政府 ， 然而 政府 卻 不 像 股東 必須 事 前 對 公司 承諾 投入 之 資源 。 關於 政府 涉入 會計 系統 之 此 一 層面 及 其他 層面 ， 將 留待 第十二 章 再行 討論 。 稅務 報導 與 財務 報導 之 會計 處理 均 源於 一 套 共用 的 會計 紀錄 與 交易 分析 系統 。 稅務 與 財務 報導 之 會計 處理 二 者 之 差別 ， 多 是 出現 於 較 高 層次 之 彙總 過程 。 此 共同 系統 之 設計 免除 了 為了 每 一 種 目的 ， 分別 單獨 設計 一 套 基本 會計 紀錄 ， 所 增加 之 會計 系統 維護 與 查核 成本 。 盈餘 管理 按 最佳 評價 對應 （ first-best mapping ） 將 實體 資源 淨利 轉換為 貨幣 單位 ， 在 實務 上 十分 罕見 ， 因為 公司 之 契約 系統 會 誘使 經理人 偏離 中立 之 報導 。 再者 ， 投資人 與 其他 當事人 ， 也 預期 經理人 會 從事 此 類 操弄 ， 因此 他們 不盡然 會 接受 所 報導 淨利 即已 代表 最佳 評價 之 對應 。 我們 對 人類 如何 形成 對 自然 事件 之 預期 、 對 其他 人 行動 之 預期 、 及 對 其他 人 預期 之 預期 ， 所 瞭解 者 仍 屬 十分 有限 。 因此 ， 許多 試圖 洞察 經理人 盈餘 管理 行為 之 努力 ， 均 難以 獲致 成果 。 我們 對 淨利 序列 之 平穩性 （ smoothness ） 與 淨利 平穩化 （ smoothing ） 瞭解 多少 ？ 經理人 平穩化 淨利 之 企圖 ， 並 不一定 確 能 獲得 統計 上 較 平穩 之 時間 數列 。 事實 上 ， 此 種 努力 可能 會 獲致 反效果 。 我們 下面 之 討論 雖 是 針對 公司 淨利 ， 但 大部分 也 能 適用 於 衡量 任何 管理 層級 之 類似 淨利 （ income-like ） 的 平穩化 。 ◎ 平穩性 之 統計 衡量 有 許多 方法 可 衡量 淨利 數列 之 平穩性 。 變異 程度 （ 如 相對於 某 固定 平均數 、 相對於 某 趨勢線 、 或 相對於 某 指數 平穩化 平均數 ） 常 用以 作為 平穩性 之 相反 衡量 。 一 階 或 更 高階 之 序列 相關 乃 另 一 類 平穩性 衡量 方式 。 基於 過去 資料 預測 數列 之 可 預測性 ， 則 為 第三 類 衡量 方式 。 這些 衡量 方式 大部分 是 基於 直覺 。 依 某 種 特別 設定 之 意義 而 言 ， 含有 極端值 之 數列 亦 可 說 是 具有 平穩性 。 然而 ， 我們 也 很 容易 可以 設想出 這些 平穩性 衡量 指標 不 符合 直覺 之 反例 。 例如 ， 如果 將 某 一 數列 沿 某 固定 平均數 為 中心 之 變異性 低視為 具 平穩性 ， 則 嚴格 地 遵循 某 陡峭 上升 線性 趨勢 之 過程 ， 將 比起 具有 小 獨立 誤差項 之 固定 平均數 過程 更 不 平穩 （ 參閱 圖 5 -1 ） 。 數 列 之 可 預測性 與 所 使用 之 預測 模型 有關 ， 亦 與 我們 為了 利用 過去 資料 來 確認 時間 數列 過程 所 願意 犧牲 之 自由度 數目 有關 。 ◎ 淨利 過程 ： 平穩性 與 平穩化 企圖 平穩化 淨利 之 時間 數列 並 不一定 總 能 成功 。 公司 每 年 之 所得 包括 重大 之 隨機 漫步 （ random walk ） 成分 。 在 隨機 漫步 過程 中 ， 目前 觀察值 即為 未來 觀察值 之 最佳 預測值 。 在 此 情況 下 ， 為 了 更 能 符合 前期 之 觀察值 而 平穩 本 期 之 觀察值 ， 同時 也 會 增加 本 期 與 次期 觀察值 間 之 期望 差異 。 因此 ， 只有 透過 增加 未來 期間 作 更 大幅度 變動 之 機會 ， 對 當期 進行 平穩化 才 能 達到 目的 。 基於 此 ， 淨利 平穩化 與 所謂 之 “ 大 洗澡” （ big bath ） 其實 只 是 同 一 銅板 之 兩 面 。 我們 次節 將 說明 大 洗澡 之 觀念 。 經理人 於 在 平穩化 淨利 時 ， 一 次 只 能 平穩 一 個 觀察值 ， 而 無法 回頭 再 更改 過去 已 對 外 公佈 之 淨利 。 此 一 限制 再 配合 淨利 之 隨機 漫步 成份 以及 未 折現 會計 利益 不 滅 法則 ， 可能 會 產生 矛盾 之 現象 。 經理人 可能 每 期 都 從事 淨利 之 平穩 ， 但 經 平穩化 後 之 時間 數列 ， 可能 反比 原始 之 數列 更 不 具 平穩性 。 ◎ 淨利 平穩化 與 “ 大 洗澡 ” 假說 於 經營 不善 之 年度 中 ， 利用 會計 事項 之 裁決性 處理 來 降低 淨利 ， 此 種 作法 稱 之 大 洗澡 （ big bath ） 或 大掃除 （ housecleaning ） 。 此 種 行為 之 動機 為 何 ？ 經理人 可能 認為 提出 某 一 期間 績效 非常 差 之 報導 ， 比起 提出 績效 雖 非 那麼 差 ， 但 卻 是 持續 多 期 的 報導 ， 前者 所 帶來 之 傷害 要 較 後者 來得 小 。 在 本 期 從事 大 洗澡 可以 對 以後 期間 之 績效 報告 創造 相反 的 效果 。 1996年 1月份 之 華爾街日報 指出 許多 美國 公司 利用 “ 重整 費用” （ restructuring expenses ） 進行 大 洗澡 ， 以 建立 未來 年度 有 健康 盈餘 成長 之 基礎 8 。 在 大 洗澡 後 會 帶來 幾 年 有利 之 績效 報告 ， 且 足以 補償 於 大 洗澡 時 之 負面 效果 。 經理人 可以 選擇 進行 大 洗澡 之 時間 ， 好 讓 當年 之 不利 績效 可以 歸咎於 整體 產業 不景氣 ， 或是 個別 公司 遭受 特殊 災難 之 結果 ， 此時 可 將 大 洗澡 解釋成 肇因於 經理人 無法 控制 之 因素 所 造成 之 後果 。 此外 ， 形成 新 的 經營 團隊 時 ， 常 是 進行 大 洗澡 之 時機 ， 此時 可 將 之 歸咎於 前任 之 經營 團隊 。 最後 ， 如果 經理人 之 酬勞 包括 固定 薪資 與 一 非 負數 之 紅利 計劃 ， 而 紅利 之 計算 係 基於 公司 之 淨利 ， 則 藉由 將 費用 計入 公司 淨利 已 低於 紅利 計算 標準 之 年度 ， 經理人 可以 使 其 酬勞 總數 增加 。 換言之 ， 酬勞 計劃 凸向 原點 （ convexity ） 之 性質 ， 誘發 了 大 洗澡 行為 。 在 某 一 方面 ， 淨利 平穩化 與 大 洗澡 具有 互補 效果 ； 然而 ， 二 者 也 有 互相 抵觸 之 處 。 如果 原來 未 經 平穩化 之 淨利 是 遵循 隨機 漫步 過程 ， 則 隨著 時間 之 經過 ， 每 期 平穩化 調整 之 累計數 的 變異數 將 與日俱增 ， 此 調整 將 超過 會計 裁決 範圍 之 機率 ， 也 隨著 時間 經過 而 增加 。 當 達到 此 臨界點 時 ， 經理人 會 被迫 要 回到 原來 隨機 漫步 之 原始 路徑 上 ， 此時 他們 就 進行 大 洗澡 。 在 此 情況 下 ， 對 隨機 漫步 之 淨利 平穩化 ， 導致 偶而 發生 大 洗澡 。 大 洗澡 也 常 伴隨 管理 階層 之 更動 而 發生 ， 平穩化 － 大 洗澡 此 種 循環 本身 也 重複 發生 。 在 前後 兩 次 大 洗澡 之 期間 中 ， 管理 當局 可能 會 將 淨利 控制