+7(495) 989 9610
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Международный бухгалтерский учёт»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Скоринг для оценки риска фальсификации финансовой отчетности в ходе аудита

т. 24, вып. 11, ноябрь 2021

Получена: 05.07.2021

Получена в доработанном виде: 20.07.2021

Одобрена: 10.08.2021

Доступна онлайн: 15.11.2021

Рубрика: Аудиторская деятельность

Коды JEL: М42

Страницы: 1262–1275

https://doi.org/10.24891/ia.24.11.1262

Арженовский С.В. доктор экономических наук, профессор кафедры статистики, эконометрики и оценки рисков, Ростовский государственный экономический университет (РИНХ), Ростов-на-Дону, Российская Федерация 
sarzhenov@gmail.com

https://orcid.org/0000-0001-8692-7883
SPIN-код: 8388-9604

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. Оценка склонности к риску существенного искажения финансовой отчетности вследствие недобросовестных действий лиц, ответственных за ее составление, на основе их поведенческих характеристик.
Цели. Разработка методики скорингового типа для выявления склонности к риску существенного искажения финансовой отчетности вследствие недобросовестных действий лиц, ответственных за ее составление.
Методология. Применялся многомерный статистический метод дискриминантного анализа на эмпирических данных проведенного авторами опроса 515 сотрудников, ответственных за составление финансовой отчетности в компаниях.
Результаты. Получена двухэтапная методика, которая позволяет оценить наличие у индивида характеристик, ассоциируемых с повышенной склонностью к риску мошенничества с финансовой отчетностью. На входе алгоритма оценивания используется информация о возрасте лица, ответственного за подготовку финансовой отчетности, уровне его образования и заработной платы, а также о размере предприятия. На выходе получается бинарная оценка, свидетельствующая о том, является ли исследуемый сотрудник подозрительным с точки зрения высокой склонности к мошенничеству или нет.
Область применения. Оцененный риск существенного искажения финансовой отчетности вследствие недобросовестных действий позволяет обосновать необходимость проведения соответствующих аудиторских процедур на этапе формирования стратегии и плана аудита.
Выводы. Разработанная методика выявления риска мошенничества проста в применении, дает результат в бинарной форме и не нарушает принципов аудиторской этики.

Ключевые слова: аудиторский риск, скоринговая методика, поведенческие характеристики, дискриминантный анализ

Список литературы:

  1. Durand D. Risk Elements in Consumer Instalment Financing. National Bureau of Economic Research, New York, 1941, 163 p.
  2. Myers J.H., Forgy E.W. The Development of Numerical Credit Evaluation Systems. Journal of American Statistical Association, 1963, vol. 58, iss. 303, pp. 799–806. URL: Link
  3. Churchill G.A., Nevin J.R., Watson R.R. The Role of Credit Scoring in the Loan Decision. Credit World, 1977, no. 3, pp. 6–10.
  4. Boyle M., Crook J.N., Hamilton R., Thomas L.C. Methods for Credit Scoring Applied to Slow Payers. In: L. Thomas, J. Crook and D. Edelman (Eds), Credit Scoring and Credit Control. Oxford, Oxford University Press, 1992, pp. 75–90.
  5. Henley W.E. Statistical Aspects of Credit Scoring. Ph.D. Thesis. The Open University, Milton Keynes, U.K., 1995. URL: Link
  6. Thomas L.C., Edelman D.B., Crook J.N. Credit Scoring and Its Applications. Monographs on Mathematical Modeling and Computation, Series 5. Philadelphia, 2002. URL: Link
  7. Siddiqi N. Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. Hoboken, New Jersey, John Wiley & Sons, 2005, 210 p.
  8. Johnson R.A., Wichern D.W. Applied Multivariate Statistical Analysis. Prentice Hall, 2002, 767 p.
  9. Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. и др. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. 215 с.

Посмотреть другие статьи номера »

 

ISSN 2311-9381 (Online)
ISSN 2073-5081 (Print)

Свежий номер журнала

т. 24, вып. 11, ноябрь 2021

Другие номера журнала