EarningsGradeEarningsGrade

预测重大错报

Dechow F-Score

Dechow F-Score是加州大学伯克利分校Patricia Dechow教授及同事于2011年开发的7变量逻辑回归模型。它估算公司财务报表包含重大错报的概率——不仅是盈利操纵，还包括任何足以导致重述的会计错误或欺诈。

什么是F-Score？

Beneish M-Score专注于盈利操纵，而Dechow F-Score则撒了一张更大的网。它通过研究1982年至2005年间收到SEC会计和审计执法通知（AAERs）的494家公司构建——这些公司被SEC认定存在重大财务错报。该模型识别出区分错报公司和非错报公司的财务数据模式。

与M-Score的区别

  • *M-Score检测有意的盈利操纵。F-Score检测重大错报，包括有意欺诈和无意错误。
  • *M-Score使用同比指数比率（DSRI、GMI等）。F-Score使用相对于平均资产的变化变量。
  • *M-Score输出的是分数，越高越可疑。F-Score输出的是预测概率（0%到100%）。
  • *M-Score直接影响我们的A-F评级（它是F1检查项）。F-Score是平行指标，不影响评级。

7个变量（Model 1）

rsst_acc — Richardson应计项

衡量营运资本、非流动经营资产和金融资产的变动（Richardson等人2005年的分解方法）。捕捉比简单的净利润减现金流更广泛的应计项定义。应计项越高，错报风险越高。

ch_rec — 应收变动 / 平均资产

衡量应收账款变动除以平均总资产。应收账款相对于资产的大幅增加是错报公司的常见特征——可能表明虚构收入。

ch_inv — 存货变动 / 平均资产

衡量存货变动除以平均总资产。存货堆积可能暗示渠道填塞、隐瞒滞销，或应费用化却被资本化的成本。

soft_assets — 软资产比率

（总资产 - 固定资产 - 现金）/ 总资产。衡量"软"资产的占比——更难验证，更容易操纵。包括商誉、无形资产、递延费用等高度依赖管理层估计的项目。

ch_cs — 现金销售变动

衡量现金销售（营收减去应收变动）的百分比变化。当报告营收增长但现金销售下降时，是强烈的警告信号。

ch_roa — ROA变动

衡量ROA的同比变化。盈利能力下降会产生错报的动机——面临业绩压力的管理层更可能在会计上走捷径。

issue — 证券发行

二元变量：如果公司当年发行了长期债务或股权为1，否则为0。融资公司有动机向投资者和承销商展示有利的财务状况。

Model 1公式

PV = -7.893 + 0.790×rsst_acc + 2.518×ch_rec + 1.191×ch_inv + 1.979×soft_assets + 0.171×ch_cs - 0.932×ch_roa + 1.029×issue

PV是逻辑回归的预测值。预测概率计算为：P = 1 / (1 + e^(-PV))。注意ch_rec（2.518）和soft_assets（1.979）的大系数——应收变动和软资产比率是最强的预测因子。

概率解读

P < 25%
低风险

财务报表未显示与错报相关的模式。

25% ≤ P < 50%
中等风险

存在一些令人担忧的模式。值得进一步调查。

P ≥ 50%
高风险

财务报表显示出学术研究中与重大错报强烈相关的模式。

为什么是平行指标

F-Score不影响我们的A到F评级。我们将其作为附加参考，原因有三：

  • 1.该模型的误报率高于M-Score，特别是对于拥有大量无形资产或近期有收购的公司（高soft_assets）。
  • 2.学术研究的基础错报率约为0.6%的公司年份，即使是"高概率"结果在实践中仍然是统计上不常见的。
  • 3.我们的18项检查已经捕捉了许多相同的信号（应收vs营收、存货vs成本、应计比率）。将F-Score计入评级会导致双重计算。

可以把它想象成另一位医生的第二意见。如果F-Score标记了我们18项检查遗漏的问题，即使不改变评级也值得调查。

学术来源

Dechow, P.M., Ge, W., Larson, C.R., and Sloan, R.G. (2011). "Predicting Material Accounting Misstatements." Contemporary Accounting Research, 28(1), 17-82.

论文提出了三个复杂度递增的模型。我们使用Model 1，仅依赖财务报表数据，不需要市场数据或可操纵应计项估计。

返回方法论返回首页
Dechow F-Score 详解 — EarningsGrade