CC BY
109
13S
К ВОПРОСУ О МЕТОДАХ ОЦЕНКИ ВЕРОЯТНОСТИ МАНИПУЛИРОВАНИЯ ДАННЫМИ ФИНАНСОВОЙ ОТЧЕТНОСТИ
Е.Д. Захарова, студент
М.Ю. Савельева, канд. экон. наук, доцент
Новосибирский государственный университет экономики и управления (Россия, г. Новосибирск)
DOI: 10.24411/2411-0450-2019-11232
Аннотация. В данной статье представлены различные методы оценки вероятности манипулирования данными финансовой отчетности, рассмотрены преимущества и недостатки тех или иных методов, предложен интегральный показатель как метод выявления манипулирования данными финансовой отчетности на больших массивах данных с учетом отраслевой специфики.
Ключевые слова: бухгалтерская отчетность, достоверность, манипулирование, финансовые коэффициенты, пробит-регрессия, оценка вероятности.
Как в зарубежной, так и в отечественной практике существуют различные методы анализа бухгалтерской отчетности компании на предмет достоверности данных, содержащихся в ней.
Экономическая актуальность данной работы обусловлена ростом интереса стейкхолдеров к различным подходам качества оценки финансовой отчетности, в связи с продолжающимся увеличением количества компаний-манипуляторов, и что не менее важно в их числе компаний-банкротов. Также исследование вызвано необходимостью поиска метода оценки достоверности финансовой отчетности на больших массивах данных в различных отраслях экономики, так как существующие механизмы мониторинга финансовой отчетности либо устарели, ввиду развития и совершенствования способов финансового манипулирования, либо вновь созданные методики не применимы из-за отсутствия эффективных результатов апробации на практике.
К методам подхода к оценке достоверности бухгалтерской отчетности относятся:
- анализ бухгалтерской отчетности на предмет выявления сознательных искажений с использованием модели, основанной на закономерностях закона Бенфорда (А. Дикман, С. Дуртчи);
- анализ бухгалтерской отчетности отдельных экономических субъектов на предмет выявления сознательных искаже-
ний и получения достаточной уверенности в качестве раскрываемой прибыли (С. Ричардсон, Р. Слоян, Е. Гордон, М. Бениш, П. Хели, Л. Дж.Анжело, Дж. Джонс);
- построение «рейтингов» экономических субъектов на основе сравнений отдельных финансовых показателей с их эталонными значениями с последующим переведением полученных отклонений в баллы (доли) и выведением итоговой оценки (Д. Пиотровский);
- построение интегральных индикаторов, подтверждающих достоверность финансовой отчетности, и определение состава формирующих показателей (М. Бениш);
- расширение количественных подходов к построению индикаторов достоверности финансовой отчетности через использование алгоритмов вариационного исчисления (пробит, логит-регрессии) (Р. Слоан);
- разработка индикаторов оценки достоверности финансовой отчетности на основе совокупностной концепции типологии данных (М.А. Алексеев);
- использование экстрафинансовых показателей для оценки достоверности бухгалтерской отчетности (М. Зимбельман, В. Дешоу, В. Ге, Ч. Ларсон, Ф. Слоан) [5].
В западной практике наибольшую популярность приобрели: модель, основанная на законе Бенфорда, Б-БСОКЕ Пиот-
ровского, M-SCORE М. Бениша, F-SCORE Слоуна.
Интегральный показатель манипулирования финансовой отчетностью - индекс манипулирования M-Score М. Бениша представляет собой систему из пяти и восьми показателей, сгруппированных в три блока:
- показатели, оценивающие скорость развития компании;
- показатели, оценивающие агрессивность применяемой учетной политики компании;
- показатели, оценивающие степень финансовых и экономических затруднений в компании.
Пятифакторная модель М. Бениша имеет следующий вид:
M-Score=-
6,065+0,823*DSRI+0,906*GMI+0,593*AQI+0,717*S GI++0,107*DEPI, (1)
где DSRI - индекс изменения периода оборачиваемости дебиторской задолженности;
GMI - индекс изменения валовой рентабельности продаж;
AQI - индекс изменения качества активов;
SGI - индекс изменения выручки;
DEPI - индекс изменения нормы амортизационных отчислений.
Исследование практической применимости показателя M - Score М. Бениша, осуществленное М.А. Алексеевым, показало, что в целом методика применима для выявления случаев манипулирования бухгалтерской отчетностью компаниями, представляющими результаты своей деятельности в рамках РСБУ [ 1].
Однако, несмотря на возможность выявления фактов манипулирования с достаточной степенью вероятности, модель имеет ряд недостатков, к которым относят:
- детерминизм показателей, входящих в модель;
- сложность расчета индекса в российской практике;
- невозможность выявления фактов занижения показателей финансового результата.
Индекс мошенничества F-Score Р. Слоуна отличается от индекса манипу-
лирования M-Score не только идеологически, но и методологически: в его основе лежит алгоритм определения параметров непрерывной логистической регрессии методом максимального правдоподобия.
В основе этого коэффициента лежит сравнение вероятности манипулирования отчетностью с параметром 0,0037, который является показателем ожидания присутствия в финансовой отчетности искажения. Этот параметр был получен в итоге нахождения доли манипуляторов в общей сумме компаний за рассматриваемый период.
Для нахождения значения индекса мошенничества, первоначально рассчитывают уравнение зависимой переменной:
= -7,893 + 0,79 * RSSTACC + 2,518 * CHREC + 1,191 * CHINV + 1,979Х *SoftASSETS + 0,171 * CHcs - 0,932 * CHR0A + 1,029 * Issue, (2)
где RSSTacc -коэффициент начислений;
CHREC - коэффициент изменения дебиторской задолженности;
- коэффициент изменения товарно - материальных запасов;
- доля активов, наиболее подверженных манипулированию;
- коэффициент изменения денежного компонента в выручке;
CHroa - коэффициент изменения рентабельности активов;
- показатель эмиссионной активности компании.
Формула расчета вероятности искажения финансовой отчетности выглядит следующим образом:
Р =
1+еУ
F — Score =
0,0037
(3)
(4)
При значении коэффициента F - Score, превышающем единицу, можно говорить о присутствии факта мошенничества с вероятностью Р.
Проверка применимости в российской практике индекса мошенничества подтвердила возможность модели с высокой вероятностью выявлять факты манипули-
рования финансовой отчетностью. Однако следует отметить, что и модель Б-Зеоге Р. Слоуна не учитывает отраслевые особенности компаний и имеет такой значительный недостаток, как детерминизм показателей [2].
Таблица 1. Достоинства и недостатки подходов к оценке достоверности финансовой отчетности
Наименование подхода Авторы Достоинства Недостатки
Модель, основанная на закономерностях закона Бенфорда А. Дикман, С.Дуртчи - не требует формирования продолжительных временных рядов с последующим перекрестным анализом данных; - не требует включения в анализ прогнозной информации об ожидаемых значениях финансовых показателей; - не требует наличия информации о динамике цен на рынках, связанных с объектом наблюдения. - формирование информационного массива из числовых значений, являющихся результатами стандартных преобразований чисел, соответствующих закону Бен-форда, не гарантирует того, что результирующие данные будут также соответствовать рассматриваемому аналитическому закону; - линейная зависимость между коэффициентами начислений и показателями среднего абсолютного отклонения фактических и аналитических (соответствующих закону Бенфорда) плотностей распределения цифр в первом разряде бухгалтерской (финансовой) отчетности не подтвердилась; - первоначальный детерминизм показателей.
Анализ финансовой отчетности отдельных экономических субъектов на предмет выявления сознательных искажений и получения достаточной уверенности о качестве раскрываемой прибыли П.Хели, Л.ДеАнжело - установлено отсутствие полного тождества между реальными результатами деятельности и их отображением в финансовой отчетности; - применили показатель начислений, построенный на сопоставлении данных отчета о финансовых результатах с данными в ОДДС. - существенные изменения экономических условий могут привести к получению недостоверных сведений; - невозможно осуществить корректное разделение ошибок прогнозирования и оценочных значений произвольных начислений; - предсказательная сила зависит от доминирования определенных характеристик сложившихся учетных политик; - первоначальный детерминизм показателей.
Модель суммарных начислений Дж.Джонс - увеличено количество предикторов регрессионной модели; - большая часть обязательных начислений формируется амортизацией. - первоначальный детерминизм показателей.
ЕЗ - модель С.Ханга, К.Шиварамакри шмана - строит регрессионную зависимость в отраслевом разрезе; - не выделяет специфические особенности отдельного экономического субъекта; - уменьшает возможность проявления случайных ошибок. - первоначальный детерминизм показателей.
Построение «рейтингов» экономических субъектов на основе сравнений отдельных финансовых показателей M.Бениш (M-Score) - дает возможность оценки полноты и достоверности бухгалтерской отчетности; - значения отдельных компонентов индекса имеют предсказательную силу и указывают разделы отчетности, в которых совершены манипуляции. - высокая трудоемкость предложенного метода в российских реалиях; - первоначальный детерминизм показателей.
Расширение количественных подходов к построению индикаторов достоверности финансовой отчетности через использование алгоритмов вариационного исчисления (пробит-, логит-регрессии) Д.Пиатровский (F-Score) - предсказывает вероятность нахождения зависимой переменной на отрезке. - не учитывают динамические аспекты функционирования компании и темпов прироста соответствующих показателей; - зависимость от экономической ситуации; - первоначальный детерминизм показателей.
Разработка индикаторов оценки достоверности финансовой отчетности на основе совокупностной концепции типологической группировки компаний M.A.Aлексеев - дает возможность проводить оценку качества ОДДС; - дает возможность проводить типологи-зацию информационного пространства финансового рынка; - выявляет искажения финансовой отчетности в сторону занижения и завышения.
Использование экстрафинансовых показателей для оценки достоверности бухгалтерской отчетности M.Зимбельман, В.Дешоу, В.Ге, Ч.Ларсон, Ф.Слоан - сложности в искажении экстрафинансовой информации, что дает возможность ее использования для выявления искажений в бухгалтерской отчетности. - недостаточная развитость подхода.
Также была проведена группировка ме- отчетности, ее результаты представлены в тодов оценки достоверности финансовой таблице 2 [5].
Достоинства и недостатки этих и других подходов к оценке достоверности финансовой отчетности наглядно представлены в таблице 1.
Таблица 2. Группировка методов оценки достоверности финансовой отчетности
Применяемый подход Наименование группы Используемые группы
Вариационный Вариационные методы Модель основанная на закономерности закона Бенфорда (А. Дикман, С. Дурчи)
Вариационный с элементами совокупностно-го Методы оценки качества прибыли Анализ финансовой отчетности отдельных экономических субъектов на предмет сознательных искажений получения достаточной уверенности о качестве раскрываемой прибыли (П. Хели, Л. ДеАн-жело)
Модель суммарных начислений (Дж. Джонс)
KS-модель (С. Ханга, К. Шиварамакришмана)
Методы построения интегральных показателей Построение «рейтингов» экономических субъектов на основе сравнений отдельных финансовых показателей с их эталонными значениями, с последующим переведением полученных отклонений в баллы (доли) и выведением итоговой оценки (Дж. Пиат-ровский)
Построение интегральных индикаторов, подтверждающих достоверность финансовой отчетности и определение состава, формирующих их показателей (М. Бениш (M-Score))
Расширение количественных подходов к построению индикаторов достоверности финансовой отчетности через использование алгоритмов вариационного исчисления (пробит, логит-регрессии) (F-Score)
Совокупностный Методы на основе совокуп-ностной концепции типологии данных Метод на основе индикаторов оценки достоверности финансовой отчетности
Следует отметить, что все существующие модели отличаются строгим детерминизмом, что отражается в исследованиях при применении данных методик и может допускать погрешность в оценке достоверности. В этой связи целесообразно разработать новую модель, в основе которой лежал бы такой принцип, как динамическая трансформация, что поможет учесть изменчивый характер поведения внешней и внутренней среды. Разработкой такой модели на протяжении нескольких лет занималась кафедра НГУЭУ.
В качестве такой методики, предложенной М.А. Алексеевым, выступает методика построения интегрального показателя оценки вероятности искажения финансового результата в бухгалтерской отчетности компании.
М.А. Алексеевым разработана и апробирована на реальных совокупностях авторская методика оценки искажений в финансовой отчетности, базирующаяся на последовательном использовании матема-
тико-статистических моделей (типологии, кластеризации, многокритериальной оценки) для построения результирующей вероятностной модели интегрального показателя, позволяющей как выявлять факты искажения финансовых результатов деятельности хозяйствующих субъектов, так и определять направленность выявленных искажений.
Построение интегрального показателя выявления искажений деятельности компаний реализуется в пять этапов, каждый из которых включает в себя набор последовательных шагов.
Первый этап - определение основных поведенческих типов хозяйствующих субъектов и предварительный отбор компаний. Включает проведение предварительного отбора компаний для формирования списка компаний, попавших в выборку.
Второй этап - предварительный отбор компаний. Цель этапа - сформировать предварительный список компаний для
последующего выделения хозяйствующих субъектов, завышающих, занижающих и не искажающих результат своей хозяйственной деятельности в финансовой отчетности.
Третий этап - формирование выборок. Включает выявление компаний завышающих, занижающих и не искажающих свои финансовые результаты в отчетности. На этом этапе важно отметить, что индексы манипулирования M-Score и мошенничества F-Score не противоречат друг другу, являясь комплементарными в случаях искажения представления результатов деятельности компаний в сторону завышения. Результаты, полученные при реализации шагов, сопоставляются между собой и формируется первоначальная исследовательская выборка.
Четвертый этап - отбор финансовых показателей. На данном этапе формируется список финансовых показателей, значимых для последующего исследования. Список финансовых показателей представлен в приложении Б. Применяется соответствующий статистический аппарат для построения пробит-регрессии, а именно: проверяются значения соответствующего финансового показателя на подчинение нормальному распределению с помощью теста Колмогорова - Смирнова и U-теста Манна-Уитни (Mann-Whitney U-test); отбираются значения показателей, близкие к нулю, после расчета U-теста Манна-Уитни; проводится проверка отобранных финансовых показателей на мультиколли-неарность.
Заключительный этап - построение модели пробит-регрессии, определение гра-
Библиографический список
1. Алексеев М.А. Информационное пространство финансового рынка: моногр. / М.А. Алексеев; Новосиб. гос. ун-т экономики и управления. - Новосибирск: НГУЭУ, 2017. - 247 с.
2. Алексеев М.А. О проблемах применения индекса F-Score к финансовой отчетности российских компаний // Проблемы экономической науки и практики: - Новосибирск: НГУЭУ, 2016. - С. 22-32.
3. Алексеев М.А. Опыты оценки отчетности российских предприятий с помощью индекса манипулирования // Современные финансовые отношения: проблемы и перспективы развития. Материалы III Международной научно-практической конференции преподавателей, аспирантов и магистров. Ответственные редакторы Т.А. Владимирова, В.Г. Соколов. - 2016. - С. 3-12.
ниц и проверка результатов. Включает построение модели пробит-регрессии и определение ее параметров в программе БТАТ^ТЮА [4].
Практическая значимость исследования состоит в возможности применения для компаний с различным видом экономической деятельности нового интегрального показателя оценки вероятности банкротства, позволяющего в соответствии с принципом динамической трансформации обновлять и модернизировать соответственно коэффициенты значимости факторов и самих факторов в общей интегральной оценке вероятности банкротства для каждого конкретного случая. Это позволит уйти от строгого детерминизма показателей, входящих в модель, будет способствовать нивелированию манипулирования данными бухгалтерской (финансовой) отчетности и даст более точную оценку вероятности банкротства.
В связи с чем, видятся перспективы развития методик анализа достоверности финансовой отчетности, поиск новых решений данной проблемы. С увеличением интереса различных групп специалистов к данному вопросу, рационально объединение интересов бухгалтеров, аудиторов и финансовых аналитиков для решения задачи поиска различных методов оценки достоверности информации как бухгалтерского баланса, так и других форм отчетности и их разделов в частности, а также построения новых моделей с использованием различных математических и статистических программ.
4. Алексеев М.А., Дудин С.А. Методика построения показателя выявления искажения результатов деятельности компании // В сборнике: Бухгалтерский учет, анализ и аудит: форсайт и бэкграунд сборник научных статей по материалам Межрегионального бухгалтерского форума, посвященного 50-летию НГУЭУ и бухгалтерского образования в Сибири. - Новосибирск, 2017. - С. 5-19.
5. Алексеев М.А., Савельева М.Ю., Дудин С.А. Критический анализ развития методов оценки качества финансовой отчетности // Вестник НГУЭУ. - 2018. - № 3. - С. 144-161.
6. Дудин С.А., Савельева М.Ю., Максименко И.Н. Построение интегрального показателя оценки вероятности искажения финансового результата в бухгалтерской отчетности компаний в сторону его завышения // Экономический анализ: теория и практика. - 2018. -Т. 17. № 6 (477). - С. 1161-1177.
TO THE QUESTION OF METHODS FOR EVALUATING THE PROBABILITY OF MANIPULATING THE FINANCIAL STATEMENTS DATA
E.D. Zakharova, Student
M.Yu. Savelieva, Candidate of Economic Sciences, Associate Professor Novosibirsk State University of Economics and Management (Russia, Novosibirsk)
Abstract. This article presents various methods for assessing the probability of manipulating financial reporting data, considers the advantages and disadvantages of various methods, proposes an integral indicator as a method for identifying the manipulation offinancial reporting data on large data sets taking into account industry specifics.
Keywords: financial statements, reliability, manipulation, financial ratios, probit regression, probability assessment.
