观察 | 财务舞弊识别：从人工到智能

从康美药业到瑞幸咖啡，在频频暴雷的资本市场，投资者举步维艰。而在未来的3-5年，随着疫情的常态化和实体经济的持续下行，现金流短缺将导致更多财务舞弊的藏匿者无处遁形。幸运的是，财务舞弊现象其实并非突然而至的黑天鹅，而是常常被忽视的灰犀牛，在智能时代可以被更多地预见、预防。

本篇在剖析财务舞弊识别传统方法后，具体阐释了智能财务舞弊识别模型在数据库、模型和场景方面的应用。精华部分摘录至《可持续发展金融前沿》第7期，欢迎留言探讨并点击文末阅读原文了解。

在人工时代，财务舞弊识别的传统常见方法包括分析性复核法、关联交易剔除法、异常利润剔除法、现金流量分析法等，其主要存在两大问题：一是过度依赖于专家的经验判断，难以避免主观因素，且难以构建标准化流程；二是均基于财务指标，进行可靠性检验的数据基础有限，且具有时滞性。

对此，厦门国家会计学院中国财务舞弊研究中心牵头构建的智能财务舞弊识别模型，通过搭建数据库、财务舞弊识别模型等方式，大幅提高了识别效率、提升了可靠性并降低了大规模审计的成本。

1.在数据库方面，智能财务舞弊识别对两方面的非结构数据进行了量化处理。

一是非财务数据的量化，对企业的临时披露及新闻资讯等动态跟踪，并突破了行业术语、高度专业化等企业信息差异化问题，以此为基础可以实现从财务到非财务信息、从内部数据到外部数据的逆向加工与信息溯源，构建会计信息可靠性再判断的基础；二是专家经验的量化，基于“决策树”子模型、专家系统、回归统计分析三个方法，将专家经验变成可以量化的指标、维度及其组合。最终，得出可用于企业画像的指标变量数量可达上千，大大突破了人工识别的边界。

2.在模型方面，具体可分为两个子模型，即财报可信度识别模型和财务异常识别模型。

对于财报可信度识别模型，从财务税务维度、行业业务维度、内部控制维度、公司治理维度、数字特征维度的五个维度进行企业画像，以模型为导向筛选出对企业财务状况构成潜在威胁的变量，通过动态跟踪市场信息，可以及时发现企业财务舞弊信号。

对于财务异常识别模型：首先，下沉到四级行业构建行业图谱，定义行业可比公司与行业财务分析模型，并针对特殊行业画像；其次，从盈利能力、资产质量、现金分析三个层面，对各细分行业分别设置主成分指标、权重、阈值以搭建财务分析框架模型，并结合行业特征进行全样本分析；最后，精准定位企业所处的细分行业，对企业各财务维度及总体健康度进行打分，分为高、中、低三类。

因此，有悖于传统只对财报可信度或财务异常信息进行判断的做法，智能财务舞弊识别可以通过二者的结合，对企业的财务健康度做出更加准确的判断，并以用户友好的数据可视化形式呈现。

图1 智能财务舞弊识别模型

当然，虽然理论体系是相对稳定的，但市场是处于实时变动状态的，这就需要智能财务舞弊识别系统的持续迭代：一是数据层面的迭代，即根据实时更新市场信息，动态调整评估结果；二是模型层面的迭代，跟踪细分行业的持续变化以调整模型中的指标和阈值，并通过人工复核对可能存在的评级失真情形及时调整知识图谱。

特别提示：

以下文章来源于社会价值投资联盟CASVI ，作者张晗

如有侵权，联系后台删除，谢谢！