Metody diagnozowania fałszowania sprawozdań finansowych na przykładzie spółek amerykańskich w latach 2000-2007

Niniejsza praca podejmuje temat fałszowania sprawozdań finansowych na amerykańskim rynku kapitałowym. Celem dysertacji jest stworzenie autorskiej metody badawczej polegającej na połączeniu regresji logistycznej i technik Data Mining w model hybrydowy CART-Logit, który w dotychczasowych pracach empirycznych nie był stosowany, a według autora może zwiększyć trafność diagnozowania fałszowania sprawozdań finansowych. Zaletą modelu hybrydowego jest wykorzystanie relacji nieliniowych, które odpowiadają charakterowi powiązań strukturalnych oraz oferują większy stopień dywersyfikacji modelu wobec bardziej tradycyjnych regresji liniowych (Zhu, Philpotts, Sparks i Stevenson, 2011). W niniejszej pracy dokonano przeglądu dotychczasowych badań wykorzystujących regresje nieliniowe oraz stosujących techniki Data Mining do wykrywania zjawiska podjętego w pracy, na podstawie których sformułowano główną hipotezę. Główna hipoteza dysertacji jest następująca: metoda badawcza wykorzystująca wybrane wskaźniki finansowe z raportów rocznych spółek pozwoli zaklasyfikować spółkę jako fałszującą sprawozdania finansowe. W dotychczasowych badaniach autorzy dążyli do osiągnięcia jak największej trafności zaproponowanych modeli diagnostycznych tj. poprawnej klasyfikacji wszystkich obserwacji, ale żaden z nich nie uzyskał stuprocentowej poprawności klasyfikacyjnej. W przekonaniu autora dysertacji ważniejsza jest jak najwyższa wrażliwość metody badawczej tj. prawidłowe zaklasyfikowanie jak największej liczby spółek fałszujących sprawozdania finansowe, gdyż biegły rewident może wykonać dodatkowe testy diagnostyczne lub otrzymać dodatkowe dokumenty księgowe, które pozwolą wykluczyć spółkę z grona fałszujących sprawozdania finansowe. W dysertacji, po analizie dotychczasowych badań nad zjawiskiem fałszowania sprawozdań finansowych, postawiono następujące hipotezy pomocnicze: H1: Uwzględnienie techniki fałszowania sprawozdań finansowych zwiększy trafność klasyfikacyjną metody. H2: Uwzględnienie w analizach zmiennych niefinansowych związanych z wiekiem i wynagrodzeniem dyrektora generalnego, renomą spółki audytującej oraz posiadanymi akcjami przedsiębiorstwa przez dyrektora generalnego i Radę Dyrektorów pozwoli na zwiększenie trafności metody. H3: Uwzględnienie w metodzie wskaźnika Springate’a (1978) zwiększy w większym stopniu trafność klasyfikacyjną niż uwzględnienie wskaźnika Altmana dla spółek giełdowych (1968). H4: Uwzględnienie dodatkowych zmiennych finansowych związanych z różnicami memoriałowymi i wskaźnikiem wartości rynkowej spółki do jej wartości księgowej wpłynie na poprawę trafności klasyfikacyjnej metody. H5: Metoda polegająca na podziale obserwacji na grupę kontrolną i testową spowoduje pogorszenie trafności klasyfikacyjnej w porównaniu do metody uwzględniającej wszystkie obserwacje. Weryfikacja postawionych w pracy hipotez była możliwa poprzez analizę pozwów U.S. Securities and Exchange Commission zawartych w bazie Accounting and Auditing Enforcement Release w latach 2001-2013 z przepisu 10(b)-5 ustawy Securities Exchange Act z 1934 r. Spółki kontrolne zostały dobrane na podstawie przynależności do tego samego sektora gospodarki według czterocyfrowego kodu Standard Industrial Classification (SIC), wielkości określonej w oparciu o wartość aktywów ogółem minimalizującej różnice pomiędzy spółkami, jeżeli w danym sektorze gospodarki nie znaleziono odpowiedniej spółki, powtarzano pierwszy krok, dobierając spółkę z trzycyfrowego, a następnie dwucyfrowego kodu SIC oraz dostępności danych za te same lata co spółki manipulujące danymi. Wielkość badanej próby składa się łącznie z 369 przedsiębiorstw oraz 1 641 obserwacji, w tym odpowiednio 161 spółek i 517 obserwacji odnoszących się analizowanego zjawiska. Do weryfikacji postawionych w pracy hipotez oprócz modelu hybrydowego zastosowano ponadto regresję logistyczną, drzewa decyzyjne oraz sieci neuronowe, które były najczęściej wskazywanymi metodami w analizowanej literaturze oraz osiągały najwyższe trafności w przeprowadzonych badaniach. Uzyskane wyniki estymacji skłoniły do odrzucenia głównej hipotezy postawionej w pracy, gdyż żaden model, w tym model hybrydowy nie sklasyfikował poprawnie wszystkich obserwacji związanych z fałszowaniem sprawozdań finansowych. Natomiast uwzględnienie techniki fałszowania sprawozdań finansowych zwiększyło trafność prognostyczną metody, co potwierdziło pierwszą hipotezę pomocniczą. Zastosowanie zmiennych niefinansowych, związanych z wiekiem i wynagrodzeniem dyrektora generalnego, renomą spółki audytującej oraz posiadanymi akcjami przedsiębiorstwa przez CEO i Radę Dyrektorów zwiększyło dopasowanie zaproponowanej metody badawczej, co potwierdziło drugą hipotezę pomocniczą. Natomiast uwzględnienie w metodzie modeli predykcji bankructwa Altmana i Springate’a pogorszyło trafność prognostyczną metody, co oznacza odrzucenie trzeciej hipotezy pomocniczej. Z kolei zastosowanie różnic memoriałowych oraz wskaźnika wartości rynkowej przedsiębiorstwa do jego wartości księgowej zwiększało moc predykcyjną metody, co potwierdziło czwartą hipotezę pomocniczą. Ważnym elementem sprawdzonym w badaniu była stabilność wyników uzyskanych dla wszystkich obserwacji oraz po podziale na grupę kontrolną i testową. Jedynie dla regresji logistycznej oraz modelu hybrydowego podział spółek na dwie grupy zwiększył nieznacznie trafność metody, natomiast dla drzew decyzyjnych oraz sieci neuronowych zdecydowanie pogorszył dopasowanie, stąd nie można było odrzucić piątej hipotezy pomocniczej postawionej w pracy. Wyniki przedstawione w dysertacji wskazują, że istnieją obszary, na które odbiorcy sprawozdań finansowych powinni zwrócić szczególną uwagę przy dokonywaniu potencjalnej inwestycji czy ocenie atrakcyjności spółki. Wymaga to jednak posiadania od inwestorów oraz analityków niezbędnej wiedzy i doświadczenia w zakresie finansowo-rachunkowym. Przeprowadzone w pracy rozważania są istotne dla prawidłowego funkcjonowania rynku kapitałowego oraz mogą przyczynić się do poszukiwania skutecznych metod zapobiegania fałszowaniu sprawozdań finansowych.

The PhD dissertation deals with falsification of financial statements on the American capital market. The aim of the dissertation is to create an original research method based on combining logistic regression and Data Mining techniques into the CART-Logit hybrid model. The hybrid model in previous empirical researches has not been used so far and according to the author of the dissertation may increase the accuracy of diagnosing falsification of financial statements. The advantage of the hybrid model is the use of nonlinear relations that correspond to the nature of structural links and offer a greater degree of model diversification towards more traditional linear regressions (Zhu, Philpotts, Sparks and Stevenson, 2011). In PhD dissertation previous studies that use non-linear regressions and Data Mining techniques to detect the falsification of financial statements are used, on the basis of which the main hypothesis was formulated. The main dissertation hypothesis is as follows: the research method using selected financial indicators from companies’ annual reports will allow to classify the company as falsifying the financial statements. In previous studies, the authors attempted to achieve the highest possible accuracy of the proposed diagnostic models, i.e. the correct classification of all observations, but none of them did not get one hundred percent accuracy of the classification. In the conviction of the author of the dissertation, the highest sensitivity of the research method is more important, i.e. the correct classification of the largest number of companies falsifying the financial statements, because the auditor may perform additional diagnostic tests or receive additional accounting documents that will exclude the company from fraud group. In the dissertation, after analyzing the current research on the phenomena of falsification of financial statements, the following auxiliary hypotheses were put forward: H1: The inclusion of falsification of financial statements techniques will increase the accuracy of classification methods. H2: The inclusion in the analyzes of non-financial variables related to the age and remuneration of the chief executive officer (CEO), the reputation of the audit company and the company's shares held by the CEO and the Board of Directors will increase the accuracy of the method. H3: The inclusion in the method of Springate index (1978) will increase classification accuracy more than the inclusion of the Altman Z-Score (1968). H4: The inclusion of additional financial variables related to accruals and the market value of the company to its book value ratio will improve the accuracy of the classification method. H5: The method with the division of observations into a control and test group will result in deterioration of classification validity in comparison to the method taking into account all observations. Verification of the hypotheses set in the dissertation was possible through the analysis of U.S. Securities and Exchange Commission lawsuits included in the Accounting and Auditing Enforcement Release database in 2001-2013 from regulation 10(b)-5 of the Securities Exchange Act of 1934. The control companies were selected on the basis of belonging to the same sector of the economy according to the four-digit Standard Industrial Classification (SIC) code, determined by total assets minimizing differences between companies, if no relevant company was found in a given sector, the first step was repeated, selecting a company from a three-digit code and followed by a two-digit SIC code and data availability for the same years as data manipulation companies. The sample consists of a total of 369 companies and 1 641 observations, including 161 companies and 517 observations related with falsifying the financial statements. To verify the hypotheses made in the dissertation apart from the hybrid model there were also used logistic regression, decision trees and neural networks, which were the most frequently indicated methods in the analyzed literature and achieved the highest accuracy in the conducted researches. Obtained results of the estimation led to the rejection of the main hypothesis posed in dissertation, because none of applied method correctly classified all observations related to falsification of financial statements. The inclusion of the financial statement fraud techniques increased the prognostic accuracy of the method, which confirmed the first auxiliary hypothesis. Also, the inclusion of non-financial variables related to the age and remuneration of the CEO, the reputation of the auditing company and the shares of the company held by the CEO and the Board of Directors increased the adjustment of the proposed research method, which confirmed the second auxiliary hypothesis. On the other hand, the inclusion of the Altman and Springate bankruptcy models deteriorated the prognostic accuracy of the method, which led to the rejection of the third auxiliary hypothesis. Taking into account the accruals and the market value of the company to its book value ratio increased the predictive power of the method, which confirmed the fourth auxiliary hypothesis. An important element checked in the study was the stability of results obtained for all observations and after division into a control and test group. Only for logistic regression and hybrid model the division of companies into two groups slightly increased the accuracy of the method, whereas for decision trees and neural networks, the fit has definitely worsened, hence the fifth auxiliary hypothesis could not be rejected. The results presented in the dissertation indicate that there are areas for which recipients of financial statements should pay special attention when making a potential investment or assessing the attractiveness of the company. However, this requires that the investors and analysts have the necessary knowledge and experience in the financial and accounting area. The considerations carried out in the dissertation are important for the proper functioning of the capital market and may contribute in searching for more effective methods to prevent falsification of financial statements.