Neste krise? Næringseiendom i renteskvis
Markedet er nervøst – hvor treffer krisen denne gang? Jeg tror den snart kommer i næringseiendom. Stikkord: femårige fastrentelån som må refinansieres, skriver NHH-forsker Finn Kinserdal i DN.
Lat AI avslører regnskapsjuks
Kunstig intelligens er mye flinkere til å avslører svindel og regnskapsjuks enn tradisjonelle analysemetoder. En AI som fikk prøve seg på historiske tall mente det foregikk regnskapsjuks i åtte av ti år før Wirecard- svindelen ble avslørt.
Forskningen
Hvem: Michael Werner, University of Amsterdam
Hva: Wirecard – Could the financial fraud have been unveiled by machine learning data analysis techniques?’
Hvor: Upublisert artikkel presentert på European Accounting Association sin konferanse i Helsingfors 2023
Husker du Wirecard-skandalene i 2020? Det tyske kredittkort/finansselskapet bløffet om at det hadde 1,7 milliarder euro på konto og gikk konkurs.
Wirecard leide blant annet inn skuespillere for å vise frem falske kontoutskrifter til selskapets revisor EY i et Teams-møte. Revisoren har nå fått to års revisjonsforbud av børsnoterte selskaper i Tyskland for kritikkverdig revisjon.
Ifølge ny forskning kunne regnskapssvindelen vært avdekket ved bruk av kunstig intelligens (KI) lenge før konkursen.
Wirecard startet opp i 1999, gikk på børs i 2005, vokste lynraskt og kom på topp-40 hovedlisten på tysk børs i 2018 og ble notert på amerikansk børs i 2015. Wirecard var underlagt tysk bankinspeksjon, og tysk og amerikansk børsinspeksjon og revidert av en av de «fire store», EY. Selskapet var verdt over 200 milliarder kroner da det var på topp i 2019.
Wirecard er likevel et klassisk eksempel på regnskapsjuks; kraftig vekst og løfte om fortsatt vekst, karismatisk «sterk-mann»-leder og mange komplekse produkter. Andre historiske eksempler er Enron, WorldCom, Lehman. Disse sakene har ført til styrking av tilsyn, strengere regler for revisor, strengere internkontroll og uavhengige styrer og revisjonsutvalg.
Men kontrollregimene avdekker likevel kun et mindretall av tilfellene med regnskapsjuks. 43 prosent avdekkes av tips fra ansatte, kunder, underleverandører og konkurrenter (ACFE: Report to Nation (2020)). Det var for eksempel. journalisten Myles McCrom i Financial Times som gjennom flere artikler satte søkelyset på Wirecards virksomhet og regnskaper.
I en nylig studie av Michael Werner testet man om Wirecard-skandalen kunne vært avdekket ved å trene opp et ekspertsystem på tidligere regnskapsjukssaker. Kun offentlig tilgjengelig informasjon som årsrapporter og artikler i mediene ble benytte.
Påvirker inflasjonen aksjemarkedet?
Inflasjonsspøkelset truer. Da vil aksjemarkedet synke og du må holde deg unna vekstaksjer og heller fokusere på verdiaksjer, sies det. Ja, sier mange og nikker. Men skjønner de egentlig hvorfor?, spør Finn Kinserdal i Kapital.
Kjennetegn ved tidligere regnskapsfeil og -juks ble hentet fra det amerikanske børstilsynets (SEC) 1540 offentliggjorte inspeksjoner (AAER) fra 1982 til 2016. Kunstig intelligens gikk gjennom sakene for å bli trent opp i å finne unormale forhold og mønstre som gikk igjen sammenlignet med selskaper som var «normale».
Noen av regnskapsjuksselskapene ble brukt først for å finne mønstre. Deretter skulle AI-systemet klare å plukke ut selskapene som jukset med regnskapene blant alle selskapene i det ubrukte datasettet. Den AI-modellen som traff best, ble så trent opp videre.
Den modellen som vant, er en såkalt «lat» AI, nemlig KNeighborsClassifier-modellen (KNN). Den bruker ikke treningen til å lage seg en «oppskrift», men husker treningsobservasjonene. Når den egentlige testen er i gang finner den datasett fra treningen som ligner mest (ligger nærmest («nabo»)).
Modellen som var nest best (og ofte kommer godt ut) var en mer klassisk AI som kalles en beslutningstre-modell. En beslutningstre-AI finner mønstre i data basert på historikk.
Tradisjonelt har man brukt analyser (regresjoner) av nøkkeltall i regnskap for å avdekke om selskap er i vanskeligheter eller driver med regnskapsjuks. Disse analyseformene var ikke i nærheten av å rekke opp i konkurransen mot den «late» AI-en, KNN.
I en nylig studie av Michael Werner testet man om Wirecard-skandalen kunne vært avdekket ved å trene opp et ekspertsystem på tidligere regnskapsjukssaker. Kun offentlig tilgjengelig informasjon som årsrapporter og artikler i mediene ble benytte.
Bedre analyser med nye leasing-regler?
IFRS har som ambisjon å være såkalt useful for the users. Men er de nye leasing-reglene egentlig mer nyttige enn før for banker eller investorer?, spør Finn Kinserdal i Kapital.
Kjennetegn ved tidligere regnskapsfeil og -juks ble hentet fra det amerikanske børstilsynets (SEC) 1540 offentliggjorte inspeksjoner (AAER) fra 1982 til 2016. Kunstig intelligens gikk gjennom sakene for å bli trent opp i å finne unormale forhold og mønstre som gikk igjen sammenlignet med selskaper som var «normale».
Noen av regnskapsjuksselskapene ble brukt først for å finne mønstre. Deretter skulle AI-systemet klare å plukke ut selskapene som jukset med regnskapene blant alle selskapene i det ubrukte datasettet. Den AI-modellen som traff best, ble så trent opp videre.
Den modellen som vant, er en såkalt «lat» AI, nemlig KNeighborsClassifier-modellen (KNN). Den bruker ikke treningen til å lage seg en «oppskrift», men husker treningsobservasjonene. Når den egentlige testen er i gang finner den datasett fra treningen som ligner mest (ligger nærmest («nabo»)).
Modellen som var nest best (og ofte kommer godt ut) var en mer klassisk AI som kalles en beslutningstre-modell. En beslutningstre-AI finner mønstre i data basert på historikk.
Tradisjonelt har man brukt analyser (regresjoner) av nøkkeltall i regnskap for å avdekke om selskap er i vanskeligheter eller driver med regnskapsjuks. Disse analyseformene var ikke i nærheten av å rekke opp i konkurransen mot den «late» AI-en, KNN.
Innlegget var først publisert 1. september 2023 i DN / Forskning viser at...
Toppbilde: Wirecard hovedkvarter (wikimedia, Leo Molatore)