上市公司年报被问询案例分析——以ST银江为例

以 2012 ~ 2021 年沪深 A 股上市公司为样本，基于证监会换届的准自然实验，研究了历届证监会新任主席在其上任之初因监管风格差异造成的监管不确定性对审计师决策的影响。研究发现：监管不确定性较高时，审计师会显著增加上市公司的审计收费，以弥补审计成本并对冲执业风险；审计师为应对审计风险上升而加大审计投入是导致该效应的重要途径。进一步研究表明，审计师行业专长越高、公司过往无财务违规、存在市场化监管预期时，监管不确定性对审计决策的影响更为显著。本文对降低监管不确定性、提高上市公司盈余质量、稳定审计收费等具有启发意义。

文章着眼于与盈余管理有关的信息风险如何影响审计意见的发表，以2003-2013年中国上市公司的数据为分析对象，研究发现操控性应计利润对业绩波动存在重要影响，而不像以往假定的那样不影响信息风险。依据这一结论，将与盈余管理有关的业绩波动部分定义为盈余管理信息风险，进而发现：当盈余管理信息风险越大时，上市公司获得非标准审计意见的概率也越大，并且审计意见对盈余管理信息风险的敏感性显著大于对基本面信息风险的敏感性。这表明审计意见对信息风险来源的鉴证发挥了积极作用，其原因在于两类信息风险审计鉴证责任的实现方式不同。本文不仅首次提出并证实了盈余管理信息风险是甄别重大盈余管理的指标，从而在理论上拓展了信息风险与审计意见决定因素的研究，而且对于指导风险评估和投资决策具有重要的启示。

强化交易所一线监管作用是近年来中国资本市场监管补短板的重要举措。文章基于年报问询函，深入探究了交易所对中国上市公司的盈余管理行为是否具有风险甄别能力。结果显示：首先，企业的应计盈余管理程度越高，收到问询函的概率越高，而且在收到年报问询函的企业样本中，问询函的精确性和准确性也越高，这反映了问询函具有精准识别的功能；其次，对于非国有企业、深交所上市公司，以及媒体关注度较高、所处法制环境较好的企业，问询函对盈余管理的识别效果更加明显；最后，问询函同样能够甄别相对隐蔽的真实盈余管理，并通过影响企业未来的会计绩效而使真实价值回归。文章为中国现阶段监管方式创新性转型的实施效果提供了经验证据。

证券交易所对上市公司发放问询函是近年来加强一线监管的重要体现，但对这种非处罚性监管的经济后果研究比较缺乏。文章基于交易所财务报告问询函，研究了非处罚性监管对企业风险承担的影响。研究表明，收到财务报告问询函后，企业风险承担水平显著提高，且收到的财务报告问询函总数越多、针对同一财务报告的问询次数越多、财务报告问询函问题数量越多、回函公告总数越多，提高企业风险承担水平的作用越强，同时财务报告问询函的细分特征也会影响其对企业风险承担的促进作用。进一步研究发现，国有产权和政治关联不利于问询函监管发挥作用，问询函监管通过缓解股东和管理层之间的代理问题，提高了企业风险承担水平和投资效率。文章的研究验证了非处罚性监管的有效性，体现了十九大报告强调的“创新监管方式改革”，也为“经济高质量发展目标”提供了来自资本市场的证据。

虽然监管问询制度的初衷在于发挥治理作用，维护资本市场稳定，但它也会向市场传递企业存在潜在风险的信号，进而对企业产生不利影响。这是否会扭曲企业行为，最终违背监管初衷呢？文章从杠杆操纵视角，以我国2013—2021年A股非金融上市公司为研究样本，发现财报问询函会加剧企业的杠杆操纵行为。机制分析表明，财报问询函引发了债权人风险感知，进而迫使企业通过杠杆操纵来维持企业投融资需求。文章还从企业特征和问询函特征两个方面进行了补充验证。在企业特征方面，该效应在事前风险较高、信息环境较差以及投融资需求较高的样本中更显著；在问询函特征方面，该效应在问询程度较高、问询内容涉及债权人风险时更显著。拓展性分析表明，无论是中期报告问询函还是年度报告问询函，均会对企业杠杆操纵产生影响；而相对于财报问询函，一般问询函并不会对杠杆操纵产生影响。此外，内部控制有效性可以削弱财报问询函对杠杆操纵的影响。文章的结论不仅补充了财报问询函和杠杆操纵的相关研究，还有助于进一步优化和规范我国监管问询制度，对防范企业隐性债务风险以及推动我国资本市场发展具有重要意义。

现有研究主要关注于年报问询函对被问询公司的影响。基于2015-2018年企业集团上市子公司样本，文章研究交易所问询在企业集团内是否具有监管溢出效应。实证研究发现，年报问询函在子公司间存在监管溢出效应，即企业集团内子公司被年报问询会引起其他子公司财务报告质量的提高。机制检验证明，内外部资本市场的信息传递是年报问询函溢出效应的主要原因。拓展性分析发现，当企业集团存在共同审计和实际控制人的控制链条更短时，年报问询函的监管溢出效应就越明显。文章扩展了年报问询函政策实施效果的相关研究，延伸了财务决策同群效应理论假说，为优化上市公司监管机制提供思路。

证券交易所对上市公司财务报告进行审核，针对其中可能存在的疑问出具问询函，并要求公司予以回复且公开披露，这是当前中国资本市场中核心的非处罚性监管方式。近年来，国内外诸多学者围绕以问询函为代表的非处罚性监管措施，就其作用机制与实施效果展开了深入探索，相关研究成果为后续学术研究提供了重要参考。本文从信息披露、市场反应、公司治理、外部审计四个维度，系统梳理财务报告问询函的经济后果相关研究。通过归纳分析发现，国内外学者在监管问询机制经济后果的理论构建与实践验证方面均取得了诸多有益成果，研究内容与方法不断完善。同时，本文针对现有研究存在的不足，提出了相应的改进建议。

年报问询函作为创新监管方式之一，其监管效果受到实务界与学术界的广泛关注。文章以2015—2020年上市公司为样本，利用Python软件处理深圳证券交易所年报问询函的积极词、消极词数据，从语调负面程度检验年报柔性监管对股价崩盘风险的影响。研究发现：年报柔性监管能够发挥作用，年报问询函语调的负面程度与上市公司股价崩盘风险呈显著的负相关关系。对不同的年报问询函语调负面程度进一步分析后发现：在语调负面程度较低时，年报柔性监管能够降低股价崩盘风险；但随着语调负面程度的提高，年报柔性监管便难以发挥作用。今后交易所应提高问询质量、监管部门应完善制度建设、上市公司应加强信息披露、投资者关注年报问询函语调指标，以更好地发挥年报柔性监管作用。

年报问询函监管制度作为证券交易所监管市场的重要手段日益获得认可。为探索企业内部控制质量对年报问询函的影响，本文基于企业回函视角，运用stata15软件，采用固定效应模型进行检验及异质性分析。研究发现，高质量的企业内部控制能够提升回函效率。同时，由于产权性质和问询问题性质的不同，其回函效率亦有所差异。实证显示：非国有企业回函态度更积极，而如果问询问题性质越严重，则内部控制质量越高的企业回函效率越高。本文研究结论对于促进企业加强内部控制，提升会计信息披露质量，促进问询监管制度更好发挥效用具有积极意义。

This study introduces an innovative strategy for detecting financial fraud by examining the abnormal distribution characteristics within corporate information disclosures. Financial fraud not only results in substantial losses for investors but also undermines the stability of capital markets. By utilizing Benford’s Law and Zipf’s Law， the study develops a set of indicators to identify financial fraud through the detection of anomalies in the distribution patterns of numerical and textual disclosures， and it demonstrates the effectiveness of these indicators within the context of the Chinese market. Unlike traditional methods， which typically rely on financial data or the analysis of tone and thematic content， this approach offers superior interpretability， is independent of time-series or cross-sectional data， and is applicable to a broad array of financial fraud scenarios.The research first investigates whether large-scale numerical and textual disclosure data adhere to the expected distributional laws. The findings reveal that over 80% of companies’ annual financial data conform to Benford’s Law， while textual data in MD&A disclosures largely follows Zipf’s Law. Building on these insights， the study introduces two anomaly detection metrics： the K S statistic for numerical disclosures and the e-value for textual disclosures. Subsequent empirical analysis confirms significant differences in the K S and ε -values between fraudulent and non-fraudulent firms. Specifically， a greater deviation from the expected natural distribution， as indicated by higher K S and ε -values， correlates with a higher probability of financial fraud. Through the application of machine learning and deep learning models， the study finds that incorporating these abnormal distribution features enhances fraud detection accuracy， precision， recall， and F1 scores by up to 17% to 26%. These results offer valuable incremental insights for financial fraud detection in the Chinese market， contributing to enhanced detection capabilities for both regulators and investors.The key conclusion of this study is that abnormal distribution characteristics in both numerical and textual disclosures serve as effective tools for financial fraud detection， significantly improving detection accuracy. However， the research has certain limitations， such as sample matching challenges and data filtering constraints. Future studies should expand the scope to include a wider range of company types and smaller sample sizes. Additionally， future research could explore technological advancements to further optimize the identification of abnormal distribution features， thereby improving the applicability and predictive power of financial fraud detection strategies.