Amsterdam Business School
Welke factoren verklaren het voorkomen van restatements?
Een toepassing voor restatements betreffende 2013 en 2014
Naam: Sander van den Heuvel Studentennummer: 10901949Thesis supervisor: ∙∙ Ir. Drs. A.C.M. de Bakker Datum: 15 juni 2018 Aantal woorden: ∙∙ 12,082 MSc Accountancy & Control, specialisatie Control Faculty of Economics and Business, University of Amsterdam
Statement of Originality
This document is written by student Sander van den Heuvel who declares to take full responsibility for the contents of this document.
I declare that the text and the work presented in this document is original and that no sources other than those mentioned in the text and its references have been used in creating it.
The Faculty of Economics and Business is responsible solely for the supervision of completion of the work, not for the contents.
3
Abstract
The objective of this study is to provide empirical evidence about the predictability of restatements for the years 2013 and 2014. The shareholder value will decrease if a restatement is required. Therefore it is important for shareholders, looking at the financial data which is available at the moment, to have information about the financial position of a company in order to see if there is a possibility for a restatement within a period of three years. Earlier research has proved that Short Sellers have information available on which they can make a decision to trade on market papers which will have a lower value in future. In this study we investigate if a restatement is predictable for 2013 and 2014 looking at information of three years earlier.
In order to answer the research question, organizations are selected for which a restatement was required in 2013 and 2014. These organizations were linked to a database with organizations for which restatements were required. A logistic regression model is used to see if there was a positive effect on a restatement in 2013 and 2014 looking at information three years prior to the period where the restatement relates to. Three factors were tested:
1. A decline in the revenue; 2. The size of the company; 3. The balances are bloated.
The results of the regression models show there is no support for relationships between restatements and a decline in the revenue, the size of the company and when the balances are bloated three years prior to the period where the restatement is required for.
This study adds to previous research on restatements and shareholder value. In addition this study used data for a period over a longer period than was used for prediction for short sellers to examine if a restatement was predictable based on the factor mentioned before and the restatement three years later.
Keywords: Restatement, shareholder value, agency theory, logistic regression
Inhoud
1. Introductie ... 5 2. Theoretisch kader ... 7 2.1. Opportunistisch gedrag en de agency theorie ... 7 2.2. De positie van de aandeelhouder vs. de positie van de CEO ... 8 2.3. De gevolgen van een restatement ... 9 2.4. De oorzaken van restatement... 9 2.5. Twee categorieën van restatements ... 10 2.6. Factoren die leiden tot een restatement ... 11 2.7. Hypothese ontwikkeling ... 12 3. Methodologie ... 14 3.1. Conceptueel model ... 14 3.2. Logistisch regressiemodel voor hypothese 1 ... 15 3.3. Logistisch regressiemodel voor hypothese 2 ... 17 3.4. Logistisch regressiemodel voor hypothese 3 ... 18 3.5. Resumé van de variabelen inclusief verwachtingsrichting ... 19 4. Data ... 21 4.1. Bronnen ... 21 4.2. Data selectie ... 21 4.3. Beschrijvende statistiek ... 24 5. Resultaten ... 28 5.1. Resultaten regressiemodellen ... 28 5.2. Plausibiliteit van het teken van de controle variabelen ... 29 5.3. Resultaten hypothese 1 ... 30 5.4. Resultaten hypothese 2 ... 30 5.5. Resultaten hypothese 3 ... 31 5.6. Resumé van de resultaten ... 31 6. Conclusie ... 32 6.1. Conclusie van het onderzoek ... 32 6.2. Tekortkomingen ... 32 6.3. Aanbevelingen voor toekomstig onderzoek ... 33 Bibliografie ... 345
1. Introductie
In dit onderzoek wordt nagegaan in hoeverre een restatement van de jaarrekening van te voren voorspelbaar is, dit met het doel om financieel verlies voor de aandeelhouder en andere vermogensverschaffers te beperken. Een restatement is een aanpassing van de jaarrekening als de jaarrekening al gepubliceerd is. Door te kijken naar data drie jaar voorafgaand aan de restatement, wordt onderzocht of er signalen aanwezig waren die de aandeelhouder een aanwijzing hadden kunnen geven dat een restatement aanstaande is. Voor de aandeelhouder is dit van belang omdat een restatement leidt tot een waardeverlies.
De eigenaren van de onderneming, de aandeelhouders, financieren de onderneming in ruil voor aandelen met de verwachting dat de aandelen in waarde gaan stijgen. Een hogere aandeelhouderswaarde betekent normaliter een hoger dividend. Eén partij (de principaal, de eigenaren) huurt een andere partij in (een agent, in dit geval de CEO) waarbij de eerste partij verwacht dat dit zal leiden tot waardecreatie. Het is voor de principaal echter niet mogelijk om vooraf vast te stellen hoeveel waarde deze overeenkomst oplevert, mede door de onzekerheid over de hoeveelheid inspanning die de agent levert (Bosse & Phillips, 2016, p. 278). Daarnaast suggereert de agency theorie dat er een gevaar is voor een verkeerde manier van leidinggeven door de CEO (Nyberg, Fulmer, Gerhart, & Carpenter, 2010, p. 1029), omdat de belangen van de eigenaren en de belangen van de CEO van de onderneming niet overeenkomen (Nyberg, Fulmer, Gerhart, & Carpenter, 2010, p. 1030). De CEO is uit op zelfbejag. Als de CEO handelt buiten het belang van de aandeelhouders kan dat de aandeelhouders aanzienlijke financiële schade berokkenen. Voor de aandeelhouders is het van belang om te weten of de investering die zij doen, het kopen van aandelen van de onderneming, de juiste beslissing is.
De reputatie van de onderneming is leidend voor het succes van de onderneming. Het helpt de organisatie in het verkrijgen van middelen, het helpt de onderneming zich te onderscheiden van andere ondernemingen. Een goede reputatie leidt ook tot een betere toegang naar financiële middelen. Een goede reputatie leidt ook tot snellere groei. De reputatie van een onderneming kan negatief beïnvloed worden als de onderneming in één adem genoemd wordt met fraude of andere onrechtmatigheden. Grote reputatiegerelateerdeschade volgt na wanbeleid en het bewust verkeerd weergeven van de cijfers. Enron en Worldcom zijn hier voorbeelden van (Gomulya & Boeker, 2014, p. 1759).
Palmrose en Scholz (2014, p. 156) geven aan dat restatement als gevolg van het verkeerd rapporteren van de omzet met 53 percent het meest voorkomt, gevolgd door het verkeerd rapporteren van de inkoopkosten (23 percent).
Waren er op voorhand factoren aanwezig die een restatement betreffende 2013 en 2014 aannemelijk maakten?
Het jaar 2013 is gekozen om vermenging met de financiële crisis te vermijden.
Dit onderzoek is als volgt opgebouwd. In het theoretisch kader wordt met behulp van de agency theorie, ingegaan op de rol van de aandeelhouderhouder en de CEO. Tevens wordt stilgestaan bij de verschillende belangen tussen de aandeelhouder en de CEO. Daarnaast wordt dieper ingegaan op restatement van de rapportage: wat zijn de voornaamste oorzaken en wat is de rol van CEO hierin? Ook wordt de hypothesevorming in dit onderdeel besproken. In het volgende hoofdstuk wordt de methodologie besproken. Er wordt gebruik gemaakt van logistische regressie. Deze onderzoeksmethode sluit aan bij wat onderzocht wordt: vindt er wel of geen restatement plaats als er gekeken wordt naar een aantal factoren. Vervolgens wordt ingegaan op de data en wordt de statistiek beschreven. Vervolgens worden de resultaten gepresenteerd en wordt het onderzoek afgesloten met de conclusie en aanbevelingen.
7
2. Theoretisch kader
In dit hoofdstuk wordt nader ingegaan op de situatie waarin tot een restatement moet worden overgegaan. Eest wordt uitleg gegeven over de verhouding tussen de aandeelhouder en de CEO. Met behulp van de agency theorie wordt deze relatie beschreven. De rol van de aandeelhouder en de rol van de CEO wordt toegelicht. Verder wordt nader ingegaan op de restatements. Er wordt onder andere gekeken naar de oorzaken en gevolgen van een restatement. Het hoofdstuk wordt afgesloten met de hypothesevorming.
2.1. Opportunistisch gedrag en de agency theorie
Volgens de moderne theorie kan een onderneming gezien worden als een samenhang van incomplete contracten tussen de diverse partners, actoren, zoals daar zijn de aandeelhouders, crediteuren, werknemers, leveranciers en klanten. De contracten die aangegaan zijn tussen de verschillende actoren zijn niet volledig omdat sommige transacties te complex zijn om gedetailleerd vast te leggen, maar ook omdat het onmogelijk is om toekomstige transacties met voldoende precisie te documenteren. Een incompleet, onvolledig contract leidt er toe dat actoren voordeel proberen te behalen door opportunistisch gedrag ten opzichte van andere actoren. Het tegenovergestelde is het geval als de andere actoren opportunistisch gedrag tentoon spreiden (Werder, 2011, p. 1347). Hoewel dit onderzoek zich richt zich op opportunistisch gedrag van het management naar de aandeelhouders toe, vindt opportunistisch gedrag plaatst onder alle actoren. Ondernemingen kunnen daarom ook gezien worden als een netwerk van actoren (of belanghebbenden) die gekarakteriseerd worden door het hebben van bepaald opportunisme mogelijkheden, maar die ook opportunistische risicoprofielen bevatten (Werder, 2011, p. 1347). De agency theorie beschrijft de relatie tussen de aandeelhouder en de CEO, gebaseerd op opportunistisch gedrag. De agency theorie geeft aan dat er een potentieel is voor wanbeleid van het management (agent) als de belangen van de eigenaren van de onderneming en de managers niet overeenkomen. Deze theorie, de agency theorie, is door Jensen & Meckling voor het eerst in 1976 beschreven. Het agency probleem kan worden opgelost als de belangen van de eigenaren, bijvoorbeeld aandeelhouders, en de agent meer met elkaar in overeenstemming worden gebracht. Dit kan gerealiseerd worden door de beloning van de agent te koppelen aan de eigen-vermogenspositie van het bedrijf. De agent, die handelt uit zelfbejag, zal dat nog steeds doen. Echter, omdat de belangen van de agent meer in overeenstemming zijn met de belangen van de aandeelhouder, worden de belangen van beide partijen behartigd. Samenhangend met de beloningsstructuur is het accepteren van een bepaalde mate van risico. De beslissingen die de agent neemt kunnen leiden tot meer of minder risico voor de onderneming. Het accepteren van een bepaald risico van de agent, kan tegenstrijdig zijn met het risico dat de aandeelhouder bereid is te nemen (Nyberg, Fulmer, Gerhart, & Carpenter, 2010, p. 1029).
2.2. De positie van de aandeelhouder vs. de positie van de CEO
Het doel van de aandeelhouders is het creëren van aandeelhouderswaarde. De aandeelhouderswaarde komt tot uitdrukking in de beurskoers en het uit te keren dividend. Als een bedrijf voldoende aandeelhouderswaarde weet te creëren, stelt dat de aandeelhouder tevreden. De continuïteit van een onderneming is enkel en alleen gebaseerd op zijn financiële prestaties in termen van waardecreatie voor de aandeelhouder (Madhavi & Prasad, 2015, p. 19). Twee methodes die veel gebruikt worden om te meten of er waardecreatie plaatsvindt zijn Economic Value Added (EVA) en Market Value Added (MVA). Beide methodes zijn ontwikkeld door Stein Stewart in 1991 en gepubliceerd in zijn boek The quest for value. EVA kijkt niet of een onderneming winst of verlies maakt, maar het kijkt naar de wat een onderneming verdient na aftrek van alle kosten, inclusief opportunity cost of capital. Als de verdiensten van een onderneming dan nog steeds een positief zijn, dan betekent dat dat de EVA positief is en dat er waardecreatie voor de aandeelhouders plaatsvindt. Bij een negatieve EVA vindt er juist waardeverlies voor de aandeelhouders plaats. Een negatieve EVA over een korte maar zeker ook over een lange termijn leidt er toe dat aandeelhouders hun investeringen uit de onderneming terugtrekken en hun geld op een andere manier gaan investeren. Dit resulteert in een negatieve impact voor de onderneming. Bij MVA wordt er gekeken naar het presteren van de onderneming over een langere periode. De marktwaarde van de onderneming volgens MVA is de som van marktwaarde van het eigen vermogen afgezet tegen de marktwaarde van de schulden gemeten over een langere periode. De MVA is het verschil tussen de totale marktwaarde van de onderneming en het geïnvesteerd kapitaal (Madhavi & Prasad, 2015, p. 20).
Het doel van de CEO (agent) is zelfbejag. Dit komt vooral naar boven in de beloningsstructuur. Een mooi voorbeeld vond plaats rond 2005. Ondernemingen verstrekten de CEO’s geantedateerde opties, met als datum de datum dat de opties de meeste waarde hadden. De beloningen van de CEO’s werden op deze manier, in sommige gevallen met miljoenen US dollars verhoogd in vergelijking met als de opties niet geantedateerd waren. Het antedateren leidde echter tot een verminderd vertrouwen van de investeerders, reputatieschade, restatements, rechtszaken aangespannen door aandeelhouders, etc. Verdere regelgeving heeft het gebruik van antedateren een halt toegeroepen. De CEO blijft echter opportunistisch gedrag vertonen. CEO’s hebben de macht, power. Zij kunnen hun wil aan andere personen opleggen. Door hun positie, kennis en ervaring, zijn CEO’s de meest prominente actoren binnen een onderneming. Ondanks veranderingen in regelgeving met het doel om de macht van de CEO in te perken, zoals een betere controle vanuit de aandeelhouders en meer toezicht vanuit de Board, is het nog steeds zo dat de CEO hun eigen belangen boven die van de eigenaren stellen. Recente studies geven aan dat goedlopende ondernemingen zich nog steeds zondigen aan het verkeerd rapporteren van de resultaten, zoals het te hoog weergeven van de omzet (Quigley, Hubbard, & Ward, 2017, pp. 1, 2).
9 Bedrijven met een gelijkblijvende omzet of een omzet die jaar-na-jaar groeit, ontvangen hogere investeringen van aandeelhouders. Het tegenovergestelde vindt plaats als er na jaren van groei een daling van de groei plaatsvindt. Als gevolg hiervan investeren de aandeelhouders aanzienlijk minder in het bedrijf. Voor de CEO is het daarom van belang om de verdiensten stabiel te houden met een intentie om te stijgen (Chang & Chen, 2017, p. 155). CEO’s kunnen dit doen omdat zijn de beschikking hebben over bedrijfsinformatie en omdat zij daartoe de mogelijkheid hebben gezien hun positie. Door deze positie kan de CEO de cijfers op zodanige wijze presenteren, dat het lijkt of een winst behaald is. Deze aanpassing van de rapportage verhoogt de aandelenkoers. Door het positiever presenteren van de cijfers dan dat ze daadwerkelijk zijn, creëert de CEO een hogere beloning voor zichzelf. Als de CEO de cijfers niet zou aanpassen dan is er een kans op persbericht met negatief nieuws. Dit leidt tot aan daling van de aandelenkoers en leidt eveneens tot een daling van de beloning van de CEO (Quigley, Hubbard, & Ward, 2017, pp. 1, 2).
2.3. De gevolgen van een restatement
Elk Amerikaans bedrijf dient zijn rapportage in te dienen bij de Security and Exchange Commission (SEC). Het is mogelijk dat nadat de jaarrekening is ingediend er alsnog een aanpassing dient plaats te vinden. Dit wordt een restatement genoemd (Adams, Hayunga, & Rasmussen, 2017, p. 350). Een restatement heeft negatieve gevolgen voor de reputatie van het bedrijf (Gomulya & Boeker, 2014, p. 1762). Een restatement geeft een duidelijk en zichtbaar signaal dat de corporate governance gefaald heeft. Daarnaast is er ineffectieve interne controle zichtbaar die anders voor buitenstaanders moeilijk te achterhalen was (Amel-Zadeh & Yuan, 2015, p. 2). Belanghebbenden van het bedrijf zijn in de veronderstelling dat het topmanagement van het bedrijf de substantiële controle heeft hoe de financiële positie van het bedrijf wordt weergegeven. De perceptie dat het topmanagement de totale controle heeft over wat er gepresenteerd wordt, geeft eveneens weer dat als er verkeerd gerapporteerd is, dit een weloverwogen beslissing kan zijn om aandeelhouders en andere belanghebbende te misleiden. Als een restatement wordt aangekondigd, proberen buitenstaanders een beeld te krijgen van wat er zich heeft afgespeeld. Tevens proberen buitenstaanders een individu in de organisatie te linken aan de daden van de organisatie. De CEO wordt vaak verantwoordelijk gehouden voor het handelen van de onderneming (Gomulya & Boeker, 2014, p. 1762). Het vertrouwen dat buitenstaanders de CEO geven, waarin de leiders, in dit geval de CEO, wordt toegedicht dat zij de mogelijkheid hebben om het lot van de onderneming te beheersen en te beïnvloeden, wordt Romance of Leadership genoemd (Schyns & Hansbrough, 2012, p. 1870).
2.4. De oorzaken van restatement
Een restatement kan zijn oorzaak vinden in twee factoren. Ten eerste is er een restatement vereist omdat opzettelijk verkeerd gerapporteerd is. Dit wordt gezien als fraude. Daarnaast kan restatement benodigd zijn, omdat er onopzettelijk verkeerd gerapporteerd is. Dit kan plaatvinden
als er menselijke fouten gemaakt zijn, bijvoorbeeld als er fouten in de programmatuur hebben plaatsgevonden of als GAAP of IFRS niet op een juiste manier zijn geïnterpreteerd (Ettredge, Scholz, Smith, & Lili, 2010, p. 335). Plumlee en Yohn (2010, p. 46) verdelen de redenen voor restatement in vier groepen: 1. Interne fout; 2. De complexiteit van de transacties; 3. Door onduidelijkheid van de accounting standaard en 4. Manipulatie. Bij de eerste drie redenen is geen sprake van opzettelijk incorrect rapporteren. Bij manipulatie is er wel sprake van opzet. Een interne fout is een fout door het bedrijf zelf gemaakt, welke door middel van een restatement gecorrigeerd wordt. Restatement als gevolg van een complexe, ingewikkelde transactie heeft betrekking op de transactie zelf. Onduidelijkheid over de accountingstandaarden zijn hier niet van toepassing. Bij onduidelijkheid van de accountingstandaard is er geen onduidelijkheid over de transactie, echter de accounting standaarden zijn op een onjuiste manier toegepast. De vierde reden welke leidt tot restatement is manipulatie. Zoals eerder aangegeven is hier sprake van het opzettelijk verkeerd rapporteren. Plumee en Yohn hebben dit onderzocht door te kijken of er in de toelichting melding wordt gemaakt van manipulatie, óf er een SEC onderzoek heeft plaatsgevonden, óf dat er een rechtszaak is aangespannen door de aandeelhouders, óf dat het bedrijf negatief in het nieuws kwam in verband met manipulatie. Plumee en Yohn hebben hun onderzoek gedaan over de periode van 2003 tot en met 2006. In totaal zijn 3.744 restatements onderzocht: 57 percent van de restatements werd veroorzaakt door interne fouten; 37 percent van de restatements werd veroorzaakt door onduidelijkheden over de accountstandaarden; 3 percent was toe te schrijven aan complexiteit van de transactie en eveneens 3 percent was toe te schrijven aan manipulatie. Interne fouten werden het meeste gemaakt in het verkeerd verantwoorden van de kosten, namelijk 24 percent, gevolgd door boekingsfouten (20 percent). Restatements als gevolg van onduidelijkheden worden voornamelijk veroorzaakt door boekingen gerelateerd aan het eigen vermogen (31 percent), gevolgd door incorrect rapportage van de kosten (17 percent). Waar restatements een gevolg zijn van complexiteit van de transacties, dan komen daar het eigenvermogengerelateerde transacties (28 percent) en transacties betreffende overnames en investeringen naar boven toe (23 percent). Bij manipulatie is verkeerde rapportage van de omzet veruit het best vertegenwoordigd met 53 percent, gevolgd door het verkeerd rapporteren van de kosten met 23 percent. Over het geheel gezien, staat het verkeerd rapporteren van de kosten op de eerste plaats met 21 percent, gevolgd door het verkeerd rapporteren van de equity met 19 percent, het maken van boekingsfouten met 16 percent en het verkeerd rapporteren van de omzet met 10 percent (Plumlee & Yohn, 2010, p. 47).
2.5. Twee categorieën van restatements
Palmrose en Scholz (2004, pp. 147, 148) maken een onderscheid in twee categorieën. De eerste categorie heeft betrekking of core earnings. Core earnings worden door Palmrose et al. gedefinieerd als resultaten voor belasting behaald uit normale, terugkerende activiteiten betrekking hebbend op de
11 primaire processen. De tweede categorie heeft betrekking op non-core earnings. Non-core earnings hebben betrekking op alle andere activiteiten. Deze activiteiten zijn niet repeterend van karakter en vallen ook niet onder de normale bedrijfsactiviteiten. Core earnings zijn voor stakeholders meer van belang. Zoals eerder genoemd, de core earnings geven informatie over de resultaten behaald uit de primaire processen die een herhalend karakter hebben. Omdat ze een herhalend karakter hebben, valt uit de core earnings af te leiden wat de verwachtingen voor de toekomst zijn. Het verkeerd rapporteren van de core earnings vindt meestal plaats in omzet, inkoopkosten en algemene kosten gelinkt aan de primaire processen. Het verkeerd rapporteren van de non-core earnings vindt meestal plaats in unieke, eenmalige transacties, maar daarnaast ook in transacties die te maken hebben met zaken als afwaarderingen, herstructurering, fusies en overnames en het afstoten van bepaalde onderdelen. Daarnaast kan het verkeerd rapporteren van de non-core earnings ook betrekking hebben op de belastingaangifte. Het verkeerd rapporteren van de belastingaangifte leidt tot een ander bedrag in de earnings dan wanneer de belastingaangifte op een juiste manier was ingevuld (Palmrose & Scholz, 2014, p. 148). Bedrijven die opzettelijk de resultaten manipuleren, manipuleren vooral de core earnings; Investeerders richten zich meer op core earnings dan op non-core earnings aangezien core earning een terugkerend karakter hebben en betrekking hebben op de primaire processen (Ettredge, Scholz, Smith, & Lili, 2010, p. 334).
2.6. Factoren die leiden tot een restatement
Dit onderzoek richt zich op de vraag of er factoren aan te wijzen zijn waarvan op voorhand te zeggen is dat deze factoren leiden tot een restatement. Drake, Myers, Scholz en Sharp (2015) onderzoeken het gedrag van short selling in combinatie met restatements. Bij short selling wordt gespeculeerd op een toekomstig verlies. Short sellers is een groep die gezien wordt als goed geïnformeerd. Doordat ze goed geïnformeerd zijn, zijn zij ook minder afhankelijk van de media (von Beschwitz, Chuprinin, & Massa, 2017, p. 645). Onderzoek heeft aangetoond dat short selling in de periode voorafgaand aan de restatement een hoger volume heeft. Bedrijven die een restatement moeten toepassen hebben de neiging slecht te presteren vlak voordat de restatement wordt aangekondigd. Onregelmatigheden in de rapportage zou al een aantal jaar plaatsgevonden kunnen hebben. Ervaren short sellers zouden dit kunnen detecteren en kunnen handelen op basis van bijvoorbeeld een slechte kwaliteit accruals. De SEC (Security and Exchange Commission) vereist openbaarmaking, binnen vier dagen nadat tot restatement is besloten. Voor managers is het niet toegestaan te handelen op basis van deze informatie. Het handelen op basis van inside informatie is niet toegestaan, ook niet voor externe partijen. Short sellers verdedigen hun handelen dan ook door aan te geven dat zij handelen op basis van de rapportages, in plaats van dat ze handelen op basis van inside informatie. Drake et al. (2015, pp. 219, 220) geven aan dat er in de periode 90 dagen voor de restatement, uitzonderlijk veel gehandeld wordt. Er is echter geen verhoogde activiteit in de 5 dagen voor de aankondiging van de restatement. De reden zou kunnen
zijn dat de short sellers het moment van de daadwerkelijke restatement niet zien aankomen. Een andere reden zou kunnen zijn dat short sellers de schijn willen vermijden dat ze beschikken over inside informatie. Short sellers zijn actiever in het handelen van bedrijven waarin een grote afname is van de gerapporteerde omzet dan in het handelen in bedrijven waar de omzet juist toeneemt. Een mogelijke indicatie voor een restatement is een dus een afname van de omzet. Short sellers zijn ook actiever in het handelen in kleinere bedrijven. De suggestie is dat kleinere bedrijven een slechtere informatie-omgeving hebben en dat daardoor de kans op verkeerd informeren groter is en daardoor ook de kans op een restatement (Drake, Myers, Scholz, & Sharp, 2015).
Een andere mogelijke indicatie genoemd door Barton (p. 366) is dat bedrijven waarvan later een restatement nodig is, de balansen meer opgeblazen hebben. De argumentatie hierachter is dat bedrijven al het mogelijke doen wat is toegestaan om de omzet positief te beïnvloeden. Pas wanneer dat op een legale manier niet meer is toegestaan, wordt overgegaan op frauduleus handelen.
2.7. Hypothese ontwikkeling
De centrale vraag die wij proberen te beantwoorden is of een restatement die betrekking heeft op 2014, voorspelbaar is. Is er een positieve associatie is tussen de rapportages voorafgaand drie jaar aan het jaar waarin de restatement plaatsvindt en het jaar waarin de restatement plaatsvindt gelet op de factoren die leiden tot een restatement? Is het mogelijk om een restatement re voorspellen? Deze vragen zijn van belang voor de aandeelhouders om te bepalen of de aandeelhouder aandelen van de betreffende onderneming dient te kopen of, omgekeerd, juist afstand dient te doen van zijn aandelen. In paragraaf 2.6. zijn factoren besproken die leiden tot een restatement. Er is gekeken naar de positie van de short sellers. Aangezien short sellers gezien worden als goed ingelicht, worden hun beoordelingen meegenomen in de hypotheseopbouw.
Short sellers zijn actiever in het handelen van bedrijven waarin een grote afname is van de gerapporteerde omzet dan in het handelen in bedrijven waar de omzet juist toeneemt. Een mogelijke indicatie voor een restatement is een dus een afname van de omzet. Hieruit volgt de eerste hypothese.
H1: · Er is een positieve associatie tussen de afname van de omzet in recente jaren en de kans op een restatement In het onderzoek wordt getoetst of er een verband bestaat tussen incorrecte rapportage in 2013 en 2014 en de fluctuatie van de omzet. Hypothese 1 veronderstelt dat naarmate de omzet daalt, de kans op incorrecte rapportage toeneemt en daarmee samenhangend de kans op een restatement. De fluctuatie van de omzet wordt gemeten tot 3 jaar voorafgaand aan de periode waarin de incorrecte rapportage heeft plaatsgevonden, zijnde 2010 en 2011
13 De volgende hypothese komt voort uit dat short sellers actiever zijn in het handelen in kleinere bedrijven. De suggestie is dat kleinere bedrijven een slechtere informatieomgeving hebben en dat daardoor de kans op verkeerd informeren groter is en daardoor ook de kans op een restatement (Drake, Myers, Scholz, & Sharp, 2015).
H2: · Er is een negatieve associatie tussen de kans op een restatement en de grootte van het bedrijf
De grootte van het bedrijf word vastgesteld in de periode waarin de incorrecte rapportage plaatsvindt: 2013 en 2014.
De derde hypothese is gebaseerd op het idee dat het bedrijf dat fraudeert en als gevolg daarvan een restatement nodig heeft, van te voren heeft geprobeerd zijn balans op te blazen.
H3: Er is een positieve associatie tussen het opblazen van de balans in recente jaren en de kans op een restatement
Het opblazen van de balansen wordt gemeten door de periode van de incorrecte rapportage te vergelijken met de periode 3 jaar voorafgaand aan het jaar waarin de incorrecte rapportage plaatsvindt.
3. Methodologie
In dit hoofdstuk wordt de methodologie beschreven die gebruikt wordt om de centrale vraag te beantwoorden, namelijk in hoeverre een incorrecte rapportage in 2013 en 2014 voorspelbaar is in de 3 jaren voorafgaand aan de periode van de incorrecte rapportage. Een incorrect rapportage leidt tot een restatement. De centrale vraag wordt beantwoord door het toetsen van drie hypotheses. De eerste hypothese heeft betrekking of een verandering in omzet leidt tot een verhoogde kans op een restatement. De tweede hypothese die onderzocht wordt is of er bij kleinere bedrijven een grotere kans is op een restatement in vergelijking met grotere bedrijven. De derde hypothese die onderzocht wordt is of opgeblazen balansen leiden tot een grotere kans op een restatement. In dit hoofdstuk zal het conceptueel model getoond worden, wordt per hypothese een regressiemodel ontwikkeld en wordt uitleg gegeven over de gebruikte variabelen.
3.1. Conceptueel model
In het conceptueel model wordt visueel weergegeven wat de verwachte oorzaak-gevolgrelatie is in ons onderzoek. In ons onderzoek beantwoorden we de vraag in hoeverre een restatement voorspelbaar is. De restatement is dan ook de afhankelijke variabele. Met behulp van drie factoren wordt getoetst of een restatement voorspelbaar is. Deze drie factoren zijn de onafhankelijke variabelen. De drie factoren zijn de omzetverandering, de bedrijfsgrootte en de mate van het opblazen van de balans.
Figuur 1: Conceptueel model
Het onderzoek wordt uitgevoerd door middel van logistische regressie. Het logistische model wordt gebruikt om te kijken of de effecten van de omzetveranderingen, de grootte van het bedrijf en het opblazen van de balansen effect hebben of er wel of geen restatement plaatsvindt. De afhankelijke, binaire, variabele is restatement. Als restatement gecodeerd wordt met nul, betekent dit dat er geen restatement plaatsvindt. Waar restatement gecodeerd wordt met een één vindt er wel een restatement plaats.
15 Logistische regressie wordt gebruikt om een binair antwoord te verkrijgen uit een eveneens binaire voorspeller. Dit wordt gebruikt om de uitkomst te voorspellen van de categorische afhankelijke variabele. Het logistische model is geschikt voor ons onderzoek, aangezien de afhankelijke variabele binair is (wel of geen restatement) en er geen sprake is van een multivariate normale verdeling (Ueng, 2016, p. 517).
3.2. Logistisch regressiemodel voor hypothese 1 De eerste hypothese luidt:
H1: Er is een positieve associatie tussen de afname van de omzet in de recente jaren en de kans op een restatement.
Om deze hypothese te toetsen maken we gebruik van het logistische regressiemodel. Het logistische regressiemodel wordt gebruikt aangezien de afhankelijke variabele dichotoom van aard is: er is wel of er is geen restatement. Door te kijken naar de onafhankelijke variabele wordt getoetst hoe groot de kans op een restatement is (Sieben & Linssen, 2009). In het vervolg van deze paragraaf wordt verdere toelichting gegeven op de afhankelijke variabele, namelijk restatement en de onafhankelijke variabele, de verandering van de omzet.
Om hypothese 1 te toetsen is de volgende vergelijking opgesteld:
4
Afhankelijke variabele
In deze hypothese wordt getoetst in hoeverre een verandering van de omzet leidt tot een verhoogde kans op een restatement. dRESTATEMENTt is de afhankelijke variabele.
dRESTATEMENTt wordt gemeten met behulp van de database gerapporteerd in AuditAnalytics.
Deze database laat ondernemingen zien, waarvoor een restatement vereist is. In het onderzoek worden restatements meegenomen waarvan het verkeerd rapporteren in 2013 of 2014 heeft plaatsgevonden. De restatementdatum is de datum van de filing van de restatement, dit is de noodzakelijke aanpassing aan de rapportage. De filing datum ligt daarom ook na de daadwerkelijke rapportageperiode. In dit geval is “t“ dan ook 2013 of 2014, het jaar waarin het incorrect rapporteren heeft plaatsgevonden. Als er met betrekking tot 2013 en 2014 geen restatement plaatsvindt, zal dRESTATEMENTt de waarde nul hebben. Als wel een restatement
plaatsgevonden heeft, zal deze waarde één zijn. Onafhankelijke variabele ‐ Toets variabelen
De onafhankelijke variabele is de omzetverandering in de jaren gemeten ten opzichte van t = 2013 of 2014. Private ondernemingen staan onder druk om de verwachte resultaten te behalen. Ondernemingen die de verwachtingen niet waarmaken, zullen
door de markt afgestraft worden. Deze druk resulteert in een prikkel om aan earnings management te doen. Het verkeerd rapporteren van de omzet vindt plaats om aan de verwachtingen van de investeerders tegemoet te komen (Ragothaman & Lavin, 2008, p. 135). Short sellers zien een daling van de omzet als een indicator voor een restatement. Een daling van de omzet wordt daarom ook gezien als een indicator voor een toekomstig restatement. Als de omzet stijgt, zal
de waarde nul hebben. Als de omzet gelijk blijft of zal deze waarde één zijn.
Onafhankelijke variabelen – Controle variabelen.
Chang et el (2017, p. 556) verdelen de controle variabelen in drie groepen: 1. variabelen die betrekking hebben op prikkel om tot earnings management over te gaan; 2. variabelen die te maken hebben met corporate management en 3. variabelen die bedoeld zijn om meetfouten te controleren. De eerst twee groepen worden in dit onderzoek gebruikt.
1. Variabelen die betrekking hebben op een prikkel om tot earnings management over te gaan
LEVt Deze variabele betreft de ratio van langlopende schulden afgezet tegen de
bezittingen (assets) de jaren voorafgaand aan de restatement. De ratio wordt berekend door het totale vreemd vermogen (liabilities) te delen door het totaal aan bezittingen (assets).
ROAt Deze variabele betreft de winstgevendheid van een onderneming. Dit wordt
berekend door de Net income te delen door het gemiddelde van de bezittingen (assets).
2. Variabelen die te maken hebben met corporate management
dDUALt Deze indicator geeft aan of dezelfde persoon zowel een functie bekleedt in de raad
van bestuur alsook de functie van CEO heeft. Als deze functievermenging plaatsvindt wordt de waarde één aangegeven. Als deze functievermenging niet plaatsvindt wordt de waarde nul aangegeven. Bij functievermenging wordt een minder strikt toezicht verondersteld. Met minder streng toezicht wordt verondersteld dat de CEO meer mogelijkheden heeft om de cijfers naar eigen inzicht te rapporteren. De verwachting is dan ook dat een restatement als gevolg van het verkeerd rapporteren vaker voorkomt als er functievermenging plaatsvindt. De functievermenging wordt gemeten in het jaar waarin de incorrecte rapportage plaatsvindt.
17 dBIG4t Deze variabele geeft aan welke accountant gebruikt wordt. Investeerder geloven
dat accounts welke behoren tot de BIG4 (Deloitte & Touche, Ernst & Young, KPMG en PricewaterhouseCoopers) een hogere kwaliteit audits afleveren dan accountants die niet tot de BIG4 behoren. Het overstappen van accountant behorende tot de BIG4 naar een account niet behorende tot de BIG4 wordt door investeerders gezien als een verkeerd signaal (Hsihui, Cheng, & Reichelt, 2010, p. 84). Omdat investeerders minder vertrouwen hebben in een onderneming die een accountant heeft welke niet tot de BIG4 gerekend wordt, wordt het risico op een restatement als gevolg van het verkeerd rapporteren dan ook hoger geacht. Waar gebruik gemaakt wordt van één van de BIG4 accountants wordt de waarde nul genoteerd, anders een waarde één. Of een onderneming gebruik maakt van de diensten van een BIG4 accountant, wordt gemeten in het jaar waarin de incorrecte rapportage plaatsvindt.
Volgens het onderzoek van Thakor (2015, p. 160) vond de financiële crisis plaats van 2006 tot en met 2009. In dit onderzoek zijn de jaren 2013 en 2014 de jaren waarop de restatement betrekking heeft. In deze jaren vindt er incorrecte rapportage plaats die een restatement rechtvaardigt. Onderstaande tijdlijn wordt gebruikt door Ettredge et al. (2010, p. 333). Uit het onderzoek van Ettredge et al. (2010, p. 334) blijkt dat in een periode drie jaar voorafgaand aan het opzettelijk verkeerd rapporteren, de balansen al opgeblazen worden. In dit onderzoek wordt gekeken naar incorrecte rapportages in 2013 en 2014. Er wordt onderzocht of er drie jaar voorafgaand aan het verkeerd rapporteren al signalen zijn, die erop zouden kunnen wijzen dat er in een later stadium verkeerd gerapporteerd wordt. 2013 wordt vergeleken met 2010, 2014 wordt vergeleken met 2011. Het jaar 2010 is als startjaar gekozen om vermenging met de financiële crisis te vermijden.
Figuur 2: Tijdlijn restatement proces
3.3. Logistisch regressiemodel voor hypothese 2 De tweede hypothese luidt:
H2: Er is een negatieve associatie tussen een toekomstig restatement en de grootte van het bedrijf. Om hypothese 2 te toetsen is de volgende vergelijking opgesteld:
4
De onafhankelijke toets variabele is dSIZEt. Uit eerder onderzoek is gebleken dat restatement als
gevolg van incorrect rapporteren vaker plaatsvindt bij kleinere ondernemingen in vergelijking met grotere ondernemingen (Ragothaman & Lavin, 2008, p. 132). Om de grootte van de onderneming te meten volgen we het onderzoek van Dang & Li, 2015. Dang et al. noemen drie manieren om de grootte van een onderneming te meten: de waarde van de bezittingen, de waarde van de verkopen en de markwaarde van het eigen vermogen. Van de 100 onderzoeken die Dang et al. bestudeerd hebben, werd in 49 percent van de gevallen gebruik gemaakt van de bezittingen (asset), 20 percent van de marktwaarde van het eigen vermogen, 16 percent maakt gebruik van de verkopen. De overige 15 percent bestaat uit een combinatie van de drie (13 percent), óf van een andere maatstaf, namelijk het aantal werknemers (2 percent). Tkaczyk (2014, pp. 52, 54) onderzoekt welke kleine en middelgrote bedrijven het beste zijn om voor te werken. Bij het bepalen van de grootte maakt hij gebruik van het aantal werknemers. Als een bedrijf minder dan 250 werknemers in dienst heeft, wordt het bedrijf geclassificeerd als een klein bedrijf. Een bedrijf met een aantal werknemers tussen de 250 en 1.000 wordt geclassificeerd als middelgroot. Als een bedrijf meer dan 1.000 werknemers in dienst heeft, wordt het bedrijf gezien als een groot bedrijf. De-Armond (2010, p. 4) volgt de indeling zoals die gebruikt wordt door een grote verzekeringsmaatschappij. Vanaf 2.000 werknemers wordt een bedrijf geclassificeerd als groot. Deze classificatie wordt ook voor dit onderzoek gebruikt. Als een onderneming minder dan 2.000 werknemers heeft, wordt de waarde nul toegekend, als een bedrijf meer dan 2.000 werknemers heeft wordt een waarde één toegekend.
De afhankelijke variabele en de controle variabelen zijn voor hypothese 1 en hypothese 2 gelijk. 3.4. Logistisch regressiemodel voor hypothese 3
De derde hypothese luidt:
H3: · Er is een positieve associatie tussen het opblazen van de balans in recente jaren en de kans op een restatement.
Om hypothese 3 te toetsen is de volgende vergelijking opgesteld:
4
De onafhankelijke variabele is het opblazen van de balans. Hiervoor gebruiken we de notitie BLOAT. Dit is in overeenstemming met het gebruik in overige literatuur. Om te bepalen hoe het opblazen van de balansen gemeten worden, wordt het onderzoek van Ettredge et al (2010, p. 337) gebruikt. Ettredge et al geven aan dat er naar het werkkapitaal gekeken dient te worden. Bij het
19 opblazen van de balansen worden de rekeningen samenhangend met het werkkapitaal meer beïnvloed dan andere componenten van de net operating assets. Ook als het effect van verandering van werkkapitaal vergeleken wordt het effect veroorzaakt door veranderingen van accruals op het opblazen van de balansen, dan blijkt dat veranderingen in het werkkapitaal een grotere invloed te hebben op het opblazen van de balansen dan veranderingen in de accruals. Het werkkapitaal wordt bepaald door de bezittingen (assets) te verminderen met het vreemd vermogen (liabilities). Daaropvolgend worden accruals en kortlopende schulden in mindering gebracht. Er wordt verondersteld dat het opblazen van de balans op de duur zal leiden tot een restatement. Daarom wordt een toename van het werkkapitaal gecodeerd met een één, een afname wordt gecodeerd met een nul.
De afhankelijke variabele en de controle variabelen zijn voor hypothese 1, 2 en hypothese 3 gelijk. 3.5. Resumé van de variabelen inclusief verwachtingsrichting
De volgende variabelen worden gebruikt om de drie hypotheses te toetsen: Afhankelijke
variabele Omschrijving Verwachting
dRESTATEMENTt Een aanpassing in de jaarrekening als gevolg van een verkeerde
rapportage in één of meerdere voorafgaande periodes.
Meting vindt plaats met behulp van de AuditAnalytics database. Onderzocht wordt of er in de jaren 2013 en/of 2014 incorrecte rapportage heeft plaatsgevonden waardoor op een later tijdstip een restatement over 2013 en/of 2014 noodzakelijk blijkt te zijn. De variabele is een dummy variabele. Een één staat voor als er een restatement vereist is. Waar geen restatement vereist is, wordt een nul weergegeven.
Onafhankelijke
toestvariabelen Omschrijving Verwachting
Verandering van de omzet in jaar t (t = 2013 of 2014) ten opzichte van omzet 3 jaar eerder. Meting vindt plaats met behulp van gegevens uit Compustat. Verondersteld wordt dat een dalende omzet leidt tot een grotere kans op opzettelijk verkeerd rapporteren. De variabele
is een dummy variabele. Een daling in de omzet wordt weergegeven met een één, een stijging in de omzet wordt weergegeven met een nul.
_
dSIZEt De grootte van het bedrijf.
Volgens een classificatie gebruikt in een onderzoek van De-Armond et al (2010, p. 4), wordt een bedrijf als groot aangemerkt als het meer dan 2.000 werknemers heeft. Deze kwalificatie wordt voor die onderzoek overgenomen. Gegevens komen uit Compustat. Veronderstelt wordt dat verkeerd rapporteren vaker voorkomt bij kleinere bedrijven dan bij grotere bedrijven. De variabele dSIZEt is een dummy variabele.
Een kleiner bedrijf wordt aangegeven met een één, een bedrijf met meer dan 2.000 wordt gezien als een groot bedrijf en wordt weergegeven met een nul.
Het opblazen van de balans wordt gemeten als de verandering van het werkkapitaal. De verandering wordt bepaald als het verschil tussen het werkkapitaal van jaar t (t = 2013 of 2014) met het werkkapitaal van 3 jaar eerder. Onderzoeksgegevens komen uit Compustat. De verwachting is dat het opblazen van de balansen een voorfase is van het incorrect rapporteren. De
variabele is een dummy variabele.
Een positieve verandering van het werkkapitaal wordt weergegeven met een één, daarentegen wordt een negatieve verandering weergegeven met een nul.
+
Onafhankelijke Controle
variabelen Omschrijving Verwachting
LEVt De ratio van langlopende schulden afgezet tegen de bezittingen
(assets). De verwachting is dat een toename van de leverage zal leiden tot incorrecte rapportage, met een restatement als gevolg.
+ ROAt De winstgevendheid van een onderneming, gemeten door de
Net income te delen door het totaal van de assets. -dDUALt Dezelfde persoon vervult een functie in de Board of directors
en is tevens CEO van de onderneming. De verwachting is dat wanneer deze functies door dezelfde persoon vervuld worden, er een verminderde controle aanwezig is. De kans op verkeerd rapporteren neemt toe en daarmee ook de kans op een
restatement. De variabele dDUALt is een dummy variabele. Als
er functievermenging plaatsvindt dan wordt dit weergegeven met een één, als er geen functievermenging plaatsvindt wordt dit weergegeven met een nul.
+
dBIG4t De controlerende accountant van de onderneming behoort tot
de BIG4. De verwachting is dat wanneer een account behorende tot de BIG4 de controle uitoefent er een kleinere kans is op het verkeerd rapporteren dan wanneer een account niet behorende tot de BIG4 de controle uitoefent. De variabele dBIG4t is een dummy variabele. De waarde één wordt
weergegeven wanneer de controlerende accountant niet tot de BIG4 behoort. Als de controlerende accountant wel tot de BIG4 behoort, dan wordt dit weergegeven met een nul.
-
21
4. Data
In dit hoofdstuk wordt de data besproken welke in dit onderzoek gebruikt wordt. Allereerst worden de bronnen en de manier van selecteren besproken. Vervolgens komt de beschrijvende statistiek aan de orde. Hierbij worden de kernstatistische grootheden behandeld, evenals de correlatiematrix en de eventuele multicollinariteitsproblematiek.
4.1. Bronnen
De data is verkregen door middel van WRDS. De afhankelijke variabele dRESTATEMENTt is
verkregen vanuit de Audit Analytics database, Non-Reliance Restatements. De volgende toets- en controlevariabelen zijn verkregen door middel van Compustat: , dSIZEt, , LEVt, ROAt en dBIG4t. De controlevariabele dDUALt is
verkregen uit de database Audit Analytics, Director and Officer changes. 4.2. Data selectie
Voor de afhankelijke variabele dRESTATEMENT wordt gebruik gemaakt van de dataset genaamd Audit Analytics. De Audit Analytics dataset bevat gedetailleerde informatie over 1.200 accountantskantoren en 15.000 bedrijven uit de publieke sector. Voor het onderzoek is gebruik gemaakt van de optie Non-Reliance Restatements. In deze database staan restatements aangegeven. Eveneens is de periode vermeld waarin de restatement heeft plaatsgevonden. Ook staat aangegeven welke accountant verantwoordelijk was voor het beoordelen van de jaarrekening. In dit onderzoek bestuderen wij de restatements die betrekking hebben op misstanden in de jaren 2013 en 2014. In de Non-Reliance restatements datebase vindt de oorspronkelijke selectie plaats op basis van File date, de datum waarin de restatement is geaccepteerd door SEC. Een restatement die betrekking heeft op incorrect rapporteren in 2013 kan al in 2013 plaatsvinden. Dit kan gebeuren als filing plaatsvindt in het jaar zelf, bijvoorbeeld bij kwartaalrapportages. Als incorrecte rapportage ontdekt en gecorrigeerd wordt in het jaar zelf, dan komt 2013 zowel voor als het jaar waarin verkeerd rapporteren heeft plaatsgevonden als ook het jaar waarin de correctie heeft plaatsgevonden. Hetzelfde geldt voor 2014. De meeste restatements vinden echter plaats in de jaren volgend op het jaar waarin het verkeerd rapporteren plaatsvindt. Onze selectie heeft dan ook betrekking op het jaar 2013 tot en met 2017. 2017 is het meest recente jaar dat beschikbaar is. In totaal levert dit 3.786 waarnemingen op. Voor sommige jaren zijn meerdere restatements gerapporteerd. In dit onderzoek hebben wij dit gerapporteerd als één keer verkeerd rapporteren. Als gevolg hiervan zijn 295 waarnemingen verloren gegaan. In ons onderzoek richten wij ons op 2013 en 2014 als jaren waarin het verkeerd rapporteren plaats heeft gevonden. In totaal zijn er 1.280 waarnemingen die betrekking hebben op misstanden in de jaren 2013 en 2014: 685 in 2013 en 595 in 2014. De overige 2.211 waarnemingen hebben betrekking op het verkeerd rapporteren op andere jaren dan 2013 en 2014. In tabel 1 is een overzicht opgenomen met het jaar waarop de
restatements betrekking hebben, zijnde het jaar waarin verkeerd gerapporteerd is. Tevens is in tabel 1 zichtbaar wanneer deze restatements bij het SEC geregistreerd werden.
Jaar waarop verkeerd
rapporteren betrekking heeft Geaccepteerd door SEC Aantal
2013 2013 75 2014 308 2015 198 2016 88 2017 16 Totaal 2013 685 2014 2014 88 2015 264 2016 181 2017 62 Totaal 2014 595 Totaal betrekking hebbend op 2013 en 2014 1.280 Tabel 1: Waterval database Audit Analytics
Voor het onderzoek zijn 2013 en 2014 van belang aangezien er onderzocht wordt of factoren 3 jaar voorafgaand aan het jaar waarop de restatement betrekking heeft, aangeven of er een restatement aanstaande is. In totaal zijn er 1.280 restatements die betrekking hebben op het jaar 2013 en 2014. Deze 1.280 restatements worden gekoppeld aan gegevens uit de Compustat database. Het resultaat is dat er gegevens over bedrijven aanwezig zijn waar in 2013 en 2014 geen restatement plaatsgevonden heeft, en er zijn gegevens aanwezig over bedrijven waar in 2013 en 2014 wel een restatement heeft plaatsgevonden.
Compustat is een database waarin financiële, statistische en marktgegevens wordt gerapporteerd over actieve en inactieve bedrijven wereldwijd. Voor het onderzoek richten wij ons op Noord-Amerika. Bij het selecteren van de industriële klasse, zijn financiële instellingen uitgesloten. De oorspronkelijke selectie bevatte de jaren 2010 tot en met 2014. In totaal zijn er 37.164 waarnemingen. Het onderzoek richt zich op de periode 3 jaar voorafgaand aan 2013 en 2014, de jaren waarop de restatement betrekking heeft. Het eerste jaar waarop de restatement betrekking heeft, 2013, wordt vergeleken met 2010. Daarnaast wordt 2014 vergeleken met 2011. Waarnemingen die betrekking hebben op 2012 zijn verwijderd. Hierdoor zijn 7.554 waarnemingen verloren gegaan. Voor de grootte van de onderneming maken wij gebruik van het aantal werknemers. Bedrijven waar geen werknemers staan vermeld zijn verwijderd uit de database. Hierdoor zijn 10.111 waarnemingen verloren gegaan. Bij de omzet wordt er vanuit gegaan dat er altijd een omzet behaald wordt. Als gevolg hiervan zijn de waarnemingen waar geen omzet gerapporteerd worden, verwijderd. Hetzelfde geldt voor Working capital, Leverage en ROA. Hierdoor zijn in totaal additioneel 12.179 waarnemingen verloren gegaan. Zoals eerder aangegeven
23 werd voor de controlevariabele dDUAL gebruik gemaakt van de database Audit Analytics, Director and Officer changes. Als de CEO ook een functie heeft in de Board, wordt dit gezien als een DUAL functie. Deze gegevens zijn gekoppeld aan de Compustat database. Echter voor 2.303 bedrijven is geen informatie over functievermenging beschikbaar. Deze 2.303 bedrijven zijn daarom ook niet meegenomen in de finale selectie. Hetzelfde geldt voor of data beschikbaar is of de accountant behoort tot de BIG4. Eveneens is hierdoor één waarneming verloren gegaan. De finale database bestaat uit 5.016 waarnemingen. Zie hieronder de waterval in tabelvorm.
Bron Selectie Aantal observaties
Compustat 2010 tot en met 2014 37.164 Jaarfilter De jaren waarop de restatement betrekking heeft
zijn 2013 en 2014. Drie jaar voorafgaand aan 2013 en 2014 zijn de jaren 2010 en 2011. De gegevens van het jaar 2012 zijn daarom verwijderd. ‐7.554 Compustat 2010, 2011 en 2014 29.610 Employee filter Het bedrijf moet minimaal 1 werknemer in dienst hebben. Bedrijven waar geen werknemers gerapporteerd staan, zijn verwijderd. ‐10.111 19.499 Omzetfilter De omzet van 2013 en 2014 wordt vergeleken met de omzet van 3 jaar eerder, zijnde 2010 en 2011. Gegevens zijn verwijderd als deze vergelijking niet mogelijk mocht zijn door gebrek aan data. ‐10.453 9.046 Working capital filter Het werkkapitaal moet een waarde hebben niet gelijk aan 0. ‐1.712 7.334 Leverage filter Leverage moet een waarde hebben niet gelijk aan 0. ‐10 7.324 ROA filter ROAt moet een waarde hebben niet gelijk aan 0. ‐4
7.320 DUAL filter dDUALt moet onderliggende variabelen bevatten.
Waarnemingen zonder waarde zijn verwijderd.
‐2.303 5.017 BIG4 filter dBIG4t moet onderliggende variabelen bevatten.
Waarnemingen zonder waarde zijn verwijderd.
‐1
Resulterend aantal observaties 5.016
Tabel 2: Dataselectie
Vervolgens zijn de waarnemingen zijn getoetst op outliers. Outliers zijn bepaald met behulp van Z-scores. Als de Z-score een waarde heeft van -/-3 of lager of van 3 of hoger, wordt deze waarneming beschouwd als een outlier. Deze waarnemingen worden niet meegenomen in onze dataselectie. In totaal zijn er 14 outliers voor de variabele LEVt en 18 outliers voor de variabele
ROAt. In totaal zijn er 22 waarnemingen verwijderd. Bij dRESTATEMENTt komen wel waardes
met een z-score van hoger dan 3 voor, namelijk 3.453. Deze waardes zijn geaccepteerd, aangezien deze outliers verklaard kunnen worden door het relatief lage aantal restatements. Na het toepassen van de dataselectie zijn er 385 waarnemingen waar een restatement plaatsvindt. Dit is in totaal 7,7 per cent van het totaal aantal waarnemingen. Uiteindelijk bestaat de database uit 4.994 waarnemingen.
4.3. Beschrijvende statistiek 4.3.1. Kernstatistische grootheden
De variabelen dRESTATEMENTt, d OMZET OMZET , dSIZEt,
d BLOAT BLOAT , dDUALt en dBIG4t zijn dummy variabelen. Voor elk van deze
waarneming zijn maar 2 mogelijkheden: nul en één. Als het gemiddelde niet veel van 0,500 verschilt, betekent dit dat de waarnemingen redelijk gelijk verdeeld zijn. Dit is onder ander het geval bij de dummy variabele dSIZEt (0,5348). Zie tabel 3: Kernstatistische grootheden. Bij de
afhankelijke variabele dRESTATEMENTt zien we dat het gemiddelde afwijkt van 0,500. Bij in
totaal 7.35% van alle waarneming was er sprake van een aanpassing van de jaarrekening. Als gevolg van de binaire verdeling is er een duidelijke link tussen het gemiddelde en de mediaan. Als het gemiddelde onder 0,500 ligt betekent dat er meer nul waarnemingen zijn dan één waarnemingen. De mediaan is in dit geval 0. Het omgekeerde is het geval als het gemiddelde hoger ligt dan 0,500. Als we de Z–score in ogenschouw nemen, zien we dat de Z-score de waarde van absoluut drie in sommige gevallen overschrijdt. In het begin is er, om te toetsten of er outliers aanwezig zijn, een toets op de oorspronkelijke selectie uitgevoerd met behulp van Z-scores. Waarnemingen met een Z-score hoger dan 3 en lager dan -3 zijn toen verwijderd. De huidige Z-scores zijn dan ook op basis van de geschoonde selectie en worden om deze reden dan ook geaccepteerd. Bij sommige variabelen wordt gewerkt met binaire variabelen. Omdat er gewerkt wordt met binaire variabelen zijn er geen outliers.
25
Mean Mediaan Std. Deviation Minimum Maximum N
Afhankelijke variabele dRESTATEMENTt 0,077 0,000 0,267 0,000 1,000 4.994 Toets variabelen d(OMZET_t‐OMZET(t‐3)) 0,279 0,000 0,448 0,000 1,000 4.994 dSIZEt 0,535 1,000 0,499 0,000 1,000 4.994 d(BLOATt‐BLOAT(t‐3) ) 0,587 1,000 0,492 0,000 1,000 4.994 Controle variabelen LEVt 0,790 0,544 2,081 0,001 40,037 4.994 ROAt ‐0,218 0,025 1,205 ‐19,211 10,180 4.994 dDUALt 0,152 0,000 0,359 0,000 1,000 4.994 dBIG4t 0,330 0,000 0,470 0,000 1,000 4.994
Tabel 3: Kernstatistische grootheden 4.3.2. Correlatiematrix
Bij correlatie wordt gekeken naar de lineaire relatie tussen twee variabelen. Er wordt gekeken naar de manier waarop de scores van één variabele samenhangt met de scores van een andere variabelen. De correlatiecoëfficiënt is de mate waarin de sterkte en de richting van de correlatie wordt uitgedrukt. De waardes kunnen variëren van -1 tot +1. De waarde voor een perfecte positieve correlatie is +1 en de waarde voor een perfecte negatieve correlatie is -1. Als er geen relatie bestaat is de correlatiecoëfficiënt 0. Pearson’s correlatiematrix wordt als volgt geïnterpreteerd: bij een waarde lager date 0,3 is er nauwelijks of geen correlatie. Als de waarde tussen 0,3 en 0,5 ligt is er sprake van een lage correlatie, als de waarde zich bevindt tussen 0,5 en 0,7 is er sprake van middelmatige correlatie, bij een waarde tussen de 0,7 en 0,9 is er sprake van hoge correlatie en als de waarde hoger is dan 0,9 is er sprake van zeer hoge correlatie. De correlatiecoëfficiënt moet gezien worden als een richtlijn. In tabel 4 is de correlatiematrix weergegeven. In ons onderzoek onderzoeken we of er een aantoonbaar effect is tussen wat in 2010 gebeurt en het verkeerd rapporteren 3 jaar later, in 2013. Ook onderzoeken we of het verkeerd rapporteren in 2014 teruggeleid kan worden naar 2011. Verkeerde rapportage leidt tot een restatement van de jaarrekening. De hoogste absolute waarde in de tabel is 0,508. Deze waarde wordt gerapporteerd voor de relatie tussen de variabelen LEVt en ROAt. De waarde van 0,508 wordt geclassificeerd als
middelmatige correlatie. Concluderend betekent dit dat er geen belemmering is om deze waardes in ons onderzoek mee te nemen. Om één en ander nauwkeuriger te checken wordt in de volgende paragraaf een multicollineariteitsanalyse uitgevoerd.
26 dRESTATEMENTt d(OMZETt‐ OMZETt‐3) dSIZEt d(BLOATt‐
BLOATt‐3) LEVt ROAt dDUALt dBIG4t
dRESTATEMENTt 1,000 0,010 ‐0,007 0,009 0,008 ‐0,007 0,005 ‐0,008 d(OMZETt‐OMZETt‐3) 0,010 1,000 0,142** 0,209** 0,029* 0,080** 0,048** 0,103** dSIZEt ‐0,007 0,142** 1,000 0,059** 0,078** 0,205** 0,015 0,520** d(BLOATt‐BLOATt‐3) 0,009 0,209** 0,059** 1,000 0,112** 0,140** 0,041** 0,087** LEVt 0,008 0,029* 0,078** 0,112** 1,000 0,508** 0,021 0,144** ROAt ‐0,007 0,080** 0,205** 0,140** 0,508** 1,000 0,049** 0,238** dDUALt 0,005 0,048** 0,015 0,041** 0,021 0,049** 1,000 0,008 dBIG4t ‐0,008 0,103** 0,520** 0,087** 0,144** 0,238** 0,008 1,000 Tabel 4: Correlatiematrix ** Correlatie is significant bij een niveau van 0,01 (2‐zijdig) * Correlatie is significant bij een niveau van 0,05 (2‐zijdig)
27 4.3.3. Multicollineariteit
Bij multicollineariteit wordt gemeten of een afhankelijke variabele in een hoge mate verklaard kan worden door een cluster van andere onafhankelijke variabelen. Om te testen of er multicollineariteit aanwezig is wordt gebruik gemaakt van de Variance Inflation Factor (VIF). Field (2013, p.325) geeft richtlijnen aan hoe de VIF geïnterpreteerd kan worden. Als de grootste waarde groter is dan tien, dan is er reden voor bezorgdheid. Daarnaast kan de uitkomst een vertekend beeld geven als het gemiddelde van alle waardes substantieel groter is dan één. Tabel 5 laat zien dat de waardes van de VIF net boven één liggen. Geen enkele waarde is groter dan 10. Het gemiddelde is 1,249. Dit is niet substantieel hoger dan één. Dit bevestigt dat er geen multicollineariteit aanwezig is.
VIF D(OMZETt‐OMZETt‐3) 1,067 dSIZEt 1,401 D(BLOATt‐BLOATt‐3) 1,068 LEVt 1,356 ROAt 1,431 dDualt 1,005 dBIG4t 1,412 Onafhankelijke variabele: dRESTATEMENTt Tabel 5: Multicollineariteit
5. Resultaten
In dit hoofdstuk worden de regressieresultaten per hypothese behandeld. Eerst wordt een totaalbeeld geschetst, in latere paragrafen wordt dieper ingegaan op de resultaten per hypothese.
5.1. Resultaten regressiemodellen
De resultaten van de drie regressiemodellen, één voor elke hypothese, zijn weergegeven in tabel 6: Resultaten regressiemodellen. Voor elk van de hypotheses is per variabele de bèta en de significantie genoteerd, welke weergegeven wordt door middel van de P-waarde. Eveneens is het aantal observaties en de Nagelkerke R2 verwerkt. Als er voor bepaalde hypotheses geen variabelen
zijn, zijn de velden grijs gemaakt.
Hypothese 1 Hypothese 2 Hypothese 3
Variabele P‐waarde P‐waarde P‐waarde
d(OMZETt‐OMZETt‐3) 0,081 0,489 dSIZEt ‐0,04 0,749 d(BLOATt‐BLOATt‐3) 0,077 0,481 LEVt 0,010 0,711 0,009 0,734 0,010 0,698 ROAt ‐0,015 0,761 ‐0,018 0,707 ‐0,020 0,685 dDUALt 0,046 0,753 0,051 0,728 0,054 0,710 dBIG4t ‐0,088 0,456 ‐0,060 0,660 ‐0,076 0,517 Constante ‐2,496 ‐2,462 ‐2,525 Nagelkerke R2 0,001 0,000 0,001 4994 Observaties 4994 4994 Geen enkele variabele is significant op een niveau van 10% Tabel 6: Resultaten regressiemodellen
De R2 geeft aan in welke mate de variantie van de afhankelijke variabele verklaard wordt door de
onafhankelijke variabelen. De waarde bevindt zich tussen 0 en 1. Nagelkerke R2 richt zich op
logistische regressie (Field, 2013, p. 765). Onderstaande tabel geeft aan hoe de R2 kan worden
geïnterpreteerd worden (Instituut voor Geschiedenis, 2006). Uit onderstaande interpretatie komt naar voren dat de kracht van alle drie de modellen zeer zwak is.
R R2 (afgerond) Verklaarde variantie Interpretatie kracht verband
< 0,3 < 0,1 < 10% zeer zwak 0,3 ‐ 0,5 0,1 ‐ 0,25 10 ‐ 25% zwak 0,5 ‐ 0,7 0,25 ‐ 0,5 25 ‐ 50% matig 0,7 ‐ 0,85 0,5 ‐ 0,75 50 ‐ 75% sterk 0,85 ‐ 0,95 0,75 ‐ 0,9 75 ‐ 90% zeer sterk > 0,95 > 0,9 > 90% uitzonderlijk sterk (verdacht!) Tabel 7: Interpretatie R2
29 Een andere manier om de kracht van het model te meten, is door gebruik te maken van Hosmer en Lemeshow Goodness-of-fit. De waarnemingen worden geordend naar oplopende voorspelde slagingskans en aan de hand daarvan in tien even grote groepen verdeeld. Vervolgens wordt er voor elk van de tien groepen gekeken hoeveel individuen een nul en een één hebben gescoord en hoeveel er op basis van het model verwacht mocht worden. De verschillen worden met behulp van Chi2 toets getoetst (Sieben & Linssen, 2009, p. 7). De resultaten zijn in tabel 8 weergegeven.
Volgens de Hosmer en Lemeshow Goodness-of-fittoets is alleen het verschil van hypothese 1 significant (<0.01). De verschillen voor hypothese 1 en 2 zijn niet significant. Dit betekent dat voor hypothese 1 en 2 de regressiemodellen goed bij de data passen. Het regressiemodel voor hypothese 1 past niet bij de data.
Step Chi2 df Sig.
Hypothese 1 1 22,829 8 0,004 ***
Hypothese 2 1 13,930 8 0,084
Hypothese 3 1 5,441 8 0,710
***Significant bij een niveau van 0,01 Tabel 8: Hosmer en Lemeshow Goodness-of-fit
De relatie tussen de onafhankelijke variabelen (veranderingen van de omzet, de grote van het bedrijf en veranderingen in het werkkapitaal) en de afhankelijke variabele, restatement, is in geen van de hypotheses significant. Dit resultaat geeft geen ondersteuning aan de resultaten van het onderzoek van Drake, Myers, Scholz, & Sharp (2015), waarbij vermeld moet worden dat dat onderzoek zich richt op het handelen van Short sellers die zich richten op een relatief korte periode, waarbij in ons onderzoek de periode een tijdspanne van drie jaar omvat. Drake & Myers, et al (2015) verwachten een dalende omzet voordat een restatement plaatsvindt. Een andere mogelijke indicatie, die niet door ons onderzoek gesteund wordt, is dat bedrijven waarvan later een restatement nodig is, de balansen meer opgeblazen hebben (Barton, 2010, p. 366). De argumentatie hierachter was dat bedrijven al het mogelijke doen wat is toegestaan om de omzet positief te beïnvloeden. Pas wanneer dat op een legale manier niet meer is toegestaan, wordt overgegaan op frauduleus handelen.
5.2. Plausibiliteit van het teken van de controle variabelen
In dit paragraaf wordt nagegaan of de tekens van de controlevariabelen overeenkomen met de verwachting die in 3.5 is op basis van voorgaande onderzoeken is geformuleerd.
De eerste controlevariabele is LEVt. Deze variabele geeft de leverage weer, namelijk de ratio van de
langlopende schulden afgezet tegen de bezittingen. De verwachting was dat een toename van de leverage zal leiden tot incorrecte rapportage. Dit is in overeenstemming met de resultaten van de
regressiemodellen welke in tabel 7 zijn weergegeven. Dit wordt voor alle 3 de hypotheses ondersteund.
De tweede controlevariabele is ROAt De variabele meet de winstgevendheid van een onderneming
door de net income te delen door het totaal van de assets. De verwachting was dat een lagere winstgevendheid zou leiden tot een hogere kans op verkeerd rapporteren. Door het verkeerd rapporteren zou de lagere winstgevendheid niet tot uitdrukking komen. Uit ons onderzoek blijkt dat er voor deze verwachting voor alle drie de hypotheses geen ondersteuning bestaat.
De derde controlevariabele is dDualt. Deze variabele geeft aan of dezelfde persoon naast een
functie in de Board ook een rol als CEO vervult. De verwachting was dat een functievermenging leidt tot minder controle en als gevolg daarvan incorrecte rapportage met een restatement tot gevolg. Deze verwachting wordt ondersteund door de regressieresultaten van alle drie de hypotheses.
De vierde controlevariabele is dBIG4t. Deze controlevariabele geeft aan of de controlerend
accountant van een onderneming behoort tot de BIG4. De verwachting is dat de kwaliteit van de BIG4 over het algemeen van een hogere kwaliteit is in vergelijking met controlerend accountants welke niet tot de BIG4 behoren. Als gevolg van deze lagere kwaliteit wordt verwacht, dat wanneer de controlerend account niet tot de BIG4 behoort, de kans op een restatement groter is. Dit wordt niet ondersteund door de resultaten voortkomend uit de regressievergelijking voor alle 3 de hypotheses.
5.3. Resultaten hypothese 1
In hypothese 1 is onderzocht of er een positieve relatie bestaat tussen het dalen van de omzet drie jaar voorafgaand het jaar waarin verkeerd rapporteren heeft plaatsgevonden, wat uiteindelijk geleidt heeft tot een restatement. Het opgestelde regressiemodel is op zijn kracht getoetst door middel van Nagelkerke R2 model en Hosmer en Lemeshow Goodness-of-fitmodel. Volgens
Nagelkerke R2 model is het model zeer zwak, volgens het model van Hosmer en Lemeshow is er
een significant verschil met Chi2 waardoor er geen fit bestaat tussen de data en het model.
Daarnaast blijkt dat het toetsresultaat niet als significant beschouwd kan worden, aangezien de P-waarde van de toetsvariabele d(OMZETt‐OMZETt‐3) 0,489 bedraagt. Hypothese 1 wordt om deze
reden verworpen.
5.4. Resultaten hypothese 2
In hypothese 2 is onderzocht of er een positieve relatie bestaat tussen de grootte van het bedrijf en het verkeerd rapporteren met een restatement tot gevolg. De verwachting was dat een kleiner bedrijf een slechtere informatievoorziening heeft en dat als gevolg daarvan, verkeerd rapporteren
31 vaker voorkomt. Dit leidt uiteindelijk tot een restatement. Het opgestelde logistische regressiemodel is beoordeeld door middel van Nagelkerke R2 en de Hosmer en Lemeshow -test.
Volgens Nagelkerke R2 is het model zeer zwak, echter volgens de test van Hosmer en Lemeshow
is er geen significant verschil met Chi2 waardoor er een fit bestaat tussen de data en het model. Het
toetsresultaat kan niet als significant beschouwd kan worden, aangezien de P-waarde van de toetsvariabele dSIZEt 0,749 bedraagt. Hypothese 2 wordt om deze reden verworpen.
5.5. Resultaten hypothese 3
In hypothese 3 is onderzocht of er een positieve relatie bestaat tussen het opblazen van de balansen en het verkeerd rapporteren met een restatement tot gevolg. De verwachting was dat het opblazen van de balansen een voorbode was van het verkeerd rapporteren. Ettredge et al (2010) geven aan dat er naar het werkkapitaal gekeken dient te worden. Bij het opblazen van de balansen worden de rekeningen samenhangend met het werkkapitaal meer beïnvloed dan andere componenten van de net operating assets. Het opgestelde logistische regressiemodel is beoordeeld door middel van Nagelkerke R2 en Hosmer en de Lemeshow test. Volgens Nagelkerke R2 is het model zeer zwak,
echter volgens de Hosmer en Lemeshow-test is er geen significant verschil met Chi2 waardoor er
een fit bestaat tussen de data en het model. Het toetsresultaat kan echter niet als significant beschouwd kan worden, aangezien de P-waarde van de toetsvariabele d(BLOATt‐BLOATt‐3) 0,481
bedraagt. Hypothese 3 wordt om deze reden verworpen. 5.6. Resumé van de resultaten
Onderstaande tabel laat een overzicht zien van het resultaten per hypothese. Per hypothese is de afhankelijke variabele, de onafhankelijke variabele en het resultaat vermeld.
Hypothese Afhankelijke variabele Onafhankelijke variabele Resultaat 1 dRESTATEMENTt d(OMZETt‐OMZETt‐3) Verworpen
2 dRESTATEMENTt dSIZEt Verworpen
3 dRESTATEMENTt d(BLOATt‐BLOATt‐3) Verworpen Tabel 9: Resumé van de resultaten
6. Conclusie
In dit hoofdstuk wordt met behulp van de getoetste hypotheses de onderzoeksvraag beantwoord. De centrale vraag, was een restatement betreffende 2013 en 2014 voorspelbaar geweest, wordt beantwoord aan de hand van de resultaten van de hypotheses. Vervolgens worden de beperkingen aangegeven. Dit hoofdstuk wordt afgesloten met suggesties voor toekomstig onderzoek.
6.1. Conclusie van het onderzoek
In dit onderzoek is onderzocht of een restatement betreffende 2013 en 2014 voorspelbaar was geweest. Om deze vraag te beantwoorden is er gekeken naar een periode drie jaar voorafgaand aan 2013 en 2014. Er is een selectie gemaakt van ondernemingen waarvoor een restatement vereist was in verband met verkeerd rapporteren in 2013 en 2014. Deze selectie is gekoppeld aan een database van gegevens betreffende 2010 tot en met 2014 van ondernemingen, niet behorende tot de financiële sector, die gevestigd zijn in Noord-Amerika. In deze database komen ondernemingen voor waar wel een restatement voor benodigd is en voor ondernemingen waar geen restatement voor benodigd is.
Er zijn drie hypotheses opgesteld. Aan de hand van deze drie hypotheses is onderzocht of een restatement in 2013 en 2014 voorspelbaar was geweest. Er is gekeken of een restatement voorspelbaar was als gekeken werd naar drie factoren als indicatie voor verkeerd rapporteren in de toekomst:
1. Een daling in de omzet;
2. De bedrijfsgrootte, een klein bedrijf wordt geacht een slechtere informatievoorziening te hebben;
3. Het opblazen van de balans.
Er is geen ondersteuning aanwezig die aangeeft dat een restatement betreffende 2013 en 2014 voorspelbaar was geweest, kijkend naar beschikbare gegevens drie jaar voorafgaand aan 2013 en 2014. Het toetsresultaat van de onderzochte hypothese kon niet als significant beschouwd kan worden. De drie opgestelde hupotheses zijn derhalve verworpen.
6.2. Tekortkomingen
Een tekortkoming in dit onderzoek is dat de groep die onderzocht wordt, namelijk ondernemingen waar een restatement voor vereist is, relatief klein is.
Eveneens is een tekortkoming dat in dit onderzoek alleen gekeken is naar restatements betrekking hebben op 2013 en 2014. Er is geen ondersteuning aanwezig dat de onderzoeksresultaten voor andere jaren gelijk zijn een de resultaten in ons onderzoek.
