Совершенствование методического инструментария выявления и контроля финансовых нарушений компаний тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат наук Гудова Марина Руслановна
- Специальность ВАК РФ08.00.10
- Количество страниц 194
Оглавление диссертации кандидат наук Гудова Марина Руслановна
ВВЕДЕНИЕ
ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ОСНОВЫ ИССЛЕДОВАНИЯ СОДЕРЖАНИЯ, ПОСЛЕДСТВИЙ И ИНСТРУМЕНТАРИЯ ВЫЯВЛЕНИЯ И КОНТРОЛЯ ФИНАНСОВЫХ НАРУШЕНИЙ КОМПАНИЙ
1.1 Экономическая сущность финансовых нарушений в деятельности компаний и их последствия
1.2 Идентификация специфики мотивов совершения финансовых нарушений компаниями с различными организационно-правовыми формами в России
1.3 Методические основы систематизации инструментария выявления финансовых нарушений компаний в рамках финансового контроля
ГЛАВА 2 АНАЛИЗ СОВРЕМЕННОГО ИНСТРУМЕНТАРИЯ ВЫЯВЛЕНИЯ ФИНАНСОВЫХ НАРУШЕНИЙ В ДЕЯТЕЛЬНОСТИ КОМПАНИЙ
2.1 Эмпирическое исследование и выявление специфики финансово-хозяйственной деятельности российских компаний с финансовыми нарушениями
2.2 Апробация и модификация модели M.D. Beneish в рамках выявления финансовых нарушений в российских компаниях
2.3 Применимость и адаптация многофакторной модели идентификации финансовых нарушений O.S. Persons к условиям российской экономики
ГЛАВА 3 ФОРМИРОВАНИЕ ЭФФЕКТИВНОГО В УСЛОВИЯХ РОССИЙСКОЙ ЭКОНОМИКИ ИНСТРУМЕНТАРИЯ ВЫЯВЛЕНИЯ И КОНТРОЛЯ ФИНАНСОВЫХ НАРУШЕНИЙ
3.1 Разработка модели выявления и прогнозирования финансовых нарушений российских компаний
3.2 Апробация и оценка результативности разработанного инструментария выявления и прогнозирования финансовых нарушений в условиях России
3.3 Разработка методических рекомендаций по совершенствованию финансового контроля с целью снижения рисков и ущерба российских компаний от финансовых нарушений
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА
ПРИЛОЖЕНИЕ А Выборка российских компаний с финансовыми нарушениями и без отклонений в деятельности
ПРИЛОЖЕНИЕ Б Разброс выявленных финансовых нарушений по субъектам Российской Федерации
ПРИЛОЖЕНИЕ В Выборка российских компаний для построения специализированной модели
Рекомендованный список диссертаций по специальности «Финансы, денежное обращение и кредит», 08.00.10 шифр ВАК
Развитие аналитических процедур выявления признаков манипуляций в финансовой отчетности2022 год, кандидат наук Завалишина Александра Константиновна
Совершенствование оценки влияния финансовых рисков на деятельность компаний2016 год, кандидат наук Ванькович Инна Михайловна
Развитие корпоративной отчетности в России и за рубежом на основе риск-ориентированного подхода2022 год, кандидат наук Доан Тхи Лок
Воздействие искажений финансовой отчетности компаний на экономические интересы инвесторов: международный опыт на примере США2021 год, кандидат наук Дорохова Марина Владимировна
Внутренний аудит рисков формирования оценочных резервов и обязательств в коммерческих организациях2019 год, кандидат наук Чикурова Светлана Сергеевна
Введение диссертации (часть автореферата) на тему «Совершенствование методического инструментария выявления и контроля финансовых нарушений компаний»
ВВЕДЕНИЕ
Актуальность темы исследования. Прозрачность корпоративного сектора является одной из важнейших задач, требующих решения в рамках обеспечения качественного экономического роста, как на уровне государств, так и на уровне отдельных компаний. Влияние на асимметрию информации, в частности, оказывают финансовые нарушения компаний посредством искажения реальных экономических показателей.
Финансовые нарушения в условиях глобализации экономики склонны к дифференциации видов, что усложняет разработку инструментария их выявления и контроля, отягощенную также отсутствием единого категориально-понятийного аппарата. Особенно остро данная проблема стоит в условиях российской экономики, характеризующейся негативными тенденциями, спровоцированными незавершенностью формирования законодательного и нормативного правового обеспечения отдельных финансовых отношений, вводимыми против Российской Федерации экономическими санкциями, непредсказуемостью проводимой государством экономической политики в корпоративном секторе, наблюдаемым ростом теневого сектора. Результатом финансовых нарушений выступает финансовый и нефинансовый ущерб, значимый как для доходов компаний, так и для бюджета государства. В частности, в соответствии с исследованиями Ассоциации специалистов по расследованию мошенничеств с 2006 года по 2017 год доля ежегодного финансового ущерба сохраняется в размере 5,0% от доходов компаний. В 2017 году совокупный ущерб от финансовых нарушений составил 7,0 млрд долларов [62] со средним ущербом на одно финансовое нарушение в размере 130,0 тыс. долларов
Особенно актуальна проблема финансовых нарушений компаний в России. Согласно обзору PwC, количество сообщений о столкновении с финансовыми нарушениями достигло в 2018 году 66,0% от общего
количества опрашиваемых респондентов, что на 18,0% выше показателя 2016 года [48].
Проблема своевременного выявления финансовых нарушений российских компаний обусловлена спецификой экономики, стандартов учета и видов совершаемых финансовых нарушений, нехарактерных для иных государств, в которых современный инструментарий выявления финансовых нарушений отличается высокой результативностью.
В то же время наблюдается дифференциация видов совершаемых финансовых нарушений, что приводит к необходимости совершенствовать инструментарий их выявления.
Кроме того, современные исследования сконцентрированы на инструментарии выявления финансовых нарушений, при этом существует лишь незначительное количество работ по разработке моделей, отличающихся способностью прогнозировать финансовые нарушения, что выступает нетривиальной задачей систем финансового контроля компаний. Особенно остро выглядит проблема, связанная с необходимостью разработки инструментария снижения риска и ущерба от финансовых нарушений, способного обеспечить повышение качества контроля компаний.
Изложенное выше свидетельствует об актуальности проблемы развития категориально-понятийного аппарата финансовых нарушений компаний, раскрытия сущности, мотивов совершения и развития инструментария их выявления и контроля с точки зрения как повышения эффективности и рациональности принимаемых компаниями управленческих решений, так и содействия прозрачности корпоративного сектора и обеспечения качественного экономического роста.
Степень разработанности темы исследования. Исследованием сущности и инструментария выявления и контроля финансовых нарушений занимались ведущие зарубежные и отечественные исследователи, среди которых: K. Fanning, K.O. Cogger, R. Kanapickiene, Z. Grundiene, A. Abbasi, H. Chen, Г.А. Дубинина, Е.А. Кондратьева и многие другие.
Наиболее значительный вклад в определение понятия, сущности и инструментария выявления финансовых нарушений внесли M.D. Beneish, O.S. Persons, E. Kirkos, Ch. Spathis, E. Feroz, A. Abbasi, В.Д. Плесовских, Е.Н. Кондрат, Ю.В. Латов, Н.В. Ферулева, М.А. Штефан, которые изложили подходы к пониманию сущности и мотивов совершения финансовых нарушений и предложили направления разработки инструментария их выявления.
При наличии достаточного количества научных работ, посвященных прикладным исследованиям по разработке инструментария выявления финансовых нарушений, отмечается отсутствие единого подхода к понятийному аппарату, мотивам совершения финансовых нарушений, в частности, актуального для условий российской экономики. Недостаточное внимание в российской практике также уделяется разработке механизма снижения риска и ущерба от финансовых нарушений российских компаний.
Вопросы идентификации сущности и мотивов совершения финансовых нарушений компаниями, разработки и внедрения инструментария их выявления и контроля, направленного на снижение негативных последствий от рассматриваемых деструктивных экономических явлений, представлены слабо и нуждаются в развитии.
Цель исследования заключается в развитии теоретических и методических основ разработки инструментария выявления и контроля финансовых нарушений компаний на базе системного подхода к исследованию современных тенденций поведения российских компаний.
Достижение цели диссертационного исследования осуществлено посредством решения следующих поставленных задач:
- исследованы теоретические основы финансовых нарушений, предложено их определение, выявлена их структура и последствия;
- раскрыты и систематизированы особенности мотивов совершения финансовых нарушений в зависимости от организационно-правовой формы компаний;
- предложена классификация моделей выявления финансовых нарушений компаний на основе специфичных факторов и преследуемых целей финансового контроля;
- исследована адекватность моделей выявления финансовых нарушений к данным российских компаний, проведена их модификация с целью адаптации к российским экономическим реалиям;
- разработана модель выявления и прогнозирования финансовых нарушений компаний, позволяющая учесть специфику российских стандартов бухгалтерского учета, условий экономической действительности и мотивов российских компаний;
- сформированы методические рекомендации по снижению риска и ущерба от финансовых нарушений как эффективный инструмент финансового контроля компаний.
Объектом исследования являются финансовые нарушения российских компаний.
Предметом исследования выступает система финансово-экономических отношений, возникающих в процессе формирования инструментария выявления и контроля финансовых нарушений компаний и его адаптации к российским реалиям.
Область исследования. Диссертационное исследование выполнено в соответствии с пунктами 3.5 «Управление финансами хозяйствующих субъектов: методология, теория; трансформация корпоративного контроля» и 3.29 «Система финансового контроля в управлении предприятием: содержание, формы, методы и инструменты реализации» Паспорта научной специальности 08.00.10 - Финансы, денежное обращение и кредит (экономические науки).
Методология и методы исследования. Теоретическую основу исследования составили работы российских и зарубежных авторов, посвященные проблемам определения финансовых нарушений компаний, раскрытия сущности и мотивов их совершения, а также разработке и
развитию инструментария выявления финансовых нарушений. Методологической основой диссертационного исследования выступают методы системного и структурно-логического подходов, аналитический метод, экономико-математический, статистический, трендовый и сравнительный виды анализа. Моделирование осуществлялось на основе инструментария логистической регрессии, методов корреляционно-регрессионного анализа, ^й-моделей с использованием функционала статистических пакетов Stata и STATISTICA 10, а также программного обеспечения языка программирования R.
Информационная база диссертационного исследования состоит из законодательных и нормативных правовых актов, международных стандартов, статистических баз данных Федеральной службы государственной статистики и Всемирного банка, материалов периодических изданий и аналитических порталов, результатов научных и методических публикаций и исследований.
Информационную базу исследования составляют также данные 1500 российских компаний, по 750 из которых имеются постановления мировых судей о признании их виновными в совершении грубого нарушения требований к бухгалтерскому учету, в том числе к бухгалтерской (финансовой) отчетности с 2007 года по 2018 год.
Научная новизна исследования заключается в развитии теоретических положений и методического инструментария эффективного выявления и контроля финансовых нарушений компаний путем разработки модели выявления и прогнозирования финансовых нарушений и методических рекомендаций по совершенствованию финансового контроля российских компаний в целях снижения риска и ущерба от финансовых нарушений.
Положения, выносимые на защиту:
1. Предложено определение финансовых нарушений как системы отношений, результатом которых выступает неправомерная или необоснованная выгода одной стороны отношений и причинение
финансового и нефинансового ущерба другим сторонам отношений, либо искажение представлений субъектов относительно объекта отношений (с. 22-23; 27-29). Данная трактовка позволила выделить умышленный и неумышленный характер финансовых нарушений и принять к учету и контролю финансовый и нефинансовый ущерб. Выявлены и сгруппированы мотивы совершения финансовых нарушений российскими компаниями в зависимости от организационно-правовой формы, такие как: завышение расходов, завышение активов с занижением обязательств, завышение дебиторской задолженности и кредиторской задолженности (с. 36);
2. Разработана классификация факторов, необходимых для учета при построении моделей выявления финансовых нарушений компаний (с. 53-54). Предложенная классификация позволяет определять перспективные направления совершенствования и разработки аналитического инструментария выявления финансовых нарушений в зависимости от целей контроля;
3. Определены специфические факторы (зависимость от экономических условий, изменения отдельных показателей отчетности в течение года до совершения финансовых нарушений, отсутствие нематериальных активов и др.), позволяющие установить потенциальную возможность финансовых нарушений российских компаний (на основании исследования данных 1500 компаний), в том числе связанные с их отчетностью, экономическими условиями и видом хозяйственной деятельности (с. 75-77). Данная совокупность факторов может быть использована в системах контроля компаний в целях повышения их качества;
4. Доказано, что зарубежные модели выявления финансовых нарушений требуют адаптации (в связи со спецификой российских стандартов бухгалтерского учета, нехарактерностью видов финансовых нарушений, совершаемых российскими компаниями) к условиям российской экономической действительности. Обеспечено повышение точности двух зарубежных моделей на 2,9% и 29,8% путем актуализации их
содержательных характеристик. Проведена модернизация моделей M.D. Beneish и O.S. Persons с целью адаптации к российским экономическим условиям, что позволило повысить их прогнозную точность на данных российских компаний (с. 91-94; 111-116);
5. Разработана модель выявления и прогнозирования финансовых нарушений для российских компаний, учитывающая специфику российских стандартов бухгалтерского учета и особенности экономической и правовой среды ведения бизнеса, включающая финансовые и нефинансовые показатели (с. 124-132), которая позволит принимать своевременные эффективные управленческие решения в рамках обеспечения качества финансового контроля компаний;
6. Разработаны методические рекомендации по совершенствованию финансового контроля с целью снижения риска и ущерба компаний от финансовых нарушений внутренней и внешней среды в рамках корпоративных стратегий на основе полученных результатов разработанной модели выявления и прогнозирования финансовых нарушений компаний (с. 137; 142; 147).
Теоретическая и практическая значимость исследования. Теоретическая значимость исследования заключается в развитии научных представлений о финансовых нарушениях компаний и систематизации общепринятого инструментария их выявления на основе выделенных и предложенных критериев классификации. Результаты диссертационного исследования составляют теоретическую основу модернизации инструментария выявления финансовых нарушений как необходимого элемента повышения качества финансового контроля компаний.
Практическая значимость диссертационного исследования заключается в наличии высокого потенциала внедрения и использования результатов работы российскими компаниями, государственными органами и иными заинтересованными лицами, способствующего принятию рациональных и действенных управленческих решений в рамках выявления финансовых
нарушений компаний, что позволит повысить качество финансового контроля и прозрачность корпоративного сектора. Непосредственное практическое значение имеют представленные в диссертационном исследовании: система классификации моделей выявления финансовых нарушений; модернизированные на данных российских компаний зарубежные модели выявления финансовых нарушений; специализированная для российских компаний модель выявления и прогнозирования финансовых нарушений; методические рекомендации по совершенствованию финансового контроля с целью снижения риска и ущерба от финансовых нарушений компаний.
Степень достоверности, апробация и внедрение полученных результатов. Обеспечение достоверности результатов исследования осуществлено посредством корректного применения современных методов исследования, проведением статистического анализа с последующим подтверждением результатов эмпирических данных 1500 российских компаний за период более 10 лет, по 750 из которых факт совершения финансовых нарушений доказан судом.
Основные положения и результаты диссертационного исследования докладывались и обсуждались на научных мероприятиях различного уровня: на конференции «Роль финансов в обеспечении экономической безопасности» (Москва, Финансовый университет, 16 декабря 2016 г.); на Международной научно-практической конференции «Обеспечение безопасности бизнеса как фактор противодействия мошенничеству» (г. Тюмень, Тюменский государственный университет, 12-13 апреля 2017 г.); на V Ежегодной всероссийской научно-практической конференции студентов и молодых ученых «Инновационные факторы обеспечения экономической безопасности России в современных условиях» (Москва, МГУ имени М.В. Ломоносова, 30 ноября 2017 г.); на VII Международной научно-практической конференции «Модели государственного и корпоративного
управления: традиции и перспективы» (Москва, МГУ имени М.В. Ломоносова, 1-2 декабря 2017 г.).
Разработанные в исследовании модель выявления и прогнозирования финансовых нарушений и методические рекомендации по снижению риска и ущерба от финансовых нарушений используются в практической деятельности ООО «Русь». За период тестирования модели выявления и прогнозирования финансовых нарушений потери ООО «Русь» от недобросовестных действий контрагентов (в т.ч. потенциальных) снижены оценочно на 37,0%. Внедрение методических рекомендаций по совершенствованию финансового контроля с целью снижения риска и ущерба от финансовых нарушений продемонстрировало высокую эффективность путем своевременного выявления направлений оптимизаций систем контроля и аудита ООО «Русь».
Результаты исследования внедрены в практическую деятельность ООО «ТД АНВА». В частности, использование отделом финансового контроля модели выявления и прогнозирования финансовых нарушений компаний и внедрение в стратегию методических рекомендаций по снижению ущерба и риска финансовых нарушений позволило за 2018 год снизить потери ООО «ТД АНВА» оценочно на 27,0%. Внедрение разработанных в исследовании методических рекомендаций, помимо отмеченного, позволило повысить качество и усовершенствовать систему финансового контроля компании.
Модель выявления и прогнозирования финансовых нарушений российских компаний, разработанная в диссертационном исследовании, используется аудиторским направлением по контрольной и экспертно-аналитической деятельности в сфере городской инфраструктуры Контрольно-счетной палаты Москвы. Результаты исследования путем своевременного и эффективного выявления наличия рисков недобросовестных действий субъектов экономических отношений способствуют повышению качества контрольных и экспертно-аналитических
мероприятий в части выявления финансовых нарушений российских компаний.
Материалы диссертации используются Департаментом корпоративных финансов и корпоративного управления ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации» в преподавании учебной дисциплины «Реорганизация бизнеса: слияния и поглощения».
Апробация и внедрение результатов диссертации подтверждены соответствующими документами.
Публикации. Основные положения диссертационного исследования нашли свое отражение в 10 публикациях общим объемом 8,04 п.л. (авторский объем 7,56 п.л.), в том числе в рецензируемых изданиях, определенных ВАК при Минобрнауки России - 6 публикаций общим объемом 6,05 п.л. (авторский объем - 5,57 п.л.).
Структура работы определена целью и задачами диссертационного исследования. Диссертация состоит из введения, трех глав, заключения, списка литературы из 167 наименований, списка иллюстративного материала и 3 приложений. Объём диссертации составляет 194 страницы, содержит 13 таблиц, 50 рисунков и 9 формул.
ГЛАВА 1
ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ОСНОВЫ ИССЛЕДОВАНИЯ СОДЕРЖАНИЯ, ПОСЛЕДСТВИЙ И ИНСТРУМЕНТАРИЯ ВЫЯВЛЕНИЯ И КОНТРОЛЯ ФИНАНСОВЫХ НАРУШЕНИЙ
КОМПАНИЙ
1.1 Экономическая сущность финансовых нарушений в деятельности
компаний и их последствия
Последние годы мировая экономика была подвержена ряду негативных тенденций: после кризиса 2008 года многие страны не сумели вернуться к экономическим показателям докризисного периода [53] (к примеру, экономики стран Европы достигли показателей докризисного периода только в 2016 году [44]); Соединенные Штаты Америки (далее - США) вступили в торговую войну с европейскими странами [67], что может привести к возвращению стадии рецессии мировой экономики; росту издержек производства [40] и затрат сырья; снижению продуктивности наряду с ростом затрат времени на производство товаров и услуг, что говорит о низком инновационном темпе развития, и иным негативным тенденциям [32]. В то же время многие ведущие экономисты прогнозируют улучшение экономических показателей и рост мировой экономики. Так, исследователи ГНЗ Магкй [41] оценивают риск рецессии менее чем в 25,0%. Они основывают свой позитивный прогноз, исходя из следующих ключевых обстоятельств: сохранение благоприятных монетарных условий несмотря на рост процентных ставок; отсутствие дефицита продукции на нефтяных рынках, несмотря на соглашения Организации стран — экспортёров нефти. Важно отметить, что экономисты ГНЗ Markit [65] не оставляют без внимания и негативные тренды: политическую напряженность и неопределенность, рост антиглобализационных мер в США и Европе, что делает их прогнозы наиболее точными. Однако ведущие экономисты и исследователи отмечают, что положительное развитие мировой экономики и экономики отдельных стран возможно только в случае ведения государственной и международной
политики в благоприятном для бизнеса направлении, в ином случае риск рецессии возрастет по причине роста деструктивных экономических явлений. В частности, финансовые нарушения компаний: оказывают влияние на прозрачность корпоративной среды посредством искажения реальных микроэкономических и макроэкономических показателей; наносят значительный ущерб доходам государства и компаний, что отрицательно сказывается на экономических условиях деятельности; в условиях глобализации наряду с иными негативными экономическими трендами способны привести к рецессии.
Влияние финансовых нарушений компаний на экономические тренды невозможно переоценить, так как одной из основ развития экономики выступает развитие корпоративного сектора и обеспечение его прозрачности. Подобное влияние финансовых нарушений компаний непосредственно обусловлено последствиями данных явлений: финансовые нарушения искажают экономические показатели, что затрудняет определение реальных масштабов экономик; сокращаются доходы бюджетов государств; эффективность финансово-хозяйственной деятельности компаний снижается; как следствие, темп экономического развития замедляется.
Полное понимание природы, экономической сущности, значимости и последствий финансовых нарушений компаний требует наличия единого общепринятого определения. В современных реалиях отсутствует четко регламентированное, законодательно утвержденное определение финансовых нарушений компаний как в Российской Федерации (далее - РФ), так и в мире. В этой связи и в рамках формирования наиболее точного определения имеет смысл рассмотреть широко используемые определения финансовых нарушений, принятые отдельными исследователями и органами власти.
Перед непосредственным рассмотрением подходов к определению финансовых нарушений требуется отметить, что большая часть зарубежных исследователей включают в состав финансовых нарушений компаний
мошенничество как один из видов данного явления, а в некоторых случаях их приравнивают друг к другу.
Gottschalk P. [118] определяет анализируемую категорию как нарушение, совершенное по отношению к собственности, включающее незаконный переход собственности, принадлежащей иному лицу, в личное пользование или приносящее выгоду. В то же время исследователь определяет финансовое преступление как деяние, направленное на получение выгоды (прибыли) посредством получения доступа и контроля над собственностью, принадлежащей иному лицу.
Согласно работам Gottschalk P., финансовые нарушения включают в себя четыре основные категории: коррупцию, мошенничество, воровство, манипуляции. В каждой основной категории исследователь выделяет множество подкатегорий [8].
В свою очередь, Pickett K.H.S. и Pickett J.M. (2002) считают [10], что финансовое нарушение представляет собой обманные действия в целях получения незаконной выгоды, обычно включающие в себя злоупотребление доверием, сокрытие истинных намерений совершаемых действий.
Следует также учесть тот факт, что проблеме отсутствия единого общепринятого законодательно закрепленного определения финансовых нарушений компаний уделяется особое внимание рядом государственных органов и международных организаций. К примеру, Международный валютный фонд отмечал, что отсутствие всемирно принятого определения финансового нарушения «позволяет интерпретировать финансовое нарушение в более широком ключе, как любое злоумышленное финансовое деяние, результирующее в финансовой потере». Согласно подходу Международного валютного фонда, финансовое нарушение «относилось к любому типу незаконной деятельности, результатом которого выступает имущественная потеря. Это бы включало любые злоумышленные преступления против личности или собственности, такие как вооруженное ограбление или вандализм» [45]. Подобное определение охватывало
слишком широкий круг явлений, что затрудняло понимание сущности финансовых нарушений компаний, однако в настоящее время также не определен единый подход к данным явлениям, что говорит о сохранении проблемы формирования подхода к сущности финансовых нарушений, их классификации и, соответственно, разработке инструментария по борьбе с ними [12].
Многие зарубежные экономисты, как отмечалось ранее, не разграничивают между собой финансовые нарушения компаний и финансовое мошенничество. В целях более полного понимания сущности финансовых нарушений компаний представляется рациональным рассмотреть понятие финансовых мошенничеств компаний. Указанная категория в Вебстерском новом мировом словаре [68] определена как «преднамеренный обман с целью заставить индивида отказаться от собственности или иного законного права» [71].
Финансовое мошенничество принято относить к преднамеренному действию с целью нанесения вреда или ущерба иным лицам в ходе достижения несправедливой или незаконной выгоды. Это преднамеренное противоправное действие может быть дифференцировано и определено множеством способов в зависимости от категории преступников. К примеру, мошенничество, совершенное физическими лицами (т.е. растрата, хищение), отличают от мошенничеств, совершаемых корпорациями (мошенничество с финансовыми отчетами).
Определение мошенничества с финансовой отчетностью сложно выделить среди деклараций и/или официальных отчетов. Изначально это связано с тем, что только в течение последнего десятилетия бухгалтеры начали использовать понятие «мошенничество» в своих профессиональных документах (декларациях, отчетах). Ранее использовались термины «преднамеренные умышленные ошибки или нарушения». Американский институт сертифицированных присяжных бухгалтеров (1997) в своем Положении об аудиторских стандартах (SAS) № 82 [42] относит
Похожие диссертационные работы по специальности «Финансы, денежное обращение и кредит», 08.00.10 шифр ВАК
Выявление преднамеренного банкротства в системе финансового менеджмента хозяйствующих субъектов2022 год, кандидат наук Васильева Нина Сергеевна
Оценка и прогнозирование риска финансовой несостоятельности компании2016 год, кандидат наук Копелев Игорь Борисович
Формирование стоимости российских компаний на основе акционирования в условиях цифровой экономики2024 год, кандидат наук Шестакова Елена Дмитриевна
Особенности позиционирования и аудита корпоративной отчетности2013 год, кандидат экономических наук Фомин, Михаил Валерьевич
Развитие российской системы финансового мониторинга в условиях цифровизации экономики2023 год, кандидат наук Ильин Артур Владимирович
Список литературы диссертационного исследования кандидат наук Гудова Марина Руслановна, 2020 год
Нормативные правовые акты
17. Российская Федерация. Законы. Конституция Российской Федерации : официальный текст : [принята всенародным голосованием от 12.12.1993 : по состоянию на 21 июля 2014 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. - DOI: отсутствует. -URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=287 5&fld=134&dst=1000000001,0&rnd=0.031165689295867383#034885363643788 825 (дата обращения: 12.12.2016).
18. Российская Федерация. Законы. Гражданский кодекс Российской Федерации (часть первая) : Федеральный закон : [принят Государственной Думой 30 ноября 1994 : по состоянию на 3 августа 2018]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. -DOI: отсутствует. -
URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=3008 22&fld=134&dst=100007,0&rnd=0.504253959593504#09679982445023771 (дата обращения: 12.12.2016).
19. Российская Федерация. Законы. Бюджетный Кодекс Российской Федерации : Федеральный закон : [принят Государственной Думой 31 июля 1998 : по состоянию на 15 апреля 2019 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. - DOI: отсутствует. -URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=322
590&fld=134&dst= 1000000001,0&rnd=0.9450630183442117#018444723359131 543 (дата обращения: 12.12.2016).
20. Российская Федерация. Законы. Налоговый кодекс Российской Федерации (часть вторая) : Федеральный закон : [принят Государственной Думой 05 августа 2000 : по состоянию на 1 мая 2019 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. -DOI: отсутствует. -
URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=3238 80&fld=134&dst=1000000001,0&rnd=0.5079056036693079#0428834168800037 2 (дата обращения: 12.12.2016).
21. Российская Федерация. Законы. Кодекс Российской Федерации об административных правонарушениях : Федеральный закон : [принят Государственной Думой 30 декабря 2001 : по состоянию на 07 марта 2018 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. - DOI: отсутствует. -URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=3238 75&fld=134&dst=1000000001,0&rnd=0.8692955142423366#0871975648576233
6 (дата обращения: 12.12.2016).
22. Российская Федерация. Законы. Уголовный кодекс : Федеральный закон : [принят Государственной Думой 13 июня 1996 : по состоянию на 02 августа 2019 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. - DOI: отсутствует. -URL: http://www.consultant.ru/document/cons_doc_LAW_10699 (дата обращения: 10.08.2019).
23. Российская Федерация. Законы. О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансирования терроризма : Федеральный закон : [принят Государственной Думой
07 августа 2001 : по состоянию на 30 декабря 2015 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. -DOI: отсутствует. -
URL: http://base.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=1918 16&rnd=208987.7059815220947983&SEARCHPLUS=07.08.2001%20%B9115-%D4%C7&EXCL=PBUN%2CQSBO%2CKRBO%2CPKBO&SRD=true&SRDS MODE=QSP_GENERAL (дата обращения: 19.01.2017).
24. Российская Федерация. Законы. О бухгалтерском учете : Федеральный закон : [принят Государственной Думой 06 декабря 2011 : по состоянию на 28 ноября 2018 года]. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. - DOI: отсутствует. -URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=3121 83&fld= 134&dst= 1000000001,0&rnd=0.8096297374809946#0562951445493594 2 (дата обращения: 18.01.2017).
25. Российская Федерация. Законы. Об утверждении Положения по бухгалтерскому учету «Учет основных средств» ПБУ 6/01» [приказ Минфина России от 30 марта 2001 № 26н : по состоянию на 16 мая 2016 года]. -Справочно-правовая система «Консультант Плюс». - Текст : электронный. -DOI : отсутствует. -
URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=1994 87&fld=134&dst=1000000001,0&rnd=0.1289714376894946#0381655588595299 9 (дата обращения: 18.01.2017).
26. Российская Федерация. Законы. Об утверждении Классификатора нарушений, выявляемых в ходе внешнего государственного аудита (контроля) [приказ Председателя Контрольно-счетной палаты Москвы от 30 июня 2015 №48/01-05 : по состоянию на 21 марта 2017 года]. - Официальный сайт Контрольно-счетной палаты Москвы. - Текст: электронный. -DOI : отсутствует. -
URL: http://www.ksp.mos.ru/documents/classifier_violation/ (дата обращения: 18.01.2017).
27. Российская Федерация. Законы. Методологические рекомендации по проведению анализа финансово-хозяйственной деятельности организаций [утвержден Госкомстатом России от 28 ноября 2002]. - Справочно-правовая
система «Консультант Плюс». - Текст : электронный. - DOI : отсутствует. -URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=LAW&n=142 116&fld=134&dst=1000000001,0&rnd=0.7505018343663106#013652111836709 78 (дата обращения - 18.03.2017).
28. Лимская декларация руководящих принципов контроля. - Вена : Комитет профессиональных стандартов (PSC) Интосаи, 1977. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. -DOI : отсутствует. -
URL: http://www.consultant.ru/cons/cgi/online.cgi?req=doc&base=INT&n=9332# 0645150203834562 (дата обращения: 12.12.2016).
Диссертации
29. Плесовских, В.Д. Порядок управления в Российской Федерации : Теоретические и правовые проблемы : специальность 12.00.14 «Административное право, финансовое право, информационное право» : диссертация на соискание ученой степени доктора юридических наук / Плесовских Виктор Данилович ; Тюменский государственный университет -Тюмень, 2001. - 423 с. - Библиогр.: с. 374-414.
30. Marinakis, P. An investigation of earnings management and earnings manipulation in the UK = Исследование управления доходами и манипулирования доходами в Великобритании : диссертация на соискание ученой степени Doctor of Philosophy / Marinakis Pantelis ; University of Nottingham. - Nottingham, 2011. - 267 p. - Библиогр.: с. 250-267.
Электронные ресурсы
31. Государственная автоматизированная система Российской Федерации «Правосудие». - Москва : ФГУП НИИ «Восход», 2007. -
Систем. требования: доступ к сети Интернет. - DOI : отсутствует. -URL: https://sudrf.ru/index.php?id=300&var=true (дата обращения: 07.10.2018).
32. Мау, В. Мир выходит из структурного кризиса / B. May // Деловое издание Ведомости. - 2016. - Текст : электронный. -DOI : отсутствует. -
URL: https: //www.vedomo sti.ru/opinion/articles/2016/01/22/625039-mir-strukturnogo-krizisa (дата обращения: 14.01.2017).
33. Могилевская, А. Эксперты назвали регионы с самой эффективной налоговой политикой / А. Могилевская // Деловое информационное пространство РБК. - 2017. - Текст : электронный. - DOI : отсутствует. -URL: https://www.rbc.ru/economics/08/09/2017/59b127289a7947ffb52f9747 (дата обращения: 11.12.2017).
34. Мюллер, Р. Противодействие мошенничеству: какие меры принимают компании? Российский обзор экономических преступлений за 2018 год / Р. Мюллер, И. Новикова, Т. Вострова, А. Ульякин, Э. Вуд // PWC.
- 2018. - Текст : электронный. - DOI : отсутствует. -URL: https: //www.pwc.ru/ru/forensic-services/assets/PwC-recs-2018-rus.pdf (дата обращения: 18.01.2019).
35. Национальные счета : Федеральная служба государственной статистики. - Текст : электронный. - DOI : отсутствует. -URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/accou nts (дата обращения: 12.12.2018).
36. Урванцев, С. В настоящее время остаются невыявленными 60-70% преступлений / Урванцев С. // Налоговые известия. - 2013. - Текст : электронный. - DOI : отсутствует. - URL: http://nalog-iz.ru/sergey-urvancev-v-nastoyashee-vremya-ostayutsya. (дата обращения: 29.11.2016).
37. Федина, В.В. Бухгалтерский учет по МСФО и РСБУ / В.В. Федина // Современная экономика: проблемы, тенденции, перспективы.
- 2009. - Текст : электронный. - DOI : отсутствует. -
URL: https://cyberleninka.rU/article/n/buhgalterskiy-uchet-po-msfo-i-rsbu (дата обращения: 13.12.2016).
38. Фокина, И. Взгляд в будущее с умеренным оптимизмом / И. Фокина, И. Новикова, Т. Вострова, А. Ульякин // PWC. - 2016. - Текст : электронный. - DOI : отсутствует. - URL: https://www.pwc.ru/ru/assets/recs-ru-final.pdf (дата обращения: 13.12.2016).
39. Agency Financial Report 2018 = Финансовый отчет агентства 2018: U.S. Securities and exchange commission. - 2018. - Текст : электронный. -DOI : отсутствует. - URL: https://www.sec.gov/files/sec-2018-agency-financial-report.pdf (дата обращения: 12.02.2019).
40. Allen, А. Record increase for manufacturing costs = Рекордное увеличение производственных затрат / A. Allen // Supply management. -2017. - Текст : электронный. - DOI : отсутствует. -URL: https: //www. cips. org/supply-management/news/2017/february/record-increase-for-manufacturing-costs/ (дата обращения: 14.01.2017).
41. Behravesh, N. A 360 Perspective on the Global Economy for 2017 = 360-градусная перспектива для глобальной экономики на 2017 год / N. Behravesh // HIS Markit. - Текст : электронный. - DOI : отсутствует. -URL: https://www.ihs.com/Info/ecc/a/economic-predictions-2017.html (дата обращения: 14.01.2017).
42. Consideration of Fraud in a Financial Statement Audit = Учет мошенничества в аудите финансовой отчетности : Association of International Certified Professional Accountants. - Текст : электронный. -DOI : отсутствует. -
URL: http://www.aicpa.org/Research/Standards/AuditAttest/DownloadableDocu ments/AU-00316.pdf (дата обращения: 07.10.2016).
43. Dechow, P.M. Predicting Material Accounting Misstatements = Прогнозирование существенных искажений учета / P.M. Dechow, W. Ge, C.R. Larson, R.G. Sloan // SSRN. - 21.04.2010. - Текст : электронный. -DOI : https://doi.org/10.1111/j.1911-3846.2010.01041.x -
URL: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=997483 (дата
обращения: 02.11.2017).
44. Eurozone GDP returns to pre-crisis levels = ВВП Еврозоны возвращается к докризисному уровню // The Financial Times. - Текст : электронный. - DOI : отсутствует. -
URL: https://www.ft.com/content/33f7a11c-0dd1-11e6-b41f-0beb7e589515 (дата обращения: 11.07.2017).
45. Financial system abuse, financial crime and money laundering -background paper = Злоупотребление финансовой системой, финансовые преступления и отмывание денег - справочный документ : International Monetary Fund. - Текст : электронный. - DOI : отсутствует. -URL: http://www.imf.org/external/np/ml/2001/eng/021201.pdf (дата обращения: 02.11.2016).
46. Global Fraud & Risk Report. 10th Annual edition - 2017/18 = Глобальный отчет по мошенничеству и рискам. Десятое ежегодное издание -2017/18 // Kroll. - 2018. - Текст : электронный. - DOI : отсутствует. -URL: https://www.kroll.com/en/insights/publications/global-fraud-and-risk-report-2018 (дата обращения: 12.02.2019).
47. Kanapickiene, R. The Model of Fraud Detection in Financial Statements by Means of Financial Ratios = Модель выявления мошенничества в финансовой отчетности с помощью финансовых коэффициентов / R. Kanapickiene, Z. Grundiene // Procedia - Social and Behavioral Sciences - 2015. - Vol. 213. - P. 321-327. - Текст : электронный. - DOI: https://doi.org/10.1016/j.sbspro.2015.11.545. -URL: https://www.sciencedirect.com/science/article/pii/S1877042815059005?via %3Dihub (дата обращения: 11.08.2017).
48. Lavion, D. Pulling fraud out of the shadows = Выявление мошенничества из тени / D. Lavion, K. Rivera, D. Anand [et. al]. // PWC. -2018. - Текст : электронный. - DOI : отсутствует. -
URL: https://www.pwc.com/gx/en/forensics/global-economic-crime-and-fraud-survey-2018.pdf (дата обращения: 12.02.2019).
49. Matthews, C. These 5 trends will shape the global economy in 2017 = Эти пять трендов будут формировать глобальную экономику в 2017 / C. Matthews // Fortune. - 01.01.2017. - Текст : электронный. -DOI : отсутствует. - URL: http://www.fortune.com/2017/01/01/economy-2017/ (дата обращения: 18.11.2017).
50. Model selection using AIC/BIC and other information criteria = Выбор модели с использованием AIC/BIC и других информационных критериев // Stata. - Текст : электронный. - DOI : отсутствует. -URL: https://www.stata.com/statalist/archive/2009-06/msg00884.html (дата обращения: 12.10.2017).
51. Review of Global Politics and Economy in 2017 and Outlook for 2018 = Обзор мировой политики и экономики в 2017 году и перспективы на 2018 год // Global Economic & Political Studies Div., Mitsui & Co. Global Strategic Studies Institute. - 14.12.2017. - Текст : электронный. -DOI : отсутствует. -
URL: https://www.mitsui.com/mgssi/en/report/detail/_icsFiles/afieldfile/2018/01
/05/171214_e.pdf (дата обращения: 17.06.2018).
52. Schneider, F. The Shadow Economy and Shadow Labor Force: A Survey of Recent Developments = Теневая экономика и теневая рабочая сила: обзор последних событий / F. Schneider // IZA Institute of Labor Economics. - 2014. - Текст : электронный. - DOI : отсутствует. -URL: http://ftp.iza.org/dp8278.pdf (дата обращения: 08.08.2017).
53. Statista - The portal for statistic. - Текст : электронный. -DOI : отсутствует. - URL: https://en.statista.com/ (дата обращения: 14.01.2017).
54. Tamersoy, A. Large Scale Insider Trading Analysis: Patterns and Discoveries = Крупномасштабный анализ инсайдерской торговли: паттерны и открытия / A. Tamersoy, E. Khalil, B. Xie [et. al.] // Social Network Analysis and
Mining. - 2014. - Текст : электронный. - DOI 10.1007/s13278-014-0201-9 -URL: http://www.cc.gatech.edu/~dchau/papers/13-snam-insider.pdf (дата
обращения 12.01.2017).
55. Tarjo, H.N. Application of Beneish M-Score Models and Data Mining to Detect Financial Fraud = Применение моделей Beneise M-Score и Data Mining для выявления финансового мошенничества / H.N. Tarjo // Procedia -Social and Behavioral Sciences. - 2015. - Vol. 211. - P. 924-930. - Текст : электронный. - DOI: https://doi.org/10.1016/j.sbspro.2015.11.122. -
URL: https://www. sciencedirect. com/science/article/pii/S 1877042815054622?via %3Dihub (дата обращения: 02.11.2016).
56. The 2006 Report to the Nation on Occupational Fraud and Abuse = Доклад 2006 года Нациям о профессиональном мошенничестве и злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. - 2006. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/documents/2 006-rttn.pdf (дата обращения: 10.05.2018).
57. The 2008 Report to the Nation on Occupational Fraud and Abuse = Доклад 2008 года Нациям о профессиональном мошенничестве и злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. - 2008. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/documents/2 008-rttn.pdf (дата обращения: 18.09.2018).
58. The 2010 Report to the Nations on Occupational Fraud and Abuse = Доклад 2010 года Нациям о профессиональном мошенничестве и злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. - 2010. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/documents/rtt n-2010.pdf (дата обращения: 18.09.2018).
59. The 2012 Report to the Nations on Occupational Fraud and Abuse = Доклад 2012 года Нациям о профессиональном мошенничестве и
злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. - 2012. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/rttn/2012-report-to-nations.pdf (дата обращения: 18.09.2018).
60. The 2014 Report to the Nations on Occupational Fraud and Abuse = Доклад 2014 года Нациям о профессиональном мошенничестве и злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. — 2014. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/rttn/docs/2014-report-to-nations.pdf (дата обращения: 18.09.2018).
61. The 2016 ACFE Report to the Nations on Occupational Fraud and Abuse = Доклад 2016 года Нациям о профессиональном мошенничестве и злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. - 2016. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/resources/201 6-report-to-the-nations.pdf (дата обращения: 18.09.2018).
62. The 2018 Report to the Nations on Occupational Fraud and Abuse = Доклад 2018 года Нациям о профессиональном мошенничестве и злоупотреблениях : Ассоциация сертифицированных экспертов по мошенничеству. - 2018. - Текст : электронный. - DOI : отсутствует. -URL: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/resources/201 8-report-to-the-nations.pdf (дата обращения: 18.01.2019).
63. The president's corporate fraud task force = Президентская целевая группа по корпоративному мошенничеству // The department of justice of the US. - Текст : электронный. - DOI : отсутствует. -URL: https://www.justice.gov/archive/dag/cftf/ (дата обращения: 07.10.2016).
64. Ассоциация сертифицированных экспертов по мошенничеству : официальный сайт. - Текст : электронный. - DOI : отсутствует. -URL: http://www.acfe.com (дата обращения: 14.01.2017).
65. IHS Markit : официальный сайт. - Текст : электронный. -DOI : отсутствует. - URL: https://www.ihs.com/index.html (дата обращения: 14.01.2017).
66. Total tax and contribution rate (% of profit) = Общая ставка налога и взноса (% от прибыли) // The World Bank. - Текст : электронный. -DOI : отсутствует. -
URL: https://data.worldbank.org/indicator/IC.TAX.TOTL.CP.ZS (дата
обращения: 18.12.2018).
67. Von der Burchard, H. J. Facing trade war with Trump, Europe rediscovers its swagger = Столкнувшись с торговой войной с Трампом, Европа вновь становится чванливой / H. J. von der Burchard, J. Hanke // POLITICO. -27.07.2017. - Текст : электронный. - DOI : отсутствует. -URL: http: //www.politico .eu/article/facing-a-trade-war-europe-rediscovers-its-swagger/ (дата обращения: 14.01.2017).
68. Webster's New World College Dictionary = Словарь нового мира Вебстера : Официальный сайт LoveToKnow Corporation (YourDictionary). -2017. - Текст : электронный. - DOI : отсутствует. -URL: http://websters.yourdictionary.com/ (дата обращения: 12.01.2016).
69. Титова, С. Игры с отчетностью / С. Титова // Новая бухгалтерия. - 2011. - № 4. - С. 44-48. - Справочно-правовая система «Консультант Плюс». - Текст : электронный. - DOI : отсутствует. -URL: http://base.garant.ru/59606532/ (дата обращения: 16.12.2017).
Статьи в журналах
70. Бухвалов, А.В. Асимметрия между инсайдерами и аутсайдерами: проблема двойственности оценки активов компании / А.В. Бухвалов // Российский журнал менеджмента. - 2008. - № 6 (4). - С. 17-48. -ISSN 1729-7427.
71. Гудова, М.Р. Финансовые несоответствия организаций: сущность понятия, формирование единого подхода к данному явлению / М.Р. Гудова // Вестник АКСОР. - 2017. - № 2 / 2017 (42). - С. 218-223. - ISSN 2073-8641.
72. Ильин, А.Ю. Юридическая ответственность за финансовые правонарушения / А.Ю. Ильин // Финансовое право. - 2015.- № 11. - С. 3-6. - ISSN 1813-1220.
73. Мусаткина, А.А. Финансовое правонарушение: понятие и виды / А.А. Мусаткина // Налоги и налогообложение. - 2006. - № 5. - С. 48-52. -ISSN 2454-065X.
74. Ружанская, Л.С. Раскрытие информации российскими компаниями: результаты эмпирического исследования / Л.С. Ружанская // Российский журнал менеджмента. - 2010. - № 8 (3). - С. 35-56. -ISSN 1729-7427.
75. Сазонов, А.С. К вопросу о совершенствовании государственного финансового контроля / А.С. Сазонов // Финансы и кредит. - 2010. -№ 20 (404). - С. 52-58. - ISSN 2071-4688.
76. Фалинский, И. Ю. Методы выявления и оценки параметров теневой экономики / И. Ю. Фалинский // Безопасность бизнеса. - 2008. -№ 3 - С. 41-47. - ISSN 2072-3644.
77. Федорова, Е.А. Применегние моделей бинарного выбора для прогнозирования банкротства банков / Е.А. Федорова, Е.В. Гиленко // Экономика и математические методы. - 2013. - том 49, № 1. - С. 106-118. -ISSN 0424-7388.
78. Ферулева, Н.В. Выявление фактов фальсификации финансовой отчетности в российских организациях: анализ применимости моделей Бениша и Роксас / Н.В. Ферулева, М.А. Штефан // Российский журнал менеджмента. - 2016. - Том 14, № 3. - С. 49-70. - ISSN 1729-7427.
79. Abbasi, A. Comparison of Fraud Cues and Classification Methods for Fake Escrow Website Detection = Сравнение мошеннических сигналов и методов классификации для обнаружения поддельных депозитных сайтов /
А. Abbasi, Н. Chen // Information Technology and Management. - 2009. - № 10. -P. 83-101. - ISSN 1385-951X.
80. Albrecht, S. Deterring fraud: The internal auditors perspective = Предотвращение мошенничества: взгляд внутренних аудиторов / S. Albrecht, К. Howe, М. Romney // Accounting Review. - 1985. - № 60 (4). - P. 774-775. -ISSN 00014826.
81. Albrecht, W.S. Current Trends in Fraud and its Detection = Современные тенденции мошенничества и его выявление / W.S. Albrecht, C.O. Albrecht, C.C. Albrecht // Information Security Journal: A Global Perspective. - 2008. - № 17. - P. 2-12. - ISSN 1939-3555.
82. Altman, E. ZETA Analysis: A New Model to Identify Bankruptcy Risk of Corporations = ZETA анализ: новая модель идентификации риска банкротства корпораций / E. Altman, R. Haldeman, P. Narayanan // Journal of Banking and Finance. - 1977. - № 1. - Р. 29-54. - ISSN 0378-4266.
83. Anh, N.H. Using the M-score Model in Detecting Earnings Management: Evidence from Non-Financial Vietnamese Listed Companies = Использование модели M-Score для определения управления доходами: данные нефинансовых вьетнамских компаний, зарегистрированных на бирже / N.H. Anh, N.H. Linh // VNU Journal of Science: Economics and Business. -2016. - № 32(2) - P.14-23. - ISSN 2588-1108.
84. Bai, B. False Financial Statements: Characteristics of china listed companies and CART Detection Approach = Ложная финансовая отчетность: характеристики компаний, зарегистрированных на бирже в Китае, и подход обнаружения CART / В. Bai, J. Yen, X. Yang // International Journal of Information Technology and Decision Making. - 2008. - Vol. 7, № 2. - Р. 339 - 359. - ISSN 0219-6220.
85. Barth, M. International Accounting Standards and Accounting Quality = Международные стандарты бухгалтерского учета и качество бухгалтерского учета / M. Barth, W. Landsman, M. Lang // Journal of Accounting Research. - 2008. - Vol. 46, № 3. - P. 467-498. - ISSN 0021-8456.
86. Bay, S. Large Scale Detection of Irregularities in Accounting Data = Крупномасштабное обнаружение нарушений в данных бухгалтерского учета / S. Bay, K. Kumaraswamy, M. G. Anderle [et. al.] // 6th IEEE International Conference on Data Mining. - 2006. - December 18-22. - P. 75-86. -ISSN 2375-9232.
87. Beasley, M.S. An empirical analysis of the relation between the board of director composition and financial statement fraud = Эмпирический анализ связи между составом совета директоров и мошенничеством с финансовой отчетностью / M.S. Beasley // The Accounting Review. - 1996. - vol. 71, no. 4. -P.443-465. - ISSN 00014826.
88. Bell, T. A decision aid for assessing the likelihood of fraudulent financial reporting = Решение для оценки вероятности мошеннической финансовой отчетности / T. Bell, J. Carcello // Auditing: A Journal of Practice & Theory. - 2000. - № 9(1). - Р. 169-178. - ISSN 0278-0380.
89. Beneish, M.D. Detecting GAAP violation: implications for assessing earnings management among firms with extreme financial performance = Выявление нарушения GAAP: значение для оценки управления доходами среди фирм с экстремальными финансовыми показателями / M.D. Beneish // Journal of Accounting and Public Policy. - 1997. - vol. 16, issue 3. - P. 271-309. -ISSN 0278-4254.
90. Beneish, M.D. The Detection of Earnings Manipulation = Обнаружение манипулирования доходами / M.D. Beneish // Financial Analysts Journal. - 1999. - P. 24-36. - ISSN 0015-198X.
91. Bolton, R.J. Statistical fraud detection: A review = Статистическое выявление мошенничества: обзор / R.J. Bolton, D.J. Hand // Statistical Science.
- 2002. - Vol. 17 (3). - P. 235-255. - ISSN 0883-4237.
92. Bourke, C. On reoptimizing multi-class classifiers = О повторной оптимизации многоклассовых классификаторов / C. Bourke, K. Deng, S.D. Scott [et. al.] // Machine Learning. - 2008. - № 71 (2-3).
- P. 219-242. - ISSN 0885-6125.
93. Brause, R. Neural data mining for credit card fraud detection = Нейронный анализ данных для обнаружения мошенничества с кредитными картами / R. Brause, T. Langsdorf, M. Hepp // 11th IEEE International Conference on Tools with Artificial Intelligence. - 1999. - P. 103-106. -ISSN 1082-3409.
94. Cecchini, M. Detecting Management Fraud in Public Companies = Выявление мошенничества в сфере управления в публичных компаниях / M. Cecchini, H. Aytug, G. Koehler [et. al.] // Management Science. - 2010. -Vol.56, № 7 - P. 1146-1160. - ISSN 0025-1909.
95. Cerullo, M.J. Using neural networks to predict financial reporting fraud: Part 1 = Использование нейронных сетей для прогнозирования мошенничества с финансовой отчетностью: Часть 1 / M.J. Cerullo, V. Cerullo // Computer Fraud & Security. - 1999. - № 5. - Р. 14-17. - ISSN 1361-3723.
96. Chen, Y. J. Enhancement of fraud detection for narratives in annual reports = Улучшение обнаружения мошенничества для повествовательных обращений в годовых отчетах / Y. J. Chen, C.H. Wu, Y.M. Chen [et. al.] // International Journal of Accounting Information Systems. - 2017. - № 26. -P.32-45. - ISSN 1467-0895.
97. Chien, C.F. Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry = Интеллектуальный анализ данных для улучшения подбора персонала и повышения человеческого капитала: тематическое исследование в сфере высоких технологий / C.F. Chien, L.F. Chen // Expert Systems with Applications. - 2008. - Vol 34, Issue I. - Р. 280-290. - ISSN 0957-4174.
98. Christie, A. Aggregation of test statistics: an evaluation of the evidence on contracting and size hypotheses = Агрегирование тестовой статистики: оценка доказательств в отношении гипотез о сокращении и размере / A. Christie // Journal of accounting and economics. - 1990. - P.15-36. - ISSN 0165-4101.
99. Cox, R.A.K. The Stock Market Reaction to Fraudulent Financial Reporting = Реакция рынка акций на мошенническую финансовую отчетность / R.A.K. Cox, T.R. Weirich // Managerial Auditing Journal. - 2002. - № 17(7). -P. 374-382. - ISSN 0268-6902.
100. Cullinan, P.G. Defrauding the public interest: a critical examination of reengineered audit processes and the likelihood of detecting fraud = Обман общественного интереса: критический анализ реинжиниринговых аудиторских процессов и вероятности обнаружения мошенничества / P.G. Cullinan, G.S. Sutton // Critical Perspectives on Accounting. - 2002. -№ 13(3). - Р. 297-310. - ISSN 1045-2354.
101. Dalnial, H. Accountability in financial reporting: detecting fraudulent firms = Подотчетность в финансовой отчетности: выявление мошеннических фирм / H. Dalnial, A. Kamaluddin, Z. Sanusi [et. al.] // Procedia - Social and Behavioral Sciences. - 2014. - vol. 145. - P. 61-69. - ISSN 1877-0428.
102. DeFond, M.L. Debt covenant violation and manipulation of accruals = Нарушение долговых обязательств и манипулирование начислениями / M.L. DeFond, J. Jiambalvo // Journal of accounting and economics. - 1994. -№ 17 (1). - P. 145-176. - ISSN 0165-4101.
103. Deshmukh, А. A rule-based fuzzy reasoning system for assessing the risk of management fraud = Основанная на правилах система нечетких рассуждений для оценки риска мошенничества со стороны руководства / А. Deshmukh, L. Talluru // International Journal of Intelligent Systems in Accounting, Finance & Management. - 1998. - № 7 (4). - Р. 223-241. -ISSN 1099-1174.
104. Dubinina, G.A. Cross-disciplinary case-analyses of investment optimization in a foreign language applying dynamic programming = Междисциплинарный кейс-анализ оптимизации инвестиций на иностранном языке с применением динамического программирования / G.A. Dubinina, L.D. Kapranova, D.A. Nikolaev [et. al.] // Espacios. - 2017. - Vol. 38. - № 62. -P. 19 -28. - ISSN 0798-1015.
105. Duin, R. On the choice of the smoothing parameters for Parzen estimators of probability density functions = О выборе параметров сглаживания для оценок функций плотности вероятности Парзена / R. Duin // IEEE Transactions on Computers. - 1976. - Vol. C-25 (11). - P. 1175-1179. -ISSN 0018-9340.
106. Dutta, I. Detecting financial restatements using data mining techniques = Обнаружение финансовых отчетов с использованием методов интеллектуального анализа данных / I. Dutta, S. Dutta, B. Raahemi // Expert Systems With Applications. - 2017. - vol.90. - P.374-393. - ISSN 0957-4174.
107. Dzamba, A. 36 Red flags to look for when reviewing financial reporting controls = 36 красных флагов, на которые нужно обратить внимание при просмотре средств контроля финансовой отчетности / А. Dzamba // Financial Analysis, Planning & Reporting. - 2004. - № 8. - Р. 1-12. -ISSN 1532-1673.
108. Ettredge, M. How do restatements begin evidence of earnings management preceding restated financial reports = Как с корректировок начинается подтверждение управления прибылью, предшествующее пересмотренной финансовой отчетности / M. Ettredge, S. Scholz, K.R. Smith [et. al.] // Journal of Business Finance & Accounting. -2009. - № 37 (3-4). - P. 332-355. - ISSN 1468-5957.
109. Fanning, K.M. Neural network detection of management fraud using published financial data = Нейронная сеть обнаружения мошенничества управления с использованием опубликованных финансовых данных / K.M. Fanning, K.O. Cogger // Intelligent Systems in Accounting, Finance and Management. - 1998. - Vol. 7 (Issue 1). - P. 21-41. - ISSN 1099-1174.
110. Fawcett, T. Adaptive fraud detection = Адаптивное обнаружение мошенничества / T. Fawcett, F. Provost // Data Mining and Knowledge Discovery. - 1997. - № 1 (3). - P. 291-316. - ISSN 1384-5810.
111. Feige, E. How Big is the Irregular Economy? = Насколько велика нерегулярная экономика / E. Feige // Challenge. - 1979. -№ 22(1). - Р. 5-13. - ISSN 0577-5132.
112. Ferdousi, Z. Unsupervised outlier detection in time series data = Обнаружение неконтролируемых выбросов в данных временных рядов / Z. Ferdousi, A. Maeda // 22nd International Conference on Data Engineering Workshops. IEEE Computer Society. - 2006. - P. 121. - ISSN 0-7695-2570-9.
113. Feroz, E.H. The efficacy of red flags in predicting the SEC's targets: an artificial neural networks approach = Эффективность красных флагов в прогнозировании целей SEC: подход искусственных нейронных сетей / E.H. Feroz, T.M. Kwon, V.S. Pastena [et. al] // International Journal of Intelligent Systems in Accounting, Finance, and Management. - 2000. - Vol. 9 (№ 3). -P. 145-157. - ISSN 1099-1174.
114. Feroz, E.H. The Financial and Market effects of the SEC's Accounting and Auditing enforcement releases = Финансовое и рыночное влияние выпусков SEC по бухучету и аудиту / E.H. Feroz, V.S. Pastena, K. Park // Journal of Accounting Research, Supplement. - 1991. - P.107-142. -ISSN 0021-8456.
115. Gaganis, C. Classification Techniques for the Identification of Falsified Financial Statements: A Comparative Analysis = Методы классификации для выявления фальсифицированных финансовых отчетов: сравнительный анализ / C. Gaganis // International Journal of Intelligent Systems in Accounting and Finance Management. - 2009. - № 16. - P. 207-229. -ISSN 1055-615X.
116. Gillett, P.R. CFO intentions of fraudulent financial reporting = Намерения финансового директора о мошеннической финансовой отчетности / P.R. Gillett, N. Uddin // Auditing: A Journal of Practice & Theory. - 2005. -№ 24 (1). - P. 55-75. - ISSN 0278-0380.
117. Glancy, F.H. A computational model for financial reporting fraud detection = Вычислительная модель для выявления мошенничества в
финансовой отчетности / F.H. Glancy, S.B. Yadav // Decision Support Systems. - 2011. - vol. 50, no.3. - P. 595-601. - ISSN 0167-9236.
118. Gottschalk, P. Categories of financial crime = Категории финансовых перступлений / P. Gottschalk // Journal of financial crime. - 2010. -№17 (4) - P.441-442. - ISSN 1359-0790.
119. Gupta, R. A Data Mining Framework for Prevention and Detection of Financial Statement Fraud = Система интеллектуального анализа данных для предотвращения и выявления мошенничества с финансовой отчетностью / R. Gupta, N.S. Gill // International Journal of Computer Applications. - 2012. -Vol.50, № 8. - P.7-14. - ISSN 0975 - 8887.
120. Gutmann, P. The Subterranean Economy = Подземная экономика / Р. Gutmann // Financial Analysts Journal. - 1977. - №34 (1). - Р. 24-27. -ISSN 0015-198X.
121. Hand, D.J. Classifier technology and the illusion of progress = Классификатор технологий и иллюзия прогресса / D.J. Hand // Statistical Science. - 2006. - № 21 (1). - P. 1-14. - ISSN 0883-4237.
122. Hand, D.J. Performance criteria for plastic card fraud detection tools = Критерии эффективности инструментов обнаружения мошенничества с пластиковыми картами / D.J. Hand, C. Whitrow, N. Adams [et. al.]. - 2008. -Vol. 59, Issue 7. - P. 956-962. - ISSN 0160-5682.
123. Hansen, J.V. A generalized qualitative—response model and the analysis of management fraud = Обобщенная качественная модель с обратной связью и анализ мошенничества в управлении / J.V. Hansen, J.B. McDonald, W.F. Messier [et. al.] // Management Science. - 1996. - № 42(7). - Р. 1022-1032. -ISSN 0025-1909.
124. Healy, P. M. The Effect of Bonus Schemes on Accounting Decisions = Влияние бонусных схем на решения бухгалтерского учета / P.M. Healy // Journal of Accounting and Economics. - 1985. - № 7. - P. 85-107. -ISSN 0165-4101.
125. Hennes, K.M. The importance of distinguishing errors from irregularities in restatement research: The case of restatements and CEO/CFO turnover = Важность отличия ошибок от несоответствий в исследованиях по пересчету: случай перестановок и текучесть кадров CEO/CFO / K.M. Hennes, A.J. Leone, B.P. Miller // The Accounting Review. - 2008. - № 83 (6). -P. 1487 - 1519. -ISSN 00014826.
126. Hodge, V. A survey of outlier detection methodologies = Обзор методик обнаружения выбросов / V. Hodge, J. Austin // Artificial Intelligence Review. - 2004. - № 22 (2). - P. 85-126. - ISSN 0269-2821.
127. Hoogs, B. A Genetic Algorithm Approach to Detecting Temporal Patterns Indicative Of Financial Statement Fraud = Генетический алгоритм подхода к выявлению временных моделей, указывающих на мошенничество в финансовой отчетности / B. Hoogs, Т. Kiehl, С. Lacomb [et. al.] // Intelligent systems in accounting finance and management. - 2007. - № 15. - Р. 41 - 56. -ISSN 1055-615X.
128. Huang, S.Y. Topological pattern discovery and feature extraction for fraudulent financial reporting = Обнаружение топологических моделей и извлечение признаков для мошеннической финансовой отчетности / S.Y. Huang, R.H. Tsaih, F. Yu // Expert Systems with Applications. - 2014. - № 41 (9). - P. 4360-4372. -ISSN 0957-4174.
129. Juszczak, P. Off-the-peg and bespoke classifiers for fraud detection = Автономные классификаторы для обнаружения мошенничества / P. Juszczak, N.M. Adams, D.J. Hand [et. al.] // Computational Statistics and Data Analysis. -2008. - vol. 52 (9). - Р. 4521-4532. - ISSN 0167-9473.
130. Kaminski, K. A. Can Financial Ratios Detect Fraudulent Financial Reporting = Могут ли финансовые коэффициенты обнаружить мошенническую финансовую отчетность / K.A. Kaminski, T.S. Wetzel, L. Guan // Managerial Auditing Journal. - 2004. - № 19:1. - P. 15-28. -ISSN 0268-6902.
131. Kelly, M. The impact of changing populations on classifier performance = Влияние изменения численности населения на производительность классификатора / M. Kelly, D.J. Hand, N. Adams [et. al.] // Proceedings of the Fifth International Conference on Knowledge Discovery and Data Mining. - ACM Press. - 1999. - P. 367-371. - ISSN 00002002.
132. Kim, J. Detecting financial misstatements with fraud intention using multi-class cost-sensitive learning = Выявление финансовых искажений с намерением мошенничества с помощью многоклассового обучения, учитывающего затраты / J. Kim, B. Baik, S. Cho // Expert Systems with Applications. - 2016. - Vol. 62. - Р. 32-43. - ISSN 0957-4174.
133. Kirkos, E. Data Mining techniques for the detection of fraudulent financial statements = Методы сбора данных для выявления мошеннических финансовых отчетов / E. Kirkos, Ch. Spathis, Y. Manolopoulos // Expert Systems with Applications. - 2007. - Vol. 32. - P. 995-1003. - ISSN 0957-4174.
134. Koh, H.C. Going concern prediction using data mining techniques = Прогнозирование с использованием методов извлечения данных / H.C. Koh, C.K. Low // Managerial Auditing Journal. - 2004. - № 19 (3). - Р. 462-476. -ISSN 0268-6902.
135. Koskivaara, Е. Artificial neural networks in auditing: state of the art = Искусственные нейронные сети в аудите: состояние дел / Е. Koskivaara // The ICFAI Journal of Audit Practice. - 2004. - № 1 (4). - Р. 12-33. - ISSN 0972-9070.
136. Kotsiantis, S. Forecasting fraudulent financial statements using data mining = Прогнозирование мошеннических финансовых отчетов с использованием интеллектуального анализа данных / S. Kotsiantis, E. Koumanakos, D. Tzelepis [et. al.] // International Journal of Computational Intelligence. - 2006. - Vol. 3 (2). - P.104-110. - ISSN 875-6883.
137. Kreutzfeldt, R. Error Characteristics in Audit populations: their profile and relationship to environment factors = Характеристики ошибок в аудиторских популяциях: их профиль и связь с факторами среды /
R. Kreutzfeldt, W. Wallace // А^Ш^: A journal of practice & theory. - 1986. -Fall. - P. 20-43. - ISSN 0278-0380.
138. Landwehr, N. Logistic model trees = Деревья логистических моделей / N. Landwehr, M. Hall, E. Frank // Machine Learning. - 2005. -№ 59 (1-2). - P. 161-205. - ISSN 0885-6125.
139. Lee, S. Noisy Replication in Skewed Binary Classification = Шумная репликация в асимметричной двоичной классификации / S. Lee // Computational Statistics and Data Analysis. - 2000. - № 34 (2). - Р. 165-191. -ISSN 0167-9473.
140. Lin, C.C. Detecting the financial statement fraud: The analysis of the differences between data mining techniques and experts' judgments = Выявление мошенничества с финансовыми отчетами: анализ различий между методами интеллектуального анализа данных и мнениями экспертов / C.C. Lin, A.A. Chiu, S.Y. Huang [et. al.] // Knowledge-Based Systems. - 2015. - № 89. -P. 459 - 470. - ISSN 0950-7051.
141. Loebbecke, J. Auditor's experience with material irregularities: frequency, nature and detectability = Опыт аудитора с существенными нарушениями: частота, характер и обнаруживаемость / J. Loebbecke, M. Eining, J. Willingham // Auditing: A Journal of Practice & Theory. - 1989. -№ 9. - Р. 1 - 28. - ISSN 0278-0380.
142. Ngai, E. The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature = Применение методов интеллектуального анализа данных в обнаружении финансового мошенничества: структура классификации и академический обзор литературы / E. Ngai, Y. Hu, Y. Wong [et. al.] // Decision Support Systems. - 2011. - № 50 (3). - P. 559-569. - ISSN 0167-9236.
143. Omar, N. Financial statement fraud: A case examination using Beneish Model and ratio analysis = Мошенничество с финансовой отчетностью: рассмотрение дела с использованием модели Бениша и анализа коэффициентов / N. Omar, R.K. Koya, Z.M. Sanusi [et. al.] // International
Journal of Trade, Economics and Finance. - 2014. - № 5(2). - P. 184. -ISSN 2010-023X.
144. Pashtova, L. Risk management and information use with a view of decrease in enterprise losses = Управление рисками и использование информации в целях снижения потерь предприятия / L. Pashtova // The Journal of North Ossetian State University. - 2012. № 4. - Р. 281-286. -ISSN 1994-7720.
145. Perols, J. Financial statement fraud detection: An analysis of statistical and machine learning algorithms = Обнаружение мошенничества в финансовой отчетности: анализ алгоритмов статистического и машинного обучения / J. Perols // Auditing: A Journal of Practice & Theory. - 2011. - № 30 (2). -P. 19 - 50. - ISSN 0278-0380.
146. Persons, O.S. Using financial statement data to identify factors associated with fraudulent financial reporting = Использование данных финансовой отчетности для выявления факторов, связанных с мошеннической финансовой отчетностью / O.S. Persons // Journal of Applied Business Research. - 1995. - Vol. 11 (№3). - P. 38- 46. - ISSN 1857-8721.
147. Pincus, R.V. The SEC and fraudulent financial reporting = Комиссия по ценным бумагам и биржам и мошенническая финансовая отчетность / R.V. Pincus, W.W. Holder, J. Mock // Research in accounting regulation. - 1988. -№ 2. - Р.1167-1185. - ISSN 1052-0457.
148. Platt, J. Probabilistic outputs for support vector machines and comparison to regularized likelihood methods = Вероятностные результаты для машин опорных векторов и сравнение с регуляризованными методами вероятности / J. Platt // Advances in Large Margin Classifiers. - MIT Press. - 1999. - P. 61-74. - ISSN 9780262194488.
149. Porter, B. Company fraud—what price the auditor? = Мошенничество компании - какова цена аудитора? / B. Porter, A. Cameron // Accountant's Journal. - 1987. - Р. 44-47. - ISSN 1094-4060.
150. Ravisankar, P. Detection of financial statement fraud and feature selection using data mining techniques = Выявление мошенничества в финансовой отчетности и выбор функций с использованием методов интеллектуального анализа данных / P. Ravisankar, V. Ravi, R.G. Raghava [et. al] // Decision Support Systems. - 2011. - Vol. 50, Issue 2. - P. 491-500. -ISSN 0167-9236.
151. Roychowdhury, S. Earnings management through real activities manipulation = Управление доходами через манипулирование реальной деятельностью / S. Roychowdhury // Journal of accounting and economics. -2006. - № 42 (3). - P. 335-370. - ISSN 0165-4101.
152. Schrand, C.M. Executive overconfidence and the slippery slope to financial misreporting = Чрезмерная уверенность руководителей и скользкий путь к финансовым искажениям / C.M. Schrand, S.L. Zechman // Journal of Accounting and Economics. - 2012. - № 53 (1). - P. 311-329. - ISSN 0165-4101.
153. Sharma, A. A review of financial accounting fraud detection based on data mining techniques = Обзор обнаружения мошенничества в финансовой отчетности на основе методов интеллектуального анализа данных / A. Sharma, P.K. Panigrahi // International Journal of Computer Applications. -2012. - № 39 (1). - Р. 37-47. - ISSN 0975 - 8887.
154. Sloan, R.G. Do Stock Prices Fully Reflect Information in Accruals and Cash Flows About Future Earnings? = Отражают ли цены на акции полностью информацию о начислениях и денежных потоках о будущих доходах? / R.G. Sloan // Accounting Review. - 1996. - № 3 (Vol. 71). -P. 289-315. - ISSN 00014826.
155. Spathis, C. Detecting false financial statements using published data: some evidence from Greece = Обнаружение ложных финансовых отчетов с использованием опубликованных данных: некоторые данные из Греции / С. Spathis // Managerial Auditing Journal. - 2002. - Vol.17(4). - P. 179-191. -ISSN 0268-6902.
156. Spathis, C. Detecting falsified financial statements: a comparative study using multicriteria analysis and multivariate statistical techniques = Выявление фальсифицированной финансовой отчетности: сравнительное исследование с использованием многокритериального анализа и многомерных статистических методов / C. Spathis, M. Doumpos, C. Zopounidis // The European Accounting Review. - 2002. - Vol 11 (3). - P.509-535. -ISSN 00014826.
157. Srinivasan, S. Consequences of financial reporting failure for outside directors: Evidence from accounting restatements and audit committee members = Последствия несостоятельности финансовой отчетности для внешних директоров: свидетельства из бухгалтерской отчетности и членов комитета по аудиту / S. Srinivasan // Journal of Accounting Research. - 2005. - № 43 (2). -Р. 291-334.- ISSN 0021-8456.
158. Stice, J. Using financial and market information to identify preengagement market factors associated with lawsuits against auditors = Использование финансовой и рыночной информации для выявления предварительных рыночных факторов, связанных с судебными процессами против аудиторов / J. Stice // The Accounting Review. - 1991. - № 66(3). -Р. 516 -533. - ISSN 00014826.
159. Summers, S. Fraudulently misstated financial statements and insider trading: An empirical analysis = Мошенническая искаженная финансовая отчетность и инсайдерская торговля: эмпирический анализ / S. Summers, J. Sweeney // Accounting Review. - 1998. - № 73 (1). - Р. 131-146. -ISSN 00014826.
160. Tax, D.M.J. A consistency-based model selection for one-class classification = Выбор модели на основе согласованности для классификации с одним классом / D.M.J. Tax, K.R. Müller // International Conference on Pattern Recognition. IEEE Computer Society. - 2004. - Р. 363-366. -ISSN 0-7695-21282.
161. Thiruvadi, S. Survey of data-mining techniques used in Fraud detection and prevention = Обзор методов сбора данных, используемых для обнаружения и предотвращения мошенничества / S. Thiruvadi, S.C. Patel // Information Technology Journal. - 2011. - № 10. - Р. 710-716. -ISSN 1812-5638.
162. Throckmorton, S. Financial Fraud Detection Using Vocal, Linguistic and Financial Cues = Обнаружение финансового мошенничества с использованием голосовых, языковых и финансовых сигналов / S. Throckmorton, W. Mayew, M. Venkatachalam [et. al.] // Decision Support Systems. - 2015. - vol.74. - P. 78 - 87. - ISSN 0167-9236.
163. Watson, H.J. The Current State of Business Intelligence = Современное состояние бизнес-аналитики / H.J. Watson, B.H. Wixom // IEEE Xplore. - 2007. - vol.40 - № 9. - pp. 96-99. - ISSN 1803-7232.
164. Weatherford, M. Mining for fraud = Добыча за мошенничество / М. Weatherford // IEEE Intelligent Systems. - 2002. - № 17 (4). - Р. 4-6. -ISSN 1541-1672.
165. West, J. Intelligent financial fraud detection: A comprehensive review = Интеллектуальное обнаружение финансового мошенничества: комплексный обзор / J. West, М. Bhattacharya // Computers & Security. - 2016. - № 57. - P. 47 - 66. - ISSN 0167-4048.
166. Whiting, D.G. Machine learning methods for detecting patterns of management fraud = Методы машинного обучения для выявления моделей мошенничества в управлении / D.G. Whiting, J.V. Hansen, J.B. McDonald [et. al.] // Computational Intelligence. - 2012. - № 28 (4). - Р. 505-527. -ISSN 875-6883.
167. Zhou, Z. Tri-Training: Exploiting Unlabeled Data Using Three Classifiers = Тренинг: применение немеченых данных с использованием трех классификаторов / Z. Zhou, M. Li // IEEE Transactions on Knowledge and Data Engineering. - 2005. - № 17:11. - P. 1529-1541. - ISSN 10414347.
СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА
Список рисунков
Рисунок 1 - Ущерб от финансовых нарушений компаний за 2006-2017 годы............................................................................27
Рисунок 2 - Организационно-правовые формы коммерческих организаций в Российской Федерации................................................32
Рисунок 3 - Географическая дифференциация финансовых нарушений...................................................................................38
Рисунок 4 - Методы выявления и оценки деятельности по реализации финансовых нарушений..................................................................40
Рисунок 5 - Классификация факторов построения моделей выявления финансовых нарушений компаний.....................................................54
Рисунок 6 - Количественное и процентное распределение выявленных финансовых нарушений компаний в зависимости от организационно-правовой формы компании...............................................................66
Рисунок 7 - Процентное распределение финансовых нарушений по размеру компаний..........................................................................67
Рисунок 8 - Динамика финансовых нарушений по годам с 2007 года по 2016 год в зависимости от экономических условий (темпов роста ВВП России).................................................................................68
Рисунок 9 - Распределение компаний, признанных виновными в реализации финансовых нарушений, в зависимости от вида экономической деятельности................................................................................70
Рисунок 10 - Динамика изменений активов компаний с финансовыми нарушениями................................................................................71
Рисунок 11 - Динамика изменений запасов компаний с финансовыми нарушениями................................................................................72
Рисунок 12 - Распределение количества компаний с финансовыми нарушениями в зависимости от выявленной динамики собственного капитала......................................................................................73
Рисунок 13 - Количественное распределение компаний с финансовыми нарушениями в зависимости от динамики коммерческих и управленческих расходов......................................................................................75
Рисунок 14 - Распределение показателя SGI на выборке российских компаний....................................................................................80
Рисунок 15 - Распределение показателя DSRI на выборке российских компаний....................................................................................81
Рисунок 16 - Распределение показателя SGAI на выборке российских компаний....................................................................................82
Рисунок 17 - Распределение показателя LVGI на выборке российских компаний....................................................................................82
Рисунок 18 - Распределение показателя AQI на выборке российских компаний....................................................................................83
Рисунок 19 - Распределение показателя GMI на выборке российских компаний....................................................................................84
Рисунок 20 - Диаграммы размаха показателей модели M.D. Beneish для выборки российских компаний.........................................................86
Рисунок 21 - Процентное соотношение ошибок модели M.D. Beneish при применении метода Пробит-модели на выборке российских компаний при уровне погрешности 1:1............................................................87
Рисунок 22 - Процентное соотношение ошибок модели M.D. Beneish при применении метода Пробит-модели на выборке российских компаний при уровне погрешности 10:1...........................................................88
Рисунок 23 - Процентное соотношение ошибок модели M.D. Beneish при применении метода Пробит-модели на выборке российских компаний при уровнях погрешности 20:1 и 30:1..................................................88
Рисунок 24 - Процентное соотношение ошибок модели M.D. Beneish при применении метода WESML на выборке российских компаний на уровне погрешности 1:1............................................................................89
Рисунок 25 - Процентное соотношение ошибок модели M.D. Beneish при применении метода WESML на выборке российских компаний при уровнях погрешности 20:1 и 30:1.......................................................90
Рисунок 26 - Процентное соотношение верно классифицированных российских компаний тестовой выборки актуализированной моделью M. Beneish....................................................................................93
Рисунок 27 - Процентное соотношение верно классифицированных российских организаций контрольной выборки актуализированной моделью M. Beneish....................................................................................94
Рисунок 28 - Диаграмма рассеивания показателя соотношения всех обязательств ко всем активам компании (TL/TA) модели O.S. Persons для компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности за год реализации финансовых нарушений...................................................................................98
Рисунок 29 - Диаграмма рассеивания показателя соотношения всех обязательств ко всем активам компании (TL/TA) модели O.S. Persons для компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности в год реализации финансовых нарушений...................................................................................99
Рисунок 30 - Диаграмма рассеивания показателя соотношения текущих активов ко всем активам (CA/TA) модели O.S. Persons для компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности за год реализации финансовых нарушений.................................................................................100
Рисунок 31 - Диаграмма рассеивания показателя соотношения текущих активов ко всем активам (CA/TA) модели O.S. Persons для компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности в год реализации финансовых нарушений..................................................................................101
Рисунок 32 - Диаграмма рассеивания показателя соотношения выручки ко всем активам (SA/TA) модели O.S. Persons для компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности за год до реализации финансовых нарушений....................102
Рисунок 33 - Диаграмма рассеивания показателя соотношения выручки ко всем активам (SA/TA) модели O.S. Persons для компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности в год реализации финансовых нарушений.........................103
Рисунок 34 - Диаграммы рассеивания показателя натурального логарифма всех активов на выборке за год реализации финансовых нарушений.................................................................................103
Рисунок 35 - Диаграммы рассеивания показателя натурального логарифма всех активов по выборке в год реализации финансовых нарушений.................................................................................104
Рисунок 36 - Процентное соотношение ошибок первого и второго рода на выборке российских компаний за год и в год реализации финансовых нарушений при уровне стоимости ошибок 1:1 и 5:1..............................106
Рисунок 37 - Процентное соотношение ошибок первого и второго рода на выборке российских компаний за год и в год реализации финансовых нарушений при уровне стоимости ошибок 20:1...................................108
Рисунок 38 - Процентное соотношение ошибок первого и второго рода на выборке российских компаний за год и в год реализации финансовых нарушений при уровне стоимости ошибок 30:1...................................108
Рисунок 39 - Процентное соотношение верно классифицированных российских компаний тестовой выборки актуализированной моделью O.S. Persons за год до совершения финансовых нарушений.................................................................................112
Рисунок 40 - Процентное соотношение верно классифицированных российских компаний контрольной выборки актуализированной моделью O.S. Persons за год до совершения финансовых нарушений.................................................................................112
Рисунок 41 - Процентное соотношение верно классифицированных российских организаций тестовой выборки актуализированной моделью O.S. Persons в год совершения финансовых нарушений...................................................................................114
Рисунок 42 - Процентное соотношение верно классифицированных российских компаний контрольной выборки актуализированной моделью O.Persons в год совершения финансовых нарушений.............................115
Рисунок 43 - Процентное соотношение верно классифицированных компаний на основе разработанной модели за год до совершения финансовых нарушений.................................................................................130
Рисунок 44 - Процентное соотношение верно классифицированных компаний на основе разработанной модели в год совершения финансовых нарушений.................................................................................131
Рисунок 45 - Финансовый и нефинансовый ущерб, возникающий от финансовых нарушений в зависимости от среды компании....................135
Рисунок 46 - Подраздел внешней среды методических рекомендаций по совершенствованию финансового контроля с целью снижения риска и ущерба от финансовых нарушений...................................................136
Рисунок 47 - Направления анализа подраздела внешней среды методических рекомендаций по совершенствованию финансового контроля с целью снижения риска и ущерба от финансовых нарушений...................137
Рисунок 48 - Взаимосвязь фактора времени и наличия рисков совершения финансовых нарушений через незаконные действия на рынке.........................................................................................139
Рисунок 49 - Элементы подраздела внутренней среды...................141
Рисунок 50 - Элементы сегмента корпоративных стратегий по снижению риска и ущерба от финансовых нарушений............................146
Список таблиц
Таблица 1 - Мотивы совершения финансовых нарушений российскими компаниями в зависимости от их организационно-правовой формы.........................................................................................37
Таблица 2 - Факторы моделей выявления финансовых нарушений компаний....................................................................................53
Таблица 3 - Формулы расчета показателей модели M.D. Beneish.......79
Таблица 4 - Описательная статистика показателей M.D. Beneish по компаниям с финансовыми нарушениями (количество наблюдений (N) = 750)....................................................................................85
Таблица 5 - Описательная статистика показателей M.D. Beneish по компаниям без финансовых нарушений (количество наблюдений (N) = 750)....................................................................................85
Таблица 6 - Актуализированная на основании данных российских организаций модель выявления финансовых нарушений M.D. Beneish........92
Таблица 7 - Описательные статистики показателей модели O.S. Persons для выборки компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности за год до реализации финансовых нарушений...................................................................96
Таблица 8 - Описательные статистики показателей модели O.S. Persons для выборки компаний с финансовыми нарушениями и компаний без отклонений в финансово-хозяйственной деятельности в год реализации финансовых нарушений..................................................................97
Таблица 9 - Вероятностные отсечения и критически значения зависимой переменной уравнения O.S. Persons для выборок за год до реализации и в год реализации финансовых нарушений.........................106
Таблица 10 - Модернизированная основании данных российских компаний модель выявления финансовых нарушений O.S. Persons.................................................................................110
Таблица 11 - Актуализированная на основании данных российских компаний модель выявления финансовых нарушений O.S. Persons.................................................................................113
Таблица 12 - Показатели разрабатываемой модели выявления и прогнозирования финансовых нарушений..........................................122
Таблица 13 - Описательные статистики разработанной модели выявления и прогнозирования финансовых нарушений российских компаний...................................................................................128
Выборка российских компаний с финансовыми нарушениями и без
отклонений в деятельности
Таблица А.1 - Перечень российских компаний с финансовыми нарушениями и без финансовых нарушений, формирующих выборку_
Наименование Наличие финансовых нарушений (да - 1, нет -0) Вид деятельности Размер компании Среднесписочная численность работников
АВЗ С-П, ООО 0 производство фармацевтических субстанций средние предприятия 251 - 500
АВИ ЛАБ, ООО 0 торговля оптовая прочими машинами, оборудованием и принадлежностями микропредприятия 6 - 10
АВИАКОМПАНИ Я СИБИРЬ, ПАО 0 перевозка воздушным пассажирским транспортом, подчиняющимся расписанию крупные предприятия 1001 - 5000
АВИЛОН АГ, АО 0 техническое обслуживание и ремонт автотранспортных средств крупные предприятия 1001 - 5000
АВИСМА- ТЕХНОЭКСПЕРТ, ООО 0 деятельность, связанная с инженерно - техническим проектированием, управлением проектами строительства, выполнением строительного контроля и авторского надзора микропредприятия 16 - 50
АВИТОН, ООО 0 торговля оптовая неспециализированная малые предприятия 51 - 100
АВТОБАЗА ИЛЬИНСКОЕ, АО 0 деятельность автомобильного грузового транспорта и услуги по перевозкам малые предприятия 251 - 500
АВТОВОКЗАЛЫ УДМУРТИИ, АО 0 деятельность автобусных станций микропредприятия 251 - 500
АВТОДИЗЕЛЬ, ООО 0 техническое обслуживание и ремонт автотранспортных средств микропредприятия 51 - 100
Наименование Наличие финансовых нарушений (да - 1, нет -0) Вид деятельности Размер компании Среднесписочная численность работников
1 2 3 4 5
АВТОКОМ-РАДИЙ, ООО 0 торговля оптовая автомобильными деталями, узлами и принадлежностями, кроме деятельности агентов микропредприятия 0 - 5
АВТОКОМБИНАТ № 36, ОАО 0 аренда и управление собственным или арендованным нежилым недвижимым имуществом микропредприятия 51 - 100
АВТОСПЕКТР, ООО ПКФ 0 торговля автотранспортными средствами малые предприятия 6 - 10
АВТОТРАССА, ООО 0 строительство автомобильных дорог и автомагистралей средние предприятия 101 - 150
АВТОЦЕНТР ГАЗ, ООО 0 торговля оптовая легковыми автомобилями и легкими автотранспортными средствами малые предприятия 51 - 100
ПРОМЭКС, ООО 1 строительство жилых и нежилых зданий малые предприятия 0 - 5
РАЗРЕЗ ИМ. В.И. ЧЕРЕМНОВА, ООО 1 добыча угля, за исключением антрацита, угля коксующегося и угля бурого, открытым способом средние предприятия 101 - 150
РМК, АО 1 производство соленого, вареного,запеченого, копченого, вяленого и прочего мяса малые предприятия 201 - 250
РОДНАЯ ЗЕМЛЯ, ООО 1 выращивание зерновых культур малые предприятия 0 - 5
РУС-РЕСУРС АГРО, ООО 1 выращивание зерновых (кроме риса), зернобобовых культур и семян масличных культур микропредприятия 6 - 10
1 2 3 4 5
СОЛНЕЧНАЯ СТРАНА, ООО 1 выращивание семян масличных культур микропредприятия 16 - 50
СТРОИТЕЛЬНАЯ КОМПАНИЯ ДЕДАЛ, ООО 1 строительство жилых и нежилых зданий малые предприятия 51 - 100
СТРОЙСЕРВИС, ООО 1 распиловка и строгание древесины микропредприятия 0 - 5
СХП ВОЛОВСКИЙ КОЛОС, ООО 1 выращивание зерновых культур микропредприятия 16 - 50
ТВ-СТРОЙ, ООО 1 работы строительные специализированные прочие, не включенные в другие группировки малые предприятия 16 - 50
ТРАНССИБ, ООО 1 торговля розничная строительными материалами, не включенными в другие группировки, в специализированных магазинах микропредприятия 0 - 5
ЦГТ- ГЛИНИК, ООО 1 деятельность агентов по оптовой торговле прочими видами машин и промышленным оборудованием микропредприятия 11 - 15
ЭКОТЕХНОЛОГИ И, ОАО 1 сбор отходов малые предприятия 51 - 100
ЭЛЕКТРОСВЯЗЬ, ООО 1 строительство инженерных коммуникаций для водоснабжения и водоотведения, газоснабжения малые предприятия 251 - 500
Источник: составлено автором.
Разброс выявленных финансовых нарушений по субъектам Российской
Федерации
Ямало-Ненецкий автономный округ Забайкальский край Ульяновская область Тульская область Тамбовская область Свердловская область Саратовская область Ростовская область Пермская область Орловская область Нижегородская область Московская область Ленинградская область Курганская область Кировская область Калужская область Ивановская область Волгоградская область Брянская область Астраханская область Хабаровский край Приморский край Алтайский край Республика Татарстан (Татарстан) Республика Мордовия Республика Карелия Кабардино-Балкарская Республика Республика Дагестан Республика Башкортостан
11
67
7 6
14
24
11
12
12
19 18
79
13
17
2 3
56
10
111
16
32
12
17
22
2 2 1 1
22
5
3
4
6
2
3
8
6
9
2
1
7
3
8
1
2
1
5
8
5
3
5
1
7
Источник: составлено автором.
Рисунок Б.1 - Распределение компаний выборки с финансовыми нарушениями по
субъектам Российской Федерации
Выборка российских компаний для построения специализированной
модели
Таблица В.1 - Использованная выборка российских компаний для построения модели выявления и прогнозирования финансовых нарушений_
Наименование компании Наличие финансовых нарушений Год Размер компании Регион деятельност и ОКВЭ Д Численн ость персона ла
1 2 3 4 5 6 7
1С, ЗАО 0 2007 0,349 0,000001 0,05 0,079
АББ СИЛОВЫЕ И АВТОМАТИЗИРОВАНЫ Е СИСТЕМЫ, ООО 0 2007 0,349 0,000001 0,247 0,079
АГРО-ДЕПАРТАМЕНТ, ООО 1 2007 0,086 0,148 0,216 0,255
АГРОХОЛДИНГ ЭНЕРГОМЕРА, ООО 0 2007 0,526 0,010666667 0,001 0,031
АКВАПЛАСТ, ООО 1 2007 0,000000001 0,148 0,216 0,255
АМНГР, АО 0 2007 0,349 0,004 0,02 0,016
БЕЛЫЙ ГОРОД, ООО 0 2007 0,526 0,000001 0,216 0,068
БК МАРАФОН, ООО 0 2007 0,526 0,000001 0,0001 0,016
ВБД НАПИТКИ, АО 0 2007 0,526 0,105333333 0,247 0,016
ВИКО, ООО 0 2007 0,526 0,148 0,216 0,128
ВНИИСТ, АО 0 2007 0,526 0,000001 0,02 0,031
ВОЛГАТЕХ-99, АО 0 2007 0,349 0,018666667 0,05 0,036
ВОСТСИБТРАНСПРОЕКТ, ЗАО 0 2007 0,349 0,002666667 0,02 0,079
ВЫБОР, ООО 1 2007 0,526 0,148 0,05 0,176
ГАЗПРОМНЕФТЬ -ННГ, АО 1 2007 0,037 0,006666667 0,019 0,003
ГАЛАКТИКА-ИНЖИНИРИНГ, ООО 1 2007 0,526 0,148 0,247 0,128
ГИПРОСИНТЕЗ, ООО 0 2007 0,526 0,148 0,02 0,079
ГК ВИДЕО ИНТЕРНЕШНЛ, ЗАО 0 2007 0,526 0,000001 0,02 0,068
ГКЗ, ОАО 0 2007 0,349 0,105333333 0,247 0,079
ГПК, АО 0 2007 0,349 0,021333333 0,05 0,079
ДАРУМСАН, ООО 0 2007 0,526 0,000001 0,247 0,031
ДЕЛАЙН, ООО 0 2007 0,526 0,006666667 0,055 0,068
ЕВРОЦЕМЕНТ ГРУП, АО 0 2007 0,037 0,000001 0,216 0,079
ЖЕЛЕЗОБЕТОН-12, ООО 0 2007 0,349 0,000001 0,175 0,079
ИБС, ООО 0 2007 0,526 0,000001 0,005 0,003
ЛИДЕР-СИТИ, ООО 1 2016 0,086 0,074666667 0,216 0,176
МИРЭКЛ, ООО 1 2016 0,526 0,006666667 0,216 0,031
МОЛОЧНИК, ООО 1 2016 0,349 0,024 0,155 0,128
МОРД-ЮНКИНСКОЕ, ОАО 1 2016 0,526 0,029333333 0,155 0,176
ОСИННИКИ, АО 1 2016 0,526 0,017333333 0,05 0,036
ПИТОМНИК САДЫ КУБАНИ, ООО 1 2016 0,349 0,016 0,155 0,112
1 2 3 4 5 6 7
ПО СИБМАШСТРОЙ, ООО 1 2016 0,349 0,017333333 0,02 0,255
ПРОМЕТЕЙ, ООО 1 2016 0,526 0,021333333 0,216 0,112
ПРОМСТРОЙ ЭКСПЕРТ, ООО 1 2016 0,349 0,025333333 0,175 0,112
ПРОМЭКС, ООО 1 2016 0,349 0,148 0,175 0,112
РАЗРЕЗ ИМ. В.И. ЧЕРЕМНОВА, ООО 1 2016 0,086 0,017333333 0,019 0,128
РМК, АО 1 2016 0,349 0,022666667 0,247 0,06
РОДНАЯ ЗЕМЛЯ, ООО 1 2016 0,349 0,025333333 0,155 0,112
РУС-РЕСУРС АГРО, ООО 1 2016 0,526 0,089333333 0,155 0,036
СОЛНЕЧНАЯ СТРАНА, ООО 1 2016 0,526 0,148 0,155 0,000001
СТРОИТЕЛЬНАЯ КОМПАНИЯ ДЕДАЛ, ООО 1 2016 0,349 0,022666667 0,175 0,255
СТРОЙСЕРВИС, ООО 1 2016 0,526 0,017333333 0,247 0,112
СХП ВОЛОВСКИИ КОЛОС, ООО 1 2016 0,526 0,025333333 0,155 0,176
ТВ-СТРОЙ, ООО 1 2016 0,349 0,017333333 0,175 0,176
ТРАНССИБ, ООО 1 2016 0,526 0,017333333 0,216 0,112
ЦГТ- ГЛИНИК, ООО 1 2016 0,526 0,017333333 0,216 0,031
ЭКОТЕХНОЛОГИИ, ОАО 1 2016 0,349 0,074666667 0,008 0,255
ЭЛЕКТРОСВЯЗЬ, ООО 1 2016 0,349 0,025333333 0,175 0,079
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.