Revisorers fortlevnadsvarningar och modellbaserad konkursprediktion

Transkript

1 Revisorers fortlevnadsvarningar och modellbaserad konkursprediktion en jämförande studie av träffsäkerhet och nyckeltal avseende svenska konkursföretag Filip Forsling Eddi Kopare Strand Civilekonom 2018 Luleå tekniska universitet Institutionen för ekonomi, teknik och samhälle

2

3 Förord Vår tid på Luleå tekniska universitet har nu nått sitt slut. Med detta examensarbete avslutar vi våra fyra års studier på Civilekonomutbildning med inriktning redovisning och styrning. Sammanställningen av detta examensarbete har varit en lång och lärorik process. Vi riktar ett stort tack till vår handledare Anders Hersinger, som varit till stor hjälp under hela arbetets gång och bidragit med givande synpunkter. Vi vill även framföra ett tack till våra kurskamrater för deras konstruktiva kritik som i slutändan bidragit till ett bättre examensarbete. Luleå Filip Forsling Eddi Kopare Strand

4 Sammanfattning Denna uppsats berör ämnet konkurser och behandlar två olika sätt att förutsäga dessa. Dessa tillvägagångssätt är dels revisorers fortlevnadsvarningar, vilket är det tillvägagångssätt som används idag, och dels beräkning med en konkursprediktionsmodell. Syftet med denna studie är att diskutera möjligheten att förbättra träffsäkerheten hos revisorers fortlevnadsvarningar genom att tillämpa en standardiserad fortlevnadsvarning med hjälp av Z -modellen. Möjligheten undersöks genom att jämföra träffsäkerheten mellan revisorer och Z -modellen. För att bedöma lämpligheten hos Z -modellen kartläggs även faktorer och nyckeltal som påverkar revisorers fortlevnadsbedömningar. Studien är av kvantitativ natur och den använda metoden är en dokumentstudie. Studiens urval är samtliga svenska aktiebolag med inledd konkurs under året 2017 och som vid deras senaste bokslut hade en omsättning överstigande tio miljoner kronor samt hade en revisor. Dessa bolag summerar till 336 stycken. De studerade bolagen underkastades en innehållsanalys av årsredovisningarna och tillhörande revisionsberättelser. Från årsredovisningarna inhämtades de siffror som sedan beräknades med hjälp av Z -modellen, och från revisionsberättelserna inhämtades revisorernas uttalanden om bolagen. Denna data var grunden till hela analysen där träffsäkerheten i att förutsäga en konkurs jämfördes mellan de två olika tillvägagångssätten; revisorernas fortlevnadsvarningar kontra Z - modellen. Resultatet visar att Z -modellen är bättre på att förutsäga konkurser än vad revisorer är. Skillnaden i träffsäkerhet analyserades och förklarades med hjälp av teorier som pekar på att revisorerna och deras subjektiva bedömningar kan medföra bias och en underskattning av ett företags negativa siffror. Z -modellen är å andra sidan objektiv varför dessa problem ej uppstår, vilket verkar medföra en bättre träffsäkerhet. Resultatet visar även att ett statistiskt signifikant samband finns mellan revisorers fortlevnadsvarningar och Z -modellen. Detta indikerar att revisorer beaktar liknande nyckeltal som Z -modellen. En faktor som, av studien att döma, påverkar revisorers träffsäkerhet är revisorns tillhörande revisionsbyrå. Detta förklarades av att de olika byråerna använder olika tumregler. Nyckelord: Fortlevnadsvarning, revision, konkursprediktion, Z -modell, träffsäkerhet.

5 Abstract This paper deals with the subject of bankruptcies and deals with two different ways of predicting these. These approaches are partly the auditor's going concern warnings, which is the approach used today, and partly the calculation by a bankruptcy prediction model. The purpose of this study is to discuss the possibility to improve the accuracy of auditors going concern warnings by applying a standardized going concern warning with the help of the Z -model. The possibility is examined by comparing the accuracy in predicting bankruptcies between auditors going concern warnings and the Z -model. Furthermore, to evaluate the suitability of the model, factors and financial ratios that affects the auditors judgements are mapped. The method used was of quantitative nature and was a document study. The sample of the study is all Swedish companies that began bankruptcy during the year of 2017 and had a turnover of more than SEK ten million in the last fiscal year and had an auditor. These companies totaled 336. The companies studied were subjected to a content analysis by analyzing the annual reports and associated audit reports. From the annual reports, the figures were then calculated using the Z - model, and from the audit reports, the auditors' statements about the companies were obtained. This data was the basis for the whole analysis, where the accuracy of predicting bankruptcy was compared between the two different approaches; Z -model versus auditors' going concern warnings. The result shows that the Z -model is better in predicting bankruptcy than the auditors. The difference was analyzed and explained using theories that indicate that the auditors and their subjective assessments may lead to bias and an underestimation of a company's negative figures. The Z -model, on the other hand, is objective why these problems probably do not occur, which ultimately seems to lead to an overall better accuracy. Furthermore, the result shows that a statistically significant relationship exists between the auditors going concern warnings and the Z -model. This indicates that the auditors asses similar financial ratios as the Z -model. One factor that seems to affect the auditors accuracy is the auditor s audit firm. This was explained by the different firms heuristics. Keywords: Going concern warning, auditing, bankruptcy prediction, Z -model, accuracy.

6 Innehållsförteckning 1. Inledning Bakgrund Problematisering Syfte Centrala begrepp Revisorers fortlevnadsvarningar Z -modellen Träffsäkerhet Nyckeltal Disposition Institutionalia Revisorsanmärkningar och upplysningar Fortlevnadsvarning (Going concern warning) Teoretisk referensram Expertbedömningar Heuristik Bias Modellbaserad konkursprediktion Altmans konkursprediktionsmodeller Kritik mot Altmans konkursprediktionsmodeller Tidigare studier Sammanfattning av den teoretiska referensramen Metod Metodsynsätt Forskningsansats och design Forskningsstrategi Litteraturstudie Urval och forskningsmetod Analysmodell Val av konkursprediktionsmodell Val av faktorer och nyckeltal Operationalisering Revisorers fortlevnadsvarningar Z -modellen Sammanställning av träffsäkerhet Sammanställning av nyckeltalens medelvärde Tolkning av resultat och samband Metodproblem... 22

7 5. Resultat Grad av träffsäkerhet Träffsäkerhet för revisorers fortlevnadsvarningar Träffsäkerhet för Z -modellen Jämförande av träffsäkerhet Samband mellan nyckeltal och revisorers fortlevnadsvarningar Z -modellens nyckeltal Övriga nyckeltal Sammanfattning av nyckeltal och samband med fortlevnadsvarning Analys och diskussion Grad av träffsäkerhet Analys av träffsäkerhet Möjliga förklaringar till skillnaden i träffsäkerhet Förslag till förbättring av träffsäkerheten Samband mellan nyckeltal och revisorers fortlevnadsvarningar Samband med fortlevnadsvarningar Inget samband med fortlevnadsvarningar Slutsatser Slutsats Studiens begränsningar Förslag till fortsatt forskning Referenser Bilagor Bilaga 1 - Förklaring av nyckeltal Bilaga 2 - Genomförda t-test... 52

8 1. Inledning Kapitlet introducerar läsaren för ämnet och studien genom en bakgrund och problematisering som resulterar i tre forskningsfrågor följt av studiens syfte. Avslutningsvis presenteras studiens avgränsning och fortsatta disposition. 1.1 Bakgrund När ett företag inte klarar av att betala sina skulder och betalningsförmågan inte är tillfällig anses företaget vara på obestånd (Kronofogden, u.å). När företaget inte kan hitta ett sätt att förlänga sina skulder eller betala av dem, försätts det i konkurs. Detta innebär att bolaget upphör med sin verksamhet och dess tillgångar säljs av (Kronofogden, u.å). En konkurs medför ofta att pengar går förlorade i och med att exempelvis leverantörer och investerare inte får betalt för sina fordringar (Mellqvist, 2015). Vidare innebär en konkurs att anställda blir uppsagda och därmed arbetslösa, vilket aggregerat blir en mångmiljardkostnad för staten i form av bland annat arbetslöshetsersättning (Danielsson, 2008). Med stöd av dessa anledningar kan det konstateras att konkurser är kostsamma, både för enskilda individer och samhället i stort. I dagsläget används redovisningen bland annat för att ge en rättvisande bild av företag (Årsredovisningslagen, 1995:1554, 2:4), och hjälper därmed intressenter med att identifiera ekonomiska problem hos företag. En av de grundläggande redovisningsprinciperna är fortlevnadsprincipen vilken innebär att ett företag antas fortsätta med sin verksamhet under en överskådlig framtid, vilket påverkar hur intäkter och kostnader ska periodiseras inom redovisningen (Grönlund, Tagesson och Öhman, 2005). Att säkerställa redovisningens rättvisande bild är en av revisorns uppgifter (Revisionslagen [RevL], 1999:1079, 28 ). Detta ska revisorerna göra i en oberoende roll gentemot bolaget och tanken är därmed att revisorernas granskning ska vara objektiv (Revisorslagen, 2001:883, ). Oberoendet är viktigt för att revisorn på ett objektivt sätt bland annat ska kunna säkerställa att företagets ledning och ägares självintressen inte skiljer sig för mycket åt. I Revisionslagen och ISA finns de regler och lagar som revisorer ska förhålla sig till och där framgår bland annat att revisorn ska uttala sig i form av en revisionsberättelse (RevL, 1999:1079, 27 ). Revisorn ska i revisionsberättelsen uttala sig om bland annat huruvida redovisningen ger en rättvisande bild (RevL 1999:1079, 28 ) men även upplysa i enlighet med fortlevnadsprincipen om det finns väsentliga osäkerhetsfaktorer gällande företagets fortsatta drift (RevL, 1999:1079, 27d ). Finns betydande tvivel på företagets fortsatta drift ligger ansvaret enligt ISA 570 på revisorn att upplysa om detta i en så kallad fortlevnadsvarning (FAR, 2017). Forskare har under åren försökt förutspå konkurser genom att skapa matematiska konkursprediktionsmodeller. Redan 1930 analyserades konkursföretag för att få fram gemensamma signifikanta nyckeltal för att hitta samband mellan nyckeltal och konkurs (Gissel, Giacomino & Akers 2007). Altman (1968) publicerade år 1968 sin ekvation för att bedöma sannolikheten för att ett företag kommer gå i konkurs. Modellen fick namnet Z-modellen och består i sin ursprungliga form av fem nyckeltal som beräknas helt och hållet från företagets balansoch resultaträkning. Modellen utvecklades för att kunna förutspå konkurser på producerande 1

9 börsnoterade bolag. Sedan dess har flertalet modeller vuxit fram (Anghel, 2002: Ohlson, 1980). Även Z-modellen har förfinats genom åren och den senaste versionen, Z -modellen, har gjort det möjligt att även analysera bolag som varken är producerande eller börsnoterade (Altman & Hotchkiss, 2006). Revisionsbranschen har under de senaste åren präglats av automatisering och digitalisering av olika delar. Den ökade digitaliseringen och automatiseringen har enligt Andersson och Engström (2017) lett till en mer heltäckande, effektiv och pricksäker revision. Automatiseringen har påverkat de interna revisorernas resultat och hur de arbetar men har ännu inte nått externa revisorer i samma utsträckning (Andersson & Engström, 2017). En automatisering av revisionsbranschen skulle medföra effektiviseringar på grund av automatiska processer och därmed ge revisorer mer tid att analysera riskfyllda poster (Andersson & Engström, 2017). Möjligheten bör därmed finnas att etablera automatiserade fortlevnadsvarningar som aktiveras i samband med att ett företag visar sviktande finansiella siffror där en välmotiverad bedömning krävs för att avstå en varning. 1.2 Problematisering Fördelen med att revisorer utför fortlevnadsvarningarna är att de bör vara den närmsta obehöriga parten till bolagen. Då fortlevnadsvarningar är en komplex fråga där osäkerheten i bedömningen är hög är det mest lämpligt att experter gör dessa bedömningar (Mumpower & Stewart, 1996). Dreyfus och Dreyfus (2005) menar att expertbedömningar är särskilt lämpade vid komplexa uppgifter som avviker från vad som kan förstås av gemene man, vilket är tillämpbart på de komplicerade fortlevnadsbedömningarna. Revisorer kan sägas besitta expertkunskaper då deras vardag är att granska bolag i olika avseenden (Grönlund et al., 2005). En annan fördel med att revisorerna utfärdar fortlevnadsvarningar är att varningarna tenderar att bedömas på liknande sätt oberoende vilken revisor och byrå som utfärdar den (Svanberg & Öhman, 2014). Detta talar för att det inte finns något problem med tolkningar av fortlevnadsvarningarna från intressenter och legitimerar därmed att revisorer som yrkesgrupp är lämpliga att utföra dessa varningar. Revisorer kan med ovanstående resonemang därmed anses vara den bäst lämpade yrkesgruppen för uppgiften då de har insyn i bolagets verksamhet och räkenskaper, samt att de besitter hög kompetens. Revisionen i sig är dock problematisk då antaganden om bland annat oberoende genom opartiskhet har lagstadgats för att ge en objektiv bild av revisionen (Revisorslag, 20 ). Problemet med att en oberoende revisor bland annat ska se till att ledning och ägares självintressen inte skiljer sig åt blir motstridigt då tidigare studier visar att revisorn själv besitter ett egenintresse (Catasús, 2016). Vidare menar Catasús (2016) att: Idealet om oberoende är i princip omöjligt att förverkliga i praktiken. Ingen människa är oberoende, så låt oss hellre tala om förtroende. - Catasús (2016, s.1) Även Öhman (2016) pekar på problematiken med oberoendefrågan då han jämför revisorn med en fotbollsdomare som å ena sida ska döma en match objektivt och samtidigt utstå ett massivt tryck mot sitt oberoende av den inte fullt så oberoende hemmapubliken. Revisorn ska å ena sidan granska sina klienters räkenskaper men å andra sidan får revisorn betalt från just dessa klienter, varför 2

10 revisorn uppenbarligen hamnar i någon form av beroendeställning (Öhman, 2016). Vidare tenderar revisorer att inom revisionen dels ta beslut till sin klients fördel men även värdera sin klients företag högre än oberoende företagsvärderare (Bazerman, Loewenstein & Moore, 2002). Avsaknandet av oberoende förklaras även av Bamber och Iyer (2002) genom att revisorer identifierar sig med sina klienter och enligt Öhman (2016) kan de vara rädda för att tappa dessa på grund av en fortlevnadsvarning. Dessa tvivel kring revisorers oberoende visar problematiken med att revisorer bedömer ett företags välmående och väcker frågan ifall revisorer verkligen är den mest lämpade yrkesgruppen att göra dessa bedömningar. Ett problem med fortlevnadsvarningarna idag är att de inte är standardiserade. Vidare tenderar fortlevnadsvarningens utformning att variera från vaga till precisa formuleringar (Nilsson & Öhman, 2012), vilket även stämmer överens med de svävande begreppen i lagstiftningen där begrepp som väsentliga osäkerhetsfaktorer och betydande tvivel nämns (Hjalmarsson & Malmström, 2017). Ett annat problem med fortlevnadsvarningarna är att revisorer sällan träffar rätt i sina bedömningar (Sundgren & Svanström, 2014). Fortlevnadsvarningarnas felbedömningar delas ofta upp i två typer av fel; typ 1-fel och typ 2-fel. Typ 1-fel innebär att revisorn har utfärdat en fortlevnadsvarning men företaget har överlevt, medan ett typ 2-fel innebär att företaget har gått i konkurs utan att revisorn har gett en varning (Sundgren & Svanström, 2014). Typ 2-felen kan anses allvarligare då företag faktiskt går i konkurs och tidigare nämnda kostnader uppstår, vilket har väckt ett intresse för denna studie. Enligt en studie genomförd av Sundgren och Svanström (2014) där 3993 konkurser studerades mellan åren 2004 och 2011, hade endast 13,52 % av alla konkursföretag fått en fortlevnadsvarning vilket medför att hela 86,48 % var typ 2-fel. Resultatet går i linje med tidigare studier som visar på att träffsäkerheten på fortlevnadsvarningarna är betydligt sämre i Sverige än i andra länder (Carey, Geiger & O Connell 2008; Citron & Taffler, 1992; Tagesson & Öhman, 2010), vilket är anledningen till att denna studie inriktat sig på den svenska marknaden. Konkursprediktionsmodellernas träffsäkerhet har även de varierat genom åren. Z-modellen uppvisade i ursprungsstudien en total träffsäkerhet på 72% i att förutsäga en konkurs två år innan den inträffade, med en andel typ 2-fel på endast 6 % (Altman, 1968). I en rad senare tester har Z- modellen visat en ännu högre träffsäkerhet på upp till 90 % (Altman & Hotchkiss, 2006). Den reviderade modellen, Z -modellen, har visat en total träffsäkerhet i att förutsäga konkurser på 70 % - 90 % (Altman, 2000), vilket kan jämföras med fortlevnadsvarningarnas 14 % (Sundgren & Svanström 2014). Trots att dessa prediktionsmodeller historiskt sett har uppvisat en hög träffsäkerhet tyder mycket på att revisorer inte använder sig till fullo av dessa, utan istället är mer subjektiva i sina bedömningar (Sundgren & Svanström, 2014). Ett vidare problem med fortlevnadsvarningen är dess negativa påverkan på företag. Enligt Carcello och Neal (2003) finns indikationer på att fortlevnadsvarningen påverkar företagets intressenters syn på företaget och kan på så sätt leda till en självuppfyllande profetia. Den negativa klang fortlevnadsvarningen frambringar kan leda till att ett företag tappar viktiga intressenter och därmed går i konkurs, vilket inte hade skett om varningen aldrig utfärdats. Den eventuella skadan från ett typ 1-fel gör att revisorer tenderar att ta det säkra före det osäkra och kräver höga revisionsbevis för att ge en varning (Carey, Geiger & O Connell, 2008). Därmed lämnas vissa företag utan 3

11 varningar endast för att revisorn inte vågat varna på grund av riskerna förknippade med en varning (Carey, Geiger & O Connell, 2008). I de fall revisorer lämnar en fortlevnadsvarning ökar även risken för en eventuell stämning på revisorn (Svanberg & Öhman, 2014). Enligt Louwers (1998) tenderar dock revisorer att hålla fokus borta från eventuella stämningar vid fortlevnadsbedömningar medan en senare studie av Persson, Karlsson och Yrjö-Collin (2014) pekar på motsatsen. Persson et al. (2014) menar att revisorer avstår från att varna om det finns osäkerhet i bedömningen då en varning utan konkurs ger en större risk för eventuella stämningar än en konkurs utan varning, vilket varit en bidragande faktor till att denna studie inriktat sig på typ 2-felen. Problematiken med de nämnda faktorerna som gör att revisorer inte vågar lämna fortlevnadsvarningar är även det ett problem som väckt intresse för denna studie. Skulle det gå att eliminera dessa faktorer skulle troligtvis möjligheten finnas att öka träffsäkerheten på fortlevnadsvarningarna. Andra möjliga förklaringar till revisorers bristande träffsäkerhet i fortlevnadsvarningar är frågan om subjektivitet. Revision och dess fortlevnadsvarningar bygger till stor del på subjektiva bedömningar (Grönlund et al., 2005) vilket medför att förutsättningarna ser olika ut beroende på vilken revisor som är ansvarig. Enligt Nelson och Tan (2005) går revisorernas bedömningar ofta isär då olika revisorer har använt olika nyckeltal för att bedöma ett företags fortlevnad. Ett sätt att undvika subjektiviteten i bedömningen kan därmed vara att standardisera fortlevnadsvarningen efter vissa utgångspunkter vilket även det väckt intresse för denna studie. Sundgren och Svanström (2014) menar att en del av lösningen på problemet med fortlevnadsvarningen är att:... ett systematiskt användande av enkla konkursmodeller är ett bra och viktigt hjälpmedel i den inledande fasen av bedömningen. - Sundgren och Svanström (2014, s.1) Ett problem med att automatisera fortlevnadsvarningen med en konkursprediktionsmodell är att modellerna endast utgår från nyckeltal och tar därmed ej hänsyn till utomstående faktorer som eventuella rättstvister. Å andra sidan menar Öhman (2016) att revisorer också saknar tillräcklig information för att kunna uttala sig om företagets fortsatta drift. Tagesson och Öhman (2010) är inne på samma spår då de även menar att revisorer är ovilliga i sin inställning till att utfärda fortlevnadsvarningar. Detta kan förutom de tidigare nämnda riskerna som uppstår vid en varning förklaras av att revisorers fokus riktas mot att verifiera det som går att verifiera istället för vad som faktiskt kan vara viktigt för revisionen (Öhman, Häckner, Jansson & Tschudi, 2006). Det är å ena sidan viktigt att verifiera den finansiella informationen men å andra sidan kommer den processen automatiseras enligt Andersson och Engström (2017). Fokuset skulle därmed kunna förflyttas för revisorer till att undersöka hur utomstående faktorer påverkar företagen. Det finns belägg för att ju högre arvode och nedlagd tid desto mer ökar träffsäkerheten vilket går i linje med att Big Four -byråerna, bestående av PwC, KPMG, EY och Deloitte, levererar fler varningar än övriga byråer (Tagesson & Öhman, 2015). En lösning med till exempel högre revisionsarvoden och mer nedlagd tid från revisorerna kan bli en kostsam historia för företagen. Om den verifierande delen i revisorns arbete automatiseras ges en möjlighet för revisorerna att lägga deras budget på att analysera de utomstående faktorer som eventuella datoriserade analyser ej tar hänsyn till, vilket skulle kunna leda till en förbättrad träffsäkerhet i fortlevnadsvarningarna. 4

12 En automatiserad del avseende fortlevnadsvarningarna bör inte vara långsökt då till exempel Dreyfus och Dreyfus (2005) menar att experter i grunden använder sig av tumregler likt de regler maskiner använder vid sina bedömningar vid enklare bedömningar. Vidare skiljer sig de båda bedömningarna åt då experter gör avvägningar som ej maskiner kan göra vid mer komplicerade problem (Dreyfus & Dreyfus, 2005). En automatiserad del av fortlevnadsvarningen avseende företagets siffror skulle möjliggöra för revisorer att fokusera på den mer komplexa delen som ej modellerna kan fånga upp, och därmed leda till en mer heltäckande och träffsäker fortlevnadsvarning. För att eventuellt kunna förbättra revisorers fortlevnadsvarningar med automatiserade konkursprediktionsmodeller behövs en förståelse för hur revisorer jobbar idag. Därför har intresset väckts för att studera om samband finns mellan revisorers bedömningar och konkursprediktionsmodeller. Detta kan ge en bild ifall revisorn tänker i likhet med konkursprediktionsmodellen eller inte och på så sätt skulle en del av fortlevnadsbedömningarna kunna tas över av konkursprediktionsmodeller. Tidigare studier har behandlat träffsäkerheten för att förutse konkurser för fortlevnadsvarningar (Sundgren & Svanström, 2014; Tagesson och Öhman, 2015) och konkursprediktionsmodeller (Altman, 1968; Ohlson, 1980; Anghel, 2002) på separata plan, men har sällan kombinerat de båda sidorna med varandra. Denna studie är jämförande och avser att fylla det befintliga forskningsgapet genom att bilda en uppfattning av hur träffsäkerheten skiljer sig åt mellan fortlevnadsvarningar och konkursprediktionsmodeller på konkursföretag. För att analysera lämpligheten med att delvis ersätta revisorers fortlevnadsbedömningar med en konkursprediktionsmodell kommer även utvalda nyckeltal analyseras för att undersöka samband för vad revisorer tenderar att ha i åtanke vid en fortlevnadsbedömning. Möjligheten att lösa problemet med bristande träffsäkerhet i att förutsäga konkurser har mynnat ut i forskningsfrågorna: 1. Hur skiljer sig träffsäkerheten åt mellan revisorers fortlevnadsvarningar och Z -modellen avseende aktiebolag som gått i konkurs på den svenska marknaden? 2. Hur ser sambandet ut mellan revisorers fortlevnadsvarningar och Z -modellen? 3. Finns det några identifierbara faktorer som kan förklara förekommande skillnader i träffsäkerhet mellan revisorers fortlevnadsvarningar och Z -modellen? 1.3 Syfte Syftet med denna studie är att diskutera möjligheten att förbättra träffsäkerheten hos revisorers fortlevnadsvarningar genom att tillämpa en standardiserad fortlevnadsvarning med hjälp av Z - modellen. Möjligheten undersöks genom att jämföra träffsäkerheten mellan revisorer och Z - modellen. För att bedöma lämpligheten hos Z -modellen kartläggs även faktorer och nyckeltal som påverkar revisorers fortlevnadsbedömningar. 5

13 1.4 Centrala begrepp I detta avsnitt presenteras de centrala begrepp som används inom studien. Avsnittet ger därmed läsaren en förståelse för hur begreppen används genom studien samt dess innebörd Revisorers fortlevnadsvarningar Revisorn har enligt lag en skyldighet att utfärda en fortlevnadsvarning ifall betydande tvivel finns om ett företags fortsatta drift (FAR, 2017). Upplysningen återfinns i revisorns revisionsberättelse avseende det specifika bolaget. I denna studie används begreppet frekvent och syftar till den upplysning som revisorn givit i sin revisionsberättelse. Gällande fortlevnadsvarningen har revisorn antytt på starka tvivel eller osäkerhetsfaktorer avseende företagets fortsatta drift, varför enklare anmärkningar inte har klassats som en fortlevnadsvarning Z -modellen Z -modellen är den konkursprediktionsmodell som används i studien. Modellen är en av Altmans reviderade modeller och består av fyra nyckeltal som tillsammans ger företaget ett Z -värde. Beroende på vad detta framräknade Z -värde är, klassificeras företaget som friskt, sjukt eller i gråzonen (Altman & Hotchkiss, 2006) Träffsäkerhet Begreppet träffsäkerhet förekommer frekvent i studien och anger hur ofta revisorer/z -modellen haft rätt i sin bedömning av företagets fortsatta drift. Då studien ämnar att endast studera konkursbolag innebär ett korrekt svar att bolaget klassas konkursmässigt i form av en fortlevnadsvarning för revisorer eller att de befinner sig under det kritiska värdet enligt Z - modellen. Ett felaktigt svar blir således att revisorer avstått att varna för företagets fortsatta drift eller att Z -värdet indikerar att bolaget inte bör gå i konkurs. Träffsäkerheten benämns i procentuella tal och mäter de korrekta bedömningarna i relation till de totala bedömningarna för både revisorerna och Z -modellen Nyckeltal Nyckeltal är ett brett begrepp, och avser i denna studie ett framräknat tal av betydelse vid värdering av ett företags verksamhet och värde. Ett nyckeltal mäter en eller annan aspekt av ett företag, exempelvis hur lönsamt det är. Dåliga nyckeltal är en negativ indikation, medan bra nyckeltal är en positiv indikation med en lägre risk för konkurs (Nilsson, Isaksson & Martikainen, 2002). För definitioner av samtliga nyckeltal som berörs i studien, se bilaga 1. 6

14 1.5 Disposition Kapitel 1 - Inledning I det inledande kapitlet beskrivs bakgrunden och problemet med konkurser och hur ansvaret idag ligger på revisorerna att förutspå dessa. Vidare beskrivs konkursprediktionsmodellernas framväxt för att ge läsaren en förståelse för dessa och hur de kan tillämpas vid fortlevnadsbedömningar. Kapitel 2 - Institutionalia Kapitlet beskriver viktiga begrepp och principer inom revisionsområdet för att ge läsaren en förståelse för revisionsbranschen. Kapitel 3 - Teori och referensram I detta kapitel presenteras de teorier som studien byggdes på. Kapitlet ger en förståelse för teorier kring expertbedömningar, heuristik och bias för att sedan ge läsaren en inblick av den tidigare forskning som ligger till grund för området konkursprediktion. Avslutningsvis presenteras tidigare forskning inom träffsäkerhet avseende fortlevnadsvarningar och konkursprediktion. Kapitel 4 - Metod Metoddelen beskriver dels de metodval som ligger till grund för studien samt hur studien genomfördes. Vidare beskrivs de olika avvägningar och motiveringar som gjordes samt hur studien genomfördes. Avslutningsvis presenteras olika metodproblem som uppkom och hur dessa påverkat studiens trovärdighet. Kapitel 5 - Resultat I resultatdelen presenteras resultatet av den insamlade datan i text och diagram för att för att ge läsaren en överskådlig bild av resultatet. Först presenteras resultatet avseende träffsäkerheten för både revisorerna och Z -modellen sedan presenteras resultatet avseende de noterade sambanden med nyckeltalen och revisorernas bedömning. Kapitel 6 - Analys I analysdelen analyseras först den generella graden av träffsäkerhet som resultatet visade på. Därefter analyseras möjliga förklaringar till varför träffsäkerheten skiljer sig åt mellan revisorers fortlevnadsvarningar och Z -modellen. Slutligen analyseras de utvalda nyckeltalen och dess samband med revisorers fortlevnadsvarningar. Kapitel 7 - Slutsatser I det slutliga kapitlet besvaras studiens forskningsfrågor. Vidare presenteras slutsatserna från studiens resultat och analys. Avslutningsvis diskuteras studiens begränsningar samt förslag till fortsatt forskning. 7

15 2. Institutionalia Detta kapitel har för avsikt att skapa förståelse för relevanta principer och normer inom revisionsområdet. 2.1 Revisorsanmärkningar och upplysningar Enligt Öhman et al. (2006) anlitas revisorer för att genom sin granskning ge en kvalitets- och säkerhetsstämpel på finansiell information för att hjälpa intressenter att fastställa informationens tillförlitlighet. Slutprodukten av granskningen är revisionsberättelsen där slutsatserna från revisionen fastställs med avseende på bland annat ansvarsfrihet för styrelsen, resultatdisposition och fastställning av resultat och balansräkning (Bolagsverket, 2018). I de fall revisorn inte kan tillstyrka dessa ska revisorn göra en anmärkning. Enligt 31 Revisionslagen (RevL, SFS 2001:883) ska revisorn:... lämna sådana upplysningar som han anser att tredje man bör få kännedom om. Anledningen till anmärkningarna kan variera från exempelvis att årsredovisningen lämnats för sent till att skatter och avgifter misskötts (RevL, 30-31, SFS 2001:883) Fortlevnadsvarning (Going concern warning) Vid upprättande av de finansiella rapporterna utgår företagen från fortlevnadsprincipen, det vill säga att företaget kommer kunna fortsätta sin verksamhet över en överskådlig framtid. Detta möjliggör för företag att periodisera intäkter och kostnader då företaget antas fortsätta sin drift (ÅRL 2 kap 4, SFS 1995:1554). Revisorns ansvar enligt ISA 570 är att inhämta bevis för att vidimera företagets antagande om fortsatt drift. Hittar revisorn bevis på att tvivel finns för fortlevnad över en överskådlig framtid är det revisorns skyldighet att rapportera detta i form av en fortlevnadsvarning. Fortlevnadsvarningen kommer till uttryck i revisionsberättelsen i de fall det finns tvivel kring företagets fortlevnad och är därmed en anledning till en modifierad revisionsberättelse (FAR, 2017). Det finns, enligt ISA 570, ekonomiska, verksamhetsrelaterade och övriga anledningar till att betydande tvivel uppstår kring företagets fortlevnad uppstår (FAR, 2017). Då fokus i denna rapport är på nyckeltal hos konkursföretag kommer endast de ekonomiska anledningarna att behandlas. Exempel på de ekonomiska anledningar kan vara: negativt eget kapital, tecken på att kreditgivare drar tillbaka sitt finansiella stöd, negativt kassaflöde, ogynnsamma ekonomiska nyckeltal och de fall där oförmåga finns för att fullfölja låneavtal (Sundgren & Svanström, 2014). 8

16 3. Teoretisk referensram Detta kapitel beskriver de teorier och modeller som ligger till grund för studien. Först introduceras teorier som berör revisorer och deras subjektiva bedömningar, här förklaras också vissa faktorer som påverkar revisorer i deras arbete. Därefter förklaras konkursprediktion och Altmans Z-modeller, avslutningsvis belyses kritik som riktats mot Altmans modeller. 3.1 Expertbedömningar Expertbedömningar är en metod där rådgivning från kunnig personal används vid problemlösning (Hughes, 1996). Expertbedömningar används när osäkerheten kring en bedömning är hög och problemet är svårlöst (Mumpower & Stewart, 1996). Enligt Moulton, Regehr, Mylopoulos och MacRae (2007) är ett exempel inom läkarvetenskap där olika diagnoser är olika allvarliga. Då osäkerhet finns kring en diagnos bedöms experter inom området som det mest effektiva sättet att hitta en lösning. Experter används därmed för att de genom sin specifika kunskap inom ämnet är tänkt att vara bättre lämpad att bedöma problemet än konsensus (Mumpower & Stewart, 1996). Bedömning av ett företags fortsatta drift är ett komplext område då det finns många faktorer att väga in. Enligt Dreyfus och Dreyfus (2005) är expertbedömningar det lämpligaste tillvägagångssättet då det inte finns helt klara regler för vad som måste beaktas vid dessa bedömningar. Mumpower och Stewart (1996) menar dock på att ett flertal problem finns vid expertbedömningar som gör att olika experters bedömningar ter sig motstridiga mot varandra. Det första dilemmat är att det studerade problemet upplevs olika av olika experter. Då de olika experterna ser olika på problemet uppkommer därmed olika strategier för att föreslå en lösning. Det andra problemet är att informationsasymmetri kan råda och på så sätt uppfattar de olika experterna problemet olika. Den tredje faktorn är att de principer experter använder sig av tenderar att skilja experterna åt. Då olika organiserande principer används, skiljer sig metoden för att lösa problemet mellan de olika experterna och således kan bedömningen av ett problem skilja sig åt. Teorin om expertbedömningar är tillämpbar på revisorer då de i sin roll som oberoende gör flertalet bedömningar angående företagets uppskattningar under en revision. Revisioner utförs ofta i arbetslag av både mer och mindre erfarna revisorer/revisorsassistenter. Vid de större revisionerna är arbetslagen ihopsatta beroende på vilken bransch medarbetarna verkar inom och uppnår på så sätt en form av expertis (Nelson & Tan, 2005). Nelson och Tan (2005) gick i sin studie igenom tidigare forskning och kom fram till att flertalet studier där revisorer och studenter använts hittat stora skillnader mellan dessa gruppers bedömningar vilket stödjer teorin om expertbedömningar. Underlagen för expertbedömningar av revisorer går dock isär då till exempel olika revisorer har använt olika nyckeltal för att bedöma ett företags fortlevnad (Nelson & Tan, 2005). Enligt Tysiac (2014) finns fem steg en revisor bör använda sig av vid granskning, se tabell 1. 9

17 Tabell 1: Tysiacs (2014) fem steg en revisor använder i sin granskning, egen bearbetning. 5 steg i revisorns granskning 1. Identifiera och definiera problemet 2. Samla information i form av revisionsbevis 3. Analysera revisionsbevisen 4. Ta beslut kring revisionsbevisen 5. Sammanställa dokumentation och dra slutsats I samtliga av dessa fem punkter krävs revisorers bedömningar och dessa kan skilja sig åt vilket även bör leda till att revisorer uppnår olika resultat i sin granskning. Under revisorernas arbetsgång krävs besluttagande av någon form i samtliga fem steg. Med Nelson och Tans (2005) studies stöd gällande de spretande bedömningarna är det ett rimligt antagande att felbedömningar kan ske på minst fem plan under en revision. 3.2 Heuristik Heuristik är en samling av tumregler och rekommendationer och fungerar i grunden som ett hjälpmedel för forskare. Heuristiken utvecklades från falsifikationismen av Imre Lakatos och han menade i sin vetenskapsteori på att forskningen skulle utgå från grundantaganden som var den hårda kärnan i forskningen (Molander, 2003). Ur ett psykologiskt perspektiv används heuristiken som en strategi för problemlösning gällande komplexa problem eller när det finns otillräcklig information. Den beskrivna situationen går att likställa med att förutse konkurser då konkurser kan uppkomma av olika anledningar och att till exempel revisorn inte har full insyn i verksamheten. Liknelsen med heuristiken inom psykologin och tumregler finns även gällande revisorers bedömningar och medför att dessa leder till ett tillräckligt bra svar men mynnar sällan ut i ett perfekt svar (Kahneman, 2011). En typ av tumregel är revisorns användande av nyckeltal. Revisorer tittar på olika nyckeltal vid sina bedömningar (Nelson och Tan, 2005), vilket indikerar att de inte har några precisa riktlinjer för vilka nyckeltal de ska titta på samt vilka gränsvärden dessa ska ha. Populära nyckeltal vid bedömning av ett företags betalningsförmåga är soliditet och kassalikviditet (Nilsson et al., 2002). Problemet med att använda soliditet som tumregel är att nyckeltalet bygger på ett antagande om att samtliga tillgångar kan användas till att likvideras. Både likviditeten och soliditeten bör enligt SRF konsulterna (2018) endast ses som en fingervisning då ett företag kan ha hög soliditet men samtidigt ha dåligt kassaflöde och därmed ej kunna betala sina skulder. Det fungerar även åt andra hållet att ett företag med låg soliditet kan ha ett bra kassaflöde och därmed klara av att fullfölja sina skulder. Problematiken med både heuristiken och dessa populära nyckeltal är förutom att de som tidigare nämnt är en förenkling av verkligheten även finns studier som visar på att tillämpning av tumregler kan leda till bias och därmed göra bedömningen kring ett företag missvisande (Tversky & Kahneman, 1974). 10

18 3.3 Bias Definitionen av bias är enligt Nationalencyklopedin (u.å) en snedvridning och förklaras som felaktigheter i vetenskapliga resultat på grund av något systematiskt fel i forskningsprocessen vad gäller t.ex. Insamling av data, bearbetning eller analys av resultat.. Enligt tidigare forskning inom psykologin finns belägg för att beslutsfattare ofta faller offer för omedvetna aspekter i sina bedömningar. Bias förekommer enligt oftare än man kan föreställa sig (Tversky & Kahneman, 1974). Exempel på situationer fyllda av bias är vid beräkning av sannolikheter och värderingar. Vid beräkning av sannolikheter eller värderingar kommer beslutsfattaren att väga in sina tidigare erfarenheter och dra en slutsats därigenom. Dessa erfarenheter behöver inte vara relevanta vid beräkning av en sannolikhet och därmed uppkommer en bias (Smith & Kida, 1991). Detta är hänförligt till förutsägandet av konkurser då till exempel revisorer kan titta på fel faktorer eller använda sig av felaktiga tumregler vid bedömningen av ett företags välmående. Vidare kan bias uppkomma på grund av selektivt tänkande. Forskare tenderar att uppmärksamma information som stödjer deras grundhypotes snarare än den information som säger emot hypotesen (Nickerson, 1998). Enligt McMillan och White (1993) tenderar revisorer att undermedvetet söka information som stödjer deras grundhypotes snarare än att hitta objektivt korrekt information. Vidare visar annan forskning av Bazerman et al. (2002) att det förekommer två andra sorters bias inom revisionsområdet. Den första biasen hänvisar till att beslut tagna inom revisionen oftast var till klientens fördel och den andra biasen var att revisorers personliga värdering av klienten var högre än vad opartiska företagsvärderare ansåg. Revisionen fyller dock ett syfte i att reducera företagets egna snedvridningar då studier av Kinney Jr och Martin (1994) visar på att komplext värderade intäkter minskat efter en revision. Revisorer hjälper därmed företagen att undvika övervärderingar i sina egna uppskattningar, men på grund av revisorernas egna bias blir inte värderingen helt objektiv. 3.4 Modellbaserad konkursprediktion Den första dokumenterade studien kring konkursprediktion utfördes av Beaver (1966). Utgångspunkten i studien var att studera de viktigaste nyckeltalen enskilt för att se vilka tal som gick att härleda till företags överlevnad. Efter Beavers studie tog forskningen kring konkursprediktion fart och två år senare tog Altman (1968) fram Z-modellen i ett försök att förutspå konkurser. Tanken bakom modellen var att kombinera fundamental analys av nyckeltal med framväxande teknisk analys. Första versionen av Z-modellen behandlade fem utvalda nyckeltal som viktades för att få så bra träffsäkerhet som möjligt. Z-modellen var främst utvecklad för att fungera på tillverkande företag (Altman, 1968). Sedan dess har flertalet forskare försökt utveckla nya konkursprediktionsmodeller. En annan högt ansedd rankad modell kom ut 1980 av James Ohlson som använder sig av en logistisk regression och fokuserar istället på nio nyckeltal (Ohlson, 1980). Ungefär 20 år efter Ohlsons (1980) modell, växte bland annat Anghels (2002) modell fram. Anghels (2002) modell byggde på en multipel diskriminant analysmodell med annorlunda viktningar än Altmans (1968) modell. Den mest högst ansedda modellen är dock Altmans modeller som även de har utvecklats genom åren. 11

19 3.4.1 Altmans konkursprediktionsmodeller Altmans ursprungliga Z-modell lades fram år 1968 i en artikel i tidskriften The Journal of Finance där det huvudsakliga syftet var att bedöma kvaliteten hos nyckeltalsanalys som en analytisk teknik. Konkursprediktion användes som exempel för att bedöma nyttan av denna nyckeltalsanalys. Modellen, som Altman lade fram för att förutsäga konkurser, visade sig kunna förutsäga konkurser två år innan de inträffade med en träffsäkerhet på 72 procent. I studien analyserades två urvalsgrupper, både ett och två år innan konkurs, i lika stora delar företag som gått i konkurs samt företag som fortfarande bedrev verksamhet. De båda urvalsgrupperna hade liknande kriterier då han undersökt företag med tillgångar mellan 1 25 miljoner dollar. Skillnaden mellan urvalsgrupperna var dock att de som gått i konkurs hade tillgångar i snitt på 6,4 miljoner dollar medan de friska företagen hade ett snitt på 9,6 miljoner dollar. Den använda datan i studien och de framräknade viktade nyckeltalen begränsades till tillverkande företag (Altman 1968). Detta är en stor anledning till att Altman vid senare tillfällen har reviderat sin ursprungliga modell, för att göra den mer tillämpbar på icke-tillverkande företag (Altman & Hotchkiss, 2006). Z-modellen bygger på fem nyckeltal som utifrån sin påverkan på konkurser har viktats genom koefficienter. Den statistiska metoden som användes för att skapa modellen och dess koefficienter var multipel diskriminantanalys. Z-värdet beräknas genom att addera de fem variablerna, för förklaring av nyckeltalen, se bilaga 1. Beroende på vad detta framräknade värde är, klassificeras företaget med hänsyn till hur friskt det är (Altman, 1968). En begränsning med den ursprungliga modellen var att den beräknades främst utifrån tillverkande företag, som också var publikt noterade. Altman gjorde en revidering av modellen för att den bättre skulle passa för företag som varken var noterade eller tillverkande. Den femte variabeln, omsättning i relation till tillgångar, exkluderades. Altman motiverade detta med att den har en stor potentiell branscheffekt, och att den framförallt passar för tillverkande företag som generellt har ett stort kapital. Vidare ändrades även den fjärde variabeln till bokfört eget kapital i relation till totala skulder - vilket fortfarande är ett typ av solvensmått. I tabell 2 nedan visas en sammanställning över Z-modellen och Z -modellen. 12

20 Tabell 2: Sammanställning av Altmans modeller (Altman & Hotchkiss, 2006), egen bearbetning. Z-modellen Z -modellen X1 Rörelsekapital / Totala tillgångar Rörelsekapital / Totala tillgångar X2 Balanserad vinst / Totala tillgångar Balanserad vinst / Totala tillgångar X3 Rörelseresultat / Totala tillgångar Rörelseresultat / Totala tillgångar X4 Marknadsvärde / Totala tillgångar Bokfört eget kapital / Totala skulder X5 Nettoomsättning / Totala tillgångar Ej tillämpbar Formel Z= 1,2X1 + 1,4X2+ 3,3X3 + 0,6X4 + 0,999X5 Z = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 Tabellen visar skillnaderna mellan den ursprungliga Z-modellen med den reviderade Z -modellen. Av tabellen går det även att urskilja hur de olika viktningarna skiljer sig åt Kritik mot Altmans konkursprediktionsmodeller Ohlson (1980) menade att Z-modellen kunde te sig slumpmässig då olika branschers nyckeltal skiljer sig åt. För att motverka detta tillämpade han en logistisk regression för att kunna förutspå sannolikheten för konkurs, och använde sig av nio nyckeltal istället för fyra (Ohlson, 1980). Även Shumway (2001) kritiserade Altmans val av nyckeltal då han anser att endast hälften av nyckeltalen i modellen är statistiskt signifikanta. Ett annat problem Ohlson (1980) såg med Z-modellen var att modellen bygger på allmän information som kom ut långt i efterhand. Den fördröjning som finns mellan då siffrorna är aktuella och när informationen kommer ut för allmänheten gör att modellen passar bättre till att blicka bakåt än att kunna blicka framåt och förutspå konkurser. De två modellerna har i tidigare studier av bland annat Karamzades (2013) ställts mot varandra. Resultatet i studien var att Z-modellen (74,4%) uppvisade en högre träffsäkerhet än Ohlsons modell (53,3%). Flertalet andra studier har genomförts och kritik har utfärdats mot Z-modellen för att den endast tar hänsyn till siffror från årsredovisningen. Pengfei, Jinlin och Qingzhong (2011) menar bland annat att makroekonomiska variabler måste beaktas för att skapa en trovärdig modell. Ytterligare kritik riktad mot Z-modellen är att den är statisk då den inte har några nyckeltal som behandlar hur marknaden ser ut. Shumway (2001) försökte lösa problemet genom att skapa sin egna modell; Hazard model. Hazard model har utöver finansiella nyckeltal även med marknadsbaserade mått i formeln. Fördelen med marknadsbaserade mått är att de är en förklarande variabel som förändras över tid. Marknadsbaserade mått gör således att modellen tar hänsyn till yttre faktorer som påverkar företags chanser att överleva och anpassar sig därmed över tid. Annan kritik riktad mot Altmans (1968) studie menar att årsredovisningarna endast speglar hur företaget ser ut ett specifikt år (Shumway, 2001). Urvalen i studien bör därmed enligt Shumway (2001) vara baserade på en längre tidsperiod då olika räkenskapsår ger en mer eller mindre representativ bild för företagets situation. Även Chava och Jarrow (2004) kritiserar modellens relevans då de anser att urvalet för studien är bristfälligt på grund av för få observationer. 13

21 3.5 Tidigare studier Enligt tidigare studier har träffsäkerheten avseende både revisorers fortlevnadsvarningar och Z - modellen granskats i olika avseenden, dock inte tillsammans i samma studie. Träffsäkerheten i tidigare studier har inom de båda områdena utgått från både konkursföretag och företag som ej gått i konkurs. Nedan sammanställningar visar endast träffsäkerheten avseende de företag som gått i konkurs. I tabell 3 visas träffsäkerheten hos revisorers fortlevnadsvarningar avseende konkursbolag. Tabell 3: Sammanställning av tidigare studier avseende revisorers träffsäkerhet. Revisorers fortlevnadsvarningar Författare Träffsäkerhet på konkursbolag Sundgren och Svanström (2014) 13,52 % Tagesson och Öhman (2010) 12 % Sundgren och Svanström (2014) studerade totalt 3993 bolag som gick i konkurs mellan år Träffsäkerheten skiljde sig lite mellan åren. Träffsäkerheten upptagen i tabellen är ett genomsnitt från alla studerade år. Tagesson och Öhman (2010) behandlade i sin studie de företag som gått i konkurs i januari och februari månad år I tabell 4 visas tidigare studier som testat träffsäkerheten hos Z -modellen. Tabell 4: Sammanställning av tidigare studier avseende Z -modellens träffsäkerhet. Z -modellen Författare Bransch Träffsäkerhet ett år innan konkurs Svanborg och Winblad (2009) Tjänsteindustri 60 % Dahlgren och Söderqvist (2010) Service och informationsteknik 67,56 % Hagberg (2006) Tillverkande företag 61,76 % Lohtikainen och Khaje (2017) Bygg- och designbranschen 62,5 % I tidigare studier av Z -modellen har träffsäkerheten oftast studerats i både de företag som gått i konkurs men även haft med kontrollföretag som inte gått i konkurs. Detta medför att tidigare studiers träffsäkerhet från slutresultatet har varit på en aggregerad nivå. Då denna studie endast avser att behandla företag som gått i konkurs har träffsäkerheten hämtats från tidigare studier på deras urval av konkursföretag. I tidigare studier har träffsäkerheten analyserats beroende på vilken bransch företagen tillhör. Detta gör att träffsäkerheten från tidigare studier har varierat då till 14

22 exempel träffsäkerheten för service och informationsteknik var 67,56 % medan träffsäkerheten inom tjänsteindustrin var 60 %. De tidigare studierna ger dock, oavsett resultat, en indikation på modellens träffsäkerhet historiskt sett. 3.6 Sammanfattning av den teoretiska referensramen I studien förklaras två olika sätt att bedöma framtida konkurser. Revisorers fortlevnadsbedömningar är det alternativ lagstiftningen förlitar sig på i dagsläget. Det andra alternativet är konkursprediktionsmodeller som står i kontrast till revisorers fortlevnadsbedömningar. I tabell 5 ställs de två olika sidorna mot varandra. Tabell 5: Sammanställning av fortlevnadsvarningar kontra konkursprediktionsmodeller. Fortlevnadsvarningar Subjektiva bedömningar ( expertbedömningar ) Tumregler (heuristik) Bedömningar och risk för snedvridning (bias) Konkursprediktionsmodeller Objektiva bedömningar Matematiska beräkningar Systematiskt tillvägagångssätt Tabellen ger en bild av hur revisorers fortlevnadsvarningar idag skiljer sig mot att använda konkursprediktionsmodeller. Bland annat elimineras felen som uppkommer med revisorers subjektiva bedömningar vid användandet av en konkursprediktionsmodell. Vidare finns fördelen med att modellen utgår utifrån samma nyckeltal och därmed minskas problemet med att olika revisorer tenderar att använda olika tumregler i form av dels olika nyckeltal men även olika kritiska gränser på dessa. En annan faktor som legitimerar konkursprediktionsmodellen är att den systematiskt bedömer ett företags fortlevnad och därmed eliminerar risken för bias hos bedömaren. En fördel med revisorers bedömningar är att dessa i enlighet med Mumpower och Stewart (1996) kan fånga upp mer komplexa faktorer som påverkar ett företags fortsatta drift men som inte direkt avspeglas i siffrorna varför modellen ej fångar upp dessa aspekter. 15

23 4. Metod Kapitlet beskriver hur studien utformades och genomfördes. Metodsynsättet beskriver vilket synsätt studien utgick från. Därefter introduceras och motiveras forskningsansatsen samt studiens design, följt av forskningsstrategin. Under urval och forskningsmetod beskrivs vilka företag som studerades och varför, samt hur datan insamlades. Litteraturgenomgången förtydligar hur litteratur och information insamlades. Följt av en beskrivning av hur datan rent praktiskt bearbetades. Avslutningsvis följer en förklaring till eventuella metodproblem. 4.1 Metodsynsätt Vid vetenskapliga studier är det viktigt att beakta att dessa studier sällan är helt objektiva. Med detta menas att de som utför studierna har egna subjektiva bedömningar och värderingar som ofrånkomligt påverkar studiens utformning och resultat till viss del (Bryman & Bell, 2013). Denna studie utgick från ett analytiskt synsätt. Detta innebär att studien utgick från objektivitet med syftet att vara objektiv och värderingsfri. Vidare underlättade ett analytiskt synsätt att kartlägga samband mellan nyckeltal och revisorers fortlevnadsvarningar (Arbnor & Bjerke, 1977). Det analytiska angreppssättet innebar att studien hela tiden bröts ned till mindre beståndsdelar där samband analyserades. Fokus låg på objektiva siffror där Z -modellen jämfördes mot revisorers fortlevnadsvarningar. 4.2 Forskningsansats och design Denna studie hade ett deduktivt angreppssätt. Enligt Bryman och Bell (2013) innebär en deduktiv ansats att utgångspunkten för studien är etablerade teorier och modeller. Utifrån dessa härleds forskningsfrågor som sedan testas mot empiriska undersökningar varvid forskningsfrågorna besvaras. Den deduktiva ansatsen ansågs lämpad för denna studie då syftet var att jämföra träffsäkerheten mellan revisorers fortlevnadsvarningar och Z -modellen, samt kartlägga faktorer och nyckeltal som påverkar revisorers bedömningar. De studerade områdena var kvantifierbara och utgångspunkten var revisorers fortlevnadsvarningar samt den etablerade Z -modellen varför den deduktiva ansatsen var väl lämpad. En annan aspekt av hur studien genomfördes är dess forskningsdesign. Bryman och Bell (2013) beskriver forskningsdesignen som en ram inom vilken empiriska data insamlas och bearbetas - det vill säga, hur studien läggs upp. Denna studie hade en tvärsnittsdesign vilket innebär att datan insamlades från flera olika fall vid en och samma tidpunkt i syfte att upptäcka olika slags samband. Ett flertal olika företag studerades vid en och samma tidpunkt där företagens årsredovisningar samt tillhörande revisionsberättelser låg till grund för insamlingen av data. Vidare var syftet att upptäcka samband mellan företagens konkurser och tillförlitligheten hos revisorers fortlevnadsvarningar samt Z -modellen och därmed ansågs tvärsnittsdesignen väl lämpad. 16

24 4.3 Forskningsstrategi Enligt Bryman och Bell (2013) finns det vid insamling och bearbetning av data primärt två olika strategier att använda sig av, dessa benämns kvalitativ och kvantitativ forskning. Distinktionen är dubbeltydig där vissa anser att det finns en fundamental skillnad medan andra anser att skillnaden är obetydlig. Denna studie utgick från en kvantitativ forskningsstrategi. Detta var det naturliga valet då den insamlade informationen primärt var kvantifierbara siffror samt att en stor mängd data insamlades. Detta stöds även av Bryman och Bell (2013) då kvantitativ forskning lägger fokus på kvantifierbara data vilket medför en betoning på siffror. En annan fördel med kvantitativ forskning är att den ofta är deduktiv till sin natur och därmed mer lämpad till denna studie (Bryman & Bell, 2013). Den kvantitativa metoden var väl lämpad till studien då den syftade till jämförelser mellan träffsäkerheterna och att finna eventuella samband mellan revisorer och Z -modellen. 4.4 Litteraturstudie Studien påbörjades genom en övergripande genomgång av området konkurser, fortlevnadsvarningar och konkursprediktion. Den första genomgången av litteraturen gjordes via internet där framförallt sökbasen Google användes. Sökningarna gav en bred överblick av tidigare studier inom områdena fortlevnadsvarningar och konkursprediktion, samt vilka modeller som använts för konkursprediktion. Parallellt gjordes en genomgång av kurslitteratur från våra drygt fyra års studier vid Luleå tekniska universitet. I den tidigare kurslitteraturer återfanns inte något som direkt berörde fortlevnadsvarningar eller konkursprediktion, däremot återfanns och repeterades mycket om finansiella nyckeltal. Det var dessa nyckeltal som låg till grund för Altmans Z -modell som består av fyra finansiella nyckeltal (Altman & Hotchkiss, 2006). En fördjupad litteratursökning gjordes via biblioteket på Luleå tekniska universitet. De databaser som användes var Google Scholar, Scopus och Libris. De använda sökorden var going concern, bias, expert judgement, heuristics, financial distress, bankruptcy, konkurs, konkursprediktion, Altman, Z-Score, nyckeltal, finansiella nyckeltal. 4.5 Urval och forskningsmetod Studiens insamlade data härleddes från företagens egna årsredovisningar och tillhörande revisionsberättelser. Detta medför att studien utgick från sekundärdata, vilket innebär redan tillgängliga data som ursprungligen insamlats för andra ändamål. Urvalet begränsades till svenska aktiebolag med inledd konkurs år Storleksavgränsningen på företagen gjordes till aktiebolag med en omsättning överstigande tio miljoner kronor. Avgränsningen till minimum tio miljoner kronor i omsättning gjordes dels ur effektivitetssynpunkt då samtliga revisionsberättelser studerades för att genomföra studien men även till följd av att Allabolags tjänst endast gick att avgränsa i utvalda spann. Spannet nedanför tio miljoner kronor var tusen kronor. Om dessa observationer medtagits hade därmed flertalet av företagen troligtvis ej haft en revisor till följd av sin storlek. För att testa omfattningen på urvalet gjordes en sammanställning från Allabolags lista på kriterierna att de haft tio miljoner kronor och inlett konkurs år Totalt noterades 415 observationer vilket bedömdes lämpligt för studien. 17

25 Vid en första analys av datan föll 16 företag bort direkt då de var nystartade och saknade därmed inlämnade årsredovisningar. Efter att gått igenom samtliga årsredovisningar konstaterades att totalt 53 av dessa företag saknade revisionsberättelse, vilka plockades bort från studien. Vid genomgången av revisionsberättelser framkom även att revisorer i tio av företagen avstått från uttalande på grund av bristande underlag/bokföring. Även dessa iakttagelser plockades bort från studien då det ansågs förändra förutsättningen för revisorn att bedöma den fortsatta driften. Det slutliga urvalet blev totalt 336 företag. Forskningsmetoden för denna studie var en dokumentstudie med tillhörande innehållsanalys. Metoden innebär att utgångspunkten är en viss av dokument som sedan underkastas analys på ett systematiskt och replikerbart sätt varvid innehållet kvantifieras utifrån i förväg bestämda kategorier (Bryman & Bell, 2013). De studerade dokumenten var företagens egna årsredovisningar samt tillhörande revisionsberättelser som hämtades från infotorg. De analyserade kategorierna var de specifika finansiella nyckeltal som används i Z -modellen, andra väsentliga nyckeltal samt huruvida företaget hade fått en fortlevnadsvarning i revisionsberättelsen. Den valda forskningsmetoden var väl lämpad för studien och medförde flera fördelar. Metoden anses vara en objektiv analysmetod. En anledning till detta är att informationen i dokumenten ofta inte går att tolka lika subjektivt som exempelvis data från en intervju. Vidare möjliggör metoden enkla uppföljningsstudier. Det finns även nackdelar med metoden och en av de mer framträdande av dessa är att analysen bygger på dokumenten varför det är av stor vikt att dessa dokument är trovärdiga och av hög kvalitet (Bryman & Bell, 2013). I studien ansågs de analyserade dokumenten i form av årsredovisningar med tillhörande revisionsberättelser vara av hög kvalitet och trovärdiga. Detta då företagens egna årsredovisningar följer de tillämpliga lagar och rekommendationer som finns, vilket även gäller för revisionsberättelserna. 4.6 Analysmodell I detta avsnitt förklaras och motiveras de val och avvägningar som gjordes i studien. Exempel på de avvägningar som gjordes är vilken typ av konkursprediktionsmodell som tillämpades men även de faktorer och nyckeltal som användes för att uppnå studiens syfte Val av konkursprediktionsmodell Efter en genomgång av litteraturen samt modeller på området bestämdes att Altmans Z -modell tillämpas på studien. Det finns flertalet anledningar till att just Z -modellen valdes. En av anledningarna var att det vid genomgången av litteraturen framgick klart och tydligt att Altmans modell för konkursprediktion, benämnd som Z-modellen, är en av de mest framträdande modellerna. Modellen lades fram av Altman redan år 1968 och är fortfarande aktuell. Modellen har reviderats till att dels passa icke-noterade företag och kallas då Z -modellen (Altman & Hotchkiss, 2006), samt även reviderats till att passa icke-noterade företag som inte är tillverkande företag och kallas då Z -modellen (Altman, 2000). I studien användes den reviderade Z - modellen, detta motiveras av att modellen är tänkt att fungera oavsett bransch till skillnad från den ursprungliga modellen som riktade in sig på tillverkande företag. Z -modellen klassificerar hur friskt ett företag är beroende på vilket Z -värde som genereras av modellen. Tabell 6 visar Z - modellens tre olika zoner. 18

26 Tabell 6: Sammanställning av Z -modellens gränsvärden (Altman, 2000), egen bearbetning. Friskt Gråzon Sjukt Z -värde > 2,6 1,1 < Z -värde < 2,6 Z -värde < 1,1 I tabellen visas de tre olika kategorierna företagen klassificeras i. Ett Z -värde överstigande 2,6 innebär att företaget har en låg risk att gå i konkurs och anses därmed friskt, ett Z -värde understigande 1,1 innebär att företaget ligger i riskzonen för en konkurs och anses därmed sjukt. Ett Z -värde mellan 1,1 och 2,6 innebär att företaget ligger i en gråzon och kan varken klassas som friskt eller sjukt Val av faktorer och nyckeltal Då studiens syfte var att kartlägga faktorer som påverkade fortlevnadsvarningens träffsäkerhet valdes två faktorer ut. Expertbedömningsteorin menar, som tidigare nämnt, att experter tenderar att uppfatta problem, bedöma omfattningen på problemen och lösa dessa problem på olika sätt. De två utvalda faktorerna för studien var att undersöka ifall fortlevnadsvarningarnas träffsäkerhet skiljde sig åt beroende på revisionsbyrå och kön hos revisorn. Faktorn revisionsbyrå valdes för att undersöka ifall storlek på revisionsbyrån spelade roll när det gällde fortlevnadsvarningarnas träffsäkerhet. Storleken på revisionsbyråerna delades upp på de fyra revisionsbyråer tillhörande Big Four och övriga byråer. I studien undersöktes även ifall någon skillnad på fortlevnadsbedömningar fanns beroende på revisorns kön. Detta då tidigare studier kommit fram till att skillnader finns mellan könen när det gäller beslutstagande inom finansiella riskfyllda situationer (Powell & Ansic, 1997). För att ytterligare analysera revisorernas fortlevnadsvarningar valdes ett antal nyckeltal ut för att kartlägga ett eventuellt samband mellan dessa nyckeltal och fortlevnadsvarningar. De utvalda nyckeltalen var dels de fyra nyckeltal som tillsammans utgör Z -modellen samt Z -värdet. Dessa nyckeltal och dess relevans har motiverats av tidigare forskning (Altman & Hotchkiss, 2006). Ytterligare en anledning till att studera dessa fyra nyckeltal och deras eventuella samband med en fortlevnadsvarning var att undersöka om revisorer tycks använda sig av Z -modellen till viss del. Utöver Z -modellen valdes fyra övriga väletablerade nyckeltal ut: Soliditet, kassalikviditet, avkastning på eget kapital och avkastning på totalt kapital. Dessa mått har valts ut för att få en bred spridning på olika typer av mått. De valda nyckeltalen är mått avseende företagets betalningsförmåga på kort och lång sikt samt lönsamhetsmått (SRF konsulterna, 2018). Se bilaga 1 för beskrivning av de olika nyckeltalen. Soliditet valdes då det är ett framträdande mått när det gäller att bedöma ett företags långsiktiga betalningsförmåga. Måttets relevans bekräftas av Nilsson et al. (2002) som säger att Soliditeten är det vanligaste måttet på finansiell styrka. (Nilsson et al., 2002, s.153). Vidare rekommenderar författarna att ett företags soliditet bör ligga kring 30 % - 40 %. 19

27 Kassalikviditeten valdes då det är ett likviditetsmått och mäter därmed företags kortsiktiga betalningsförmåga. Detta gör det till ett relevant mått vid bedömningar av ett företags fortsatta drift. En låg likviditet kan medföra att ett företag ej har nog med likvida medel för att betala av sina kortfristiga skulder. På grund av detta är likviditet en av företagets mest kritiska aspekt då brist på likviditet kan medföra stora problem (Nilsson et al., 2002). Det finns olika typer av likviditetsmått och användandet av kassalikviditet i denna studie motiverades med att det ger en korrekt bild av hur mycket likvida medel ett företag snabbt kan få in eftersom måttet inte tar hänsyn till exempelvis varulager vilket måttet balanslikviditet gör. En vanlig tumregel är att kassalikviditeten bör vara minst 100 %, vilket innebär att företagets likvida tillgångar täcker alla de kortfristiga skulderna (Nilsson et al., 2002). Avkastning på eget kapital valdes eftersom det är det mest övergripande lönsamhetsmåttet samt att det ofta är det mest intressanta lönsamhetsmåttet sett ur aktieägarnas, det vill säga ägarnas, perspektiv. Måttet visar vilken avkastning ägarna fått på sitt satsade kapital (Nilsson et al., 2002). Det sista valda nyckeltalet var avkastningen på totalt kapital. Detta valdes då det är ett bra och kompletterande lönsamhetsmått till avkastning på eget kapital. Måttet mäter vilken avkastning det totala kapitalet genererat och skiljer därför inte på eget satsat kapital och lånat kapital. Detta medför att det ger en tydligare bild av hur lönsamt företagets verksamhet är då måttet utesluter en eventuell finansiell hävstång som kan uppnås med belåning (Nilsson et al., 2002). 4.7 Operationalisering Sammanställningen av organisationsnummer skedde genom att använda Allabolags tjänst Lista för konkurs inledd (Allabolag, u.å). Samtliga organisationsnummer klistrades in i en Excel-fil som sedan lästes in i Infotorgs företagsupplysningstjänst för att få fram företagens namn, revisorns namn, revisionsbyrå samt de berörda nyckeltalen. För att kartlägga träffsäkerheten hos de konkursdrabbade företagen sammanställdes den insamlade datan i Excel Revisorers fortlevnadsvarningar För att undersöka ifall revisorer anmärkt för fortsatt drift användes Infotorgs tjänst för att få fram företagens årsredovisningar och revisionsberättelser. Samtliga revisionsberättelser laddades ned och granskades för att undersöka ifall en fortlevnadsvarning förelåg. En fortlevnadsvarning förelåg i de fall revisorn upplyst om tvivel gällande fortsatt drift. En egen kolumn för fortlevnadsvarning skapades i Excel-filen där utfallet från granskning av årsredovisning redovisades. Vid genomgången av revisionsberättelserna kontrollgranskades även ifall revisorns namn och revisionsbyrå stämde överens med uppgifterna Infotorg uppgett vid inhämtningen från företagsupplysningstjänsten. I de fall de inte stämde överens ändrades de till den revisor samt revisionsbyrå som upprättat senaste revisionsberättelsen. För att hålla isär de olika utfallen kodades revisorsanmärkningar GC med hänsyn till om revisorn hade uttryckt tvivel om fortsatt drift - en fortlevnadsvarning. I de fall där revisorn ej upplyst angående tvivel om den fortsatta driften användes koden EJ. Vidare användes koden ET för de årsredovisningar där revisionsberättelse saknas och koden A där revisorn avstått från att uttala sig på grund av bristande material. För att ge en mer överskådlig och visuell bild användes färgformatering i cellerna under denna kolumn. Grön färg formaterades då revisorn hade rätt i och med att en fortlevnadsvarning förekommit, medan röd färg indikerade att en felaktig 20

28 fortlevnadsbedömning förelåg då ingen fortlevnadsvarning utfärdats. Vidare användes gul färgkodning för de företag där revisionsberättelse saknades och en blå färg där revisorn avstått från uttalande. Vid framräkningen av det statistiska sambandet kodades förkortningarna om i Minitab till nummerserier där EJ=1 och GC= Z -modellen De fyra nyckeltalen och Z -värdet räknades fram genom kopplade formler i Excel. I Excel-filen skapades egna kolumner för samtliga nyckeltal i modellen, samt ytterligare en kolumn med en formel för beräkning av Z -modellen. Färgformatering genomfördes i Z -värde-kolumnen för att ge en mer överskådlig och visuell bild av utfallet. Färgformateringen var inställd på modellens brytpunkter för vad som anses vara ett friskt respektive sjukt företag. Grön färg formaterades i de fall konkursprediktionsmodellen visade att företaget var sjukt för att modellen därmed hade rätt i sin bedömning. En röd färg formaterades i de bedömningar konkursprediktionsmodellen ansåg att företaget var friskt och därmed hade fel i sin bedömning. En grå färgformatering innebar att företaget legat i gråzonen Sammanställning av träffsäkerhet Resultaten för de båda träffsäkerheterna sammanställdes under egna flikar i Excel-filen. Vid sammanställning av träffsäkerheterna för både fortlevnadsvarningarna och Z -modellen användes formeln COUNTIFS för att summera antalet iakttagelser. I samtliga sammanställningar genomfördes kontrollsummeringar för att säkerställa att samtliga observationer var medtagna i sammanställningen. Z -modellens resultat sammanställdes genom att använda formeln COUNTIFS i Excel där värdena beroende på brytpunkterna ställdes in. Revisorers fortlevnadsvarningar sammanställdes genom att i Excel räkna antalet kodningar GC och EJ. Efter sammanställningen räknades andelen korrekta bedömningar och felbedömningar ut. Samma arbetsgång genomfördes även för att få ut träffsäkerheten beroende på kön och revisionsbyrå. För att få fram träffsäkerheten bland Big Four -byråerna räknades antal korrekta och felaktiga bedömningar på samtliga fyra byråer. Dessa summerades sedan för att visa utfallet av de fyra byråerna på en aggregerad nivå. Träffsäkerheten för övriga revisionsbyråer sammanställdes genom att Excel räknade fram samtliga byråer som inte var med i Big Four Sammanställning av nyckeltalens medelvärde De olika nyckeltalens medelvärden beräknades i Minitab i samband med de utförda t-testerna. I t- testerna framgick medelvärden för ifall revisorer gett en fortlevnadsvarning eller ej. För att beräkna de totala medelvärdena för nyckeltalen, oberoende om företagen erhållit en fortlevnadsvarning eller ej, användes Excel. 21

29 4.7.5 Tolkning av resultat och samband Det insamlade resultatet tolkades genom att analysera medelvärden på nyckeltal beroende på om revisorn utfärdat en fortlevnadsvarning eller inte. Statistiska samband säkerställdes med hjälp av t-test i Minitab. I testerna användes en signifikansnivå på 95 %. Enligt Moore, McCabe och Craig (2012) ska ett t-värde vara så högt som möjligt, och den kritiska gränsen för t-värdet med 95 % signifikansnivå är 1,96. Vidare menar Moore et al., (2012) att p-värdet ska vara så lågt som möjligt och har en kritisk gräns på 0,05 för att resultatet ska vara signifikant. Därmed tolkades de resultat med t- och p-värden utanför de kritiska värdena som att samband ej förelåg. 4.8 Metodproblem Trovärdigheten i en studie bedöms i hög grad av begreppen validitet och reliabilitet. Validitet berör huruvida måtten och indikatorerna mäter det som faktiskt är avsett att mätas. Framförallt vid framtagandet av nya mått är det viktigt att testa de olika aspekterna av validitet föra att försäkra att måttet i fråga är användbart för att mäta det den är tänkt för (Bryman & Bell, 2013). I denna studie utvecklas inga nya begrepp. De mått och begrepp som används härstammar från etablerade modeller och teorier. Ett exempel är en av variablerna från Altmans Z -modell och beräknas som eget kapital dividerat med totala skulder (Altman & Hotchkiss, 2006). Detta mått ska vara en indikation på företagets soliditet. Validiteten hos detta mått kan anses vara hög då det faktiskt mäter relationen mellan eget kapital och skulder vilket avspeglas i soliditeten. Vidare är samtliga använda nyckeltal väl etablerade med tydliga definitioner. Validiteten förstärks då studien faktiskt mäter träffsäkerheten hos revisorernas fortlevnadsvarningar kontra Z -modellen i att förutsäga en konkurs. Reliabilitet berör pålitligheten och följdriktigheten hos måtten och dess mätningar. En hög reliabilitet innebär att måtten anses pålitliga och stabila vilket medför att en ny mätning som görs längre fram i tiden ska ge liknande resultat vilket medför att resultaten med andra ord inte ska fluktuera över tiden (Bryman & Bell, 2013). Reliabiliteten i studien förstärks då revisorernas fortlevnadsvarningar är tolkade objektivt beroende på om de konkursdrabbade företagen de facto hade fått en fortlevnadsvarning eller ej. Vidare har Z -modellen beräknats matematiskt utan subjektiva bedömningar. Ett problem avseende studiens reliabilitet är hänförlig till datainsamlingen och främst urvalet av bolagen. För att få en fullständighet av samtliga konkursbolag inom det avgränsade området gjordes försök att få tillgång till en fullständig lista med konkurser av Bolagsverket. Enligt Bolagsverket gick det endast att sortera på de bolag med kod för konkurs inledd och inte vilket datum de erhållit dessa. Därmed var deras tjänst ej tillämplig på studien då det ej går att fastställa när konkursen inleddes. Lösningen på problemet var att företagens organisationsnummer inhämtades manuellt via Allabolags (Allabolag, u.å) hemsida. Tillförlitligheten på Allabolag jämfört med Bolagsverket bedöms lägre då det inte är en förstahandskälla. Detta ses dock inte som ett problem då Allabolag bedöms som en tillförlitlig källa. De är en del av UC-koncernen som ägs av bland annat flertalet stora banker (Allabolag, u.å) och hämtar enligt deras hemsida sina uppgifter från kronofogden och uppdateras fem gånger i veckan (UC, 2017). 22

30 Vid kartläggning av fortlevnadsvarningarna användes först Infotorgs tjänst där ett av urvalskriterierna var Revisorsanmärkning. Revisorsanmärkning enligt Infotorgs tjänst behandlar alla avvikelser från en ren revisionsberättelse. Koder finns för bland annat allmänna upplysningar samt ifall likvidationsplikt anses föreligga efter upprättad kontrollbalansräkning. Ett stickprov togs på infotorgs revisorsanmärkningar vilket pekade på att dessa ej var tillförlitliga och därmed valdes det att gå igenom samtliga revisionsberättelser för att höja reliabiliteten. Ett annat problem med inhämtningen via Infotorgs företagsupplysningstjänst uppkom då bland annat totala skulder inte gick att inhämta. För att stärka reliabiliteten genomfördes en handpåläggning där samtliga årsredovisningar undersöktes och nyckeltal noterades. Ett eventuellt problem hänförligt till studiens trovärdighet och äkthet är de beräknade finansiella nyckeltalen. Dessa nyckeltal har beräknats via Excel med flertalet formler varför det finns en risk för felberäkningar. Detta eventuella problem motarbetades genom att gå igenom samtliga celler med formler. Manuella kontrollberäkningar skedde även med stickprover för att säkerställa att formler och beräkningar var korrekta. De beräknade nyckeltalen anses därför ha beräknats på ett korrekt sätt. De flesta nyckeltalen inhämtades direkt från infotorg och kontrollräknades manuellt med stickprov för att säkerställa äktheten. 23

31 5. Resultat I detta kapitel presenteras resultatet av den genomförda undersökningen. Först framförs den övergripande träffsäkerheten hos revisorernas fortlevnadsvarningar samt hos Z -modellen. Därefter presenteras fördjupade resultat om fortlevnadsvarningarna och dess påverkan från revisorns kön samt revisionsbyrå. Vidare presenteras resultatet från de utvalda nyckeltalen och deras samband med revisorernas fortlevnadsvarningar. 5.1 Grad av träffsäkerhet I avsnittet presenteras träffsäkerheten för både revisorernas fortlevnadsvarningar och Z -modellen. Vidare redogörs resultatet för huruvida kön på revisorn och vilken revisionsbyrå revisorn tillhör påverkar resultatet. Avslutande i avsnittet jämförs träffsäkerheten mellan revisorernas fortlevnadsvarningar och Z -modellen Träffsäkerhet för revisorers fortlevnadsvarningar I figuren nedan presenteras studiens resultat avseende revisorernas träffsäkerhet på fortlevnadsvarningar. Grad av träffsäkerhet avseende revisorers fortlevnadsbedömningar 23,51% 76,49% Fortlevnadsvarning Ingen varning Figur 1: Grad av träffsäkerhet avseende revisorers fortlevnadsvarningar. Resultatet visar att revisorerna hade en träffsäkerhet på 23,51 %, vilket innebär att de gav en fortlevnadsvarning till 79 av de konkursdrabbade företagen. Detta medför att de träffade fel på 76,49 % av bolagen, alltså 257 av de 336 undersökta konkursdrabbade företagen, se figur 1. Resultatet visar att revisorerna misslyckades med att förutsäga majoriteten av de studerade konkurserna. 24

32 Träffsäkerhet beroende på revisorns kön Nedan presenteras revisorernas träffsäkerhet med hänsyn till revisorns kön. Grad av träffsäkerhet beroende på kön 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00% 23,16% Män 25,49% Kvinnor Figur 2: Träffsäkerhet beroende på revisorns kön. Resultatet visar att det inte finns någon signifikant skillnad på träffsäkerheten hos revisorerna beroende på revisorns kön. De manliga revisorerna hade en träffsäkerhet på 23,16 %, och kvinnorna hade en träffsäkerhet på 25,49 %, se figur 2. De kvinnliga revisorerna hade således cirka 2 %-enheter högre träffsäkerhet än män i att förutsäga konkurser gällande de studerade bolagen. 25

33 Träffsäkerhet beroende på revisionsbyrå I figur 3a nedan presenteras träffsäkerheten beroende på om revisorns revisionsbyrå tillhörde Big Four eller inte. Figur 3b presenterar hur träffsäkerheten skiljde sig åt bland Big Four -byråerna. Grad av träffsäkerhet beroende på revisionsbyrå Grad av träffsäkerhet Big Four-byråer 50,00% 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00% 26,60% 22,31% Big Four Övriga revisionsbyråer 50,00% 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00% 45,45% 33,33% 10,34% 0,00% PwC KPMG EY Deloitte Figur 3a: Träffsäkerhet för Big Four och övriga, 3b: Träffsäkerhet för Big Four -byråerna. Resultatet visar att träffsäkerheten skiljer sig åt beroende på storleken hos revisionsbyrån som utfört revisionen. Av de totalt 336 undersökta bolagen reviderades 242 av bolagen av mindre byråer, medan 94 av bolagen reviderades av Big Four -byråer. De mindre revisionsbyråerna uppnådde tillsammans en genomsnittlig träffsäkerhet på 22,31 %, vilket innebär att de gav en varning till 54 av 242 bolag, se figur 3a. Big Four -byråerna hade tillsammans en genomsnittlig träffsäkerhet på 26,6 % då de gav en fortlevnadsvarning till 25 av 94 bolag. Resultatet visar därmed att Big Four -byråerna varnade i högre utsträckning än de mindre byråerna. PwC reviderade 36 av bolagen och gav en fortlevnadsvarning till tolv av dessa, vilket medför en träffsäkerhet på 33,33 %. KPMG utförde revision på 22 av bolagen och gav en fortlevnadsvarning till tio av dessa, vilket medför en träffsäkerhet på 45,45 %. Deloitte reviderade totalt sju av de undersökta bolagen men gav inte en fortlevnadsvarning till någon av dessa, vilket medför en träffsäkerhet på 0 %. EY reviderade 29 av bolagen och gav en fortlevnadsvarning till endast tre av dessa bolag, vilket resulterar i en träffsäkerhet på 10,34 %, se figur 3b. Resultatet pekar på att det finns en skillnad avseende träffsäkerheten på fortlevnadsvarningarna beroende på vilken av de fyra byråerna som utfört revisionen. Dock kan det ifrågasättas huruvida urvalet är stort nog för att kunna generera ett trovärdigt resultat då exempelvis Deloitte endast reviderade sju bolag. Resultatet pekar på en större skillnad på träffsäkerheten internt mellan Big Four -byråerna, där KPMG och PwC visade en högre träffsäkerhet än EY och Deloitte, se figur 3b ovan. Av resultatet skiljer sig träffsäkerheten åt beroende på vilken revisionsbyrå revisorn tillhör. 26

34 5.1.2 Träffsäkerhet för Z -modellen I figur 4a och 4b nedan presenteras resultatet för Z -modellens träffsäkerhet beroende på om gråzonen i modellens resultatintervall räknas med eller ej. Grad av träffsäkerhet Z"-modellen med gråzon Grad av träffsäkerhet Z"-modellen utan gråzon 100,00% 80,00% 60,00% 40,00% 25,89% 16,96% 57,14% 100,00% 80,00% 60,00% 40,00% 31,18% 68,82% 20,00% 20,00% 0,00% 0,00% Figur 4a och 4b: Träffsäkerhet för Z -modellen beroende på om gråzoner räknas med eller ej. Av de 336 analyserade aktiebolagen indikerade Z -modellen att 192 av dessa skulle gå i konkurs, vilket motsvarar en träffsäkerhet på 57,14 %. 57 av de undersökta bolagen hamnade i gråzonen, vilket motsvarar 16,96 % av urvalet. Modellen träffade fel på 87 av bolagen, vilket innebär att modellen felaktigt bedömde 25,89 % av bolagen som friska. I figur 4a ovan visas det totala utfallet uppdelat på om modellen visade att bolaget skulle gå i konkurs, inte gå i konkurs eller om bolaget hamnade i gråzonen. I figur 4b utesluts de bolag som hamnade i gråzonen ur resultatet. När gråzonen plockats bort summerar kvarvarande bolag till 279 stycken. Av dessa träffade modellen rätt på 192 stycken (68,82 %) och träffade fel på 87 stycken (31,18 %), se figur 4b ovan. Som framgår av figurerna medför en exkludering av gråzonen att modellens träffsäkerhet förbättras från 57,14 % till 68,82%. 27

35 5.1.3 Jämförande av träffsäkerhet I figur 5 nedan sammanställs resultatet från revisorernas fortlevnadsvarningar och Z -modellen. Grad av träffsäkerhet Revisorer & Z"-modellen 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 76,49% 23,51% Revisorer Rätt Fel Gråzon 25,89% 16,96% 57,14% Z"-modellen Figur 5: Sammanställning av träffsäkerhet för revisorer samt Z -modellen. Av figur 5 framgår att träffsäkerheten skiljer sig åt mellan revisorernas fortlevnadsbedömningar och Z -modellen. Revisorerna gav fortlevnadsvarningar på 79 av bolagen vilket motsvarar 23,51 % medan Z -modellen lyckades förutspå konkurser i 192 av fallen vilket motsvarar 57,14 %. Z - modellen lyckades därmed förutspå fler än dubbelt så många konkurser som revisorerna med deras fortlevnadsvarningar. 28