Введение
Проблема манипулирования данными бухгалтерской отчетности обсуждается учеными уже более ста лет (И.Ф. Шерр [1]). Безусловно, достигнуть максимально достоверное представление данных, содержащихся в бухгалтерской отчетности не всегда возможно по ряду объективных причин, например, из-за выбора способа учета, оценки и наличия ситуаций, в которых подразумевается использование профессионального суждения и др.
Однако, помимо объективных искажений данных в бухгалтерской отчетности, имеют место их сознательное искажение. 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[2].
Необходимость повышения внимания к манипулированию подтверждает сумма ущерба, нанесенного им экономике России. Так по данным М.К. Ценжарик [3], сумма ущерба от манипулирования может быть сравнима с расходами на образование и образование государственного бюджета ряда стран.
Масштаб распространения интереса к проблеме манипулирования данными бухгалтерской отчетности можно оценить, исходя из ссылок на него в российской научной электронной библиотеке, интегрированной с Российским индексом научного цитирования (elibrary), являющейся ведущей в мире электронной базой научной периодики на русском языке.
На основе поисковых запросов «манипулирование данными бухгалтерской отчетностью/мошенничество данными бухгалтерской отчетности/искажение данных бухгалтерской отчетности/вуалирование данными бухгалтерской отчетности/модели оценки достоверности данных бухгалтерской отчетности и т. п. в период с 2007–2017 гг. были сформулированы списки источников литературы, включившие соответственно статьи в сборниках конференций, монографии, учебники и др. Результаты анализа широты распространения исследуемого процесса манипулирования данными бухгалтерского учета представлены в табл. 1.
Таблица 1
Количество источников отечественной литературы с упоминанием
в своих названиях и ключевых словах термина «манипулирование
бухгалтерской отчетностью» за 2007–2017 гг.
|
Показатель |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
|
Количество источников литературы по теме манипулирование отчетностью, шт. |
4 |
6 |
7 |
8 |
11 |
17 |
37 |
47 |
54 |
67 |
90 |
|
Прирост числа статей, % |
– |
50 |
16 |
14 |
37 |
54 |
в 2 раза |
27 |
14 |
24 |
34 |
Полученные результаты наглядно показывают постоянное повышение внимания к проблеме манипулирования данными бухгалтерской отчетности в российской практике. При этом, если первоначально интерес исследователей сводился к выявлению причин и способов манипулирования бухгалтерской отчетности, то в последние два года тематика принципиально изменилась. В настоящее время большая часть исследований посвящена проблеме выявления вероятности манипулирования.
Цель
Целью данного исследования является разработка нового подхода к оценке вероятности манипулирования результатами деятельности компании в их бухгалтерской (финансовой) отчетности. При разработке нового подхода будет учтена отраслевая специфика компаний, динамическая трансформация внешней и внутренней среды и детерминизм показателей, входящих в состав модели.
Материал и методы исследования
Авторы данной статьи на протяжении последних пяти лет вели различного рода исследования, связанные с проблемой манипулирования данными бухгалтерской отчетностью. Особый интерес вызывала проблема применимости различного рода зарубежных моделей к российским компаниям [4, 5, 6, 7].
Наличие подобного рода исследований позволили сделать вывод о том, что все действующие в данный момент модели оценки вероятности манипулирования данными бухгалтерской отчетностью носили открытый характер, то есть являлись открытыми системами. В открытой системе компания строит свое поведение таким образом, чтобы сократить количество непредсказуемых факторов и тем самым уменьшить их влияние, путем исследований и обучений, то есть путем накопления определенных знаний и информации. В этой связи модели оценки вероятности манипулирования бухгалтерской отчетности как открытая система со временем начинают терять свою предсказательную силу, поскольку у компаний появляется возможность, изучив модели, приспосабливаться к ним и оценка вероятности манипулирования выручкой, прибылью, капиталом, активами, обязательствами для сокрытия истинного финансового состояния становится не возможной.
Таким образом, необходима разработка нового подхода к построению моделей оценки вероятности манипулирования бухгалтерской отчетностью. Динамичный характер поведения внешней и внутренней среды можно будет учесть в моделях оценки вероятности манипулирования, если в основу их построения положить два принципа: динамическую трансформацию и отсутствие строгого детерминизма.
Гипотеза Н1: В данном исследовании выдвигается гипотеза о возможности построения интегрального показателя оценки вероятности искажения бухгалтерской (финансовой) отчетности в сторону его завышения с учетом отраслевой специфики.
Для проверки выдвинутой гипотезы Н1 и построения интегрального показателя была использована методика, предложенная НГУЭУ [8, 9, 10].
На первом этапе необходимо было сформировать обучающие выборки. С этой целью, используя данные базы «СКРИН» [11], была сформирована изначальная выборка, состоящая из компаний пищевой промышленности, осуществляющих деятельность в Новосибирской области, в количестве 797 объектов. По результатам предварительного анализа, из их числа были исключены 309 компаний, не имеющих полной отчетности. Оставшиеся 488 компании были оценены на предмет манипулирования с использованием методик M-Score Бениша [12, 13] и F-Score Слоуна [14].
Результаты расчета показателя M-Score были рассортированы и объединены в подгруппы. Итоги представлены в табл. 2.
Исходя из полученных результатов, компании в исследовательской выборке можно разделить на две группы. К первой группе относятся 55 % компании, с достоверной бухгалтерской отчетностью с точки зрения M-Score М. Бениша. Ко второй группе – 45 % компаний с недостоверной отчетностью.
Таблица 2
Анализ достоверности бухгалтерской отчетности компаний
пищевой промышленности с использованием M-Score
|
Компании |
Общее количество компаний в выборке |
Общее количество компаний с достоверной бухгалтерской отчетностью |
Общее количество компаний с недостоверной бухгалтерской отчетностью |
|
Всего, единиц |
488 |
270 |
218 |
|
Уд. вес, % |
100 % |
55,33 % |
44,67 % |
Таблица 3
Анализ проверки достоверности бухгалтерской отчетности компаний
пищевой промышленности с использованием модели F-Score Слоуна
|
Компании |
Общее количество компаний в выборке |
Общее количество компаний с достоверной бухгалтерской отчетностью |
Общее количество компаний с не достоверной бухгалтерской отчетностью |
|
Всего, единиц |
488 |
387 |
101 |
|
Уд. вес, % |
100 % |
79,3 % |
20,7 % |
Далее по 488 компаниям, попавшим в выборку был рассчитан F-Score Р. Слоуна. была проведена аналогичная работа – разбиение на подгруппы. Результаты расчета представлены в табл. 3.
Расчет интегрального показателя F-Score позволил сделать выводы, что количество компаний в исследовательской выборке с достоверной отчетностью возросло почти до 80 %.
Судя по результатам исследования – значение показателей M-Score и F-Score часто не совпали в оценке одних и тех же компаний, что привело к необходимости сверки полученных значений, результаты которой представлены в табл. 4.
Далее для проверки выдвинутой гипотезы Н1, используя полученные результаты, были сформированы обучающие выборки за 2015–2016 гг. В каждую из двух выборок вошли:
– 40 компаний, признанных манипуляторами в сторону завышения результатов деятельности в бухгалтерской отчетности, что было подтверждено одновременно проверкой моделями M-Score и F-Score;
– 40 компаний, признанных не искажающими данные бухгалтерской отчетности, что было подтверждено одновременно проверкой по моделям M-Score и F-Score.
На втором этапе методики НГУЭУ был сформирован список финансовых показателей. В список вошли 95 финансовых показателей.
На третьем этапе методики НГУЭУ из составленного списка финансовых показателей был проведен отбор значимых финансовых показателей.
Таблица 4
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 |
488 |
234 |
40 |
214 |
|
Доля, % |
100 % |
47,95 % |
8,2 % |
23,57 % |
Третий этап включил несколько фаз. Первоначально отбор производился с помощью 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.
Отобранные финансовые показатели были проверены на мультиколлинеарность с помощью программы STATISTICA.
Проведенное исследование позволило сформировать окончательный список финансовых показателей, куда вошли следующие четыре финансовых коэффициента:
– внеоборотные активы/активы (ВОА/А);
– краткосрочные обязательства/обязательства (КО/О);
– чистая прибыль/собственный капитал (ЧП/СК);
– денежные средства/активы (ДС/А).
На 4 этапе применяемой в данном исследовании методики НГУЭУ было произведено определение параметров пробит-регрессии с помощью программы STATISTICA. Результаты анализа приведены в табл. 5.
Результаты проверки качества полученного в ходе исследований интегрального показателя оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их завышения, построенного по данным 2015 г. представлены в табл. 6.
Таким образом, интегральный показатель оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их завышения, построенный по данным 2015 года, выявляет факты манипулирования с вероятностью немногим более 70 %.
Результаты проведенного исследования позволили полностью подтвердить Гипотезу Н1 о возможности построения интегрального показателя оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их завышения, имеющего высокий уровень качества.
Далее выдвигаем Гипотезу Н2, говорящую, что интегральные показатели оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их завышения, в разные периоды времени будут различаться, в связи с тем, что с течением времени методы манипулирования компаний будут меняться.
Для проверки выдвинутой Гипотезы Н2 произведем расчеты интегральных показателей оценки манипулирования данными бухгалтерской отчетности в сторону их завышения за 2016–2017 гг.
Результаты расчета пробит-регрессии с использованием данных за 2016 год представлены в табл. 7.
Таблица 5
Результаты расчета пробит-регрессии, построенной по данным 2015 года
|
Const.B0 |
ВОА/А |
КО/О |
ЧП/СК |
ДС/А |
|
|
Estimate |
0,428437232 |
1,34476922 |
–0,653347978 |
–0,0789860006 |
–1,57865456 |
Таблица 6
Результаты проверки качества полученной модели
|
Observed |
Classification of Cases Perc. correct: 70,51 % |
||
|
Pred. M |
Pred. Ч |
Persent Correct |
|
|
M |
27 |
11 |
71,05264 |
|
Ч |
12 |
28 |
70 |
Таблица 7
Результаты расчета пробит-регрессии, построенной по данным 2016 года.
|
Const.B0 |
ТрОА |
ОА/А |
EBT/ВОА |
(ОС + ОА)/А |
|
|
Estimate |
–0,820279929 |
–1,43584365 |
–3,99140862 |
–0,000285523599 |
6,53185497 |
Таблица 8
Результаты проверки качества полученной пробит-регрессии
|
Observed |
Classification of Cases Perc. correct: 92,00 % |
||
|
Pred. M |
Pred. Ч |
Persent Correct |
|
|
M |
33 |
3 |
91,66666 |
|
Ч |
3 |
36 |
92,30769 |
Таблица 9
Результаты расчета пробит-регрессии, построенной по данным 2017 года
|
В0 |
ВОА/ДО |
ВОА/А |
ВОА/СК |
ДО/КО |
ДО/(ДО + СК) |
|
|
Estimate |
–0,852017 |
0,461946 |
1,693673 |
–0,037783 |
–0,263348 |
1,670888 |
Таблица 10
Результаты проверки качества полученной пробит-регрессии
|
Observed |
Perc. correct: 81,25 % |
||
|
Pred. М |
Pred. Ч |
Perc. Correct |
|
|
М |
35 |
5 |
87,50000 |
|
Ч |
10 |
30 |
75,00000 |
Результаты проверки качества полученной в ходе исследований пробит-регрессии, построенной за 2016 г., представлены в табл. 8.
Результаты расчета пробит-регрессии с использованием данных за 2017 год представлены в табл. 9.
Результаты проверки качества полученной в ходе исследований пробит-регрессии, построенной по данным 2017 г., представлены в табл. 10.
Значения интегральных показателей, построенных по данным 2016–2017 гг. по сравнению с интегральным показателем, построенным по данным 2015 г. стали более качественными.
Так интегральный показатель оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их завышения позволил выявить такие факты с 90 % процентной вероятностью в 2016 г. и с 85 % в 2017 г.
Кроме того, следует обратить внимание на то обстоятельство, что финансовые коэффициенты, вошедшие в состав интегральных показателей оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их завышения за три исследуемых года ни разу не повторились.
В результате проведенного исследования можно сделать вывод, что выдвинутая ранее гипотеза Н2 полностью подтвердилась.
Результаты исследования
и их обсуждение
Проведенное в данной работе исследование бухгалтерской отчетности компаний с видом экономической деятельности «Пищевая промышленность» и построение на основе методики НГУЭУ ряда интегральных показателей оценки вероятности манипулирования данными этой отчетности подтверждает возможность использования построенных показателей в разных отраслях экономики с целью получения адекватной оценки достоверности отчетности компаний в интересах разных групп стейкхолдеров.
Рассчитанные в работе интегральные показатели оценки вероятности манипулирования данными бухгалтерской отчетности имеют существенные преимущества против западных методов оценки.
Прежде всего следует отметить на их возможность учитывать отраслевую специфику исследуемых компаний.
Впервые появилась возможность построения интегральных показателей оценки вероятности манипулирования данными бухгалтерской отчетности, лишенных строгого детерминизма показателей, входящих в их состав. Как показали проведенные в работе расчеты, благодаря новому подходу к построению пробит-регрессии ежегодно состав показателей, входящих в их состав менялся. Это значительно снижает риски в оценке достоверности данных бухгалтерской отчетности со стороны различных групп стейкхолдеров компаний.
Еще одним преимуществом построенных интегральных показателей оценки вероятности достоверности данных бухгалтерской отчетности является их возможность выявления направленности манипулирования. В частности построенные пробит-регрессии позволили выявить завышение полученных финансовых результатов в бухгалтерской отчетности.
Выводы
В дальнейшем следует провести специальные исследования, которые позволят построить интегральные показатели оценки вероятности манипулирования данными бухгалтерской отчетности в сторону их занижения. Предварительный анализ, проведенный авторами данного исследования, свидетельствует о наличии большого количества компаний с видом экономической деятельности «Пищевая промышленность», манипулирующие результатами своей деятельности в сторону их занижения с целью ухода от уплаты налогов.