Identification of fraudulent financial statements using data mining techniques

Abstract

Although the financial audit controls in companies have advanced over the years, the number of corporate fraud instances is growing, thus raising the need for investigating the factors that can be used as early-warning signals and developing effective systems for identifying financial fraud. In this thesis, financial statements from 133 Greek companies listed in the Athens Stock Exchange over the period 2014 to 2019 are investigated, based on the fraud diamond theory. Financial data and corporate governance variables are used as inputs to data mining techniques to develop models that can identify patterns of irregularities in a company’s financial reports. To this end popular machine learning classification algorithms are employed in a novel multi-label classification setting that not only identifies fraudulent cases, but also considers the nature of the auditors’ comments. The results indicate that the proposed multi-label approach provides enhanced results compared to binary classification algorithms, avoiding inconsistent outputs with respect to the existence of different forms of manipulation of financial statements.

Ο εντοπισμός παραποιημένων οικονομικών καταστάσεων είναι μια επίπονη και σημαντική διαδικασία για τη λειτουργία των επιχειρήσεων, των κυβερνήσεων και της παγκόσμιας οικονομίας. Τα τελευταία χρόνια, όλο και περισσότεροι ερευνητές εργάζονται πάνω σε αυτό αναπτύσσοντας καινοτόμα μοντέλα και διαδικασίες. Αρχικά, οι παραποιημένες οικονομικές καταστάσεις είναι οικονομικές καταστάσεις που έχουν εσκεμμένα παραποιηθεί για να εξαπατήσουν τους επενδυτές, τους πιστωτές ή άλλους ενδιαφερόμενους. Αυτό μπορεί να περιλαμβάνει σκόπιμες παραλείψεις, ανακρίβειες εσόδων ή εξόδων ή σκόπιμη εσφαλμένη ταξινόμηση πληροφοριών. Η παραποίηση των οικονομικών καταστάσεων μπορεί να χρησιμοποιηθεί για τη διάπραξη απάτης και μπορεί να οδηγήσει σε νομικές ενέργειες κατά των υπευθύνων. Υπάρχουν διάφοροι παράγοντες που έχουν αυξήσει την ανάγκη για επιστημονική έρευνα στη διαδικασία εντοπισμού της απάτης, όπως: (1) το πολύ υψηλό κόστος που επιφέρει για τις επιχειρήσεις, τους μετόχους, αλλά και τη συνολική οικονομία μιας χώρας, (2) ο αντίκτυπος στην κοινωνία, (3) ο αθέμιτος ανταγωνισμός μεταξύ των εταιρειών, (4) η πλασματική ανάπτυξη και η στρέβλωση της συνολικής οικονομικής εικόνας που οδηγεί τους λήπτες αποφάσεων σε λάθος αποφάσεις. Επιπλέον, η αποτυχία εντοπισμού των χρηματοοικονομικών απατών οδήγησε σε χρεοκοπίες και σε επιδείνωση της εμπιστοσύνης του κοινού ακόμα και στις επαγγελματικές ελεγκτικές εταιρείες (Whiting et al., 2012). Αυτό το είδος απάτης έχει αποδειχθεί δύσκολο να εντοπιστεί, κυρίως αφού οι απατεώνες κατέχουν συχνά κρίσιμες διοικητικές θέσεις. Πρώτον, το διοικητικό προσωπικό που εμπλέκεται σε χρηματοοικονομικό παράπτωμα, συχνά καταβάλλει μια συντονισμένη προσπάθεια για να κρύψει την απάτη των οικονομικών καταστάσεων και είναι συχνά οι κύριοι ένοχοι. Δεύτερον, επειδή τα μέλη της διοίκησης κατέχουν θέσεις μεγάλης εμπιστοσύνης, έχουν μεγαλύτερη δύναμη να παρακάμπτουν κρίσιμες εσωτερικές διασφαλίσεις, γεγονός που καθιστά πιο εύκολη τη διενέργεια και δυσκολότερη τον εντοπισμό της απάτης στις οικονομικές καταστάσεις. Τρίτον, οι περισσότερες διαδικασίες εξωτερικού ελέγχου δεν έχουν σχεδιαστεί για να ανιχνεύσουν τη συνεργασία και την πλαστογραφία που χρησιμοποιούν συχνά οι δράστες απάτης στις οικονομικές καταστάσεις για να διαπράξουν και να αποκρύψουν την απάτη. Επιπλέον, επειδή τα δεδομένα των οικονομικών καταστάσεων είναι πολύ συμπυκνωμένα και συγκεντρωτικά, οι απάτες είναι πιο δύσκολο να εντοπιστούν χρησιμοποιώντας συμβατικές τεχνικές αναλυτικής και στατιστικής μοντελοποίησης. Ωστόσο, ορισμένες πιο πρόσφατες τεχνικές δείχνουν ότι έχουν τις δυνατότητες για να εντοπίσουν πιο πολύπλοκες ανωμαλίες που κρύβονται μέσα στις οικονομικές καταστάσεις. Η εξόρυξη δεδομένων, η οποία προσπαθεί να εξάγει χρήσιμες πληροφορίες από συλλογές μεγάλων δεδομένων, έχει χρησιμοποιηθεί εκτενώς ως εργαλείο ενεργητικής λήψης αποφάσεων. Εξαιτίας των δυνατοτήτων που δίνονται από τη χρήση τεχνικών εξόρυξης δεδομένων, οι ερευνητές ενδιαφέρονται όλο και περισσότερο για τη διαμόρφωση μεταβλητών που θα τους βοηθήσουν να βρουν πρακτικές τάσεις ικανές να εντοπίσουν τις παραποιήσεις στις οικονομικές καταστάσεις. Αν και οι αρχές της εταιρικής διακυβέρνησης (Corporate Governance-CG) είναι πλέον καθιερωμένες και ευρέως αποδεκτές, ο αριθμός των περιπτώσεων απάτης από εργαζομένους αυξάνεται, εντείνοντας την ανάγκη διεξοδικής διερεύνησης παραγόντων που μπορούν να χρησιμοποιηθούν ως ενδείξεις έγκαιρης προειδοποίησης. Η παραποίηση των οικονομικών καταστάσεων μίας επιχείρησης είναι ένα από τα πιο σημαντικά είδη εταιρικής απάτης. Η αδυναμία των ελεγκτών να ανιχνεύουν οικονομικά σκάνδαλα καθιστά απαραίτητη τη χρήση συγκεκριμένων μεθόδων και εργαλείων ελέγχου (J. W. Lin et al., 2003). Ένας μεγάλος αριθμός ακαδημαϊκών ερευνητών (Dechow et al., 2011; Price et al., 2011) έχει προτείνει διάφορες μεθόδους για τον εντοπισμό χρηματοοικονομικής απάτης, που συχνά βασίζονται σε πληροφορίες που προέρχονται από τις οικονομικές καταστάσεις (Ngai et al., 2011). Σήμερα, ακόμα κι αν οι έλεγχοι είναι εντατικοί, οι απατεώνες μπορούν να τους παρακάμψουν και οι ελεγκτές δεν μπορούν να εντοπίσουν έγκαιρα τις απάτες. Επομένως, είναι επιτακτική ανάγκη να προσεγγίσουμε τον εντοπισμό απατών μελετώντας τα κίνητρα, την ευκαιρία, την πίεση και την ικανότητα ενός απατεώνα να διεξάγει δόλιες ενέργειες. Αυτά τα τέσσερα χαρακτηριστικά αποτελούν τη θεωρία του διαμαντιού της απάτης (fraud diamond theory) και αυτή η διατριβή υιοθετεί αυτή τη θεωρία για την εφαρμογή μιας προσέγγισης μηχανικής μάθησης. Από την γνώση που υπάρχει έως σήμερα, είναι η πρώτη φορά στην Ελλάδα που εφαρμόζεται μια προσέγγιση της θεωρίας του διαμαντιού για τον εντοπισμό παραποιημένων οικονομικών καταστάσεων χρησιμοποιώντας συνδυασμό οικονομικών δεικτών και εταιρικών μεταβλητών. Στη συγκεκριμένη διατριβή, χρησιμοποιούνται για την επεξεργασία και την εξαγωγή συμπερασμάτων οι ακόλουθες δυαδικές τεχνικές: τα γενικευμένα προσθετικά μοντέλα (Generalized Additive Models-GAM), ο αλγόριθμος του πλησιέστερου γείτονα (k-Νearest Νeighbor - kNN), η λογιστική παλινδρόμηση (Logistic Regression-LR) και ο ταξινομητής δένδρων αποφάσεων (Random Forest-RF). Αυτές οι τεχνικές ασχολούνται με την ταξινόμηση μιας ετικέτας σε παραποιημένη ή μη περίπτωση (Falsified or non-falsified financial statements, FFS/nFFS). Επιπλέον, εξετάζεται μια προσέγγιση ταξινόμησης πολλαπλής ετικέτας με τη χρήση διχοτομικών ταξινομητών καθώς και η τεχνική πολλαπλών ετικετών γνωστή ως Multi Label Technique (ML-kNN), η οποία αποτελεί επέκταση του πλησιέστερου γείτονα. Η ανάπτυξη μοντέλων δυαδικής ταξινόμησης για τη διάκριση μεταξύ των περιπτώσεων FFS και nFFS ήταν το κύριο επίκεντρο προηγούμενων μελετών για την αναγνώριση της ανίχνευσης παραποιημένων οικονομικών καταστάσεων. Ωστόσο, η ενισχυμένη προσέγγιση που χρησιμοποιήθηκε σε αυτή τη μελέτη υπερβαίνει το βασικό δυαδικό σχήμα για να προσδιορίσει περαιτέρω τη φύση των σχολίων των ελεγκτών. Ως αποτέλεσμα, μια παρατήρηση μπορεί να ανήκει σε περισσότερες από μία κατηγορίες και όχι μόνο σε μία κατηγορία σε ένα σχήμα ταξινόμησης πολλαπλών ετικετών και έτσι προκύπτει η κύρια καινοτομία αυτής της διατριβής. Σε αυτό το πλαίσιο, η προσέγγιση που παρουσιάζεται σε αυτή τη μελέτη βασίζεται σε εποπτευόμενες τεχνικές εξόρυξης δεδομένων, όπως η λογιστική παλινδρόμηση, τα γενικευμένα προσθετικά μοντέλα, καθώς και οι αλγόριθμοι του πλησιέστερου γείτονα και των δένδρων αποφάσεων. Αυτές οι προσεγγίσεις εφαρμόζονται σε μια ρύθμιση ταξινόμησης για να προσδιοριστεί εάν οι εταιρείες έχουν παραποιήσει οικονομικές καταστάσεις (FFS) ή όχι (nFFS). Τέτοια σχήματα δυαδικής ταξινόμησης έχουν εξεταστεί ευρέως στη σχετική βιβλιογραφία. Ωστόσο, μια διχοτομική ταξινόμηση παραβλέπει σημαντικές πληροφορίες, οι οποίες μπορεί να έχουν πολύτιμες επιπτώσεις στην πράξη. Μια τέτοια προσέγγιση πολλαπλών ετικετών μπορεί να είναι χρήσιμη για την ανάλυση των παραποιημένων οικονομικών καταστάσεων, καθώς παρέχει στους ελεγκτές και τις ρυθμιστικές αρχές ένα ολοκληρωμένο πλαίσιο μοντελοποίησης που όχι μόνο επιτρέπει τον εντοπισμό χρηματοοικονομικής απάτης, αλλά μπορεί επίσης να παρέχει πληροφορίες για τους τύπους απάτης που σχετίζονται με κάθε συγκεκριμένη περίπτωση. Πιο συγκεκριμένα, η παραπάνω προσέγγιση βελτιώνει τους μηχανισμούς ελέγχου καθώς τους κάνει πιο συγκεκριμένους και βελτιώνει τον χρόνο των ελεγκτών, χωρίς να χρειάζεται να καταφεύγουν σε διαφορετικά μοντέλα για κάθε τύπο απάτης, τα οποία θα μπορούσαν να είναι δύσκολο να εφαρμοστούν, ιδιαίτερα όταν χωριστά μοντέλα παρέχουν αντικρουόμενες ενδείξεις. Η μεθοδολογία που υιοθετήθηκε στο παραπάνω πλαίσιο πολλαπλών ετικετών, βασίζεται στο δυαδικό σχήμα συνάφειας (Binary relevance scheme, BR, Zhang et al., 2018), το οποίο περιλαμβάνει την κατασκευή δυαδικών ταξινομητών για κάθε ζεύγος κλάσεων, μέσω μιας προσέγγισης ένα εναντίον όλων. Ένα κοινό πρόβλημα που προκύπτει με τους αλγόριθμους πολλαπλών κλάσεων είναι ότι συχνά αγνοούν τις σχέσεις μεταξύ των κλάσεων, οδηγώντας έτσι σε ασυνεπή και ανούσια αποτελέσματα. Για να αντιμετωπιστεί αυτό το πρόβλημα, εισάγονται δύο απλές στρατηγικές διόρθωσης -που ονομάζονται Διόρθωση ασυνέπειας βάσει περίπτωσης (Case-based Inconsistency Correction-CBIC) και σχήμα meta-learner με βάση τον πλησιέστερο γείτονα (kNN-based Μeta-Learner, NNML) που διασφαλίζουν τη συνέπεια των αποτελεσμάτων ταξινόμησης με τη φύση των κατηγοριών FFS/nFFS. Ο κύριος στόχος αυτής της διατριβής, επομένως, είναι να προτείνει μια μεθοδολογία που χρησιμοποιεί μεθοδολογίες μηχανικής μάθησης και έναν συνδυασμό οικονομικών δεικτών και εταιρικών μεταβλητών που βασίζονται στη θεωρία του διαμαντιού απάτης και να χρησιμοποιήσει αυτό τον συνδυασμό σε τεχνικές εξόρυξης δεδομένων για τον εντοπισμό των παραποιημένων οικονομικών καταστάσεων αλλά και τον προσδιορισμό του τύπου της απάτης. Τα δεδομένα εκπαίδευσης κατηγοριοποιούνται σε FFS ή nFFS λαμβάνοντας υπόψη συγκεκριμένα σχόλια των ορκωτών λογιστών που δημοσιεύονται στις οικονομικές καταστάσεις της κάθε εισηγμένης εταιρίας. Σε αυτή τη διδακτορική διατριβή, ερευνώνται οι χρηματοοικονομικές καταστάσεις 133 ελληνικών μη χρηματοπιστωτικών εταιρειών εταιριών που είναι εισηγμένες στο Χρηματιστήριο Αθηνών τη χρονική περίοδο 2014-2019. Η ανάλυση βασίζεται σε κοινά χρησιμοποιούμενες χρηματοοικονομικές μεταβλητές καθώς και σε μη χρηματοοικονομικά χαρακτηριστικά που επιλέχθηκαν με βάση τη θεωρία του διαμαντιού απάτης, λαμβάνοντας υπόψη τη διακριτική τους δύναμη. Οι περιπτώσεις παραποιημένων χρηματοοικονομικών καταστάσεων στο δείγμα προσδιορίζονται μέσω της εξέτασης έξι τύπων σχολίων ελεγκτών, τα οποία ομαδοποιούνται σε κλάσεις μέσω μιας διαδικασίας ιεραρχικής ομαδοποίησης για να οριστούν σημαντικές κατηγορίες που αποτελούνται από διαφορετικούς τύπους FFS. Οι κατηγορίες που προκύπτουν αντιστοιχούν στις ετικέτες του προτεινόμενου πλαισίου ταξινόμησης πολλαπλών ετικετών. Η απόδοση των εφαρμοζόμενων μεθόδων εκτιμάται με διάφορες μετρήσεις; Macro-Precision (PR), Μacro-Recall (RC), Macro-F1 (F1), Hamming loss (HL) και ακρίβεια (accuracy-AC). Μια ανάλυση διασταυρούμενης επικύρωσης (cross validation -CV) 10 επαναλήψεων χρησιμοποιείται για να ληφθούν αμερόληπτες εκτιμήσεις της απόδοσης των αλγορίθμων. Όλες οι μετρήσεις απόδοσης για κάθε μέθοδο συγκρίνονται μεταξύ τους για να προσδιοριστεί η μέθοδος με τα καλύτερα αποτελέσματα. Επιπλέον, δύο μεθοδολογίες χρησιμοποιούνται στην ανάλυση για τη διόρθωση αντικρουόμενων αποτελεσμάτων που μπορεί να προκύψουν λόγω μη ταξινόμησης των εταιρειών λαμβάνοντας υπόψη τις απόψεις των ελεγκτών. Παράλληλα, συγκρίνονται και αξιολογούνται τα αποτελέσματα που προέκυψαν με τη χρήση των τεχνικών LR, kNN, GAM και RF, καθώς και με τον αλγόριθμο πολλαπλών ετικετών ML-kNN. Φυσικά, ελέγχεται και η αποτελεσματικότητα των δύο διαδικασιών διόρθωσης (CBIC, NNML). Λαμβάνοντας υπόψη το περιεχόμενο της διατριβής, εξάγεται το συμπέρασμα ότι είναι σημαντικό να προωθηθούν οι διαδικασίες ανίχνευσης απάτης πέρα από τα παραδοσιακά εργαλεία ελέγχου και να ενισχυθούν αυτές οι διαδικασίες με την καλύτερη κατανόηση των κινήτρων και των πρακτικών των απατεώνων. Η προσέγγιση των πολλαπλών ετικετών ενίσχυσε την ακρίβεια της ταξινόμησης και οδήγησε σε καλύτερη κατανόηση της σημασίας των σχολίων των ελεγκτών. Παράλληλα, οι δύο διορθωτικές διαδικασίες (CBIC, NNML) ενίσχυσαν τις μετρήσεις απόδοσης των μοντέλων. Αν και η βιβλιογραφική ανασκόπηση και το γεγονός ότι η πλειονότητα των απατών προέρχονται από τους διοικητικούς μίας εταιρίας απαιτεί την επιτάχυνση της χρήσης νέων «ανθρωποκεντρικών» θεωριών στην ανίχνευση των παραποιημένων οικονομικών καταστάσεων, όπως η Θεωρία του Διαμαντιού της Απάτης, τα αποτελέσματα αυτής της προτεινόμενης μεθοδολογίας δεν έδωσαν σαφή εικόνα για τη συμβολή των μη χρηματοοικονομικών μεταβλητών που προέρχονται από τη θεωρία του διαμαντιού. Πιθανώς αυτό συνέβη από την επιλογή των συγκεκριμένων μεταβλητών. Συμπερασματικά, η προτεινόμενη προσέγγιση επιδεικνύει ανώτερη προγνωστική απόδοση και επιτρέπει τον εντοπισμό πρώιμων προειδοποιητικών σημάτων (κόκκινες σημαίες red flags) για τον εντοπισμό των χρηματοοικονομικών απατών. Η μεθοδολογία αυτής της διατριβής μπορεί να προσφέρει σε επενδυτές, εμπειρογνώμονες, ρυθμιστικούς φορείς, ελεγκτές και άλλους μετόχους σημαντικές πληροφορίες, βελτιστοποιώντας την ορθότητα της λήψης των αποφάσεων και βελτιώνοντας τους χρόνους στον έλεγχο των δεδομένων. Τέλος, μπορεί να βοηθήσει τους ακαδημαϊκούς/ερευνητές να δημιουργήσουν σημαντικές επιστημονικές προτάσεις για τη βελτίωση της διαδικασίας ανίχνευσης παραποιημένων οικονομικών καταστάσεων.