研究背景与目标 [page::0][page::2]

• 财务造假风险严重影响资本市场健康和投资安全。

- 传统Benford定律对A股财务造假识别实用性有限，需多维度量化指标模型识别。

• 本文以2008年后证监会公布的财务造假案例为样本，旨在建立稳健的造假预测模型。

样本构成与变量选取 [page::4][page::6]

• 造假样本为66家公司136批年报，制造业造假占比最高（超50%）。

- 变量涵盖财务指标（如营业总收入/净利润、应收账款比例）、持股信息、审计结果、再融资及市场信息等多维度指标。

• 部分财务指标包括衍生指标如现金销售率、应计项等用于提升模型解释力。

样本描述统计与显著性检验 [page::7][page::8]

| 变量 | 控制样本均值 | 造假样本均值 | 显著性(p值) | 造假样本特征 |
|-----------------|--------------|--------------|-------------|-------------------|
| 去年利润(preNISign) | 0.0938 | 0.2015 | 0 | 去年利润为负值增加 |
| 营业总收入/净利润 | 31.4848 | 67.168 | 0.045 | 指标显著较高 |
| 机构持股比例(Institute) | 32.1149 | 25.6569 | 0.002 | 比例较低 |
| 前五大股东持股占比(Top5Shareholder) | 53.2711 | 48.4652 | 0 | 持股集中度较低 |
| 审计意见(Audit) | 0.2258 | 0.5299 | 0 | 审计异常次数较多 |
| 年度换手率均值 | 3.1404 | 2.612 | 0.064 | 换手率较低 |

预测模型构建与结果 [page::9][page::10]

• 采用逐步logit回归方法，模型形式如下：

Y = -3.7930 - 0.0119Top5Shareholder - 1.1566ManagementShares + 0.2385Audit + 0.3831preNIsign - 0.0073Institute - 0.1076AnnualTurnAvg + 0.0018TotalRNI + 1.5659ARSales

• 关键变量营业总收入/净利润及应收账款/营业收入显著正向，说明收入大但利润微薄及应收账款比例高为风险信号。

- 股权集中度及机构持股比例对造假行为有抑制作用。

• 换手率低代表造假公司关注度和交易活跃度较低。

- 审计异常和亏损历史也为重要风险提示。

模型稳健性与性能验证 [page::10][page::11]

• 预测模型在造假样本与控制样本中AUC达到0.734，识别率79.1%，正确判定正常公司率57.5%。

- 分层抽样法重复训练50次，变量系数和p值表现稳定，增强模型稳健性。

• 模型对投资者和监管机构辨别财务造假公司具有有效参考价值。

上市公司财务造假预测模型研究报告详尽分析

---

一、元数据与报告概览

• 报告标题：上市公司财务造假预测模型研究

- 作者：证券分析师曹春晓（联系邮箱：caocx@swsresearch.com），联系人宋施怡

• 发布机构：申万宏源证券研究所

- 发布日期：2017年10月10日

• 研究主题：以中国A股市场被中国证监会认定财务造假的上市公司为样本，研究构建财务造假预测模型，探讨财务指标、持股结构、审计信息及市场信息对财务造假识别的影响。

报告核心论点：

• 财务造假行为严重损害投资者利益和资本市场健康发展，因而迫切需要建立科学的造假预测模型。

- 传统的本福特定律虽广为流传，但其实用性和区分度有限。

• 通过整合财务指标、股权结构、审计意见和市场数据等多维度信息，采用逐步回归构建了一个稳健、较准确的造假预测模型。

- 该模型在样本内的识别准确率较高，AUC达到73.4%，为投资者及监管者识别潜在财务作假企业提供辅助工具。

总体来看，报告围绕造假样本的选择、变量构建、模型回归及稳健性检验展开，提供了系统的研究框架和应用价值。

---

二、逐节深度解读

2.1 研究背景与造假预测模型研究回顾

报告首先介绍了财务造假对资本市场的严重危害，引用了1999-2002年美国市场爆发财务造假公司的数据说明问题的普遍性。指出中国A股市场近年来造假事件频出，构建有效预测模型成为关键课题。[page::0], [page::2]

本福特定律的介绍与局限

• 本福特定律，即数字出现的概率符合log(n+1)-log(n)的规律，被广泛应用于异常数据检测。

- 表1列出了数字1-9首位数字的理论占比。（例如数字1出现概率约30.1%）

• 通过图表（图1、图2），报告对比了财务造假公司与绩优公司的首位数字分布，发现造假公司数据显著偏离本福特法则。

- 但报告指出，该方法依赖样本容量，单个公司年报数据量不足200条，导致偏差显著且区分能力弱。进一步用偏离残差计算，发现造假与非造假样本差别不大，说明实际应用中，单凭本福特法则辨别财务造假效果有限，有选择性偏差和后视偏见风险。[page::2], [page::3]

国内外研究综述

• 介绍了Beneish Mscore和Dechow Fscore模型，这些模型基于财务指标对盈余管理和财务舞弊进行预测，经典且获得广泛认可。

- 国内学者对财务造假的财务指标、公司治理和审计意见等因素亦开展了相关研究，为本报告提供理论基础。[page::3]

---

2.2 样本选取与特征变量设计

2.2.1 造假样本的选择

• 样本为2008年以后，沪深两市被证监会公开认定财务造假的上市公司，剔除IPO之前及上市首年数据。

- 共涉及136批年报，66家公司。

• 行业分布显示制造业占比超过50%，其次为批发零售、信息技术、农林牧渔业等。

- 图3对比造假公司行业占比与市场整体行业占比，揭示农林牧渔、批发零售和住宿餐饮行业造假风险相对较高。[page::4]

2.2.2 特征变量

分类广泛，主要包括：

财务指标：

• 关键变量涉及利润情况（当年、去年、前年利润为正或负值）、销售毛利率、资产周转率、应收应付账款周转率、营业收入同比增长等。

- 特别强调应收账款及其他应收款的重要性，作为财务造假的重点操纵领域。虚增应收账款可掩盖盈利质量问题。

• 现金销售率、应计项（TATA）等复杂指标被引入，以检测利润操纵和盈余质量问题。

- 详细指标定义和计算方法见表2，体现了多角度考察财务健康与异常的努力。[page::5]

持股信息：

• 大股东持股集中度、管理层持股比例、机构投资者持股比例，均对造假风险有显著影响，持股集中度高和机构投资比例高有抑制作用。[page::6]

审计信息：

• 审计意见异常次数作为重要变量，异常审计意见通常预示着财务风险和潜在造假。[page::6]

再融资信息：

• 再融资事件作为公司资金需求指标，融资需求往往推动财报美化。[page::6]

市场信息：

• 行业收益水平、个股相对沪深300超额收益及其波动、年度换手率均值和波动率等反映市场关注度和公司股票活跃度，为预测变量。[page::6]

---

2.3 造假样本与控制样本比较：描述统计与显著性检验

• 造假样本共136条年报，控制样本为同行业非造假公司11445条，覆盖2333家公司。

- 表4展示了各变量造假样本和控制样本的均值与中位数，表5为显著性差异检验。

• 发现造假公司：

- 去年利润为负的比例更高（即财务压力大）。
- 毛利率较低、流动比率偏低，反映盈利质量较差和偿债能力弱。
- 营业总收入/净利润比值明显更高，暗示收入确认与利润表不匹配。
- 机构持股比例、前五大股东持股集中度及管理层持股比例均低，股权分散，监管和治理较弱。
- 审计意见异常次数明显增多，风险暴露。
- 换手率均值较低，股票交易活跃度受到限制，或反映市场关注度较低。

• 部分指标因极端异常值采用了99%分位数替代，保证统计有效性。[page::7], [page::8]

---

2.4 财务造假预测模型构建与回归结果

• 使用logit回归，逐步回归筛选变量，因变量为是否造假（1/0）。

- 经过异常值处理和数据清洗，得到有效样本129条（造假）和10270条（对照）。

• 最终模型（见表6）包含以下显著变量：

- 负系数变量：前五大股东持股率、管理层持股率、机构持股比例、年度换手率均值，均负相关，指示股权集中和市场关注度降低造假概率。
- 正系数变量：审计意见异常次数、去年净利润为负（preNIsign）、营业总收入/净利润比值、应收账款/营业收入比值，均正相关，反映利润质量和财务异常程度提升造假风险。

• 回归系数统计显著，模型逻辑清晰，既体现财务状况，也体现市场信息与持股结构对造假的综合影响。
• 样本内表现：

- 计算ROC曲线，最优判别阈值-4.570，造假样本正确识别率79.1%，正常样本正确识别率57.5%，AUC为73.4%。
- 说明模型具有良好区分力但仍有误判概率。

• 模型配得上稳健性验证，体现其理论和实证的合理性。[page::9], [page::10]

---

2.5 稳健性检验

• 采用分层抽样法（随机抽取80%造假样本和控制样本）重复逐步回归50次。

- 统计模型系数均值及p值，结果与原模型保持高度一致。

• 证明模型对样本抽样变化具有稳定性和较强的泛化能力。
• 体现了科学建模下预测模型的可靠性和可推广应用价值。[page::11]

---

三、图表深度解读

3.1 本福特法则首位数字占比（表1）

• 展示了数字1-9作为首位数字的理论占比，数字1出现概率最高（30.1%），之后依次递减。

- 该分布体现在自然增长数据中是一种数学必然，用于检测数据异常。

• 但本报告指出单个公司数据量不足导致实际应用局限。[page::2]

3.2 本福特法则与造假公司对比（图1、图2）

• 图1对比2010年某农林牧渔造假公司与绩优公司首位数字分布，造假公司明显偏离本福特分布曲线。

- 图2对比2012年某通信行业造假公司及同业绩优公司，结果类似，造假数据曲线震荡幅度大。

• 这些图片支持本福特定律初步有识别价值，但不能作为独立判别标准。

- 图中Benford线为理论值，对比公司曲线较平滑，造假公司数据波动较大。[page::3]

3.3 造假公司行业占比（图3）

• 左图显示财务造假公司按行业分布，制造业占比达52%，批发零售9%，农林牧渔5%。

- 右图为全A股行业占比，制造业64%，批发零售7%。

• 对比显示部分轻工业、服务业占比在造假公司中相对更高，风险集中。

- 图表清楚揭示了造假风险行业的特点，提示监管重点关注对象。[page::4]

3.4 造假模型ROC曲线（图4）

• 图表形象展示了模型在不同阈值下的灵敏度（召回率）与特异度（正确否定率）的权衡。

- ROC曲线明显优于随机猜测（对角线），展示了模型识别潜力。

• AUC 0.734表明模型有良好的预测能力，但仍有改进空间。

- 该图支持了模型的实用性和科学性。[page::10]



---

四、估值分析

报告并未涉及财务造假预测模型的估值分析或具体定价模型，并非传统意义的股票估值报告，而是偏重风险监测和事件识别模型构建，故无估值方法论解读。

---

五、风险因素评估

报告内容未明确划分风险章节，但通过变量设计和显著性差异，隐含识别了财务造假潜在风险因子：

• 利润持续亏损风险：去年净利润为负极大提高造假可能性。

- 股权分散治理风险：大股东持股非集中及机构持股比例低，企业内部治理弱化。

• 财务指标异常风险：营业总收入与净利润比值异常高，应收账款占比异常高，反映资金质量堪忧。

- 审计意见异常风险：连续两年存在保留或特殊审计意见显著提示问题。

• 市场关注度低风险：换手率低，机构持股少，可能导致造假不易被发现。

这些风险因素可视为预警和监管的重点方向。[page::10]

---

六、批判性视角与细微差别

• 报告明确指出本福特定律在A股单个公司层面的适用性有限，避免了过度依赖单一统计规则的误区。

- 选择了被证监会确认的财务造假案例做样本，保证数据真实性，但可能存在公布滞后导致样本不完全反映市场整体风险。

• 控制样本选择为同行业非造假企业，样本规模巨大且覆盖面广，增强了模型的代表性。

- 财务指标和市场指标选取合理，但部分指标显著性不足，模型多以财务数据为核心，股权结构和市场行为解释力相对较弱，未来可探索更多非财务变量。

• ROC曲线显示模型准确率约73%，虽属行业较好，但仍有较高误判率，实际使用中需结合定性判断和其他风险管理工具。

- 一些变量的解释（如营业外收入/净利润比）显示统计显著性不足但被纳入考量，表明对财务指标关系不完全确定，后续研究可聚焦更精细指标。

• 参考文献丰富，学术基础扎实，但来自2015年及之前的研究，有待更新符合近年A股市场监管趋严后的新情况。

---

七、结论性综合

本报告立足于中国A股2008年以来经中国证监会公开认定的财务造假案例，结合国内外经典财务舞弊预测模型，系统选取了包括财务指标、股权结构、审计意见及资本市场信息在内的多维变量。最终基于逐步逻辑回归构建的财务造假预测模型具备如下特点：

• 重要变量涵盖营业总收入/净利润比、高应收账款占比、股权集中度、机构持股比例、换手率及审计意见次数，全面反映造假企业的财务异常和治理弱点。

- 模型的预测效果较好，样本内AUC达到73.4%，造假识别率接近80%，能够在实际投资和监管中发挥辅助“排雷”作用。

• 模型对样本抽样具有显著稳健性，呈多次回归结果的一致性。

- 本福特定律作为辅助工具在单个公司层面实用性有限，强调综合指标建模的重要性。

• 造假高风险行业主要集中在制造业、农林牧渔及批发零售等领域，提示监管部门重点关注相关行业。

- 风险因素包括持续亏损、股权分散、异常审计意见及低市场活跃度，形成完善财务造假预警体系的基础。

综上，报告深入剖析了A股上市公司财务造假特征，结合实证数据构建了可靠的预测模型，为资本市场投资者、分析师和监管者提供了科学的量化工具和决策参考。

---

参考文献

本报告引用了包括Beneish（1999）、Dechow（2011）、钱苹和罗玫（2015）等权威产出，充分借鉴了国际前沿和国内适用的研究成果，保证研究的学术严谨性和现实针对性。[page::12]

---

总结

本报告是一份结构完整，基于实证数据和逻辑回归分析的财务造假风险预测模型研究成果，既体现理论深度，也具备一定实操价值。报告论证严谨，模型变量选取科学，数据支持充分，且对模型实用性和限制进行了客观评价，具备较高的参考价值和推广潜力。

---

（本分析全部内容均基于报告原文内容，所有结论均附有页码标识以便核查）

报告