El test de factor de tamaño relativo (RSF Test) como herramienta para la detección de errores o fraudes y su implementación en Excel.

La auditoría forense vs la auditoría de cuentas anuales.

En el mundo anglosajón  y en América latina la auditoría forense (Forensic accounting) es una disciplina normalizada y con el concreto objetivo de detectar, identificar y perseguir el fraude con un foco financiero-contable y con un impacto significativo en las empresas y organizaciones, mientras que en España es una actividad que se encuadra de forma más genérica dentro de lo que se denomina economía forense.

Uno de los grandes problemas que tiene la auditoría de cuentas anuales en Europa es el “gap” existente entre el objetivo para el cual sus procedimientos están diseñados, esto es, dar una opinión en relación con la calidad de los estados financieros, y lo que los usuarios esperan de los auditores y es que seamos algo así como una policía financiera que persiga el fraude.

La auditoría de cuentas anuales no está diseñada específicamente para identificar y perseguir el fraude, aun cuando exista una norma específica sobre esta cuestión (la Norma Internacional de Auditoría -NIA ES- 240). Tal y como se indica en dicha norma, sus limitaciones son significativas pues una actividad fraudulenta puede conllevar planes sofisticados y organizados para su ocultación. Debido a las limitaciones de una auditoría, existe un riesgo inevitable de que puedan no detectarse incorrecciones significativas en los estados financieros.

En este contexto, existe una abundante literatura anglosajona enfocada al diseño de métodos y técnicas para la investigación contable forense y donde, personalmente, destacaría a uno de mis autores favoritos (Mark Nigrini) un profesor de contabilidad de la Universidad Norteamericana de West Virginia famoso por sus investigaciones para detectar fraudes en datos financieros mediante la aplicación del patrón de la Ley de Benford.

El test del factor de tamaño relativo.

Una de las técnicas que los auditores forenses utilizamos para detectar errores es el denominado RSF Test, que podríamos traducir com test de factor de tamaño relativo. Existen documentados una gran variedad de casos de fraude/error identificados gracias a la aplicación de dicho test. A través de este comparamos grandes importes con un punto de referencia para ver en qué medida son grandes en relación con cierto patrón.

Como ejemplo de fraude con cierta notoriedad detectado mediante el citado análisis puede citarse el de una famosa compañía de ropa deportiva con base en Oregón, Estados Unidos. Los auditores forenses estaban preocupados por la posibilidad de que se pudieran estar vendiendo productos con elevado descuento sobre el precio normal de venta de forma no autorizada. El objetivo era encontrar ventas de productos a precios muchos más bajos que el precio medio de venta, por lo que la fórmula establecida para el análisis era el mínimo importe para cada SKU (stock keeping unit) o número de referencia en castellano entre el precio medio de venta por unidad para cada SKU. En este caso utilizando como subconjunto de datos el SKU  y como variable numérica el precio por unidad, el análisis mostró ventas de productos con precios cercanos a cero.

El test identifica subconjuntos de importes donde la cuantía mayor no está en relación con el resto de las cuantías del subconjunto de datos, lo que puede deberse bien a que dichos registros con un importe “anómalo” en realidad pertenecen a otro subconjunto de datos o bien a que dicho registro está anotado con un importe erróneo, lo que a su vez puede ser un indicio de fraude.

La fórmula del RSF Test comúnmente utilizada es como se indica a continuación:

Factor de tamaño relativo= (Registro de mayor importe en el subconjunto de datos)/(Registro con el segundo mayor importe en el subconjunto de datos)

Esta fórmula divide el importe de mayor cuantía en el subconjunto de datos entre el segundo importe de mayor cuantía, para dar un ratio mayor que 1,00. No obstante, los economistas forenses adaptamos la fórmula en función del objetivo que perseguimos para poner el foco en aquellos valores que se consideren verdaderamente atípicos. Como adaptaciones de dicha fórmula podemos considerar:

a) incluir como divisor el promedio de las cantidades del subconjunto;

b) incluir como divisor el promedio de las cantidades del subconjunto excluyendo las cifras más altas y

c) considerar la ratio como el registro de menor tamaño en el subconjunto dividido entre el importe promedio del subconjunto, para localizar errores o fraudes basados en subestimaciones.

Ejecutando el RSF Test en Excel.

Ejecutar el test mediante programación presenta alguna dificultad puesto que hay que considerar la siguientes situaciones:

  • Una complicación puede ser el hecho de la existencia de un subconjunto de datos con un único registro, por lo que no existe un RSF válido al no tener un segundo importe con el que comparar. Dichos subconjuntos de datos deben ser eliminados.
  • El grado de variabilidad de los números del subconjunto de datos (el estadístico que conocemos como desviación típica) no debería ser elevado pues de otro modo el test pierde calidad, al comparar datos que están muy dispersos. En este caso habría que replantearse si los importes de los subconjuntos que pretendemos analizar son verdaderamente homogéneos.
  • También es una buena idea excluir del análisis aquellos registros de importe reducido para evitar anómalas influencias en los resultados. Lo que se considere un importe reducido estará en función del importe promedio de la variable en el subconjunto analizado.
  • Además, números positivos inferiores a la unidad incrementarían artificiosamente el RSF, al incluir en el divisor un número mayor que cero y menor que la unidad.
  • Finalmente, también hay que considerar que la inclusión de números negativos podría darnos un RSF negativo, lo que conceptualmente no tendría sentido, por lo que es necesario evaluar su exclusión dentro del contexto en que el análisis es realizado.

No obstante lo anterior, existen algunos procedimientos que permiten realizar dicho análisis en Excel sin una especial dificultad, como por ejemplo, mediante la utilización de tablas dinámicas con filtro junto con la función “Y” y “SI”.

Ejemplo de aplicación del test de factor de tamaño relativo en Excel.

Supongamos que el subconjunto que queremos analizar  es el de las ventas realizadas por cada vendedor de la empresa y en nuestro “Data” de cada venta tenemos la información de su importe, número de factura y código del vendedor que la ha realizado.

  • Con esta información creamos una tabla dinámica incluyendo en las filas el código de vendedor y el número de factura y su cuantía en las columnas.
  • En cualquiera de las celdas que contienen el número de factura, si accedemos con el botón derecho del ratón a las opciones disponibles, obtendremos la posibilidad de filtrar los datos, escogiendo la opción “Las 10 mejores…”.

  •  A continuación, en el cuadro de diálogo seleccionamos los dos elementos superiores del campo total factura.

  • Ahora tenemos, para cada código de vendedor, las dos facturas con mayor importe. Hecho esto copiamos la tabla dinámica en una nueva hoja.
  • En esta nueva hoja, en la columna D usaremos la función “SI”. Esta función nos proporcionará el valor “1” para el importe de la factura más grande para cada vendedor y el valor “2” para el segundo importe más grande.

D4=SI(A4=A2;D3+1;1)

  • Introduciendo el uso combinado de la función “SI” y la función “Y” obtenemos el segundo importe más grande de la venta de cada vendedor en la misma fila que hemos obtenido el primer importe más grande. La fórmula a introducir en la celda E3 sería como sigue:

E3=SI(Y(A3=A4;D4=2);C4;0)

  • Finalmente, en la columna F podemos calcular el RSF para cada vendedor y aplicarlo a todas sus ventas en busca de posibles desviaciones de la normalidad. Las celdas vacías pueden eliminarse al tratarse de vendedores con sólo una factura u operación de venta.

A partir de aquí, una vez determinado el RSF para cada vendedor, podemos analizar la existencia de cifras y patrones anómalos. Esto no significa que cada anomalía sea un indicio de fraude, pero sí es lo que en términos anglosajones se conoce como “red flag“, esto es, una situación que necesita de un análisis más profundo para obtener la conformidad.

Conclusiones de la aplicación del RSF Test.

El RSF Test es una buena herramienta para detectar errores y fraudes. Identifica un subconjunto de magnitudes donde las cantidades más elevadas (o las más pequeñas, depende de la orientación de la prueba) parecen estar fuera de la normalidad en relación con el resto del conjunto de datos donde se encuentran incluidos.

Implementar dicho test mediante Excel es relativamente sencillo (al menos en relación con el uso de otras alternativas como la base de datos Acces), siempre que el diseño de la prueba tenga en cuenta la homogeneidad de los datos, la ausencia de importes demasiado pequeños, especialmente aquellos por debajo de la unidad, así como los números negativos.

Un RSF grande es más indicativo de un error cuando el subconjunto de datos tiene muchos registros. Cuantos más registros tiene el subconjunto de datos analizados, más se destaca del resto el importe más grande. La regla general es que cuanto más grande es el subconjunto, más sospechoso es un RSF elevado.

 

@ Javier López Gonzálvez

@ Sinderiza CB

Foto: Unplash. CCO.

 

 

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies