Аналитические процедуры оценки рисков существенного искажения отчетности вследствие недобросовестных действий аудируемого лица

В статье обоснован выбор нефинансовых показателей, используемых в аналитических процедурах оценки риска недобросовестного искажения отчетности, которые могут использоваться наряду с финансо­выми показателями, но которыми (в отличие от финансовых показателей) трудно манипулировать. Разра­ботана совокупность контрольных соотношений, включающих нефинансовые показатели для организаций различных видов деятельности.

Как известно, действия аудитора в части рассмотрения фактов недобросовест­ности аудируемого лица регулируются между­народным стандартом аудита (МСА) 240 «Обя­занности аудитора в отношении недобросо­вестных действий при проведении аудита финансовой отчетности» (ISA 240 - The Auditor's Responsibilities Relating to Fraud in an Audit of Financial Statements). Стандарт обязывает аудитора выявить и оценить риски существен­ного искажения финансовой отчетности вследствие недобросовестных действий (п. 10-а, п. 25 МСА 240).

Стандарт отмечает также, что на риски существенного искажения вследствие недобросовестных действий могут указывать необычные или неожиданные соотношения, выявленные при выполнении аналитических процедур (п. 22 МСА 240). Аналитическим про­цедурам посвящен, как известно, МСА 520 «Аналитические процедуры». МСА 520 реко­мендует ряд аналитических процедур, таких как сравнение финансовой и другой информа­ции об аудируемом лице с сопоставимой ин­формацией за предыдущие периоды, сравнение фактических результатов деятельности ауди­руемого лица с ожидаемыми (например, сме­тами или прогнозами, а также предположени­ями аудитора), сравнение финансовой и другой информации об аудируемом лице с информа­цией об организациях, ведущих аналогичную деятельность (например, сравнение рентабель­ности аудируемого лица с рентабельностью других организаций сопоставимого размера в той же отрасли экономики) и др. Ряд конкрет­ных аналитических процедур, предназначенных для идентификации признаков недобросовест­ности аудируемого лица, предложен в работах иностранных авторов: Бениша [15] и Роксас [20], Джонса [19], Дечоу [17], Спатиса [21] и др. Про­ведем анализ предложенных указанными авто­рами аналитических методов выявления при­знаков недобросовестности аудируемых лиц с позиции применимости их в условиях осу­ществления предпринимательской деятельности в Российской Федерации.

Метод Бениша, модифицированный М. Роксас (метод M-score, [20]), основан на ана­лизе темпов роста (по сравнению с годом, предшествующим отчетному) пяти показате­лей: оборачиваемости дебиторской задолженности, рентабельности продаж по валовой прибыли, качества активов, выручки, амор­тизации. Идея метода состоит в том, что при­знаком фальсификации отчетности может служить слишком резкое изменение какого-либо из названных выше показателей. Авто­рами метода было проведено исследование финансовой отчетности ряда компаний, чья отчетность предполагалась достоверной, и ряда компаний, уличенных в фальсификации отчетности, в результате чего было получено уравнение регрессии для сводного индекса M-score:

M-score = -6,065 + 0,823 х DSRI + + 0,906 х GMI + 0,593 х AQI + 0,717 х SGI + + 0,107 х DEPI, (1)

где DSRI — индекс (темп роста) оборачи­ваемости дебиторской задолженности; GMI — индекс рентабельности продаж по валовой прибыли; AQI — индекс качества активов; SGI — индекс выручки; DEPI — индекс амор­тизации.

По данным М. Роксас на достоверность от­четности указывают значения индекса M-score < -2,76 (меньше чем 2,76 со знаком минус).

Известны также такие аналитические методы, как модель Джонса и ее модификации [19] (рассматривает такие показатели, как общая сумма активов, отношение прироста доходов к сумме активов, отношение стоимости основных средств к сумме активов); модель Дечоу [17] (расчет индекса Б-зеоге, учитыва­ющего изменение таких показателей, как не­денежные чистые активы, дебиторская за­долженность, капитальные вложения, выруч­ка при денежных расчетах, рентабельность активов); модель Спатиса [21] (учитывает показатели: рентабельность продаж по при­были от продаж, рентабельность активов по валовой прибыли, оборачиваемость дебиторской задолженности, финансовый леверидж, индекс Х-score Альтмана).

Следует, однако, сказать, методики, осно­ванные на системе показателей модели Бениша и всех остальных моделей, тестировались на отчетности публичных американских ком­паний, принадлежность которых к листинговым обусловливала фальсификацию отчет­ности путем завышения выручки, прибыли, активов. Из анализа зависимости (1), напри­мер, очевидно, что индекс М-score тем благо­приятнее, чем ниже индекс (темп роста) вы­ручки. Таким образом, модель Бениша и Роксас неприменима для выявления фальсификаций отчетности путем занижения выручки.

Применение модели Бениша и ее модифи­каций в российских условиях для идентифи­кации недобросовестного завышения выруч­ки также вызывает ряд вопросов. В работе Г.В. Соболевой и Д.Г. Толкачевой [12], напри­мер, представлены результаты исследования контрольной группы, состоящей из 676 пред­приятий строительной отрасли, относящихся к среднему бизнесу. В работе показано, что «уровень отклонения среднеотраслевых показателей от значения коэффициентов, рас­считанных Бенишем, носит существенный характер». Кроме того, авторы [12] указывают на некорректность модели Бениша, выявлен­ную при апробации ее на некоторых россий­ских организациях, фальсифицировавших отчетность путем завышения ее показателей в целях получения кредитов.

М.А. Штефан и Н.В. Ферулева [14] представ­ляют в своей работе результаты исследования 60 российских компаний, в числе которых по 28 компаниям имеются судебные решения о фальсификации отчетности в целях получения кредитов. Полученные авторами [14] оценки показывают, что «применение моделей М. Бениша и М. Роксас к показателям финан­совой отчетности российских компаний по­зволяет выявить далеко не все случаи фальси­фикации». Кроме того, как указывают авторы [14], модели М. Бениша и М. Роксас в ряде слу­чаев давали неудовлетворительные результаты при исследовании ряда компаний, достоверность отчетности которых не вызывала сомнений.

Авторы [14] высказывают предположение, что подобное обстоятельство обусловлено спе­цификой российских условий хозяйствования (недостаточно высокий уровень платежной дисциплины; рост себестоимости продаж, обусловленный несвоевременным обновлени­ем оборудования; высокий показатель роста доли обязательств в источниках финансирова­ния и т.д.). Очевидно, что вследствие этого численные значения, рекомендуемые для свод­ных индексов в указанных выше аналитических моделях, будут справедливы лишь для той вы­борки экономических субъектов, по данным которых они будут определены.

В связи с этим, как отмечает А.Г. Амзельт [4], и с ним нельзя не согласиться, более пер­спективной была бы методика, построенная не на определении сводных индексов, а на ис­следовании динамики изменения выбранных показателей.

Анализ литературных данных показывает, что перечень финансовых показателей, пред­лагаемых как указанными выше зарубежными авторами, так и в ряде работ российских авто­ров [2, 3], таких как М.А. Алексеев, С.А. Дудин, В.В. Глинский, в качестве источников инфор­мации при осуществлении аналитических про­цедур оценки рисков существенного искажения отчетности, весьма многообразен. Вместе с тем следует отметить, что недобросовестное руко­водство организации при преднамеренном ис­кажении им финансовой отчетности может прибегнуть и к преднамеренному искажению некоторых финансовых показателей с тем, чтобы контрольные соотношения, свидетель­ствующие о добросовестности отчетности, оставались в допустимых пределах. Например, руководство организации в целях демонстра­ции достижения запланированных результа­тов завышает отраженную в отчетности вы­ручку от продаж. Одновременно завышается и себестоимость продаж таким образом, чтобы изменение рентабельности продаж по при­были от продаж выглядело правдоподобным.

В связи с этим ряд авторов как отечествен­ных (А.Г. Амзельт, С.В. Арженовский, А.В. Бахтеев) [4-7], так и зарубежных (J.F. Brazel, K.L. Jones, M.F. Zimbelman, C. Ittner, D. Larcker) [16, 18, 19] предлагает при выполнении анали­тических процедур оценки рисков использовать наряду с финансовыми и нефинансовые по­казатели, поскольку нефинансовыми показа­телями трудно манипулировать, или, по край­ней мере, такие манипуляции трудно скрыть. В работе J.F. Brazel, K.L. Jones и M.F. Zimbelman [16] отмечено, например, что существует за­висимость между динамикой показателей вы­ручки и динамикой нефинансовых показателей, таких как численность работников, количество розничных торговых точек, количество дис­трибьюторских центров компании.

Следует отметить, что в современной ли­тературе отсутствуют анализ и систематизация нефинансовых показателей, которые в сово­купности с финансовыми могли бы формиро­вать контролируемые соотношения, исполь­зуемые для оценки риска существенного ис­кажения отчетности вследствие недобросо­вестных действий.

Очевидно, что нефинансовые показатели, используемые для указанной цели должны быть:

а) экономически обоснованными;

б) количественными;

в) информационно доступными.

Нефинансовые показатели, удовлетворяю­щие этим требованиям, перечислены, напри­мер, в ст. 346.29 Налогового кодекса РФ, устанавливающей объекты налогообложения для применения единого налога на вмененный доход. К ним относятся: количество работни­ков (для организаций, оказывающих услуги), площадь торговых залов (для организаций розничной торговли), площадь зала обслужи­вания (для организаций общественного пи­тания), площадь помещений для проживания (для гостиничных организаций), количество автотранспортных средств (для транспортных организаций).

Экономически обоснованными и инфор­мационно доступными являются также не­финансовые показатели организаций, преду­смотренные статистическими формами Росстата (табл. 1).

Таблица 1

Показатели, предусмотренные формами Росстата

Как видно, универсальным нефинансовым показателем для организаций всех видов дея-тельности является среднесписочная числен­ность работников (ССЧР). Поскольку из прак­тики известно, что наиболее вероятными объ­ектами недобросовестных искажений являют­ся выручка от продаж и прибыль, то в качестве контролируемых показателей могут быть пред­ложены следующие.

1. Выручка на одного работника (ВР):

ВР = В / ССЧР, тыс.руб./чел., где В — выручка от продаж, тыс. руб.

2. Прибыль от продаж на одного работни­ка (ППР):

ППР = ПП / ССЧР, тыс. руб./чел., где ПП — прибыль от продаж, тыс. руб.

3. Чистая прибыль на одного работника (ЧПР):

ЧПР = ЧП / ССЧР, тыс.руб./чел., где ЧП — чистая прибыль, тыс. руб.

Для организаций по производству продук­ции формой Росстата № 1-предприятие пред­усмотрен такой финансовый показатель, как сумма расходов на электроэнергию. Для целей оценки риска недобросовестных искажений целесообразнее исключить из этого показателя влияние возможного изменения цены на элек­троэнергию и использовать нефинансовый по­казатель — расход электроэнергии (ЭЭ), из­меряемый в киловатт-часах. Информационным источником подобного показателя могут быть акты и счета-фактуры, полученные от энергоснабжающей организации. Тогда контролиру­емыми показателями могут быть выручка, при­быль от продаж и чистая прибыль на киловатт-час израсходованной электроэнергии (В/ЭЭ, тыс.руб./кВт-час; ПП/ЭЭ, тыс.руб./кВт-час; ЧП/ ЭЭ, тыс.руб./кВт-час).

Аналогичным образом могут быть опреде­лены контролируемые показатели для орга­низаций:

• оптовой торговли: нефинансовый показа­тель — площадь складских помещений (ПСМ), кв.м, источник информации — форма № 1-ТОРГ Росстата;
• розничной торговли: нефинансовый по­казатель — площадь торговых залов (ПТЗ), кв.м, источник информации — инвентариза­ционные и правоустанавливающие докумен­ты организации;
• общественного питания: нефинансовый показатель — площадь зала обслуживания (ПЗО), кв.м, источник информации — инвен­таризационные и правоустанавливающие до­кументы организации;
• гостиничного бизнеса: нефинансовый показатель — площадь помещений для про­живания (ППДП), кв.м, источник информа­ции — инвентаризационные и правоустанав­ливающие документы организации;
• автотранспортных: нефинансовый по­казатель — количество автотранспортных средств (КАТС), шт., источники информа­ции — данные аналитического учета на счете 01, расчет транспортного налога;
• здравоохранения: нефинансовые пока­затели — число коек (ЧК), шт., численность врачей (ЧВр), чел., источник информации — форма № 1-здрав Росстата;
• турфирм: нефинансовый показатель — число отправленных туристов (ЧОТ), чел., источник информации — форма № 1-турфир-ма Росстата.

Например, для автотранспортной органи­зации контролируемыми показателями будут выручка, прибыль от продаж и чистая прибыль на одно автотранспортное средство (В/КАТС, тыс.руб./шт.; ПП/КАТС, тыс.руб./шт.; ЧП/КАТС, тыс.руб./шт.). Для организации розничной тор­говли — выручка, прибыль от продаж и чистая прибыль на кв. метр площади торговых залов (В/ПТЗ, тыс.руб./кв.м; ПП/ПТЗ, тыс.руб./кв.м; ЧП/ПТЗ, тыс.руб./кв.м) и т.д.

Аналитические процедуры, построенные на основе анализа темпов роста (индексов) контролируемых соотношений, предложенных выше, позволят оценить риск существенного искажения отчетности вследствие недобросо­вестных действий. При резких изменениях предложенных контролируемых показателей возрастает риск существенного искажения в конкретной статье отчетности, что требует от аудитора проведения дополнительных ау­диторских процедур. Например, при резком уменьшении выручки и прибыли на киловатт-час израсходованной электроэнергии возни­кает риск недобросовестных действий, заклю­чающихся в выпуске и реализации производ­ственной организацией неучтенной продукции.

Литература

1. Алдарова Т.М. Критерии признания сделок мнимыми и притворными: бухгалтерский, аудитор­ский и юридический подходы // Международный бухгалтерский учет. — 2018. — № 17-18.
2. Алексеев М.А., Дудин С.А. Показатель выявления искажения результатов деятельности компа­нии // Вестник ИПБ (Вестник профессиональных бухгалтеров). — 2017. — № 6.
3. Алексеев М.А., Глинский В.В. Об оценке вероятных искажений отчетности экономических субъ­ектов / М.А. Алексеев, В.В. Глинский, Л.К. Серга, М.Л. Пятов // Вопросы статистики. — 2019. — № 7.
4. Амзельт А.Г. Аналитические процедуры для выражения рисков существенного искажения в результате недобросовестных действий // Аудитор. — 2013. — №12.
5. Арженовский С.В., Бахтеев А.В. Аналитические процедуры как инструмент идентификации риска фальсификации финансовой отчетности: методологический и методический аспекты // Ауди­торские ведомости. — 2016. — № 12.
6. Арженовский С.В., Бахтеев А.В. Риск фальсификации финансовой отчетности и его оценка в ходе аудита. — Ростов-на-Дону.: РГЭУ (РИНХ), 2017. -104 с.
7. Арженовский С.В., Бахтеев А.В. Логит-модели для оценки риска преднамеренного искажения финансовой отчетности российских банков // Международный бухгалтерский учет. — 2019. — № 1.
8. Гусев И.Ю. Методы, с помощью которых аудиторы выявляют мошенничество внутри компа­нии // Российский налоговый курьер. — 2012. — № 1.
9. Егорова И.С. Особенности идентификации и осуществления аудита мошенничеств // Аудитор. — 2017. — № 6. — С. 31-42.
10. Орлова Е.В. Недобросовестные действия аудируемого лица // Налоговый учет для бухгалтера. — 2005. — № 6.
11. Сафонова А.В., Сильченко А.Д. Фальсификация финансовой отчетности: понятие и инструмен­ты выявления // Учет. Анализ. Аудит. — 2018. — № 6.
12. Соболева Г.В., Толкачева Д.Г. Анализ возможности манипулирования данными финансовой (бух­галтерской) отчетности на основании данных финансовых индикаторов // Аудиторские ведомости. — 2014. — № 7.
13. Швырева О.И., Чокмасова В.Ю. Профилактика мошенничества в торговых организациях // Международный бухгалтерский учет. — 2013. — № 36.
14. Штефан М.А., Ферулева Н.В. Выявление фактов фальсификации финансовой отчетности в рос­сийских компаниях: анализ применимости моделей Бениша и Роксас // Российский журнал мененджмента. — 2016. — № 3. — С. 49-70.
15. Beneish M.D. The Detection of Earnings Manipulation// Financial Analysts Journal, 1999, Vol. 55, № 5. P. 24-36.
16. Brazel J.F., Jones K.L., Zimbelman M.F. Using non-Financial Measures to assess fraud risk // Journal of Accounting Research, 2009, Vol. 47, № 5. P. 1135-1166.
17. Dechow P.M., Ge W., Larson C.R., Sloan R.G. Predicting Material Accounting Misstatements // Contemporary Accounting Research, 2011, Vol. 28, № 1. P. 17-82.
18. Ittner C. and Larcker D. Are Nonfinancial Measures Leading Indicators of Financial Performance? An Analysis of Customer Satisfaction // Journal of Accounting Research, 1998, Vol. 36. P. 1 — 35.
19. Jones K.L. Improving fraud risk assessments trough analytical procedures. Doctor of Philosophy, UMI, Dissertation Services, The University of Arizona, 2004.
20. Roxas M.L. Financial Statements Fraud Detection Using Ratio and Digital Analysis // Journal of Leadership, Accountability and Etics, 2011, Vol. 8(4). P. 56-66.
21. Spathis C.T. Detecting False Financial Statements Using Published: Some Evidence from Greece // Managerial Auditing Journal, 2002, Vol. 17, № 4. P. 179-191.