Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam Hồng Thị Hồng Vân Khoa Kế tốn - Kiểm tốn, Học viện Ngân hàng Ngày nhận: 07/01/2021 Ngày nhận sửa: 09/05/2021 Ngày duyệt đăng: 19/05/2021 Tóm tắt: Báo cáo tài nói chung, ngân hàng nói riêng ln có vai trị quan trọng người sử dụng hoạt động thị trường Gian lận báo cáo tài ngân hàng thương mại ảnh hưởng nghiêm trọng đến không hoạt động ngân hàng mà cịn ảnh hưởng đến lịng tin người sử dụng dịch vụ ngân hàng thị trường tiền tệ Nghiên cứu sử dụng mơ hình M-score Beneish (1999) có bổ sung thêm số biến nhằm xác định mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam Kết nghiên cứu cho thấy có yếu tố mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam: Tỷ số tăng trưởng doanh thu, tỷ số chất lượng tài sản, tỷ số địn bẩy tài chính, tăng trưởng quy mô doanh nghiệp tỷ lệ nợ xấu ngân hàng thương mại Tính xác mơ hình nhận diện gian lận ngân hàng thương mại Việt Nam tính tốn ngưỡng 20% 63,16% Từ khóa: Gian lận báo cáo tài chính, Mơ hình M-score, ngân hàng thương mại, báo cáo tài The accuracy of the model in predicting fraud in financial statements of commercial banks in Vietnam Abstract: Financial statements of banks always play a significant role for users and market activities Fraud in commercial banks’ financial statements can have a serious impact on not only the operation of the bank, but also the users of service banks and money markets The study using the M-score model of Beneish (1999) has added some variables to determine the fraudulent identification of financial statements of commercial banks in Vietnam The research results show that there are factors in the financial reporting fraud model of commercial banks in Vietnam: Revenue growth rate, asset quality ratio, financial leverage ratio, growth firm size and bad debt ratio in commercial banks The accuracy of the model in predicting fraud in financial statements of commercial banks in Vietnam at 20% was 63,16% Keywords: Fraudulent financial statements, M-score model, commercial banks, financial statements Hoang, Thi Hong Van Email: vanhth@hvnh.edu.vn Banking Academy of Vietnam © Học viện Ngân hàng ISSN 1859 - 011X 49 Tạp chí Khoa học & Đào tạo Ngân hàng Số 231- Tháng 2021 Tai ngay!!! Ban co the xoa dong chu nay!!! 17014127681071000000 Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam Tổng quan các nghiên cứu gian lận báo cáo tài Beneish (1999) xây dựng mơ hình M-score để nhằm mục đích xác định việc gian lận thu nhập công ty, cụ thể việc tăng doanh thu giảm chi phí có chủ đích Beneish nhận định rằng, xác suất công ty thao túng thu nhập tăng có: tăng bất thường khoản phải thu, suy giảm lợi nhuận gộp, giảm chất lượng tài sản, tăng trưởng doanh thu tăng dồn tích Những biến Beneish (1999) sử dụng: Tỷ số phải thu khách hàng doanh thu thuần, Tỷ số lãi gộp, Tỷ số tăng trưởng doanh thu bán hàng, Tỷ số chất lượng tài sản, Tỷ số khấu hao tài sản cố định hữu hình, Tỷ số chi phí bán hàng quản lý doanh nghiệp, Tỷ số đòn bẩy tài chính, Tỷ số biến dồn tích kế tốn so với tổng tài sản Với mẫu 74 công ty gian lận thu nhập, tác giả kết luận rằng: cơng ty có M-score lớn -1,78 cho có gian lận thu nhập ngược lại Mơ hình xác định vụ việc bê bối Enron Dựa mơ hình M-score, Burcu Dikmen and Gỹray Kỹỗỹkkocaolu (2005) ó phỏt trin mt mụ hình nhằm phát sai phạm báo cáo tài (BCTC) cơng ty Thổ Nhĩ Kỳ Nghiên cứu sử dụng BCTC 126 công ty niêm yết sàn chứng khoán So với kết Ủy ban Chứng khoán Thổ Nhĩ Kỳ cơng bố, mơ hình dự báo 81% cơng ty bị gian lận thu nhập 65% công ty không bị gian lận, kết chung tỷ lệ dự báo 67% Hakkı FINDIK and Erkan ÖZTÜRK (2016) sử dụng liệu tài 91 cơng ty sản xuất ngành công nghiệp niêm yết Sàn chứng khoán Istanbul (Thổ Nhĩ Kỳ) vào năm 2014 nhằm mục đích xác định khả cơng ty thực gian lận BCTC Bằng cách áp dụng mơ hình M-score 50 biến Beneish (1999), kết nghiên cứu biến Chỉ số doanh số bán hàng số phải thu, Chỉ số tổng lợi nhuận, Chỉ số chất lượng tài sản Tổng số tiền tích luỹ tổng tài sản có ảnh hưởng đến khả thực gian lận kế tốn cho cơng ty nào, đồng thời xác định tổng số tiền cộng dồn vào tổng tài sản có tác động lớn tới gian lận so với biến khác Giống với nghiên cu ca Burcu Dikmen v Gỹray Kỹỗỹkkocaolu (2005), mụ hỡnh 11 biến Marinakis (2011) xây dựng để nghiên cứu Anh, biến tương tự mơ hình Beneish, ngồi có biến khác: Chỉ số tỷ lệ thuế suất hiệu quả, Chỉ số đãi ngộ cho giám đốc tổng tài sản, Chỉ số thù lao kiểm toán tổng tài sản Tác giả đặt ngưỡng giá trị cho mơ hình -1,31, theo kiểm định Marinakis, xác suất xác định xác cơng ty gian lận cao mơ hình gốc Beneish (1999) 10% Ở khía cạnh khác, Tarjo and Nurul Herawati (2015) có nghiên cứu mạnh dạn phân tích tính xác mơ hình M-score- Beneish (1999) việc phát gian lận BCTC với số liệu trải dài từ 2001- 2014 35 công ty xác định có gian lận BCTC 35 cơng ty xác định khơng có gian lận BCTC Mơ hình Tarjo and Nurul Herawati (2015) đưa biến số ảnh hưởng tới gian lận BCTC Chỉ số tổng lợi nhuận, Chỉ số khấu hao, Chỉ số chi phí bán hàng quản lý doanh nghiệp, Chỉ số tổng tài sản tổng kế tốn dồn tích Các biến Chỉ số bán hàng, Chỉ số chất lượng tài sản, Chỉ số địn bẩy tài khơng thể phát gian lận BCTC Độ xác mơ hình phát công ty gian lận lên tới 77,1% (27 35 cơng ty gian lận) độ xác phát công ty không gian lận 80% (28 35 công ty không gian lận) Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 2021 HOÀNG THỊ HỒNG VÂN Dechow cộng (2011) nghiên cứu nguyên nhân hậu thao túng lợi nhuận thơng qua tìm hiểu 2.190 công ty niêm yết giai đoạn 1982- 2005 xây dựng mơ hình F-score Tác giả cộng kết luận F-score lớn khả cơng ty sai phạm tài bóp méo lợi nhuận cao Rhee cộng (2003) nghiên cứu ảnh hưởng quy mô doanh nghiệp đến hội gian lận thu nhập nhà quản trị Trong nghiên cứu, Rhee cộng rằng, tất doanh nghiệp thị trường có xu hướng gian lận lợi nhuận, nhiên, số lượng doanh nghiệp nhỏ lại gian lận nhiều Mặt khác, hai xu hướng hai loại hình doanh nghiệp nhỏ lớn lại hoàn toàn khác Đối với cơng ty nhỏ, nhà quản trị làm tăng giảm lợi nhuận so với lợi nhuận thực tế, cịn cơng ty lớn hầu hết gian lận để lợi nhuận không giảm qua năm Điểm hạn chế nghiên cứu chưa định lượng biến quy mô ảnh hưởng đến khả xu hướng gian lận cơng ty thị trường Nhìn chung, nghiên cứu nước gian lận BCTC xuất nhiều phổ biến Chủ yếu nghiên cứu dựa sở mơ hình DeAnglo (1986) Beneish (1999) để xây dựng mơ hình mới, đặc trưng cho đối tượng nghiên cứu cụ thể lĩnh vực góc nhìn nghiên cứu riêng để phát gian lận BCTC Có thể nói mơ hình DeAnglo (1986) Beneish (1999) tảng cho đời mơ hình nghiên cứu gian lận BCTC sau Việc áp dụng mơ hình M-score vào phát gian lận BCTC doanh nghiệp hữu ích với ngân hàng, chủ đầu tư, chủ nợ trình thẩm định thiết lập mối quan hệ kinh doanh Trong nghiên cứu mình, Vladimír Petrík (2015) sâu nghiên cứu công ty Slovak- cơng ty sản xuất thiết bị văn phịng, doanh nghiệp quy mô vừa Kết cho thấy, công ty khơng gian lận BCTC có giá trị M-score 6,84 Điều cho thấy, nhà đầu tư hồn tồn sử dụng mơ hình M-score Beneish (1999) để phân tích cụ thể liệu công ty, làm sở cho định, đồng thời minh chứng cho thấy tính ứng dụng mơ hình M-score nghiên cứu gian lận BCTC cho tất doanh nghiệp thực tiễn Nguyễn Trần Ngun Trân (2014) sử dụng mơ hình Beneish (1999) để dự đốn khả gian lận BCTC cơng ty niêm yết thị trường chứng khoán (TTCK) Việt Nam Đối với mẫu 30 công ty niêm yết, mô hình phát tỷ lệ gian lận 63,33% Đồng thời, tác giả nhận định việc sử dụng mơ hình M-score nhằm phát sớm số cơng ty có khả thực hành vi thao túng BCTC thị trường Việt Nam Hạn chế nghiên cứu dừng lại việc sử dụng trực tiếp mơ hình gốc Beneish, nhiên, nghiên cứu số nghiên cứu đầu việc sử dụng kỹ thuật thống kê, cụ thể mơ hình dự báo gian lận M-score Hoàng Khánh Trần Thị Thu Hiền (2015) sử dụng tảng từ nghiên cứu trước DeAngelo (1986), Friedlan (1994) Beneish (1999), xây dựng mơ hình nhận diện gian lận BCTC doanh nghiệp ngành xây dựng niêm yết TTCK Việt Nam Trong nghiên cứu, tác giả sử dụng mơ hình gốc biến Beneish mơ hình 10 biến phát triển thêm hai biến dồn tích (DA) biến quy mơ doanh nghiệp Size Độ xác hai mơ hình với doanh nghiệp sản xuất 63,41% 68,29%, tính theo kết kiểm tốn độc lập Hạn chế nghiên cứu thực với nhóm doanh nghiệp ngành xây dựng Số 231- Tháng 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 51 Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam Nhìn chung, nghiên cứu nước sử dụng hiệu mơ hình nghiên cứu vào đánh giá rủi ro có gian lận BCTC Việt Nam Tuy nhiên, đối tượng tìm hiểu nghiên cứu chủ yếu doanh nghiệp phi tài thị trường tài vài nghiên cứu chuyên sâu doanh nghiệp cụ thể lĩnh vực xây dựng, sản xuất Những nghiên cứu gian lận trung gian tài ngân hàng thương mại (NHTM) hạn chế, đặc biệt nghiên cứu ứng dụng mơ hình M-score Beneish (1999) vào phát gian lận BCTC Bài viết đề cập đến việc vận dụng mơ hình M-score Beneish (1999) với NHTM Việt Nam với mục đích xác định mơ hình nhận diện gian lận BCTC ngân hàng, qua đánh giá mức độ xác mơ hình nghiên cứu việc dự báo hay nhận diện gian lận BCTC NHTM Việt Nam Mơ hình nghiên cứu Dựa tảng mơ hình nghiên Beneish (1999), tác giả xây dựng mơ hình nhận diện gian lân BCTC NHTM Việt Nam Biến phụ thuộc phân loại theo BCTC NHTM Việt Nam trước sau kiểm toán với giả định kết kiểm toán kết xác tình hình ngân hàng BCTC trước kiểm tốn coi có gian lận có sai lệch trọng yếu Phân biệt sai lệch trọng yếu theo mức trọng yếu hướng dẫn VACPA lấy theo tiêu chí lợi nhuận 5% Theo đó, BCTC có chênh lệch trước sau kiểm tốn từ 5% trở lên BCTC coi có gian lận ngược lại Biến phụ thuộc M = BCTC có sai lệch trọng yếu, M = BCTC không sai lệch trọng yếu Các biến độc lập mơ hình báo gồm 52 biến mơ hình Beneish (1999), có bổ sung thêm biến kế tốn dồn tích điều chỉnh (DA) Friedlan (1994), biến quy mô doanh nghiệp (SIZE) Rhee cộng (2003) để đánh giá tác động yếu tố tới khả nhận diện gian lận mơ hình Ngồi ra, tác giả đề xuất thêm biến tỷ lệ nợ xấu (NX) NHTM nợ xấu tiêu đặc thù NHTM, phản ánh hiệu tín dụng ngân hàng, ảnh hưởng trực tiếp tới uy tín chất lượng hoạt động NHTM Thời gian qua, nhiều NHTM có xu hướng điều chỉnh tỷ lệ nợ xấu xuống thấp so với thực tế nhằm tăng hiệu hoạt động cho vay huy động vốn Phương pháp sử dụng nhiều ngân hàng che giấu khoản nợ xấu thơng qua việc cho khách hàng có nợ xấu vay để đảo nợ, từ khoản nợ yếu tự nhiên trở thành khoản nợ bình thường Chỉ tiêu thường điều chỉnh thông qua khoản mục như: Các khoản phải thu khách hàng, Dự thu lãi, Dự chi lãi NHTM Mơ hình nhận diện gian lận BCTC NHTM Việt Nam có dạng sau: M = β0 + β1 (SGI) + β2 (AQI) + β3 (DSRI) + β4 (TATA) + β5 (DEPI) + β6 (LVGI) + β7 DA + β8 SIZE + β9 NX + Ui Trong đó, β0 hệ số chặn mơ hình, βi hệ số biến độc lập mơ hình, Ui biến số khác có ảnh hưởng tới chưa đưa vào mơ hình nghiên cứu Các biến mơ hình mô tả Bảng Phương pháp nghiên cứu liệu nghiên cứu Phương pháp nghiên cứu Nghiên cứu sử dụng phương pháp nghiên cứu định lượng, thực qua Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 2021 HOÀNG THỊ HỒNG VÂN bước sau: Thứ nhất, dựa tổng quan nghiên cứu, tác giả xác định mơ hình nghiên cứu gian lận BCTC NHTM Việt Nam Thứ hai, tác giả thu thập liệu nghiên cứu 19 NHTM Việt Nam từ năm 20122017 Thứ ba, xử lý liệu nghiên cứu xác định mơ hình yếu tố nhận diện BCTC có gian lận NHTM Việt Nam Thứ tư, đánh giá tính xác mơ hình dự báo, nhận diện gian lận BCTC NHTM Sau xác định mơ hình yếu tố nhận diện gian lận BCTC NHTM, tác giả tiến hành xác định ngưỡng giá trị Bảng Mô tả biến chiều tác động biến mô hình nghiên cứu Nguồn: Tác giả tổng hợp Số 231- Tháng 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 53 Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam phù hợp để phân loại BCTC chưa kiểm tốn vào nhóm có gian lận khơng có gian lận (BCTC coi có gian lận chênh lệch lợi nhuận trước sau kiểm toán > 5% ngược lại, với giả định BCTC kiểm tốn khơng cịn tồn sai phạm trọng yếu), xác định NHTM có giá trị M nằm ngưỡng giá trị nhận diện gian lận Đồng thời, bước này, tác giả kiểm tra tính xác mơ hình với số liệu năm 2017 năm 2017 có đầy đủ BCTC 19 NHTM trước sau kiểm toán làm sở đánh giá tính xác mơ hình nghiên cứu Miền phân phối bên trái phân phối chuẩn Mi nằm khoảng 1% - 2,5% Beneish (1999) xác định khả gian lận BCTC cao, tương ứng với giá trị phân loại Mi nằm khoảng từ (-1,96) đến (-2,32) Giá trị phân loại Mi tính tốn dựa xác xuất dự báo mức 1%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40% Tính toán 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 Excel thu kết Bảng Theo Beneish (1999), Tarjo and Nurul Herawati (2015), Mi (giá trị quan sát thứ i M) lớn giá trị phân loại M-score ngưỡng phân loại xác định, ta đánh dấu doanh nghiệp thứ i có khả gian lận Độ xác mơ hình tính tổng số dự báo tổng số quan sát Các dự báo sai tùy trường hợp mà có ảnh hưởng tới người sử dụng BCTC Do đó, theo Nguyễn Cao Văn (2012), tính xác dự báo tính tốn mô tả Bảng Dữ liệu nghiên cứu Nguồn liệu lấy từ hai trang web:www.cafef.vn www.vietstock.vn, kết hợp thu thập liệu liên quan thiếu từ trang chủ NHTM Dữ liệu thu thập báo cáo trước sau kiểm toán Bảng Ngưỡng M-score tương ứng với mức xác suất dự báo Xác suất dự báo Giá trị phân loại M-score 1% -2,3263479 5% -1,6448536 10% -1,2815516 15% -1,0364334 20% -0,8416212 25% -0,6744898 30% -0,5244005 35% -0,3853205 40% -0,2533471 Nguồn: Tính tốn tác giả phần mềm Excel Bảng Tính xác dự báo Kết Kiểm tốn Có gian lận Dự báo Có gian lận Khơng có gian lận Dự báo có gian lận Dự báo sai có gian lận (Sai lầm loại 1) (1) (2) Dự báo sai khơng có gian lận Dự báo khơng có gian lận (Sai lầm loại 2) (4) (3) Độ xác dự báo / (1+3) Tổng độ xác Khơng có gian lận / (2+4) (1+4) / tổng số quan sát Nguồn: Nguyễn Cao Văn (2012) 54 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 2021 HOÀNG THỊ HỒNG VÂN 19 NHTM Việt Nam (Bảng 7) BCTC trước sau kiểm toán NHTM lấy khoảng thời gian từ năm 2012 - 2017, đó, liệu để làm sở xác định mơ hình yếu tố ảnh hưởng đến gian lận BCTC từ 2012 - 2016, liệu cho kiểm tra tính xác mơ hình năm 2017 Dữ liệu lấy bao gồm: Tài sản ngắn hạn, cho vay khách hàng, tài sản dài hạn, tài sản cố định, tổng tài sản, nợ phải trả, vốn chủ quỹ, thu nhập lãi thuần, lợi nhuận sau thuế, dòng tiền từ hoạt động kinh doanh, tỷ lệ nợ xấu Các liệu tổng hợp xử lý phần mềm Excel phần mềm STATA 13 Kết nghiên cứu 4.1 Đánh giá sai lệch thông tin trước sau kiểm toán Sau thực thu thập xử lý liệu, tác giả thực thống kê mô tả từ liệu sử dụng cho biến đầu vào mơ hình, kết cụ thể Bảng Qua thống kê, tiêu có sai lệch nhiều là: Lợi nhuận sau thuế (28,95%), Tài sản ngắn hạn (14,47%), Phải thu khách hàng (30,26%), Dòng tiền từ hoạt động kinh doanh (25,00%), Tổng tài sản (18,42%), Nợ phải trả (15,79%), Tỷ lệ nợ xấu (30,26%) Các tiêu có sai lệch là: Tài sản dài hạn (5,26%), Vốn chủ quỹ (2,63%), Doanh thu (1,32%) Khoản mục Tài sản cố định khơng có sai lệch Ngun nhân có sai lệch lớn khoản mục là: Tỷ lệ nợ xấu Phải thu khách hàng (do NHTM chuyển khoản nợ nhóm 3, 4, nhóm 1, làm tăng khoản phải thu khách hàng, giảm nợ xấu), Lợi nhuận sau thuế Dòng tiền từ hoạt động kinh doanh (phần lớn khoản chi lãi kê khai không đúng, nhiều NHTM chi trả lãi để tăng thu nhập lãi thu hút đối tượng khách hàng) Sự sai lệch khoản mục kéo theo sai lệch khoản mục có liên quan: Tài sản ngắn hạn, Tổng tài sản, Nợ phải trả Bảng Thống kê sai lệch tiêu từ BCTC 19 NHTM kết trước sau kiểm toán giai đoạn 2013- 2016 STT Chỉ tiêu Số quan sát sai lệch Tỷ lệ sai lệch Lợi nhuận sau thuế 22 28,95% Tài sản ngắn hạn 11 14,47% Phia thu khách hàng 23 30,26% Tài sản dài hạn 5,26% Tài sản cố định 0,00% Tổng tài sản 14 18,42% Nợ phải trả 12 15,79% Vốn chủ quỹ 2,63% Thu nhập lãi 1,32% 10 Dòng tiền từ hoạt động kinh doanh 19 25,00% 11 Tỷ lệ nợ xấu 23 30,26% Nguồn: Tính tốn từ phần mềm Excel Số 231- Tháng 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 55 Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam Bảng Ma trận hệ số tương quan biến mơ hình SGI AQI DSRI TATA DEPI LVGI DA SIZE NX SGI AQI -,0103 DSRI -,2064 -,1757 TATA -,1322 -,1267 ,2812 DEPI -,0387 -,4932 ,3130 -,0445 LVGI -,0129 -,2336 -,1304 ,0383 -,3112 DA -,2708 ,0016 ,5267 ,2416 ,0001 ,0075 SIZE -,0102 ,0079 -,0788 -,0808 -,0246 -,0631 ,0299 NX -,0423 -,0371 -,0021 -,0406 ,2511 -,1017 -,0642 -,2913 Nguồn: Tính tốn từ phần mềm STATA 13 Bảng Kết hồi quy logistic mơ hình M Coef Std Err Z P>|z| [95% Conf Interval] SGI -,2088674 ,6017161 -0,35 0,031 -1,388209 ,9704745 AQI -1,311197 1,70476 -0,77 0,045 -4,652466 2,030071 DSRI -,3372691 ,3571657 -0,94 0,09 -1,037301 ,3627629 TATA 15,26538 10,07281 1,52 0,074 -4,476966 35,00772 DEPI 2,377854 1,336584 1,78 0,062 -,2418016 4,99751 LVGI 33,76182 16,33364 2,07 0,03 1,748466 65,77517 DA -,0052447 ,0183458 -0,29 0,052 -,0412017 ,0307123 SIZE ,5836006 ,87862 0,66 0,015 -1,138463 2,305664 NX 24,84579 35,39442 0,70 0,032 -44,52601 94,21758 _cons -38,0518 19,00495 -2,00 0,04 -75,30081 -,8027814 Nguồn: Tính tốn từ phần mềm STATA 13 4.2 Mối tương quan biến mơ hình nghiên cứu Kiểm tra tương quan biến mơ hình cho kết Bảng Kết Bảng cho thấy biến mơ hình nghiên cứu có mối tương quan với nhau, giải thích cho biến phụ thuộc 4.3 Kết phân tích hồi quy Hồi quy logistic mơ hình thu kết Bảng 56 Kết hồi quy mơ hình cho thấy, với mức ý nghĩa 5%, có biến có ý nghĩa mơ hình nhận diện gian lận, gồm: SGI, AQI, LVGI, SIZE NX Hệ số góc SGI (Tỷ số tăng trưởng thu nhập) = -0,2088674 có ý nghĩa thống kê mức 5%, thể tác động ngược chiều biến SGI lên xác suất gian lận BCTC Hay nói cách khác, Tỷ số tăng trưởng thu nhập có mối quan hệ ngược chiều với gian lận BCTC, tỷ số tăng trưởng thu nhập ngân hàng cao xu hướng gian lận BCTC giảm Điều trái với giả Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 2021 HOÀNG THỊ HỒNG VÂN thuyết nghiên cứu kỳ vọng dấu hệ số mơ hình trình bày Bảng Kết khác biệt với nghiên cứu nhà nghiên cứu trước Beneish (1999), Tarjo and Nurul Herawati (2015) Tuy nhiên, kết nghiên cứu dường phù hợp với thực tiễn ngân hàng Việt Nam, việc tăng trưởng thu nhập ngân hàng chủ yếu từ lãi cho vay nên có tăng trưởng tín dụng giúp ngân hàng đạt tiêu thu nhập Đây lý giải thích cho mối quan hệ tăng trưởng thu nhập ngân hàng cao việc gian lận BCTC giảm Hệ số AQI (Tỷ số chất lượng tài sản) = -1,311197 có mối quan hệ ngược chiều với khả xảy gian lận BCTC, hay nói cách khác, Tỷ số chất lượng tài sản giảm, doanh nghiệp có xu hướng gian lận BCTC Kết trái với nghiên cứu Beneish (1999) cho rằng, doanh nghiệp có tỷ suất chất lượng tài sản cao khả gian lận BCTCT tăng Kết nghiên cứu phù hợp với thực tiễn cho thấy, với ngân hàng có số chất lượng tài sản thấp thường có mong muốn che giấu vấn đề thực tài sản đơn vị mình, có xu hướng gia tăng gian lận BCTC Hệ số LVGI (Tỷ số địn bẩy tài chính) = 33,76182> 0, cho thấy Tỷ số địn bẩy tài cao khả gian lận BCTC tăng Kết nghiên cứu trái ngược với Beneish (1999), dường lại hợp lý với thực tiễn Việt Nam cho thấy, doanh nghiệp có tỷ trọng nợ phải trả tổng tài sản cao thường có xu hướng gian lận BCTC nhiều với mong muốn làm giảm ảnh hưởng tiêu cực tỷ lệ nợ phải trả báo cáo tài Hệ số góc SIZE (biến tăng trưởng quy mô doanh nghiệp) = 0,5836006> cho thấy quy mơ ngân hàng cao có xu hướng gian lận BCTC Kết trái ngược với Rhee cộng (2003) công ty nhỏ có khả gian lận BCTC nhiều cơng ty lớn, cơng ty nhỏ làm tăng giảm lợi nhuận, cịn cơng ty lớn hầu hết thao túng BCTC theo hướng lợi nhuận không bị giảm qua năm Kết nghiên cứu Việt Nam lần cho thấy khác biệt với quốc gia khác gian lận BCTC Theo đó, ngân hàng lớn thường có xu hướng làm đẹp BCTC nhiều so với ngân hàng quy mô nhỏ Hệ số NX (Tỷ lệ nợ xấu NHTM) = 24,84579 cho thấy tỷ lệ nợ xấu có tác động thuận chiều với gian lận NHTM Nói cách khác, ngân hàng có tỷ lệ nợ xấu cao thường có xu hướng mong muốn che giấu tình hình tài thực tế ngân hàng để gia tăng hay giữ vững niềm tin cổ đông, nhà đầu tư với hoạt động ngân hàng, có động gian lận BCTC cao Mơ hình nhận diện gian lận BCTC NHTM Việt Nam có dạng: M= -38.0518 – 0,2088674SGI – 1,311197AQI + 33,76182LVGI + 0,5836006SIZE + 24,84579NX 4.4 Kiểm định tính xác mơ hình ngân hàng thương mại Việt Nam Như trình bày phần phương pháp nghiên cứu, để đánh giá tính xác dự báo gian lận, tác giả sử dụng liệu BCTC trước sau kiểm toán 19 NHTM năm 2017 Thơng qua BCTC trước sau kiểm tốn để xác nhận việc doanh nghiệp có gian lận hay khơng Nếu BCTC có sai lệch trọng yếu khoản mục trước sau kiểm toán coi có gian lận, khơng có chênh lệch trọng yếu coi khơng có gian lận Kết Số 231- Tháng 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 57 Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam sử dụng để so sánh với giá trị M-score tính tốn từ liệu NHTM Kết tính tốn giá trị M NHTM thể Bảng Kết Bảng cho thấy, M-score có giá trị khoảng (-5; 2), nhiên giá trị chủ yếu tập trung khoảng (-2; 2) Với Mi (giá trị M quan sát thứ i)> M-score ngưỡng phân loại xác định, ta đánh dấu doanh nghiệp thứ i có khả gian lận Kết sau so sánh ngưỡng xác suất 1%, 5%, 10%, 15% 20%, 25%, 30%, 35%, 40% thể Bảng Bảng cho thấy, độ xác Mơ hình ngưỡng 20% lớn Từ ngưỡng 20% trở đi, độ xác mơ hình khơng tăng thêm chứng tỏ kết bão hòa Vậy nên ngưỡng 20% ngưỡng phân loại chấp nhận mơ hình Độ xác mơ hình M-score ngưỡng 20% với liệu NHTM năm 2017 thể Bảng Như vậy, ngưỡng 20% miền phân phối bên trái có giá trị phân loại -0,84162, kết dự báo mô hình có độ xác 75% với quan sát có gian lận 40% với quan sát khơng có gian lận Kết cho phép phát sai lệch Bảng Giá trị M-score 19 NHTM năm 2017 Gian lận BCTC theo kết kiểm tốn Kết M tính theo mơ hình Ngân hàng TMCP Á Châu -3,272126943 Ngân hàng TMCP Bắc Á -1,7473077396 Ngân hàng TMCP Đầu tư Phát triển Việt Nam 1,43201220554 Ngân hàng TMCP Công thương Việt Nam -1,5553329945 Ngân hàng TMCP Xuất nhập Việt Nam 1,1186468006 Ngân hàng TMCP Phát triển TPHCM 1,69918008352 Ngân hàng TMCP Kiên Long -4,3166011963 Ngân hàng TMCP Bưu điện Liên Việt 0,6404448185 Ngân hàng TMCP Quân đội -1,334183608 10 Ngân hàng TMCP Quốc Dân 2,1097816759 11 Ngân hàng TMCP Sài Gòn – Hà Nội -2,3641915328 12 Ngân hàng TMCP Sài Gòn Thương Tín 1,0371728199 13 Ngân hàng TMCP Tiên Phong -2,483823174 14 Ngân hàng TMCP Ngoại thương Việt Nam 1,9480796448 15 Ngân hàng TMCP Quốc tế Việt Nam -3,638303574 16 Ngân hàng TMCP Việt Nam Thịnh Vượng -1,735275321 17 Ngân hàng TMCP An Bình 0,643661449 18 Ngân hàng TMCP Đại chúng Việt Nam 1,9177616498 19 Ngân hàng TMCP Kỹ Thương Việt Nam -0,9080372034 STT Tên NHTM Ghi chú: Gian lận BCTC theo kết kiểm tốn nhận giá trị khơng có khác biệt khoản mục trọng yếu BCTC NHTM trước sau kiểm toán, nhận giá trị có sai lệch Nguồn: Tính tốn tổng hợp tác giả 58 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 2021 HỒNG THỊ HỒNG VÂN Bảng So sánh tính xác mơ hình M-score ngưỡng phân loại với liệu 19 NHTM năm 2017 Ngưỡng xác suất Dự báo Dự báo sai Có gian lận Khơng gian lận Có gian lận Khơng gian lận Ngưỡng 1% 11 Ngưỡng 5% Ngưỡng 10% Ngưỡng 15% Ngưỡng 20% Ngưỡng 25% Ngưỡng 30% Ngưỡng 35% Ngưỡng 40% Nguồn: Tính tốn tác giả Bảng Độ xác mơ hình M-score ngưỡng 20% với liệu NHTM năm 2017 Kết Kiểm tốn Dự báo Có gian lận Khơng có gian lận Có gian lận Khơng có gian lận 3/4=75% 6/15=40% Độ xác dự báo Tổng độ xác 12/19=63,16% Nguồn: Tính tốn tác giả BCTC 63,16%, dựa sở kết kiểm toán Kết luận Kết nghiên cứu mơ hình nhận diện gian lận BCTC NHTM Việt Nam gồm yếu tố: Tỷ số tăng trưởng doanh thu (SGI), tỷ số chất lượng tài sản (AQI), tỷ số đòn bẩy tài (LVGI), tăng trưởng quy mơ doanh nghiệp (SIZE) tỷ lệ nợ xấu NHTM (NX) Trong yếu tố ảnh hưởng, biến SGI, AQI có quan hệ ngược chiều với khả xảy gian lận BCTC Các biến cịn lại LVGI, SIZE NX có quan hệ thuận chiều với khả xảy gian lận BCTC 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% Ngưỡng xác suất nhận diện gian lận 20% miền phân phối, ứng với giá trị phân loại -0,842 Tại giá trị độ xác mơ hình cao cho phép nhận diện xác 12/19 ngân hàng có gian lận, tương ứng với 63,16% BCTC có sai lệch theo kết kiểm toán Gian lận BCTC hành vi phổ biến Số 231- Tháng 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 59 Mơ hình nhận diện gian lận báo cáo tài ngân hàng thương mại Việt Nam không số doanh nghiệp Việt Nam mà quốc gia khác giới Sử dụng BCTC có gian lận gây tổn thất lớn với nhà đầu tư Nhiều nghiên cứu thực với mục đích xác định sở nhận diện BCTC có gian lận Các mơ hình nhận diện rủi ro có gian lận mơ hình M-score Beneish (1999), hay Z-score Altman (1968), Jones (1991), Dechow cộng (1995) coi công cụ hỗ trợ hiệu nhà đầu tư việc định Nghiên cứu vận dụng mơ hình Beneish (1999) cho liệu NHTM Việt Nam cho kết khác biệt với số nghiên cứu quốc gia khác Kết nghiên cứu tác giả coi để nhà đầu tư sử dụng để đánh giá tính trung thực số liệu BCTC NHTM, làm sở định đắn, giảm tổn thất hoạt động đầu tư Bên cạnh đó, việc kiểm sốt hành vi gian lận BCTC doanh nghiệp vấn đề cần quan quản lý Nhà nước quan tâm chế phòng ngừa rủi ro cho người sử dụng thông tin Để hạn chế hành vi gian lận BCTC doanh nghiệp, tổ chức, quan quản lý Nhà nước Bộ Tài chính, Ủy ban Chứng khốn Nhà nước, Ngân hàng Nhà nước Việt Nam cần có quy định cơng bố thơng tin có chế tài xử lý nghiêm ngặt hành vi vi phạm công bố thông tin gian lận BCTC doanh nghiệp Các nhà đầu tư, người sử dụng thông tin cần cẩn trọng việc định đầu tư, cần vận dụng am hiểu hoạt động thơng tin doanh nghiệp nhiều năm để định, tránh rủi ro khơng đáng có định dựa thông tin không đầy đủ chứa đựng gian lận hay hành vi thao túng BCTC nhà quản lý doanh nghiệp ■ Tài liệu tham khảo Beneish, M (1999) Incentives and penalties related to earnings overstatements thatviolate GAAP The Accounting Review, 74(4), page 425–457, USA Burcu Dikmen and Gỹray Kỹỗỹkkocaolu (2010), The Detection of EarningsManipulation: The Three Phase Cutting Plane Algorithm using Mathematical Programming Journal of Forecasting, 2010, Vol 29, No 5, Pages 442-466 DeAngelo, L., & Skinner, D (1994) Accounting choice in troubledcompanies Journal of Accounting and Economics, 17(1), page 113–143 Dechow, P.M., Sloan, R.G and Sweeney, A.P., (1995) Detecting earnings management Accounting review, 70(2): 193-225 Dechow, P.M., Sloan, R.G and Sweeney, A.P., (1995) Detecting earnings Friedlan (1994), Accounting choices of Issuers of Initial Public Offerings, Contemporary Accounting Research Volume 11, Issue 1, pages 1–31, USA Hakkı FINDIK and Erkan ÖZTÜRK (2016), Measurement of Financial Information Manipulation with the Help of Beneish Model: A Research on BIST Manufacturing Industry Journal of Business Research Turk, Vol.8, page 483 - 499 Jones (1991), Earnings Management During Import Relief Investigation, Journal of Accounting Research Vol 29 No Autumn 1991, USA John MacCarthy (2017), Using Altman Z-score and Beneish M-score Models to Detect Financial Fraud and Corporate Failure: A Case Study of Enron Corporation, International Journal of Finance and Accounting, Vol No 6, Pages 159-166 Nguyễn Cao Văn (2012), Giáo trình Lý thuyết Xác suất Thống kê toán, NXB Đại học Kinh tế Quốc dân, Hà Nội Rhee et al (2003), The Effect of Firm Size on Earnings Management, Workingpaper Tarjo and Nurul Herawati (2015) Application of Beneish M-Score Models and Data Mining to Detect Financial Fraud, Procedia – Social and Behavioral Sciences, Vol 211, pages 924 -930 Vladimír Petrík (2015), Application of beneish m-score on selected financial statements, Slovakia 60 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 2021