ИИ поможет проверять компании на махинации с отчетностью
За последние четверть века многие крупные корпорации, в том числе, Enron, Lehman Brothers, General Electric и Supermicro, оказывались в центре громких скандалов, связанных с фальсификацией финансовой отчетности. Эти случаи часто становились очевидными лишь после того, как инвесторы теряли миллиарды долларов. Аналитики и исследователи уже давно пытаются разработать более эффективные способы выявления компаний, которые скрывают свои слабые показатели с помощью сомнительных или даже незаконных бухгалтерских методов.
Новое исследование профессора бухгалтерского учета Университета Техаса Уруджа Хана предлагает усовершенствованный способ оценки «качества прибыли» компаний. Хан разработал модель EQSCORE (оценка качества прибыли), которая показала более высокую эффективность по сравнению с существующими методиками выявления компаний с подозрительными бухгалтерскими практиками.
EQSCORE отличается комплексным подходом. Модель учитывает широкий спектр сигналов, включая традиционные бухгалтерские показатели, аспекты корпоративного управления, такие как наличие председателя совета директоров, имеющего внутренние связи в компании, и проблемы, выявленные финансовыми аудиторами. Эта широта анализа делает модель более надежной для выявления признаков финансовых манипуляций.
Для создания модели Хан вместе с Венкатом Педдиредди из Китайской Европейской международной бизнес-школы и Шивой Раджгопалом из Колумбийского университета изучили детализированные отчеты одной из ведущих частных исследовательских компаний. Эти отчеты основывались на анализе общедоступной информации и указывали на компании, возможно использующие сомнительные бухгалтерские практики.
Анализ охватил 613 отчетов, выделив 230 компаний с признаками возможных нарушений. Авторы определили 51 «красный флаг», который лег в основу EQSCORE, в том числе, 31 бухгалтерский показатель (например, сомнительные данные о доходах и марже прибыли), 8 характеристик корпоративного управления, а также 11 параметров, связанных с аудитом.
Затем исследователи протестировали EQSCORE на выборке компаний, против которых Комиссия по ценным бумагам и биржам США (SEC) инициировала расследования за явные случаи манипуляций. Этот этап позволил проверить, насколько эффективно модель предсказывает случаи, подтвержденные регулятором. Результаты оказались впечатляющими: EQSCORE успешно предсказала 71% годов отчетности, ставших объектом расследований SEC, тогда как второй по точности метод справился только с 55%.
Эти данные свидетельствуют о том, что модель значительно превосходит существующие подходы и может стать инструментом как для регуляторов, так и для частных инвесторов. Хан надеется, что SEC, которая с 2012 года разрабатывает собственные модели выявления мошенничества, заинтересуется EQSCORE. Кроме того, модель может быть полезна инвесторам для идентификации компаний, использующих агрессивные, но формально законные бухгалтерские приемы.
Чтобы продемонстрировать практическую ценность инструмента, исследователи предложили инвестиционную стратегию на основе EQSCORE. Они смоделировали покупку акций компаний с низким EQSCORE и шорт продажу акций компаний с высоким показателем, предполагая, что последние будут терять в цене. Эта стратегия в среднем давала на 7,8% больше годовой прибыли, чем ожидалось без ее использования. Таким образом, модель открывает новые перспективы как для регуляторов, так и для инвесторов, стремящихся минимизировать свои риски.
Ранее ученые раскрыли удивительную правду о наличных и безналичных расходах.
