【摘 要】 欺詐信息的嵌入導(dǎo)致企業(yè)信用風(fēng)險(xiǎn)出現(xiàn)失真現(xiàn)象，如何辨析欺詐信息、還原企業(yè)信用違約真實(shí)水平是國(guó)內(nèi)外理論與實(shí)務(wù)界研究的熱點(diǎn)。文章以孤立點(diǎn)挖掘理論為視角，綜合分析了引發(fā)企業(yè)信用失真的欺詐信息的辨析技術(shù)：非線性濾波技術(shù)、聚類技術(shù)、分類技術(shù)、統(tǒng)計(jì)技術(shù)、信息論技術(shù)、近鄰技術(shù)與混合技術(shù)，并基于研究企業(yè)信用失真這一目的，針對(duì)欺詐信息辨析技術(shù)的創(chuàng)新發(fā)展提出了研究方向。

【關(guān)鍵詞】 信用失真； 欺詐信息； 孤立點(diǎn)

一、引言

欺詐信息引發(fā)的企業(yè)信用失真監(jiān)管問題一直是中國(guó)乃至世界的研究關(guān)鍵和難點(diǎn)。國(guó)際上，從2002年美國(guó)安然公司造假與2003年意大利帕瑪拉特的信用降級(jí)，到2008年美國(guó)發(fā)生的次貸危機(jī)，無不彰顯出欺詐信息所導(dǎo)致的企業(yè)外顯信用失實(shí)的巨大危害性。在中國(guó)，企業(yè)內(nèi)部通過偽造欺詐信息來維持企業(yè)“光輝”形象的例子更是不勝枚舉，從“銀廣夏”的神話破滅到藍(lán)田股份的“魚塘里放衛(wèi)星”，再到2010年的四川長(zhǎng)虹“造假門”事件，這些事實(shí)無不發(fā)人深省，警示著欺詐信息引發(fā)的企業(yè)信用失真的潛在危險(xiǎn)。更為關(guān)鍵的是，為應(yīng)對(duì)2008年全球性的金融海嘯，國(guó)家啟動(dòng)了一系列經(jīng)濟(jì)刺激政策，盡管取得了卓有成效的成果，但前期信貸資金的大量投放對(duì)信貸機(jī)構(gòu)的風(fēng)險(xiǎn)監(jiān)控提出了更高要求。后金融危機(jī)時(shí)代，深入分析企業(yè)欺詐信息的類型，創(chuàng)建有效降低企業(yè)信用失真程度的校準(zhǔn)方法，把握企業(yè)的真實(shí)信用違約水平并實(shí)施針對(duì)性的監(jiān)管尤顯迫切。在此背景下，本文以孤立點(diǎn)挖掘理論為視角，綜合分析了引發(fā)企業(yè)信用失真的欺詐信息辨析技術(shù)，并針對(duì)欺詐信息辨析技術(shù)的創(chuàng)新發(fā)展提出了研究方向。

二、欺詐信息與企業(yè)信用失真概述

欺詐信息是指企業(yè)從自身利益出發(fā)、由企業(yè)主觀生成，直接導(dǎo)致企業(yè)信用違約水平不能真實(shí)呈現(xiàn)的非真實(shí)信息。企業(yè)信用失真（Credit Distortion）是受通信領(lǐng)域的信號(hào)失真、財(cái)務(wù)領(lǐng)域的會(huì)計(jì)信息失真等概念的啟發(fā)提出的，具體是指由于欺詐信息的嵌入扭曲了企業(yè)的真實(shí)違約水平，造成了企業(yè)信用違約水平失真的現(xiàn)象，欺詐信息的嵌入是導(dǎo)致企業(yè)信用失真的主要原因。

國(guó)內(nèi)外鮮見直接對(duì)企業(yè)信用失真的研究成果，但可供借鑒的參考資料，尤其是關(guān)于信息指標(biāo)造假的文獻(xiàn)相對(duì)豐富，代表性的成果主要有：國(guó)際上，Ching-Chiang Yeh等（2008）利用逐步回歸方法篩選得到了14個(gè)財(cái)務(wù)變量（負(fù)債總額、資產(chǎn)總額、銷貨凈額等）與7個(gè)非財(cái)務(wù)變量（股份盈余偏離差、董監(jiān)事持股比率等）對(duì)欺詐信息指標(biāo)集進(jìn)行了歸納；Subrahmanyam A（2010）以50余個(gè)指標(biāo)變量描述了公司收益率，盡管其原意不是以欺詐信息為宗旨展開的研究，但所形成的指標(biāo)集對(duì)該項(xiàng)目的研究提供了有益的幫助。在我國(guó)，趙明鳳（2007）通過對(duì)28個(gè)備選指標(biāo)變量利用T檢驗(yàn)的方法提取了收款/流動(dòng)資產(chǎn)、凈資產(chǎn)比率、資產(chǎn)負(fù)債率、營(yíng)運(yùn)資本率等八個(gè)指標(biāo)，構(gòu)建了反映上市公司財(cái)務(wù)欺詐的指標(biāo)集；許楠（2010）通過構(gòu)建會(huì)計(jì)信息可信度的指標(biāo)變量、運(yùn)用Logistic 回歸分析方法建立了會(huì)計(jì)信息真?zhèn)巫R(shí)別模型；黎文靖（2007）從會(huì)計(jì)穩(wěn)健性的角度選取衡量會(huì)計(jì)信息質(zhì)量的指標(biāo)，運(yùn)用股票收益模型和盈余持續(xù)性模型考察了深滬證券交易所設(shè)立的誠(chéng)信檔案制度對(duì)上市公司會(huì)計(jì)信息質(zhì)量的改善程度。盡管這些文獻(xiàn)沒有直接以企業(yè)信用失真為出發(fā)點(diǎn)研究欺詐信息，但其依然從不同角度對(duì)欺詐信息作了詮釋，為該項(xiàng)目的展開提供了基礎(chǔ)。由于這些文獻(xiàn)的指標(biāo)集處理過程過于復(fù)雜，且不能反映企業(yè)出于自身利益所采用的信息滯后披露與披露不完整等欺詐行為，為簡(jiǎn)約起見，美國(guó)穆迪KMV公司從公司資產(chǎn)值的角度，通過利用隨機(jī)分析方法構(gòu)建數(shù)學(xué)模型對(duì)企業(yè)信用違約水平加以度量，于是，涌現(xiàn)了許多基于公司資產(chǎn)值或現(xiàn)金流的信用違約問題的研究成果，從理論上實(shí)現(xiàn)了信息滯后披露與披露不完整的信息特征，較為突出的成果主要集中在Duffie David Lando（2001）的研究成果上。他們從公司資產(chǎn)價(jià)值、現(xiàn)金流的角度構(gòu)造的信用違約率將有助于研究企業(yè)信用失真問題。當(dāng)然，這些成果在追求簡(jiǎn)單的同時(shí)也有失偏頗，很難全面地反映真實(shí)的企業(yè)信用違約水平。

由于企業(yè)信用失真是受通信領(lǐng)域的信號(hào)失真、財(cái)務(wù)領(lǐng)域的會(huì)計(jì)信息失真的啟發(fā)得出的，因此，信息失真的很多成果——如對(duì)會(huì)計(jì)信息失真、信號(hào)失真等問題的研究所形成的理論與技術(shù)對(duì)研究企業(yè)信用失真有借鑒作用，為此筆者從會(huì)計(jì)信息失真與信號(hào)失真兩方面對(duì)相關(guān)研究文獻(xiàn)進(jìn)行梳理：一是針對(duì)會(huì)計(jì)信息失真的研究歷來已久，國(guó)際上對(duì)會(huì)計(jì)信息失真的研究成果多集中在定量分析上，在國(guó)內(nèi)，這一方面的研究成果多集中在定性分析失真的原因、手段及方法策略上，也有少量成果集中在定量分析上，如吳紹平等（2004）利用亞力山大·沃爾比重方法對(duì)負(fù)債失真率等指標(biāo)進(jìn)行了簡(jiǎn)單的量化與線性加權(quán)，提出“會(huì)計(jì)信息失真率”的概念，盡管此成果所用的理論與方法比較簡(jiǎn)單，但為探討企業(yè)信用違約真實(shí)水平提供了有益的借鑒。二是源于對(duì)通信領(lǐng)域的信號(hào)失真問題所形成的理論與技術(shù)，將對(duì)研究企業(yè)信用失真提供支撐作用，具有強(qiáng)有力的借鑒作用的研究成果多圍繞信噪比展開，如Agostino Capponi （2009）通過信噪比思想構(gòu)建信噪比指數(shù)開發(fā)的用于貨幣危機(jī)預(yù)警的KLR信號(hào)分析方法。

欺詐信息往往通過附著在載體指標(biāo)上得以呈現(xiàn)，引發(fā)企業(yè)信用失真是一個(gè)非線性過程，總的來說，現(xiàn)有文獻(xiàn)缺少以企業(yè)信用失真為反應(yīng)變量，對(duì)欺詐信息的特征與規(guī)律進(jìn)行全面刻畫的研究成果，如何綜合考慮企業(yè)信用失真的誘因、提取與篩選欺詐信息的載體指標(biāo)集并探討其內(nèi)在規(guī)律及演化外顯模式，需做進(jìn)一步探討。

三、欺詐信息辨析的孤立點(diǎn)挖掘技術(shù)

欺詐信息的外顯特征異于常規(guī)信息，具備孤立點(diǎn)的基本特征，在數(shù)據(jù)結(jié)構(gòu)上可劃歸為孤立點(diǎn)（或異常點(diǎn)——Outlier），因此可運(yùn)用孤立點(diǎn)挖掘理論對(duì)欺詐信息加以辨析，特別是近幾年來孤立點(diǎn)挖掘技術(shù)在工程故障檢測(cè)、信用卡欺騙、計(jì)算機(jī)圖像處理、醫(yī)學(xué)檢測(cè)等方面的成功運(yùn)用，為利用孤立點(diǎn)挖掘理論識(shí)別企業(yè)欺詐信息提供了依據(jù)。傳統(tǒng)的孤立點(diǎn)挖掘技術(shù)相當(dāng)豐富，它們?yōu)槠墼p信息的辨析打下了堅(jiān)實(shí)的基礎(chǔ)。用孤立點(diǎn)挖掘技術(shù)對(duì)引發(fā)企業(yè)信用失真的欺詐信息進(jìn)行辨析的關(guān)鍵點(diǎn)主要集中在“輸入數(shù)據(jù)的結(jié)構(gòu)分析”與“挖掘技術(shù)發(fā)展與創(chuàng)建”兩個(gè)方面，下面分兩部分探討其研究進(jìn)展。

（一）基于輸入數(shù)據(jù)結(jié)構(gòu)分析的研究成果

輸入數(shù)據(jù)信息的結(jié)構(gòu)分析是孤立點(diǎn)挖掘的基礎(chǔ)，描述企業(yè)信用失真的每一指標(biāo)在賦予時(shí)序特征的同時(shí)，指標(biāo)集之間的截面關(guān)聯(lián)結(jié)構(gòu)也不可忽視，因此，下面從時(shí)間與截面兩個(gè)維度對(duì)相關(guān)研究成果加以概括：

1.從時(shí)間維度來看，作為輸入數(shù)據(jù)——欺詐信息的時(shí)序內(nèi)在規(guī)律是研究重點(diǎn)，主要集中在時(shí)序數(shù)據(jù)的相似度分析、窗口技術(shù)、馬爾科夫技術(shù)三個(gè)方面。

（1）相似度分析：如何計(jì)算相似度、根據(jù)相似度確定孤立點(diǎn)辨析規(guī)則是該技術(shù)的核心。代表性方法主要有兩種：采用最長(zhǎng)公共子序列標(biāo)準(zhǔn)化長(zhǎng)度方法計(jì)算序列數(shù)據(jù)間的相似度與采用譜核方法計(jì)算相似度。

（2）窗口技術(shù)：窗口技術(shù)適用于周期性輸入數(shù)據(jù)背景下的孤立點(diǎn)挖掘問題，通過提取窗口長(zhǎng)度、在一個(gè)或多個(gè)測(cè)試窗口中發(fā)現(xiàn)樣本中的異常點(diǎn)，其中異常點(diǎn)判定準(zhǔn)則是其關(guān)鍵，較為成功的判定準(zhǔn)則有t-STIDE技術(shù)。

（3）馬爾科夫技術(shù)：馬爾科夫技術(shù)適應(yīng)于具有短期記憶特征的時(shí)序數(shù)據(jù)孤立點(diǎn)挖掘問題，代表性成果有：Sotirios P Chatzis等（2011）把t分布引入隱馬爾科夫模型構(gòu)建了t-隱馬爾科夫模型，利用變分貝葉斯推斷算法對(duì)孤立點(diǎn)進(jìn)行檢測(cè)；Dana Ron等（1996）構(gòu)建了固定長(zhǎng)度的馬爾科夫模型等，這些文獻(xiàn)基于不同的領(lǐng)域研究了異常點(diǎn)的識(shí)別問題，其中模型構(gòu)建、模型參數(shù)估計(jì)方法一直是該部分研究的重點(diǎn)。

2.從截面維度來看，截面數(shù)據(jù)之間的內(nèi)在關(guān)聯(lián)規(guī)則的挖掘是孤立點(diǎn)挖掘的關(guān)鍵，代表性成果有：John Grznar（2007）通過利用神經(jīng)網(wǎng)絡(luò)的方法分析了系統(tǒng)組織間的非線性內(nèi)在關(guān)聯(lián)性并對(duì)其孤立點(diǎn)進(jìn)行了識(shí)別；李云等（2008）提出一種基于灰色關(guān)聯(lián)分析的孤立點(diǎn)檢測(cè)算法（OMGRA），通過總評(píng)價(jià)判斷數(shù)挖掘孤立點(diǎn)集，避免人工確定閾值的缺點(diǎn)。

（二）基于孤立點(diǎn)挖掘技術(shù)的研究成果

從孤立點(diǎn)挖掘技術(shù)來看，國(guó)內(nèi)外對(duì)該部分的研究成果相當(dāng)豐富，針對(duì)不同的應(yīng)用領(lǐng)域應(yīng)有不同的適用技術(shù)，鑒于方法與文獻(xiàn)的豐富性，這里僅梳理對(duì)研究企業(yè)信用違約真實(shí)水平有借鑒作用的國(guó)內(nèi)外研究成果，具體如下：

1.非線性濾波技術(shù)：Agostino Capponi（2009）基于公司信息惡意誤報(bào)且投資者不能觀測(cè)的假定，提出了新的結(jié)構(gòu)化違約模型及“去偽”方法。針對(duì)欺詐信息污染后的資產(chǎn)觀測(cè)值，運(yùn)用提出的非線性濾波技術(shù)，以帕瑪拉特公司財(cái)務(wù)欺詐為例進(jìn)行實(shí)證研究，結(jié)果表明由帕瑪拉特公司的會(huì)計(jì)違規(guī)行為而導(dǎo)致的虛假數(shù)據(jù)的“歸真”具有一定的校正作用，但該模型過于簡(jiǎn)單，沒有涉及欺詐信息與企業(yè)信用失真間的量化關(guān)系的深入探討，不過其模型結(jié)構(gòu)及“去偽”方法將對(duì)該項(xiàng)目的欺詐信息剝離有很高的參考價(jià)值。

2.分類技術(shù)：E. W. T. Ngai等（2011）以挖掘分類技術(shù)在金融欺詐中的應(yīng)用為研究進(jìn)行了綜述，總結(jié)了近幾年的的研究成果；M. L. Shyu等（2003）根據(jù)主成分分類方法提出一種新的孤立點(diǎn)檢測(cè)方案。

3.聚類技術(shù)：C Wang（2009）利用核聚類方法并對(duì)孤立點(diǎn)加以識(shí)別，據(jù)此對(duì)客戶群關(guān)系進(jìn)行歸類；梁斌梅（2009）基于層次聚類的孤立點(diǎn)檢測(cè)方法提出了基于層次聚類的孤立點(diǎn)檢測(cè)（ODHC）方法。

4.統(tǒng)計(jì)技術(shù)：Wayne A. Woodward等（2003）以正態(tài)混合概率分布對(duì)孤立點(diǎn)加以檢驗(yàn)；C Caroni 等（2004）借助于似然率與自回歸模型檢測(cè)了時(shí)序數(shù)據(jù)的孤立點(diǎn)問題；楊瑞成等（2010）在隨機(jī)跳擴(kuò)散模型的基礎(chǔ)上對(duì)重大信息引起的異常點(diǎn)加以檢測(cè)，采用MCMC算法對(duì)模型參數(shù)加以估計(jì)，并以人民幣匯率數(shù)據(jù)進(jìn)行實(shí)證分析。

5.信息論技術(shù)：信息論技術(shù)主要利用信息熵分析數(shù)據(jù)所呈現(xiàn)的信息內(nèi)容，從距離的角度探測(cè)孤立點(diǎn)的不規(guī)則并加以辨析。

6.近鄰技術(shù)：Xiaoqing Weng等（2008）提出一種多變量時(shí)間序列異常樣本的識(shí)別算法，使用k-近鄰方法查找異常點(diǎn)；岳峰等（2007）提出了基于反向K近鄰（RKNN）的孤立點(diǎn)檢測(cè)算法（ODRKNN），運(yùn)用每個(gè)數(shù)據(jù)點(diǎn)的反向K近鄰個(gè)數(shù)來衡量該數(shù)據(jù)點(diǎn)的偏離程度，并有效地檢測(cè)出孤立點(diǎn)。

7.混合技術(shù)：混合技術(shù)是吸收上述幾種理論與方法構(gòu)建出的組合技術(shù)，這是近幾年孤立點(diǎn)挖掘技術(shù)的一個(gè)新方向，代表性成果主要有：Hui Cao等（2010）在近鄰技術(shù)與統(tǒng)計(jì)技術(shù)的基礎(chǔ)上構(gòu)建了基于密度—相似度—近鄰原則的孤立點(diǎn)識(shí)別算法；呂林濤等（2007）針對(duì)國(guó)內(nèi)外金融領(lǐng)域可疑交易的低檢測(cè)率問題，通過對(duì)RBF神經(jīng)網(wǎng)絡(luò)技術(shù)的分析與研究，提出了一種基于APC-III聚類算法和RLS算法的面向反洗錢的RBF神經(jīng)網(wǎng)絡(luò)模型并加以實(shí)現(xiàn)。

盡管這些成果不是以企業(yè)欺詐信息為識(shí)別對(duì)象所建立的孤立點(diǎn)檢測(cè)技術(shù)，但是依然對(duì)把握企業(yè)的真實(shí)信用水平起著基礎(chǔ)性的作用，所不同的是，企業(yè)欺詐信息的辨析更為復(fù)雜，它是時(shí)間維度與截面維度的綜合體，在孤立點(diǎn)挖掘技術(shù)設(shè)計(jì)上既要考慮數(shù)據(jù)的時(shí)間變化規(guī)律特征，又要兼顧到截面指標(biāo)集間的關(guān)聯(lián)復(fù)雜性，需要在現(xiàn)有理論的基礎(chǔ)上進(jìn)一步發(fā)展及創(chuàng)建。

四、展望

欺詐信息的嵌入是企業(yè)信用失真的內(nèi)因，從現(xiàn)有國(guó)內(nèi)外相關(guān)研究成果來看，缺少?gòu)墓铝Ⅻc(diǎn)挖掘視角對(duì)欺詐信息的辨析技術(shù)，具體來說，概括得到如下核心問題亟需解決：

（一）誘發(fā)企業(yè)信用失真的欺詐信息載體指標(biāo)集的篩選、量化及內(nèi)在規(guī)律提取

欺詐信息通過附著在載體指標(biāo)集上呈現(xiàn)出來，其外顯模式——載體指標(biāo)集的篩選與量化是分析企業(yè)信用失真的前提，其內(nèi)在變化規(guī)律是欺詐信息的辨析依據(jù)。現(xiàn)有文獻(xiàn)缺少以企業(yè)信用失真的成因?yàn)槌霭l(fā)點(diǎn)，對(duì)欺詐信息載體指標(biāo)集的篩選、量化及內(nèi)在規(guī)律提取的研究成果，因此，如何構(gòu)建欺詐信息載體指標(biāo)集、刻畫其內(nèi)在變化規(guī)律需進(jìn)一步探討。

（二）基于欺詐信息辨析的孤立點(diǎn)挖掘技術(shù)創(chuàng)建

現(xiàn)有成果缺少基于欺詐信息辨析的孤立點(diǎn)挖掘技術(shù)，需在吸收現(xiàn)有孤立點(diǎn)挖掘理論與方法的基礎(chǔ)上，依據(jù)載體指標(biāo)集的內(nèi)在變化規(guī)律與欺詐信息的特點(diǎn)，發(fā)展并創(chuàng)建基于欺詐信息辨析的孤立點(diǎn)挖掘技術(shù)。

（三）欺詐信息“剝離”技術(shù)的探尋與發(fā)展

利用孤立點(diǎn)挖掘技術(shù)對(duì)欺詐信息有效識(shí)別之后，如何對(duì)載體指標(biāo)集中所嵌入的欺詐信息進(jìn)行“剝離”成為把握企業(yè)真實(shí)信用違約水平的關(guān)鍵所在，于是，欺詐信息的剝離技術(shù)需進(jìn)一步探索與發(fā)展。

這些共性問題將成為進(jìn)一步研究的熱點(diǎn)?！?/p>

【主要參考文獻(xiàn)】

[1] Ching-Chiang Yeh，Der-Jang Chi，Sin-Jin Lin. A Study for Detecting Enterprise Financial Statement Fraud[J].Asian Journal of Management and Humanity Sciences，2008，3（1-4）：15-30.

[2] 趙明鳳.中國(guó)上市公司財(cái)務(wù)欺詐預(yù)警系統(tǒng)研究[J].財(cái)會(huì)研究，2007；11：50-52.

[3] 許楠.基于會(huì)計(jì)信息可信度的上市公司優(yōu)劣甄別研究[J].財(cái)會(huì)通訊，2010（21）：61-63.

[4] 黎文靖.會(huì)計(jì)信息披露政府監(jiān)管的經(jīng)濟(jì)后果[J].會(huì)計(jì)研究，2007（8）：13-21.

[5] Duffie David Lando. Term Structures of Credit Spreads with Incomplete Accounting Information[J].Econometrica，2001，69（3）：633-664.

[6] Agostino Capponi. Credit Risk Modeling with Misreporting and Incomplete Information[J].International Journal of Theoretical and Applied Finance，2009，12（1）：83-112.

[7] E W T Ngai，Yong Hu，et al.The application of data mining techniques in financial fraud detectioe[J]. Decision Support Systems，2011，50（3）：559-569.

[8] C Caroni，V Karioti. Detecting in innovative outlier in a set of time series[J].Computational Statistics & Data Analysis，2004，46（3）：561-570.

[9] 楊瑞成，秦學(xué)志，周穎穎. 基于跳辨識(shí)-MCMC組合算法的人民幣匯率跳擴(kuò)散模型參數(shù)估計(jì)問題[J]. 系統(tǒng)工程理論與實(shí)踐，2010，30（12）：2165-2171.

[10] X Weng and J Shen. Detecting outlier samples in multivariate time series dataset[J].Knowledge-Based Systems，2008，21（8）：807-812.