Détection et quantification de manipulations comptables autour d’un seuil psychologique avec R

Marie Chavent (), Delphine Féral (), Jérôme Saracco (), Véronique Darmendrail and Frédéric Pourtier ()
Additional contact information
Marie Chavent: ASTRAL - Méthodes avancées d’apprentissage statistique et de contrôle - IMB - Institut de Mathématiques de Bordeaux - UB - Université de Bordeaux - Bordeaux INP - Institut Polytechnique de Bordeaux - CNRS - Centre National de la Recherche Scientifique - Centre Inria de l'Université de Bordeaux - Inria - Institut National de Recherche en Informatique et en Automatique - UB - Université de Bordeaux - Bordeaux INP - Institut Polytechnique de Bordeaux - Naval Group
Jérôme Saracco: ASTRAL - Méthodes avancées d’apprentissage statistique et de contrôle - IMB - Institut de Mathématiques de Bordeaux - UB - Université de Bordeaux - Bordeaux INP - Institut Polytechnique de Bordeaux - CNRS - Centre National de la Recherche Scientifique - Centre Inria de l'Université de Bordeaux - Inria - Institut National de Recherche en Informatique et en Automatique - UB - Université de Bordeaux - Bordeaux INP - Institut Polytechnique de Bordeaux - Naval Group

Post-Print from HAL

Abstract: Cette communication présente l'implémentation dans R d'une nouvelle méthode statistique d'identification/détection et de quantification des manipulations de données comptables autour de seuils psychologiques, comme le résultat nul, la variation nulle de résultat ou, le résultat anticipé par le consensus des analystes et investisseurs. La méthode devrait aussi permettre l'analyse/ comparaison des manipulations entre diverses sous-populations. Notons que, si l'illustration actuelle est faite avec des problématiques et des données comptables, les codes et méthodes développés peuvent être utilisés dans d'autres champs, pour l'étude des comportements face à des effets de seuils psychologiques. Plus précisément, un algorithme de type EM a été proposé pour estimer les paramètres sousjacents du modèle considéré, qui est un modèle de mélanges (impliquant une loi Exponentielle pour modéliser le comportement des manipulateurs, et un mélange de deux distributions Gaussiennes pour modéliser le comportement d'un individu n'ayant pas manipulé). Un test d'adéquation des données au modèle est disponible. La méthode fournit des intervalles de confiance Bootstrap pour les paramètres estimés du modèle. De plus, différentes représentations graphiques sont possibles via l'utilisation de la fonction plot. Après avoir évalué le bon comportement numérique de la méthodologie sur des données simulées, l'approche proposée est illustrée sur des données réelles pour étudier la gestion des bénéfices. Les diverses fonctions R sont faciles à mettre en oeuvre sur des benchmarks de performance financière ou extra-financière ou en dehors du domaine de la comptabilité. Un package R sera bientôt disponible publiquement.

Keywords: algorithme EM; Modèle de mélange; gestion du résultat comptable (search for similar items in EconPapers)
Date: 2025-05-19
References: Add references at CitEc
Citations:

Published in 11èmes Rencontres R, May 2025, Mons, Belgique

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-05466933

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().