Corresponding author: Niels Nieuw Amerongen ( niels@vna-aa.nl ) Academic editor: Barbara Majoor
© 2019 Niels Nieuw Amerongen, Nathalie Evers, Joost van Buuren.
This is an open access article distributed under the terms of the Creative Commons Attribution License (CC BY-NC-ND 4.0), which permits to copy and distribute the article for non-commercial purposes, provided that the article is not altered or modified and the original author and source are credited.
Citation:
Nieuw Amerongen N, Evers N, van Buuren J (2019) De waarderelevantie van kernpunten in de controleverklaring voor de kapitaalmarkten. Maandblad Voor Accountancy en Bedrijfseconomie 93(1/2): 57-68. https://doi.org/10.5117/mab.93.30585
|
In dit artikel onderzoeken wij wat de invloed is van de nieuwestijlcontroleverklaring op de besluitvorming van investeerders in Nederland en Engeland. Uit onze regressieanalyse blijkt geen steun te worden gevonden voor de op basis van beschikbare onderzoeksliteratuur opgestelde hypotheses. Aanvullend uitgevoerde verkennende analyses laten zien dat het soort kernpunten verband houdt met de omvang van de onderneming en de branche.
verwachtingskloof, controleverklaring, kernpunten, investeerders
Deze studie biedt inzicht in welke kernpunten (en gerelateerde informatieaspecten) in de controleverklaring waarderelevant zijn voor investeerders (in termen van koersreactie). Daarmee kan de investeerder deze onderzoeksresultaten mee laten wegen in ex ante of ex post investeringsbeslissingen.
Onderzoeken naar de invloed van de controleverklaring op beslissingen van gebruikers vinden haar oorsprong in de expectation gap. Volgens
Het formuleren van kernpunten in de controleverklaring brengt niet met zich mee dat de accountant vakinhoudelijk extra werkzaamheden uitvoert, en raakt daarmee niet de performance gap. Door de extra uitleg die de accountant geeft in de controleverklaring over de kernpunten van de controle krijgt een gebruiker meer zicht op de focusgebieden in de controle, waaraan de accountant specifieke aandacht heeft besteed. Daarmee zou de nieuwestijlcontroleverklaring kunnen bijdragen aan het formuleren van realistischer of meer inhoudelijke verwachtingen van gebruikers ten aanzien van de accountantscontrole.
In het achterliggende decennium is sprake geweest van zorg vanuit Amerikaanse en internationale standard setters over mogelijk verkeerde percepties die gebruikers hebben bij een goedkeurende controleverklaring. Dit vormde de achtergrond waartegen de Public Company Accounting Oversight Board (PCAOB) en International Auditing and Assurance Standards Board (IAASB) het reporting model op de agenda hebben geplaatst (
In deze empirische studie is de volgende onderzoeksvraag geformuleerd: Welke invloed heeft de nieuwestijlcontroleverklaring op de besluitvorming van de investeerders? Hieruit hebben wij de volgende deelvragen afgeleid:
De verdere opbouw van dit artikel is als volgt. In paragraaf 2 verkennen we de theoretische achtergronden betreffende de waarderelevantie van kernpunten in de controleverklaring. Op basis van dit literatuuronderzoek formuleren we aansluitend een vijftal onderzoekshypothesen en vatten we dit onderzoek samen in een conceptueel model. Paragraaf 3 beschrijft de opzet van het uitgevoerde onderzoek. De uitgevoerde statistische analyses ter toetsing van de hypothesen worden beschreven in paragraaf 4. Ten slotte evalueren we in paragraaf 5 de belangrijkste implicaties van de onderzoeksresultaten met inachtneming van de beperkingen die aan dit onderzoek zijn verbonden.
In deze paragraaf verkennen we de relevante onderzoeksliteratuur betreffende de waarderelevantie van kernpunten in de controleverklaring. Omdat sprake is van een relatief jong onderzoeksdomein bevat het literatuuronderzoek verhoudingsgewijs een relatief groot aantal working papers. Deze paragraaf is als volgt opgebouwd. Eerst verkennen we in 2.1 in algemene zin in hoeverre in eerder onderzoek een relatie mag worden verwacht tussen kernpunten in de controleverklaring en de waarderelevantie uit het oogpunt van investeerders. In de paragrafen 2.2 tot en met 2.5 evalueren we de onderzoeksliteratuur ten aanzien van factoren (kwalitatieve kenmerken van kernpunten) die de hiervoor benoemde relatie kunnen modereren:
We sluiten paragraaf 2 af met een weergave van het conceptuele model.
De beschikbare onderzoeksliteratuur ten aanzien van de relevantie van kernpunten in de controle laat een gemengd beeld zien. Als eerste refereren we aan de studie van
De process-stroming is aanhanger van een lineaire vorm van communicatie, communicatie als een proces. Het wijzigen van bewoordingen of de structuur van een controleverklaring, of het toevoegen van relevante informatie aan de controleverklaring draagt bij aan het overbrengen van de boodschap. De process-stroming maakt geen onderscheid tussen verschillende typen gebruikers (of ontvangers) van de controleverklaring. Nog afgezien van verschillende reacties van verschillende gebruikers bij variaties in terminologie, verschillen de reacties van verschillende gebruikers ook wanneer meer informatie wordt toegevoegd (
Tegenover de studies die rapporteren dat de nieuwestijlcontroleverklaring niet waarderelevant is voor investeerders staan ook andere onderzoeken. Zo onderzochten
Samenvattend is sprake van een aantal onderzoeken die in verschillende contexten verschillende resultaten te zien geven. Gegeven deze mix van resultaten alsmede gezien de onderscheiden stromingen die te onderkennen zijn in relatie tot de communication theory veronderstellen we dat kernpunten in de controleverklaring waarderelevant zijn, zonder dat we hierin op voorhand een richting opnemen.
Hypothese 1: we verwachten dat kernpunten in de controleverklaring waarderelevant zijn voor investeerders.
In de paragrafen 2.2 tot en met 2.5 beschrijven we nu achtereenvolgens verschillende factoren betreffende de informatiekwaliteit in de kernpunten van de controleverklaring. Als eerste gaan we nader in op de moderator “Mate van detail”. Naar de mate van detaillering van geformuleerde kernpunten in de controleverklaring is nog maar weinig onderzoek gedaan. Een recent onderzoek is gepubliceerd in de dissertatie van
Hypothese 2: we verwachten dat meer gedetailleerd beschreven kernpunten in de controleverklaring een positieve invloed hebben op de waarderelevantie van kernpunten voor investeerders.
Een tweede element van informatiekwaliteit betreft de mate van consistentie. Regelgevende instanties benadrukken het belang van consistentie, als aspect van informatiekwaliteit, in de financiële verslaggeving. Een hogere mate van consistentie (het vergelijken van de financiële verslaggeving in de tijd en vergeleken met andere ondernemingen) leidt tot een betere vergelijkbaarheid van jaarrekeningen. Ondanks dat het belang van consistentie in financiële verslaggeving nauwelijks kan worden overschat, zijn er nog maar weinig empirische studies hiernaar gedaan. Een uitzondering hierop vormt het onderzoek van
Meer consistentie in de financiële verslaggeving leidt tot meer waarderelevante informatieverschaffing voor investeerders. In ons onderzoek richten wij ons op deelelementen van de waarderelevantie van kernpunten in de controleverklaring. Voor de wijze waarop we de mate van consistentie betreffende kernpunten in de controleverklaring hebben geoperationaliseerd verwijzen we naar paragraaf 3 in dit artikel. Een belangrijk uitgangspunt van de agency theorie is dat sprake is van informatieasymmetrie tussen agent (het management) en principaal (investeerders). De aanstelling van een onafhankelijke accountant wordt als noodzakelijk beschouwd om de informatieasymmetrie te overbruggen. Voor wat betreft de kernpunten in de controleverklaring redeneren we bij wijze van analogie: als investeerders meer consistente informatie in de financiële verslaggeving waarderelevant vinden (zie het onderzoek van
Hypothese 3: we verwachten dat meer consistent beschreven kernpunten in de controleverklaring een positieve invloed hebben op de waarderelevantie van kernpunten voor investeerders.
Hoewel er al meerdere studies zijn gedaan naar de communicatiekloof tussen accountants en gebruikers (zie onder andere
Hypothese 4: we verwachten dat meer interpretatiegevoelige terminologie in de kernpunten van de controleverklaring een negatieve invloed hebben op de waarderelevantie voor investeerders.
In deze paragraaf staan we ten slotte stil bij de mate van schattingsonzekerheid. Schattingsonzekerheid wordt in de literatuur als volgt gedefinieerd: “Estimation uncertainty is the susceptibility of an accounting estimate and related disclosures to an inherent lack of precision in its measurement on the reporting date” (
Hypothese 5: we verwachten dat kernpunten in de controleverklaring die een hogere mate van schattingsonzekerheid impliceren een positieve invloed hebben op de waarderelevantie voor investeerders.
De in dit onderzoek gehanteerde dataset is samengesteld door studenten MSc Accountancy van Nyenrode Business Universiteit. Zij hebben gezamenlijk informatie uit controleverklaringen van Nederlandse en Engelse jaarrekeningen van beursgenoteerde ondernemingen verzameld. De studenten volgen de Master of Science (MSc) in Accountancy en hebben allen minimaal 1,5 tot 6 jaar werkervaring. De procedure voor het verzamelen van de data bestond uit vier stappen. Eerst is er door de project faculty coördinator instructie gegeven omtrent de wijze van dataverzameling. In stap 2 zijn alle studenten voorzien van een lijst van te raadplegen jaarrekeningen van beursfondsen. Deze lijst is gebaseerd op de bedrijven die beschikbaar zijn in Datastream en de jaarrekeningen zijn geraadpleegd via Company.info. Voor elk beursfonds hebben twee studenten onafhankelijk van elkaar de gegevens verzameld. De gegevens zijn vastgelegd in standaardantwoordformulieren. Tevens werd van iedere student verwacht een logbestand bij te houden met het verloop van de dataverzameling en eventuele problemen. Na inlevering van de formulieren bij de coördinator, is in stap 3 bekend gemaakt welke studenten dezelfde bedrijvenlijst hadden en zij hebben vervolgens hun gegevens met elkaar afgestemd. Bij verschillen hebben zij overlegd wat de juiste uitkomst moest zijn en dit aangepast en dit vastgelegd in een log-document en dit bij de coördinator ingeleverd. In stap 4 zijn alle logbestanden door de coördinator doorgenomen op gemaakte afwegingen en de ingeleverde datasets samengevoegd tot één grote dataset. De samenstelling van de dataset is weergegeven in Table
Table
Samenstelling van de dataset.
Branche | Omvang (controlekosten) | |||||
---|---|---|---|---|---|---|
< 250 | 250 – 1000 | > 1000 | Totaal | %Totaal | ||
Land en bosbouw | 3 | 0 | 0 | 3 | 0 | |
Bouw en infrastructuur | 22 | 24 | 27 | 73 | 10 | |
Voedsel | 2 | 9 | 10 | 21 | 3 | |
Textiel, grafisch en uitgevers | 17 | 14 | 21 | 52 | 7 | |
Chemie en farmacie | 19 | 23 | 5 | 47 | 7 | |
Grondstofwinning | 4 | 8 | 13 | 25 | 4 | |
Duurzame producten | 36 | 22 | 37 | 95 | 13 | |
Transport | 11 | 9 | 28 | 48 | 7 | |
Nutsbedrijven | 4 | 8 | 8 | 20 | 3 | |
Handel | 22 | 28 | 23 | 73 | 10 | |
Dienstverlening | 6 | 20 | 6 | 32 | 4 | |
Computers | 12 | 20 | 23 | 55 | 8 | |
Overige | 76 | 45 | 49 | 170 | 24 | |
Totaal | 234 | 230 | 250 | 714 | 100 | |
%Totaal | 33 | 32 | 35 | 100 |
Om de hypothese te kunnen testen, gebruiken we een regressieanalysemodel dat vergelijkbaar is met het regressiemodel van
Model 1:
MarktReactiejt = b0 + b1..8 Kernpuntenjt + b9 Detailjt + b10..14 Consistentjt + b15...18 Taalgebruikjt + b19..20 Uncertainty+ b21 FeeRatiojt + b22 SchuldRatiojt + b23 LogMVEjt + b24 MtoBjt + b25 LogAuditReportLagjt + b26 ROAjt + b27...38 branche dummiesjt + b39..40 jaardummiesjt + ejt
Waarbij geldt dat j = bedrijf en t = jaar.
De marktreactie is geoperationaliseerd door de abnormale variantie van de dagelijkse koersmutatie (Rjt) te berekenen over een tijdsperiode van openbaarmaking van de jaarrekening (t=0) en de dag erna (t+1) na correctie van de gemiddelde marktreactie in de tijdsperiode (Rmtjt). Deze marktreactie is vervolgens gedeeld door een beursfonds-specifieke benchmark, die berekend wordt op basis van de dagelijkse koersmutatie (RBjt) over de schattingsperiode van 120 (t-120) dagen tot 20 dagen (t-20) voordat de jaarrekening openbaar gemaakt is. Ook deze benchmark wordt gecorrigeerd voor de gemiddelde marktreactie in de schattingsperiode (RmtBjt). De abnormale koersmutaties (AbnRetjt) worden geschat door middel van het volgende model.
Model 2:
AbnRetjt = Rjt – (a1 + a2 Rmtjt)
AbnRetBenchmarkjt = RBjt – (y1 + y2 RmtBjt)
Waarbij de MarktReactiejt = (AbnRetjt)2 / (AbnRetBenchmarkjt)2
In beginsel zou het model ook interactietermen moeten bevatten voor de onderlinge samenhang tussen de attributen van de kernpunten. We hebben dat initieel ook gedaan, maar dit leidt tot te hoge multicollineariteit.
De kernpunten betreffen dummyvariabelen, waarbij 1 = kernpunt van toepassing, 0 = anders. Er zijn negen kernpunten geïdentificeerd: Goodwill, Omzet, Belastingen, (des)investeringen, Pensioenen, Voorzieningen, Bijzondere waardeverminderingen, Management override (het frauderisico van doorbreking van de interne beheersing door de leiding) en/of controls en Overige onderwerpen.
De mate van gedetailleerdheid is geoperationaliseerd door het aantal tekens dat gebruikt is voor de kernpunten in de controleverklaring.
De mate van consistente structuur is geoperationaliseerd als dummyvariabele (1 = van toepassing, 0 = anders): het noemen van één of meer referenties naar jaarverslag, het verwijzen naar standaarden, het kwantificeren van de risico’s (d.w.z. uitdrukken in bijv. Euro- bedragen), of er een nadere uitleg van het risico is gegeven, de controleaanpak is toegelicht en of er een conclusie is geformuleerd (bijv. of interne procedures als effectief zijn beoordeeld).
Het gebruik van vaktechnisch taalgebruik is gemeten door met het gemiddelde aantal keer dat de volgende terminologie is gebruikt in de kernpunten in de controleverklaringen: ‘redelijke aanname’, ‘significante schatting’, ‘getrouw beeld’, ‘professionele oordeelsvorming’ en ‘steekproefomvang’.
Voor de mate van schattingsonzekerheid (uncertainty) is een dummy gehanteerd voor het wel of niet van toepassing zijn van financiële instrumenten en of wel of geen sprake is van bijzondere waardeverminderingen.
De controlevariabelen zijn als volgt geoperationaliseerd:
De codering is onafhankelijk uitgevoerd door twee onderzoeksassistenten met circa 3-4 jaar controle-ervaring.
In deze paragraaf beschrijven we de onderzoeksresultaten uit onze empirische studie. We starten in 4.1 met de beschrijvende statistiek, en de regressieanalyse (4.2) en robuustheidstesten (4.3) die de kern van de hypothesetoetsen vormen. Vanwege de uitkomsten uit 4.2 en 4.3 hebben we aanvullend in 4.4 tot en met 4.8 aanvullende verkennende analyses opgenomen.
In deze paragraaf hebben we de beschrijvende statistiek opgenomen van de overige variabelen die we in dit onderzoek hebben betrokken. In Table
Het valt direct op dat de variabele MarktReactie sterk scheef verdeeld is. Om deze reden gebruiken we, in afwijking van
Beschrijvende statistiek (n = 500).
Variabelen | Gem. | Std. Dev | Min. | Percentielen | Max. | ||
---|---|---|---|---|---|---|---|
25 | 50 | 75 | |||||
MarktReactie | 2,462 | 11,829 | 0,000 | 0,020 | 0,129 | 0,763 | 141,700 |
LogMarktReactie | -0,984 | 1,239 | -6,110 | -1,703 | -0,889 | -0,118 | 2,150 |
FeeRatio | 0,220 | 0,197 | 0,000 | 0,069 | 0,167 | 0,343 | 0,900 |
SchuldRatio | 0,579 | 0,250 | 0,000 | 0,411 | 0,578 | 0,723 | 2,450 |
LogMVE | 3,030 | 0,774 | 0,720 | 2,449 | 3,029 | 3,532 | 5,210 |
MtoB | 3,362 | 13,150 | -122,620 | 1,241 | 2,165 | 3,840 | 232,570 |
LogAuditReportLag | 1,809 | 0,141 | 1,450 | 1,740 | 1,792 | 1,851 | 2,690 |
ROA | 0,029 | 0,103 | -0,960 | 0,011 | 0,037 | 0,062 | 0,670 |
Uit de regressieanalyses blijkt dat het regressiemodel als geheel niet significant is (F-stat is niet significant en R2adj. is negatief). Om deze reden hebben we geen regressietabel opgenomen in dit artikel. Wellicht zijn deze afwijkende resultaten te verklaren doordat de
We volstaan met op te merken dat er één variabele significant is, namelijk de variabele Dummy_Mo (het frauderisico “management override”) (-0.393, p < 0.02), welke negatief geassocieerd is met LogMarktReactie. Dit geeft zeer beperkte ondersteuning aan hypothese 1 dat kernpunten waarderelevant kunnen zijn voor investeerders. Aangezien het model als geheel niet significant is, kan aan het vorenstaande niet veel betekenis worden toegekend. Toekomstig onderzoek zal moeten uitwijzen of juist deze variabele, bijvoorbeeld op basis van de agency-theorie, voor beleggers interessant is, omdat het nu juist het management is dat een frauderisico entameert. De hypothesen 2 tot en met 5 (mate van detail, consistentie, interpretatie-gevoelige informatie, en schattingsonzekerheid) worden alle niet ondersteund.
We hebben diverse aanvullende testen uitgevoerd om de robuustheid van deze resultaten vast te stellen. Ten eerste hebben we verschillende tijdsperiodes gebruikt van 3 dagen (t-1 t/m t+1) en 6 dagen (t-2 t/m t+3) rondom het uitbrengen van de jaarrekeningen. De resultaten zijn robuust: Dummy_Mo blijft significant op 2% of beter. Ten tweede hebben we in plaats van de variantie de absolute waarde van de abnormale beurskoersmutatie gedeeld door de absolute beurskoersmutatie op de benchmarkperiode (t-120 t/m t-20) gebruikt. De resultaten geven (marginaal) significante resultaten bij 2 dagen (p<0.10, eenzijdig), 3 dagen en 6 dagen (beide p < 0.02).
Verder hebben we diverse interactietermen getest. Geen van de interactietermen bleek statistisch significant.
In de navolgende paragrafen 4.4 tot en met 4.8 rapporteren we een aantal aanvullende verkennende analyses.
Table
Een nadere analyse van het aantal kernpunten gecategoriseerd naar soorten kernpunten in Table
Samenhang tussen omvang bedrijf en soorten Kernpunten.
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | Totaal | %Totaal | |
---|---|---|---|---|---|---|---|---|---|---|---|
< 250 | 52 | 114 | 32 | 30 | 46 | 93 | 58 | 31 | 137 | 593 | 25 |
250 – 1000 | 129 | 125 | 88 | 60 | 64 | 117 | 46 | 21 | 91 | 741 | 32 |
> 1000 | 170 | 153 | 142 | 86 | 88 | 137 | 65 | 36 | 133 | 1010 | 43 |
Totaal | 351 | 392 | 262 | 176 | 198 | 347 | 169 | 88 | 361 | 2344 | 100 |
%Totaal | 15 | 17 | 11 | 8 | 8 | 15 | 7 | 4 | 15 | 100 | |
Chi |
*** | ** | *** | *** | *** | *** | *** |
Table
De resultaten in Table
Samenhang tussen branche en soorten Kernpunten.
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | Totaal | %Totaal | |
---|---|---|---|---|---|---|---|---|---|---|---|
Land en bosbouw | 0 | 3 | 0 | 0 | 0 | 0 | 0 | 1 | 3 | 7 | 0% |
Bouw en infrastructuur | 23 | 35 | 20 | 19 | 14 | 33 | 31 | 11 | 56 | 242 | 10% |
Voedsel | 8 | 9 | 15 | 3 | 3 | 9 | 7 | 5 | 12 | 71 | 3% |
Textiel, grafisch en uitgevers | 25 | 25 | 24 | 20 | 22 | 26 | 17 | 3 | 26 | 188 | 8% |
Chemie en farmacie | 22 | 28 | 20 | 11 | 15 | 23 | 6 | 6 | 11 | 142 | 6% |
Grondstofwinning | 7 | 11 | 15 | 3 | 0 | 12 | 13 | 5 | 17 | 83 | 4% |
Duurzame producten | 48 | 57 | 49 | 16 | 38 | 63 | 22 | 10 | 26 | 329 | 14% |
Transport | 29 | 29 | 21 | 15 | 21 | 22 | 9 | 4 | 24 | 174 | 7% |
Nutsbedrijven | 8 | 16 | 9 | 2 | 12 | 11 | 10 | 4 | 17 | 89 | 4% |
Handel | 42 | 23 | 25 | 12 | 20 | 55 | 24 | 12 | 43 | 256 | 11% |
Dienstverlening | 14 | 19 | 15 | 10 | 7 | 7 | 8 | 6 | 16 | 102 | 4% |
Computers | 39 | 35 | 19 | 19 | 16 | 26 | 7 | 6 | 16 | 183 | 8% |
Overige | 86 | 102 | 30 | 46 | 30 | 60 | 15 | 15 | 94 | 478 | 20% |
Totaal (A) | 351 | 392 | 262 | 176 | 198 | 347 | 169 | 88 | 361 | 2344 | 100% |
Chi |
*** | *** | *** | ** | *** | *** | *** | *** |
Table
In Table
Gemiddeld aantal tekens ten behoeve Kernpunten.
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | Totaal gemiddelde | |
---|---|---|---|---|---|---|---|---|---|---|
Gemiddeld aantal tekens gebruikt | 2017 | 1918 | 1823 | 2038 | 1950 | 1947 | 2077 | 1249 | 1816 | 1831 |
Standaarddeviatie | 810 | 898 | 862 | 799 | 855 | 880 | 949 | 775 | 967 | 900 |
Significantie | P<0.01 | P<0.05 | P<0.01 | P<0.03 | P<0.01 | P<0.01 | P<0.01 | |||
N | 351 | 262 | 392 | 176 | 198 | 347 | 169 | 88 | 361 | 714 |
Table
Bij Kernpunten die gerelateerd zijn aan management-override wordt relatief het vaakst de controleaanpak uitgelegd (in 85 van de 223 consistentie-elementen). In geval van ‘bijzondere waardeverminderingen’ wordt met 21% (133 van 621) het vaakst een referentie gemaakt naar de uiteenzetting door het management.
Samenhang van consistentie in de structuur in Kernpunten.
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | Totaal | % Totaal | Chi |
|
---|---|---|---|---|---|---|---|---|---|---|---|---|
Referenties naar jaarverslag | 258 | 191 | 256 | 126 | 141 | 238 | 133 | 34 | 218 | 1595 | 20% | *** |
Verwijzing naar standaarden | 52 | 34 | 50 | 24 | 20 | 41 | 26 | 16 | 43 | 306 | 4% | |
Risico is gekwantificeerd | 197 | 154 | 177 | 102 | 104 | 185 | 95 | 16 | 178 | 1208 | 15% | *** |
Nadere uitleg risico | 302 | 214 | 307 | 149 | 167 | 279 | 138 | 57 | 273 | 1886 | 24% | *** |
Controleaanpak van risico | 351 | 259 | 389 | 176 | 198 | 344 | 167 | 85 | 342 | 2311 | 29% | |
Conclusie geformuleerd | 105 | 82 | 109 | 50 | 68 | 101 | 62 | 15 | 106 | 698 | 9% | *** |
Totaal (B) | 1265 | 934 | 1288 | 627 | 698 | 1188 | 621 | 223 | 1160 | 8004 | ||
%Ten opzichte van aantal Kernpunten (B / (A*6)) | 60% | 40% | 82% | 59% | 59% | 57% | 61% | 42% | 54% | 57% |
Het bezigen van ‘vaktechnisch taalgebruik’ kan het begrip van een kernpunt verminderen. In Table
Gemiddeld wordt in de helft van de kernpunten één of meer ‘vaktermen’ gebruikt (0.58). Het vaakst wordt het woord (of gelijkende woorden) ‘steekproefomvang’ gebruikt (1.39). De termen ‘redelijke aanname’ en ‘significante schatting’ worden in circa driekwart van de kernpunten gebruikt. Termen als ‘professionele oordeelsvorming’ en ‘getrouw beeld’ worden beperkt (4%) respectievelijk niet gebruikt in de kernpuntensectie van de controleverklaring.
Vaktechnisch taalgebruik in Kernpunten.
Gemiddeld aantal keer genoemd in kernpuntensectie | |
---|---|
Redelijke aanname | 0,75 |
Significante schatting | 0,71 |
Getrouw beeld | 0 |
Professionele oordeelsvorming | 0,04 |
Steekproefomvang | 1,39 |
Totaal (n = 32,130) | 0,58 |
Tenslotte hebben wij een verkennende analyse gedaan ten aanzien van schattingsonzekerheid. De uitkomsten hiervan hebben wij niet getabuleerd. In de analyse hebben we betrokken hoe vaak “onzekerheid in waardering” onderdeel is van de kernpunten.
In 76% respectievelijk 86% van de controleverklaringen wordt er één of meer kernpunten opgenomen die betrekking hebben op financiële instrumenten en/of (bijzondere) waarderingsvraagstukken. ‘Onzekerheid in de waardering’ blijkt dus een belangrijk onderdeel van de kernpunten.
Deze studie is in de basis verkennend van aard geweest aangezien er nog relatief weinig empirisch onderzoek is gedaan naar de invloed van kernpunten in de controleverklaring op het gedrag van investeerders. We hebben in deze bijdrage een aanzet gegeven voor een relevant theoretisch kader waarbinnen de toegevoegde waarde van de kernpunten kan worden gezocht. De uitkomst van dit onderzoek is dat enige ondersteuning is gevonden voor hypothese 1 (soort kernpunten in relatie tot de marktreactie), en dat de overige hypothesen betreffende de waarderelevantie van de kernpunten verworpen moesten worden. Met dit onderzoek bestaat daarmee een basis om op voort te borduren in toekomstig onderzoek. De uitkomsten van de regressieanalyse bleken niet significant te zijn. Het is niet goed te duiden wat hiervan de achterliggende oorzaak is. Een mogelijke oorzaak is het verschil in omvang van de dataset tussen de studie van
Bij de interpretatie van dit onderzoek dienen diverse beperkingen in ogenschouw genomen te worden. Allereerst is de codering van de kernpunten op een redelijk hoog niveau, waardoor de oorspronkelijke finesses en volledige waarderelevantie in de kernpunten niet in de analyses zijn meegenomen. Hierdoor kunnen de resultaten geflatteerd zijn. Ook moet bedacht worden dat de kernpunten in opzet niet bedoeld zijn om ‘nieuwe’ informatie te bevatten, maar dienen ter verduidelijking van de werkzaamheden van de accountant. De waarderelevantie is daarmee per definitie beperkt. Het educatieve karakter van de kernpunten blijkt bijvoorbeeld hieruit dat het grootste deel van de beschrijving van de kernpunten uitleg van de risico’s en controleaanpak betreffen. Wat betreft de variabele “mate van schattingsonzekerheid” liggen beperkingen in de operationalisatie (wel/geen impairment, en wel/geen financiële instrumenten) besloten. Om meer zicht te krijgen op “mate van schattingsonzekerheid” verdient het aanbeveling op zoek te gaan naar een composite metric die dit element beter “vangt”. Tot slot richten we ons in dit onderzoek alleen op investeerders. Vervolgonderzoek zou zich kunnen richten op de andere gebruikers van de controle zoals kredietverstrekkers en de effecten op leencapaciteit van bedrijven.
N. Evers MSc. is business analist bij Novamedia. Dit artikel is gebaseerd op haar masterscriptie.
Prof. dr. J.P. van Buuren RA is hoogleraar Auditing & Assurance aan Nyenrode Business Universiteit.
Dr. C.M. van Nieuw Amerongen RA is partner bij training- en adviesbureau V&A en is verbonden aan Nyenrode Business Universiteit als associate professor Auditing & Assurance (Specialist Small and Medium-Sized Practices).
Vigerende audit theory wijst een andere kant uit, namelijk dat meer informatie leidt tot een afname van onzekerheid. Zonder nadere empirische onderbouwing is dit punt niet gemakkelijk te duiden.
Als onafhankelijke variabele gebruiken