Vysoká škola ekonomická v Praze
Diplomová práce
2021 Sára Ondříšková
Vysoká škola ekonomická v Praze Fakulta podnikohospodářská
Studijní obor: Management
Název diplomové práce:
Varovné signály indikující podvod s finančními výkazy
Autor diplomové práce: Bc. Sára Ondříšková
Vedoucí diplomové práce: Ing. Patrik Sieber, Ph.D.
P r o h l á š e n í
Prohlašuji, že jsem diplomovou práci na téma
„Varovné signály indikující podvod s finančními výkazy“
vypracovala samostatně s využitím literatury a informací, na něž odkazuji.
V Praze dne 12. května 2021 Podpis
Poděkování
Ráda bych touto cestou poděkovala svému vedoucímu Ing. Patriku Sieberovi, Ph.D. za jeho vstřícnost, trpělivost a poskytnuté rady, které mi věnoval při zpracování této práce. Rovněž děkuji své rodině a příteli za podporu během celé doby mého studia.
Název diplomové práce:
Varovné signály indikující podvod s finančními výkazy
Abstrakt:
Cílem diplomové práce je shrnout poznatky o varovných signálech, jež indikují možné podvodné finanční výkazy, a nástrojích jejich detekce. Na základě vzorku 30 odborných studií, které byly vybrány metodou systematické literární rešerše, práce syntetizuje varovné signály do čtyř skupin – anomálie ve finančních výkazech, mimořádné události, slabé stránky vnitřního kontrolního systému a charakteristiky managementu. Ze studií vyplynulo, že mezi nástroje detekce podvodů finančních výkazů využitelné v praxi patří analytické procedury, checklisty nebo modely Benishovo M-skóre a Dechowo F-skóre. Výstupy ze systematické literární rešerše jsou aplikovány v rámci ex-ante analýzy na vybrané společnosti. V závěru práce jsou diskutovány možné postupy při posuzování rizika podvodu s finančními výkazy.
Klíčová slova:
Varovné signály, podvod, systematická rešerše, proaktivní procedury
Title of the Master´s Thesis:
Red flags Indicating Financial Statement Fraud
Abstract:
The aim of this master thesis is to summarize the theoretical knowledge about the warning signals that indicate possible fraudulent patterns in financial statements as well as about detection tools of such conducts. The thesis synthetizes warning signals into four groups – anomalies in financial statements, extraordinary events, internal control system weaknesses and management characteristics by using a systematic literature review on a sample of 30 research papers. The review concludes that the available tools for financial practitioners are analytical procedures, checklists or Beneish M-score and Dechow F-score models. Furthermore, the findings of the systematic literature review are applied via ex-ante analysis of a chosen company.
Finally, the thesis discusses possible approaches to assessing fraud risk in financial statements.
Key words:
Red flags, fraud, systematic research, proactive procedures
Seznam použitých zkratek __________________________________________ 4 Seznam grafů, schémat a tabulek ____________________________________ 5 Úvod __________________________________________________________ 12 1 Vymezení základních pojmů _____________________________________ 14 1.1 Rozsah problematiky podvodů s finančními výkazy __________________ 14 1.2 Podvodné finanční výkazy _______________________________________ 16 1.3 Varovné signály _______________________________________________ 18 2 Metodika výzkumu ____________________________________________ 20
2.1 Vstupy ______________________________________________________ 21 2.1.1 Cíle ____________________________________________________________ 21 2.1.2 Výběr databáze___________________________________________________ 21 2.1.3 Klíčová slova _____________________________________________________ 21 2.1.4 Jazyk studií ______________________________________________________ 22 2.1.5 Časový rámec ____________________________________________________ 22 2.2 Proces výběru výzkumného vzorku _______________________________ 23 2.3 Výstupy _____________________________________________________ 26 3 Výzkumná část _______________________________________________ 33
3.1 Rizikové faktory podvodu _______________________________________ 33 3.2 Varovné signály indikující podvody s finančními výkazy _______________ 34 3.2.1 Anomálie ve finančních výkazech ____________________________________ 35 3.2.2 Slabé stránky vnitřního kontrolního systému ___________________________ 40 3.2.3 Mimořádné události _______________________________________________ 42 3.2.4 Charakteristiky managementu ______________________________________ 44 3.3 Nástroje detekce podvodných finančních výkazů ____________________ 47
3.3.1 Analytické procedury ______________________________________________ 47 3.3.2 Checklist ________________________________________________________ 50 3.3.3 Statistické modely a strojové učení ___________________________________ 51 3.3.4 Primární výzkum __________________________________________________ 56
4 Případová studie ______________________________________________ 57 4.1 Stručný přehled o společnosti ____________________________________ 57
4.2 Anomálie ve finančních výkazech _________________________________ 58 4.2.1 Porovnání s odvětvím______________________________________________ 60 4.2.2 Výkaz cashflow ___________________________________________________ 61 4.2.3 Porovnání finančních a nefinančních informací _________________________ 62 4.2.4 Non-gaap metriky _________________________________________________ 63 4.3 Slabé stránky vnitřního kontrolního systému _______________________ 64 4.4 Mimořádné události ___________________________________________ 65 4.4.1 Změna auditora a zvýšení poplatků za audit ____________________________ 65 4.4.2 Insider selling ____________________________________________________ 66 4.5 Charakteristiky managementu ___________________________________ 67 5 Diskuze _____________________________________________________ 69 Závěr __________________________________________________________ 71 Použitá literatura ________________________________________________ 73
Seznam použitých zkratek
ACFE – Association of Certified Fraud Examiners
COSO – Committe of Sponsoring Organizations of the Treadway Commission IFRS – International Financial Reporting Standards
US GAAP – United States Generally Accepted Accounting Principles SEC – The U.S. Securities and Exchange Commission
SOX – The Sarbanes-Oxley Act WoS – Web of Science
Seznam grafů, schémat a tabulek
Graf 1: Rozsah ztrát dle kategorie 15
Graf 2: Počet vydaných publikací v daném roku 25
Graf 3: Vývoj ceny akcie (v USD) 57
Graf 4: Složená roční míra růstu tržeb 2010-2015 60 Graf 5: Zadluženost vlastního kapitálu Společnosti vs. konkurence 61
Graf 6: Počet zaměstnanců 2010-2015 62
Schéma 1: Strom podvodů 17
Schéma 2: Proces systematické literární rešerše 24 Schéma 3: Kvalita účetnictví a s ní spojený poplatek za audit 43
Tabulka 1: Rozdíl mezi podvodem a earnings management 14
Tabulka 2: Četnost podvodů dle kategorie 15
Tabulka 3: Seznam časopisů se dvěma a více články 25
Tabulka 4: Ukázka analýzy klíčových položek 48
Tabulka 5: Střední hodnoty 54
Tabulka 6: Interpretace F-skóre 55
Tabulka 7: Hlavní distributoři Valeantu 58
Tabulka 8: Trendy peněžního cyklu 59
Tabulka 9: Čtvrtletní výsledky (před opravou) 59
Tabulka 10: Podíl výzkumu a vývoje na celkových výnosech (%) 61 Tabulka 11: Investice do akvizic (v milionech USD) 62
Tabulka 12: Analýza nefinančních informací 63
Tabulka 13: Porovnání non-GAAP metrik 64
Tabulka 14: Poplatky za audit (v mil. dolarů) 65
Tabulka 15: Aktivita prodejů před ohlášením opravy výkazů 66
Tabulka 16: Navyšování cen akvirovaných léků 67
12
Úvod
Investoři se při investičním rozhodování potýkají se dvěma základními otázkami, a to, jak riskantní je zamýšlená investice a jakou návratnost mohou očekávat. Kvalitní, spolehlivé a transparentní finanční výkazy jsou předpokladem pro efektivní alokaci zdrojů (Rezaee, 2005). Dle Turner (2000) vysoce kvalitní finanční výkazy obsahují relevantní a spolehlivé finanční informace, odráží věrný obraz skutečnosti, jsou ověřitelné, konzistentní v čase a nezkreslené.
Bohužel, podle komise pro kontrolu cenných papírů Spojených států (SEC), která dohlíží nad společnostmi obchodovanými na burzách cenných papírů, jsou klamné finanční výkazy vydávány narůstajícím tempem. Každý rok SEC prostřednictvím donucovacího orgánu podá stovky donucovacích opatření. Mezi obžalovanými jsou nejčastěji veřejné společnosti, dceřiné společnosti veřejných společností nebo jednotlivci. Za fiskální rok 2019 vydalo SEC proti těmto subjektům s výjimkou v roce 2016 nejvíce donucovacích opatření za posledních 10 let. Podle výroční zprávy za fiskální rok 2019 zahrnovaly žaloby široké spektrum pochybení od podvodů, zveřejňování zavádějících informací o rizikových faktorech po prezentaci zavádějících metrik. Ačkoliv se podvody s finančními výkazy neřadí mezi nejvyskytovanější kategorii podvodů, jejich následky jsou velmi závažné a dalekosáhlé. Od vyloučení z výkonu funkce, uložení peněžních pokut, ztráty úspor, vyhlášení bankrotu, delistování z burzy, ztrátu reputace až po uvěznění pachatelů podvodu. Odhaduje se, že podvod s finančními výkazy představuje průměrnou ztrátu ve výši 8,6 milionů dolarů (ACFE, 2020). Záměrem této práce je shrnout informace o tom, jaké proaktivní kroky mohou investoři a jiné zainteresované subjekty provést, aby předešly potenciální finanční ztrátě způsobené podvodem. Cílem práce je za pomocí systematické literární rešerše odpovědět na otázku, jaké varovné signály jsou asociovány s podvodnými finančními výkazy, a jaké nástroje detekce lze použít.
Po obsahové stránce je tato diplomová práce strukturovaná do čtyř kapitol. První kapitola práce seznamuje čtenáře s rozsahem problematiky podvodů s finančními výkazy, klasifikací podvodů s finančními výkazy a základními definicemi spojenými s tématem práce. V následující kapitole je detailně popsán postup výběru finálního vzorku rešerše včetně veškerých vstupních kritérií vyhledávání. Poté navazuje samotná praktická část, která je rozdělena na výzkumnou část skládající se
13
z vybraných studií a případové studie vybrané společnosti, na které jsou syntetizované poznatky aplikovány. V závěru práce jsou diskutovány výstupy rešerše a doporučení.
14
1 Vymezení základních pojmů
1.1 Rozsah problematiky podvodů s finančními výkazy
Podle Sherman a Young (2016) nemohou mít investoři, věřitelé a jiní uživatelé plnou důvěru v účetní výkazy. S příchodem mezinárodních standardů účetního výkaznictví se v účetnictví setkáváme se subjektivními úsudky a odhady, což vede k tomu, že zobrazení skutečností nebude ani nemůže být absolutně věrné. Kotované společnosti, které podléhají mezinárodním účetním standardům, tedy IFRS (International Financial Reporting Standards) nebo US GAAP (United States Generally Accepted Accounting Principles), mohou tuto flexibilitu k manipulacím s účetními pravidly či odhady využívat. Dechow a Skinner (2000) rozlišují mezi manipulacemi, jež jsou v mezích všeobecně uznávaných účetních pravidel a praktikami, které účetní pravidla jednoznačně porušují (hranici mezi manipulacemi, které jsou v souladu s účetními pravidly a podvodnými finančními výkazy ilustruje tabulka 1). Earnings management neboli řízení zisků se definuje jako praktika, která využívá různé formy triků ke zkreslení skutečné finanční výkonnosti za účelem dosažení požadovaných výsledků (Crumbley, 2007). Ačkoliv mnoho podvodných schémat v minulosti zahrnovalo earnings management, tyto praktiky nemusí vždy znamenat porušování účetních pravidel, je však potřeba nahlížet na ně kriticky.
Earnings management může využívat manipulace reálných aktivit byznysu, například odsouvání výzkumu a vývoje do dalšího čtvrtletí za účelem splnění současných cílů nebo změnou odpisových odhadů.
Tabulka 1: Rozdíl mezi podvodem a earnings management Účetní metody, které jsou v souladu s účetními pravidly
Konzervativní účetnictví
- využívá techniky, které spíše podhodnocují zisky Neutrální zisky
- bez dopadu Agresivní účetnictví
- využívá techniky, které spíše nadhodnocují zisky Účetní metody, které porušují účetní pravidla Podvodné účetnictví
- předčasné uznání výnosů, uznání fiktivních výnosů, antidatování faktur, nadhodnocování zásob
Zdroj: Adaptováno dle Dechow a Skinner (2000)
15
Problém podvodů s finančními výkazy dokazuje globální studie s názvem
„Report to the Nations“, která zkoumá podvody páchané na společnostech již od roku 1996. Studie se zabývá třemi kategoriemi podvodů: zpronevěrou majetku, korupcí a podvody s finančními výkazy. Z těchto dat vychází najevo (viz tabulka 2), že podvody s finančními výkazy patří dlouhodobě mezi nejméně početné podvody páchané na společnostech.
Tabulka 2: Četnost podvodů dle kategorie
Zdroj: Vlastní zpracování (2020) dle Report to the Nations (1996-2020)
Podíváme-li se však na kalkulaci ztrát z pohledu rozsahu škod (viz graf 1), podvody s finančními výkazy mnohonásobně převyšují zpronevěru a korupci.
Graf 1: Rozsah ztrát dle kategorie1
Zdroj: Vlastní zpracování (2020) dle Report to the Nations (1996-2020)
1 Ztráty, které jsou následkem podvodů s finančními výkazy, jsou měřeny jako propad tržní kapitalizace nebo jako ztráta hodnoty pro akcionáře.
$- $1 000 000 $2 000 000 $3 000 000 $4 000 000 $5 000 000
1996 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020
Medián ztráty
Zpronevěra majetku Korupce
Podvodné finanční výkaznictví
Kategorie
podvodu 1996 2002 2004 2006 2008 2010 2012 2014 2016 2018 2020 Zpronevěra
majetku 81% 86% 93% 92% 89% 86% 87% 85% 84% 89% 86%
Korupce 15% 13% 30% 31% 27% 33% 33% 37% 35% 38% 43%
Podvody s finančními výkazy
4% 5% 8% 11% 10% 5% 8% 9% 10% 10% 10%
16
1.2 Podvodné finanční výkazy
K podvodům s finančními výkazy dochází v důsledku úmyslného zveřejnění nesprávných informací, opomenutí některých skutečností či hrubého porušení uznávaných účetních principů, v důsledku čehož je skutečná výkonnost podniku za sledované období zkreslená (Golden et al., 2006).
Rezaee (2005) uvádí, že konstrukce podvodu s finančními výkazy vyžaduje erudovaný tým lidí, kteří se vyznají ve schématech podvodů s výkazy. Podle globálního výzkumu PwC (2020) jsou interními pachateli nejčastěji lidé ve středním managementu. Výsledky globální studie o podvodech pachaných na společnostech od ACFE (2020) naznačují, že až ve 22 % případů podvodů s finančními výkazy je primárním faktorem tzv. „Tone at the top“ neboli tón shora. Dle studie trvá průměrně 14 měsíců, než je podvod odhalen. V tomto období je pravděpodobné, že bude pachatel vykazovat známky chování odlišující se od jeho běžného chování. Jedná se buď o změny ve vztahu k pracovním povinnostem, které se mohou projevovat například sníženou pracovní výkonností nebo změny v soukromém životě, které dle studie spíše převažují. Až v 76 % odhalených případů je přítomen alespoň jeden ze sedmi následujících varovných signálů: (1) pachatel žije nad své poměry, (2) čelí finančním potížím, (3) vykazuje úzké odběratelsko-dodavatelské vztahy, (4) je neochotný sdílet pravomoce, (5) projevuje se u něj zvýšená podražděnost, podezíravost nebo defensiva, (6) chová se bezohledně nebo (7) má rodinné problémy.
Znak „pachatel žije nad své poměry“ byl dle studie za rok 2020 přítomen u 42 % případů, přičemž už od roku 2008 se umisťuje na prvním místě v žebříčku behaviorálních varovných signálů.
Co se schémat podvodů týče, nejznámější klasifikaci podvodů páchaných na společnostech nabízí Association of Certified Fraud Examiners (ACFE) pod názvem Strom podvodů (angl. „fraud tree“). Ve své původní podobě se strom podvodů větví na tři základní oblasti podvodů páchaných na společnostech: korupce, zpronevěra a podvody s finančními výkazy. Schéma 1 představuje jen jednu z jeho částí relevantní pro tuto práci, a to podvody s finančními výkazy.
17 Schéma 1: Strom podvodů
Zdroj: Adaptováno dle Report to the Nations 2020
Obdobnou klasifikaci podvodů s finančními výkazy nabízí výsledky studie COSO z roku 2010, která zkoumala 347 společností zapojených do údajných případů podvodů s finančními výkazy. Na základě této desetileté studie mezi nejčastější schémata manipulací s finančními výkazy řadí:
1. Nadhodnocení výnosů – 61 %
Vykázání tržeb předčasně
Vykázání fiktivních tržeb 2. Nadhodnocení aktiv – 51 %
Nadhodnocení existujících aktiv
Uznání neexistujících aktiv
Kapitalizace nákladů do aktiv 3. Podhodnocení nákladů / závazků - 31 % 4. Zpronevěra aktiv – 14 %
5. Manipulace v rámci akvizic – 20 %
6. Transakce se spřízněnými stranami – 18 % Podvody s finančními výkazy
Nadhodnocení aktiv/zisků Časové rozdíly
Fiktivní tržby Skryté závazky a
náklady Nesprávná valuace
aktiv
Nesprávné zveřejnění
Podhodnocení aktiv/zisků Časové rozdíly
Podhodnocené tržby Nadhodnocené závazky
a náklady Nesprávná valuace
aktiv
Nesprávné zveřejnění
18
Zpráva COSO (2010) dokazuje, že jedním z nejběžnějších podvodů ve finančních výkazech je nadhodnocování výnosů. Nesprávné uznání výnosů může mít dvě podoby:
vykázání legitimních tržeb předčasně nebo vykazování fiktivních tržeb, přičemž technika fiktivních tržeb patří mezi nejčastější metody nadhodnocování výnosů. K vykazování fiktivních tržeb jsou vytvářeny falešné podpůrné dokumenty, jako jsou falešné faktury pro stávající či smyšlené zákazníky, falešné záznamy o zásobách, přepravě a falešné pohledávky. Schémata nadhodnocování aktiv spadají v pořadí do druhé největší kategorie podvodů s finančními výkazy. Buď k nim dochází v podobě nadhodnocení existujících aktiv, uznání neexistujících aktiv, nebo kapitalizací nákladů do aktiv. Úmyslné zkreslení zásob je zodpovědné za téměř polovinu podvodů spojených s oceňováním aktiv, jelikož nadhodnocení konečného stavu zásob je jeden ze způsobu, jak nafouknout zisk. Dalším nejčastějším terčem nadhodnocování aktiv jsou pohledávky a dlouhodobý hmotný majetek. V pořadí třetí nejčastější technikou dle studie je podhodnocování nákladů, což má analogicky stejný účinek na zisk jako podvodná technika nadhodnocování výnosů.
Na rozdíl od stromu podvodů od ACFE a studie COSO upozorňuje Schilit (2018) ještě na jeden výkaz, který podle něj stejně jako rozvaha a výkaz zisku a ztrát není imunní vůči manipulaci. Jedná se o přehled o peněžních tocích, který informuje investory či jiné uživatele výkazu o schopnosti podniku generovat peníze. O přítocích a odtocích peněz a peněžních ekvivalentech informuje výkaz v následující struktuře:
peněžní toky z provozní činnost, investiční činnosti a peněžní toky z financování.
1.3 Varovné signály
Varovné signály (angl. „red flags“) je označení pro indikátory podvodu, které poukazují na prostředí či situace, kde je zvýšená pravděpodobnost rizika významné nesprávnosti, která může být způsobená buď podvodem, nebo neúmyslnou chybou.
Při detekci potenciálního podvodného jednání by varovné signály měly být interpretovány následovně (Golden et al., 2006):
nejsou důkazním materiálem podvodu;
mohou naznačovat existenci jiných rizik, než je podvod;
varovné signály mohou být nejednoznačné;
19
neexistuje vztah mezi počtem varovných signálů a velikostí podvodu;
nelze je posuzovat odděleně; a
identifikace určitých varovných signálů může velmi náročná.
Schilit (2018) je názoru, že klíčovým úspěchem detekce podvodů je učit se z jejich historie. Podle něj společným znakem v historii velkých podvodů není, že by jejich varovné signály bylo těžké najít, naopak bylo těžké je přehlédnout.
20
2 Metodika výzkumu
Pro zmapování poznatků na téma varovných signálů indikujících podvody s finančními výkazy byla vybrána metoda systematické literární rešerše. Systematická literární rešerše je definovaná jako systematická, komplexní, replikovatelná metoda pro identifikaci, hodnocení a syntézu existujícího souboru prací vytvořených vědci či odborníky z praxe (Okoli a Schambram, 2010).
Systematická rešerše se na rozdíl od tradiční rešerše považuje za transparentnější, jelikož má předem definovanou vyhledávací strategii. Díky metodickému přístupu jsou závěry obvykle méně zaujaté, než je tomu u tradiční rešerše (Petticrew a Roberts, 2006).
Jednotlivé fáze této systematické rešerše byly inspirován autory Okoli a Schabram (2010), kteří rozlišují fáze systematické literární rešerše na plánování, selekci, extrakci a syntézu. Ve fázi plánování je definován účel, cíle práce a takzvaný protokol. Protokol předchází vyhledávání prací a poskytuje detailní informace o kritériích vyhledávání. Jedná se například o explicitní definování klíčových slov vyhledávání, jazyka studií nebo stáří studií. Fáze selekce zahrnuje jak proces vyhledávání, tak následné třídění studií, které budou zahrnuty a které vyloučeny na základě předdefinovaného protokolu. Jakmile je finální vzorek připravený, přechází se k fázi extrakce, kdy jsou z identifikovaných studií postupně získávány příslušné informace, které budou sloužit jako podklad pro zodpovězení na výzkumné otázky.
V posledním kroku se přistupuje k fázi syntézy, což je proces, kdy se zhodnotí dvě a více výzkumných studií s cílem shrnout důkazy týkající se konkrétních otázek do jednoho uceleného celku. Syntézou se pokouší odpovědět na otázku „co funguje“
(Bethel a Bernard, 2010).
Zmíněné fáze plánování, selekce a extrakce jsou v této kapitole rozděleny na tři sekce: vstupy, procesy a výstupy. Sekce „Vstupy“ informuje o tom, podle jakých kritérií vyhledávání byl vzorek vybrán, sekce „Proces výběru výzkumného vzorku“
detailně popisuje dílčí kroky selekce a sekce „Výstupy“ přehledně mapuje finální vzorek studií formou tabulky, která shrnuje hlavní výsledky studií.
21
2.1 Vstupy
Tato podkapitola je věnována tzv. protokolu rešerše, který v následujících podsekcích podrobně popisuje cíle práce, strategii vyhledávání a vstupní kritéria vyhledávání.
2.1.1 Cíle
Důvodem proč byla pro tuto práci vybraná metoda systematické rešerše, je skutečnost, že v oblasti analýzy potenciálního podvodu s finančními výkazy neexistují ucelená pravidla ohledně toho, jaké metodiky a nástroje by měly být používány.
Praktickým přínosem této práce je shrnout současné znalosti problematiky detekce podvodných finančních výkazů z veřejně dostupných zdrojů. Cílem práce je odpovědět na tyto otázky:
1. Jaké varovné signály jsou asociovány s podvody s finančními výkazy?
2. Jaké nástroje detekce mohou být používány při posuzování rizika podvodu?
2.1.2 Výběr databáze
Co se databází týče, jsou k dispozici tři citační rejstříky - Scopus, Web of Science a Google Scholar. Z těchto platforem byla vybrána databáze Web of Science Core Collection („WoS“), která je světově významným a důvěryhodným zdrojem pro vědecký a akademický výzkum. Pro doplnění primární databáze byl proveden search se stejnými kritérii také prostřednictvím platformy Scopus. Hightower a Caldwell (2010) uvádějí, že ti, kteří upřednostňují WoS před Google Scholar, mají větší jistotu v kvalitu svých výstupů a z tohoto důvodu byla tato platforma pro výběr odborných článků do finální vzorku vyloučena.
2.1.3 Klíčová slova
K vyhledání co nejvíce relevantních studií byla předem definována tato klíčová slova: „financial statement fraud“, „fraudulent financial reporting“, „red flags“, „fraud symptoms“, „fraud risks“, „warning signs“, „fraud risk factor“, „fraud risk indicator“,
„fraud risk assessment“, „fraud incentives“ a „fraud investigation“. Kombinace vybraných klíčových slov spolu se základními vyhledávacími operátory AND, OR
22
nebo NOT umožnila upřesnit vyhledávání. Uvozovky byly použity k vyhledání přesných frází.
2.1.4 Jazyk studií
Literární rešerše jsou kromě přístupu k plným textům článků omezeny také jazykovou znalostí autora práce. Anglický jazyk je všeobecně brán jako univerzální jazyk vědy. Nicméně systematická rešerše, která vychází pouze z anglických publikací, může kvůli této restrikci přijít o důležité důkazy a dojít k chybným závěrům (Morrison et al., 2012).
Je nutné brát v potaz, že rešerše mohou být provedeny pouze v jazycích, které autor ovládá. Z toho důvodu je tato práce omezená pouze na české a anglické texty.
Jelikož však nastaveným kritériím žádný český článek na toto téma nevyhovoval, je finální vzorek výzkumných článků složen čistě z anglických textů.
2.1.5 Časový rámec
V dalším kroku je nutné zvážit, zda je třeba omezit časový rámec rešerše.
Stanovení časového rámce by mělo vycházet z jasného a silného odůvodnění. V reakci na největší účetní skandály, jako byly například Waste Management (1998), Enron (2001), WorldCom (2002), které otřásly důvěrou investorů ve finanční výkazy a audity firem na kapitálových trzích, byl dne 30. července 2002 uzákoněn federální zákon Sarbanes-Oxley Act (SOX). Tento zákon měl zvýšit kvalitu a transparentnost finančního výkaznictví, zlepšit corporate governance, zavést přísnější kontroly a další opatření jako prevence proti podvodům. Dopad tohoto zákona se vztahuje na veškeré veřejně obchodované společnosti na území Spojených států, včetně zcela vlastněných dceřiných společností a společností, které jsou kotované na americkém akciovém trhu se sídlem mimo Spojené státy. Přijetí amerického zákona SOX, jehož principy se inspirovaly další země, je nepochybně významným milníkem v oblasti corporate governance.
Od roku 2003 je účinný kanadský ekvivalent C-SOX, známý jako Bill 198, („Keeping the Promise for a Strong Economy Act“). Japonsko v roce 2007 finalizovalo svou verzi zákona nesoucí zkrácený název J-SOX („The Financial Instrument and Echange Act“) a v Evropské unii byla přijata směrnice Evropského
23
parlamentu a Rady 2006/43/ES ze dne 17. května 2006 o povinném auditu ročních a konsolidovaných účetních závěrek, označovaná také jako EUROSOX.
Existuje několik studií, které zkoumaly vliv a účinnost zákonu SOX v boji proti podvodům. Příkladem může být například studie (Chen, 2014), která došla k závěru, že průměrný rozsah škod se zavedením SOX bezprostředně klesl. Další studie (Scholz, 2014), která zkoumala trendy retrospektivních účetních úprav mezi roky 2003 až 2012, zjistila, že se procento úprav týkajících se kontroverzních účetních metod uznání tržeb snížilo z 65 % v roce 2005 na 41 % v roce 2012. Nicméně jak lze vidět z výsledků výzkumu Report to the Nations (viz graf 1), podvody a manipulace s finančními výkazy jsou i dnes přetrvávajícím problémem. V zájmu udržení kroku s aktuálními trendy v oblasti rizikových faktorů podvodů s finančními výkazy, varovnými signály schémat manipulací a nástrojů detekce, je časový rámec omezen na studie vydané po roce 2002 po současnost.
2.2 Proces výběru výzkumného vzorku
V další fázi byl proveden již samotný proces vyhledávání a následně byly vyselektovány výsledky, jenž nevyhovovaly předem definovaným kritériím. V prvním kroku bylo za pomoci klíčových slov nalezeno celkem 2 422 výsledků, z toho 2 323 výsledků z databáze WoS a 99 výsledků z databáze Scopus. Poté, co byla aplikována předdefinovaná kritéria týkající se časového rámce a anglických publikací, čítal vzorek studií za obě databáze celkem 936 výsledků. Tento vzorek byl v dalším kroku omezen pouze na výsledky, u kterých byla stanovena hranice deseti a více citací. Po tomto kroku čítal vzorek 250 výsledků, z nichž 37 výsledků pocházelo z databáze Scopus.
Z těchto 37 výsledků se 9 shodovalo s výsledky vyhledávání ve WoS a po odstranění duplicit se velikost vzorku dostala na číslo 241 výsledků, ze kterých byly vybírány studie relevantní dle názvu, abstraktu a klíčových slov.
Finální výzkumný vzorek, který byl zařazen do systematické literární rešerše, čítá celkem 30 odborných článků, jež byly publikovány ve 20 unikátních odborných časopisech. Na finálním vzorku se podílí 16 článků z databáze WoS, dva články z databáze Scopus a 12 článků bylo vybráno manuálním procházením v odborných časopisech.
24 Zdroj: Vlastní zpracování (2020)
1. Celkem nalezených studií (n = 2 422)
2. Studie vyhovují kritériím (n = 250)
3. Po odstranění duplicit (n = 241)
4. Počet vybraných studií do finálního vzorku
(n = 18)
5. Manuálně přidané články z odborných časopisů
(n = 12)
4. Finální vzorek studií (n = 30)
Schéma 2: Proces systematické literární rešerše
25
Na vybraných studiích se podílelo celkem 82 autorů. Mezi autory, kteří přispěli na toto téma více než jedním článkem, jsou Brazel, J. F, Dichev, I., Jones, K. L., a Rezaee, Z.
Tabulka 3: Seznam časopisů se dvěma a více články
Název odborného časopisu Počet vybraných článků
AUDITING: A Journal of Practice & Theory 4
Contemporary Accounting Research 3
Critical Perspectives on Accounting 3
Journal of Accounting and Economics 2
Review of Accounting Studies 2
Zdroj: Vlastní zpracování (2020)
Tabulka 3 informuje o časopisech, ze kterých byla vybrána více než jedna publikace. Drtivá většina odborných časopisů se orientuje na výzkumy, které významně přispívají v oblastech forenzního a finančního účetnictví či investování. V grafu 2 lze vidět, v jakých letech byly vybrané studie publikovány.
Graf 2: Počet vydaných publikací v daném roku
Zdroj: Vlastní zpracování (2020) 0
1 2 3 4 5 6
2004 2005 2008 2009 2011 2012 2013 2014 2015 2016 2017 2018
26
2.3 Výstupy
Název autora
(rok) Název časopisu Typ studie Vzorek Výstupy
Asare, S. K., &
Wright, A. M.
(2004)
Contemporary Accounting Research
Kvantitativní 69 auditorů Standardizované kontrolní seznamy (angl. checklisty) jako nástroj detekce nesrovnalostí mohou vést k nižší efektivitě při posuzování rizikových faktorů podvodů.
Black, D. E., Christensen, T.
E., Ciesielski, J. T., &
Whipple, B. C.
(2018)
Journal of Business Finance &
Accounting
Koncepční - Studie uvádí, že ačkoliv někteří manažeři používají
non-GAAP metriky pro prezentaci zisků z hlavních operací, jiní je používají jako nástroj manipulace.
Brazel, J. F., Jones, K. L., &
Zimbelman, M. F. (2009)
Journal of Accounting Research
Kvantitativní 50 párů podvodných a nepodvodných
společností
Autoři poskytují důkaz, že podvodné firmy vykazují signifikantně větší rozdíl mezi finančními a nefinančními informaceni (např: počet prodejen, zaměstnanců, rozlohy skladů) než nepodvodné firmy.
Brazel, J. F., Jones, K. L., Thayer, J., &
Warne, R. C.
(2015)
Review of
Accounting Studies Kvalitativní 194 investorů Investoři při evaluaci rizika podvodů zohledňují varovné signály, jako jsou investigace ze strany SEC, časté
rezignace, probíhající právní spory vedené proti společnosti a neplnění kovenantů.
27 Brown, L. D.,
Call, A. C., Clement, M.
B., & Sharp, N. Y. (2016)
Journal of Accounting and Economics
Kvalitativní 344 „buy-side“
analytiků
Za tři nejvýznamnější varovné signály označili respondenti významné nedostatky vnitřního kontrolního systému, slabé stránky corporate governance a významný nesoulad mezi ziskem a provozním peněžním tokem.
Cassell, C. A., Dreher, L. M.,
& Myers, L. A.
(2013)
The Accounting
Review Kvantitativní 6 702 observací Šance, že výskyt komentářů komise cenných papírů povede k retrospektivní účetní opravě, je vyšší u menších firem, firem s vyšší pravděpodobností úpadku, delším působením jednoho CEO a firem, které si vybírají malé auditorské firmy.
Cohen, J., Ding, Y., Lesage, C., &
Stolowy, H.
(2012)
Entrepreneurship, governance and ethics
Koncepční - Autoři na základě studie 39 podvodů z novinových článků došli k závěru, že při posuzování varovných signálů
podvodu by se měl klást důraz především na osobnostní rysy managementu.
Crawford, R.
L., & Weirich, T. R. (2011)
Journal of financial
crime Koncepční - Autoři doporučují několik proaktivních kroků v rámci
posuzování podvodů (nesoulad zisku a provozního peněžního toku, nárůsty ve čtvrtém čtvrtletí, zhoršující se doba splatnosti pohledávek, horizontální/vertikální analýza, poznámky k finančním výkazům).
28 Cumming, D.,
Leung, T. Y.,
& Rui, O.
(2015)
Academy of management Journal
Kvantitativní 1 422 podvodných společností
Studie poskytuje důkaz, že s růstem genderové diverzity v představenstvu/správní radě se snižuje jak výskyt podvodu, tak negativní reakce investorů na ohlášení podvodu.
Dichev, I. D., Graham, J. R., Harvey, C. R.,
& Rajgopal, S.
(2013)
Journal of Accounting and Economics
Kvalitativní 169 respondentů (CFO)
Nesoulad mezi ziskem a peněžním tokem nebo odlišný vývoj skupiny stejných podniků (peer review) považují respondenti (finanční ředitelé společností) za dva nejvýznamnější varovné signály.
Dimmock, S.
G., & Gerken, W. C. (2012)
Journal of Financial Economics
Kvantitativní 13 853 investičních společností
Výsledky studie poskytují důkaz, že povinně zveřejňované dokumenty, které se týkají porušování práv, střetu zájmů nebo monitoringu, představují užitečný nástroj pro predikci investičních podvodů.
Donelson, D.
C., Ege, M. S.,
& McInnis, J.
M. (2017)
AUDITING: A Journal of Practice
& Theory
Kvantitativní 87 soudních řízení a 71 donucovacích opatření
Nepříznivý výrok ve vztahu k vnitřnímu kontrolnímu systému (který identifikuje alespoň jednu významnou slabost) je významným varovným signálem, jenž zvyšuje šanci výskytu podvodu.
Gillett, P. R.,
& Uddin, N.
(2005)
AUDITING: A Journal of Practice
& Theory
Kvantitativní 139 respondentů (CFO)
Autoři došli na základě průzkumu dat od 139 finančních ředitelů k závěru, že u větších firem je větší šance výskytu podvodu s finančními výkazy.
29 Grove, H., &
Basilico, E.
(2011)
Journal of Forensic and Investigative Accounting
Koncepční - Autoři nastiňují oblasti zvýšené pozornosti: insider selling, rezignace managementu, nezávislost auditora, správa řízení, pochybné strategie či neprůhledné zveřejnění informací.
Gullkvist, B.,
& Jokipii, A.
(2013)
Critical
Perspectives on Accounting
Kvalitativní 471 respondentů Studie zkoumala, jak se liší pohled na varovné signály mezi interními auditory, externími auditory a vyšetřovateli hospodářských podvodů. Neupřímné a neetické chování ze strany vedení a významné či neobvyklé transakce se spřízněnými stranami označují všechny tři skupiny za
nejdůležitější varovný singál. Vyšetřovatelé podvodů řadí na první místo pochybnou minulost klíčových manažerů.
Hogan, C. E., Rezaee, Z., Riley Jr, R. A.,
& Velury, U.
K. (2008)
AUDITING: A Journal of Practice
& Theory
Koncepční - Autoři identifikovali tyto vysoce rizikové oblastí: oblast vykazování výnosů, transakce se spřízněnými stranami, oceňování fair value, akruální položky, kvartální finanční informace a neobvyklé účetní záznamy.
Hribar, P., Kravet, T., &
Wilson, R.
(2014)
Review of
Accounting Studies Kvantitativní 37 461 observací Autoři spojují neobvykle vyšší poplatky za audit s
následným odhalením finančních nesprávností a podvodů a také s budoucím obdržením komentářů SEC. Autoři
navrhují používat veřejnou informaci o změně výši poplatků
30
za audit jako alternativní nástroj k posouzení kvality účetních informací.
Kaminski, K.
A., Wetzel, T.
S., & Guan, L.
(2004)
Managerial
Auditing Journal Kvantitativní 79 párů podvodných a nepodvodných
společností
Studie poskytuje důkaz omezené schopnosti poměrových ukazatelů detekovat podvody s finančními výkazy.
Khanna, V., Kim, E. H., &
Lu, Y. (2015)
Journal of Finance Kvantitativní 309 podvodných společností
Autoři zjistili, že častěji vedené schůze představenstva jsou asociovány s vyšší pravděpodobnostní odhalení podvodu a propojení CEO a manažerů na základě jeho zvolení zvyšuje riziko podvodu.
Kohlbeck, M.,
& Mayhew, B.
W. (2017)
Contemporary Accounting Research
Kvantitativní 2 156 společností se spřízněnými stranami
Tato studie poskytuje důkaz, že transakce se spřízněnými stranami představují vysoké riziko manipulace, zvlášť pokud tyto transakce nekorespondují s hlavními operacemi byznysu.
Lee, Kevin K.
Li and Ran Zhang (2015)
The Accounting
Review Kvantitativní 146 čínských
reverzních fúzí a 251 amerických reverzních fúzí
Studie poskytuje důkaz, že firmy, které vstupují na burzu skrze reverzní fúze, jsou oproti kontrolnímu vzorku v rané fázi více zadlužené, mají horší likviditu, nižší hodnoty rentability aktiv a většina z nich by neobstála požadavky primárního úpisu akcií.
31 Lou, Y. I., &
Wang, M. L.
(2009)
Journal of Business
& Economics Research
Kvantitativní
97 podvodných a 467
nepodvodných společností
Autoři na základě pilířů trojúhelníku podvodu vyvinuli model logistické regrese, který dokáže odhadnout
pravděpodobnost podvodných finančních výkazů s 86,5 % mírou správné klasifikace.
Murphy, P. R.,
& Dacin, M. T.
(2011)
Journal of Business
Ethics Koncepční - Autoři došli k závěru, že porozumění racionalizace je jedna z nejdůležitějších oblastí pro detekci podvodu. Autoři identifikují tři psychologické varovné signály, které mohou kolektivně vést k podvodnému jednání: (1) neznalost, (2) intuice spojená s racionalizací a (3) argumentace.
Perols, J.
(2011) AUDITING: A
Journal of Practice
& Theory
Kvantitativní 51 podvodných a 15 934 nepodvodných společností
Studie zjistila, že logistické regrese a podpůrné vektorové stroje patří mezi nejvýkonnější nástroje detekce podvodů s finančními výkazy.
Purda, L., &
Skillicorn, D.
(2015)
Contemporary Accounting Research
Kvantitativní 4 895 výročních a čtvrtletních zpráv
Autoři pomocí analýzy používaného jazyka ve výročních a čtvrletních zprávách správně klasifikovali na zkoumaném vzorku 82 % podvodných firem.
Ravisankar, P., Ravi, V., Rao, G. R., & Bose, I. (2011)
Decision support
systems Kvantitativní 101 podvodných a 101 nepodvodných společností
Autoři na základě studie firem obdchodovaných na čínských burzách porovnávali různé data mining techniky detekce podvodů, přičemž zjistili, že nejlepší výsledky detekce mají pravděpodobnostní neuronové sítě.
32 Reinstein, A.,
& McMillan, J.
J. (2004)
Critical
Perspectives on Accounting
Koncepční - Na případu účetního skandálu Enronu autoři demonstrují, jak důležitou roli při posuzování potenciálního výskytu podvodu hrají analytické procedury.
Rezaee, Z.
(2005) Critical
Perspectives on Accounting
Koncepční - Studie navrhuje pět faktorů podvodu, jenž mohou ovlivnit výskyt a detekci podvodů pomocí akronymu CRIME (C = cooks, R = recipes, I = incentives, M = monitoring, E = end results), přičemž CRIME = podvod s finančními výkazy.
Uzun, H., Szewczyk, S.
H., & Varma, R. (2004)
Financial Analysts
Journal Kvantitativní 133 párů podvodných a nepodvodných společností
Autoři našli silnou asociaci mezi strukturou představenstva a pravděpodobností podvodu. Výsledky studie dokazují, že procento zastoupených nezávislých a externích direktorů je u podvodných společností nižší.
Zona, F., Minoja, M., &
Coda, V.
(2013)
Journal of Business
Ethics Koncepční - Na základě studie případu italské banky Banca Popolare di
Lodi studie identifikovala tři faktory vedoucí ke
korporátním skandálům: osobnostní charakteristiky CEO, nevyvážená korporátní strategie a soudržnost stakeholderů.
Zdroj: Vlastní zpracování (2020)
33
3 Výzkumná část
3.1 Rizikové faktory podvodu
Ve vybraných výzkumech se v souvislosti s detekcí podvodů referuje velmi často na tzv. „Fraud triangle“, neboli trojúhelník podvodu. Teorie trojúhelníku podvodů je výsledkem studie s názvem „A Study in the Social Psychology of Embezzlement“, kterou vypracoval již v roce 1953 Donal Cressey. Přestože byla studie původně zaměřena pouze na zpronevěru (angl. embezzlement), je dnes tato teorie známá pod názvem trojúhelník podvodu. Tato teorie identifikuje tři faktory, které kolektivně vedou ke spáchání podvodu (Brazel et al., 2009). Aby podvod mohl nastat, musí současně nastat tyto tři podmínky:
1. Tlak;
2. Příležitost; a 3. Racionalizace.
Na základě těchto tří pilířů auditoři v rámci auditorských postupů (SAS 99, ISA 240) hodnotí, zda společnost nečelí zvýšenému riziku podvodu. Zvolené pořadí, ve kterém jsou příklady rizikových faktorů v následujících odstavcích shrnuty, by nemělo být čtenářem interpretováno dle důležitosti jednotlivých faktorů.
Prvním pilířem rizikových faktorů je tlak (někdy referováno také jako pobídky). Rezaee (2005) uvádí, že kromě ekonomických pobídek (naplnění očekávání zainteresovaných stran nebo vlastní obohacení), mohou v podvodech hrát roli i jiné motivy, jako například ideologické (asociované s pocitem nadřazenosti), egocentrické (asociované se zlepšením osobní prestiže) nebo psychotické (asociované s recidivou, není běžné u podvodů s finančními výkazy). Murhy a Dacin (2011) definuje příležitost jako pachatelem vnímanou možnost spáchat podvod, aniž by byl u toho chycen.
Faktory příležitosti zahrnují takové pracovní podmínky, které umožní pachatelům spáchat podvod. Racionalizace je způsob, jakým si pachatel ospravedlňuje nežádoucí jednání s cílem minimalizovat nebo omezit negativní efekt, který by za jinak normálních okolností nastal (Murphy a Dacin, 2011). Cohen et al. (2010) studoval manažerské chování u vysokoprofilových podvodů s finančními výkazy. Na základě veřejně dostupných článků v tisku analyzoval celkem 39 podvodů zveřejněných
34
v letech 1992 - 2005 a došel k závěru, že podmínka „racionalizace“ z trojúhelníku podvodu vychází jako klíčový rizikový faktor, který může poskytovat velice užitečný rámec pro analýzu neetického chování manažerů, které se u vybraných případů objevilo. Dle autorů je racionalizace pro auditory nepochybně nejobtížnější oblastí na zhodnocení, natož pak pro osobu zvenčí.
Tyto tři pilíře trojúhelníku podvodu (tlak, příležitost a racionalizace) tvoří fundamentální teoretický rámec jednak pro pochopení, proč k podvodům dochází, ale také pro potřeby této práce, tedy pro analýzu varovných signálů podvodů s finančními výkazy. Přítomnost těchto faktorů zvyšuje riziko podvodu s finančními výkazy a označují se jako rizikové faktory podvodu (Lou a Wang, 2009).
3.2 Varovné signály indikující podvody s finančními výkazy
Podvody mohou být vrcholovým vedením páchány po několik let, než dojde k jejich odhalení (Zona et al., 2013). Dle studie Report to the Nations (2020) jsou podvody odhaleny ve 43 % případů na základě obdržení anonymního tipu, v 15 % případů interním auditem a pouze ve 4 % na základě externího auditu, přičemž nejvíce tipů obdrží firmy od zaměstnanců, odběratelů či anonymně. Manipulace s finanční výkonnostií obvykle začíná malými, nepatrnými změnami, proto je pro analytiky detekce abnormalit z veřejně dostupných informací v raných fázích podvodu natolik náročná (Dichev et al., 2013).
Někteří argumentují, že přístupy k detekci varovných signálů, které se opírají pouze o historické data a zkušenosti, nejsou uspokojivé a je třeba se soustředit i na prediktivní přístupy (Reinstein a McMillan, 2004). Lou a Wang (2009) zmiňují, že podle Owusu-Ansah et al. (2002) je posuzování možného výskytu podvodu s finančními výkazy pomocí varovných signálů kritizováno kvůli vysoké roli subjektivního úsudku a obtížnosti v tom smyslu, že jsou investoři odkázáni pouze na veřejné informace. Studie nasvědčují, že investoři v rámci investičního rozhodování mnohdy nemají potřebu provádět vlastní hodnocení varovných signálů podvodu, jelikož odpovědnost za odhalování podvodů ukládají auditorům a regulátorům.
Výsledky studie Dimmock et al. (2012) naznačují, že pokud by investoři na základě ex-ante analýzy nealokovali své investice do 5 % firem s nejvyšším odhadovaným rizikem podvodu, mohli by se vyvarovat roční ztrátě okolo 600 milionů
35
dolarů. Zjištění týkající se varovných signálů indikující podvodné finanční výkazy, jež byla získána z vybraných studií, jsou rozdělena následovně do čtyř příslušných skupin na (1) anomálie ve finančních výkazech, (2) mimořádné události, (3) slabé stránky vnitřního kontrolního systému a (4) charakteristiky managementu.
3.2.1 Anomálie ve finančních výkazech
V této sekci jsou shrnuty nejčastěji zmiňované oblasti, které mohou predikovat podvodné finanční výkazy. Kromě identifikace oblastí, které by měly získat zvýšenou pozornost ze strany investorů a jiných zainteresovaných stran, byly za pomocí vybraných studií zjištěny také neméně důležité informace o tom, kde konkrétně by měli uživatelé finanční informace hledat. Nejen Crawford a Weirich (2011), ale i Grove a Basilico (2011) doporučují pečlivé pročtení přiložených poznámek k účetní závěrce, které jsou nedílnou součástí povinně zveřejňovaných informací. Craword a Weirich (2011) jsou názoru, že jak zavádějící, tak nepravdivé poznámky k účetní závěrce představují stejný problém jako manipulace s položkami finančních výkazů.
Mezi „buy-side“ analytiky jsou nejdůležitějším zdrojem finančních informací výroční zprávy a čtvrletní zprávy (Brown et al., 2016). Dalším přínosným dokumentem je formulář 8-K, jenž informuje investory o významných událostech, jako je změna auditora nebo rezignace vedení (Brazel et al., 2015). Grove a Basilico (2011) ve svém článku referují také na proxy statement. Jedná se o dokument, který poskytuje veškeré důležité informace o problémech, na základě kterých mohou akcionáři činit informovaná rozhodnutí.
3.2.1.1 Oblast vykazování výnosů
Z výzkumů, které byly nastíněny v úvodu práce, vyplývá, že oblast výnosů patří mezi nejčastější položku nadhodnocování. Že se jedná o problematickou oblast dokazuje například i studie od Dichev et al. (2013), kteří prováděli hloubkové rozhovory na téma varovné signály s finančními řediteli veřejných společností. Jeden z respondentů uvedl, že při prověrce účetních zásad společnosti se vždy v první řadě dívá nejprve na oblast uznávání výnosů. Autoři se mimo jiné zabývají také otázkou kvality informací obsažených ve finančních výkazech a zjistili, že jako kvalitní zisky se považují ty, které jsou udržitelné, generované z hlavních obchodních operací, reflektují ekonomickou realitu, nejsou dlouhodobě významně ovlivněny jednorázovými položkami, jsou méně volatilnější, nevyžadují zdlouhavé vysvětlení ve
36
firemní komunikaci a jsou odrazem konzistentních účetních pravidel. Mezi obvyklá podvodná schémata vykazování výnosů patří například „bill and hold“ transakce, channel stuffing, vedlejší dohody, podmíněný prodej, komisní prodeje nebo metoda procenta dokončení (Rezaee, 2005; Dechow et al., 2011). Společnosti, které využívají třetí strany k distribuci svých produktů ke svým zákazníkům, jsou citlivější k různým schématům manipulací. Například u channel stuffingu společnosti prodávájí své zboží skrze distribuční kanály, do kterých se snaží úmyslně protlačit více produktů, než jsou tyto kanály schopné v účetním období prodat dále zákazníkům. Prodloužení platebních lhůt či nárůst zásilek doprovázený růstem nákladů na dopravu ve čtvrtém čtvrtletí může indikovat riziko tohoto schématu. Předčasné uznání výnosů může být doprovázeno neobvykle vysokou aktivitou vykázaných výnosů na konci účetního období. Fiktivní tržby vedou zpravidla ke zhoršení stárnutí pohledávek (Craword a Weirich, 2011). Grove a Basilico (2011) používají při posuzování kvality výnosů zohledňovat informaci o přijaté hotovosti od zákazníků (angl. „cash collected from customers“), kterou počítají jako součet tržeb a změna stavu pohledávek.
3.2.1.2 Změny v účetní politice
Změny týkající se vykazování tržeb či odhadů životnosti aktiv patří mezi vysoce rizikové oblasti při posuzování manipulací s finančními výkazy. Jakmile je informace o změně odhadu pozorována, je doporučeno pomocí výkazu rozvahy najít konkrétní položku a spočítat, jaké procento z celkové bilance bylo takovou změnou odhadu ovlivněno (Dichev et al., 2013).
3.2.1.3 Nesoulad mezi ziskem a peněžním tokem
Provozní peněžní tok, který výrazně zaostává za ziskem, je mezi praktiky považován za vysokou rizikovou oblast při posuzování potenciálních podvodných výkazů (Crawford & Weirich, 2011; Dichev et al., 2013). Grove a Basilico (2011) při forenzní účetní proceduře používají v rámci analýzy finančních výkazů poměrový ukazatel, který poměřuje provozní cashflow a čistý zisk. Tento ukazatel sleduje schopnost společnosti generovat peníze. Hodnota menší než jedna nebo výrazné výkyvy v ukazateli považují autoři za varovný signál.
37 3.2.1.4 Oblast rozvahy
Dechow et al. (2011) ve své studii zjistili, že konkrétně položky pohledávky a zásoby, jež mají přímý vliv na tržby a ovlivňují hrubou marži, vykazovaly neobvykle vysoké hodnoty v letech, kdy byly na zkoumaném vzorku firem zjištěny manipulace s finančními výkazy. Za varovný signál u pohledávek se považuje nesoulad růstu s tržbami a významná změna doby splatnosti pohledávek (Dichev et al., 2013). Dále autoři zmiňují aktiva, která podléhají úsudku managementu, což jim dává větší flexibilitu k manipulaci zisků v krátkém horizontu. Neobvyklé hodnoty nebo významné změny účtů časového rozlišení také spadají do vysoce rizikových oblastí (Hogan a Rezaee, 2008). Položky časového rozlišení fungují na akruálním principu, podle kterého se náklady a výnosy vážou k období, se kterým věcně a časově souvisí.
Zona et al. (2013) uvádí, že účetní řešení akvizic poskytuje velkou příležitost pro vytvoření podmínek vhodných pro manipulace.
3.2.1.5 Zvýšený výskyt neobvyklých, vysokých nebo složitých transakcí ve čtvrtém čtvrtletí
Jakákoliv významná změna finančních výsledků na konci účetního období je považována za rizikový faktor a indikuje možnou manipulaci s čísly. Vysoká změna výše tržeb v posledním čtvrtletí může indikovat řízení příjmů s cílem naplnit roční cíle a klíčové ukazatelé výkonnosti, od kterých se vyvíjí kompenzace a bonusy pro vedení společnosti. Kromě tržeb může za účelem řízení zisků v tomto čtvrtletí docházet ke většímu výskytu prodeje aktiv a odpisů. Rychlý nárůst nebo neobvyklá ziskovost, zejména ve srovnání s konkurencí nebo ve vztahu k současnému ekonomickému vývoji, si žádá hlubší pochopení (Hogan et al., 2008).
3.2.1.6 Transakce se spřízněnými stranami
Další rizikovou oblastí často asociovanou s podvody s finančními výkazy jsou transakce se spřízněnými stranami (Cohen et al. 2012; Gullkvist a Jokipii 2013;
Kohlbeck a Mayhew 2017). Spřízněnou stranou může být například mateřská, dceřiná či sesterská společnost. Může jít taky o přidružený podnik, společný podnik nebo člena vrcholového managementu. Velké zůstatky pohledávek za spřízněnými stranami mohou indikovat potenciální varovný signál fiktivních pohledávek. Důvod, proč transakce se spřízněnými stranami zvyšují riziko zavádějících finanční výkazů, je ten,
38
že tyto transakce nemusí odpovídat zásadě obvyklých tržních podmínek a pro manažery tak mohou sloužit jako nástroj pro manipulaci s finančními čísly (Kohlbeck a Mayhew 2017). V souvislosti s nežádoucími transakcemi se spřízněnými stranami autoři zmiňují silnou asociaci s chabým tónem shora, jenž je odrazem slabého řízení.
Kohlbeck a Mayhew (2017) ve své studii rozlišuje dva typy transakcí se spřízněnými stranami – tzv. „Tone“ transakce a „Business“ transakce. „Business“
transakce na rozdíl od „Tone“ transakcí nejsou asociovány s retrospektivními účetními opravami. Jejich hlavním zjištěním je, čím blíže se transakce podobá hlavní/každodenní operaci, tím menší je riziko manipulace. Nicméně u „Tone“ RPT byla pozorována pozitivní korelace s budoucími retrospektivními účetními opravami, přičemž typicky nepříznivé transakce mohou být úvěry, záruky nebo konzultační služby.
3.2.1.7 Reverzní fúze
U reverzní fúze dochází k nabytí soukromé společnosti stávající veřejnou společností, které jsou obvykle prázdné. Tyto takzvané skořápkové společnosti mohou být výsledkem neúspěšného podnikání a existují již pouze písemně s budťo malými, nebo žádnými operacemi. Reverzní fúze umožní soukromé společnosti vstoupit na burzu, aniž by procházela složitým procesem prvotní veřejné nabídky akcií (Lee, Li a Zhang, 2015).
Od roku 2000 Spojené státy zažívaly stovky reverzních fúzí především u zahraničních čínských firem. Podle studie Lee, Li a Zhang (2015) bylo v letech 2001 až 2010 přibližně 85 % zahraničních reverzních fúzí čínských. Růst vstupů čínských firem na americký kapitálový trh přitáhl pozornost médií poté, co bylo několik z nich obviněno z účetních podvodů a později delistováno. V reakci na to komise SEC v roce 2011 publikovala tiskovou zprávu, ve které varovala investory před společnostmi, které vstupují na trh prostřednictvím reverzní fúze. Komise SEC ve zprávě vyzývala investory k důkladné analýze těchto společností s doporučením neinvestovat do těch, u kterých nelze získat aktuální a spolehlivé informace o společnosti.
Lee, Li a Zhang (2015) analyzovali ve své studii rozdíl výkonů mezi společnostmi vstupujícími na burzu skrze reverzní fúze a těmi, které ne. Na základě informací z první výroční zprávy autoři zjistili, že firmy, které vstupují na burzu skrze reverzní
39
fúze, jsou oproti kontrolnímu vzorku v rané fázi více zadlužené, mají horší likviditu, nižší hodnoty rentability aktiv a většina z nich by nesplnila požadavky primárního úpisu akcií. Dále autoři studovali rozdíl mezi americkými reverzními fúzemi a čínskými reverzními fúzemi. Překvapivě přes špatnou mediální pověst dospěli autoři k názoru, že nenašli důkaz o tom, že by čínské reverzní fúze představovaly rizikovější investici než americké reverzní fúze, co se provozního výkonu nebo výnosu akcií týče.
3.2.1.8 Neprůhledné non-GAAP metriky (non-IFRS)
Black et al. (2018) na základě analýzy 353 firem zvěřejňující non-gaap zisky mezi roky 2009 a 2014 dospěl k závěru, že firmy ze svých výpočtů non-gaap metrik vyřadí průměrně 3,3 položek. Autory taky zajímalo, které položky jsou častým předmětem úprav. Největší skupinu tvoří jednorázové náklady (angl. nonrecurring) a reprezentují například náklady na restrukturalizace či akvizice. Dále nejčastěji vyřazované opakované náklady (angl. recurring) jsou investice, odpisy a odměňování formou akcií. Po přezkoumání literatury na toto téma se autoři domnívají, že analytici při celkovém posouzení výkonu společnosti věnují více pozornosti non-gaap metrikám výkonnosti oproti auditovaným ziskům. Autoři pomocí výzkumu identifikovali dvě frekventovaně adresované metriky, konkrétně „adjusted EPS“ a „adjusted EBITDA“.
Dichev (2013) ve svém výzkumu identifikovala, že na používání „non-gaap“ metrik je mezi praktiky nahlíženo jako na potenciální nástroj ke zkreslení ekonomické situace.
Přestože on-gaap metriky nejsou auditovány, spadají pod regulaci SEC. Komise definuje non-gaap metriku jako číselnou metriku historické nebo budoucí finanční výkonnosti, finanční pozice nebo peněžního toku, která:
a. „vylučuje částky nebo podléhá úpravám, které mají za následek vyloučení částek, které jsou zahrnuty v nejpříměji srovnatelném měřítku vypočítaném a prezentovaném v souladu s GAAP ve výkazu zisku a ztráty, rozvaze nebo výkazu peněžních toků emitenta“; nebo
b. „zahrnuje částky nebo podléhá úpravám, které mají za následek zahrnutí částek, které jsou vyloučeny z nejpříměji srovnatelného opatření GAAP takto vypočítaného a prezentovaného.“
Ve většině případů používá management non-GAAP metriky jako nástroj prezentace výsledků z hlavní operace byznysu, vyloučením jednorázových nákladů.
Non-GAAP metriky jsou však často terčem kritiky z toho důvodu, že vynechávají ve
40
svých výpočtech významné náklady, čímž mohou zastírat zhoršující finanční pozici společnosti a manipulovat s informacemi tak, aby prezentace odrážela silnější pozici (Black et al., 2018). Pokud management ve svých prezentacích používá excesivně tyto metriky, doporučuje se zkontrolovat, zda jsou výpočty ukazatelů transparentní, srozumitelné a zda je u nich proveditelná rekonciliace na auditovaná čísla.
3.2.2 Slabé stránky vnitřního kontrolního systému
Mezi klíčové oblasti slabých stránek interního kontrolního systému patří nedostatečné nebo neexistující funkce interního auditu, nevhodná organizační struktura, špatné rozdělení pravomocí a odpovědností, nábor nekvalifikovaných lidských zdrojů, nedostačující či žádná školení, nevhodný styl vedení a filosofie podnikání či problémy s prosazováním etických hodnot (Donelson et al. (2017).
Razaee (2005) studoval vybrané americké účetní skandály na přelomu 20./21. století, u kterých odhalil několik společných rysů. Na základě těchto společných rysů vytvořil schéma pěti rizikových faktorů, které pojmenoval CRIME (C = cooks, R = recipes, I
= incentives, M = monitoring, E = end results). Razaee (2005) ze svého výzkumu vyvodil, že podvody s finančnimí výkazy se rovnají akronymu CRIME. Právě monitoring v tomto schématu referuje na nedostatečnou správu a řízení společnosti, absenci dohledu ze strany výboru pro audit a představenstva nebo neúčinné funkce auditu. V typickém scénáři těchto účetních skandálů zastupuje výkonný ředitel zároveň i roli předsedy představenstva. Ve struktuře představenstva je typická absence externích členů a naopak zde převládají spíše interní členové, nejčastěji výkonný ředitel, finanční ředitel nebo významní akcionáři. Autor vyvozuje, že správné nastavení corporate governance je klíčové pro zajištění prostředí, jež zajistí vysoce kvalitní výkaznictví s nulovou tolerancí ke zkreslení finančních výkazů.
Uzun a Samuel (2002) ve své studii zkoumali, jak se složení a frekventovanost zasedání představenstva, výboru pro audit, kompenzační komise a volební komise u podvodných firem liší od nepodvodných. Na vzorku 133 párů podvodných a nepodvodných firem zjistili, že podvodné firmy mají signifikantně nižší procento zastoupených externích a nezávislých direktorů v představenstvu. Přítomnost externích ředitelů, kteří však mají obchodní nebo rodinné vazby na společnost, naopak pravděpodobnost podvodu zvyšuje. Autoři tento výsledek přikládají faktu, že u těchto vazeb vzniká menší kontrolní angažovanost oproti skutečně nezávislým, externím
