Kết hợp mô hình m score beneish và chỉ số z score để nhận diện khả năng gian lận trên báo cáo tài chính của các công ty niêm yết trên sở giao dịch chứng khoán TP hồ chí minh

TÓM TẮT NGHIÊN CỨU Tiếp 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 diện được những

TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH

PHẠM THỊ MỘNG TUYỀN

KẾT HỢP MÔ HÌNH M-SCORE BENEISH VÀ CHỈ

SỐ Z-SCORE ĐỂ NHẬN DIỆN KHẢ NĂNG GIAN LẬN TRÊN BÁO CÁO TÀI CHÍNH CỦA CÁC CÔNG TY NIÊM YẾT TRÊN SỞ GIAO DỊCH

CHỨNG KHOÁN TP HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ KINH TẾ

TP Hồ Chí Minh – Năm 2019

PHẠM THỊ MỘNG TUYỀN

KẾT HỢP MÔ HÌNH M-SCORE BENEISH VÀ CHỈ

SỐ Z-SCORE ĐỂ NHẬN DIỆN KHẢ NĂNG GIAN LẬN TRÊN BÁO CÁO TÀI CHÍNH CỦA CÁC CÔNG TY NIÊM YẾT TRÊN SỞ GIAO DỊCH

CHỨNG KHOÁN TP HỒ CHÍ MINH

Chuyên ngành: Kế toán

Mã số: 8340301

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS VÕ VĂN NHỊ

TP Hồ Chí Minh – Năm 2019

LỜI CAM ĐOAN

Tôi cam đoan rằng luận văn “Kết hợp mô hình M-Score Beneish và chỉ số

Z-Score để nhận diện khả năng gian lận trên Báo cáo tài chính của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM ” là bài nghiên cứu của chính

TP Hồ Chí Minh, ngày 10 tháng 02 năm 2019

Tác giả luận văn

Phạm Thị Mộng Tuyền

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH VẼ

TÓM TẮT NGHIÊN CỨU

ABSTRACT

PHẦN MỞ ĐẦU 2

1 Lý do chọn đề tài nghiên cứu 2

2 Mục tiêu nghiên cứu 4

3 Câu hỏi nghiên cứu 4

4 Đối tượng và phạm vi nghiên cứu 4

4.1 Đối tượng nghiên cứu 4

4.2 Phạm vi nghiên cứu 4

5 Phương pháp nghiên cứu 5

6 Ý nghĩa của nghiên cứu 5

6.1 Về mặt lý luận 5

6.2 Về mặt thực tiễn 5

7 Kết cấu luận văn 6

CHƯƠNG 1: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 7

1.1 Các nghiên cứu nước ngoài 7

1.2 Các nghiên cứu trong nước 16

1.3 Khe hổng nghiên cứu 20

KẾT LUẬN CHƯƠNG 1 22

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 23

2.1 Cơ sở lý thuyết về gian lận 23

2.1.1 Khái niệm về gian lận 23

2.1.2 Gian lận BCTC 23

2.1.3 Nguyên nhân gian lận BCTC 24

2.1.4 Một số thủ thuật gian lận BCTC phổ biến 25

2.2 Mô hình M-Score Beneish 27

2.3 Chỉ số Z-Score 29

2.4 Các lý thuyết nền tảng 31

2.4.1 Lý thuyết thông tin bất cân xứng 31

2.4.2 Lý thuyết về tam giác gian lận 33

2.4.3 Lý thuyết về các bên liên quan 34

2.4.4 Lý thuyết ủy nhiệm 34

KẾT LUẬN CHƯƠNG 2 36

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 37

3.1 Quy trình nghiên cứu 37

3.2 Mô hình nghiên cứu 38

3.3 Giả thuyết nghiên cứu và đo lường các biến trong mô hình nghiên cứu 3.3.1 Biến phụ thuộc: 41

3.3.2 Biến độc lập: 42

3.4 Phương pháp chọn mẫu nghiên cứu 53

3.4.1 Cỡ mẫu 53

3.4.2 Chọn mẫu và đặc điểm của mẫu nghiên cứu 53

3.5 Phương pháp thu thập và xử lý, phân tích dữ liệu 54

3.5.1 Phương pháp thu thập dữ liệu 54

3.5.2 Phương pháp xử lý và phân tích dữ liệu 55

3.6 Thiết kế dữ liệu nghiên cứu 57

3.7 Mô hình hồi quy Logistic 58

KẾT LUẬN CHƯƠNG 3 60

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN 61

4.1 Kết quả nghiên cứu 61

4.1.1 Thống kê mô tả mẫu nghiên cứu và các biến 61

4.1.2 Kiểm định ý nghĩa của hệ số hồi quy 64

4.1.3 Mức độ giải thích của mô hình 66

4.1.4 Mức độ phù hợp và khả năng dự báo của mô hình 66

4.1.5 Mô hình dự báo 67

4.2 Bàn luận về kết quả nghiên cứu 68

KẾT LUẬN CHƯƠNG 4 74

CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ 75

5.1 Kết luận chung 75

5.2 Một số kiến nghị cụ thể 76

5.2.1 Kiến nghị về kỹ thuật nhận diện gian lận BCTC 76

5.2.2 Kiến nghị đối với kiểm toán viên 77

5.2.3 Kiến nghị đối với nhà đầu tư 78

5.2.4 Kiến nghị đối với Sở giao dịch chứng khoán TPHCM 79

5.3 Hạn chế của đề tài 80

KẾT LUẬN CHƯƠNG 5 80

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

Từ viết

ACFE Hiệp hội các nhà điều tra Hoa

BCĐKT Bảng cân đối kế toán

BCTC Báo cáo tài chính

CK Chứng khoán

CP Cổ phần

DEPI Chỉ số Khấu hao TSCĐ Depreciation index

DSRI Chỉ số Phải thu khách hàng trên

Doanh thu thuần Day’s sales in receivables index FRAUD Khả năng gian lận BCTC

GMI Chỉ số Lợi nhuận gộp biên Gross margin index

ISA Chuẩn mực kiểm toán quốc tế International Standard on

Auditing ISSUE Phát hành cổ phiếu trong năm

KTV Kiểm toán viên

LCTT Lưu chuyển tiền tệ

LNTT Lợi nhuận trước thuế

LVGI Chỉ số đòn bẩy tài chính Leverage index

OLS Phương pháp bình phương nhỏ

nhất Ordinary Least Square

SEC Ủy ban chứng khoán và Thị

trường chứng khoán Hoa Kỳ

Securities and Exchange Commission

SGAI Chỉ số chi phí bán hàng và quản

lý doanh nghiệp

Sales, general and administrative expenses SGI Chỉ số tăng trưởng doanh thu Sales Growth index

TATA Chỉ số biến dồn tích kế toán so

với tổng tài sản Total accruals to total assets TSCĐ Tài sản cố định

TTCK Thị trường chứng khoán

VN Việt Nam

VSA Chuẩn mực kiểm toán Việt Nam

Z-SCORE Hệ số nguy cơ phá sản

DANH MỤC CÁC BẢNG

Bảng 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

Bảng 3.1 Mã hóa các biến, cách đo lường và chiều tác động lên biến phụ thuộc 51

Bảng 3.2 Phân loại công ty theo nhóm ngành 55

Bảng 4.1 Kết quả phân loại BCTC có khả năng gian lận (nhóm 1) và không có khả năng gian lận (nhóm 2) 61

Bảng 4.2 Kết quả phân loại nhóm 1 và nhóm 2 theo nhóm ngành 62

Bảng 4.3 Thống kê mô tả từng biến độc lập 63

Bảng 4.4 Hệ số hồi quy 64

Bảng 4.5 Mức độ giải thích của mô hình 66

Bảng 4.6 Kết quả kiểm định Omnibus 66

Bảng 4.7 Khả năng dự báo của mô hình 67

Bảng 4.8 Tổng hợp xác suất xuất hiện của mô hình 70

DANH MỤC CÁC HÌNH VẼ

Hình 3.1 Mô hình nghiên cứu của đề tài 40

TÓM TẮT NGHIÊN CỨU

Tiếp 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 diện được những biến độc lập có khả năng phát hiện gian lận trên BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM, (2) Dự đoán khả năng phát hiện gian lận BCTC của mô hình được xây dựng

Sau khi tổng quan về các nghiên cứu trong và ngoài nước, tác giả tiến hành xây dựng một mô 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 mô hình M-Score của Beneish (1999) kết hợp thêm hai biến Z-Score (Hệ số nguy cơ phá sản) của EdWard I.Altman (1968) và biến ISSUE (Phát hành cổ phiếu trong năm) của Dechow và các cộng sự (2011) Với sự kết 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 tiến hành thu thập 450 BCTC của 150 công 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 dữ liệu, tác giả tiến hành phân loại 450 BCTC thành hai nhóm: nhóm 1 là các BCTC có khả năng gian lận, nhóm 2 là các BCTC không

toán so với tổng tài sản (TATA), Chỉ số tăng trưởng doanh thu (SGI) và Chỉ số chi phí bán hàng, quản lý doanh nghiệp (SGAI)

Sau khi xác định được các biến có ý nghĩa thống kê tác giả tiến hành kiểm định thêm mức độ giải thích của mô hình, chỉ số Nagelkerke = 30,8% Điều này

có nghĩa là 30,8% sự thay đổi 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 rằng mô hình hồi quy Binary Logistic của tác giả là phù hợp với dữ 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

Từ khóa: gian lận Báo cáo tài chính, M-Score Beneish, Z-Score

ABSTRACT

The 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 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%)

Keywords: Financial Statement Fraud, Beneish M-Score, Z-Score

PHẦN MỞ ĐẦU

1 Lý do chọn đề tài nghiên cứu

Thị trường chứng khoán Việt Nam (TTCK VN) đã thành lập được gần 20 năm và nó đóng vai trò ngày càng 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 phần (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 cổ phiếu Ngoài 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 lỗ hơn 1.100 tỷ đồng trong tháng

02 năm 2016 Và theo báo cáo của Công ty Kiểm toán Earnt & Young Việt Nam, khoản mục “hàng tồn 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 Ngoài ra, còn 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: BII),…

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 phí sử dụng vốn Trong số các hành vi gian lận tài chính của các doanh nghiệp thì hành vi gian lận trên BCTC là một vấn đề phổ 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 chính đang ngày càng tăng lên (Yue và Cộng sự, 2007)

Theo Lý thuyết bất cân xứng thông tin (Asymetric Information Theory) được nghiên cứu và phát triển bởi các nhà khoa học như G.A.Akerlof (1970), Michael Spence (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

cố tình che đậy thông tin Các doanh nghiệp sẽ vận dụng các chính sách kế toán để cung cấp thông tin có lợi nhất cho doanh nghiệp mình Cho nên, việc phát hiện gian lận BCTC bằng các cách sử dụng các thủ tục kiểm toán truyền thống là một công 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 toàn 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 vấn đề hết sức cần thiết trong bối cảnh hiện nay

Đây thật sự là một vấn đề 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 mô hình phát hiện gian lận M-Score của Beneish (1999), mô hình F-Score của Dechow và cộng sự (2011), sử dụng hệ 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 mô hình giúp phát hiện gian lận BCTC thì mô hình M-Score của Beneish được rất nhiều các nhà nghiên cứu quan tâm và sử dụng vì đây là một mô 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 hình này đồng thời kết hợp thêm với các chỉ số đáng tin cậy khác như Z-Score để

giúp phát hiện ra các gian lận trên BCTC thì tác giả chưa tìm thấy Nhận thấy

khoảng trống nghiên cứu này nên tác giả đã lựa chọn đề tài “Kết hợp mô hình

M-Score Beneish và chỉ số Z-M-Score để 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 đề tài này, tác giả mong muốn thông qua kết quả nghiên cứu sẽ đưa ra các bằng chứng thực nghiệm và đề 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 mô hình được xây dựng

3 Câu hỏi nghiên cứu

Dựa vào mục tiêu tổng quát nêu trên, đề tài cụ thể hóa thành các câu hỏi nghiên cứu như sau:

(1) Những biến độc lập nào có khả năng phát hiện gian lận trên BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM?

(2) Mức độ dự đoán khả năng gian lận trên BCTC của mô hình được tác giả xây dựng là bao nhiêu?

4 Đối tượng và phạm vi nghiên cứu

4.1 Đối tượng nghiên cứu

Đối tượng nghiên cứu của đề tài là khả năng gian lận báo cáo tài chính

4.2 Phạm vi nghiên cứu

Phạm vi về thời gian: BCTC từ năm 2015 đến năm 2017

Phạm vi về không gian: BCTC của các công ty niêm yết trên sàn HOSE

5 Phương pháp nghiên 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

mô hình, cuối cùng là đánh giá mức độ phù hợp và khả năng dự báo của mô hình Ngoài ra, đề tài cũng kết hợp sử dụng phương pháp định tính để tổng quan về các

mô hình, các lý thuyết nghiên cứu đã có trước đó nhằm giúp tác giả nhận diện ra những biến độc lập có khả năng phát hiện gian lận trên BCTC

6 Ý 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 mô hình nghiên cứu bằng cách kết hợp tám biến độc lập trong

mô 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 quá trình phân tích và tổng hợp các nghiên cứu có liên quan đó, tác giả nhận thấy rằng 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 nhằm góp phần cải thiện hơn tình hình gian lận BCTC tại VN

6.2 Về mặt thực tiễn

Thông qua kết quả nghiên cứu, tác giả đã đưa ra được các bằng chứng thực nghiệm và đề xuất được sáu biến độc lập có khả năng phát hiện được gian lận thông tin trên BCTC với độ tin cậy cao (77,1%) Đó là biến Chỉ số phải thu khách hàng trên DT thuần (DSRI), Chỉ số lợi nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số đòn bẩy tài chính (LVGI), Hệ số nguy cơ phá sản (Z-Score) và biến

Phát hành cổ phiếu trong năm (ISSUE) Trong số các biến độc lập này, biến Score có tác động ngược chiều với khả năng gian lận, năm biến còn lại đều có tác động 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

Z-7 Kết cấu 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

Chương 5: Kết luận và kiến nghị

CHƯƠNG 1: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC

1.1 Các nghiên cứu nước ngoài

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 dồn tích có điều chỉnh (discretionary accruals) Nhóm các nghiên cứu này tập trung vào đánh giá các khoản mục kế toán 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 mô hình mạng thần kinh nhân tạo để phát hiện gian lận Đại diện cho nhóm nghiên cứu này là nghiên cứu của Green và Choice (1997), Fanning và Gogger (1998) Nghiên cứu của Green và Choice (1997) trình bày mô hình mạng thần kinh nhân tạo sử dụng dữ liệu tài chính nội sinh Fanning và Gogger (1998) đã ứng dụng mô hình mạng thần kinh nhân tạo để phát hiện các gian lận trong quản trị và đã tìm ra được mô 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 (2011), Đại diện cho nhóm này là mô hình M-Score của Beneish (1999)

Trong ba nhóm kỹ thuật phát hiện gian lận nêu trên thì nhóm sử dụng 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 mô hình nghiên cứu, tìm ra được những biến độc lập phát hiện gian lận BCTC phù hợp với thực tiễn VN Cụ thể các nghiên cứu sử dụng kỹ thuật thống kê liên quan đến đề tài tác giả thực hiện như sau:

EdWard I.Altman (1968) đã thực hiện nghiên cứu trên một mẫu bao gồm 66 doanh nghiệp để dự đoán về nguy cơ phá sản của các doanh nghiệp này Và ông đã tìm ra được chỉ số Z-Score Chỉ số này được dùng để dự đoán khả năng phá sản của một công ty trong hai năm sắp tới hoặc để dự đoán khả năng một công ty vỡ nợ Z-Score được tính toán dựa trên các chỉ tiêu có sẵn trên BCTC Hàng loạt các thử nghiệm tiếp theo được thực hiện trong suốt hơn 30 năm Cho tới năm 1999, 80-90% công ty phá sản được dự báo nhờ vào chỉ số Z trước ngày phá sản một năm và các gian lận trên BCTC cũng được phát hiện theo cách này Từ 1985, chỉ số Z đã được chấp nhận rộng rãi bởi kiểm toán viên, kế toán quản trị, tòa án, và hệ thống dữ liệu đánh giá cho vay Ban đầu, công thức tính của Altman chỉ được thiết lập cho các công ty sản xuất với tài sản hơn một triệu đô la Mỹ nhưng sau đó, tác giả đã có những điều chỉnh để áp dụng phù hợp với các công ty phi sản xuất Và năm 2006, Altman và Hotchkiss đã nghiên cứu thay đổi chỉ số Z-Score để tính được nguy cơ phá sản của hầu hết các ngành, các loại hình doanh nghiệp với độ chính xác cao hơn

và gian lận BCTC cũng được phát hiện theo cách này tốt hơn Ưu điểm của nghiên cứu này là được kiểm nghiệm trong thực tiễn rất nhiều năm với độ tin cậy cao; được nhiều nhà nghiên cứu vận dụng để phát hiện gian lận như Charalambos T Spathis , (2002), Lalith P Samarakoon & Tanweer Hasan (2003), Muntari Mahama (2015),…và được chấp nhận rộng rãi bởi các KTV, kế toán quản trị, hệ thống đánh giá cho vay,

Đại diện cho nhóm nghiên cứu sử dụng các kỹ thuật thống kê để xây dựng

mô hình giúp các nhà đầu tư, các kiểm toán viên có thể phát hiện gian lận trên BCTC là nghiên cứu của Messod D Beneish (1999) Ông gọi đó là mô hình M-Score Trong nghiên cứu của mình, Beneish đã sử dụng mô hình probit ước lượng khả năng cực đại của mẫu ngoại sinh có trọng số để xác định khả năng một công ty

có điều chỉnh lợi nhuận hay không điều chỉnh lợi nhuận Dữ liệu Beneish thu thập

để nghiên cứu là từ 74 công ty có điều chỉnh lợi nhuận và tất cả các công ty trên Compustas giai đoạn 1982-1992 Ưu điểm của nghiên cứu này là ông 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 mô hình chỉ sử dụng chỉ số tài chính hoặc biến dồn tích Ngoài ra, khả năng dự báo của mô hình này cũng khá cao là 76% Kể từ khi được công bố, mô hình nghiên cứu này rất nổi tiếng, đặc biệt là khi xác định đúng vụ việc gian lận của tập đoàn Enron năm 2001 Đồng thời, mô hình cũng được đưa vào chương trình giảng dạy chính thức (Fridson, 2002; Stickney, Brown, và Wahlen, 2003)

Sau đó, mô 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 và Guray (2005), Dechow và các cộng sự (2011), Tarjo và Nural (2015),…

M-Score của Beneish bao gồm tám biến độc lập: Chỉ số Phải thu khách hàng trên Doanh thu thuần (DSRI), Chỉ số Tỷ suất lợi nhuận gộp biên (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số tăng trưởng doanh thu (SGI), Chỉ số khấu hao TSCĐ (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số biến dồn tích kế toán so với tổng tài sản (TATA) và cuối cùng là chỉ số đòn bẩy tài chính (LVGI)

Ta thấy rằng, cùng sử dụng một kỹ thuật để phát hiện gian lận BCTC đó là

kỹ thuật thống kê nhưng nghiên cứu của Beneish (1999) và EdWard I.Altman (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 dồn tích để đưa ra mô hình nhận diện trực tiếp về 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

Nghiên cứu của Charalambos T Spathis (2002) đã 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 Tác giả sử dụng công cụ thống kê đơn biến và đa biến đồng thời sử dụng hồi quy Logistic trong bài nghiên cứu của mình Mô hình đã xác định các chỉ số tài chính sau hữu ích trong việc phát hiện 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 tổng nợ trên tổng tài 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 đoán 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 mô 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 công ty có khó khăn về mặt tài chính Nghiên cứu này của tác giả đã cung cấp thêm một bằng chứng thực nghiệm cho thấy rằng chỉ số Z-Score có khả năng dự đoán rất tốt về tình hình sức khỏe tài chính của các công ty tại các thị trường mới nổi Kết quả nghiên cứu này tương đồng với nghiên cứu của EdWard I.Altman (1968) Điểm khác biệt so với nghiên cứu của Altman là nghiên cứu này được thực hiện tại thị trường mới nổi Sri Lanka

Nghiên cứu của Burcu Diken và Guray (2005) đã tìm ra một mô hình giúp phát hiện được các trường hợp gian lận BCTC của các công ty tại Thổ Nhĩ Kỳ dựa trên mô 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 Ngoài tám biến độc lập trong mô hình M-Score, tác giả đã thêm vào hai biến độc lập là DINV (Chỉ số hàng tồn kho) và FEI (Chỉ số chi 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 mô hình của mình Kết quả cho thấy, mô hình của Burcu Diken và 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 kết hợp thêm hai chỉ số tài chính là DINV, FEI nhằm đánh giá một cách toàn diện

hơn và chính xác hơn về gian lận BCTC Tuy nhiên, độ tin cậy vẫn thấp hơn mô 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 mô hình này đều được tác giả phát triển từ mô hình M-Score của Beneish Mô 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 dồn tích, thay đổi hàng tồn kho, thay đổi các khoản phải thu khách hàng, phát hành cổ phiếu trong năm (Issue), tài sản ngắn hạn, Mô 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 cổ phiếu, giá trên lợi nhuận,… Kết quả, F-Score đã dự đoán đúng 65,9% đối với mô hình thứ nhất, mô hình thứ hai là 65,78% và cuối cùng là 63,36% Tóm lại, ngoài các biến chỉ số tài chính của mô 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 mô hình F-Score Mặc dù mô hình F-Score của Dechow và các cộng sự đánh giá gian lận trên nhiều khía cạnh hơn, toàn diện hơn nhưng xác suất dự đoán của mô hình này vẫn thấp hơn mô hình M-Score của Beneish (1999)

Muntari Mahama (2015) đã thực hiện một đề tài nghiên cứu thực nghiệm về trường hợp gian lận của công ty Enron Trong đề tài nghiên cứu của mình, tác giả

đã sử dụng mô hình M-Score kết hợp với Z-Score nhằm phát hiện khả năng gian lận BCTC và khủng hoảng tài chính của công ty này Nghiên cứu đã phát hiện ra rằng, Enron rơi vào khủng hoảng tài chính từ rất lâu (năm 1997) nhưng mãi đến năm

2001 mới nộp hồ sơ xin phá sản và vấn đề chính là do công ty đã cố tình điều chỉnh thu nhập Trong nghiên cứu này, tác giả đã kết hợp cả mô hình M-Score của Beneish (1999) và chỉ số Z-Score của EdWard I.Altman (1968) để giúp đánh giá về gian lận BCTC và kết quả tương đồng với hai nghiên cứu gốc này Như đề tài đã trình bày ở trên, nghiên cứu của Beneish và EdWard I.Altman có hai cách nhận diện

gian lận khác nhau nhưng mỗi cách đều có ưu điểm riêng và có độ tin cậy cao nên việc kết hợp cách nhận diện của hai mô hình này lại là một ưu điểm nổi trội trong nghiên cứu của Muntari Mahama (2015)

Trong nghiên cứu của Tarjo và Nural (2015), tác giả đã sử dụng mô hình 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 những chỉ số tài chính nào trong mô hình M-Score dự báo được gian lận BCTC Đây là một nghiên cứu được thực hiện ở Indonesia Kết quả cho thấy các chỉ số GMI, DEPI, SGAI, TATA có khả năng phát hiện gian lận BCTC Các chỉ số còn lại là DSRI, AQI, LVGI không thể phát hiện được gian lận Và khả năng phát hiện gian lận của mô hình là 77,1% Việc tác giả kết hợp mô 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 mô hình M-Score hữu ích trong việc phát hiện gian lận

M-Zainudin và Hashim (2016) 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, cấu 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 bẩy tài chính, tỷ suất sinh lợi, cấu trúc tài sản và vòng quay vốn

Tóm tắt về các nghiên cứu nước ngoài có liên quan đến đề tài xem trong bảng 1.1 bên dưới

Bảng 1.1 Tóm tắt các nghiên cứu nước ngoài liên quan đến đề tài nghiên cứu

Số thứ

1 EdWard 1968 Thực hiên nghiên cứu trên Đã tìm ra được chỉ số

Z-I.Altman một mẫu bao gồm 66 doanh

nghiệp để dự đoán về nguy

cơ phá sản của các doanh nghiệp này

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

Từ 1985, chỉ số Z đã được chấp nhận rộng rãi bởi kiểm toán viên, kế toán quản trị, tòa án, và hệ thống dữ liệu đánh giá cho vay

2 Messod D

Beneish 1999

Sử dụng mô hình probit ước lượng khả năng cực đại của mẫu ngoại sinh có trọng số để xác định khả năng một công

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 mô hình bao gồm: Chỉ số Phải thu khách hàng trên Doanh thu thuần (DSRI), Chỉ số Tỷ suất lợi nhuận gộp biên (GMI), Chỉ

số chất lượng tài sản (AQI), Chỉ số tăng trưởng doanh thu (SGI), Chỉ số khấu hao TSCĐ (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số biến dồn tích kế toán so với tổng tài sản (TATA) và cuối cùng

Khả năng dự báo của mô hình là 76%

Mô hình nghiên cứu này rất nổi tiếng, đặc biệt là khi mô hình này xác định đúng vụ việc gian lận của tập đoàn Enron năm 2001 Đồng thời, mô hình cũng được đưa vào chương trình giảng dạy chính thức (Fridson, 2002; Stickney, Brown, và Wahlen, 2003)

là chỉ số đòn bẩy tài chính (LVGI)

Mô 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 tổng nợ trên tổng tài sản và hệ số nguy cơ phá sản (Z-Score)

Dự đoán khả năng khó khăn

về tài chính của các công ty niêm yết tại thị trường mới nổi Sri Lanka bằng cách sử dụng ba mô 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

chi phí tài chính)

Mô hình của Burcu Diken và Guray đã dự đoán đúng 67% trường hợp các công ty bị sai

đã xây dựng nên ba mô hình F-Score giúp phát hiện gian lận BCTC ở ba mức độ khác

Mô hình F-Score đã dự đoán đúng 65,9% đối với

mô hình thứ nhất, mô hình thứ hai là 65,78% và cuối cùng là 63,36%

nhau Ba mô hình này đều được tác giả phát triển từ mô hình M-Score của Beneish

7 Muntari

Mahama 2015

Thực hiện một nghiên cứu thực nghiệm về trường hợp gian lận của công ty Enron

Tác giả đã sử dụng mô hình M-Score kết hợp với Z-Score nhằm phát hiện khả năng BCTC và khủng hoảng tài

chính của công ty này

Nghiên cứu đã phát hiện

ra rằng, Enron rơi vào khủng hoảng tài chính từ rất lâu (năm 1997) nhưng mãi đến năm 2001 mới nộp hồ sơ xin phá sản và vấn đề chính là do công ty

đã cố tình điều chỉnh thu nhập

8 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 mô hình M-Score dự báo được gian lận BCTC của các công

ty tại Indonesia

Các biến số GMI, DEPI, SGAI, TATA có khả năng phát hiện gian lận BCTC Các biến số còn lại là DSRI, AQI, LVGI không thể phát hiện được gian lận Và khả năng phát hiện gian lận của mô hình

tỷ suất sinh lợi, cấu trúc tài sản, vòng quay vốn và tính thanh khoản Tác giả sử dụng hồi quy Logistic với mẫu nghiên cứu là các BCTC có gian lận được xác định bởi

Kết quả cho thấy các chỉ

số hữu ích trong việc phát hiện gian lận là đòn bẩy tài chính, tỷ suất sinh lợi, cấu trúc tài sản và vòng quay vốn

trung tâm 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 đến đề tài của tác giả như sau:

Tác giả Lê Cao Hoàng Anh và Nguyễn Thu Hằng (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 đã 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

Tác giả Võ Văn Nhị và Hoàng Cẩm Trang (2013) đã tiến 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 mô hình Leuz và cộng sự (2003) để xác định hành vi điều chỉnh lợi nhuận và xác định nguy cơ phá sản bằng 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 (2002), Muntari Mahama (2015)

Nghiên 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 mô hình nghiên cứu của DeAngelo (1986), Friedlan (1994) và Benneish (1999)

để xây dựng nên hai mô hình định lượng nhằm phát hiện ra sai phạm trên BCTC của các công ty xây dựng đang niêm yết trên sàn

Mô hình thứ nhất, tác giả sử dụng biến phụ thuộc là M và tám biến độc lập như trong mô hình Beneish (1999) Mô hình thứ hai, tác giả thêm hai biến độc lập

vô mô 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 Mô hình thứ hai có bốn biến có ý nghĩa là SGI, AQI, DEPI, DA Và khả năng phát hiện gian lận của từng mô hình lần lượt là 63,41% và 68,29% Kết quả nghiên cứu này có sự khác biệt so với nghiên cứu của Beneish (1999) ở chỗ cả hai mô hình chỉ có ba chỉ số tài chính trong mô hình M-Score gốc 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 mô 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 sàn 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 cổ 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 cổ 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 dấu hiệu bóp méo BCTC Tiếp tục nghiên cứu về mối tương quan giữa tình trạng bóp méo BCTC và suất sinh lời của cổ phiếu trên TTCK, tác giả đã kết luận rằng, các công ty không bóp méo BCTC có tỷ suất sinh lợi trung bình +5,89% và các công ty có bóp méo là 3,91% Đây là một nghiên cứu mới được thực hiện tại VN

Nghiên 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 mô hình Beneish (1999) để phân loại các công ty có gian lận và không 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, tác 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 mô hình Kết quả mô 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 I.Altman (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), “Ứng dụng mô hình M-Score trong việc phát hiện sai sót thông 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 để xây dựng mô hình định lượng nhằm phát hiện sai sót thông 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 không có ý nghĩa thống kê, còn lại năm biến có ý nghĩa đó là biến LVGI, SGI, GMI, SGAI, DEPI Đây là điểm khác biệt so với mô hình M-Score gốc của Beneish Tuy nhiên, khả năng dự báo của mô hình này lại cao hơn (80,83%)

Tóm tắt về các nghiên cứu trong nước có liên quan đến đề tài xem trong bảng 1.2 bên dưới

Bảng 1.2 Tóm tắt các nghiên cứu trong nước liên quan đến đề tài nghiên cứu

Z-các doanh nghiệp VN

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

để nghiên cứu là của 85 công ty niêm yết trên sàn HOSE (sử dụng mô hình

Leuz và chỉ số Z-Score)

Mức độ điều chỉnh lợi nhuận tương đồng với nguy

và Beneish (1999) để xây dựng nên hai mô hình định lượng nhằm phát hiện ra sai phạm trên BCTC của các công ty xây dựng đang niêm yết

trên sàn

Mô hình thứ nhất chỉ có ba biến có ý nghĩa thống kê là SGI, AQI, DEPI; mô hình thứ hai có bốn biến có ý nghĩa là SGI, AQI, DEPI,

DA Và khả năng phát hiện gian lận của từng mô hình lần lượt là 63,41% và 68,29%

4 Võ Minh

Dương 2016

Áp dụng mô hình Beneish (1999) để đánh giá khả năng bóp méo BCTC của các công ty đang niêm yết trên sàn HOSE, sàn HNX và tìm hiểu mối quan hệ giữa

30% các công ty niêm yết trên hai sàn HNX và HOSE

có dấu hiệu bóp méo BCTC

Nghiên cứu về mối tương quan giữa tình trạng bóp méo BCTC và suất sinh lời

việc bóp méo BCTC và suất sinh lời của cổ phiếu

trên TTCK

của cổ phiếu trên TTCK, tác giả đã kết luận rằng, các công ty không bóp méo BCTC có tỷ suất sinh lợi trung bình +5,89% và các công ty có bóp méo là 3,91%

5 Trần Việt

Hải 2017

Sử dụng mô hình Beneish (1999) để phân loại các công ty có gian lận và không 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-

M-mô hình định lượng nhằm phát hiện sai sót thông 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 không có ý nghĩa thống kê, còn lại năm biến

có ý nghĩa đó là biến LVGI, SGI, GMI, SGAI, DEPI Mô hình này có khả năng phân loại chính xác 80,83% các công ty có gian lận BCTC

(Nguồn: Tác giả tự tổng hợp)

1.3 Khe hổng nghiên cứu

Sau khi thực hiện tổng hợp các nghiên cứu trong và ngoài nước, tác giả nhận thấy có một số khe hổng nghiên cứu như sau:

(1) Mô hình M-Score của Beneish, F-Score của Dechow và các cộng sự, chỉ số Z-Score đã được nhiều nhà nghiên cứu trên thế giới kiểm định và đánh giá

cao như nghiên cứu của Charalambos T Spathis (2002), Lalith P Samarakoon & Tanweer Hasan (2003), Burcu Diken và Guray (2011), Muntari Mahama (2015), Tarjo và Nural (2015),… nhưng hiện tại vẫn chưa được nghiên cứu nhiều tại VN

(2) Tác giả chưa tìm thấy có nghiên cứu kết hợp mô hình M-Score với chỉ số Score và biến liên quan đến thị trường Issue (phát hành cổ phiếu trong năm)

Z-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 nhằm phát hiện được khả năng gian lận trên BCTC, tuy nhiên đa

số các mô 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 Hằng (2012), Võ Văn Nhị và Hoàng Cẩm Trang (2013), Hoàng Khánh và Trần Thị Thu Hiền (2015), Võ Minh Dương (2016),… Điều này 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

Từ các khoảng trống nghiên cứu nêu trên, tác giả quyết định sử dụng mô hình M-Score kết hợp với chỉ số Z-Score và biến Issue để nhận diện khả năng gian lận BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM

KẾT LUẬN CHƯƠNG 1

Trong chương 1, tác giả đã thực hiện việc tổng 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 hổng nghiên cứu làm cơ sở để tiếp tục thực hiện đề tài này Việc tổng hợp và trình bày các nghiên cứu có liên quan của tác giả dựa trên cơ sở chọn lọc các công trình nghiên cứu tiêu biểu đã được công bố rộng rãi và có độ tin cậy cao

Thông qua việc tổng quan về các nghiên cứu, ta thấy rằng 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 mô hình, các phương pháp kiểm định khác nhau Mà tiêu biểu đó là mô hình M-Score của Messod D Beneish, F-Score của Dechow và các cộng sự, chỉ số Z-Score của EdWard I.Altman

Trong chương 2, tác giả sẽ tiếp tục củng cố cơ sở khoa học cho bài nghiên cứu của mình bằng cách trình bày về các cơ sở lý thuyết liên quan đến đề tài

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

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 nhầm lẫn

Nhầm lẫn là hành vi gây ra sai sót do không cố ý, không vì mục đích thu lợi bất chính

Gian lận là hành vi cố ý làm sai lệch thông tin kinh tế, tài chính do một hoặc nhiều người trong HĐQT, BGĐ, các nhân viên hoặc bên thứ ba thực hiện để thu lợi bất chính Một số biểu hiện của hành vi gian lận như sau:

- Sửa đổi, giả mạo chứng từ, tài liệu làm sai lệch BCTC

- Làm sai lệch hoặc cố ý gây ra các sai sót đối với các giao dịch, sự kiện hoặc các thông tin quan trọng trên BCTC

- Giả mạo hoặc sửa đổi chứng từ, thay đổi sổ kế toán, các tài liệu liên quan được sử dụng để lập BCTC

- Cố ý vận dụng sai các nguyên tắc kế toán liên quan đến cách thức ghi nhận, cách thức phân loại, nội dung được trình bày và các chỉ tiêu, khoản mục cần 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 chi 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 tồn kho và biển 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 để thu lợi bất chính cho bản thân mình hoặc bên thứ ba

2.1.3 Nguyên nhân gian lận BCTC

Theo mô 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

- Áp 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 tố 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 của mỗi người

Mô 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 quá trình kiểm toán

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 ổn 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 ngoài, 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 BGĐ, 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 thể sẽ gian lận

+ Các cơ hội đó có thể là do kiểm soát nội bộ yếu kém, hoạt động giám sát tổ chức không hiệu quả, hay cơ cấu tổ 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 thể 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 công

ty, tiêu chuẩn đạo đức không đúng, không lành mạnh

2.1.4 Một số thủ thuật gian lận BCTC phổ biến

ACFE là một tổ chức chuyên nghiên cứu về hành vi gian lận và tham ô Theo ACFE, BCTC của doanh nghiệp thường bị thao túng theo các cách cụ thể như sau:

 Che dấu công nợ và chi phí

Khi doanh nghiệp mong muốn tăng lợi nhuận trước thuế thì hành vi che dấu công nợ và chi phí sẽ được ưu tiên áp dụng Việc che dấu công nợ này sẽ dẫn đến việc giảm chi phí cho doanh nghiệp và từ đó thì lợi nhuận kế toán 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 phổ 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 chi phí như sau:

+ Không ghi nhận công nợ và chi phí, nhất là không lập dự phòng theo đúng quy định

+ Không ghi nhận các khoản hàng bán bị trả lại, hay các khoản giảm trừ hoặc không trích trước chi phí bảo hành cho các sản phẩm

+ Cuối cùng là thực hiện việc vốn hóa chi phí khi chưa đủ điều kiện

 Điều chỉnh doanh thu trong kỳ

Doanh nghiệp có thể tiến hành điều chỉnh doanh thu trong kỳ bằng cách ghi nhận vào sổ sách các nghiệp vụ bán hàng không 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 tiến hành ghi nhận bút toán hàng bán bị trả lại Ngoài ra, doanh nghiệp cũng có thể khai khống doanh thu bằng cách ghi nhận các khoản doanh thu chưa đủ điều kiện để ghi nhận như chưa chuyển 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

 Định giá sai tài sản

Hành vi gian lận trên BCTC cũng có thể được doanh nghiệp thực hiện thông qua việc cố tình định giá sai tài sản mà doanh nghiệp đang sở hữu Hoặc thông qua việc không ghi giảm giá trị của hàng tồn kho khi đã hư hỏng, không trích lập dự

phòng 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, không được vốn hóa đầy đủ các khoản chi phí hay cố tình phân loại sai tài sản

 Ghi nhận sai niên độ

Các khoản thường bị các doanh nghiệp cố ý ghi sai niên độ là các khoản doanh thu và chi phí Doanh thu và chi 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 báo thông tin không đầy 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 toán đã bị thay đổi

 Che giấu giao dịch

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 chi phí hoa hồng, chi cho các cá nhân được hợp lý hóa thông qua việc ký các hợp đồng tư vấn

2.2 Mô hình M-Score Beneish

Mô hình M-Score của Messod D Beneish (1999) là một mô hình thống kê giúp nhận diện được các công 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 công ty có điều chỉnh lợi nhuận (các công ty này bị Ủy ban chứng khoán Mỹ buộc tội có điều chỉnh lợi nhuận hoặc tự nhận có điều chỉnh lợi nhuận do sức ép từ cộng đồng) Beneish đã

sử dụng mô hình probit ước lượng khả năng cực đại của mẫu ngoại sinh có trọng số

để xác định khả năng một công ty có điều chỉnh lợi nhuận hay không

Beneish cho rằng sự điều chỉnh lợi nhuận thường bao gồm tăng doanh thu hay giảm chi phí một cách có chủ ý Ngoài ra, tác giả đưa ra nhận định rằng xác suất các công 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 Mô 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 mô hình chỉ sử dụng chỉ số tài chính hoặc biến dồn tích Kể từ khi được công bố, mô hình nghiên cứu này rất nổi tiếng, đặc biệt trong trường hợp tập đoàn Enron năm 2001, các sinh viên trường đại học Cornell đã sử dụng mô 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 toán viên không phát hiện được Đồng thời, mô 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 của Burcu Diken và Guray (2010) và Marinakis (2011), mô hình F-Score của Dechow và các cộng sự (2011), Muntari Mahama (2015),

Mô hình M-Score của Beneish:

M-Score = -4.840 + 0,920DSRI + 0,528GMI + 0,0404AQI + 0,892SGI + 0,115DEPI-0,172SGAI + 4,679 TATA- 0,327LVGI

Nếu điểm M-Score > -1,78, nó cho thấy công ty có khả năng gian lận BCTC

và ngược lại

Trong đó:

M-Score: là khả năng xảy ra gian lận trên BCTC

Đây là biến phụ thuộc nhận giá trị 0,1