Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "M‑Score" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
COMPARISON OF LIQUIDITY BASED AND FINANCIAL PERFORMANCE BASED INDICATORS IN FINANCIAL ANALYSIS
Autorzy:
Pustylnick, Igor
Powiązania:
https://bibliotekanauki.pl/articles/489125.pdf
Data publikacji:
2017
Wydawca:
Instytut Badań Gospodarczych
Tematy:
earnings management
financial statement fraud
revenue manipulations
M-Score
Z-Score
Opis:
Research background: Since the turn of the 21st century financial statement manipulations became the center of attention for accountants, auditors and financial analysts. Since being classified by the regulators as fraudulent, earnings management has required a separate detection methodology. The majority of detection research is performed through the comparison of a large number of statements for the same company in order to find irregularities in earnings behavior. Shortening of the detection time and the amount of data becomes important. Purpose of the article: The goal was to compare the characteristics of M-Score and ∆P-∆R and to find their advantages and limitations. Applying both indicators to the different samples, the research attempted to determine the statistical connection between them and to set up the limits of their applicability. Since M-Score indicator is liquidity-based, this research attempted to determine to which extent M-Score and Z-Score are statistically related. Methods: The research paper compares the behavior of both indicators using various samples of financial data: the sample of companies, charged with fraud, the sample with exceptional liquidity, the large random sample and the sample from the emerging market economy. Based on the original observations, two other subsamples (one based on poor Z-Score and one based on exceptional Z-Score) were extracted from the main sample. For all samples ∆P-∆R, M-Score and Z-Score were statistically compared among and between themselves. Findings/value added: The research found the limitations of ∆P-∆R and M-Score in the stable markets and was able to connect them in the emerging market by using linear regression model (also including Z-Score). The research confirmed that M-Score can mistake exceptional performance for manipulations, resulted in Type I errors. ∆P-∆R appeared somewhat coarse and prone to Type II errors. The combined use of both in the emerging markets will provide the best approach.
Źródło:
Oeconomia Copernicana; 2017, 8, 1; 83-97
2083-1277
Pojawia się w:
Oeconomia Copernicana
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena skuteczności modelu Beneisha w wykrywaniu manipulacji w sprawozdaniach finansowych
Effectiveness of the Beneish Model in Detecting Financial Statement Manipulations
Autorzy:
Golec, Anna
Powiązania:
https://bibliotekanauki.pl/articles/659086.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
model Beneisha
M‑Score
manipulacje wynikami finansowymi
Polska
rynek kapitałowy
Beneish Model
M-Score
financial statement manipulation
Polska
listed companies
Opis:
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.
Celem 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%.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2019, 2, 341; 161-182
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies