應用數據挖掘技術提高虛假財務報告識別效率

摘要：數據挖掘技術能夠處理海量信息，完成潛在有用信息的抽取。虛假財務報告的識別需要從大量相關信息中尋找線索，采用數據挖掘技術可以提高虛假財務報告的識別效率。應用數據挖掘技術進行上市公司虛假財務報告識別研究的目的在于確定數據挖掘的方法論，建立相應的規則和算法，并將其設計成能夠實現的解決方案和相應程序。

關鍵詞：數據挖掘；虛假財務報告；識別

一、引言

上市公司財務報告是上市公司各種經營信息的綜合反映，也是各種機構及個人投資者判斷上市公司運營狀況，預測公司發展前景和投資回報的主要依據。正因為其重要，不少公司不惜編造虛假財務報告以圖誤導投資者。盡管監管機構多次出臺各種政策，虛假財務報告仍屢禁不止。最有效的治理虛假財務報告的方法是提高各方的識別虛假財務報告的能力。但是，虛假財務報告的識別不僅要從大量的公司年報、中報等的財務數據中提取信息，還要從股市交易信息及其它相關信息中尋找線索，僅僅由會計師依據分析性程序方法，囿于各種主客觀因素影響其識別效果和效率都不夠理想。數據挖掘技術作為一種決策支持技術，能夠高度自動化地分析海量信息，作出歸納性推理，從中挖掘出供決策使用的高層次知識，幫助財務報告的關注各方提高基于財務報告的決策質量和效率。在當今IT環境下，隨著數據挖掘算法的改進和應用領域的不斷拓展，將數據挖掘技術應用到虛假財務報告識別中既有可能也很有必要。

二、數據挖掘的概念和技術

數據挖掘是針對非常大的數據進行的研究和分析。它采用自動或半自動的程序，對數據中固有的先前未知的潛在有用信息進行抽取。數據挖掘的起源可追溯到20世紀50年代人工智能的早期發展。在此期間，模式識別和基于規則推理的發展提供了基礎構建塊，數據挖掘就建立在這些概念的基礎之上。在最近10年中，大型業務數據庫使用量的增長以及對這些數據的理解和解釋的需要，再加上相對廉價的計算機的供應，導致數據挖掘在各種業務應用中的使用急劇增長。這些應用從零售業務的顧客細分和市場購物籃分析，到銀行業務和金融業務應用中的風險分析和欺騙偵查，涉及面非常廣泛。

多年來各國學者已開發了多種數據挖掘技術，用于大量的數據集中探索和抽取信息?？偟恼f來，數據挖掘技術分為兩大類：探索型數據挖掘和預測型數據挖掘。探索型數據挖掘包括一系列在預先未知任何現有模式的情況下，在數據內查找模型的技術。探索型數據挖掘包括分群、關聯分析、頻度分析技術。預測型挖掘包括一系列在數據中查找特定變量與其它變量之間關系的技術。預測型挖掘常用的有分類和聚類、數值預測技術。數據挖掘使用的算法很多，主要包括統計分析、機器學習、決策樹、粗糙集、人工神經網絡和徑向基函數等。

三、數據挖掘在虛假財務報告識別中的應用

大量研究證實，與正常的財務報告相比，虛假財務報告常具有某種結構上的特征。JosephT.Wells認為，公司財務報告舞弊手法不外乎“虛構收入、濫用時間性差異科目、少計漏計費用、欺詐性資產評估”，這些舞弊行為通常會使得“企業的財務結構出現異常的狀態”。Lee，Ingram和Howard對盈余與經營活動產生的現金流量之間的關系進行了研究，結果發現，在公司舞弊戳穿以前公司盈余要比之后高得多，但是經營活動產生的現金流量則相反，也就是說，在舞弊發現前盈余減去經營活動現金流量的值為正。表現在財務指標上，就是某些財務指標顯著的異于同類公司。這些能夠顯著顯示財務欺詐征兆的財務指標包括：應收款項比率、應收款項周轉率、資產負債率、速動比率、主營業務稅金及附加比率、資產質量、管理費用和銷售費用率。Hawetal對我國上市公司盈余管理行為的研究發現，上市公司對帳面利潤的操縱，很大部分集中于“線下部分”，即諸如投資收益、營業外收支等“非經常性盈余”部分，如果上市公司的主營業務利潤率持續降低，或者遠遠低于同行業水平，說明該公司存在財務報告舞弊的可能。方軍雄使用統計分析證實了這些差異并構造了基于某些財務比率的兩類判別模型。

除了企業財務結構上的異常之外，上市公司對財務報告的操縱通常還具有可以分析的外部環境特征。JosephT.Wells指出，財務報告舞弊“不是始于管理層的不誠實，而是發端于某種環境——這種環境中存在兩個特征：激進的財務業績目標；目標未實現將被視為不可寬恕的氛圍。換言之，財務報告舞弊緣于壓力?！蔽覈难芯空咄ㄟ^大量的統計研究，也總結出了極有可能采取會計造假的公司的特征。它們通常包括如下幾個特征：前兩年連續虧損，今年經營業績沒有得到根本改善的公司；前兩年平均凈資產報酬率達到10％，今年公司行業不景氣的公司；資本運作和關聯交易頻繁的上市公司；業績和股價波動厲害的上市公司；全行業虧損或行業過度競爭的上市公司。

美國Coopers&Lybrand會計師事務及知名學者對美國上市公司財務報告欺詐行為進行多年研究后曾經總結出29面紅旗。一旦出現這些紅旗，就需要格外關注公司管理當局是否存在財務報告舞弊的可能。比較典型的情形有：現金短缺、負的現金流量、營運資金及/或信用短缺，影響營運周轉；融資能力(包括借款及增資)減低，營業擴充的資金來源只能依賴盈余；成本增長超過收入或遭受低價進口品的競爭；發展中或競爭產業對新資金的大量需求；對單一或少數產品、顧客或交易的依賴；夕陽工業或瀕臨倒閉的產業；因經濟或其他情況導致的產能過剩；現有借款合約對流動比率、額外借款及償還時間的規定缺乏彈性；迫切需要維持有利的盈余記錄以維持股價。

上市公司財務造假具有復雜原因，也具有很多內外部表象特征，但是單從某一個表象分析很容易導出錯誤的結論。例如，財務欺詐公司與非財務欺詐公司在財務指標上的確存在較大差異，但是我們不能僅僅根據某些財務指標存在差異，就簡單斷定該公司存在財務欺詐。因為財務指標的異?？赡軄碜杂谫Y產重組的影響、或市場的突發變化、或財務數據的調整等。更一般的情況是虛假財務報告的產生與表象特征之間很難用簡單的確定函數關系來概括，而大多存在某種概率相關關系。

我們可以將所有影響虛假財務報告的因素概括成一個概率因果關系模型：

P：虛假財務報告發生的概率；C：財務人員業務能力；M：企業負責人從事欺詐的外部動力；A：企業負責人的道德水準；D：監管力度，包括各種會計制度、處罰規則、投資者對虛假財務報告的識別能力等。

上述因果關系模型旨在說明虛假財務報告的發生與多個因素復雜相關，主要與企業的財務人員業務能力；企業負責人從事欺詐的外部動力；企業負責人的道德水準即誠信準則；監管力度，包括各種會計制度、處罰規則、投資者對虛假財務報告的識別能力等相關。由于數據挖掘技術可以處理大量的復雜關聯數據，應用數據挖掘技術進行上市公司虛假財務報告識別研究的目的是確定數據挖掘的方法論，建立相應的規則和算法，并將其設計成能夠實現的解決方案和相應程序。具體而言，需要做到以下幾點：運用數據挖掘技術整合上市公司財務數據、公司經營管理、證券市場交易及宏觀經濟環境等多方面的信息；在上述信息的基礎上，給出用于證券市場的各種數學模型的建立方法，并給出針對當前情況下適用的數學模型；在大量數據模擬和試驗的基礎上，給出識別各種類型的財務造假模式的數據挖掘解決方案、規則、算法等；將2、3中研究所得的模型及數據挖掘的方法、規則、算法等發展為能實現的計算機軟件包，實現計算的自動化。

以基于模式識別和正交設計的RMST模型為例，其通常的計算模型如圖1。

虛假財務數據挖掘技術除了有益于監管當局和投資者，對會計師審計上市公司的財務報告工作也很有幫助。使用經驗方法的會計師在審計中，囿于方法的局限性和審計能力并不能識別所有的財務數據造假問題，他們也需要虛假財務報告數據挖掘技術的借鑒和相互印證。從方法論的角度來看，發展數據挖掘技術更具有理論方法創新的重要意義。企業會計人員使用傳統的會計方法所編造的財務數據，其所遵循的原則不外乎會計慣例和會計準則，即使是注冊會計師也概莫能外。與自然形成的財務數據相比，他們所編造的虛假數據很可能在數據結構上存在內在的缺陷。也就是說，兩類財務報告可能存在模式上的內在差異，而這種差異在通常的會計人員眼中可能不顯著，但通過數據挖掘技術可以將這種差異放大到存在某種數據結構和統計顯著性差異。基于這種數據結構和統計顯著性差異我們完全可以發展出虛假財務報告識別的數據挖掘技術。

參考文獻：

1．劉姝威．上