Ngoài Enron, mô hình Beneish đã dự đoán thành công rất nhiều các trường hợp gian lận tai tiếng và bất ngờ hơn liên quan đến công ty đại chúng, bao gồm Adelphia Communications, Global Crossing, Qwest Communications International và CTCP Cendant.
Red Team Analytics đã sử dụng M-score như một công cụ dự đoán ban đầu khi phân tích bất kỳ đầu tư tiềm năng. Mặc dù những công ty có biểu hiện chỉnh sửa thu nhập chắc chắn chỉ có thể thực hiện tốt trong ngắn hạn, nhưng Red Team Analytics không xem công ty đó như các khoản đầu tư dài hạn khả thi. Trong khi Red Team Analytics sử dụng đề nghị của tiến sĩ Beneish M.D (1999) để xem xét bất cứ công ty có thu nhập với một M-score lớn hơn -1,78, Red Team Analytics cũng tìm thấy sự tương quan M-score giữa các công ty sẽ có ích trong việc so sánh các khoản đầu tư.
Ngoài ra, phù hợp với nghiên cứu năm 2013 của tiến sĩ Beneish M.D, Red Team Analytics chú ý đến các công ty có điểm số thấp về biến trích trước nhưng thu nhập cao. Beneish M.D thấy các công ty thấp dồn tích (công ty có chất lượng thu nhập cao theo xếp hạng của họ dồn tích) được hiển thị một cách đáng kể trong lợi nhuận giữa những người có M-score cao và thấp. Cụ thể, Beneish M.D thấy M- score cao nhưng dồn tích thấp, công ty đó kiếm được trung bình lợi nhuận thấp hơn 19,8% so với công ty thấp dồn tích, M-score thấp.
cách chính xác các vấn đề tại nhóm - công ty quần áo. Kết quả đưa ra một cảnh báo về sự chỉnh sửa lợi nhuận. Các công ty tuyên bố "lỗi số học" trong dự báo lợi nhuận gần đây nhất của mình. Cổ phiếu siêu nhóm giảm 38% trong ngày.
M-score là một công cụ vô cùng quý giá đối với bất kỳ nhà đầu tư. Được trang bị với một sự hiểu biết tốt hơn về các mô hình, các nhà đầu tư có thể sử dụng M-score để xác định thu nhập thao tác tiềm năng cũng như tốt hơn dự đoán lợi nhuận chứng khoán.
1.2.2. Tổng quan nghiên cứu trong nước
Nghiên cứu về sai lệch BCTC tại Việt Nam vẫn còn hạn chế, chủ yếu là phân tích các trường hợp gian lận và sai sót điển hình, qua đó đưa ra các kiến nghị về thủ tục kiểm toán và các quy định pháp lý. Xem xét một số nghiên cứu về sai lệch BCTC của các tác giả trong nước, nổi bật lên các công trình nghiên cứu sau:
Nghiên cứu của Ths. Phạm Thị Mộng Tuyền (2019) tiếp tục kế thừa các nghiên cứu trước, tác giả tiến hành nghiên cứu thực nghiệm đề tài về gian lận BCTC với mục tiêu nhận diện những biến độc lập có khả năng phát hiện gian lận BCTC của các công ty niêm yết trên Sở Giao dịch chứng khoán TP.HCM (HOSE). Tác giả đã tiến hành thu thập 450 BCTC của 150 công ty thuộc các nhóm ngành khác nhau được niêm yết trên HOSE. Kết quả nghiên cứu cho thấy rằng, sáu biến độc lập có ảnh hưởng đến khả năng gian lận BCTC đó là chỉ số phải thu khách hàng trên doanh thu 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).
Nghiên cứu của Nguyễn Anh Hiền và Phạm Thanh Trung (2015) đã nghiên cứu áp dụng ba mô hình nghiên cứu của các tác giả trên thế giới về hành vi điều chỉnh lợi nhuận, bao gồm mô hình của Jones (1991), mô hình của Jones cải tiến của Dechow et al. (1996) và mô hình của Kothari et al. (2005) khi áp dụng vào thị trường Việt Nam. Mẫu nghiên cứu được thực hiện trên 280 công ty trên cả hai sàn là Hà Nội (HNX) và Hồ Chí Minh (HOSE). Kết quả nghiên cứu chỉ ra mô hình của Dechow et al. (1996) và Kothari et al. (2005) có ý nghĩa trong việc nhận diện hành vi điều chỉnh lợi nhuận của nhà quản lý.
Nghiên cứu của Nguyễn Công Phương và Nguyễn Trần Nguyên Trân (2014) đã nghiên cứu mô hình Beneish khi áp dụng tại thị trường Việt Nam. Các tác giả đã sử dụng mẫu nghiên cứu gồm 30 công ty có sai sót trọng yếu trong BCTC năm 2012 do kiểm toán viên phát hiện. Kết quả nghiên cứu cho thấy, khi áp dụng trực tiếp mô hình Beneish tại Việt Nam thì xác suất dự đoán đúng là 83.33 % các công ty thuộc mẫu nghiên cứu.
Bài báo: “Gian lận trên BCTC và các công trình nghiên cứu về gian lận”
của TS. Trần Thị Giang Tân (2009). Kết luận của bài báo cho thấy khả năng xảy ra gian lận có mối quan hệ có ý nghĩa thống kê với 3 yếu tố của động cơ/áp lực (các biến đại diện là tỷ lệ doanh thu/nợ phải thu, tỷ trọng hàng tồn kho/tổng tài sản, tỷ lệ nợ vay/tổng tài sản), với 1 yếu tố cơ hội (KTV độc lập không thuộc nhóm Big 4), và với 2 yếu tố thái độ (ý kiến kiểm toán không phải chấp nhận hoàn toàn, và số lần chênh lệch lợi nhuận trước và sau kiểm toán trong 3 năm liền trước). Kết quả nghiên cứu cũng khẳng định mô hình sử dụng 5 yếu tố vừa tìm thấy có khả năng dự báo đúng 83.33% cho các công ty trong mẫu nghiên cứu và dự báo đúng 80% cho 20 công ty ngoài mẫu nghiên cứu.
Có thể dễ dàng nhận thấy khoảng trống tồn tại giữa Việt Nam và thế giới trong việc tìm hiểu về gian lận nói chung và gian lận BCTC nói riêng. Các nghiên cứu ở Việt Nam mới chỉ dừng lại ở mức độ lý thuyết, tức là trên cơ sở kế thừa mô hình tam giác gian lận của Cressey tiến hành phân tích sâu hơn từng yếu tố trong mô hình và gắn vào thực tế ở Việt Nam. Việc chỉ liệt kê các nhân tố tác động đến gian lận khiến cho các nghiên cứu chưa mang tính ứng dụng thực tiễn cao. Trong khi đó, trên thế giới ngay từ nửa cuối thế kỉ XX đã xuất hiện những công trình nghiên cứu thực nghiệm có khả năng dự báo gian lận. Nhận thấy vấn đề đó, bài nghiên cứu ngoài việc kế thừa các nghiên cứu trên thế giới để ứng dụng vào thực tiễn các công ty niêm yết trên thị trường chứng khoán ở Việt Nam. Đồng thời áp dụng vào các trường hợp gian lận trên BCTC của một số công ty niêm yết trên thị trường chứng khoán Việt Nam để đánh giá tính hiện quả hiện thực của mô hình. Hơn nữa, bài nghiên cứu còn phân tích sự khác biệt về các chỉ số tài chính giữa công ty có gian lận và không có gian lận dựa trên các thông tin từ các BCTC hiện
nay.
1.3. Mục tiêu nghiên cứu
Thứ nhất: Hệ thống hóa các vấn đề lý luận chung về khả năng gian lận trên BCTC.
Thứ hai: Nghiên cứu và đánh giá thực trạng những hành vi, biểu hiện của gian lận trong BCTC của các công ty niêm yết trên thị trường chứng khoán Việt Nam.
Thứ ba: Vận dụng mô hình M-score Beneish và chỉ số Z-score để phát hiện những công ty có khả năng cao có gian lận trên BCTC và phân biệt sự khác biệt các tỷ số tài chính giữa công ty có gian lận và không có gian lận.
Thứ tư: Đề xuất ý kiến giúp các DN đặc biệt các DN niêm yết trên thị trường chứng khóa giảm thiểu tối đa gian lận trên BCTC và giúp các KTV có những góc nhìn tổng quát nhất để đưa ra dự báo khả năng phát hiện gian lận BCTC một cách chính xác nhất.
1.4. Câu hỏi nghiên cứu
Thứ nhất: Các vấn đề lý luận chung về khả năng gian lận trên BCTC là gì?
Thứ hai: Thực trạng sai sót trong BCTC của các công ty niêm yết trên thị trường chứng khoán Việt Nam như thế nào?
Thứ ba: Kết hợp mô hình M-score Beneish và mô hình Z-score có thể dự đoán được những công ty có gian lận trên BCTC? Và có sự khác biệt trong các tỷ số tài chính giữa công ty có gian lận và công ty không có gian lận không?
Thứ tư: Những giải pháp đưa ra có hạn chế được tình trạng gian lận trên BCTC?
1.5. Đối tượng và phạm vi nghiên cứu
1.5.1. Đối tượng nghiên cứu
BCTC đã kiểm toán của các công ty phi tài chính niêm yết trên thị trường chứng khoán Việt Nam.
1.5.2. Phạm vi nghiên cứu
Không gian: Sàn chứng khoán HOSE và HNX
Thời gian: Số liệu nghiên cứu trong đề tài là số liệu của năm 2018 và năm 2019
1.6. Phương pháp nghiên cứu
hợp từ các nghiên cứu đi trước để rút kinh nghiệm từ đó xây dựng mô hình của mình.
Sử dụng phương pháp nghiên cứu định lượng, thu thập dữ liệu thứ cấp từ BCTC của các công ty niêm yết trên thị trường chứng khoán.
1.6.1. Tổng thể và chọn mẫu
Bài nghiên cứu dựa trên tổng thể là các DN niêm yết trên hai sàn giao dịch chứng khoán Việt Nam (HOSE và HNX). Tuy nhiên, quy mô tổng thể nghiên cứu là rất lớn (tính hết năm 2019 có khoảng 733 công ty niêm yết trên cả 2 sàn) và tồn tại sự đa dạng các loại hình kinh doanh cũng như quy mô DN, vì vậy việc tiến hành chọn mẫu nghiên cứu là yếu tố cần thiết. Việc chọn ra mẫu đại diện các công ty dựa trên 2 yêu cầu trước tiên:
Thứ nhất, những DN có mức chênh lệch lợi nhuận trước thuế trước và sau kiểm toán từ 5% trở lên.
Mẫu nghiên cứu là các công ty gian lận và không gian lận. Theo VACPA, mức trọng yếu của BCTC với tỷ lệ ước lượng sai lệch lợi nhuận trước thuế: 5% - 10%
Chênh lệch lợi nhuận được tính như sau:
Lợi nhuận trước thuế trước kiểm toán – Lợi nhuận trước thuế sau kiểm toán Lợi nhuận trước thuế sau kiểm toán
Thứ hai, năm tài chính phải kết thúc cuối năm ngày 31 tháng 12 và không có sự thay đổi năm tài chính trong suốt quá trình nghiên cứu.
Sử dụng kết quả tìm được bao gồm các công ty gian lận và công ty không gian lận kết hợp theo cặp làm mẫu mô hình kiểm định Independent samples t-test để phát hiện liệu có sự khác biệt về các tỷ số tài chính giữa công ty gian lận và không gian lận trong bài nghiên cứu này. Việc kết hợp theo cặp các công ty được thực hiện theo cách chọn mẫu của bài nghiên cứu chọn mẫu theo cặp công ty tương tự “Can financial ratios detect fraudulent financial reporting” của nhóm tác giả Kathleen A. Kaminski, T. Sterling Wetzel, Liming Guan. Theo đó, các tiêu chí tiếp theo để chọn mẫu nghiên cứu thực hiện kiểm tra t-test sẽ là:
- Quy mô DN: chênh lệch giữa tổng tài sản của hai cặp công ty gian lận và không gian lận trên BCTC không quá 30% tổng tài sản của công ty gian lận của năm trước năm phát hiện gian lận. Nếu không tìm được theo tổng tài sản, thì chỉ tiêu doanh thu (chênh lệch không quá 30%) được sử dụng thay thế.
- Ngành nghề kinh doanh: cùng ngành nghề lĩnh vực kinh doanh.
1.6.2. Thu thập dữ liệu
Dữ liệu và thông tin cần thu thập của mỗi công ty được lấy từ thông tin niêm yết tại hai Sàn giao dịch chứng khoán HOSE và HNX. Cụ thể thu thập dữ liệu trong 2 năm 2018 và 2019. Những tài liệu cơ bản của mỗi công ty bao gồm:
Báo cáo tình hình tài chính
Báo cáo kết quả kinh doanh
Báo cáo lưu chuyển tiền tệ
Thuyết minh BCTC
Báo cáo kiểm toán
Giải trình chênh lệch lợi nhuận trước kiểm toán và sau kiểm toán.
1.6.3. Xử lý số liệu
Các thông tin định tính: được xử lý logic, chính xác và được tính toán trên bảng tính excel.
Sử dụng phần mềm SPSS 26 để tiến hành chạy mô hình kiểm định, đảm bảo các biến trong mô hình đều có ý nghĩa thống kê.
1.6.4. Phương pháp nghiên cứu định lượng
Ứng dụng kết hợp hai chỉ số Z-score và mô hình M-score
Z-score - Hệ số dự đoán nguy cơ phá sản của DN trong vòng 2 năm tới được Altman E.I (1968), Giáo sư Tài chính trường Đại học New York (Hoa Kỳ), công bố lần đầu vào tháng 9/1968 trên tạp chí Journal of Finance. Z-score được tính toán dựa trên 5 chỉ số tài chính kết hợp với trọng số và được sử dụng để tiên đoán về khả năng phá sản của DN trong vòng 2 năm sắp tới. Các chỉ tiêu sử dụng trong công thức tính toán đều dễ dàng thu thập được trên BCTC của DN và thông tin công bố rộng rãi ra công chúng. Mô hình này lúc đầu được Edward I. Altman xây dựng dựa
trên các phương pháp phân tích thống kê với số mẫu 66 DN, là các công ty sản xuất và DN nhỏ, có tổng tài sản dưới 1 triệu USD. Một nửa trong số mẫu này đã nộp đơn xin phá sản vào lúc đó.
Nghiên cứu của Beneish M.D (1999) đã xây dựng mô hình M-score để xác định các công ty có bóp méo thu nhập hay không? Các biến trong mô hình được thiết kế nhằm nhận biết được những điểm không chính xác trong BCTC xuất phát từ việc bóp méo cũng như các điều kiện tiên quyết có thể thúc đẩy có thể công ty đi đến hành động gian lận. Kết quả cho thấy một mối quan hệ có hệ thống giữa khả năng xảy ra sai lệch với các biến trong BCTC. Bằng chứng này phù hợp với mức độ hữu dụng của các dữ liệu kế toán trong việc phát hiện ra gian lận và đánh giá tính chân thực của lợi nhuận được báo cáo.
Bài nghiên cứu tiến hành tính toán độc lập mô hình M-score và chỉ số Z- score này trên mỗi DN trong mẫu được chọn nghiên cứu trên cơ sở xác định hai mô hình được xây dựng và phân tích rõ ở phần cơ sở lý luận. Dựa trên các kết luận độc lập liệu công ty có gian lận hay không của mô hình M-score và chỉ số Z-score, chọn ra các công ty mà kết luận dựa trên hai chỉ số đều cho kết quả có gian lận trên BCTC. Kết quả dựa trên sự tích hợp 2 chỉ số chính xác tới 96,55% (Igor Pustylnick).
Kiểm định Independent samples t-test
Kiểm định Independent sample t-test là kiểm định giả thuyết về giá trị trung bình của hai tổng thể (trong trường hợp hai mẫu độc lập). Sử dụng kiểm định Independent sample t-test trong bài nghiên cứu để tìm ra sự khác biệt giữa 2 nhóm công ty có khả năng gian lận BCTC và công ty không gian lận. Việc chọn mẫu được tiến hành theo phương pháp chọn mẫu đã đưa ra, các số liệu được tác giả nhập và tính toán trên Excel làm dữ liệu tiến hành kiểm định bằng phần mềm SPSS 26.
Bài nghiên cứu sử dụng kiểm định Independent samples t-test được tiến hành thực hiện trên mỗi biến (Bảng 1.3) để xác định liệu giá trị trung bình mẫu gian lận có khác biệt với giá trị trung bình của mẫu không gian lận.
T-test là một kiểm định thống kê có thể xác định nếu có một sự khác biệt giữa hai nhóm trên một biến phụ thuộc. Kiểm định này cho phép so sánh giá trị
trung bình của biến phụ thuộc của một nhóm với các giá trị trung bình của biến phụ thuộc các nhóm khác.
Independent Samples t-test: là loại t-test được sử dụng khi hai giá trị của biến độc lập không có tương quan. Để kiểm định có ý nghĩa cần thỏa mãn các giả định:
- Số lượng mẫu đủ lớn - Dữ liệu phân phối chuẩn
- Phương sai giữa hai nhóm xấp xỉ bằng nhau.
Cặp giả thuyết theo lý thuyết:
H0: µ = 0 (trung bình 2 nhóm bằng nhau) H1: µ ≠ 0 (trung bình 2 nhóm là khác nhau)
Với mức ý nghĩa 5%. Nếu:
- α ≤ 0,05: bác bỏ H0, nghĩa là trung bình 2 nhóm là khác nhau. - α > 0,05: trung bình 2 nhóm bằng nhau.
Dựa trên các nghiên cứu trên thế giới bài nghiên cứu áp dụng 8 biến để tiến hành thực hiện kiểm định t-test Independent cho các nhóm DN tại Việt Nam. Với 8 biến được mô phỏng qua Bảng 1.3 sau:
Bảng 1.3: Bảng thể hiện các biến độc lập được đo lường trong kiểm định t-test