No relatório anual 10-K da Comissão de Valores Mobiliários dos Estados Unidos (SEC), arquivado para o ano financeiro encerrado em 31 de julho, 2008, A varejista de joias americana Zale Corporation ('Zales') mencionou as palavras 'publicidade' ou 'propaganda' 17 vezes. Um ano depois, essas mesmas palavras apareceram mais do que o dobro em 41 vezes.

Até então, a SEC começou as investigações depois que a empresa adiou a publicação dos resultados do quarto trimestre. Posteriormente, descobriu-se que Zales capitalizou indevidamente os custos de publicidade na televisão de 2004 a 2009, embora poucos tivessem percebido o que estava acontecendo.

Em um método apresentado em uma nova pesquisa do professor assistente de contabilidade da SMU Richard Crowley, esse relatório incorreto intencional teria enviado sinais de alarme bem antes de a SEC começar a fazer perguntas.

"Eles estão no 97º percentil ou mais em nosso modelo a cada ano, a partir do segundo ano de relatórios incorretos, "diz o Professor Crowley, referindo-se à técnica de aprendizado de máquina apresentada no artigo "O que você está dizendo? Usando tópicos para detectar relatórios financeiros incorretos". "97º percentil aqui significa que sua pontuação em nosso modelo de detecção de relatório incorreto foi superior a 97 por cento das empresas públicas dos EUA."

Ele acrescenta:"O modelo é executado anualmente, então isso significa que para cada ano de 2005, 2006, ... 2009, Zales obteve uma pontuação de detecção de relatório incorreto mais alta do que 97 por cento das empresas públicas naquele ano. "

Qual é a palavra?

O professor Crowley explica que a pesquisa ignora completamente os números - "Se os gerentes reportarem erroneamente os números, eles vão fazer isso de uma forma verossímil "- e, em vez disso, olham para o que está escrito, ao qual a pesquisa se refere como o 'tópico'.

Junto com os professores Nerissa Brown e Brooke Elliott do Gies College of Business da Universidade de Illinois Urbana-Champaign, O professor Crowley analisou mais de 3 bilhões de palavras em documentos 10-K de 1994 a 2012 para ver como certos tópicos previam relatórios incorretos intencionais de maneira confiável. Em certas amostras, a pesquisa melhorou a previsão de relatórios incorretos intencionais em 59 por cento.

"A única diferença fundamental quando você está discutindo coisas quando está mentindo é que você é muito intencional nos tópicos que escolhe para discutir, "ele elabora, apontando para o exemplo da Enron.

"Eles apenas falam sobre aumentos de renda e têm uma enorme discussão sobre isso, "O professor Crowley observa. O relatório anual da Enron de 1999 serve como um excelente exemplo, citando "a aceleração do ritmo impressionante de inovação comercial da Enron" para um aumento de receita de 28 por cento para US $ 40 bilhões de um ano atrás, bem como um salto de 37 por cento no lucro líquido antes de itens não recorrentes para US $ 957 milhões.

O professor Crowley destaca uma frase que a Enron costumava usar em seus 10-K's:"comparado com". Ele explica:

"As empresas estão sempre dizendo coisas como, 'Esta é a nossa receita em 2011 em comparação com a receita em 2010, 'e eles estão sempre dando previsões sobre a receita, margens brutas etc.

"Mas então você tem imposto de renda, receita não financeira, lucro, essas são apenas as frases gerais que aparecem. Quando escolhemos as frases mais representativas para cada um desses tópicos, encontramos frases como 'o lucro operacional foi de $ 122,1 milhões em 2011, em comparação com $ 113,9 milhões em 2010, um aumento de 7,8 por cento. ' Esta é uma estrutura extremamente comum de se ver nesses documentos.

"Então, quando falamos sobre a Enron, eles têm frases assim, mas eles têm muito mais deles do que qualquer outra pessoa já fez, tanto em 1999 quanto em toda a história de nossa amostra. "

Dado o suposto número de negócios que a Enron fez que geraram toda essa receita, pode fazer mais sentido ler em seus relatórios anuais coisas como aquisição de fontes para seus contratos de energia, Professor Crowley observa. Em vez de, em grande parte, "falava sobre números de receita e receita", ele observa.

Então, há um ponto de inflexão no número de vezes que um tópico aparece que é uma bandeira vermelha? Ou os tipos de palavras usadas?

"Não existe um tipo constante de barômetro para isso, "O professor Crowley disse ao Escritório de Pesquisa e Transferência de Tecnologia." Não posso simplesmente dizer se eles falaram sobre isso X por cento do tempo, nós os pegamos. Depende de muitos fatores. E muitos desses fatores são específicos do setor, e alguns são específicos da empresa.

"[Também depende se] você está em uma recessão versus se você não está em uma recessão. Da mesma forma, se você é uma empresa financeira versus uma empresa de saúde, ou uma companhia telefônica versus um fabricante de aço, [os tópicos a serem procurados] devem ser todos diferentes. "

Você não pode brincar com o que você não conhece

O professor Crowley e seus colaboradores empregaram mais de 20 variáveis ​​baseadas em texto diferentes em seu modelo preditivo, incluindo o uso do Índice de Névoa para facilitar a leitura.

Embora a intuição sugira um 10-K fácil de ler para ser transparente, O professor Crowley rebate dizendo "pode ​​ser porque eles deixaram de fora todos os detalhes". De forma similar, sentimentos positivos como os expressos pela Enron podem ser sinais de relatórios incorretos intencionais, embora seja impossível ter 100 por cento de certeza.

"Leva apenas seis segundos para percorrer um 10-K com nosso modelo, "O professor Crowley diz, observando que a SEC adotou partes de seu modelo para descobrir relatórios incorretos intencionais. Mas a pergunta deve ser feita:as empresas que procuram enganar o mercado podem estudar o algoritmo para vencer a SEC em seu próprio jogo?

"A única coisa boa sobre esse algoritmo é que ele muda a cada ano, "ele elabora, apontando para a combinação de palavras que compõem os tópicos sobre os quais o algoritmo trabalha. "As empresas não sabem qual seria a meta do regulador, mesmo se estiverem usando nosso algoritmo. "

"O benefício disso é que, se você é uma empresa que tenta manipular, você também não sabe qual é o alvo. "