基于Benford法則的企業財務數據質量評價
來源:用戶上傳
作者:
摘要：大數據信息化背景下，數據作為信息的栽體發揮著重要的作用。企業財務數據的質量至關重要，它與企業的財務管理、審計監管以及投資者決策的正確與否緊密相關。然而，由于個別企業財務數據存在不真實的狀況，導致企業財務數據的可靠性和真實性一直飽受質疑。從定量角度研究企業財務數據的質量問題，探討Benford法則在檢驗財務數據質量中的應用，運用此法則結合山東省40家上市公司近五年的財務數據進行實證分析，實證結果證明該方法在檢驗數據可靠性方面是有效的。
關鍵詞：Benford法則;財務報表;數據質量;質量評價
中圖分類號：F606.6 文獻標識碼：A
0引言
在大數據作為新的信息化浪潮的大背景下，以大量、高速、多樣和價值為特征的大數據迫使人們不得不重新審視會計信息質量。大數據以信息技術為支撐將抽樣統計轉變為總體統計、將精確統計轉變為準確統計、將歸因分析轉變為相關分析，在這樣一種大的思維方式挑戰下，會計信息質量要求也面臨新的挑戰。財務數據是企業生產經營活動成果的體現形式。在大數據背景下，財務數據較之前有了質的改變，表現出更為豐富的數據內涵，同時結構也更加復雜更加多樣化。即便如此，財務數據的本質仍然是一種數據。隨著資本市場的不斷完善，數據作為信息的主要載體發揮著越來越重要的作用，企業財務數據亦不例外。
企業財務數據的質量至關重要，它與企業的財務管理、審計監管以及投資者決策的正確與否緊密相關。企業的發展始終都是以項目為載體的，并通過項目運作來實現。企業的活動圍繞著項目不斷地循環，而對項目的管理和決策的關鍵則取決于財務數據。不管是企業的管理者還是投資者，財務數據的真實性和可靠性是做出判斷和決策的先決條件。
然而，財務造假、舞弊事件層出不窮。典型的有90年代初的“三大虛假財務報告（驗資）案件”、1997-1998年發生的新“三大案件”、2000年的鄭百文、黎明股份、猴王股份案件，2001年曝出的麥科特舞弊案則將財務數據造假推到了高潮。2017年最轟動的鞍重股份和九好集團的“忽悠式重組”，更是讓證監會開出了900萬的罰單。由于這些少數企業的財務數據造假，投資者的經濟利益直接受損，同時上市公司乃至整個資本市場的公信力減弱甚至喪失。社會公眾缺乏投資信心，也會給社會經濟造成一定的影響。這就進一步要求審計部門加強對財務數據的審查，盡可能保證財務數據的質量。
綜上所述，如何方便快捷地評價財務數據的真實性和可靠性，是亟待解決的一個重要問題。目前我國的學者對于財務數據質量的研究大多停留在定性的角度上，主要從財務造假的成因以及財務造假的形式等方面分析，并不能從根本上解決問題。截至2017年底山東省共有上市公司167家，本文隨機抽取山東省2013 2017年的40家上市公司公開公布的財務數據，結合數據本身的規律，從定量分析的角度，探尋Benford法則在進行企業財務數據質量評價中的有效性。
1Benford法則介紹及檢驗
1.1Benford法則
在人們的一般印象中，每個數字出現的概率是相同的，其實不然。Benford法則認為數字的出現是有其規律可循的。1881年，美國天文學家SimonNewcomb在一次查詢對數表手冊時，偶然發現手冊前面的頁碼（即以1、2、3為首位數字的頁碼）的紙頁要比后面的頁碼（即以7、8、9為首位數字的頁碼）的紙頁的磨損程度明顯嚴重，并且首位數字越小磨損就越嚴重，呈現出一種遞減關系。但是，他當時未能合理解釋這一現象。
直到1938年，美國的物理學家Frank Benford也發現了這一有趣的現象。為了證明這個結論的真實性，他利用在7年時間里收集的20組不同領域和過程的20229個樣本數據。經過分析推導，終于成功地出描述這一現象的數學表達式：
式中的p（di）代表的是任意一個樣本數據中的首位數字i出現的概率，這個首位數字要求一定是正數且不為零，并且必須是被檢測的樣本數據的左起第一個數字。
經過計算，各個首位數字從1到9出現的理論概率分別為：0.301030、0.176091、0.124939、0.096910、0.0791 81、0.066947、0.057992、0 051153、0 045758。
圖1是依照Benford法則計算出的各個首位數字出現的理論概率的分布圖。
從圖1可以看出，首位數字出現的概率隨著數字的增大呈現出遞減的趨勢。因此，如果一組被檢測樣本數據的質量越高，越真實，首位數字出現的概率應該符合這一法則。相反，假若一組數據經過人為的修飾或者造假，那么被檢測樣本數據的首位數字出現的概率必然不能符合這一法則。綜上所述，若發現一組被檢測樣本數據的首位數字出現的概率與Benford法則的理論頻率產生差別，這組數據的真偽就是值得懷疑的。
1.2 Benford法則的檢驗方法
通過檢測觀測樣本首位數字的概率與Benford法則下的首位數字出現的概率之間的距離大小，若d，m值越小，說明距離越小，即被觀測數據的首位數字的實際出現概率符合Benford法則，這組數據的真實性就越高。反之，則結論相反，數據質量存在質疑。
1.2.3相關系數檢驗
這一檢驗方法的做法是：將被檢測樣本的首位數出現的概率與Benford法則下的首位數字出現的理論頻率進行相關分析。若得到的結果越接近于1，則意味著被觀測數據的首位數字的實際出現概率和理論概率的相關性就越強，也就間接說明這組被檢驗樣本數據的真實性越高。反之，若得到的結果越接近于0，數據被篡改的可能性就越大。具體的判斷標準，見表1。
2企業財務數據質量評價實證分析
2.1被檢驗樣本數據的選取
為了保證數據的可獲得性，截至2017年底山東省共有上市公司167家，本文隨機抽取40家上市公司作為樣本。對每一家樣本公司，獲取2013年2017年的主要財務數據進行數據質量的實證分析，數據均來源新浪財經網站。 上市公司財務狀況主要由三大財務報表來反映，也是舞弊風險的高發地帶。因此本文選取三大報表中的主要財務指標來分析。包括資產負債表中的總資產、總負債、所有者權益，利潤表中的營業利潤、凈利潤以及現金流量表中的經營現金流入額、經營現金流出額、投資現金流入額、投資現金流出額、籌資現金流入額、籌資現金流出額的近五年數據。
2.2實證結果及分析
按照財務報表的三種類型，將山東省40家上市公司的近五年財務報表數據分別進行整理。得到資產負債表觀測數據600個，利潤表觀測數據400個，現金流量表觀測數據1200個。然后利用Exce12010分別提取三大報表對應觀測數據首位數字，通過分析，得到表2結果。
由表2，可以清晰地看到被檢測的樣本企業財務數據首位數字出現的概率。進一步將其與理論概率比較，結果見圖2：通過比較實際的首位數字出現概率與理論上應該出現的概率作比較，兩者之間相差0.01以上的的數字應該進一步檢查。從圖中結果可以看出，資產負債表中的財務數據首位數字的出現概率和理論概率基本保持一致，基本符合Benford法則，而利潤表和現金流量表中的財務數據中首位數字是8的指標明顯偏離了理論概率，因此需要高度關注，并進行進一步的檢查。
利用SPSS22.0軟件按照上面提到的可行檢驗方法進行首位數字出現概率的檢驗，結果見表3。
從表3中可以看出選取的觀測值數量較大，為大樣本，滿足Benford法則的檢驗要求。x2檢驗在自由度為8時，顯著性水平1%、5%、10%的臨界值分別為20.09、15.51、13.36。選取顯著性水平為5%，在表3的擬合優度的檢驗結果中，資產負債表、利潤表及現金流量表的卡方統計量均小于臨界值15.507。從實證分析的角度進一步說明抽取的40家樣本企業的三大財務報表指標首位數字符合Benford法則，企業財務數據具有真實性。同樣，表3中的歐式距離和m統計量的檢驗結果均未超過0.01，說明被觀測數據的首位數字的實際出現概率符合Benford法則，選取的樣本數據的真實性比越高。相關系數的值均接近1，并且按照前述判斷標準都落在0.99
根據上文分析，最終得出：所選取的40家樣本企業的財務數據基本符合Benford法則，但要對利潤表和現金流量表中的財務數據中首位數字是8的指標進行關注的結論。同時也驗證了Benford法則在評價企業財務數據質量方面的有效性。
轉載注明來源:http://www.hailuomaifang.com/3/view-14871206.htm
