АВТОМАТИЗИРОВАННЫЕ МЕТОДЫ И СИСТЕМНЫЙ АНАЛИЗ В ВЫЯВЛЕНИИ ИСКАЖЕНИЙ ФИНАНСОВОЙ ОТЧЕТНОСТИ ЗАЕМЩИКОВ
DOI:
https://doi.org/10.5281/zenodo.17083035Ключевые слова:
манипуляции с финансовой отчетностью, кредитный риск, скоринговая система, методы системного анализа, анализ кредитоспособности, модель Бениша, анализ финансовых коэффициентов.Аннотация
Статья посвящена анализу и совершенствованию современных подходов к выявлению манипуляций с финансовой отчетностью компаний-заемщиков. Искажение отчетности является потенциальной угрозой надежности кредитных решений и финансовой устойчивости банка, этим обусловлена актуальность данной темы. Финансовая отчетность рассматривается как база для оценки кредитоспособности корпоративного заемщика, где ее искажение выступает в роли дестабилизирующего фактора, что приводит к увеличению кредитных рисков для коммерческого банка. В работе представлено сопоставление методов искажений отчетности с группами финансовых коэффициентов, являющихся основой оценки кредитоспособности компаний. Благодаря этому были выявлены статьи отчетности, манипуляции с которыми могут дать наибольший эффект при попытке «улучшить» финансовое состояние компании. Для каждого метода искажения представлен перечень способов манипуляций. В качестве иллюстрации представлен пример из практики одного из российских банков, отражающий применение одного из возможных методов искажения финансовой отчетности, что является подтверждением актуальности данной проблемы.
Процесс принятия решения о выдаче кредита представлен в виде кибернетической системы, применение которой поможет усовершенствовать процесс выявления манипуляций с отчетностью. Несмотря на присутствие в банковской практике управления кредитными рисками автоматизированных систем, основой для выявления манипуляций с финансовой отчетностью остается тщательный контроль за деятельностью каждого заемщика и наблюдение за его отчетностью и финансовыми результатами. Это является подтверждением необходимости пересмотра методов выявления манипуляций в кредитных организациях и совершенствования системы обнаружения искажений финансовой отчетности. В работе предложены рекомендации, основанные на современных тенденциях к автоматизации и цифровизации аналитических процессов с применением методов системного анализа. Данная работа представляет практическую ценность для кредитных организаций, так как ее результаты могут быть использованы для повышения эффективности процедур оценки кредитоспособности заемщиков и надежности кредитных решений, а также для снижения риска одобрения кредита на основании анализа недостоверной отчетности.
Скачивания
Библиографические ссылки
1. ФинУслуги: финансовый маркетплейс от Мосбиржи : официальный сайт. – URL: https://finuslugi.ru/glossariy/kreditnyj_risk_banka (дата обращения: 03.03.2025).
2. КонсультантПлюс : официальный сайт. – URL: https://www.consultant.ru/document/cons_doc_LAW_21941/ (дата обращения: 05.05.25)
3. Обязанности аудитора в отношении недобросовестных действий при проведении аудита финансовой : Международный стандарт аудита 240 отчетности: Введен в действие на территории Российской Федерации приказом Минфина России от 09.01.2019 № 2н – URL: https://docs.cntd.ru/document/552280524?marker=8OU0LO (дата обращения: 05.05.2025)
4. Завалишина, А.К. Выявление признаков манипуляций в финансовой отчетности с помощью методов машинного обучения на примере организаций строительного сектора / А.К. Завалишина, Е.М. Метляев // Научный журнал «Современная экономика: проблемы и решения». – 2023. – Т. 8. – С. 60-72.
5. ACFE : официальный сайт. – 2024. – URL: https://legacy.acfe.com/report-to-the-nations/2024/ (дата обращения: 03.03.2025). – Текст: электронный.
6. KPMG : официальный сайт. – URL: https://assets.kpmg.com/content/dam/kpmg/kz/pdf/ru-ru-profiles-of-the-fraudster-russia-and-the-cis.pdf (дата обращения: 05.03.2025). – Текст: электронный.
7. ВикипедияЯ : [сайт]. – Москва, 2025 – URL: https://clck.ru/3LwVav (дата обращения: 10.03.2025).
8. Кубатиева, Л.М Искажения данных отчетности: виды, возможные последствия и способы выявления / Л.М. Кубатиева // Научно-информационный издательский центр «Институт стратегических исследований». – 2022. – №5-3. – С. 115-119.
9. Черемисинова, Д.В. Основные виды манипуляций с финансовой отчетностью и методы их предупреждения / Д.В. Черемисинова, В.Д. Вахрушев, А.С. Чуйков // Сборник материалов I Международной научно-практической конференции «Власть, бизнес и общество в цифровой экономике: глобальный и национальный контексты». – 2022. – С. 123-124.
10. Сбер Решения : [сайт]. – Москва, 2024. – URL: https://clck.ru/3LvzB4 (дата обращения: 11.03.2025).
11. ЧТОДЕЛАТЬКОМЬЮНИТИ : [сайт]. – Москва – URL: https://www.4dk.ru/content/art/3225-law-tsentrobank-i-fns-ustanovili-poryadok-vzaimodeystviya-dlya-proverki-otchetnosti-20171006 (дата обращения: 15.03.2025).
12. Банки.ру : [сайт]. – Москва, 2022 – URL: https://www.banki.ru/news/columnists/?id=10970889 (дата обращения: 16.03.25). – Текст: электронный.
13. Завалишина, А.К. Рекомендации по анализу финансового состояния организаций, входящих в группу компаний, задействованных в манипулировании финансовой отчетности, на примере строительного сектора / А.К. Завалишина // Материалы второго международного научно-практического форума по экономической безопасности «VII ВСКЭБ». – 2021. – С. 298-305.
14. Ферулева, Н.В. Выявление фактов фальсификации финансовой отчетности в российских компаниях: анализ применимости моделей Бениша и Роксас / Н.В. Ферулева, М.А. Штефан // Российский журнал менеджмента Russian Management Journal. – 2016. – Т. 14, №3. – С. 49-70.
15. SecurityLab.ru : [сайт]. – Москва, 2024. – URL: https://clck.ru/3KZhZV (дата обращения: 21.03.25). – Текст: электронный.
References
1. FinUslugi. (2025) Bank credit risk. Retrieved from https://finuslugi.ru/glossariy/kreditnyj_risk_banka (In Russian).
2. ConsultantPlus. List of terms and definitions used in the rules (standards) of auditing activities. Retrieved from https://www.consultant.ru/document/cons_doc_LAW_21941/ (In Russian).
3. The auditor's responsibilities regarding fraud in an audit of financial statements: International Standard on Auditing 240: Put into effect in the territory of the Russian Federation by the order of the Ministry of Finance of Russia dated 09.01.2019 No. 2n. Retrieved from https://docs.cntd.ru/document/552280524?marker=8OU0LO (In Russian).
4. Zavalishina, A.K. & Metlyaev, E.M. (2023) [Detecting signs of manipulation in financial statements using machine learning methods: Evidence from the construction sector]. Modern Economics: Problems and Solutions. 8, 60–72. (In Russian).
5. Association of Certified Fraud Examiners (ACFE) (2024) Report to the Nations: 2024 Global Study on Occupational Fraud and Abuse. Retrieved from: https://legacy.acfe.com/report-to-the-nations/2024/ (In Russian).
6. KPMG. Profiles of the Fraudster: Russia and the CIS [Report]. Retrieved from https://assets.kpmg.com/content/dam/kpmg/kz/pdf/ru-ru-profiles-of-the-fraudster-russia-and-the-cis.pdf (In Russian).
7. Wikipedia (2025) Creditworthiness Retrieved from: https://clck.ru/3LwVav (In Russian).
8. Kubatieva, L.M. (2022) [Financial statement distortions: Types, consequences, and detection methods]. Institute of Strategic Studies Journal. 5(3), 115–119. (In Russian).
9. Cheremisinova, D.V., Vakhrushev, V.D., & Chuikov, A.S. (2022) [Main types of financial statement manipulation and prevention methods]. Proceedings of the 1st International Conference «Power, Business, and Society in the Digital Economy: Global and National Contexts», 123–124. (In Russian).
10. Sber Solutions. (2024) Negative Net Assets. Consequences for the Company. Retrieved from: https://clck.ru/3LvzB4 (In Russian).
11. ChtoDelat Community. The Central Bank and the Federal Tax Service have established a procedure for interaction to verify reporting. Retrieved from: https://www.4dk.ru/content/art/3225-law-tsentrobank-i-fns-ustanovili-poryadok-vzaimodeystviya-dlya-proverki-otchetnosti-20171006 (In Russian).
12. Banki.ru (2022) What kind of business will the bank not give a loan to? Retrieved from: https://www.banki.ru/news/columnists/?id=10970889 (In Russian).
13. Zavalishina, A.K. (2021) [Guidelines for analyzing the financial condition of companies engaged in financial statement manipulation: Evidence from the construction sector]. Proceedings of the 2nd International Scientific-Practical Forum on Economic Security «VII VSKEB», 298–305. (In Russian).
14. Feruleva, N.V. & Shtefan, M.A. (2016) [Detecting financial statement fraud in Russian companies: Testing the applicability of Beneish and Roxas models]. Russian Management Journal, 14(3), 49–70. (In Russian).
15. SecurityLab.ru. (2024) Neural Networks for Financial Audit: The Best Solutions for Business. Retrieved from: https://clck.ru/3KZhZV (In Russian).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Новое в экономической кибернетике» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.


