审计合谋的特征变量预警模型及其效果探讨.docx

审计合谋的特征变量、预警模型及其效果研究 一、问题的提出与意义证券市场揭露的审计失败,几乎都是审计合谋的结果,给利益相关者造成了重大经济损失,也严重损害了审计市场的基本秩序与声誉。现实中,尽管合谋者最终会受到不同程度的惩处,但给受害者带来的主要是心理安慰而经济补偿效果甚微,公司的外部利益相关者(如中小股东和潜在股东、债权人等)更期望监管机构能尽早地发现审计合谋的苗头,防患于未然,与事后惩罚审计合谋相比,审计合谋预警更有价值。在现有的研究中,与审计合谋有一定关系的主要有两类,一类是关于财务报告舞弊预警的研究,如Spathis, Doumpos和Zopounidis (2002)、刘立国和杜莹(2003)、秦江萍(2006)、陈国欣、吕占甲和何峰(2007)、吴革和叶陈刚(2008)等从上市公司的财务状况和(或)股权结构进行预警研究,只涉及上市公司方面的因素,并未涉及审计师以及审计师与管理当局合作这两大变量的影响,因而不是真正意义上的关于审计合谋的预警研究,但对本研究有一定的参考作用。第二类是关于审计合谋预警的规范研究,如雷光勇(2005)从审计意见的需求方、供给方和外界环境三个方面来识别(即本文的“预警”)审计合谋,但没有提供经验证据,也没有构建相应的预警模型。基于此,本文根据审计合谋的特点,从上市公司的财务特征、股权结构和公司治理、审计师三个视角,建立回归方程,获取审计合谋的特征指标,然后,以这些特征指标为变量构建审计合谋的预警模型,用经验检验的方法检验并比较了三种预警模型的效果。总而言之,本文的主要创新与贡献在于: (1)理论研究上弥补审计合谋预警研究缺乏预警效果较好的实证模型的缺陷。并且在本文构建的审计合谋预警实证模型中,一方面新增了“审计师”这一类变量,将以往的财务预警实证模型拓展成了预警效果较好的审计合谋预警实证模型,另一方面又对以往财务舞弊预警的实证模型进行了较科学的综合和改进,新增了机构持股、高管规模、审计收入依赖等变量,使模型更加充分地反映审计合谋的特征,保证了模型的预警效果。(2)人们可以利用该预警模型测试上市公司,较准确且较早地发现具有合谋倾向的上市公司和审计师,有利于监管机构高效“锁定”审计合谋者,防止审计合谋事件扩大与恶化,使监控审计合谋具有前瞻性、准确率高、重点突出、监控成本低廉和不利影响小等实际应用价值。 二、样本选取与数据来源 当某上市公司与其审计师因相同原因而同时受到监管机构的处罚,并从公开披露的其他事实加以佐证时,基本上可以推定发生了审计合谋。由此,我们从2002-2008年间证监会针对上市公司财务报告舞弊做出的公开处罚报告中,采用事件研究法,获取32个可以作为审计合谋的样本。在控制样本选取上,考虑到审计合谋样本太少,按1: 1配比样本容量略显不足,不适合做多元回归分析,且可能因对舞弊公司过度抽样而导致强化合谋公司(Plat,t 2002),而按总体分布比例配比又可能导致弱化合谋公司的结果(Ohlson, 1980)。因此,我们按照1: 3配对标准并严格按照下述三项条件选取96家正常公司(没有因会计舞弊而遭受处罚)作为控制样本。(1) Platt和Pedersen (1994)、Huang (1994)在做财务困境预测研究时都把样本严格控制在相同行业内,行业也是影响舞弊发生的因素之一(Persons, 1995)。因此,本文限定控制样本在相同行业、相同会计年度内选取。(2)规模相同的上市公司在公司业绩、管理行为等方面更具可比性,本文在选取控制样本时保证资产规模相近。(3)控制样本公司没有被披露存在财务舞弊和被处罚的历史。本研究中使用的处罚公告、公司财务数据、审计数据来自于中国证监会网站和国泰安公司开发的CSMAR数据库。 三、审计合谋的预警视角与特征变量 (一)审计合谋的预警视角与分析指标 审计合谋是多在公司效益不佳、财务状况恶化的情况下,审计师与公司管理层都有追求自身利益最大化意愿而由审计师提供与公司管理层合意却损害其他利益主体利益的不当审计报告的机会主义行为。虽然现实的财务困境、经济利益驱动等是审计合谋发生的重要客观原因,但股权结构和治理结构的不当安排也为审计合谋提供了可乘之机。因此,在构建审计合谋预警模型时,综合地考虑如下三类因素: (1)审计合谋与财务报告舞弊的共生关系(雷光勇, 2004); (2)股权结构和治理结构的不当安排为审计合谋提供的环境条件(3)审计师追逐不当审计收入对审计合谋提供的动力机制。据此,本文建立了如下Logistic多元回归模型以分析审计合谋与公司财务特征、股权结构与治理结构、审计师特征之间的关系。Logitp( ) = 其中,为截距,为回归系数,为残差。Collusion为被解释变量,当样本属于合谋上市公司时,取值为1,否则为0。解释变量X1X21,反映上市公司财务特征、股权结构与治理结构、审计师三个方面的信息,其中变量X1X9是根据作者设计的46个财务指标的非参数检验结果,并得到以往研究结论的支持所选取的显著指标,这些变量与其他变量的含义与选入依据见表1。 变量的含义与选入依据(二)审计合谋预警的特征变量区分合谋样本与正常样本进行描述性统计,结果如表2。对比两组样本,其中差异较大的变量有X1、X2、X3、X5、X6、X7、X13、X18和X20。 模型(1)的多元回归分析结果如表3所示。与因变量Collusion显著相关的变量有X1、X3、X5、X7、X9、X13、X16、X18、X20。表3 多元回归分析结果四、预警模型的构建及判定效果(一)单变量判定从回归分析获取的审计合谋预警的特征变量为X1、X3、X5、X7、X9、X13、X16、X18、X20。但虚拟变量是二元变量,用其进行判定近乎掷硬币游戏,预测意义不大。因此,选择非虚拟变量,通过确定模型的最佳判定点来判定上市公司是否合谋。判定结果如表4。从判定结果看,不论使用哪个指标,误判率均较高,即使判定效果最好的总资产周转率,误判率也达27·3%。(二)多变量判定1. LPM模型 以审计合谋的特征变量为解释变量,建立线性概率模型(LPM)进行回归分析,得到LPM的回归分析结果如表5所示。根据表5的结果, LPM模型的判定方程可表示为:Collusion=-0·217+0·345X1-0·015X3-0·002X5-0·232X7+0·365X9+0·104X13+0·028X16+0·439X18+2·468X20 (2 取0·5为判定分割点,根据式(2)进行计算,若预测值大于0·5,判定为合谋公司,否则为正常公司。判定结果如表6, 96家正常公司有7家被错判,误判率为7·3%; 32家合谋公司有15家被错判,误判率为46·9%;总误判率为17·2%。2·Logistic回归模型以与因变量Collusion显著相关的变量为解释变量,建立Logistic回归模型进行分析,得到的回归分析结果如表7所示。Logistic模型的判定方程可表示为:Collusion=-7·601+6·927X1-0·123X3-0·665X5-5·674X7+15·021X9+2·014X13+0·329X16+3·383X18+21·37X20 (3由Logistic变换方法知,上市公司审计合谋的概率计算公式为: 以0·5为判定分割点,根据式(3)、(4)计算合谋的概率。判定结果如表8, 96家正常公司有10家被错判,误判率为10·4%; 32家合谋公司有9家被错判,误判率为28·1%;总误判率为14·8%。3. PROBIT模型 PROBIT模型与Logistic模型相似,主要的不同在于两者采用的概率函数不同, PROBIT模型包括了非线性估计,计算量较Logistic模型大。表9列示了PROBIT模型的多元回归分析结果。 PROBIT模型的判定方程可表示为:Collusion=-3·486+3·053X1-0·068X3-0·26X5-2·818X7+6·233X9+0·914X13+0·165X16+1·696X18+9·225X20 (5) 以0.5为判定分割点,判定结果如表10, 96家正常公司中有7家被错判,误判率为7·3%;合谋公司中有14家被错判,误判率为43·7%;总误判率为16·4%。4.三种多元判定分析方法预测模型比较 三种多元回归判定分析方法的一类错误率、二类错误率和总误判率对比结果如表11。从统计结果看,判定准确率从高到低依次是Logistic模型、PROBIT模型、LPM模型, Logistic模型的预警效果最好。 五、研究结论及其解释从回归分析结果看,因变量Collusion与解释变量X1、X3、X5、X7、X9显著相关。其原因在于,过高的流动资产比率可能是公司财务舞弊的结果,净利润增长越慢、净资产收益率越小、总资产周转率越小的公司越有可能处在财务困境之中,越有舞弊合谋的需求,每股未分配利润越多的公司舞弊的空间越大,舞弊合谋的倾向也会增加。因变量Collusion与解释变量X13、X16在5%水平上显著相关。其原因可能在于: (1)在共同利益导航、机会主义攫利、“法不责众”效应和监督上的“搭便车”等的共同推动下,公司高管的规模越大,他们更可能“抱团”; (2)在特别人情化的我国,董事长兼任总经理进一步强化甚至神化个人在公司决策及其执行中的力量,也为作为总经理的董事长将经营中的操作设想轻而易举地带入董事会决议并使之通过,弱化了对董事会和高管的监督,为审计合谋又打开了一扇方便之门。因变量Collusion与解释变量X18、X20显著相关。会计师事务所对某家客户的审计收入依赖度越高,独立性越难保持,合谋的倾向增加。上市公司审计合谋的目的是获取合意的审计意见,审计意见改善可能是审计师与上市公司达成的结果。因此,增加审计收入是审计师合谋的利益动机、改善审计意见是管理当局要求审计合谋的初衷。 总之,虽然审计合谋极具隐蔽性,但上市公司的财务状况、股权结构和公司治理、审计师特征等包含了审计合谋的重要信息,审计合谋可以在一定程度上加以预警。由于企业在经营过程中,遇到的不确定性因素是多方面的,上市公司股权结构、治理结构、事务所的特征也具有特殊的历史成因,上市公司和事务所具备其中一个或几个特征并不意味着审计合谋的发生,用个别特异指标去预判企业是否参与审计合谋,准确性肯定很低,单变量预测模型的判定结果表明了这一点。但同时具备上述特征的上市公司和事务所,发生审计合谋的可能性大大增加,从多变量回归结果得到的特征变量为基础构建的LPM模型、PROBIT模型、Logistic模型,经检验, Logistic模型的预警效果最好,可以为审计合谋预警提供有力的技术支持。利用预警模型,人们(包括监管机构)可以较早发现具有合谋倾向的上市公司和会计师事务所,将其列为审计合谋的重点监控对象,这样可以缩小监控范围,提高监控效率。推荐理由：    一眼见此题，就对本文怎么对合谋进行数量化，运用计量的手段进行研究产生了极大的好奇。本文从2002-2008年间证监会针对上市公司财务报告舞弊做出的公开处罚报告中,采用事件研究法,获取32个可以作为审计合谋的样本，又按照1: 3配对标准并严格按照下述三项条件选取96家正常公司作为控制样本，从异常财务特征、股权结构与公司治理、审计师特征三个方面，对审计合谋的特征变量进行了实证研究。说实话，其中有些计量分析还很不清楚，但是最大的收获就是去体会其数量化的方式，怎样着手一个我们认为不可能做实证的题目，样本不够大时怎么处理。