Оценка вероятности искажения финансовых результатов компаний, осуществляющих деятельность в сельском хозяйстве в 2014-2016 годах Текст научной статьи по специальности «Экономика и бизнес»

ОЦЕНКА ВЕРОЯТНОСТИ ИСКАЖЕНИЯ ФИНАНСОВЫХ РЕЗУЛЬТАТОВ КОМПАНИЙ, ОСУЩЕСТВЛЯЮЩИХ ДЕЯТЕЛЬНОСТЬ В СЕЛЬСКОМ

ХОЗЯЙСТВЕ В 2014-2016 ГОДАХ

А.С. Капуста, студент Е.Е. Кузьмина, студент

Новосибирский государственный университет экономики и управления (Россия, г. Новосибирск)

DO110.24411/2411 -0450-2018-10070

Аннотация. В данной статье произведена оценка вероятности искажения финансовых результатов деятельности хозяйствующих субъектов, осуществляющих основной вид деятельности в сельском хозяйстве, в динамике за 2014-2016 годы.

Ключевые слова: финансовая отчетность, вероятность искажения финансовой отчетности, манипулирование, финансовые результаты.

Сельское хозяйство является стратегическим видом деятельности в экономике, поэтому особенно важно, чтобы финансовая отчетность российских компаний, занимающихся сельским хозяйством, была качественной.

Сельское хозяйство России - совокупность взаимосвязанных отраслей, специализирующихся в основном на производстве сырья для пищевой, перерабатывающей промышленности. Некоторые из отраслей сельского хозяйства производят уже готовую для употребления продукцию, дальнейшая переработка которой требуется не во всех случаях. Например, это продукция отраслей овощеводства, садоводства, молочного животноводства»[1].

На сегодняшний день в сельском хозяйстве, по данным базы данных «СКРИН», в 2016 году по всей России функционировало более 30000 компаний.

Как было отмечено выше, сельскохозяйственная деятельность является одним из основных столпов российской экономики. И поэтому очень важно следить за качеством финансовой отчетности, предоставляемой компаниями. Несмотря на меры государства по выявлению манипуляторов, искажение данных финансовой отчетности российских компаний носит массовый характер, поэтому можно сделать вывод о том, что существующие государственные меры являются недостаточными и необходимо вносить в российское законодатель-

ство определенные коррективы, которые помогут бороться с искажением финансовой (бухгалтерской) отчетности. В настоящее время кафедрой корпоративного управления и финансов НГУЭУ проводятся исследования, направленные на оценку вероятности искажения финансовых результатов деятельности хозяйствующих субъектов РФ. Остановимся на этом более подробно.

На основании базы данных «СКРИН» [2] были сформированы выборки за период 2014-2016 годы, состоящие из 2262 компаний, которые по классификации ОКВЭД осуществляют свой основной вид экономической деятельности в Российской Федерации в сельском хозяйстве. В выборку были включены компании, осуществляющие свою деятельность в форме акционерных обществ, т.к. организации данной правовой формы по законодательству РФ в обязательном порядке должны составлять отчет о движении денежных средств (далее ОДДС) (за исключением закрытых акционерных обществ, не проводивших публичное размещение ценных бумаг).

За указанный период на основе анализа данных, которые были представлены 2262 компаниями, была произведена оценка качества ОДДС согласно методике НГУЭУ [3-5]. Результаты анализа представлены в таблице 1.

Таблица 1. Распределение компаний по наличию ОДДС

Вид экономической деятельности Год Количество компаний, предоставивших ОДДС Количество компаний, не предоставивших ОДДС

ед. % ед. %

Сельское хозяйство (код ОКВЭД А, раздел 1) 2014 Ибб б9,23 б9б 3G,77

2015 í6GÍ 7G,78 бб! 29,22

2016 í63G 72,G6 б32 27,94

Далее была проведена проверка на достоверность ОДДС путем сопоставления данных по изменению остатков денежных средств в ОДДС и бухгалтерском балансе. Отчеты, которые по выбранному критерию

были составлены с достаточной степенью достоверности, предоставили 1414, 1566 и 1623 компаний за период 2014-2016 годы соответственно. Результаты проведенной проверки представлены в таблице 2.

Таблица 2. Распределение компаний по качеству составления ОДДС

Количество компаний, Количество компаний,

Вид экономической деятельности Год не имеющих погрешностей в ОДДС имеющих погрешности в ОДДС

ед. % ед. %

Сельское хозяйство (код ОКВЭД А, раздел 1) 2014 i4i4 9G,29 i52 9,7i

2015 Ибб 97,8i 35 2,i9

2016 ^23 99,57 7 G,43

Исходя из данных таблицы 2, можно сделать вывод о положительной тенденции к уменьшению доли российских компаний, которые имеют погрешности в ОДДС. Однако для достоверности дальнейшего исследования проведем проверку качества составления компаниями ОДДС еще одним способом.

Выделим компании, достоверно составившие ОДДС в части суммарного сальдо от текущих и инвестиционных операций. В основе данного анализа лежит принцип соответствия коэффициентов начислений, построенных на основе ОДДС, и коэффициентов начислений, построенных на основе бухгалтерского баланса: (NI - ANO А) - (CFO + CFI)

NOA

где N1 - чистая прибыль;

АЫОА - изменение чистых операционных активов;

CFО - сальдо денежных потоков от текущих операций;

CF/ - сальдо денежных потоков от инвестиционных операций;

NОА - средние чистые операционные активы.

При этом стоит учесть, что неточности в ОДДС до 5% являются допустимыми, т.к. не влияют на качество принимаемых стейкхолдерами решений.

Результаты проведенного анализа представлены в таблице 3.

< 0,05

Таблица 3. Оценка качества составления ОДДС на основе сопоставления коэффициентов начислений

Вид экономической деятельности Год Количество компаний, имеющих погрешности в ОДДС в пределах 5% Количество компаний, имеющих погрешности в ОДДС свыше 5%

ед. % ед. %

Сельское хозяйство 2014 i445 63,88 817 36,12

2015 1496 66,14 766 33,86

2016 i485 65,65 777 34,35

По данным таблицы 3 можно сказать, что при сравнении коэффициентов начислений, построенных на основе ОДДС, и коэффициентов начислений, построенных на основе бухгалтерского баланса, доля компаний, имеющих существенные погрешности, увеличивается по сравнению с методом сличения данных по изменению остатков денежных средств в бухгалтерском балансе и ОДДС.

Таким образом, на основании проверки качества составления ОДДС в исследовательские выборки для дальнейшего анали-

за включим отчетность компаний, которые не имеют погрешностей в финансовой отчетности либо имеют несущественные ошибки в пределах 5%.

Исключив аномальные значения коэффициентов начислений из выборки с помощью критерия Томсона, мы получили окончательные исследовательские выборки за период 2014-2016 годы из 1386, 1457 и 1400 компаний соответственно. В таблице 4 представлены статистические характеристики полученных исследовательских выборок.

Таблица 4. Статистические характеристики значений коэффициента начислений в сформированных исследовательских выборках в период 2014-2016 годы_

Год max min Среднее (XaVg) Дисперсия (б2) Стандартное отклонение (б)

2014 0,312424342 -0,283914122 0,01490936 0,005802601 0,076174805

2015 0,37407517 -0,34502789 0,016270066 0,006878638 0,082937557

2016 0,23444174 -0,222528599 0,0066356 0,003763852 0,061350237

Восстановим фактическое распределение значений коэффициентов начислений в сформированной исследовательской выборке на интервалы.

Согласно исследованиям, проведенным Алексеевым М.А. и Тюжиной М.С. [6, 7] и Алексеевым М.А. и Дудиным С.А. [8, 9], фактическое распределение данных в выборке образуется из трех нормальных распределений (компании, занижающие результаты своей хозяйственной деятельно-

сти, завышающие результаты деятельности, и не искажающие финансовую отчетность), веса которых в сумме дают единицу.

Дальнейший анализ осуществлялся с помощью компьютерной программы STATISTICA. Применив ЕМ-анализ, разделим исследовательские выборки на три кластера. График выделенных распределений за 2016 год представлен на рисунке 1.

Graph of distributions for variable: Центры интервалов xi Number of clusters: 3

Cluster 1 - normal(x:-0,131155:0,052510) Cluster 2 - normal(x:0.023869;0.036434) Cluster 3 - normal(x;0.160551:0,041796)

Рис. 1. График системы нормальных распределений значений коэффициентов начислений за 2016 год

Графики выделенных распределений за 2014 и 2015 годы аналогичны графику для 2016 года.

Таким образом, фактическое распределение данных соответствует системе нормальных распределений. Опираясь на построенные нормальные распределения, разделим компании на три группы (обучающие выборки): искажающие финансовую отчетность в сторону занижения, не искажающие финансовую отчетность и искажающие в сторону завышения. Каждая сформированная выборка включает в себя 30 компаний.

Далее необходимо отобрать показатели, которые позволили бы осуществить дальнейшую кластеризацию наиболее точно. Как правило, к каким показателям относят количественные финансовые показатели, которые можно разделить на пять групп [8, 9]:

- показатели рентабельности;

- показатели финансовой устойчивости;

- показатели структуры капитала;

- показатели ликвидности;

- показатели деловой активности.

С помощью критерия Колмогорова-Смирнова и М. Уитни оценим все значения финансовых показателей на предмет выявления признаков, показывающих наибольшие различия в сформированных обучающих выборках. Отбор показателей, значимых для построения регрессионной модели, производим с помощью оценки межвыборочного расхождения законов распределения значений показателя по каждой из выделенных групп.

Из отобранных показателей путем перебора строятся модели пробит регрессии, предсказательная сила которых должна быть больше 70% (в сельском хозяйстве, учитывая специфичность данного вида деятельности, допускается предсказательная сила от 60% и больше). Оценка качества отобранных показателей для компаний, завышающих свои результаты финансовой деятельности, представлены в таблице 5.

Таблица 5. Оценка показателей, отобранных для построения регрессионной модели для компаний, завышающих свои финансовые результаты, на качество

Наблюдение Предсказ. завышающие Предсказ. нормальные % правильности

2014 год

Завышающие 54 19 73,61111

Нормальные 18 54 75,00000

Отношение шансов - 8,3684 Процент верных - 74,31%

2015 год

Завышающие 42 23 64,61539

Нормальные 15 62 80,51948

Отношение шансов - 7,5478 Процент верных - 73,24%

2016 год

Завышающие 49 18 73,13433

Нормальные 17 50 74,62687

Отношение шансов - 8,0065 Процент верных - 73,88%

Оценка качества показателей, отобранных для компаний, занижающих свою фи-

нансовую отчетность, отражена в таблице 6.

Таблица 6. Оценка показателей, отобранных для построения регрессионной модели для

компаний, занижающих свои финансовые результаты, на качество

Наблюдение Предсказ. занижающие Предсказ. нормальные % правильности

2014 год

Занижающие 50 22 69,44444

Нормальные 21 51 70,83334

Отношение шансов - 5,5195 Процент верных - 70,14%

2015 год

Занижающие 43 23 65,15151

Нормальные 14 63 81,81818

Отношение шансов - 8,4 U30 Процент верных - 74,13%

2016 год

Занижающие 44 14 75,86207

Нормальные 11 55 83,33334

Отношение шансов - 15,714 Процент верных - 79,84%

Далее при помощи программы зультаты проведенного анализа для ком-БТАТКТГСА определим параметры про- паний, искажающих результаты деятель-бит регрессии. В таблице 7 показаны ре- ности в сторону завышения.

Таблица 7. Параметры модели пробит регрессии для компаний, завышающих свои фи-

нансовые результаты

Наименование показателя Предикаторы Оценка

2014 год

- Независимый член -0,719288

TotalDebt / TotalAssets TD/TA 3,780324

TotalLiabilities / TotalAssets TL/TA -1,03025

Equity / TotalAssets Eq/TA 0,423774

Sales / TotalDebt SAL/TD 0,003856

TotalDebt / Equity TD/E 0,000167

Inventories / CurrentLiabilities INV/CL -0,102881

2015 год

- Независимый член 1,071131

Inventories / CurrentAssets INV/CA 0,011420

TotalLiabilities / TotalAssets TL/TA 0,000082

Equity / TotalAssets Eq/TA -0,101318

TotalDebt / TotalAssets TD/TA 1,099240

Fixed Assets / Long Term Liabilities FA/LD 0,080415

TotalDebt / Equity TD/E -2,40692

2016 год

- Независимый член -0,353404

NetProfit / GrossProfit NI/GP 0,013296

Inventories / CurrentLiabilities INV/CL -0,363395

NetProfit / Sales NI/SAL 7,462447

Operating Profit / Sales OP/SAL -7,68344

TotalLiabilities / Equity TL/E 0,681476

TotalDebt / Equity TD/E -0,794135

NetProfit / TotalAssets ROA -0,094873

CurrentLiabilities / TotalAssets CL/TA 0,065195

Inventories / CurrentAssets INV/CA -0,394236

Current Assets / CurrentLiabilities CA/CL 0,270326

Sales / Equity SAL/E 0,301298

В таблице 8 отражены результаты ана- жающих свои финансовые результаты. лиза, проведенного для компаний, зани-

Таблица 8. Параметры модели пробит регрессии для компаний, занижающих свои фи-

нансовые результаты

Наименование показателя Предикаторы Оценка

2014 год

- Независимый член -0,253626

TotalDebt / TotalAssets TD/TA -0,479428

TotalLiabilities / TotalAssets TL/TA 0,065396

Equity / TotalAssets Eq/TA 0,008508

CurrentLiabilities / TotalAssets CL/TA -0,013786

Inventories / CurrentLiabilities INV/CL -0,535277

Current Assets / CurrentLiabilities CA/CL 1,001581

TotalDebt / Equity TD/E 0,334646

Sales / TotalDebt SAL/TD 1,666561

Retained Earnigs / Total Assets RE/TA -0,119630

2015 год

- Независимый член 1,212349

Inventories / CurrentAssets INV/CA -2,30094

Inventories / CurrentLiabilities INV/CL -0,023248

TotalLiabilities / TotalAssets TL/TA 0,689891

2016 год

- Независимый член -0,888737

NetProfit / GrossProfit NI/GP -0,156556

TotalLiabilities / Equity TL/E -0,257572

TotalDebt / Equity TD/E 0,143273

Operating Profit / Sales OP/SAL -31,7528

NetProfit / Sales NI/SAL 33,45731

CurrentLiabilities / TotalAssets CL/TA 5,383833

Inventories / CurrentLiabilities INV/CL -0,434600

NetProfit / TotalAssets ROA -3,69466

Sales / TotalDebt SAL/TD -0,023643

(Inventories + Accounts Receivable) / Total Assets (INV+REC)/TA -0,416232

LongtermDebt / Equity LD/E 0,836027

TotalDebt / TotalAssets TD/TA -2,75748

Retained Earnigs / Total Assets RE/TA -0,163766

AccountsReceivable / Sales REC/SAL 0,836225

Current Assets / CurrentLiabilities CA/CL 0,457141

Применим полученные регрессионные модели, проанализировав 5754 российских компаний, занимающихся основной деятельностью в сельском хозяйстве согласно ОКВЭД независимо от организационно-

правовых форм и качества составления ОДДС. Результаты проверки за период 2014-2016 годы представлены на рисунках 2, 3 и 4 соответственно.

50,00% 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00%

45,67%

36,29%

14,06%

0,24% 0,00%

Занижающие Неопределенные Не искажающие Неопределенные Завышающие со знаком "-" со знаком "+"

Рис. 2. Распределение компаний, которые осуществляют свою деятельность в сельском хозяйстве, по вероятности искажения финансовой отчетности за 2014 год

70,00% 60,00% 57,68%

50,00%

40,00% 30,00% 24,77%

20,00% 10,90%

10,00% 0,00% 1,77% 2,45%

Занижающие Неопределенные Не искажающие Неопределенные Завышающие

со знаком "-" со знаком "+"

Рис. 3. Распределение компаний, которые осуществляют свою деятельность в сельском хозяйстве, по вероятности искажения финансовой отчетности за 2015 год

50,00% 40,00% 30,00% 20,00% 10,00% 0,00%

20,25%

44,93%

17,21%

Занижающие Неопределенные Не искажающие Неопределенные Завышающие

со знаком "-"

со знаком "

Рис. 4. Распределение компаний, которые осуществляют свою деятельность в сельском хозяйстве, по вероятности искажения финансовой отчетности за 2016 год

Представленные выше рисунки отражают распределение российских компаний в зависимости от направления искажения, где 1 группа «Занижающие» - компании, которые искажают свои финансовые результаты в сторону занижения, 3 группа «Не искажающие» - компании, не искажающие свою отчетность, 5 группа «Завышающие» - завышающие результаты своей деятельности компании, а 2 и 4 группы («Неопределенные со знаком «-»» и «Неопределенные со знаком «+»» соот-

ветственно) - неопределенные компании, которые находятся между искажающими и не искажающими экономическими субъектами. Также существует и 6 группа компаний «Неопределенные», которые невозможно отнести ни в одну из групп, указанных выше, так как они не поддаются точной оценке [10-12].

Проанализируем полученные результаты на примере 2016 года, так как эти результаты являются самыми актуальными на данный момент. По результатам анали-

за рисунка 6 видно, что из 5754 компаний, попавших в выборку, 20,25% искажают свою финансовую отчетность в сторону занижения, 17,21% завышают свои финансовые результаты и 44,93% предоставляют достоверную отчетность. Отметим, что компаний, основной деятельностью которых является сельскохозяйственная деятельность, которые близки к завышению финансовых результатов («Неопределенные со знаком «+»») на 3,04% меньше, чем компаний, близких к занижению отчетно-

сти («Неопределенные со знаком «-»»). 6 группа «Неопределенные» составляет 9,58% (551 компания) в общей выборке. Таким образом, из 5754 компаний 2155 компаний искажают свои финансовые показатели в целях привлечения потенциальных инвесторов или уклонения от налогов.

Завершающим этапом исследования является построение сводной таблицы с полученными результатами за период 20142016 годы (таблица 9).

Таблица 9. Сводная таблица по распределению компаний, которые осуществляют свою деятельность в сельском хозяйстве, по вероятности искажения финансовой отчетности

Группы 2014 2015 2016 Абсолютные отклонения Относительные отклонения

ед. % ед. % ед. % 16 к 15 15 к 14 16 к 15 15 к 14

Занижающие 2628 45,67 1425 24,77 1165 20,25 -260 -1203 -4,52 -20,9

Неопределенные со знаком «-» 2088 36,29 102 1,77 276 4,80 174 -1986 3,03 -34,52

Не искажающие 14 0,24 627 10,90 2585 44,93 1958 613 34,03 10,66

Неопределенные со знаком «+» 0 0,00 141 2,45 187 3,25 46 141 0,80 2,45

Завышающие 809 14,06 3319 57,68 990 17,21 -2329 2510 -40,47 43,62

Неопределенные 215 3,74 140 2,43 551 9,58 411 -75 7,15 -1,31

Всего 5754 100 5754 100 5754 100 - - - -

Из таблицы 9 видно, что распределение компаний по шести группам в каждом рассматриваемом периоде довольно нестабильно. Так, в 2014 году преобладали компании «Занижающие» (45,67%), также было много компаний «Неопределенных со знаком «-»» (36,29%), а компаний, не искажающих результаты своей хозяйственной деятельности было всего 0,24%. В 2015 году можно увидеть резкий рост количества компаний, завышающих результаты своей хозяйственной деятельности, их доля составила 57,68%. В 2016 году количество компаний, завышающих результаты хозяйственной деятельности, резко сократилось до 17,21% и практически достигло уровня 2014 года. В то же время увеличилось количество компаний, не искажающих результаты своей деятельности, их доля в 2016 году составила 44,93%.

Вероятно, такие резкие колебания в распределении сельскохозяйственных

компаний по шести группам связаны с экономической ситуацией в стране, сложившейся в связи с введением антироссийских санкций. Так, начало кризиса 2014 года практически не затронуло российские компании, осуществляющие основную деятельность в сельском хозяйстве, потому что в связи со спецификой сельского хозяйства данные компании в 2014 году использовали средства, полученные годом ранее. Однако уже в 2015 году сельскохозяйственные компании столкнулись с нехваткой денежных средств и «прибегнули» к завышению финансовых результатов своей деятельности для получения кредитных ресурсов. В 2016 году кризисная ситуация в России несколько стабилизировалась, что позволило данным компаниям не искажать результаты хозяйственной деятельности.

Библиографический список

1. Экспертно-аналитический центр агробизнеса. - Электронный ресурс - режим доступа: http://ab-centre.ru/page/selskoe-hozyaystvo-rossii (дата обращения 04.07.2018)

2. Система комплексного раскрытия информации об эмитентах и профессиональных участниках фондового рынка «СКРИН». - Электронный ресурс - режим доступа: https://kontragent.skrin.rU/dbsearch/dbsearchru/#top (дата обращения 03.07.2018)

3. Савельева, М. Ю., Алексеев, М. А., Дудин, С. А. Проверка качества составления отчета о движении денежных средств в российских компаниях // Экономический анализ: теория и практика. - 2017. - №4 (463). - С. 756-767.

4. Савельева М.Ю., Алексеев М.А., Дудин С.А. О качестве составления отчета о движении денежных средств в российских компаниях // Сибирская финансовая школа. - 2016. - №3 (116). - С. 142-146.

5. Савельева М.Ю., Алексеев М.А., Дудин С.А. Возвращаясь к оценке качества составления отчета о движении денежных средств российскими компаниями // Сибирская финансовая школа. - 2018. - №2 (127). - С. 77-82.

6. Алексеев, М. А., Тюжина, М. С. Выявление направления искажения финансовой отчетности // Сибирская финансовая школа. — 2016. — № 6. -С. 129-133.

7. Алексеев М.А., Тюжина М.С. Проверка подходов к выявлению направления искажения финансовой отчетности // Сибирская финансовая школа. - 2017. - № 3. - С. 69-75.

8. Алексеев М.А. Информационное пространство финансового рынка: моногр. / М.А. Алексеев; Новосиб. гос. ун-т экономики и управления. - Новосибирск: НГУЭУ, 2017. - 247 с.

9. Алексеев М.А., Дудин С.А. Методика построения показателя выявления искажения результатов деятельности компании // Бухгалтерский учет, анализ и аудит: форсайт и бэкграунд: сб. науч. ст. по мат-лам Межрегионального бухгалтерского форума, посвященного 50-летию НГУЭУ и бухгалтерского образования в Сибири / под ред. П. П. Баранова; Новосиб. гос. ун-т экономики и управления. - Новосибирск: НГУЭУ, 2017. - С. 5-19.

10. Алексеев М.А., Дудин С.А. Методические вопросы идентификации искажения финансовой отчетности // Могущество Сибири будет прирастать!? Сборник докладов международного научного форума «Образование и предпринимательство в Сибири: направления взаимодействия и развитие регионов»: в 4 т. - 2018. - С. 128-132.

11. Капуста А.С. Оценка инвестиционной привлекательности вида деятельности «сельское, лесное хозяйство, охота, рыболовство и рыбоводство» в разрезе федеральных округов России // Экономика и бизнес: теория и практика. - 2018. - №6. - С. 86-91.

12. Капуста А.С. Влияние искажения финансовой (бухгалтерской) отчетности на устойчивый рост сельскохозяйственных компаний // Экономика и бизнес: теория и практика. - 2018. - №7. - С. 61-64.

ASSESSMENT OF THE PROBABILITY OF MISSTATEMENT OF THE FINANCIAL RESULTS OF COMPANIES OPERATING IN AGRICULTURE IN THE

YEARS 2014-2016

A.S. Kapusta, student E.E. Kuzmina, student

Novosibirsk state university of economics and management (Russia, Novosibirsk)

Abstract. This article assesses the probability of distortion of financial results of economic entities engaged in the main activity in agriculture in the dynamics for 2014-2016.

Keywords: financial statements, the probability of distortion of financial statements, manipulation, financial results.