Innledning

Pålitelighetsintervall ble definert som ulike estimater innenfor et intervall hvor ingen på en overbevisende måte kunne hevde at et av estimatene i intervallet er klart bedre enn et annet estimat. Pålitelighetsintervall er første nødvendige trinn i en prosess for å bestemme beste estimat. Det er like relevant for selskapene som for revisor.

Pålitelighetsintervall er relevant for alle typer usikre estimater. Artikkelen er primært rettet mot usikre estimater relatert til nedskrivningsvurderinger og bruk av virkelig verdi. Nedskrivninger er særlig usikre fordi den aktuelle delen av virksomheten har utviklet seg dårligere enn forventet, og spørsmålet er hvor mye dårligere. Andeler i private og aktive eierfond (PE) vurderes til virkelig verdi (NAV – «Net Asset Value») og er særlig usikre fordi forvalterne av fondene har et mål om å øke verdiene betydelig gjennom ambisiøse endringer av selskapenes strategi, drift og finansiering. Også i investeringseiendom har vi erfart at profesjonelle takstfolk har vesentlige forskjeller i verdianslag. Avslutningsvis vil også enkelte andre usikre estimater kommenteres.

Det er verdt å presisere at dette ikke er en vitenskapelig artikkel, men vandring gjennom et utvalg av ulike tanker og refleksjoner. For de spesielt interesserte kan ytterligere informasjon søkes i et enormt mangfold av litteratur. Av praktiske hensyn vises det kun til et begrenset utvalg av referanser.

Praktisk bruk av pålitelighetsintervall

Selskapenes regnskapsførte verdi skal reflektere ledelsens beste estimat. Pålitelighetsintervall er en samling av slike mulige beste estimater. Ledelsens oppgave er først å finne utvalget av mulige beste estimater, og dernest å velge et bestemt estimat blant de beste som brukes i regnskapet. Det skal selvfølgelig være rimelige begrunnelser basert på en profesjonell skjønnsutøvelse for både å bestemme et pålitelighetsintervall og dernest selskapets subjektivt valgte beste estimat innenfor intervallet.

Revisor må ta stilling til om selskapets begrunnelse og relaterte analyser kan underbygges med hensiktsmessige og tilstrekkelig bevis. Bevisvurderingen skal omfatte bevis som underbygger estimatet og bevis som ikke gjør det, og skal ta hensyn til metodene brukt for å utarbeide estimatet, kompleksiteten i estimatet og usikkerheten. Revisor skal utøve en profesjonell skeptisk holdning som en motvekt til selskapets ledelse og risiko for at deres vurderinger preges av kognitive skjevheter og egeninteresser.

Statistisk begrunnelse for pålitelighetsintervall

Det er sjelden usikre estimater i finansiell rapportering bygger på statistiske prognosemodeller. Dersom man likevel skulle gjort det, vil man etter min oppfatning ofte havne i situasjoner hvor man ikke klarer å si at en statistisk prognosemodell er bedre enn en annen. De ulike statistiske modellene vil gi ulike, men like gode forventningsverdier. Flere like gode forventningsverdier er et pålitelighetsintervall.

I tidsseriermodeller vil forventningsverdien i prognosemodellen avhenge av lengden på den historiske tidsserien. I regresjonsmodeller vil forventningsverdien avhenge av hvilke underliggende faktorer som anvendes.

Flere statistiske tester kan anvendes for å teste godheten i modellenes forventningsverdier. Hvor godt modellen forklarer historien er viktig, men det er enda viktigere i denne sammenheng at modellene gir best mulige forventningsverdier om fremtiden. I den sammenheng er de såkalte informasjonskriteriene avgjørende, hvor de mest kjente er «Akaike» og «Bayes» informasjonskriterier. Informasjonskriteriene brukes for å gjøre en mest mulig gunstig avveiing mellom et stort antall variabler som teknisk forbedrer forventningsverdien basert på historiske data, eller færre variabler som reduserer risiko for at forventningsverdien reflekterer historisk datastøy eller tilfeldigheter.

Poenget er at vi ofte ikke klarer å si at en statistisk prognose er bedre enn en annen statistisk prognosemodell ut fra informasjonskriteriene. Det er ikke grunn til å tro at andre ikke-statistiske modeller, som scenarioanalyser, fjerner dette problemet.

Oftest vil vi ikke ha tilgang til tilstrekkelig pålitelige historiske, kvantitative data for å lage statistiske, langsiktige prognoser. Formålet med den statistiske begrunnelsen er derimot å belyse underliggende konseptuelle utfordringer. Et statistisk problem med å bruke historiske data for å se inn i fremtiden, men som vi ikke har berørt, er utfordringene med stabilitet og kontinuitet mellom historien og fremtiden.