# FinFraud-CN 典型案例分析

## 1. 报告定位

FinFraud-CN 的难点不在于模型能否说出“坏账可能有问题”或“利润可能被操纵”，而在于能否从多份未经裁剪的财报中，把会计科目、期间、业务事实、数值变化和监管认定问题一一对应起来。本报告从 pilot100 中选取三个案例，观察模型怎样发现风险、怎样组织证据，以及为什么合理的审计怀疑仍可能在 benchmark 中不得分。

案例选择遵循三个原则：一是覆盖跨年度、跨报告的证据链；二是覆盖不同会计科目和错报机制；三是让案例在模型表现上形成对照。`finfraud-cn-0005` 是多科目减值案例，`finfraud-cn-0010` 是五个问题集中在房地产项目和关联交易中的高密度案例，`finfraud-cn-0768` 则是以合并范围判断为核心、跨越五份定期报告的披露案例。

本文中的监管真值来自数据集 `labels/` 文件；模型表现来自统一评测结果和逐题 prediction 文件。以下结果用于比较代表模型在同一任务与评分口径下的问题识别、证据完成和输出精度，不应解释为绝对审计正确率。

## 2. 三个案例的总体对比

| 案例 | 核心难点 | 报告数 | GT issue 数 | Opus 4.8 R_I/R_E | Opus 5 R_I/R_E | gpt-5.6-sol R_I/R_E |
|---|---|---:|---:|---:|---:|---:|
| 0005 | 多科目减值估计 | 3 | 4 | 100% / 50% | **100% / 100%** | 100% / 100% |
| 0010 | 房地产收入、成本和关联交易多问题覆盖 | 2 | 5 | 20% / 20% | **60% / 20%** | 20% / 0% |
| 0768 | 合并范围、控制权和中报年报勾稽 | 5 | 1 | 0% / 0% | **100% / 100%** | 0% / 0% |

这三个案例合在一起说明了三个层次的能力：模型能否覆盖同一机制下的多个科目，能否在问题密集时保持系统排查，以及能否识别非数值的合并判断问题。Opus 5 在三例中的 R_I 分别为 100%、60%、100%，但 0010 的 R_E 仍只有 20%，说明“找到更多问题”不等于“完成更多证明”。

## 3. 案例一：0005——多科目减值估计失真

### 3.1 案例概况

该案涉及公司代码 000008，输入为 2020、2021、2022 三份年度报告，共 164,717 字符，监管认定四个问题，分别涉及商誉、存货、应收账款和长期股权投资。它很像真实审计中的“估计类风险组合”：每个科目单独看都有会计判断，但跨期放在一起后，会出现减值确认滞后、预测参数偏乐观和风险准备集中补提等共同模式。

监管认定包括：

- 商誉减值测试的收入预测、营运资金趋势、资产组认定和计算存在问题；
- 存货已经出现减值迹象，但以前年度未充分测试和计提；
- 应收账款信用风险已经区别于正常回收款项，但未单独评估，历史损失率还存在计算错误；
- 长期股权投资可收回金额测算不准确。

### 3.2 证据链如何串起来

第一条主线是应收账款。2021 年坏账准备变动出现 60,666,034.21 元的反向变动，且 2021 年末整体计提比例从 2020 年的 11.03% 降到 9.96%；到了 2022 年，又确认 170,029,728.03 元坏账损失，计提比例升到 17.04%。更值得注意的是，2 至 3 年账龄余额从 322,764,901.41 元增加到 622,872,941.49 元，3 年以上余额从 218,921,249.14 元增加到 339,924,071.07 元，账龄恶化与中间年度计提率下降方向相反。

第二条主线是商誉。商誉原值连续三年为 3,682,189,666.96 元，减值准备由 2020 年末的 657,876,409.86 元升至 2022 年末的 1,020,657,082.66 元。2020 年报对多个资产组预测下一年收入增长约 50%-108%，而集团 2021 年实际营业收入仅较 2020 年增长 15.50%；2021 年报继续对多个资产组使用约 65%-96% 的下一年增长假设，2022 年实际收入反而下降 19.95%。这类“高增长预测—下一年落空—继续补提减值”的序列，是减值测试及时性和可收回金额可靠性的典型审计线索。

第三条主线是长期股权投资。禹亳铁路投资实缴 16 亿元，仅持有 13.249% 股权却享有 50% 表决权；2021 年追加投资 835,400,000.00 元的同时，计提 1,200,457,974.07 元减值，2022 年又计提 25,060,575.08 元。追加投资与“经营情况严重恶化”的判断出现在同一年度，投资决策、控制判断和减值时点之间存在需要解释的矛盾。

第四条主线是存货。2020 年营业收入下降 40.45%，存货却增长 64.35% 至 1,083,364,254.37 元；2020 和 2021 年跌价准备为零，2022 年一次性计提 89,772,937.28 元。后续集中计提并不能自动证明前期一定存在错报，但足以构成应当回溯检查存货库龄、可变现净值和减值测试底稿的强风险信号。

### 3.3 模型表现与启示

| 模型 | 识别 | 证据 | 精确率 | 典型行为 |
|---|---:|---:|---:|---|
| Claude Opus 4.8 | 4/4 | 2/4 | 80% | 能找到四个科目，但有两个问题停留在方向判断或证据不够贴合。 |
| Claude Opus 5 | 4/4 | 4/4 | 80% | 把坏账、商誉、长期股权投资、存货四条主线都完成到证据层。 |
| gpt-5.6-sol | 4/4 | 4/4 | 100% | 输出四条，全部对应 GT，额外候选最少，是该案精确率最高的模型。 |

这个案例最能说明 Opus 5 的提升不是单纯增加候选。Opus 5 和 Opus 4.8 都输出五条，但前者把四个 GT issue 都落实为可接受证据；gpt-5.6-sol 则通过输出四条而获得更高精确率。对 agent 设计而言，理想流程应当是“先内部发现多个候选，再经过证据门控后提交”，而不是直接把所有合理怀疑都写入最终清单。

## 4. 案例二：0010——五个问题挤在两份房地产报告中

### 4.1 案例概况

该案涉及公司代码 000014，输入仅有 2007 和 2008 两份年度报告，语料量 68,824 字符，但监管真值有五个问题。这是一个很有代表性的“短文档、高问题密度”案例：文档不算最长，却要求模型在同一房地产项目中分别核对收入截止性、赔偿性质、预收账款、车位成本和销售代理费用。

监管认定的五个问题是：

1. 将 2009 年办理入伙手续的 6 户房产提前确认为 2008 年收入，金额约 741 万元；
2. 将鹤塘小区第四栋物业损害赔偿按公允价值 2,082.30 万元确认营业收入和开发成本，性质判断与会计处理错误；
3. 约 757.11 万元装修收入和约 57.6 万元不可退定金长期挂在预收账款，未及时确认收入；
4. 出租车位摊销成本计入管理费用，出售车位又按固定金额而非账面剩余价值结转成本；
5. 销售收入约 2.61 亿元，合同应计提销售代理费约 210 万元，实际只确认 58 万元，少计约 152 万元。

### 4.2 关键勾稽关系

2007 年报期末预收账款为 21,501,651.05 元，2008 年报对同一比较日的数字变为 8,007,331.20 元，差异 13,494,319.85 元。两份报告没有给出足够清楚的前期差错更正解释，意味着审计师不能只看 2008 年单期余额，而要把比较数据、留存收益和预收房款明细一起追溯。

成本端同样存在强信号：2008 年深圳地区毛利率达到 66.34%，2007 年为 43.40%；假日广场由开发成本转入开发产品 631,822,290.28 元，本期结转只有 95,102,931.00 元。收入确认、开发产品结转和土地增值税计提必须放在同一条项目级勾稽链中，否则很容易只把高毛利视为经营变化。

关联交易还提供了第二条风险路径。母公司 2008 年其他应收款 300,362,198.24 元，其中对子公司余额 292,889,770.10 元；按照报告披露的账龄政策回算，1-2 年和 2-3 年款项可能少提坏账准备超过 2,100 万元。该问题与房地产收入错报不是同一个 GT issue，却共同指向资金占用、关联交易和利润确认的治理风险。

### 4.3 模型表现与启示

| 模型 | 识别 | 证据 | 精确率 | 观察 |
|---|---:|---:|---:|---|
| Claude Opus 4.8 | 1/5 | 1/5 | 25% | 主要抓到扩展性的资金占用、担保费和库存风险，遗漏多数 GT 问题。 |
| Claude Opus 5 | 3/5 | 1/5 | 60% | 能把前期重述、收入跨期和关联交易串起来，但证据门控没有同步提升。 |
| gpt-5.6-sol | 1/5 | 0/5 | 33.3% | 输出更少，但只命中一个问题，且没有形成匹配证据。 |

这个案例的关键不是模型“有没有看出异常”，而是是否有覆盖程序。一个稳健的审计 agent 应当把房地产项目拆成至少五个检查面：收入确认、预收账款、开发成本结转、税费/费用计提、关联方及资金往来。若只围绕“收入跨期”形成一个漂亮叙事，仍然会漏掉车位成本和代理费等独立问题。

## 5. 案例三：0768——合并范围判断被数值异常遮蔽

### 5.1 案例概况

该案为雄安新动力科技股份有限公司，涉及 2022 年半年报、2022 年年报、2023 年半年报、2023 年年报和 2024 年半年报，共五份报告、148,165 字符。监管真值只有一个问题：五份报告均未按规定将普益石家庄股权投资基金管理中心（有限合伙）纳入合并报表，导致定期报告存在虚假记载。

它表面上是单 issue 案例，实际上并不简单。输入中还有大量应收款核销、受限货币资金、存货分类和投资收益异常，模型很容易把注意力放在金额最大的资产问题上，而没有追问“公司是否仍然控制该基金”“处置是否真正导致丧失控制权”“合并范围变化是否与收益确认一致”。

### 5.2 应当串联的证据

2022 年半年报投资收益为 17,513,493.17 元，而归属于母公司净利润为 17,497,008.99 元；其中处置长期股权投资收益 19,593,941.26 元，几乎构成中期全部利润。2022 年年报同一项目又变为 16,071,979.72 元，减少 3,521,961.54 元，但未给出充分的处置事项解释。

与此同时，2023 年半年报其他应收款往来款增加 79,115,534.60 元，2024 年半年报一次性核销应收账款 190,845,007.33 元和其他应收款 88,222,304.99 元，合计约 2.79 亿元。发出商品也从 2022 年末的 139,534,690.47 元增至 2024 年半年末的 170,294,170.63 元，且 2023 年半年报与年报的存货跌价准备计提额不能相互勾稽。

这些异常都值得审计追查，但本题的监管真值聚焦合并范围。正确的推理路径是：先定位基金投资和处置事实，再检查控制权、合并范围、处置收益和剩余权益的披露，最后用其他应收款和现金流附注作为交叉验证，而不是把所有异常都混成“资金占用风险”。

### 5.3 模型表现与启示

| 模型 | 识别 | 证据 | 精确率 | 观察 |
|---|---:|---:|---:|---|
| Claude Opus 4.8 | 0/1 | 0/1 | 0% | 提出多条有审计价值的资金和利润风险，但没有命中合并范围 GT。 |
| Claude Opus 5 | 1/1 | 1/1 | 20% | 成功把控制权变化、处置收益和基金投资串成一条合并判断证据链；其余四条为未单独标注的扩展风险。 |
| gpt-5.6-sol | 0/1 | 0/1 | 0% | 找到若干附注算术和资产分类异常，但没有上升到合并范围判断。 |

该案例说明，非数值披露问题需要不同于比率扫描的策略。模型必须建立“主体—控制权—合并范围—处置—投资收益”的关系图，才能从看似分散的附注中恢复会计事实。Opus 5 在这里的成功不是发现了最多数字，而是选择了正确的会计问题粒度。

## 6. 综合启示

### 6.1 共同机制可以提高召回，但不能替代逐项覆盖

0005 中四个问题都与减值估计有关，因此模型可以用“前期少计、后期集中补提”建立统一主线；但最终仍必须分别验证商誉预测、存货迹象、应收账款账龄和长期股权投资可收回金额。0010 则说明同一房地产项目中即使有一条强主线，也不能省略费用、成本和关联交易检查。

### 6.2 证据门控是独立阶段

0005 的 Opus 4.8 取得 4/4 的问题召回，却只有 2/4 的证据召回；0010 的 Opus 5 取得 3/5 的问题召回，却只有 1/5 的证据召回。下一代 agent 不应把“标题看起来正确”直接视为完成，而应要求每条最终指控同时满足：报告和期间正确、科目和主体正确、原文数字可定位、跨期关系支持结论。

### 6.3 合理风险不等于 benchmark 命中

0768 中 Opus 4.8 提出的资金占用和受限资金风险并非没有审计价值，只是它们不是本题 labels 中唯一的监管认定 issue。benchmark 的一对一匹配会迫使模型把宽泛的怀疑收敛到正确问题粒度，这正是 precision 对实际复核成本有意义的原因。

### 6.4 最终输出应当少而强

Opus 5 在三个案例中都输出 5 条，但 0010 的证据完成度仍低，0768 的 P_I 只有 20%。更合理的工程设计是允许内部搜索阶段产生多个候选，再用证据完整度、问题去重和监管问题粒度做最终筛选。输出上限不应只是硬截断，而应成为最后一道质量门。

## 7. 复核边界与数据说明

- 监管真值来自 `data/FinFraud-CN-pilot100/labels/`，案例任务和报告范围来自 `tasks/` 与 `filings_pdf/MANIFEST.json`。
- 模型指标来自统一评测记录，并按同一案例口径展示问题识别、证据完成和输出精度。
- 案例级 P_I、R_I、R_E 按评分脚本逐案例计算，不应与微观汇总比例混用。
- 全部 100 道题都是正样本，因此不能从这些案例推断真实场景中的造假检出率或误报率。
- 文中模型证据链中的数字用于展示审计推理路径；正式审计或对外引用时，应回到对应 PDF 原文和 CSRC 行政处罚决定书逐项复核。