Формирование типологии по поведенческим характеристикам склонности к риску существенного искажения финансовой отчетности лиц, ответственных за ее составление
Синявская Т.Г.кандидат экономических наук, доцент кафедры статистики, эконометрики и оценки рисков, Ростовский государственный экономический университет (РИНХ), Ростов-на-Дону, Российская Федерация sin-ta@yandex.ru https://orcid.org/0000-0002-4120-9180 SPIN-код: 7290-0115
Бахтеев А.В.кандидат экономических наук, доцент кафедры анализа хозяйственной деятельности и прогнозирования, Ростовский государственный экономический университет (РИНХ), Ростов-на-Дону, Российская Федерация a_bakhteev@mail.ru https://orcid.org/0000-0002-7002-0846 SPIN-код: 7035-9536
Предмет. Формирование типологии лиц, ответственных за составление отчетности, имеющих повышенную склонность к риску существенного искажения финансовой отчетности вследствие недобросовестных действий. Цели. Разработка методического обеспечения типизации лиц, ответственных за подготовку отчетности, на основе учета поведенческих характеристик склонности к риску существенного искажения финансовой отчетности. Методология. Применялись многомерные статистические методы факторного и кластерного анализа на эмпирических данных проведенного авторами опроса 515 сотрудников, ответственных за составление финансовой отчетности в компаниях. Результаты. Выявлено, что наличие у лица, ответственного за подготовку финансовой отчетности организации, личностных характеристик склонности к риску при неверии в наказание, а также патологического монетарного типа на фоне правового невежества являются признаками склонности к риску существенного искажения финансовой отчетности вследствие недобросовестных действий. Группа таких лиц в выборке составляет около 9%. Совсем не склонных к исследуемому риску – около трети выборки. Чуть более трети можно оценивать как нейтральных в отношении этого риска. Остальных (около 23%) сотрудников можно охарактеризовать как подозрительных, с точки зрения склонности к исследуемому риску, и рекомендовать проведение дополнительных аудиторских процедур. Область применения. Типизация сотрудников фирмы, отвечающих за подготовку финансовой отчетности, по склонности к экономическому риску позволяет на этапе формирования стратегии и плана аудита определить необходимость проведения аудиторских процедур в ответ на оцененные риски существенного искажения финансовой отчетности вследствие недобросовестных действий. Выводы. Предложенное методическое обеспечение при невысокой трудоемкости позволяет повысить результативность проводимых с его использованием процедур оценки риска в ходе аудита.
Ключевые слова: аудиторский риск, поведенческие характеристики, кластерный анализ, факторный анализ
Список литературы:
Cressey D.R. Other People's Money: A Study in the Social Psychology of Embezzlement. Glencoe, IL, Free Press, 1953.
Wolfe D.T.,Hermanson D.R. The Fraud Diamond: Considering the Four Elements of Fraud. The CPA Journal, 2004, vol. 74, iss. 12, pp. 38–42.
Marks J.T. Why the Fraud Triangle is No Longer Enough. Crowe Horwath, 2011.
Fitri F.A., Syukur M., Justisa G. Do the Fraud Triangle Components Motivate Fraud in Indonesia? Australasian Accounting, Business and Finance Journal, 2019, vol. 13, iss. 4, pp. 63–72. URL: Link
Yusof M.K., Khair A.H., Simon J. Fraudulent Financial Reporting: An Application of Fraud Models to Malaysian Public Listed Companies. Macrotheme Review, 2015, vol. 4, iss. 3, pp. 126–145. URL: Link
Chen Q., Kelly K., Salterio S.E. Do Changes in Audit Actions and Attitudes Consistent with Increased Auditor Skepticism Deter Aggressive Earnings Management? An Experimental Investigation. Accounting, Organizations and Society, 2012, vol. 37, iss. 2, pp. 95–115. URL: Link
Jackson A.B., Rountree B.R. Earnings Co-Movements and Earnings Manipulation. Review of Accounting Studies, 2017, vol. 22, iss. 3, pp. 1340–1365. URL: Link
Shelton S.W., Whittington O.R., Landsittel D. Auditing Firms' Fraud Risk Assessment Practices. Accounting Horizons, 2001, vol. 15, iss. 1, pp. 19–33. URL: Link
Perri F.S., Brody R.G. The Optics of Fraud: Affiliations that Enhance Offender Credibility. Journal of Financial Crime, 2012, vol. 19, iss. 3, pp. 305–320. URL: Link
Gilmore J.B., Johnson R. The Fraud Diamond vs. Fraud Triangle Analytics: Evaluating “Capability” as a Modification for Auditing Unstructured Enterprise Data. Working Paper. Frostburg State University at Maryland, 2011.
Арженовский С.В., Синявская Т.Г., Бахтеев А.В. Многомерная пробит-модель для априорной оценки поведенческих рисков в аудите // Прикладная эконометрика. 2020. № 4. С. 102–114. URL: Link
Gray G.L., Debreceny R.S. A Taxonomy to Guide Research on the Application of Data Mining to Fraud Detection in Financial Statement Audits. International Journal of Accounting Information Systems, 2014, vol. 15, iss. 4, pp. 357–380. URL: Link
Gepp A., Linnenluecke M.K., O'Neill T.J., Smith T. Big Data Techniques in Auditing Research and Practice: Current Trends and Future Opportunities. Journal of Accounting Literature, 2018, vol. 40, pp. 102–115. URL: Link
Spathis Ch., Doumpos M., Zopounidis C. Detecting Falsified Financial Statements: A Comparative Study Using Multicriteria Analysis and Multivariate Statistical Techniques. European Accounting Review, 2002, vol. 11, iss. 3, pp. 509–535. URL: Link
Huang S.Y., Tsaih R.H., Lin W.Y. Feature Extraction of Fraudulent Financial Reporting Through Unsupervised Neural Networks. Neural Network World, 2014, vol. 24, iss. 5, pp. 539–560. URL: Link
Chen S. Detection of Fraudulent Financial Statements Using the Hybrid Data Mining Approach. SpringerPlus, 2016, no. 5, article no. 89. URL: Link
Иберла К. Факторный анализ. М.: Статистика, 1980. 398 с.
Johnson R.A., Wichern D.W. Applied Multivariate Statistical Analysis. Prentice Hall, 2002, 767 p.
Харман Г. Современный факторный анализ. М.: Статистика, 1972. 485 с.
Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. и др. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. 215 с.
Bishop C.M. Neural Networks for Pattern Recognition. Oxford, Clarendon Press; New York, Oxford University Press, 1995, 482 p.
