20171010-申万宏源-量化策略_上市公司财务造假预测模型研究_14页_1016kb

上市公司财务造假预测模型研究总结

核心内容概述

本文旨在构建一个稳健的上市公司财务造假预测模型，通过整合财务指标、持股信息、审计信息、再融资信息和市场信息等多个维度的变量，对财务造假行为进行识别。研究基于2008年之后被中国证监会公开认定为财务造假的上市公司样本，共计66家公司，136批年报。通过逐步回归法建立logit回归模型，最终识别出多个显著影响财务造假的变量，并通过ROC曲线评估模型的识别能力。

主要观点

1. 财务造假问题现状

• 上市公司财务造假行为屡见不鲜，对投资者造成巨大损失，也影响了资本市场的健康发展。
• 美国市场曾发生多起财务造假事件，如安然事件，而中国A股市场同样存在大量财务造假案例。
• 由于A股公司数量庞大，逐一排查造假行为成本过高，因此需要借助量化模型进行识别。

2. 本福特法则的局限性

• 本福特法则虽然在某些情况下可作为财务造假的辅助工具，但在A股市场中实用性不显著。
• 部分案例中，本福特法则的偏离可能源于事后偏见和选择性偏差。
• 财务造假预测模型需要更全面、合理的变量设计，结合财务造假、盈余质量和财务重述等研究。

3. 预测模型构建

• 模型选取了2008年之后被证监会认定的财务造假样本，排除了IPO前和上市当年的造假数据。
• 模型变量涵盖财务指标、持股信息、审计信息、再融资信息和市场信息。
• 通过logit回归法构建模型，采用逐步回归法筛选出具有显著影响的变量。

关键信息与变量选取

1. 财务指标

• 营业总收入/净利润：显著为正，反映公司收入与利润不匹配。
• 应收账款/营业收入：显著为正，表明公司可能虚增收入。
• 总资产净利率：显著为负，反映公司盈利能力差。
• 现金销售率：显著为负，反映公司可能通过非现金交易虚增收入。
• 销售毛利率：显著为负，表明公司可能通过虚增收入或减少成本来提高毛利率。
• 应收账款周转率：显著为负，反映公司应收账款管理不善。

2. 持股信息

• 前五大股东持股比例：显著为负，表明股权集中度低可能增加造假风险。
• 管理层持股比例：显著为负，管理层持股比例低可能增加造假动机。
• 机构投资者持股比例：显著为负，机构持股比例低可能意味着市场关注度低。

3. 审计信息

• 审计意见次数：显著为正，表明审计意见频繁可能暗示公司存在财务问题。
• 审计意见得分越高，说明公司财务数据越异常。

4. 再融资信息

• 当年是否有增发：显著为正，表明公司可能通过再融资掩盖财务问题。

5. 市场信息

• 年度换手率均值：显著为负，换手率低可能意味着公司关注度低。
• 年度超额收益：显著为负，超额收益低可能暗示公司存在财务造假。

模型结果与评估

1. 回归结果

• 营业总收入/净利润 和 应收账款/营业收入 系数显著为正，表明这两个指标对财务造假具有较强的预测能力。
• 股权集中度 和 机构投资者持股比例 系数为负，表明股权分散和机构持股少可能增加造假风险。
• 年度换手率均值 系数显著为负，表明交易不活跃的公司可能更易造假。
• 前一年净利润为负 和 审计意见次数多 也被认为是财务造假的高风险信号。

2. 模型评估

• 模型对造假样本进行打分后，最优判别阈值为 -4.570，此时识别造假公司的概率为 79.1%，识别正常公司的概率为 57.5%。
• AUC值为 73.4%，表明模型具有一定的区分能力。

3. 稳健性检验

• 采用分层抽样法进行多次回归，结果表明变量系数和P值在不同抽样中保持稳定。
• 通过50次分层抽样测试，验证了模型的稳健性。

结论

本文构建了一个基于多维度变量的财务造假预测模型，对A股上市公司财务造假行为具有一定的识别能力。模型结果显示，营业总收入/净利润高、应收账款/营业收入高、股权集中度低、机构投资者持股比例低、年度换手率低 和 审计意见次数多 是财务造假的主要风险信号。尽管模型在识别造假公司方面表现较好，但仍有提升空间，未来可进一步优化模型以提高识别准确率。