PAPERS
DECHOW & DICHEV (2002) – THE QUALITY OF ACCRUALS AND EARNINGS: THE ROLE OF
ACCRUAL ESTIMATION ERRORS
In de les hadden we het over accrual-gebaseerd earnings management en dat het niet
noodzakelijkerwijs fraude is wanneer het wordt uitgevoerd binnen de discretionaire ruimte die
accountingregels toestaan > De regelgeving geeft nou eenmaal veel ruimte. We willen vaststellen
welk bedrijf de speelruimte goed of slecht heeft gebruikt. In dit onderzoek proberen ze de
speelruimte meetbaar te maken en er een uitspraak over te doen.
We gaan dus kijken naar de accruals en hoe wij kunnen vaststellen of sprake is van een foutief
gebruik is gemaakt van de overlopende posten > Het focus van het artikel. Ofwel: proberen om de
kwaliteit van overlopende posten meetbaar te maken. Het gaat het om het creëren van een
maatstaf om de kwaliteit te meten.
Eigenlijk zijn alle posten op de balans een overlopende post: allemaal hebben ze de verwachting om
toekomstige cashflows te genereren etc. Hoe beter je de schatting/verwachting maakt des te hoger
de kwaliteit van de JRK is volgens deze methodiek.
We hebben het dus over schattingen: wat een bedrijf als waarde gaat genereren in de toekomst. We
beginnen dus met wat een bedrijf binnen haalt uiteindelijk. We hebben hierbij twee belangrijke
gebeurtenissen:
1. Het ontvangen van daadwerkelijk kasstromen;
2. Het boeken van bepaalde kasstromen, zonder dat er een € binnenkomt.
Het probleem is dat bovenstaande gebeurtenissen niet samenlopen. Bij deferred revenu
bijvoorbeeld: je krijgt nu al money voor een abonnement, maar je gaat pas omzet boeken als je
daadwerkelijk de dienst geleverd hebt. > dan moet je een schatting maken wat je hiermee moet
doen. Hetzelfde geldt voor de debiteuren: klant koopt iets, dan boek je nu de omzet en dan hoop je
maar dat hij het in de volgende periode afbetaald > schatting.
Stel de schatting komt niet meer uit (debiteur betaald niet), dan moeten we een correctie gaan
maken. Waarom is er een fout? Je moet iets inschatten, maar dat is afhankelijk van veel
verschillende factoren: fout erkennen. Hierbij hoeft er geen sprake te zijn van een intentie: fouten
kunnen gemaakt worden. Paper zegt ook: we kunnen fouten maken in de JRK en dit kan zowel
bewust als onbewust. En het is heel moeilijk om die intentie meetbaar te maken.
Daarom wordt eerst in het artikel vastgesteld wanneer er een grote kans is dat er een fout wordt
gemaakt. Als er een grote kans is dat er een fout is gemaakt dan kunnen we gaan nadenken over
wanneer we wat extra controlewerkzaamheden moeten gaan doen.
Het artikel zegt: earnings is een collectie van vele verschillende kasstromen + de fouten die we
maken:
Dechow en Dichev zeggen: als we bovenstaande weten, kunnen wij gaan toetsen in de data of dit
daadwerkelijk gebeurt. We hebben een simpele vergelijking: een variabele dat afhankelijk is van
andere variabelen + een mogelijke fout. Als je dat hebt dan kan je dit in de vorm van een regressie
testen.
Okeej we wilden niet earnings testen, maar accruals, maarrr we weten dat het verschil tussen de
gerapporteerde winst en wat we daadwerkelijk aan cash hebben verdiend de accruals zijn. Dit
kunnen we gemakkelijk herschrijven naar een model dat verklaart wat de overlopende posten
zouden moeten zijn en welke fouten je maakt.
,Bovenstaande model willen ze in een regressie gaan draaien om te kijken of er sprake is van veel
fouten gemiddeld genomen of van weinig fouten. Houdt in gedachten dat als je geen fout maakt dat
de roze E een 0 zijn. De regressie heeft als doel om de roze E meetbaar te maken.
Iets wat normaal procesmatig (het proces van al die boekingen) plaatsvindt, gaan wij modelmatig
(modelleren) aanvliegen en vervolgens willen we dit ook testen met een regressie.
Voor de regressie dienen we verwachtingen te formuleren voor de beta’s:
- B1 > 0 → Positieve correlatie tussen huidige accruals en de kasstromen van vorig jaar: als de
uitgestelde opbrengsten (positief) zijn in het huidige jaar, heeft het bedrijf een positieve
kasstroom ontvangen in het vorige jaar en erkent het de opbrengsten in het huidige jaar
wanneer het goed of de dienst wordt geleverd.
- B2 < 0 → Negatieve correlatie tussen huidige accruals en huidige kasstromen: als de
voorraad positief is in het huidige jaar, doet het bedrijf een negatieve kasstroom in het
huidige jaar om voor de voorraad te betalen.
- B3 > 0 → Positieve correlatie tussen huidige accruals en de kasstromen van volgend jaar: als
de debiteuren (positief) zijn in het huidige jaar, ontvangt het bedrijf een positieve
kasstroom in het volgende jaar, wanneer de debiteuren worden terugbetaald.
Nu moeten we nog vaststellen wanneer daadwerkelijk een fout gemaakt wordt en die fout is onze
maatstaf van accrual quality. Als er 0 fouten worden gemaakt, dan heb je een R^2 van 100 en dan
heb je nooit een residual: perfecte kwaliteit.
Ze kijken bewust naar vijf jaren fouten om zo structurele fouten te herkennen: het kan natuurlijk
weleens zijn dat je 1 jaar een foutje maakt, maar als er heel veel variatie is dan klopt er iets niet.
Bij Under Armour zou je een hele grote afwijking zien van wat we gemiddeld verwachten.
Hoe meer observaties: hoe beter je een schatting kan doen.
In het paper doen ze 3 regressies:
1. Eentje voor één bedrijf en kijken in de tijd (is er een jaar dat ze iets meer boeken dat we
verwachten): de verwachtingen komen uit en een gemiddelde R^2 van 0,47. Maar we weten:
hoe meer observaties hoe beter ↓
2. De tweede voor een hele industrie, de standaardfout (t-waarde) neemt af, maar we dat de
R^2 niet toeneemt en dat komt omdat we heel veel bedrijven met elkaar gaan mixen.
3. De derde is voor de hele economie en dat zien we een grotere fout en een lagere R^2, nu
vergelijken we nog randomere bedrijven > niet de bedoeling.
Ze doen dit vanwege de validiteit: ze willen laten zien dat de theorie van modelleren klopt
ongeacht hoe je het meet. Dus we hebben het verhaal en de data en dat moet je zo goed mogelijk
,doen en hoe meer je het op verschillende manieren doet en steeds hetzelfde resultaat vindt hoe
meer vertrouwen je hebt in het resultaat. Daarom doen ze het op drie verschillende manieren:
ongeacht van de manier, vinden we steeds hetzelfde resultaat.
De error kan inderdaad gebruikt worden om kwaliteit meetbaar te maken en dat tonen ze aan door
het te correleren met bepaalde typologieën waarbij we verwachten dat bepaalde bedrijven een
grotere error verwachten vanwege hun typologie. Ze laten zien dat de volgende bedrijven lagere
kwaliteiten van accruals hebben:
- Have longer operating cycles > over een langere periode lopen de transacties en en dus
meer schattingen = logisch
- Are smaller
- Have more volatility in their revenues, cash flows, accruals and earnings
- More frequently report losses
- And have larger absolute working-capital accruals
Je hoeft niet altijd een regressie te draaien, als je deze kenmerken ziet weet je als dat de kans op
fouten groter is. Als dit het geval is, dan heeft dit ook implicaties voor beleggers. Want beleggers
zijn vooral geïnteresseerd in een hoge kwaliteit winsten (ofwel als je de winst van dit jaar kan
gebruiken om de winst van komend jaar te voorspellen). Hiervoor meten ze de fout en de
persistentie. Ze creeren groepjes bedrijven adhv hoe groot die fout is. En ze zien hoe groter de fout
hoe meer accruals en hoe meer de persistence afneemt. Ofwel dan kan je minder goed de toekomst
voorspellen adhv wat nu gerapporteerd wordt.
Dat bevestigd dus dat je een goed begrip moet hebben over wat er goed en niet goed gaat in de
JRK.
Samengevat: we hebben overlopende posten omdat wij allerlei verwachtingen in het huidige
winstcijfer moeten laten zien. De accruals zorgen ervoor dat we een goed winstcijfer kunnen
rapporteren tegen een bepaalde prijs, namelijk mogelijke fouten die we maken bij de inschatting
van die overlopende posten. Hoe meer fouten we maken hoe minder nuttig de JRK is voor
beleggers.
Het artikel heeft nagedacht over wanneer er een fout is en ze hebben een model bedacht om dit
meetbaar te maken.
Ze geven ook aan dat de fout zowel onbewust als bewust gemaakt kan worden en zij blijven weg
van bewuste fouten, maar ze geven wel aan dat je deze methoden ook kan gebruiken om te kijken
naar situaties waar er mogelijk meer kans is op een bewuste fout en dat testen.
, MCVAY (2006) – EARNINGS MANAGEMENT USING CLASSIFICATION SHIFTING: AN
EXAMINATION OF CORE EARNINGS AND SPECIAL ITEMS
Dit artikel bespreekt het verschuiven van kosten binnen de resultatenrekening om percepties van
kernprestaties bij investeerders te beïnvloeden. Het gaat over winststuring, dus het is belangrijk om
te begrijpen wat winststuring inhoudt en waarom het bestaat. Het artikel richt zich op winststuring
via classificatieverschuiving. Dit betekent dat er een specifieke benadering is gekozen: de auteur
onderzoekt winststuring door te kijken naar classificatieverschuiving als instrument voor
winststuring. Tot slot wordt duidelijk dat het onderzoek gaat over kerninkomsten en bijzondere
posten. Als lezer worden we erop gewezen dat we moeten weten wat deze termen betekenen en
hoe ze met elkaar verbonden zijn.
Winststuring nader bekeken
Winststuring houdt in dat managers opzettelijk winsten over- of onderschatten om een bepaald
rapportagedoel te bereiken en daarmee de perceptie van de bedrijfsresultaten te beïnvloeden. Het
gaat hierbij om een bewuste handeling van managers met een specifiek doel: ze willen de perceptie
van het bedrijf op een bepaalde manier vormgeven en zijn bereid om gerapporteerde winstcijfers te
manipuleren. McVay definieert winststuring als "de verkeerde weergave of verhulling van de
werkelijke economische prestaties." Dit impliceert dat er een "ware" economische prestatie bestaat
die idealiter correct wordt weerspiegeld in het winstcijfer. Als een manager echter vindt dat dit
cijfer niet gunstig is, kan hij het manipuleren.
Manieren waarop managers winststuring kunnen toepassen:
- Beheer van accruals: agressieve erkenning van inkomsten, uitstel of activering van kosten,
onderschatting van verplichtingen, enz.
- Reële activiteiten beheren: verminderen van R&D, gebruik van kortingen om de verkoop aan
het einde van het jaar te stimuleren, enz.
- Classificatieverschuiving: het opzettelijk verkeerd classificeren van posten binnen de
resultatenrekening. Dit houdt in dat kosten naar beneden worden verschoven of inkomsten
naar boven, waardoor een beeld ontstaat dat niet overeenkomt met de economische
realiteit.
Classificatieverschuiving verandert het nettoresultaat niet, maar beïnvloedt wel hoe gebruikers de
prestaties waarnemen.
Voorbeeld van Philips
Classificatieverschuiving zou betekenen dat Philips bepaalde kosten naar beneden verschuift om een
subtotaal, zoals het bedrijfsresultaat, te verhogen. Bijvoorbeeld door 'andere bedrijfsuitgaven'
verkeerd te classificeren als 'financiële uitgaven' of 'beëindigde activiteiten'.
Waarom is dit een instrument voor winststuring?
Het nettoresultaat verandert niet, maar classificatieverschuiving beïnvloedt alternatieve definities
van winst. Analisten en investeerders richten zich vaak op de kerninkomsten van een bedrijf: ze
vertrouwen op gepresenteerde subtotalen zoals het bedrijfsresultaat en negeren vaak tijdelijke
kosten zoals bijzondere waardeverminderingen en herstructureringskosten. Managers kunnen dit
benutten door kosten als tijdelijke posten te classificeren, wetende dat investeerders deze
negeren.
McVay richt zich op de Amerikaanse context en de verkeerde classificatie van 'kernkosten' als
bijzondere posten, zoals waardeverminderingen en herstructureringen. Dit verhoogt de
kerninkomsten, aangezien:
Kernkosten = kosten van verkochte goederen + SG&A (verkoop, algemene en administratieve
kosten).
Kerninkomsten = inkomsten – kernkosten.
Door kosten weg te schuiven van de kernkosten, worden kerninkomsten verhoogd.
DECHOW & DICHEV (2002) – THE QUALITY OF ACCRUALS AND EARNINGS: THE ROLE OF
ACCRUAL ESTIMATION ERRORS
In de les hadden we het over accrual-gebaseerd earnings management en dat het niet
noodzakelijkerwijs fraude is wanneer het wordt uitgevoerd binnen de discretionaire ruimte die
accountingregels toestaan > De regelgeving geeft nou eenmaal veel ruimte. We willen vaststellen
welk bedrijf de speelruimte goed of slecht heeft gebruikt. In dit onderzoek proberen ze de
speelruimte meetbaar te maken en er een uitspraak over te doen.
We gaan dus kijken naar de accruals en hoe wij kunnen vaststellen of sprake is van een foutief
gebruik is gemaakt van de overlopende posten > Het focus van het artikel. Ofwel: proberen om de
kwaliteit van overlopende posten meetbaar te maken. Het gaat het om het creëren van een
maatstaf om de kwaliteit te meten.
Eigenlijk zijn alle posten op de balans een overlopende post: allemaal hebben ze de verwachting om
toekomstige cashflows te genereren etc. Hoe beter je de schatting/verwachting maakt des te hoger
de kwaliteit van de JRK is volgens deze methodiek.
We hebben het dus over schattingen: wat een bedrijf als waarde gaat genereren in de toekomst. We
beginnen dus met wat een bedrijf binnen haalt uiteindelijk. We hebben hierbij twee belangrijke
gebeurtenissen:
1. Het ontvangen van daadwerkelijk kasstromen;
2. Het boeken van bepaalde kasstromen, zonder dat er een € binnenkomt.
Het probleem is dat bovenstaande gebeurtenissen niet samenlopen. Bij deferred revenu
bijvoorbeeld: je krijgt nu al money voor een abonnement, maar je gaat pas omzet boeken als je
daadwerkelijk de dienst geleverd hebt. > dan moet je een schatting maken wat je hiermee moet
doen. Hetzelfde geldt voor de debiteuren: klant koopt iets, dan boek je nu de omzet en dan hoop je
maar dat hij het in de volgende periode afbetaald > schatting.
Stel de schatting komt niet meer uit (debiteur betaald niet), dan moeten we een correctie gaan
maken. Waarom is er een fout? Je moet iets inschatten, maar dat is afhankelijk van veel
verschillende factoren: fout erkennen. Hierbij hoeft er geen sprake te zijn van een intentie: fouten
kunnen gemaakt worden. Paper zegt ook: we kunnen fouten maken in de JRK en dit kan zowel
bewust als onbewust. En het is heel moeilijk om die intentie meetbaar te maken.
Daarom wordt eerst in het artikel vastgesteld wanneer er een grote kans is dat er een fout wordt
gemaakt. Als er een grote kans is dat er een fout is gemaakt dan kunnen we gaan nadenken over
wanneer we wat extra controlewerkzaamheden moeten gaan doen.
Het artikel zegt: earnings is een collectie van vele verschillende kasstromen + de fouten die we
maken:
Dechow en Dichev zeggen: als we bovenstaande weten, kunnen wij gaan toetsen in de data of dit
daadwerkelijk gebeurt. We hebben een simpele vergelijking: een variabele dat afhankelijk is van
andere variabelen + een mogelijke fout. Als je dat hebt dan kan je dit in de vorm van een regressie
testen.
Okeej we wilden niet earnings testen, maar accruals, maarrr we weten dat het verschil tussen de
gerapporteerde winst en wat we daadwerkelijk aan cash hebben verdiend de accruals zijn. Dit
kunnen we gemakkelijk herschrijven naar een model dat verklaart wat de overlopende posten
zouden moeten zijn en welke fouten je maakt.
,Bovenstaande model willen ze in een regressie gaan draaien om te kijken of er sprake is van veel
fouten gemiddeld genomen of van weinig fouten. Houdt in gedachten dat als je geen fout maakt dat
de roze E een 0 zijn. De regressie heeft als doel om de roze E meetbaar te maken.
Iets wat normaal procesmatig (het proces van al die boekingen) plaatsvindt, gaan wij modelmatig
(modelleren) aanvliegen en vervolgens willen we dit ook testen met een regressie.
Voor de regressie dienen we verwachtingen te formuleren voor de beta’s:
- B1 > 0 → Positieve correlatie tussen huidige accruals en de kasstromen van vorig jaar: als de
uitgestelde opbrengsten (positief) zijn in het huidige jaar, heeft het bedrijf een positieve
kasstroom ontvangen in het vorige jaar en erkent het de opbrengsten in het huidige jaar
wanneer het goed of de dienst wordt geleverd.
- B2 < 0 → Negatieve correlatie tussen huidige accruals en huidige kasstromen: als de
voorraad positief is in het huidige jaar, doet het bedrijf een negatieve kasstroom in het
huidige jaar om voor de voorraad te betalen.
- B3 > 0 → Positieve correlatie tussen huidige accruals en de kasstromen van volgend jaar: als
de debiteuren (positief) zijn in het huidige jaar, ontvangt het bedrijf een positieve
kasstroom in het volgende jaar, wanneer de debiteuren worden terugbetaald.
Nu moeten we nog vaststellen wanneer daadwerkelijk een fout gemaakt wordt en die fout is onze
maatstaf van accrual quality. Als er 0 fouten worden gemaakt, dan heb je een R^2 van 100 en dan
heb je nooit een residual: perfecte kwaliteit.
Ze kijken bewust naar vijf jaren fouten om zo structurele fouten te herkennen: het kan natuurlijk
weleens zijn dat je 1 jaar een foutje maakt, maar als er heel veel variatie is dan klopt er iets niet.
Bij Under Armour zou je een hele grote afwijking zien van wat we gemiddeld verwachten.
Hoe meer observaties: hoe beter je een schatting kan doen.
In het paper doen ze 3 regressies:
1. Eentje voor één bedrijf en kijken in de tijd (is er een jaar dat ze iets meer boeken dat we
verwachten): de verwachtingen komen uit en een gemiddelde R^2 van 0,47. Maar we weten:
hoe meer observaties hoe beter ↓
2. De tweede voor een hele industrie, de standaardfout (t-waarde) neemt af, maar we dat de
R^2 niet toeneemt en dat komt omdat we heel veel bedrijven met elkaar gaan mixen.
3. De derde is voor de hele economie en dat zien we een grotere fout en een lagere R^2, nu
vergelijken we nog randomere bedrijven > niet de bedoeling.
Ze doen dit vanwege de validiteit: ze willen laten zien dat de theorie van modelleren klopt
ongeacht hoe je het meet. Dus we hebben het verhaal en de data en dat moet je zo goed mogelijk
,doen en hoe meer je het op verschillende manieren doet en steeds hetzelfde resultaat vindt hoe
meer vertrouwen je hebt in het resultaat. Daarom doen ze het op drie verschillende manieren:
ongeacht van de manier, vinden we steeds hetzelfde resultaat.
De error kan inderdaad gebruikt worden om kwaliteit meetbaar te maken en dat tonen ze aan door
het te correleren met bepaalde typologieën waarbij we verwachten dat bepaalde bedrijven een
grotere error verwachten vanwege hun typologie. Ze laten zien dat de volgende bedrijven lagere
kwaliteiten van accruals hebben:
- Have longer operating cycles > over een langere periode lopen de transacties en en dus
meer schattingen = logisch
- Are smaller
- Have more volatility in their revenues, cash flows, accruals and earnings
- More frequently report losses
- And have larger absolute working-capital accruals
Je hoeft niet altijd een regressie te draaien, als je deze kenmerken ziet weet je als dat de kans op
fouten groter is. Als dit het geval is, dan heeft dit ook implicaties voor beleggers. Want beleggers
zijn vooral geïnteresseerd in een hoge kwaliteit winsten (ofwel als je de winst van dit jaar kan
gebruiken om de winst van komend jaar te voorspellen). Hiervoor meten ze de fout en de
persistentie. Ze creeren groepjes bedrijven adhv hoe groot die fout is. En ze zien hoe groter de fout
hoe meer accruals en hoe meer de persistence afneemt. Ofwel dan kan je minder goed de toekomst
voorspellen adhv wat nu gerapporteerd wordt.
Dat bevestigd dus dat je een goed begrip moet hebben over wat er goed en niet goed gaat in de
JRK.
Samengevat: we hebben overlopende posten omdat wij allerlei verwachtingen in het huidige
winstcijfer moeten laten zien. De accruals zorgen ervoor dat we een goed winstcijfer kunnen
rapporteren tegen een bepaalde prijs, namelijk mogelijke fouten die we maken bij de inschatting
van die overlopende posten. Hoe meer fouten we maken hoe minder nuttig de JRK is voor
beleggers.
Het artikel heeft nagedacht over wanneer er een fout is en ze hebben een model bedacht om dit
meetbaar te maken.
Ze geven ook aan dat de fout zowel onbewust als bewust gemaakt kan worden en zij blijven weg
van bewuste fouten, maar ze geven wel aan dat je deze methoden ook kan gebruiken om te kijken
naar situaties waar er mogelijk meer kans is op een bewuste fout en dat testen.
, MCVAY (2006) – EARNINGS MANAGEMENT USING CLASSIFICATION SHIFTING: AN
EXAMINATION OF CORE EARNINGS AND SPECIAL ITEMS
Dit artikel bespreekt het verschuiven van kosten binnen de resultatenrekening om percepties van
kernprestaties bij investeerders te beïnvloeden. Het gaat over winststuring, dus het is belangrijk om
te begrijpen wat winststuring inhoudt en waarom het bestaat. Het artikel richt zich op winststuring
via classificatieverschuiving. Dit betekent dat er een specifieke benadering is gekozen: de auteur
onderzoekt winststuring door te kijken naar classificatieverschuiving als instrument voor
winststuring. Tot slot wordt duidelijk dat het onderzoek gaat over kerninkomsten en bijzondere
posten. Als lezer worden we erop gewezen dat we moeten weten wat deze termen betekenen en
hoe ze met elkaar verbonden zijn.
Winststuring nader bekeken
Winststuring houdt in dat managers opzettelijk winsten over- of onderschatten om een bepaald
rapportagedoel te bereiken en daarmee de perceptie van de bedrijfsresultaten te beïnvloeden. Het
gaat hierbij om een bewuste handeling van managers met een specifiek doel: ze willen de perceptie
van het bedrijf op een bepaalde manier vormgeven en zijn bereid om gerapporteerde winstcijfers te
manipuleren. McVay definieert winststuring als "de verkeerde weergave of verhulling van de
werkelijke economische prestaties." Dit impliceert dat er een "ware" economische prestatie bestaat
die idealiter correct wordt weerspiegeld in het winstcijfer. Als een manager echter vindt dat dit
cijfer niet gunstig is, kan hij het manipuleren.
Manieren waarop managers winststuring kunnen toepassen:
- Beheer van accruals: agressieve erkenning van inkomsten, uitstel of activering van kosten,
onderschatting van verplichtingen, enz.
- Reële activiteiten beheren: verminderen van R&D, gebruik van kortingen om de verkoop aan
het einde van het jaar te stimuleren, enz.
- Classificatieverschuiving: het opzettelijk verkeerd classificeren van posten binnen de
resultatenrekening. Dit houdt in dat kosten naar beneden worden verschoven of inkomsten
naar boven, waardoor een beeld ontstaat dat niet overeenkomt met de economische
realiteit.
Classificatieverschuiving verandert het nettoresultaat niet, maar beïnvloedt wel hoe gebruikers de
prestaties waarnemen.
Voorbeeld van Philips
Classificatieverschuiving zou betekenen dat Philips bepaalde kosten naar beneden verschuift om een
subtotaal, zoals het bedrijfsresultaat, te verhogen. Bijvoorbeeld door 'andere bedrijfsuitgaven'
verkeerd te classificeren als 'financiële uitgaven' of 'beëindigde activiteiten'.
Waarom is dit een instrument voor winststuring?
Het nettoresultaat verandert niet, maar classificatieverschuiving beïnvloedt alternatieve definities
van winst. Analisten en investeerders richten zich vaak op de kerninkomsten van een bedrijf: ze
vertrouwen op gepresenteerde subtotalen zoals het bedrijfsresultaat en negeren vaak tijdelijke
kosten zoals bijzondere waardeverminderingen en herstructureringskosten. Managers kunnen dit
benutten door kosten als tijdelijke posten te classificeren, wetende dat investeerders deze
negeren.
McVay richt zich op de Amerikaanse context en de verkeerde classificatie van 'kernkosten' als
bijzondere posten, zoals waardeverminderingen en herstructureringen. Dit verhoogt de
kerninkomsten, aangezien:
Kernkosten = kosten van verkochte goederen + SG&A (verkoop, algemene en administratieve
kosten).
Kerninkomsten = inkomsten – kernkosten.
Door kosten weg te schuiven van de kernkosten, worden kerninkomsten verhoogd.
