TRUONG DAI HOC KINH TE TP HO CHI MINH
PHAM THI MONG TUYEN
KET HOP MO HINH M-SCORE BENEISH VA CHi SO Z-SCORE DE NHAN DIEN KHA NANG GIAN
LAN TREN BAO CAO TAI CHINH CUA CAC CONG TY NIEM YET TREN SO GIAO DICH
CHUNG KHOAN TP HO CHI MINH
LUẬN VĂN THẠC SĨ KINH TE
Trang 2TRUONG DAI HOC KINH TE TP HO CHI MINH
PHAM THI MONG TUYEN
KET HOP MO HINH M-SCORE BENEISH VA CHi SO Z-SCORE DE NHAN DIEN KHA NANG GIAN
LAN TREN BAO CAO TAI CHINH CUA CAC CONG TY NIEM YET TREN SO GIAO DICH
CHUNG KHOAN TP HO CHI MINH
Chuyên ngành: Kế toán
Mã số: 8340301 LUẬN VĂN THẠC SĨ KINH TẾ
NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS VÕ VĂN NHỊ
Trang 3Tôi cam đoan răng luận văn “Kết hợp mơ hình M-Score Beneish và chỉ số Z-Score để nhận diện khả năng gian lận trên Báo cáo tài chính của các cơng ty niêm yết trên Sở giao dịch chứng khoán TPHCM ” la bai nghiên cứu của chính
ae
tol
Khơng có sản phâm nghiên cứu nào của người khác được sử dụng trong luận văn này mà không được trích dẫn theo đúng quy định
Luận văn này chưa bao giờ được công bố hoặc được sử dụng để nhận bất ky bang cap nao tai các trường đại học hoặc cơ sở đào tạo khác
TP Hơ Chí Minh, ngày 10 tháng 02 năm 2019 Tac gia luận văn
Trang 4TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MUC CAC TU VIET TAT DANH MUC CAC BANG
DANH MUC CAC HINH VE
TOM TAT NGHIEN CUU
ABSTRACT
PHAN MO DAU J sssessssssessscscesenssescssesssesesscsesenssesscsssenssssssnsesssessssssssesssesssessesesesesees 2
1 Lý do chọn đề tài nghiên €ứu cccccccccccceseecesscscscscscsessseststseeees 2
"“ N | oi 0) 0n e 4
XS (9.006) 6S << 4
4 Đối tượng và phạm vi nghiên cứu . - 2s + +E+E+E+E+E+E+EeEekekekrererees 4 Al Đối tượng nghiên CỨU - - - + SE SE SEEESESEEEESEEEEEEEE TT rxeg 4
Ngô ¿8i 2 2a n8 an 4
5 Phương pháp nghiÊn CỨU . - Q22 22 2231119131111 11111 ng 2311111 kkg 5 6 Y nghĩa của nghiên Cứt . - - SE H111 5 6.1 VỀ mặt lý luận - - + kEESESkEEE 5E EETkE1111 1511111111511 11111 ck 5
6.2 _ VỀ mặt thực tiỄn . ¿+-++++++Ext+EtEEEEE2E.2 tre 5
7 Kết cầu Wan Van ccccccccccccscccscecevecevscscscscscscscsssssssscsvsvevsvavavavavscssnsneneees 6
CHUONG 1: TONG QUAN CÁC NGHIÊN CỨU TRƯỚC .- 7
1.1 Cac nghién ctu nur6¢ goal ccc ccccceccsssssncceeeeeeceeeeessessssstsaeeeeees 7 1.2 Cac nghién ctu trong nO cccccccsscesssscccceeeeeceeeesssssssssseeeeeees 16 1.3 Khe hong nghién cttu ccc cecceccsescsesccscscscscssscssevevstetsvevevetsteeeeees 20
;41I8097.)89510/9))I1c0018 22 CHƯƠNG 2: CƠ SỞ LÝ THUYẾTT .5 <5<e<+ssese+sseEseeesevserrsesee 23
Trang 52.1.3 Nguyên nhân gian lận BCTC - 22222332 6 1 11111181111 24
2.1.4 Một số thủ thuật gian lận BCTC pho DIGI oo eececcscececcsceceseseceseseseeseseeees 25 2.2 _ Mơ hình M-Score Beneish - - - - L -ĂĂ Ăn S1 Y net 27 2.3 Chi SO Z-SCOVC cecccccccsceccscccscecesceseseesesesescescscescscescseescseesenscseesescescseeseaees 29
2.4 Cac ly thuyét nén tang ccc cscsccsccstssstststststststetssssssnsneneees 31 2.4.1 Lý thuyết thông tin bat can xUINg oc cccccesestcscscscssscscsssseveveteteteteeeee 31 2.4.2 Ly thuyét vé tam gidc gian Lane cccsesestcscscsceccscscssssevevetetetsteeee 33 2.4.3 Lý thuyết về các bên liên quan - ¿66k +x+E+k+E£E£EeEeEeeererrerees 34 2.4.4 _ Lý thuyết ủy nhiệm - - + + xxx EEEEEEE 5E E22 34
KẾT LUẬN CHƯNG 2 . - - - S123 1 1 3115132151511 111511 1111311111111 te 36 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU < 55s ses<esessese 37 3.1 Quy trình nghiên cứu - - - - - G5 2 0011183311 931111111118 18221111 tr 37
3.2 08) 0 8/)i 0u na e a 38
3.3 Giả thuyết nghiên cứu và đo lường các biến trong mơ hình nghiên cứu 3.3.1 Biến phụ thuỘC: - + + E311 11111E1111111EEEe xe 41 3.3.2 Biến độc lập: -c.c.tnHH TT TT 1111111111111 01x xe 42 3.4 Phương pháp chọn mẫu nghiên cứu - 2-2 + se +s+E+k+e£e£seeeeee 53 KN(daaiiiiẳaầiaẳầđầiaầaầaẳtáảaiaăầä54aẢ4úúẢẢ 53 3.4.2 _ Chọn mẫu và đặc điểm của mẫu nghiên cứu 2-ss+sszs+s+s¿ 53 3.5 Phương pháp thu thập và xứ lý, phân tích dữ liệu 54 3.5.1 Phương pháp thu thập dữ liệu - 2 2s +E+£££E+EerkzEerkzrerxee 54 3.5.2 _ Phương pháp xử lý và phân tích đữ liệu . 2 2s 2 szss=sz¿ 55
3.6 Thiết kế dữ liệu nghiên cứu - - - + EE*E*ESESESEEEEEEEeErkrkekrkrkrereee 57 3.7 Mơ hình hồi quy LogisfiC - - - =sSsSEESESESEEEEEEEEkgk vo 58
KẾT LUẬN CHƯƠNG 3 . +52 12121 E5 121111 1215151121111111 11111110111 60
Trang 64.1.3 Mức độ giải thích của mơ hình 55 52222 vssseeeseeeerrs 66 4.1.4 Mức độ phù hợp và khả năng dự báo của mơ hình . - - 66 AAS M6 hinh dir bd0 ce eceececccccsccsescsessesssecsssecsesscsesscsssecstssestsessesessesnseeaneees 67
4.2 Bàn luận về kết quả nghiên cứu - 2 + +E+E+E+E+E+E+EeEeEekekrererees 68 KET LUAN CHUONG 4 woiecccecccccccccccscsscscscsescssesesssscscsssscsssnssesssssssestenseeeseseseeess 74 CHUONG 5: KET LUAN VA KIEN NGH L.u ccccscscscscscsssscsssssssssssssssssssesssssesesees 75 5.1 Kết luận Chung oon cccccccecccecececscscscscscscssssssssvevsvavsvavsvssssssseneees 75 5.2 Một số kiến nghị cụ thỂ - c6 s31 E1 EEEEEEE 1E ExEkrkrkred 76 5.2.1 Kiến nghị vẻ kỹ thuật nhận diện gian lận BCTC - 2552 76 5.2.2 _ Kiến nghị đối với kiỂm toán viên - + 22s +x+x+EeEeEErkrkerererered 71 5.2.3 Kiến nghị đối với nhà đầu tưr .- ¿2-2 + +E+ESEE+E+E+ESEeEErkrkerererered 78
5.2.4 _ Kiến nghị đối với Sở giao dịch chứng khoán TPHCM 79
5.3 _ Hạn chế của đề tài - c1 1111 TT TT TH H1 H111 rku 80 KẾT LUẬN CHƯƠNG 5 + 2E 2121 15 3211111 21515112115 1111111111111 T1 80 TÀI LIỆU THAM KHẢO
Trang 7
TH ÁN Tiếng Việt Tiếng Anh (nếu có)
Hiệp hội các nhà điều tra Hoa The Association of Certified
ACFE Ky ` Fraud Examiners
AQI Chỉ số Chất lượng tải sản Asset quality index BC Báo cáo kết quả hoạt động kinh
KQHDKD | doanh
BCĐKT_ | Bảng cân đối kế toán BCTC Bao cao tai chinh CK Chung khoan CP Cé phan
DEPI Chi s6 Khau hao TSCD Depreciation index
DSRI Chi s6 Phai thu khach hang trén | Day’s sales in receivables Doanh thu thuan index
FRAUD Kha nang gian lan BCTC
GMI Chỉ số Lợi nhuận gộp biên Gross margin index
HNX SỞ giao dịch chứng khoán Hà
Nội
Sở giao dịch chứng khoán
HOSE TPHCM
Chuẩn mực Báo cáo tài chính International Financial IFRS qc tê kok Reporting Standards ISA Chuan mực kiểm toán quốc tế International Standard on Auditing ISSUE Phát hành cổ phiếu trong năm
Trang 8
LNTT Lợi nhuận trước thuế
LVGI Chỉ số địn bẩy tài chính Leverage Index
OLS Phuong pháp bình phương nhỏ nhat Ordinary Least Square SEC Ủy ban chứng khoán và Thị Securities and Exchange
truong ching khoan Hoa Ky Commission Chỉ số chỉ phí bán hàng và quan | Sales, general and SGAI lý doanh nghiệp , CA administrative expenses < SGI Chỉ số tăng trưởng doanh thu Sales Growth index
TATA Chi *° bien don tich ke toan so vol tong tai san Total accruals to total assets
TSCD Tài sản cỗ định
TTCK Thị trường chứng khoán
VN Việt Nam
VSA Chuẩn mực kiểm toán Việt Nam
Z-SCORE | Hệ số nguy cơ phá sản
Trang 9Bảng 1.1 Tóm tắt các nghiên cứu nước ngoài liên quan đến đề tài nghiên cứu 12 Bảng 1.2 Tóm tắt các nghiên cứu trong nước liên quan đến đề tài nghiên cứu 19 Bang 3.1 Mã hóa các biến, cách đo lường và chiều tác động lên biến phụ thuộc 5 Í Bảng 3.2 Phân loại công ty theo nhóm ngành - - - c c*** vvesrees 55 Bảng 4.1 Kết quả phân loại BCTC có khả năng gian lận (nhóm 1) và khơng có khả
năng gian lận (nhóm 2) .- - 2222233331191 11 1131111111111 1188823 3 111111 re 61
Trang 11Tiếp tục kế thừa các nghiên cứu trước, tác giả tiến hành nghiên cứu thực nghiệm đề tài về gian lận Báo cáo tài chính (BCTC) với mục tiêu như sau: (1) Nhận
điện 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 BCTTC của mơ hình được xây dựng
Sau khi tông quan về các nghiên cứu trong và ngoài nước, tác giả tiến hành xây dựng một mơ hình nghiên cứu với 10 biến độc lập Biến phụ thuộc là Khả năng
gian lận BCTC, biến độc lập bao gồm tám biến từ mơ hình M-Score của Beneish
(1999) kết hợp thêm hai biến Z-Score (Hệ số nguy cơ phá sản) của EdWard
L.Altman (1968) va bién ISSUE (Phat hành cổ phiéu trong năm) của Dechow và các cong su (2011) Với sự két hợp này, tác giả kỳ vọng sẽ tìm ra một phương pháp phát hiện gian lận BCTC đơn giản, dễ thực hiện nhưng với độ tin cậy cao hơn
Tác giả đã tiễn hành thu thập 450 BCTC của 150 cơng ty thuộc các nhóm
ngành khác nhau được niêm yết trên Sở giao dịch chứng khoán TPHCM (HOSE) Sau khi qua các bước làm sạch đữ liệu, tác giả tiến hành phân loại 450 BCTC thành
hai nhóm: nhóm l là các BCTC có khả năng gian lận, nhóm 2 là các BCTC khơng có khả năng gian lận
Trang 12Sau khi xác định được các biến có ý nghĩa thống kê tác giả tiễn hành kiểm định thêm mức độ giải thích của mơ hình, chỉ số R? Nagelkerke = 30.8% Điều này có nghĩa là 30,8% sự thay đối của khả năng gian lận BCTC được giải thích bởi các biến độc lập của mô hình Cuối cùng, kết quả kiểm định Omnibus cho thấy răng mơ hình hồi quy Binary Logistie của tác giả là phù hợp với đữ liệu thực tiễn với một tỷ
lệ dự báo đúng khá cao là 77,1%
Với kết quả này, tác giả mong muốn sẽ cung cấp thêm các kiểm toán viên, các nhà đầu tư và các đối tượng hữu quan khác một phương pháp mới để phát hiện ra gian lận BCTC Đây là một phương pháp dễ dàng sử dụng với độ tin cậy cao
Trang 13The research is focused on Financial Statement Fraud with these purposes: (1) Identifing independent variables that could detect fraud on financial statement of listed company on Ho Chi Minh Stock Exchange, (2) Predicting the capacity of identifing financial statement fraud through research method
The research is established with 10 independent variables Dependent variable is financial statement fraud posibility Eight independent variables from M-
Score (Beneish, 1999) are composed with two variables from Z-Score (EdWard I.Altmam, 1968) and Issue variable (Dechow & et al, 2011) This combination is
expected to discover a method to identify financial statement fraud with high reliability
The research collected 450 financial statement from 150 listed companies on HoSE The statements are clasiffied into two groups: high fraud risk and the lower After being processed and analysed, the research reveals six independent variables that staticticaly relate to financial statement fraud Those independent variables are: the Day sales in Receivables index, Gross Profit Margin index, Asset quality index, leverage index, Z score and issue index Z score has the reverse effect on fraud risk while the others have the same direction The four independent variables:
Depreciation index, TATA, SGI and SGAI have no statisticaly relation
The statistical hypothesis test results the index R* Nagelkerke = 30,8% The Omnibus test reveals the result that the Binary Logistic regression is relevant to the
data with high focast level (77,1%)
Trang 141 Lý do chọn đề tài nghiên cứu
Thị trường chứng khoán Việt Nam (PTCK VN) đã thành lập được gân 20
năm và nó đóng vai trị ngày cảng quan trọng đối với nền kinh tế nước ta Tuy nhiên, trong những năm gần đây, nhà đầu tư ngày càng lo ngại khi TTCK VN đã chứng kiến nhiều vụ bê bối liên quan đến việc bất cân xứng thông tin của các công
ty niêm yết trên sàn Một số vụ việc cụ thể như sau: Công ty Cổ phân (CP) Dược
Viễn Đông (Mã CK: DVD), giai đoạn 2010-2011, chủ tịch Hội đồng quản trị (HĐQT) kiêm Tổng giám đốc đã bị bắt vì hành vi thao túng giá cơ phiếu Ngồi ra,
DVD còn vướng phải nhiều vụ việc tiêu cực như làm giá cổ phiếu, lập BCTC gian
dối, lừa đảo nhà đầu tư Vụ việc của Công ty CP Tập đoàn Kỹ nghệ Gỗ Trường Thành (Mã CK: TTF), công ty này đột ngột báo lễ hơn 1.100 ty đồng trong tháng 02 năm 2016 Và theo báo cáo của Công ty Kiểm toán Earnt & Young Việt Nam, khoản mục “hàng tôn kho phát hiện thiếu khi kiểm kê” lên tới 980 tỷ đồng, có nghĩa là gần 1.000 tỷ đồng của công ty đột nhiên bị “bốc hơi” Điều này đã làm nhiều nhà đầu tư của TTF trở nên trắng tay Ngồi ra, cịn có tình trạng công bố sai lệch thông tin của 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), Công ty CP đầu tư và phát triển Công nghiệp Bảo Thư (Mã CK: BH])
Trên thế giới cũng đã phát hiện nhiều vụ việc gian lận tài chính đặc biệt nghiêm trọng của các công ty lớn như Enron, Lucent, WorldCom và Satyam,
Các vụ việc gian lận này xảy ra đã gây hậu quả nặng nề cho các đối tượng hữu quan, làm suy giảm nghiêm trọng lòng tin của nhà đầu tư trong và ngoài nước Ảnh hưởng đặc biệt lớn đến uy tín của doanh nghiêp, làm tăng chi phi st’ dung vốn Trong số các hành vi gian lận tài chính của các doanh nghiệp thì hành vi gian
lận trên BCTC là một vẫn đề phố biến, nan giải và tồn tại lâu đời không chỉ ở VN
mà còn trên thế giới Vì vậy mà nhu cầu phát hiện các trường hợp gian lận tài
Trang 15Spence (1973), Joshep Stiglizt (1975), một trong những nguyên nhân gây thất bại thị trường là do thông tin bất cân xứng Đó là việc các bên tham gia vào giao dịch cơ tình che đậy thông tin Các doanh nghiệp sẽ vận dụng các chính sách kế tốn để cung cấp thơng tin có lợi nhất cho doanh nghiệp mình Cho nên, việc phát hiện gian lận BCTC băng các cách sử dụng các thủ tục kiểm toán truyền thống là một cơng việc khó khăn và đôi khi không thể thực hiện được (Fanning, K và Cogger, K (1998) Vì vậy, khai thác dữ liệu dựa trên việc phát hiện gian lận BCTC và kiểm soát gian lận, tự động hóa tồn bộ quy trình sẽ giúp các kiểm toán viên (KTV) giảm bớt công việc kiểm tra các báo cáo bằng tay và tăng tính chính xác là một vân đê hết sức cân thiệt trong bôi cảnh hiện nay
Đây thật sự là một vấn để được nhiều nhà đầu tư và các tổ chức đặc biệt quan tâm Trên thế giới, đã có nhiều nghiên cứu giúp các nhà đầu tư và các kiểm toán viên phát hiện được gian lận thông tin trên BCTC như mơ hình phát hiện gian lận
M-Score cua Beneish (1999), m6 hinh F-Score cua Dechow va cong su (2011), sử dung hé số nguy cơ phá sản Z-Score (chỉ số Z) hay chỉ số P để phát hiện gian lận
BCTC, hay sử dụng các chỉ số tài chính Trong số các mơ hình giúp phát hiện gian lận BCTC thì mơ hình M-Score của Beneish được rất nhiều các nhà nghiên cứu
quan tâm và sử dụng vì đây là một mơ hình có độ tin cậy cao và đã được đưa vào chương trình giảng dạy chính thức tại các trường đại học (Fridson, 2002; Stickney, Brown, và Wahlen, 2003)
Tại Việt Nam, cũng đã có nghiên cứu vận dụng các phương pháp thực nghiệm trên thế giới vào việc phát hiện gian lận BCTC của các công ty niêm yết như sử dụng các chỉ số tài chính, sử dụng chỉ số Z-Score kết hợp với chỉ số P, hay
sử dụng đơn lẻ một mô hình phát hiện gian lận, Như tác giả đã trình bày ở trên, M-Score là một mô hình phát hiện gian lận có độ tin cậy cao, được nhiều nhà nghiên cứu trên thế giới quan tâm và sử dụng nhưng ở Việt Nam việc vận dụng mô
Trang 16Score Beneish va chi so Z-Score dé nhận diện khả năng gian lận trên Báo cáo tài chính của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM”
Với dé tài này, tác giả mong muốn thông qua kết quả nghiên cứu sẽ đưa ra các bằng chứng thực nghiệm và đẻ xuất cụ thể những chỉ số tài chính có khả năng phát hiện được gian lận trên BCTC với độ tin cậy cao Điều này sẽ giúp cho các kiểm toán viên, các nhà đầu tư cũng như các bên liên quan khác đưa ra các quyết định đúng đắn và kịp thời Ngoài ra, cũng từ việc phân tích và tổng hợp các nghiên cứu có liên quan, đề tài sẽ đưa ra được các khuyến nghị cần thiết cho các nhà nghiên cứu trong tương lai
2 Mục tiêu nghiên cứu
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 mơ hình được xây dựng
3 Câu hỏi nghiên cứu
Dựa vào mục tiêu tổng quát nêu trên, để 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) Múc độ dự đoán khả năng gian lận trên BCTC của mơ hình được tác giả
xây dựng là bao nhiêu?
4 Đối tượng và phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu
Trang 175 Phương pháp nghiền cứu
Phương pháp nghiên cứu định lượng được đề tài sử dụng chủ yếu để giải quyết các mục tiêu nghiên cứu đã nêu trên thông qua thống kê mô tả mẫu nghiên cứu và các biến, kiểm định ý nghĩa của các hệ số hồi quy, kiểm tra mức độ giải thích của mơ hình, cuối cùng là đánh giá mức độ phù hợp và khả năng dự báo của mơ hình Ngồi ra, dé tài cũng kết hợp sử dụng phương pháp định tính để tổng quan về các mơ hình, các lý thuyết nghiên cứu đã có trước đó nhăm giúp tác giả nhận diện ra những biến độc lập có khả năng phát hiện gian lận trên BCTC
6 Y nghĩa của nghiên cứu 6.1 Về mặt lý luận
Từ việc phân tích, tổng hợp các nghiên cứu trong và ngoài nước có liên quan, đề tài xây dựng nên mơ hình nghiên cứu băng cách kết hợp tám biến độc lập trong
mơ hình M-Score của Beneish (1999) và hai biến là Z-Score (hệ số nguy cơ phá
sản) và biến ISSUE (Phát hành cổ phiếu trong năm) Trong q trình phân tích và tong hop các nghiên cứu có liên quan đó, tác giả nhận thấy răng việc nghiên cứu về
cách thức phát hiện gian lận BCTC tại VN vẫn chưa thật sự được quan tâm sâu rộng
nên thông qua việc thực hiện đề tài này tác giả đưa ra các khuyến nghị cần thiết cho các nhà nghiên cứu trong tương lai nhăm góp phân cải thiện hơn tình hình gian lận BCTC tai VN
6.2 Về mặt thực tiễn
Trang 18động cùng chiều Kết quả này sẽ giúp cho các kiểm toán viên, các nhà đầu tư và các bên liên quan khác sử dụng để đưa ra các quyết định chính xác và kịp thời
7 Kết cầu luận 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
Trang 191.1 Các nghiên cứu nước ngồi
Có nhiều phương pháp khác nhau để xác định doanh nghiệp có thực hiện hành vi gian lận trên BCTC hay không Burcu và Guray (2005) đã phân ra làm ba nhóm kỹ thuật chính:
Đầu tiên là nhóm kỹ thuật dơn tích có điều chỉnh (discretionary accruals) Nhóm các nghiên cứu này tập trung vào đánh giá các khoản mục kế tốn dồn tích để xác định hành vi gian lận như nghiên cứu của Healy (1985), DeAngelo (1986),
Jones (1991), Friedlan (1994) Đại diện cho nhóm này là nghiên cứu của DeAngelo
(1986) Nhóm thứ hai sử dụng mơ hình mạng thân kinh nhân tạo để phát hiện gian
lận Đại diện cho nhóm nghiên cứu này là nghiên cứu của Green va Choice (1997),
Fanning va Gogger (1998) Nghién cttu cua Green va Choice (1997) trinh bay m6 hình mạng thần kinh nhân tạo sử dụng dữ liệu tải chính nội sinh Fanning và Gogger (1998) đã ứng dụng mơ hình mạng thần kinh nhân tạo để phát hiện các gian lận trong quản trị và đã tìm ra được mơ hình bao gồm tám biến độc lập có khả năng phát hiện gian lận cao Nhóm kỹ thuật thứ ba là sử dụng các kỹ thuật thống kê, như
các nghiên cứu của EdWard I.Altman (1968), Beneish (1999), Burcu Diken và Guray (2005), Dechow và các cộng sự (20TT), Đại diện cho nhóm này là mơ hình
M-Score cua Beneish (1999)
Trong ba nhóm kỹ thuật phát hiện gian lận nêu trên thì nhóm sử dung kỹ
thuật thống kê là một nhóm dễ dàng thực hiện và có độ tin cậy cao Nên trong đề tài
nghiên cứu của mình, tác giả sử dụng kỹ thuật của nhóm thứ ba này để xây dựng mơ hình nghiên cứu, tìm ra được những biến độc lập phát hiện gian lận BCTC phủ hợp với thực tiễn VN Cụ thể các nghiên cứu sử dụng kỹ thuật thống kê liên quan đến đề
Trang 20tìm 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 vảo 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 tốn quản trị, tịa án, và hệ thông dữ liệu đánh giá cho vay Ban đầu, cơng 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 ,
(2002), Lalith P Samarakoon & Tanweer Hasan (2003), Muntar1 Mahama (2015), va duoc chap nhận rộng rãi bởi các KTV, kế toán quản tr, hệ thống đánh
giá cho vay,
Trang 21hình nghiên cứu này rat noi tiéng, đặc biệt là khi xác định đúng vụ việc gian lận của
tập đoàn Enron năm 2001 Đồng thời, mơ hình cũng được đưa vào chương trình giảng dạy chính thức (Fridson, 2002; Stickney, Brown, và Wahlen, 2003)
Sau đó, mơ hình M-Score của Beneish đã được rất nhiều các nhà nghiên cứu tiếp theo quan tâm và sử dụng vào bài nghiên cứu của mình như nghiên cứu của
Burcu Diken va Guray (2005), Dechow và các cộng sự (2011), Tarjo và Nural
(2015)
M-Score cua 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 chỉ phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số biến dồn tích kế tốn so với tổng tài sản (TATA) và cuối cùng là chỉ số địn bẩy tài
chính (LVOI)
Ta thay rang, 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
(1968) lại có hai cách nhận diện khác nhau EdWard I.Altman đã sử dụng các chỉ SỐ
tài chính để đánh giá khả năng phá sản của một công ty, từ đó đưa ra nhận định về khả năng gian lận BCTC Còn Beneish sử dụng kết hợp cả biến chỉ số tài chính và biến dơn tích để đưa ra mơ hình nhận diện trực tiếp vẻ gian lận Tuy khác nhau
nhưng hai cách nhận diện gian lận này đều có độ tin cậy cao nên đã được nhiều nhà
nghiên cứu sau đó quan tâm và vận dụng
Trang 22tồn kho trên doanh thu, lợi nhuận ròng trên tong tai san, ty số vốn lưu động trên
tổng tài sản, tỷ lệ tông nợ trên tổng tải sản và hệ số nguy cơ phá sản (Z-Score) Kết quả trên đã cho thấy chỉ số Z-Score hữu ích trong việc phát hiện gian lận, tương đồng với nghiên cứu của EdWard I.Altman (1968) Điểm khác biệt của nghiên cứu này so với nghiên cứu của Altman là kết hợp thêm các chỉ số tài chính để phát hiện gian lận
Lalith P Samarakoon & Tanweer Hasan (2003) đã dự đốn khả năng khó khăn về tài chính của các công ty niêm yết tại Sri Lanka (thị trường mới nổi) bằng cách sử dụng ba mơ hình Z-Score của Altman Dữ liệu tác giả dùng để nghiên cứu là thu thập của 13 công ty được xem là khủng hoảng tài chính và 13 công ty không bị khủng hoảng tài chính trong cùng ngành nghề Kết quả nghiên cứu cho thấy chỉ số Z-Score đã dự đoán đúng đến 81% các cơng ty có khó khăn về mặt tài chính Nghiên cứu này của tác giả đã cung cấp thêm một băng chứng thực nghiệm cho thấy răng chỉ số Z-Score có khả năng dự đốn rất tốt về tình hình sức khỏe tài chính của các công ty tại các thị trường mới nỗi Kết quả nghiên cứu này tương đồng với
nghiên cứu cua EdWard I.Altman (1968) Điểm khác biệt so với nghiên cứu của Altman là nghiên cứu này được thực hiện tại thị trường mới nỗi Sri Lanka
Nghiên cứu của Burcu Diken và Guray (2005) đã tìm ra một mơ hình giúp phát hiện được các trường hợp gian lận BCTC của các công ty tại Thô Nhĩ Kỳ dựa trên mơ hình M-Score của Beneish Burcu Diken và Guray đã thu thập dữ liệu của 126 công ty niêm yết tại sàn giao dịch chứng khoán để sử dụng cho bài nghiên cứu của mình Ngồi tám biến độc lập trong mơ hình M-Score, tác giả đã thêm vào hai biến độc lập là DINV (Chỉ số hàng tồn kho) và FEI (Chỉ số chỉ phí tài chính), đồng thời tác giả sử dụng ba bước phân tích phân lớp để xác định các hệ số của các biến trong mơ hình của mình Kết quả cho thay, m6 hinh cua Burcu Diken va Guray đã dự đoán đúng 67% trường hợp các công ty bị sai phạm trên BCTC Kết quả này tương đồng với nghiên cứu của Beneish (1999) Điểm khác biệt là nghiên cứu này
Trang 23hơn và chính xác hơn về gian lận BCTC Tuy nhiên, độ tin cậy vẫn thấp hơn mơ hình M-Score gốc của Beneish (76%)
Dechow và các cộng sự (2011) đã thực hiện một nghiên cứu về gian lận trên
2,190 BCTC trong giai đoạn 1982-2005 và đã xây dựng nên ba mô hình F-Score giúp phát hiện gian lận BCTC ở ba mức độ khác nhau Tất cả ba mơ hình này đều được tác giả phát triển từ mơ hình M-Score của Beneish Mơ hình đầu tiên, tác giả xây dựng dựa trên cơ sở xem xét mối quan hệ giữa hành vi gian lận và các yếu tố trên BCTC như các biến dơn tích, thay đơi hàng tồn kho, thay đổi các khoản phải thu khách hàng, phát hành cô phiếu trong năm (Issue), tài sản ngăn hạn Mơ hình thứ hai, tác giả đã thêm các biến đo lường thông tin phi tài chính như biến số lượng nhân viên và các biến đo lường hoạt động ngoại bảng như biến cho thuê hoạt động Và mô hình thứ ba, tác giả tiếp tục thêm các biến liên quan đến thị trường
như chỉ số giá cô phiếu, giá trên lợi nhuận Kết quả, F-Score đã dự đốn đúng
65.9% đối với mơ hình thứ nhất, mơ hình thứ hai là 65,78% và cuối cùng là
63,36% Tóm lại, ngoài các biến chỉ số tài chính của mơ hình M-Score, tác giả đã sử
dụng thêm các biến số phi tài chính như các hoạt động ngoại bảng và dữ liệu thị trường để xây dựng nên mơ hình F-Score Mặc dù mơ hình F-Score của Dechow va
các cộng sự đánh giá gian lận trên nhiều khía cạnh hơn, toàn diện hơn nhưng xác
Trang 24gian lận khác nhau nhưng môi cách đêu có ưu điêm riêng và có độ tin cậy cao nên
việc kết hợp cách nhận diện của hai mô hình này lại là một ưu điêm nỗi trội trong nghiên cứu của Muntari Mahama (2015)
Trong nghiên cứu của Tarjo và Nural (2015), tác giả đã sử dụng mơ hình M- Seore của Beneish (1999) và kết hợp với phương pháp khai phá dữ liệu cụ thể là kỹ thuật hồi quy Logistic để xác định lại những chỉ số tài chính nào trong mơ hình M-
Score dự báo được gian lan BCTC Day là một nghiên cứu được thực hiện ở Indonesia Kết quả cho thay các chi s6 GMI, DEPI, SGAI, TATA co kha nang phat
hiện gian lận BCTC Cac chi sé con lai 1a DSRI, AQL, LVGI khéng thé phat hién
được gian lận Và khả năng phát hiện gian lận của mô hình là 77,1% Việc tác giả
kết hợp mơ hình hình M-Score của Beneish (1999) với phương pháp khai phá dữ
liệu để nhận diện gian lận là một cách làm mới đáng tin cậy và cũng dễ thực hiện
Kết quả nghiên cứu có sự khác biệt so với nghiên cứu gốc của Beneish (1999) ở chỗ chỉ có bốn chỉ số tài chính trong mơ hình M-Score hữu ích trong việc phát hiện gian
^
lận
Zainudin và Hashim (2016) đã tiến hành phân tích các chỉ số tài chính để
nhận diện được gian lận BCTC như đòn bay tai chinh, ty suất sinh lợi, cầu trúc tài
sản, vòng quay vốn và tính thanh khoản Mẫu nghiên cứu mà tác giả sử dụng là các BCTC có gian lận được xác định bởi trung tâm Bursa của Malaysia Nghiên cứu này sử dụng hồi quy Logistic để kiểm định các giả thuyết liên quan Kết quả cho thấy các chỉ số hữu ích trong việc phát hiện gian lận là đòn bây tải chính, tỷ suất sinh lợi, câu trúc tài sản và vịng quay vơn
Tóm tắt về các nghiên cứu nước ngồi có liên quan đên đê tài xem trong bảng 1.1 bên dưới
Bang 1.1 Tóm tắt các nghiên cứu nước ngoài liên quan đền dé tài nghiên cứu
Số thứ
t Tac gia | Năm Nội dung nghiên cứu Kết quả ự
1 EdWard | 1968 | Thực hiên nghiên cứu trên | Đã tìm ra được chỉ số Z-
Trang 25
L.AItman một mẫu bao gôm 66 doanh nghiệp để dự đoán về nguy cơ phá sản của các doanh nghiệp này
Score Chi s6 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
Từ 1985, chỉ số Z đã được
chấp nhận rộng rãi bởi
kiểm toán viên, kế tốn
quan trị, tịa án, và hệ thống dữ liệu đánh giá cho vay Messod D Beneish 1999
Su dụng mô hình probit ước
lượng khả năng cực đại của
mẫu ngoại sinh có trọng số để xác định khả năng một cơng ty có có điều chỉnh lợi nhuận hay không điều chỉnh lợi
nhuận (kết hợp cả biến chỉ số
tài chính và biến dồn tích)
Tám biến trong mơ hình bao gồm: Chỉ số Phải thu khách hàng trên Doanh thu thuần (DSRD., Chỉ số Tỷ suất lợi
nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQD),
Chỉ số tăng trưởng doanh thu (SGD, Chỉ
TSCĐ (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số biến dơn tích kê tốn so với tơng
số khâu hao
tài sản (TATA) và cuối cùng
Khả năng dự báo của mơ hình là 76%
Mơ hình nghiên cứu này rất nỗi tiếng, đặc biệt là khi mơ hình này xác định đúng vụ việc gian lận của tập đoàn Enron năm 2001 Đơng thời, mơ hình cũng được đưa vào chương trình giảng dạy chính thức
(Fridson, 2002; Stickney, Brown, va Wahlen, 2003)
Trang 26
là chỉ sơ địn bay tài chính (LVGD Charalamb os T Spathis 2002
Xem xét về tính hữu ích của các chỉ số tài chính và hệ số nguy cơ phá sản (Z-Score) trong việc phát hiện ra gian
lận trên BCTC
Mơ hình xác định các
biến sau hữu ích trong
việc gian lận trên BCTC:
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 tong no trén tong tai
sản và hệ số nguy cơ phá san (Z-Score) Lalith P Samarakoo n& Tanweer Hasan 2003
Dự đốn kha năng khó khăn về tài chính của các công ty niêm yết tại thị trường mới noi Sri Lanka bang cach sw dung ba mơ hình Z-Score của Altman Chỉ số Z-Score đã dự đoán đúng đến 81% các công ty có khó khăn về mặt tài chính Burcu Diken và Guray 2005 Tìm ra một mơ hình giúp
phát hiện được các trường
hợp gian lận BCTC của các công ty tại Thổ Nhĩ Kỳ dựa trên mơ hình M-Score của Beneish Tác giả đã thêm vào hai biến là DINV (Chỉ số hàng tôn kho) và FEI (Chỉ số chị phí tài chính) Mơ hình của Diken và Guray da du Burcu đoán đúng 67% trường hợp các công ty bị sai phạm trên BCTC Dechow và các cộng
Sự 2011 Thực hiện một nghiên cứu về
gian lận trén 2,190 BCTC trong giai doan 1982-2005 va đã xây dựng nên ba mơ hình F-Score giúp phát hiện gian
lận BCTC ở ba mức độ khác Mơ hình F-Score đã dự
đoán đúng 65,9% đối với mơ hình thứ nhất, mơ hình thứ hai là 65,78% và cuối cùng là 63,36%
Trang 27
nhau Ba mơ hình này đêu được tác giả phát triển từ mơ
hình M-Score của Beneish
Muntari
Mahama 2015
Thực hiện một nghiên cứu
thực nghiệm về trường hợp gian lận của công ty Enron Tác giả đã sử dụng mơ hình M-Score kết hợp với Z-Score nhằm phát hiện khả năng BCTC và khủng hoảng tài chính của cơng ty này
Nghiên cứu đã phát hiện ra răng, Enron rơi vào khủng hoảng tài chính từ rất lâu (năm 1997) nhưng mãi đến năm 2001 mới nộp hỗ sơ xin phá sản và vấn để chính là do cơng ty đã cố tình điều chỉnh thu nhập TarJo và Nural 2015 Sử dụng mô hình M-Score của Beneish (1999) và kết
hợp với phương pháp khai phá dữ liệu, cụ thể là kỹ thuật hồi quy Logistic để xác định lại các biến nào trong mơ
hình M-Score dự báo được
gian lận BCTC của các công ty tai Indonesia
Các biên số GMI, DEPI, SGAI, TATA c6 kha nang phát hiện gian lận BCTC Các biến số còn lại là DSRL, AQL, LVGTI không thể phát hiện được gian lận Và khả năng phát
hiện gian lận của mơ hình
là 77,1%
Zainudin
va Hashim 2016
Tác giả đã tiến hành phân tích các chỉ số tài chính để
nhận diện được gian lận
BCTC như đòn bẩy tài chính,
tỷ suất sinh lợi, cẫu trúc tài
sản, vòng quay vốn vả tính thanh khoản Tác giả sử dụng hồi quy Logistic véi mau nghiên cứu là các BCTC có
gian lận được xác định bởi Kết quả cho thây các chỉ số hữu ích trong việc phát hiện gian lận là địn bay tài chính, tỷ suất sinh lợi, cấu trúc tài sản và vòng quay von
Trang 28
trung tam Bursa của Malaysia
(Nguồn: Tác giả tự tổng hợp) 1.2 Các nghiên cứu trong nước
Ở Việt Nam, cũng có nghiên cứu vận dụng các kết quả thực nghiệm trên thế
giới để phát hiện gian lận trên BCTC nhưng không nhiều Cụ thể các nghiên cứu liên quan đền đề tài của tác giả như sau:
Tác giả Lê Cao Hoàng Anh và Nguyễn Thu Hăng (2012) đã kiểm định lại chỉ
số Z-Score của Altman trong việc dự báo thất bại của các doanh nghiệp VN Chỉ số
Z da được chứng minh là phù hợp với đặc trưng của thị trường mới nổi với khả năng tiếp cận vốn hẹp quy mô nhỏ và rủi ro thanh khoản cao Mẫu nghiên cứu bao gồm 293 công ty niêm yết trên sàn HOSE Kết quả cho thấy chỉ số Z-Score dự báo chính xác 91% tại thời điểm một năm trước khi công ty kiệt quệ tài chính, tỷ lệ này giảm xuống còn 72% trong vòng hai năm Đây là một tỷ lệ dự báo khá cao cho thấy
rằng, chỉ số Z-Score thật sự là là một chỉ số đáng tin cậy, phù hợp với thị trường
VN Kết quả này tương đồng với nghiên cứu của EdWard I.Altman (1968),
Charalambos T Spathis (2002), Lalith P Samarakoon & Tanweer Hasan (2003)
Điểm khác biệt là nghiên cứu này được thực hiện tại thị trường VN
Tac gia V6 Van Nhi va Hoang Cam Trang (2013) đã tiễn hành một nghiên cứu thực nghiệm xem xét mối quan hệ giữa hành vi điều chỉnh lợi nhuận và nguy cơ phá sản Dữ liệu để nghiên cứu là của 85 công ty niêm yết trên sàn HOSE Nhóm
tác giả đã sử dụng mơ hình Leuz và cộng sự (2003) để xác định hành vi điều chỉnh
lợi nhuận và xác định nguy cơ phá sản băng chỉ số Z-Score của Altman (2006) Kết quả là mức độ điều chỉnh lợi nhuận tương đồng với nguy cơ phá sản Điều này tương đồng với nghiên cứu của EdWard I.Altman (1968), Charalambos T Spathis
Trang 29Nghiên cứu của Hoàng Khánh và Trần Thị Thu Hiền (2015) “Phát hiện sai phạm BCTC của các doanh nghiệp niêm yết” Trong bài nghiên này, tác giả đã dựa vào mơ hình nghiên cứu của DeAngelo (1986), Friedlan (1994) và Benneish (1999) để xây dựng nên hai mơ hình định lượng nhằm phát hiện ra sai phạm trên BCTC của các công ty xây dựng đang niêm yết trên sàn
Mơ hình thứ nhất, tác giả sử dụng biến phụ thuộc là M và tám biến độc lập
như trong mô hình Beneish (1999) Mơ hình thứ hai, tác giả thêm hai biến độc lập vô mơ hình đầu tiên là biến DA (biến kế toán dồn tích có thể điều chỉnh) và SIZE Kết quả hồi quy Probit cho thấy mô hình đầu tiên chỉ có ba biến độc lập có ý nghĩa thống kê là SGI, AQI, DEPI Mơ hình thứ hai có bốn biến có ý nghĩa là SGL AQL, DEPI, DA Và khả năng phát hiện gian lận của từng mơ hình lần lượt là 63,41% và 68,29% Kết quả nghiên cứu này có sự khác biệt so với nghiên cứu của Beneish
(1999) ở chỗ cả hai mơ hình chỉ có ba chỉ số tài chính trong mơ hình M-Score sốc
hữu ích trong việc phát hiện gian lận Chỉ số DEPI hữu ích trong việc phát hiện gian lận cũng tương đồng với nghiên cứu của Tarjo và Nural (2015)
Võ Minh Dương (2016), “Sử dụng mơ hình M-Score đánh giá chất lượng BCTC ở VN” Nghiên cứu này tác giả đã áp dụng mô hình Beneish (1999) để đánh giá khả năng bóp méo BCTC của các công ty đang niêm yết trên sản HOSE và sàn HNX Sau đó, các công ty mà nằm trong danh sách bị bóp méo BCTC được sử dụng thống kê mô tả để xem xét suất sinh lời cô phiếu tại thời điểm 30 ngày, 90 ngày, 180 ngày và 360 ngày tính từ ngày công bố BCTC Với cách làm này, tác giả mong muốn tìm hiểu mối quan hệ giữa việc bóp méo BCTC và suất sinh lời của cỗ phiếu trên TTCK Khi sử dụng M-Score để xác định khả năng bóp méo BCTC, tác giả đã đưa ra kết quả là 30% các công ty niêm yết trên hai sàn HNX và HOSE có dâu hiệu bóp méo BCTC Tiếp tục nghiên cứu về mối tương quan giữa tình trạng bóp méo BCTC và suất sinh lời của cỗ phiếu trên TTCK, tác giả đã kết luận răng các cơng ty khơng bóp méo BCTC có tỷ suất sinh lợi trung bình +5,89% và các
Trang 30Nghiên cứu của Trần Việt Hải (2017), “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” Trong nghiên cứu này, đầu tiên tác giả đã sử dụng mơ hình Beneish (1999) để phân loại các cơng ty có gian lận và khơng có gian lận Sau đó sử
dụng thống kê mô tả để mô tả những đặc tính cơ bản của bộ dữ liêu Tiếp theo, tac
giả đã tiến hành tổng hợp các nghiên cứu trước đây đã sử dụng chỉ số tài chính để
phát hiện gian lận và đưa ra được mười biến độc lập cho mô hình nghiên cứu của
mình, trong đó có hệ số Z-Score là hệ số nguy cơ phá sản được nghiên cứu tại Hoa Kỳ Cuối cùng, tác giả sử dụng kỹ thuật hồi quy Logistic để kiểm định mơ hình Kết quả mơ hình đã phân loại được các công ty có gian lận với tỷ lệ chính xác là 68,7% Kết quả nghiên cứu về chỉ số Z-Score này tương đồng với nghiên cứu của EdWard
LAItman (1968), Charalambos T Spathis (2002), Muntari Mahama (2015) Điểm
khác biệt là tác giả đã kết hợp thêm nhiều chỉ số tài chính khác nhau để phát hiện
gian lận và nghiên cứu này được thực hiện tại thị trường VN
Ca Thị Ngọc Tố (2017), “Ung dụng mơ hình M-Score trong việc phát hiện sai sót thơng tin trên BCTC của các doanh nghiệp niêm yết” Trong bài nghiên cứu, tác giả đã dựa vào mô hình M-Score gốc của Beneish (1999) và kỹ thuật hồi quy Logistic dé xây dựng mơ hình định lượng nhằm phát hiện sai sót thơng tin trên BCTC của các doanh nghiệp trên sàn HOSE và HNX Kết quả, tác giả đã loại trừ ba biến độc lập so với mô hình M-Score do khơng có ý nghĩa thống kê, còn lại năm biến có ý nghĩa đó là biễn LVGI, SGL, GMI, SGAI, DEPI Đây là điểm khác biệt so với mơ hình M-Score gốc của Beneish Tuy nhiên, khả năng dự báo của mơ hình này lại cao hơn (80,83%)
Trang 31Bang 1.2 Tóm tắt các nghiên cứu trong nước liên quan đến đề tài nghiên cứu
vous Tac gia Nam | Noi dung nghiên cứu Kết qua
Kiểm định lại chỉ sô Z- | Chỉ số Z-Score dự báo
Lê Cao Score cua Altman trong | chính xác 91% tại thời Hoàng Anh | „12 | việc dự báo thất bại của | điểm một năm trước khi và Nguyên các doanh nghiệp VN công ty kiệt quệ tài chính,
Thu Hang tỷ lệ này giảm xuống còn
72% trong vòng hai năm Tiên hành một nghiên | Mức độ điêu chỉnh lợi cứu thực nghiệm xem xét | nhuận tương đồng với nguy mối quan hệ giữa hành vi | cơ phá sản
Võ Văn Nhị điều chỉnh lợi nhuận và
2 và Hoàng | 2013 | nguy cơ phá sản Dữ liệu Cam Trang để nghiên cứu là của 85 công ty niêm yết trên sàn
HOSE (sử dụng mô hình Leuz và chỉ số Z-Score)
Dựa vào mơ hình nghiên | Mơ hình thứ nhật chỉ có ba cứu của DeAngelo | biến có ý nghĩa thống kê là
(1986), Friedlan (1994) | SGI, AQI, DEPI; mo hinh
Hoang và Beneish (1999) để xây | thứ hai có bốn biến có ý
3 Khánh và 2015 dựng nên hai mộ hình | nghia la SGI, AQI, DEPI, Tran Thi dinh lugng nham phát | DA Và khả năng phát hiện
Thu Hiền hiện ra sai phạm trên | gian lận của từng mơ hình BCTC của các công ty |lần lượt là 63,41% và xây dựng đang niêm yết | 68,29%
trên sàn
Áp dụng mô hình |30% các cơng ty niêm yết Beneish (1999) để đánh | trên hai sàn HNX và HOSE ¬ giá khả năng bóp méo |có dấu hiệu bóp méo
4 Vo Minh | 016 |BCTC của các công ty | BCTC Dương đang niêm yết trên sàn
HOSE, sàn HNX và tìm
hiểu mối quan hệ giữa Nghiên cứu về mỗi tương quan giữa tình trạng bóp
méo BCTC và suất sinh lời
Trang 32
việc bóp méo BCTC và suất sinh lời của cô phiếu
trén TTCK
của cô phiêu trên TTCK, tác giả đã kết luận răng, các công ty không bóp méo BCTC có tỷ suất sinh lợi
trung bình +5,89% và các cơng ty có bóp méo là 3,01% 2017 Sử dụng mơ hình Beneish (1999) để phân loại các công ty có gian lận và khơng có gian lận Sau đó, tiến hành tổng hợp các nghiên cứu trước và đưa ra mô hình nghiên cứu bao gồm mười chỉ số tài chính, trong đó có Z- Score
Mơ hình đã phân loại được
các công ty có gian lận với tý lệ chính xác là 68,7% 5 Tran Viét Hai 6 Ca Thi Ngoc T6 2017
Dựa vào mơ hình M-
Score gốc của Beneish (1999) và kỹ thuật hồi quy Logistic để xây dựng
mơ hình định lượng nhằm
phát hiện sai sót thơng tin trên BCTC của các doanh nghiệp niêm yết trên sàn
HOSE và HNX Tác giả đã loại trừ ba biến
độc lập so với mô hình M-
Score do khơng có ý nghĩa thống kê, còn lại năm biến có ý nghĩa đó là biến LVGI, SGI, GMI, SGAIT, DEPL Mơ hình này có khả năng phân loại chính xác S0,83% các cơng ty có gian lận BCTC
1.3 Khe hồng nghiên cứu
(Nguồn: Tác giả tự tổng hợp)
Sau khi thực hiện tổng hợp các nghiên cứu trong và ngoài nước, tác giả nhận thấy có một số khe hồng nghiên cứu như sau:
(1) Mơ hình M-Score của Beneish, F-Score của Dechow và các cộng sự, chỉ sô
Trang 33cao như nghiên cứu cua Charalambos T Spathis (2002), Lalith P Samarakoon & Tanweer Hasan (2003), Burcu Diken va Guray (2011), Muntari Mahama (2015), Tarjo va Nural (2015), nhung hién tai van chua được nghiên cứu nhiêu tại VN
(2) Tác giả chưa tìm thấy có nghiên cứu kết hợp mô hình M-Score với chỉ số Z- Score và biến liên quan đến thị trường Issue (phát hành cổ phiếu trong năm) để phát hiện khả năng gian lận BCTC tại thị trường chứng khoán VN
(3) Tại VN, đã có các nghiên cứu đưa ra mô hình, các phương pháp kiểm định khác nhau nhăm phát hiện được khả năng gian lận trên BCTC, tuy nhiên đa số các mơ hình và phương pháp kiểm định này khá phức tạp, khó thu thập được dữ liệu như nghiên cứu của Lê Cao Hoàng Anh và Nguyễn Thu Hăng
(2012), Võ Văn Nhị và Hoàng Cam Trang (2013), Hoang Khanh va Tran
Thi Thu Hién (2015), Võ Minh Dương (2016), Diéu nay sẽ gây khó khăn cho các nhà đầu tư hay các bên liên quan trong việc phân tích BCTC để đưa ra quyết định chính xác
Trang 34KẾT LUẬN CHƯƠNG 1
Trong chương I, tác giả đã thực hiện việc tông hợp lại các nghiên cứu trong và ngoài nước có liên quan trực tiếp và gián tiếp đến đề tài nghiên cứu của mình Từ đó, giúp tác giả xác định rõ ràng các khe hồng nghiên cứu làm cơ sở để tiếp tục thực hiện đẻ tài này Việc tổng hợp và trình bày các nghiên cứu có liên quan của tác giả
dựa trên cơ sở chọn lọc các cơng trình nghiên cứu tiêu biéu đã được cơng bố rộng rãi và có độ tin cậy cao
Thông qua việc tổng quan về các nghiên cứu, ta thấy răng trên thế giới đã có khá nhiều nghiên cứu giúp các nhà đầu tư, các kiểm toán viên và các đối tượng hữu quan khác có thể nhận diện gian lận trên BCTC một cách dễ dàng hơn thông qua các mơ hình, các phương pháp kiểm định khác nhau Mà tiêu biểu đó là mơ hình M-
Score cua Messod D Beneish, F-Score cua Dechow va cac cong su, chi số Z-Score
cua EdWard I.Altman
Trang 35CHUONG 2: CO SO LY THUYET
2.1 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 nhằm lẫn
Nhằm lẫn là hành vi gây ra sai sót do khơng cơ ý, khơng vì mục đích thu lợi
bất chính
Gian lận là hành vi cô ý làm sai lệch thông tin kinh tế, tài chính do một hoặc
nhiều người trong HĐQT, BGĐ, các nhân viên hoặc bên thứ ba thực hiện để thu lợi bât chính Một sô biêu hiện của hành vi gian lận như sau:
- - Sửa đổi, giả mạo chứng từ, tải liệu làm sai lệch BCTC
- _ Biển thủ tài sản
- - Cô ý áp dụng sai các nguyên tắc kế toán, các chuẩn mực, chế độ kế tốn
hoặc cơ ý tính tốn sai lệch làm ảnh hưởng đến BCTC
- _ Cô ý phi chép sai nội dung các nghiệp vụ kinh tế phát sinh 2.1.2 Gian lận BCTC
Theo chuẩn mực kiểm toán quốc tế số 240 (ISA 240), hành vi gian lận được
chia làm hai loại đó là gian lận BCTC và gian lận biến thủ tải sản
Cũng theo IAS 240, gian lận BCTC là các sai phạm trọng yếu và hành vi này
được thực hiện một cách cố ý để đánh lừa người sử dụng thông tin nhằm tạo ra
một khoản lợi ích cho đơn vị mình Các sai phạm này thông thường bao gồm: - - Làm sai lệch hoặc cô ý gây ra các sai sót đơi với các giao dịch, sự kiện hoặc
các thông tin quan trọng trên BCTC
Trang 36- - Cô ý vận dụng sai các nguyên tặc kê toán liên quan đên cách thức ghi nhận,
cách thức phân loại, nội dung được trình bày và các chỉ tiêu, khoản mục cân
công bố trên BCTC
Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE) đã phân chia gian lận ra
làm ba loại là gian lận liên quan đến tài sản, tham ô và gian lận BCTC ACFE đã
định nghĩa gian lận BCTC như sau:
Gian lận BCTC là loại gian lận cố ý làm sai lệch, bóp méo các thông tin trên
BCTC nhằm đánh lừa người sử dụng thông tin như giảm các khoản chỉ phí, khai khống doanh thu
Còn gian lận liên quan đến tài sản là hành vi gian lận chủ yếu do nhân viên hoặc nhà quản lý thực hiện như đánh cắp hàng tôn kho và biến thủ tiền Tham ô là hành vi gian lận chủ yếu do nhà quản lý hoặc chủ sở hữu của công ty thực hiện Họ lợi dụng chức vụ và quyền hạn để làm trái các quy định và cam kết về nghĩa vụ đối với công ty đề thu lợi bất chính cho bản thân mình hoặc bên thứ ba
2.1.3 Nguyên nhân gian lận BCTC
Theo mơ hình tam giác gian lận của Donal R Cressy — nhà nghiên cứu về tội phạm vào những năm 40 của thế kỷ XX, gian lận thường phát sinh khi con người hội đủ ba điều kiện là Áp lực/Động cơ, Cơ hội và Thái độ/Cá tính
- Ap lực/Động cơ: Khi một nhân viên hoặc một người quản lý chịu một áp lực
nào đó thì có thể sẽ dẫn đến hành vi gian lận hay nói cách khác là họ có động cơ để gian lận Áp lực đó có thể là sự khó khăn về mặt tài chính
- - Cơ hội: Khi họ đã chịu áp lực thì nếu có cơ hội để thực hiện hành vi gian lận
họ sẽ gian lận Và có hai yếu tơ tạo cơ hội cho họ là nắm bắt thông tin và có
kỹ năng thực hiện hành vi gian lận đó
- _ Thái độ/Cá tính: Theo Cressy, không phải tất cả mọi người khi chịu áp lực và
có cơ hội gian lận thì họ sẽ gian lận mà còn phụ thuộc vào thái độ, cá tính
Trang 37Mơ hình tam giác gian lận của Donal R Cressy đã được nhiều nghiên cứu áp dụng và sử dụng để đánh giá rủi ro gian lận trong nhiều lĩnh vực VSA 240 cũng đã vận dụng mô hình này để giúp KTV có thể từng bước đánh giá rủi ro gian lận trong q trình kiểm tốn
Cụ thể, trong VSA 240 nêu rõ các yếu tố dẫn đến việc lập BCTC gian lận bao gồm: Động cơ hoặc áp lực, Cơ hội và Thái độ/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 ồn kinh tế ảnh hưởng đến tình hình kinh doanh của đơn vị + Hoặc có thể do Ban giám đốc hoặc nhà quản lý của công ty phải chịu một
áp lực từ bên trong hoặc bên ngồi, áp lực đó có thể là phải đạt được một mục tiêu về lợi nhuận mà đơn vị đề ra, đặc biệt là trong trường hợp mà BG1Đ, nhà quản lý không đạt được mục tiêu đó sẽ phải chịu một hậu quả nặng nề - - Cơ hội: Khi đã có động cơ hoặc áp lực đi kèm với một cơ hội rõ ràng để thực
hiện hành vi gian lận mà người thực hiện tin rằng họ có thể kiểm soát tốt việc
gian lận thì họ rất có thé sé gian lận
+ Các cơ hội đó có thê là do kiểm soát nội bộ yếu kém, hoạt động giám sát tô chức không hiệu quả, hay cơ cầu tô chức phức tạp hoặc là do đặc điểm của
ngành nghề kinh doanh
- _ Và cuối cùng là thái độ của các cá nhân hoặc cá nhân có thể tự biện minh cho
việc thực hiện hành vi gian lận của mình
+ Các cá nhân có thê có thái độ tính cách hoặc các giá trị đạo đức không phù
hợp do cấp quản lý truyền đạt, hoặc yêu cầu cá nhân thực hiện văn hóa cơng ty, tiêu chuẩn đạo đức không đúng không lành mạnh
2.1.4 Một số thú thuật gian lận BCTC phố biến
Trang 38= Che dau công nợ và chỉ phí
Khi doanh nghiệp mong muốn tăng lợi nhuận trước thuế thì hành vi che dấu cơng nợ và chỉ phí sẽ được ưu tiên áp dụng Việc che dấu công nợ này sẽ dẫn đến việc giảm chỉ phí cho doanh nghiệp và từ đó thì lợi nhuận kế tốn trước thuế sẽ tăng một con số tương ứng với con số được che giấu trên BCTC Đây là một trong những kỹ thuật gian lận phố biến nhất vì nó hầu như không để lại dấu vết nên rất khó phát hiện Có ba phương pháp thường sử dụng để che giấu công nợ và chỉ phí
như sau:
+ Khơng ghi nhận công nợ và chỉ phí, nhất là khơng lập dự phòng theo đúng quy định
+ Không ghi nhận các khoản hàng bán bị trả lại, hay các khoản giảm trừ hoặc
khơng trích trước chỉ phí bảo hành cho các sản phẩm
+ Cuối cùng là thực hiện việc vốn hóa chỉ phí khi chưa đủ điều kiện = Piéu chỉnh doanh thu trong kỳ
Doanh nghiệp có thể tiến hành điều chỉnh doanh thu trong kỳ băng cách ghi nhận vào số sách các nghiệp vụ bán hàng khơng có thật Một kỹ thuật thường thấy
là doanh nghiệp sẽ tiến hành tạo ra những khách hàng giả mạo để thực hiện việc
bán hàng và lập chứng từ theo quy định nhưng lại không thực hiện việc giao hàng, đến đầu kỳ kế toán tiếp theo sẽ tiễn hành ghi nhận bút toán hàng bán bị trả lại
Ngoài ra, doanh nghiệp cũng có thể khai khống doanh thu bang cach ghi nhận các khoản doanh thu chưa đủ điều kiện để ghi nhận như chưa chuyền giao quyền sở hữu và chuyển giao rủi ro cho khách hàng, hoặc ghi tăng số lượng, giá bán trên hóa đơn một cách cố ý
= Dinh gia sai tai san
Hành vi gian lận trên BCTC cũng có thé duoc doanh nghiệp thực hiện thông
Trang 39phòng giảm giá, hay cố tình kê khai vượt mức số lượng hàng thực tồn trong kho Một số tài sản thường bị định giá sai đó là các tài sản mua trong quá trình hợp nhất kinh doanh, khơng được vốn hóa đầy đủ các khoản chỉ phí hay cơ tình phân loại sai tai san
" Ghi nhận sai niên độ
Các khoản thường bị các doanh nghiệp có ý ghi sai niên độ là các khoản doanh thu và chỉ phí Doanh thu và chỉ phí của kỳ kế toán này lại được ghi sang kỳ khác hoặc niên độ này được ghi sang niên độ khác và ngược lại Kỹ thuật này có thể giúp doanh nghiệp tăng hoặc giảm lợi nhuận như mong muốn
= Khai bdo thông tin không đây đủ
Các thông tin không được khai báo đầy đủ là nhằm hạn chế khả năng tiếp cận thông tin của người sử dụng BCTC Việc khai báo thiếu này thường xảy ra trên thuyết minh BCTC, doanh nghiệp thường không ghi nhận các khoản nợ tiềm
tàng hoặc các sự kiện sau ngày kết thúc niên độ, những chính sách kế tốn đã bị
thay đổi
= Che giau giao dich
Có thể nhiều giao dịch của doanh nghiệp đã bị che giấu đi thông qua việc không hạch toán các nghiệp vụ đã phát sinh hoặc ghi sai nội dung nghiệp vụ Ví dụ như hàng hóa đã bán cho khách hàng nhưng lại không ghi nhận dẫn đến hàng tồn trong kho không đúng với thực tế Các khoản chỉ phí hoa hồng, chỉ cho các cá nhân được hợp lý hóa thơng qua việc ký các hợp đồng tư vấn
2.2 Mơ hình M-Score Beneish
Mơ hình M-Score của Messod D Beneish (1999) là một mơ hình thống kê giúp nhận diện được các cơng ty có điều chỉnh lợi nhuận và các công ty không điều chỉnh lợi nhuận Dữ liệu Beneish thu thập để nghiên cứu là từ 74 cơng ty có điều chỉnh lợi nhuận (các công ty này bị Ủy ban chứng khoán Mỹ buộc tội có điều chỉnh
Trang 40sử dụng mơ hình probit ước lượng khả năng cực đại của mâu ngoại sinh có trọng sơ để xác định khả năng một công ty có điều chỉnh lợi nhuận hay không
Beneish cho răng sự điều chỉnh lợi nhuận thường bao gồm tăng doanh thu hay giảm chi phí một cách có chủ ý Ngồải ra, tác giả đưa ra nhận định răng xác suất các cơng ty có điều chỉnh lợi nhuận sẽ tăng lên khi có: sự tăng bất thường 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 Mơ hình M-Score của Beneish
(1999) kết hợp cả biến chỉ số tài chính và biến dồn tích nên xác suất phát hiện sai
sót trên BCTC sẽ cao hơn các mơ hình chỉ sử dụng chỉ số tài chính hoặc biến dồn tích Kế từ khi được công bố, mơ hình nghiên cứu này rất nỗi tiếng, đặc biệt trong trường hợp tập đoàn Enron năm 2001, các sinh viên trường đại học Cornell đã sử
dụng mơ hình M-Score này để nhận diện ra được gian lận của Enron trước một năm
thời điểm công ty này phá sản mà trong khi các kiểm tốn viên khơng phát hiện được Đồng thời, mơ hình cũng được đưa vào chương trình giảng dạy chính thức
(Fridson, 2002; Stickney, Brown, và Wahlen, 2003)
Sau đó, M-Score đã được rất nhiều các nghiên cứu tiếp theo quan tâm và sử dụng vào bài nghiên cứu của mình như nghiên cứu cua Burcu Diken va Guray
(2010) và Marinakis (2011), mơ hình F-Score của Dechow và các cộng sự (2011), Muntari Mahama (2015)
Mơ hình M-Score của Bencish:
M-Score = -4.840 + 0,920DSRI + 0,528GMI + 0,0404AQI + 0,892SGI + 0,1 1SDEPI-0,172SGAI + 4,679 TATA- 0,327LVGI
Nếu điểm M-Score > -1,78, nó cho thấy cơng ty có khả năng gian lận BCTC
và ngược lại Trong đó: