曹乃文

部分上市企業(yè)為了滿足其盈利預(yù)期，避免因業(yè)績虧損而造成退市的不利后果，可能采取財(cái)務(wù)操縱的違法違規(guī)手段。例如泰科和世界通訊、*ST國藥、萬福生科、康美藥業(yè)等。財(cái)務(wù)操縱導(dǎo)致投資者虧損，嚴(yán)重?cái)_亂市場的秩序，影響市場的健康發(fā)展。因此，需要對財(cái)務(wù)操縱進(jìn)行分析與判別，從理論和實(shí)踐兩方面對企業(yè)的經(jīng)濟(jì)行為進(jìn)行規(guī)范。

國內(nèi)外對于財(cái)務(wù)操縱的研究主要停留在對其資本成本、外部籌資等方面的分析探討上，以機(jī)器學(xué)習(xí)為主的現(xiàn)有的識別技術(shù)，已經(jīng)得到了廣泛的應(yīng)用，并取得了可觀的成就。本文對康美藥業(yè)財(cái)務(wù)操縱的典型案例進(jìn)行分析，對其采用的操縱手段、動(dòng)機(jī)等進(jìn)行分析與挖掘，提出防范策略，建立識別的模型，為今后辨別可能出現(xiàn)的財(cái)務(wù)操縱現(xiàn)象提供理論參考依據(jù)。

本文的貢獻(xiàn)如下：1.有利于改善國內(nèi)投資環(huán)境。眾所周知，上市公司財(cái)務(wù)數(shù)據(jù)造假會(huì)影響投資者對該上市公司目前經(jīng)營的實(shí)際狀況的判斷，從而影響投資者的投資決策。本文通過對康美藥業(yè)財(cái)務(wù)造假案例的分析，揭露其財(cái)務(wù)操縱的惡劣行為，深入分析其財(cái)務(wù)操縱行為的表現(xiàn)，并提出相應(yīng)的防范措施，以此警醒上市公司，促使其注重財(cái)務(wù)信息披露的真實(shí)性和合理性，并為投資者的投資決策提供參考。2.通過建立模型，幫助投資者辨別財(cái)務(wù)操縱的跡象和手段，從而提高投資者對投資對象真實(shí)財(cái)務(wù)狀況的識別、判斷能力，使之避免踩雷，有利于提高投資者決策質(zhì)量。

總結(jié)過往的研究文獻(xiàn)，可以看到，國外市場發(fā)展得較早，對財(cái)務(wù)操縱的研究也比較完善，在這方面形成了相關(guān)理論，且在對上市公司財(cái)務(wù)操縱的原因和表現(xiàn)的研究中，其理論研究的成果更豐富，也更全面。而國內(nèi)學(xué)者主要對財(cái)務(wù)操縱的研究主要集中在其動(dòng)機(jī)、手段以及如何治理財(cái)務(wù)操縱等方面。雖然國外已經(jīng)構(gòu)建了較為成功的研究模型，但這些研究模型是以西方發(fā)達(dá)的資本市場環(huán)境為研究背景構(gòu)建的，其中有一部分并不適用于國內(nèi)環(huán)境。因此，本文選用國內(nèi)較典型的上市公司財(cái)務(wù)操縱案例——康美藥業(yè)財(cái)務(wù)造假事件為研究對象，初步構(gòu)建針對上市公司財(cái)務(wù)操縱行為的識別模型，重點(diǎn)研究其財(cái)務(wù)操縱行為，總結(jié)相關(guān)經(jīng)驗(yàn)，希望以此促進(jìn)資本市場的健康發(fā)展。

財(cái)務(wù)風(fēng)險(xiǎn)狀況與操縱

2019年4月30日，康美藥業(yè)發(fā)布的“會(huì)計(jì)差錯(cuò)”公告中，聲明2018年前的營業(yè)收入和成本出了差錯(cuò)，經(jīng)過調(diào)整發(fā)現(xiàn)，貨幣資金增加了299.44億元。根據(jù)證監(jiān)會(huì)調(diào)查發(fā)布的《告知書》中詳細(xì)披露的康美造假明細(xì)，兩年半內(nèi)，該公司累計(jì)虛增貨幣資金約886億元，康美藥業(yè)的財(cái)務(wù)報(bào)表中存在“存貸”雙高、應(yīng)收賬款被關(guān)聯(lián)方占用、存貨異常等情況。

“存貸”雙高現(xiàn)象

從賬面看來，康美藥業(yè)的資金流動(dòng)情況良好，流動(dòng)比率符合同行業(yè)水平（在1—2之間浮動(dòng)）。但因?yàn)楣玖鲃?dòng)資產(chǎn)中的應(yīng)收賬款、票據(jù)和存貨等占比較大，所以流動(dòng)資產(chǎn)的流動(dòng)性有許多水分，公司償債能力無法得到充分體現(xiàn)。因此筆者搜索康美的貨幣資金和帶息負(fù)債數(shù)據(jù)：從時(shí)間看來，早在2010年康美藥業(yè)高存高貸的現(xiàn)象就有了苗頭。尤其在 2014年往后，每年都有穩(wěn)定的增長，公司的資產(chǎn)負(fù)債表上除了現(xiàn)金還有就是有息負(fù)債。公司雖然資金充裕，但債臺高筑。

應(yīng)收賬款被關(guān)聯(lián)方占用

我國上市公司發(fā)展的歷史中，時(shí)常有公司資金被大股東占用的現(xiàn)象，且涉及金額巨大。雖然近年來證監(jiān)會(huì)對這一塊的管控愈發(fā)嚴(yán)厲，但這一現(xiàn)象并沒有消退，反而有金額增大、手段升級、渠道增多、國有公司數(shù)量增加的跡象?？得浪帢I(yè)與關(guān)聯(lián)方交易僅是為達(dá)到占用貨幣資金、掩蓋財(cái)務(wù)操縱目的。2016年以來，康美藥業(yè)與其關(guān)聯(lián)方三年期末交易額累計(jì)達(dá)到136億元，但是，交易資金均未實(shí)際進(jìn)入財(cái)務(wù)管理流程，這是非常令人懷疑的風(fēng)險(xiǎn)因素。

存貨異常

康美藥業(yè)存貨雖連年增長，其營業(yè)收入增長率卻連年放緩。同時(shí)，其存貨周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率的聯(lián)合指數(shù)走低，表明公司的實(shí)際營業(yè)能力在下降。

財(cái)務(wù)操縱

對于財(cái)務(wù)操縱現(xiàn)象，一般通過企業(yè)所處時(shí)期、環(huán)境、背景來分析其行為動(dòng)機(jī)和粉飾的可能性，一般可通過財(cái)務(wù)報(bào)表的業(yè)務(wù)邏輯與勾稽關(guān)系來識別，發(fā)現(xiàn)異常信息，進(jìn)行同行對比與同期對比來發(fā)現(xiàn)操縱貓膩?；仡櫩得浪帢I(yè)財(cái)務(wù)操縱的整個(gè)過程，其集中爆發(fā)期為2016年至2018年，經(jīng)過證監(jiān)會(huì)證實(shí)，康美藥業(yè)隱瞞了與關(guān)聯(lián)方的交易，主要采用偽造發(fā)票、虛構(gòu)存單和虛構(gòu)憑證等手段，非法占用了經(jīng)營性資金，存在虛增收入、虛增資產(chǎn)和違法買賣股票等違規(guī)行為。

財(cái)務(wù)操縱識別模型構(gòu)建

樣本選取

以2009-2019年十年間的ST公司與非ST公司為研究樣本，研究數(shù)據(jù)來源于銳思金融數(shù)據(jù)庫。收集271家ST公司樣本，并按照同比比例，對照選取非ST公司271家。審計(jì)意見為標(biāo)準(zhǔn)無保留，行業(yè)相同、規(guī)模相近等。對一些缺省的值做了預(yù)處理，保證模型精度不受影響。

指標(biāo)選取

根據(jù)資產(chǎn)負(fù)債表從四個(gè)方面（盈利能力、償債能力、現(xiàn)金能力和營運(yùn)能力）進(jìn)行指標(biāo)選擇，共13項(xiàng)。研究中盡可能收集和案例分析操縱手段相關(guān)的指標(biāo)，而不是選取每一類全部指標(biāo)。

模型建立

BP神經(jīng)網(wǎng)絡(luò)模型是一種人工仿生網(wǎng)絡(luò)模型，它通過預(yù)先輸入數(shù)據(jù)來自學(xué)數(shù)據(jù)內(nèi)在蘊(yùn)含的規(guī)律，該網(wǎng)絡(luò)模型的內(nèi)部含有大量類似神經(jīng)細(xì)胞的節(jié)點(diǎn)。第一個(gè)前向傳播過程是在輸入層中輸入每個(gè)樣本的指標(biāo)數(shù)據(jù)（X1-X13），經(jīng)過一定的線性變換得到隱含層的數(shù)據(jù)輸入，然后再激活函數(shù)，得到一個(gè)介于0-1之間的值作為輸出。隱含層的輸入依照上面過程最終傳遞到輸出層中，通過非線性變換產(chǎn)生的輸出信號Y是判斷公司是否存在財(cái)務(wù)造假的依據(jù)。將該判斷值與公司實(shí)際情況進(jìn)行比較，如果產(chǎn)生誤差則反傳給輸入層，調(diào)整之前線性變換中使用的權(quán)重。誤差將分?jǐn)傊撩恳粚铀袉卧?，從而使每個(gè)單元權(quán)重值得到調(diào)整，誤差沿梯度方向減小，實(shí)現(xiàn)梯度下降。最后，經(jīng)過多輪反復(fù)訓(xùn)練，使均方誤差最小化。記錄此時(shí)的權(quán)值與閾值，從而得到訓(xùn)練好的模型。

在正式建立模型前，先做數(shù)據(jù)預(yù)處理，去除542個(gè)樣本中的缺失值和重復(fù)值，10年有效數(shù)據(jù)共3665條，之后對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的處理。再使用python建立BP神經(jīng)網(wǎng)絡(luò)：首先進(jìn)行數(shù)據(jù)分割，按比例（7：3）劃分訓(xùn)練集和檢驗(yàn)集。其次建立神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)，隱藏層數(shù)為1層，將隱藏層中最小單元數(shù)設(shè)置為1，最大單元數(shù)設(shè)置為50，激活函數(shù)為雙曲正切函數(shù)，輸出層數(shù)為1層全連接Softmax。以批次訓(xùn)練為訓(xùn)練類型，優(yōu)化算法選擇標(biāo)準(zhǔn)共軛梯度。對模型性能的評估選用ROC曲線、混淆矩陣，能夠更加直觀地反映預(yù)測結(jié)果的好壞。

研究結(jié)論和建議

結(jié) 論

模型輸出的結(jié)果范圍為[0，1]，當(dāng)取值越接近1時(shí)，這個(gè)樣本是財(cái)務(wù)操縱公司的把握更大；當(dāng)輸出結(jié)果越接近0時(shí)，這個(gè)樣本為非財(cái)務(wù)操縱公司的把握更大。根據(jù)規(guī)則，設(shè)定0.5為閾值，當(dāng)輸出概率大于0.5時(shí)，此樣本為財(cái)務(wù)操縱公司；當(dāng)模型輸出結(jié)果小于等于0.5時(shí)，此樣本為非財(cái)務(wù)操縱公司。

BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型識別結(jié)果在訓(xùn)練集中有77.7%的非財(cái)務(wù)操縱公司被識別正確，54.9%的財(cái)務(wù)操縱公司被識別出來；在檢驗(yàn)集中有高達(dá)80.3%的非財(cái)務(wù)操縱公司被正確識別，51.9%的財(cái)務(wù)操縱公司被正確識別。訓(xùn)練集的總體識別準(zhǔn)確率達(dá)67.0%，檢驗(yàn)集樣本的總體正確率達(dá)66.9%。

建 議

1.審計(jì)機(jī)構(gòu)應(yīng)盡職盡責(zé)，以扼制財(cái)務(wù)操縱行為發(fā)生

在本案例中，正中珠江事務(wù)所沒有嚴(yán)格按照正常、規(guī)范的審計(jì)程序?qū)得浪帢I(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行審核，未能及時(shí)發(fā)現(xiàn)其財(cái)務(wù)操縱行為，以致在審計(jì)結(jié)束后為康美出具無保留意見，這屬嚴(yán)重的失職。由此看來，審計(jì)機(jī)構(gòu)在審計(jì)過程中走形式、銀行函證程序不科學(xué)不規(guī)范等審計(jì)漏洞會(huì)為上市公司財(cái)務(wù)數(shù)據(jù)造假創(chuàng)造機(jī)會(huì)。故審計(jì)機(jī)構(gòu)應(yīng)當(dāng)嚴(yán)格遵循審計(jì)的規(guī)則，將審計(jì)落到實(shí)處，盡職盡責(zé)地完成對上市企業(yè)的財(cái)務(wù)審計(jì)，不放過任何細(xì)節(jié)，不給財(cái)務(wù)操縱、財(cái)務(wù)造假行為留下任何可能的漏洞。

2.投資者應(yīng)當(dāng)加強(qiáng)財(cái)富管理風(fēng)險(xiǎn)意識

證券投資是當(dāng)下普及的公眾投資方式之一，但普通投資者普遍缺乏金融知識、風(fēng)險(xiǎn)意識，容易受到公司披露的虛假信息的誘導(dǎo)。因此，投資者應(yīng)當(dāng)加強(qiáng)相關(guān)基礎(chǔ)知識的儲(chǔ)備、積累，以較為完善的風(fēng)險(xiǎn)評估體系對自己的投資行為進(jìn)行風(fēng)險(xiǎn)評估，明確投資定位與風(fēng)險(xiǎn)承受度，并且要多關(guān)注相關(guān)企業(yè)的經(jīng)濟(jì)行為，積極主動(dòng)地發(fā)揮社會(huì)監(jiān)督作用。

3.促進(jìn)識別模式和手段的創(chuàng)新與改進(jìn)

現(xiàn)有技術(shù)可以實(shí)現(xiàn)初步的二分類，但是在指標(biāo)選取、數(shù)據(jù)收集和處理等方面的細(xì)節(jié)還存在許多難以解決的問題，如訓(xùn)練集的數(shù)量與真實(shí)性不足，難以支撐有效分類、預(yù)測分類效果精度較差、缺乏針對實(shí)際問題的參數(shù)優(yōu)化調(diào)整方案等。未來可以考慮采用更新穎的模型和算法，或者用多種方法結(jié)合的判別方式進(jìn)行財(cái)務(wù)操縱、財(cái)務(wù)造假的識別。

（中南財(cái)經(jīng)政法大學(xué)）