Показатель выявления искажения результатов деятельности компании

Misstatement Detection Rate of Company’s Performance

Новосибирский университет экономики и управления «НИНХ», Россия, Новосибирск

Novosibirsk State University of Economics and Management, Russia, Novosibirsk

Михаил Анатольевич Алексеев

Michail Alekseev

канд. экон. наук, заведующий кафедрой корпоративного управления и финансов

PhD in Economics, Head of the Corporate Management and Finance Department

e-mail: m.a.alekseev@nsuem.ru

e-mail: m.a.alekseev@nsuem.ru

Сергей Александрович Дудин

Sergey Dudin

старший преподаватель кафедры корпоративного управления и финансов

Senior Lecturer of the Corporate Management and Finance Department

e-mail: s.a.dudin@nsuem.ru

e-mail: s.a.dudin@nsuem.ru

630099, Россия, г. Новосибирск, ул. Каменская, д. 56 (кафедра Корпоративного управления и финансов).

Тел. +7 (383) 243-95-06.

56, Kamenskaya st., Novosibirsk, Russia, 630099 (The Department of Corporate Management and Finance).

Phone +7 (383) 243-95-06.

Аннотация. В статье представлен подход к оценке качества финансовой отчетности с позиций вероятности ее искажения. Выделены финансовые показатели, позволяющие выявить закономерности в обучающих выборках. Обосновано использование показателя оценки вероятности искажения финансовой отчетности в сторону занижения. Отчетность компаний, функционирующих в строительной сфере, оценена с позиций вероятности занижения финансовых результатов деятельности.

Abstract. The method of quality evaluation of financial statements based on its misstatement probability is presented in the article. The authors selected financial indicators to identify patterns in the training samples. The usage of the evaluation index of financial statements misstatement probability towards understatement is justified. Financial statements of companies, operating in the construction industry, are evaluated from the perspective of probability of the financial performance understating.

Ключевые слова: финансовая отчетность; открытое информационное пространство; отчет о движении денежных средств.

Keywords: financial statements; open information space; cash flow statement.

1. Алексеев М.А. О проблемах применения индекса F—score к финансовой отчетности российских компаний // Проблемы экономической науки и практики: сб. науч. тр. — 2016. — Т. 2. Вып. 2. — С. 22–32.

1. Alekseev M.A. To the Applicability the F—score Model for Financial Statements Prepared under RAS. Problemy ekonomicheskoy nauki i praktiki: sbornik nauchnyh trudov, 2016, Vol. 2, Issue, 2, pp. 22–32 (in Russ).

2. Алексеев М.А. О проблемах применения показателя манипулирования к финансовой отчетности российских предприятий // Вестник НГУЭУ. — 2016.— № 1. — С. 92–102.

2. Alekseev M.A. The Manipulation Index: Problems of Applicability to the Financial Statements of Russian Companies. Vestnik NSUEM, 2016, no. 1, pp. 92–102 (in Russ.).

3. Алексеев М.А., Глинский В.В., Лихутин П.Н. Статистическое исследование информационного пространства финансового рынка // Вопросы статистики. — 2017. — № 5. — С. 28–38.

3. Alekseev M.A., Glinskiy V.V., Likhutin P.N. Statistical Research of Financial Market Information Space. Voprosy statistiki. 2017, no. 5, pp. 28–38 (in Russ.).

4. Алексеев М.А., Лихутин П.Н. Методологические аспекты исследования информационного пространства финансового рынка // Вестник Самарского государственного экономического университета. — 2017. — № 5(151). — С. 65–74.

4. Alekseev M.A., Likhutin P.N. Methodological Research Aspects of the Financial Market Information Space. Vestnik Samarskogo gosudarstvennogo ekonomicheskogo universiteta, 2017, no. 5(151), pp. 65–74 (in Russ.).

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

5. Alekseev M.A., Tyuzhina M.S. Identification of the Distortion Direction of Financial Statements. Siberian Financial School, 2016, no. 6, pp. 129–133 (in Russ.).

6. Колмогоров А.Н. Теория вероятностей и математическая статистика. — М. : Наука, 1986. — 535 с.

6. Kolmogorov A.N. Teoria veroytnostey i matematicheskay statistica [Theory of Probability and Mathematical Statistics]. Moscow, Nauka Publ., 1986. 535 p.

7. 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.

7. Savel’eva M.Y, Alekseev M.A., Dudin S.A. Evaluating the Quality of Cash Flow Statement of Russian Companies. Economic Analysis: Theory and Practice, 2017, no. 4(463), pp. 756–767 (in Russ.).

8. Beneish M.D. The Detection of Earnings Manipulation // Financial Analysts Journal. — 1999. — Vol. 55, № 5. — P. 24–36.

8. Beneish M.D. The Detection of Earnings Manipulation. Financial Analysts Journal, 1999, Vol. 55, no. 5, pp. 24–36.

9. Dechow P.M., Richardson S.A., Sloan R.G. The Persistence and Pricing of the Cash Component of Earnings // Journal of Accounting Research. — 2008. — Vol. 46, № 3. — P. 537–566.

9. Dechow P.M., Richardson S.A., Sloan R.G. The Persistence and Pricing of the Cash Component of Earnings. Journal of Accounting Research, 2008, Vol. 46, no. 3, pp. 537–566.

10. Feroz E.H., Kwon T.M., Pastena V.S., Park K. The efficacy of red flags in predicting the SEC’s targets: an artificial neural networks approach // Intelligent Systems in Accounting, Finance & Management. — 2000. — Vol. 9, Issue 3. — P. 145–157.

10. Feroz E.H., Kwon T.M., Pastena V.S., Park K. The efficacy of red flags in predicting the SEC’s targets: an artificial neural networks approach. Intelligent Systems in Accounting, Finance & Management, 2000, Vol. 9, Issue 3, pp. 145–157.

11. Kanapickiene R., Grundiene Z. The Model of Fraud Detection in Financial Statements by Means of Financial Ratios // Procedia — Social and Behavioral Sciences. — 2015. — Vol. 213. — P. 321–327.

11. Kanapickiene, R., Grundiene, Z. The Model of Fraud Detection in Financial Statements by Means of Financial Ratios. Procedia — Social and Behavioral Sciences, 2015, Vol. 213, pp. 321–327.

12. Lenard M.J., Alam P. An historical perspective on fraud detection: from bankruptcy models to most effective indicators of fraud in recent incidents // Journal of Forensic & Investigative Accounting. — 2009. — Vol. 1, Issue 1.

12. Lenard, M. J., Alam, P. An historical perspective on fraud detection: from bankruptcy models to most effective indicators of fraud in recent incidents. Journal of Forensic & Investigative Accounting, 2009, Vol. 1, Issue 1.

13. Mann H.B., Whitney D.R. On a Test of Whether one of Two Random Variables is Stochastically Larger than the Other // Annals of Mathematical Statistics. — 1947. — Vol. 18, № 1. — P. 50–60.

13. Mann, H. B., Whitney, D. R. On a test of whether one of 2 random variables is stochastically larger than the other. Annals of Mathematical Statistics, 1947, Vol. 18, no. 1, pp. 50–60.

14. Persons O.S. Using financial statement data to identify factors associated with fraudulent financing reporting // Journal of Applied Business Research. — 1995. — Vol. 11, № 3. — P. 38–46.

14. Persons, O. Using financial statement data to identify factors associated with fraudulent financing reporting. Journal of Applied Business Research, 1995, Vol. 11, no. 3, pp. 38–46.

15. Ravisankar P., Ravi V., Raghava Rao G., Bose I. Detection of financial statement fraud and feature selection using data mining techniques // Decision Support Systems. — 2011. — Vol. 50, Issue 2. — P. 491–500.

15. Ravisankar P., Ravi V., Raghava Rao G., Bose I. Detection of financial statement fraud and feature selection using data mining techniques. Decision Support Systems, 2011, Vol. 50, Issue 2, pp. 491–500.

16. Stice J.D. Using Financial and Market Information to Identify PreEngagement Factors Associated with Lawsuits against Auditors // The Accounting Review. — 1991. — Vol. 66, № 3. — P. 516–533.

16. Stice J. D. Using Financial and Market Information to Identify PreEngagement Factors Associated with Lawsuits against Auditors. The Accounting Review, 1991, Vol. 66, no. 3, pp. 516–533.