11. März 2019
Sagt Ihnen Beneish etwas?
Wie erkennt man, ob ein Unternehmen seinen Abschluss manipuliert hat? Die Methode von Dr. Beneish scheint eine vielversprechende und einfache Lösung zu bieten.
Alles begann im Herbst 2015 – Seit Erlangen meines Masters of Advanced Studies Diplom in Economic Crime Investigation war mehr als ein Jahr vergangen und ich war sehr daran interessiert, berufliche Tendenzen zu verfolgen und das neue Wissen zu festigen. Unter anderem trat ich der LinkedIn Gruppe der Association of Certified Fraud Examiners ACFE bei. Ich wurde gleich von einem erwartungsvollen Teilnehmer begrüsst: „Ich hoffe, dass Sie mit Ihrem Hintergrund einen guten Beitrag zu dieser Gruppe leisten werden!“ Wie sich später zeigen sollte, habe ich leider seine Erwartungen nicht erfüllt…
Nach einigem hin- und her schickte Doug (dies ist sein Name) eine Mitteilung an die Gruppe, in der er einige Bücher empfahl, die ich dann erwarb. Eines von ihnen weckte meine ganze Aufmerksamkeit, zeigte es doch eine Reihe von mir neuartigen Analysetechniken, von denen eine mich besonders beeindruckte: der Beneish M-Score.
Das Buch beschreibt ein System, das angeblich die Manipulationswahrscheinlichkeit von Abschlüssen anhand eines einzigen Referenzwertes aufzeigen kann. Wäre das nicht vergleichbar mit der Entdeckung des Rosetta-Steins? Oder waren da Scharlatane am Werk? Es liegt auf der Hand, dass bei einer solchen Entdeckung das Herz eines jeden Finanzanalysten, bzw. forensischen Prüfers höher schlagen würde.
Worum geht es dabei?
Dr. Messod Daniel Beneish hat über viele Jahre hinweg eine probabilistische Methode entwickelt, mit der die Wahrscheinlichkeit der Manipulation von Abschlüssen basierend auf einem Referenzwert ermittelt werden kann. Er präsentierte sein Modell in einem wegweisenden Papier, «The Detection of Earnings Manipulation» (Juni 1999), das später weiterverfeinert wurde.
Seine Lösung basiert auf der Ermittlung eines Referenzwertes durch die Berechnung von acht Finanzvariablen aus dem Abschluss einer Firma, bzw. deren Veränderung über zwei Perioden hinweg. Die gewichtete Kombination zusammen mit einer Konstante ergibt dann diesen Referenzwert (M-Score). Der blosse Vergleich des M-Scores mit dem Benchmark gibt Aufschluss darüber, ob Manipulationen oder Betrug in den Abschlüssen mehr oder weniger wahrscheinlich sind.
Darüber hinaus ist der ungewichtete Index der Abweichung von Periode zu Periode für jede der acht Finanzvariablen mit einer individuellen Benchmark (meistens 1) vergleichbar und gibt auch hier wieder Aufschluss darüber, inwiefern Manipulation oder Betrug wahrscheinlich ist. Daher bietet das Modell nicht nur einen gesamten Manipulationswahrscheinlichkeitswert (M-Score), sondern auch Fokuspunkte bezüglich acht verschiedenen Variablen im Finanzabschluss zur weiteren Vertiefung.
Hört sich das kompliziert oder unwirklich an?
Lassen Sie mich Dr. Beneish’s eigenen Abstrakt wiedergeben:
The paper profiles a sample of earnings manipulators, identifies their distinguishing characteristics, and estimates a model for detecting manipulation. The model’s variables are designed to capture either the effects of manipulation or preconditions that may prompt firms to engage in such activity. The results suggest a systematic relation between the probability of manipulation and financial statement variables. The evidence is consistent with accounting data being useful in detecting manipulation and assessing the reliability of accounting earnings.
In holdout sample tests, the model identifies approximately half of the companies involved in earnings manipulation prior to public discovery. Because companies discovered manipulating earnings see their stocks plummet in value, the model can be a useful screening device for investing professionals. While the model is easily implemented – the data can be extracted from an annual report – the screening results require further investigation to determine whether the distortions in financial statement numbers result from earnings manipulation or have another structural root.
Das Modell wurde ursprünglich für die Investment-Community und Finanzanalysten entwickelt und gilt als zusätzliches Instrument im Werkzeugkasten für forensische Finanzprüfer, Steuerbehörden und Vollzugsbehörden.
Wie funktioniert es?
Wie oben im Abstrakt beschrieben, analysierte Dr. Beneish zunächst die an der US-amerikanischen Börsenaufsichtsbehörde (Securities and Exchange Commission SEC) eingereichten Abschlüsse von 2’406 kotierten Gesellschaften unter Verwendung der zu diesem Zeitpunkt verfügbaren CompuStat-Fazilität (heute EDGAR). Unter den 2’406 Unternehmen wurden 74 nachträglich als Manipulatoren identifiziert, z.B. durch offengelegte Korrektur des Abschlusses.
Dr. Beneish erkannte, dass Manipulatoren aus seiner Stichprobe typischerweise ihre Ergebnisse dadurch verbesserten, indem sie fiktive, oder (noch) nicht vereinnahmte Erträge auswiesen, das Inventar fiktiv überhöhten, oder unzulässige Aufwendungen kapitalisierten. Basierend auf seiner Arbeit, identifizierte er acht Finanzvariablen, deren Veränderung (Index) auf Manipulation bzw. Betrug hindeuten könnten. Die acht Variablen im Detail:
| # | Finanzvariable | Beschreibung / Begründung |
| 1 | DSRI – Days sales in receivable index | DSRI = (Forderungen t / Umsatz t) / (Forderungen t-1 / Umsatz t-1) Forderungen um zweifelhafte Forderungen bereinigt. Forderungen und Umsätze sollten sich gleichförmig bewegen. Eine starke Zunahme dieses Index könnte auf eine Änderung der Kreditrichtlinie hindeuten (also eine Verlängerung des Zahlungsziels), z.B. um Umsätze in einem umkämpften Wettbewerbsumfeld zu steigern. |
| 2 | GMI – Gross margin index | GMI = Bruttomarge t-1/ Bruttomarge t Wenn der GMI grösser als 1 ist, dann ist die Bruttomarge im Vergleich zum Vorjahr geschrumpft. Dies wird als negatives Signal für die zukünftige Entwicklung einer Firma verstanden. Firmen mit einer zurückgehenden Bruttomarge werden eher ihre Gewinne manipulieren, deshalb sollte es einen positiven Zusammenhang zwischen sinkender Bruttomarge und Gewinnmanipulation geben. |
| 3 | AQI – Asset quality index | AQI = [1 – (Umlaufvermögen t + Sachanlagen t + Finanzanlagen t) / Gesamtvermögen t] / [1 – ((Umlaufvermögen t-1 + Sachanlagen t-1 + Finanzanlagen t-1) / Gesamtvermögen t-1)] Für die Finanzanlagen können die gesamten langfristigen Investments berücksichtigt werden. Der AQI misst den Anteil langfristiger Vermögenswerte (ohne Sachanlagen) am Gesamtvermögen, d.h. den Anteil der Vermögenswerte, die potenziell nicht zur Umsatzgenerierung genutzt werden können (wie Goodwill etc.). Ein Index grösser als 1 deutet auf eine Verlagerung von Kosten hin und ist als Zeichen für eine Gewinnmanipulation zu werten. |
| 4 | SGI – Sales growth index | SGI = Umsatz t / Umsatz t-1 Umsatzwachstum an sich ist erstmal kein Anzeichen für eine Manipulation. Allerdings ist es so, dass speziell Wachstumsunternehmen mit hohem Kapitalbedarf einen Anreiz haben, ihr Wachstum und ihre Gewinne höher aussehen zu lassen. Dies kommt vor allem auch durch den Druck auf das Management, die Gewinnziele zu erreichen. |
| 5 | DEPI – Depreciation index | DEPI = (Abschreibungen t / (Sachanlagen t + Abschreibungen t)) / (Abschreibungen t-1 / (Sachanlagen t-1 + Abschreibungen t-1)) Ein DEPI Index grösser als 1 deutet darauf hin, dass die vorhandenen Vermögenswerte nun langsamer abgeschrieben werden als zuvor bzw. die Nutzungsdauer der Vermögenswerte verlängert wurden. |
| 6 | SGAI – Selling, general and administrative expenses index | SGAI = (SG&A Aufwand t / Umsatz t) / (SG&A Aufwand t-1 / Umsatz t-1) Ein unverhältnismässiger Anstieg des SG&A-Anteils (Vertriebs- und Verwaltungsaufwendungen) am Umsatz kann als negatives Signal für die Zukunftsaussichten eines Unternehmens angesehen werden, was die Wahrscheinlichkeit einer Manipulation erhöht. |
| 7 | TATA – Total accruals to total assets index | TATA = (Nettogewinn aus fortgeführten Geschäftsbereichen t – Operativer Cash Flow t) / Gesamtvermögen t Der TATA Index wird verwendet, um einen Anhaltspunkt über die Abweichung des Gewinns vom Cash Flow zu geben. Die Periodenabgrenzung erfordert vom Management einige Abschätzungen, z.B. im Hinblick auf die angesetzten Abschreibungsdauern, die Art und Weise wie Umsätze gebucht werden, ob Lagerbestände nach der LIFO- oder der FIFO-Methode aus dem Lager ausgebucht werden, etc. Hier hat das Management einige Freiräume, die Gewinne in die eine oder andere Richtung zu beeinflussen. Je grösser die Abweichung des Nettogewinns vom Cash Flow, desto aggressiver ist das Management bezüglich seiner Annahmen. |
| 8 | LVGI – Leverage index | LVGI = [(Kurzfristige Verbindlichkeiten t + Langfristige Schulden t) / Gesamtvermögen t] / [(Kurzfristige Verbindlichkeiten t-1 + Langfristige Schulden t-1) / Gesamtvermögen t-1] Ein LVGI grösser als 1 bedeutet eine Zunahme des Verschuldungsgrades. Typischerweise haben Unternehmen Kreditvereinbarungsklauseln (Covenants) in ihren Verträgen, in denen die kreditgebenden Banken eine Begrenzung des Verschuldungsgrades oder ähnliches vorschreiben. Dieser Faktor berücksichtigt also eine Situation, in der das Management die Zahlen manipuliert, um die Covenants nicht zu verletzen. |
Nochmals zur Berechnung dieser Indizes sowie des M-Scores:
| # | Verhältniszahl | Formel | Benchmark |
| 1 | DSRI – Days sales in receivable index | (Forderungen t / Umsatz t) / (Forderungen t-1 / Umsatz t-1) (CY A/R / Sales) / (PY A/R / Sales) | 1 |
| 2 | GMI – Gross margin index | Bruttomarge t-1/ Bruttomarge t ((PY Sales – PY CoS) / PY Sales) / ((CY Sales – CY CoS) / CY Sales) | 1 |
| 3 | AQI – Asset quality index | [1 – (Umlaufvermögen t + Sachanlagen t + Finanzanlagen t) / Gesamtvermögen t] / [1 – ((Umlaufvermögen t-1 + Sachanlagen t-1 + Finanzanlagen t-1) / Gesamtvermögen t-1)] (1-(CY CA + CY Net FA) / CY TA) / (1-(PY CA + PY Net FA) / PY TA) | 1 |
| 4 | SGI – Sales growth index | Umsatz t / Umsatz t-1 CY Sales / PY Sales | 1 |
| 5 | DEPI – Depreciation index | (Abschreibungen t / (Sachanlagen t + Abschreibungen t)) / (Abschreibungen t-1 / (Sachanlagen t-1 + Abschreibungen t-1)) (PY DE / (PY DE + PY Net PPE)) / (CY DE / (CY DE + CY Net PPE)) | 1 |
| 6 | SGAI – Selling, general and administrative expenses index | (SG&A Aufwand t / Umsatz t) / (SG&A Aufwand t-1 / Umsatz t-1) (CY SGA / CY Sales) / (PY SGA / PY Sales) | 1 |
| 7 | TATA – Total accruals to total assets index | (Nettogewinn aus fortgeführten Geschäftsbereichen t – Operativer Cash Flow t) / Gesamtvermögen t ((CY WC – PY WC) – (CY Cash – PY Cash) + (CY Income Tax Payable – PY Income Tax Payable) + (CY Current LTD – PY Current LTD) – CY DE) / CY TA | 0 |
| 8 | LVGI – Leverage index | [(Kurzfristige Verbindlichkeiten t + Langfristige Schulden t) / Gesamtvermögen t] / [(Kurzfristige Verbindlichkeiten t-1 + Langfristige Schulden t-1) / Gesamtvermögen t-1] ((CY LTD + CY CL) / CY TA) / ((PY LTD + PY CL) / PY TA) | 1 |
Abkürzungen in den obigen Formeln:
| # | Abkürzungen | Beschreibung | # | Abkürzungen | Beschreibung |
| 1 | CA | Current assets | 7 | LTD | Long-term debt |
| 2 | CL | Current liabilities | 8 | PPE | Property, plant and equipment |
| 3 | CoS | Cost of sales | 9 | PY | Previous year |
| 4 | CY | Current year | 10 | SGA | Selling, general and admin expenses |
| 5 | DE | Depreciation and amortization expenses | 11 | TA | Total assets |
| 6 | FA | Fixed assets | 12 | WC | Working capital |
Die Formel für die Berechnung des M-Scores lautet wie folgt:
| M = -4.84 + (0.92 x DSRI) + (0.528 x GMI) + (0.404 x AQI) + (0.892 x SGI) + (0.115 x DEPI) – (0.172 x SGAI) + (4.679 x TATA) – (0.327 x LVGI) |
| Overall Benchmark: -2.22 |
Wie zuverlässig ist das Modell?
Was für ein schönes Modell: Man erfasst einige Verhältniszahlen in ein rechnergestütztes Werkzeug wie Excel und erhält ein wahrscheinliches Mass an Manipulation oder Betrug…
Aber: Ist das Modell überhaupt zuverlässig?
In seiner Arbeit behauptet Dr. Beneish, er könne 76 Prozent der Gewinnmanipulatoren korrekt erkennen während er 17,5 Prozent irrtümlicherweise als Nichtmanipulatoren identifiziert. Mit anderen Worten, Dr. Beneish stellte fest, dass 17,5 Prozent der Unternehmen, deren Abschluss er für frei von Gewinnmanipulation hielt, den Jahresabschluss später aufgrund von Gewinnmanipulation neu veröffentlichen mussten.
Dr. Beneish erklärt, er habe Beweise dafür vorgelegt, dass «ein systematischer Zusammenhang zwischen Ertragsmanipulation und Finanzabschlusszahlen besteht, der für die Finanzforschung und Anlagespezialisten von Interesse ist. Die Beweise deuten darauf hin, dass Rechnungslegungsdaten nicht nur die Kriterien einer nützlichen Informationsbereitstellung erfüllen, sondern auch die Beurteilung der Zuverlässigkeit jener Berichterstattung ermöglichen. Das von ihm entwickelte Modell erfordert nur Daten zweier Perioden (ein Jahresbericht), um die Wahrscheinlichkeit von Manipulationen zu ermitteln. Das Modell kann demzufolge von der SEC, Wirtschaftsprüfern und Anlegern mit wenig Aufwand angewendet werden, um eine Vielzahl von Unternehmen zu beurteilen und potenzielle Manipulatoren für vertiefte Analyse zu identifizieren.»
Dr. Beneish erkennt auch an, dass die Einschätzung der Analyse festlegen soll, ob die Verzerrungen in den Jahresabschlusszahlen auf Ergebnismanipulation zurückzuführen sind, oder ob sie eine andere strukturelle Ursache haben.
Darüber hinaus weist Dr. Beneish darauf hin, dass das Modell Einschränkungen unterworfen ist, weil es auf Finanzinformationen börsennotierter Unternehmen konzipiert worden ist. Daher kann es nicht zuverlässig eingesetzt werden, um Privatunternehmen zu analysieren. Eine weitere Einschränkung besteht darin, dass die Unternehmen, die in der Stichprobe manipuliert haben, ihr Ergebnis vergrössern und nicht schmälern wollten. Daher kann das Modell nicht zuverlässig verwendet werden, um Unternehmen zu analysieren, deren Ziel es ist, ein geschmälertes Ergebnis offenzulegen.
Autor: Jean-Claude Rochat
Kommentare
0 Kommentare
Danke für Ihren Kommentar, wir prüfen dies gerne.