Uit het verleden blijkt echter dat, ondanks het feit dat er een goedkeurende controleverklaring is afgegeven, organisaties toch binnen afzienbare tijd failliet kunnen gaan, dan wel zodanig in de problemen komen dat de continuïteit een significant aandachtspunt wordt. Voorbeelden hiervan zijn de onvoldoende geëvalueerde continuïteit van Imtech in 2012 en de ongeziene onregelmatigheden bij Steinhoff in 2017. Hierbij stemden sommige aannames met betrekking tot de continuïteit niet overeen met de werkelijke cijfers (Princen and Peters 2021a; Bloomberg 2021). Daarnaast dragen ook de onbewuste vooroordelen van de accountant, veroorzaakt door onder andere klantrelaties en vertrouwelijkheid, niet bij aan een onafhankelijke continuïteitsanalyse (Bazerman et al. 2002). Verder komt uit het rapport van Brydon (2019) naar voren dat de rapportagevereisten van de huidige continuïteitsanalyse onvoldoende geschikt zijn voor het beoogde doel. Brydon adviseerde de huidige continuïteitsbeoordeling op een meer transparante manier uit te breiden, waarbij materiële onzekerheden zouden worden meegenomen, zonder reeds rekening te houden met mitigerende maatregelen (Brydon 2019). Aanvullend hierop heeft The Department for Business, Energy and Industrial Strategy (BEIS) een consultatie gepubliceerd waarin onder andere de bevindingen van Brydon worden onderkend en mogelijke implementaties nader worden toegelicht (BEIS 2021). Ook uit diverse andere rapporten van onder andere de Autoriteit Financiële Markten (AFM 2021), de Commissie Toekomst Accountancysector (CTA 2020) en de Monitoring Commissie Accountancy (MCA 2020) blijkt dat de kwaliteit van wettelijke jaarrekeningcontroles de afgelopen tijd tekortschoot. Per 1 mei 2020 heeft de minister van Financiën twee kwartiermakers aangesteld om toe te zien op het verbeteren van de kwaliteit, met meer aandacht voor forensische expertise, fraude, (dis)continuïteit bij de accountantscontrole en het stimuleren van innovatie (AFM 2021; Ministerie van Financiën 2021).

Op basis hiervan hebben de kwartiermakers elf kwaliteitsindicatoren opgesteld, die het niet – of niet eenduidig – rapporteren over de kwaliteit van de accountantscontrole dienen te verbeteren. Deze indicatoren zien onder andere op fraude en continuïteit, met als doel de hoeveelheid geïdentificeerde materiële fraude en/of twijfel over de continuïteit inzichtelijk te maken (Ministerie van Financiën 2021). Aanvullend wil de AFM het toezicht op accountantsorganisaties efficiënter en effectiever inrichten met behulp van datagedreven toezicht. Om dit te bereiken, zal de AFM structureel data uitvragen van de betreffende accountantsorganisaties, om zodoende inzicht te krijgen in de huidige kwaliteitsbeheersing en risicokenmerken. Hierbij zal de AFM haar indicatoren afstemmen op die van de kwartiermakers (AFM 2021). Ook de Koninklijke Nederlandse Beroepsorganisatie van Accountants (NBA) legt, wegens zwaarwegende maatschappelijke belangen, nadruk op continuïteit. De NBA wil de accountants voorzien van meer tools die gebruikt kunnen worden bij de beoordeling van de continuïteit (NBA 2020). Voor 2021 had het bestuur van de NBA continuïteit zelfs als verplicht onderwerp vastgesteld voor de permanente educatie van alle accountants (met uitzondering van de overheidsaccountants). Met ingang van boekjaar 2022 (2021 voor organisaties van openbaar belang) verplicht de NBA tevens het opnemen van een aparte sectie ‘Controleaanpak continuïteit’ in de controleverklaring; dit is opgenomen in Standaard 700, paragraaf 29A (NBA 2022).

Ondanks het zwaarwegende belang van het onderwerp continuïteit, toont onderzoek van O’Leary and O’Keefe (1997) echter aan dat het beoordelen van de continuïteit een van de belangrijkste uitdagingen vormt in het besluitvormingsproces van bedrijven. Ook vormt de evaluatie van de continuïteitsanalyse een belangrijk onderdeel van de werkzaamheden van de accountant, waarmee het een belangrijke factor is in het controleproces (O’Leary and O’Keefe 1997; NBA 2022). De doelstelling van de evaluatie is opgenomen in Standaard 570, paragraaf A9 (NBA 2022). Verdere toelichting over de continuïteits­analyse is opgenomen in de literatuurstudie (paragraaf 2). Daarnaast blijkt uit de eerdergenoemde rapporten van de AFM (2021), de CTA (2020), de MCA (2020) en Brydon (2019), alsmede uit het belang van de continuïteitsanalyse in het controleproces, dat aanpassing en/of verbetering van de huidige aanpak binnen de accountancysector noodzakelijk is (Ministerie van Financiën 2021).

De huidige continuïteitsanalyse is nog steeds grotendeels afhankelijk van het ‘professional judgement’ van de accountant, die dient te beoordelen of het management de juiste afwegingen heeft gemaakt. Daar aanpassing en/of verbetering van de huidige aanpak binnen de accountancysector noodzakelijk is, impliceert dit dat een oordeel gebaseerd op professional judgement een mate van willekeur met zich mee kan brengen en daarmee niet altijd voldoende is. Onderzoek toont aan dat technologie kan bijdragen aan een verbetering van audit quality (Mantelaers 2021). Door de continuïteitsbeoordeling te automatiseren, kunnen meer tijd en middelen worden besteed aan de interpretatie van de continuïteits­analyse. Dit maximaliseert twee belangrijke aspecten van auditkwaliteit: onafhankelijkheid en deskundigheid (DeAngelo 1981; Mantelaers 2021). Ter ondersteuning van het individuele en persoonlijke professionele oordeel (professional judgement) van de accountant zou een aanvullende geautomatiseerde continuïteitsanalyse, een directere bron van informatie met een mogelijk hogere betrouwbaarheid, uitkomst kunnen bieden. Het geautomatiseerd voorspellen van cijfers is mogelijk met forecasting algoritmes. Een algoritme is ‘a finite, abstract, effective, compound control structure, imperatively given, accomplishing a given purpose under given provisions’ (Hill 2016). Met behulp van de verschillende forecasting algoritmes van PyCaret is het mogelijk om deze werkzaamheden te automatiseren en documenteren (PyCaret 2021). Het gebruik van PyCaret leidt tot een geautomatiseerde continuïteitsanalyse die minder afhankelijk is van het persoonlijke professional judgement van de accountant, waardoor een verbetering van de uniformiteit kan worden gerealiseerd. Om voorspellingen te kunnen uitvoeren is het van belang om te bepalen uit welke verschillende condities de huidige continuïteitsbeoordelingsmodellen bestaan. De verschillende beschikbare modellen worden beschreven in de literatuurstudie. Onder condities worden de verschillende indicatoren verstaan waarmee de continuïteit van een organisatie, het geheel van winst beogende ondernemingen en alle andere soorten organisaties, kan worden beoordeeld. Voorbeelden hiervan zijn: activa, schulden, resultaat voor aftrek van rente en belasting (EBIT), solvabiliteit, liquiditeit en omzet. Deze indicatoren worden in dit onderzoek verzameld uit verschillende modellen met betrekking tot liquiditeit of faillissement, die een accountant toepast om de continuïteit van een organisatie te beoordelen.

Dit onderzoek ziet op de aanpak en mogelijke verbeteringen van de continuïteitsanalyse en hoe met behulp van deze forecasting algoritmes voldoende en geschikte controle-informatie kan worden verzameld, als aanvulling op de reeds in dit kader door de accountant uitgevoerde werkzaamheden. Het doel van dit onderzoek is dan ook om een eerste stap richting een geautomatiseerde continuïteitsanalyse te zetten en het geüniformeerd creëren van een meer betrouwbare en valide voorspelling voor de continuïteitsanalyses.

Om bovenstaand doel te realiseren wordt in dit onderzoek de volgende hoofdvraag beantwoord:

Hoe kan machine learning worden ingezet om de continuïteit van de organisatie te voorspellen?

Het artikel is als volgt gestructureerd: in paragraaf 2 wordt de relevante literatuur beschreven met betrekking tot de beoordeling van de continuïteitsanalyse door de accountant en de modellen die een indicatie geven van de continuïteit. In paragraaf drie worden de methode en de structuur van de algoritmes behandeld, gevolgd door de resultaten in paragraaf vier. De conclusie en discussie worden gepresenteerd in paragraaf vijf.

De evaluatie van de continuïteitsanalyse door de accountant bestaat uit de volgende vier hoofdactiviteiten:

• De accountant concludeert of er sprake is van een onzekerheid van materieel belang, die kan leiden tot twijfel over de continuïteit van de desbetreffende organisatie.
• Ten behoeve van voorgaande analyse voert de accountant tevens risico-inschattingswerkzaamheden uit en beoordeelt hij/zij of de financiële, operationele en overige gebeurtenissen en omstandigheden gerede twijfel geven over de mogelijkheid tot handhaving van de continuïteit. Hierbij let de accountant onder andere op de stand van de vlottende passiva, negatieve operationele kasstromen of intenties om de organisatie te liquideren.
• Aanvullend beoordeelt de accountant overige gebeurtenissen en omstandigheden op bijvoorbeeld veranderingen in relevante wet- en regelgeving en het niet naleven van kapitaal- of andere wettelijke vereisten. Overige voorbeelden zijn opgenomen in Standaard 570, paragraaf A3 (NBA 2022).
• Ten slotte dient de accountant inlichtingen in te winnen over de gebeurtenissen na balansdatum die effect kunnen hebben op de continuïteit. Dit is opgenomen in Standaard 570, paragraaf 15 (NBA 2022).

Er zijn verschillende indicatoren beschikbaar om de continuïteit te beoordelen. Mantelaers and Zoet (2018) hebben aan de hand van een gestructureerd literatuuronderzoek vanuit 238 papers, 835 condities (indicatoren) geïdentificeerd die bijdragen aan het voorspellen van de continuïteit. Deze elementen zijn vervolgens geanalyseerd op basis van het type element, benodigde informatiebronnen en organisatie type. Hieruit is een top tien geformuleerd van de meest gebruikte elementen voor het voorspellen van de continuïteit. Deze top 10 is weergegeven in Figuur 1.

Binnen dit onderzoek zal ter illustratie een van de meest voorkomende condities, de conditie winst (Feature 01 – Figuur 1), gebruikt worden als invoerdata voor de forecasting algoritmes. Waarbij condities verwijzen naar de verschillende datapunten die gebruikt kunnen worden om de continuïteit van een organisatie te beoordelen. Overige voorbeelden zijn: activa, passiva, bedrijfsresultaat voor rente en belasting (EBIT) en omzet.

Figuur 1.

Top-10-criteria. Overgenomen uit: A New Explorative Model to Assess the Financial Credit Risk Assessment (Mantelaers and Zoet 2018).

Om tot een geautomatiseerde continuïteitsanalyse te komen, kan gebruik worden gemaakt van de forecasting algoritmes van PyCaret. Deze tool maakt gebruik van zestien wiskundige modellen, vertaald naar gelijknamige forecasting algoritmes, namelijk: Extreme Gradient Boosting, CatBoost Classifier, Light Gradient Boosting Machine, K Neighbors Classifier, Random Forest Classifier, Extra Trees Regressor, Gradient Boosting Classifier, Logistic Regression, Linear Discriminant Analysis, AdaBoost Classifier, Ridge Classifier, Decision Tree Classifier, Quadratic Discriminant Analysis, SVM – Linear Kernel, Naive Bayes en Dummy Classifier (PyCaret 2021). Elk forecasting algoritme is toegespitst op specifieke situaties, zoals bijvoorbeeld seizoensgebonden data. Daarnaast werkt elk forecasting algoritme met haar eigen aannames en interpretaties, met verschillende voorspellingen tot gevolg. Door deze voorspellingen naast elkaar te zetten en met elkaar en met de werkelijk gerealiseerde cijfers te vergelijken, ontstaat een compleet beeld, en kan per soort invoerdata (zoals bij sterke seizoenspatronen) het best passende forecasting algoritme worden gekozen.