Earnings Anomalies and Going Concerns

盈餘異常與繼續經營假設

吳清在(C. Tsing-Zai Wu) ； Steven B. Lilien

《中華會計學刊》 4卷1期 (2003/10) Pp. 1-27

摘要

本文旨在探討「盈餘異常」對會計師簽發繼續經營假設有疑慮（GC）之查核報告所扮演之角色。與文獻中之財務困難公司預測模式使用橫斷面分析不同，本文作者認為在會計師簽發GC查核報告前，盈餘之時間序列會發生重大之永久性或鉅額之暫時性的盈餘異常。負永久性盈餘異常比暫時性盈餘異常更可能造成GC查核報告之簽發，然而，當鉅額之暫時性盈餘異常阻礙公司生存時，亦會造成會計師簽發GC查核報告。長久以來，會計研究學者對於解釋及預測會計師簽發GC查核報告極有興趣，文獻上所見到有關財務困難公司預測模型之研究，類皆使用企業之財務比率或市場變數做為解釋變數而進行橫斷面之實證模型研究。（例如：Beaver 1966，Altman 1968，Ohlson 1980，Mutchler 1985，Dopuch et al. 1987，Hopwood et al. 1989，1991，1994，Bell and Tabor 1991，Citron and Traffler 1992，Hopwood et al. 1994，Mutchler and Hopwood 1997，Foster et al. 1998，等）通常，橫斷面之實證預測模型會因時間而不同，會因產業而不同，會因公司大小而不同，會因地區而不同。因此，專業財務比率發行公司必須每年出版適用各產業、各公司大小、各地區之財務比率以供銀行核貸及其他經濟決策之參考（如：Dun & Bradstreet，Robert Morris Associates及Leo Troy等）。然而，本研究認為每家公司都是不一樣之企業個體，一家公司自從成立以後，經過數年之經營，其財務、行銷、研發、人力資源、會計選擇、及管理，都會發展出該企業個體之特性，此種特性最後皆反映於財務報表上。例如：同樣是金融業，有的銀行收入之主要來源是經紀業務，有的是承銷業務，有的是個人理財服務，收入來源不同，縱使數額一樣，其財源之穩定性亦不一樣。就是同一種產業之兩家公司，其所採行認列收益及費用之公認會計原則可能也不一樣，因此純就財務數字比較此兩家公司經營之良窳亦可能失真。此外，一家公司可能因為長久以來與銀行關係良好，因而與同業比較有較低之速動比率，但較低之速動比率並不能解釋為這家公司有流動性之風險，這正是傳統橫斷面財務比率預測模型最大之缺點。其次，傳統橫斷面財務比率預測模型另一個實證上難以解決之困難，就是同一產業中，用以推估預測模型所能採取之公司樣本數不足之問題。一般而言，羅吉斯特迴歸模型要能穩定，該一產業財務困難公司之樣本數至少要有相當數目（最好有30家），產業分得太粗模型預測能力不足而沒有意義，產業分得細緻一些，馬上就面臨正常公司，特別是財務困難公司之樣本數不足之問題，尤其是像台灣這種小經濟體，要建構有意義之財務困難預測模型難度更大。因此檢視個別公司之盈餘時間序列，可提供不必依賴財務比率而可預測會計師簽發GC查核報告之另一種方法。自從1930年代以來，兩個經濟分析學派一直互相競爭：計量經濟學派與時間序列學派。計量經濟學派強調以迴歸分析尋找經濟現象之解釋變數而建構預測模型，時間序列學派則不假設解釋變數，而直接發展配適時間序列模型的技術。雖然早在1927年就有研究時間序列之文獻（Yule 1927），然而時間序列研究理論及方法完整之發展是在1970年由Box and Jenkins（1970）所建構。他們提出評量及適配時間序列模型之方法，即所謂「自我迴歸整合移動平均」（Auto-Regressive Integrated Moving Average模型，簡稱ARIMA模型）。Cooper（1972），Naylor, et al.（1972），and Granger and Newbold（1975）等研究指出時間序列Box-Jenkins模型之預測能力較計量經濟模型為佳。對於時間序列異常值之偵測從Fox（1972）開始統計文獻就有廣泛之討論。時間序列之異常值可能是由於記錄錯誤、企業合併、企業分割、法律改變等因素而發生，如果一項異常值是因已知而可解釋之事件所產生，統計文獻稱之為「干預」（Intervention），時間序列分析必須調整干預事件以適配ARIMA模型（Box and Tiao 1975）。然而，在適配時間序列模型時，通常異常值事先是未知的，因此就有統計學者發展出偵測時間序列中，已知或未知異常值發生時點、及異常值之大小及型態之方法，這些異常值統計文獻上稱之為「離群值」（Outliers）。時間序列之離群值有四種（Fox 1972，Hillmer 1984，Tiao 1985，Tsay 1986，Chang, et al. 1988，Liu and Chen 1991）：（一）附加離群（Additive Outlier，AO），（二）水平移位（Level Shift，LS），（三）暫時改變（Temporary Change，TC），（四）創新離群（Innovative Outlier，IO）。本研究以1987年美國股市崩盤前後六年間美國公開發行公司之財務報表，發生簽證會計師對公司繼續經營有疑慮之1,119家公司中，合乎一、COMPUSTAT季資料庫有收錄者，二、屬第一年會計師簽發繼續經營疑慮意見者，三、一年內尚未下市（櫃）者，四、四位數SIC同產業有對照公司者，五、未改變會計年度者，六、至少有五年季資料者，總共116家繼續經營有疑慮（GC）公司，並在同一年度，同一產業，隨機抽取健康之對照（HC）公司116家，總共232家公司，每家公司各自攫取COMPUSTAT季資料庫最早收錄年度（1970第一季）或COMPUSTAT首次收錄該公司開始，至第一次發生會計師簽發繼續經營疑慮之審計意見年度後一季為止1，各公司之季盈餘時間序列2，每家公司就其季盈餘時間序列分別做ARIMA模型之適配，並找出其時間序列發生異常值之季別及型態，並按年度分別登錄，如此重複進行232次，得到本研究之最重要之時間序列異常值季別及型態之原始數據。然後對實驗組及對照組之盈餘異常進行χ^2檢定、t檢定及羅吉斯特迴歸分析（Logistic regression analyses）。研究結果發現：（1）在GC發生年度及其兩年前，GC公司較HC公司統計上有顯著之負盈餘異常，而其顯著性越接近GC年度越高。（2）若將盈餘異常分為永久性盈餘異常與暫時性盈餘異常，則在GC發生年度及其兩年前，GC公司較HC公司統計上有顯著之負永久性盈餘異常與負暫時性盈餘異常，而其顯著性越接近GC年度越高；而且，各年度之永久性盈餘異常之顯著性皆較暫時性盈餘異常為高。（3）在GC年度沒有發生盈餘異常之公司，在GC前一年或前兩年幾乎都發生過盈餘異常，相對於HC公司有統計上顯著之不同。而且，GC年度沒有發生盈餘異常之公司，有平均淨損之現象，相對於HC公司有平均淨利之現象，統計上顯著不同。（4）若僅用永久性盈餘異常與暫時性盈餘異常兩個解釋變數，就GC年度做羅吉司特迴歸分析，可得75.4%分類正確率；就GC年度與其前一年度之做羅吉司特迴歸分析，可得77.5%之分類正確率；就GC年度與其前兩個年度之做羅吉司特迴歸分析，可得80.8%之分類正確率；而且，永久性盈餘異常之迴歸係數都較暫時性盈餘異常之迴歸係數為高（大四倍以上），說明永久性盈餘異常對會計師簽發繼續經營疑慮審計意見之影響，較暫時性盈餘異常為大。本研究中之邏吉司特迴歸方程式（Logistic regressions），僅使用兩個盈餘異常變數，對GC公司之分類正確率即達80.8%。相較於 Altman and McGough（1974） 使用五個解釋變數才達82%分類正確率，Altman（1982）使用六個解釋變數才達86.2%分類正確率，本研究所使用之盈餘異常解釋變數，不但對GC查核意見之分辨力相當高，而且目前文獻亦無人使用過。檢視個別公司之盈餘時間序列是否發生盈餘異常，概可推估會計師簽發GC查核報告之可能性，這種方法提供傳統財務困難模型所使用之橫斷面比率分析外之另一種選擇。

關鍵字

盈餘異常 ； 繼續經營假設有疑慮之查核報告 ； 永久性及暫時性盈餘異常

並列摘要

This paper investigates the role of earnings anomalies in auditor's going-concern (GC) opinion. Unlike cross-sectional models in forecasting bankruptcy, we argue that permanent and/or transitory earnings anomalies to the earnings time series would occur before an auditor renders GC opinion. Results indicate that negative permanent earnings anomalies will more likely result in a GC opinion than will a transitory earnings anomaly. However, a large transitory earnings anomaly can also lead to GC opinion if they hinder the survival of the firm. Using solely two earnings anomalies variables in our logistic regression models can correctly classify as high as 80.8% GC firms, compared to 82% concordance rate in using five variables (Altman and McGough 1974) and 86.2% in using six variables (Altman 1982). The earnings anomalies variables have not been employed in financial distress literature. Since examining firm-specific earnings anomalies along earnings time series can signal the likelihood of an auditor's GC opinion, outlier analysis on the earnings time series provides another approach to predict financial distress, compared to traditional industry-norm-adjusted ratio analyses.

並列關鍵字

Earnings anomalies ； Going-concern modification ； Permanent and transitory earnings

參考文獻

American Institute of CPA`s Auditing Standards Board(1988).The Auditor`s Consideration of an Entity`s Ability to Continue as a Going Concern.New York, NY:AICPA.

Altman, E. I.(1968).Financial ratios, discriminant analysis and the prediction of corporate bankruptcy.The Journal of Finance.23,589-609.

Altman, E. I.(1973).Predicting railroad bankruptcies in America.Bell Journal of Economics and Management Science.4,184-211.

Altman, E. I.(1982).Accounting implications of failure prediction models.Journal of Accounting, Auditing and Finance.6,4-19.

Altman, E. I.,T. P. McGough.(1974).Evaluation of a company as a going-concern.Journal of Accountancy.138,50-57.