市值风云APP原创作品 欢迎转发，转载需授权

作者 | 熊本熊（实习生）

编辑 | 小鲨鱼

上市公司造假的手段，主要可以分为三类：

其一，收入类造假，如伪造合同虚构收入的万福生科；

其二，成本费用类造假，如通过少计成本虚增利润的三峡新材；

其三，关联交易造假，如隐瞒与关联方之间的交易，导致利润总额虚增的康欣新材。

在大Ａ股这充满诱惑的市场，遍地都是娇嫩的韭菜，只要通过会计分录，简简单单便能割走大把钱财，让揣着镰刀的老板，如何按耐得住心中的悸动呢。

而对于财务造假的识别，一直是一个难题，每一家上市公司看起来都是那么眉清目秀婀娜多姿，没有谁脸上写着“造假”两个字。

别说普通的投资者，就是在资本市场浸淫多年且具备专业财务技能的业内人士，也很难识破财务舞弊。

在互联网技术突飞猛进的当今社会，风云君曾想是否可以利用互联网技术来提高财务舞弊识别效率，甚至开发一种简单实用的财务舞弊辅助识别工具？

本福特定律，是一个有关于首位数字在数值数据集的频率分布，此定律已经存在很长的一段时间，但到了最近几年才被频繁地讨论和使用。

本福特定律命名来源于20世纪的英国科学家本福特，他使用的前提限制为，数据必须为自然数据，所以人为制造的数据，像手机号码、身分证字号都不适用这个定律。

本福特定律指出在这些自然数据中，如信用卡付费帐单、财务报表等，第一个首位数字1（例如：1 ，123，1234）的出现次数约为30.1％，首位数字是2的比例约为17.6％，后面数字出现的机率将逐渐变小，到首位字母为9时，数字出现机率已经小于5%。

本福特定律：P(d)=

这个结论与常人的直观结论不同，一般来说我们会认为1～9每个数字，出现的机率皆为1/9，但本福特定律指出，在自然数据下，首字母的分布，并不是这样的。

据说本福特是在翻对数表时发现这个定律的，像图书馆的书一样,前面几页的颜色总是特别深，越到后面颜色越浅，书页越新，因而让本福特想到，是不是1为首字母的数会是最多的呢，从而得出这个定律。

接下来科普点技术。

大Ａ股3000多家上市公司，算上每年IPO的企业，若是一家一家用excel建模，那得到何年何月才能做完呢？

俗话说授人以鱼不如授人以渔，今天风云君便手把手教大家，如何用python建模，来检验上市公司报表的首位字母是否满足本福特定律。

ps:对于不想学的老板们，看到这边就可以直接跳到最下面的留言区，只要阅读量过万，留言区便会将源码奉上。

步骤一：安装python3

步骤二：安装这次所需要的库