CN111062597A - 一种上市公司财务报表粉饰嫌疑检测方法及装置 - Google Patents
一种上市公司财务报表粉饰嫌疑检测方法及装置 Download PDFInfo
- Publication number
- CN111062597A CN111062597A CN201911249061.0A CN201911249061A CN111062597A CN 111062597 A CN111062597 A CN 111062597A CN 201911249061 A CN201911249061 A CN 201911249061A CN 111062597 A CN111062597 A CN 111062597A
- Authority
- CN
- China
- Prior art keywords
- financial
- data
- statement
- detection
- company
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 118
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 239000002131 composite material Substances 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 12
- 238000005034 decoration Methods 0.000 abstract description 2
- 230000007306 turnover Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010018276 Gingival bleeding Diseases 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种上市公司财务报表粉饰嫌疑检测方法及装置,所述方法包括:获取待测上市公司的财务报表;从预先构建的行业参数矩阵数据库中提取出与待测上市公司的行业相匹配的行业参数矩阵数据;将财务报表的财务数据与行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;输出待测上市公司的财务报表检测表;其中,待测上市公司的财务报表检测表包括所有检测指标,以及各个检测指标的检测结果。本发明能够针对上市公司的财务报表进行计算自动分析并得出报表分析结果,从而能够反映出该上市公司财务报表存在粉饰或造假嫌疑的可能性。
Description
技术领域
本发明涉及数据处理领域,尤其是涉及一种上市公司财务报表粉饰嫌疑检测方法及装置。
背景技术
沪深交易所目前存在三千多家上市公司,公司的财务情况,盈利能力对投资者起着举足轻重的地位,排除游资炒作的一些公司外,价值投资仍然是投资者非常关切的。但论价值投资,无疑必和公司的真实价值密切相连,公司的价值又在财务报表中体现出来,但公司存在着对财务报表进行造假、“粉饰”的行为,这些一直是一个老大难的问题,监管机构缺少持续监察,证券交易所、研究所、券商等基本都是事后才能披露出问题的上市公司,进行处罚。如果能够事前预防或者有苗头的时候检查出来,可以大大减少投资者的损失,恢复资本市场的透明、公平、公信度。
发明内容
本发明实施例所要解决的技术问题在于,提供一种上市公司财务报表粉饰嫌疑检测方法及装置,能够针对上市公司的财务报表进行计算自动分析并得出报表分析结果,从而能够反映出该上市公司财务报表存在粉饰或造假嫌疑的可能性。
为了解决上述技术问题,本发明实施例提供了一种上市公司财务报表粉饰嫌疑检测方法,包括:
获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;
从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;
将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;
输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。
进一步地,所述行业参数矩阵数据库的构建方法包括:
获取目标期限内的各个行业的财务数据源;其中,所述目标期限为根据所述待测上市公司的财务报表的检测年限所确定;
根据所述财务数据源分别计算各个检测指标的逻辑数据;其中,所述逻辑数据包括均值、标准差、最大值、最小值;
结合所述逻辑数据以及预设的计算规则进行计算,得到各个检测指标的繁荣度区间划分数据;
按照所述繁荣度区间划分数据对所述财务数据源进行繁荣度区间划分,以构建成所述行业参数矩阵数据库。
进一步地,所述获取待测上市公司的财务报表,具体为:
获取待测上市公司的上市公司代码,根据所述上市公司代码从预设的财经网站下载该上市公司的三大财务报表;其中,所述三大财务报表包括资产负债表、利润表以及现金流量表;
将所述三大财务报表整合为所述待测上市公司的财务报表。
进一步地,所述将所述三大财务报表整合为所述待测上市公司的财务报表,具体包括:
根据预设的指标数据加工规则,将所述三大财务报表中的单一指标数据进行加工计算得到复合指标数据;
对所述三大财务报表中的单一指标数据,以及计算得到的所述复合指标数据进行整合,得到所述待测上市公司的财务报表。
为了解决相同的技术问题,本发明还提供了一种上市公司财务报表粉饰嫌疑检测装置,包括:
报表获取模块,用于获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;
参数匹配模块,用于从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;
数据比较模块,用于将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;
检测输出模块,用于输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。
进一步地,所述行业参数矩阵数据库的构建方法包括:
获取目标期限内的各个行业的财务数据源;其中,所述目标期限为根据所述待测上市公司的财务报表的检测年限所确定;
根据所述财务数据源分别计算各个检测指标的逻辑数据;其中,所述逻辑数据包括均值、标准差、最大值、最小值;
结合所述逻辑数据以及预设的计算规则进行计算,得到各个检测指标的繁荣度区间划分数据;
按照所述繁荣度区间划分数据对所述财务数据源进行繁荣度区间划分,以构建成所述行业参数矩阵数据库。
进一步地,所述报表获取模块具体包括:
报表下载单元,用于获取待测上市公司的上市公司代码,根据所述上市公司代码从预设的财经网站下载该上市公司的三大财务报表;其中,所述三大财务报表包括资产负债表、利润表以及现金流量表;
报表整合单元,用于将所述三大财务报表整合为所述待测上市公司的财务报表。
进一步地,所述报表整合单元具体包用于:根据预设的指标数据加工规则,将所述三大财务报表中的单一指标数据进行加工计算得到复合指标数据;对所述三大财务报表中的单一指标数据,以及计算得到的所述复合指标数据进行整合,得到所述待测上市公司的财务报表。
与现有技术相比,本发明具有如下有益效果:
本发明实施例提供了一种上市公司财务报表粉饰嫌疑检测方法及装置,所述方法包括:获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。本发明能够针对上市公司的财务报表进行计算自动分析并得出报表分析结果,从而能够反映出该上市公司财务报表存在粉饰或造假嫌疑的可能性。
附图说明
图1是本发明一实施例提供的上市公司财务报表粉饰嫌疑检测方法的流程示意图;
图2是本发明一实施例提供的上市公司财务报表粉饰嫌疑检测方法的实现流程示意图;
图3是本发明一实施例提供的区间数据分布示意图;
图4是本发明一实施例提供的区间划分示例的示意图;
图5是本发明一实施例提供的区间划分数据表格示意图;
图6是本发明一实施例提供的财务报表检测结果举例示意图;
图7是本发明一实施例提供的上市公司财务报表粉饰嫌疑检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明方法主要是通过公共网络资源获取上市公司的财务报表数据,通过量化,特定算法计算出若干指标作为参考值,比较上市公司的对应值,从而可以根据分析结果判断上市公司是否存在财务粉饰、报表做假的嫌疑,避免投资者或机构在证券投资上重大的损失。本发明方法是从审计监察角度出发,针对上市公司的财务报表进行计算自动分析,找出上市公司“粉饰”报表或“造假”报表的可能性。
本发明方法通过精选的设计三十多个检测指标,来量化所选的股票有无财务做假舞弊的嫌疑。
目前市面上的主流权威产品对上市公司的财务报表仅是做基本数据、基本指标比率展示,并未有任何一家系统、产品对财务报表可能粉饰嫌疑做量化分析。现在的证券市场一般都是通过宏观指标,技术指标,市场情绪,投顾或分析师研判揭示风险,目前还没有通过财务报表预判揭示风险。近几年一批又一批由于财务造假的公司给投资者的信心带来巨大的打击,一次又一次挑战了资本市场的公信力。目前,事后诸葛亮在当前资本市场普遍存在,出事后,再去人工调取财务报表来分析,导致投资者们怨声载道。如果是事先就量化分析并预警该公司有财务做假的嫌疑,这样会减少投资者的巨大损失。
可以理解的是,如果一个公司是正常发展的,该公司的每一个财务指标一定会在一个范围内上下浮动。确定这个范围的上下限就是非常重要的了,当然这里必须要以划分的行业来研究。
目前市面上行业分类比较多,但本系统采用最权威的中国证监会行业分类,某些资讯平台具有其证监会行业分类的数据源,作为优选方案可以采用东方财富为数据源。
这里先做个医学上的类比案例举例:查血——生成病人的血清检查项,血常规里的白细胞计数参考值正常的范围为:4.0——10.0X10^9/L,如果一个病人该值在这个区间表明正常,如果一个病人该值已经超过最大上限10.0的数倍以上,再配合其他指标检查,比如牙龈出血,血小板值极度偏小,低热等状况,那么医生会高度怀疑这位病人患有白血病。
本发明方法采用类似的方法,先算出一个行业参考值范围,公司的公开财务报表无非就是三大报表(资产负债表、利润表、以及现金流量表),我可以做面对资产负债表的检查项,比如我用一个指标DSO(应收周转天数),在财务上,该指标对公司当然是越小越好,——从客户那儿快速变现的天数,表明公司回款时间短。
将待测公司的各项指标和所属行业各项指标的平均值做比较,平均值再通过特定算法生成参考区间,生成类似体检报告。根据体检报告,判断该公司是否“患病”——有财务做假的可能性。
在本发明实施例中,可以理解的是,能从三大报表获取的会计科目(基本指标)被称为单一指标数据,对单一指标数据进行二次加工得到的指标数据叫复合指标数据,本发明方法中多为复合指标数据。比率一般都是复合指标:比如ROE(净资产收益率)。
请参见图1-2,本发明实施例提供了一种上市公司财务报表粉饰嫌疑检测方法,包括步骤:
S1、获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;
在本发明实施例中,进一步地,步骤S1具体包括步骤:
S110、获取待测上市公司的上市公司代码,根据所述上市公司代码从预设的财经网站下载该上市公司的三大财务报表;其中,所述三大财务报表包括资产负债表、利润表以及现金流量表;
S120、将所述三大财务报表整合为所述待测上市公司的财务报表。
在本发明实施例中,进一步地,步骤S120具体包括步骤:
S121、根据预设的指标数据加工规则,将所述三大财务报表中的单一指标数据进行加工计算得到复合指标数据;
S123、对所述三大财务报表中的单一指标数据,以及计算得到的所述复合指标数据进行整合,得到所述待测上市公司的财务报表。
在本发明实施例中,作为举例,可以通过输入上市公司证券代码,确认后,通过网络资源东方财富网站获取该上市公司的(证监会)行业分类,再通过网易财经网站下载该上市公司十年内(需要分析的年份)的三大财务报表(资产负债表,利润表以及现金流量表),导入系统,后续再和先前编制的行业参数矩阵找出该公司对应的行业,匹配各个划分区域值得出分析结论。
S2、从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;
在本发明实施例中,进一步地,所述行业参数矩阵数据库的构建方法包括:
获取目标期限内的各个行业的财务数据源;其中,所述目标期限为根据所述待测上市公司的财务报表的检测年限所确定;
根据所述财务数据源分别计算各个检测指标的逻辑数据;其中,所述逻辑数据包括均值、标准差、最大值、最小值;
结合所述逻辑数据以及预设的计算规则进行计算,得到各个检测指标的繁荣度区间划分数据;
按照所述繁荣度区间划分数据对所述财务数据源进行繁荣度区间划分(例如可以划分为繁荣、正常、萧条),以构建成所述行业参数矩阵数据库。
在本发明实施例中,作为举例,所述行业参数矩阵数据库的构建方法具体如下:
获取行业平均数据为参考值,从资讯平台可以获得每个行业单一的财务平均值,比如资产负债表里的应收账款,应收票据,流动资产,应收账款周转天数,固定资产-累计折旧,存货等。
利润表里获取:营业收入,营业成本,营业总成本,管理费用,销售费用,财务费用,营业利润,利润总额,扣非净利润,归母净利润,净利润等。
现金流量表里获取:经营活动现金流,投资活动现金流,融资活动现金流等。
比率可以获取:D/A(资产负债率),产权比率(D/E),流动比率,速动比率,ROE(净资产收益率),ROA(总资产收益率),财务杠杆比(A/E)。
其他如:应收账款周转天数,应付账款周转天数,存货周转天数,经营周期,现金回收周期都可以通过以上计算。
证监会行业分类,农、林、牧、渔业是大类,农业是细类,对于应收账款,分别从2012年——2018年(根据需要分析的年限确定)导出行业的平均数据。这是(农业)行业的算术平均(单一指标)。在本发明实施例中,根据基本指标,算出的增长率,就是复合指标;比如2013年农业的应收账款增长率为-21.1846%,(2013年-2012年)/2012年,这里对应收账款基本科目进行了加工,算其增长率,这个指标就叫复合指标。再如,Admin Exp./Rev(管理费用/营业收入)是算占比的,也是复合指标。这个指标意义是公司的管理费用占比营业收入的百分比,例如上述,农业行业最大的都不超过15%,如果某一家农业公司这个比例超过了20%多,可以看成是有问题的,当然超过一半,问题就大了。
上述行业平均指标获取后,开始构建行业参数矩阵(对证监会106个行业分别构建):
列举以“农业”行业为例,DSO(应收账款周转天数)该指标(2012-2018)的均值Mean是36.694,这几年一定会存在最大值(如Max 41.848),最小值(如Min 30.904),用这些数据构成正态分布,算出标准差Std.4.137。在均值36.694基础上分别加减半个标准差,算出最中间值域的那部分,为正常情况。因为任何一个行业都会存在萧条、正常、和繁荣的情况,也就是一个完整的行业周期一定是随着时间增长,繁荣和萧条是交替出现的。作为优选方案,可以以均值为中心,均值的一个标准差内为正常区间,对于繁荣和萧条边界的取值下面再做详细说明。
下表为农业行业应收账款周转天数平均数(DSO)的参数:
2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
30.9036 | 35.1572 | 39.6879 | 40.9659 | 34.0064 | 34.2897 | 41.848 |
通过以上数据,分别计算出均值,标准差,最小值,和最大值,用excel统计函数非常容易实现。如下表所示:
Mean(均值) | Std.(标准差) | Min | Max |
36.694 | 4.137 | 30.904 | 41.848 |
算出了均值和标准差,下面就是构建检测值参数的区间边界值。
在本发明实施例中,取边界值可以采用类似统计学里切比雪夫不等式(Chebyshev's Inequality)的思想来计算,关于切比雪夫概念:任意一个数据集中,位于其平均数m个标准差范围内的比例(或部分)总是至少为1-1/m2,其中m为大于1的任意正数。对于m=2,m=3和m=5有如下结果:
所有数据中,至少有3/4(或75%)的数据位于平均数2个标准差范围内。
所有数据中,至少有8/9(或88.9%)的数据位于平均数3个标准差范围内。
所有数据中,至少有24/25(或96%)的数据位于平均数5个标准差范围内。
如图3所示,对于图中68%部分为正常区间,也就是该公司该指标一般情况下的取值范围。95%和99%为处于萧条或是繁荣条件下的取值区间,超过99%就为特别异常情况(财务做假可能性很大)。
以上68%、95%、99%为m为特定值的取值,本发明方法进行以下改进:
作为优选方案,研究规定的边界如图4所示:(公司的财务指标和行业平均指标正态分布后的边界做对比)
小于萧条的下限为①区域,表示“极度萧条”(问题很大的公司);
在萧条区域间为②区域,表示“萧条”;(可能存在问题的公司,当然包括金融危机大势很糟糕的情况,但是目前由于取值2012-2018,已包含了2018金融大环境很糟糕的情况,因此该条件可以真实反映,等来年2019年年报在2020年4月披露后,行业数据再次更新,均值,标准差各项指标会越精确)。
在萧条区域的上限和正常的下限之间为③区域,表示“轻度萧条”;
在正常区域内④,就为“正常”;
同理,正常的上限和繁荣的下限构成区域⑤;繁荣区域为⑥,⑦为超繁荣状态。
对于超繁荣状态,比如一个公司这个指标数倍的好于行业平均的繁荣上边界,也有可能存在财务做假问题,强烈关注。
如果刚好位于边界区(比如②),根据会计上审慎性原则,都划为异常而不是轻微异常,真实情况边界是模糊的,不是清晰的。该种方法是将行业均值根据标准差再划入区域分析,重点是体现在区域。
在本发明实施例中,作为优选方案,利用切比雪夫对不管是否正态的思想,本发明的改进方案具体如下:
以正常上下限为中心,以全平均数(Mean)的中心±一个标准差σ(Std.)得出正常的上下限(lowerRange and UpperRange)。例如,如图5所示,对DSO(应收账款周转天数)这个指标:
萧条的下限(lowerRange)取(mean+2σ)均值+两个标准差:
36.694+2×4.137=44.97;
萧条的上限(UpperRange)取(mean+σ)均值+一个标准差:
36.694+1×4.137=40.83;
正常的下限(lowerRange)取(mean+1/2σ)均值+半个标准差:
36.694+0.5×4.137=38.76;
正常的上限(UpperRange)取(mean-1/2σ)均值-半个标准差:
36.694-0.5×4.137=34.63;
繁荣的下限(lowerRange)取(mean-σ)均值-一个标准差:
36.694-1×4.137=32.56;
繁荣的上限(UpperRange)取(mean-2σ)均值-两个标准差:
36.694-2×4.137=28.42;
对于①和⑦的情况,当然就是小于萧条下限和大于繁荣上限的情况了。如下表所示:
其他指标按类似计算方法得出。通过计算机程序,会生成一个所有行业的行业平均区域数组,我称为行业参数矩阵。可以理解的是,“制造业”是行业大类,“农副食品加工业”是其中的细类,上市公司的指标和细类比较是最准确的,当然大类也可以参考。
S3、将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;
S4、输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。
在本发明实施例中,作为举例,具体分析过程如下:
输入上市公司代码,系统自动下载该公司十年内(这里可以是根据历年数据分析最近会计年度,具体年份可根据实际设定)的三大财务报表后,系统内部处理如下:
通过匹配该证券的行业所在参数(从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据);
例如,检测指标AR Growth(应收账款Growth),第一步:先找出行业矩阵“酒、饮料和精制茶制造业”这栏,第一行的AR Growth指标就是行业的均值指标,以及萧条、正常、繁荣三个大区间的阈值;
第二步:提取该行业的矩阵数据,和上市公司自身的报表数据做比较;
比如18年该公司的应收账款增长率为16.21%(这里这个指标计算方法依然是和行业计算方法一致:(当年-上一年)/上一年*100%),他所属的行业平均为3.539%,落在萧条范围蓝框[27.359%,15.449%],则该公司2018年这个指标略微不乐观;又如2017年,橙色框1.74%,落在正常范围内,则上一年该指标情况属于正常。其他类推,对各个指标分别进行比较分析,并对应标记相应的检测结果。
请参见图6,作为举例,最后生成的检测表,取了正常的下限9.494%作为判断,依旧采用会计准则上的审慎性原则。
需要说明的是,如果是在行业均值范围内,表示公司财报是正常的,如果是严重大于行业上限>⑦区间(超繁荣),或是严重低于行业下限<①区间(超萧条),对应前面的类比,白细胞多超过正常数倍,再结合其他指标,那么逐渐可以断定该公司会存在问题。当然单一的指标不足以判断,就如前面,白细胞多,就证明是白血病,也不对,一定要配合其他指标来看,这里大多指标都是非充分必要条件。(白细胞多证明就是白血病——错误,但白血病一定是白细胞出现异常),AR Growth(应收账款增长率)远远超过同行均值上限数倍,可能怀疑,再如,Inv.Growth(存货增长率)也高于同行均值数倍,那么开始怀疑,如果后续接连指标最近年都异常特别厉害,那么就可以高度疑是,断定公司出问题,财务做假。财务做假一定是积累的,有可能最开始几年看不出来,高手段的做假方式是,会计粉饰高手可以做出某些指标非常正常,但是总得有慢慢出问题的时候或是其他指标开始反应有问题的时候。这个跟重症病人一样,一开始可能所有指标都正常,某些指标会有轻微变化,但是时间久后,病理会扩散到其他,一定会显示出来。
需要说明的是,本发明方法主要就是减少主观意向,以数据说话,可以根据后面检测表的检测值出现的个数(占比百分比)进行报表粉饰嫌疑的考量。如果这份检测表“严重问题”出现的太多了(超过了6个或以上),那么报表粉饰或造假嫌疑就很大。
作为举例,下表为某公司的财务报表检测表:
需要说明的是,在具体应用中,当检测到多项指标出问题时,会计师和审计师可以对照该检测表查找专门明细账做核查验证。如果年报通过指标检测出来有问题,但是市场并没有反应过来,能够成功证明可以给投资者或机构带来风险规避的效果,连续的季报再次曝出指标问题,则可以基本断定该公司有财务造假的嫌疑。
需要说明的是,参考值根据每年的行业平均的调整都不尽相同,随着时间越积累,统计数据根据算法计算的检测值越精确,这是本发明方法的精髓。
作为举例,以下为本发明实施例可以进行的检测指标列表,在具体应用中,下表各个指标可以视具体情况进行增加或精简。
需要说明的是,对于以上方法或流程实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作并不一定是本发明实施例所必须的。
请参见图7,为了解决相同的技术问题,本发明还提供了一种上市公司财务报表粉饰嫌疑检测装置,包括:
报表获取模块1,用于获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;
在本发明实施例中,进一步地,所述报表获取模块1具体包括:
报表下载单元,用于获取待测上市公司的上市公司代码,根据所述上市公司代码从预设的财经网站下载该上市公司的三大财务报表;其中,所述三大财务报表包括资产负债表、利润表以及现金流量表;
报表整合单元,用于将所述三大财务报表整合为所述待测上市公司的财务报表。
在本发明实施例中,进一步地,所述报表整合单元具体用于:根据预设的指标数据加工规则,将所述三大财务报表中的单一指标数据进行加工计算得到复合指标数据;对所述三大财务报表中的单一指标数据,以及计算得到的所述复合指标数据进行整合,得到所述待测上市公司的财务报表。
参数匹配模块2,用于从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;
在本发明实施例中,进一步地,所述行业参数矩阵数据库的构建方法包括:
获取目标期限内的各个行业的财务数据源;其中,所述目标期限为根据所述待测上市公司的财务报表的检测年限所确定;
根据所述财务数据源分别计算各个检测指标的逻辑数据;其中,所述逻辑数据包括均值、标准差、最大值、最小值;
结合所述逻辑数据以及预设的计算规则进行计算,得到各个检测指标的繁荣度区间划分数据;
按照所述繁荣度区间划分数据对所述财务数据源进行繁荣度区间划分,以构建成所述行业参数矩阵数据库。
数据比较模块3,用于将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;
检测输出模块4,用于输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。
可以理解的是上述装置项实施例,是与本发明方法项实施例相对应的,本发明实施例提供的一种上市公司财务报表粉饰嫌疑检测装置,可以实现本发明任意一项方法项实施例提供的上市公司财务报表粉饰嫌疑检测方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种上市公司财务报表粉饰嫌疑检测方法,其特征在于,包括:
获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;
从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;
将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;
输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。
2.根据权利要求1所述的上市公司财务报表粉饰嫌疑检测方法,其特征在于,所述行业参数矩阵数据库的构建方法包括:
获取目标期限内的各个行业的财务数据源;其中,所述目标期限为根据所述待测上市公司的财务报表的检测年限所确定;
根据所述财务数据源分别计算各个检测指标的逻辑数据;其中,所述逻辑数据包括均值、标准差、最大值、最小值;
结合所述逻辑数据以及预设的计算规则进行计算,得到各个检测指标的繁荣度区间划分数据;
按照所述繁荣度区间划分数据对所述财务数据源进行繁荣度区间划分,以构建成所述行业参数矩阵数据库。
3.根据权利要求1所述的上市公司财务报表粉饰嫌疑检测方法,其特征在于,所述获取待测上市公司的财务报表,具体为:
获取待测上市公司的上市公司代码,根据所述上市公司代码从预设的财经网站下载该上市公司的三大财务报表;其中,所述三大财务报表包括资产负债表、利润表以及现金流量表;
将所述三大财务报表整合为所述待测上市公司的财务报表。
4.根据权利要求3所述的上市公司财务报表粉饰嫌疑检测方法,其特征在于,所述将所述三大财务报表整合为所述待测上市公司的财务报表,具体包括:
根据预设的指标数据加工规则,将所述三大财务报表中的单一指标数据进行加工计算得到复合指标数据;
对所述三大财务报表中的单一指标数据,以及计算得到的所述复合指标数据进行整合,得到所述待测上市公司的财务报表。
5.一种上市公司财务报表粉饰嫌疑检测装置,其特征在于,包括:
报表获取模块,用于获取待测上市公司的财务报表;其中,所述财务报表包括若干个检测指标,以及各个检测指标的财务数据;
参数匹配模块,用于从预先构建的行业参数矩阵数据库中提取出与所述待测上市公司的行业相匹配的行业参数矩阵数据;其中,所述行业参数矩阵数据包括各个所述检测指标的繁荣度区间划分数据;
数据比较模块,用于将所述财务报表的财务数据与所述行业参数矩阵数据进行一一比较,并根据每一检测指标的财务数据与所述繁荣度区间划分数据的对应关系,将各个检测指标的检测结果标记为相应的繁荣度;
检测输出模块,用于输出所述待测上市公司的财务报表检测表;其中,所述待测上市公司的财务报表检测表包括所有所述检测指标,以及各个所述检测指标的检测结果。
6.根据权利要求5所述的上市公司财务报表粉饰嫌疑检测装置,其特征在于,所述行业参数矩阵数据库的构建方法包括:
获取目标期限内的各个行业的财务数据源;其中,所述目标期限为根据所述待测上市公司的财务报表的检测年限所确定;
根据所述财务数据源分别计算各个检测指标的逻辑数据;其中,所述逻辑数据包括均值、标准差、最大值、最小值;
结合所述逻辑数据以及预设的计算规则进行计算,得到各个检测指标的繁荣度区间划分数据;
按照所述繁荣度区间划分数据对所述财务数据源进行繁荣度区间划分,以构建成所述行业参数矩阵数据库。
7.根据权利要求5所述的上市公司财务报表粉饰嫌疑检测装置,其特征在于,所述报表获取模块具体包括:
报表下载单元,用于获取待测上市公司的上市公司代码,根据所述上市公司代码从预设的财经网站下载该上市公司的三大财务报表;其中,所述三大财务报表包括资产负债表、利润表以及现金流量表;
报表整合单元,用于将所述三大财务报表整合为所述待测上市公司的财务报表。
8.根据权利要求7所述的上市公司财务报表粉饰嫌疑检测装置,其特征在于,所述报表整合单元具体包用于:根据预设的指标数据加工规则,将所述三大财务报表中的单一指标数据进行加工计算得到复合指标数据;对所述三大财务报表中的单一指标数据,以及计算得到的所述复合指标数据进行整合,得到所述待测上市公司的财务报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911249061.0A CN111062597A (zh) | 2019-12-06 | 2019-12-06 | 一种上市公司财务报表粉饰嫌疑检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911249061.0A CN111062597A (zh) | 2019-12-06 | 2019-12-06 | 一种上市公司财务报表粉饰嫌疑检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111062597A true CN111062597A (zh) | 2020-04-24 |
Family
ID=70300058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911249061.0A Pending CN111062597A (zh) | 2019-12-06 | 2019-12-06 | 一种上市公司财务报表粉饰嫌疑检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062597A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798297A (zh) * | 2020-06-19 | 2020-10-20 | 中国经济信息社有限公司 | 一种财务风险预警分析的方法与装置 |
CN112328803A (zh) * | 2020-10-14 | 2021-02-05 | 上海华鑫股份有限公司 | 一种基于产业链数据的公司知识图谱的构建方法 |
CN112419030A (zh) * | 2020-11-30 | 2021-02-26 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
CN113627351A (zh) * | 2021-08-12 | 2021-11-09 | 达而观信息科技(上海)有限公司 | 财报科目的匹配方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-06 CN CN201911249061.0A patent/CN111062597A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798297A (zh) * | 2020-06-19 | 2020-10-20 | 中国经济信息社有限公司 | 一种财务风险预警分析的方法与装置 |
CN111798297B (zh) * | 2020-06-19 | 2023-12-19 | 中国经济信息社有限公司 | 一种财务风险预警分析的方法与装置 |
CN112328803A (zh) * | 2020-10-14 | 2021-02-05 | 上海华鑫股份有限公司 | 一种基于产业链数据的公司知识图谱的构建方法 |
CN112419030A (zh) * | 2020-11-30 | 2021-02-26 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
CN112419030B (zh) * | 2020-11-30 | 2023-06-27 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
CN113627351A (zh) * | 2021-08-12 | 2021-11-09 | 达而观信息科技(上海)有限公司 | 财报科目的匹配方法、装置、计算机设备及存储介质 |
CN113627351B (zh) * | 2021-08-12 | 2024-01-30 | 达观数据有限公司 | 财报科目的匹配方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062597A (zh) | 一种上市公司财务报表粉饰嫌疑检测方法及装置 | |
Krishnan et al. | Does financial reporting quality vary across firm life cycle? | |
Liang et al. | Greenwashing: Evidence from hedge funds | |
EP2329447A1 (en) | Evaluating loan access using online business transaction data | |
Lotfi et al. | Detecting corporate financial fraud using Beneish M-score model | |
CN112102073A (zh) | 信贷风险控制方法及系统、电子设备及可读存储介质 | |
CN112700319A (zh) | 基于政务数据的企业授信额度确定方法及装置 | |
Hajiha | Effective factors on alignment of accounting information systems in manufacturing companies: evidence from iran | |
Eckhaus | Corporate transformational leadership's effect on financial performance | |
CN112419030B (zh) | 财务舞弊风险评估的方法、系统及设备 | |
CN112613977A (zh) | 一种基于政务数据的个人信用贷款准入授信方法及系统 | |
Pulejo et al. | Plata y plomo: How higher wages expose politicians to criminal violence | |
Derks et al. | The Bayesian approach to audit evidence: Quantifying statistical evidence using the Bayes factor | |
Mohanachandran et al. | Islamic Banking Implementation: Supportive Role of Business Service. | |
CN112037006A (zh) | 小微企业的信用风险识别方法及装置 | |
CN112580992B (zh) | 类金融企业的非法集资风险监测系统 | |
CN114626940A (zh) | 数据分析方法、装置及电子设备 | |
Padia | Disclosure of non-financial information on strategy in South African annual reports | |
Pratami et al. | The Role of Financing Models and Credit Risk on Islamic Bank Stability | |
CN110738570A (zh) | 基于多通道异质数据的信息型操纵自动识别方法 | |
Situm | The relevance of employee-related ratios for early detection of corporate crises | |
Chen et al. | Do Active Fund Managers Exploit Material ESG Information | |
CN114723570B (zh) | 农险风险监测方法、装置、存储介质及计算机设备 | |
Alhosban et al. | The Effect of Using Computerized Financial Statement Analysis on the Efficiency of Financial Performance: An Empirical Case on Industrial Factor in Project Scheduling-Jordan Case Study | |
Samaie et al. | The relationship between the weakness of internal controls and fraudulent financial reporting with an emphasis on the adjustment role of external audit quality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |