引言 近年来，瑞幸咖啡、康美药业和广州浪奇等知名企业曝出财务造假丑闻，引发公众对企业财务信息真实性的质疑。2021年12月，财政部、国资委、银保监会、证监会联合发布通知，指出要全面提升企业财务报表质量，严厉打击企业财务造假行为，建立健全会计信息质量治理架构①。2023年2月，我国全面推行注册制，充分贯彻了以信息披露为核心的理念。监管部门将上市公司投资价值的判断权交给市场投资者，投资者根据公司披露的公开信息进行投资决策，这充分凸显了真实可靠的企业财务信息的重要性。然而，企业的财务造假行为扭曲了信息披露的可信度，严重威胁资本市场的有序发展，降低了市场的资源配置效率[1]。 如果能够及时发现并阻止企业的财务造假行为，可避免或减少其对资本市场和其他利益相关者产生的负面影响。因此，识别企业财务造假和盈余操纵是学术界一直关注的重要话题②。现有研究主要利用企业披露的财务信息，构造财务舞弊模型和相关指标，来判断企业的财务造假和操纵可能性[2-7]。但是造假企业的管理层是有能力通过系统性操纵企业的财务数据来掩盖不当行为，这使得利用财务信息进行的相关识别和判断可能存在缺陷[8，9]。例如，上市公司海伦哲于2023年被认定与9家客户、3家供应商配合进行收入和利润造假。合谋操纵行为大大增加了监管部门和审计机构对企业财务造假的识别难度。如果能够获取非企业主体提供的相关数据，并据此对企业财务信息进行对比和验证，是否有助于判断企业的操纵和造假行为? 信息技术的发展大幅降低了数据存储和处理成本。新兴数据的出现和应用，能为识别企业盈余操纵和财务造假提供其他来源的验证信息。例如，2023年两会期间，上交所总经理提出利用企业水电煤用量等大数据识别财务造假；证监会调查报告显示其曾利用北斗卫星系统获取獐子岛公司海产品抽检情况的卫星图像数据以佐证獐子岛公司的财务造假行为。以上案例印证了另类数据等新兴信息在比对企业提供的财务信息方面所发挥的重要作用。 我国作为全球最大的电子商务交易市场，线上销售市场规模占比已经由2012年的6.3％增长到2020年的30.4％③。越来越多的业界人士开始关注到线上销售这一另类数据，并尝试利用线上销售数据去预测企业的盈利状况和股价收益，获取超额投资收益。学术界也开始研究企业线上销售数据在资本市场中发挥的作用。例如，廖理等发现电商销售数据具有信息含量，能够预测企业的未预期收入和盈余[10]。基于上述现实实践和学术研究发现，本文借鉴叶康涛等、Chiu等学者通过利用企业非财务信息和财务信息比对来识别财务舞弊行为的研究思路，提出使用相对独立的电商平台提供的线上产品销售信息并汇总到企业层面，以此帮助识别企业的盈余操纵，即利用线上销售收入增长率和财务报表中的销售收入增长率的差异来反映企业的盈余操纵风险[11，12]。 本文选择利用电商平台汇总的线上销售数据主要基于以下三点原因。(1)作为全球最大的电子商务交易市场，截至2020年，全国电子商务交易额高达37.21万亿元，网络用户规模高达约8亿人④。该数据表明我国线上交易活跃，尤其是面向个人消费者的消费行业，其线上销售额占总销售额比例较高，而线上销售和线下销售具有较强相关性，线上销售情况(如增长率)一定程度上也能反映企业的整体销售状况和未来增长趋势，因此线上销售数据具有一定代表性[10]。(2)线上销售数据是从相对独立的电商平台进行汇总得到的数字信息，区别于企业提供的传统财务信息和披露的相关信息，该信息不容易受到管理层的操纵和造假，因此更适合用来作为验证信息。(3)相比于其他非财务数据，如产品搜索数据和消费者评论，线上销售数据与企业销售收入和利润等财务数据之间的相关度更高，并且噪音相对较小，更具优势。例如，王正位等、张然等发现企业线上销售数据可以预测其未来股票收益，具有信息含量[13，14]。 因此，本文选择线上销售数据对企业相关的财务数据进行识别和验证，通过构建线上销售和财务报表销售收入增长率的差异指标，来检验这种非传统数据在识别企业盈余操控行为方面的有效性[15]。本研究期望能补充关于盈余操纵和财务造假识别的相关文献研究，也试图丰富近期关于另类数据功能和作用的相关发现，为实务中监管部门、审计机构及投资者利用新兴数据提升财务信息验证效率提供参考。 一、文献回顾和研究假设 1.文献回顾 关于企业财务造假和盈余操纵的研究一直是学术界的热点和前沿问题，大量的文献试图去发现和识别企业进行造假和操纵的迹象。 早期的研究主要通过构造财务舞弊模型和盈余管理模型去判断企业的财务信息状况[9，16]。例如，Beneish等利用企业的财务数据构建了M-score模型，从而预测企业的财务造假概率[2]；Dechow等通过计算企业营运资本和现金流回归模型的残差来反映企业对利润的操纵程度[17]；Dechow等在M-score模型的基础上提出了F-score财务造假预测模型，并指出虚增收入是美国企业常用的造假手段[5]。国内学者钱苹等构建了适用于中国企业的财务造假预测模型，并验证了该模型具有辨别国内财务造假的能力[6]。 随着新技术的发展，部分研究也开始尝试利用新的技术(如机器学习和文本分析)识别企业的财务造假和盈余操纵行为，该领域也亟待进一步探索。如Perols等通过改进数据分析方法以提高财务造假预测模型的预测准确度[7]；Hoberg等采用文本分析的方法，发现造假公司更倾向于隐藏对业绩成因的解释，更多披露业绩的积极方面[18]；Lo等通过文本分析的方法发现，盈余操纵的公司信息披露更加复杂、可读性更差[19]；Bao等则利用机器学习的方法，使用原始的财务数据去判断企业的财务造假和操纵行为[20]。张宏斌等也利用机器学习的方法挖掘数据间的关系，通过训练后的模型发现机器学习模型能够较好地预警上市企业业绩爆雷[21]。
