Identificarse


0
Comparte:

Ratio: 5 / 5

Inicio activadoInicio activadoInicio activadoInicio activadoInicio activado
 

Cuando se analiza la contabilidad de una empresa, en muchas ocasiones una de las principales dudas que siempre se plantea el auditor es,  si el análisis será acerca de la fiabilidad de los datos con los que se trabajan. Al fin y al cabo, los datos son proporcionados por la propia empresa y, dado que el tiempo es escazo, no es posible comprobar con detalle todos los puntos.

Por suerte, hay signos que pueden llevar a pensar que la entidad está distorsionando la realidad (tener en cuenta el principio del devengo, objetividad, uniformidad, etc), indicándonos que una acción fraudulenta puede estar sucediendo. Consecuentemente, se debe conocer la historia de casos en los que existió manipulación contable en la empresa y conocer aquellos indicios que en el pasado mostraron prácticas corporativas poco éticas, siendo estos  signos de alarma significativos. 

Uno de los modelos más reconocidos para identificar  acciones irregulares es la Ley de Benford o tambien conocida como la Ley de los números anómalos, la cúal permite evidenciar la detección de datos erroneos o fradulentos. Un claro ejemplo de su aplicación fue un grupo de alumnos de la Universidad de Cornell quienes llegaron a la conclusión en la primavera de 1998 de que Enron estaba manipulando sus cuentas.

Enron Corporation, fue una empresa energética de producción de gas con sede en Houston (Texas) que empleaba a más de 21.000 personas hacia mediados de 2001.  Esta empresa creció exponencialmente en su área original y se introdujo en otros rubros como la trasmisión de energía eléctrica,  previendo su posible desregulación como había ocurrido en el caso de la administración de oleoductos. De igual manera esta empresa también desarrolló nuevos mercados en el área de las comunicaciones, manejo de riesgos y seguros en general.

Por lo que en su momento la revista Fortune la designó como la empresa más innovadora de los Estados Unidos durante cinco años consecutivos, entre 1996 y 2000. Además apareció en la lista de los 100 mejores empleadores de dicha revista en el año 2000, y era admirada por sus instalaciones entre los ejecutivos de empresas.

Sin embargo, la reputación de esta empresa comenzó a decaer debido a los insistentes rumores de pago de sobornos y tráfico de influencias para obtener contratos en América Central, América del Sur, África, Filipinas y la India.

A inicios del 2001 las acciones de la empresa en Wall Street comenzaron a caer rápidamente de 85 a 30 dólares, como resultado de los rumores que indicaban que todas las ganancias de Enron eran el resultado de negocios con sus propias subsidiarias, una práctica que le permitía "maquillar" y “ocultar” las gigantescas pérdidas que había sufrido en los últimos años.

Cuando se hizo público el escándalo sobre el uso de prácticas irregulares y fraudulentas en su contabilidad, Enron se vino abajo y llegó al borde de la bancarrota hacia mediados de noviembre de 2001.

Desde entonces "Enron" se convirtió en una palabra que es sinónimo de fraude empresarial planificado en la cultura popular.

Ahora bien, ¿Qué compone la Ley de Benford? 

“La Ley de Benford es aquella que nos enseña que el número  más probable de que se repita en un grupo de datos numéricos  siempre será el número 1”

Cuando se toma un grupo de números (no aleatorios ni dentro de un rango muy pequeño) se puede ver cómo es más probable que el número 1 sea el que esté más presente dentro de ese grupo, adicionalmente, se observa que el primer dígito nunca es cero.

La Ley de Benfort indica, que la probabilida de predominio de los números del 1 al 9 varía, siendo el digito 1 el de mayor probabilidad de aparicion con  30,1% y el  numero 9  con una menor probabilidad (4,6% ). Como se observa en la tabla 1, la probabilidad desciende a medida que el número asciende. Caso contrario de la equiprobabilidad, la cual indica que todos los números del 1 al 9 tienen la misma probabilidad de aparición, siendo esta de 11,1%  (probabilidad: 100/9) , sin embargo es importante tener en cuenta que como se observa en la Ley de Benfort la sumatoria de las probabilidades de los números impares es mucho mayor ( 60%) a los números pares ( 40%).

 Primer dígito   

  Proporción esperada 

1

30.1%

2

17.6%

3

12.5%

4

9.7%

5

7.9%

6

6.7%

7

5.8%

8

5.1%

9

4.6%

 

Tabla 1. Probabilidades  de los núneros del 1 al 9, segun la Ley de Benford. 

Ahora bien, ¿Por qué sucede esto?, esta ley es una herramienta estadística en la cual, a través de la aplicación de las frecuencias y porcentajes, se logra demostrar que los números tienen un comportamiento regular cuando estos se generan de manera natural y en orden, teniendo siempre presente que no deben estar en un rango reducido o ser tomados de forma aleatoria.

Si aplicamos esta teoría a un conjunto de números, se puede llegar a identificar si cumplen esta ley y, después de probar en repetidas ocasiones con datos similares el cumplimiento de la misma, se puede inferir que cualquiera de estos conjuntos de datos mantendrán la particularidad del cumplimiento  en los casos normales, cuando no se cumpla, se puede afirmar que hay algo que está alterando los valores, llegando a ser este hecho resultado de un defecto en el proceso o un posible fraude.

¿Qué aplicabilidad tiene esta ley?

Esta ley se aplica a conjuntos de datos que abarcan varias órdenes de magnitud (por ejemplo, número poblacional, distribuciones de ingresos, entre otras). No obstante, no aplica a todos los conjuntos de datos. Por ejemplo, la Ley de Benford no se aplica a pesos corporales o puntajes de coeficiente intelectual (CI). Otro ejemplo serían los reclamos de pequeños seguros (por ejemplo, entre US $ 50 y US $ 100). La teoría tampoco es válida cuando un conjunto de datos cubre solo uno o dos órdenes de magnitud.

La ley puede usarse en los siguientes casos:

  • Transacciones con tarjeta de crédito
  • Pedidos de compra
  • Datos de préstamo
  • Saldos de clientes
  • Precios de acciones
  • Transacciones de cuentas por pagar
  • Precios de inventario
  • Reembolsos de clientes

Casos en los que no es adecuada la aplicación de la ley:

  • Recuentos de pasajeros de aerolíneas por avión
  • Números de teléfono
  • Conjuntos de datos con 500 o menos transacciones
  • Datos generados por fórmulas
  • Datos restringidos por un número máximo o mínimo

¿Cómo aplicar la Ley de Benford para identificar el fraude?

El pionero de la aplicación de la ley para la lucha contra el fraude, fue Mark Nigrini, mejor conocido por su trabajo en el uso de la Ley de Benford como una herramienta de auditoría y contabilidad para detectar anomalías en los datos de la empresa,  relatado con mas detalle en su libro Benford’s Law: Applications for Forensic Accounting, Auditing, and Fraud Detection, allí encontrará multitud de ejemplos fascinantes de cómo identificar a los defraudadores y timadores.

Nigrini, explica diversas situaciones, como por ejemplo, cuentas financieras que siguen la Ley de Benford, como lo son las reclamaciones de gastos, transacciones con tarjeta de crédito, pedidos, préstamos, saldos de clientes, asientos de diario, precios de las acciones, precios de inventario, reembolsos de clientes, etc.

Por lo anteriormente mencionado Negirini,  propone tests especiales, que llama al análisis digital, para detectar datos fraudulentos o erróneos que se desvían de la ley cuando han sido fabricados.

También relata cómo desenmascara esquemas Ponzi como el accionar de Madoff por causa de los resultados financieros que, al ser inventados y modificados, no seguían la ley de Benford y hacían saltar todas las alarmas.

Sin embargo, el método no es infalible y 100% exacto pero funciona bien en los tests que han sido integrados en los programas de auditoría utilizados por los auditores de cuentas, como Caseware IDEA o ACL.

Tipos de pruebas

La Ley de Benford es aplicable sobre el primer dígito, el segundo dígito y también sobre los dos primeros dígitos de un grupo de datos. Es decir, si la cifra es 134.978, el primer dígito es 1, el segundo dígito es 3 y los dos primeros dígitos son 13.

  • Prueba del primer dígito

Nigrini considera que la prueba del primer dígito es muy general o global para ser de utilidad, siendo aplicable en casos con datos de pocos registros (aquellos cercanos a los trescientos). Sin embargo, también indica que si uno de cuatro conjuntos de datos no es consistente con la prueba de los primeros dígitos, el auditor se debe concentrar en los datos que no son consistentes, pues estos tienen el mayor riesgo de fraude. 

  • Prueba del segundo dígito

Según el autor, la prueba del segundo dígito funciona correctamente para detectar sesgos en los datos, ya que dichos sesgos pueden surgir cuando los defraudadores esperan que los números o rangos específicos adquieran un valor en particular para eludir los umbrales fijados por parte del control interno.

Este tipo de prueba también sirve para detectar las anomalías en volúmenes de ventas diarias, conteo de votos e inventarios.

  • Prueba de los dos primeros dígitos

Esta prueba es un poco más específica que la prueba del primer dígito y se especializa en la detección de dígitos duplicados, posibles sesgos en los datos e identificación de datos inventados.

El autor indica que el análisis de los dos primeros dígitos provee más información que las dos anteriores pruebas dentro de la práctica de identificación de fraude.

Adicionalmente, Nigrini indica que antes de realizar pruebas sobre los datos, el analista debe hacer una revisión de calidad de los mismos para evitar trabajar con datos incompletos o erróneos, pues esto influye en la integridad de la información y con ello, en el resultado de la aplicación de la ley. 

Finalmente, se puede determinar que una serie de datos que no se ajuste a la Ley de Benford puede deberse a dos situaciones:

1. Existe un elevado riesgo de error y de fraude en la información proporcionada.

2. La naturaleza de los datos a analizar no está dentro de los parámetros que se ajustan a dicha ley. 

Lo anterior indica que un conjunto de datos que no se ajusta a la Ley de Benford no es en principio un sinónimo de fraude, sino que se debe evaluar sí cumple con las características que son necesarias para la aplicación de la prueba.

¿Qué ventajas tiene la aplicación de esta ley en la detección de irregularidades en auditorías de estados financieros?

El Análisis de Frecuencia Digital ha surgido en los últimos años como una potente herramienta analítica en la detección de irregularidades y fraudes, y en la categorización de grupos, sucursales, áreas o cuentas de riesgo. Se trata de un análisis cada vez más utilizado por las Auditorías más modernas, en la lucha contra el fraude.

 

Equipo Auditool


Regístrese para que pueda comentar este documento

Auditool.org

Es la Red Global de Conocimientos en Auditoría y Control Interno que le permite a los Auditores, tener acceso a metodologías de trabajo fundamentadas en buenas prácticas internacionales, entrenamiento en línea, listas de chequeo, modelos de papeles de trabajo, modelos de políticas, herramientas para la gestión de riesgos, entre otras. Permitiendo mejorar las prácticas de trabajo, ahorrando tiempo, creando y protegiendo valor en las organizaciones.
Este sitio web almacena cookies en su ordenador. Estas cookies se utilizan para recopilar información sobre cómo interactúa con nuestro sitio web y nos permiten recordarle. Utilizamos esta información para mejorar y personalizar su experiencia de navegación y para análisis y métricas sobre nuestros visitantes tanto en este sitio web como en otros medios. Para obtener más información sobre las cookies que utilizamos, consulte nuestra Política de privacidad.

Si rechaza, su información no será rastreada cuando visite este sitio web. Se utilizará una sola cookie en su navegador para recordar su preferencia de no ser rastreada.