上市公司的利润操纵与识别

3.2 利用部分财务指标识别利润操纵

财务指标是上市企业编写会计报表的基础和依据，同时也是我们识别上市企业利润操纵行为的重要工具，财务指标之间是相关联的，更能反映出企业真实的财务状况。

（1）应收账款周转率

应收账款周转率主要是用来衡量企业的应收账款是否属实，应收账款周转率是企业的销售收入比上平均应收账款得出的比值。比值在企业的正常发展中，一般不会有太大的变化，一旦有大的波动，大的变化，很可能就是企业的销售收入或应收账款出现错误，企业进行了利润操纵。 （2)资产质量指标

资产质量指标是用来衡量企业资产现状的，因为上市企业常用一些不良资产来粉饰公司的状况，所以有了资产质量指标，资产质量指标是不良资产比总资产，得数越大，说明企业粉饰越严重，企业的资产质量有严重问题，经营状况不是很好。资产质量指标能很好的表明企业的经营情况，若是在这种情况下，企业的利润仍然很高，就是上市企业在利用不良资产进行利润操纵。 (3)主营业务比例

主营业务是企业在日常活动中进行的项目，占企业资源的绝大部分，上市企业在主营业务上面很难做手脚。但是可以较容易的操纵其他的营业外收入上的金融数据。营业外收入一般是企业内部不经常进行的额外收入，不受重视，也不受人关注。所以很难从直观上观察出企业的收入问题，这就需要借助主营业务比例了，主营业务比例是主营业务收入比上总利润所得的比值，上市企业正常发展的情况下，主营业务的比例是比较大的，如果出现主营业务的比例特别低的情况，就可能是上市企业在营业外收入方面做了手脚，致使企业的总利润高，但实际上企业的经营状况并不好，所以投资者在分析企业的利润表时，要注意主营业务的比例，识别企业是否进行了利润操纵，辨明数据的真实性。 3.3扩展琼斯模型

在上市企业进行计量可操控的利润时，扩展琼斯模型是企业常用模型中最实用的。扩展琼斯模型是由我国的陆建桥在1999年提出来的，扩展的琼斯模型在变量中加入了无形资产和其他长期资产，完善了之前的修正琼斯模型。 扩展琼斯模型的表达式为： （TAt/At-1）=β0/At-1+β1(△REVt/At-1-△RECt/At-1)+ β2(PPEt/At-1)+ β3(IAt/At-1)

对于选取的变量解释如下：

①模型中的净利润、经营现金流量、总资产、营业收入、应收账款、固定资产、无形资产

和其他长期资产等财务数据，均来自各制造业上市公司的年报，该模型将非操控性应计利

润看作是营业收入增加额和应收账款增加额、固定资产总额和无形资产总额的函数。

②“营业收入变动额”反映的是企业的经营业绩，“应收账款变动额”反映的是与现金销售

相比，信用销售是否更容易引起利润操纵行为，“固定资产总额”反映的是企业

的资产规模， “无形资产总额”反映的是企业的非资产规模，各个变量除以“上一年度总资产”，可以消

除企业规模对非操纵应计利润的影响。

③实证研究中涉及的变量如表 4.1.1 所示：

符号 NDA DA TA A △REV △REC PPE IA

3.4验证利润操纵识别模型

第一步，根据前人的文献和一些会计从业者给出的建议本文首先选取了一些可能对识别利润操纵行为比较有效的识别逻辑语句，为了检验各识别语句的有效性，同时也为了克服一些指标非正态的性质，本文通过将各个利润操纵公司该指标在违规年度同行业中的分位数情况进行分位数均值的检验。

第二步，为了验证利润操纵识别模型在实际应用中的作用，本文通过建立三种模型来对比利润操纵识别模型对筛选优秀公司是否具有积极的作用。

第三步，建立模型 I：通过选择适当的财务指标对上市公司进行聚类分析，当然，这一模型得到的分组有效性在很大程度上依赖于财务信息的质量。

第四步，建立模型 II：建立新的聚类分析模型 II，既考虑财务性指标同时也

考虑到效率指标。由于通过财务指标得到的公司分组是以上市公司所有业务的业绩进行聚类，考虑到这种因业务组成不同导致的财务指标差异，本文选择加入效率指标来衡量各个公司收入组成存在差异时的投入-产出关系。之后用改进后的模型 II 对行业内公司未来的盈利能力进行分组。

第五步，建立模型 III：即同时考虑财务指标、效率指标以及利润操纵行为存在性指标修正模型 II 的识别结果，以降低选择到未来可能出现利润操纵行为公司的可能性。

第六步，对比模型 I、模型 II 和模型 III 的结果以及仅按照前一年盈利能力指标排序得到的公司分组在此后一年盈利能力变动的情况来说明效率指标和利润操纵识别模型在筛选优秀公司过程中的作用。

第四章xx公司案例分析

变量名 非操控性应计利润 操控性应计利润 应计利润总额 资产总额 营业收入变动额 应收账款变动额 固定资产总额 无形资产总额

（一）xx公司背景资料

xx公司于1994年6月30日于xx省工商行政管理局注册登记。注册资本为xx万元，2000年11月1日成功在上海证券交易所上市，成为电力行业上市公司的一分子，

2002年底因电力体制改革，中国电力投资集团公司成为xx公司最大的股东。在近年来的发展中，xx公司受大环境的影响，在企业的发展方向进行了改进，在股票发行方面特别显著，企业的收益结构发生了明显变化，但财务状况一直保持较为稳定的增长方式。Xx公司很可能对公司的财务状况进行了利润操纵的行为。

（二）识别过程及结果

在本文的实证研究中，笔者将采用扩展的琼斯模型对11.12 和 13 年我国xx上市公司的利润操纵程度进行估计。

首先通过回归分析计算出上述琼斯模型中自变量的系数， 再利用上一步求出的自变量系数，求出企业的非操控性应计利润。用应计利润总额减去非操控性应计利润，就得到操控性应计利润，即利润操纵程度，接下来对计算出 3 年xx市公司的操控性应计利润做描述性统计,对计算出 3 年制造业上市公司的操控性应计利润做非参数检验，来分析 11、12和 13年这 3 组匹配样本的总体分布是否存在显著性差异。

2011年，回归结果 变量 系数 T 统计量 1/A 41259874.704 15.256 （△REV-△REV）/A -0.134583455 -13.342 PPE/A -0.087432145 -4.245 IA/A -0.976543768 -4.894 R2 0.987654678 调整后的R2 0.988134566 F 统计量 14174.3499 2012年，回归结果 变量 系数 T 统计量

1/A -2343562 -2.345 （△REV-△REV）/A 0.034583 2.113 PPE/A -0.17623 -6.645 IA/A -0.12834 -1.634 R2 0.065477 调整后的R2 0.062344 F 统计量 16.456 2013年，回归结果 变量 系数 T 统计量 1/A 2567876 16.56789 （△REV-△REV）/A 0.013456 1.234567 PPE/A -0.2345 -11.3456 IA/A 0.143564 -2.456785 R2 0.156345 调整后的R2 0.175734 F 统计量 52.34566 从13年的回归结果可以看出，13年的拟合优度和 F 统计量仍然不如 11 年显著，但较12 年相比，已经有明显提高，特别是回归系数的显著性水平，各自变量的系数又重新达到1%的水平下显著， 非参数检验实证结果如下：

表 5.5.6 非参数检验描述性统计表 年份 均值 标准差 最小值 最大值 11 0.066457834 0.075345675 0.0000254574 0.763453234 12 0.073445672 0.073458674 0.0000912345 0.834566325 13 0.073456775 0.053457322 0.0000465473 0.602456543 从表 5.5.6 中可以看出，11和12，13年的各个样本 DA 值的均值、方差、最小值和最大值。从平均值来看，DA 值从11年到 12年大幅度增大，然后在 12年的基础上小幅度下降。至于是否达到了差异显著性水平，需要看表 5.5.7 中