Áp dụng mô hình M-score được nghiên cứu bởi Beneish (1999), nhóm nghiên cứu xây dựng mô hình định lượng nhằm đánh giá chất lượng thông tin tài chính doanh nghiệp ngành nguyên vật liệu tại Việt Nam. Mời các bạn tham khảo!
CHẤT LƯỢNG THƠNG TIN BÁO CÁO TÀI CHÍNH: NGHIÊN CỨU VỚI NGÀNH NGUYÊN VẬT LIỆU TẠI VIỆT NAM TRONG BỐI CẢNH HỘI NHẬP QUỐC TẾ Nguyễn Ngọc Thanh ThS Hoàng Khánh1 Tóm tắt Q trình hội nhập thị trường tài quốc tế ln kèm theo u cầu khắt khe, đặc biệt chất lượng thông tin tài Đây yêu cầu cấp thiết đặt ra, yêu cầu doanh nghiệp tham gia vào thị trường phải ln bảo đảm tính tin cậy minh bạch thơng tin tài cơng bố Áp dụng mơ hình M-score nghiên cứu Beneish (1999), nhóm nghiên cứu xây dựng mơ hình định lượng nhằm đánh giá chất lượng thơng tin tài doanh nghiệp ngành nguyên vật liệu Việt Nam Dữ liệu nghiên cứu thu thập từ 74 doanh nghiệp niêm yết thị trường chứng khoán Việt Nam khoảng thời gian từ năm 2011 tới năm 2015 Kết nghiên cứu cho thấy xác suất tồn sai phạm việc báo cáo thơng tin tài doanh nghiệp có tương quan với tiêu lợi nhuận biên, tốc độ tăng trưởng doanh thu tổng dồn tích kế tốn (accruals) Từ khóa: báo cáo tài chính, chất lượng thông tin, Beneish, M-score Đặt vấn đề Báo cáo tài cơng cụ để cơng ty cơng bố tình hình sản xuất kinh doanh với đối tượng quan tâm (chủ doanh nghiệp, nhà đầu tư, người cho vay, quan thuế quan chức năng) Bởi vậy, báo cáo tài cần đảm bảo tính xác, minh bạch phản ánh thực trạng doanh nghiệp Đó yêu cầu bắt buộc doanh nghiệp kinh tế trình hội nhập khu vực giới ngày trở thành xu hướng mạnh mẽ Tuy vậy, lúc chất lượng thông tin báo cáo tài đảm bảo Lịch sử tài giới chứng kiến nhiều sụp đổ tập đồn lớn có hành vi thao túng báo cáo tài Enron (Hoa Kỳ), Worldcom (Hoa Kỳ) hay Vivendi (Pháp) Những vụ việc điển hình cho thấy minh bạch thơng tin tài khó bảo đảm quốc gia phát triển, nơi mà thông tin tài Trường Đại học Kinh tế Quốc dân Email: hoangkhanh.neu@gmail.com 567 kiểm soát chặt chẽ gắt gao Những năm gần đây, kinh tế Việt Nam đánh giá có triển vọng tích cực, Hiệp định Đối tác xuyên Thái Bình Dương (TPP) ký kết Các nhóm ngành hưởng lợi nhiều từ TPP là: dệt may, da giầy, gỗ, khu công nghiệp2 Tuy nhiên, điều kiện TPP nêu rõ, tham gia TPP đồng nghĩa với doanh nghiệp nước phép sử dụng nguyên liệu nước nhập từ nước thuộc TPP để hưởng thuế suất ưu đãi Trong đó, doanh nghiệp Việt Nam có quy mơ nhỏ, vốn ít, nên việc đầu tư vào cung ứng nguyên vật liệu chưa quan tâm Bởi vậy, tương lai gần, ngành nguyên vật liệu ngành có tiềm năng, cần quan tâm đầu tư phát triển Để thu hút nguồn đầu tư cho ngành này, tính minh bạch trung thực thơng tin đóng vai trị quan trọng Tuy nhiên nay, chế phát xử lý sai sót Việt Nam chưa hồn thiện Vì vậy, vấn đề sai phạm báo cáo tài ngành nguyên vật liệu cần quan tâm Theo chuẩn mực kiểm tốn Việt Nam số 240 (BTC, 2012), “Sai sót báo cáo tài phát sinh từ sai phạm nhầm lẫn Để phân biệt sai phạm sai sót, cần xem xét hành vi dẫn đến sai sót báo cáo tài cố ý hay khơng cố ý” Trong chuẩn mực kiểm tốn Việt Nam số 240 định nghĩa: “Gian lận hành vi cố ý hay nhiều người Hội đồng quản trị, Ban Giám đốc, nhân viên bên thứ ba thực hành vi gian dối để thu lợi bất bất hợp pháp”3 Đối với nhà đầu tư, sai phạm báo cáo tài ảnh hưởng trực tiếp đến định đầu tư lợi tức đầu tư, gây thiệt hại cho nhà đầu tư hành vi sai phạm bị phát Bên cạnh đó, tượng sai phạm tiếp diễn làm suy giảm niềm tin nhà đầu tư vào thị trường ảnh hưởng tới tính khoản thị trường cổ phiếu Đối với tổ chức tín dụng ngân hàng, hành vi sai phạm báo cáo tài làm tăng khả rủi ro tín dụng, ảnh hưởng đến tồn hệ thống tổ chức chức tín dụng nói chung Sai phạm báo cáo tài có tác động xấu quan thuế quan liên quan Sai phạm làm giảm số thuế phải nộp gây thất thoát thuế làm giảm thu ngân sách, ảnh hưởng xấu đến tăng trưởng thịnh vượng quốc gia Đồng thời sai phạm đòi hỏi nhà nước pháp luật cần có quy định với mức độ can thiệp kiểm sốt cao Cơng ty Chứng khoán Ngân hàng Đầu tư Phát Triển Việt Nam (BSC) (2015), Báo cáo tháng 10/2015, Hà Nội Chuẩn mực kiểm toán số 240: Trách nhiệm kiểm toán viên liên quan đến sai phạm q trình kiểm tốn báo cáo tài chính, Bộ Tài ban hành ngày tháng 12 năm 2012 568 Từ phân tích hậu sai phạm báo cáo tài trên, kết hợp với thơng tin thị trường Việt Nam, cho thấy việc phát sai phạm báo cáo tài ngành nguyên vật liệu cần thiết Nghiên cứu đưa công cụ hữu hiệu để phát sai phạm báo cáo tài Kết nghiên cứu đưa giải pháp giúp nhà đầu tư lựa chọn danh mục cổ phiếu đầu tư hợp lý tối đa hóa lợi ích đầu tư Nghiên cứu giúp người cho vay định cho vay đắn Đồng thời qua nghiên cứu, nhà quản lý thị trường hoạch định sách có nhìn đắn doanh nghiệp có giải pháp nhằm phát xử lý doanh nghiệp sai phạm, bảo vệ nhà đầu tư đối tượng khác tham gia vào thị trường chứng khoán Việt Nam Tổng quan nghiên cứu sai phạm báo cáo tài doanh nghiệp Những nghiên cứu nhận diện sai phạm báo cáo tài nghiên cứu sử dụng mơ hình dồn tích có điều chỉnh (Discretionary accruals models) Mơ hình dồn tích có điều chỉnh công cụ giúp phát sai phạm báo cáo tài thấy chênh lệch bất thường số báo cáo số dự kiến Đi đầu nhóm nghiên cứu DeAngelo (1986), Friedlan (1994), Healy (1985), Jones (1991) nhằm hồn thiện mơ hình Theo nghiên cứu DeAngelo (1986), Friedlan (1994), Healy (1985) Jones (1991) nhà quản lý thao túng thu nhập thơng qua thao túng biến kế tốn dồn tích Các biến kế tốn dồn tích có liên quan đến thời gian sử dụng tài sản cố định, xác suất thu hồi công nợ hay thay đổi khoản trích trước vào cuối năm để thay đổi tình hình doanh nghiệp theo mục tiêu xác định DeAngelo (1986) kiểm tra việc sai phạm thay đổi tổng số biến kế tốn dồn tích (TA) thời kỳ t t - 1, trường hợp có sai khác đồng nghĩa với có sai phạm báo cáo tài Friedlan (1994) phát triển mơ hình DeAngelo, mơ hình áp dụng rộng rãi mơ hình gốc Healy (1985) sử dụng trung bình biến kế tốn dồn tích xếp theo thứ tự khoản tài sản từ giai đoạn lập dự án Jones (1991) xem xét thay đổi khoản dồn tích công ty gây tác động để từ nhận định khả sai phạm báo cáo tài Đến kỷ XX, nhóm nghiên cứu sử dụng kỹ thuật thống kê (Statistical techniques) để nhận diện sai phạm báo cáo tài xuất phổ biến rộng rãi, đem lại kết có độ xác cao Tiêu biểu phương pháp nghiên cứu M score Beneish (1999) Trong nghiên cứu mình, Beneish sử dụng mơ hình probit uớc lượng khả cực đại mẫu ngoại sinh có trọng số (weighted exogenous sample maximum likelihood (WESML) probit model) để xác định khả công ty thao túng thu nhập Các biến độc lập mơ hình thiết kế để nhận dạng tình trạng thao túng thu nhập xảy tương lại gần Các biến độc lập gồm có (1) DSRI - Tỷ số phải thu khách hàng doanh thu thuần, (2) GMI - Tỷ số lãi gộp, (3) SGI - Tỷ số tăng trưởng doanh thu bán hàng, (4) AQI - Tỷ số chất lượng 569 tài sản, (5) DEPI - Tỷ số khấu hao tài sản cố định hữu hình, (6) SGAI - Tỷ số chi phí bán hàng quản lý doanh nghiệp, (7) LVGI - Tỷ số đòn bẩy tài chính, (8) TATA - Tỷ số biến dồn tích kế tốn so với tổng tài sản Biến phụ thuộc biến giả 0,1 để đánh giá có hay không khả công ty thực thao túng báo cáo tài Beneish sử dụng mẫu báo cáo 74 công ty bị thao túng thu nhập so sánh với công ty khác cho kết mơ hình có xác định khả thao túng với xác suất 76% Nhiều nghiên cứu phát sai phạm dựa nghiên cứu M - score Beneish nh Burcu Dikmen v Gỹray Kỹỗỹkkocaolu (2005) v Marinakis (2011) Các nghiên cứu cho kết xác cao Ngồi quy mơ doanh nghiệp xác định có liên quan đến khả sai phạm báo cáo tài doanh nghiệp Rhee cộng (2003) thực nghiên cứu ảnh hưởng quy mô doanh nghiệp đến khả thao túng thu nhập nhà quản trị, kết nghiên cứu thu cơng ty nhỏ có xu hướng tham gia thao túng thu nhập nhiều đồng thời xu hướng thao túng thu nhập khác dựa theo quy mô: Các công ty nhỏ thao túng giảm nhằm trốn thuế, công ty lớn thao túng để làm đẹp báo cáo tài Ở Việt Nam có số nghiên cứu phát sai phạm báo cáo tài như: Các nghiên cứu sử dụng mơ hình dồn tích gồm có: Nghiên cứu việc điều chỉnh lợi nhuận trường hợp phát hành thêm cổ phiếu cơng ty niêm yết thị trường chứng khốn Việt Nam - Nguyễn Thị Uyên Phương (2014), Sử dụng mô hình Jones để nhận diện hành vi điều chỉnh lợi nhuận: Trường hợp công ty niêm yết Hose phát hành thêm cổ phiếu năm 2013 - Phan Thị Thùy Dương (2015) Các nghiên cứu sử dụng kỹ thuật thống kê tiêu biểu gồm nghiên cứu ThS Phạm Thị Bích Vân (2013) Các cách đo lường trung thực tiêu lợi nhuận; nghiên cứu Nguyễn Trần Ngun Trân áp dụng mơ hình Beneish dự đốn sai sót trọng yếu báo cáo tài chính; nghiên cứu phát sai phạm báo cáo tài doanh nghiệp xây dựng niêm yết Hoàng Khánh, Trần Thị Thu Hiền (2015) với ứng dụng từ mơ hình nghiên cứu Beneish (1999) Phương pháp nghiên cứu sai phạm báo cáo tài ngành nguyên vật liệu niêm yết Việt Nam 3.1 Dữ liệu nghiên cứu Dữ liệu thu thập từ báo cáo tài trước sau kiểm tốn 74 cơng ty ngành nguyên vật liệu niêm yết hai sàn HOSE HNX Báo cáo tài trước kiểm tốn lấy từ năm 2011 đến 2015 báo cáo sau kiểm toán lấy từ năm 2010 đến 2014 Những quan sát bị lọc bỏ quan sát gặp phải vấn 570 đề sau: - Những quan sát không đủ liệu: Cụ thể quan sát bị lọc bỏ quan sát thiếu khoản mục cần thu thập nêu - Những doanh nghiệp bị hủy niêm yết không tiếp tục công bố báo cáo tài kiểm tốn sau chuyển qua niêm yết sàn UPCOM - Những giá trị quan sát ngoại lai, gây nhiễu mẫu nghiên cứu ảnh hưởng đến độ xác mơ hình Sau xử lý liệu, liệu thu cho thấy tình hình sai phạm báo cáo tài doanh nghiệp ngành nguyên vật liệu niêm yết, miêu tả bảng thống kê sau: Bảng Thống kê sai phạm khoản mục báo cáo tài ngành nguyên vật liệu 2011 - 2014 STT Khoản mục Số quan sát sai lệch Tỷ lệ sai lệch bình quân Lợi nhuận sau thuế 130 77,84% Tài sản ngắn hạn 125 74,85% Các khoản phải thu khách hàng 62 37,13% Tài sản dài hạn 49 29,34% Tài sản cố định 67 40,12% Khấu hao tài sản cố định 62 37,13% Tổng tài sản 131 78,44% Nợ ngắn hạn 139 83,23% Nợ dài hạn 49 29,24% 10 Vốn chủ quỹ 132 79,04% 11 Doanh thu 55 32,93% 12 Giá vốn hàng bán 98 58,68% 13 Chi phí bán hàng 50 29,94% 571 14 Chi phí quản lý doanh nghiệp 104 62,28% 15 Dòng tiền từ hoạt động kinh doanh 139 83,23% Nguồn: Thống kê tác giả Qua thống kê khoản mục có sai phạm lớn là: Nợ ngắn hạn (83,23%), dòng tiền từ hoạt động kinh doanh (83,23%), vốn chủ sở hữu quỹ (79,04%), tổng tài sản (78,44%), Lợi nhuận sau thuế (77,84%), tài sản ngắn hạn (74,85%) Các khoản mục có sai phạm bao gồm: Tài sản dài hạn, nợ dài hạn, chi phí bán hàng (hơn 29%) Các biến mơ hình nghiên cứu Tỷ số phải thu khách hàng doanh thu (Days Sales in Receivables Index) DSRI = Các khoản phải thut /Doanh thut Các khoản phải thut−1 / Doanh thut−1 Theo Beneish, gia tăng bất thường tỷ số phải thu khách hàng doanh thu công ty thay đổi sách tín dụng thương mại dấu hiệu sai phạm báo cáo tài doanh nghiệp Tỷ số lãi gộp (Gross Margin Index) GMI = (Doanh thut−1 − Giá vốn hàng bánt−1 )⁄Doanh thut−1 (Doanh thut − Giá vốn hàng bánt )⁄Doanh thut Chỉ số GMI nhỏ nghĩa lợi nhuận biên giảm, cho dấu hiệu tiêu cực triển vọng tăng trưởng công ty Khi cơng ty có nhiều khả sai phạm để che dấu tình hình thực Bởi vậy, GMI kỳ vọng có quan hệ thuận chiều với khả sai phạm báo cáo tài Tỷ số tăng trưởng doanh thu bán hàng (Sales Growth Index) SGI = Doanh thut Doanh thut−1 Việc tăng trưởng doanh thu bất thường dấu hiệu sai phạm xem xét khía cạnh hai động sau: Thứ nhất, bóp méo doanh thu nhằm tạo kết đẹp, phù hợp với mục tiêu đề thu hút nhà đầu tư Thứ hai, doanh thu giảm cơng ty đối mặt với giảm giá cổ phiếu thị trường Tỷ số chất lượng tài sản (Asset Quality Index) 572 − Tài sản ngắn hạnt + PP&Et Tổng tài sảnt AQI = − Tài sản ngắn hạnt−1 + PP&Et−1 Tổng tài sảnt−1 Nếu AQI lớn đồng nghĩa với công ty gia tăng lý tài sản, điều dấu hiệu sai phạm, đặc biệt sai phạm luân chuyển chi phí kỳ Theo Beneish có mối tương quan chiều AQI xác suất sai phạm báo cáo tài Tỷ số khấu hao tài sản cố định hữu hình (Depreciation Index) DEPI = Khấu haot−1 ⁄(Khấu haot−1 + PP&Et−1 ) Khấu haot ⁄(Khấu haot + PP&Et ) DEPI lớn đồng nghĩa với công ty làm giảm tỷ lệ khấu hao cách tăng thời gian sử dụng tài sản áp dụng phương pháp trích khấu hao mới, việc làm lợi nhuận tăng lên Tỷ số chi phí bán hàng quản lý doanh nghiệp (Sales, general and administrative expense Index) SAGI = Chi phí bán hàng quản lý doanh nghiệpt ⁄Doanh thut Chi phí bán hàng quản lý doanh nghiệpt−1 ⁄Doanh thut−1 Nếu SGAI lớn có nghĩa chi phí bán hàng quản lý doanh nghiệp tăng lên so với doanh thu, điều dấu hiệu sai phạm Tỷ số đòn bẩy tài (Leverage Index) LVGI = Tổng nợt ⁄Tổng tài sảnt Tổng nợt−1 ⁄Tổng tài sảnt−1 Tỷ số LVGI tính cách so sánh tỷ suất nợ với tổng tài sản năm t (trước kiểm toán) với năm t - (sau kiểm toán) Vay nợ tăng giảm bất thường nguyên nhân từ sai phạm báo cáo tài Tỷ số biến dồn tích kế toán so với tổng tài sản (Total Accruals to Total Assets) TATA = Thu nhậpt − Dòng tiền từ hoạt động kinh doanht Tổng tài sảnt TATA tính chênh lệch thu nhập dòng tiền từ hoạt động kinh doanh tổng tài sản Theo Beneish, khoản kế tốn dồn tích lớn khả 573 sai phạm cao Tỷ số biến kế tốn dồn tích điều chỉnh (Discretionary Accruals) Biến kế tốn điều chỉnh (DAt) = Biến kế tốn dồn tícht (TAt ) Doanh thut Biến kế tốn dồn tícht−1 (TAt−1 ) Doanh thut−1 Mơ hình dồn tích điều chỉnh Friedlan (1994) phát triển dựa mơ hình DeAngele (1986) Mơ hình sử dụng với giả định thay đổi tổng số trích trước hai kỳ kế tốn ảnh hưởng hai nhân số: (1) thay đổi tăng trưởng (2) thay đổi lựa chọn kế tốn tổ chức phát triển Quy mơ doanh nghiệp Nghiên cứu Rhee cộng (2003) cơng ty nhỏ có khả tham gia thao túng thu nhập nhiều công ty lớn, xu hướng thao túng khác theo quy mơ: Cơng ty nhỏ làm tăng giảm lợi, cịn cơng ty lớn hầu hết thao túng theo hướng lợi nhuận không bị giảm qua năm Biến Size tính tốn cách lấy logarit số tự nhiên giá trị khoản mục Tổng tài sản, điều để tránh chênh lệch lớn công ty phù hợp với hầu hết mơ hình khác nghiên cứu quy mơ doanh nghiệp Trong nghiên cứu, Rhee cộng (2003) cơng ty nhỏ có khả tham gia thao túng thu nhập nhiều công ty lớn Bảng Bảng mô tả thống kê biến độc lập đưa vào mơ hình 574 Variable Mean Std Dev Min Max DSRI 1.014224 3721987 0124494 1.993307 GMI 1.036786 2951576 140792 1.982625 SGI 1.169072 5394596 400078 6.740139 AQI 1.365743 1.406413 0693698 8.172034 DEPI 1.019567 2.22459 -4.299595 14.24286 SGAI 1.08026 3155669 2554609 2.13202 LVGI 1.059456 3171233 3040829 3.497131 TATA -.042022 2219446 -1.482548 2897623 DA -.1567351 3.771743 -15.48173 15.34251 Size 26.84054 1.365468 24.03157 30.76483 Nguồn: Tính tốn tác giả từ phần mềm STATA 13 Bảng Ma trận hệ số tương quan biến mơ hình DSRI GMI SGI AQI DEPI SGAI LVGI TATA DA DSRI 1,0000 GMI -0,0905 1,0000 SGI -0,2950 -0,0176 1,0000 AQI -0,1147 0,0230 0,0699 1,0000 DEPI -0,0599 0,1241 -0,0355 0,0216 1,0000 SGAI 0,1277 -0,0889 -0,3777 0,1003 -0,0022 1,0000 LVGI 0,0032 -0,0426 0,5428 0,1297 0,0313 -0,1660 1,0000 TATA -0,0251 -0,0513 0,0289 -0,0135 -0,0008 0,0143 0,0986 1,0000 DA -0,0078 -0,0519 -0,0464 0,0724 0,1552 0,0732 -0,1443 0,3231 1,0000 Size 0,0631 0,0283 -0,0085 -0,0562 0,0817 0,0706 -0,0433 0,0735 0,0372 Size 1,0000 Nguồn: Tính tốn tác giả từ phần mềm STATA 3.2 Phương pháp nghiên cứu Khung nghiên cứu dựa nghiên cứu Beneish 1999 mơ hình Mscore, nghiên cứu mơ hình dồn tích Friedlan (1994), nghiên cứu ảnh hưởng quy mô doanh nghiệp đến khả sai phạm báo cáo tài Các giả thiết nghiên cứu sau: H1: DRSI - tỷ lệ phải thu doanh nghiệp có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài H2: GMI - tỷ lệ lãi gộp doanh nghiệp có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài H3: SGI - tốc độ tăng trưởng doanh thu có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài 575 H4: AQI - chất lượng tài sản doanh nghiệp có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài H5: DEPI - số khấu hao có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài H6: SGAI - tỷ lệ chi phí bán hàng quản lý doanh nghiệp có mối quan hệ nghịch chiều với xác suất xảy sai phạm báo cáo tài H7: LVGI - địn bẩy tài có mối quan hệ nghịch chiều với xác suất xảy sai phạm báo cáo tài H8: TATA - tổng biến kế tốn dồn tích có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài H9: DA - biến kế tốn dồn tích điều chỉnh, có mối quan hệ thuận chiều với xác suất xảy sai phạm báo cáo tài H10: Size - quy mơ doanh nghiệp có mối quan hệ nghịch chiều với khả sai phạm báo cáo tài Nghiên cứu Beneish (1999) xây dựng mơ hình M - score dạng sau: 𝑴𝒊 = 𝜷′ 𝑿𝒊 + 𝜺̃𝒊 Trong M biến nhị phân, M nhận giá trị cơng ty có thực thao túng thu nhập, M nhận giá trị khơng có thao túng; X ma trận biến giải thích 𝜀̃ ma trận vectơ phần dư Mơ hình Logistic, phương pháp Goldberger thể xác suất xảy tượng sau: 𝑒 𝛽0 +𝛽1 𝑋1𝑖 𝑒 𝑋𝑖𝛽 exp(𝑋𝑖 𝛽) 𝑝𝑖 = = = + 𝑒 𝛽0 +𝛽1 𝑋1𝑖 + 𝑒 𝑋𝑖𝛽 + exp(𝑋𝑖 𝛽) Trong mơ hình, p làm hàm phi tuyến X tham số 𝛽 Mơ hình Logit khơng nghiên cứu ảnh hưởng trực tiếp biến độc Xk Y mà xem xét ảnh hưởng Xk đến xác suất Y nhận giá trị Nói cách khác mơ hình xem xét tác động X tới kỳ vọng Y Ảnh hưởng Xk đến xác suất pi sau: 𝜕 exp(𝑋𝑖 𝛽̂ ) ( ) 𝑝𝑖 = 𝛽𝑘 = 𝑝𝑖 − 𝑝𝑖 𝛽𝑘 𝜕𝑋𝑘 (1 + exp(𝑋𝑖 𝛽̂)) Áp dụng xác định khả sai phạm báo cáo tài 576 Mơ hình logistic để nhận diện sai phạm báo cáo tài ngành nguyên vật liệu Việt Nam - với biến trình bày trên, có dạng sau: 𝛃𝟎 +𝛃𝟏 (DSRI) + 𝛃𝟐 (GMI) + 𝛃𝟑 (AQI) +𝛃𝟒 (SGI) + 𝛃𝟓 (DEPI) +𝛃𝟔 (SGAI) M= + 𝛃𝟕 (LVGI) + 𝛃𝟖 (TATA) + 𝛃𝟗 DA + 𝛃𝟏𝟎 Size Sau thành lập mơ hình, tiến hành ước lượng mơ hình phần mềm STATA 13 để xác định biến có ý nghĩa mơ hình với mức ý nghĩa 15% Theo Hoàng Khánh Trần Thị Thu Hiền (2015), nghiên cứu gốc, Beneish xác định từ - 2,5% miền phân phối bên trái phân phối chuẩn Mt tương ứng với khả sai phạm báo cáo tài cao Tương ứng với tỷ lệ giá trị phân loại 1,96 -2,32 Công ty có M - score nằm khoảng đánh dấu có dấu hiệu sai phạm ngược lại Tuy nhiên nghiên cứu này, cần xác định giá trị ngưỡng để phù hợp với thực trạng ngành nguyên vật liệu Việt Nam Tính giá trị giá trị phân loại M - score tương ứng xác suất dự báo 1%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40% miền phân phối bên trái hàm Normsinv phần mềm excel Với Mi có giá trị lớn giá trị phân loại M-score ngưỡng phân loại xác định ta đánh dấu doanh nghiệp có khả sai phạm Các kết có so sánh kết từ mơ hình với kết kết kiểm tốn Độ xác mơ hình tính tổng số dự báo tổng số quan sát Sau kiểm tra độ xác mơ hình tất ngưỡng, nhóm nghiên cứu thống kê chọn ngưỡng có độ xác cao Đồng thời với cách kiểm tra này, nhóm nghiên cứu xác định tính xác mơ hình với liệu 2015 Bảng Phân loại kết dự báo mơ hình Kết kiểm tốn Dự báo Có sai phạm Có sai phạm Khơng sai phạm Dự báo có sai phạm Dự báo sai có sai phạm (Sai lầm loại 1) (1) (2) Không sai phạm Dự báo sai khơng có sai phạm (Sai lầm loại 2) (3) Độ xác dự báo 1/(1+3) Dự báo không sai phạm (4) 2/(2+4) 577 Tổng độ xác (1+4)/tổng số quan sát Nguồn: Giáo trình Lý thuyết Xác suất Thống kê – Đại học Kinh tế Quốc dân Kết nghiên cứu thảo luận kết nghiên cứu phát sai phạm báo cáo tài ngành nguyên vật liệu niêm yết Việt Nam 4.1 Kết nghiên cứu Sử dụng liệu đầu vào, ước lượng mơ hình phần mềm STATA 13 thu kết sau: Bảng Kết hồi quy mơ hình M Coef Std Err Z P>|z| [95% Conf Int GMI 2.003339 1.177694 1.70 0.089 -.3048991 4.311577 SGI -1.094244 7213457 -1.52 0.129 -2.508055 319568 TATA -4.307482 2.558099 -1.68 0.092 -9.321264 7062997 Cons 1.681198 1.48165 1.13 0.257 -1.222783 4.58518 Nguồn: Tính tốn tác giả từ phần mềm STATA 13 Kết hồi quy mô hình cho thấy biến có ý nghĩa thống kê, GMI TATA có ý nghĩa thống kê với mức 10% với hệ số 2.003339 -4.307482 biến SGI có mức ý nghĩa thống kê 15% với hệ số -1.094244 Vì mơ hình chứa biến có ý nghĩa thống kê nên kết luận mơ hình phù hợp để nhận diện sai phạm báo cáo ngành nguyên vật liệu niêm yết Việt Nam Mơ hình nhận diện sai phạm báo cáo tài ngành nguyên vật liệu có dạng sau: M = 1,661198 + 2,003339GMI - 1,094244SGI - 4,307482TATA Kết sau so sánh ngưỡng xác suất 1%, 5%, 10%, 15% 20%, 25%, 30%, 35%, 40% sau: 578 Bảng So sánh tính xác mơ hình M-score ngưỡng phân loại với liệu ngành nguyên vật liệu 2015 Dự báo có sai phạm Dự báo khơng sai phạm Dự báo sai có sai phạm Dự báo sai không sai phạm Ngưỡng 1% 25 30 Ngưỡng 5% 25 17 21 Ngưỡng 10% 25 20 18 Ngưỡng 15% 25 25 13 Ngưỡng 20% 25 26 12 Ngưỡng 25% 25 26 12 Ngưỡng 30% 25 26 12 Ngưỡng 35% 25 26 12 Ngưỡng 40% 25 26 12 Nguồn: Tính tốn tác giả So sánh kết áp dụng mơ hình M - score thu với kết nhận diện sai phạm kiểm toán độc lập, độ xác mơ hình nghiên cứu giá trị phân loại 20% miền phân phối thu lớn Tại ngưỡng lớn 20%, độ xác mơ hình khơng tăng cho thấy kết bão hòa ngưỡng 20% ngưỡng phân loại chấp nhận mơ hình Tại ngưỡng này, tương ứng với giá trị phân loại -0,84, mô hình phân loại 96,15% quan sát có sai phạm 68,42% quan sát khơng có sai phạm Đây kết cao cho phép nhận diện xác tới 79,68% báo cáo tài có sai lệch 4.2 Thảo luận kết nghiên cứu Nhận xét kết mơ hình Từ việc ước lượng mơ hình hồi quy logistic phần mềm STATA 13, ta thu kết mơ sau: M = 1,661198 + 2,003339GMI - 1,094244SGI - 4,307482TATA Hệ số góc GMI 2,003339 có ý nghĩa thống kê mức ý nghĩa 10% thể tác động riêng biến GMI - tỷ lệ lãi gộp lên xác suất sai phạm báo cáo tài 579 Tỷ lệ lãi gộp tính từ báo cáo tài doanh nghiệp năm (t - 1) kiểm toán năm t chưa kiểm tốn cao khả doanh nghiệp sai phạm báo cáo tài cao Hệ số góc biến SGI -1,094244 có ý nghĩa thống kê mức 15% Có nghĩa tăng trưởng doanh thu tăng khả sai phạm giảm Điều giải thích nghiên cứu José A C Moreira (2006)4 Trong nghiên cứu, Moreira nhận định có mối quan hệ chặt chẽ hệ thống kế toán thuế: Các ưu đãi thuế động khiến doanh nghiệp cố ý làm giảm doanh thu Tuy nhiên động xuất trường hợp doanh nghiệp khơng có nhu cầu tài cao, giảm doanh thu đồng nghĩa cổ phiếu doanh nghiệp giảm sức hấp dẫn mắt nhà đầu tư hay ngân hàng cân nhắc việc cho vay Như vậy, lý khiến tăng trưởng doanh thu nghịch chiều với khả sai phạm báo cáo tài doanh nghiệp ngành nguyên vật liệu Việt Nam khơng có nhu cầu vốn lớn Hệ số góc biến TATA - biến kế tốn dồn tích tổng tài sản -4,307482 với mức ý nghĩa thống kê 10%, cho thấy với mẫu nghiên cứu, chênh lệch thu nhập dòng tiền từ kinh doanh tổng tài sản tăng khả sai phạm báo cáo tài giảm Vậy nhân tố ảnh hưởng đến khả sai phạm báo cáo tài cơng ty là: Tỷ lệ lãi gộp - GMI, tỷ lệ tăng trưởng doanh thu - SGI biến kế toán dồn tích tổng tài sản - TATA Trong ba nhân tố ảnh hưởng, có tỷ lệ lãi gộp GMI có chiều ảnh hưởng giống kỳ vọng ban đầu: GMI có tác động thuận chiều đến khả sai phạm, hai nhân tố lại SGI TATA ảnh hưởng nghịch chiều đến khả sai phạm báo cáo tài cơng ty ngành ngun vật liệu Về ngưỡng giá trị phân loại tính xác mơ hình nghiên cứu Ngưỡng giá trị phân loại xác định dựa vào việc so sánh tính xác mơ hình ngưỡng 1%, 5%, 10%, 15% 20%, 25%, 30%, 35%, 40% miền phân phối bên trái Từ ngưỡng 1% đến 20% miền phân phối bên trái, giá trị nhận diện tăng dần đạt cực đại ngưỡng 20% với việc nhận diện 51/64 công ty ngành nguyên vật liệu Việt Nam có sai phạm hay khơng Từ ngưỡng 20% miền phân phối bên trái trở độ xác mơ hình khơng thay đổi, ngưỡng phân loại mơ hình 20% chấp nhận Điều hoàn toàn hợp lý với thực trạng Việt Nam, chuẩn mực kế toán Việt Nam trình hình thành chặt chẽ hơn, hành vi vi phạm bị xử phạt mức hành chưa đủ để răn đe, cịn mơ José A C Moreira (2006), Are Financing Needs a Constraint to Earnings Management? Evidence for Private Portuguese Firms, working paper 580 hình gốc Beneish nghiên cứu Mỹ có quy chuẩn hệ thống báo cáo tài rõ ràng minh bạch, chế tài xử phạt vi phạm tính trung thực báo cáo tài mạnh mang tính răn đe cao Ngưỡng xác suất nhận diện sai phạm 20% miền phân phối, ứng với giá trị phân loại -0,84 Tại giá trị độ xác mơ hình cao cho phép nhận diện xác 79,68% báo cáo tài sai lệch theo kết kiểm toán Kết luận Việt Nam quốc gia thời kỳ phát triển, kinh tế khởi sắc cuối năm 2015 tăng trưởng vượt mức kỳ vọng Một yếu tố cốt lõi phát triển Việt Nam cải thiện mơi trường đầu tư từ thu hút khối lượng lớn vốn đầu tư nước ngồi Mặc dù mơi trường đầu tư có nhiều cải thiện, thấy tồn số văn pháp lý chưa chặt chẽ, có tiêu chuẩn kế toán kiểm toán Một thị trường tài hiệu địi hỏi minh bạch thông tin công bố, đặc biệt thông tin báo cáo tài để trì niềm tin thu hút đầu tư nhà đầu tư nước, phù hợp với chuẩn mực quốc tế theo hiệp định khu vực mậu dịch lớn Đóng góp nghiên cứu xây dựng mơ hình nghiên cứu có tính ứng dụng cao để nhận biết có hay khơng sai phạm báo cáo tài Mơ hình xây dựng dựa số liệu báo cáo tài cơng ty ngành nguyên vật liệu giai đoạn 2011 - 2014 kiểm định độ xác với số liệu cơng ty ngành năm 2015 Bên cạnh việc xây dựng mơ hình dự báo sai phạm báo cáo tài ngành nguyên vật liệu, nghiên cứu đưa khuyến nghị cho đối tượng sử dụng báo cáo tài ngành nhà đầu tư, tổ chức tài quan chức để tránh rủi ro Hạn chế nghiên cứu mẫu nghiên cứu việc sai phạm báo cáo tài chưa đủ lớn, nghiên cứu giới hạn ngành nguyên vật liệu Tuy nhiên, nghiên cứu phần giúp đối tượng sử dụng thông tin báo cáo tài nhận biết có hay không sai phạm xuất bất thường khoản mục báo cáo tài Những hạn chế kể khắc phục nghiên cứu sau 581 Tài liệu tham khảo Beneish (1997), Detecting GAAP violation: Implications for assessing earnings manage- ment among firms with extreme financial performance Journal of Accounting and Public Policy, 16(3), trang 271 - 309 Beneish (1999), Incentives and penalties related to earnings overstatements that violate GAAP The Accounting Review, 74(4), trang 425 - 457 Bonner, Palmrose & Young (1998), Fraud type and auditor litigation: An analysis of SEC Accounting and Auditing Enforcement Releases, The Accounting Review (October), trang 503-532 Dikmen, Kỹỗỹkkocaolu (2010), The Detection of Earnings Manipulation: The Three Phase Cutting Plane Algorithm using Mathematical Programming Journal of Forecasting, 2010, Số 29, Tập 5, trang 442 - 466 DeAngelo, DeAngelo & Skinner (1994), Accounting choice in troubled companies, Journal of Accounting and Economics, 17(1), trang113 -143 Friedlan (1994), Accounting choices of Issuers of Initial Public Offerings, Contemporary Accounting Research, Số 11, Tập 1, trang 1- 31 Healy (1985), The effect of bonus schemes on accounting decisions, Journal of Accounting and Economics (1985), trang 85 -1 07 Hoàng Khánh, Trần Thị Thu Hiền (2015), Phát sai phạm báo cáo tài doanh nghiệp xây dựng niêm yết, Tạp chí Kinh tế Phát triển, số 218(II) tháng 8, năm 2015, trang 42 - 59 Jones, J (1991), Earnings Management During Import Relief Investigation, Journal of Accounting Research Vol 29 No Autumn 1991 10 Marinakis (2011), An investigation of earnings management and earnings manipulation in the UK, PhD thesis, University of Nottingham 11 Nguyễn Quang Dong, Nguyễn Thị Minh (2012), Giáo trình Kinh tế lượng, Nxb Đại học Kinh tế Quốc dân, Hà Nội 12 Nguyễn Trần Nguyên Trân (2014), Nghiên cứu sai sót báo cáo tài cơng ty niêm yết thị trường chứng khoán Việt Nam, Luận án Tiến sĩ, Đại học Đà Nẵng 582 13 Nguyễn Thị Uyên Phương (2014), Nghiên cứu việc điều chỉnh lợi nhuận trường hợp phát hành thêm cổ phiếu công ty niêm yết thị trường chứng khoán Việt Nam, Luận văn Thạc sĩ, Đại học Đà Nẵng 14 Phan Thị Thùy Dương (2015), Sử dụng mơ hình Jones để nhận diện điều chỉnh lợi nhuận: Trường hợp công ty niêm yết Hose phát hành thêm cổ phiếu năm 2013, Luận văn Thạc sĩ, Đại học Đà Nẵng 15 Phạm Thị Bích Vân (2013), Các cách đo lường trung thực tiêu lợi nhuận, Tạp chí Ngân hàng số tháng năm 2013, trang 39-43 16 Rhee, Kim Liu (2003), The Effect of Firm Size on Earnings Management, Website Đại học Hawai’i, truy cập ngày 25 tháng năm 2015, từ 583 ... pháp nghiên cứu sai phạm báo cáo tài ngành nguyên vật liệu niêm yết Việt Nam 3.1 Dữ liệu nghiên cứu Dữ liệu thu thập từ báo cáo tài trước sau kiểm tốn 74 cơng ty ngành nguyên vật liệu niêm yết... độ xác với số liệu cơng ty ngành năm 2015 Bên cạnh việc xây dựng mơ hình dự báo sai phạm báo cáo tài ngành nguyên vật liệu, nghiên cứu đưa khuyến nghị cho đối tượng sử dụng báo cáo tài ngành nhà... tốn báo cáo tài chính, Bộ Tài ban hành ngày tháng 12 năm 2012 568 Từ phân tích hậu sai phạm báo cáo tài trên, kết hợp với thông tin thị trường Việt Nam, cho thấy việc phát sai phạm báo cáo tài ngành