CN111695721A - 一种会计信息可比性测定方法、应用方法及装置 - Google Patents

一种会计信息可比性测定方法、应用方法及装置 Download PDF

Info

Publication number
CN111695721A
CN111695721A CN202010351255.8A CN202010351255A CN111695721A CN 111695721 A CN111695721 A CN 111695721A CN 202010351255 A CN202010351255 A CN 202010351255A CN 111695721 A CN111695721 A CN 111695721A
Authority
CN
China
Prior art keywords
comparability
accounting
accounting information
financial
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.)
Granted
Application number
CN202010351255.8A
Other languages
English (en)
Other versions
CN111695721B (zh
Inventor
胡立昂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Smart Finance And Taxation Technology Co ltd
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202010351255.8A priority Critical patent/CN111695721B/zh
Publication of CN111695721A publication Critical patent/CN111695721A/zh
Application granted granted Critical
Publication of CN111695721B publication Critical patent/CN111695721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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
    • G06Q40/12—Accounting

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种会计信息可比性测定方法、应用方法及装置。测定方法包括：获取上市公司的会计信息；其中，会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；根据会计信息分别计算过程可比性和结果可比性；其中，过程可比性包括横向可比性和纵向可比性，结果可比性包括结构可比性和关系可比性；分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。本发明能够直接根据会计信息，基于过程可比性和结果可比性两个层面，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。

Description

一种会计信息可比性测定方法、应用方法及装置
技术领域
本发明涉及会计信息技术领域，尤其涉及一种会计信息可比性方法、应用方法及装置。
背景技术
会计信息可比性是指公司提供的会计信息应当具有可比性，是会计信息有用性的主要评判标准之一。目前，现有的会计信息可比性测定方法通常借鉴De Franco et al.(2011)所使用的方法，其核心思想是通过分别构建i公司和j公司会计盈余与股票价格关系的模型，再将i公司的会计盈余分别放进i模型与j模型计算出预测值的差值，以此差值作为i公司的会计盈余信息可比性的衡量指标。从本质上看，现有的会计信息可比性测定方法仅是测定会计盈余信息的相关性，并不能直接测定会计信息可比性。
基于会计信息对财务舞弊预测的有效性，现有的财务舞弊预测方法通常是借助Mscore模型来实现财务舞弊预测。由于Mscore模型是将财务舞弊与资产负债表、利润表及应计项目相联系，其选择的是财务指标，是与这些会计项目相关的会计选择和会计估计之后的会计结果，难以准确地抓取公司如何通过不同的会计选择和会计估计来实现不同的会计业绩。
发明内容
为克服现有技术的缺陷，本发明提供一种会计信息可比性测定方法、应用方法及装置，能够直接根据会计信息，基于过程可比性和结果可比性两个层面，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
为了解决上述技术问题，第一方面，本发明一实施例提供一种会计信息可比性测定方法，包括：
获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性。
进一步地，在所述获取上市公司的会计信息之后，在所述根据所述会计信息分别计算过程可比性和结果可比性之前，还包括：
对所述会计信息进行预处理。
进一步地，所述横向可比性包括加权横向可比性和无权横向可比性；所述纵向可比性包括加权纵向可比性和无权纵向可比性。
第二方面，本发明一实施例提供一种会计信息可比性测定装置，包括：
第一获取模块，用于获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
第一计算模块，用于根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
第一测定模块，用于分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性。
第三方面，本发明一实施例提供一种会计信息可比性应用方法，包括：
获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性；
根据所述过程可比性和所述结果可比性构建改进的Mscore模型，并通过所述改进的Mscore模型计算所述上市公司的财务舞弊概率。
进一步地，所述会计信息可比性应用方法，还包括：
根据所述过程可比性和所述结果可比性构建财务舞弊预测模型，并通过所述财务舞弊预测模型计算所述上市公司的财务舞弊概率。
进一步地，在所述获取上市公司的会计信息之后，在所述根据所述会计信息分别计算过程可比性和结果可比性之前，还包括：
对所述会计信息进行预处理。
进一步地，所述横向可比性包括加权横向可比性和无权横向可比性；所述纵向可比性包括加权纵向可比性和无权纵向可比性。
第四方面，本发明一实施例提供一种会计信息可比性应用装置，包括：
第二获取模块，用于获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
第二计算模块，用于根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
第二测定模块，用于分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性；
财务舞弊预测模块，用于根据所述过程可比性和所述结果可比性构建改进的Mscore模型，并通过所述改进的Mscore模型计算所述上市公司的财务舞弊概率。
进一步地，所述财务舞弊预测模块，还用于根据所述过程可比性和所述结果可比性构建财务舞弊预测模型，并通过所述财务舞弊预测模型计算所述上市公司的财务舞弊概率。
本发明的实施例，具有如下有益效果：
通过根据上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，分别计算过程可比性和结果可比性，即计算横向可比性和纵向可比性，以及结构可比性和关系可比性，进而分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。相比于现有技术，本发明的实施例通过选择会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据作为会计信息，能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
进一步地，通过根据过程可比性和结果可比性构建的改进的Mscore模型，计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测。相比于现有技术，本发明的实施例通过根据过程可比性和结果可比性改进Mscore模型，能够将会计信息可比性应用于财务舞弊预测，提高财务舞弊预测的精度。
附图说明
图1为本发明第一实施例中的一种会计信息可比性测定方法的流程示意图；
图2为本发明第二实施例中的一种会计信息可比性测定装置的结构示意图；
图3为本发明第三实施例中的一种会计信息可比性应用方法的流程示意图；
图4为本发明第三实施例中的一优选实施例的流程示意图；
图5为本发明第四实施例中的一种会计信息可比性应用装置的结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，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做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，文中的步骤编号，仅为了方便具体实施例的解释，不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的服务器执行，且下文均以服务器作为执行主体为例进行说明。
请参阅图1。
如图1所示，第一实施例提供一种会计信息可比性测定方法，包括步骤S11～S13：
S11、获取上市公司的会计信息；其中，会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据。
S12、根据会计信息分别计算过程可比性和结果可比性；其中，过程可比性包括横向可比性和纵向可比性，结果可比性包括结构可比性和关系可比性。
S13、分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。
需要说明的是，会计政策选择数据是以《公开发行证券的公司信息披露编报规则第15号—财务报告的一般规定(2014年修订)》为依据，结合公司会计准则中要求披露的会计信息，涉及外币业务、存货、现金等价物、投资性房地产、固定资产、长期股权投资、长期待摊费用、借款费用、商誉、生物资产、应收款项、无形资产、在建工程、职工薪酬、股份支付、预计负债、递延所得税负债和递延所得税资产、合并财务报告、非货币性资产交换、建造合同、金融资产和金融负债、收入、所得税、应付债券等24个会计事项，涵盖经济业务的定义、范围、确认、计量等共609个具体方法。年度财务报表数据包括年度资产负债表和利润表。季度财务报表数据包括四个季度资产负债表和利润表。会计报表项目的明细附注数据包括年度报告中各会计报表项目的明细附注信息。
在步骤S11中，考虑到上市公司的会计政策选择、财务报表结构及其关系，通过获取上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，以会计政策选择作为过程可比性的衡量指标、以财务报表结构及其关系作为结果可比性的衡量指标，便于后续能够根据会计信息分别计算过程可比性和结果可比性。
在步骤S12中，通过根据会计信息分别计算过程可比性和结果可比性，即根据会计信息分别计算横向可比性和纵向可比性，以及结构可比性和关系可比性，便于后续能够分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验。
其中，横向可比性指的是信息使用者可以对不同公司间的会计信息进行比较，纵向可比性指的信息使用者可以对同一公司不同时期的会计信息进行比较，结构可比性指的是信息使用者可以对财务报表的结构进行比较，关系可比性指的是信息使用者可以对财务指标的关系进行比较。
在步骤S13中，通过分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性，从而能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
本实施例通过根据上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，分别计算过程可比性和结果可比性，即计算横向可比性和纵向可比性，以及结构可比性和关系可比性，进而分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。本实施例通过选择会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据作为会计信息，能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
在优选的实施例当中，在所述获取上市公司的会计信息之后，在所述根据会计信息分别计算过程可比性和结果可比性之前，还包括：对会计信息进行预处理。
在本实施例的一优选实施方式中，所述对会计信息进行预处理，具体为：对于各公司609项会计政策选择数据，按公司各年度选择的会计政策，运用Python软件进行关键指标抓取及赋值；对于年度财务报表数据，将资产负债表和利润表数据分别用总资产、营业收入进行标准化；对于季度财务报表，计算出比如6年的净资产收益率、营业成本率、销售费用率、管理费用率、固定资产周转率、(税金及附加-其他损益及收入+所得税)/营业收入、资产周转率和产权比率等财务指标。
在优选的实施例当中，所述横向可比性包括加权横向可比性和无权横向可比性；所述纵向可比性包括加权纵向可比性和无权纵向可比性。
在本实施例的一优选实施方式中，根据业务影响力的大小，将横向可比性分为加权横向可比性和无权横向可比性，将纵向可比性分为加权纵向可比性和无权纵向可比性。
作为示例性的，会计信息可比性测定过程具体如下：
(1)计算加权横向可比性；
设公司i、公司j和公司z为同行业的三家公司。公司i在所有经济业务上的会计方法选择共m种，公司i所在行业共n家公司。sijk为样本i和样本j在会计方法k上的会计方法可比性。当样本i和样本j均采用某一会计方法时，sijk取值为1；当仅样本i或样本j采用某一会计方法时，sijk取值为0；当样本i和样本j均不采用某一会计方法时，sijk取值为1。wik为样本i在会计方法k的权。
则公司i对于公司j的加权横向可比性为：
Figure BDA0002472011200000071
公司i对于同行业其他公司的加权横向可比性为：
Figure BDA0002472011200000081
以公司i和公司j为例，其各自的存货计价方法见表1。
表1横向可比性计算示例
Figure BDA0002472011200000082
qij＝0.3×1+0.3×1+0.4×0＝0.6；qiz＝0.3×0+0.3×1+0.4×1＝0.7；
Compacwhi＝(0.6+0.7)/(3-1)＝0.65；
即公司i在同行业的加权横向可比性为0.65。
(2)计算无权横向可比性；
设公司i、公司j和公司z为同行业的三家公司。公司i在所有经济业务上的会计方法选择共m种，公司i所在行业共n家公司。sijk为样本i和样本j在会计方法k上的会计方法可比性。当样本i和样本j均采用某一会计方法时，sijk取值为1；当仅样本i或样本j采用某一会计方法时，sijk取值为0；当样本i和样本j均不采用某一会计方法时，sijk取值为1。
则公司i对于公司j的无权横向可比性为：
Figure BDA0002472011200000083
公司i对于同行业其他公司的无权横向可比性为：
Figure BDA0002472011200000084
(3)计算加权纵向可比性；
公司i在所有经济业务上的会计方法选择共m种，pitk为样本i在第t年会计方法k上的会计方法可比性。当样本i在第t年和第t-1年均采用某一会计方法时，pitk取值为1；当样本i第t年与第t-1年采用不同方法时，pitk取值为0；当样本i在第t年和第t-1年均不采用某一会计方法时，pitk取值为1。wik为样本i在会计方法k的权。
则公司i第t年对第t-1年的加权纵向可比性为：
Figure BDA0002472011200000091
(4)计算无权纵向可比性；
公司i在所有经济业务上的会计方法选择共m种，pitk为样本i在第t年会计方法k上的会计方法可比性。样本i在第t年和第t-1年均采用某一会计方法时，pitk取值为1；当样本i第t年与第t-1年采用不同方法时，pitk取值为0，样本i在第t年和第t-1年均不采用某一会计方法时，pitk取值为1。
则公司i第t年对第t-1年的无权纵向可比性为：
Figure BDA0002472011200000092
(5)计算结构可比性；
以公司i结构化财务报表为基础，将同行业其余各公司的总资产、营业收入代入公司i系统，求得其在公司i会计系统的预测数据，再根据各会计科目的预测差额的绝对值累加求得净利润差异、总资产差异和公司i的ROA值。为更好地度量公司i与同行业公司的差异，将ROA值+1取倒数。
则公司i与同行业公司的结构可比性为：
Figure BDA0002472011200000093
其中，roa′i＝公司i净利润的差异/公司i总资产的差异；
(6)计算关系可比性；
选取季度财务报表八个指标，构建公司i会计信息系统，然后根据公司i会计信息系统和行业会计信息系统，比较两者之间差异，便将其均值+1取倒数作为公司关系可比性，选取同行业内可比性最高的4家公司的均值作为公司i关系可比性Compacri，模型为：净资产收益率＝[1-营业成本率-销售费用率-管理费用率-财务费用率-(税金及附加-其他损益及收入+所得税)/销售收入]×资产周转率×(1-产权比率)(M8)。
以C15饮料行业为例，关系可比性见表2。
表2 2016年酒、饮料和精制茶制造业的关系可比性
Figure BDA0002472011200000101
(7)映射系统特性检验；
通过T检验方法分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，即测试上述映射会计系统之间的关系。T检验方法可用于总体标准差σ未知的正态分布数据，用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
具体地，按年度对横向可比性、纵向可比性、结构可比性和关系可比性两两进行特性检验，若根据检验结果发现横向可比性、纵向可比性、结构可比性和关系可比性之间均存在显著差异，则认为构成过程可比性和结果可比性的指标源于不同总体，会计信息具有可比性，从而能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
请参阅图2。
如图2所示，第二实施例提供一种会计信息可比性测定装置，包括：第一获取模块21，用于获取上市公司的会计信息；其中，会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；第一计算模块22，用于根据会计信息分别计算过程可比性和结果可比性；其中，过程可比性包括横向可比性和纵向可比性，结果可比性包括结构可比性和关系可比性；第一测定模块23，用于分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。
需要说明的是，会计政策选择数据是以《公开发行证券的公司信息披露编报规则第15号—财务报告的一般规定(2014年修订)》为依据，结合公司会计准则中要求披露的会计信息，涉及外币业务、存货、现金等价物、投资性房地产、固定资产、长期股权投资、长期待摊费用、借款费用、商誉、生物资产、应收款项、无形资产、在建工程、职工薪酬、股份支付、预计负债、递延所得税负债和递延所得税资产、合并财务报告、非货币性资产交换、建造合同、金融资产和金融负债、收入、所得税、应付债券等24个会计事项，涵盖经济业务的定义、范围、确认、计量等共609个具体方法。年度财务报表数据包括年度资产负债表和利润表。季度财务报表数据包括四个季度资产负债表和利润表。会计报表项目的明细附注数据包括年度报告中各会计报表项目的明细附注信息。
考虑到上市公司的会计政策选择、财务报表结构及其关系，通过第一获取模块21，获取上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，以会计政策选择作为过程可比性的衡量指标、以财务报表结构及其关系作为结果可比性的衡量指标，便于后续能够根据会计信息分别计算过程可比性和结果可比性。
通过第一计算模块22，根据会计信息分别计算过程可比性和结果可比性，即根据会计信息分别计算横向可比性和纵向可比性，以及结构可比性和关系可比性，便于后续能够分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验。
其中，横向可比性指的是信息使用者可以对不同公司间的会计信息进行比较，纵向可比性指的信息使用者可以对同一公司不同时期的会计信息进行比较，结构可比性指的是信息使用者可以对财务报表的结构进行比较，关系可比性指的是信息使用者可以对财务指标的关系进行比较。
通过第一测定模块23，分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性，从而能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
本实施例通过第一计算模块22，根据上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，分别计算过程可比性和结果可比性，即计算横向可比性和纵向可比性，以及结构可比性和关系可比性，进而通过第一测定模块23，分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。本实施例通过选择会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据作为会计信息，能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
在优选的实施例当中，第一获取模块21，还用于在所述获取上市公司的会计信息之后，对会计信息进行预处理。
在本实施例的一优选实施方式中，所述对会计信息进行预处理，具体为：对于各公司609项会计政策选择数据，按公司各年度选择的会计政策，运用Python软件进行关键指标抓取及赋值；对于年度财务报表数据，将资产负债表和利润表数据分别用总资产、营业收入进行标准化；对于季度财务报表，计算出比如6年的净资产收益率、营业成本率、销售费用率、管理费用率、固定资产周转率、(税金及附加-其他损益及收入+所得税)/营业收入、资产周转率和产权比率等财务指标。
在优选的实施例当中，所述横向可比性包括加权横向可比性和无权横向可比性；所述纵向可比性包括加权纵向可比性和无权纵向可比性。
在本实施例的一优选实施方式中，第一计算模块22根据业务影响力的大小，将横向可比性分为加权横向可比性和无权横向可比性，将纵向可比性分为加权纵向可比性和无权纵向可比性。
请参阅图3-4。
如图3所示，第三实施例提供一种会计信息可比性应用方法，包括步骤S31～S34：
S31、获取上市公司的会计信息；其中，会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据。
S32、根据会计信息分别计算过程可比性和结果可比性；其中，过程可比性包括横向可比性和纵向可比性，结果可比性包括结构可比性和关系可比性。
S33、分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。
S34、根据过程可比性和结果可比性构建改进的Mscore模型，并通过改进的Mscore模型计算上市公司的财务舞弊概率。
需要说明的是，会计政策选择数据是以《公开发行证券的公司信息披露编报规则第15号—财务报告的一般规定(2014年修订)》为依据，结合公司会计准则中要求披露的会计信息，涉及外币业务、存货、现金等价物、投资性房地产、固定资产、长期股权投资、长期待摊费用、借款费用、商誉、生物资产、应收款项、无形资产、在建工程、职工薪酬、股份支付、预计负债、递延所得税负债和递延所得税资产、合并财务报告、非货币性资产交换、建造合同、金融资产和金融负债、收入、所得税、应付债券等24个会计事项，涵盖经济业务的定义、范围、确认、计量等共609个具体方法。年度财务报表数据包括年度资产负债表和利润表。季度财务报表数据包括四个季度资产负债表和利润表。会计报表项目的明细附注数据包括年度报告中各会计报表项目的明细附注信息。
在步骤S31中，考虑到上市公司的会计政策选择、财务报表结构及其关系，通过获取上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，以会计政策选择作为过程可比性的衡量指标、以财务报表结构及其关系作为结果可比性的衡量指标，便于后续能够根据会计信息分别计算过程可比性和结果可比性。
在步骤S32中，通过根据会计信息分别计算过程可比性和结果可比性，即根据会计信息分别计算横向可比性和纵向可比性，以及结构可比性和关系可比性，便于后续能够分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验。
其中，横向可比性指的是信息使用者可以对不同公司间的会计信息进行比较，纵向可比性指的信息使用者可以对同一公司不同时期的会计信息进行比较，结构可比性指的是信息使用者可以对财务报表的结构进行比较，关系可比性指的是信息使用者可以对财务指标的关系进行比较。
在步骤S33中，通过分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性，从而能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
在步骤S34中，通过根据过程可比性和结果可比性构建改进的Mscore模型，以利用改进的Mscore模型计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测，从而能够将会计信息可比性应用于财务舞弊预测，提高财务舞弊预测的精度。
本实施例通过根据上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，分别计算过程可比性和结果可比性，即计算横向可比性和纵向可比性，以及结构可比性和关系可比性，进而分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性，从而根据过程可比性和结果可比性构建的改进的Mscore模型，计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测。本实施例通过根据过程可比性和结果可比性改进Mscore模型，能够将会计信息可比性应用于财务舞弊预测，提高财务舞弊预测的精度。
如图4所示，在一优选的实施例当中，所述会计信息可比性应用方法，还包括步骤S35：
S35、根据过程可比性和结果可比性构建财务舞弊预测模型，并通过财务舞弊预测模型计算上市公司的财务舞弊概率。
在步骤S35中，通过根据过程可比性和结果可比性构建财务舞弊预测模型，以利用财务舞弊预测模型计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测，从而能够将会计信息可比性应用于财务舞弊预测，进一步提高财务舞弊预测的精度。
本实施例通过根据过程可比性和结果可比性构建财务舞弊预测模型，能够将会计信息可比性应用于财务舞弊预测，进一步提高财务舞弊预测的精度。
在优选的实施例当中，在所述获取上市公司的会计信息之后，在所述根据会计信息分别计算过程可比性和结果可比性之前，还包括：对会计信息进行预处理。
在本实施例的一优选实施方式中，所述对会计信息进行预处理，具体为：对于各公司609项会计政策选择数据，按公司各年度选择的会计政策，运用Python软件进行关键指标抓取及赋值；对于年度财务报表数据，将资产负债表和利润表数据分别用总资产、营业收入进行标准化；对于季度财务报表，计算出比如6年的净资产收益率、营业成本率、销售费用率、管理费用率、固定资产周转率、(税金及附加-其他损益及收入+所得税)/营业收入、资产周转率和产权比率等财务指标。
在优选的实施例当中，横向可比性包括加权横向可比性和无权横向可比性；纵向可比性包括加权纵向可比性和无权纵向可比性。
在本实施例的一优选实施方式中，根据业务影响力的大小，将横向可比性分为加权横向可比性和无权横向可比性，将纵向可比性分为加权纵向可比性和无权纵向可比性。
作为示例性的，财务舞弊预测过程具体如下：
(1)计算加权横向可比性；
设公司i、公司j和公司z为同行业的三家公司。公司i在所有经济业务上的会计方法选择共m种，公司i所在行业共n家公司。sijk为样本i和样本j在会计方法k上的会计方法可比性。当样本i和样本j均采用某一会计方法时，sijk取值为1；当仅样本i或样本j采用某一会计方法时，sijk取值为0；当样本i和样本j均不采用某一会计方法时，sijk取值为1。wik为样本i在会计方法k的权。
则公司i对于公司j的加权横向可比性为：
Figure BDA0002472011200000161
公司i对于同行业其他公司的加权横向可比性为：
Figure BDA0002472011200000162
以公司i和公司j为例，其各自的存货计价方法见表3。
表3横向可比性计算示例
Figure BDA0002472011200000163
qij＝0.3×1+0.3×1+0.4×0＝0.6；qiz＝0.3×0+0.3×1+0.4×1＝0.7；
Compacwhi＝(0.6+0.7)/(3-1)＝0.65；
即公司i在同行业的加权横向可比性为0.65。
(2)计算无权横向可比性；
设公司i、公司j和公司z为同行业的三家公司。公司i在所有经济业务上的会计方法选择共m种，公司i所在行业共n家公司。sijk为样本i和样本j在会计方法k上的会计方法可比性。当样本i和样本j均采用某一会计方法时，sijk取值为1；当仅样本i或样本j采用某一会计方法时，sijk取值为0；当样本i和样本j均不采用某一会计方法时，sijk取值为1。
则公司i对于公司j的无权横向可比性为：
Figure BDA0002472011200000171
公司i对于同行业其他公司的无权横向可比性为：
Figure BDA0002472011200000172
(3)计算加权纵向可比性；
公司i在所有经济业务上的会计方法选择共m种，pitk为样本i在第t年会计方法k上的会计方法可比性。当样本i在第t年和第t-1年均采用某一会计方法时，pitk取值为1；当样本i第t年与第t-1年采用不同方法时，pitk取值为0；当样本i在第t年和第t-1年均不采用某一会计方法时，pitk取值为1。wik为样本i在会计方法k的权。
则公司i第t年对第t-1年的加权纵向可比性为：
Figure BDA0002472011200000173
(4)计算无权纵向可比性；
公司i在所有经济业务上的会计方法选择共m种，pitk为样本i在第t年会计方法k上的会计方法可比性。样本i在第t年和第t-1年均采用某一会计方法时，pitk取值为1；当样本i第t年与第t-1年采用不同方法时，pitk取值为0，样本i在第t年和第t-1年均不采用某一会计方法时，pitk取值为1。
则公司i第t年对第t-1年的无权纵向可比性为：
Figure BDA0002472011200000181
(5)计算结构可比性；
以公司i结构化财务报表为基础，将同行业其余各公司的总资产、营业收入代入公司i系统，求得其在公司i会计系统的预测数据，再根据各会计科目的预测差额的绝对值累加求得净利润差异、总资产差异和公司i的ROA值。为更好地度量公司i与同行业公司的差异，将ROA值+1取倒数。
则公司i与同行业公司的结构可比性为：
Figure BDA0002472011200000182
其中，roa′i＝公司i净利润的差异/公司i总资产的差异；
(6)计算关系可比性；
选取季度财务报表八个指标，构建公司i会计信息系统，然后根据公司i会计信息系统和行业会计信息系统，比较两者之间差异，便将其均值+1取倒数作为公司关系可比性，选取同行业内可比性最高的4家公司的均值作为公司i关系可比性Compacri，模型为：净资产收益率＝[1-营业成本率-销售费用率-管理费用率-财务费用率-(税金及附加-其他损益及收入+所得税)/销售收入]×资产周转率×(1-产权比率)(M16)。
以C15饮料行业为例，关系可比性见表4。
表4 2016年酒、饮料和精制茶制造业的关系可比性
Figure BDA0002472011200000183
(7)映射系统特性检验；
通过T检验方法分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，即测试上述映射会计系统之间的关系。T检验方法可用于总体标准差σ未知的正态分布数据，用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
具体地，按年度对横向可比性、纵向可比性、结构可比性和关系可比性两两进行特性检验，若根据检验结果发现横向可比性、纵向可比性、结构可比性和关系可比性之间均存在显著差异，则认为构成过程可比性和结果可比性的指标源于不同总体，会计信息具有可比性，从而能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
(8)根据过程可比性和结果可比性构建改进的Mscore模型；
Mscore模型是由Beneish(1999)提出的财务舞弊预测模型，其因成功预测出安然公司舞弊而出名。具体预测模型为：
Mscorei＝-4.84+0.92DSRIi+0.528GMIi+0.404AQIi+0.892SGIi
+0.115DEPIi-0.172SGAIi-0.327LVGIi+4.679TATAi (M17)；
其中，Mscorei为公司i模型计算值(取值为0或1)，DSRIi为公司i应收账款指数，GMIi为公司i毛利率指数，AQIi为公司i资产质量指数，SGIi为公司i营业收入指数，DEPIi为公司i折旧率指数，SGAIi为公司i销售管理费用指数，LVGIi为公司i财务杠杆指数，TATAi为公司i应计项/总资产。
Mscore模型对于公司i财务舞弊的预判依据是阈值。当公司i预判值高于阈值时则认为公司i财务舞弊，反之则认为公司i未舞弊。Mscore模型的阀值应使期望成本最小，它依赖于犯第一类错误的概率(将舞弊公司误判为正常公司)和犯第二类错误的概率(将正常公司误判为舞弊公司)以及错判导致的期望成本。Beneish(1999)中采用的令错判期望成本最小的阀值是-1.78。
Mscore模型的预测因子涉及公司i应收账款指数、毛利率指数GMIi、资产质量指数AQIi、营业收入指数SGIi、折旧率指数DEPIi、销售管理费用指数SGAIi、财务杠杆指数LVGIi、应计项/总资产TATAi(M17)。在Mscore模型基础上，分别增加过程可比性和结果可比性变量，包括加权横向可比性(Compacwhi)和加权纵向可比性(Compacwvi)、结构可比性(Compacsi)和关系可比性(Compacri)等变量，构建改进的Mscore模型，并预测公司进行财务舞弊的概率，即犯第一类错误的概率，以检验会计信息可比性变量对于Mscore模型是否起到优化作用。
则改进的的Mscore模型为：
Fraudit＝β0+β1Mscoreit+β2Compacwhit+β3Compacwvit+β4Compacsit+β5Compacrit (M18)；
其中，Fraudit为公司i第t年模型计算值(取值为0或1)，Compacwhit为公司i第t年加权横向可比性，compacwvit为公司i第t年加权纵向可比性，Compacsit为公司i第t年结构可比性、compacrit为关系横向可比性。
模型对于公司i舞弊的预判依据是阈值(-2.05～-1.85)。当Fraudit高于阈值时，则认为公司i财务舞弊，反之则认为公司i未舞弊。阀值应使期望成本最小，它依赖于犯第一类错误的概率(将舞弊公司误判为正常公司)和犯第二类错误的概率(将正常公司误判为舞弊公司)以及错判导致的期望成本。在此，犯第一类错误与犯第二类错误成本的比值定为7.5，令错判期望成本最小的阈值为-2.05～-1.85。
从表5可知，在Mscore模型中引入过程可比性和结果可比性变量对预测公司财务舞弊犯第一类错误的概率有显著优化效果，即改进的Mscore模型犯第一类错误的概率显著地优于Mscore模型犯第一类错误的概率。
表5改进Mscore模型的预测效果
Figure BDA0002472011200000201
(9)根据过程可比性和结果可比性构建财务舞弊预测模型；
考虑到财务舞弊的方法和结果反映在会计信息的生成过程和结果上，会计信息可比性(过程可比性和结果可比性)在一定程度上可能更有助于把握财务舞弊的过程和结果。为此，直接基于会计信息可比性，根据过程可比性和结果可比性构建财务舞弊预测模型。
则构建的财务舞弊预测模型分别为：
Fraudit＝β0+β1Compacwhit+β2Compacwvit+β3Compacsit (M19)；
Fraudi＝β0+β1Compacwhit+β2Compacwvit+β3Compacrit (M20)；
Fraudit＝β0+β1Compacwhit+β2Compacwvit+β3Compacsit+β4Compacrit (M21)；
其中，Fraudit为公司i第t年模型计算值(取值为0或1)，Compacwhit为公司i第t年加权横向可比性，compacwvit为公司i第t年加权纵向可比性，Compacsit为公司i第t年结构可比性，compacrit为关系横向可比性。
模型对于公司i舞弊的预判依据是阈值(-2.05～-1.85)。当Fraudit高于阈值时则认为公司i财务舞弊，反之则认为公司i未舞弊。阀值应使期望成本最小，它依赖于犯第一类错误的概率(将舞弊公司误判为正常公司)和犯第二类错误的概率(将正常公司误判为舞弊公司)以及错判导致的期望成本。在此，犯第一类错误与犯第二类错误成本的比值定为7.5，令错判期望成本最小的阈值为-2.05～-1.85。
从表6可知，三种直接基于会计信息可比性，根据过程可比性和结果可比性构建的财务舞弊预测模型，其犯第一类错误的概率均低于Mscore模型(M17)、改进的Mscore模型(M18)。
换而言之，应用会计信息可比性的财务舞弊预测模型效果显著改善，特别是包括加权横向可比性、加权纵向可比性、结构可比性和关系可比性的财务舞弊预测模型(M21)，即财务舞弊预测模型(M21)为基于会计信息可比性的预测效果稳定、最优模型。
表6财务舞弊预测模型的预测效果
Figure BDA0002472011200000221
请参阅图5。
如图5所示，第四实施例提供一种会计信息可比性应用装置，包括：第二获取模块41，用于获取上市公司的会计信息；其中，会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；第二计算模块42，用于根据会计信息分别计算过程可比性和结果可比性；其中，过程可比性包括横向可比性和纵向可比性，结果可比性包括结构可比性和关系可比性；第二测定模块43，用于分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性；财务舞弊预测模块44，用于根据过程可比性和结果可比性构建改进的Mscore模型，并通过改进的Mscore模型计算上市公司的财务舞弊概率。
需要说明的是，会计政策选择数据是以《公开发行证券的公司信息披露编报规则第15号—财务报告的一般规定(2014年修订)》为依据，结合公司会计准则中要求披露的会计信息，涉及外币业务、存货、现金等价物、投资性房地产、固定资产、长期股权投资、长期待摊费用、借款费用、商誉、生物资产、应收款项、无形资产、在建工程、职工薪酬、股份支付、预计负债、递延所得税负债和递延所得税资产、合并财务报告、非货币性资产交换、建造合同、金融资产和金融负债、收入、所得税、应付债券等24个会计事项，涵盖经济业务的定义、范围、确认、计量等共609个具体方法。年度财务报表数据包括年度资产负债表和利润表。季度财务报表数据包括四个季度资产负债表和利润表。会计报表项目的明细附注数据包括年度报告中各会计报表项目的明细附注信息。
考虑到上市公司的会计政策选择、财务报表结构及其关系，通过第二获取模块41，获取上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，以会计政策选择作为过程可比性的衡量指标、以财务报表结构及其关系作为结果可比性的衡量指标，便于后续能够根据会计信息分别计算过程可比性和结果可比性。
通过第二计算模块42，根据会计信息分别计算过程可比性和结果可比性，即根据会计信息分别计算横向可比性和纵向可比性，以及结构可比性和关系可比性，便于后续能够分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验。
其中，横向可比性指的是信息使用者可以对不同公司间的会计信息进行比较，纵向可比性指的信息使用者可以对同一公司不同时期的会计信息进行比较，结构可比性指的是信息使用者可以对财务报表的结构进行比较，关系可比性指的是信息使用者可以对财务指标的关系进行比较。
通过第二测定模块43，分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验，得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性，从而能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
通过财务舞弊预测模块44，根据过程可比性和结果可比性构建改进的Mscore模型，以利用改进的Mscore模型计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测，从而能够将会计信息可比性应用于财务舞弊预测，提高财务舞弊预测的精度。
本实施例通过第二计算模块42，根据上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，分别计算过程可比性和结果可比性，即计算横向可比性和纵向可比性，以及结构可比性和关系可比性，进而通过第二测定模块43，分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性，从而通过财务舞弊预测模块44，根据过程可比性和结果可比性构建的改进的Mscore模型，计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测。本实施例通过根据过程可比性和结果可比性改进Mscore模型，能够将会计信息可比性应用于财务舞弊预测，提高财务舞弊预测的精度。
在一优选的实施例当中，财务舞弊预测模块44，还用于根据过程可比性和结果可比性构建财务舞弊预测模型，并通过财务舞弊预测模型计算上市公司的财务舞弊概率。
通过财务舞弊预测模块44，根据过程可比性和结果可比性构建财务舞弊预测模型，以利用财务舞弊预测模型计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测，从而能够将会计信息可比性应用于财务舞弊预测，进一步提高财务舞弊预测的精度。
本实施例通过根据过程可比性和结果可比性构建财务舞弊预测模型，能够将会计信息可比性应用于财务舞弊预测，进一步提高财务舞弊预测的精度。
在优选的实施例当中，第二获取模块41，还用于在所述获取上市公司的会计信息之后，对会计信息进行预处理。
在本实施例的一优选实施方式中，所述对会计信息进行预处理，具体为：对于各公司609项会计政策选择数据，按公司各年度选择的会计政策，运用Python软件进行关键指标抓取及赋值；对于年度财务报表数据，将资产负债表和利润表数据分别用总资产、营业收入进行标准化；对于季度财务报表，计算出比如6年的净资产收益率、营业成本率、销售费用率、管理费用率、固定资产周转率、(税金及附加-其他损益及收入+所得税)/营业收入、资产周转率和产权比率等财务指标。
在优选的实施例当中，横向可比性包括加权横向可比性和无权横向可比性；纵向可比性包括加权纵向可比性和无权纵向可比性。
在本实施例的一优选实施方式中，第二计算模块42根据业务影响力的大小，将横向可比性分为加权横向可比性和无权横向可比性，将纵向可比性分为加权纵向可比性和无权纵向可比性。
综上所述，实施本发明的实施例，具有如下有益效果：
通过根据上市公司的会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据等会计信息，分别计算过程可比性和结果可比性，即计算横向可比性和纵向可比性，以及结构可比性和关系可比性，进而分别对横向可比性、纵向可比性、结构可比性和关系可比性映射的会计系统进行特性检验得到不同会计系统的检验结果，以根据检验结果测定会计信息可比性。本实施例通过选择会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据作为会计信息，能够直接根据会计信息，基于过程可比性和结果可比性，从横向可比性、纵向可比性、结构可比性和关系可比性多维度测定会计信息可比性。
进一步地，通过根据过程可比性和结果可比性构建的改进的Mscore模型，计算上市公司的财务舞弊概率，实现应用会计信息可比性进行财务舞弊预测。本实施例通过根据过程可比性和结果可比性改进Mscore模型，能够将会计信息可比性应用于财务舞弊预测，提高财务舞弊预测的精度。
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。
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

Claims (10)

1.一种会计信息可比性测定方法，其特征在于，包括：
获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性。
2.如权利要求1所述的会计信息可比性测定方法，其特征在于，在所述获取上市公司的会计信息之后，在所述根据所述会计信息分别计算过程可比性和结果可比性之前，还包括：
对所述会计信息进行预处理。
3.如权利要求1所述的会计信息可比性测定方法，其特征在于，所述横向可比性包括加权横向可比性和无权横向可比性；所述纵向可比性包括加权纵向可比性和无权纵向可比性。
4.一种会计信息可比性测定装置，其特征在于，包括：
第一获取模块，用于获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
第一计算模块，用于根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
第一测定模块，用于分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性。
5.一种会计信息可比性应用方法，其特征在于，包括：
获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性；
根据所述过程可比性和所述结果可比性构建改进的Mscore模型，并通过所述改进的Mscore模型计算所述上市公司的财务舞弊概率。
6.如权利要求5所述的会计信息可比性应用方法，其特征在于，还包括：
根据所述过程可比性和所述结果可比性构建财务舞弊预测模型，并通过所述财务舞弊预测模型计算所述上市公司的财务舞弊概率。
7.如权利要求5或6所述的会计信息可比性应用方法，其特征在于，在所述获取上市公司的会计信息之后，在所述根据所述会计信息分别计算过程可比性和结果可比性之前，还包括：
对所述会计信息进行预处理。
8.如权利要求5或6所述的会计信息可比性应用方法，其特征在于，所述横向可比性包括加权横向可比性和无权横向可比性；所述纵向可比性包括加权纵向可比性和无权纵向可比性。
9.一种会计信息可比性应用装置，其特征在于，包括：
第二获取模块，用于获取上市公司的会计信息；其中，所述会计信息包括会计政策选择数据、年度财务报表数据、季度财务报表数据、会计报表项目的明细附注数据；
第二计算模块，用于根据所述会计信息分别计算过程可比性和结果可比性；其中，所述过程可比性包括横向可比性和纵向可比性，所述结果可比性包括结构可比性和关系可比性；
第二测定模块，用于分别对所述横向可比性、所述纵向可比性、所述结构可比性和所述关系可比性映射的会计系统进行特性检验，得到不同所述会计系统的检验结果，以根据所述检验结果测定会计信息可比性；
财务舞弊预测模块，用于根据所述过程可比性和所述结果可比性构建改进的Mscore模型，并通过所述改进的Mscore模型计算所述上市公司的财务舞弊概率。
10.如权利要求9所述的会计信息可比性应用装置，其特征在于，所述财务舞弊预测模块，还用于根据所述过程可比性和所述结果可比性构建财务舞弊预测模型，并通过所述财务舞弊预测模型计算所述上市公司的财务舞弊概率。
CN202010351255.8A 2020-04-28 2020-04-28 一种会计信息可比性测定方法、应用方法及装置 Active CN111695721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010351255.8A CN111695721B (zh) 2020-04-28 2020-04-28 一种会计信息可比性测定方法、应用方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010351255.8A CN111695721B (zh) 2020-04-28 2020-04-28 一种会计信息可比性测定方法、应用方法及装置

Publications (2)

Publication Number Publication Date
CN111695721A true CN111695721A (zh) 2020-09-22
CN111695721B CN111695721B (zh) 2023-05-02

Family

ID=72476731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010351255.8A Active CN111695721B (zh) 2020-04-28 2020-04-28 一种会计信息可比性测定方法、应用方法及装置

Country Status (1)

Country Link
CN (1) CN111695721B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652426A (zh) * 2020-05-29 2020-09-11 广州大学 会计信息可比性测定方法
CN112200647A (zh) * 2020-10-12 2021-01-08 广州智慧金财税科技有限公司 一种审计质量测定的方法及其系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110968622A (zh) * 2019-12-20 2020-04-07 上海鲲贝管理咨询有限公司 一种会计报告定制方法、平台和终端

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110968622A (zh) * 2019-12-20 2020-04-07 上海鲲贝管理咨询有限公司 一种会计报告定制方法、平台和终端

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
姜金玲等: "基于logistic的上市公司利润操纵行为识别模型研究", 《经济管理》 *
张淑丽: "会计信息复杂性的表现及成因分析", 《今日科苑》 *
袁知柱 吴粒: "会计信息可比性研究评述及未来展望", 《会计研究》 *
赵梓伊等: "基于阈值检验的财务造假预测――基于中国上市公司的数据分析", 《南京师范大学学报(工程技术版)》 *
郑立斌: "经济增加值指标评价的有效性研究", 《河南建材》 *
高佩芳: "资产负债表信息的局限性", 《中国病案》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652426A (zh) * 2020-05-29 2020-09-11 广州大学 会计信息可比性测定方法
CN112200647A (zh) * 2020-10-12 2021-01-08 广州智慧金财税科技有限公司 一种审计质量测定的方法及其系统

Also Published As

Publication number Publication date
CN111695721B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
Li et al. Firm and industry specific determinants of capital structure: Evidence from the Australian market
Di Patti et al. Winners or losers? The effects of banking consolidation on corporate borrowers
Habib et al. Does the efficiency of a firm’s intellectual capital and working capital management affect its performance?
Anwar et al. The analysis of factors affect income smoothing on miscellaneous industry companies listed on Indonesia stock exchange
CN112330439A (zh) 一种基于五流合一业务数据的金融风险识别装置及方法
Boyer et al. Discount‐Rate Risk in Private Equity: Evidence from Secondary Market Transactions
CN111695721A (zh) 一种会计信息可比性测定方法、应用方法及装置
Secinaro et al. Relevance in the application of IFRS 16 for financial statements: empirical evidence the impact of the financial method in SMEs
Hladika et al. Analysis of the effects of applying the new IFRS 16 Leases on the financial statements
Wei [Retracted] A Machine Learning Algorithm for Supplier Credit Risk Assessment Based on Supply Chain Management
Nurlatipah et al. Analysis of Financial Ratios on The Performance of Muamalat Indonesia Bank
Arlov et al. Cash flow in predicting financial distress and bankruptcy
Kováčová et al. Earnings management model for Visegrad Group as an immanent part of creative accounting
Murro et al. Relationship lending and employment decisions in firms’ bad times
Nurudeen et al. Value relevance of IFRS 7 financial instruments disclosures for listed insurance firms in Nigeria
CN111652426A (zh) 会计信息可比性测定方法
Pham et al. Investigating the effects of accounting law on the credit rating models using artificial neural networks: A study in Vietnam
Boyer et al. Discount rate risk in private equity: Evidence from secondary market transactions
Belás et al. The quality and accuracy of bank internal rating model. A case study from Czech Republic
Vasyurenko et al. A compendium of globalization trends in world trade: Justification of a two-tire model of business processes
Putri The effect of growth, intellectual capital, financial performance on firm value
Emeke et al. Revenue Leakages and Economic Growth in Nigeria: The Place of Forensic Accounting
Atta Mills et al. A dynamic SBM‐DEA and portfolio formation test approach to the operating efficiency‐stock returns nexus
Bemisal et al. An Empirical Study of Free Cash Flows and Firm's Profitability In Listed Companies of the Pakistan Stock Exchange
Iren et al. THE APPLICABILITY OF THE PRUDENCE PRINCIPLE TO

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211202

Address after: 510000 Room 401, building B8, 11 Kaiyuan Avenue, Science City, Huangpu District, Guangzhou City, Guangdong Province

Applicant after: Guangzhou smart finance and taxation Technology Co.,Ltd.

Address before: 510000 No.1 guihuagang East, Yuexiu District, Guangzhou City, Guangdong Province

Applicant before: Hu Liang

GR01 Patent grant
GR01 Patent grant