Оксана Викторовна Мощенко — кандидат экономических наук, доцент, доцент кафедры аудита и корпоративной отчетности факультета налогов, аудита и бизнес-анализа,
Москва.
Oksana V. Moshchenko — Cand. Sci. (Econ.), Assoc. Prof., Assoc. Prof. of the Department of Audit and Corporate Reporting, Faculty of Taxes, Audit and Business Analysis,
Moscow.
Александр Юрьевич Усанов — кандидат экономических наук, доцент, доцент кафедры бизнес- аналитики факультета налогов, аудита и бизнес-анализа,
Москва.
Alexander Yu. Usanov — Cand. Sci. (Econ.), Assoc. Prof., Assoc. Prof. of the Department of Business Analytics, Faculty of Taxes, Audit and Business Analysis,
Moscow.
Михаил Николаевич Толмачев — доктор экономических наук, профессор, профессор кафедры бизнес-аналитики факультета налогов, аудита и бизнес-анализа,
Москва.
Mikhail N. Tolmachev — Dr. Sci. (Econ.), Prof., Prof. of the Department of Business Analytics, Faculty of Taxes, Audit and Business Analysis,
Moscow.
Анастасия Сергеевна Бабанская — кандидат экономических наук, доцент, доцент кафедры экономической безопасности и управления рисками факультета экономики и бизнеса,
Москва.
Anastasia S. Babanskaya — Cand. Sci. (Econ.), Assoc. Prof., Assoc. Prof. of the Department of Economic Security and Risk Management, Faculty of Economics and Business,
Moscow.
Актуальность исследования обусловлена нарастающей ролью нефинансовой отчетности (НФО) в обеспечении корпоративной прозрачности и формировании доверия инвесторов, государства и общества в условиях перехода к устойчивому развитию. Для угольной промышленности, характеризующейся высоким уровнем экологической нагрузки и социального давления, проблема недостоверности показателей НФО приобретает стратегическое значение, поскольку именно качество ESG-информации определяет репутационные, инвестиционные и регуляторные риски компаний. Недостоверность нефинансовых данных, проявляющаяся в формализации отчетов, сокрытии отрицательной информации и феномене «greenwashing», искажает представление о фактических результатах деятельности предприятий, что обусловливает необходимость разработки научно обоснованных инструментов их выявления и предварительной оценки. Цель исследования — разработка и апробация модели оценки риска недостоверности НФО (индекса R), учитывающей отраслевую специфику угольной отрасли и базирующейся на сочетании качественных и количественных индикаторов. В основу методики положена интеграция действующих международных стандартов (GRI 2021, SASB, ISSB IFRS S1/S2) и российских нормативных документов — методических рекомендаций Банка России (2023) и Руководства РСПП по устойчивому развитию. В исследовании применены методы контент-анализа, сравнительного анализа, нормализации данных и экспертного оценивания показателей. Предложенная модель включает в себя качественные и количественные индикаторы. Первые отражают полноту, структуру и согласованность раскрытий. Вторые характеризуют отклонение фактических ESG-показателей от отраслевых ориентиров. Нормализация данных по шкале [0;1] и применение экспертного взвешивания обеспечили формирование интегрального индекса риска недостоверности R, позволяющего классифицировать компании по уровням риска недостоверности их НФО. Апробация модели проведена на примере крупнейших угольных компаний и дополнена анализом отраслевых показателей, на основе данных Росстата, Росприроднадзора и ESG-отчетности. Результаты исследования выявили различия в уровне достоверности нефинансовых раскрытий даже при формальном соблюдении стандартов GRI и ISSB, а также расхождение между уровнем ESG-транспарентности и фактической согласованностью показателей, что подтверждает необходимость нормативного закрепления процедур верификации ESG-отчетности, внедрения внутреннего ESG-аудита, а также перехода к цифровым форматам раскрытия, что соответствует общей тенденции усиления требований к верифицируемости ESG–раскрытий. Научная новизна работы заключается в разработке комплексной модели количественной оценки достоверности нефинансовой отчетности, сочетающей контент- анализ, количественную оценку показателей и экспертное взвешивание индикаторов. В отличие от существующих подходов, модель R позволяет выявлять риски недостоверности на основе сопоставления раскрытий с отраслевыми параметрами. Полученные результаты обладают практической значимостью для аудиторских организаций, аналитиков, регуляторов и рейтинговых агентств, формируя основу для создания национальной системы мониторинга достоверности нефинансовых раскрытий в высокорисковых отраслях экономики.
The relevance of this research arises from the expanding influence of non-financial reporting (NFR) in achieving corporate transparency and cultivating confidence among investors, governments, and the public during the shift to sustainable development. The coal industry, facing significant environmental and social scrutiny, must address unreliable NFR indicators. This is crucial because the accuracy of ESG data directly influences companies’ reputations, investment opportunities, and regulatory standing. Inaccurate non-financial data, seen in formal reports, hidden negative information, and greenwashing, misrepresents companies’ true performance, requiring the creation of scientifically valid methods for detection and initial evaluation. The study aims to develop and test a model for assessing the risk of NFR unreliability (the R index), considering the specifics of the coal industry and based on a combination of qualitative and quantitative indicators. The methodology is based on integrating current international standards (GRI 2021, SASB, ISSB IFRS S1/S2) and Russian regulatory documents — the Bank of Russia’s methodological recommendations (2023) and the RSPP Sustainable Development Guidelines. The authors used content analysis methods, comparative analysis, data normalization, and expert assessment of indicators. The proposed model includes both qualitative and quantitative indicators. The former reflects the completeness, structure, and consistency of the disclosures. The latter characterizes the deviation of actual ESG indicators from industry benchmarks. Data normalization within the range [0;1] scale and the use of expert weighting enabled the formation of an integrated unreliability risk index R, which allows companies to be classified according to the risk levels of their NFR unreliability statements. The model’s testing involved a sample of major coal companies and was enhanced by an examination of industry indicators derived from data provided by Rosstat, Rosprirodnadzor, and ESG reports. Despite adhering to GRI and ISSB standards, the study’s results varying reliability in non-financial disclosures. It also identified a gap between reported ESG transparency and the actual consistency of the data. This reinforces the need to centralize ESG reporting verification, establish internal ESG audits, and adopt digital disclosure, aligning with the broader move towards more robust ESG disclosure verification. The scientific innovation of this research stems from creating a thorough model to numerically evaluate the trustworthiness of non-financial disclosures. This model synthesizes content analysis, quantitative assessment of metrics, and expert assignment of weights to these metrics. The R model enables unreliability risk identification by contrasting disclosures with industry parameters, a feature absent in current methods. The study’s outcomes hold practical importance for audit firms, analysts, regulators, and rating agencies. They provide a foundation for developing a national system to monitor the accuracy of non-financial disclosures in high-risk economic sectors.
The authors declare that there are no conflicts of interest present.