Ocena skuteczności modelu Beneisha w wykrywaniu manipulacji w sprawozdaniach finansowych

Anna Golec

Abstract

The aim of this study is to verify whether Beneish M‑Score model can be useful in detecting Polish companies involved in earning management practices that lead to adverse or disclaimer of auditors’ opinion. The sample covers 24 pairs of firms listed on Warsaw Stock Exchange or New Connect (alternative market). The findings generally indicate that with –2.22 point cut‑off the model was able to identify 67% of manipulators and 75% non‑manipulators correctly. The accuracy of the model improved from 71% to 75% after shifting the cut‑off point to –1.98. Another observation was that high changes in M‑Score values turned out to be better indicator of manipulation and the classification based on 35% change in year‑to‑year values reached 85% accuracy.
Author Anna Golec (FM / DCF)
Anna Golec,,
- Department of Corporate Finance
Other language title versionsEffectiveness of the Beneish Model in Detecting Financial Statement Manipulations
Journal seriesActa Universitatis Lodziensis Folia Oeconomica, ISSN 0208-6018, e-ISSN 2353-7663, (B 14 pkt)
Issue year2019
No2 (341)
Pages161-182
Publication size in sheets1.05
Keywords in Polishmodel Beneisha, M‑Score, manipulacje wynikami finansowymi, Polska, rynek kapitałowy
Keywords in EnglishBeneish Model, M‑Score, financial statement manipulation, Poland, listed companies
Abstract in PolishCelem artykułu jest ocena, czy model Beneisha może stanowić użyteczne narzędzie do wykrywania manipulacji wynikami finansowymi, które prowadziły do wydania negatywnej opinii biegłego rewidenta lub odmowy jej wydania w polskich spółkach kapitałowych. Badaniem objęto 24 pary przedsiębiorstw z głównego rynku Giełdy Papierów Wartościowych w Warszawie oraz z rynku alternatywnego New Connect. Z przeprowadzonych analiz wynika, że przy punkcie granicznym –2,22 model poprawnie identyfikował 67% manipulatorów i 75% niemanipulatorów. Dokładność modelu wzrastała z 71% do 75% wraz z przesuwaniem punktu odcięcia do –1,98. Kolejną obserwacją był fakt, że duże zmiany w wartościach M‑Score okazały się lepszym kryterium oceny. Klasyfikacja podmiotów na podstawie 35% zmiany wskaźnika rok do roku pozwoliła zwiększyć dokładność grupowania do 85%.
DOIDOI:10.18778/0208-6018.341.10
URL https://czasopisma.uni.lodz.pl/foe/article/view/3090/4900
Languagepl polski
LicenseJournal (articles only); published final; Uznanie Autorstwa (CC-BY); with publication
Score (nominal)14
ScoreMinisterial score = 14.0, 16-07-2019, ArticleFromJournal
Ministerial score (2013-2016) = 14.0, 16-07-2019, ArticleFromJournal
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back