KREDITLAR, QARZLAR VA GAROV BO’YICHA OPERATSIYALAR SUD-BUXGALTERIYA EKSPERTIZASI TAYINLASH, O’TKAZISH VA EKSPERTIZA XULOSASINI TAYYORLASHNING METODIK USULLARI

Аннотация

The article examines the methodological aspects of organizing forensic accounting expertise for credit, debt, and collateral-related operations. The study aims to improve the methods used in the stages of appointing, conducting, and preparing expert reports, as well as to identify their legal and financial implications. The methodological approach includes the analysis of regulatory documents, practical case studies, statistical data, and international standards (IFRS, GAAP). The results reveal shortcomings in the expertise process, such as insufficient data and subjective collateral valuation. To address these issues, the study proposes the use of digital technologies, enhancing specialists' qualifications, and implementing unified methodological guidelines. The research contributes to increasing the objectivity and transparency of forensic accounting examinations, thereby strengthening trust in financial and legal systems. Keywords: forensic accounting expertise, credit operations, collateral valuation, methodological approaches, financial fraud. Kirish. Dolzarblik va muammoning shakllanishi Oʻzbekiston moliya tizimida kredit operatsiyalari 2020–2023-yillar oraligʻida 3,2 baravar oshdi (OʻzR Markaziy Banki, 2023). Biroq, bu oʻsish bilan birga kredit nizolari ham keskin koʻpaydi: 2023-yilga kelib, sudlarda koʻrilgan moliyaviy daʼvolarning 42%i kredit shartnomalari bilan bogʻliq (Sudlar xizmati hisobotlari, 2024). Asosiy muammolar qatoriga quyidagilar kiradi: Shartnomalarning noaniqligi: 25% holatlarda foiz stavkasi, garov qaytarish shartlari yoki majburiyatlar mavzuida izohlar yetishmaydi. Garov baholashdagi xatolar: Qishloq xoʻjaligi yerlari bahosi 30% hollarda bozor narxidan past koʻrsatilgan (Agroekspertiza markazi, 2023). Raqamli dalillarning yetishmasligi: Elektron shartnomalarning faqat 15%i notarial tomondan raqamli imzo bilan tasdiqlangan. Bu muammolar nafaqat fuqarolarning huquqlarini buzadi, balki banklar va mikrokredit tashkilotlarning ishonchliligiga ham putur yetkazmoqda. Masalan, 2022-yilda Toshkent shahrida “X” banki tomonidan berilgan 120 ta kreditning 35%i ekspertiza jarayonida notoʻgʻri baholanganligi aniqlangan (Sud arxivlari, №45-2022). Maqolaning ilmiy yangiligi va amaliy ahamiyati. 125 ACADEMIC RESEARCH IN MODERN SCIENCE International scientific-online conference Ushbu ishda birinchi marta Oʻzbekiston sud amaliyoti uchun integral ekspertiza modeli taklif etiladi va u quyidagi jihatlarni qamrab oladi: 1. Xalqaro standartlarning adaptatsiyasi: o IFRS 9 (“Moliyaviy hisobotlarning xalqaro standartlari”) asosida kredit riskini baholashning dinamik modellari. o ISO/IEC 17020 (“Tekshiruv tashkilotlarining mustaqilligi”) boʻyicha ekspertlarni akkreditatsiya qilish tartibi. 2. Mahalliy qonunchilik bilan uygʻunlashtirish: o “Garov reysteri toʻgʻrisida”gi qonunga muvofiq garovni elektron reyestrga kiritish mexanizmi. 3. AI asosidagi yechimlar: o Garov aktivlarining narxini prognozlash uchun machine learning algoritmlari (LSTM tarmoqlari). o Blockchain texnologiyasi yordamida shartnomalarning oʻzgartirilmasligini taʼminlash. Tadqiqotning amaliy jihati sud jarayonlarini qisqartirishga qaratilgan: taklif etilgan metodika ekspertiza o’tkazish vaqti va xarajatini 50% gacha qisqartirishi mumkin. Tadqiqot metodlari. Tadqiqotda quyidagi metodlar integratsiyalashgan holda qo‘llanildi: 1. Normativ-huquqiy tahlil: O‘zbekiston qonunchiligi: Fuqarolik kodeksi, “Ipoteka to‘g‘risida”gi qonun, Markaziy Bankning “Kredit riskini boshqarish” yo‘riqnomasi. Xalqaro standartlar: IFRS, ISO 17020 2. Empirik tadqiqot: o Namuna: Sudlarda ko‘rilgan kredit nizolari. o tatistik usullar: SPSS dasturida ANOVA va Xi-kvadrat testlari (xatolar foizini baholash uchun). Ekonometrik modellar: Kredit defoltini prognozlash uchun logit- regressiya. 3. Ekspert baholash: Intervyu: 25 nafar sud buxgalteri va moliya mutaxassislari bilan suhbatlar. 4. Raqamli innovatsiyalar: AI yordamida maʼlumotlar tahlili Dasturiy vosita: Pythonda yozilgan LSTM tarmog‘i (garov narxlarini prognozlash uchun). Natija: Aniqlik darajasi 89,7% 126 ACADEMIC RESEARCH IN MODERN SCIENCE International scientific-online conference Metodlarning amaliy jihatlari: Garovni baholash algoritmi Quyidagi bosqichlar qo‘llaniladi: 1. Bozor tahlili: o “e-garov.uz” bazasidagi sotuvlar tarixi tahlili. o Kadastr qiymati va bozor bahosi o‘rtasidagi korrelyatsiya (r = 0,78). 2. Diskontlash usuli: FV CF PV = + (1+ r)n (1 + r)k Bu yerda: o FV = Garovning nominal qiymati, o CF = Yillik daromad (ijara haqi), o r = Markaziy Bankning asosiy stavkasi (14%), o n = Muddat (3–5 yil). 3. Ekspert bahosi: Mustaqil ekspertlarning xulosalari o‘rtacha hisoblanadi. Firibgarlikni aniqlash Benford qonuni: bank hisobvarag‘idagi raqamli maʼlumotlar tahlili. Metodlarning cheklovlari: 1. Maʼlumotlar etishmasligi 2. Texnik imkoniyatlar 1-jadval Metod Ustunliklari Kamchiliklari Qo‘llanish sohasi Huquqiy bazani Dinamik o‘zgarishlarni Normativ tahlil Qonun loyihalash aniq ko‘rsatadi hisobga olmaydi Xatolarni