LEI DE BENFORD: uma análise de sua aplicabilidade em uma amostra de documentos fiscais nas prestações de contas de senadores da República
DOI:
https://doi.org/10.31412/rbcp.v12i6.830Palavras-chave:
Lei de Benford. Primeiro dígito significante. Lei do Primeiro Dígito. Detecção de fraude. Análise Digital.Resumo
Aqueles que têm por atribuição manifestarem-se sobre o grau de conformidade dos registros financeiros gerados por sistemas internos ou externos têm demandado um desenvolvimento contínuo de ferramentas destinadas ao exame analítico de grandes conjuntos de dados digitais. Alinhando-se às demais técnicas estatísticas de seleção de amostras de auditoria amplamente empregadas pelos profissionais que militam nesse setor, vem ganhando notoriedade a aplicação da Lei de Benford como instrumento de direcionamento do trabalho dos responsáveis por mensurarem o nível de conformidade dos gastos realizados por pessoas físicas ou jurídicas. Nesse cenário, o confronto entre frequências observadas e frequências esperadas para o primeiro, segundo e dois primeiros dígitos, de um dado número, pode direcionar e racionalizar procedimentos mais criteriosos de comprovação do gasto para determinados documentos e, consequentemente, identificar indivíduos que estejam cometendo fraudes, erros ou irregularidades no processo de prestação de contas de valores destinados ao custeio de despesas.Downloads
Referências
BADAL-VALERO, E.; ALVAREZ-JAREÑO, J. A.; PAVÍA, J. M. Combining Benford’s Law and machine learning to detect money laundering. An actual Spanish court case. Forensic Science International, v. 282, pp 24-34, 2018.
BENFORD, F. The law of anomalous numbers. Proceedings of the American Philosophical Society, v. 78, n. 4, p. 551-572, 1938.
BERGER, A.; HILL, T. P. An Introduction to Benford’s Law. United Kingdom: Princeton University Press, 2015.
BRASIL, Senado Federal. Transparência: Dados Abertos – CEAPS. Brasília. (2019). Recuperado de https://www12.senado.leg.br/transparencia/dados-abertos-transparencia/dados-abertos-ceaps.
CARSLAW, C. A. P. N. Anomalies in income numbers: Evidence of goal oriented behavior. The Accounting Review, v. 63, n. 2, p. 321-327, 1988.
DRAKE, P. D.; NIGRINI, M. J. Computer Assisted Analytical Procedures Using Benford’s Law. Journal of Accounting Education, v. 18, n. 2000, 127-146, 2000.
DURTSCHI, C.; HILLISON, W.; PACINI, C. The effective use of Benford's Law to assist in detecting fraud in accounting data. Journal of Forensic Accounting, v. 5, n 1, p. 17-34, 2004.
HILL, T. P. The significant-digit phenomenon. The American Mathematical Monthly, v. 102, n. 4, p. 332-327, 1995.
KRAKAR, Z.; ŽGELA, M. Application of Benford's Law in payment systems auditing. Journal of Information and Organizational Sciences, v. 33, n. 1, p. 39-51, 2009.
MEHTA, A.; BHAVANI, G. Application of forensic tools to detect fraud: The case of Toshiba. Journal of Forensic & Investigative Accounting, v. 9, n. 1, p. 692-710, 2017.
NEWCOMB, S. Note on the frequency of use of the different digits in natural numbers. American Journal of Mathematics, v. 4, n. 1, p. 39-40, 1881.
NIGRINI, M. J. A taxepayer compliance application of Benford's Law. The Journal of American Taxation Association, v. 18, Spring, p. 72-91, 1996.
NIGRINI, M. J.; MILLER, S. J. Data diagnostics using second-order tests of Benford’s Law. Auditing: A Journal of Practice & Theory, v. 28, n. 2, p. 305-324, 2009.
NIGRINI, M. J.; MITTERMAIER, L. J. The use of Benford's Law as an aid in analytical procedures. Auditing: A Journal of Practice & Theory, v. 16, n. 2, p. 52-67, 1997.
PETERSON, B. K. Fraud education for accounting students. Journal of Education for Business, v. 78, n. 5, p. 263-267, 2003.
SHAPIRO, S. D. Collaring the crime, not the criminal: reconsidering the concept of white-collar crime. American Sociological Review, v. 35, n. 3, p. 346-365, 1990.
THOMAS, J. K. Unusual patterns in reported earnings. The Accounting Review, v. 64, n. 4, p. 773-787, 1989.
WHYMAN, G. et al. Revisiting the Benford Law: When the Benford-like distribution of leading digits in sets of numerical data is expectable? Physica A: Statistical Mechanics and its Applications, n. 461, p. 595-601, 2016.
WONG, S.; VENKATRAMAN, V. Financial Accounting Fraud Detection Using Business Intelligence. Asian Economic and Finance Review, v. 5, n. 11, p. 1187-1207, 2015.
YANG, S.; WEI, L. Detecting money laundering using filtering techniques: A multiple-criteria index. Journal of Economic Policy Reform, v. 13, n. 2, p. 159-178, 2010.
Downloads
Arquivos adicionais
Publicado
Como Citar
Edição
Seção
Licença
Informações adicionais e declarações dos autores
(integridade científica)
Declaração de conflito de interesse: O(s) autor(es) confirmam não haver conflitos de interesse na condução desta pesquisa e escrita deste artigo.
Declaração de autoria: Todos e apenas os pesquisadores que atendem os requisitos de autoria deste artigo são listados como autores; todos os coautores são integralmente responsáveis por este trabalho em sua inteireza.
Declaração de originalidade: O(s) autor(es) asseguram que o texto aqui publicado não foi previamente divulgado em qualquer outro local e que a futura republicação apenas será feita com expressa referência ao local original de publicação; também atesta que não há plágio de material de terceiros ou autoplágio.