5月19日，《財會月刊》發表了廈門國家會計學院院長黃世忠及其研究團隊葉欽華、葉凡、徐珊等撰寫的《嚴監管下的財務舞弊分析——基于2020~2021年的舞弊樣本》一文。研究發現，最近兩年查處的財務造假案，在高發行業、舞弊手法等方面都呈現出不同以往的新特征。

“財務造假在經濟上行周期易于掩蓋，在下行周期掩蓋難度加大，更容易暴露。從2007年到2016年數據來看，造假公司數量是持續上升的。”廈門國家會計學院中國財務舞弊研究中心聯合主任葉欽華對第一財經表示，由于財務造假發現往往有3~5年的滯后期，盡管近年來監管處罰造假公司已大幅增加，但仍不排除2017年之后的財務造假案件有持續增加的可能。

在過往12年（2010~2021年度）查處的舞弊樣本公司達到10家以上的（子）行業中，“農林牧漁業”舞弊公司有16家，行業占比最高（9.58%），“制造業”二級行業“醫藥制造業”“化學原料和化學制品制造業”的舞弊公司行業占比較高（分別為4.56%和4.25%），“信息傳輸、軟件和信息技術服務業”的舞弊公司行業占比緊隨其后（4.05%）。
“經濟下行周期，上市公司業績下行壓力大，靠粉飾財務數據來支撐股價表現的動機會增強?！比~欽華對記者表示，而另一方面，財務造假是需要花費成本的，在業績下行期，要掩蓋財務造假，難度也會加大。
此外，一些上市公司為了轉型升級，不惜代價收購兼并，形成巨額商譽，加上通過對賭協議做出業績承諾，或通過股權質押融資，最終誘發業績“爆雷”潮和財務造假潮。這些“轉型升級”當中，有的是真轉型，但也有相當部分是“忽悠式”并購。

“以往是以利潤表操縱為主，比如增加收入、減少費用，相應的在資產負債表增加資產或減少負債。但是最近兩年揭發的案例，呈現出向資產負債表操縱為主的傾向?！比~欽華解釋稱，增加貨幣資金、加大資產減值，成為高發舞弊手法。

數據上看，2010~2021年收入舞弊是最主要類型，占比為64.25%，貨幣資金舞弊是第二大舞弊類型，占比25.70%，資產減值舞弊是第四大舞弊類型，占比16.20%。在2020~2021年查處的財務造假案中，收入舞弊占比下降，而貨幣資金舞弊與資產減值舞弊大幅提升，占比分別高達33.33%和24.24%。

業績虛增之后，上市公司需要持續造假來維持“指標合理化”，最終進行財務“大洗澡”來出清造假所帶來的資產端的“潛虧”。一般有三種方式，來消化賬面虛增利潤。

康美藥業2016年虛增貨幣資金225億元，2017年虛增貨幣資金299億元。而2018年半年報，虛增貨幣資金高達362億元，占公司披露凈資產的108.24%。

近兩年發現的造假案例顯示，交易類造假已經成為上市公司財務舞弊的重要方式。主要表現為，上市公司管理層通過虛構交易來虛增收入，最常見的手法是通過與客戶或者隱性關聯方串通合謀虛構業務和收入。?不過，前述研究發現，近兩年來查處的造假案例中，交易造假類收入舞弊的實施手法呈越發隱蔽的趨勢，協助實施財務舞弊的“幫兇”從關聯方、隱性關聯方向真實客戶、供應商轉換，即從“無中生有”走向“真真假假”。

與真實客戶、供應商等串通舞弊，借助貨幣資金，來完成業務流與資金流的“閉環”，以降低資產類科目的異常特征，掩蓋財務舞弊的真實面目。

例如，長園集團（600525.SH）虛構與海外真實客戶銷售業務，并與海外客戶簽訂“陰陽合同”、備忘錄、承諾函或聲明，表示只是協助免稅清關，不存在付款義務等。這種變化一定程度上將大幅加大注冊會計師及監管部門識別舞弊的難度。

不過，前述研究發現，有十大非財務異常特征，也可以成為識別潛在的財務舞弊行為的依據。

“從近年查處的造假案來看，一個明顯的特征就是舞弊公司的非財務異常特征出現次數（885次）是財務異常特征（239次）的3.7倍之多。”前述研究指出，現有企業財務舞弊識別模型主要基于企業披露的財務信息，而對非財務信息的利用不足，而非財務異常特征對識別財務舞弊的作用已大幅超過財務異常特征，特別是大股東行為、高管行為、客戶與供應商等方面的異常特征。

以客戶規模特征與交易金額背離為例來看，如果客戶貢獻收入占比很高，而客戶成立時間短、繳納社保人數少、公司規模過小等等，都意味著背后可能存在舞弊行為。

數據顯示，2018年之后，監管部門的處罰力度呈明顯加大的趨勢，特別是新《證券法》實施后的2020年度和2021年度，兩年累計處罰上市公司多達66家，與2010~2019年度累計處罰的113家公司相比，處罰力度大幅上升。

同時，新《證券法》實施后，3年以內被識別出財務舞弊的樣本公司占比從36.31%提高至51.52%，表明對財務舞弊的查處變得更加及時。

不過，前述研究發現，常規的外部審計在發現財務舞弊方面雖有進步，但總體成效仍然有限，2020~2021年度的樣本公司中尚有77.27%的舞弊公司，在當年未能被注冊會計師所揭發。

在實務工作中，財務數據相對容易獲取和處理，如上市公司財務報表及附注的表格信息，而與大股東行為、高管行為、客戶和供應商異常特征相關的非財務信息來源較廣，如行業研究網站、工商信息網站、裁判文書網站等，且基本為非結構化數據，要想通過海量的信息，識別出日趨隱秘的蛛絲馬跡，靠人力是所不能及的。

“智能反舞弊迫在眉睫，可喜的是，業界已有不少機構先行先試，開發智能反舞弊工具來協助實務專家智能排雷。”他表示，基于大數據技術及計算機技術的結合，來實現對大量非結構化數據的采集、存儲和處理，讓模型可以基于多源、多維數據進行高效分析，進行智能反舞弊，應該說已經到了非常迫切的時刻。