CC BY
110
DOI 10.24412/2309-4788-2021-11164
Н.К. Васильева - д.э.н., профессор, Кубанский государственный аграрный университет, kenn [email protected],
N.K. Vasileva - doctor of Economics, Professor, Kuban state agrarian University;
Н.Ю. Мороз - кэ.н., доцент, Кубанский государственный аграрный университет, [email protected],
N.Yu. Moroz - PhD in Economics, docent, Kuban state agrarian University;
Е.А. Соколова - студентка, Кубанский государственный аграрный университет, m alayaksss898@gmail. com,
E.A. Sokolova - student, Kuban state agrarian University;
А.В. Фрампольский - студент, Кубанский государственный аграрный университет, [email protected],
A.V. Frampolskiy - student, Kuban state agrarian University.
ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДОВ
ФИНАНСОВОГО АНАЛИЗА ДЛЯ ВЫЯВЛЕНИЯ МАНИПУЛЯЦИЙ В БУХГАЛТЕРСКОЙ ОТЧЕТНОСТИ PRACTICAL APPLICATION OF FINANCIAL ANALYSIS METHODS TO DETECTED MANIPULATIONS IN ACCOUNTING STATEMENT
Аннотация. На сегодняшний день многие организации искажают бухгалтерскую отчётность. Умышленность, а также рамки законодательной базы делят искажение на вуалированние и фальсификацию, в следствие чего искаженные показатели отчётности ставят под угрозу объективность принятых на её основании финансовых решений. Даже если финансовая отчётность некоторых компаний и подлежит обязательному аудиту, то аудиторская проверка не может гарантировать полную достоверность отчётности. В этой связи у пользовате лей финансовой информации существует необходимость выявить искажения в отчётности, применяя инструменты финансового анализа.
Будущее компании, её рост, развитие, прогресс или регресс напрямую зависят от качества финансовой отчётности. Миссия отчетности состоит в обеспечении мобилизации и распределении сбережений общества.
Основная цель исследования заключается в раскрытии методов манипуляций и способов выявления факта фальсификаций в финансовой отчетности организации.
Abstract. Today, many organizations distort accounting statements. Deliberation, as well as the framework of the legislative framework, divide distortion into veiling and falsification. As a result, distorted reporting indicators threaten the objectivity offinancial decisions taken on its basis. Even if the financial statements of some companies are subject to mandatory audit, the audit cannot guarantee the complete reliability of the statements. In this connection, there is a need for users of financial statements to identify misstatements in statements using financial analysis tools.
The future of the company, its growth, development, progress or regression directly depend on the quality of financial reporting. The mission of accountability is to provide mobilization as well as the distribution ofthe savings of the community.
The main goal of our study is to disclose the essence of methods of manipulating financial statements and, on their basis, disclose ways to identify the fact of falsification of statements in an organization.
Ключевые слова: отчетность, манипулирование, модель Бениша, закон Бенфорда, фальсификация, вуалирование.
Keywords: repore, manipulation, Benish's model, Benford's law, falsification, veiling.
Пользователями бухгалтерской финансовой отчётности являются лица, стремящиеся вложить свои свободные денежные средства в организацию с целью получения дополнительного дохода. Все лица -пользователи финансовой отчётности преследуют разные цели: деловых партнеров интересует способность организации своевременно расплачиваться с долгами; инвесторов - возможность дальнейшего развития организации; акционеров беспокоит рыночная цена акции, размер и порядок выплаты дивидендов. При этом для них остаётся важным надёжность и эффективность работы организации. Все эти потребности призвана удовлетворить бухгалтерская финансовая отчётность, гарантирующая достоверную информацию о положении дел в хозяйствующем субъекте.
В современных реалиях обеспечить на должном уровне потребности пользователей в достоверности и полноте информации в отчётности достаточно сложно. В этом виновата возможность выбора способа ведения учёта, оценки, а также наличие условий, в которых имеют место профессиональные суждения. Вместе с тем ещё и данные отчётности могут быть изложены по -разному, из-за чего появляются искажения.
На сегодняшний день известно два вида искажения бухгалтерской финансовой отчётности - это вуалирование и фальсификация. Понять природу и различие между двумя этими терминами исследовали как зарубежные, так и отечественные специалисты. Рассмотрим, как зарождались и эволюционировали разные взгляды учёных на эти явления во временном промежутке с 1925 по 2012 год. Результаты сравнения представлены в таблице 1.
Из данных таблицы 1 видно, как авторы не могут сойтись во мнении относительно трактовки определения понятий вуалирование и фальсификация, выделяя наиболее важный признак этих типов искажения. Различия состоят в определении основного критерия, позволяющий отличить факт вуалирования от фальсификации. Так, Л.В. Сотникова утверждает, что разделить эти два понятия можно, базируясь на непреднамеренности. В противопоставление этому И. В. Шер, Я. В. Соколов и М. Л. Пятов считают, что основанием для классификации является формальное соответствие или несоблюдение требований нормативных документов при искажении реального положения дел в компании.
Таблица 1 - Подходы к определению понятий вуалирование и фальсификаци
Автор (год публикации) Вуалирование Фальсификация
И. В. Шерр (1925) Представление баланса, в котором факты хозяйственной деятельности становятся неясными, не соответствующими действительности Не определено автором
Я. В. Соколов, М. Л. Пятов (2003) Формальное соблюдение требований нормативных документов с неточным представлением истинной позиции Нарушение определенных границ, установленных нормативными документами
Л. В. Сотникова (2011) Непреднамеренное неточное отображение реального положения дел в компании, искажение результатов ее деятельности Умышленные нарушения, связанные с заменой одних показателей на другие, используемые для создания «необходимого» впечатления о деятельности компании, носящего качественный характер
Однако всё же можно выделить основные особенности и прийти к общему пониманию видов искажения Фальсификация может быть интерпретирована как умышленное искажение либо упущение сумм, либо раскрытия информации в финансовой отчетности. Целью фальсификации часто выступает желание обмануть или ввести в заблуждение пользователей финансовой отчётности.
Вуалирование - это неточное представление информации в бухгалтерской отчетности, как правило, недостоверные сведения в рамках принятой методологии бухгалтерского дела. Вместе с тем вуалирование бухгалтерского баланса и других форм отчетности не всегда может быть преднамеренной. В большинстве случаев это происходит из-за незнания соответствующих методологических положений бухгалтерского учета и правил подготовки бухгалтерской отчетности.
Эффективных подходов к выявлению искажений в бухгалтерской отчётности много. Среди них можно выделить исследование финансовой отчётности на наличие аномальных явлений: неоднозначное изменение показателей бухгалтерской отчётности и заметное их отличие от тех же показателей, но за предыдущие отчётные периоды. Чтобы выявить подобные отклонения специалисты используют комплекс аналитических операция -это горизонтальный, вертикальный и финансовый анализ.
Имеются и другие способы выявления манипуляций с отчётностью, которые нельзя причислить к традиционным. Примером таких неоднозначных методов является модель Бениша М^соге (Бепе18Ь М^соге). В основу модели положены финансовые показатели хозяйствующих объектов, пойманных на манипулировании данными бухгалтерской отчётности. На основании закономерности этих данных профессор Бениш составил восемь рассчитываемых показателей из бухгалтерского баланса, отчета о прибылях и убытках и движения денежных средств, суммарное значение которыхпозволяет определять манипуляции с отчётностью в проверяем ой организации.
Ещё один нетрадиционный метод по выявлению фальсификации отчётности получил популярность среди сотрудников многих банков. Этот метод основывается на использовании статистических закономерностей, описанных С. Н. Бенфордом, и именуемый сейчас как закон Бенфорда.
В своём законе С.Н. Бенфорд утверждает, что если информационная база была сформирована произвольно с участием внешней среды, то отбор цифр в наибольших разрядах из всех имеющихся в базе чисел с их последующей группировкой от нуля до девяти должен давать дискретное экспоненциальное распределение.
Плотность распределения цифр в первом разряде будет зависеть от следующей аналитической связи:
Р(£>! = = 1од10( 1 + ^ = (1,2,3.....9),
^ = (1,2,3,...,9), (1)
где Б 1 - первый по старшинству разряд числа.
Закон Бенфорда в течение некоторого времени использовался для выявления мошенничества в бухгалтерском учете, во многом благодаря работе профессора Марка Нигрини, который в конце 20 века заметил, что
числа, указываемые в налоговой декларации так же, должны подчиняться закону Бенфорда, и если числа в декларациях не соответствуют вероятности распределения первой цифры, то организацию можно уличить в манипулировании отёчностью.
Сравним модели Бениша и Бенфорда на примере данных организации ООО «ДИАС», уличённой в прошлом в манипуляции отчетностью, для оценки их практической значимости.
ООО «ДИАС» занимается разработкой современной' почвообрабатывающей техники, оригинальность которой подтверждена многочисленными патентами. Техника используется во всех регионах Российской Федерации, а также на полях ближнего и дальнего зарубежья. Редкий вид продукции позволяет производителю поддерживать высокий уровень конкурентоспособности и быть привлекательными для инвесторов. При этом, и сам производитель является так же заинтересованным в привлечении инвестиционного и заёмного капитала, так как производство является дорогостоящим. При такой заинтересованности внутренних пользователей от внешних отчетность организации может быть искажена.
Проанализируем отчетность выбранной организации по модели Бениша. Для этого сначала введем исходные данные для анализа за 2 года в таблице 2.
Таблица 2 - Исходные данные для расчета показателей модели Бениша
Показатель 2018 г. 2019 г. Отклонение (+, -) Темп роста, %
Выручка, тыс. руб. 296 100 216 509 -79 591 73,1
Себестоимость продаж, тыс. руб. 251 039 135 748 -115 291 54,1
Маржинальный доход, тыс. руб. 45 061 80 761 35 700 179,2
Сумма коммерческих и управленческих расходов, тыс. руб. 77 330 114 395 37 065 147,9
Нераспределенная прибыль (непокрытый убыток) , тыс. руб. -11 343 -13 602 -2 259 119,9
Остаточная стоимость основных средств, тыс. руб. 85 645 77 993 -7 652 91,1
Накопленная амортизация, тыс. руб. 67 641 78 385 10 744 115,9
Сумма кредитов и займов, тыс. руб. 15 945 25 049 9 104 157,1
Дебиторская задолженность, тыс. руб. 22 083 32 808 10 725 148,6
Денежные средства, тыс. руб. 2 996 4 410 1 414 147,2
Краткосрочные обязательства, тыс. руб. 56 857 72 588 15 731 127,7
Собственные оборотные средства, тыс. руб. 41 727 49 278 7 551 118,1
Задолженность по уплате налога на прибыль, тыс. руб. 559 984 425 176,0
Внеоборотные активы, тыс. руб. 85 947 78 230 -7 717 91,0
Оборотные активы, тыс. руб. 98 584 121 866 23 282 123,6
Активы, тыс. руб. 184 531 200 096 15 565 108,4
Первое, на что следует обратить внимание - это снижение выручки от продаж, а также существенная величина непокрытого убытка, которая имеет тенденцию роста. Тем не менее, остальные внешние признакиука-зывают на отсутствие вероятности фальсификации.
Однако, это не является исчерпывающим доказательством, и поэтому рассчитаем систему показателей Бениша.
1) Days' Sales in Receivables Index (DSRI) - индекс дневных продаж в дебиторской задолженности.
ДЗ1/
/Выручка,
О5к;=ДЗ0/ 1 ■ (2)
/ Выручка0
где ДЗ - дебиторская задолженность на конец периода;
В случае исследуемого объекта этот показатель принимает значение 2,032.
Если показатель DSRI > 1, то дебиторская задолженность выросла в процентах от продаж по сравнению с предыдущим годом. Это может говорит о том, что организация учитывает выручку до ее фактического получения.
2) Gross Margin Index (GMI) - индекс рентабельности продаж по валовой продукции.
(Выручка0 — Себестоимость^ /
/Выручкап
= т-T-z-;---0 ■ (3)
I 1-е Т IV\T7III/"n _ I АКА/"Г/\Ч»*/\/"Г1 \ . 4 '
(Выручка1 — Себестоимость^
/В
ыручка1
В случае ООО «ДИАС» данный показатель составил 2,451. При значении GMI>1 можно утверждать, что рентабельность организации снижается. Зачастую компании со снижающейся рентабельностью чаще манипулирую финансовой отчетностью.
3) Asset Quality Index (AQI) - индекс качества активов.
(Активы, — Оборотные активы, — Основные средства,) /
/Активы1
= ^.............п..................л-1 - (4)
(Активы0 — Оборотные активы0 — Основные средства0)/
/ Активы,
0
В случае исследуемой организации показатель равен 0,724. Найденный показатель не выходит за рамки нормального значения (<1,039).
4) Sales Growth Index (SGI) - индекс роста выручки.
Выручка,
SG/ = -1 , (5)
Выручка0
В ООО «ДИАС» показатель SGI = 0,731. Данное значение соответствует норме (<1,25).
5) Depreciation Index (DEPI) - индекс амортизации.
Амортизация0,
DEPI — / (Амортизация0 + Основные средства0)
= Амортизация,,- ' (6)
1/
/ (Амортизация1 + Основные средства1)
В организации этот показатель составил 1,136. Более медленная норма амортизации (DEPI>1) может означать, что фирма пересматривает предположения о сроке полезного использования активов в сторону повышения или принимает новый метод, более благоприятный для прибыли.
6) Sales, General and Administrative expenses Index (SGAI) - индекс коммерческих и общехозяйственных расходов.
=(КР1+ОР1): (КРо+ОРо) , Выручка- Выручкао
где КР - коммерческие расходы; ОР - общехозяйственные расходы.
В организации данный показатель равен2,023. Ситуацию, когда SGAI>1 можно интерпретировать как непропорциональный рост продаж, что является негативным сигналом о будущих перспективах организации.
7) Total Accruals to Total Assets (TATA) - итого начислений к общим активам.
ЛСОС- ДДС + ЛНП+ ЛДЗ- Амортизация,
глгл =-------—- , (8)
Активы1
где ДСОС - изменение в рабочем капитале;
ДДС - изменение суммы денежных средств;
ДНП - изменение в задолженности по уплате налога на прибыль;
ДКЧДЗ - изменение в долгосрочных займах
В исследуемой организации данный показатель равен 0,132, что соответствует оптимальному значению
8) Leverage Index (LVGI) - индекс коэффициента финансовой зависимости.
(Долгосрочные обязательства, + Краткосрочные обязательства, ) / LVGI / Активы,
^^ (Долгосрочные обязательства0 + Краткосрочные обязательства0 )/ , (9)
0 0 /Ак
(<1).
ктивы
0
В случае ООО «ДИАС» данный показатель равен 1,449. При LVGI>1 в хозяйствующем субъекте увеличилась сумма займов по отношению к предыдущему году. Чем выше значение показателя, тем значительнее кредитное плечо.
Полученные показатели вставим в формулу индекса M -score:
M-score = -4,48 + DSRI x 0,920 + GMI x 0,528 + AQI x 0,404 + SGI x 0,892 + DEPI x 0,115 - SGAI x 0,172 + TATA x 4,679 - LVGI x 0,327
Для ООО «ДИАС» при расчёте значение индекса M -score составляет 5,786. Если M-score больше -2,22, то можно сделать предположение, что компания манипулирует финансовой отчетностью.
Следует учитывать тот факт, что при расчёте показателей М. Бениш использовал в своих работах данные американскихкомпаний. Они не учитывают специфику российского законодательства, регулирующего процесс составления бухгалтерской (финансовой) отчетности в России, а также специфику ведения бизнеса. Экономисты (Н.В. Ферулева, М.А. Штефан) из Высшей школы экономики в 2016 году провели корректировку этой модели для отечественных компаний. В результате получилась формула из 6 показателей:
M-score = -4,84 + DSRI x 0,920 + GMI x 0,528 + AQI x 0,404 + SGI x 0,892 - SGAI x 0,172 - LVGI x 0,327
Подставив полученные значения ООО «ДИАС» индекс составит -1,554. При значении M-score > -1,802 есть вероятность манипуляции отчетностью.
Как видим, оба показателя М -score, а в дополнение к ним некоторые исходные показатели, показывают неблагоприятную ситуацию относительно возможности манипулирования с отчетностью. Для проверки, проведем дальнейший анализ с применением закона Бенфорда.
На основе применения закона исследователи разработали алгоритм оценки массива данных на предмет достоверности (рисунок 1).
Рисунок 1 - Последовательность проверки массива данных с использованием закона Бенфорда
Используя данный алгоритм проверки массива данных с помощью закона Бенфорда, осуществим проверку. Для этого сформируем выборку, объединив в нее массив данных о чистой прибыли и величине чистых активов организаций, соответствующих ОКВЭД 25.62 «Обработка металлических изделий механическая» по России за 2018, 2019 гг., которые, по нашему мнению, наиболее подвержены манипуляциям. Доказав, соответствие этих данных закону Бенфорда, мы сможем экстраполировать закон на бухгалтерскую (финансовую) отчетность.
Для создания выборки, была использована база данных «Спарк-Интерфакс». Выборка объединила данные по 4378 предприятиям [8]. Анализ данных производился с помощью аналитического языка программирования «R». Исходный код представлен ниже:
library(VGAM) ## Вызываем требуемые библиотеки library(benford.analysis) ## Вызываем требуемые библиотеки library(R.matlab) ## Вызываем требуемые библиотеки
Massive <- read.csv("Данные по организациям.csv", sep = ";") ## Загружаем исходные данные в переменную
NetActive <- c(Massive$4A2018) ## Выделим из массива данных только выборку чистых активов за 2018 год Result = benford(NetActive,number.of.digits = 1, discrete = TRUE)## Зададим пере-менную с результатом анализа Result$bfd$data.dist ## Выведем распределение в изучаемом массиве
В данном примере анализируем величину чистыхактивов по состоянию на 31.12.2018 года. По тому же принципу определим распределение в чистых активах на 31.12.2019 года и оформим результат в таблицу (таблица 3).
Таблица 3 - Распределение цифр в первом разряде данных о чистых активах организаций обработки металлических изделий России
Цифра Фактическое распределение по данным о чистых активах за Распределение Бенфорда
2018 г. 2019 г.
1 0,34965 0,34034 0,30103
2 0,15980 0,16172 0,17609
3 0,11603 0,11718 0,12494
4 0,09246 0,08954 0,09691
5 0,07200 0,06898 0,07918
6 0,06242 0,06601 0,06695
7 0,05957 0,05802 0,05799
8 0,04533 0,04728 0,05115
9 0,04274 0,05094 0,04586
Анализ выборки показал, что отобранные данные преимущественно отвечают требованиям закона Бенфорда, особенно 2019 года. Проведенный тест показал, что распределение цифр в первом разряде чистых активов организаций, попавших в выборку за 2018 - 2019 гг., соответствует закону Ф.Бенфорда с 95 %-м и 99 %-м уровнем достоверности. Для наглядности изобразим эти данные на графике (рисунок 2).
0,40 0,35
| 0,30
10,25 в
8 0,20 ей
£ 0,15
о
^ 0,10 0,05 0,00
123456789
Цифра
^■Фактическое распределение по данным о Чистых активах за 2018 г ^■Фактическое распределение по данным о Чистых активах за 2019 г ^"Распределение Бенфорда
Рисунок 2 - Распределение цифр в первом разряде чистых активов предприятий обработки металлических изделий России
В таблице 4 представлены распределения цифр в первом разряде данных о чистой прибыли хозяйствующих субъектов за 2018 и 2019 гг., включенных в выборку.
Таблица 4 - Распределение цифр в первом разряде данных о чистой прибыли организаций обработки металлических изделий России
Цифра Фактическое распределение по данным о чистой прибыли за Распределение Бенфорда
2018 г. 2019 г.
1 0,29291 0,31686 0,30103
2 0,18364 0,17419 0,17609
3 0,11670 0,12579 0,12494
4 0,10326 0,10008 0,09691
5 0,07466 0,08419 0,07918
6 0,06264 0,06151 0,06695
7 0,06665 0,05974 0,05799
8 0,05521 0,03806 0,05115
9 0,04434 0,03958 0,04586
Также, для наглядности изобразим эти данные на графике (рисунок 3).
0,35
| 0,30
ЦЗ 0,25
| 0,20
* 0,15 ь '
° 0,10 о '
0,05 0,00
1 2 3 4 5 6 7 8
Цифры
Фактическое распределение по данным о Чистой прибыли за 2018 г Фактическое распределение по данным о Чистой прибыли за 2019 г Распределение Бенфорда
Рисунок 3 - Распределение цифр в первом разряде чистой прибыли организаций обработки металлических изделий России
Из данных таблицы и графика видно, что получены примерно аналогичные предшествующим результаты. Таким образом, распределение цифр в первом разряде показателей чистой прибыли и чистых активов у экономических субъектов обработки металлических изделий России подчиняется закону Бенфорда, а значит тот же результат будет и при анализе бухгалтерской отчетности.
Далее проведем тот же анализ, используя показатели отчетности ООО «ДИАС» за период2018-2019 гг. и представим результат на графике (рисунок 4).
Как видно из графика имеют место достаточно значительные отклонения. В большей степени это:
Цифра 1 4 6 9 2
Отклонение 10,17 4,5 2,64 1,9 1,28
9
Такие отклонения вызывают сомнения в части достоверности финансовой отчетности организации и свидетельствуют о необходимости более тщательного и глубокого изучения субъекта.
0,40 g 0,35 I 0,30
Ü0,25 8 0,20
ё 0,15
ö 0,10 eö '
F 0,05 0,00
123456789
Цифра
^■Фактическое распределение по данным отчетности ООО "ДИАС" ^-Распределение Бенфорда
Рисунок 4 - Распределение цифр в первом разряде данных бухгалтерской отчетности ООО «ДИАС»
Таким образом, оба метода дали нам одинаковый результат: высокая вероятность манипулирования с отчетностью. Однако, стоит помнить, что ни один аналитический подход не даст полную гарантию результата. Такое серьезное нарушение, как искажение финансовой отчетности, должно тщательно исследоваться путем непосредственного изучения деятельности организации. Хотя модель Бениша, как и закон Бенфорда, не следует использовать в качестве инструмента для принятия решений, они могут оказаться полезным инструментом для указания на то, что экономическая информация субъекта заслуживает более глубокого анализа.
Источники
1. Анализ финансовой отчетности: учебник / Ю. И. Сигидов, Н. Ю. Мороз, Е. А. Оксанич, Г. Н. Ясменко. - Краснодар: КубГАУ, 2020. - 358 с.
2. Белоножка В.М. Оценка достоверности бухгалтерской финансовой отчетности/В.М. Белоножка, В.В. Башка-тов//Актуальные вопросы составления бухгалтерской финансовой отчетности в условиях реформирования бухгалтерского учета и отчетности Материалы IV международной студенческой научной конференции. -Краснодар, 2014. -С. 131-135.
3. Бухгалтерский учет и анализ: учеб. пособие / Е. А. Оксанич, Г. Н. Ясменко, Н. Ю. Мороз, Ю. И. Сигидов/под общ. ред. Ю. И. Сигидова, Е. А. Оксанич//Краснодар: КубГАУ, 2017. -251 с.
4. Васильев В.П. Аналитические методы обработки информации/Васильев В.П., Богданова Е.С., Мельнев В.В. / Проблемы и перспективы развития теории и практики экономического анализа в России и за рубежом Четвертая международная научно-практическая конференция студентов, аспирантов, преподавателей. - 2015. С. 38-47.
5. Васильева Н. К. Анализ и управление финансовыми рисками организации / А.В. Чернявская.К. Васильева Н. К.. Ставрополь, 2011.
6. Васильева Н. К. Финансовая устойчивость и оценка финансового состояния организации / Н. К. Васильева, Н. П. Васильева // Проблемы и перспективы развития теории и практики экономического анализа в России и за рубежом: сб. ст. III Междунар. науч.-практ. конф. студентов, аспирантов и преподавателей. - Краснодар: КубГАУ, - 2015. - 272 с. - С. 26-30.
7. Прогнозирование результатов деятельности организаций: проблемы и методологические подходы их решения: монография / А.А. Храмченко, Е.А. Болотнова, И.А. Неводова. - Краснодар: КубГАУ, 2020. - 144 с.
8. Сетевое издание Информационный ресурс СПАРК - URL: https://www.spark-interfax.ru/
9. Фальсификация и вуалирование бухгалтерской (финансовой) отчетности/Сигидов Ю.И., Коровина М.А. - Краснодар: КубГАУ, 2020. - 110 с.
10. Адаменко А.А. Необходимость экономического анализа деятельности экономического субъекта / А.А. Адаменко, Е.А. Лебедева, Е.Е. Миркина // В сборнике: Развитие экономики в условиях цифровизации и ее информационное обеспечение. Материалы Международной научной конференции молодых ученых и преподавателей вузов. Составители: Ю.И. Сигидов, Н.С. Власова, 2019. - С. 205-209.
11. Хорольская Т .Е. Методика проведения анализа финансовых результатов деятельности коммерческой организации / Т.Е. Хорольская, Е.В. Калашникова, Е.И. Еленская // Вестник академии знаний. - 2020. - № 3 (38). - С. 286-290. References
1. Analysis of financial statements: textbook / Yu. I. Sigidov, N. Yu. Moroz, E. A. Oxanich, G. N. Yasmenko. - Krasnodar: KubGAU, 2020. - 358 p
2. Belonozhka V. M. Assessment of the reliability of accounting financial reporting/V. M. Belonozhka, V. V. Bashkatov//Cur-rent issues of accounting financial reporting in the context of accounting and reporting reform Materials of the IV International Student Scientific Conference. - Krasnodar, 2014. - p. 131-135
3. Accounting and analysis: studies. manual/E. A. Oxanich, G. N. Yasmenko, N. Yu. Moroz, Yu. I. Sigidov/under the general editorship of Yu. I. Sigidov, E. A. Oxanich//Krasnodar: KubGAU, 2017. -251 p.
4. Vasiliev V. P. Analytical methods of information processing/Vasiliev V. P., Bogdanova E. S., Melnev V. V. / Problems and prospects of development of theory and practice of economic analysis in Russia and abroad The Fourth International Scientific and Practical Conference of students, postgraduates, teachers. - 2015. pp. 38-47.
5. Vasilyeva N. K. Analysis and management of financial risks of the organization / A.V. Chernyavskaya.K. Vasilyeva N. K.. Stavropol, 2011.
6. Vasilyeva N. K. Financial stability and assessment of the financial condition of the organization / N. K. Vasiliev, N. P. Vasiliev // Problems and prospects of development of the theory and practice of economic analysis in Russia and abroad: collection of articles of the III Intern. nauch.-pract. Conf. of students and teachers. - Krasnodar: KubGAU, - 2015. - 272 p. -p. 26-30.
7. Forecasting the results of organizations ' activities: problems and methodological approaches to their solutions: monograph / A. A. Khramchenko, E. A. Bolotnova, I. A. Nevodova. - Krasnodar: KubGAU, 2020. - 144 p.
8. Online publication Information resource SPARK-URL: https://www.spark-interfax.ru /
9. Falsification and veiling of accounting (financial) statements/ Sigidov Yu. I., Korovina M. A. - Krasnodar: KubGAU, 2020. - 110 s.
10. Adamenko A.A. Necessity of economic analysis of the economic entity's activity / A.A. Adamenko, E.A. Lebedeva, E.E. Mirkina // In the collection: Development of the economy in the context of digitalization and its information support. Materials of the International Scientific Conference of Young Scientists and University Teachers. Contributors: Yu.I. Sigidov, N.S. Vlasova, 2019. - S. 205-209.
11. Khorolskaya T .E. Methodology for analyzing the financial results of a commercial organization / T .E. Khorolskaya, E.V Kalashnikova, E.I. Yelenskaya // Bulletin of the Academy of Knowledge. - 2020. - No. 3 (38). - S. 286-290.
DOI 10.24412/2309-4788-2021-11165
Н.Х. Ворокова - к.пед.н, доцент кафедры статистики и прикладной математики, Кубанский государственный аграрныйуниверситет,
N.Kh. Vorokova, - Candidate of Pedagogical Sciences, Docent in the Department of Statistics andAp-plied Mathematics, Kuban State Agrarian University, [email protected];
Д.Ф. Исламутдинова - к.с-х.н, доцент, Югорский государственный университет,
D.F. Islamutdinova - Candidate of Agricultural Science, Associate Professor, Yugra state university, [email protected].
ЭКОНОМЕТРИЧЕСКИЙ ПОДХОД ЭКСПРЕСС-ОЦЕНКИ ВНЕШНЕЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ОРГАНИЗАЦИЙ ECONOMETRIC APPROACH FOR RAPID ASSESSMENT OF FOREIGN ECONOMIC ACTIVITY OF ORGANIZATIONS
Аннотация. В этой статье описывается дополнительный эконометрический подход к оценке показателей внешнеэкономической деятельности организаций, которые представлены опережающими индикаторами и используются для экспресс-оценки валового внутреннего продукта через t + 30 дней.
Также, отражена диагностика качества эконометрической модели, которая представляет собой сравнение расчетных значений со статистикой внешней торговли. Проведен анализ опережающих индикаторов используемых в эконометрической модели для предоставления информации об определенных экономических событиях.
Представленная выборка аналитических данных с 2016 г по 2020 г. дает возможность измерить качество оценочных значений в разных экономических периодах, в том числе, во время экономического спада по причине пандемии COVID-19. Небольшие отклонения указывают на то, что учет дополнительных источников данных может привести к качественному улучшению оценочной стоимости экспорта и импорта товаров.
Abstract. This paper describes a complementary econometric calculation of exports and imports for national accounting, which uses leading indicators and feeds into the t+30 GDP flash estimates. The quality ofthe econometric models is assessed by comparing the estimated values with the foreign trade data available since 2016. This makes it possible to test the quality of the estimates in various business cycles, including the economic slump during the COVID-19 pandemic. The small deviations suggest that the use of additional data sources may improve the quality of the estimates of goods exports and imports.
Ключевые слова: внешняя торговля, национальные счета, модель ARIMA, эконометрические методы
оценки.
Keywords: foreign trade, national accounts, ARIMA-model, econometric estimation methods.
На сегодняшний день остается актуальной проблематика, представленная Правительством Российской Федерации в части осуществления внешнеэкономического взаимодействия организаций. Правительством была разработана Внешнеэкономическая стратегия страны, подготовленная Минэкономразвития России при активном участии министерств и ведомств, а также бизнеса. В стратегии отражены отраслевые и географические приоритеты внешнеэкономической политики России в увязке с долгосрочными целями внутренней политики страны.
