Lý do ch ọn đề tài nghiên c ứ u
Thị trường chứng khoán Việt Nam đã hoạt động gần 20 năm và ngày càng trở nên quan trọng đối với nền kinh tế Tuy nhiên, gần đây, nhà đầu tư lo ngại về các vụ bê bối liên quan đến thông tin bất cân xứng của các công ty niêm yết Điển hình là vụ Công ty Cổ phần Dược Viễn Đông (Mã CK: DVD) khi chủ tịch Hội đồng quản trị kiêm Tổng giám đốc bị bắt vì thao túng giá cổ phiếu và nhiều hành vi tiêu cực khác như lập báo cáo tài chính gian dối Một vụ việc nghiêm trọng khác là Công ty CP Tập đoàn Kỹ nghệ Gỗ Trường Thành (Mã CK: TTF) khi công ty này đột ngột báo lỗ hơn 1.100 tỷ đồng trong một tháng.
Vào tháng 2 năm 2016, báo cáo của Công ty Kiểm toán Earnt & Young Việt Nam chỉ ra rằng khoản mục “hàng tồn kho phát hiện thiếu khi kiểm kê” lên tới 980 tỷ đồng, tương đương gần 1.000 tỷ đồng của công ty bị mất mát đột ngột, khiến nhiều nhà đầu tư của TTF rơi vào tình trạng trắng tay Ngoài ra, còn có các trường hợp công bố thông tin sai lệch từ Công ty CP thiết bị Y tế Việt Nhật (Mã CK: JVC), Công ty CP Tập đoàn Đại Dương (Mã CK: OGC), Công ty CP Tài Nguyên (Mã CK: TNT), và Công ty CP đầu tư và phát triển Công nghiệp Bảo Thư (Mã CK: BII).
Gian lận tài chính đã xảy ra ở nhiều công ty lớn như Enron, Lucent, WorldCom và Satyam, gây ra hậu quả nghiêm trọng cho các bên liên quan và làm suy giảm lòng tin của nhà đầu tư Những vụ gian lận này không chỉ ảnh hưởng đến uy tín doanh nghiệp mà còn làm tăng chi phí vốn Hành vi gian lận trên báo cáo tài chính (BCTC) là vấn đề phổ biến và tồn tại lâu dài, không chỉ ở Việt Nam mà còn trên toàn thế giới Do đó, nhu cầu phát hiện gian lận tài chính ngày càng gia tăng.
Theo Lý thuyết bất cân xứng thông tin, được phát triển bởi các nhà khoa học như G.A Akerlof, Michael Spence và Joseph Stiglitz, thông tin bất cân xứng là một trong những nguyên nhân chính gây ra thất bại thị trường Hiện tượng này xảy ra khi các bên tham gia giao dịch cố tình che giấu thông tin, dẫn đến việc doanh nghiệp sử dụng các chính sách kế toán để cung cấp thông tin có lợi cho mình Do đó, việc phát hiện gian lận báo cáo tài chính thông qua các thủ tục kiểm toán truyền thống trở nên khó khăn và đôi khi không thể thực hiện được.
Khai thác dữ liệu trong việc phát hiện gian lận báo cáo tài chính (BCTC) và kiểm soát gian lận là rất cần thiết, giúp kiểm toán viên giảm bớt công việc kiểm tra thủ công và nâng cao độ chính xác Nhiều nhà đầu tư và tổ chức đang đặc biệt quan tâm đến vấn đề này Trên thế giới, nhiều nghiên cứu đã phát triển các mô hình như M-Score của Beneish (1999) và F-Score của Dechow (2011) để phát hiện gian lận BCTC, cùng với việc sử dụng các chỉ số tài chính và hệ số nguy cơ phá sản Z-Score Trong số các mô hình, M-Score của Beneish được ưa chuộng nhờ độ tin cậy cao và đã được đưa vào giảng dạy tại nhiều trường đại học.
Tại Việt Nam, đã có nghiên cứu áp dụng các phương pháp phát hiện gian lận báo cáo tài chính (BCTC) cho các công ty niêm yết, như sử dụng các chỉ số tài chính và mô hình Z-Score M-Score là một mô hình phát hiện gian lận được công nhận toàn cầu, nhưng việc kết hợp nó với các chỉ số đáng tin cậy khác như Z-Score trong bối cảnh Việt Nam vẫn chưa được thực hiện Do đó, tác giả đã chọn nghiên cứu đề tài “Kết hợp mô hình M-Score Beneish và chỉ số Z-Score để nhận diện khả năng gian lận trên BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM” nhằm lấp đầy khoảng trống nghiên cứu này.
Tác giả mong muốn thông qua nghiên cứu của mình cung cấp các bằng chứng thực nghiệm và đề xuất những chỉ số tài chính có khả năng phát hiện gian lận trên báo cáo tài chính (BCTC) với độ tin cậy cao Điều này sẽ hỗ trợ kiểm toán viên, nhà đầu tư và các bên liên quan khác trong việc đưa ra quyết định chính xác và kịp thời Bên cạnh đó, việc phân tích và tổng hợp các nghiên cứu liên quan sẽ giúp đưa ra khuyến nghị cần thiết cho các nhà nghiên cứu trong tương lai.
M ụ c tiêu nghiên c ứ u
Mục tiêu nghiên cứu của đề tài là:
(1)Nhận diện được những biến độc lập có khả năng phát hiện gian lận trên BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM
(2)Dự đoán khả năng phát hiện gian lận BCTC của mô hình được xây dựng.
Câu h ỏ i nghiên c ứ u
Dựa vào mục tiêu tổng quát nêu trên, đề tài cụ thể hóa thành các câu hỏi nghiên cứu như sau:
(1)Những biến độc lập nào có khả năng phát hiện gian lận trên BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM?
(2)Mức độ dự đoán khả năng gian lận trên BCTC của mô hình được tác giả xây dựng là bao nhiêu?
Đối tượ ng và ph ạ m vi nghiên c ứ u
Đối tượng nghiên cứu
Đối tượng nghiên cứu của đề tài là khả năng gian lận báo cáo tài chính.
Phạm vi nghiên cứu
Phạm vi về thời gian: BCTC từ năm 2015 đến năm 2017
Phạm vi về không gian: BCTC của các công ty niêm yết trên sàn HOSE.
Phương pháp nghiên cứ u
Đề tài sử dụng phương pháp nghiên cứu định lượng chủ yếu để đạt được các mục tiêu nghiên cứu thông qua việc thống kê mô tả mẫu và các biến, kiểm định ý nghĩa của các hệ số hồi quy, cũng như đánh giá mức độ phù hợp và khả năng dự báo của mô hình Bên cạnh đó, phương pháp định tính được áp dụng để tổng quan các mô hình và lý thuyết nghiên cứu trước đó, giúp tác giả nhận diện các biến độc lập có khả năng phát hiện gian lận trên báo cáo tài chính.
Ý nghĩa củ a nghiên c ứ u
V ề m ặ t lý lu ậ n
Bài viết này phân tích và tổng hợp các nghiên cứu liên quan đến việc phát hiện gian lận báo cáo tài chính (BCTC) tại Việt Nam, xây dựng mô hình nghiên cứu kết hợp tám biến độc lập từ mô hình M-Score của Beneish (1999) cùng với hai biến Z-Score (hệ số nguy cơ phá sản) và biến ISSUE (phát hành cổ phiếu trong năm) Tác giả nhận thấy rằng nghiên cứu về gian lận BCTC tại Việt Nam chưa được quan tâm đầy đủ, do đó, thông qua đề tài này, tác giả đưa ra các khuyến nghị thiết thực cho các nhà nghiên cứu trong tương lai nhằm cải thiện tình hình gian lận BCTC tại Việt Nam.
Về mặt thực tiễn
Nghiên cứu đã chỉ ra sáu biến độc lập có khả năng phát hiện gian lận thông tin trên báo cáo tài chính (BCTC) với độ tin cậy cao đạt 77,1% Các biến này bao gồm Chỉ số phải thu khách hàng trên doanh thu thuần (DSRI), Chỉ số lợi nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số đòn bẩy tài chính (LVGI), Hệ số nguy cơ phá sản (Z-Score).
Việc phát hành cổ phiếu trong năm (ISSUE) liên quan đến nhiều biến độc lập, trong đó biến Z-Score có tác động ngược chiều với khả năng gian lận, trong khi năm biến còn lại đều có tác động cùng chiều Kết quả này cung cấp thông tin hữu ích cho các kiểm toán viên, nhà đầu tư và các bên liên quan, giúp họ đưa ra các quyết định chính xác và kịp thời.
K ế t c ấ u lu ận văn
Đề tài bao gồm 5 chương:
Chương 1: Tổng quan về các nghiên cứu trước
Chương 2: Cơ sở lý thuyết
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu và bàn luận
Chương 5: Kết luận và kiến nghị
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
Các nghiên cứu nước ngoài
Có nhiều phương pháp để xác định hành vi gian lận trên báo cáo tài chính (BCTC), trong đó Burcu và Guray (2005) phân loại thành ba nhóm kỹ thuật chính Nhóm đầu tiên là kỹ thuật dồn tích có điều chỉnh (discretionary accruals), tập trung vào việc đánh giá các khoản mục kế toán dồn tích nhằm phát hiện gian lận Các nghiên cứu tiêu biểu trong nhóm này bao gồm Healy (1985), DeAngelo (1986), Jones (1991) và Friedlan (1994), trong đó nghiên cứu của DeAngelo là đại diện tiêu biểu.
Vào năm 1986, một nhóm nghiên cứu thứ hai đã áp dụng mô hình mạng thần kinh nhân tạo để phát hiện gian lận Nghiên cứu tiêu biểu của nhóm này bao gồm công trình của Green và Choice (1997), cùng với Fanning và Gogger (1998) Trong đó, Green và Choice (1997) đã trình bày mô hình mạng thần kinh nhân tạo dựa trên dữ liệu tài chính nội sinh.
Vào năm 1998, mô hình mạng thần kinh nhân tạo đã được áp dụng để phát hiện gian lận trong quản trị, với tám biến độc lập cho khả năng phát hiện gian lận cao Nhóm kỹ thuật thứ ba sử dụng các phương pháp thống kê, bao gồm các nghiên cứu của EdWard I Altman (1968), Beneish (1999), Burcu Diken và Guray (2005), cùng với Dechow và các cộng sự (2011) Mô hình M-Score của Beneish (1999) là đại diện tiêu biểu cho nhóm này.
Trong ba nhóm kỹ thuật phát hiện gian lận, nhóm sử dụng kỹ thuật thống kê được đánh giá là dễ thực hiện và có độ tin cậy cao Do đó, tác giả đã chọn kỹ thuật này để xây dựng mô hình nghiên cứu, nhằm xác định các biến độc lập phù hợp trong việc phát hiện gian lận báo cáo tài chính (BCTC) tại Việt Nam Các nghiên cứu liên quan đến kỹ thuật thống kê sẽ được tác giả trình bày trong đề tài của mình.
EdWard I.Altman (1968) đã thực hiện nghiên cứu trên một mẫu bao gồm 66 doanh nghiệp để dự đoán về nguy cơ phá sản của các doanh nghiệp này Và ông đã tìm ra được chỉ số Z-Score Chỉ số này được dùng để dự đoán khả năng phá sản của một công ty trong hai năm sắp tới hoặc để dự đoán khả năng một công ty vỡ nợ Z- Score được tính toán dựa trên các chỉ tiêu có sẵn trên BCTC Hàng loạt các thử nghiệm tiếp theo được thực hiện trong suốt hơn 30 năm Cho tới năm 1999, 80-90% công ty phá sản được dự báo nhờ vào chỉ số Z trước ngày phá sản một năm và các gian lận trên BCTC cũng được phát hiện theo cách này Từ 1985, chỉ số Z đã được chấp nhận rộng rãi bởi kiểm toán viên, kế toán quản trị, tòa án, và hệ thống dữ liệu đánh giá cho vay Ban đầu, công thức tính của Altman chỉ được thiết lập cho các công ty sản xuất với tài sản hơn một triệu đô la Mỹ nhưng sau đó, tác giả đã có những điều chỉnh để áp dụng phù hợp với các công ty phi sản xuất Và năm 2006, Altman và Hotchkiss đã nghiên cứu thay đổi chỉ số Z-Score để tính được nguy cơ phá sản của hầu hết các ngành, các loại hình doanh nghiệp với độ chính xác cao hơn và gian lận BCTC cũng được phát hiện theo cách này tốt hơn Ưu điểm của nghiên cứu này là được kiểm nghiệm trong thực tiễn rất nhiều năm với độ tin cậy cao; được nhiều nhà nghiên cứu vận dụng để phát hiện gian lận như Charalambos T Spathis ,
Mô hình M-Score do Messod D Beneish phát triển vào năm 1999 đã được chấp nhận rộng rãi bởi các kiểm toán viên và kế toán quản trị như một công cụ hữu ích để phát hiện gian lận trên báo cáo tài chính (BCTC) Nghiên cứu của ông dựa trên dữ liệu từ 74 công ty có điều chỉnh lợi nhuận trong giai đoạn 1982-1992 và sử dụng mô hình probit để ước lượng khả năng điều chỉnh lợi nhuận Điểm mạnh của mô hình là sự kết hợp giữa các biến chỉ số tài chính và biến dồn tích, giúp tăng xác suất phát hiện sai sót lên 76% Mô hình này đã nổi bật trong việc phát hiện gian lận của tập đoàn Enron năm 2001 và đã được đưa vào chương trình giảng dạy chính thức.
Mô hình M-Score của Beneish đã thu hút sự chú ý của nhiều nhà nghiên cứu, được áp dụng trong các nghiên cứu của Burcu Diken và Guray (2005), Dechow cùng các cộng sự (2011), và Tarjo và Nural (2015).
M-Score của Beneish bao gồm tám biến độc lập: Chỉ số Phải thu khách hàng trên Doanh thu thuần (DSRI), Chỉ số Tỷ suất lợi nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số tăng trưởng doanh thu (SGI), Chỉ số khấu hao TSCĐ (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số biến dồn tích kế toán so với tổng tài sản (TATA) và cuối cùng là chỉ số đòn bẩy tài chính (LVGI)
Ta thấy rằng, cùng sử dụng một kỹ thuật để phát hiện gian lận BCTC đó là kỹ thuật thống kê nhưng nghiên cứu của Beneish (1999) và EdWard I.Altman
Vào năm 1968, EdWard I Altman đã phát triển một phương pháp sử dụng chỉ số tài chính để đánh giá khả năng phá sản của công ty, từ đó đưa ra nhận định về khả năng gian lận báo cáo tài chính Trong khi đó, Beneish kết hợp cả chỉ số tài chính và biến dồn tích để xây dựng mô hình nhận diện gian lận một cách trực tiếp Mặc dù hai phương pháp này khác nhau, nhưng đều có độ tin cậy cao, thu hút sự quan tâm và ứng dụng từ nhiều nhà nghiên cứu sau này.
Nghiên cứu của Charalambos T Spathis (2002) đã chỉ ra tính hữu ích của các chỉ số tài chính và hệ số nguy cơ phá sản (Z-Score) trong việc phát hiện gian lận trên báo cáo tài chính (BCTC) Tác giả áp dụng hồi quy Logistic với các công cụ thống kê đơn biến và đa biến, xác định rằng tỷ số hàng tồn kho trên doanh thu, lợi nhuận ròng trên tổng tài sản, tỷ số vốn lưu động trên tổng tài sản, tỷ lệ tổng nợ trên tổng tài sản và Z-Score là những chỉ số quan trọng trong phát hiện gian lận Kết quả cho thấy Z-Score có hiệu quả tương tự như nghiên cứu của EdWard I Altman (1968), nhưng nghiên cứu của Spathis đã bổ sung thêm các chỉ số tài chính khác để tăng cường khả năng phát hiện gian lận.
Lalith P Samarakoon và Tanweer Hasan (2003) đã sử dụng ba mô hình Z-Score của Altman để dự đoán khả năng khó khăn tài chính của các công ty niêm yết tại Sri Lanka, một thị trường mới nổi Nghiên cứu dựa trên dữ liệu của 13 công ty gặp khủng hoảng tài chính và 13 công ty không bị khủng hoảng trong cùng ngành Kết quả cho thấy chỉ số Z-Score dự đoán chính xác 81% các công ty gặp khó khăn tài chính Nghiên cứu này cung cấp thêm bằng chứng thực nghiệm cho thấy chỉ số Z-Score có khả năng dự đoán tốt tình hình sức khỏe tài chính của các công ty tại các thị trường mới nổi, tương đồng với nghiên cứu của EdWard I Altman (1968), nhưng khác biệt ở chỗ nghiên cứu này được thực hiện tại Sri Lanka.
Nghiên cứu của Burcu Diken và Guray (2005) đã phát triển một mô hình dựa trên M-Score của Beneish để phát hiện gian lận báo cáo tài chính tại các công ty Thổ Nhĩ Kỳ Các tác giả đã thu thập và phân tích dữ liệu nhằm xác định các chỉ số gian lận hiệu quả.
Nghiên cứu này sử dụng dữ liệu từ 126 công ty niêm yết tại sàn giao dịch chứng khoán và bổ sung hai biến độc lập là DINV (Chỉ số hàng tồn kho) và FEI (Chỉ số chi phí tài chính) vào mô hình M-Score Qua ba bước phân tích phân lớp, kết quả cho thấy mô hình của Burcu Diken và Guray dự đoán chính xác 67% trường hợp gian lận trên báo cáo tài chính, tương đồng với nghiên cứu của Beneish (1999) Tuy nhiên, nghiên cứu này cải tiến bằng cách kết hợp thêm DINV và FEI để đánh giá tình hình gian lận một cách toàn diện hơn, mặc dù độ tin cậy vẫn thấp hơn mô hình M-Score gốc của Beneish (76%).
Dechow và các cộng sự (2011) đã tiến hành nghiên cứu gian lận trên 2,190 BCTC trong giai đoạn 1982-2005, phát triển ba mô hình F-Score để phát hiện gian lận BCTC ở ba mức độ khác nhau, dựa trên mô hình M-Score của Beneish Mô hình đầu tiên xem xét mối quan hệ giữa hành vi gian lận và các yếu tố trên BCTC như biến dồn tích và thay đổi hàng tồn kho Mô hình thứ hai bổ sung các biến phi tài chính như số lượng nhân viên và các hoạt động ngoại bảng Mô hình thứ ba tiếp tục thêm các biến liên quan đến thị trường như chỉ số giá cổ phiếu Kết quả cho thấy F-Score dự đoán đúng 65,9% với mô hình đầu tiên, 65,78% với mô hình thứ hai và 63,36% với mô hình thứ ba Mặc dù F-Score đánh giá gian lận một cách toàn diện hơn, xác suất dự đoán của nó vẫn thấp hơn so với mô hình M-Score của Beneish (1999).
Muntari Mahama (2015) đã tiến hành một nghiên cứu thực nghiệm về vụ gian lận của công ty Enron, sử dụng mô hình M-Score kết hợp với Z-Score để phát hiện khả năng gian lận trong báo cáo tài chính và khủng hoảng tài chính của công ty Nghiên cứu chỉ ra rằng Enron đã rơi vào khủng hoảng tài chính từ năm 1997, nhưng sự thật này chỉ được phát hiện sau một thời gian dài.
Các nghiên cứu trong nước
Tại Việt Nam, một số nghiên cứu đã áp dụng các kết quả thực nghiệm quốc tế nhằm phát hiện gian lận trên báo cáo tài chính (BCTC), tuy nhiên số lượng nghiên cứu này còn hạn chế Các nghiên cứu liên quan đến chủ đề này của tác giả cũng được đề cập.
Tác giả Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012) đã tiến hành kiểm định lại chỉ số Z-Score của Altman nhằm dự báo khả năng thất bại của các doanh nghiệp tại Việt Nam Nghiên cứu này góp phần làm rõ tính hiệu quả của chỉ số Z-Score trong bối cảnh kinh tế Việt Nam.
Chỉ số Z-Score đã được xác nhận là phù hợp với đặc trưng của thị trường mới nổi, nơi có khả năng tiếp cận vốn hạn chế, quy mô doanh nghiệp nhỏ và rủi ro thanh khoản cao Nghiên cứu dựa trên 293 công ty niêm yết trên sàn HOSE cho thấy Z-Score dự đoán chính xác 91% khả năng kiệt quệ tài chính của công ty một năm trước đó, tỷ lệ này giảm xuống còn 72% trong vòng hai năm Kết quả này chứng tỏ rằng Z-Score là một chỉ số dự báo đáng tin cậy cho thị trường.
Kết quả nghiên cứu này tương đồng với các nghiên cứu trước đây của EdWard I Altman (1968), Charalambos T Spathis (2002) và Lalith P Samarakoon & Tanweer Hasan (2003), tuy nhiên, điểm khác biệt là nghiên cứu này được thực hiện tại thị trường Việt Nam.
Nghiên cứu của Võ Văn Nhị và Hoàng Cẩm Trang (2013) đã phân tích mối quan hệ giữa hành vi điều chỉnh lợi nhuận và nguy cơ phá sản của 85 công ty niêm yết trên sàn HOSE Sử dụng mô hình của Leuz và cộng sự (2003) để xác định hành vi điều chỉnh lợi nhuận, nhóm tác giả cũng áp dụng chỉ số Z-Score của Altman (2006) để đo lường nguy cơ phá sản Kết quả cho thấy mức độ điều chỉnh lợi nhuận có sự tương đồng với nguy cơ phá sản, điều này phù hợp với nghiên cứu trước đó của EdWard I Altman (1968) và Charalambos T Spathis.
Nghiên cứu của Hoàng Khánh và Trần Thị Thu Hiền (2015) mang tên “Phát hiện sai phạm BCTC của các doanh nghiệp niêm yết” đã áp dụng mô hình nghiên cứu của DeAngelo (1986), Friedlan (1994) và Benneish (1999) để xây dựng hai mô hình định lượng Mục tiêu của nghiên cứu là phát hiện sai phạm trên báo cáo tài chính (BCTC) của các công ty xây dựng niêm yết trên sàn, góp phần nâng cao tính minh bạch và độ tin cậy của thông tin tài chính trong ngành.
Trong nghiên cứu, tác giả đã phát triển hai mô hình hồi quy Probit để phân tích gian lận tài chính Mô hình thứ nhất sử dụng biến phụ thuộc M và tám biến độc lập theo mô hình của Beneish (1999), trong khi mô hình thứ hai bổ sung thêm hai biến độc lập là DA và SIZE Kết quả cho thấy, mô hình đầu tiên chỉ có ba biến độc lập SGI, AQI, DEPI có ý nghĩa thống kê, trong khi mô hình thứ hai có bốn biến SGI, AQI, DEPI và DA Khả năng phát hiện gian lận của mô hình đầu tiên đạt 63,41%, còn mô hình thứ hai là 68,29%, cho thấy sự khác biệt so với nghiên cứu của Beneish.
Năm 1999, cả hai mô hình chỉ sử dụng ba chỉ số tài chính trong mô hình M-Score gốc, cho thấy tính hữu ích trong việc phát hiện gian lận Chỉ số DEPI cũng chứng minh hiệu quả trong việc nhận diện gian lận, tương đồng với nghiên cứu của Tarjo và Nural (2015).
Nghiên cứu của Võ Minh Dương (2016) về việc sử dụng mô hình M-Score để đánh giá chất lượng báo cáo tài chính (BCTC) tại Việt Nam cho thấy 30% công ty niêm yết trên sàn HOSE và HNX có dấu hiệu bóp méo BCTC Tác giả đã áp dụng mô hình Beneish (1999) và sử dụng thống kê mô tả để phân tích suất sinh lời cổ phiếu trong các khoảng thời gian 30, 90, 180 và 360 ngày sau khi công bố BCTC Kết quả nghiên cứu chỉ ra rằng, các công ty không bóp méo BCTC có tỷ suất sinh lợi trung bình đạt +5,89%, trong khi các công ty có bóp méo chỉ đạt 3,91% Đây là một nghiên cứu mới và có ý nghĩa quan trọng trong việc hiểu rõ mối quan hệ giữa bóp méo BCTC và suất sinh lời cổ phiếu trên thị trường chứng khoán Việt Nam.
Nghiên cứu của Trần Việt Hải (2017) mang tên “Nhận diện gian lận trên BCTC của các công ty niêm yết trên TTCK VN – Bằng chứng thực nghiệm tại sàn giao dịch chứng khoán HOSE” đã sử dụng mô hình Beneish (1999) để phân loại các công ty có gian lận và không có gian lận Tác giả đã áp dụng thống kê mô tả để phân tích các đặc tính cơ bản của dữ liệu, đồng thời tổng hợp các nghiên cứu trước đây về việc sử dụng chỉ số tài chính để phát hiện gian lận Kết quả là tác giả đã xác định mười biến độc lập cho mô hình nghiên cứu, trong đó có hệ số Z-Score, một chỉ số quan trọng về nguy cơ phá sản đã được nghiên cứu tại Hoa Kỳ.
Tác giả đã áp dụng kỹ thuật hồi quy Logistic để kiểm định mô hình, đạt tỷ lệ phân loại chính xác 68,7% cho các công ty có gian lận Nghiên cứu về chỉ số Z-Score cho thấy sự tương đồng với các nghiên cứu trước đây của EdWard I Altman (1968), Charalambos T Spathis (2002), và Muntari Mahama (2015) Điểm khác biệt của nghiên cứu này là việc kết hợp nhiều chỉ số tài chính khác nhau nhằm phát hiện gian lận, đồng thời được thực hiện trong bối cảnh thị trường Việt Nam.
Trong nghiên cứu của Ca Thị Ngọc Tố (2017) về việc ứng dụng mô hình M-Score trong phát hiện sai sót thông tin trên báo cáo tài chính (BCTC) của các doanh nghiệp niêm yết, tác giả đã áp dụng mô hình M-Score gốc của Beneish (1999) kết hợp với kỹ thuật hồi quy Logistic để xây dựng mô hình định lượng Kết quả cho thấy, ba biến độc lập đã được loại trừ do không có ý nghĩa thống kê, trong khi năm biến còn lại gồm LVGI, SGI, GMI, SGAI, DEPI vẫn giữ vai trò quan trọng Mô hình mới này không chỉ có sự khác biệt so với mô hình gốc mà còn đạt khả năng dự báo cao hơn, lên tới 80,83%.
Tóm tắt về các nghiên cứu trong nước có liên quan đến đề tài xem trong bảng 1.2 bên dưới
Bảng 1.2 Tóm tắt các nghiên cứu trong nướcliên quan đến đề tài nghiên cứu
Số thứ tự Tác giả Năm Nội dung nghiên cứu Kết quả
Kiểm định lại chỉ số Z- Score của Altman trong việc dự báo thất bại của các doanh nghiệp VN
Chỉ số Z-Score có khả năng dự báo chính xác 91% về tình trạng kiệt quệ tài chính của công ty một năm trước đó, tuy nhiên, tỷ lệ này giảm xuống còn 72% khi xem xét trong khoảng thời gian hai năm.
Võ Văn Nhị và Hoàng
Nghiên cứu thực nghiệm này nhằm khám phá mối quan hệ giữa hành vi điều chỉnh lợi nhuận và nguy cơ phá sản, sử dụng dữ liệu từ 85 công ty niêm yết trên sàn HOSE Phân tích được thực hiện dựa trên mô hình Leuz và chỉ số Z-Score để đánh giá mức độ rủi ro tài chính của các công ty.
Mức độ điều chỉnh lợi nhuận tương đồng với nguy cơ phá sản
Dựa vào mô hình nghiên cứu của DeAngelo
Năm 1986, Friedlan (1994) và Beneish (1999) đã phát triển hai mô hình định lượng nhằm phát hiện sai phạm trong báo cáo tài chính (BCTC) của các công ty xây dựng niêm yết trên sàn.
Mô hình thứ nhất chỉ có ba biến có ý nghĩa thống kê là SGI, AQI, DEPI; mô hình thứ hai có bốn biến có ý nghĩa là SGI, AQI, DEPI,
DA Và khả năng phát hiện gian lận của từng mô hình lần lượt là 63,41% và 68,29%
Khe hổng nghiên cứu
Sau khi thực hiện tổng hợp các nghiên cứu trong và ngoài nước, tác giả nhận thấy có một số khe hổng nghiên cứu như sau:
Mô hình M-Score của Beneish, F-Score của Dechow và các cộng sự, cùng với chỉ số Z-Score, đã được nhiều nhà nghiên cứu quốc tế như Charalambos T Spathis (2002), Lalith P Samarakoon & Tanweer Hasan (2003), Burcu Diken và Guray (2011), Muntari Mahama (2015), Tarjo và Nural (2015) kiểm định và đánh giá cao Tuy nhiên, hiện tại, những mô hình này vẫn chưa được nghiên cứu nhiều tại Việt Nam.
Chưa có nghiên cứu nào kết hợp mô hình M-Score với chỉ số Z-Score và các biến liên quan đến phát hành cổ phiếu trong năm để phát hiện khả năng gian lận báo cáo tài chính tại thị trường chứng khoán Việt Nam.
Tại Việt Nam, nhiều nghiên cứu đã phát triển các mô hình và phương pháp kiểm định để phát hiện gian lận trong báo cáo tài chính (BCTC) Tuy nhiên, hầu hết các mô hình và phương pháp này đều phức tạp và khó khăn trong việc thu thập dữ liệu, như nghiên cứu của Lê Cao Hoàng Anh và Nguyễn Thu Hằng đã chỉ ra.
Nhiều nghiên cứu gần đây, như của Võ Văn Nhị và Hoàng Cẩm Trang (2013), Hoàng Khánh và Trần Thị Thu Hiền (2015), cùng Võ Minh Dương (2016), đã chỉ ra rằng sự phức tạp trong báo cáo tài chính (BCTC) gây khó khăn cho các nhà đầu tư và các bên liên quan trong việc phân tích và đưa ra quyết định chính xác.
Dựa trên những khoảng trống nghiên cứu, tác giả đã chọn áp dụng mô hình M-Score kết hợp với chỉ số Z-Score và biến Issue để phát hiện khả năng gian lận báo cáo tài chính của các công ty niêm yết tại Sở giao dịch chứng khoán TPHCM.
Trong chương 1, tác giả tổng hợp các nghiên cứu trong và ngoài nước liên quan đến đề tài nghiên cứu của mình, từ đó xác định các khe hổng nghiên cứu cần được khai thác Việc này giúp tạo cơ sở vững chắc cho việc tiếp tục thực hiện đề tài Tác giả đã lựa chọn và trình bày các công trình nghiên cứu tiêu biểu, được công bố rộng rãi và có độ tin cậy cao, nhằm đảm bảo tính chính xác và giá trị của thông tin.
Nghiên cứu toàn cầu đã cung cấp nhiều công cụ hữu ích giúp nhà đầu tư, kiểm toán viên và các bên liên quan dễ dàng nhận diện gian lận trên báo cáo tài chính (BCTC) Các mô hình và phương pháp kiểm định nổi bật bao gồm mô hình M-Score của Messod D Beneish, F-Score của Dechow và các cộng sự, cùng chỉ số Z-Score của Edward I Altman.
Trong chương 2, tác giả sẽ mở rộng và củng cố cơ sở khoa học cho nghiên cứu của mình thông qua việc trình bày các lý thuyết liên quan đến đề tài.
CƠ SỞ LÝ THUYẾT
Cơ sở lý thuyết về gian lận
2.1.1 Khái niệm về gian lận
Theo Chuẩn mực kiểm toán VN số 240 (VSA 240), sai sót trong BCTC có thể phát sinh từ gian lận hoặc nhầm lẫn
Nhầm lẫn là hành vi gây ra sai sót do không cố ý, không vì mục đích thu lợi bất chính
Gian lận là hành vi cố ý làm sai lệch thông tin kinh tế và tài chính để thu lợi bất chính, thường do một hoặc nhiều cá nhân trong Hội đồng quản trị, Ban giám đốc, nhân viên hoặc bên thứ ba thực hiện Một số biểu hiện của gian lận bao gồm việc cung cấp thông tin sai lệch, thao túng số liệu tài chính, và sử dụng tài sản công ty cho mục đích cá nhân.
- Sửa đổi, giả mạo chứng từ, tài liệu làm sai lệch BCTC
- Cố ý áp dụng sai các nguyên tắc kế toán, các chuẩn mực, chế độ kế toán hoặc cố ý tính toán sai lệch làm ảnh hưởng đến BCTC
- Cố ý ghi chép sai nội dung các nghiệp vụ kinh tế phát sinh
Theo chuẩn mực kiểm toán quốc tế số 240 (ISA 240), gian lận được phân thành hai loại chính: gian lận báo cáo tài chính và gian lận biển thủ tài sản.
Theo IAS 240, gian lận báo cáo tài chính (BCTC) là những sai phạm nghiêm trọng được thực hiện một cách có chủ ý nhằm lừa dối người sử dụng thông tin, từ đó mang lại lợi ích cho tổ chức Các sai phạm này thường bao gồm nhiều hình thức khác nhau.
- Làm sai lệch hoặc cố ý gây ra các sai sót đối với các giao dịch, sự kiện hoặc các thông tin quan trọng trên BCTC.
- Giả mạo hoặc sửa đổi chứng từ, thay đổi sổ kế toán, các tài liệu liên quan được sử dụng để lập BCTC
Việc cố ý áp dụng sai các nguyên tắc kế toán có thể ảnh hưởng nghiêm trọng đến cách ghi nhận, phân loại và trình bày nội dung cũng như các chỉ tiêu, khoản mục cần công bố trên báo cáo tài chính (BCTC).
Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE) phân loại gian lận thành ba loại chính: gian lận liên quan đến tài sản, tham ô và gian lận báo cáo tài chính (BCTC) Trong đó, gian lận BCTC được ACFE định nghĩa là hành vi gian lận liên quan đến việc báo cáo tài chính không chính xác.
Gian lận báo cáo tài chính (BCTC) là hành vi cố ý làm sai lệch và bóp méo thông tin trên BCTC để đánh lừa người sử dụng, thường thông qua việc giảm chi phí hoặc khai khống doanh thu.
Gian lận tài sản chủ yếu diễn ra khi nhân viên hoặc nhà quản lý thực hiện hành vi như đánh cắp hàng tồn kho và biển thủ tiền Trong khi đó, tham ô thường là hành vi gian lận do nhà quản lý hoặc chủ sở hữu công ty thực hiện.
Họ đã lạm dụng quyền lực và chức vụ để vi phạm các quy định và cam kết nghĩa vụ đối với công ty, nhằm thu lợi bất chính cho bản thân hoặc cho bên thứ ba.
2.1.3 Nguyên nhân gian lận BCTC
Theo mô hình tam giác gian lận của Donal R Cressy, gian lận thường xảy ra khi ba yếu tố chính hội tụ: Áp lực hoặc động cơ, Cơ hội để thực hiện hành vi gian lận, và Thái độ hoặc cá tính của người thực hiện Mô hình này, được phát triển vào những năm 1940, giúp hiểu rõ hơn về nguyên nhân dẫn đến các hành vi gian lận trong xã hội.
Áp lực và động cơ là yếu tố quan trọng dẫn đến hành vi gian lận trong môi trường làm việc Khi nhân viên hoặc quản lý phải đối mặt với áp lực, đặc biệt là những khó khăn tài chính, họ có thể tìm đến gian lận như một cách để giải quyết vấn đề.
Khi đối mặt với áp lực, con người có xu hướng gian lận nếu có cơ hội Hai yếu tố chính tạo ra cơ hội cho hành vi gian lận là việc nắm bắt thông tin và sở hữu kỹ năng thực hiện hành vi đó.
Theo Cressy, khi đối mặt với áp lực và cơ hội gian lận, không phải ai cũng chọn con đường gian lận, mà điều này còn phụ thuộc vào thái độ và cá tính của từng người.
Mô hình tam giác gian lận của Donal R Cressy đã được áp dụng rộng rãi trong nhiều nghiên cứu nhằm đánh giá rủi ro gian lận ở các lĩnh vực khác nhau Đặc biệt, tiêu chuẩn VSA 240 cũng đã sử dụng mô hình này để hỗ trợ kiểm toán viên trong việc từng bước đánh giá rủi ro gian lận trong quá trình kiểm toán.
Theo VSA 240, các yếu tố chính dẫn đến việc lập báo cáo tài chính gian lận bao gồm động cơ hoặc áp lực, cơ hội, và thái độ hoặc sự biện minh cho hành động.
- Động cơ hoặc áp lực để thực hiện hành vi lập BCTC gian lận:
+ Có thể do sự bất ổn kinh tế ảnh hưởng đến tình hình kinh doanh của đơn vị
Ban giám đốc và nhà quản lý công ty thường phải đối mặt với áp lực từ cả bên trong và bên ngoài, đặc biệt là áp lực đạt được mục tiêu lợi nhuận đã đề ra Nếu không hoàn thành mục tiêu này, họ có thể phải gánh chịu hậu quả nghiêm trọng.
Mô hình M-Score Beneish
Mô hình M-Score của Messod D Beneish (1999) là một công cụ thống kê hiệu quả để phát hiện các công ty thực hiện điều chỉnh lợi nhuận Nghiên cứu của Beneish dựa trên dữ liệu từ 74 công ty đã bị Ủy ban chứng khoán Mỹ cáo buộc hoặc tự thừa nhận có hành vi điều chỉnh lợi nhuận do áp lực từ thị trường Beneish áp dụng mô hình probit để ước lượng khả năng cực đại, giúp xác định xác suất một công ty có thực hiện điều chỉnh lợi nhuận hay không.
Beneish cho rằng việc điều chỉnh lợi nhuận thường liên quan đến việc tăng doanh thu hoặc giảm chi phí một cách có chủ ý Ông cũng nhận định rằng xác suất các công ty thực hiện điều chỉnh lợi nhuận sẽ tăng khi có sự gia tăng bất thường trong các khoản phải thu khách hàng, tăng trưởng doanh thu quá nhanh, chất lượng tài sản giảm, tăng dồn tích và lợi nhuận gộp bị suy giảm Mô hình M-Score của Beneish được sử dụng để phát hiện những dấu hiệu này.
Mô hình M-Score, được giới thiệu vào năm 1999, kết hợp cả biến chỉ số tài chính và biến dồn tích, giúp tăng khả năng phát hiện sai sót trên báo cáo tài chính so với các mô hình chỉ sử dụng một trong hai loại biến này Mô hình này đã trở nên nổi tiếng, đặc biệt trong vụ bê bối của tập đoàn Enron năm 2001, khi sinh viên trường đại học Cornell đã áp dụng M-Score để phát hiện gian lận của Enron trước một năm so với thời điểm công ty phá sản, trong khi các kiểm toán viên không phát hiện ra Mô hình cũng đã được đưa vào chương trình giảng dạy chính thức trong các khóa học tài chính (Fridson, 2002; Stickney, Brown, và Wahlen, 2003).
M-Score đã thu hút sự chú ý của nhiều nghiên cứu tiếp theo, trong đó có nghiên cứu của Burcu Diken và Guray, nhấn mạnh tầm quan trọng của chỉ số này trong việc phân tích và đánh giá.
(2010) và Marinakis (2011), mô hình F-Score của Dechow và các cộng sự (2011), Muntari Mahama (2015),
Mô hình M-Score của Beneish:
M-Score = -4.840 + 0,920DSRI + 0,528GMI + 0,0404AQI + 0,892SGI + 0,115DEPI-0,172SGAI + 4,679 TATA- 0,327LVGI
Nếu điểm M-Score > -1,78, nó cho thấy công ty có khả năng gian lận BCTC và ngược lại
M-Score: là khả năng xảy ra gian lận trên BCTC Đây là biến phụ thuộc nhận giá trị 0,1
0: Không có khả năng gian lận trên BCTC; 1: Có khả năng gian lận trên BCTC
Mô hình M-Score bao gồm tám biến độc lập quan trọng, trong đó có chỉ số Phải thu khách hàng trên Doanh thu thuần (DSRI), chỉ số Tỷ suất lợi nhuận gộp biên (GMI), chỉ số chất lượng tài sản (AQI), chỉ số tăng trưởng doanh thu (SGI), chỉ số khấu hao TSCĐ (DEPI), chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), chỉ số biến dồn tích kế toán so với tổng tài sản (TATA), và chỉ số đòn bẩy tài chính (LVGI) Những chỉ số này đóng vai trò quan trọng trong việc đánh giá tình hình tài chính và khả năng hoạt động của doanh nghiệp.
Và tám biến này được tác giả chia thành hai nhóm:
Nhóm biến nhận diện gian lận bao gồm các chỉ số quan trọng như DSRI (Chỉ số Phải thu khách hàng trên Doanh thu thuần), AQI (Chỉ số chất lượng tài sản), DEPI (Chỉ số khấu hao TSCĐ) và TATA (Chỉ số biến dồn tích kế toán so với tổng tài sản) Những chỉ số này đóng vai trò thiết yếu trong việc phân tích và phát hiện các hành vi gian lận trong báo cáo tài chính.
Nhóm biến nhận diện động cơ gian lận bao gồm bốn chỉ số quan trọng: GMI (Chỉ số Tỷ suất lợi nhuận gộp biên), SGI (Chỉ số tăng trưởng doanh thu), SGAI (Chỉ số chi phí bán hàng và quản lý doanh nghiệp), và LVGI (Chỉ số đòn bẩy tài chính) Những chỉ số này giúp xác định và phân tích động cơ gian lận trong doanh nghiệp, từ đó hỗ trợ trong việc phát hiện và ngăn chặn các hành vi không trung thực.
Chỉ số Z -Score
Z-Score là hệ số nguy cơ phá sản Hệ số này được dùng để dự đoán khả năng phá sản của một công ty trong hai năm sắp tới hoặc để dự đoán khả năng một công ty vỡ nợ Chỉ số Z này được EdWard I.Altman đưa ra năm 1968 dựa trên nghiên cứu của William Beaver và các cộng sự Altman đã sử dụng kỹ thuật phân tích biệt số trên dữ liệu của 66 doanh nghiệp tại Mỹ 66 doanh nghiệp này được tác giả chia đều thành hai nhóm Nhóm một là các công ty bị phá sản từ năm 1946 đến năm
1965, nhóm hai là các công ty không bị phá sản và hoạt động bình thường đến năm
Từ 22 chỉ số tài chính được tính toán dựa trên BCĐKT và BC KQHĐKD, tác giả đã chọn ra được năm chỉ số đưa vào mô hình dự đoán khả năng phá sản Và các chỉ số này được chọn dựa trên bốn tiêu chí như sau: (1) Quan sát ý nghĩa thống kê của phương trình nhiều biến, (2) Dựa vào mức độ tương quan của các biến, (3) Dựa vào khả năng dự đoán chính xác của mô hình và (4) Căn cứ vào dự đoán của các chuyên gia phân tích Năm chỉ số được chọn bao gồm: Vốn lưu động/Tổng tài sản, Lợi nhuận chưa phân phối/Tổng tài sản, Lợi nhuận trước thuế và lãi vay/ Tổng tài sản, Giá trị vốn hóa thị trường của chủ sở hữu/Tổng giá trị sổ sách của tổng nợ và cuối cùng là Doanh thu/Tổng tài sản
Chỉ số Z đã chứng minh khả năng dự đoán sự phá sản của công ty với độ chính xác 72% trong các thử nghiệm ban đầu Qua hơn 30 năm nghiên cứu, đến năm 1999, chỉ số này đã có thể dự báo 80-90% trường hợp phá sản một năm trước khi xảy ra và phát hiện các gian lận trên báo cáo tài chính Từ năm 1985, chỉ số Z đã được chấp nhận rộng rãi trong các lĩnh vực kiểm toán, kế toán quản trị, tòa án và hệ thống đánh giá cho vay Mặc dù ban đầu được phát triển cho các công ty sản xuất có tài sản trên một triệu đô la Mỹ, Altman đã mở rộng nghiên cứu vào năm 2000 để áp dụng chỉ số Z cho các công ty phi sản xuất.
Năm 2006, Altman và Hotchkiss đã cải tiến chỉ số Z-Score để đánh giá nguy cơ phá sản của nhiều ngành và loại hình doanh nghiệp, đạt độ chính xác cao hơn và phát hiện gian lận báo cáo tài chính hiệu quả hơn Theo nghiên cứu của họ, chỉ số Z đã được áp dụng tại hơn 20 quốc gia trên thế giới với độ tin cậy cao.
Công thức tính chỉ số Z-Score của Altman và Hotchkiss:
: Vốn lưu động/Tổng tài sản
: Lợi nhuận chưa phân phối/Tổng tài sản
: Lợi nhuận trước lãi vay và thuế/Tổng tài sản
: Vốn chủ sở hữu/Tổng nợ phải trả Ý nghĩa độ lớn của chỉ số Z-Score:
Z > 5,85: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản
4,35 < Z
