第35卷第3期宁夏大学学报(人文社会科学版)
JoumalofNing)【iaUniversity(Humanities＆SocialSciencesEdition)VoL35No．32013年5月Mav2013
基于灰色关联法的管理舞弊风险评价模型研究
李敬，项晶，王泽霞
310018)(杭州电子科技大学会计学院，浙江杭州
摘要：本文将灰色关联法运用于管理舞弊风险评价，首先对442个样本运用T检验和Wilcoxon符号秩检验建立基
于舞弊三角理论的风险评价指标体系，然后选取了具有保牌动机的68家sT公司作为训练样本建立风险评价模型
得到风险评分值．最后选取20家公司作为测试样本验证模型识别效果。研究表明：区分舞弊与非舞弊公司的风险
评分分割点约为0．465。训练样本综合判别率为72．06％，测试样本模型的综合判别率为85％。灰色模型具有较好的
判别效果。
关键词：管理舞弊；灰色关联模型；ST公司；风险评分；最优阀值
中图分类号：F276．3文献标志码：A文章编号：100l一5744(2013)03．0116-15
从安然、世通、施乐到我国银广夏、蓝田股份以及近期的绿大地等令人触目惊心的重大舞弊案，不仅严重地打击了资本市场的信心，而且给投资者造成重大损失。2008年的金融危机后，世界经济不景气，企业财务压力增大，舞弊行为也随之增加。如何识别舞弊信号、量化舞弊风险对于注册会计师及政府监管具有重要的理论和实践意义。加强信息披露，减少信息不对称是应对舞弊的重要举措。但是，我国的证券市场是一个刚从新兴市场向成熟市场过渡的市场，信息披露不完善，公布的数据也不完备；同时，会计舞弊具有复杂性、隐蔽性和动态性的特点，管理层通常通过数据操纵进行舞弊，造成数据从信息源头上的失真。以上两方面的原因．使得评价指标表现出由于技术方法、人为因素造成的数据误差、短缺甚至虚假的“灰色”特点。灰色系统模型能够利用已知的信息来确定未知的信息，使系统由“灰”变“白”，对小样本、贫信息的数据处理非常好：并且灰色系统模型对于样本量没有严格要求，不要求服从任何分布。基于灰色系统模型的这些特点，笔者尝试将其应用于舞弊风险预警。并进行了检验。
一文献回顾
在舞弊信号识别方面，国内外学者主要从3个角度进行研究，一是财务因素角度(WilliamBeaver，1966[11；Persons，1995；Beneish，1997；ke，IngramandHoward，1999；吴世农，卢贤义【2]，2001；姜秀华，任强，孙铮，
S．Beasley，1996；KurtennethFanningandK2002【3】)，二是公司治理角度(Dechow，Sloan，Sweeney，1996；Mark
O．Cog卵r，1998；SummersandSweeney，1998；FanWong，2002；刘立国，杜莹，2003；杨清香，俞麟，陈娜，2009)，三是舞弊三角理论角度(陈关亭，2007；孙素淑，2008；韦琳，徐立文，刘佳，2011)。在积极寻找舞弊预警信号的过程中，国内外学者也尝试运用不同模型来验证预警信号的识别能力，运用的模型有单变量模型
eaver，1966)，多元线性分析(Altman，1968[4]；周首华，杨济华，王平，1996[5])，lo—(FitzPatrick，1932：WilliamB
gistic回归分析(Persons，1995；Lee，In辨lnlandHoward，1999)，神经网络模型(刘君，王理平，2006；杨淑娥，黄礼，2005㈧；顾宁生，冯勤超，2009)。舞弊研究大部分集中在预警方面，但在舞弊风险评价方面的文章却相对较少，张萍、王莹(2010)，王会金(2011)‘，1运用模糊综合评价法构建了指标体系评价审计风险。沈亭、王淑慧(2010)‘s3根据层次分析法指标体系，并设计调查问卷构造判断矩阵并据此得出企业财务指标与财务风险
收稿日期：2013—03—06
基金项目：国家自然科学基金项目“上市公司舞弊风险指及监管机制研究——来自证券市场经验
科技计划项目一般项目(144611005)；浙江省教育厅科研计划项目Ⅳ201121339)”(71172098)；杭州市
作者简介：李敬(197(_卜)，河南郑州人，杭州电子科技大学会计学院讲师，博士，主要从事财务会计理论研究。
一116—
第35卷第3期宁夏大学学报(人文社会科学版)
JoumalofNing)【iaUniversity(Humanities＆SocialSciencesEdition)VoL35No．32013年5月Mav2013
基于灰色关联法的管理舞弊风险评价模型研究
李敬，项晶，王泽霞
310018)(杭州电子科技大学会计学院，浙江杭州
摘要：本文将灰色关联法运用于管理舞弊风险评价，首先对442个样本运用T检验和Wilcoxon符号秩检验建立基
于舞弊三角理论的风险评价指标体系，然后选取了具有保牌动机的68家sT公司作为训练样本建立风险评价模型
得到风险评分值．最后选取20家公司作为测试样本验证模型识别效果。研究表明：区分舞弊与非舞弊公司的风险
评分分割点约为0．465。训练样本综合判别率为72．06％，测试样本模型的综合判别率为85％。灰色模型具有较好的
判别效果。
关键词：管理舞弊；灰色关联模型；ST公司；风险评分；最优阀值
中图分类号：F276．3文献标志码：A文章编号：100l一5744(2013)03．0116-15
从安然、世通、施乐到我国银广夏、蓝田股份以及近期的绿大地等令人触目惊心的重大舞弊案，不仅严重地打击了资本市场的信心，而且给投资者造成重大损失。2008年的金融危机后，世界经济不景气，企业财务压力增大，舞弊行为也随之增加。如何识别舞弊信号、量化舞弊风险对于注册会计师及政府监管具有重要的理论和实践意义。加强信息披露，减少信息不对称是应对舞弊的重要举措。但是，我国的证券市场是一个刚从新兴市场向成熟市场过渡的市场，信息披露不完善，公布的数据也不完备；同时，会计舞弊具有复杂性、隐蔽性和动态性的特点，管理层通常通过数据操纵进行舞弊，造成数据从信息源头上的失真。以上两方面的原因．使得评价指标表现出由于技术方法、人为因素造成的数据误差、短缺甚至虚假的“灰色”特点。灰色系统模型能够利用已知的信息来确定未知的信息，使系统由“灰”变“白”，对小样本、贫信息的数据处理非常好：并且灰色系统模型对于样本量没有严格要求，不要求服从任何分布。基于灰色系统模型的这些特点，笔者尝试将其应用于舞弊风险预警。并进行了检验。
一文献回顾
在舞弊信号识别方面，国内外学者主要从3个角度进行研究，一是财务因素角度(WilliamBeaver，1966[11；Persons，1995；Beneish，1997；ke，IngramandHoward，1999；吴世农，卢贤义【2]，2001；姜秀华，任强，孙铮，
S．Beasley，1996；KurtennethFanningandK2002【3】)，二是公司治理角度(Dechow，Sloan，Sweeney，1996；Mark
O．Cog卵r，1998；SummersandSweeney，1998；FanWong，2002；刘立国，杜莹，2003；杨清香，俞麟，陈娜，2009)，三是舞弊三角理论角度(陈关亭，2007；孙素淑，2008；韦琳，徐立文，刘佳，2011)。在积极寻找舞弊预警信号的过程中，国内外学者也尝试运用不同模型来验证预警信号的识别能力，运用的模型有单变量模型
eaver，1966)，多元线性分析(Altman，1968[4]；周首华，杨济华，王平，1996[5])，lo—(FitzPatrick，1932：WilliamB
gistic回归分析(Persons，1995；Lee，In辨lnlandHoward，1999)，神经网络模型(刘君，王理平，2006；杨淑娥，黄礼，2005㈧；顾宁生，冯勤超，2009)。舞弊研究大部分集中在预警方面，但在舞弊风险评价方面的文章却相对较少，张萍、王莹(2010)，王会金(2011)‘，1运用模糊综合评价法构建了指标体系评价审计风险。沈亭、王淑慧(2010)‘s3根据层次分析法指标体系，并设计调查问卷构造判断矩阵并据此得出企业财务指标与财务风险
收稿日期：2013—03—06
基金项目：国家自然科学基金项目“上市公司舞弊风险指及监管机制研究——来自证券市场经验
科技计划项目一般项目(144611005)；浙江省教育厅科研计划项目Ⅳ201121339)”(71172098)；杭州市
作者简介：李敬(197(_卜)，河南郑州人，杭州电子科技大学会计学院讲师，博士，主要从事财务会计理论研究。
一116—