Nella dichiarazione annuale 10-K della Securities and Exchange Commission (SEC) degli Stati Uniti per l'anno finanziario che termina il 31 luglio, 2008, Il rivenditore di gioielli americano Zale Corporation ("Zales") ha menzionato le parole "pubblicità" o "pubblicità" 17 volte. Un anno dopo, quelle stesse parole sono apparse più del doppio in 41 volte.

Per allora, la SEC aveva avviato le indagini dopo che la società aveva ritardato la pubblicazione dei risultati del quarto trimestre. Successivamente si è scoperto che Zales aveva capitalizzato in modo improprio i costi della pubblicità televisiva dal 2004 al 2009, anche se pochi si erano accorti di cosa stava succedendo.

In un metodo presentato in una nuova ricerca dell'assistente professore di contabilità SMU Richard Crowley, questa segnalazione errata intenzionale avrebbe fatto suonare i campanelli d'allarme ben prima che la SEC iniziasse a fare domande.

"Sono al 97esimo percentile o superiore nel nostro modello in ogni singolo anno dal secondo anno di segnalazione errata in poi, "dice il professor Crowley, riferendosi alla tecnica di apprendimento automatico descritta nel documento "Cosa stai dicendo? Utilizzo dell'argomento per rilevare segnalazioni errate finanziarie". "Il 97esimo percentile qui significa che il loro punteggio sul nostro modello di rilevamento delle segnalazioni errate era superiore al 97 percento delle società pubbliche statunitensi".

E aggiunge:"Il modello viene eseguito annualmente, quindi ciò significa che per ogni anno del 2005, 2006, ... 2009, Zales ha ottenuto un punteggio di rilevamento di segnalazioni errate più alto del 97 percento delle aziende pubbliche quell'anno".

Qual è la parola?

Il professor Crowley spiega che la ricerca ignora completamente i numeri:"Se i manager riferiranno in modo errato i numeri, lo faranno in modo credibile"—e invece guarda cosa c'è scritto, a cui la ricerca fa riferimento come 'argomento'.

Insieme ai professori Nerissa Brown e Brooke Elliott del Gies College of Business dell'Università dell'Illinois Urbana-Champaign, Il professor Crowley ha analizzato oltre 3 miliardi di parole in documenti 10-K dal 1994 al 2012 per vedere in che modo certi argomenti prevedevano in modo affidabile segnalazioni errate intenzionali. In alcuni campioni, la ricerca ha migliorato la previsione di false segnalazioni intenzionali del 59%.

"L'unica differenza fondamentale quando parli di cose mentre menti è che sei molto intenzionale sugli argomenti che scegli di discutere, "elabora, indicando l'esempio di Enron.

"Parlano solo di aumenti di reddito e hanno un'enorme quantità di discussioni al riguardo, " Il professor Crowley osserva. Il rapporto annuale 1999 della Enron serve come ottimo esempio, citando "l'accelerazione del ritmo sbalorditivo dell'innovazione commerciale di Enron" per un aumento delle entrate del 28% a 40 miliardi di dollari rispetto a un anno fa, così come un aumento del 37% dell'utile netto prima delle voci non ricorrenti a 957 milioni di dollari.

Il professor Crowley individua una frase che la Enron usava spesso nei suoi 10-K:"rispetto a". Lui spiega:

"Le aziende dicono sempre cose come, 'Questo è il nostro reddito nel 2011 rispetto al reddito nel 2010, ' e danno sempre previsioni sul reddito, margini lordi ecc.

"Ma poi hai le tasse sul reddito, reddito da interessi, profitto, queste sono solo le frasi generali che compaiono. Quando abbiamo selezionato le frasi più rappresentative per ciascuno di questi argomenti, abbiamo trovato frasi come "l'utile operativo è stato di $ 122,1 milioni nel 2011 rispetto ai $ 113,9 milioni nel 2010, un aumento del 7,8 per cento.' Questa è una struttura estremamente comune da vedere in questi documenti.

"Quindi, quando parliamo di Enron, hanno frasi del genere, ma ne hanno molti di più di chiunque altro abbia mai fatto, sia nel 1999 che in tutta la storia del nostro campione".

Dato il presunto numero di affari che Enron ha avuto che ha generato tutte quelle entrate, potrebbe avere più senso leggere nelle sue relazioni annuali cose come l'acquisizione di fonti per i suoi contratti energetici, Note del professor Crowley. Anziché, si trattava in gran parte "di cifre relative alle entrate e alle cifre relative al reddito", osserva.

Quindi c'è un punto di svolta nel numero di volte in cui un argomento appare che è una bandiera rossa? O il tipo di parole usate?

"Non esiste una sorta di barometro costante per questo, " Il professor Crowley dice all'Ufficio per la ricerca e il trasferimento tecnologico. "Non posso dire che se ne parlassero il X percento delle volte, li abbiamo presi. Dipende da molti fattori. E molti di questi fattori sono specifici del settore, e alcuni sono specifici dell'azienda.

"[Dipende anche da] se sei in recessione rispetto a se non sei in recessione. Allo stesso modo, se sei una società finanziaria contro un'azienda sanitaria, o una compagnia telefonica contro un produttore di acciaio, [gli argomenti da cercare] dovrebbero essere tutti diversi".

Non puoi giocare a ciò che non conosci

Il professor Crowley e i suoi collaboratori hanno impiegato oltre 20 diverse variabili testuali nel loro modello predittivo, compreso l'uso del Fog Index per la leggibilità.

Mentre l'intuizione suggerirebbe un 10-K di facile lettura per essere trasparente, Il professor Crowley ribatte dicendo "potrebbe essere perché hanno tralasciato tutti i dettagli". Allo stesso modo, sentimenti positivi come quelli espressi da Enron potrebbero essere segnali di false segnalazioni intenzionali, anche se è impossibile essere sicuri al 100%.

"Ci vogliono solo sei secondi per percorrere un 10-K con il nostro modello, Il professor Crowley afferma, pur osservando che la SEC ha adottato parti del suo modello per scoprire segnalazioni errate intenzionali. Ma la domanda deve essere posta:le aziende che cercano di fuorviare il mercato possono studiare l'algoritmo per battere la SEC nel suo stesso gioco?

"L'unica cosa bella di questo algoritmo è che cambia ogni anno, "elabora, indicando la combinazione di parole che compongono gli argomenti su cui lavora l'algoritmo. "Le aziende non sanno quale sarebbe l'obiettivo del regolatore, anche se stanno usando il nostro algoritmo."

"Il vantaggio è che se sei un'azienda che cerca di manipolare, non sai nemmeno qual è l'obiettivo."