CHƯƠNG 1 : TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
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 cịn 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 cơng ty niêm yết trên sàn HOSE. Nhóm tác giả đã sử dụng mơ 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 mơ hình nghiên cứu của DeAngelo (1986), Friedlan (1994) và Benneish (1999) để xây dựng nên hai mơ hình định lượng nhằm phát hiện ra sai phạm trên BCTC của các công ty xây dựng đang niêm yết trên sàn.
Mơ hình thứ nhất, tác giả sử dụng biến phụ thuộc là M và tám biến độc lập như trong mơ hình Beneish (1999). Mơ hình thứ hai, tác giả thêm hai biến độc lập vơ mơ hình đầu tiên là biến DA (biến kế tốn dồn tích có thể điều chỉnh) và SIZE. Kết quả hồi quy Probit cho thấy mơ hình đầu tiên chỉ có ba biến độc lập có ý nghĩa thống kê là SGI, AQI, DEPI. Mơ hình thứ hai có bốn biến có ý nghĩa là SGI, AQI, DEPI, DA. Và khả năng phát hiện gian lận của từng mơ 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 mơ hình chỉ có ba chỉ số tài chính trong mơ 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 mơ hình M-Score đánh giá chất lượng BCTC ở VN”. Nghiên cứu này tác giả đã áp dụng mơ hình Beneish (1999) để đánh giá khả năng bóp méo BCTC của các cơng ty đang niêm yết trên sàn HOSE và sàn HNX. Sau đó, các cơng 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 cơng 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 khơng bóp méo BCTC có tỷ suất sinh lợi trung bình +5,89% và các cơng 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 mơ hình Beneish (1999) để phân loại các cơng ty có gian lận và khơng có gian lận. Sau đó sử dụng thống kê mơ tả để mơ 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 mơ 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 mơ hình. Kết quả mơ hình đã phân loại được các cơng 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 mơ hình M-Score trong việc phát hiện sai sót thơng tin trên BCTC của các doanh nghiệp niêm yết”. Trong bài nghiên cứu, tác giả đã dựa vào mơ hình M-Score gốc của Beneish (1999) và kỹ thuật hồi quy Logistic để xây dựng mơ hình định lượng nhằm phát hiện sai sót thơng 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 mơ hình M-Score do khơng có ý nghĩa thống kê, cịn lại năm biến có ý nghĩa đó là biến LVGI, SGI, GMI, SGAI, DEPI. Đây là điểm khác biệt so với mơ hình M-Score gốc của Beneish. Tuy nhiên, khả năng dự báo của mơ 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 Số thứ Số thứ
tự Tác giả Năm Nội dung nghiên cứu Kết quả
1 Lê Cao Hoàng Anh và Nguyễn Thu Hằng 2012 Kiểm định lại chỉ số Z- Score của Altman trong việc dự báo thất bại của 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.
2 Võ Văn Nhị và Hoàng Cẩm Trang 2013 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 (sử dụng mơ hình Leuz và chỉ số Z-Score).
Mức độ điều chỉnh lợi nhuận tương đồng với nguy cơ phá sản. 3 Hoàng Khánh và Trần Thị Thu Hiền 2015
Dựa vào mơ hình nghiên cứu của DeAngelo (1986), Friedlan (1994) và Beneish (1999) để xây dựng nên hai mơ hình định lượng nhằm phát hiện ra sai phạm trên BCTC của các công ty xây dựng đang niêm yết trên sàn.
Mơ hình thứ nhất chỉ có ba biến có ý nghĩa thống kê là SGI, AQI, DEPI; mơ hình thứ hai có bốn biến có ý nghĩa là SGI, AQI, DEPI, DA. Và khả năng phát hiện gian lận của từng mơ 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 khơng bóp méo BCTC có tỷ suất sinh lợi trung bình +5,89% và các cơng ty có bóp méo là 3,91%. 5 Trần Việt Hải 2017 Sử dụng mơ hình Beneish (1999) để phân loại các cơng ty có gian lận và khơng có gian lận. Sau đó, tiến hành tổng hợp các nghiên cứu trước và đưa ra mơ hình nghiên cứu bao gồm mười chỉ số tài chính, trong đó có Z- Score.
Mơ hình đã phân loại được các cơng ty có gian lận với tỷ lệ chính xác là 68,7%.
6 Ca Thị Ngọc
Tố 2017
Dựa vào mơ hình M- Score gốc của Beneish (1999) và kỹ thuật hồi quy Logistic để xây dựng mơ hình định lượng nhằm phát hiện sai sót thơng 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 mơ hình M- Score do khơng có ý nghĩa thống kê, cịn lại năm biến có ý nghĩa đó là biến LVGI, SGI, GMI, SGAI, DEPI. Mơ hình này có khả năng phân loại chính xác 80,83% các cơng ty có gian lận BCTC.
(Nguồn: Tác giả tự tổng hợp)