如何辨别上市公司财务造假

限时加码!20+主流AI编程工具免费用 购周边加赠Coding Plan Lite,Claude Code、Cursor等即刻畅享,学习进阶更高效! 阅读详情

如何辨别上市公司财务造假

发布者 登云醉客(转)

下面是博友登云醉客先生转过来的文章,我也不知道出处,向作者表示歉意!

 

第一次被骗,可能是疏忽;反复被骗,就需要检讨自己的问题。在市场经济中,尤其是在转型的市场经济中,幻想财务造假的消失,是非常不现实的。

如何辨别财务造假?我想,可以从以下几个方面来考虑:常识,重大交易、一次性收入、反常收入、尤其是关联交易,现金流状况,应收账款情况,重要财务指标的连续性。

常识

常识,是发现上市公司财务造假最重要的工具,也是不具备专业财务知识的投资者识别造假的主要途径。

比如,在电脑制造业,多年以来,整个行业的平均税后利润率为5%左右,最好的公司戴尔可以达到6%,在国内最大的电脑制造公司是联想,税后利润率一般为3%,这些都是可信的。但有一年,同样从事电脑生产的上市公司长城电脑税后利润率达到10%,让人感到惊讶,再仔细看年报,原来公司利润中,超过一半的总利润是来自一次重大的股权转让交易。国内还有一家大型电脑制造公司,规模比联想公司小,业务收入基本上都来自电脑生产,但有一年,其税后利润率却达到这个行业的上限,并大大高于同期的联想。普通投资者看半天报表,也不会找到原因或问题,除了佩服这家公司的水平以外,就要多留一个心眼。

比如,今年以手机制造为主营业务的上市公司基本上都获得了惊人的利润,税后利润率高达10%左右,个别公司接近15%。这时候,有兴趣的投资者就要思考一些问题了:这么高的利润是怎么来的?收入是怎么计算的?成本是怎么计算的?营销成本(尤其是巨额的广告投入)是怎么计算的?巨额投入的资本品(如生产手机的设备)如何摊销?回款情况怎么样?这个行业的门槛高不高?如果不高,为什么能不寻常地实现比相近的制造业要高很多的利润率?这么高的利润率能维持多久?如果这些问题都想一想,就能及时发现一些新情况。

比如,对一些特殊行业的上市公司,如银行,最需要关注的财务指标不是利润,而是坏帐比率。对于银行类上市公司,利润这个指标是既没有什么意义,也很容易被操纵,因为银行的资本金低于10%,银行的总资产是银行资本金的十几倍,银行资产中超过90%是负债(存款),银行必须把大部分存款贷出去,如果银行的贷款中坏帐比率稍微提高一点,银行那点可怜的利润或资本金就可能会全部被消灭。中国当前的大环境下,银行的坏帐率非常高,官方的说法是25%左右。有些中小股份制银行,确实有很好的运行机制等一些特点,但它们的坏帐率不可能偏离总的平均水平。香港学者郎咸平曾预言,如果花旗银行早十几年就进入中国,现在的坏帐率不会比国内银行好多少,因为银行贷款的主要客户是国营企业,这些国营企业经营不善,还不了钱,难道花旗有更好的办法吗?所以,如果看到一家银行的呆坏帐比率只有10%,甚至只有5%或者更低,而且这家银行开展业务的年头并不短,那么作为想要买银行股票的投资者,在为这家银行高兴的时候,心里一定要打一个大大的问号:是真的吗?这么低的坏帐率到底怎么来的?如果是真的,它能维持多久?如果按照国际标准来计算,坏帐率是否会增加?这些问题不搞清楚,银行的利润再高,都华而不实,哪一天再追溯调整,所有的利润还会一笔勾销。

那些已经被发现财务造假的公司,如银广厦、蓝田股份、东方电子,其从事的业务一般(如银广厦、蓝田股份主要从事种植、养殖业,东方电子在电网自动控制领域并不是最一流的公司),但它们税后的利润率却曾连续多年达到20%、30%,甚至40%,这样的利润率世界上恐怕只有微软等几家公司才能达到。已经被确认财务造假的美国世界通讯公司,当年的利润率可以比竞争对手(朗讯、SPRINT)高出近一倍,搞得朗讯、SPRINT一头雾水,找不出原因,后来大家发现,原来世界通讯是财务造假的高手。

所以,常识,对于那些对财务不太了解的投资者,非常重要。

重大交易、一次性收入、反常收入、尤其是关联交易

重大交易、一次性收入。前面列举的两个案例都涉及到重大交易,这是很多非法、灰法(看似合法,但既不道德,又缺乏合法原则支持)的财务造假最常采用的手段。那些重大交易,表面上大股东或者关联方吃了大亏,但它们最终会大笔地从其他普通投资者手中赚回来。靠重大交易而取得利润,往往不会创造太多的现金流,产生的利润也是一次性的,不会持久。而且,经常搞重大交易的公司,往往对老老实实搞经营已经没有了兴趣,这种染上坏习惯的公司,也很难变成真正的蓝筹公司。

反常收入,关联交易。如果一家公司的很大一部分收入来自一家公司,就需要警惕了。当年的银广厦,取得的惊人利润大部分来自出口,而出口又主要通过一家德国公司完成,事后发现是一场银广厦自编自导的骗局。过去一年,上市公司四川长虹销往美国的电器基本上也是由一家叫APEX的美国公司代理,最近关于APEX公司传出很多报道,在国内证券市场引发了对长虹业绩真实性的很多争论。

应收账款

如果一家公司的应收账款在增加、或者增加的速度大大超过主营业务收入的增加速度、平均应收账龄在增加,这往往是公司要出问题的先兆。

美国一家著名的软件公司,把某一软件产品卖给客户,按照协议,只要该客户每年向软件公司支付一笔使用费,就可以在未来很多年里使用该软件。这家软件公司在进行财务处理时,却把未来的软件使用费全部折现处理为当年的收入,把根本还没有收到的未来收入列为应收账款。这种做法是前面提到的所谓提前计算收入法,有欺诈投资者之嫌,反映在财务报表上,就是利润的产生伴随着应收帐款的大幅增加。

国内一些上市公司经常在年底搞突击销售,最后几天的每天销售额是平时的几十倍,造成大批的应收账款,投资者对这样依靠大量应收账款而实现的收入要格外警觉。

重要财务指标的连续性。

如果一家公司变化太快,玩蹦极运动,一下从连续多年的亏损变成每股1元多的赢利,一下从垃圾股ST变为绩优成长,同时二级市场的股票价格也提前高歌猛进,此时,普通的投资者就要分外留心财务报表的真实性和利润高速成长的背后故事。

从成熟资本市场的上百年历史看,乌鸡变凤凰的故事确实有,但概率极低,不超过10%,世界五百强的大公司,基本上都是脚踏实地、一步一个脚印干出来的,很少有重组、突变、大跃进出来的。重组文化是中国股票市场的一大特点。重组出来的财务指标,往往是不连续的,有很大的欺骗性和误导性。

在不成熟的、只有十多年的中国股票市场,根据观察,真正乌鸡变凤凰的比例更低,不会超过5%。绝大部分乌鸡变凤凰的故事,事后看都是一场闹剧:很多乌鸡暂时打扮成凤凰,但卸了装,还是乌鸡;有些还没卸装的乌鸡,站在凤凰的架子上,到现在还没有下来,它们不是不想下来,而是实在下不来,但随着岁月推移,鸡老珠黄,最终要完成高台跳水;真正修成正果的凤凰,到现在可能用十个指头就可以数出来(不要忘记,中国现在有1300家上市公司,曾经发生的重组故事不下几百起)。乌鸡变不成凤凰,但把乌鸡打扮成凤凰的人却赚了钱,相信乌鸡是凤凰的人却成了真正被煲汤的乌鸡

可惜的是,现在的中国股票市场上,这种皇帝的新装童话总是在不断上演。乌鸡寄托了太多人发财的梦想。

 

财务报表分析实务(第三讲) 利润表分析 利润管理vs利润造假 利润管理:企业对于公布的利润所作的刻意的主观调整,合法但不地道 1.好坏消息分类(好消息作为日常经营,坏消息作为突发事件) 2.平滑收益(人为地在好年份提高费用,在不好的年份降低费用) 3.彻底的洗澡行为(把全部损失和费用计在一个亏损年份)——常见与换届时期 4.会计政策变动 利润造假:通过不正当手段,进行不存在的虚拟交易,欺骗利益相关者,违法行为 扇贝去哪了??可能性2:獐子岛的关联方将上市公司资金占用了,但为掩人耳目,在会计合算上不走“其他应收款”科目, 阅读详情

相关推荐

基于数据挖掘的上市公司财务舞弊识别研究

1.背景介绍 在现代社会,上市公司作为经济发展的重要组成部分,其财务信息的透明度和准确性对于投资者决策、市场稳定和社会公平都具有重要的影响。然而,财务舞弊现象却时有发生,严重损害了市场的公平性和投资者的利益。因此,如何有效地识别和预防财务舞弊成为了一个亟待解决的问题。 随着大数据和人工智能技术的发展,数据挖掘技术在财务舞弊识别中的应用越来

AI天才研究院 2145

基于 Bagging 和深度学习的上市公司财务数据造假预测.zip

人工智能-项目实践-深度学习

Kimi K3深度测评:长文本之外的真实力

Kimi K3模型全面测评:超越"长文本之王"标签的全能选手 【摘要】Kimi K3模型打破了"长文本专家"的单一标签,展现出四大核心能力:1)深度逻辑推理能力,能通过多维度交叉验证发现财务报告中的异常;2)工程级代码生成,具备系统性架构设计和项目级代码理解能力;3)深度融合的多模态理解,可精准解读复杂图表和进行空间推理;4)初步的Agent能力,能自主执行持续性任务。测试发现K3在指令跟随精准度和复杂任务处理上表现突出,虽然在创造性写作和超长文本生成连贯性上仍有提升

专注AI大模型,软件混淆,授权 50

A股财务造假预测模型的建立--一个模型化的全新识别系统

A股财务造假预测模型的建立--一个模型化的全新识别系统

借我一双慧眼-------辨别财务造假

1上市公司财务造假的主要手段分析(转帖) 股民要识别上市公司财务造假行为,避免掉进财务造假的陷阱里,就需要花一点时间了解财务造假的主要伎俩。由于财务造假千变万化,高深莫测,本文只是针对最常见的一些造假现象,展开初步的探讨。 一般而言,财务造假是围绕一些财务指标展开的,如净资产收益率。那些旨在恶意融资的上市公司就会千方百计通过各种手段提高净资产收益率,以达到其不可告人的目的。 在大部分的财务

zhulizhen的专栏 1866

财务造假分析

1长期赢利但经营性现金流量为负,还负很多的企业 代表:东方金钰(600086) 造假目的:不外乎拉高股价,给实际控制人创造出货、质押的机会,这也是上市公司造假最常见的目的。 造假手法:手法不复杂,就是在存货做文章,虚假销售虚假利润,最后都虚在存货上 二、账上有巨额现金存银行,却说不出原因 代表企业是辅仁药业(600781) 造假目的:很多公司上市就是给大股东圈钱 造假手法:这个最简单,现在集团公司都有资金池,所属公司的账户都会关联到一个资金池里,大股东只要把这个池子控制住,转移资金一...

金融数据挖掘专栏 923

上市公司虚增利润的手段及识别

然而,随着各种财务丑闻和造假事件的不断曝光,例如美国的安然(Enron)事件和中国的瑞幸咖啡(Luckin Coffee)事件,人们越来越担忧财务信息的真实性和可靠性。本研究从定义虚增利润开始,探讨了它对公司、投资者和市场的影响,然后深入分析了上市公司常用的虚增利润的手段,包括销售收入的虚构、成本和费用的刻意低估,以及关联交易的滥用等。大型机构投资者通常具有更强大的资金和信息分析能力,可能相对容易识别出虚增利润的迹象,但个人投资者由于信息不对称和专业知识的缺乏,更容易受到欺骗和损害。

m0_55061347的博客 942

好书推荐:上市公司虚假会计报表识别技术-刘姝威 著

二十世纪末,蓝田股份被誉为中国农业产业化的一面旗帜;2001年10月26日,她的一篇600字的内参文章终结了蓝田神话。为此她被蓝田推上法庭,人身威胁,生死较量,在无可辩驳的事实面前,蓝田失去了“最后一根救命稻草”。问题显而易见,人人闭口不言,无意中她成了“皇帝新装”里第一个站出来说说实话的人,她就是中央财经大学研究所的刘姝威。刘姝威的>,由经济科学出版社出版,重点分析了湖北蓝田股份有限公司1997

maqianzu2008的专栏 1621

基于机器学习的公司债券违约风险估计-211博士论文复现

本文复现了一篇基于机器学习的公司债券违约风险估计研究。该研究利用上市公司财务数据(盈利、经营、偿债能力等指标),通过SPSS和Python工具,采用决策树和LightGBM等机器学习模型评估企业信用风险。研究验证了数据清洗和降维的重要性,并对比了不同模型的预测效果。结果显示模型AUC值超过0.8,KS值大于0.4,具有良好的风险区分能力。该研究为债券投资决策提供了有效工具,同时展示了机器学习在金融风控领域的应用价值。

toby001111的博客 1078

基本面分析中必须了解的88条避雷常识

基本面分析有一个很挫的地方:你所看到的财务数据可能是假的。 会计处理中有各种魔法手段来“创造”数据,企业利润在10%以内的变动实在是会计上的一个小误差,可股票分析师竟然把它当一回事。假如数据本身是别人造出来的,那么再“精湛”的基本面分析方法也没有太大意义。更何况现在都是专业人士在造假,普通的非专业人士是根本无法辨别真假的。 本文梳理了一些基本面分析中那些常见的坑,主要参考了以下书目: 张化桥《避开股市的地雷》; 肖星《一本书读懂财报》; 孙旭东《价值投资,从看懂财报开始》; 霍华德•马克斯《投资最重要的事

极客神殿 1327

我国上市公司财务舞弊识别研究

我国上市公司财务舞弊识别研究,成卓,,上市公司财务舞弊已经日益成为一个不容忽视的问题。本文借鉴国内外相关研究成果, 选取了1998-2007年间的64个利润舞弊公司和64个正常

2026专业的电子档案管理系统机构盘点及选型避坑指南

胜意科技的核心优势是业财税档一体化能力,其档案云产品可实现合同、财务凭证、人事文件等多源数据的自动采集与智能分类,支持电子会计档案单套制落地,具备自动应归尽归、四性检测、智能检索能力,符合国家电子会计档案管理规范,适配有财务档案管理、业财一体化需求的大中型企业、央企、上市公司。对于500人规模制造企业的财务总监来说,纸质档案存储空间大、查找效率低,每次税务稽查需要抽调多人整理,还存在档案丢失风险,这类用户优先关注系统的合规性、对接能力和检索效率,胜意档案云可与现有费控系统打通,实现自动归档,适配这类需求。

2601_96498728的博客 10

博士论文合集-基于机器学习的信用风险和预测模型和研究(2026年7月)

本文介绍了11篇博士论文的研究内容,聚焦于机器学习在信用风险评估领域的应用。主要包括:徐雍(西南财经大学)提出基于企业流水数据的小微企业信用评估模型,解决传统财务数据缺失问题;黄颖(同校)运用机器学习分析债券违约风险;张秋菊(北京理工大学)针对信用卡用户开发数据挖掘风险评估方法;过新伟(南开大学)研究中小企业财务造假识别与风险度量。这些研究通过创新数据源选择、模型优化和特征工程,为个人信贷、企业融资和债券投资等场景提供了更精准的风险评估解决方案,对缓解小微企业融资难、降低金融机构信用风险具有重要实践价值。

toby001111的博客 468

第三章 伦理道德困境:大模型应用的价值冲突与治理路径

当大模型从“技术工具”深度融入社会生产生活,其引发的伦理道德困境逐渐显现:文生图模型生成的虚假图像可伪造“名人丑闻”,加剧信息混乱;自动化招聘模型的决策失误导致求职者权益受损,却无人明确承担责任;AI写作工具被用于批量生成“学术造假论文”,冲击知识生产体系。这些问题本质是“技术能力”与“社会伦理”的价值冲突——大模型的高效性、生成性打破了传统伦理边界,却缺乏与之匹配的道德约束框架。本章将系统剖析大模型引发的核心伦理困境,明确责任主体与伦理原则,探索“技术规范+社会共治”的治理路径。

fykam的博客 1587

深伪技术原理、风险与实战防御指南

深伪(Deepfake)是一种基于生成对抗网络(GAN)和自编码器等AI模型的高保真内容伪造技术,其本质是通过海量数据学习目标对象的视觉与听觉统计特征,实现像素级拟合与跨模态生成。它并非凭空创造,而是依赖‘数据指纹’与对抗训练机制,在影视制作、教育模拟、无障碍服务等领域释放显著技术价值;但同时也加剧身份盗用、信任崩塌与现实感失调等社会风险。本文聚焦于深伪技术的底层原理、双面应用逻辑及可落地的识别策略,涵盖生物节律破绽识别、声学指纹分析、上下文校验等个人防护方法,以及组织级过滤网关、流程加固与区块链存证等系统

weixin_34055787的博客 438

【信息科学与工程学】【解决方案体系】第二十六篇 利益链评估解决方案01

记录 1:编号: 1算法名称: 晋升决策中的资源置换算法算法参数: 推理与方程式:目标识别: 决策者A有项目G,依赖关键客户资源。资源评估: A持有筹码 ,B持有资源 。交换计算: 构建交换物X(晋升机会)。计算价值:,,,。交换盈余 。决策: 在非正式场合(E2)发起延时、隐性资源互换(E3)。。应用场景: 管理者为完成关键项目,用未来晋升机会交换下属掌控的核心客户关系支持。记录 2:编号: 2算法名称: 跨部门预算争夺的联盟形成算法算法参数: 推理与方程式:目标识别: 部门主管A需在年度预算会上争取超额

weixin_49199313的博客 1092

【社会科学】【企业管理】【管理科学】第十九篇 售前解决方案岗位的心术和心思心计和谋略01

贬低优雅度E = (客观数据D * 建设性建议C) / (人身攻击A * 情绪化语言E),用“他们侧重X,我们侧重Y”句式。转移成功率S = (补救方案R * 态度诚恳度A) / (问题严重性G * 客户期待落差D),采用“补偿+升级”组合拳。结论固化度C = (记录详细度D * 发送时机T) / (对方修改意愿M * 记忆衰减率R),24小时内发出并请求确认。跟进紧迫度U = (沉默天数D * 竞争态势C) / (客户决策周期P * 关系温度R),第3天发补充资料,第7天电话。

weixin_49199313的博客 258
上一篇: 如何长线持股
下一篇: 钢协07年第一次行业信息
Labber
博客等级 码龄19年 26粉丝 1976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值