Построение интегрального показателя оценки вероятности искажения финансового результата в бухгалтерской отчетности
Автор: Санькова М.К.
Журнал: Экономика и бизнес: теория и практика @economyandbusiness
Статья в выпуске: 5-2 (63), 2020 года.
Бесплатный доступ
В современных условиях все больше компаний стремятся улучшить результаты своей деятельности, зачастую искажая данные бухгалтерской отчетности. Так, разработка и применение новых методов оценки вероятности манипулирования данными бухгалтерской отчетности становится актуальной. В данной работе, используя определенный пошаговый алгоритм, было проведено построение интегрального показателя оценки вероятности искажения финансового результата в 2016 для компаний с видом экономической деятельности «Обеспечение электрической энергией, газом и водой, кондиционирование воздуха».
Достоверность данных бухгалтерской отчетности, манипулирование данными бухгалтерской отчетности, финансовые коэффициенты, пробит-регрессия оценки вероятности манипулирования данными бухгалтерской отчетности
Короткий адрес: https://sciup.org/170182721
IDR: 170182721 | DOI: 10.24411/2411-0450-2020-10449
Текст научной статьи Построение интегрального показателя оценки вероятности искажения финансового результата в бухгалтерской отчетности
Всем пользователям бухгалтерской (финансовой) отчетности для принятия объективных экономических решений необходимо быть уверенными в качестве экономической информации. Основным документом- носителем экономической информации является бухгалтерская отчетность. Оценка экономической информации, содержащейся в бухгалтерской отчетности, возможна при наличии подходов, способных классифицировать информацию с точки зрения ее качества.
Существует ряд методологических подходов к комплексному анализу качества бухгалтерской отчетности, направленных на выявление фактов манипулирования. Однако исследователи пришли к выводу, что со временем данные подходы теряют предсказательную силу, так как являются открытыми системами [1, 2]. Так, тема разработки нового подхода к построению модели оценки качества составления бухгалтерской отчетности становится крайне актуальной и перспективной.
В соответствии с заявленной темой выдвинем гипотезу : возможно построение интегрального показателя оценки вероятности искажения бухгалтерской отчетности с учетом отраслевой специфики.
Для проверки гипотезы был использован определенный пошаговый алгоритм действий, включающий следующие этапы [3].
-
1) Первичное определение основных поведенческих типов хозяйствующих субъектов;
-
2) Предварительный отбор компаний;
-
3) Формирование обучающих выборок;
-
4) Отбор финансовых показателей;
-
5) Построение модели, определение границ и проверка результатов.
На первом этапе была сформирована первичная выборка акционерных обществ с видом экономической деятельности «Обеспечение электрической энергией, газом и паром; кондиционирование воздуха» в количестве: 943 компаний осуществляющих деятельность в 2016 году на основе данных базы «СКРИН» [4].
Исходной аналитической процедурой второго этапа является проверка принципа соответствия коэффициентов начислений, построенных на основе отчета о движении денежных средств, и коэффициентов начислений, построенных на основе бухгалтерского баланса [5].
Третий этап применяемой методики предполагает разделение компаний, попавших в выборку на занижающих, завы- шающих и неискажающих результаты хозяйственной деятельности. Данный этап реализуется в несколько шагов. Первый шаг – двукратное применение критерия Томпсона, которое позволяет отсеять ано- мальные значения и сформировать окончательную исследовательскую выборку. Статистические характеристики применения критерия Томпсона представлены в таблице 1.
Таблица 1. Статистические характеристики применения критерия Томпсона
Заданный уровень значимости |
Среднее значение |
Расчет обратного значения t-распределения |
Значение критерия Томпсона |
Стандартное отклонение |
Массив наблюдений (остаток) |
||
2016 |
I этап |
0,05 |
- 0,28 |
1,65 |
1,65 |
1,52 |
649 |
II этап |
0,05 |
- 0,28 |
1,65 |
1,65 |
1,53 |
637 |
Далее были определены статистические характеристики в окончательной исследовательской выборке в количестве 637 ком- паний. Результаты представлены в таблице 2.
Таблица 2. Статистические характеристики значений коэффициента начислений в ис- следовательской выборке
Max |
Min |
Среднее значение x̅ |
Дисперсия Ϭ2 |
Среднеквадратическое отклонение Ϭ |
|
2016 |
0,05 |
-2,64 |
-0,16 |
0,14 |
0,37 |
Компании, вошедшие в исследовательскую выборку, были распределены на кластеры при помощи аналитических процедур (EM-алгоритм) программы STATISTICA. Так были выделены компа- нии завышающие, занижающие и неискажающие результаты своей деятельности.
График распределения представлен на рисунке.

Рисунок. График системы нормальных распределений данных исследовательской выборки
Основываясь на построенных нормальных распределениях и отраженных на рисунке вершинах, были сформированы выборки из 30 компаний, максимально отвечающих каждому из нормальных распределений.
Четвертый этап методики заключается в отборе значимых финансовых показателей таких групп как: показатели рентабельности, показатели финансовой устойчивости, показатели структуры капитала, показатели ликвидности, показатели деловой активности.
Данный этап включает в себя несколько ступеней:
– отбор значимых показателей с помощью критерия Колмогорова-Смирнова.
– отбор значимых показателей с помощью U-тест Манна-Уитни (Mann-Whitney U-test), если значения критерия Колмогорова-Смирнова при уровне значимости 0,05 значение финансовых показателей в обучающих выборках не соответствовало гаусиану.
Финансовые показатели, прошедшие отбор, были проверены на мультиколлинеарность с помощью инструментов программы STATISTICA.
Таким образом, был сформирован список значимых финансовых показателей (табл. 3).
Таблица 3. Список значимых финансовых показателей, 2016 г.
Занижение |
Завышение |
||
Обозначение показателя |
Строки отчетности по РСПБУ |
Обозначение показателя |
Строки отчетности по РСПБУ |
INV\CL |
1210\1500 |
CS\INV |
2120\1210 |
CACH\TL |
1250\(1400+1500) |
OEXP\SAL |
(2110+2120)\2110 |
CASH\CL |
1250\1500 |
CA\TA |
1200\1600 |
CS\INV |
2120\1210 |
CASH\TA |
1250\1600 |
CS\SAL |
2120\2110 |
CASH\CA |
1250\1200 |
На следующем этапе с помощью программы STATISTICA были определены параметры пробит-регрессий для компаний завышающих и занижающих результаты своей деятельности. Интегральный
INV
Ү 16_занижение =0.127+1.0843× CL
-
показатель оценки вероятности оценки вероятности искажения финансового результата в бухгалтерской отчетности имеет вид (1, 2):
CASH+0.624×CASH - 0.0007 ×
× + 0.3259 × CA + 17.4208 ×
3.0926 ×
cs П П^А n CS - 0.0642 ×
INV .
CS
Ү16 _завышение = -0,9043 + 0,0001 × INV + 0.1485
CASH - 3.9684
TA
CASH ×
CA
Критерием качества построенной модели является ее предсказательная сила, значение которой должно достигать 70%.
Данное значение было достигнуто (табл. 4).
Таблица 4. Результаты проверки качества полученной модели
Год |
Тип манипулирования |
Предсказ |
Предсказ |
% |
|
2016 |
завышение |
к |
35 |
32 |
72,24 |
з |
10 |
57 |
85,07 |
||
занижение |
с |
80 |
12 |
86,96 |
|
к |
41 |
51 |
75,44 |
Можем сделать вывод о том, что выдвинутая гипотеза находит подтверждение. Результаты проведенного исследования позволили построить интегральный показатель оценки вероятности искажения финансового результата в бухгалтерской отчетности, имеющий высокий уровень качества.
Список литературы Построение интегрального показателя оценки вероятности искажения финансового результата в бухгалтерской отчетности
- Алексеев М.А. Критический анализ развития методов оценки качества финансовой отчетности / М.А. Алексеев, М.Ю. Савельева, С.А. Дудин // Вестник НГУЭУ. - 2018. - №3. - С. 144-161.
- Алексеев М.А. О проблемах применения показателя манипулирования к финансовой отчетности российских предприятий // Вестник НГУЭУ. - 2016. - № 1. - С. 92-102.
- Алексеев М.А. Методика построения показателя выявления искажения результатов деятельности компаний / М.А. Алексеев, С.А. Дудин // Бухгалтерский учет, анализ и аудит: форсайт и бэкграунд. - Новосибирск, 2017. - С. 5-19.
- База данных по российским компаниям, отраслям и регионам. - [Электронный ресурс]. - Режим доступа: https://skrin.ru/ (Дата обращения:10.04.2020)
- Алексеев М.А. Методологические основы построения и использования коэффициентов начислений / М.А. Алексеев, М.Ю. Савельева // Вестник НГУЭУ. - 2016. - № 2. - С. 139-155.