Желание получить кредит приводит к тому, что компании прибегают к различным уловкам, в том числе и искажая отчетные данные.

Надо сказать, что вопросами фальсификации сегодня занимаются специалисты судебно-бухгалтерской экспертизы, однако, как правило, в банках такие профессионалы отсутствуют, в результате чего у кредитора может возникнуть кредитный риск из-за незаконного получения кредита заемщиком. Несмотря на то, что в России существуют правовые нормы, защищающие кредитора от недобросовестных заемщиков, на практике такая ситуация встречается достаточно часто.

Нормой права, защищающей права кредитора, является статья 176 УК «Незаконное получение кредита». В соответствии с данной статьей преступлением считается получение предприятием кредита или льготных условий кредитования в результате предоставления банку заведомо ложных сведений о своем финансовом состоянии. В частности, заемщик может умышленно изменить в свою пользу финансовые показатели, являющиеся важными при принятии решения о выдаче кредита. В этой связи становятся важными вопросы разработки механизмов выявления фальсификации отчетности, уже на ранних этапах, то есть в момент получения отчетности для анализа, а, следовательно, до выноса заявки на кредитный комитет банка.

На практике специалисты банка, как правило, не изучают первичные документы, отражающие хозяйственную жизнь предприятия, а лишь проводят анализ показателей в представленной отчетности. В этом и состоит главная проблема, поскольку отчетность формируется на основании первичных документов, которые могут недостоверно или не в полном объеме участвовать в бухгалтерском учете. Искажения в первичных документах (нижний уровень информации) – это далеко не все, где предприятия могут фальсифицировать свои данные. На практике необоснованность записей может наблюдаться и в аналитическом/синтетическом учете, и в самой отчетности, когда итоговые показатели противоречат не только первичным бухгалтерским документам, но и друг другу. Выдача кредита заемщику на основании ложных данных всегда приводит к ситуациям, отягчающим ликвидность банка.

Наиболее часто используемые приемы фальсификации данных, участвующих в формировании отчетности для банков-кредиторов, хорошо описаны в работе С.А. Звягина «Анализ данных бухгалтерской отчетности в процессе проведения бухгалтерской экспертизы». Автор указывает следующие приемы искажения статей баланса:

- неправильная оценка отдельных статей баланса. Например, преувеличенная оценка активов и уменьшенная оценка пассивов, позволяют увеличить размер прибыли, а, следовательно, завысить величину собственных средств  заемщика.

- некорректная переоценка объектов основных средств может применяться для искажения данных об имуществе предприятия как в сторону увеличения, так и в сторону уменьшения, в зависимости от поставленной цели (предоставления в залог, изменение налогооблагаемой базы, банкротство).

- занижение (завышение) валюты баланса с целью сокрытия информации для кредитора.

- искажение статей баланса, участвующих в расчете чистых активов, с целью увеличения их объема.

- преднамеренное искажение размера нераспределенной прибыли.

В целом, сказать, какие конкретно статьи баланса или первичные документы будут искажены, достаточно сложно, поскольку все зависит от того, какие коэффициенты, оценивающие финансовое состояние заемщика используются в методике банка-кредитора.

В практической деятельности специалисты аудиторских компаний используют различные методы выявления фальсификации или вуалирования данных, например, проверка отчетности, одновременно предоставляемой нескольким адресатам или межформенный контроль отчетности. Но опять, следует отметить, что специалисты банков лишены возможности востребовать отчетность, направляемую другому адресату, что исключает возможность использования этого метода в банковской практике.

Кроме того, вопрос подтверждения достоверности данных заемщика осложняется еще тем, что многие юридические лица не подтверждают предоставленную отчетность заключениями аудиторских проверок, поэтому банки вынуждены самостоятельно определять наличие в ней недостоверных данных и существенных ошибок.

Возвращаясь к использованию метода межформенного контроля, следует сказать, что данный метод теоретически может быть применим банковскими сотрудниками, однако, как правило, заемщики предоставляют лишь две формы отчетности, это форма 1 «Бухгалтерский баланс» и форма 2 « Отчет о прибылях и убытках» за несколько периодов. Практика показывает, что другие формы отчетности банки не рассматривают по причине нежелания заемщика раскрывать эту информацию перед кредиторами, и банки в интересах заемщика довольствуются лишь ограниченным объемом финансовой информации. Поэтому осуществить сравнение форм отчетности между собой не представляется возможным.  А сравнение форм 1 и 2 не является информативным, поскольку эти формы соответствуют друг другу по небольшому количеству показателей. Получить объективные данные  по значительному количеству показателей можно, имея лишь полный состав бухгалтерской отчетности.

Используя формы № 1 и 2,  кредитный специалист может обратить внимание на следующее:

Во-первых, равенство актива и пассива. И до сих пор в бухгалтерском балансе некоторых заявителей на кредит можно увидеть лишь одинаковые числовые значения строки «Баланс» в активе и пассиве. При суммировании же статей, например, актива указанный показатель валюты баланса будет иным. Надо сказать, что это один из самых популярных способов фальсификации бухгалтерского баланса, когда сумма статей не соответствует заявленной в балансе.

Во-вторых, при оценке бухгалтерской отчетности на предмет ее достоверности следует обращать внимание на тождество начальных остатков. То есть, иными словами, данные бухгалтерского баланса по каждой статье на конец отчетного года должны соответствовать данным каждой статьи бухгалтерского баланса на начало следующего отчетного года. Принцип тождества должен быть соблюден и в форме № 2. Например, легко можно выявить недостоверные данные, если сравнить строку формы № 2 «За аналогичный период предыдущего года» за I квартал отчетного года со строкой «За отчетный период» за I квартал предыдущего года. Как ни странно, часто можно встретить игнорирование сотрудниками кредитных подразделений данного правила.

В-третьих, обязательно учитывать, что статьи формы № 2 формируются нарастающим итогом. То есть, если в 1 квартале себестоимость проданных товаров была больше, чем на конец этого же года, то следует провести полную проверку других представленных данных финансовой отчетности, поскольку ложные показатели могут встретиться и по другим статьям.

В-четвертых, следует учитывать, что наиболее часто используемым приемом увеличения собственного капитала для достижения нужного уровня показателя финансовой автономии является статья «Добавочный капитал». Подозрения на недостоверность бухгалтерской отчетности должны возникать тогда, когда в балансе данный показатель либо появляется по сравнению с прошлыми периодами, либо увеличивается при отсутствии объективных источников.

В целом мы рассмотрели лишь общие подходы к анализу полученных от заемщиков отчетных данных, в практике аудиторов таких приемов много больше. Но как мы уже указывали, далеко не все банковские специалисты обладают необходимыми знаниями в области анализа, что приводит к существенным убыткам банка.

Одним из нетрадиционных подходов выбора фальсифицированной отчетности может стать применение в банковской практике управления рисками закона Бэнфорда.

Суть закона состоит в том, что в 1881 году астроном Саймон Ньюкомб выявил, что в любом массиве данных приблизительно каждое третье число начинается с единицы. Свое наблюдение ученый построил на сборниках математических таблиц логарифмов, где первые листы таблиц, начинающихся с цифры один, были замусолены значительно сильнее. Далее Ньюкомб определил, что таблицы начинающиеся с 2, 3, 4 и т.д. использовались читателями библиотек гораздо реже. В результате ученым был выведен эмпирический закон распределения чисел, который гласил, что, если мы случайным образом выберем любое число из таблицы, содержащей физические значения или статистические данные, вероятность того, что оно будет начинаться с единицы, приблизительно равна 0,301.

До 1938 года этот закон так и не получил признания научного мира и был забыт, если бы не Фрэнк Бэнфорд, который случайно выявил такую же закономерность при анализе справочных данных о площадях поверхности 335 рек, химических параметрах тысяч химических соединений, номерах домов из адресного справочника, результатах бейсбольных матчей. В результате ученый пришел к аналогичным Ньюкомбу выводам: чисел, начинающихся с единицы, гораздо больше, чем начинающихся с любой другой цифры. Рассчитывая вероятность выпадения единицы среди прочих цифр, ученый получил следующие данные (таблица).

Таблица. Вероятность появления первой цифры в массиве данных

ЦифраЧастота появления первой, по Бэнфорду
10,30103
20,176091
30,124939
40,09691
50,0791812
60,0669468
70,0579919
80,0511525
90,0457575

Эту вероятность  Бэнфорд назвал  «законом аномальных чисел».

Несмотря на всю парадоксальность выявленной  последовательности этот закон так и не получил практического применения в прикладной деятельности, до тех пор пока среди финансистов не возникла необходимость разработки каких-то действенных инструментов, используя которые можно было бы выявить сфальсифицированные отчетные данные.

Первым, кто применил закон Бэнфорда в выявлении ложных налоговых деклараций, был Марк Нигрини, который в 1997 году предложил тесты, используя которые, среди массива налоговых деклараций отбирались те, где показателей, начинающихся с цифры один, было менее одной трети. Эти тесты первыми были введены в практику международной аудиторской компанией «Эрнст и Янг» для анализа и выявления подделок в данных клиентов при аудите. Специалисты, применяющие закон Бэнфорда исходили из следующего:  в «честных» отчетных данных показатели всегда будут Бэнфорд-зависимыми (то есть более трети из них будут начинаться с цифры один), те же отчетности, в которых показатели в большинстве случаев начинаются с любой цифры кроме единицы, необходимо отбирать и исследовать на предмет фальсификации.  Практическое применение данных тестов показало, что Марк Нигрини был прав, и использование такого теста дает объективные результаты.

Закон Бэнфорда помогает обнаружить систематические искажения таких операционных данных, как:

  • суммы бухгалтерских проводок;
  • суммы страховых выплат;
  • стоимость гарантийного ремонта;
  • суммы выставленных счетов;
  • объемы поставок;
  • суммы в налоговых декларациях.

В настоящее время аудиторы используют следующие пакеты программ для тестирования массива отчетностей на предмет фальсификации: ACL компании ACL Services Ltd, IDEA от компании CaseWare International Inc. или ActiveData компании Infor-mationActive Ltd. В России подобные тесты действуют в версии программы AuditNET одноименной компании.

Исследуя проявление закона Бэнфорда, Марк Нигрини дополнил его очень важными для контроля за финансовой дисциплиной выводами.  В частности, ученый определил, что человеческая психика тоже отдает некоторое предпочтение «числам, начинающимся с определенных цифр». Эмпирическим путем было доказано, что такими цифрами являются 5 и 6. То есть, если любой произвольный набор чисел содержит менее трети чисел, начинающихся с 1, и при этом достаточно много чисел, начинающихся с 5 или 6, – вероятность фальсификации или ошибки достаточно велика.

Несомненно, закон Бэнфорда представляет некоторый интерес и для сотрудников банка, целью которых стоит предварительная оценка представленной отчетности на предмет фальсификации. Используя такие критерии, как доля показателей, начинающихся с единицы, пятерки и шестерки, кредитный инспектор может предположить вероятность наличия ложных данных в финансовой отчетности заявителей на кредит.