预览加载中,请您耐心等待几秒...
1/6
2/6
3/6
4/6
5/6
6/6

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

审计合谋的特征变量、预警模型及其效果研究一、问题的提出与意义证券市场揭露的审计失败,几乎都是审计合谋的结果,给利益相关者造成了重大经济损失,也严重损害了审计市场的基本秩序与声誉。现实中,尽管合谋者最终会受到不同程度的惩处,但给受害者带来的主要是心理安慰而经济补偿效果甚微,公司的外部利益相关者(如中小股东和潜在股东、债权人等)更期望监管机构能尽早地发现审计合谋的苗头,防患于未然,与事后惩罚审计合谋相比,审计合谋预警更有价值。在现有的研究中,与审计合谋有一定关系的主要有两类,一类是关于财务报告舞弊预警的研究,如Spathis,Doumpos和Zopounidis(2002)、刘立国和杜莹(2003)、秦江萍(2006)、陈国欣、吕占甲和何峰(2007)、吴革和叶陈刚(2008)等从上市公司的财务状况和(或)股权结构进行预警研究,只涉及上市公司方面的因素,并未涉及审计师以及审计师与管理当局合作这两大变量的影响,因而不是真正意义上的关于审计合谋的预警研究,但对本研究有一定的参考作用。第二类是关于审计合谋预警的规范研究,如雷光勇(2005)从审计意见的需求方、供给方和外界环境三个方面来识别(即本文的“预警”)审计合谋,但没有提供经验证据,也没有构建相应的预警模型。基于此,本文根据审计合谋的特点,从上市公司的财务特征、股权结构和公司治理、审计师三个视角,建立回归方程,获取审计合谋的特征指标,然后,以这些特征指标为变量构建审计合谋的预警模型,用经验检验的方法检验并比较了三种预警模型的效果。总而言之,本文的主要创新与贡献在于:(1)理论研究上弥补审计合谋预警研究缺乏预警效果较好的实证模型的缺陷。并且在本文构建的审计合谋预警实证模型中,一方面新增了“审计师”这一类变量,将以往的财务预警实证模型拓展成了预警效果较好的审计合谋预警实证模型,另一方面又对以往财务舞弊预警的实证模型进行了较科学的综合和改进,新增了机构持股、高管规模、审计收入依赖等变量,使模型更加充分地反映审计合谋的特征,保证了模型的预警效果。(2)人们可以利用该预警模型测试上市公司,较准确且较早地发现具有合谋倾向的上市公司和审计师,有利于监管机构高效“锁定”审计合谋者,防止审计合谋事件扩大与恶化,使监控审计合谋具有前瞻性、准确率高、重点突出、监控成本低廉和不利影响小等实际应用价值。二、样本选取与数据来源当某上市公司与其审计师因相同原因而同时受到监管机构的处罚,并从公开披露的其他事实加以佐证时,基本上可以推定发生了审计合谋。由此,我们从2002-2008年间证监会针对上市公司财务报告舞弊做出的公开处罚报告中,采用事件研究法,获取32个可以作为审计合谋的样本。在控制样本选取上,考虑到审计合谋样本太少,按1:1配比样本容量略显不足,不适合做多元回归分析,且可能因对舞弊公司过度抽样而导致强化合谋公司(Plat,t2002),而按总体分布比例配比又可能导致弱化合谋公司的结果(Ohlson,1980)。因此,我们按照1:3配对标准并严格按照下述三项条件选取96家正常公司(没有因会计舞弊而遭受处罚)作为控制样本。(1)Platt和Pedersen(1994)、Huang(1994)在做财务困境预测研究时都把样本严格控制在相同行业内,行业也是影响舞弊发生的因素之一(Persons,1995)。因此,本文限定控制样本在相同行业、相同会计年度内选取。(2)规模相同的上市公司在公司业绩、管理行为等方面更具可比性,本文在选取控制样本时保证资产规模相近。(3)控制样本公司没有被披露存在财务舞弊和被处罚的历史。本研究中使用的处罚公告、公司财务数据、审计数据来自于中国证监会网站和国泰安公司开发的CSMAR数据库。三、审计合谋的预警视角与特征变量(一)审计合谋的预警视角与分析指标审计合谋是多在公司效益不佳、财务状况恶化的情况下,审计师与公司管理层都有追求自身利益最大化意愿而由审计师提供与公司管理层合意却损害其他利益主体利益的不当审计报告的机会主义行为。虽然现实的财务困境、经济利益驱动等是审计合谋发生的重要客观原因,但股权结构和治理结构的不当安排也为审计合谋提供了可乘之机。因此,在构建审计合谋预警模型时,综合地考虑如下三类因素:(1)审计合谋与财务报告舞弊的共生关系(雷光勇,2004);(2)股权结构和治理结构的不当安排为审计合谋提供的环境条件(3)审计师追逐不当审计收入对审计合谋提供的动力机制。据此,本文建立了如下Logistic多元回归模型以分析审计合谋与公司财务特征、股权结构与治理结构、审计师特征之间的关系。Logitp()=其中,为截距,~为回归系数,ε为残差。Collusion为被解释变量,当样