我国上市公司财务报告内部控制重大缺陷识别研究

我国上市公司财务报告内部控制重大缺陷识别研究

论文摘要

近十年来,为了规范我国上市公司行为,各级监管部门相继发布了诸多内部控制规范。其中,意义最重大的一次是财政部等五部委于2010年4月联合发布了《企业内部控制配套指引》,对我国的企业和资本市场发展有着举足轻重的作用。但是,从美国上市公司执行萨班斯法案404条款的情况来看,萨班斯法案404条款的执行成本远远超过了预期,过高的执行成本可能增加证券市场募集资金的成本,使一些有增长潜力的小公司打消了上市的想法,还可能使公司的经营活动效率下降,影响公司的竞争力,从而影响整个国家经济的发展。不管是我国上市公司会计人员素质还是注册会计师的执业水平都与美国同行相差甚远,所以我们合理推测,我国上市公司执行《企业内部控制配套指引》的成本肯定很高。本文认为,企业内部控制评价和审计的主要目的是识别内部控制缺陷,进而采取措施予以纠正,从而对企业内部控制进行持续改进。内部控制评价和审计的执行成本过高的主要原因是内部控制缺陷识别的成本过高,没有一个符合成本效益的方法,如果对内部控制设计和运行进行详细的分析,势必会使内部控制评价和审计的工作量大大加大,不符合成本效益原则,而如果只是根据迹象来识别内部控制缺陷的话,管理层无法确定缺陷发生的环节,也无法判断缺陷可能的影响范围及严重程度,从而无法为内部控制的持续改进提供有用的线索。为了克服这两种识别方法的不足,本文提出了一个以迹象识别为突破口进行测试识别的财务报告内部控制缺陷识别过程。本文分别对迹象识别和测试识别进行了详细的分析,我们把能够识别缺陷的迹象分为三个层次;第一个层次反映财务报告内部控制整体有效性低下的迹象,其主要反映公司层面财务报告控制的有效性;第二个层次是《企业内部控制审计指引》给出的四大内部控制重大缺陷迹象,其对财务报告内部控制缺陷具有较强的指示能力;第三个层次是反映财务报告内部控制某一部分或功能存在缺陷的迹象。笔者分别对公司层面和业务层面控制的测试识别做了详细的说明。最后本文检验了第一个层次的迹象对财务报告内部控制重大缺陷的识别能力,并构建了一个财务报告内部控制重大缺陷迹象识别模型。本文的研究样本是2008年1月1号至2010年12月31号之间暴露财务报告内部控制重大缺陷的A股主板上市的公司(不包括金融类上市公司)最终获得146家上市公司,涉及170份年报。同时,根据同一年度、同一行业、资产规模相近的原则,为每个缺陷公司选取了一个控制公司。本文首先进行单变量分析,寻找具有显著差异的迹象指标,以验证提出的假设。最后,通过Logistic回归模型构建了一个财务报告内部控制重大缺陷识别模型。实证分析基本上验证了我们提出的假设。与控制公司相比,存在内部控制重大缺陷的公司治理能力较差、偿债能力较差、盈利能力较差、营运能力较差和流动性较差。最终进入识别模型的特征指标有8个,其中X2和X4是反映董事会特征的指标,X8是反映股权结构的指标,X12反映偿债能力,X17和X19体现公司的盈利能力,X20和X22反映了公司的营运能力。所以我们认为,上市公司的董事会特征、股权结构、偿债能力、盈利能力和营运能力相对于上市公司其他特征更能反映公司财务报告内部控制的有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究背景
  • 1.2 研究目的和意义
  • 1.3 研究方法
  • 1.4 论文框架
  • 2 内部控制缺陷存在性的文献回顾
  • 2.1 公司治理角度
  • 2.2 内部控制投入角度
  • 2.3 会计风险角度
  • 2.4 经营复杂性角度
  • 2.5 评述
  • 3 财务报告内部控制缺陷识别过程
  • 3.1 财务报告内部控制缺陷的识别方法
  • 3.2 财务报告内部控制缺陷的迹象识别
  • 3.2.1 财务报告内部控制缺陷迹象的分类
  • 3.2.2 财务报告内部控制缺陷的公司治理特征
  • 3.2.3 财务报告内部控制缺陷的经营效率效果特征
  • 3.3 财务报告内部控制缺陷的测试识别
  • 4 迹象识别模型的构建
  • 4.1 财务报告内部控制重大缺陷的含义和认定
  • 4.1.1 财务报告内部控制重大缺陷的含义
  • 4.1.2 财务报告内部控制重大缺陷的认定
  • 4.2 研究方法设计
  • 4.2.1 资料来源
  • 4.2.2 样本选取过程详述
  • 4.2.3 样本的描述性统计
  • 4.2.4 指标筛选
  • 4.3 模型的建立、预测结果和检验
  • 4.3.1 基于15个单变量检验显著的指标逻辑回归分析(模型一)
  • 4.3.2 基于26个指标的二元逻辑回归分析(模型二)
  • 4.3.3 利用因子分析降维后逻辑回归分析(模型三)
  • 4.3.4 迹象识别模型的比较和选择
  • 5 研究结论、创新之处、局限性和后续研究建议
  • 5.1 研究结论
  • 5.2 本文的主要创新、局限性和后续研究建议
  • 5.2.1 本文的主要创新点
  • 5.2.2 本文的局限性和后续研究建议
  • 参考文献
  • 后记
  • 相关论文文献

    • [1].基于置信规则和证据推理的超声检测缺陷识别[J]. 中国测试 2017(04)
    • [2].木材缺陷识别方法综述[J]. 农业技术与装备 2020(11)
    • [3].荧光磁粉探伤缺陷识别系统的研究现状与关键技术[J]. 铁道机车车辆工人 2008(08)
    • [4].基于新型深度神经网络的民机表面缺陷识别[J]. 计算技术与自动化 2020(01)
    • [5].基于机器学习的软件缺陷识别的必要性[J]. 电脑知识与技术 2017(25)
    • [6].基于边缘计算的机巡图像缺陷识别算法研究[J]. 自动化与仪器仪表 2020(07)
    • [7].基于温度阈值风电叶片缺陷识别的红外检测研究[J]. 太阳能学报 2020(08)
    • [8].基于漏磁内检测的缺陷识别方法[J]. 仪器仪表学报 2016(11)
    • [9].平板玻璃缺陷识别系统设计[J]. 重庆科技学院学报(自然科学版) 2017(02)
    • [10].基于多特征点的船舶焊缝图像缺陷识别技术[J]. 舰船科学技术 2019(24)
    • [11].基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究[J]. 齐齐哈尔大学学报(自然科学版) 2020(02)
    • [12].内控缺陷识别框架的初探[J]. 商业文化(上半月) 2011(12)
    • [13].基于决策树自动构造的组装缺陷识别[J]. 制造业自动化 2009(08)
    • [14].企业内控缺陷识别影响因素的因子分析[J]. 中国集体经济 2016(09)
    • [15].基于参数转化和遗传算法的内部多缺陷识别算法的性能分析[J]. 红外技术 2014(09)
    • [16].X射线图像缺陷识别的特征参数选择及其识别[J]. 无线互联科技 2012(11)
    • [17].基于顺序向前浮动搜索时频优选特征的缺陷识别[J]. 浙江大学学报(工学版) 2011(12)
    • [18].基于迁移学习与深度森林的晶圆图缺陷识别[J]. 浙江大学学报(工学版) 2020(06)
    • [19].基于深度学习的化工金属材料焊接小目标缺陷识别定位研究[J]. 材料保护 2020(08)
    • [20].小型零件边缘缺陷识别算法研究[J]. 机电一体化 2017(07)
    • [21].基于生成对抗网络的缸盖表面缺陷识别[J]. 制造业自动化 2020(11)
    • [22].超声波检测中缺陷识别及其影响因素[J]. 企业技术开发 2011(13)
    • [23].基于层级识别模型的输电线路杆塔小金具缺陷识别方法[J]. 电力信息与通信技术 2020(09)
    • [24].基于深度学习算法的带钢表面缺陷识别[J]. 西安工程大学学报 2017(05)
    • [25].基于小波和灰度共生矩阵的带钢表面缺陷识别[J]. 制造技术与机床 2020(02)
    • [26].深度学习在输电线路工程验收智能缺陷识别中的应用[J]. 江西电力 2020(02)
    • [27].基于聚合通道特征的防震锤锈蚀缺陷识别算法[J]. 计算技术与自动化 2020(02)
    • [28].天然气管道内检测信号分析与缺陷识别技术研究[J]. 管道技术与设备 2019(04)
    • [29].深度学习在硅钢钢片缺陷识别中的应用[J]. 数字技术与应用 2017(12)
    • [30].基于模糊核支持向量机的管道磁记忆检测缺陷识别[J]. 石油学报 2010(05)

    标签:;  ;  ;  

    我国上市公司财务报告内部控制重大缺陷识别研究
    下载Doc文档

    猜你喜欢