О проблемах применения показателя манипулирования к финансовой отчетности российских предприятий Текст научной статьи по специальности «Экономика и бизнес»

УДК 336.64

О ПРОБЛЕМАХ ПРИМЕНЕНИЯ ПОКАЗАТЕЛЯ МАНИПУЛИРОВАНИЯ К ФИНАНСОВОЙ ОТЧЕТНОСТИ РОССИЙСКИХ ПРЕДПРИЯТИЙ

М.А. Алексеев

Новосибирский государственный университет экономики и управления «НИНХ» E-mail: [email protected]

Показатель манипулирования финансовой отчетностью (M-score), предложенный Бенишем, позволяет с достаточной степенью надежности выявить компании, сознательно исказившие свою отчетность в целях формирования благоприятного суждения со стороны внешних пользователей. Статистические параметры показателя манипулирования финансовой отчетностью были разработаны и исследованы на основе данных о хозяйствующих субъектах, осуществляющих свою деятельность в юрисдикции США. Остается открытым вопрос, насколько данный показатель применим в целях анализа финансовой отчетности компаний, подготовленной в соответствии с российскими стандартами бухгалтерского учета. В качестве объекта исследования была выбрана финансовая отчетность российских компаний, допустивших дефолт по своим облигациям. Сформированная выборка была проанализирована с помощью метода, предложенного Бенишем, на предмет выявления случаев манипулирования прибылью.

Ключевые слова: дефолт по облигациям, индекс манипулирования финансовой отчетностью.

THE MANIPULATION INDEX: PROBLEMS OF APLICTABILITY TO THE FINANCIAL STATEMENTS OF RUSSIAN CONPANIES

M.A. Alekseev

Novosibirsk State University of Economics and Management E-mail: [email protected]

Beneish manipulation index (M-score) allows with a sufficient degree of reliability to identify the companies who deliberately misrepresented its financial performance in order to make a financial statement more attractive for external users. The parameters of the manipulation index have been developed and investigated on the basis of financial data of companies operating in the jurisdiction of the United States. The applicability of this index as the analytical tool for the analysis of financial statements prepared in accordance with Russian accounting standards remains questionable. As the object of the study was chosen the financial statements of Russian companies have committed defaults on its bonds. The test sample was analyzed with a help of Beneish's approach to detect earnings manipulation.

Keywords: bonds default, manipulation index (M-score).

Актуальные финансовые исследования анализируют особенности принятия в Российской Федерации инвестиционных решений [2, 5], механизмы управления капиталом [6], пределы роста компаний в контексте аутсорсинга [3] и подходы к формированию и содержанию интегрированных отчетов хозяйствующих субъектов [1]. При этом используемая методология

© Алексеев М.А., 2016

основывается на неявном предположении о полноте и достоверности рассматриваемой бухгалтерской отчетности. Хозяйствующие субъекты, испытывая давление со стороны внешней среды, могут быть заинтересованы в формировании благоприятного мнения у потенциальных пользователей. Для этого лица, наделенные руководящими полномочиями, подвергают бухгалтерскую отчетность компаний целенаправленной модификации. Подобное поведение становится особенно распространенным в периоды экономических, финансовых кризисов. Как следствие, возникают вопросы не только по отношению к справедливости аналитически полученной оценки результатов деятельности хозяйствующих субъектов за прошедшие периоды, но и появляются существенные сомнения в достоверности фактической реализуемости построенных прогнозов.

Сталкиваясь с подобными вызовами, финансовые аналитики ввели в практику процедуры проверки бухгалтерской отчетности на выявление признаков сознательного манипулирования. Ведущими исследованиями в разработке методики по оценке степени искажения отчетности можно назвать работы Мессода Бениша [8, 9]. Он статистически вывел и обосновал возможность использования интегрального показателя манипулирования -индекса М^соге, состоящего из восьми компонент, для формирования профессионального суждения о полноте и достоверности бухгалтерской отчетности. При этом числовые значения каждой из отдельных компонент индекса М^соге также получили предсказательную силу и способны указывать на разделы в отчетности, в которых были совершены манипуляции. Компоненты индекса манипулирования можно разделить на три группы:

- показатели, оценивающие скорость развития компании;

- показатели, оценивающие агрессивность применяемой компанией учетной политики;

- показатели, оценивающие уровень экономических и финансовых затруднений.

Элементы, формирующие показатель М^соге, представлены в табл. 1.

Таблица 1

Компоненты индекса манипулирования (М^соге)

Обозначение показателя Наименование группы показателей Содержание показателя

SGI Показатели оценки скорости развития компании Индекс изменения выручки

DSRI Показатели оценки агрессивности учетной политики компании Индекс изменения периода оборачиваемости дебиторской задолженности

DEPI Индекс изменения нормы амортизационных отчислений

ТАТА Индекс доли суммарных начислений в суммарных активах

GMI Показатели оценки уровня экономических и финансовых затруднений Индекс изменения валовой рентабельности продаж

AQI Индекс изменения качества активов

SGAI Индекс изменения доли коммерческих и административных расходов в выручке

LVGI Индекс изменения финансовой зависимости

Показатель оценки скорости развития компании, включаемый в индекс манипулирования отчетностью - индекс изменения выручки (SGI). Сам по себе высокий темп роста выручки не говорит о манипулировании финансовой отчетностью, но статистические исследования [8] свидетельствуют о том, что быстро растущие компании более склонны к искажениям отчетности, чем компании, показывающие умеренный, равномерный рост. Компании США, манипулировавшие своей отчетностью, в среднем показывали 58 % темпа прироста выручки, в то время как среднее значение данного показателя для хозяйствующих субъектов, отображающих результаты своей деятельности корректно, составляет 13,3 %.

Группа показателей оценки агрессивности применяемой компанией учетной политики включает в себя индекс изменения периода оборачиваемости дебиторской задолженности (DSRI), индекс изменения нормы амортизационных отчислений (DEPI) и индекс доли суммарных начислений в суммарных активах (TATA).

Индекс изменения периода оборачиваемости дебиторской задолженности (DSRI) позволяет выявить сбалансированность изменений выручки и дебиторской задолженности для двух последовательных отчетных периодов. Увеличение периода оборачиваемости дебиторской задолженности свидетельствует, с одной стороны, о возможных новациях, произошедших в кредитной и реализационной политике компании. Подобное значение показателя может говорить об усиливающейся ориентации хозяйствующего субъекта на стимулирование объемов продаж под воздействием ужесточающейся конкурентной среды. С другой стороны, численное значение данного показателя, превышающее единицу, может быть связано и с замедлением превращения выручки в реальные денежные поступления вследствие совершения операций, носящих фиктивный характер. Очень высокое численное значение показателя DSRI, как правило, свидетельствует о том, что выручка и, как следствие, чистая прибыль в бухгалтерской отчетности компании завышены.

Индекс изменения нормы амортизационных отчислений (DEPI) показывает изменение норм амортизации во времени. Значение показателя меньше единицы означает, что компания или пересмотрела в сторону повышения сроки полезного использования внеоборотных активов, или приняла в учетной политике новый метод начисления амортизации.

Индекс доли суммарных начислений в суммарных активах (TATA) определяется как отношение коэффициента начислений к валюте баланса. Основа данного показателя - коэффициент начислений рассчитывается как разница между финансовым результатом деятельности компании, полученным при использовании метода начислений, и финансовым результатом, определенным в соответствии с кассовым методом.

Показатель TATA связан с исследованием качественных характеристик результатов деятельности хозяйствующего субъекта, которое реализуется через механизм разложения показателя рентабельности активов (ROA) на три компоненты в зависимости от денежного наполнения источников формирования доходов компании, подлежащих распределению между владельцами собственного и заемного капитала. Первая компонента объясняет элемент рентабельности активов, связанный с поступлением денежных

средств от текущей (операционной) деятельности. Вторая - собственно индекс доли суммарных начислений в суммарных активах, связана с начислениями (операциями), носящими «учетный» характер и не находящими подтверждение в движении денежных средств. Третья компонента показывает влияние сальдо процентных доходов и расходов в посленалоговом исчислении на рентабельность активов.

Таким образом, показатель TATA оценивает степень отклонения показателя рентабельности активов от результативности деятельности организации, объясняемую фактическими поступлениями денежных средств в процессе текущей (операционной) деятельности организации.

При этом коэффициент начислений может быть определен в соответствии с данными отчета о движении денежных средств и/или восстановлен на основании изменения данных бухгалтерского баланса (данных отчета о финансовом состоянии). Для определения индекса доли суммарных начислений в суммарных активах в исходной модели Бениша [8, 10] использовались оценочные значения, получаемые из отчета о финансовом состоянии: изменения в чистом оборотном капитале корректировались на изменения в денежных средствах и их эквивалентах и амортизацию.

Современные исследования [4, 9] рассчитывают коэффициент суммарных начислений преимущественно с использованием данных отчета о движении денежных средств, как разницу между чистой прибылью и денежным потоком от текущей (операционной) деятельности.

В группу показателей оценки уровня экономических и финансовых затруднений входят индекс изменения валовой рентабельности продаж (GMI), индекс изменения качества активов (AQI), индекс изменения доли коммерческих и административных расходов в выручке (SGAI), индекс изменения финансовой зависимости (LVGI).

Если значение индекса изменения валовой рентабельности продаж (GMI) меньше единицы, то это свидетельствует о сокращении валовой рентабельности продаж, связанной с падением объемов выручки, что является негативным сигналом с точки зрения дальнейших перспектив компании. И, следовательно, лица, наделенные руководящими полномочиями, оказываются более склонными к манипулированию показателями финансовой отчетности.

Индекс изменения качества активов определяется как изменение во времени отношения внеоборотных активов (за исключением чистой стоимости основных средств) к суммарным активам хозяйствующего субъекта. Данный показатель определяет долю внеоборотных активов, для которых будущие выгоды, формирующиеся в процессе хозяйственного использования, могут быть подвергнуты сомнению. Показатель AQI используется в качестве интегральной характеристики риска, связанного с возможной реализацией внеоборотных активов в процессе ликвидации предприятия. Если значение индекса изменения качества активов больше единицы, то компания потенциально переносит в будущие периоды текущие затраты, накапливая в отчетности отложенные издержки.

Значение индекса изменения доли коммерческих и административных расходов в выручке (SGAI) меньше единицы показывает снижение эффективности коммерческих и административных расходов компании и может

усилить мотивацию руководства компании к манипулированию отчетностью.

Значение индекса изменения финансовой зависимости (LVGI) [6] больше единицы накладывает дополнительные ограничения на деятельность компании и создает предпосылки для манипулирования отчетностью.

В экономической литературе существует несколько модификаций модели построения индекса манипулирования, в которых отдельные компоненты включаются в интегральный показатель с различными весами. Веса показателей, формирующих М^соге в рамках восьми- и пятифакторных моделей, представлены в табл. 2.

Таблица 2

Варианты построения интегрального показателя манипулирования (M-score)

Наименование показателя Вес фактора при расчете интегрального показателя манипулирования (M-score)

Восьмифакторная модель [9] Пятифакторная модель [11]

Независимый параметр -4,84 -6,065

DSRI 0,920 0,823

GMI 0,528 0,906

AQI 0,404 0,593

SGI 0,892 0,717

DEPI 0,115 0,107

SGAI -0,172 -

LVGI -0,327 -

TATA 4,679 -

Пороговое значение индекса манипулирования -1,78 -2,76

Интегральный показатель манипулирования (М^соге) для компаний, сознательно искажающих свою бухгалтерскую отчетность в рамках вось-мифакторной модели, должен превышать значение -1,78. Именно данная редакция модели была выбрана для использования в дальнейшем анализе.

Для проверки практической применимости показателя М^соге в оценке бухгалтерской (финансовой) отчетности российских компаний была выдвинута следующая гипотеза.

Н1: Компании, допустившие нарушения в исполнении своих обязательств по облигационным заимствованиям, манипулировали своей бухгалтерской (финансовой) отчетностью на этапе подготовки к привлечению инвестиционных ресурсов, что может быть выявлено с помощью показателя М^соге.

В качестве отправной точки проверки выдвинутой гипотезы был выбран перечень облигационных выпусков [7], по которым эмитенты допустили нарушения в выполнении взятых на себя обязательств. Из 242 облигационных заимствований, находящихся в первоначальном списке, были исключены:

- еврооблигации российских компаний;

- облигационные заимствования кредитных учреждений и агентств ипотечного (жилищного) кредитования субъектов Федерации;

- облигационные заимствования, осуществленные в интересах субъектов Российской Федерации, по которым последние выступили гарантами;

- облигационные заимствования компаний, осуществляющих свою деятельность за пределами Российской Федерации и представляющими свою бухгалтерскую (финансовую) отчетность в соответствии с нормативными требованиями иностранных государств (в частности, компании стран-членов ЕАЭС).

В результате произведенной сегрегации генеральную совокупность сформировал 201 облигационный выпуск, размещенный на организованном рынке ценных бумаг 143 хозяйствующими субъектами.

В дальнейшем из генеральной совокупности с помощью процедуры случайного отбора была сформирована исследовательская выборка, состоящая из 30 наблюдений. В нее вошли облигационные выпуски неповторяющихся эмитентов. Распределение объемов облигационных заимствований, вошедших в исследовательскую выборку, по годам выпусков представлено на рисунке.

25 ООО ООО ООО 20 ООО ООО ООО 15 ООО ООО ООО

№

10 ООО ООО ООО 5 ООО ООО ООО

Распределение совокупного объема облигационных заимствований, вошедших в исследовательскую выборку, по годам выпусков

Используя фактор уверенности для 95%-го доверительного интервала, изначально было определено, что

- исследовательская выборка в 30 элементов при отсутствии выявленных отклонений от выдвинутой гипотезы предоставит высокий уровень ее подтверждения;

- наличие одного отклонения сформирует средний уровень подтверждения;

- если в процессе исследования найдено более чем одно отклонение от выдвинутой гипотезы, то ее подтверждение не будет обеспечено.

На следующем этапе, основываясь на раскрытых эмитентами проспектах ценных бумаг, была выделена бухгалтерская (финансовая) отчетность хозяйствующих субъектов, гарантировавших полное и своевременное исполнение обязательств по отношению к реципиентам облигационных

п

2005 2006 2007 2008 2009 2010 2011 2012

займов. Очевидным образом количество финансовых отчетов организаций-гарантов превысило количество облигационных выпусков, вошедших в выборку, и составило 37 единиц анализа. Выделенная бухгалтерская (финансовая) отчетность была подвергнута проверке на предмет признаков манипулирования с помощью подхода, предложенного Бенишем.

Обработка бухгалтерской (финансовой) отчетности на предмет выявления признаков манипулирования выдвинула следующие вопросы при использовании предложенной методики:

- компании, привлекающие финансовые ресурсы через облигационные заимствования как посредники, могут не иметь основных средств, выручки и валовой прибыли, что ставит под вопрос определение всех показателей, входящих в интегральный индекс M-score;

- вопросы, связанные со слабыми предсказательными возможностями индекса изменения доли коммерческих и административных расходов в выручке (SGAI), поскольку в исследованной бухгалтерской (финансовой) отчетности, построенной в соответствии с российскими стандартами, административные расходы преимущественно не выделены;

- вопросы, возникающие по поводу экономического смысла применения индекса изменения валовой рентабельности продаж (GMI), если валовая рентабельность продаж в начальном периоде имеет отрицательное значение и продолжает убывать в последующих периодах;

- вопросы, возникающие в контексте определения величины индекса доли суммарных начислений в суммарных активах (TATA) в области отрицательных значений, т.е. в случае, когда чистый убыток компании больше оттока денежных средств от текущей (операционной) деятельности.

В результате анализа данных бухгалтерских (финансовых) отчетов, вошедших в исследовательскую выборку, выявлено четыре случая, когда значение интегрального показателя M-score не свидетельствует о манипулировании, что приводит к выводу о необходимости отклонения выдвинутой гипотезы Н1.

Выдвинем иную гипотезу. Для этого классифицируем нарушения исполнения обязательств по облигационным заимствованиям следующим образом:

- технические дефолты, т.е. задержки в выполнении обязательств на срок, не превышающий одного месяца;

- нарушения в исполнении обязательств, повлекшие необходимость последующей реструктуризации задолженности эмитента;

- нарушения в исполнении обязательств, которые привели к инициированию процедуры банкротства со стороны инвесторов и в конечном итоге к ликвидации компании эмитента.

Анализ исследовательской выборки показал, что все хозяйствующие субъекты, допустившие неисполнение своих обязательств по облигациям и в дальнейшем подвергшиеся процедуре банкротства и ликвидации, показывали признаки манипулирования отчетностью (табл. 3).

Используя предложенную выше классификацию облигационных заимствований, выдвинем гипотезу:

H2: Компании, допустившие нарушения в исполнении своих обязательств по облигационным заимствованиям и впоследствии обанкротив-

Таблица 3

Результаты проверки отчетности компаний на предмет манипулирования

Виды нарушения обязательств по облигационным заимствованиям Количество эмиссионных выпусков, вошедших в группу Количество бухгалтерских (финансовых) отчетов в группу Значение индекса манипулирования (M-score)

Случаи не указывающие на манипуляции Случаи, указывающие на манипуляции

Технические дефолты 8 10 3 7

Реструктуризация заимствований 8 9 1 8

Банкротство хозяйствующего субъекта 14 18 0 18

шиеся, манипулировали своей бухгалтерской (финансовой) отчетностью на этапе подготовке к привлечению инвестиционных ресурсов, что может быть выявлено с помощью коэффициента М^соге.

Используя значения фактора уверенности для 90%-го доверительного интервала, было произведено расширение выборки бухгалтерских (финансовых) отчетов компаний, подвергшихся процедуре банкротства до 23. Во всех случаях индекс М^соге подтвердил наличие манипуляций. Гипотеза Н2 подтвердилась.

Статистические характеристики для компонентов индекса М^соге, полученные на основе анализа расширенной выборки отчетности компаний, подвергшихся процедуре банкротства, представлены в табл. 4.

Таблица 4

Общие статистические характеристики расширенной выборки отчетности компаний, подвергшихся процедуре банкротства

Наименование показателя Среднее значение Стандартное отклонение Минимум Медиана Максимум

DSRI 2,135 3,330 0,00012 1,278 14,974

GMI 3,039 4,579 -0,02411 2,015 20,964

AQI 4,152 10,622 0,03594 1,000 112,824

SGI 2,437 1,969 0,79399 1,983 10,034

DEPI 1,108 0,736 0,09130 1,118 2,820

SGAI 0,910 0,543 0,00000 1,000 2,380

LVGI 0,987 0,082 0,00664 0,996 1,149

TATA 0,110 0,187 -0,18627 0,075 0,496

Значение индекса манипулирования 2,743 5,143 -1,40 0,295 26,452

Все показатели, за исключением индекса изменения финансовой зависимости, имеют положительные значения коэффициента асимметрии (см. табл. 4). Статистические особенности коэффициента LVGI могут быть связаны с особым вниманием к нему при предоставлении хозяйствующим субъектам заемных средств. Обработка данных выявила, что только зна-

чение индекса доли суммарных начислений в суммарных активах имеет отрицательный эксцесс.

В целом слабая взаимосвязь между отдельными элементами интегрального показателя (табл. 5) косвенным образом подтверждает применимость рассматриваемой методики в анализе хозяйствующих субъектов, действующих в рамках российских стандартов бухгалтерского учета.

Таблица 5

Коэффициенты парной корреляции для компонент индекса M-score

Переменная DSRI GMI AQI SGI DEPI SGAI LVGI TATA

DSRI 1

GMI -0,136 1

AQI -0,156 -0,113 1

SGI -0,109 -0,131 0,056 1

DEPI 0,096 -0,085 0,134 0,216 1

SGAI 0,006 0,072 -0,335 -0,421 -0,175 1

LVGI 0,124 0,101 0,082 -0,048 -0,207 -0,222 1

TATA -0,006 0,031 -0,400 0,293 0,196 0,044 0,05 1

В заключение необходимо отметить, что правомерность гипотезы второго рода к Н2 необходимо подтвердить проверкой отчетности эмитентов, исполнивших свои обязательства по облигационным заимствованиям без каких-либо нарушений, на предмет отсутствия манипулирования. Из проведенных исследований можно сделать следующие выводы:

- предложенная М. Бенишем методика в целом применима для выявления случаев манипулирования финансовой отчетностью компаниями, представляющими результаты своей деятельности в рамках российских стандартов бухгалтерского учета;

- предсказательная сила компонент индекса М^соге, таких как индекс изменения доли коммерческих и административных расходов в выручке (SGAI) и индекс изменения валовой рентабельности продаж ^М1), из-за особенностей российской системы бухгалтерского учета ослаблена, что требует модификации рассматриваемой методики в контексте учета национальных особенностей;

- особенный интерес представляет дальнейшее исследование статистических взаимосвязей между индексом доли суммарных начислений в суммарных активах, индексом изменения качества активов и индексом изменения выручки.

Литература

1. Алексеев М.А. Взаимосвязи интегрированной отчетности, экономической безопасности и аудита бизнеса // Сибирская финансовая школа. 2015. № 1 (108). С. 135-138.

2. Васильева Н.С., Николаева Н.Ю. Обоснование критерия выбора для принятия инвестиционных решений в системах бизнеса // Проблемы современной науки и образования. 2014. № 9 (27). С. 84-86.

3. Выжитович А.М. Моделирование ключевых параметров и системы оценки эффективности стратегий аутсорсинга // Экономика и предпринимательство. 2014. № 12. Ч. 4. С. 621-626.

4. Гаранина Т.А., Леевик Ю.С., Пономарев А.В. Оценка устойчивости денежного компонента прибыли российских компаний // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2013. Iss. 168. P 110-118.

5. Куликов С.В., Дружинина С.В. Реструктуризация долгов промышленного предприятия посредством проектного финансирования // Наука и мир. Международный журнал. 2015. № 3 (19). Т. 1. С. 83-87

6. Лукьянова З.А., Кочкина А.И. Анализ подходов к управлению структурой капитала корпорации // 21 век: фундаментальная наука и технологии: Мат-лы VI международной научно-практической конференции. 20-21 апреля 2015 г. Т. 1. North Charleston, USA. 2015. С. 183-185.

7. Третьякова О.В. О подходах к оценке эффективности здравоохранения // Вестник НГУЭУ 2012. № 2. P 183-190.

8. Beneish M.D. The Detection of Earnings Manipulation // Financial Analysts Journal. 1999. № 5 (September/ October). Vol. 55. P 24-36.

9. Beneish M.D., Lee С., Nichols D.C. Earnings Manipulation and Expected Returns // Financial Analysts Journal. 2013. № 2 (March/April). Vol. 69. IP 57-82.

10. Fairfield P.M., Whisenant S., Yohn T.L. Accrued Earnings and Growth: Implications for Earnings Persistence and Market // SSRN ELECTRONIC JOURNAL. 2001. URL: http://www.researchgate.net/profile/Scott_Whisenant/publication/228137797_ Accrued_Earnings_and_Growth_Implications_for_Earnings_Persistence_and_ Market_Mispricing/links/00463520943226746d000000.pdf (дата обращения: 16.06. 2015).

11. Maria L. Roxas. Financial Statement Fraud Detection Using Ratio and Digital Analysis // Journal of Leadership, Accountability and Ethics. 2011. Vol. 8 (4). URL: http://www.na-businesspress.com/JLAE/Roxas84Web.pdf (дата обращения: 16.06. 2015).

12. Интернет проект Информационного Агентства Финмаркет - RusBonds. URL: http://www.rusbonds.ru/ (дата обращения: 16.06.2015).

Bibliography

1. Alekseev M.A. Vzaimosvjazi integrirovannoj otchetnosti, jekonomicheskoj bezopas-nosti i audita biznesa // Sibirskaja finansovaja shkola. 2015. № 1 (108). P 135-138.

2. Vasil'eva N.S., Nikolaeva N.Ju. Obosnovanie kriterija vybora dlja prinjatija inves-ticionnyh reshenij v sistemah biznesa // Problemy sovremennoj nauki i obrazovanija.

2014. № 9 (27). P 84-86.

3. Vyzhitovich A.M. Modelirovanie kljuchevyh parametrov i sistemy ocenki jeffektiv-nosti strategij autsorsinga // Jekonomika i predprinimatel'stvo. 2014. № 12. Ch. 4. P. 621-626.

4. Garanina T.A., Leevik Ju.S., Ponomarev A.V. Ocenka ustojchivosti denezhnogo komponenta pribyli rossijskih kompanij // Nauchno-tehnicheskie vedomosti Sankt-Peterburgskogo gosudarstvennogo politehnicheskogo universiteta. Jekonomicheskie nauki. 2013. Iss. 168. P 110-118.

5. Kulikov S.V., Druzhinina S.V. Restrukturizacija dolgov promyshlennogo predprijatija posredstvom proektnogo finansirovanija // Nauka i mir. Mezhdunarodnyj zhurnal.

2015. № 3 (19). T. 1. P. 83-87.

6. Luk'janova Z.A., Kochkina A.I. Analiz podhodov k upravleniju strukturoj kapitala korporacii // 21 vek: fundamental'naja nauka i tehnologii: Mat-ly VI mezhdunarodnoj nauchno-prakticheskoj konferencii. 20-21 aprelja 2015 g. T. 1. North Charleston, USA. 2015. P. 183-185.

7. Tret'jakova O.V. O podhodah k ocenke jeffektivnosti zdravoohranenija // Vestnik NGUJeU. 2012. № 2. P 183-190

8. Beneish M.D. The Detection of Earnings Manipulation // Financial Analysts Journal. 1999. № 5 (September/ October). Vol. 55. P 24-36.

9. Beneish M.D., Lee S., Nichols D.C. Earnings Manipulation and Expected Returns // Financial Analysts Journal. 2013. № 2 (March/April). Vol. 69. IP 57-82.

10. Fairfield P.M., Whisenant S., Yohn T.L. Accrued Earnings and Growth: Implications for Earnings Persistence and Market // SSRN ELECTRONIC JOURNAL. 2001. URL: http://www.researchgate.net/profile/Scott_Whisenant/publication/228137797_ Accrued_Earnings_and_Growth_Implications_for_Earnings_Persistence_and_ Market_Mispricing/links/00463520943226746d000000.pdf (data obrashhenija: 16.06. 2015).

11. Maria L. Roxas. Financial Statement Fraud Detection Using Ratio and Digital Analysis // Journal of Leadership, Accountability and Ethics. 2011. Vol. 8 (4). URL: http://www.na-businesspress.com/JLAE/Roxas84Web.pdf (data obrashhenija: 16.06. 2015).

12. Internet proekt Informacionnogo Agentstva Finmarket - RusBonds. URL: http:// www.rusbonds.ru/ (data obrashhenija: 16.06.2015).