Bước 1: Lựa chọn những biến có ý nghĩa trong mô hình.
Bước 2: Xây dựng mô hình M-score phù hợp dựa trên dữ liệu ngành xây dựng 2013 – 2015
Bước 3: Ước lượng ngưỡng giá trị phù hợp để phân loại các công ty sai phạm báo cáo tài chính đồng thời xác định tính chính xác của mô hình qua dữ liệu ngành xây dựng 2016.
Bước 1: Sử dụng mô hình logistic để tìm ra những biến độc lập thực sự ảnh
hưởng đến biến phụ thuộc trong mô hình.
Xét mô hình:
Yi = β0 + β1X1i + Ui Trong đó:
X1 – biến độc lập
Y – biến ngẫu nhiên rời rạc có thể nhận giá trị 0 hoặc 1
Gọi pi = P (Y=1|X1i) là xác suất để Y=1 với điều kiện X = X1i; 1-pi = P (Y=0|X1i). Suy ra, Yi phân bố A(pi)
Giả thiết E(ui) = 0, khi đó E(Yi) = pi = β0 + β1X1itức mô hình trở thành mô hình xác suất tuyến tính.
Vì các xác suất chỉ được giới hạn từ 0 đến 1: 0 ≤ pi ≤ 1 nên 0 ≤ E(Y|X1i) ≤ 1 Đối với mô hình hồi quy, các yếu tố ngẫu nhiên trong mô hình cần thỏa mãn đồng thời các giả thiết:
E(ui) = 0
Cov(ui,uj) = 0 ∀i ≠j Var(ui)=σ2
∀i
Tuy nhiên mô hình đang xét, xuất hiện những nhược điểm như sau: (1) phương sai không đồng đều, (2) u không phân bố chuẩn, (3) Yi thể nằm ngoài (0;1), và (4) R2 thấp. Bởi vậy, phương pháp OLS là không phù hợp, ta chọn mô hình Logit thích hợp hơn để khắc phục những nhược điểm này.
Mô hình logistic để nhận diện sai phạm báo cáo tài chính ngành xây dựng Việt Nam - với các biến đã trình bày ở trên, có dạng như sau:
M = β0 +β1(GMI) +β2(SGI) +β3(SGAI) +β4(DSRI) +β5 (TATA) +β6 (DA) (1) Sau khi thành lập mô hình (1), ta tiến hành ước lượng mô hình bằng phần mềm STATA 13 để xác định những biến có ý nghĩa trong mô hình với mức ý nghĩa 10%.
Theo tác giả Igor Pustylnick (2009) mô hình M-score là một công cụ rất tốt để bước đầu phát hiện gian lận trong báo cáo tài chính. Tuy nhiên, cũng phải thừa nhận rằng tính chính xác của phát hiện gian lận bằng cách sử dụng M-Score là khoảng50%.
Bước 2: Xây dựng mô hình M-score phù hợp.
Kết thúc bước 1, ta có những biến ảnh hưởng đến xác suất sai phạm ngành xây dựng Việt Nam, đưa các biến này với mô hình mới, mô hình (2). Sau đó ước lượng mô hình (2) để kiểm tra về độ giải thích của các biến trong mô hình.
Bước 3: Ước lượng ngưỡng giá trị phù hợp để phân loại các công ty sai
phạm báo cáo tài chính đồng thời xác định độ chính xác của mô hình thông qua số liệu 2016
Sau bước 2, Công ty có M nằm trong ngưỡng được nhận diện là sai phạm. Đồng thời trong bước này ta kiểm tra về tính chính xác của mô hình với số liệu năm 2016. Các kết quả có thể có khi so sánh kết quả từ mô hình với kết quả kiểm toán là:
- Mô hình xác định có sai phạm, kiểm toán xác định có sai phạm dựbáo đúng.
- Mô hình xác định không sai phạm, kiểm toán xác định không sai phạm dự báo đúng.
- Mô hình xác định có sai phạm, kiểm toán xác định không sai phạm dự báo sai: nhận diện nhầm saiphạm.
- Mô hình xác định không sai phạm, kiểm toán xác định có sai phạm dự báo
sai: nhận diện thiếu saiphạm.
Theo nghiên cứu gốc, Beneish đã xác định từ 1 - 2,5% miền phân phối bên trái của phân phối chuẩn Mt tương ứng với khả năng sai phạm báo cáo tài chính cao. Tương ứng với tỷ lệ này là giá trị phân loại -1,96 cho tới -2,32. Công ty có M nằm trong khoảng này thì được đánh dấu là có dấu hiệu sai phạm và ngược lại.
Bảng 2.3: Phân loại sai lầm loại 1 và sai lầm loại 2
Kết quả kiểm toán
Có sai phạm Không sai phạm Dự Có sai phạm Dự báo đúng có sai phạm Dự báo sai có sai
báo (1) phạm (Sai lầm loại 1)
(2) Không sai phạm Dự báo sai không có sai Dự báo đúng
phạm (Sai lầm loại 2) không sai phạm
(3) (4)
Độ chính xác của dự báo 1/(1+3) 4/(2+4)
Tổng độ chính xác (1+4)/tổng số quan sát
Nguồn: Dựa trên Giáo trình Lý thuyết Xác suất Thống kê- ĐH Kinh tế Quốc dân
Tính giá trị các giá trị phân loại M-score tương ứng tại các xác suất dự báo 1%, 5%, 10%, 15%, 20%. miền phân phối bên trái bằng hàm Normsinv trong phần mềm excel tađược:
Xác suất dự báo Giá trị phân loạiM-score
1% -2.32635
5% -1.64485
10% -1.28155
15% -1.03643
20% -0.84162
Nguồn: Tính toán của tác giả bằng phần mềm Excel
Sau khi kiểm tra độ chính xác của mô hình tại tất ngưỡng 1% - 20%. Đây là kết quả cuối cùng của mô hình. Đồng thời với cách kiểm tra này, ta cũng xác định được tính chính xác của mô hình với dữ liệu 2016.
Hình 2.2: Sơ đồ mô hình nghiên cứu 1 GMI SGI H1(+) H2(+) SGAI DSRI TATA H3(-) H4(+) H5(+) M-score H6(+) DA
Chƣơng 3: THỰC TRẠNG GIAN LẬN TRONG BÁO CÁO TÀI CHÍNH CỦA CÁC CÔNG TYXÂY DỰNG NIÊM YẾT TRÊN THỊ TRƢỜNG CHỨNG
KHOÁN VIỆT NAM
3.1 Thực trạng về thị trường chứng khoán Việt Nam3.1.1 Thị trường chứng khoán Việt Nam năm 2015.