Fraude

Uma das questões mais cruciais para contabilidade é a detecção de fraudes. Isto interessa de perto ao auditor e ao usuário da informação contábil. A questão é como construir um instrumento que permita separar as empresas que estão manipulando seus resultados e aquelas que não estão.

O auditor possui um conjunto de medidas que permita descobrir fraudes contábeis. Mas o usuário fica um pouco abandonado diante as manipulações possíveis. Obviamente se uma empresa apresenta informações contábeis com parecer de auditoria com observações, isto pode ser um indicio de problemas com a qualidade da informação. Entretanto, o parecer não consegue separar todos os casos.

Um dos primeiros modelos para detecção de fraudes foi criado por Beneish no final da década de noventa. Enquanto os modelos de previsão de falência já existiam há anos, a detecção de fraude não contava com um instrumento especifico. Beneish selecionou uma amostra de 50 empresas que no período de 1982 a 1988 comprovadamente manipularam as informações contábeis. Para comparar, ele usou 1708 empresas. Como não existe uma teoria de manipulação contábil, Beneish trabalhou com base em alguns trabalhos acadêmicos da época (Healy, Jones, Watts e Zimmerman, entre outros).

As variáveis que ele usou foram as seguintes: accruals sobre ativos, dias de vendas a receber, margem bruta, qualidade do ativo, crescimento das vendas, índice de depreciação, índice de despesas gerais e administrativas, e índice de alavancagem. Somente os três últimos não apresentaram valores significativos. Dias de vendas foi o índice com maior valor.

Um dos problemas com este tipo de modelo refere-se aos erros. Quando se utiliza um modelo estatístico, podem-se cometer dois tipos de erros: pode classificar uma empresa como não manipuladora, quando de fato ela é; ou pode classificar uma empresa como manipuladora, quando de fato ela não é. O primeiro caso é denominado na estatística de “erro tipo I” e o segundo caso recebe o nome criativo de “erro tipo II”. Para quem está usando o modelo, o erro tipo I é mais prejudicial. A vantagem é que o modelo usado permite reduzir um erro e aumentar o outro.

O trabalho de Beneish deve ser usado com muita cautela: foi construído num período diferente do nosso e utilizou dados de outro mercado. De qualquer forma, em razão da importância da questão que ele tenta responder, a reprodução do modelo poderá ser extremamente útil para os usuários das informações contábeis.

BENEISH, Messod. The Detection of Earnings Manipulation. 1999.