财务舞弊大数据识别：反思与重构.pdf

DOI：10．19641/j．cnki．42-1290/f．2024．10．005

财务舞弊大数据识别：反思与重构

潘修中（博士）

【摘要】当前的财务舞弊大数据识别，实际上是先用显著指标对舞弊公司样本“画像”，再依据画像结果寻找

与舞弊样本相似的有舞弊嫌疑的公司。这种通过舞弊样本“画像”识别财务舞弊的做法，存在着刻舟求剑、按图索

骥、盲人摸象、准确率幻觉等问题。造成这些问题的根本原因在于，当前的财务舞弊大数据识别忽视了财务舞弊

“人的行动”本质。因此，有必要回到财务舞弊“人的行动”本质，重构财务舞弊大数据识别模式。重构财务舞弊大

数据识别，应以演绎推理的方式获得真实舞弊行动的知识，并以真实舞弊行动作为识别重点。具体的思路是：首

先通过假构法领悟真实的财务舞弊行动，再以指标组合的形式刻画财务舞弊行动，最后参照金税系统筛选出存在

舞弊行动的公司。

【关键词】财务舞弊；大数据识别；准确率；人的行动

【中图分类号】F275【文献标识码】A【文章编号】1004-0994（2024）10-0026-6

上市公司财务舞弊是资本市场的“毒瘤”，有效识别现，在遴选的28个解释变量中有13个指标在舞弊样本和

财务舞弊是资本市场健康发展的重要保障。与传统的依非舞弊样本间存在显著差异；洪文洲等（2014）通过对舞

赖会计逻辑识别财务舞弊相比，利用大数据识别财务舞弊公司和非舞弊公司进行双样本t检验，发现在其遴选的

弊无疑具有更高的效率。自Loebbecke和Willingham27个指标中，折旧率变动指数等11个指标的系数在5%的

（1988）基于美国证监会（SEC）会计和审计强制公告数据水平上显著；韩丽荣等（2015）通过Wilcoxon符号秩检

构建财务舞弊风险识别模型（L/W模型）以来，财务舞弊验，筛选出应收账款周转天数变动指数等11个指标用以

大数据识别日渐成为财务舞弊识别的主流方式。但任何判别财务舞弊。第四，构建识别模型拟合指标与财务舞

事物均有两面性，财务舞弊大数据识别也是如此。因此，弊之间的相关关系，并以此作为预测财务舞弊的依据。

本文拟在回顾国内相关文献的基础上，总结当前财务舞比如，熊方军和张龙平（2016）通过构建逻辑（Logistic）财

弊大数据识别的基本做法和发展趋势，剖析财务舞弊大务舞弊识别模型分析发现，强制回归的ESTATCLASS正

数据识别存在的问题及其成因，并对财务舞弊大数据识确率达到78.57%，混合逐步回归的ESTATCLASS正确

别提出改进设想。率达到71.43%。

一、财务舞弊大数据识别的基本做法与发展趋势2.发展趋势。从国内相关文献的时间脉络看，财务

1.基本做法。从国内相关文献的研究内容看，当前舞弊大数据识别呈现出两个明显的发展趋势。

财务舞弊大数据识别主要分为四个步骤：第一，选取以往（1）数据类型逐渐多样化。早期财务舞弊大数据识

的舞弊公司和非舞弊公司作为对照样本。比如：张新民别主要利用的是上市公司的财务数据。比如，余玉苗和

和吴革（2008）选取沪深两市上市公司1998~2006年40家吕凡（2010）从财务指标的动态增量信息入手，发现“固定

财务报告舞弊公司和40家正常公司为样本；刘树磊和李资产增长率、经营现金流量对流动负债比率、每股投资活

强（2011）选取17家制造业舞弊公司和17家制造业非舞弊动现金净流量、每股收益、股权集中度五个财务指标的变

公司作为对照样本。第二，遴选与财务舞弊可能有关的动对财务舞弊产生重要影响”。由于仅利用财务指标识别

指标。比如：洪文洲等（2014）遴选出可能对财务报告舞财务舞弊存在局限性，学者们开始在财务指标之外引入

弊敏感的27个指标；王威（2020）综合财务及非财务指非财务指标以识别财务舞弊。比如：张新民和吴革

标，从盈利能力、营运能力、偿债能力、治理结构等方面（2008）引入公司内部治理机制方面的非财务指标识别财

设计了15组29个解释变量。第三，筛选出与财务舞弊显