КОНЦЕПЦИЯ ИНФОРМАЦИОННОГО ПРОСТРАНСТВА ФИНАНСОВОГО РЫНКА тема диссертации и автореферата по ВАК РФ 08.00.10, доктор наук Алексеев Михаил Анатольевич

  • Алексеев Михаил Анатольевич
  • доктор наукдоктор наук
  • 2017, ФГБОУ ВО «Новосибирский государственный университет экономики и управления «НИНХ»
  • Специальность ВАК РФ08.00.10
  • Количество страниц 286
Алексеев Михаил Анатольевич. КОНЦЕПЦИЯ ИНФОРМАЦИОННОГО ПРОСТРАНСТВА ФИНАНСОВОГО РЫНКА: дис. доктор наук: 08.00.10 - Финансы, денежное обращение и кредит. ФГБОУ ВО «Новосибирский государственный университет экономики и управления «НИНХ». 2017. 286 с.

Оглавление диссертации доктор наук Алексеев Михаил Анатольевич

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ КОНЦЕПЦИИ ЭВОЛЮЦИОННОЙ

ЭФФЕКТИВНОСТИ ФИНАНСОВОГО РЫНКА

П. 1.1. ТЕОРЕТИЧЕСКИЕ ПОДХОДЫ К ПОНИМАНИЮ

НЕОПРЕДЕЛЕННОСТИ ПРИ ПРИНЯТИИ ФИНАНСОВЫХ РЕШЕНИЙ

П. 1.2. ГИПОТЕЗА ЭВОЛЮЦИОННОЙ ЭФФЕКТИВНОСТИ ФИНАНСОВОГО

РЫНКА

П. 1.3. ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО ФИНАНСОВОГО РЫНКА .... 53 ГЛАВА 2. МЕТОДОДОЛОГИЯ ИССЛЕДОВАНИЯ ИНФОРМАЦИОННОГО

ПРОСТРАНСТВА ФИНАНСОВОГО РЫНКА

П. 2.1. ТИПЫ ПОВЕДЕНИЯ ХОЗЯЙСТВУЮЩИХ СУБЪЕКТОВ В

ИНФОРМАЦИОННОМ ПРОСТРАНСТВЕ ФИНАНСОВОГО РЫНКА

П. 2.2. МЕТОДОЛОГИЯ ИЗМЕРЕНИЯ ИНФОРМАЦИОННЫХ

ХАРАКТЕРИСТИК ФИНАНСОВОГО РЫНКА

П. 2.3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ПРЕДЛОЖЕННОГО

МЕТОДОЛОГИЧЕСКОГО ПОДХОДА

ГЛАВА 3. ВЫЯВЛЕНИЕ ПРИЗНАКОВ МАНИПУЛИРОВАНИЯ ФИНАНСОВОЙ

ОТЧЕТНОСТЬЮ РОССИЙСКИМИ КОМПАНИЯМИ

П. 3.1. ОЦЕНКА ОТЧЕТНОСТИ РОССИЙСКИХ КОМПАНИЙ С ПОМОЩЬЮ

ИНДЕКСОВ М-БСОЯЕ И Б-БШИЕ

П. 3.2. ПРИМЕНИМОСТЬ ЗАКОНА БЕНФОРДА ДЛЯ ОПРЕДЕЛЕНИЯ

ДОСТОВЕРНОСТИ ФИНАНСОВОЙ ОТЧЕТНОСТИ

П. 3.3. ИССЛЕДОВАНИЕ ЦЕНОВОГО СГОВОРА НА ОСНОВЕ

ПЕРЕКРЕСТНОГО ВЛАДЕНИЯ АКЦИЯМИ

ГЛАВА 4. ПРОВЕРКА ФИНАНСОВОЙ ИНФОРМАЦИИ С ПОМОЩЬЮ

КОЭФФИЦИЕНТОВ НАЧИСЛЕНИЙ

П. 4.1. МЕТОДОЛОГИЧЕСКИЕ ВОПРОСЫ ИСПОЛЬЗОВАНИЯ КОЭФФИЦИЕНТОВ НАЧИСЛЕНИЯ

П. 4.2. ПРОВЕРКА КАЧЕСТВА ОТЧЕТОВ О ДВИЖЕНИИ ДЕНЕЖНЫХ СРЕДСТВ И ВЫЯВЛЕНИЕ НАПРАВЛЕНИЯ ИСКАЖЕНИЯ ФИНАНСОВОЙ

ОТЧЕТНОСТИ

П. 4.3. СОПОСТАВЛЕНИЕ АВТОРСКОГО ПОДХОДА К ВЫЯВЛЕНИЮ ИСКАЖЕНИЯ ФИНАНСОВОЙ ОТЧЕТНОСТИ С МЕТОДИКАМИ М-БСОКЕ И

Б-БСОКЕ

ГЛАВА 5. ИСПОЛЬЗОВАНИЕ МЕТОДИЧЕСКОГО ПОДХОДА К ОЦЕНКЕ

ДОСТОВЕРНОСТИ ФИНАНСОВОЙ ОТЧЕТНОСТИ

П. 5.1. ВЛИЯНИЕ МАНИПУЛИРОВАНИЯ ФИНАНСОВОЙ ОТЧЕТНОСТЬЮ

НА ОЦЕНКУ СТОИМОСТИ КОМПАНИИ

П. 5.2. УЧЕТ МАНИПУЛИРОВАНИЯ ОТЧЕТНОСТЬЮ ПРИ

МОДЕЛИРОВАНИИ ФИНАНСОВОГО ЦИКЛА КОМПАНИИ

П. 5.3. ПОСТРОЕНИЕ ПОКАЗАТЕЛЯ ВЫЯВЛЕНИЯ ИСКАЖЕНИЯ

РЕЗУЛЬТАТОВ ДЕЯТЕЛЬНОСТИ КОМПАНИИ

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

265

Рекомендованный список диссертаций по специальности «Финансы, денежное обращение и кредит», 08.00.10 шифр ВАК

Введение диссертации (часть автореферата) на тему «КОНЦЕПЦИЯ ИНФОРМАЦИОННОГО ПРОСТРАНСТВА ФИНАНСОВОГО РЫНКА»

ВВЕДЕНИЕ

Актуальность темы исследования. Стратегия развития информационного общества в Российской Федерации на 2017-2030 годы констатирует, что повсеместное применение передовых коммуникационных и информационных технологий способствует развитию цифровой экономики и образованию её экосистемы. Формируется единое информационное пространство, в котором информационное пространство финансового рынка выступает неотъемлемой составной частью.

Одновременно с этим высокие темпы развития технологий формирования, обработки и распространения информационных потоков зачастую превышают возможности вычленения из этого потока объективной информации, необходимой для принятия эффективных решений. В результате происходит смещение акцентов в восприятии экономической действительности через «клиповое мышление», характерной особенностью которого является поверхностное информационное восприятие. Такая форма усвоения информации позволяет оказывать влияние на взгляды и предпочтения экономических субъектов, навязывать им определенные модели поведения. Это дает преимущества организациям, владеющим технологиями искажения и распространения искаженной информации в корыстных целях. При этом часть экономических субъектов заинтересована в том, чтобы действовать в собственных интересах в целях извлечения выгод из сознательно создаваемой информационной асимметрии.

Проблемы формирования информационного пространства финансового рынка усиливаются высокой турбулентностью функционирования как мировой финансовой системы, так и финансовой системы отдельно взятой страны, находящейся под давлением экономических санкций. Таким образом, востребованным направлением экономических исследований является изучение финансового рынка на предмет подтверждения его информационной

эффективности. Получение эмпирических доказательств информационной неэффективности какого-либо национального сегмента финансового рынка способно привлечь на него дополнительных инвесторов. На теоретическом уровне особое внимание привлекает вопрос, заключающийся в том, каким образом различия в информированности инвесторов о реальном положении экономических субъектов влияют на уровень цен и справедливую стоимость финансовых активов.

Исходя из вышеизложенного, в теоретико-методологическом плане актуальной является разработка концепции информационного пространства финансового рынка. Это позволяет посредством анализа создаваемой экономическими субъектами информации объективно оценивать глубинные процессы, протекающие на финансовом рынке. Одновременно с этим востребованным является и развитие практических подходов по противодействию неопределенности при принятии финансовых решений путем повышения эффективности использования информации, обращающейся на рынке.

Степень разработанности проблемы. Выбранная для исследования проблемная область носит междисциплинарный характер. В трудах отечественных и зарубежных авторов, посвященных исследованиям механизма функционирования финансового рынка, затрагиваются, но в полной мере не отражаются как специфические аспекты идентификации поведения экономических субъектов в информационном пространстве при учете влияния неопределенности, так и вопросы, связанные с выявлением возможного сознательного искажения финансовой информации. В то же время работы, направленные на объяснение механизмов принятия решений в условиях неопределенности и разработку аналитических процедур по выявлению предположительного искажения финансовой информации, как правило, не анализируют механизм функционирования финансового рынка в целом, не пытаются объяснить его динамические характеристики.

Очерченному выше кругу теоретических и практических исследований посвящены труды многих отечественных и зарубежных авторов. Вопросы восприятия информационных потоков экономическими субъектами в условиях неопределенности рассматриваются в рамках теории накопления, теории экономической динамики и экономического роста, теории трансакционных издержек, теории ресурсного подхода к стратегическому менеджменту и получили раскрытие в работах Акерлофа Дж., Аузана А.А., Бачилье Л., Вайнгаста Д., Вольчика В.В., Гранберга А.Г., Кейнса Дж.М., Коуза Р., Купманса Т., Лившица В.Н., Найта Р., Норта Д., Пенроуз Э., Попова Е.В., Поповой Е.М., Рихтера Р., Саймона Г., Солоу Р., Стиглера Дж., Стиглеца Дж., Тихомирова О.К., Томпсона Дж., Шумпетера Й.А., Хайека Ф.А., Чайлда Дж. Уильямсона О., Уоллиса Д., Фуруботна Э.Г., Эрроу К. и др.

Методические подходы к оценке качества составления финансовой отчетности заложены работами Бениша М., Дешоу П., Ричардсона С.А., Слоуна Р. и др. Критика результатов, полученных зарубежными исследователями, сформирована использованием наследия и современных разработок представителей российской статистической школы: Журавского Д.П., Глинского В.В., Елисеевой И.И., Каблукова Н.А., Немчинова В.С., Суслова И.П., Чупрова А.И., Янсон Ю.Э..

Объяснения механизма функционирования финансового рынка были предложены следующими авторами: Блэком Ф., Фама Е.Ф. и др. Исследование эволюционной компоненты экономического развития содержат труды Ло А., Нельсона Р.Р., Нидерхоффера В., Уинтера С.Дж. Среди немногочисленных публикаций, в которых основное внимание уделено изучению вопросам нестабильности финансовой системы в контексте информационных потоков следует отметить работы Верчелли А., Мински Х.Р., Сорди С.

Однако, по мнению автора, в специальной литературе недостаточно глубоко разработаны теоретические, методологические и практические аспекты изучения информационного пространства во взаимосвязи с состоянием финансового рынка. Лакуны, выявленные при изучении значительного списка

научных трудов, обусловили формулировку исходной научной гипотезы, цели исследования и предопределили постановку основных системных задач.

В качестве исходной научной гипотезы исследования выдвинуто положение - функционирование финансового рынка подчинено объективным закономерностям, которые отражаются в информационном пространстве, что подлежит изучению через выявление особенностей поведения экономических субъектов при принятии финансовых решений и, в свою очередь, позволяет разработать и применить практические рекомендации, направленные на повышение стабильности финансового рынка.

Цель исследования - разработка теоретических положений, методологии и практических рекомендаций по оценке, анализу и прогнозированию закономерностей развития и функционирования финансового рынка через изучение проявлений его динамических трансформаций в информационном пространстве.

Для достижения поставленной цели определены следующие системные задачи исследования, каждая из которых требует решения логически соподчиненных задач:

Первая системная задача - исследовать теоретические подходы к объяснению механизмов функционирования финансового рынка и изучить их отображения в информационном пространстве:

- упорядочить теоретические представления о восприятии неопределенности при принятии финансовых решений;

- разработать основные положения концепции информационного пространства финансового рынка через исследование существующих теоретических представлений (гипотез) о механизмах функционирования финансового рынка и изучение взаимосвязи между процессами, протекающими на финансовом рынке, и генерируемыми ими отображениями в информационной среде;

- выявить и обосновать ключевые признаки, характеризующие качественные свойства информации, используемой при принятии решений на

финансовом рынке, и реализовать предварительное выделение основных типов поведения экономических субъектов;

Вторая системная задача - предложить методологию исследования информационного пространства финансового рынка:

- систематизировать, исследовать и предложить пути решения основных групп методологических проблем, связанных с анализом информационного пространства финансового рынка;

- определить типы поведения экономических субъектов в информационном пространстве финансового рынка;

- применить предложенную методологию к оценке поведения экономических субъектов в информационном пространстве финансового рынка при анализе финансовой составляющей инвестиционного климата Новосибирской области;

Третья системная задача - разработать авторскую методологию проверки информации, обращающейся на финансовом рынке, по критерию «достоверность»:

- исследовать применимость методик, предлагаемых в отечественных и зарубежных научных трудах, для оценки достоверности составления финансовой отчетности отечественных компаний (М-Бсоге, Р-Бсоге, методики применения закона Бенфорда и методики выявления ценового сговора);

- создать методологию оценки достоверности составления финансовой отчетности на основе последовательного сопоставления информации, полученной из различных источников;

- разработать и эмпирически обосновать подходы к выявлению направления искажения финансовой отчетности как в сторону предположительного занижения финансовых результатов, так и в сторону их завышения;

Четвертая системная задача - разработать на основе методологии, предложенной автором, практический инструментарий и прикладные методики, способствующие проверке информации по критерию

«достоверность» и направленные на повышение эффективности принятия финансовых решений:

- предложить инструментарий анализа качества составления отчета о движении денежных средств российскими компаниями;

- исследовать влияние искажений финансовой отчетности на оценку стоимости компаний;

- учесть возможность искажения финансовой отчетности в модели финансового цикла компании;

- предложить авторский интегральный показатель, оценивающий вероятность искажения финансовых результатов деятельности компании в сторону занижения.

Объект исследования - механизм взаимодействий экономических субъектов на финансовом рынке.

Предмет исследования - вопросы теории, методологии и практики учета отражения финансового поведения экономических субъектов в информационном пространстве финансового рынка.

Область исследования - диссертационное исследование по своему содержанию, предмету и методам исследования соответствует следующим пунктам паспорта специальности ВАК 08.00.10 «Финансы, денежное обращение и кредит»: раздел 1 - п.1.12. «Генезис методологии, теории и организации финансовой системы»; раздел 3 - п.3.1. «Теория методология и концептуальные основы финансов хозяйствующих субъектов», п.3.31. «Финансовая отчетность в системе финансового менеджмента». Паспорта специальности ВАК 08.00.12 «Бухгалтерский учет, статистика»: раздел 4 - п. 4.11. «Методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономической конъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально-экономических явлений и процессов».

Теоретическая основа исследования - междисциплинарный характер представленного исследования не позволяет причислить его к какой-либо одной экономической школе. Теоретическими основами выступили результаты исследований и прикладных разработок отечественных и зарубежных ученых, которые можно отнести к экономической теории, теории финансов, финансового менеджмента, экономического анализа, статистики, бухгалтерского учета и отчетности, экономической безопасности. Особое внимание в контексте исследуемой проблемы уделяется анализу положений теории экономики трансакционных издержек (TCE), новой институциональной экономики, теории ресурсного подхода к стратегическому менеджменту (RBV) и теории эволюционного развития экономических систем.

Методологическая основа исследования определяется следующими фундаментальными приемами и принципами: анализ, синтез, атрибутивные и пропорциональные аналогии, абстракции, описательные обобщения, выдвижение и подтверждение рабочих аналитических гипотез, экономико-математические и математико-статистические методы.

В качестве инструментов исследования используются совокупностная концепция типологии данных, причинный анализ сложных систем, а также регрессионный и корреляционный анализы, опирающиеся на использование специализированных вычислительных программ MathCad, STATISTICA. Инструментарий позволяет подтвердить обоснованность полученных научных результатов, достоверность научных положений, выводов и рекомендаций, содержащихся в диссертационном исследовании.

Информационная основа исследования - нормативные и правовые акты, обеспечивающие функционирование финансовой системы РФ, данные Федеральной службы государственной статистики РФ, базы данных российских компаний по видам деятельности и регионам «Скрин», электронные сетевые ресурсы, научные труды по теме диссертационного исследования, данные опубликованные в периодических изданиях, результаты разработок ФГБОУ ВО «НГУЭУ» и собственные исследования автора.

Научная новизна диссертационного исследования заключается в разработке концепции информационного пространства финансового рынка, позволяющей выдвинуть и доказать гипотезу эволюционной эффективности его функционирования, которая в отличие от гипотез Ю. Фама и Э. Ло, учитывает особенности поведения экономических субъектов при принятии финансовых решений.

Научная новизна подтверждается наиболее существенными теоретическими, методологическими и практическими выводами и результатами, выносимыми на защиту. Теоретические выводы и результаты.

1. Упорядочены теоретические представления о восприятии неопределённости при принятии финансовых решений, в рамках которых выделены и систематизированы реалистический, рационалистический, когнитивистский и конструктивистский подходы, что позволяет классифицировать сформулированные в научных трудах гипотезы о механизмах функционировании финансового рынка. На основе проведенной классификации выявлена теоретическая лакуна и предложена авторская гипотеза эволюционной эффективности финансового рынка, учитывающая наличие объективных проявлений эволюционных механизмов финансового регулирования воспроизводственных процессов, связанных, в том числе, и с реализацией экономическими субъектами различных типов поведения в информационном рыночном пространстве, что позволяет предложить авторский теоретико-методологический подход к изучению механизмов функционирования финансового рынка.

2. Разработана концепция информационного пространства финансового рынка. Выделены и обоснованы существенные признаки, характеризующие информацию, используемую при принятии решений на финансовом рынке. Осуществлена типологическая группировка информационного пространства финансового рынка. Предложена классификация участников финансовых взаимодействий в соответствии с используемыми механизмами принятия

решений в информационном пространстве, что создает методологическую основу изучения процессов эволюционного взаимодействия между различными группами экономических субъектов в информационном пространстве финансового рынка.

Методологические выводы и результаты.

3. Разработана методология анализа информационного пространства финансового рынка. Выделены основные группы методологических проблем определения характерного поведения компаний в информационном пространстве финансового рынка по признаку «достоверность информации». Первая группа проблем связана с существованием множества подклассов скрытой информации; вторая - определяется сложностями построения соответствующей числовой шкалы для оценки исследуемого признака; третья -искажениями, возникающими при формировании обучающих выборок. Предложено решение выделенных проблем через противопоставление экстрафинансовой и финансовой информации. Последняя анализируется через сопоставление данных, полученных кассовым методом и методом начислений, что позволяет обосновать и формализовать авторский методический подход к выявлению предположительных искажений в финансовой отчетности.

4. Обоснована методология выявления искажений финансовой отчетности, основанная на сопоставлении коэффициентов начислений, построенных на основе отчета о движении денежных средств (кассовый метод) и отчета о финансовом результате (метод начислений). Доказана возможность модификации существующих моделей выявления искажений финансовой отчетности с целью стратификации финансовых отчетов компаний не только по уровню достоверности, но и в разрезе заинтересованных групп, формирующих информационное пространство. Полученные автором результаты позволяют выработать методический подход и предложить аналитические процедуры для оценки уровня риска составления недостоверной финансовой отчетности.

5. Реализовано применение предложенной методологии по оценке поведения экономических субъектов в информационном пространстве при

анализе финансовой составляющей инвестиционного климата в разрезе отдельных видов деятельности и региональной принадлежности. Реализация авторской методологии позволила предложить подход к оценке финансовой составляющей инвестиционного климата при учете типов поведения экономических субъектов в информационном пространстве финансового рынка.

Практические и методические выводы и результаты.

6. Предложена и апробирована методика оценки качества составления отчетов о движении денежных средств (ОДДС) в российских компаниях, позволившая определить классификационные границы расхождений данных финансовой отчетности по кассовому методу и методу начислений. Установление границ расхождения отчетных показателей реализовано применением статистических алгоритмов кластеризации, что дало возможность в дальнейшем разработать авторский аналитический метод вероятностной оценки искажения финансовой отчетности.

7. Разработана модель эволюционных механизмов финансовых взаимодействий отдельного экономического субъекта, что позволило идентифицировать влияние искажения финансовой отчетности на его финансовую устойчивость. Установлены взаимные соответствия между индексами доходности и ликвидности и произведена увязка переменных предложенной автором модели со статьями бухгалтерской (финансовой) отчетности, что позволило ввести количественные оценки в авторскую типологию поведения компаний в информационном пространстве финансового рынка.

8. Доказана аналитическая зависимость между искажением финансовой отчетности и динамикой движения финансовых ресурсов экономического субъекта. Установлена допустимость при построении индекса ликвидности аппроксимации переменных - оттока денежных средств от текущих и инвестиционных операций через показатель себестоимости реализованных товаров, работ и услуг, что позволило связать количественную оценку степени

искажения финансовой отчетности с фазами финансового состояния компаний.

9. Разработана и апробирована авторская методика вероятностной оценки искажений в финансовой отчетности, отвечающая критериям разработанного методологического подхода и позволяющая выявлять не только факт искажения финансовых результатов деятельности хозяйствующего субъекта, но и определять его направленность в сторону завышения или занижения.

Теоретическая и методологическая значимость исследования состоит в развитии теории финансового рынка через выдвижение авторских положений о взаимосвязи эволюционных закономерностей его функционирования и отображением этих закономерностей в информационном пространстве. Предложено расширение представлений о влиянии различных типов поведения хозяйствующих субъектов на механизмы финансовых взаимодействий, финансовую составляющую инвестиционного климата и устойчивость финансовой системы в целом.

Практическая значимость работы состоит в том, что в рамках исследования информационного пространства предложена методология оценки достоверности финансовой отчетности, позволяющая выявлять искажения как в сторону завышения, так и в сторону занижения финансовых результатов и стратифицировать финансовые отчеты не только по уровню достоверности, но и по группам лиц, принимающих решение на их основе. Полученные в результате исследования результаты могут быть использованы при оценке состояния финансовой системы, разработке финансово-кредитной политики на микро/мезо/макроуровне, определении рыночной стоимости бизнеса, формировании критериев оценки кредитоспособности организаций-заемщиков и при анализе инвестиционного климата.

Апробация работы и внедрение результатов исследования. Научные и практические результаты диссертационного исследования были апробированы автором в рамках участия в хоздоговорных темах НИР за 2016-2107 гг.: Муниципальный контракт № 05—01Б/16 (0139300013016000185) от 25 апреля

2017 «Услуги по разработке Инвестиционной стратегии муниципального образования Междуреченский городской округ до 2020 года и на период до 2025 года»; Муниципальный контракт №016-к от 12 мая 2017 на выполнение работ по «Разработка документов стратегического планирования муниципального образования Мирнинский район Республики Саха (Якутия)»; Государственный контракт №2 Министерства Финансов и Налоговой политики Новосибирской области на выполнение научно-исследовательских работ от 11 марта 2016г «Определение степени существенности (тяжести) вреда, причинённого бюджетной системе».

Основные результаты научного исследования представлялись, обсуждались и получили поддержку на следующих международных конференциях: «I Открытый российский статистический конгресс» (Новосибирск, 2015); «Экономические, экологические и социокультурные перспективы развития России, стран СНГ и ближнего зарубежья» (Новосибирск, 2015); «Институциональные и инфраструктурные аспекты развития различных экономических систем» (Пермь, 2016 г.); «Современные финансовые отношения: проблемы и перспективы развития» (Новосибирск, 2016); «Регионы: инвестиционные и инновационные приоритеты» (Красноярск,

2016); Международный экономический симпозиум: «IV международная научная конференция «Соколовские чтения. Бухгалтерский учет: взгляд из прошлого в будущее»». (Санкт-Петербург, 2017); «15-th Global Conference on Sustainable Manufacturing: Decoupling Growth from Resource Use» (Haifa, Israel,

2017).

Материалы диссертации нашли свое применение в учебном процессе в ФГБОУ ВО «Новосибирский государственный университет экономики и управления «НИНХ» при подготовке бакалавров по направлению «Экономика», профиль «Финансы и кредит», а также использовались при выполнении научно-исследовательских работ по кафедре финансов и кафедре корпоративного управления и финансов НГУЭУ, что подтверждено справками.

Публикации по теме исследования. Основные положения исследования отражены в 35 публикациях общим объемом 69,21 п. л., в том числе авторских - 39,9 п. л. Издана 1 монография (авторская), 21 статья в журналах, включенных в Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора наук.

Логика и структура исследования. Диссертация состоит из введения, пяти глав, заключения, списка использованной литературы, содержащего 228 наименований. Основной текст работы изложен на 286 листах, включая 24 рисунка и 54 таблицы. Работа имеет структуру, обусловленную изучаемой областью и совокупностью решаемых задач.

Глава 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ КОНЦЕПЦИИ ЭВОЛЮЦИОННОЙ ЭФФЕКТИВНОСТИ ФИНАНСОВОГО РЫНКА

Изучение финансового рынка на предмет подтверждения его информационной эффективности — одно из самых востребованных и распространенных направлений экономических исследований является. Получение эмпирических доказательств неэффективности какого-либо национального сегмента финансового рынка способно привлечь на него дополнительных инвесторов, которые стремятся получать доходность выше нормальной, совершая операции соответствующей направленности с недооцененными и/или переоцененными активами.

На теоретическом уровне внимание экономистов привлекает вопрос о том, каким образом различия в информированности инвесторов влияют и влияют ли вообще на уровень цен финансовых активов и их справедливую стоимость. Данный вопрос не может быть разрешен в рамках существующих моделей ценообразования активов, основанных на гипотезе эффективности финансового рынка (ЕМН) и предполагающих однородность инвестиционных предпочтений. К подобным моделям можно отнести как САРМ, так и модель Ламберта, изучающую влияние процессов раскрытия финансовой отчетности на стоимость капитала [132; 133].

Для того чтобы сформулировать собственную гипотезу эволюционной эффективности финансовых рынков, необходимо, во-первых, выделить существенные признаки информации, используемой при принятии решений на финансовых рынках, и на основании этих признаков построить типологическую группировку информационного пространства финансового рынка; во-вторых, сгруппировать участников финансовых отношений в соответствии с используемыми механизмами принятия инвестиционных решений и соотнести выделенные группы с типологической группировкой информационного пространства.

Похожие диссертационные работы по специальности «Финансы, денежное обращение и кредит», 08.00.10 шифр ВАК

Список литературы диссертационного исследования доктор наук Алексеев Михаил Анатольевич, 2017 год

Источник: [210]

Только 37 % компаний, попавших в анализируемую выборку, отражали проценты, полученные по долговым обязательствам, как денежные потоки от инвестиционной деятельности (Таблица 4.4).

Таким образом, с точки зрения МСФО определение FCFFBB необходимо осуществлять с корректировкой, представленной в выражении 4.14. Здесь подход также следует применять и к отчетности российских компаний, поскольку в соответствии с ПБУ 23/2011 уплата процентов по долговым обязательствам включается в денежные потоки от текущих операций, а поступления процентов от долговых финансовых вложений — в денежные потоки от инвестиционных операций.

Подставляя выражение 4.2 в выражение 4.14, получаем:

FCFFBB = NI + NNC - WCI - CFI + Int • (1 - T). (4.15)

Из выражения 4.8 с учетом выражения 4.10 имеем:

ÄCCBBFirm = -NNC + WCI + CFI - Int • (1 - T). (4.16)

Денежные потоки от инвестиционной деятельности можно описать выражением 4.17:

CFIBB = (ATÄoross - ADTÄ - ALTFInv - ACA) + NNCcfi, (4.17)

где ALTlnv — изменения в долгосрочных вложениях в финансовые инструменты, удерживаемые для продажи.

В отличие от ряда отечественных авторов (например, Д. Л. Волкова []14) в данной работе финансовые активы трактуются только как долгосрочные рыночные долговые ценные бумаги. Показатель ATAoross означает, что для

14 Волков Д. Л. Теория ценностно-ориентированного менеджмента: финансовый и бухгалтерский аспекты. — 2-е изд. — СПб., 2008. — С. 266.

выделения слагаемого, связанного с неденежными корректировками NNCcfi, направленными на формирование денежных потоков от инвестиционной деятельности, необходимо взять изменение первоначальной стоимости основных средств и нематериальных активов.

Сведем воедино выражения 4.3, 4.6, 4.16 и 4.17. Получаем:

ÄCCBBFirm = (ATAorcss - ALTFInv - ACash) - (ATL - ALTDebt - ASTDebt)

- NNCcfi - Int • (1 - T). (4.18)

В выражении 4.18 первое слагаемое есть не что иное, как изменение операционных активов AOA:

AO A = ATAorcss - ALTFInv - ACash. (4.19)

Отметим, что полученное выражение для определения изменения в операционных активах отличается от распространенного [167]. Прежде всего, в выражении 4.19 происходит корректировка на изменение в долгосрочных вложениях в финансовые активы, удерживаемые для продажи. Подобные вложения мало характерны для компаний нефинансового сектора, в отличие от компаний финансового сектора [209], поэтому изменения чистых операционных активов можно представить в упрощенном виде (без вычитаемого ALTFInv).

Второе отличие представления изменения чистых операционных активов от классического заключается в том, что изменения сальдо счетов основных средств, нематериальных активов (строки 1110-1160 бухгалтерского баланса, составленного в соответствии с РСБУ) необходимо учитывать по первоначальной стоимости. Данную корректировку можно не осуществлять только в том случае, если в рассматриваемом периоде операции с основными средствами, нематериальными активами не проводились или были

несущественны. Допустим, что операции c основными средствами осуществлялись в несущественном объеме, тогда имеем:

АО A = ATA -ACash. (4.20)

Изменение операционных обязательств, являясь первым вычитаемым выражения 4.18, полностью соответствует традиционным представлениям:

AOL =ATL - ALTDebt - ASTDebt. (4.21)

Изменение чистых операционных активов ANOA представим разницей между чистыми операционными активами и чистыми операционными обязательствами:

ANOA = AOA - AOL. (4.22)

Этот показатель характеризует изменение активов компании, сформированных акционерами и заемщиками.

Тогда с учетом уравнений 4.20-4.22 коэффициент начислений для фирмы (выражение 4.18) запишется как:

ACCBBF1rm = ANOA - NNCcff - Int • (1 - T). (4.23)

Для того чтобы отказаться от второго вычитаемого, нам необходимо представить выражение 4.13 в виде:

ACCBBFmn = EBIadj - (CFO + CFI), (4.24)

где EBIadj — прибыль, скорректированная на величину чистых процентов (разница между процентами к уплате и процентами к получению), после налогообложения.

Если мы предположим отсутствие доходов (расходов), связанных с досрочным погашением долга, то выражение 4.23 получит вид:

То есть, приняв целый ряд упрощающих допущений, мы показали, в каких случаях показатель начислений для фирмы, построенный по косвенному методу, тождественен изменениям в чистых операционных активах.

Нормируя выражения 4.13 и 4.25 по среднему значению чистых операционных активов за период КОЛ — активов, финансируемых за счет платных источников, получаем систему коэффициентов начислений:

На основании полученной системы можно выдвинуть вторую гипотезу.

Гипотеза 2. Сделанные допущения для вывода системы 4.26 не нарушают линейную зависимость (корреляцию) между коэффициентами начислений для поставщиков финансовых ресурсов компании, рассчитанных на основе отчета о движении денежных средств и отчета о финансовом результате.

Третья трактовка показателя начислений, представленного в выражении 4.1 заключается в том, что этот показатель может оценивать качество чистой прибыли, остающейся в распоряжении акционеров Еагпт§8сЛ8н = ТСБЕ.

Выразим показатель начислений, приходящихся на собственный капитал ЛСС Е, на основании отчета о движении денежных средств. Для этого воспользуемся соотношением ЕСЕЕСР = ЕСЕЕСР - СЕЕСР, тогда:

ЛСС00*™ = ДШЛ.

(4.25)

(4.26)

ЛСССРЕ = N1 - БСБЕ^ - СББ^ = АСССРИпп - СЕЕСР (4.28)

Одновременно с этим показатель начислений, приходящихся на собственный капитал, косвенным методом может быть определен так:

ACCbbe = NI - FCFFBB - CFFBB = ACCBBFlim - CFFBB = ACash. (4.29)

Сальдо денежных потоков от финансовой деятельности можно представить следующим выражением:

CFFBB = -ALTinv + ALTDebt - NNCCFF - Int • (1 - T). (4.30)

Воспользовавшись выражениями 4.18, 4.29 и 4.30, получаем:

ACCBBE = ATA - ATL - ACash = A(E - Cash), (4.31)

где показатель начислений, приходящийся на собственный капитал, равен величине изменения (E - Cash), являющейся неденежным собственным капиталом.

Нормируя выражения 4.28 и 4.31 по среднему значению собственного капитала за период E, получаем систему коэффициентов начислений, построенных двумя различными методами:

САССср = N¡-ACash

СЛССВВ = b(.E-Cashy (4.32)

На основании этой системы выдвинем третью гипотезу.

Гипотеза 3. Сделанные допущения для вывода системы 4.32 не нарушают линейную зависимость (корреляцию) между коэффициентами начислений для собственного капитала, рассчитанных на основе отчета о движении денежных средств и отчета о финансовом результате.

Для проверки выдвинутых гипотез на основании базы данных Бкпп [185] нами была сформирована предварительная выборка, состоящая из 10 000

компаний, осуществляющих свою деятельность в строительстве по классификации ОКВЭД.

Из полученной предварительной выборки, во-первых, были исключены 3 046 компаний, не имеющих отчетов о движении денежных средств за 2014 г. Во-вторых, отчетность оставшихся 6 954 компаний была проверена на достоверность путем сличения данных по изменению остатков денежных средств в отчетах о финансовом состоянии и движении денежных средств. Достоверные данные имели отчеты 4 358 компаний (62,7 % от общего числа). Компании, имеющие недостоверные данные в отчетах, были исключены из предварительной выборки.

При помощи генератора случайных чисел из предварительной выборки была сформирована исследовательская выборка, состоящая из комплектов отчетностей 71 компании за 2014 г.

Для проверки гипотез на основе исследовательской выборки мы рассчитали значения соответствующих коэффициентов и оценили их с помощью двух выборочных /-тестов для нулевой гипотетической разницы средних значений. Полученные результаты представлены Таблице 4.5. Все выдвинутые гипотезы подтверждаются на уровне значимости а = 0,05.

Таблица 4.5 - Результат проверки выдвинутых гипотез Показатель Среднее Стандартное Минимум Максимум Ъ ЪКР

значение отклонение двухстороннее

САСС Business -0,0154 0,0326 -0,6954 0,6073 -0,6749 1,9599

САСС Business 0,0039 0,0251 -0,6690 0,2934

САСС Firm -0,0241 0,6315 -2,9576 2,1418 0,5142 1,9599

САСС Firm -0,0878 0,8300 -4,7676 2,0149

САССС\ 0,5602 3,1281 -2,1368 24,6489 0,056 1,9599

САСССТв 0,5307 3,1279 -2,1459 24,6489

Корреляционная зависимость коэффициентов начислений для самого широкого круга стейкхолдеров представлена на Рисунке 4.1. Коэффициент детерминации (R ) равен 0,5107, что указывает на умеренную адекватность сделанных допущений при построении коэффициента CACCBBBusiness.

Рисунок 4.1 - Корреляционная зависимость коэффициентов начислений для самого широкого круга стейкхолдеров

По нашему мнению, основополагающей причиной, снизившей тесноту корреляционной связи, является невозможность учесть амортизационные начисления периода при восстановлении денежных потоков косвенным методом (в силу порядка формирования бухгалтерской (финансовой)

отчетности в РФ). Проверка последнего утверждения может быть осуществлена

сг

через оценку корреляционной зависимости коэффициентов САСС ^т^ и

вв

САСС ^т^, построенных на основе отчетности открытых акционерных обществ, показывающей амортизационные начисления периода.

Проверка эмпирически полученных коэффициентов начислений для широкого круга стейкхолдеров показала, что их распределение не является нормальным. Тем самым встала задача по увеличению объема исследовательской выборки с последующим разделением смеси распределений на составные части, как это было предложено рядом исследователей [10; 46].

Разница между коэффициентами начислений, которая отвечает нормальному характеру распределения, оценена с помощью метода отсева — правила Томпсона. В результате было выявлено восемь компаний, достоверность отчетности которых вызывает существенные сомнения. Кроме того, выявлен недостаток использования коэффициента начислений, заключающийся в том, что он не учитывает внебалансовые обязательства, в частности обязательства по операционной аренде.

Корреляционная зависимость коэффициентов начислений для поставщиков финансовых ресурсов компаний (Рисунок 4.2) показала адекватность сделанных допущений при построении системы 4.26. Проверка наличия выявленной связи на основе авторской методики и в других отраслях осуществлена рядом исследователей [22; 26; 48].

Рисунок 4.2 - Корреляционная зависимость коэффициентов начислений для поставщиков финансовых ресурсов

В результате применения метода отсева (правила Томпсона)к разностям

С"р вв

коэффициентов начислений САСС и САСС пт, отвечающих

нормальному распределению, были выявлены три компании, не совпадающие с

выделенными ранее, отчеты которых предположительно содержали ошибку.

Дополнительное аналитическое исследование показало: одна из компаний

отразила чистую прибыль в отчете о финансовом состоянии (9 338 тыс. р.), в то

время как в отчете о финансовом результате у компании был убыток (2 209 тыс.

р.); у двух других компаний выявлено существенное несовпадение между суммой сальдо статей и итоговым значением II раздела баланса.

Корреляционная зависимость коэффициентов начислений для акционеров показана на Рисунке 4.3. С использованием правила Томпсона выявлены две компании, не совпадающие с ранее выделенными, отчетности которых предположительно содержали существенное искажение.

Рисунок 4.3 - Корреляционная зависимость коэффициентов начислений для собственников собственного капитала

Исследование трансформации коэффициентов начислений, построенных на основе отчета о движении денежных средств, в коэффициенты начислений, построенные на основании отчета о финансовом результате, показало, что использование коэффициента начислений в его трансформированном представлении дает адекватную оценку достоверности отчетности организаций нефинансового сектора.

Проведенное эмпирическое исследование отчетностей компаний строительной отрасли подтвердило применимость предложенного методологического подхода к анализу финансовых результатов с позиции интересов различных стейкхолдеров компании.

Поскольку коэффициент начислений является ключевым элементом в различных моделях оценки достоверности финансовой отчетности, то предложенный методологический подход открывает возможности модификации существующих моделей с целью стратификации финансовых

отчетов не только по уровню достоверности, но и по группам лиц, принимающих решение на их основе.

Развитие предложенного методологического подхода в дальнейшем позволит исследовать взаимосвязи между достоверностью представляемой отчетности компаний и стоимостями привлечения акционерного и заемного капитала.

П. 4.2. Проверка качества отчетов о движении денежных средств и выявление направления искажения финансовой отчетности

В соответствии с законодательством РФ (Федеральный закон от 06.12.2011 г. № 402-ФЗ «О бухгалтерском учете») бухгалтерская (финансовая) отчетность должна давать достоверное представление о финансовом положении компании на отчетную дату, финансовом результате ее деятельности и движении денежных средств за отчетный период.

Вопросами оценки качества и достоверности отчетности с целью снижения информационного риска в экономике в первую очередь призваны заниматься независимые аудиторы, деятельность которых в последнее время подвергается жесточайшей критике.

Необходимо заметить, что большая часть этой критики абсолютно обоснована, так как ущерб, нанесенный аудиторами за последние 10 лет в мире исчисляется десятками миллиардов долларов США. Так, данные консультативного комитета по аудиторской профессии Департамента казначейства США, свидетельствуют, что в 2008 г. шесть крупнейших аудиторских фирм выступали ответчиками в 90 судебных процессах, связанных с последствиями аудита публичных и частных компаний, предъявивших аудиторам претензии, минимальный размер которых превышал 100 млн долл. США в расчете на одну претензию. При этом в семи случаях из 90 сумма иска составляла более 10 млрд долл. США, в 27 — более 1 млрд долл. США, а в 41 — более 500 млн долл. США. Общая сумма исковых претензий, предъявленных

аудиторским фирмам США в 2008 г. частными компаниями и обанкротившимися собственниками, превысила 30 млрд долл. США [12].

Как отмечает З.-В. Палмроуз, за 12-летний период с момента принятия в 1995 г. Акта о реформе судопроизводства по ценным бумагам (Private Securities Litigation Reform Act) шесть крупнейших аудиторских фирм США заплатили 5,66 млрд долл. США по результатам удовлетворения судами 362 исков публичных и частных компаний о ненадлежащем качестве аудита и сопутствующих услуг [223]. Примечательно, что большая часть — 3,68 млрд долл. США, или 65 % от общей суммы удовлетворенных судом претензий — была взыскана с аудиторов по делам, связанным с аудитом бухгалтерской (финансовой) отчетности публичных компаний [12].

В деятельности аудиторов на территории Российской Федерации в целом прослеживаются тенденции общемирового рынка. Рассматривая аудит в России, несложно заметить, что помимо крупных независимых аудиторских компаний на рынке присутствует множество мелких фирм, качество предоставляемых услуг которых вызывает большие сомнения. Однако, несмотря на множество выявленных фактов о предоставлении некачественных услуг аудиторами, речь не может идти только о недобросовестном выполнении своих обязательств.

Качество предоставляемых аудиторскими компаниями услуг напрямую связано с текущим состоянием науки об аудите. Зачастую именно пробелы в методологических основах аудита приводят к непоправимым последствиям в деятельности как самих компаний, так и всех стейкхолдеров, пользующихся информацией, содержащейся в бухгалтерской (финансовой) отчетности. Назрела необходимость обратить внимание на несовершенство существующих методик аудиторских проверок качества и достоверности предоставляемой отчетности [58].

Важнейшей формой бухгалтерской (финансовой) отчетности, подлежащей аудиторской проверке на предмет качества ее составления, является отчет о движении денежных средств (ОДДС), который позволяет

получить информацию о поступлении и выплате денежных средств компании за отчетный период. Информация, содержащаяся в ОДДС, представляет интерес для всех групп стейкхолдеров, так как позволяет им делать выводы об изменениях в финансовом состоянии компании.

В связи с этим разработка методики оценки качества ОДДС для получения разумной уверенности отсутствия в финансовой отчетности недостоверных данных позволит стейкхолдерам принимать эффективные управленческие решения.

Международный стандарт аудита «Ответственность аудитора в отношении мошенничества в ходе аудита финансовой отчетности» определяет необходимость проведения аналитических процедур по существу, направленных на выявление несогласованности прибыли с денежными потоками от операций (МСА 240, ст. 70), сопоставление денежных потоков от операционной деятельности с динамикой доходов (МСА 240, прил. 1). При этом алгоритм проведения подобных аналитических процедур международные стандарты аудита четко не регламентируют, что формирует аналитическую лакуну, которую призвана заполнить настоящая работа.

Предлагаемая методика оценки качества составления ОДДС реализуется поэтапно:

• 1-й этап. Оценка качества составления ОДДС на основе сравнения сальдо денежных потоков за отчетный период с учетом величины влияния изменений курса иностранной валюты по отношению к рублю с изменением по статье баланса «Денежные средства и денежные эквиваленты» в течение года;

• 2-й этап. Оценка качества составления ОДДС в части построения отчета о движении денежных средств от финансовых операций (CFF) на основе сопоставления коэффициентов начислений, рассчитанных с помощью ОДДС и восстановленных косвенным методом из баланса;

• 3-1 этап. Оценка качества составления ОДДС в части построения отчета о движении денежных средств от текущих операций (CFO) на основе сопоставления коэффициентов начислений, рассчитанных с помощью ОДДС и

восстановленных косвенным методом из баланса.

На первом этапе предлагаемой методики оценку качества составления ОДДС рекомендуется начинать на основе данных по сальдо совокупных денежных потоков компании за отчетный период как общего итога отчета, не выделяя при этом потоков по соответствующим разделам.

Основным условием качества составления ОДДС на данном этапе является выполнение следующего условия: сальдо денежных потоков за отчетный период с учетом величины влияния изменений курса иностранной валюты по отношению к рублю (итог отчета о движении денежных средств) должно быть равно изменению, которое получается по статье баланса «Денежные средства и денежные эквиваленты» в течение года [50; 57].

При этом погрешность в финансовой отчетности может считаться существенной, если наличие информации о ней повлияет на принятие решений пользователей данной отчетности. При установлении и принятии критериев существенности мы будем руководствоваться тем, что в диапазоне ниже 5-ти %, можно пренебречь неточностями в отчетности.

При анализе на первом этапе необходимо учитывать тот факт, что в соответствии с приказом Минфина России от 02.02.2011 г. № 11н, определяющим порядок разработки ОДДС, когда показатели в отчете отличаются от соответствующих показателей в балансе, должны быть даны пояснения по возникшим отклонениям, при наличии которых ОДДС может быть признан составленным качественно.

Не менее важную роль в проверке достоверности ОДДС следует уделить анализу качества составления его отдельных разделов: денежных потоков от текущих операций (СБО), денежных потоков от инвестиционных операций (СБ1) и денежных потоков от финансовых операций (СББ). Только таким образом можно будет понять, при составлении какого из разделов ОДДС было допущено манипулирование.

В связи с этим на втором этапе предлагается оценить качество составления ОДДС с точки зрения такого его раздела, как СББ.

Аналогично проведению проверки качества ОДДС на первом этапе в основу оценки качества составления СББ положен принцип соответствия ряда показателей, содержащихся в ОДДС и в бухгалтерском балансе. Для решения данной проблемы воспользуемся методологией построения так называемых коэффициентов начислений [3; 48; 62].

Ключевой формулой для определения величины коэффициента начисления выступает выделение степени расхождения значений отдельных показателей, содержащихся в ОДДС и бухгалтерском балансе. При этом построение коэффициентов начислений начинается с расчетов общей суммы начислений, которая затем нормируется с помощью различных финансовых показателей. Сумма начислений может быть рассчитана на основе информации,

СГ

полученной из ОДДС (АСС ) или восстановлена косвенным методом из данных бухгалтерского баланса (отчета о финансовом положении по МСФО) (АССВВ), что позволяет использовать ее в оценке достоверности ОДДС (см. § 4.1 и [3]).

В проведенном нами исследовании было четко определено теоретическое

С"р ВВ

соответствие между показателями АСС и АСС , выделены и сформулированы условия и допущения, при выполнении которых показатели величины начислений, рассчитанные на основе ОДДС и бухгалтерского баланса, становятся тождественными (см. § 4.1). В результате данного исследования была получена система коэффициентов начислений (выражение 4.26).

При этом проверка гипотезы о том, что допущения, сделанные для вывода указанной системы, не нарушают линейную зависимость между коэффициентами начислений, рассчитанных на основе ОДДС и баланса, полностью подтвердилась. В связи с этим в основу анализа качества ОДДС в части его раздела СББ можно положить принцип соответствия коэффициента начисления, построенного на основе ОДДС, и коэффициента начисления, построенного на основе бухгалтерского баланса.

Тогда основным условием качества составления раздела СББ в ОДДС предлагается считать выполнение следующего условия:

1 ЫОА 1 _

Таким образом, если разница между двумя нормируемыми величинами сумм начислений — N1 - (СБО + СБ1) и АКОЛ по модулю не будет превышать 5 % (такой погрешностью можно пренебречь), то можно делать вывод о том, что раздел СББ составлен качественно.

На третьем этапе следует оценить качество составления ОДДС в части такого его раздела, как СБО [3].

Однако при оценке достоверности ОДДС в части СБО возникает ряд проблем, связанных с формированием бухгалтерской (финансовой) отчетности в России. В предлагаемой методике можно было бы оценить качество составления ОДДС в части СБО, если бы российские стандарты бухгалтерского учета (РСБУ) и положения о бухгалтерском учете (РПБУ) предполагали раздельное отражение внеоборотных активов по первоначальной стоимости и накопленной амортизации. При отсутствии непосредственно в балансе подобной информации существенно повышается трудоемкость аналитических проверок достоверности ОДДС в части построения отчета о движении денежных средств от текущих операций (СБО). Такую проверку можно сделать только на основе информации о величине амортизационных начислений за период, содержащейся в пояснениях к бухгалтерскому балансу и отчету о финансовых результатах.

Пренебречь данными по амортизационным начислениям за период не представляется возможным. Специально проведенные исследования показали, что адекватность сделанных допущений при построении коэффициента начисления, рассчитанного путем восстановления косвенным методом данных о финансовом положении (балансе) для сравнения с коэффициентом

начисления, рассчитанным на основе данных ОДДС, напрямую зависит от величины учтенных амортизационных начислений периода.

Исходя из вышеизложенного, третий этап предложенной методики для оценки достоверности ОДДС не может быть применен на отраслевых массивах финансовой информации без существенных временных затрат исследователей на извлечение информации об амортизационных отчислениях соответствующих периодов из приложений к бухгалтерской (финансовой) отчетности каждого отдельного хозяйствующего субъекта. Таким образом, проверить корректность сальдо CFO в рамках третьего этапа методики возможно только выборочно или для отдельно взятой компании, являющейся АО или ПАО, обязанной размещать информацию об амортизационных начислениях за период в пояснениях к отчетам о финансовом состоянии и финансовых результатах.

Гипотеза. Используя предложенную методику, возможно осуществить оценку качества составления ОДДС на больших информационных массивах данных компаний, занимающихся различными видами деятельности и действующими на территории Российской Федерации.

Для проверки выдвинутой гипотезы на основании базы данных «Скрин» была сформирована предварительная выборка, состоящая из 7728 компаний 10 отраслей по классификации ОКВЭД [185].

Отраслевая принадлежность компаний, отчеты о движении денежных средств которых были проанализированы на предмет определения качества их составления с помощью предложенной методики, представлены в Таблице 4.6.

Таблица 4.6 - Отраслевая принадлежность компаний, отчеты о движении денежных средств которых были проанализированы на предмет определения качества их составления

Общее Количество компаний,

Вид экономической деятельности количество составивших и

компаний предоставивших ОДДС

Строительство 2759 1833

Химическая промышленность 391 278

Производство и распределение электроэнергии, газа и воды 1203 985

Производство пищевых продуктов и напитков 1716 1218

Производство металлургическое 216 175

Страхование 7 4

Добыча сырой нефти и природного газа 184 158

Производство древесины, деревянных и пробковых изделий (кроме мебели) 241 113

Производство машин и оборудования 858 550

Текстильное производство 152 91

Итого 7727 5405

Из полученной выборки видно, что 2322 компании не предоставили ОДДС в 2015 г. Отчетность 5405 компаний была проверена на достоверность путем сличения данных по изменению остатков денежных средств в бухгалтерском балансе и отчете о движении денежных средств. Достоверные данные имели отчеты всего 126 компаний.

Распределение компаний по качеству ОДДС, полученное при помощи предложенной методики, представлено в Таблице 4.7.

Результаты анализа качества составления ОДДС компаний 10 видов экономической деятельности показывают, что доля компаний, допускающих погрешности при составлении ОДДС в 2015 г., выросла по сравнению с 2014 г. по всем отраслям, попавшим в выборку. Это может объясняться экономической ситуацией в стране.

Таблица 4.7 - Распределение компаний по качеству отчетов о движении денежных средств

Вид экономической деятельности Количество ко имеющих погр ОДД >мпаний, не »ешностей в С Количество компаний, имеющих погрешности в ОДДС

2014 г. 201 15 г. 2014 г. 2015 г.

ед. % ед. % ед. % ед. %

Строительство 5249 77 13 0,5 1524 23 2746 99,5

Химическая промышленность 330 47 11 2,8 367 53 380 97,2

Производство и распределение электроэнергии, газа и воды 3779 42 19 1,6 5271 58 1185 98,4

Производство пищевых продуктов и напитков 1260 83 33 1,9 253 17 1683 98,1

Производство металлургическое 195 75 0 0,0 67 25 217 100,0

Страхование 528 66 0 0,0 273 34 7 100,0

Добыча сырой нефти и природного газа 88 70 8 4,3 39 30 177 95,7

Производство древесины, деревянных и пробковых изделий (кроме мебели) 533 81 12 5,0 121 19 229 95,0

Производство машин и оборудования 963 79 24 2,8 251 21 834 97,2

Текстильное производство 92 79 6 3,9 25 21 146 96,1

При оценке полученных результатов необходимо определить степень существенности погрешностей в ОДДС. Степень существенности погрешностей в финансовой отчетности можно определить по степени ее влияния на принятие решений. При установлении критериев существенности предлагается исходить из того, что суммарная погрешность в финансовой отчетности, превышающая 10 %, влияет на принимаемые управленческие решения. Погрешностью менее 5 % можно пренебречь, так как она не оказывает существенного влияния на принятие управленческих решений. Погрешность в диапазоне от 5 до 10 % не выявлялась.

Результаты анализа степени погрешности в отчетах о движении денежных средств, проведенного с помощью предложенной методики, представлены в Таблице 4.8.

Таблица 4.8 - Группировка компаний по степени погрешности в отчетах о движении денежных средств

Компании с Компании с

погрешностью погрешностью

Вид экономической деятельности в отчетности в отчетности

менее 5 % более 10 %

ед. % ед. %

Строительство 13 0,5 2746 99,5

Химическая промышленность 11 2,8 382 97,7

Производство и распределение

электроэнергии, газа и воды 19 1,6 1184 98,4

Производство пищевых продуктов и напитков 33 1,9 1683 139,9

Производство металлургическое 0 0,0 216 100,0

Страхование 0 0,0 7 100,0

Добыча сырой нефти и природного газа 8 4,3 176 95,7

Производство древесины,

деревянных и пробковых изделий (кроме мебели) 12 5,0 229 95,0

Производство машин и оборудования 24 2,8 834 97,2

Текстильное производство 6 3,9 146 96,1

Из Таблицы 4.8 видно, что практически во всех отраслях компании, попавшие в выборку, при составлении ОДДС допускают существенные нарушения, влияющие на принятие финансовых решений.

В основе анализа качества ОДДС в части его раздела CFF положен принцип соответствия коэффициента начисления, построенного на основе ОДДС, и коэффициента начисления, построенного на основе бухгалтерского баланса. Разница между двумя нормируемыми величинами сумм начислений — N - (CFO + CFI) и ДNOA, — не превышающая 5 % (такой погрешностью можно пренебречь), говорит о том, что раздел CFF составлен качественно.

Результаты анализа качества составления ОДДС на основе сопоставления коэффициентов начислений представлены в Таблице 4.9.

Таблица 4.9 - Оценка качества составления ОДДС на основе сопоставления коэффициентов начислений

Вид экономической деятельности Количество компаний, не имеющих погрешностей в ОДДС Количество компаний, имеющих погрешности в ОДДС в пределах 5 % Количество компаний, имеющих погрешности в ОДДС свыше 5 %

ед. % ед. % ед. %

Строительство 180 6,5 1094 39,7 1665 60,3

Химическая промышленность 0 0,0 20 5,1 371 94,9

Производство и распределение электроэнергии, газа и воды 70 5,8 662 55,0 541 45,0

Производство пищевых продуктов и напитков 79 4,6 1013 49,8 1020 50,2

Производство металлургическое 14 6,5 113 52,3 103 47,7

Страхование 1 14,3 5 71,4 2 28,6

Добыча сырой нефти и природного газа 15 8,2 103 56,0 81 44,0

Производство древесины, деревянных и пробковых изделий (кроме мебели) 19 7,9 131 54,4 110 45,6

Производство машин и оборудования 85 9,9 476 55,5 382 44,5

Текстильное производство 23 15,1 84 55,3 68 44,7

По данным Таблицы 4.9 видно, что при более глубоком анализе доля компаний, имеющих значительные нарушения, существенно возрастает по сравнению с этапом сличения данных по изменению остатков денежных средств в бухгалтерском балансе и ОДДС. Наибольший удельный вес нарушений приходится на такие виды деятельности, как строительство и химическая промышленность. В остальных видах деятельности доля компаний с существенными погрешностями находится в пределах 50 %. Наименьший удельный вес компаний-нарушителей приходится на отрасль страхования.

Исследование качества составления отчетов о движении денежных средств в российских компаниях показало, что институт аудиторов существенно ослабил свой статус «конфиденциального агента» (доверенного

лица) общества и перестал выполнять возложенные на него функции в полном объеме. Изучение исторического опыта свидетельствует, что в недавнем прошлом пользователи финансовой отчетности, включая и финансовых аналитиков, полностью доверяли аудиторским заключениям и использовали аудированную отчетность для принятия решений без дополнительных проверок на достоверность. В настоящее время ситуация кардинально изменилась, о чем свидетельствуют результаты настоящего исследования, и финансовые аналитики вынуждены возложить на себя исторически не свойственные обязанности в силу их невыполнения аудиторами.

Таким образом, в настоящее время крайне своевременной и актуальной представляется активизация научных кругов в решении задачи разработки для аудиторов и финансовых аналитиков специальных аналитических инструментов проверки достоверности бухгалтерской (финансовой) отчетности, включая и достоверность ОДДС. Актуализация скорейшего решения данной задачи связана с необходимостью расширения применения в российской практике ОДДС в качестве регистра оценки эффективности деятельности компании для всех групп стейкхолдеров.

Несмотря на то, что различным аспектам выявления искажений в финансовой отчетности были посвящены работы как зарубежных, так и отечественных авторов, включая исследования, изложенные в предыдущей главе настоящей работы и предыдущем параграфе данной главы, ряд вопросов требует более детального исследования. Так, одна из проблем в контексте анализа финансовой отчетности на манипулирование заключается в том, что ее искажения могут носить разнонаправленный характер. В частности, компании, желающие получить внешнее финансирование, стремятся к искажению финансовых показателей в сторону завышения, а компании, реализующие схемы «налоговой оптимизации», в итоге по факту занижают свои финансовые показатели. Поэтому встает задача не просто выявления искажений отчетности, но и оценки направления подобных искажений.

Решение поставленной задачи осуществляется на основе кластеризации — разбиения множества объектов на группы. В настоящее время разработано и практически применяется большое количество алгоритмов кластеризации: иерархические и плоские, четкие и нечеткие, метод ^-средних. При этом не каждый из алгоритмов кластеризации можно применить к большому объему данных. Среди алгоритмов, которые позволяют это сделать, наиболее широко известен ЕМ-алгоритм, реализующий мягкую кластеризацию при эллиптической, настраиваемой форме кластеров. EM-алгоритм основывается на предположении, что данные в каждом кластере подчиняются какому-либо теоретическому закону распределения. В рамках настоящего исследования было выдвинуто предположение о том, что данные в кластерах отвечают закону нормального распределения. Учитывая это, в рамках итеративного процесса становится возможным определение значений математического ожидания и дисперсии, позволяющих наилучшим образом аппроксимировать гауссианой данные, наблюдаемые в кластерах. Подобный подход разделения смеси распределений на составные части был реализован в исследованиях ряда авторов (см., например, [46]).

В качестве объектов наблюдения, которые необходимо разложить на кластеры, были выбраны значения коэффициента начисления к совокупным активам — коэффициент ТАТА [7]. Этот показатель может быть рассчитан на основании данных финансовой отчетности через выражение:

TATA = (NI - CFO) / TA, (4.34)

где NI — чистая прибыль;

CFO — сальдо потоков денежных средств от текущей деятельности;

ТА — величина совокупных активов компании.

Рассматриваемый показатель ориентирован на выявление манипуляций с финансовой отчетностью через оценку расхождения результатов хозяйственной деятельности, определенных на основе двух различных методов: метода

начисления и кассового метода. Коэффициент TATA был включен М. Бенишем в модель анализа M-Score, направленную на оценку достоверности составления финансовой отчетности компаний [80]. Несмотря на определенную условность данного показателя, связанную с невозможностью достижения абсолютного соответствия между чистой прибылью и сальдо денежных потоков от текущей деятельности, М. Бениш предлагал сравнивать коэффициент TATA с нормативным значением, равным нулю. Он утверждал, что более сильное отклонение рассматриваемого показателя от нуля свидетельствует о более высокой вероятности искажения финансовой отчетности. Направление искажения финансовой отчетности не учитывалось.

На наш взгляд, подобное представление не совсем оправдано. Как видно, числитель правой части выражения (4.34) может принимать как положительные, так и отрицательные значения. Если компания показывает небольшую чистую прибыль (или даже убыток) при положительном сальдо денежных потоков от текущей деятельности, то коэффициент TATA будет иметь значение, существенно смещенное в отрицательную область. Причем подобное сочетание чистой прибыли и сальдо денежных потоков, скорее всего, свидетельствует о том, что компания манипулирует своей финансовой отчетностью, занижая финансовые результаты и стремясь «оптимизировать» налогообложение.

Наоборот, если компания имеет большое значение чистой прибыли при отрицательном денежном потоке от текущей деятельности, то значение коэффициента TATA будет существенно смещено в положительную область. В данном случае следует предположить, что компания стремится представить свои финансовые результаты в наиболее выгодном свете, завышая их.

Таким образом, задача, поставленная перед настоящим исследованием, может быть конкретизирована следующим образом: необходимо сформировать выборку реальных значений коэффициента TATA и разделить ее в дальнейшем на три кластера с помощью ЕМ-алгоритма кластеризации. Причем в один кластер должны попасть компании, искажающие отчетность в сторону

завышения, во второй — в сторону занижения, а в третий — компании, не искажающие свою отчетность.

Перед непосредственным исследованием была проведена подготовка данных. На основе системы комплексного раскрытия информации об эмитентах и профессиональных участниках фондового рынка (СКРИН) [185] была сформирована предварительная выборка, состоящая из финансовых отчетов за 2015 г. 10 тысяч компаний, осуществлявших свою деятельность в пищевой отрасли РФ по классификатору ОКВЭД. Из сформированной выборки были исключены компании, не составлявшие отчет о движении денежных средств и/или не предоставившие его в рассматриваемом периоде. Далее из предварительной выборки были исключены компании с неудовлетворительным качеством составления ОДДС, определенным по авторской методике, изложенной в ряде статей [56; 57]. В результате проведенных проверок предварительная выборка сократилась до 3100 компаний, для которых и был рассчитан коэффициент TATA.

Сформированный массив наблюдений был дополнительно подготовлен к последующему анализу путем однократного применения критерия Томсона, позволившего отсеять аномальные значения. В результате в окончательную исследовательскую выборку вошло 3070 наблюдений. Статистические характеристики исследовательской выборки представлены в Таблице 4.10.

Таблица 4.10 - Характеристика построенного распределения

min max Среднее (Xavg) 2 Дисперсия (о ) Стандартное отклонение(о)

-1,5721 1,4318 -0,0023 0,0487 0,2207

Предположим первоначально, что распределение значений коэффициента TATA в исследовательской выборке соответствует нормальному закону. Проверим выдвинутое предположение. Для восстановления фактического распределения результатов наблюдений необходимо разделить значения,

вошедшие в исследовательскую выборку на интервалы. Оптимальная ширина интервала определяется выражением:

h= (Xmax — Xmin) / (1 + 3,32 ■ LN(n)), (4.35)

где h — ширина интервала; n — количество наблюдений.

Применив выражение 4.35, получаем ширину интервала 0,1086. Для вычисления количества интервалов разделим разницу между максимальным значением TATA в выборке и его минимальным значением на полученную ширину интервала. Расчетное количество интервалов (28) определится путем округления полученного значения (27,66) до целого числа, что, в свою очередь, потребует уточнения фактической ширины интервала, для которой вычисленное окончательное значение равняется 0,1073.

Всю совокупность значений коэффициента TATA, вошедших в исследовательскую выборку, распределяем между построенными интервалами и рассчитываем эмпирические частоты — количество показателей, попавших в соответствующий интервал. Проверяем сформированные фактические частоты на соответствие нормальному распределению с помощью критерия Пирсона. Проведенная статистическая проверка не подтверждает выдвинутое выше предположение о соответствии распределения значений TATA в исследовательской выборке нормальному распределению. Таким образом, можно сделать вывод, что фактическое распределение данных в выборке подчиняется какому-либо иному закону.

Для наиболее полного изучения распределения коэффициента TATA в выборке сформулируем исследовательскую гипотезу.

Гипотеза. Фактическое распределение данных в исследовательской выборке образует композицию из нескольких нормальных распределений, веса которых в сумме должны давать единицу.

Учитывая, что манипулирование может осуществляться как в сторону завышения, так и в сторону занижения, предположим, что таких распределений три.

Дальнейший анализ осуществлялся с помощью компьютерной программы STATISTICA. После введения в программу плотности распределения исходных данных, задаваемой серединами интервалов и эмпирическими частотами, был применен ЕМ-алгоритм, позволивший разделить исследовательскую выборку на кластеры. Графики выделенных распределений, наилучшим образом аппроксимирующие данные в исследовательской выборке, представлены на Рисунке 4.4.

Рисунок 4.4 - График системы нормальных распределений

Таким образом, разделив данные исследовательской выборки на три кластера и построив систему, состоящую из трех нормальных распределений, мы добились того, что фактическое распределение данных соответствует системе нормальных распределений по критерию согласия Пирсона. Следовательно, выдвинутая исследовательская гипотеза подтверждается. Статистические характеристики трех выделенных в процессе использования ЕМ-алгоритма нормальных распределений представлены в Таблице 4.11.

Таблица 4.11 - Результаты использования ЕМ-алгоритма

Cluster Ai Xavg £ 2 а min max

1 0,428 -0,928 0,387 0,150 -1,518 -0,338

2 0,251 0,0907 0,232 0,054 -0,231 0,413

3 0,321 0,949 0,294 0,086 0,520 1,378

В Таблице 4.11 приведены рассчитанные значения для каждого кластера, причем сумма их весов равна единице. Таким образом, можно утверждать, что показатель ТАТА подчиняется трем законам распределения N1(Xavg = -0,928; а2 = 0,150), N2(XaVg = -0,0907; а2 = 0,054), N3Xvg = -0,949; а2 = 0,086).

Опираясь на построенные нормальные распределения, найдем точные границы между кластерами (Таблица 4.8), что позволит разделить компании на те, которые не искажали свою отчетность, и те, которые искажали ее в сторону завышения или занижения.

Таблица 4.12 - Границы манипулирования отчетностью по показателю ТАТА

[-® ; -0,28), [-0,28; 0,47) [0,47; +®]

Манипуляторы в сторону занижения Неманипуляторы Манипуляторы в сторону завышения

1400 1200 1000 800 600 400 200

NHOOOiCONN^ITitflVI'i 1Л Т О СО Г>- IЛ -J гл М -i -Н —1 -i —í о ©' о о о о о" о гм -н о MOiO HHiNíftin^ifliííNtt z. О ÍN f lА t- « О И 'N > О О OOOOOOOHH'iH

Рисунок 4.5 - Границы значений показателя начислений для пищевой отрасли

России

В Таблице 4.12 представлены рассчитанные границы кластеров, а на Рисунке 4.5 изображены кривые нормальных распределений, наложенные на плотности фактических значений коэффициента начислений. Исходя из всех проведенных расчетов и определения кластерных границ, можно сделать общий вывод о том, что компании пищевой отрасли России по коэффициенту ТАТА можно разделить на следующие группы (Таблица 4.13): манипуляторы, искажающие отчетность в сторону завышения, неманипуляторы и манипуляторы, искажающие финансовые данные в сторону занижения.

Таблица 4. 13 - Распределение компаний пищевой отрасли России по направлению манипулирования

Показатель Границы Количество, шт. Доля, %

Манипуляторы в сторону завышения [-1,57; -0,28) 184 6

Неманипуляторы [-0,28; 0,47) 2 829 92

Манипуляторы в сторону занижения [0,47; 1,43] 57 2

Таким образом, можно сказать, что финансовая отчетность является предположительно достоверной у 2829 организаций, т. е. 92 % компаний пищевой отрасли имеют коэффициент ТАТА, не показывающий существенных расхождений в определении финансовых результатов с помощью различных методов. Среднее значение коэффициента ТАТА компаний-неманипуляторов равно 0,0907, что может выступать, несмотря на предложения М. Бениша [80], новым критерием оценки достоверности составления отчетности. Одновременно с этим выделены 6 % компаний, предположительно исказивших свою отчетность в сторону завышения, и 2 % компаний — в сторону занижения. Для этих компаний определены границы значения коэффициента TATA, которые могут выступать дополнительным аналитическим инструментом при проведении аудиторских проверок.

Таким образом, методы оценки достоверности финансовой отчетности могут быть существенно расширены включением в них алгоритмов кластерного анализа. Более того, проведенное исследование показало возможность выявления направления искажения финансовой отчетности в сторону завышения или занижения. Полученные результаты имеют практическое значение как для совершенствования модели М^соге в целом, так и для выработки критериев оценки значений отдельных элементов модели в частности, что позволит усилить значимость данного аналитического инструмента при проведении аудиторских проверок.

П. 4.3. Сопоставление авторского подхода к выявлению искажения финансовой отчетности с методиками М-8еоге и Г-8еоге

Сопоставление изложенного выше (П. 4.2) авторского подхода к выявлению искажения финансовой отчетности с методами, апробированными в П. 3.1, позволит выработать пути усовершенствования методов определения степени достоверности финансовой информации.

Исходя из этого, сформулируем последовательность исследовательских

задач:

• сформировать на основании авторского подхода группы компаний, предположительно завышающих, занижающих и не искажающих свою финансовую отчетность;

• проверить отчетности компаний выделенных групп и сопоставить полученные результаты со значениями интегральных показателей М-Бсоге и Б-Зсоге, методика построения которых приведена в § 3.1.

Стандарты МСФО предъявляют к информации, раскрываемой хозяйствующими субъектами, ряд требований, основные из которых — уместность и достоверность.

Уместность информации увязывается со стороной инвестиционного спроса и способствует формированию соответствующих инвестиционных

предпочтений. Уместной считается такая информация, на основе которой возможно осуществить справедливую оценку финансовых активов компании и/или построить прогноз ее финансового состояния и в результате принять адекватное финансовое решение [206]. Уместность информации определяется ее характером (содержанием) и существенностью. Устанавливается, что существенность — это такая величина либо качество статей финансовой отчетности, непредставление или искажение которых (индивидуально или же агрегировано) повлияет на экономические решения квалифицированного пользователя отчетности» [189].

Достоверность — качественная характеристика информации, связанная со стороной инвестиционного предложения, формирует соответствующий уровень инвестиционной привлекательности финансовых активов. Процессы глобализации, протекающие на финансовом рынке, технологическая революция, ускорившийся переход к экономике знаний — все это усиливает значение достоверности информации, используемой при принятии финансовых решений. Достоверность информации выражается в отсутствии существенных ошибок или пристрастных оценок и правдивом отражении хозяйственной деятельности [188].

Вопросы оценки финансовой информации на уместность и достоверность исследовались зарубежными авторами [80; 167; 224], которые разработали ряд аналитических инструментов для выявления компаний, предположительно манипулирующих своей финансовой отчетностью. Основные из них — М-Бсоге и Б-Бсоге. Эти инструменты были разработаны на основе данных отчетностей американских компаний, составленных по международным стандартам.

Результаты анализа применимости показателей М-Бсоге и Б-Бсоге в российской практике подробно представлены в третьей главе настоящей работы (§ 3.1) и статьях автора [4; 7; 8]. При этом ряд глубинных проблем, порожденных методологией построения интегральных показателей Б-Бсоге и М-Бсоге, оставался не рассмотренным. Остановимся на этих проблемах подробнее.

Для построения интегральных показателей необходимо сформировать обучающую выборку. Последняя объединяет отчетности компаний, которые признаны составленными с признаками манипулирования на основании решения регулятора финансового рынка либо признаны мошенническими на основании решений соответствующих судебных инстанций. Очевидно, что в этом случае отбор компаний в обучающую выборку носит не случайный характер, а значения показателей, сформированных на ее основе, могут быть смещенными. Так, в частности, Комиссией по рынку ценных бумаг США (S.E.C.) на предмет манипулирования преимущественно исследуется отчетность молодых быстрорастущих компаний. Причем основное направление исследования отчетности — выявление признаков завышения финансовых результатов, а не признаков их занижения в целях уклонения от уплаты налогов.

Кроме того, для того чтобы обучающая выборка была надлежащего объема, в нее необходимо включать отчетности компаний, составленные за различные отчетные периоды. При этом временной интервал, на котором происходит отбор компаний-манипуляторов, составляет десятки лет, и следовательно, в обучающую выборку попадают отчетности, характеризующие деятельность компаний в совершенно различных экономических условиях и при меняющихся подходах к составлению финансовой отчетности. Более того, стремление к формированию максимально представительной обучающей выборки заставляет исследователей пренебрегать отраслевыми особенностями.

Предлагаемый в данной работе подход, основанный на сопоставлении финансовых результатов, отображенных кассовым методом и методом начислений с последующей кластеризацией полученных значений, не содержит в себе вышеперечисленных недостатков.

В предыдущих параграфах данной главы, а также опубликованных ранее автором исследованиях [4; 8] в качестве разделяющего признака, позволяющего выявить компании, предположительно искажающие финансовую отчетность, использовался коэффициент начисления к совокупным активам (TATA).

Показано, что значения коэффициента TATA, указывающие на возможность манипулирования финансовой отчетностью, носят разнонаправленный характер. Доказано, что направление искажения финансовой отчетности бывает как в сторону занижения, так и завышения. Значение данного показателя для каждого отдельного хозяйствующего субъекта определялось по формуле 4.34.

Необходимо отметить, что коэффициент TATA впервые был предложен М. Бенишем, который осуществлял сопоставление значений рассматриваемого коэффициента с нулем [80]. Исследователь аргументировал свою позицию тем, что наличие существенных отклонений является сильным индикатором вероятного наличия искажений в финансовой отчетности. Подобный подход содержит в себе определенную условность, связанную с объективной невозможностью для хозяйствующего субъекта реализовать абсолютное соответствие между чистой прибылью и сальдо денежных потоков от текущей деятельности в силу нормативных, финансовых, технологических, институциональных и прочих ограничений. Tем не менее сопоставление финансовых результатов по кассовому методу и методу начислений позволяет не только выявить признаки искажения финансовой отчетности, но и определить направление подобного искажения.

Интегральный показатель F-Score использует другой вид коэффициента начислений — RSSTACC:

rsstacc = (4.36)

где NI — чистая прибыль;

CFO — сальдо потоков денежных средств от текущей деятельности;

CFI — сальдо потоков денежных средств от инвестиционной деятельности;

ТА — средние совокупные активы компании за рассматриваемый период.

Различия в вышеназванных подходах к построению коэффициента начислений заключается в том, что выражение 4.34 оценивает качество

финансового результата с позиций самого широкого спектра стейкхолдеров, в то время как выражение 4.36 оценивает финансовый результат с позиций собственников заемного и собственного капитала. В практической плоскости применение двоякого подхода к расчету коэффициентов начислений позволяет повысить уровень уверенности в достоверности финансовой отчетности и развить методологию выявления искажений при ее формировании.

Кроме того, остановимся на ряде показателей, используемых в модели F-Score и являющихся существенными для понимания результатов проведенного исследования:

CHREC = AAR / ТА, (4.37)

где AAR — изменение дебиторской задолженности.

= ДС5-ДЛК), (4.38)

" S—AAR ' v 7

где AS — изменение выручки за период.

%SoftASSETS = (4.39)

где PP&E — основные средства;

Cash — денежные средства и их эквиваленты; ТА — совокупные активы компании за рассматриваемый период. Проверим, насколько перечисленные выше модели позволяют выявлять признаки манипулирования финансовой отчетностью. Для этого сформулируем исследовательскую гипотезу.

Гипотеза. Традиционные методы выявления признаков манипулирования (Ы-$>соте, Е-8соте) ориентированы на компании, предположительно завышающие финансовые результаты своей хозяйственной деятельности. В

случае занижения финансовых результатов традиционные методы выявления признаков манипулирования не применимы.

Проверка выдвинутой гипотезы осуществлялась через анализ финансовых (бухгалтерских) отчетов за 2015 г. предприятий пищевой промышленности, указавших данный вид деятельности в качестве основного по классификатору ОКВЭД. По данным системы комплексного раскрытия информации об эмитентах и профессиональных участниках фондового рынка (СКРИН) [185] была сформирована предварительная выборка, состоящая из отчетностей 10 тысяч компаний. Дальнейшее исследование проводилось в соответствии с методикой, описанной в § 4.2 и ранее опубликованной статье [4]. На основе значений разделяющего признака — коэффициента TATA — с помощью инструментария кластеризации совокупность предприятий пищевой промышленности РФ была разделена на три группы: компании, предположительно занижающие финансовые результаты; компании, предоставляющие достоверную финансовую отчетность; компании, предположительно завышающие финансовые результаты. Результат проведенной кластеризации представлен в Таблице 4.14.

Таблица 4.14 - Распределение компаний пищевой промышленности по направлениям манипулирования отчетными дынными

Характеристика компаний Границы коэффициента TATA Количество, ед. Доля, %

Компании, предположительно занижающие финансовые [-1,57; -0,28] 180 2

результаты

Компании, представляющие достоверную финансовую (-0,28; 0,47] 2829 92

отчетность

Компании, предположительно завышающие финансовые (0,47; 1,43] 57 6

результаты

При обработке первичных данных для расчета значений показателя начислений (TATA) было выявлено, что компании, занижающие значение коэффициента начислений к совокупным активам, имеют преимущественно только положительное сальдо денежных потоков от текущих операций, а компании, завышающие этот показатель, — наоборот, отрицательное сальдо денежного потока от текущих операций. Других особенностей на этапе подготовки первичных данных выявлено не было. В дальнейшем исследуемые группы были проанализированы с помощью альтернативных методов оценки качества финансовой отчетности — M-Score и F-Score, описанных выше.

Возможность совместного применения рассматриваемых методов для выделенных кластеров проверена с помощью коэффициентов корреляции. Попарная корреляционная зависимость между значениями интегральных показателей, полученных вышеперечисленными методами, отсутствует, что делает их совместное применение допустимым. Результаты расчетов представлены в Таблице 4.15.

Таблица 4.15 - Парная корреляционная зависимость между интегральными показателями рассматриваемых методик

Сопоставляемые показатели Компании, занижающие финансовые результаты Компании-неманипуляторы Компании, завышающие финансовые результаты

M-Score и F-Score 0,23007962 -0,00522678 0,17321707

TATA и M-Score 0,04689576 -0,07036495 0,13664033

TATA и F-Score 0,10762412 0,04002901 0,11856984

Из кластера неманипуляторов случайным образом отобрано 110 компаний с положительными и отрицательными значениями коэффициента начислений ТАТА. После оценки выборки установлено, что интегральный показатель М-Беоге выше нормы у 27 компаний, т. е. в 24,55 % случаев, а показатель F-Scoгe — у 10 компаний (9 %). Анализируя результаты, необходимо отметить, что полученные ошибки второго рода — отнесение к

манипуляторам компаний, составившим свою отчетность достоверно, — находятся в пределах, установленых при построении соответствующих моделей [80; 167; 224].

Изучение финансовой отчетности 10 компаний, отнесенных моделью F-Score к манипуляторам, показало, что у данных хозяйствующих субъектов наблюдаются чрезвычайно высокие значения коэффициента изменения дебиторской задолженности (СЩ^), а доля активов, подверженных манипулированию, находится в близком к единице диапазоне.

Дальнейший анализ был направлен на изучение финансовой отчетности компаний, предположительно завышающих свои финансовые результаты. Выборку сформировали 57 объектов наблюдения. Оценивание их с помощью восьмифакторной модели М^соге показало, что последняя в 98,25 % случаев подтверждает возможное искажение финансовой отчетности. Результат осуществленного анализа представлен на Рисунке 4.6.

Значение показателя TATA

♦ ♦ 4 ♦

♦ . . ♦ ♦ ♦

:

м ♦ *

-15 -10 -5 5 10 15 20 25 Значение показателя M-score

Рисунок 4.6 - Взаимообусловленность коэффициента ТАТА и интегрального показателя М^соге для компаний, предположительно искажающих отчетность

в сторону завышения

При применении методики F-Score к выборке компаний, предположительно завышавших свою финансовую отчетность, было установлено, что практически все значения коэффициента начислений К^Тдсс, определенные с помощью выражения 4.35, оказались положительными, тогда как в выборке, занижающей финансовые результаты,

— отрицательными. Подобная закономерность, на наш взгляд, является знаковой. Остановимся на ней более подробно. Так, кластер компаний, занижающих финансовые результаты своей деятельности, был образован из тех объектов наблюдения, для которых коэффициент TATA находился в интервале от [-1,57; -0,28] (см. Таблицу 4.9). При этом коэффициент RSSTACc отличается от коэффициента TATA в числителе наличием дополнительного вычитаемого

— сальдо денежных потоков от инвестиционной деятельности (CFI). Сохранение отрицательных значений для коэффициента RSSTACC свидетельствует о том, что компании, занижающие свои финансовые результаты, не реализуют крупных инвестиционных проектов и, как следствие, не имеют существенных оттоков денежных средств по инвестиционной деятельности. Наоборот, сохранение положительных значений коэффициента RSSTacc для компаний, завышающих свои финансовые результаты, свидетельствует о том, что у них с высокой вероятностью наблюдается отток денежных средств по инвестиционной деятельности. Последнее в условиях реализации инвестиционных проектов, финансируемых через привлечение заемных средств, является основной причиной, заставляющей компании приукрашивать свои финансовые результаты.

По методике выявления признаков манипулирования с помощью интегрального показателя F-Score установлено всего 40,35 % компаний, предположительно завышающих свои финансовые показатели. Результаты проведенного исследования представлены на Рисунке 4.7.

Рисунок 4.7 - Взаимообусловленность коэффициента ТАТА и интегрального показателя F-Зсогедля компаний, предположительно искажающих отчетность в

сторону завышения

Детальное изучение полученных данных показало, что в нескольких случаях значение коэффициента изменения денежного компонента в выручке (СНС8) существенно смещено в отрицательную область. Причиной подобных значений рассматриваемого показателя выступает обвальное снижение выручки и дебиторской задолженности (более чем в 10 раз), однако показательЕ-Зсоге в этих случаях не выявляет манипуляций, а наоборот, показывает низкую вероятность искажения финансовой отчетности. Таким образом, резкие динамические изменения выручки приводят к существенным ошибкам при применении показателя Б-Бсоге, в то время как показатель М-Бсоге выявляет признаки манипулирования у соответствующих компаний.

В отчетностях компаний, которые методика Б-Бсоге отнесла к предположительно завышающим финансовые результаты, можно заметить следующие особенности: самые высокие значения показателей коэффициента начислений (К88ТаСС) и коэффициента изменения дебиторской задолженности (СНгес); доля активов, наиболее подверженных манипулированию (Бой^Ета), приближается к единице.

На третьем этапе исследования анализировались отчетности компаний, предположительно осуществлявших искажение финансовой отчетности в сторону занижения. В выборку вошли 180 компаний, которые предположительно прибегали к схемам налоговой оптимизации через сознательное занижение показателей своей финансовой отчетности, тем самым уменьшая как налогооблагаемую базу, так и, соответственно, сумму налога на прибыль, подлежащего к уплате. Каких-либо особых закономерностей при первичной подготовке данных выявлено не было. Результатом применения методики М-Беоге стало выявление признаков манипулирования отчетностью всего в 36 случаях, что составляет 20 % от сформированной исследовательской выборки. Данный уровень является низким и служит доказательством того, что методика имеет слабую предсказательную силу в условиях предполагаемого занижения отчетных показателей. Результаты анализа представлены на Рисунке 4.8.

Значение показателя М-бсоге п

*

♦ # V $ ♦

А * ♦ Л ,, ♦

▼ +

* ♦ 16

Значение показателя TATA

Рисунок 4.8. Взаимообусловленность коэффициента ТАТА и интегрального показателя М-Беоге для компаний, предположительно искажающих отчетность

в сторону занижения

Что касается методики Б-веоге, то она показала еще более низкий уровень подтверждения возможного искажения отчетности. Выявлено всего 13 компаний-манипуляторов (7,22 %), причем только пять из них совпали с

компаниями, выявленными методом, предложенным М. Бенишем. Можно сделать вывод, что методика Б-Зсоге не выявляет случаи занижения финансовых результатов в отчетности. Результаты исследования представлены на Рисунке 4.9.

Рисунок 4.9 - Взаимообусловленность коэффициента ТАТА и интегрального показателя Б-Бсоге для компаний, предположительно искажающих отчетность в

сторону занижения

В заключение отметим, что, применяя обе методики, можно выделить не более 24,44 % случаев занижения финансовых результатов хозяйственной деятельности, что является крайне низким показателем.

Таким образом, выдвинутая гипотеза подтверждена. Для выявления искажений финансовых результатов в сторону занижения традиционные методики (M-Score, F-Score) не адаптированы. Первопричина выявленного недостатка кроется в методах построения обучающей выборки, сформированной из отчетностей американских компаний, которые стремились максимально улучшить свои финансовые показатели в целях привлечения инвесторов.

Для выявления признаков манипулирования отчетностью в сторону завышения методика M-Score имеет достаточно высокую точность и, следовательно, применима, в то время как методика F-Score имеет крайне

низкую общую предсказательную силу, и для нее высока вероятность ошибок как первого, так и второго рода. Ошибка первого рода возникает в 36 % случаев, т. е. верная гипотеза опровергается и компании попадают в выборку неверно. Ошибка второго рода возникает в 60 % случаев, когда принимается ложная гипотеза, т. е. отчетность фирм-манипуляторов классифицируется как достоверная. Проведенное исследование показало существенные ограничения в применении интегрального показателя Б-Бсоге в российской практике для выявления признаков манипулирования.

Таким образом в настоящей главе предложена и апробирована методика оценки качества составления отчетов о движении денежных средств (ОДДС) в российских компаниях, позволившая определить классификационные границы расхождений данных финансовой отчетности по кассовому методу и методу начислений. Установление границ расхождения отчетных показателей реализовано применением статистических алгоритмов кластеризации, что дало возможность в дальнейшем разработать авторский аналитический метод вероятностной оценки искажения финансовой отчетности.

Глава 5. ИСПОЛЬЗОВАНИЕ МЕТОДИЧЕСКОГО ПОДХОДА К ОЦЕНКЕ ДОСТОВЕРНОСТИ ФИНАНСОВОЙ ОТЧЕТНОСТИ

Как отмечалось выше, важность достоверной, качественно составленной бухгалтерской (финансовой) отчетности сложно переоценить. Достоверная отчетность является гарантией доверия государственных структур, кредиторов, потенциальных инвесторов и других стейкхолдеров компании. Имея на руках реальные данные о результатах деятельности компании, внутренние и внешние пользователи бухгалтерской (финансовой) отчетности получают эффективный инструмент для оценки ее финансового состояния и построения долгосрочных прогнозов развития.

Достоверность финансовой информации играет большую роль при оценке стоимости компании. Акционерам при проведении инвестиционного анализа рекомендуется, прежде чем принимать управленческие решения, осуществить детальную проверку достоверности публичной финансовой отчетности на предмет вероятного манипулирования ею.

От поведения участников экономического взаимодействия, которые принимают финансовые решения в условиях неопределенности, зависит состояние всей экономической системы. Некоторые экономические субъекты могут преследовать личные интересы, нанося ущерб контрагентам и реализуя тем самым оппортунистическое поведение. В этом контексте встает задача исследования устойчивого состояния финансовой системы как динамического процесса накопления капитала. В настоящей главе рассматриваются вопросы формализации гипотезы финансовой нестабильности. На основании проведенного исследования будет предложена модель финансового цикла компании, учитывающая количественную оценку оппортунистического поведения, которое выражается в сознательном искажении финансовой отчетности.

П. 5.1. Влияние манипулирования финансовой отчетностью на оценку стоимости компании

С развитием кризисных явлений в экономике (начиная с 2008 г.) отмечается рост количества случаев, связанных с финансовым мошенничеством, одним из видов которого является манипулирование финансовой отчетностью. В США в 2008 г. частные компании и обанкротившиеся собственники подали исковые претензии аудиторским фирмам более чем на 30 млрд долл. С тех пор волна скандалов, связанных с манипулированием отчетностью, не только не затихла, но имеет положительную динамику как по числу прецедентов, так и по объему экономического ущерба. К примеру, в 2014 г. североамериканские биржи по этой причине исключили из своего листинга более 100 китайских компаний. Всем известна ситуация с У. Баффетом, который потерял в 2014 г. 750 млн долл., вложенные им в компанию Tesco. После положительного аудиторского заключения, выданного компанией PwC, Tesco в 2014 г. стала декларировать прибыль на 30 % меньше, чем по прогнозу, что свидетельствует о манипулировании компанией своей отчетностью [12]. Одним из основных мотивов, побуждающих к манипулированию финансовой отчетностью, является стремление компаний повысить свою инвестиционную привлекательность. К такому способу манипулирования обычно прибегают субъекты, нуждающиеся в финансовой поддержке со стороны инвестора, для которого основным критерием при размещении денежных средств является показатель чистой прибыли. В погоне за инвестициями компании могут сознательно завышать размер своей прибыли. Обнаружение зияющего «разрыва ожиданий» инвесторов стало достаточно обычным делом на финансовом рынке. Акционеры, полагаясь на аудиторские заключения как на гарантию непреложной истины, при расчетах невольно завышают оценку стоимости компаний и несут в дальнейшем значительные убытки [5; 7; 8]. Исходя из того, что манипулирование финансовой отчетностью может приводить к принятию

акционерами ошибочных управленческих решений, определимся с методологической базой исследования. Существует множество методов обнаружения фактов манипулирования финансовой отчетностью и прибылью в частности [33; 47; 50; 58]. В западной практике для оценки качества прибыли чаще всего используют коэффициенты начислений [22; 23; 47; 48; 62]. Ключевая формула для их расчета — выделение степени расхождения прибыли, сформированной по методу начислений и кассовому методу:

EarningsCASH + ACC = Earning, (5.1)

где ACC — показатель величины начислений;

EarningsCASH — показатель оценки финансового результата, рассчитанный по кассовому методу;

Earnings — показатель оценки финансового результата, рассчитанный по методу начислений.

В § 4.1, а также в другой нашей работе [3] предлагаются различные варианты расчета величины коэффициента начисления в зависимости от вовлеченности различных групп стейкхолдеров в процесс распределения финансового результата, полученного от деятельности компании. Напомним ключевые отличия между подходами к расчету коэффициентов начисления:

• первый — используется для оценки качества прибыли для всех групп стейкхолдеров;

• второй — для поставщиков финансового капитала (заемщиков и акционеров);

• третий — только для акционеров.

Мы здесь рассмотрим расчет величины начисления, предназначенный для оценки достоверности прибыли только для акционеров. Величину начислений в этой группе показателей предлагается рассчитывать по формуле:

ACC = NI - ACash,

(5.2)

где NI — чистая прибыль за период;

ACash — изменение денежных средств и их эквивалентов.

Тогда прибыль, очищенная от манипулирования, может быть рассчитана следующим образом:

NI - ACC = ACash. (5.3)

В качестве финансового результата, очищенного от начисления, в распределении которого будут принимать участие акционеры, берется ACash.

Выберем метод определения стоимости компании с учетом того, что главной финансовой целью компании следует считать рост ее ценности для всех групп стейкхолдеров, и прежде всего акционеров. Воспользуемся методом измерения стоимости компании, лежащим в плоскости VBM-подхода (концепции управления стоимостью) [31]. Несмотря на все многообразие VBM-показателей, для целей данного исследования используем показатель, который входит в группу определяемых, исходя из бухгалтерских (балансовых) оценок. Данные показатели рассчитываются на основе модели, центральным для которой является понятие остаточной прибыли, под которой следует понимать бухгалтерскую прибыль организации за вычетом затрат на капитал. Затраты на капитал — это минимальный уровень прибыли, требуемый инвесторами на вложенный капитал и рассчитываемый как произведение требуемой доходности на величину инвестированного капитала. К такому показателю можно отнести показатель остаточной операционной прибыли (Residual Operating Income — ReOI), введенный C. Пенман [153] в 2001 г. и представляющий собой чистую операционную прибыль компании за вычетом затрат на весь ее капитал. Формула расчета ReOI имеет следующий вид:

ReOI,- - kW • NA/-b

(5.4)

где EBIy — показатель прибыли до уплаты процентов, но после налогообложения отчетного года;

kW — ставка средневзвешенных затрат на весь капитал (Weighted Average Cost of Capital — WACC);

NA7-1 — балансовая стоимость чистых активов на начало отчетного или конец предшествующего года.

Сердцевину показателя остаточной операционной прибыли составляют чистые операционные эффекты деятельности организации, поэтому при его расчете под инвестициями понимается балансовая стоимость чистых активов (NA) — разница между общей величиной активов и бесплатными обязательствами (большая часть кредиторской задолженности). В свою очередь, показатель прибыли до уплаты процентов, но после налогообложения (EVI) рассчитывается как сумма чистой прибыли и процентных расходов по заемному капиталу, скорректированных на налоговый щит по формуле:

где I — процентные расходы;

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.