In dieser Woche werden wir uns mit dem "Ertragsmanagement" befassen, d.h. mit dem Versuch, Finanzberichte absichtlich so zu verfälschen, dass sie besser aussehen, als sie eigentlich aussehen sollten. Wir beginnen mit einem Überblick über das Ertragsmanagement und befassen uns mit den Mitteln, Motiven und Möglichkeiten: wie Manager ihre Erträge tatsächlich besser aussehen lassen, welche Anreize sie für die Manipulation der Erträge haben und wie sie damit durchkommen. Anschließend werden wir die Warnzeichen für zwei verschiedene Formen der Ertragsmanipulation untersuchen. Die Manipulation von Gewinnen durch aggressive Praktiken bei der Umsatzrealisierung ist der häufigste Grund dafür, dass Unternehmen wegen ihrer Bilanzierungspraktiken Ärger mit staatlichen Aufsichtsbehörden bekommen. Als Nächstes werden wir die Warnhinweise für die Manipulation von Gewinnen durch aggressive Praktiken bei der Kostenerfassung erörtern, die der zweithäufigste Grund dafür ist, dass Unternehmen wegen ihrer Bilanzierungspraktiken in Schwierigkeiten geraten. Am Ende dieses Moduls werden Sie wissen, wie Sie Gewinnmanipulationen erkennen und sich ein genaueres Bild von den Gewinnen machen können, so dass Sie in der Lage sein werden, ein paar böse Buben in der Finanzberichterstattung zu erwischen!

Diese Woche werden wir mit Hilfe von Big Data-Ansätzen versuchen, Gewinnmanipulationen aufzudecken. Insbesondere werden wir mit Hilfe von Prognosemodellen versuchen vorherzusagen, wie die Jahresabschlüsse aussehen würden, wenn es keine Manipulation durch den Manager gäbe. Als erstes werden wir uns Modelle für diskretionäre Rückstellungen ansehen, die versuchen, den nicht zahlungswirksamen Teil der Erträge oder "Rückstellungen" zu modellieren, bei denen die Manager Schätzungen zur Berechnung von Einnahmen oder Ausgaben vornehmen. Als nächstes werden wir über Discretionary Expenditure-Modelle sprechen, die versuchen, den Baranteil der Erträge zu modellieren. Dann werden wir uns Modelle zur Vorhersage von Betrug ansehen, die versuchen, direkt vorherzusagen, welche Arten von Unternehmen wahrscheinlich Betrug begehen werden. Schließlich werden wir uns mit dem so genannten Benford'schen Gesetz befassen, das die Häufigkeit des Auftretens bestimmter Zahlen untersucht. Wenn bestimmte Zahlen häufiger auftauchen, als es das Benfordsche Gesetz vorschreibt, ist das ein Hinweis darauf, dass die Bilanzen möglicherweise manipuliert wurden. Diese Modelle stellen den aktuellen Stand der Technik dar und werden von Wissenschaftlern verwendet, um Gewinnmanipulationen aufzudecken und vorherzusagen. Am Ende dieses Moduls werden Sie über ein solides Instrumentarium verfügen, mit dem Sie versuchen können, von Managern manipulierte Jahresabschlüsse zu erkennen.

Die Verknüpfung von nicht-finanziellen Kennzahlen mit der finanziellen Leistung ist eines der wichtigsten Dinge, die wir als Manager tun, aber auch eines der schwierigsten. Wir müssen die zukünftige finanzielle Leistung prognostizieren, aber wir müssen auch nicht-finanzielle Maßnahmen ergreifen, um sie zu beeinflussen. Und wir müssen in der Lage sein, die endgültigen Auswirkungen der Verbesserung nicht-finanzieller Dimensionen auf die finanzielle Performance genau vorherzusagen. In diesem Modul werden wir untersuchen, wie wir herausfinden können, welche nicht-finanziellen Leistungskennzahlen die finanziellen Ergebnisse vorhersagen, indem wir grundlegende Fragen stellen, wie z.B.: Welche der Hunderte von nicht-finanziellen Kennzahlen sind die wichtigsten Treiber des finanziellen Erfolgs? Wie ordnen oder gewichten Sie nicht-finanzielle Kennzahlen, die nicht auf einen gemeinsamen Nenner gebracht werden können? Welche Leistungsziele sind erstrebenswert? Schließlich sehen wir uns einige umfassende Beispiele dafür an, wie Unternehmen mit Hilfe von Accounting Analytics gezeigt haben, wie sich Investitionen in nicht-finanzielle Dimensionen in der Zukunft auszahlen, und schließen mit einigen wichtigen organisatorischen Fragen, die sich bei der Verwendung dieser Modelle häufig stellen. Am Ende dieses Moduls werden Sie wissen, wie prädiktive Analysen eingesetzt werden können, um zu bestimmen, was Sie messen sollten, wie Sie sehr unterschiedliche Leistungskennzahlen gewichten, wenn Sie versuchen, potenzielle Finanzergebnisse zu analysieren, wie Sie Kompromisse zwischen kurzfristigen und langfristigen Zielen eingehen und wie Sie Leistungsziele für eine optimale finanzielle Leistung festlegen.