Capitolo 1 – La qualità del reddito e le politiche di earnings management
1.3 Il fenomeno dell’earnings management
1.3.3 Detecting earnings management
1.3.3.1 I metodi statistici
Tra i metodi statistici, i modelli più utilizzati in letteratura sono quelli basati sugli accrual aggregati, i quali si fondano sulla distinzione tra accrual discrezionali e accrual non discrezionali47. Gli accrual discrezionali rappresentano la parte di accrual considerata
anomala tenuto conto delle specificità dell’impresa oggetto di osservazione e si ritengono quindi frutto della discrezionalità esercita dai manager. Per tale motivo, si assume che gli
accrual discrezionali siano in grado di misurare l’impatto delle manipolazioni attuate in
bilancio.
Possono essere individuati quattro principali modelli utili per indagare la presenza di azioni di earnings management che si basano sugli accrual aggregati:
Healy Model: tale approccio si basa su due assunzioni di fondo, ovvero la stabilità degli accrual non discrezionali nel corso del tempo e l’esistenza di un estimation
period, durante il quale si ipotizza l’assenza azioni di earnings management. La
media degli accrual totali48 rilevati nell’estimation period viene considerata una
proxy per la quantificazione degli accrual non discrezionali. Gli accrual non
discrezionali vengono quindi così calcolati:
∑
dove:
ANDk= accrual non discrezionali nel periodo k rapportati al totale attivo
ATt/At-1= accrual totali dell’esercizio t diviso il totale attivo dell’esercizio t-1
t= 1, 2, 3….T anni inclusi nell’estimation period.
Gli accrual discrezionali vengono misurati per differenza tra accrual totali nel periodo k, cioè il periodo oggetto di osservazione (event period), e accrual non discrezionali (ANDk). Tanto più elevati sono gli accrual discrezionali e tanto più
47 Ad essi si è fatto riferimento in precedenza come abnormal accrual e normal accrual. 48 I total accrual vengono rapportati al totale attivo al fine di eliminare l’effetto dimensionale.
27
elevata è la probabilità che l’impresa abbia attuato politiche di earnings
management.
Il vantaggio principale di tale modello consiste nella semplicità di utilizzo, ma presenta alcuni limiti. In primo luogo, l’assunzione che gli accrual non discrezionali siano costanti nel tempo potrebbe non essere veritiera, dato che la naturale dinamicità delle imprese si riflette sull’ammontare degli accrual, a prescindere dall’attuazione di politiche di bilancio49. In secondo luogo, il modello richiede
l’individuazione di un periodo nel quale gli earnings non vengono manipolati: si assume quindi la completa assenza earnings management nell’estimation period. Questa assunzione potrebbe non essere corretta e, in tal caso, i risultati verrebbero inficiati, oltre che da una scorretta misurazione degli accrual discrezionali e non, anche a causa dell’accrual reverse: le manipolazioni attuate nell’estimation period provocherebbero degli effetti di segno opposto nell’event period che contribuirebbero ad alterare ulteriormente il bilancio.
DeAngelo Model: si tratta di un adattamento del modello sopra descritto. Esso prevede che l’estimation period sia costituito dal solo esercizio precedente a quello di osservazione. Gli accrual non discrezionali vengono misurati attraverso la seguente formula:
dove:
ANDt= accrual non discrezionali dell’esercizio t, rapportati al totale attivo iniziale
ATt-1= accrual totali dell’esercizio precedente a quello osservato
At-2= totale attivo iniziale.
Similmente al modello precedente, gli accrual discrezionali dell’esercizio t derivano alla differenza tra gli accrual totali e gli accrual non discrezionali (ANDt).
Anche vantaggi e svantaggi associati a tale modello sono gli stessi esposti in riferimento al modello precedente.
Jones Model: tale modello elimina l’assunzione di stabilità della parte non discrezionale degli accrual nel tempo e la considera invece funzione di alcune variabili ritenute espressive della specificità del business dell’impresa, ovvero la variazione dei ricavi e l’ammontare delle immobilizzazioni materiali. Anche per questo modello è necessario individuare un estimation period, durante il quale si ipotizza l’assenza di manipolazioni, e un event period, rispetto al quale si vuole verificare la presenza di pratiche di earnings management. Il processo di
28
applicazione prevede tre step fondamentali. Il primo consiste nella stima dei coefficienti del seguente modello di regressione, con riferimento all’estimation
period composto di solito da un certo numero di anni:
dove:
ATt/At-1= accrual totali dell’esercizio t diviso il totale attivo dell’esercizio t-1
REVt/At-1= variazione dei ricavi tra gli esercizi t-1 e t, divisa per il totale attivo
dell’esercizio t-1
PPEt/At-1= ammontare delle immobilizzazioni materiali nell’esercizio t diviso il
totale attivo dell’esercizio t-1.
I coefficienti stimati rappresentano la relazione attesa tra accrual e variabili esplicative (andamento dei ricavi e valore delle immobilizzazioni materiali) in assenza di pratiche di earnings management50. Il secondo passo consiste nel
calcolare gli accrual non discrezionali inserendo tali coefficienti nel modello di regressione riportato di seguito:
AND
t= a
1(1/A
t-1) + a
2( REV
t/A
t-1) + a
3(PPE
t/A
t-1)
dove t rappresenta l’event period.
Il terzo passo prevede il calcolo degli accrual discrezionali come differenza tra
total accrual e accrual non discrezionali (ANDt).
Oltre al limite rappresentato dall’ipotesi di assenza di earnings management nell’estimation period, un altro problema associato a questo modello riguarda l’utilizzo della variazione dei ricavi come variabile esplicativa, presupponendo che essi siano liberi da manipolazioni da parte del management. Invece, anche i ricavi sono componenti di reddito suscettibili ad essere oggetto di pratiche di earnings
management.
Modified Jones Model: tale modello modifica il Jones Model, rimuovendo l’assunzione implicita che i ricavi siano sempre privi di manipolazioni e introducendo come variabile esplicativa la variazione dei ricavi al netto della variazione dei crediti commerciali nell’event period. Tale decisione parte dall’assunzione che i ricavi che non si sono ancora trasformati in flussi di cassa (rappresentati dai crediti commerciali) siano in ogni caso il risultato di politiche di
50
29
bilancio. Si tratta di un’ipotesi forte, sebbene sia condivisibile che i valori non ancora trasformatisi in cash flow siano più a rischio di manipolazione51.
Un’altra tipologia di modelli che rientra nella categoria dei metodi statistici è rappresenta dai modelli basati sugli accrual specifici. Le ricerche si sono focalizzate prevalentemente sui cosiddetti “usual suspect”, ovvero sugli accrual che meglio si prestano ad essere manipolati in quanto i principi contabili lasciano ai redattori del bilancio spazi di manovra e la loro alterazione permette di ottenere degli effetti rilevanti sugli earnings presentati in bilancio52.
L’uso di determinati accrual per manipolare gli earnings è spesso collegato a specifiche situazioni, a specifici settori o a specifici principi contabili. Questi modelli mirano quindi a verificare l’esistenza di pratiche di earnings management indagando su specifici accrual che vengono considerati particolarmente suscettibili ad alterazioni in situazioni particolari o in certi settori. Ad esempio, alcuni studi si sono focalizzati sul settore bancario, quello assicurativo e sulle società di investimento immobiliare, verificando che, in ciascuno di questi settori, vengono manipolati particolari accrual ovvero, rispettivamente, le perdite su crediti, le pensioni e la valutazione degli immobili53. Un altro
studio si è invece concentrato su specifici accrual che vengono alterati in corrispondenza di tre determinate situazioni, ossia l’emissione di azioni a pagamento, il management
buyout e l’ottenimento di un utile più basso rispetto all’esercizio precedente54. Nei primi
due casi le politiche di bilancio messe in atto riguardano i ricavi e puntano ad una sovrastima o ad una sottostima degli stessi, al fine, rispettivamente, di aumentare o ridurre gli earnings e di conseguenza la quotazione di mercato. Nell’ultimo caso invece l’impresa punta a manipolare i componenti straordinari di reddito al fine di incrementare il risultato d’esercizio.
Gli studi sugli accrual specifici si differenziano in base agli oggetti analizzati e alla metodologia che utilizzano, ma presentano un elemento comune, ossia il tentativo di separare la parte non discrezionale dalla parte discrezionale con riferimento allo specifico
accrual preso in considerazione. Il principale vantaggio di questa tipologia di modelli può
essere ricondotto al fatto che essi tentano di individuare una relazione tra lo specifico
accrual e i fattori chiave che ne determinano l’andamento: ciò conduce ad una maggiore
precisione nella stima della parte non discrezionale dell’accrual specifico. I principali limiti consistono invece nella parzialità dell’analisi, poiché ci si concentra solo su specifiche realtà e su specifiche voci di bilancio, e nella necessità di maggiori dati e informazioni
51
PRENCIPE A., cit., p. 59
52 VERBRUGGEN S., CHRISTAENS J., MILIS K., cit., p. 8 53 VERBRUGGEN S., CHRISTAENS J., MILIS K., cit., p. 9
54 MARQUARDT C. A., WIEDMAN C. I., “How are earnings managed? An examination of specific accruals”,
30
rispetto al modello degli accrual aggregati, il che comporta una crescita dei costi di applicazione di questi modelli.
Infine, vi sono i modelli basati sulle distribuzioni di frequenza degli earnings. Essi mirano a determinare se, dato un certo campione di imprese, queste si distribuiscono in modo omogeneo in punti appena sopra e appena sotto determinate soglie critiche come lo zero, il risultato dell’esercizio precedente e il risultato atteso degli analisti. Infatti, l’individuazione di target importanti per le imprese può essere utile al fine di identificare quelle che più probabilmente hanno manipolato gli earnings al fine di raggiungere tali target.
L’assunto di base di questo modello è che, in assenza di pratiche di earnings management, la distribuzione degli earnings e quella delle variazioni degli earnings siano delle distribuzioni “smooth”, ovvero prive di discontinuità significative. Si sospetta la presenza di earnings management se, invece, vengono rilevate delle discontinuità, ossia si rileva una frequenza insolitamente bassa di imprese che riportano earnings appena sotto le soglie critiche e una frequenza insolitamente alta di imprese che riportano earnings appena sopra le soglie critiche. Si ritiene quindi che i redditi di poco più elevati rispetto alle soglie siano maggiormente a rischio di manipolazione.
Tale approccio non viene considerato adatto per misurare la pervasività del fenomeno dell’earnings mangement e la qualità degli earnings in senso stretto, bensì costituisce uno strumento utile per individuare le tipologie di imprese e le situazioni particolarmente a rischio, ovvero i casi in cui le politiche di earnings management sono più frequenti55. Il
principale vantaggio di tale metodo consiste, oltre che nella semplicità di applicazione, nel fatto che considera di tutte le pratiche di earnings management, non solo quelle basate sugli accrual, come nel caso dei modelli esposti in precedenza. Tale modello presenta però anche degli svantaggi. In particolare, non è detto che l’evidenza empirica di discontinuità in prossimità di determinate soglie sia collegata unicamente all’esercizio di politiche di bilancio. Alcuni studi hanno evidenziato che tali discontinuità possono dipendere anche da altri fattori, ad esempio dai criteri di selezione del campione, dall’asimmetria nel trattamento fiscale dei profitti e nella distribuzione di alcuni oneri straordinari, dal maggior impegno nel lavoro da parte di dipendenti e manager di aziende in difficoltà per evitare di riportare delle perdite56. Quindi, l’assunto che la distribuzione degli earnings sia
smooth in assenza di politiche di earnings management potrebbe non essere veritiera.
55 PRENCIPE A., cit., p. 67
31
1.3.3.2 I metodi contabili e le principali aree di bilancio suscettibili amanipolazione