舞弊手段多样，且呈行业特性

财报舞弊多从直观的利润表出发，呈现出三个阶段：1）通过多种方式操纵利润；2）通过高估资产、低估负债来改善整体财务状况；3）通过伪造现金流和关联交易的方式调节报表科目、掩盖舞弊迹象。

财报舞弊的手段也非常复杂多样。以调节利润为例，通常分为操纵收入与操纵费用两个维度。前者主要以虚构客户、提前确认收入、进行三方交易或互换贸易、借助一次性行为夸大收入、虚减收入等方式实现对收入的调节；后者则通过少计账外费用、不对受损资产或坏账提取减值准备、费用资本化、延长折旧摊销年限、将费用暂时挂在应收账款或预付款科目等手段隐藏成本费用，或虚构费用、将经常性费用归为一次性费用、大额计提应收账款或存货差值损失等方式来虚增成本费用。

值得注意的是，关联方交易可以隐藏在销售、采购、资金支持或融资安排、互相提供担保或抵押、共享设施或服务、关键管理人员的薪酬、商标使用等各个环节。换言之，隐蔽性可以很高。

普华永道根据对国内市场多年的观察积累和经验分析，总结出一些财报舞弊方面的共通点。其中一个重要的发现是，财报舞弊在数据上体现出一定的行业特性：

不仅如此，财报舞弊的手段和其进行相关操作动机也高度相关。企业为了挂牌、转板、获取信贷资格而舞弊的方向，和企业为税务策划等动机舞弊的方向大相径庭。

当然，世上没有完美的犯罪，再高明的舞弊也会留下破绽。下图列举了一些通过财务分析能够洞察到的异常信号，金融机构可以沿着这些蛛丝马迹，进一步抽丝剥茧，深入调查。

传统识别方式痛点显著

金融机构，尤其是银行，在日常工作需要接触各行各业，已经积累了一定的舞弊识别经验。然而随着科技进步和经济快速发展，从上文列举的一些案例可见，传统的识别方法已无法满足业务需要。

对金融机构而言，传统的财报舞弊识别方式，存在不全面、欠直观、低效率和难看透等痛点：

信息化时代，如何精准高效识别财报舞弊？

为了有效弥补传统手段在财报舞弊识别方面的不足，在新兴科技不断成熟的当下，金融机构可引入更多维的数据，将人工智能（AI）模型与业务经验相结合，不断提升识别财报舞弊的能力，让精准识别成为可能。

明确识别目标：精准识别财报舞弊的第一步，是明确想识别财报舞弊，还是财报异常。识别目的的不同会导致识别范围的显著差异。

海量信息整合勾稽：信息化时代看财报已不是单纯从三张表看财报。除了财务报表复杂勾稽规则稽外，还可结合云计算、自然语言处理（NLP）等先进技术，提炼财报附注信息、批量获取工商、税务、司法等外部数据、抓取外部舆情等，通过多渠道获取的海量数据，实现多维度信息勾稽（示意图如下）。

百万特征排水归纳：通过对数据进行标准化和集中化处理，可交叉进行比对，同时建立多维度、多视角的特征标签。在对相关信息及指标进行降维、归纳后，可汇总成丰富、全面的财报风险提示全景画像，使得数据结果“可视化”，更直观地呈现公司风险，由点及面揭示财报舞弊的线索。

大批量秒级运算：日益成熟的计算机处理技术，使得毫秒级的指标批量运算成为可能，让大批企业海量数据的计算与分析高效化，解决了财报舞弊人工识别过程中效率低下的问题。

AI模型精准定位：财报指标、财报舞弊线索、财报舞弊动机之间的关系并不是简单的线性或因果关系，三者相互制约相互作用，导致需要深度学习算法才可以刻画。另一方面，随着先进的人工智能和大数据技术的广泛应用，相关模型可从上万个维度“学习”可疑的财报舞弊，发现粉饰特征，捕捉问题公司共性，从更精细的角度精准识别。

规则网排查发现线索：AI模型在识别财报舞弊企业方面具有高效、精准的特点，但由于其“黑匣子”运作的特点，难以让使用者了解到财报被识别为舞弊嫌疑的原因。基于业务逻辑的严密规则网的构建则在精准识别基础上，解决了这一难题。规则网对重点会计科目和指标进行勾稽排查，结合公司在行业中所处地位，从成本、费用、利润、资产、现金流等多角关系进行一致性对比，发现异常变动和违规迹象，进一步推测舞弊动机。规则网与AI模型相辅相成，多角度验证，有效提高了财报舞弊的甄别效率（示意图如下），让违规公司无所遁形。

多场景应用，全面提升业务能力

大数据驱动下的财报舞弊识别，可广泛应用于金融机构的多个业务环节，提高前、中、后各个阶段全方位的能力。以授信与投资为例：

此外，随着金融机构投行业务、资管业务等业务体量的不断增长，金融机构内部衍生出的基于信用债投资、股权投资等场景的财务分析需求将日益旺盛。通过财报舞弊识别，可以有效识别发债主体以及投资标的的真实财务状况，从而实现对其偿债能力、盈利能力、成长性等的客观评价，降低在投资过程中出现违约与业绩变脸的可能。

普华永道的财报舞弊识别解决方案，将自身各行业财务审计和金融行业风控咨询实践的经验，与最新的大数据AI技术相结合。

返回搜狐，查看更多