現(xiàn)有的財(cái)務(wù)信息數(shù)據(jù)，分析潛在的財(cái)務(wù)欺詐行為影響要素，對(duì)財(cái)務(wù)欺詐行為預(yù)測(cè)模型進(jìn)行了實(shí)證分析，并利用這些欺詐風(fēng)險(xiǎn)要素構(gòu)建出企業(yè)財(cái)務(wù)欺詐行為的識(shí)別模型，以便更好地預(yù)測(cè)國內(nèi)上市公司財(cái)務(wù)報(bào)告欺詐行為。

表1 樣本T 檢驗(yàn)

表2 變量回歸檢驗(yàn)結(jié)果

表3 P 值

從總體上來講，經(jīng)由實(shí)證檢驗(yàn)技術(shù)確立的識(shí)別模型是一種科學(xué)有效的模型，并具有一定的實(shí)踐運(yùn)用價(jià)值，通過上述理論梳理發(fā)現(xiàn)，借助于Logistic技術(shù)建立的回歸模型應(yīng)用頻率較高。所以，本文在全面綜合各種欺詐因素的前提下，借助于Logistic技術(shù)建立多元回歸模型，進(jìn)而提出財(cái)務(wù)欺詐行為的識(shí)別模型與防范策略。

三、分析方法

（一）樣本選取

在實(shí)證分析過程中，需要選取具有信貸業(yè)務(wù)的上市公司作為實(shí)證分析的總樣本，并且在這些上市公司中有一部分企業(yè)存在有財(cái)務(wù)欺詐行為，另一部分沒有財(cái)務(wù)欺詐行為。并將其分為評(píng)估樣本和檢驗(yàn)樣本，其中評(píng)估樣本主要用于信貸風(fēng)險(xiǎn)下建立財(cái)務(wù)欺詐行為的識(shí)別模型，檢驗(yàn)樣本主要用于驗(yàn)證信貸風(fēng)險(xiǎn)下建立財(cái)務(wù)欺詐行為識(shí)別模型的可行性。

（二）邏輯回歸分析

為了確保樣本的科學(xué)性和可靠性，需要對(duì)評(píng)估樣本進(jìn)行邏輯回歸分析，而邏輯回歸分析具體是統(tǒng)計(jì)與識(shí)別研究對(duì)象，在進(jìn)行邏輯回歸分析之前需要確定出觀測(cè)變量的類別和觀測(cè)變量的具體值。邏輯回歸分析從本質(zhì)上來講就是將眾多的變量信息進(jìn)行歸集和分配，并據(jù)此構(gòu)建出相應(yīng)的識(shí)別模型，同時(shí)還需要確保識(shí)別模型在分類樣本時(shí)正確率達(dá)到最大。本文通過對(duì)“財(cái)務(wù)欺詐行為”與“非財(cái)務(wù)欺詐行為”的上市公司進(jìn)行歸類分析，并以此為基礎(chǔ)探討出反映這兩種上市公司相關(guān)性較高的特征變量，并建立起財(cái)務(wù)欺詐行為識(shí)別模型。通常情況下邏輯回歸識(shí)別模型為：

表4 驗(yàn)證p 值

其中，p是上市公司財(cái)務(wù)欺詐行為存在的概率，1-p是不存在財(cái)務(wù)欺詐行為的概率；a是截距；β 是回歸系數(shù)，x為實(shí)證樣本的特征變量。

（三）評(píng)估樣本判別概率

將評(píng)估樣本上市公司進(jìn)行標(biāo)準(zhǔn)化處理，接著將其相應(yīng)的財(cái)務(wù)數(shù)據(jù)指標(biāo)代入（1）式，求得這些企業(yè)財(cái)務(wù)欺詐行為的判別概率。判別概率越高，就意味著企業(yè)的財(cái)務(wù)信息質(zhì)量越好，反之企業(yè)的財(cái)務(wù)質(zhì)量就越低，最后確定出財(cái)務(wù)欺詐與非財(cái)務(wù)欺詐上市公司的分割點(diǎn)。

（四）檢驗(yàn)樣本驗(yàn)證模型

用檢驗(yàn)樣本進(jìn)一步驗(yàn)證財(cái)務(wù)欺詐行為識(shí)別模型的科學(xué)性與可行性，對(duì)上述利用評(píng)估樣本求出的分割點(diǎn)，運(yùn)用檢驗(yàn)樣本企業(yè)財(cái)務(wù)信息數(shù)據(jù)進(jìn)行驗(yàn)證，得出檢驗(yàn)樣本企業(yè)的正確檢驗(yàn)率，進(jìn)而評(píng)價(jià)出上市公司財(cái)務(wù)欺詐行為識(shí)別模型的鑒別力。

四、實(shí)證分析

（一）樣本選取

本文實(shí)證分析的樣本主要來自于巨潮資訊以及兩大交易所網(wǎng)站披露出來的滬深兩市上市企業(yè)的財(cái)務(wù)信息報(bào)告。樣本選擇的具體標(biāo)準(zhǔn)為2009-2013年持續(xù)經(jīng)營、沒有被取消上市資格的企業(yè)。

1.財(cái)務(wù)欺詐樣本的選取。由于國內(nèi)證券市場(chǎng)發(fā)展較慢，被查處存在有財(cái)務(wù)欺詐行為的上市公司比較少，再加上一些財(cái)務(wù)欺詐的上市企業(yè)年份較早，因而，為鑒于國內(nèi)上市公司財(cái)務(wù)欺詐行為存在的普遍性，本文將年報(bào)審計(jì)意見為“否定意見”亦或是“拒絕表示意見”的企業(yè)界定為存在財(cái)務(wù)欺詐行為的樣本。在此基礎(chǔ)上，本文參照2009-2013年的年報(bào)審計(jì)告意見，選取了130家上市公司作為財(cái)務(wù)欺詐樣本進(jìn)行實(shí)證分析。

2.配對(duì)樣本的選取。本文通過相應(yīng)的判定來確定配對(duì)樣本，即為滿足設(shè)定的條件，就可以界定為配對(duì)樣本。具體滿足的條件為：2009-2013年年報(bào)審計(jì)意見為 “標(biāo)準(zhǔn)無保留意見”、財(cái)務(wù)信息數(shù)據(jù)齊全、利潤與現(xiàn)金流量的乘積大于零。本文選出評(píng)估樣本中存在財(cái)務(wù)欺詐行為的上市公司為45家；與之相對(duì)應(yīng)的配對(duì)樣本45家主要依據(jù)會(huì)計(jì)期間相同、行業(yè)相似或相近以及企業(yè)規(guī)模相當(dāng)?shù)臈l件選出。檢驗(yàn)樣本為20家上市公司，其配對(duì)樣本同上選取方法。

（二）財(cái)務(wù)指標(biāo)選取

有研究指出上市公司的負(fù)債組合會(huì)提升其管理層推行財(cái)務(wù)欺詐行為的概率，當(dāng)財(cái)務(wù)杠桿提升時(shí)，財(cái)富就會(huì)從債權(quán)人轉(zhuǎn)向管理層，在既定債務(wù)契約既定情形中，管理者與所有者的信貸風(fēng)險(xiǎn)固化，也可以說一些風(fēng)險(xiǎn)已經(jīng)轉(zhuǎn)移到銀行。此類指標(biāo)可以選用負(fù)債率（DR）與產(chǎn)權(quán)比率（ER）來反映。

權(quán)責(zé)發(fā)生制為上市公司財(cái)務(wù)欺詐行為提供了技術(shù)支持，具體包含有企業(yè)的銷售收入、應(yīng)收賬款、壞賬準(zhǔn)備以及存貨，這些指標(biāo)的主觀判斷性使得它們具有更大的審計(jì)難度，而應(yīng)收賬款是欺詐的核心。這類指標(biāo)需要用應(yīng)收賬款存貨比率（AIR）、存貨比率（IR）與賒銷比率（CR）來反映。

盈利能力是企業(yè)盈余管理的重點(diǎn)，為了獲取更多的銀行貸款，業(yè)績相對(duì)較差的企業(yè)的欺詐可能性更大，此類指標(biāo)可以選取毛利率（GPR）、銷售利潤率（SPR）以及資金周轉(zhuǎn)率（CTR）、營運(yùn)資產(chǎn)率（OAR）來反映。

實(shí)證樣本數(shù)據(jù)收集之后，首先需要進(jìn)行篩選和處理：剔除因行業(yè)因素而影響指標(biāo)的樣本數(shù)據(jù)，接著再對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。本文對(duì)樣本數(shù)據(jù)進(jìn)行T檢驗(yàn)，具體結(jié)果見表1所示。

通過T檢驗(yàn)結(jié)果可以得出以下結(jié)論，從均值上來看，在信貸過程中存在財(cái)務(wù)欺詐行為的上市公司與不存在財(cái)務(wù)欺詐行為的上市公司的DR、AIR、GPR、CTR、OAR具有比較明顯的差異性，并且這些變量的雙尾T檢驗(yàn)顯著性都在0.05之下，所以上市公司的DR、AIR、GPR、CTR、OAR具有顯著差異；在信貸過程中存在財(cái)務(wù)欺詐行為的上市公司與不存在財(cái)務(wù)欺詐行為的上市公司ER、IR、CR、SPR的差別較小，且雙尾T檢驗(yàn)顯著性都在0.05之上，說明變量ER、IR、CR、SPR不能很好地區(qū)分出存在財(cái)務(wù)欺詐行為和不存在財(cái)務(wù)欺詐行為的上市公司。

通過上述分析，最終選取DR、AIR、GPR、CTR、OAR作為信貸風(fēng)險(xiǎn)下上市公司財(cái)務(wù)欺詐行為的識(shí)別模型變量。

（三）信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐識(shí)別模型的構(gòu)建

對(duì)選取的90家評(píng)估樣本財(cái)務(wù)信息數(shù)據(jù)，借助于統(tǒng)計(jì)分析軟件SPSS 17.0 進(jìn)行邏輯回歸分析。邏輯回歸分析的具體流程是，依據(jù)已有觀測(cè)變量存在財(cái)務(wù)欺詐上市公司（y=0）與非財(cái)務(wù)欺詐上市公司（y≠0）的分類以及用以表示財(cái)務(wù)比率的變量，進(jìn)而推導(dǎo)出相應(yīng)的邏輯回歸模型，并把相應(yīng)自變量的值回代到回歸模型中去。在構(gòu)建模型之前需要對(duì)所選財(cái)務(wù)比率變量進(jìn)行邏輯分析，發(fā)現(xiàn)應(yīng)收賬款存貨比率變量未通過檢驗(yàn)，故而需要將其剔除出去。接著再對(duì)所剩的財(cái)務(wù)比率變量與Y進(jìn)行分析，結(jié)果顯示出模型具有一定的顯著性。

回歸檢驗(yàn)結(jié)果見表2，在Wald統(tǒng)計(jì)檢驗(yàn)結(jié)果中顯示，除X4在0.1水平上顯著，X1、X2、X3在0.05水平上顯著，進(jìn)一步證實(shí)了兩種上市公司的特征變量之間具有顯著的差別性。

依據(jù)表2中回歸結(jié)果可以得到信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐識(shí)別模型：

其中，X1、X2、X3、X4分別為DR、GPR、CTR、OAR。

接著需要將評(píng)估樣本上市公司各項(xiàng)財(cái)務(wù)比率值標(biāo)準(zhǔn)化之后的數(shù)據(jù)代入式（2），進(jìn)而可以求得各評(píng)估樣本的p值，結(jié)果見表3。

用構(gòu)建好的模型對(duì) 90家原始樣本進(jìn)行歸類，依據(jù)最小錯(cuò)誤歸類原則，在p=0.5時(shí)，財(cái)務(wù)欺詐行為的上市公司<0.5的個(gè)數(shù)為43家，占到95.6%；配對(duì)樣本的上市公司>0.5的個(gè)數(shù)為42，占到93.3%。所以有94.4%的判斷正確率，原始樣本的預(yù)測(cè)結(jié)果相對(duì)比較滿意，故而，可以得出0.5即是這兩種上市公司的分界點(diǎn)。

（四）識(shí)別模型檢驗(yàn)

為了進(jìn)一步驗(yàn)證構(gòu)建模型的可行性，本文將40家檢驗(yàn)樣本的x1、x2、x3、x4四個(gè)變量值代入模型中，求出相應(yīng)的概率值p，并將p與0.5比較，比較結(jié)果見表4。

從表4中可以看出，小于0.5的財(cái)務(wù)欺詐上市公司為18家，大于0.5的配對(duì)樣本上市公司為18家，所以有90%的判斷正確率，由此可以看出本文構(gòu)建的信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐行為識(shí)別模型具有一定的可行性。

五、信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐行為的防范

通過實(shí)證分析，毛利率（GPR）、銷售利潤率（SPR）以及資金周轉(zhuǎn)率（CTR）、營運(yùn)資產(chǎn)率（OAR）界定為信貸風(fēng)險(xiǎn)下財(cái)務(wù)欺詐行為識(shí)別標(biāo)準(zhǔn)。較之于同行業(yè)來講，倘若上市公司在這些指標(biāo)上存有異常狀況，就可以斷定該上市公司存有欺詐嫌疑，因此，需要采取相應(yīng)的措施來防范。比如，可以營造健康的信貸環(huán)境，規(guī)范政府部門對(duì)信貸市場(chǎng)以及上市公司的行政干預(yù)力度、健全注冊(cè)會(huì)計(jì)師審計(jì)體系、強(qiáng)化誠信體系建設(shè)、加強(qiáng)上市公司的內(nèi)部控制工作、完善上市公司會(huì)計(jì)信息披露的管理系統(tǒng)，建立相應(yīng)的會(huì)計(jì)準(zhǔn)則等等。

與此同時(shí)，本文所選取的財(cái)務(wù)指標(biāo)變量是縱向數(shù)據(jù)，故而，在運(yùn)用財(cái)務(wù)杠桿以及盈利能力等相關(guān)財(cái)務(wù)指標(biāo)去辨識(shí)財(cái)務(wù)欺詐行為的同時(shí)，既能夠?qū)⑸鲜泄緮?shù)據(jù)與同行業(yè)進(jìn)行比較，又能夠?qū)⑸鲜泄咀陨淼呢?cái)務(wù)報(bào)告數(shù)據(jù)進(jìn)行縱向化的比較。

1.Bell, Timothy B., Carcello, Joseph，Spring 2000，A decision aid for accessing the likelihood of fraudulent financial reporting，Auditing, 19：169-184.

2.Ch.Spathis, M.Doumpos and C.Zopounidis，2002，Detecting falsified financial statements：a comparative study using multicriteria analysis and multivariates statistical techniques，The European Accounting Review, 11：：509-535.

3.王建瓊,王懷東.財(cái)務(wù)欺詐手段識(shí)別:來自中國上市公司的實(shí)證分析.軟科學(xué).2009（12）

4.馬天壤.我國財(cái)務(wù)欺詐的現(xiàn)狀與對(duì)策.人口與經(jīng)濟(jì).2012

5.李月梅.論財(cái)務(wù)欺詐的防范.山西財(cái)經(jīng)大學(xué)學(xué)報(bào).2012

6.趙自強(qiáng),陳曦.我國上市公司風(fēng)險(xiǎn)因素與財(cái)務(wù)報(bào)表舞弊預(yù)測(cè).商業(yè)研究.2013（12）