Wykrywanie fałszerstw w sprawozdaniach finansowych 2400-PL3SL328A
Celem seminarium jest przygotowanie studentów do napisania pracy licencjackiej poświęconej detekcji fałszowań sprawozdań finansowych. Seminarium ma na celu zwiększenie wiedzy i umiejętności w tematyce związanej z przyczynami i metodami manipulacji finansowych oraz metodami ich detekcji przedstawionych w literaturze przedmiotu. W trakcie seminarium zostaną omówione metody badawcze wykorzystywane w literaturze empirycznej powiązane z metodami statystycznymi takimi jak: prawo Benforda, model M-Score Beneisha, model F-Score Dechow oraz model P-Score Pustylnicka oraz wykorzystujące modele ekonometryczne takie jak: regresje logistyczne, drzewa decyzyjne czy sieci neuronowe oraz badania łączące wybrane elementy.
Studenci będą mieli możliwość wyboru własnego tematu pracy licencjackiej, z zastrzeżeniem że będzie on związany z detekcją fałszowania sprawozdań finansowych, a weryfikacja empiryczna wyników będzie oparta na modelach statystycznych lub ekonometrycznych.
W pierwszym semestrze przeprowadzane będą dyskusje nad wybranymi tematami prac, zostaną omówione konspekty prac oraz przeglądy literatury mające na celu przygotowanie studentów do sformułowania celu pracy licencjackiej, postawienia jasno określonego celu pracy i sformułowania szczegółowych hipotez. Drugi semestr będzie poświęcony przygotowaniu własnych badań empirycznych oraz dyskusji nad kolejnymi etapami przeprowadzanych badań. Ostatnie spotkanie będzie miało na celu przygotowanie studentów do obrony pracy dyplomowej.
Szacunkowy nakład pracy studenta:
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
Semestr zimowy: 3 ECTS x 25 h = 75 h
seminarium (zajęcia): 20 h (K) 0 h (S)
konsultacje dotyczące pracy dyplomowej: 10 h (K) 0 h (S)
przygotowanie przeglądu literatury oraz bazy danych: 0 h (K) 20 h (S)
przygotowanie przeglądu literatury oraz bazy danych: 0 h (K) 25 h (S)
Razem: 30 h (K) 45 h (S) = 75 h
Semestr letni: 14 ECTS x 25 h = 350 h
seminarium (zajęcia): 20 h (K) 0 h (S)
konsultacje dotyczące pracy dyplomowej: 20 h (K) 0 h (S)
konsultacje na przygotowanie do egzaminu dyplomowego: 6 h (K) 0 h (S)
zebranie i analiza literatury empirycznej: 0 h (K) 32 h (S)
zebranie i analiza danych badawczych: 0 h (K) 96 h (S)
przygotowanie rozdziału empirycznego pracy dyplomowej: 0 h (K) 24 h (S)
zebranie i analiza literatury teoretycznej: 0 h (K) 48 h (S)
przygotowanie rozdziału teoretycznego pracy dyplomowej: 0 h (K) 24 h (S)
przygotowanie do egzaminu dyplomowego: 0 h (K) 72 h (S)
przygotowanie prezentacji do egzaminu dyplomowego: 0 h (K) 8 h (S)
Razem: 46 h (K) 304 h (S) = 350 h
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza:
Student zna podstawowe pojęcia, teorie i wyniki badań z zakresu finansów, w tym finansów przedsiębiorstw.
Student rozumie rolę rynków finansowych z uwzględnieniem aspektów finansowych.
Student ma pogłębioną wiedzę na temat zjawisk i procesów społeczno-gospodarczych.
Umiejętności:
Student potrafi samodzielnie sformułować hipotezy badawcze i zaprojektować strukturę pracy dyplomowej.
Student potrafi wyszukać, przeanalizować oraz zsyntetyzować literaturę empiryczną.
Student potrafi wykorzystać odpowiednie metody w analizie danych empirycznych oraz zinterpretować uzyskane wyniki.
Student potrafi zaprezentować w sposób jasny i klarowny koncepcje badawcze oraz wyniki analizy.
Kompetencje społeczne:
Student jest gotów do przeprowadzenia samodzielnej pracy nad własnym projektem badawczym, przyjmując konstruktywną krytykę i uwzględniając ją w procesie pisania.
Student rozumie znaczenie rzetelności naukowej w pracy badawczej.
Student potrafi współpracować w ramach grupy seminarialnej, udzielając i przyjmując informacje zwrotne.
Student wyraża ciekawość badawczą i otwartość w stosunku do analizy zjawisk o charakterze ekonomicznym.
Efekty uczenia się: K_W01, K_W02, K_W03, K_U01, K_U02, K_U03, K_U08, K_K01, K_K02
Kryteria oceniania
W semestrze zimowym zaliczenie wymaga przedstawienia całościowego przeglądu literatury empirycznej, zebrania danych oraz przeprowadzania analizy danych badawczych,
W semestrze letnim zaliczenie na podstawie przygotowania pracy dyplomowej, która będzie możliwa do złożenia oraz przygotowanej prezentacji.
Literatura
Akerlof, G. A., & Shiller, R. J. (2021). Złowić frajera: ekonomia manipulacji i oszustwa. Warszawa: Polskie Towarzystwo Ekonomiczne.
Amara, I., Amar, A. B., & Jarboui, A. (2013). Detection of fraud in financial statements: French companies as a case study. International Journal of Academic Research in Accounting, Finance and Management Sciences, 3(3), 40-51.
Ata, H. A., & Seyrek, I. H. (2009). The use of data mining techniques in detecting fraudulent financial statements: an application on manufacturing firms. Suleyman Demirel University Journal of Faculty of Economics & Administrative Sciences, 14(2), 157-170.
Beneish, M. D. (1999). The detection of earnings manipulation. Financial Analysts Journal, 55(5), 24-36.
Beneish, M. D., Lee, C. M., & Nichols, D. C. (2013). Earnings manipulation and expected returns. Financial Analysts Journal, 69(2), 57-82.
Dechow, P. M., Ge, W., Larson, C. R., & Sloan, R. G. (2011). Predicting material accounting misstatements. Contemporary Accounting Research, 28(1), 17-82.
Hołda, A. (2020). Oszustwa i manipulacje księgowe a rachunkowość kreatywna. Warszawa: Polskie Wydawnictwo Ekonomiczne.
Kirkos, E., Spathis, C., & Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statements. Expert Systems with Applications, 32(4), 995-1003.
Klimczak (2014). Wycena akcji a sprawozdawczość finansowa. Warszawa: Wydawnictwo Poltex.
Kranacher, M., Riley, R., Wells, J. (2010). Forensic accounting and fraud examination. New Jersey: John Wiley & Sons.
Mulford, C., Comiskey, E. (2011). The financial numbers game: detecting creative accounting practices. New Jersey: John Wiley & Sons.
Nigrini, M. J. (2020). Forensic Analytics: Methods and Techniques for Forensic Accounting Investigations. New Jersey: John Wiley & Sons.
Nigrini, M. J. (2017). Audit sampling using Benford's Law: A review of the literature with some new perspectives. Journal of Emerging Technologies in Accounting, 14(2), 29-46.
Pustylnick, I. (2016). Using Z-score in the detection of revenue manipulations. Smart and Efficient Economy: Preparation for the Future Innovative Economy, 62-69.
Schilit, H., Perler, J. (2010), Financial Shenanigans: How to detect accounting gimmicks & fraud in financial reports. New Jersey: McGraw–Hill.
Stiglitz, J. E. (2006). Szalone lata dziewięćdziesiąte: nowa historia najświetniejszej dekady w dziejach świata. Warszawa: Wydawnictwo Naukowe PWN.
Wójtowicz, P. (2010). Wiarygodność sprawozdań finansowych wobec aktywnego kształtowania wyniku finansowego. Kraków: Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie.
Zack, G. (2012). Financial Statement Fraud: Strategies for Detection and Investigation. New Jersey: John Wiley & Sons.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: