Оценка вероятности манипулирования бухгалтерской отчетностью в компаниях с видом экономической деятельности "Текстильная промышленность"

Результаты одного из последних исследований аудиторской компании PwC свидетельствуют о серьезности проблемы манипулирования в российской практике. Так, в 2016 г. с манипулированием бухгалтерской отчетности столкнулось 23% компаний и организаций в России, что на 5% больше зарубежной практики [3].

В рамках проведенного исследования была выдвинута гипотеза о том, что существующие зарубежные модели оценки вероятности манипулирования данными бухгалтерской отчетности по ряду составляющих свидетельствуют об ох низкой эффективности. Поэтому в настоящее время одним из перспективных направлений в исследовании является построение интегрального показателя оценки вероятности манипулирования данными бухгалтерской отчетности.

Для исследования и построения интегрального показателя была использована авторская методика [1, 2, 4].

Первый этап исследования подразумевал под собой формирование обучающей выборки. Чтобы получить все необходи- мые данные, использовалась информационная система «СКРИН». Была сформирована обучающая выборка, в которую вошло 133 компании с видом экономической деятельности «Текстильная промышленность» и организационно-правовой формой «АО» за 2017 год. Результатом предварительного анализа стало исключение 6 компаний, которые не имели полной бухгалтерской (финансовой) отчетности. Компании, которые прошли отбор и попали в обучающую выборку, были оценены на предмет манипулирования с помощью методик M-Score Бениша [6, 7] и F-Score Слоуна [1, 5].

Обобщив результаты оценки достоверности компаний с использованием показателей M-Score М. Бениша и F-Score Р. Слоуна, получили, что результаты достаточно часто не совпадали друг с другом при исследовании одних и тех же компаний. Чтобы получить более корректные данные, была произведена сверка полученных значение, что представлено в таблице 1.

Таблица 1. Сравнение результатов анализа по показателям M-Score и F-Score

Компании	Общее количество компаний	Общее количество компаний с достоверной бухгалтерской отчетностью, признанной двумя методами	Общее количество компаний с недостоверной бухгалтерской отчетностью, признанной двумя методами	Общее количество компаний имеющих достоверность или недостоверность бухгалтерской отчетности, признанной только одним из методов
Всего, единиц	127	51	30	46
Доля, %	100	40,2	23,6	36,2

В итоге проведенных сравнений в обучающей выборке были оставлены компании, одновременно имеющие положительные и отрицательные результаты по моделям M-Score и F-Score.

В первую выборку вошли компании манипуляторы в количестве 30. Во вторую выборку вошли компании неманипулято-ры в количестве 30.

На втором этапе методики был сформирован список финансовых показателей, который насчитывал 95 финансовых коэффициентов.

На третьем этапе методики из составленного списка финансовых показателей был проведен отбор значимых финансовых показателей.

Третий этап включил несколько фаз. Первоначально отбор производился с по- мощью критериев Колмогорова-Смирнова. В случаях, когда при уровне значимости равному 0,05 значение финансовых показателей в обучающих выборках не соответствовало гаусиану, то используется U-тест Манна-Уитни (Mann-Whitney U-test). Цель данного теста заключалась в сравнении законов распределения значений показателя в обучающих выборках. При существенных различиях законов распределения значений показателя в обучающих выборках он признается значимым в классификационных целях.

Проведенные исследование позволили выделить следующие значимые финансовые коэффициенты, которые представлены в таблице 2.

Таблица 2. Финансовые коэффициенты, прошедшие проверку критерием Колмогорова-

Смирнова и U-тестом Манна-Уитни

Наименование	Формула расчета по кодам строк отчетности	Значение по критерию Колмогорова-Смирнова	Значение по U-тесту Манна-Уитни
Net Profit/Fixed Assets (NI/FA)	2400/1100	0,001982	0,063534
Inventories/Current Liabilities (INV/CL)	1210/1500	0,000000	0,004969
Total Liabilities/Total Assets (TL/TA)	(1400+1500)/1700	0,000038	0,093342
Total Liabilities /Equity (TL/E)	(1400+1500)/1300	0,000027	0,093342
Cash/ Total Assets (Cash/TA)	1250/1700	0,000285	0,040596
(Equity-Fixed Assets)/Total Assets ((E-FA)/TA)	(1300-1100)/1700	0,004338	0,057460
Current Assets/(Cash+Short-Term Financial In-vestments)(CA/(Cash+STFI))	1200/(1250+1240)	0,000000	0,030318

По методике на четвёртом этапе было произведено определение параметров про-бит-регрессии с помощью программы

STATISTICA. Полученные результаты представлены в таблице 3.

Таблица 3. Результаты построения пробит-регрессии для компаний с видом экономической деятельности «Текстильная промышленность» по данным 2017 года

	ВО	NI/FA	INV/CL	TL/TA	TL/E	CASH/TA	E-Fa/Ta	CA/CASH+STFI
Оценка	-0,339367	-0,814597	0,353794	0,699524	-0,059829	-8,05073	1,480494	0,002283

Далее была произведена оценка качества составленного интегрального показателя оценки вероятности манипулирования данными бухгалтерской (финансовой) отчетности для компаний с видом экономи- ческой деятельности «Текстильная промышленность» по данным 2017 года. Результаты проверки качества полученной модели представлены в таблице 4.

Таблица 4. Результаты проверки качества модели для компаний с экономическим ви- дом деятельности «Текстильная промышленность»

Классификация (таблица для пробит.sta) Отн. шансов: 20,000 Проц. верн.: 81,67%
	Предсказ	Предсказ	%
М	25	5	83,33334
Н	6	24	80,00000

По итогам проведенного исследования отсутствие детерминизма в данной модели можно сделать вывод, что выдвинутая нами гипотеза подтвердилась. Построенный интегральный показатель оценки вероятности манипулирования данными бухгалтерской (финансовой) отчетности для компаний с видом экономической деятельности «Текстильная промышленность» способен выявлять факты манипулирования с вероятностью равной 83%.

Важным для исследования является положение о том, что для разработанного интегрального показателя преимуществом выступает отсутствие детерминизма показателей, входящих в его состав. Поэтому исключит возможность манипулирования данными бухгалтерской (финансовой) отчетностью компаний. Вместе с тем следует подчеркнуть, что это позволит всем группам стейкхолдеров получать достоверную информацию для принятия управленческих решений.

Помимо этого, модель, построенную в данной работе, можно будет использовать как эффективное дополнение к различным методам оценки финансового состояния организаций, занимающихся текстильной промышленностью.