Федорова Е.А.доктор экономических наук, профессор департамента корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация ecolena@mail.ru https://orcid.org/0000-0002-3381-6116 SPIN-код: 7520-2160
Гудова М.Р.государственный инспектор Контрольно-счетной палаты Москвы, инспекция № 5, аспирантка департамента корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация GudovaMR@gmail.com ORCID id: отсутствует SPIN-код: 9797-8227
Предмет. Финансовые нарушения организаций в современных российских экономических реалиях достигли уровня глобализации и дифференциации. Цели. Выявление финансовых нарушений, допущенных российскими организациями на основе оценки применимости зарубежных моделей. Методология. Произведен расчет оптимальных значений финансовых показателей модели выявления финансовых нарушений алгоритмом построения бинарного дерева классификации для выборки из 698 российских организаций, 348 из которых признаны российскими судами виновными в совершении финансовых нарушений. Результаты. Апробирована одна из наиболее признанных моделей идентификации финансовых нарушений организаций. По причине низкой прогнозной точности базовой модели М. Бениша предельные значения индексов модели и сводный индекс были уточнены с учетом специфики показателей деятельности российских организаций с финансовыми нарушениями. По результатам адаптации индексов значительно увеличена прогнозная точность модели, однако сохранилась высокая доля неверных классификаций таких организаций, в связи с чем рекомендовано уточнение самих показателей зарубежных моделей для российских экономических реалий. Применение откорректированного уравнения М. Бениша позволит эффективно и своевременно идентифицировать организации с финансовыми нарушениями, что снизит риски ущерба от данных явлений и увеличит прозрачность корпоративного сектора. Выводы. Неблагоприятные экономические условия финансово-хозяйственной деятельности в России и значимость ущерба от финансовых нарушений требуют адекватного инструментария их выявления. Зарубежные модели не ориентированы на выявление специфичных для России финансовых нарушений, низкая точность по результатам апробации данных моделей является сигналом необходимости разработки инструментария с учетом особенностей российской экономики.
Ключевые слова: финансовые несоответствия, идентификация финансовых нарушений, модель М. Бениша, прозрачность корпоративного сектора, риски
Список литературы:
Гудова М.Р. Финансовые несоответствия организаций: сущность понятия, формирование единого подхода к данному явлению // Вестник АКСОР. 2017. № 2. С. 218–223.
Beneish M.D. The Detection of Earnings Manipulation. Financial Analysts Journal, 1999, vol. 55, iss. 5, pp. 24–36. URL: Link
Persons O.S. Using Financial Statement Data to Identify Factors Associated with Fraudulent Financial Reporting. Journal of Applied Business Research, 1995, vol. 11, iss. 3, pp. 38–46. URL: Link
Dechow P., Weili Ge, Larson C.R., Sloan R.G. Predicting Material Accounting Misstatements. Contemporary Accounting Research, 2011, vol. 28, iss. 1, pp. 17–82. URL: Link
Kirkos E., Spathis C., Manolopoulos Y. Data Mining Techniques for the Detection of Fraudulent Financial Statements. Expert Systems with Applications, 2007, vol. 32, iss. 4, pp. 995–1003. URL: Link
Yuh-Jen Chen, Chun-Han Wu, Yuh-Min Chen et al. Enhancement of Fraud Detection for Narratives in Annual Reports. International Journal of Accounting Information Systems, 2017, vol. 26, pp. 32–45. URL: Link
Ферулева Н.В., Штефан М.А. Выявление фактов фальсификации финансовой отчетности в российских организациях: анализ применимости моделей Бениша и Роксас // Российский журнал менеджмента. 2016. Т. 14. № 3. С. 49–70. URL: Link
Spathis Ch., Doumpos M., Zopounidis C. Detecting Falsified Financial Statements: A Comparative Study Using Multicriteria Analysis and Multivariate Statistical Techniques. The European Accounting Review, 2002, vol. 11, iss. 3, pp. 509–535. URL: Link
Kanapickiene R., Grundiene Z. The Model of Fraud Detection in Financial Statements by Means of Financial Ratios. Procedia – Social and Behavioral Sciences, 2015, vol. 213, pp. 321–327. URL: Link
Федина В.В. Бухгалтерский учет по МСФО и РСБУ // Современная экономика: проблемы, тенденции, перспективы. 2009. № 2. С. 93–116. URL: Link
Abbasi A., Chen H. A Comparison of Fraud Cues and Classification Methods for Fake Escrow Website Detection. Information Technology and Management, 2009, vol. 10, iss. 2-3, pp. 83–101. URL: Link
Albrecht W.S., Albrecht C.O., Albrecht C.C. Current Trends in Fraud and Its Detection. Information Security Journal: A Global Perspective, 2008, vol. 17, iss. 1, pp. 2–12. URL: Link
Barth M., Landsman W., Lang M. International Accounting Standards and Accounting Quality. Journal of Accounting Research, 2008, vol. 46, iss. 3, pp. 467–498. URL: Link
Beneish M.D. Detecting GAAP Violation: Implications for Assessing Earnings Management among Firms with Extreme Financial Performance. Journal of Accounting and Public Policy, 1997, vol. 16, iss. 3, pp. 271–309. URL: Link00023-9
Cecchini M., Aytug H., Koehler G., Pathak P. Detecting Management Fraud in Public Companies. Management Science, 2010, vol. 56, iss. 7, pp. 1146–1160. URL: Link
Gupta R., Gill N.S. A Data Mining Framework for Prevention and Detection of Financial Statement Fraud. International Journal of Computer Applications, 2012, vol. 50, iss. 8, pp. 7–14. URL: Link
Ravisankar P., Ravi V., Raghava Rao G., Bose I. Detection of Financial Statement Fraud and Feature Selection Using Data Mining Techniques. Decision Support Systems, 2011, vol. 50, iss. 2, pp. 491–500. URL: Link
Tarjo Herawati N. Application of Beneish M-Score Models and Data Mining to Detect Financial Fraud. Procedia – Social and Behavioral Sciences, 2015, no. 211, pp. 924–930. URL: Link
Spathis C. Detecting False Financial Statements Using Published Data: Some Evidence from Greece. Managerial Auditing Journal, 2002, vol. 17, iss. 4, рр. 179–191. URL: Link
Watson H.J., Wixom B.H. The Current State of Business Intelligence. IEEE Computer, 2007, vol. 40, iss. 9, pp. 96–99. URL: Link
