CC BY
407
нием значений, что подтверждает наличие процессов конвергенции. Период с 2009 г. по 2011 г. характеризуется ростом значений индекса, что свидетельствует о наличии о-дивергенции. Межрегиональная дифференциация по социальным трансфертам превышает дифференциацию по двум другим показателям в 2 раза.
Конвергенция регионов по показателю ФКП ДХ заметно ниже конвергенции по конечному потреблению населения. Таким образом, последовательное снижение дифференциации позволяет сделать вывод о том, что существующая региональная социальная политика по устранению диспропорций регионального развития способствует снижению поляризации регионов. Однако сегмент реципиентов - скорее среднеразвитые и близкие к ним регионы, так как сравнение Т- и 1_-мер Тейла демонстрирует меньшую скорость развития именно бедных субъектов РФ.
Подводя итог проведенному исследованию, сформулируем ключевые теоретические обобщения.
1. Территориальное неравенство в развитии регионов России с позиций развития общества целесообразно исследовать на основе элементов потребления населения, как ключевого с позиций воспроизводства человеческого потенциала.
2. Наиболее удобным показателем дифференциации, имеющим возможность к декомпозиции и структурному анализу, является индекс Тейла и его разновидности.
3. Исследование конвергенции регионов России -анализ динамики неравенства - дает возможность выявления проблемных зон пространственного развития и «полюсов роста» в социальном контексте.
4. Сравнение конвергенции собственных расходов населения на потребление, суммарного потребления и социальных трансфертов дает возможность оценки эффективности государственной социальной политики.
1. Балаш О.С. Пространственный анализ конвергенции регионов России // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2012. Т. 12. № 4. С. 45 - 52.
2. Иодчин А А. Эконометрическое моделирование межрегиональной конвергенции в России: дис. ... канд. экон. наук. М., 2007.
3. Кокорина Н.В., Татаринцев П.Б. Методические вопросы выбора тест-объектов биоиндикации с использованием алгоритма сравнения коэффициентов вариации // Вестник Томского государственного университета. 2010. № 3 (11). С. 141 - 151.
4. Марков В.А. Методологические основы экспериментального математико-статистического моделирования потребительского поведения // Наука и общество. Серия «Учет и анализ. Юриспруденция». 2013. № 4 (13) - 5 (14). С. 15 - 25.
5. Общая теория статистики: учебник / Р.А. Шмойлова, В.Г. Минашкин, Н.А. Садовникова, Е.Б. Шувалова / под ред. Р.А. Шмойловой. 5-е изд. М.: Финансы и статистика, 2007.
6. Раевнева Е.В., Бобкова А.Ю. Использование индекса неравномерности Тейла в анализе диспропорций регионального развития // Бизнесинформ. 2010. № 5 (2). С. 44 - 47.
7. Факторы экономического роста в регионах РФ / С. Дро-бышевский, О. Луговой, Е. Астафьева и др. / Институт экономики переходного периода. М., 2005.
8. CowellF. Measuring Inequality. 2nd edn. Hemel Hempstead: Harvester Wheatsheaf, 2009.
9. CowellF.A. Measurement of Inequality // Handbook of Income Distribution. 2000. Vol. 1. Р. 87 - 166.
10. Quah D. Twin Peaks: Growth and Convergence in Models of Distribution Dynamics // Economic Journal. 1996. № 106. P. 1045 - 1055.
Наиля Рушановна Резяпова,
аспирантка кафедры анализа хозяйственной деятельности и аудита, Саратовский социально-экономический институт (филиал) УДК 657.6 ФГБОУ ВПО «РЭУ им. Г.В. Плеханова»
АНАЛИТИЧЕСКИЕ МЕТОДЫ ВЫЯВЛЕНИЯ НЕДОБРОСОВЕСТНЫХ ДЕЙСТВИЙ ПРИ ПРОВЕДЕНИИ АУДИТОРСКОЙ ПРОВЕРКИ
В настоящее время в Российской Федерации уделяется повышенное внимание достоверности бухгалтерской (финансовой) отчетности, поэтому вопрос отнесения выявленных ошибок к фактам недобросовестных действий или мошенничества является актуальным как для внутренних, так и для внешних пользователей отчетности. В статье рассмотрены критерии отнесения выявленных ошибок к недобросовестным действиям на основе традиционных показателей экономического анализа, к которым относят анализ темпов роста выручки от продаж, темпов снижения доли прибыли в выручке, темпов роста качества активов, коэффициентов ликвидности, концентрации собственных средств, коэффициента соотношения собственных и заемных средств, а также ряда показателей «Карты нормативных отклонений показателей» М. Бениша.
Ключевые слова: анализ, аудит, отчетность, мошенничество, недобросовестные действия.
N.R. Rezyapova
ANALYTICAL METHODS OF IDENTIFYING FRAUD WHEN CONDUCTING AN AUDIT
The paper argues that reliability of accounting (financial) statements currently receives heightened attention in the Russian Federation, so the problem of attributing errors identified during the audit to fraud or dishonesty is relevant for both
fi5y rrnelly'flyandex.ru
internal and external users of financial statements. The paper describes the criteria for attributing the errors identified during auditing to the unscrupulous activity based on traditional indicators of economic analysis, which include the analysis of the growth rate of sales revenue, the rate of decline of profit share in revenue, the growth rate of asset quality, liquidity ratios, concentration of equity, the ratio between equity and loans as well as a number of indicators of "Maps of normative deviations indicators" by M. Behnisch.
Keywords: analysis, auditing, reporting, fraud, dishonest activity.
Несмотря на то что в России, по мнению аудиторов, в области корпоративного мошенничества преобладают такие нарушения, как незаконное присвоение активов и коррупция, за последние пять лет увеличилось количество фактов манипулирования отчетностью, цель которых - представить компанию в лучшем свете для заинтересованных пользователей.
Бухгалтерская (финансовая) отчетность представляет собой совокупность показателей, отражающих результаты хозяйственной деятельности организации в форме таблиц и характеризующих движение имущества, обязательств, а также финансовое состояние организации. Следовательно, анализ отчетности на предмет выявления фактов мошенничества является первым и необходимым этапом аудиторской проверки, позволяющим снизить риск необнаружения фактов недобросовестных действий в среднем на 50 - 70% [1].
Часто при проведении проверки аудиторы применяют различные приемы экономического анализа. Требования к данным методам регламентируются Федеральным правилом (стандартом) аудиторской деятельности № 20 «Аналитические процедуры», кроме того, аудиторы могут обращаться к международным стандартам аудита, а именно к МСА 520 «Аналитические процедуры».
Одной из аналитических процедур является система М. Бениша, известная как «Карта нормативных отклонений финансовых индикаторов» (далее - Карта). В основе данной системы лежит применение методов сравнения и относительных величин, что позволяет выявить необычные колебания данных, которые могут быть следствием недобросовестного составления отчетности либо ошибок. Наиболее часто соотносят следующие три группы показателей:
1) наибольшее значение и наименьшее;
2) наибольшее значение и второе по значимости;
3) значение отчетного периода и предыдущего.
Стоит отметить, что при построении данной Карты
М. Бениш использовал данные 50 предприятий, которые были уличены в манипуляции с отчетностью, и сопоставил их с отчетными данными компаний из базы Standard&Poor's Compustat [4]. Таким образом, М. Бениш выявил несколько закономерностей:
- манипуляции с отчетностью характерны для молодых, стремительно растущих компаний;
- завышение выручки путем учета несуществующей, еще не заработанной или сомнительной выручки;
- учет несуществующих запасов;
- неправомерная капитализация затрат.
Проведя ряд исследований, М. Бениш выявил, что
применение Карты позволяет выявить искажения в 76% случаев [3]. Кроме того, применение Карты становится еще более целесообразным в случае, когда в отчетности наблюдается:
- увеличение дебиторской задолженности;
- уменьшение валовой прибыли;
- уменьшение качества активов;
- увеличение выручки от продаж;
- увеличение резервов.
Характеризуя данную модель, следует отметить, что она содержит 8 показателей, рассчитанных на основе данных бухгалтерской (финансовой) отчетности компании. Рассмотрим данные показатели подробнее.
Первый показатель - динамика оборачиваемости дебиторской задолженности (DSRI - Days Sales in Receivables Index), который рассчитывается по следующей формуле:
где AR - дебиторская задолженность; S - выручка от продаж; t - номер года, в котором обнаружено искажение отчетности.
Этот показатель отражает, сохраняется ли соотношение между дебиторской задолженностью и выручкой в двух последовательных отчетных периодах. Среднее значение данного показателя у добросовестных компаний - 1,031, у компаний, уличенных в искажении отчетности, - 1,465.
Следующим показателем является динамика доли маржинальной прибыли в выручке (GMI - Gross Margin Index). Данный показатель рассчитывается по следующей формуле:
где COGS - себестоимость реализованной продукции; S - выручка от продаж; t - номер года, в котором обнаружено искажение отчетности.
Этот показатель отражает, сохраняется ли доля валовой прибыли в выручке от реализации. Среднее значение данного показателя у добросовестных компаний - 1,014, у компаний, уличенных в искажении отчетности, - 1,193.
Третьим показателем, который был предложен М. Бе-нишом, является динамика качества активов (AQI - Asset Quality Index), который рассчитывается по следующей формуле:
ТА.
ТА. ■
где CA - оборотные активы; PPE - основные средства; TA - активы; t - номер года, в котором обнаружено искажение отчетности.
Показатель характеризует динамику внеоборотных активов за исключением основных средств, вероятность получения доходов от которых ниже, чем от основных средств. Среднее значение данного показателя у добросовестных компаний - 1,039, у компаний, уличенных в искажении отчетности, - 1,254.
Следующий показатель, описанный в «Карте нормативных отклонений финансовых индикаторов», - динамика выручки (SGI - Sales Growth Index), который рассчитывается как отношение выручки от продаж текущего отчетного периода к выручке от продаж предыдущего периода:
S
SGI = — ,
S,-.
где S - выручка от продаж; t - номер года, в котором обнаружено искажение отчетности.
Динамика выручки является одним из важнейших показателей работы компании, сильный рост формирует завышенные ожидания будущего роста у пользователей отчетности. В компаниях, уличенных в манипуляции с отчетностью, среднее значение данного показателя -1,607.
Далее анализируется динамика амортизационных начислений с помощью индекса DEPI - Depreciation Index, который рассчитывается по следующей формуле:
где D - амортизация; PPE - основные средства; t - номер года, в котором обнаружено искажение отчетности.
Показатель представляет собой отношение норм амортизации: если оно более 1, то это говорит об уменьшении нормы, при этом повышается вероятность пересмотра компанией срока полезного использования основных средств или перехода к новому способу начисления амортизации. Среднее значение данного показателя у добросовестных компаний - 0,018, у компаний, уличенных в искажении отчетности, - 0,031.
Следующий показатель - динамика доли расходов на продажу к выручке (SGAI - Sales General and Administrative Expenses Index):
где SGA - расходы на продажу; S - выручка от продаж; t - номер года, в котором обнаружено искажение отчетности.
Показатель отражает динамику соотношения расходов на продажу и объема продаж. Значение показателя в общем случае должно сохраняться постоянным: резкие колебания могут свидетельствовать об искажении показателя.
Далее рассматривается показатель динамики финансового левериджа (LVGI - Leverage Index):
„ LTD.-CL. I LTD. .-CL. ,..
ТА. / ТА: .
где LTD - долгосрочные обязательства; CL - текущие обязательства; TA - активы; t - номер года, в котором обнаружено искажение отчетности.
Показатель отражает динамику соотношения всех обязательств к совокупным активам. Значение показателя в общем случае должно сохраняться постоянным или иметь незначительные колебания: резкие колебания
могут свидетельствовать об искажении данного показателя.
Затем анализируется изменение оборотного капитала (TATA - Accruals To Total Assets). Данный показатель рассчитывается по следующей формуле:
где Cash - денежные средства; CPLTL - текущая доля долгосрочных обязательств; D&A - амортизация основных средств и нематериальных активов; CL - текущие обязательства; TA - активы; t - номер года, в котором обнаружено искажение отчетности.
Показатель отражает изменение оборотного капитала за вычетом изменения денежных средств и амортизации в соотношении с совокупными активами и помогает выявить манипуляции с доходами или расходами в рамках принципа начисления.
На основе рассмотренных выше показателей М. Бе-ниш вывел агрегированный показатель М, который характеризует вероятность фальсификации отчетности:
М = -4,84 + Q,92DSR - 0,528GMI + 0,4040.40/ - 0,892Ж7 -
Критическое значение показателя М = -2,22. Для компаний, у которых данное значения является большим, вероятность искажения отчетности составляет 76%.
Таким образом, «Карта нормативных отклонений финансовых индикаторов» М. Бениша является системой, позволяющей выявить факты недобросовестных действий и мошенничества с вероятностью до 76% на этапе предварительного анализа финансовой отчетности. Однако применение только данной системы не обеспечивает 100%-ной уверенности в обнаружении фактов мошенничества и недобросовестных действий в бухгалтерской (финансовой) отчетности. Поэтому целесообразно также применять стандартные приемы экономического анализа: анализ темпов роста выручки от продаж, темпов снижения доли прибыли в выручке, темпов роста качества активов, коэффициентов ликвидности, концентрации собственных средств, а также коэффициента соотношения собственных и заемных средств и т.д. Более того, выявленные при анализе признаки умышленного искажения бухгалтерской (финансовой) отчетности целесообразно оценивать как часть риска средств контроля, что требует увеличения выборки и процедур проверки по существу. Несомненно, проведенный предварительный анализ финансовой отчетности на предмет умышленного искажения позволит выявить риски и сконцентрировать внимание при аудиторской проверке на наиболее уязвимых моментах.
1. Информационный бюллетень компании «Инфосистемы Джет». URL: http:IIwww.jetinfo.ru.
2. Тютюрюков В.Н. Международные стандарты аудита: учебник. 2-е изд., перераб. и доп. М.: Дашков и К°, 2010.
3. Beneish M.D. Detecting GAAP Violation: implications for Assessing Earnings Management Among Firms with Extreme Financial Performance. 1997.
4. Standard & Poor's Compustat. URL: https:IIwww.capitaliq.com.
