审计合谋的特征变量.docVIP

审计合谋的特征变量、预警模型及其效果研究 关键词：审计合谋预警 异常财务特征 股权结构 公司治理 审计收入依赖 一、问题的提出与意义（P55） 证券市场揭露的审计失败，几乎都是审计合谋的结果，给利益相关者造成了重大经济损失，也严重损害了审计市场的基本秩序与声誉。现实中，公司的外部利益相关者（如中小股东和潜在股东、债权人等）更期望监管机构能及早发现审计合谋的苗头，防患于未然，于事后惩罚审计合谋相比，审计合谋预警更有价值。 在现有研究中，与审计合谋有一定关系的主要有两类： 一类是关于财务报告舞弊预警的研究，如Spathis, Doumpos 和Zopounidis(2002)、刘立国和杜莹（2003）、秦江萍（2006）、陈国欣、吕占甲和何峰（2007）、吴革和叶陈刚（2008）等从上市公司的财务状况和（或）股权结构进行预警研究，只涉及上市公司方面的因素，并未涉及审计师以及设计师与管理当局合作这两大变量的影响，因而不是真正意义上的关于审计合谋的预警研究，但对本研究有一定的参考作用。 第二类是关于审计合谋预警的规范研究，如雷光勇（2005）从审计意见的需求方、供给方和外界环境三个方面来识别（即本文的“预警”）审计合谋，但没有提供经验证据，也没有构建相应的预警模型。 本文的主要创新与贡献在于： （1）理论研究弥补审计合谋预警研究缺乏预警效果较好的实证模型的缺陷。 （2）人们可以利用该预警模型测试上市公司，较为准确且较早的发现具有合谋倾向的上市公司和审计师，有利于监管机构高效“锁定”审计合谋者。 二、样本选取与数据来源（P56） 我们从2002——2008年证监会针对上市公司财务报告舞弊做出的公开处罚报告中，采取事件研究法，获取32个可以作为审计合谋的样本。在控制样本选取上，考虑到审计合谋样本太少，按1:1配比样本容量略显不足，不适合做多元回归分析，且可能对舞弊公司过度抽样而导致强化合谋公司（Platt 2002），而按总体分布比例配比又可能导致弱化合谋公司的结果（Ohlson，1980），因此我们按照1:3配比并严格按照下述三项条件选取96家正常公司（没有因会计舞弊而遭受处罚）作为控制样本。 （1）Platt 和Pedersen （1994）、Huang （1994）在做财务困境预测研究时都把样本严格控制在相同行业内，行业也是影响舞弊发生的因素之一（Pedersen，1995）。因此本文限定控制样本在相同行业、相同会计年度内选取。 （2）规模相同的上市公司在公司业绩、管理行为等方面更具可比性，本文在选取控制样本时保证资产规模相近。 （3）控制样本公司没有披露存在财务舞弊和被处罚的历史。 本研究中使用的处罚公告、公司财务数据、审计数据来自于中国证监会网站和国泰安公司开发的CSMAR数据库。 三、审计合谋的预警视角与特征变量（P56） （一）审计合谋的预警视角与特征变量 在构建审计合谋预警模型时，分别而综合地考虑如下三类因素： （1）审计合谋与财务报告舞弊的共生关系（雷光勇，2004）。 （2）股权结构和治理结构的不当安排为审计合谋提供了环境条件。 （3）审计师追逐不当审计收入对审计合谋提供的动力机制。 异常财务特征 变量 含义 变量 含义 X1 流动资产比率 X2 总资产增长率 X3 净利润增长率 X4 财务杠杆系数 X5 净资产收益率 X6 应收账款/销售收入 X7 总资产周转率 X8 每股盈余公积/总资产 X9 每股未分配利润/总资产 股权结构与公司治理 X10 第一大股东持股比例 X11 机构持股比率 X12 管理层持股比例 X13 总经理兼任董事长 X14 董事会人数 X15 独立董事比例 X16 高管人数 审计师特征 X17 审计师变更 X18 审计意见改善 X19 审计任期 X20 对某客户审计费用依赖程度 X21 事务所规模 （二）审计合谋预警的特征变量 区分合谋样本与正常样本进行描述性统计，其中差异较大的变量有X1、X2、X3、X5、X6、X7、X13、X18和X20. 模型（1）的多元回归分析结果，与Collusion显著相关的变量有X1、X3、X5、X7、X9、X13、X16、X18、X20. 四、预警模型的构建及判定效果（P59） （一）单变量判定 从回归分析获取的审计合谋预警的特征变量为X1、X3、X5、X7、X9、X13、X16、X18、X20。但虚拟变量是二元变量，用其进行判定预测意义不大。因此选择非虚拟变量，通过确定模型的最佳判定点来判定上市公司是否合谋。从判定结果看，不论使用哪个指标，误判率均较高，即使判定效果最好的总资产周转率，误判率也达到27.3%。 （二）多变量判定 1、LPM模型 以审计合谋的特征变量为解释变量，建立线性概率模型（LPM）进行回归分析，得到L