信息时代舞弊审计新工具.doc

信息时代舞弊审计新工具 ——奔福德定律及其来自中国上市公司的实证测试 【摘要】 奔福德定律是一个早在1881年就被人们发现的数学定律，该定律描述了整数1～9在数据首位出现的概率分布规律。近些年来，随着信息技术和调查与法务会计在北美会计领域的兴起，借助于现代计算机数值分析技术，人们发掘了这一古老数学规律在舞弊审计方面所具有的独特功效。本文在简要介绍奔福德定律的基础上，利用我国上市公司的财务数据资料对奔福德定律进行了测试，得出了一系列有意义的结论，提出了以奔福德定律作为信息时代舞弊审计新工具，查找上市公司财务舞弊征兆的新思路。 【关键词】 奔福德定律 舞弊审计 上市公司 测试 舞弊征兆 奔福德定律(Benford’s Law)是一个早在1881年就被人们发现，古老而有趣的数学定律。近些年来，随着XBRL技术和计算机辅助数据分析技术在审计领域的应用，借助于计算机数值分析技术，人们发现了这一定律在侦查财务舞弊征兆方面所具有的独特功效，使得沉睡了百余年的古老数学定律焕发出了新的生机。本文利用我国上市公司提供的公开财务数据，借助于数值分析技术手段，就我国上市公司公布的主要财务数据的数字的数值表现是否符合奔福德定律进行了验证性测试。 一、奔福德定律：古老而又有趣的数学规律 奔福德定律是由美国数学家、天文学家塞蒙.纽卡姆(Simon Newcomb)在1881年首次偶然发现的。1881年的一天在使用对数表做计算时，塞蒙.纽卡姆突然注意到了对数表的第一页要比其他页更为破旧。奇怪的现象激发了他的研究兴趣，当时他所能得到的唯一的解释是人们对小数字的计算量要大于对大数字的计算量。经过大量的统计分析，他发现了许多类型的数字都很好地符合这样的规律：以1为第一位数的随机数要比以2为第一位数的随机数出现的概率要大，而以2为第一位数的随机数要比以3为第一位数的随机数出现的概率要大，以此类推。当时塞蒙.纽卡姆关注这一数学现象完全是出于好奇，并没有对这一定律做出任何解释。由于当时的人们对这一规律的运用缺乏兴趣，塞蒙.纽卡姆的这一发现很快就被人们淡忘了。 1938年，美国通用电器(GE)的物理学家弗瑞克.奔福德(Frank Benford)注意到了同样的现象。他收集并验证了总数为20229个数字，其中包括篮球比赛的数字，河流的长度、湖泊的面积、各个城市的人口分布数字、在某一杂志里出现的所有数字。他发现在这些数字中，整数l在数字中第一位出现的概率大约为30%；整数2在数字中第一位出现的概率大约为17%，整数3在数字第一位出现的概率约为12%，而8和9在数字中第一位出现的概率约为5%和4%。这一规律因此也被人们称为“第1位数分布规律”。 以下是弗瑞克.奔福德在1938年推导出的描述奔福德定律的数学表达式： E’[digit(n)]=log10(l+l/n) 式中：N为整数l，2，3，4，5，6，7，s，9……，E’[digit(n)]为整数N在数字首位出现的期望概率。我们分别将整数l，2，3，4，5，6，7，8，9代人上式，我们便可以得出各整数在正常分布的样本数据首位上出现的概率。表1和图1给出了整数1~9在数字首位上出现的期望概率数值与分布图。 在奔福德1938年对数据首位数出现的期望概率研究的基础上，后人又进一步研究与推广了这一理论，研究与拓展了数字0～9在数位的第二位、第三位、第四位以及前两位数和后两位数的分布概率。表2与图2给出了数字0～9在第二位、第三位、第四位数出现了期望概率值及其分布图。 奔福德定律揭示了数字0～9在呈自然状态下数据的不同位数上的概率分布的统计规律。利用这样的规律，我们可以通过检查各类财务数据是否符合奔福德定律来判定这些数字是否经过人为操纵。如果某类财务数据经过人为的操控，比如受到盈余管理或会计造假的非正常操作，而呈非自然状态，那么这类数据的数值分布就会与奔福德定律所描述的理论数值分布值存在一定程度的差异。鉴于此，我们可以将奔福德定律作为检查财务数字信息是否真实的检验器。 二、奔福德定律的验证性测试：来自中国上市公司的数据 (一) 样本选择与数据来源 本文选择了截止于2006年12月8日沪深两市发行A股的1447家上市公司公布的6项主要财务指标：资产总额、股东权益总额、资本公积、主营业务收人、利润总额和净利润为样本数据。 行业分类按照中国证监会对行业划分的方法，选取了信息技术、食品饮料、医药生物、房地产业、农林牧渔、普通机械、电器机械等14类行业。 板块类别按照ST公司、中小企业、中证100、沪深B股、沪深300和新富200选择样本数据。 财务报表舞弊样本公司选择在近年因提供虚假财务报告而受到中国证监会公开处罚的上市公司，包括银广夏、蓝田股份(ST生态)、西安达尔曼、大庆联谊和天津磁卡。样本数据取自这些公司自1999年至2005年以