A股财务造假预测模型报告.pptx

A股财务造假预测模型报告.pptx

《A股财务造假预测模型报告.pptx》由会员分享，可在线阅读，更多相关《A股财务造假预测模型报告.pptx（31页珍藏版）》请在冰豆网上搜索。

2019年A股财务造假预测模型报告2018年08月09日摘要在上一篇报告财务造假的特征与识别中，我们通过对财务造假的定性和定量分析，梳理了10个财务特征变量，建立了一个识别财务造假相对风险的评分模型。

本文进一步参照国内外学术界做法，用Logistic逻辑模型建立起一个适用于A股市场的财务造假识别模型。

主要包括以下内容：

造假样本的梳理及特征分析；造假“重灾区”及定性识别；造假模型的建立及实证过程；模型的应用及造假概率预测。

模型共设计22个变量，10%显著水平上，针对造假首年样本，显著的变量为：

X2应收变化率、X3存货占比、X7软资产比例、X8带息负债率、X11货币现金异常、X15前一年是否亏损、X17是否再融资、X18股权集中度、X19机构持股比例、X21是否更换事务所、X22审计意见。

造假首年预测模型结果如下：

69.3%；针对造假全注：

针对造假首年样本回归，以设定阀值（拟合值或胜算比）为界限的模型预测准确度为部年份样本回归，模型预测准确度为74.9%。

具体请参考模型评分系统及回归结果。

风险提示：

模型预测的局限性；宏观经济风险；海外不确定因素。

财务造假样本梳理及特征分析11.11994-2018年财务造假事件的筛选1994-2018年，因财务虚假披露被处罚的事件共172起，涉及165家上市公司。

1994-2018年，因财务虚假披露被处罚的事件共172起，涉及165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：

因定期报告财务信息虚假披露而被处罚；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；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；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。

1.2行业分布：

化工、农业、机械排前三从造假行业分布看，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。

1.3时间分布：

00-04、11-14年是造假高发期从A股市场造假公司的造假年份分布看，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。

因此，在后面的回归模型中，对于18年以前年份，造假概率高的公司也应引起注意。

造假的“2重灾区”科目及定性识别1虚构与虚构的业务相匹配的收入成立多家空壳公司或利用关联交易，虚构经济业务。

利用真实的客户和供应商造假，伪造交易合同及银行对账单。

利用海外客户和供应商造假，虚构海外的销售合同订单利润表2虚构客户和供应商伪造销售合同和采购合同及出入库单据。

伪造银行对账单及资金出入凭证。

使用大量的现金交易，让核查无据可寻。

伪造“真实的”现金流，如利用银行承兑汇票掩盖资金流转轨迹。

现金流量表报表附注3消化虚构利润所占据的资金虚增银行存款虚增应收帐款虚增存货虚增固定资产、在建工程等虚增无形资产虚增对外投资资产负债表掩盖的落脚点，辨识的着手处财务造假的“流程”资金流（收入）资金凭证（客户和供应商）资金记账（转化为资产）利润表的影响（虚增利润）虚增收入少计成本少计费用资产负债表的影响（虚增资产、虚减负债、虚减权益）虚增资产：

例如虚构资产交易将资金转出，再通过销售将资金转回以实现自我交易。

虚减负债：

例如少计采购以达到少计成本或费用的目的。

虚减权益：

例如关联方利益输送。

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）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。

异动分析营业收入/净利润快速增长的合理性。

分析毛利率大幅变动的合理性。

分析应收/应付/存货大幅变动的合理性。

分析非经常性损益大幅增减的合理性。

分析资产减值损失变动的合理性。

会计政策的变更原因。

异常分析各项财务指标远高于行业水平的合理性。

特别是毛利率。

分析营收/净利润增速变化方向与行业相反的合理性。

分析资产周转率/存货周转率/应收周转率异于行业正常水平的合理性。

分析经营现金流是否长期低于净利润。

分析应税额与营收是否匹配。

分析财务指标之间是否有矛盾，如高毛利率+低周转率、高财务费用+高货币资金。

新增新增客户或供应商；新增大额固定资产；新增大量在建工程；新增关联交易。

财务造假的定性观测角度三个角度观测：

报表数据的异动、异常、新增。

项目具体表现收入收入不行业特征的适应性；不可比公司的适应性；不经营指标的适应性。

异常客户或异常模式产生的异常收入。

应收账款可能存在问题1.收入不业务的适应性问题2.异常收入的问题1.应收账款余额过大应收账款占资产比例过高；占营业收入的比例过高（赊销占比过高）；应收账款周转率（应收账款/营业收入）低下。

放宽信用政策导致应收账款大幅增加；账龄较长或超出信用期。

计提比例低于同行业可比公司。

存货存货占资产比例过高；余额大幅增长。

周转率（存货/营业成本）远低于同行业可比公司。

库龄分析；以销定产和以产定贩的经营分析。

毛利率远高于同行业水平；远高于行业上下游；不直接可比公司差异大。

异常项目或异常客户的毛利率。

现金流经营现金流不净利润大幅背离；经营现金流持续为负。

提早回款或延后支付以减少营运资金占用；利用保理或贴现加速变现。

指标背离毛利率持续向上走，同时周转率却持续下行。

2.应收账款回收风险较大3.坏账准备计提丌足1.存货余额过大2.存货周转率过低3.存货跌价准备是否充分4.偏离同行业毛利率5.异常交易的毛利率6.经营现金流的背离问题7.美化经营现金流8.毛利率不周转率9.货币资金不财务费用账上有大量货币资金，但同时利息收入较低，且财务费用较高。

财务造假的“重灾区”科目及关注问题可从收入、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）。

典型的财务造假案例虚假收入：

设立空壳公司。

2014年受证监会处罚的公司A通过自己设立的隐形空壳公司，利用非关联的中转过账公司，连续多年虚构购销业务，虚增业务收入与成本，虚增或者虚减利润。

虚假收入：

虚假关联交易。

公司B将已实际入库的粮食运出，以农户的名义再次卖给粮食经纪人，后者再卖给公司，即一批粮食多次入库，每次都有实际的入库记录。

2008年至2011年累计虚增收入7.4亿元左右。

虚假收入：

虚假销售合同。

2018年受证监会处罚的公司C，与相关经销商或者客户签订真实的销售合同，在经销商支付部分货款后，产品未发货前即提前确认收入。

或者预付定金，但最终并不提货，后期将定金退回客户，完成虚假销售。

虚假收入：

虚假海外交易。

2017年受证监会处罚的公司D，通过签订海外合同，虚构地铁公交工程项目，利用其主要供应商安排的公司构建资金循环，制造海外回款的假象。

虚假收入：

虚构业务、虚构政府补助。

公司E虚构了影视版权转让协议和政府补助事项，虚计营业外收入2000万、虚增净利润1500万，虚增行为导致2015年度扭亏为盈。

虚假做账：

做两套账。

为了实现“扭亏”，公司F设置了两个帐套，一个记录真实的数据，一个记录“编造”的数据用于对外披露，通过虚构客户、伪造合同、伪造银行单据、伪造材料产品收发记录、隐瞒费用支出等方式，虚增收入和利润。

虚假做账：

债权债务对抵。

公司G将对下游建筑单位的应收款与上游采购的应付账进行对抵，虚减企业在2012年至2014年期间的应收账款和应付账款，从而实现少计提坏账准备，共计虚增了2.5亿的利润。

虚假货币现金。

公司H手握150多亿元的账面资金却无力按期兑付15亿短期融资券本息，受证监会立案调查。

公司在2015年1月至2018年12月，通过虚构销售业务方式虚增营业收入，并通过虚构采购、生产、研发费用、产品运输费用方式虚增营业成本、研发费用和销售费用等方式，在2015年至2018年的年报中虚增利润119.21亿元。

虚假货币现金、大股东违规占用。

公司I造假手段：

一是使用虚假银行单据虚增存款，二是通过伪造业务凭证进行收入造假，三是部分资金转入关联方账户买卖本公司股票。

该公司公告，2017年应收账款少计6.41亿元，存货少计195.46亿元，在建工程少计6.32亿元；货币资金多计299.44亿元；营业收入多计88.98亿元，营业成本多计76.62亿元。

造假模型的建立及变量含义3模型介绍Mscore模型Beneish，M.D.（1999）Beneish，M.D.（1999）以19821992年被美国证监会（SEC）查处的74家财务造假公司为观察样本，按照行业和年度配比了2332个控制样本，来估计各个特征变量的系数，以应收账款指数、毛利率指数和资产质量指数等八项公司指标建立模型来判断造假的可能性。

Fscore模型Dechowetal（2011）Dechowetal（2011）在Mscore基础上建立了Fscore财务造假预测模型，他们收集19822005年美国判定为财务造假的676个公司样本，从应计项、财务指标、非财务指标、表外业务、和市场信息五个方面全面检验造假公司的特征指标，发现只包括财务报表指标的模型判断财务造假的能力最好，准确度达到69%。

应收账款指数=本期应收账款占营业收入比例/上期应收账款占营业收入比例毛利率指数=上期毛利率/本期毛利率资产质量指数=本期的非实物资产比例/上期的非实物资产比例营业收入指数=本期营业收入/上期营业收入折旧率指数=上期折旧率/本期折旧率，其中，折旧率=折旧费用/指标固定资产原值销售管理费用指数=当期销售管理费用占营业收入的比例/上期销售管理费用占营业收入的比例财务杠杆指数=本期资产负债率/上期资产负债率总应计项=应计项/总资产，其中，应计项=（流劢资产货币资金）（流劢负债一年内到期长期负债应交税费）折旧费用RSST应计项=经营资本变劢值（WC）+非现金净营运资产变劢值（NCO）+金融资产变劢值（FIN）/平均总资产应收账款变动率=应收账款/平均总资产存货变动率=存货/平均总资产软资产比例=（总资产固定资产在建工程工程物资货币资金）/总资产现金销售变动率=（（当期营业收入应收账款）-（上期营业收入应收账款））/（前期营业收入应收账款）OA增长=当期ROA前期ROA是否再融资，有股权或者债券融资，为1，否则为0。

非正常员工数变动=员工数变劢百分比资产变劢百分比经营租赁情况，企业的经营租赁负债大于0时取1，否则取0.3.1国外：

Mscore模型与Fscore模型国外财务造假预测模型，影响较大的是完全利用财务数据建立的Mscore模型（Beneish，1999），Mscore以在安然事件爆发之前成功地预测了安然公司造假而闻名。

Dechow（2011）在Mscore基础上建立了Fscore财务造假预测模型。

Mscore和Fscore模型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。

学者时间模型指标预测准确度应收账款占资产比、资产负债率、应收账款周转率、速动比率、资产质量、主营业务税金及附加比率、销售费用和管理费用率64%应收账款/营业收入、应收款项/流动资产、应付款项/营业成本、主营业务利润