M-score: en modell för att hitta redovisningsmanipulation

Fingerprint skrev ett bemötande på detta samma dag som inlägget publicerades (26 mars), klicka på länken här för att se svaret.

Vi har följt turerna i Fingerprint på avstånd. Det är ett snabbväxande bolag i en bransch med lika snabb teknikutveckling och den typen av bolag hamnar normalt utanför vår bekvämlighetszon och utanför kompetenscirkeln för bolag vi begriper.

På slutet har det hänt mycket i Fingerprint och kursen har havererat, senast med ett jättetapp efter en vinstvarning och besked om att den föreslagna utdelningen ska dras in. Det har väckt en del frågor om det ligger mer och bubblar under ytan, så vad passar bättre än att vi väcker vår gamla artikel om indikatorn för redovisningsmanipulation, M-score, till liv och uppdaterar med en beräkning för Fingerprint? Den ursprungliga artikeln publicerades i Värdepappret nr 2 våren 2015.

En modell för att upptäcka redovisningsmanipulation

Dr Messod Beneish skrev 1999 artikeln ”The Detection of Earnings manipulation”, som beskrev sannolikheten för redovisningsmanipulation som senare har kommit att kallas för M-score. M-score är en populär modell som används i vissa värdeinvesteringskretsar. Modellen består av följande åtta komponenter: 

Komponent Beräkning Beskrivning
DSRI
Days Sales in Receivables Index
DSR (år Y)/DSR (år Y-1), där DSR=kundfordringar/omsättning Mäter om det finns en balans mellan kundfordringar och intäkter. Stora ökningar i kundfordringar jämfört med intäkter indikerar att ledningen försöker förstora intäkterna eller ger kunderna mycket slappare betalningsvillkor. En ökning av DSR ökar risken att intäkterna är överskattade.
GMI
Gross Margin Index
Bruttomarginal (år Y-1)/ bruttomarginal (år Y), där bruttomarginal=(omsättning-kostnad för sålda varor)/omsättning Mäter om bruttomarginalen har minskat. Om bruttomarginalen har minskat går det sämre än tidigare för företaget och då är det troligare att ledningen manipulerar räkenskaperna.
AQI
Asset Quality Index
AQ (år Y)/AQ (år Y-1), där AQ är (totala tillgångar-omsättningstillgångar-materiella anläggningstillgångar)/totala tillgångar. Mäter om kvaliteten på bolagets tillgångar har minskat. En ökning av AQI innebär en ökning av immateriella tillgångar som andel av totala tillgångar. Immateriella tillgångar ses som osäkrare än materiella tillgångar för att skapa framtida kassaflöden. En ökning av immateriella tillgångar kan betyda att bolaget aktiverar utvecklingskostnader i balansräkningen istället för att ta dem som en löpande kostnad, alltså att bolaget skjuter upp kostnader istället för att ta kostnaden här och nu.
SGI
Sales Growth Index
Omsättning (år Y)/omsättning (år Y-1). Mäter omsättningsökning. Omsättningsökning är inte likställt med manipulation men det skapar förväntningar inför framtiden på företagsledningen. En ledning som ser en avmattning framöver kan ha incitament att manipulera redovisningen för att inte göra marknaden besviken.
DEPI
DEPreciation Index
Avskrivningstakt (år Y-1)/avskrivningstakt (år Y), där avskrivningstakt= (avskrivningar/ (avskrivningar+netto materiella anläggninstillgångar)). Mäter avskrivningstakten. DEPI större än 1 betyder att avskrivningstakten minskar vilket kan ske för att sänka kostnaderna och därmed manipulera vinsten.
SGAI
Sales, General and Administrative expenses Index
(SGA/omsättning (år Y))/ (SGA/omsättning (år Y-1), där SGA är Sales, General and Administrative expenses, alltså i princip rörelsekostnader. Mäter säljkostnader, administrativa kostnader och allmänna rörelsekostnader som andel av intäkter. Om andelen ökar så kan det betyda minskande effektivitet eller att bolaget måste lägga mer pengar på marknadsföring för att behålla sin omsättning. En ökning är således negativ för framtiden och kan öka ledningens vilja att manipulera räkenskaperna.
TATA
Total Accruals to Total Assets
(Vinst efter skatt ex. engångsposter-kassaflöde från rörelseverksamheten)/totala tillgångar (år Y) Jämför kassaflödet med resultatet efter skatt. Om ett bolag visar högt resultat men lågt kassaflöde kan det bero på redovisningstekniska finesser och det kommer att avspeglas i form av ökande kundfordringar eller andra fordringar.
LVGI
LeVeraGe Index.
(Räntebärande skulder/totala tillgångar) (år Y)/(räntebärande skulder/totala tillgångar) (år Y-1) Mäter om skuldsättningen ökar vilket ökar sannolikheten för att covenanter (lånevillkor) bryts. Allt annat lika ökar detta risken för manipulation eftersom bolagets ledning kan vilja visa upp ett bättre resultat för att inte bryta mot covenanter.

Variablerna vägs samman enligt följande empiriska formel:

M-score=-4,84 + 0,920 * DSRI + 0,528 * GMI + 0,404 * AQI + 0,892 * SGI + 0,115 * DEPI – 0,172 * SGAI + 4,679 * TATA – 0,327 * LVGI

Det finns ingen exakt M-score-gräns för när ett bolag manipulerar räkenskaperna eller inte. M-score är ett mått på sannolikhet och om man flyttar gränsen så ändrar man sannolikheterna för att fälla oskyldiga respektive fria skyldiga bolag. Ju större tal, desto högre är sannolikheten för manipulation.

En vanlig gräns att välja är att M-score större än -2,22 (alltså negativa tal närmare noll eller positiva tal) troligtvis betyder manipulation. Om denna gräns väljs så är ungefär 64 % av alla bolag i gruppen manipulatörer men 12 % av bolagen som fångas upp är också oskyldiga. Enligt den ursprungliga studien av Beneish betyder ett M-score större än -1,78 hög sannolikhet för manipulation. Då är 74 % av alla bolag med M-score större än -1,78 manipulatörer upp men 14 % av bolagen som fångas upp är oskyldiga.

Förenklat kan man alltså säga att M-score större än -2,22 indikerar hög sannolikhet för manipulation och ett M-score större än -1,78 indikerar mycket hög sannolikhet.

Fallstudie: M-score för några bolag

Modellen har historiskt kunnat upptäcka bluffar som Enron och Worldcom och i tabellen nedan visas att också Oniva Online Group hade kunnat upptäckas på förhand då M-score signalerar att något var allvarligt fel. Siffrorna avser 2014 förutom för Fingerprint som avser 2016.

Fingerprints M-score

Fingerprint anno 2016 får det högsta M-score som vi hittills har sett, vilket betyder den högsta sannolikheten för manipulation av räkenskaperna. Sannolikheten är högre än 74 % för att räkenskaperna är manipulerade.

I just fallet Fingerprint har en av parametrarna inte kunnat beräknas, nämligen LVGI (skuldsättning) eftersom bolaget saknar långfristiga skulder. Den parametern har satts till 1 vilket indikerar låg sannolikhet för manipulation i just den parametern. Även om man sätter parametern till något orimligt högt, som 2, blir slutresultatet för helheten beklämmande. Fingerprints parametrar blir följande:

DSRI 1,046
GMI 0,908
AQI 0,768
SGI 2,289
DEPI 1,081
SGAI 0,815
TATA 0,258
LVGI 1,000

Den parameter som sticker ut mest är TATA (kassaflöde i förhållande till vinst och vinst och tillgångar). Man skulle kunna tolkar det som att intäkterna har stigit mer än både kostnader och kassaflöde till den grad att M-scoremodellen flaggar för att det ser onormalt ut.

Indata för att beräkna ovanstående har varit följande:

De flesta måtten ovan är helt objektiva men vad som ingår i SGA Expense kan diskuteras. Vi har tagit med alla rörelsekostnader inklusive utvecklingskostnader. För Depreciation togs siffror från noterna.

M-score är en kvantitativ modell som hissar en varningsflagga. Nästa steg som är rimligt att göra om man är intresserad av Fingerprint är att titta mer kvalitativt på varför det ser ut som det gör.

Kommentarer om de andra bolagen i jämförelsen

Det kinesiska bolaget Sino Agro Food som föder upp bland annat nötkreatur och räkor är populärt bland många svenska investerare. Värderingen är till synes låg, ett P/E-tal på omkring 1, men något är uppenbarligen fel med bolaget. Om man inte hissar varningsflagg på att bolaget betalar sina leverantörer genom att trycka nya aktier till en så låg värdering så ska man hissa sin varningsflagga efter att ha undersökt M-score. M-score visar nämligen att Sino Agro Food med hög sannolikhet manipulerar sina räkenskaper. Det är inte säkert att Sino Agro Food fifflar, men det är sannolikt.

Ett annat bolag som hamnar i gränslandet är cancerbehandlingsbolaget Elekta som var hårt blankat vid tidpunkten för den ursprungliga beräkningen.

Ingen modell är perfekt och inte heller är M-score det. Eniro och Tesco hade inte fångats upp av modellen, vilket beror på att problemen var av en sådan art som inte M-score fångar upp. M-score lägger till exempel stor vikt vid tillväxt, medan problemet är det rakt motsatta i Eniro som krymper sin omsättning med ungefär 10 % årligen.

I tabellen finns även reko bolag som AQ Group och H&M med. Som förväntat fastnar inte dessa i modellen utan deras redovisning verkar vara helt i sin ordning.

Slutligen bör det nämnas att M-score inte fungerar för finansbolag. Det är ett genomgående tema när det gäller kvantitativa modeller att finansbolag inte fungerar. Kvantitativa investerare och den akademiska världen har inte knäckt nöten med finansbolag ännu.

Sammanfattning

M-score är en intressant modell att använda som en varningsflagga för redovisningsmanipulation. Om man har en kvart över när man analyserar ett bolag, kan det vara värt att mata in två års finansiell data för att kunna hissa en varningens flagg. Om ett bolag fastnar på fel sida gränsen i M-score måste man utreda vad orsaken är om man har fokus på nedsidan i sin investering. Om ett bolag klarar M-score-testet är det fortfarande ingen garanti för att bolaget har rent mjöl i påsen, men då har man i alla fall gjort något för att undvika att man går på en mina.

När det gäller det specifika fallet Fingerprint ser det, rent objektivt baserat på M-score, inte bra ut. Sannolikheten är mycket hög för att något inte står rätt till i redovisningen. Bolaget växer snabbt men kassaflöden och tillgångar hänger inte ihop med den påstådda utvecklingen, om man ska tolka M-scoremodellen. Om man investerar i Fingerprint bör det vara av stort intresse att förstå hur och varför det kan se ut som det gör i deras redovisning. Framtiden kommer att utvisa hur det faktiskt är; sannolikhet är en sak och utfall en annan. Genom att agera på den här typen av ganska allvarliga signaler kanske någon där ute kan slippa förlora mer pengar innan det eventuellt uppdagas att redovisningen är manipulerad.

Share:

7 reaktioner till “M-score: en modell för att hitta redovisningsmanipulation”

  1. Ett problem med screningmodeller är att man gör ett antagande om att företeelsen man vill studera är lika vanlig i den population man vill tillämpa den på, som i den population som originalartikeln studerat. Dvs att manipulation av bokföring är lika vanligt bland svenska företag i det här fallet. Har inte läst artikeln själv men är verksam inom klinisk forskning så principerna är bekanta. Har det gjorts någon svensk forskning om validiten av M-score? Fram tills dess tror jag man måste vara försiktig med brytpunkter och %-satser för sannolikhet av bokföringsfiffel. Men formeln som sådan borde vara användbar även i Sverige, och det faktum att Fingerprint ligger på sådant extremvärde är mycket intressant. Bra jobbat!

    1. Martin,
      Tack för din kommentar. Studien som M-score baseras på utgår från amerikanska företag och deras redovisningsregler. Det kommer därför att finnas skillnader och vissa resultat kommer inte vara direkt överförbara som du antyder. Vilka skillnader som finns vet jag inte. Jag har själv gjort några kontroller av diverse bolag och det verkar inte vara väsensskilt och som tabellen visar hamnar några svenska bolag ungefär där man skulle kunna förvänta sig.

      Jag vet att det finns som önskemål till George på Börsdata att ha med M-score där. Då skulle man enkelt kunna göra en större studie för svenska företag också, såväl som övriga Norden. Till dess ska man väl inte dra för stora växlar på resultat men resultatet för Fingerprint sticker ut tillräckligt för att väcka frågor.

      Mvh Kenny

  2. ”Based on the Principle Component Analysis (attachment 1), the SGI component was not used for explanatory factor because it had a negative value, so the variables on Beneish M-Score Model used to detect fraud were DSRI (Sales Index), GMI (Gross Margin Index), AQI (Asset Quality Index), DEPI (Depreciation Index), SGAI (Sales and General Administration Expenses Index), TATA (Total Accrual), and LVGI (Leverage Index).”

    Efter en justering för SGI (som drar upp Fingerprint kraftigt) borde en ”M-Score” vara högst ordinärt i företaget.

    http://www.sciencedirect.com/science/article/pii/S1877042815054622

    1. Den M-scoremodell som jag normalt har sett använts är 8-faktorsmodellen. Det finns även en som innehåller fem parametrar. Det svar som modellen ger är ju att sannolikheten för manipulation är hög och då bör man söka vidare på annat sätt än genom en kvantitativ modell om man är intresserad.

  3. Jag har dragit in Goodix och Synaptics i en M-score kalkylator
    https://twitter.com/Carnegieanalyti/status/846077946402164736

    Ni kan själva också prova via denna sajt:
    https://apps.kelley.iu.edu/Beneish/MScore/mscore/MScoreInput

    Finns det några felkällor i denna modell? För mig låter det orimligt att alla tre bolag skulle ha oegentligheter i sin redovisning men enligt modellen är det sannolikt att det förekommer oegentligheter i redovisningen hos Goodix, Synaptics och Fingerprint Cards.

    Vad beror egentligen detta på? Fuskar alla tre bolag eller finns det brister i M-score modellen?

    1. Carnegieanalytiker,
      Jag känner inte till de andra bolagen men resultatet är ju en låg eller hög sannolikhet vilket innebär att oavsett så kommer bolag som lyser rött att vara reko men även vice versa. Sedan är studien utförd en viss tidsperiod, för amerikanska företag som redovisar enligt GAAP osv. osv. Det finns en del felkällor och jag själv brukar göra relativjämförelser för att komma fram till slutsatser. Men när det gäller M-score ska man nog nöja sig med att resultatet antingen är ”allt ser OK ut” eller ”titta närmare” beroende på vad resultatet blir.

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *