Выявить схемы поможет статистика

Финансовая математика/статистика

Автор:
Источник: журнал «Консультант», № 5, 2006
Опубликовано: 11 апреля 2006

Авторы «серых» налоговых схем или недобросовестные сотрудники лелеют надежды, что их махинации сложно обнаружить из-за большого количества хозяйственных операций. На деле выявить распространенные ухищрения довольно просто. Для этого надо обратиться к математической статистике.

Статистические исследования – мощный и эффективный инструмент анализа больших объемов информации. Правда, их вряд ли можно проводить, не имея представления о математической статистике. Обычно контролеру достаточно уметь рассчитывать всего три статистических показателя: дисперсию, среднее значение и стандартную ошибку. Этого хватит, чтобы выделить из общей совокупности необычные элементы или уловить новую тенденцию в работе предприятия. Если какой-либо показатель существенно отклоняется от среднего значения, его нужно тщательно исследовать. Возможно, именно за ним скрыта мошенническая схема.
В статье мы рассмотрим математические методы, которые могут быть полезны при анализе учетных данных.

Разбиваем значения на диапазоны

Процесс, в ходе которого совокупность элементов делят на диапазоны по какому-либо признаку, называют стратификацией.
Покажем, как она выглядит, на примере. Разделим все счета, которые выставила компания, на три категории (табл. 1):

  • до 1000 рублей;
  • от 1001 до 10000 рублей;
  • от 10001 рубля и выше.

На практике проверяющие устанавливают удобное им количество категорий. Целесообразно, чтобы их было не меньше трех, но и не больше пяти.
Каждый диапазон значений можно проверять своим способом. Основных методов два – сплошной и выборочный. Разумно выбрать метод, при котором трудозатраты на проверку будут наименьшими, а результат как можно лучше. Например, при проверке большого числа операций на маленькие суммы использовать сплошной метод нецелесообразно. В то же время совершенно недопустимо выборочно проверять сделки на крупные суммы или с ключевыми партнерами.
Поэтому в примере с таблицей 1 контролеру лучше поступить так. Сплошным методом проверить все счета на крупные суммы, выборочным – на средние, а на мелкие – сплошным методом, но только по нескольким контрагентам.

Таблица 1. Разбивка диапазона сумм выставленных счетов на страты

Страта Количество счетов Сумма по страте
до 1000 рублей 127 56701
от 1001 до 10000 рублей 52 243074
от 10001 рубля и выше 5 67500
Всего 184 367275

«Ненормальная» продолжительность

Анализ длительности некоторого процесса позволяет выделить операции ненормальной продолжительности. Чаще всего этим методом проверяют состояние дебиторской и кредиторской задолженности, правильность уплаты налогов и расчетов с сотрудниками.
В ходе анализа операции сортируют по дате их совершения и группируют по периодам – обычно по 30, 60 или 90 дней. Затем подсчитывают их количество и суммы.
Например, аудитор проверяет расчеты фирмы с подотчетниками. При этом он выясняет, в какой срок сотрудники обычно отчитываются за полученные суммы (табл. 2). Оказывается, что только три операции имеют ненормальную продолжительность – свыше 60 дней. Значит, именно их нужно пристально изучить.

Таблица 2. Разбивка подотчетных операций по продолжительности.

Срок Количество Сумма
до 30 дней 120 5980
от 31 до 60 дней 18 903
свыше 60 дней 3 155
Всего 141 7038

Перейдем к группе математических операций, которые предназначены для работы с информацией. Наша задача – ограничить исследования анализом небольшого объема учетных данных. При этом качество анализа не должно ухудшиться.

Поиск «двойных» операций

Мошеннические схемы могут быть основаны на том, что одни и те же операции или документы проводят несколько раз. Поэтому полезно проверить учет на предмет «двойных» операций.
Обратите внимание: на практике операции почти никогда не совпадают «один в один» – всегда есть какие-то отличия. Скажем, общими у них могут быть только некоторые атрибуты – «Сумма» или «Основание платежа».
Например, аудитору нужно проанализировать движение средств на расчетном счете фирмы. Сначала он должен проверить, нет ли платежных поручений с одинаковыми номерами. Допустим, таких документов аудитор не обнаружил. Однако он заметил, что одному и тому же поставщику были выплачены две одинаковых суммы (табл. 3). В этих двух платежных поручениях совпадают суммы и основания платежей, но даты разные.
Следующее, что должен сделать аудитор в описанной ситуации – проверить документы, на основе которых были перечислены деньги – счета и договоры. Нужно сверить общую сумму договора с реально выплаченными суммами.
Двойные платежи – распространенный вид мошенничества. Обычно в результате таких операций недобросовестный сотрудник получает «лишние» суммы от поставщика наличными.

Таблица 3. Пример платежных поручений

Номер платежного получения Дата Контрагент Основание Сумма
5423 10/05/05 ООО Бизнес Счет 120 500
5424 11/05/05 ООО Волна Счет 18 3400
5425 12/05/05
ООО Бизнес
Счет 120 500
5426 12/05/05 ООО Волна Счет 19 3420
5427 13/05/05 ОАО Глория Счет 2994 84000

Нарушение последовательности цифр

Еще один прием, при помощи которого контролеры ищут нарушения – поиск пропущенных записей. Такому анализу можно подвергнуть два вида массивов данных. Первый – массивы, в которых сведения нумеруются по возрастающей – например, номера счетов-фактур. Второй вид массивов – список форм, которые составляют с определенной периодичностью – допустим, ежедневные или еженедельные отчеты.
Если номера в них пропущены, это может означать, что данные о какой-либо операции были уничтожены. Либо номер был «зарезервирован», и в будущем его планируют использовать для махинаций.
Прямо противоположная крайность – четкая последовательная нумерация – также может говорить о желании скрыть нарушения. Например, поставщик выставляет вам счета-фактуры, которые строго пронумерованы по порядку: №1, №2, №3 и т. д. Это может означать, что данная фирма была создана каким-либо недобросовестным сотрудником вашей компании. И цель у такого «липового» поставщика одна – осуществлять вашему предприятию поставки по завышенным ценам.
Кроме того, проверяющий может выявить нарушения в последовательности каких-либо значений. Допустим, аудитор обнаружил, что некий поставщик постоянно «путает» нумерацию поступающих от него документов (табл. 4).

Таблица 4. Накладные от поставщика

Дата накладной 01.05.05 05.05.05 08.05.05 10.05.05 15.05.05 16.05.05 16.05.05 19.05.05
Номер накладной 234 270 150 240 291 300 258 259

Это может означать, что такой поставщик – «однодневка», которая не ведет бухгалтерского учета. А стоящий за этой фирмой человек просто выдумывает номера документов.

Перекрестный анализ

При проверках полезно сопоставить данные из разных источников. Например, можно взять для анализа две базы данных – список телефонов поставщиков и домашних номеров сотрудников фирмы. Если аналитик обнаружит один и тот же номер в обоих базах, это серьезный повод тщательно изучить все заключенные с «поставщиком» сделки, а также действия стоящего за ним сотрудника.
Существует множество вариантов применения описанного метода. Например, можно протестировать на предмет несовпадения данные, которые должны были бы совпадать. Допустим, в книге покупок отражена информация по каждому поставщику, в том числе и по ООО «Бизнес». В поле «ИНН поставщика» для данной фирмы указан номер 7701234567. Но в то же время в базе проводок банковских операций в поле «ИНН получателя» у ООО «Бизнес» вбит другой ИНН – 7701234599. При этом в книге покупок имеются данные, что оплата была безналичной.
Вся эта ситуация может свидетельствовать о мошенничестве. Вероятно, злоумышленник, зная, что будет крупное перечисление для ООО «Бизнес», зарегистрировал фирму с таким же названием. Затем открыл счет в том же банке, где и настоящий ООО «Бизнес». В дальнейшем махинатор заменил счет на оплату перед тем, как руководитель подписал платежное поручение.

Аудиторская выборка

Выборки позволяют не проводить сплошную проверку операций. С их помощью выделяют данные, по которым можно найти наиболее важную информацию или сделать выводы об общей совокупности.
Выборки бывают статистические и нестатистические. Нестатистическая выборка – это отбор операций по определенному признаку. Например, выбирают наиболее важные из них или те, которые находятся в зоне особого риска. Это могут быть 10 процентов самых крупных продаж или сделки, которые фирма заключила в последний день месяца.
Статистические выборки, в отличие от нестатистических, позволяют сделать вывод об общей совокупности данных. Одна из их разновидностей – монетарные выборки. Они позволяют отбирать операции с учетом их денежного значения. Допустим, есть 999 операций стоимостью 10 рублей и одна операция стоимостью 1000 рублей. Тогда при обычной статистической выборке у крупной операции такая же вероятность быть отобранной, как и у операции стоимостью 10 рублей. Чтобы нагляднее это представить, вообразим такую ситуацию. Мы положили купюру достоинством 1000 рублей в один конверт, а в оставшиеся 999 конвертов положили купюры достоинством 10 рублей. После этого все конверты заклеили. Вероятность случайно выбрать 1000-рублевый конверт такая же, как и 10-рублевый.
Разумеется, аналитики заинтересованы в выборках, в которых вероятность встретить операцию на более крупную сумму выше, чем на мелкую. Монетарная выборка позволяет осуществить такой отбор на практике. Как раз в такой ситуации целесообразно применить монетарную выборку. В ходе нее мы будем отбирать не операции, а суммы. Сначала нужно подсчитать общее количество денег во всех операциях. В нашем случае это 10990 рублей. Затем надо определить размер выборки. Допустим, 10 процентов от общей совокупности. После округления он составит 1100 рублей. Теперь сформируем выборку исходя из данной суммы. При этом не важно, какой операции она принадлежит. На последней стадии контролеру нужно отобрать операции, «внутри» которых находятся выбранные суммы. Очевидно, что при таком подходе операция ценой 1000 рублей имеет вероятность попасть в выборку в 100 раз больше, чем операция в 10 рублей.

Совпадение наименований

Для человека ООО «Мимоза», ООО Мимоза, Мимоза ООО и Общество с ограниченной ответственностью «Мимоза» – одно и то же. Более того, человек понимает, что ООО «Мимоза» и ООО «Мемоза», скорее всего, названия одной организации. Для компьютера – это разные фирмы. Точно также телефонный номер (495)123-4567 и (495)123-45-67 для человека одинаковы, а для компьютера – нет. Аналогично и с позициями номенклатуры, фамилиями, адресами и т. д.
Чтобы научить компьютерные программы понимать то, что имел в виду оператор, который вводил данные в систему бухгалтерского или управленческого учета, разработаны специальные математические методы. Один из них называется «дистанция Левинштейна». Согласно этому методу в качестве параметра можно задать желаемую точность отбора. И тогда все данные по ООО «Мимоза», ООО Мимоза, Мимоза ООО и Общество с ограниченной ответственностью «Мимоза» будут сгруппированы в одной таблице. Для этого нужно вычислить, сколько требуется сделать замен и перестановок букв, чтобы из одного слова получилось другое. Все пробелы, кавычки, тире, сокращения, общие фразы вроде «ООО» и «Общество с ограниченной ответственностью» перед этим надо удалить.
Существуют также методы, основанные на анализе фонетического сходства названий. Они весьма полезны, поскольку часто информация в систему управленческого учета попадает в результате телефонной беседы. Из-за этого, например, ООО «Эдельвейс» легко может превратиться в ООО «Идыльвейз».

Программное обеспечение

Большинство перечисленных приемов математического анализа можно реализовать в обычных электронных таблицах, таких, как Microsoft Excel. Однако в последнее время на рынке появились специальные программные продукты, которые используют для аудита и внутреннего контроля. Они позволяют без дополнительного программирования и математического образования выполнять большинство описанных тестов нажатием всего пары кнопок. Скорость их работы также значительно превышает возможности Microsoft Excel. И, наконец, последнее: Excel имеет серьезное внутренне ограничение. В этой программе практически невозможно обрабатывать таблицы, имеющие более 65536 строк . А это явно недостаточно для большинства крупных организаций.

Автор: