4月12日，乐视网公告，因公司2007年至2016年连续十年财务造假等，北京证监局对公司合计罚款2.4亿元，对贾跃亭罚款2.41亿元。
- 引人深思的是，乐视作为上市公司，连续10年财务造假竟浑然不知，隐藏的财务数据造假细节多如牛毛，该如何破解？你知道哪些隐藏的财务数据造假细节吗？
一、我的亲身经历：财务造假总会留下漏洞的
我之前参加一个培训，一个证监会区域的副总给我们讲课，IPO的、财务的，深入浅出，栩栩如生，幽默而又深度，气场强大。
记得他讲了个例子，生产性企业，财务报表显示资产规模越来越大，生产规模越来越大，可他们去查了该企业电费发票与科目，发现生产规模加大电费却没有相应增加。他说，财务信息上，许多地方埋藏着线索，就看你的火眼真睛。
后来，在某IPO项目上，我是第二任现场审计主管，前任主管跟了该项目大概半年多，生小孩去了。当时是八月，好多人放假考CPA，这项目本不是我部门的，只是我前一个IPO项目刚好不久前上市了，相对闲一些，于是找上了我。
- 我接手时，手下就3个人，2个助理1年级，一个助理2年级，任务其实就是出多一期6月末的数，前任主管搞定之前的三年数了，上市一般要求三年一期的财务数据，比如以截止至2014年12月31日、2015年12月31日、2016年12月31日及2017年6月30日的财务数据进行申报。
由于当时接的突然，我先花了两天时间将过往已完成工作底稿研究好，这两天里三个小朋友就是按照我分的科目在砌底稿，然后找客户要一堆凭证及原始资料，准备用于完成相关审计程序。
- 第四天吃完午饭后，我照例站着玩玩手机休息下，看到小朋友前方放一大堆凭证，就顺手拿起来翻看，是一些采购凭证，一翻之下，发现不对劲，居然有连号！被审计单位跟A采购时，A的发货单与跟B采购时B的发货单样式一样，而且是连号，那本凭证中，类似的大概有三四处。
我翻看时，一开始感觉到样式一样，以为是同一供应商，细看之下才发现是不同供应商的发货单也是连续的，这明摆着是有问题的。
- 也就是说，被审计单位自己或其找财务顾问批量伪造时干活不认真留下的漏洞，我当时心里真是“十万只羊驼飘过”。做审计的，其实是很不想发现问题的，相信做几年的人都有同感的。
大家都知道，审计忙碌，在时间非常有限的情况下，都希望顺利收工搞定项目，万一有问题，工作量定是大幅增加的，随后各种收尾现场审计主管是要负责到底的。
- 一般来说，我是要尽快汇报项目经理的，但我这时内心尚存侥幸，或者也许是想慎重起见，怕自己发现存在误差，到时反遭经理责怪。于是，我更认真地翻看那本凭证，更多问题发现了，比如有出现C发货单上的签名与D发货单上的签名一样，估计是当时伪造时签名签习惯了，将本应签D的人顺手签成C的人了，还有......一发不可收拾！
二、我的经验总结：各种财务造假的迹象有哪些？
其实财务造假的方法有很多，有违法的，也有游走在法律边缘的，接下来，我就尽可能的把能想到的财务造假可能的情况都介绍一遍。
一般而言，存在各种财务造假的迹象如下：
- 如果企业很有钱，还在借钱，这就可能有巨大暗雷，不可能有人自己的钱不用去用有利息的钱。
- 如果企业把一些还没有做好的企业前提确认了收入，也会虚构一笔收入，但是这个你也查不到，你不是企业内部人员，怎么可能知道。
- 要不就是卖资产来获得一次性大额收入，要不就是一次性计提费用，导致一年的财务特别差，平时几年利润好看一些。
还有包括刻意减少员工工资来提高利润；利用重组来洗清之前的猫腻；计提、减值、跌价，折旧不充分；一次性大额计提做财务洗澡；企业的产品无法准确计量和估计，比如农林牧渔和生物类资产；应收账款莫名其妙大增；大客户退货或者离开；存货莫名其妙大增；长期待摊费用大增；企业承诺了很高很难完成的业绩目标；企业大买无形资产；在建工程总是不转为固定资产；关联交易混乱；财务报表突然延期；公司正在接受政府监管部门的调查；会计政策莫名其妙改变；业绩预测非常不准确；非常异常的影响业绩的突发事件；营业外收入大增，又说不清楚；销售费用和管理费用出现大幅波动；企业借钱的利息特别高。
最后是企业的突然投资一些之前没有在董事会提过的投资；企业突然换会计师事务所，突然改变财务报表发布时间，董事集体辞职，大股东减持，财务总监离职，主要供货商可疑或者不正规，跨行业收购。
- 当然，其他应付款也是经常用来隐藏利润的科目，经常用来调节利润，比如说今年生意好就把一些利润调整到这个科目下面，以后生意不好时再拿出来。其他应付款科目包括所有“其他”名字的科目其实都是数额很小的科目，但凡是数额很大肯定就有猫腻。
结合我的经验总结，只要出现了以上这些都是很明显的财务数据异动。
三、最后放大招，不需要懂会计都能辨别财务造假的真经
最后，我给大家介绍一种采用数理统计大样本的方式进行验证的假账测试细节方法，这个方法最大的优点，我认为是不需要你懂会计的，这个方法叫Benford's law（本福特法则）。
这是一个关于数值型数据概率分布的数学定理，最初发现与金融、财务本身没有任何关系。1935年，美国一位叫做本福特物理学家在图书馆翻阅对数表时发现，对数表的头几页比后面的页更脏些，这说明头几页在平时被更多的人翻阅。
- 本福特进一步研究发现，只要数据样本足够多，数据中以1为开头数字出现频率并不是1/9，而是30.1%，而以2为首的数字出现频率是17.6%，往后出现频率依次减少，9的出现频率最低只有4.6%。
本福特对其它数字进行调查发现，各种完全不相同的数据，比如人口、物理和化学常数、棒球统计表以及斐波纳契数列数字中，均有这个定律身影。
- 本福特定律不但适用于个位数字，连多位数也可用，这使得金融界开始考虑本福特法在财务数据中的应用。经过实证验证，公司财务报表数据在大样本数据下也符合本福特法则。
我曾经读过的一本书中列举了迪士尼公司和爆出巨大会计丑闻的安然公司之间，根据历史所有财务数据，用本福特法则发现差异如下：
- 很明显，安然的财务数据与本福特法则的数据出现了比迪士尼更大偏差，而且其偏差体现为小于5的数字偏少而大于5的数字偏多，这暗示公司通过人工扭曲数据导致数据偏离本福特法则应有的分布情况。
后来，我了解到这个神奇本福特法则后，第一反应就是想将其实验于A股市场中的上市公司，判断其是否适用，及能否帮助我们探测出公司的财务造假。
我取用了大家公认的管理层诚信、业绩优良的两家好公司：贵州茅台和中国平安，取了其过去10年的利润表数据，对这些数据的首位数字分布进行测试，并用差异的平方和作为累计征幅差异的统计目标值。结果如下：
中国平安：
图表化分布情况：
贵州茅台：
图表化分布情况：
- 可见，只要是数字就无法逃脱本福特定律的限定，从A股的这两家公司10年的理论表来看，本福特定律显然十分适用。而且考虑到10年的利润表其实只有不到300个样本点，因此能够拟合到这个程度的报表，可以说应该是会计质量比较优秀的公司了。
根据我后续的大量实证检测，大部分A股公司与本福特定律的偏差额（差异平方和）在0.1-0.8%之间，而平安和茅台都在这个范围的下限附近。可以看出，这两家公司的确非常优秀，而且财务会计数据非常真实可靠。
那么在A股中，我们是否也可以利用本福特法则发现造假公司呢？我再来验证一下，挑选出几家A股历史上臭名昭著的造假或嫌疑造假公司进行本福特定律验证，分别是信威集团（柬埔寨电信业务造假被质疑）、獐子岛（扇贝游来游去）、尔康制药（证监会进驻调查涉嫌严重造假）、雅百特（已被证明利润表注水70%，董事长公开撒谎）。结果如下：
信威集团：
獐子岛：
尔康制药：
雅百特：
- 可以看出，这些公司财务数据分布和本福特定律期望分布之间存在较大差异，与一般上市公司差异呈现出明显不同。尤其是某些数字和定律之间的差异甚至超过10%，这是非常突出的异常情况。
从数学的角度看，说明这些公司财务数据造假情况基本属实，而且偏差的比例越大可能说明造假程度越高。
- 当然，本福特法则也不是万能的，如果造假者本身知道本福特法则时，他们就可以通过操纵首位数字，使得自己在造假的同时不会被发现财务数据与本福特法则呈现重大差别。
因此，我们在实务中要遵循的原则是：大幅度偏离本福特法则基本是骗子，而没有偏离本福特法则未必是好人，也有可能是高明的骗子。
- 总之，财务造假的本质，依然是财务数据与业务实质的不匹配，对财务造假的辨认，始终离不开对业务本身的熟悉，仅依靠财务报表本身的信息来寻找造假仍然是有限的，但财务报表总是隐藏着可以撕开的口子。