财务造假的特征与识别—— 一个评分模型的建立【天风策略】

财务造假的特征与识别

——一个评分模型的建立

天风策略：刘晨明/李如娟/许向真

联系人：吴黎艳

具体报告内容和数据交流请联系：李如娟

本文通过对财务造假的定性和定量分析，建立一个识别财务相对风险的评分模型，以期能够进一步在我们的财务选股模型结果中做减法，挑选真正高财务质量的公司。

财务造假公司对投资的打击是致命的，从2001-2002年国外的安然、世通和国内的银广夏、蓝田等，到2011年香椽和浑水等做空机构狙击中概股，再到近年的康得新、康美等事件，国内外造假事件却层出不穷造假手段多样，对资本市场投资者带来巨大的损失。

对于资本市场投资来说，最理想的是能有一个简单实用的可根据阀值来迅速判断公司财务造假的可能性的综合模型。但财务造假具有事后性、隐蔽性、随机性，很难基于历史数据得到一个普适性的模型。事实上国内外对此的研究结论并不一致。

国外关于财务造假预测模型的研究，最具知名度的是Beneish(1999)的Mscore和Dechow(2011)的Fscore模型。但国内不少学者重新评估Mscore 和 Fscore 在中国市场的预测能力，发现西方传统模型在国内的适用性一般。

本文大量参考了国内学术界的研究，进行三方面讨论并建立财务造假评分模型；其中评分模型考虑的是指标的相对高低位序而非特定的阀值（给出风险的相对高低）：

（1）A股历史上财务造假公司的梳理及其特征；

（2）财务造假有哪些惯用手段，如何定性识别；

（3）以财务指标建立一个简单的定量评分模型。

1、财务风险：财务造假 VS 盈余管理

财务操纵包括财务舞弊（财务造假）和财务粉饰（盈余管理）两种情况。财务造假基本是公司管理层组织的，在财务报表中蓄意错报、漏报财务数据，以虚构利润为目的的系统性造假。盈余管理是在会计准则的框架之内，在不越界为财务造假的底线之上，管理层过于主观地运用或刻意迎合会计准则，以达到操纵利润的目的。盈余管理与财务造假存在本质的不同（是否违法），尽管二者在很多时候经常无限接近。

可以说盈余管理是普遍存在的现象。一方面，会计准则本身是“默许”的，会计政策的可选择性和会计估计的不确定性为管理层提供了自由裁决的空间；另一方面，在会计准则范围内适度的调节，平滑会计利润和市场预期，以达到企业一些发展政策的需要（如再融资、股权激励等）。盈余管理会对财务分析带来麻烦，但并非简单的对错问题。事实上，就算没有盈余管理，公司管理层客观地选择会计方法，仍然会因为主观判断的不同而造成财务数据的不合理。事实上，在财务造假在未曝光前，外界的认知只是会计准则“许可”范围内的盈余管理。

学术界，对财务造假的研究很多，主要围绕着财务造假的动机、手段和预测模型展开。对于二级市场投资来说，最理想的是能有一个简单实用的可根据阀值来迅速判断公司财务造假的可能性的综合模型。但事实上国内外对此的研究结论并不一致。

财务造假具有事后性、隐蔽性、随机性，因此，很难基于历史数据得到一个普适的模型。国外关于财务造假预测模型的研究，最具知名度的是Beneish(1999)的Mscore和Dechow(2011)的Fscore模型。但国内不少学者重新评估Mscore和Fscore在中国市场的预测能力，发现西方传统模型在国内的适用性一般。总的来说，规避可能财务造假的公司，可从盈余管理是否异常入手，但财务造假未暴露前我们无从得知确切的结论，因此，能做的是尽量去规避一些高风险或盈余管理严重的公司。

2、A股历年财务造假公司梳理及其特征分析

1994-2018年，因财务虚假披露被处罚的事件共180起，涉及172家上市公司。以1994-2018年沪深上市公司，因虚假财务信息披露而被证监会或财政部处罚的事件为观察样本，共计172起事件，涉及165家公司，其中，19家已退市，21家造假后被借壳，125家上市主体目前仍存续。

样本处理：

1）因定期报告财务信息虚假披露而被处罚；

2）同一家公司连续多个年度造假，仅保留首次造假年份的数据；

3）同一公司在不连续的会计年度被处罚的事件，以两起事件对待；

4）不含因业绩预告/快报披露不准、不及时而仅受问询的事件；不含IPO前造假事件。

从造假行业分布看，化工、农业、机械、商贸、纺服等行业发生财务造假的数量较多。某些行业是财务造假的高危行业，例如交易对手不规范或不透明（如线下零售）、业务环节简单或难以验证（如提供非实物类服务公司）、资金流动缺乏痕迹（如农业农产品）、关联交易多（依附集团母公司等关联方），使得造假成本较低或者隐蔽性较好。

从造假年份分布看，00-04、11-14是财务造假的高发期，反映了在经济低迷的环境下，企业造假动机更强。另外，17-18年的造假案例少，主要是由于财务造假的后验性，17-18年的造假案例可能会在以后年份被暴露出来。

3、财务造假的“重灾区”科目及定性识别

财务造假表征的分析和识别，既有财务指标，也有非财务指标。对此，国内有一些较为官方的研究可作为研究参考。

2001-2002年，美国发生了安然、世通等会计造假丑闻，中国也爆出了银广夏、东方电子、蓝田股份等造假丑闻，在此背景下，中注协发布了《审计技术提示第1号——财务欺诈风险》，列举了9大类54项财务舞弊预警信号：1）财务稳定性或盈利能力受到威胁；2）管理当局承受异常压力；3）管理当局受到个人经济利益驱使；4）特殊的行业或经营性质；5）特征的交易或事项；6）公司治理缺陷；7）内部控制缺陷；8）管理当局态度不端或缺乏诚信；9）管理当局与注会关系异常或紧张。

2011年，中概股在美股市场上开始受到香椽公司和浑水公司的“猎杀”，证券市场导报2012年文章《什么样的公司有财务造假嫌疑》统计了中概股的风险特征，给予方向上的指导，但事实上仍较多依赖于主观判断。

进一步，若单纯用财务指标来识别造假的可能性，难度会更大。

首先，从财务造假“流程”来理解报表的关注点：创造资金流（收入）——创造资金凭证（客户和供应商）——资金记账（转化为资产）。财务造假的目的是虚增利润，而虚增利润的同时必然会影响到资产负债表科目，所以在利润存疑的情况下，通过分析资产负债表科目存在的异常，往往能更准确地发现财务造假的线索。对于大部分的财务造假，毛利率畸高且周转率慢，同时存在异常资产，是最见的“双击”财务造假的信号。 因此，有财务造假的“恒等式”：利润表的影响（虚增利润）== 资产负债表的影响（虚增资产、虚减负债、虚减权益）

其次，可从收入、应收账款、存货、毛利率、现金流等财务造假的“重灾区”科目入手分析。从历年的造假案例，以及IPO审核过程中关注的财务问题看，收入、应收账款、存货、毛利率、现金流等是非常易出问题的科目。那么，对于这些财务指标的三个观察维度：报表数据的异动（大幅波动的合理性）、异常（异于同行异于可比）、新增（新增客户、合同订单等）。

（1）营业收入：操纵方法主要是虚增营业收入，比如以明显高于正常水平的价格卖给关联方，或提前确认收入。

（2）应收账款：应收账款过大，潜在的问题在于：1）发生坏账的风险会相应增加；2）回收周期过长，会造成营运资金周转过慢，进而导致经营现金流变差。

（3）存货：操纵方法比如随意改变存货的计价方法、以分期收款方式销售商品时，不按收到货款的实际比例结转销售成本等。

（4）毛利率：毛利率高好还是低好，并没有定论，对于不同行业，在总体费用结构中，其营业成本和期间费用占比是不同的，研发费用、市场费用等期间费用支出越高的行业，为覆盖相关费用，其需要的毛利率水平越高。但是，若出现存货周转率逐年下降而毛利率逐年上升的现象，则隐含的财务风险较大。因为毛利率逐年上升反应的是公司产品热销、市场竞争力强，相应地，一般情况下存货周转率也应该提升，这两者若出现背离，则应警惕，需进一步分析背后的因素。

（5）现金流：自由现金流可经营现金流减去资本开支现金流支出，如果这顶数值长期为正，则代表企业是创业价值的。另外，应关注经营现金流与净利润是否出现长期背离的情况。经营活动产生的净现金流与净利润严重背离，主要原因是营运资金增长幅度大于净利润增长幅度。可能来自应收账款的大幅增加（放宽信用政策或回款困难）或存货大幅增加（产品滞销或应结转但未结转成本）。

我们将上述关注的科目及可能存在的问题总结如下。

4、财务造假评分模型的建立

基本上述的分析，我们知道单纯依靠财务数据建立一个普适性的财务造假识别模型，几乎不可能做到。一方面，造假方式多样化，且不同公司的财务指标差异很大；另一方面，财务指标需与非财务指标（如会计方法、经营指标、产供销数据等）相互印证，才能更好的体现会计的真实性，而非财务指标通常不能很好的量化。我们通过对财务造假的定性和定量分析，建立一个识别财务相对风险的评分模型，以期能够进一步在我们的财务选股模型结果中做减法，挑选真正高财务质量的公司，本质上是做大概率事件，提高模型胜率。

进一步，我们通过梳理国内外财务造假预测模型的特征变量，并结合上文定性分析结论，筛选能够较好反应A股财务问题的指标。国外关于财务造假预测模型的研究，最具知名度的是Beneish(1999)的Mscore和Dechow(2011)的Fscore模型。Mscore和Fscore模型利用阀值能快速判断上市公司财务造假的可能性，它们在西方实务界已被普遍运用，但国内学者研究发现这两个模型对于预测国内造假事件的适用性较弱。因此，我们采用国内外实证较认可的财务造假预测指标，计算标准化得分（行业内部比较，更有现实意义），作为判断是否有严重盈余管理或造假的参考。

最后，我们的财务造假评分模型建立如下：

指标计算：选取10个财务指标，采用年度数据。部分指标，如其他应收款等，是2006年之后才有数据。

指标标准化：各行业成份股，按指标高低排序，取分位值作为个股得分；指标越高的个股，其盈余管理或财务造假的可能性越高。 其中，现金销售率和自由现金流变动，采用逆序排序。

模型的优势在于：1）通过行业中性化进行打分，再整体进行比较，可避免不同行业之间财务指标差异造成的影响。2）不直接给出判断的阀值，但可比较相对危险系数，即分数越高，盈余管理或造假的可能性越高。

模型的不足在于：1）个股或行业有特殊情况，比如在业绩爆发期，指标常有异动。2）不能给出是否造假的判断。关于货币资金与利息收入、财务费用背离的判断，较难用量化指标来衡量，可主观加以分析。最后，投资时，尽量规避分数高的个股，或者结合基本面深入研究再做决策。

风险提示：模型因子不全面，宏观经济风险，公司业绩不达预期风险等。

注：文中报告节选自天风证券研究所已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。

证券研究报告     《 策 略： 财务造假的特征与识别——一个评分模型的建立 》

对外发布时间    2019年6月16日

报告发布机构    天风证券股份有限公司 （已获中国证监会许可的证券投资咨询业务资格）

本报告分析师     刘晨明 SAC 执业证书编号：

                          S1110516090006

                          李如娟 SAC 执业证书编号：

                           S1110518030001

                          许向真 SAC 执业证书编号：

                           S1110518070006               

联系人             吴黎艳

特别提示：公众微信号“fenxishixubiao”

天风策略团队成员介绍

刘晨明      联席首席。南开大学国际金融硕士，先后任职于华泰证券、安信证券、天风证券从事策略研究，主要负责大势研判和行业比较研究

李如娟      中山大学金融硕士，工学学士；先后任职于广证恒生、中银国际和天风证券从事行业和策略研究；目前主要负责行业比较

许向真      厦门大学金融学硕士，保险学学士，主要负责政策跟踪和行业比较

吴黎艳      武汉大学会计硕士，会计学学士