上市公司财务舞识别模型研究.docVIP

上市公司财务舞弊识别模型研究 　　【摘 要】论文在研究中选取了14个具有代表性的指标来对中国2000年-2015年间多达484家舞弊公司中的60家样本和1：1配比的60家非舞弊样本进行二分量的Logistic回归分析，分析得出上市公司财务舞弊的可能性识别模型，从而对舞弊公司的识别提出新的思路和角度。 中国论文网 /1/viewhtm　　【关键词】财务舞弊;识别研究;Logistic回归模型 　　一、识别模型的选择 　　 国内外学者运用了多种模型对财务舞弊进行识别。本文认为单因素方差分析、多元判别分析和多元概率回归模型均要求样本服从正态分布，而舞弊公司不服从正态分布，人工神经网络模型的种类差异较大，而且精度也有待进一步考量。逻辑回归模型不要求样本服从正态分布和两组协方差矩阵相等，而且其适合于因变量为二分类的问题，模型建立后只需将具体的财务数据代入得到概率值P，即可得知该公司发生财务舞弊的概率，因此非常方便且应用广泛。综上所述，本文将结合逻辑回归（Logistic回归）模型来进行财务舞弊识别模型的研究。 　　二、样本选择与数据来源 　　 （一）数据来源 　　 本文中上市公司历年的财务舞弊信息数据来源于国泰安数据库《中国上市公司财务指标分析数据库》（CSMAR）自2000年到2015年间的所有舞弊公司，按照证券行业分类分为19个行业大类，并且结合了沪、深证券交易所、中国证监会网站所提供的上市公司的年度财务报告和和讯网、东方财富网等网站提供的数据信息。 　　 （二）样本选择和说明 　　 本文研究的样本包括舞弊样本和非舞弊样本，根据数据库发现2000年1月至2015年6月，由上海交易所、深圳交易所和中国证监会公告处罚的有484家。根据证监会2012年公布的《上市公司行业分类指引》，其中剔除金融服务行业，因为金融机构的会计处理与一般企业不同。 　　 本文先根据行业对舞弊企业进行分类，再按每个行业的舞弊数量占总体舞弊企业的比例来分配每个行业要抽取的舞弊样本数量，最后通过简单随机抽样的方法抽取2000―2015年之间的舞弊公司并选取首次舞弊来作为样本。 　　 本文按以下顺序来选择舞弊样本。 　　 ①本文选取从2000-2015年在深沪两市发行的A股，并且因为财务舞弊被证券交易所和监督委员会公开处罚的上市公司。 　　 ②本文选取上市公司的年报数据进行分析。 　　 ③采用简单随机抽样，如果该公司连续几年实施了财务舞弊，则以第一个舞弊年度来作为样本。 　　 （三）非舞弊样本选择和说明 　　 本文选取与舞弊样本同行业且资产规模相近并未被披露违规从未受到监督部门处罚的公司，其中行业分类按照中国证监会公布的《上市公司行业分类指引》为参照标准。资产规模以舞弊公司发生舞弊那年的年报中的资产总额来作为标准选取。 　　 最后，本文选取了60组舞弊样本和60组非舞弊样本。 　　 选好舞弊样本和非舞弊样本后，以资产规模为变量进行了配对样本的T检验。配对样本T检验过程主要用于样本均数的比较，检验配对样本差值的总体均数与总体均数0的差异有无统计意义，以及检验配对两样本是否相关。本文用SPSS17.0菜单中的Paired-Samples T Test过程执行t检验。 　　 表2 Paired Samples Statistics 　　 表2显示，舞弊样本的：样本例数（N）=60，样本均数（Mean）=2.7188E9，标准差（Std.Deviation）=3.57351E9，标准误（Std. Error Mean）=4.61338E8。 　　配对样本：样本例数（N）=60，样本均数（Mean）=2.3610E9，标准差（Std.Deviation）=3.19120E9，标准误（Std. Error Mean）=4.11982E8。 　　 表3 Paired Samples Correlations 　　 　　 表3显示配对变量间的相关性分析结果。配对数（N）=60，相关系数（Correlattion）=0.930，P（Sig）=0.000，P 　　 企业的非财务信息主要包括了公司的治理结构和股权结构的特征。本文选取了较为代表性的4个指标，分别是独立董事所占比例、高管人员持股比例、国有股比例、流通股比例。 　　 假设三：公司的外部审计对公司财务舞弊的识别具有一定作用。 　　 审计报告是注册会计师基于职业操守和专业知识对企业财务报告的客观认定和评价。因此，本文选取了审计意见和审计费用来作为舞弊识别模型的变量。 　　 （二）变量的财务舞弊涵义解释 　　 首先，本文建立的财务舞弊识别模型主要是识别虚假财务报告的，因此本文选取的变量指标大多是针对财务报表舞弊后的识别。除此之外，本文结合了舞弊三角论的思想作为参