CN112163942B - 一种会计信息可靠性测定的方法及其系统 - Google Patents
一种会计信息可靠性测定的方法及其系统 Download PDFInfo
- Publication number
- CN112163942B CN112163942B CN202011042980.3A CN202011042980A CN112163942B CN 112163942 B CN112163942 B CN 112163942B CN 202011042980 A CN202011042980 A CN 202011042980A CN 112163942 B CN112163942 B CN 112163942B
- Authority
- CN
- China
- Prior art keywords
- company
- probability
- audit
- accounting information
- making
- 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.)
- Active
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (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靠性测定的方法及其系统,其方法包括:对公司会计报表中的资产负债表和利润表进行数据提取;将所提取的数据划分为历史成本类项目以及待验证类项目;基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;基于所构建的审计失败预测模型计算出审计失败预测结果;基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;基于审计失败预测结果和财务舞弊预测结果生产会计信息可靠性结果报告。在本发明实施例中,其通过忠实表达和可验证性测定本身对上市公司了解其财务信息的质量,进而提高信息质量有重要价值。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种会计信息可靠性测定的方法及其系统。
背景技术
现有所发布的FASB财务会计概念和IASB的财务报告框架中,忠实表达成为会计信息决策有用性的基础质量特征之一,可验证性则界定为辅助质量特征之一。可靠性和忠实表达二者共同点都是立足于会计信息的计量属性,要求会计核算的过程和结果均贴近真实经济现象,由可靠性换成忠实表达则意味着信息披露范围更广,信息透明度要求更高,可靠性的实质更加凸显。财务报表中确认要素时要选择计量属性,其中包括历史成本和现行价值。现行价值包括公允价值、使用价值以及现行成本。IASB在2018年的财务报告框架中对历史成本和公允价值做出了解释:历史成本计量部分源于买卖双方实际交易的价格,且随着时间更新,历史成本不重新反映资产或负债的价值;公允价值是市场参与者在计量日进行有序交易时出售资产所收取的价格或转移负债所支付的价格,以上两种计量属性最大的区别在于是否包含专业判断。由于专业判断水平的差异或出于不同的动机,管理层的专业判断可能会影响公司经营业绩的忠实反映,即借助于会计信息可靠程度的变化影响投资者对公司未来现金流量的预期。为此,如何对会计信息的忠实表达程度及管理层专业判断水平进行测定一直是理论界和实务界亟待解决的难题。
现有可靠性测定方法具有代表性的是Richardson(2005)的模型。Richardson(2005)通过直接观察资产负债表的会计信息,将应计可靠性与公司盈余持续性建模得到可靠性指标。由于应计项目中存在决策者的主观预测、估计和判断,可能会造成资产或负债的错误定价,导致在计量过程中存在潜在误差,从而降低收益的持续性,故将收益持续性作为可靠性的代名词。该方法核心思想是利用对应计项目背后计量问题的认识,先对资产负债表中的应计项目进行系统分类,接着对每个类别应计项目的相对可靠性进行定性评估,后续基于分类的应计项目联合盈余进行回归,最终以回归系数的大小来度量应计项目的可靠性,系数越小,可靠性越强。该模型具有如下局限性:(1)应计项目的计量误差e是独立且服从正态分布的,在现实中战略计划和会计稳健性可能会影响这一假设,模型中假设现金流的计量没有误差,但现实中管理人员可能会操纵现金流,且模型中现金流和应计项目都是用误差来衡量,如果一个变量误差明显大于另一个误差的话,可能误差比较大的变量估计系数偏差更大。由此可见该测定方法具有很大的改进空间;(2)并未直接对公司会计信息的可靠性进行直接测量,测定的仅是会计盈余与应计项目的盈余持续性系数大小,通过比较系数大小对项目进行可靠性高低的区分,不能完整全面反应各个公司的具体可靠程度;(3)从流动经营活动,非流动经营活动和融资活动三大层面进行可靠性的衡量,后续再进行七个维度的拓展分析,只在系数层面进行可靠性的高低分析,并未对会计信息的所有项目进行细致分类和讨论。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种会计信息可靠性测定的方法及其系统,其通过忠实表达和可验证性测定本身对上市公司了解其财务信息的质量,进而提高信息质量有重要价值,同时可靠性的二维测度指标及其为基础预测模型也为资本市场上市公司财务信息披露监管、注册会计师行业的监管提供了重要的指标和工具。
为了解决上述技术问题,本发明实施例提供了一种会计信息可靠性测定的方法,所述方法包括:
对公司会计报表中的资产负债表和利润表进行数据提取;
将所提取的数据划分为历史成本类项目以及待验证类项目;
基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;
采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;
基于会计信息的忠实表达程度和会计信息的可验证性构建审计失败预测模型,通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果;
基于会计信息的忠实表达程度和会计信息的可验证性构建财务舞弊预测模型,通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;
基于审计失败预测结果和财务舞弊预测结果通过R语言生产会计信息可靠性结果报告。
所述基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度包括:
公司i第t年会计信息的忠实表达被认为是其第t年资产负债表和利润表两大报表的历史成本类项目占比与待验证类项目中合理部分占比之和,其中:
忠实表达程度=历史成本项目占比+待验证项目合理部分占比。
所述采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性包括:
公司i第t年会计信息的可验证性是i公司第t年资产负债表和利润表待验证类项目按照以下方法求得占比后,与行业内样本公司待验证类各项指标中位数作为基准计算出的欧式距离,其中:
可验证性=各项目占比的欧氏距离;
所述通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果包括:
通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,对审计失败进行预测,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
所述通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果:
通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,预测上市公司发生财务舞弊的概率,以检验会计信息忠实表达和可验证性变量对于Mscore模型是否起到优化作用,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
相应的,本发明还提供了一种会计信息可靠性测定的系统,所述系统包括:
数据提取模块,用于对公司会计报表中的资产负债表和利润表进行数据提取;
项目分类模块,用于将所提取的数据划分为历史成本类项目以及待验证类项目;
忠实表达模块,用于基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;
可验证性模块,用于采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;
审计失败预测模块,用于基于会计信息的忠实表达程度和会计信息的可验证性构建审计失败预测模型,通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果;
舞弊预测模块,用于基于会计信息的忠实表达程度和会计信息的可验证性构建财务舞弊预测模型,通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;
处理模块,用于基于审计失败预测结果和财务舞弊预测结果通过R语言生产会计信息可靠性结果报告。
所述忠实表达模块中的忠实表达程度计算包括:
公司i第t年会计信息的忠实表达被认为是其第t年资产负债表和利润表两大报表的历史成本类项目占比与待验证类项目中合理部分占比之和,其中:
忠实表达程度=历史成本项目占比+待验证项目合理部分占比。
所述可验证性模块中的可靠性计算包括:
公司i第t年会计信息的可验证性是i公司第t年资产负债表和利润表待验证类项目按照以下方法求得占比后,与行业内样本公司待验证类各项指标中位数作为基准计算出的欧式距离,其中:
可验证性=各项目占比的欧氏距离;
所述审计失败预测模块通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,对审计失败进行预测,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
所述舞弊预测模块通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,预测上市公司发生财务舞弊的概率,以检验会计信息忠实表达和可验证性变量对于Mscore模型是否起到优化作用,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
本发明实施例基于会计信息(财务报表和附注)对公司会计信息可靠性这一质量进行测定,从会计确认、计量过程对输出的财务报告数据是否存在误判或操纵进行厘定,增强对会计信息系统的新认知。通过对财务报告项目的创新性分类与项目重构,构造出忠实表达和可验证性测定指标,并以此为基础构造模型对注册会计师审计失败和公司财务舞弊进行预测。因此,相对于现有技术仅把可靠性看成是经济业务通过会计盈余系统与应计项目的系数之间的反映,并未包含财务报告所有信息,本发明的测度数据基于的是公司资产负债表和利润表所有项目及其明细,涵盖了更多的会计信息,更能够直接揭示测定公司年度层面的会计信息可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的会计信息可靠性测定的方法流程图;
图2是本发明实施例中的会计信息可靠性测定的系统结构示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了本发明实施例中的会计信息可靠性测定的方法流程图,该方法包括以下步骤:
S101、对公司会计报表中的资产负债表和利润表进行数据提取;
本发明的数据涉及资产负债表、利润表及年报附注。
S102、将所提取的数据划分为历史成本类项目以及待验证类项目;
本发明以全部A股上市公司2011-2018年的资产负债表和利润表为基本结构。a.先对两个报表的各个项目进行定性判断和分类;b.提取减值类项目的减值明细;c.提取涉及关联交易明细项目;d.划分为不涉及估计、判断和选择的项目(即历史成本类项目)和待验证项目两部分。
1.1依据公司财务报表及其附注,提取减值类(如坏账准备等八个项目)明细数据。涉及项目:应收账款等十个报表项目。
1.2、依据公司财务报表及其附注,提取关联交易类明细数据。涉及项目:应收票据等九个报表项目。
1.3、依据会计计量属性,将资产负债表项目以及利润表项目重新划分为两类:不涉及估计、判断和选择的项目(简称“历史成本类项目”)和涉及估计、判断和选择的项目(简称“待验证类项目”),其相关分类结果如下:
(1)历史成本类项目:a.资产类:货币资金等三十五个报表项目;b.负债类:短期借款等二十九个报表项目;c.权益类:实收资本(或股本)等三个报表项目;d.收入利得类:汇兑收益;e.成本费用损失类:赔付支出净额等十一个报表项目;
(2)待验证类项目:A.资产类:交易性金融资产等二十四个报表项目;B.负债类:递延所得税负债等十二个报表项目;C.权益类:资本公积等九个报表项目;D.收入利得类:已赚保费等九个报表项目;E.成本费用损失类:营业成本等八个报表项目。
S101-S102中通过数据处理,其可以满足会计信息的忠实表达程序以及会计信息的可验证性计算过程。
S103、基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;
基于以上表格分类数据,分别计算历史成本类项目占比和待验证类项目合理部分占比;待验证类项目由于涉及估计、判断和选择,将这一类项目占比乘以行业中位数作为最终待验证合理部分比例;最后将历史成本占比和待验证项目合理部分占比加总,确定公司会计信息的忠实表达程度。
忠实表达程度:公司i第t年会计信息的忠实表达被认为是其第t年资产负债表和利润表两大报表的历史成本类项目占比与待验证类项目中合理部分占比之和。
由于管理层在折旧摊销、减值准备等金额上存在较多的估计、判断和选择,故此部分被划为待验证项目。待验证项目以行业中位数为判断标准,以衡量其判断、估计和选择的合理性。
下述公式中,分母部分的历史项目原值为附注中原值,有6个项目,具体包括:应收账款原值和其他应收款原值等六个项目;其余项目与分子相同。可验证项目账面价值有1个:管理费用;其余项目与分子相同。具体计算过程如下。
计算出历史成本项目占比和待验证项目合理部分占比:
计算出历史成本项目占比和待验证项目合理部分占比:
忠实表达程度=历史成本项目占比+待验证项目合理部分占比,具体如下:
S104、采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;
本发明实施例中的可验证性这一指标单独用欧氏距离测度,定义如下:
可验证性(Verifiability):公司i第t年会计信息的可验证性是i公司第t年资产负债表和利润表待验证类项目按照以下方法求得占比后,与行业内样本公司待验证类各项指标中位数作为基准计算出的欧式距离。
可验证性(Verifiability)=各项目占比的欧氏距离 (M19)
其中,各项目占比用以下方法计算得到:
为保证历史成本项目占比+待验证项目占比为1,我们对M15、M16和M18进行了调整处理,并对M18和M20进行了标准化处理。
S105、基于会计信息的忠实表达程度和会计信息的可验证性构建审计失败预测模型,通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果;
本发明实施例中以现有研究(章立军,2012)识别出的、影响上市公司审计失败的财务指标为基础,构建审计失败预测模型(财务指标模型):
其中,Audit Failureit是衡量公司i第t年是否发生审计失败(取值为0或1),其中β0为常数项,β1、β2、β3、β4、β5、β6、β7、β8、β9为系数。将上市公司因财务报表被处罚但审计师在当年出具无保留审计意见定义为审计失败。如若i公司当年发生审计失败则取值为1;否则为0。监管部门处罚类型中,剔除了非财务报告层面原因的处罚,因财务报表被处罚的原因包括虚构利润、虚列自查、虚假记载(误导性陈述)、推迟披露、重大遗漏、披露不实(其它)等。
表1财务指标
审计失败预测模型(可靠性):上市公司发生审计失败的概率直接受财务报表数据可靠程度和偏离程度的影响。会计信息忠实表达和可验证性指标有助于提高发现上市公司发生审计失败的概率。由此,以会计信息忠实表达和可验证性为基础,构建审计失败预测模型:
Audit Failureit=1/{1+exp(β0+β1Faithfulrepresentationit+β2Verifiabilityit)}
(M22)
本发明以2011-2016年的数据作为训练集,2017-2018年的数据作为预测集,通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,对审计失败进行预测。由于将审计失败的公司预测为正常公司的成本远高于将正常公司预测为审计失败公司的成本,故本研究主要关注于审计失败犯第一类错误的概率(将审计失败公司错判为正常公司的概率)。
表2审计失败预测效果
表2表明,审计失败预测模型(可靠性)(M22)优于审计失败预测模型(财务指标)(M21)。
本发明实施例中所涉及的Logistic回归为概率型非线性回归模型,用于解决二分类问题。n个独立变量的向量x=(x0,x1,x2,...,xn),被解释变量y为哑变量。设条件概率P(y=1|x)=p为在x条件下y=1的概率,可以得出:
其中,g(x)=ω0+ω1x1+ω2x2+ω3x3+...+ωnxn。同时,可以得出在x的条件下y=0的概率。
事件发生与不发生的概率比为:
对最大似然函数取对数,且关于n+1个参数求偏导可得到n+1个方程,并对n+1个方程求解可得到参数ω=(ω0,ω1,ω2,ω3,...,ωn)的值。本实施中的回归模型对于样本预判依据是阈值,将高于阈值的样本归于一类,低于阈值的样本归于一类,即会计信息忠实表达和可验证性指标等相关值作为n个独立变量的向量进行回归模型下的计算过程,计算出犯第一类错误的概率和第二类错误的概率。
S106、基于会计信息的忠实表达程度和会计信息的可验证性构建财务舞弊预测模型,通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;
Mscore模型:Mscore模型是基于财务指标构建的财务舞弊预警模型,其以成功预测了安然公司的财务舞弊行为而闻名。Mscore模型通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,预测上市公司发生财务舞弊的概率,以检验会计信息忠实表达和可验证性变量对于Mscore模型是否起到优化作用。其中Fraudit为公司i第t年是否发生财务舞弊行为,若发生则赋值为1,否则赋值为0。本发明判别财务舞弊的类型为:虚构利润、虚列资产、虚假记载、重大遗漏、披露不实、一般会计处理不当。表3为Mscore模型中各变量的定义表。
Mscorei=-4.84+0.92DSRIi+0.528GMIi+0.404AQIi+0.892SGIi+0.115DEPIi-0.172SGAIi-0.327LVGIi+4.679TATAi (M23)
表3 Mscore变量定义表
财务舞弊预测模型(可靠性):以会计信息忠实表达和可验证性为基础,构建如下预测模型:
Fraudit=1/{1+exp(β0+β1Faithful representationit+β2Verifiabilityit)} (M24)
本发明以2011-2016年的数据作为训练集,2017-2018年的数据作为预测集,对上市公司的财务舞弊进行预测。由于财务舞弊的公司预测为正常公司的成本远高于将正常公司预测为财务舞弊公司的成本,故本发明主要关注于财务舞弊犯第一类错误的概率(将财务舞弊公司错判为正常公司的概率)。
表4财务舞弊预测效果
表4表明:就预测效果而言,基于可验证性变量和忠实表达变量(M24)财务舞弊预测模型明显优于Mscore模型(M23)
S107、基于审计失败预测结果和财务舞弊预测结果通过R语言生产会计信息可靠性结果报告。
需要说明的是,这里的可以通过R语言实现报告的可视化,其可以基于发生财务舞弊的概率估计结果和审计失败概率估计结果通过rCharts包直接生成基于D3的Web界面,具体实施过程中,通过formula、data指定数据源和绘图方式,匹配所对应的type指定图表类型,最终将审计质量测定报告实现可视化,方便用户查阅。在可视化过程中,基于R语言可以实现在Web界面下的过滤、分页、排序等功能,使得审计质量测定报告满足用户不同的需求。
本发明实施例基于会计信息(财务报表和附注)对公司会计信息可靠性这一质量进行测定,从会计确认、计量过程对输出的财务报告数据是否存在误判或操纵进行厘定,增强对会计信息系统的新认知。通过对财务报告项目的创新性分类与项目重构,构造出忠实表达和可验证性测定指标,并以此为基础构造模型对注册会计师审计失败和公司财务舞弊进行预测。因此,相对于现有技术仅把可靠性看成是经济业务通过会计盈余系统与应计项目的系数之间的反映,并未包含财务报告所有信息,本发明的测度数据基于的是公司资产负债表和利润表所有项目及其明细,涵盖了更多的会计信息,更能够直接揭示测定公司年度层面的会计信息可靠性。
相应的,本发明实施例还提供了一种会计信息可靠性测定的系统,所述系统包括:
数据提取模块,用于对公司会计报表中的资产负债表和利润表进行数据提取;
项目分类模块,用于将所提取的数据划分为历史成本类项目以及待验证类项目;
忠实表达模块,用于基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;
需要说明的是,该忠实表达模块中的忠实表达程度计算包括:
公司i第t年会计信息的忠实表达被认为是其第t年资产负债表和利润表两大报表的历史成本类项目占比与待验证类项目中合理部分占比之和,其中:
忠实表达程度=历史成本项目占比+待验证项目合理部分占比。
可验证性模块,用于采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;
需要说明的是,该可验证性模块中的可靠性计算包括:
公司i第t年会计信息的可验证性是i公司第t年资产负债表和利润表待验证类项目按照以下方法求得占比后,与行业内样本公司待验证类各项指标中位数作为基准计算出的欧式距离,其中:
可验证性=各项目占比的欧氏距离;
审计失败预测模块,用于基于会计信息的忠实表达程度和会计信息的可验证性构建审计失败预测模型,通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果;
所述审计失败预测模块通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,对审计失败进行预测,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
舞弊预测模块,用于基于会计信息的忠实表达程度和会计信息的可验证性构建财务舞弊预测模型,通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;
该舞弊预测模块通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,预测上市公司发生财务舞弊的概率,以检验会计信息忠实表达和可验证性变量对于Mscore模型是否起到优化作用,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
处理模块,用于基于审计失败预测结果和财务舞弊预测结果通过R语言生产会计信息可靠性结果报告。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种会计信息可靠性测定的方法,其特征在于,所述方法包括:
对公司会计报表中的资产负债表和利润表进行数据提取;
将所提取的数据划分为历史成本类项目以及待验证类项目;
基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;
采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;
基于会计信息的忠实表达程度和会计信息的可验证性构建审计失败预测模型,通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果;
基于会计信息的忠实表达程度和会计信息的可验证性构建财务舞弊预测模型,通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;
基于审计失败预测结果和财务舞弊预测结果通过R语言生产会计信息可靠性结果报告;
所述基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度包括:
公司i第t年会计信息的忠实表达被认为是其第t年资产负债表和利润表两大报表的历史成本类项目占比与待验证类项目中合理部分占比之和,其中:
忠实表达程度=历史成本项目占比+待验证项目合理部分占比。
3.如权利要求2所述的会计信息可靠性测定的方法,其特征在于,所述通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果包括:
通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,对审计失败进行预测,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
4.如权利要求3所述的会计信息可靠性测定的方法,其特征在于,所述通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果:
通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,预测上市公司发生财务舞弊的概率,以检验会计信息忠实表达和可验证性变量对于Mscore模型是否起到优化作用,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
5.一种会计信息可靠性测定的系统,其特征在于,所述系统包括:
数据提取模块,用于对公司会计报表中的资产负债表和利润表进行数据提取;
项目分类模块,用于将所提取的数据划分为历史成本类项目以及待验证类项目;
忠实表达模块,用于基于历史成本类项目以及待验证类项目中的合理部分确定会计信息的忠实表达程度;
可验证性模块,用于采用欧氏距离测度对待验证类项目进行计算获取会计信息的可验证性;
审计失败预测模块,用于基于会计信息的忠实表达程度和会计信息的可验证性构建审计失败预测模型,通过R语言基于所构建的审计失败预测模型计算出审计失败预测结果;
舞弊预测模块,用于基于会计信息的忠实表达程度和会计信息的可验证性构建财务舞弊预测模型,通过R语言基于所构建的财务舞弊预测模型计算出财务舞弊预测结果;
处理模块,用于基于审计失败预测结果和财务舞弊预测结果通过R语言生产会计信息可靠性结果报告;
所述忠实表达模块中的忠实表达程度计算包括:
公司i第t年会计信息的忠实表达被认为是其第t年资产负债表和利润表两大报表的历史成本类项目占比与待验证类项目中合理部分占比之和,其中:
忠实表达程度=历史成本项目占比+待验证项目合理部分占比。
7.如权利要求6所述的会计信息可靠性测定的系统,其特征在于,所述审计失败预测模块通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,对审计失败进行预测,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
8.如权利要求7所述的会计信息可靠性测定的系统,其特征在于,所述舞弊预测模块通过Logistic回归计算出犯第一类错误的概率和第二类错误的概率,再根据犯第一类错误与犯第二类错误的成本,选取期望成本最小的值作为阈值,预测上市公司发生财务舞弊的概率,以检验会计信息忠实表达和可验证性变量对于Mscore模型是否起到优化作用,其中:犯第一类错误的概率为将审计失败公司预测为非审计失败公司的概率,犯第二类错误的概率为将非审计失败公司预测为审计公司的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011042980.3A CN112163942B (zh) | 2020-09-28 | 2020-09-28 | 一种会计信息可靠性测定的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011042980.3A CN112163942B (zh) | 2020-09-28 | 2020-09-28 | 一种会计信息可靠性测定的方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112163942A CN112163942A (zh) | 2021-01-01 |
CN112163942B true CN112163942B (zh) | 2021-05-07 |
Family
ID=73861393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011042980.3A Active CN112163942B (zh) | 2020-09-28 | 2020-09-28 | 一种会计信息可靠性测定的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163942B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110047098A1 (en) * | 2008-04-04 | 2011-02-24 | Michael David Erlanger | Apparatus and Method for Component Analysis of Pooled Securities |
CN111652426A (zh) * | 2020-05-29 | 2020-09-11 | 广州大学 | 会计信息可比性测定方法 |
-
2020
- 2020-09-28 CN CN202011042980.3A patent/CN112163942B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112163942A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jayasekera | Prediction of company failure: Past, present and promising directions for the future | |
Krichene | Using a naive Bayesian classifier methodology for loan risk assessment: Evidence from a Tunisian commercial bank | |
Campbell | Myopic rationality in a mania | |
Hodder et al. | Fair value measurement discretion and opportunistic avoidance of impairment loss recognition | |
Wei | A machine learning algorithm for supplier credit risk assessment based on supply chain management | |
Mačerinskiene et al. | The evaluation model of a commercial bank loan portfolio | |
CN112163942B (zh) | 一种会计信息可靠性测定的方法及其系统 | |
Bird | Domestic taxes and inbound acquisitions | |
Wang et al. | A modified reduced-form model with time-varying default and recovery rates and its applications in pricing convertible bonds | |
Tshughuryan et al. | The philosophy of assets fair value presentation in financial statements | |
Riyanti et al. | Catering theory of dividend in dividend policy: Evidence from Indonesia | |
Fadjar et al. | Analysis calculation of allowance for impairment losses of credit before and after the implementation of Psak 50 & 55 on profit at bank X | |
Noriska et al. | An Analysis of Capital Structure, Stock Ownership Structure, and Profitability as Intervening Variables in Firm Value Testing | |
JP2002092321A (ja) | 信用格付方法、記録媒体及び信用格付装置 | |
Iren et al. | The Applicability Of The Prudence Principle To Bank Companies In The Vision Of Ias 37 | |
Açıkgöz | Investigation of the effect of the assessment of the company on the financial tables and the sampling of FAVÖK (EBITDA) method on a ring open company | |
Omukhulu | Impact Of International Financial Reporting Standard 9 (Ifrs 9) Implementation On Financial Performance Of Commercial Banks In Kenya | |
Gumparthi et al. | Credit scoring model for auto ancillary sector | |
Ogunmodede et al. | Moderating effect of abnormal audit fees on the relationship between audit delay and the quality of financial reporting: A study of listed industrial goods firms in Nigeria | |
Azahar et al. | The Evaluating Banking Operation Management on Signature Bank | |
Yenti et al. | ANALYSIS OF THE FACTORS AFFECTING THE APPLICATION OF CONSERVATISM IN ACCOUNTING | |
Shcherbinina et al. | Accounting and Macroeconomic Issues of Evaluation of Financial Instruments in Preparing Financial Statements | |
Virtanen | FAS vs. IFRS Impact Analysis in International Private Equity and Venture Capital Valuation Framework: Case Study | |
Aida et al. | WAYS TO IMPROVE THE ENTERPRISE'S CAPITAL ACCOUNT | |
Qu | THE IMPACT OF DONALD TRUMP’S TWEETS ON THE US TREASURY YIELD CURVE DISTORTIONS |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |