8. Kết cấu của luận văn
1.3.2. Mô hình nhận diện gian lận trên báo cáo tài chính của Dr Obeua
Dr. Obeua S. Persons
Dr. Obeua S. Persons là nhà nghiên cứu thuộc lĩnh vực kế toán trường Đại học Rider, Mỹ. Nghiên cứu của ông với tiêu đề “Using Financial statement data to identify factors associated with fraudulent financial reporting” [11], tạm dịch là “Sử dụng dữ liệu báo cáo tài chính để xác định các yếu tố có liên quan đến gian lận trên báo cáo tài chính”. Dựa trên mô hình Stepwise – logistic, nghiên cứu đã chứng minh được các nhóm tỷ số như: đòn bẩy tài chính, vòng quay vốn, cấu trúc tài sản và qui mô doanh nghiệp là những yếu tố có khả năng nhận diện các báo cáo tài chính gian lận. Cụ thể, nghiên cứu của Persons được thực hiện như sau:
Trong năm gian lận, Persons chọn ra 103 công ty gian lận và 103 công ty không gian lận báo cáo tài chính. Đồng thời, trong năm liền trước năm gian lận, chọn thêm 100 công ty gian lận và 100 công ty không gian lận báo cáo tài chính. Trong đó, năm gian lận là năm mà gian lận được phát hiện ra. Các công ty không gian lận được chọn phải tương đồng với các công ty gian lận về qui mô, lĩnh vực hoạt động, và cùng kỳ báo cáo.
Tổng hợp từ các nghiên cứu trước đây về các tỷ số tài chính có khả năng nhận diện gian lận trên báo cáo tài chính, Persons đưa ra được 10 biến độc lập được cho là có khả năng nhận diện gian lận trên báo cáo tài chính, bao gồm:
TLTA: Tổng nợ trên tổng tài sản (Total liabitities/total assets) NITA: Lợi nhuận ròng trên tổng tài sản (Net income/Total assets) RETA: Lợi nhuận giữ lại trên tổng tài sản (Retained earnings/Total assets) CATA: Tài sản ngắn hạn trên tổng tài sản (Current assets/Total assets)
RVTA: Phải thu trên tổng tài sản (Receivables/Total assets) IVTA: Hàng tồn kho trên tổng tài sản (Inventory/ Total assets)
WCTA: Vốn lưu động trên tổng tài sản (Working captital/ Total assets) SATA: Doanh thu trên tổng tài sản (Sales/ Total assets)
LOGTA: Giá trị logaric của giá trị ghi sổ tổng tài sản vào thời điểm cuối năm tài chính.
Z-score: Chỉ số đo lường khả năng phá sản của doanh nghiệp (Altman 1968) Nghiên cứu này dựa trên mô hình hồi qui logistic, chạy cho hai mô hình: mô hình với mẫu là dữ liệu của 206 công ty năm gian lận (gồm 103 công ty gian lận và 103 công ty không gian lận), và mô hình thứ hai với mẫu là dữ liệu của 200 công ty năm trước năm gian lận (gồm 100 công ty gian lận và 100 công ty không gian lận). Biến phụ thuộc Y là biến định tính, nhận hai giá trị: 1 là gian lận và 0 là không gian lận.
Mười biến độc lập được đưa vào hồi qui từng bước theo phương pháp Stepwise logistic. Thực hiện hồi quy Logistic cho cả hai mô hình năm gian lận và năm liền trước năm gian lận, kết quả thu được như sau:
- Cả hai mô hình đều bao gồm 4 biến giải thích được mô hình bao gồm: TLTA, SATA, CATA, LOGTA, trong đó biến TLTA có ý nghĩa cao nhất (sig <0.001). Kết quả này cho thấy, dữ liệu của báo cáo tài chính các công ty gian lận thật sự khác so với dữ liệu báo cáo tài chính các công ty không có gian lận, cụ thể:
+ Các công ty gian lận có đòn bẩy tài chính cao hơn; + Các công ty gian lận có vòng quay vốn thấp hơn;
+ Các công ty gian lận có tỷ trọng tài sản ngắn hạn cao hơn, mà thành phần chủ yếu là các khoản phải thu và hàng tồn kho;
+ Các công ty gian lận thường có qui mô nhỏ hơn các công ty không gian lận.
Bảng 1.3. Kết quả ước lượng mô hình nhận diện gian lận của Dr. Obeua S. Persons [11]