基于会计信息可信度的上市公司优劣甄别研究

来源:用户上传      作者: 许 楠

　　摘要：本文从投资人角度出发，基于会计信息可信度，依据木桶原理建立上市公司优劣甄别体系和方法，并针对会计报表是否真实运用Logistic回归分析方法建立会计信息真伪识别模型，为投资者从众多上市公司中刚刚出会计信息可信度高的公司，提供可借鉴的较为简单、实用性高的方法。
　　关键词：会计信息可信度　木桶原理　上市公司　优劣甄别　Logistic回归分析
　　
　　会计信息可信度关系到广大投资者的切身利益，会计信息可信度高的上市公司更受投资者的青睐。经过对市场进行管理整顿，2005年以后证监会查处的会计信息失真案件开始有所减少。这种现象可以解释为整个市场环境向着良性的方向发展，也可以解释为是公司作假手段更加高超。如果是后者，则需要建立一种以会计信息可信度高低为标准的上市公司优劣甄别体系，避免盲目投资带来经济损失，这正是本文研究的实际应用价值所在。
　　
　　一、文献综述
　　
　　(一)国外文献回顾　国外对于会计信息可信度的研究是从注意到会计信息失真问题开始的，Loebbecke和Willlngham(1988)的“L／W模型”是重要的理论研究成果。之后众多学者都采用实证研究方法对该模型进行了检验，如Bell等(1991)使用“L／W模型”46个变量对382家企业进行了实证分析。随着理论研究的不断发展，有些学者开始利用Logit模型、Probit模型和人工神经网络模型进行会计信息失真识别。Beasley(1996)利用Logit回归模型对150家企业(75家会计信息失真企业和75家正常企业)进行会计信息失真可能性的预测。Hansen(1996)建立了一个综合Logit和Probit技术的模型，用来预测企业会计信息失真可能性。Green和Choi(1997)构建了一个神经网络模型，该模型可以识别85％的会计信息失真企业和79％的会计信息真实企业。Efstathios Kirkos等(2007)提出采用具有先进分类技术和预测能力的信息采集分类技术来识别虚假财务报表。
　　(二)国内文献回顾　国内对会计信息可信度、会计信息失真的研究起步较晚，经历了对会计信息失真的定义、特征、原因和危害的定性研究阶段后，开始着眼于会计信息失真的识别方面。陈亮、王炫(2004)在会计失真识别的经验分析基础上，从实证角度构建了单因素方差分析识别模型。张玲、吴波等(2006)应用Fishec类多元判别方法，从审计角度建立了一个我国上市公司会计信息失真可能性评估函数。刘君、王理平(2006)采用径向基概率神经网络为工具，提高了预测精度。梅国平、陈孝新等(2006)采用主成分分析方法，建立了一种新的预测企业会计信息失真的模型――主成分预测模型，并进行了实证检验。在上市公司会计信息可信度方面，具有代表性的研究是《经济观察报》、经济观察研究院发布的上市公司信任度指数，该指数是采用指数化研究方法对上市公司信任度进行独立评价。
　　综上，国内在如何评价上市公司可信度方面进行了卓有成效的研究，但如何从众多上市公司中甄选出会计信息可信度高的上市公司尚未涉及。因此，本文根据木桶原理试图设计一套基于会计信息可信度的简单、实用性高的适合于中国资本市场的上市公司优劣甄别体系和方法，帮助投资者从众多上市公司中选择出会计信息可信度高的上市公司，从而作出正确的投资决策。
　　
　　二、上市公司优劣甄别体系构建
　　
　　(一)木桶原理　结合会计信息可信度和木桶原理，本文建立的上市公司优劣甄别体系分为4个层次16项标准。如将上市公司比喻成“木桶”，则16项标准就是构成木桶的各个木板，任何木板不符合标准，整个木桶就将被淘汰。符合全部16项标准的上市公司将被判定为“优”，反之将被判定为“劣”。
　　(二)真实层　真实层主要是针对会计报表信息的真实性来制定标准，这些标准参照了证监会处罚报告中对违规上市公司进行处罚的主要原因，主要有三个标准：(1)会计报表按时披露。证监会要求上市公司及时披露会计报表，并对没有及时披露会计报表的上市公司进行行政处罚。可见，没有及时披露的会计报表可能存在问题。(2)会计报表中未有漏报现象。会计报表中数据的漏报不仅使公众投资者们无法全面了解公司信息，且漏报的方面很可能存在问题。(3)会计报表是真实的。会计信息失真一直是人们关注的热点，也是衡量会计信息可信度中最重要的一个标准。后文将针对此标准建立会计信息真伪识别模型。
　　(三)独立层　独立层主要是针对上市公司的独立性来制定标准，主要有四个标准：(1)董事会人员、类型结构设置合法。合理的机构设置才能发挥机构原有的效用，如为避免大股东控制董事会，董事会必须任用在人数上与健全公司治理结构相一致的独立董事。(2)报告期不存在董事、监事非正常离任情况。董事、监事、高管的非正常离任可能涉及到复杂的大股东权利之争或因内部控制失效导致的职务犯罪。(3)报告期不存在董事会、监事会、经理应换届未换届情况。违反《上市公司治理准则》的规定，即不符合良好公司治理规范。有碍会计信息可信度。(4)报告期出席股东大会的流通股股东代表所代表的流通股股份比例高于10％，股东大会上做到关联方回避。不规范的股东大会所产生的决议不能充分代表所有股东意见，会产生决议被大股东控制的情形，有碍会计信息的可信度。
　　(四)公允层　公允层主要是依照会计信息的公允性来制定标准，主要有五个标准：(1)报告期如实披露重大财务信息和重大对外担保事项。重大对外担保事项会对上市公司经营产生很大影响，甚至可以直接关系到上市公司的生存，所以上市公司有义务对重大财务信息和重大对外担保事项进行及时披露。(2)报告期募集资金使用项目、金额、进度及收益情况与承诺相一致。募集资金使用计划是公司管理当局向公众投资者募集资金时提出的重要承诺，对于那些大比例变更募集资金使用计划的公司来说，其原有计划很可能是为募集行为人为编造的。(3)报告期不存在大比例关联方交易。如果上市公司来源于关联方企业的营业收入和利润超过正常标准，那么投资者就应关注关联方交易发生的时间和目的，很有可能是上市公司为了逃避因连续亏损而被ST的命运而进行的利润操纵。(4)报告期经营成果与盈利预测一致。差异程度低于10％或高于20％，往往是股票发行人或公司管理当局为提升发行价或维持股票价格的手段。(5)报告期董事会报告披露财务结果重大变化及其原因，且该披露与财务报告相一致。报告中应关注报告期公司在财务状况、经营成果等方面发生的重大变化，而且要解释变化的原因，提供的信息要与财务报告相一致。
　　(五)可信层　可信层主要是对上市公司可信度的长期性和前瞻性进行检验，主要有四个标准：(1)15年内不曾出现过被证监会处罚的历史。以一个年代(10年)为基准，再加上证监会处罚滞后的时间3-5年，因此将标准定为15年。(2)披露合法的高管报酬制度。依据国内现行制度，除非公司在公开披露的公司章程及其修订文件中加以披露，高管报酬制度通常被排除在定期信息披露之外。这是我国公司治理制度上的一大缺陷，也是未来将会改进的方向。目前，上市公司能够做到这一点比较不易。(3)高管在公司领取报酬。

如果存在高管不在公司领取报酬或在股东单位及其关联方领取报酬的情况，那么公司在实质上就未能将所有权与控制权分开。(4)5年内每个报告期均通过前3层的筛选。未被证监会处罚不一定能通过前3层的筛选，5年的期限涵盖了被证监会处罚的滞后时间。
　　
　　三、研究设计
　　
　　(一)研究假设　研究上市公司会计信息真伪的识别要从财务指标人手，本文借鉴国内外既有研究成果，全面考虑上市公司盈利能力、偿债能力、资产管理效率等各个方面的财务指标，提出与会计信息真伪识别相关的15个假设。
　　假设1：资产负债率与会计信息真伪识别相关
　　假设2：应收账款周转率和存货周转率与会计信息真伪识别相关
　　假设3：总资产周转率与会计信息真伪识别相关
　　假设4：资产净利率与会计信息真伪识别相关
　　假设5：现金及现金等价物净值／总资产与会计信息真伪识别相关
　　假设6：流动比率、速动比率、△流动比率／△速动比率与会计信息真伪识别相关
　　假设7：△资产负债率、△应收账款周转率、△存货周转率、△总资产周转率、△资产净利率、△现金及现金等价物净值／总资产与会计信息真伪识别相关
　　假设8：实际所得税比率变动率与会计信息真伪识别相关
　　假设9：主营业务税金／主营业务收入、(应付账款+应付票据)／主营业务成本、主营业务成本／主营业务收入与会计信息真伪识别相关
　　假设10：库存商品增长率与主营业务成本增长率之差与会计信息真伪识别相关
　　假设11：年平均折旧率与会计信息真伪识别相关
　　假设12：期间费用比例和△期间费用比例与会计信息真伪识别相关
　　假设13：坏账准备，应收账款、△坏账准备，应收账款与会计信息真伪识别相关
　　假设14：其他应收款增长率、其他应付款增长率与会计信息真伪识别相关
　　假设15：存货净额／总资产、应收账款／总资产、固定资产／总资产与会计信息真伪识别相关
　　(二)样本选择　近年被证监会处罚的公司以制造业公司居多，受处罚的原因多数是财务报告存在虚假记载，而财务报告虚假记载的主要目的是进行利润操纵，因此本文将从进行利润操纵的制造业上市公司中选取样本。在2002年至2008年被证监会处罚的上市公司中，收集了1999年至2003年单纯涉及营业利润操纵而被公开处罚的20家制造业上市公司，并以这些公司每个处罚年度的会计数据为一个样本，共有45组数据。本文为每家公司的每个样本选取了一个控制样本公司，选取的标准为：(1)同一交易所上市，同一行业板块，经营范围类似；(2)规模相似；(3)公司经营状况正常，不曾因披露虚假信息而被证监会处罚；(4)与失真公司不重复抽样。在样本组中，剔除了有缺陷的样本，最终得到40家上市公司(20家舞弊公司和20家正常公司)的88组数据为研究对象。选取的所有估计样本公司及处罚年度如(表1)所示。
　　
　　为了证明20家舞弊公司和20家正常公司的规模相似，本文采用SPSS软件对40家公司选取样本前一年度的资产、负债、所有者权益和主营业务收入进行了统计检验。检验结果表明，两样本无显著差别，两样本公司的规模相似。
　　(三)指标设置　根据上述假设可以设置34个指标：资产负债率、应收账款周转率、存货周转率、总资产周转率、资产净利率、现金等价物净值与总资产比、流动比率、速动比率、流动比率与速动比率增量比、△资产负债率、△应收账款周转率、△存货周转率、△总资产周转率、△资产净利率、△现金及现金等价物净值与总资产比、实际所得税比率变动率、主营业务税金占收入比、应付款项占成本比、主营业务成本率、库存商品与成本增长差、固定资产与累计折旧增长比、△销售比例、△管理比例、△财务比例、销售比例、管理比例、财务比例、应收账款坏账准备率、△应收账款坏账准备率、其他应收款增长率、其他应付款增长率、存货与总资产比、应收账款与总资产比、固定资产与总资产比。
　　(四)模型构建　针对会计报表是否真实，本文采用kgisfic回归分析法建立会计信息真伪识别模型。Logistic回归分析法是对二分类因变量进行回归分析时最普遍使用的多元统计方法。选用该方法的理由：(1)对于变量的分布没有具体要求，适用范围更广，优于判别分析(判别分析要求变量服从多元正态分布，现实中一般无法达到)。(2)建立Logistic回归模型后，将具体公司的财务比率变量数据代入模型即可得到一个概率值，然后根据投资者的风险偏好程度设定警界线，以此对分析对象进行决策。该方法给人直观明了，运用简单方便。Logistic模型的数学表达式为：P=exp(a+a1x1+a2x2+……+anxn)／1+exp(a+a1x1+a2x2+……+anxn)
　　上市公司会计信息可信度状况可表示为失真和不失真，设p为会计信息失真的概率，取值范围为[0，1]，1－p为会计信息不失真的概率。
　　
　　四、会计信息真伪识别模型构建
　　
　　(一)显著性检验　显著性检验的主要目的是从34个指标中筛选出显著性大的指标，这些指标在后续的模型构建中要始终保留。经过SPSS软件进行10％水平下的双尾T检验，在这34个指标之中，共有13个指标在10％及10％以下的水平下显著。其中：总资产周转率、速动比率、应付款项占成本比、管理比例、财务比例、存货与总资产比在1％的水平下显著，流动比率、△资产负债率、△财务比例、其他应收款增长率、固定资产与总资产比在5％的水平下显著，△现金及现金等价物净值与总资产比、销售比例在10％的水平下显著。
　　(二)回归分析　选用Wald概率统计法向后逐步选择协变量，经过多次的重复分组实验、测试，每组必须含有在10％的水平及10％以下水平上显著的13个指标，依次引入其余的21个指标，优先选择显著性较大的指标，对加入新指标前后的回归方程的分类能力进行比较，能提高回归方程分类能力的保留在方程内，反之指标被删除。经过logistic回归分析，最后选定的回归方程含有17个协变量，这个回归方程是显著的，R2为0.6，调整后的R2为0.625。回归方程的系数如(表2)所示。
　　
　　推导出来的由17个变量组成的回归方程，即会计信息真伪识别模型为：
　　P=exo(-1.518LT-0.057ATR+0.753MEAE-4.461+……-3.307FOA)／…1+exo(-1.518LT-0.057ATR+0.753MEAE-4.461+…-3.307FOA)
　　正系数意味着该协变量值越大，P值越大，负系数意味着该协变量越小，P值越小。该方程的平均预测准确率为83.9％。
　　
　　五、结论
　　
　　本文为广大投资者设计了一套较为简便可行的上市公司优劣甄别体系和方法。根据木桶原理，只有全部符合16项标准的上市公司才被认定为会计信息可信度高，才能将此上市公司判定为“优”。16项标准中，有一项关键标准――判断会计报表是否真实，本文构建了识别模型，将17个财务指标代入会计信息真伪识别模型，进而计算出会计信息失真的概率p，p值越小越好。本文从投资者的角度出发，制订了严格的标准和甄别方法，以求甄别出会计信息可信度高的优质上市公司。
　　
　　(编辑　赵琳琳)

转载注明来源:https://www.xzbu.com/3/view-801242.htm