STT Mã Chênh lệch lợi nhuận trước
và sau kiểm toán (%)
1 Cty10 16.20
STT Mã Chênh lệch lợi nhuận trước và sau kiểm toán (%)
2 Cty20 14.17 3 Cty22 13.65 4 Cty23 17.86 5 Cty25 13.16 6 Cty28 14.57 7 Cty36 14.52 8 Cty37 12.15 9 Cty39 18.20 10 Cty40 12.15 11 Cty42 11.40 12 Cty47 16.28 13 Cty54 11.39 14 Cty55 15.34 15 Cty56 14.41 16 Cty60 9.28
Nguồn: Thống kê của tác giả
Theo số liệu báo cáo của ngân hàng hầu hết các cơng ty này đều có chênh lệch lợi nhuận trước và sau kiểm toán đều lớn hơn 10%, một con số đáng báo động trong việc thu thập thơng tin tài chính của doanh nghiệp khi cho vay và giám sát tình hình tài chính cơng ty. Xét về chỉ số M’Score và F’score thì các cơng ty này đa số có M’score trung bình 3 năm lớn hơn 4 (10/16 công ty) và 1<F’score<1,6 (14/16 công ty).
Đặc biệt đáng chú ý trong số 8 công ty được cho là có gian lận BCTC thì cơng ty 39 có chỉ số trung bình M’score > 1.78 và F’score >2.45, với giá trị của hai chỉ số này thì được xem là có rủi ro rất cao trong việc gian lận BCTC. Đây là công ty hoạt động trong lĩnh vực bất động sản - một trong những ngành có có chủ trương thắt chặt tính dụng của hệ thống Vietcombank. Về cơ cấu thì số lượng công ty con được
lập ra của công ty này khá nhiều (khoảng 10 công ty), hầu hết được thành lập để phục vụ cho công ty mẹ hoạt động như: thi công, xây dựng, môi giới bất động sản, vận tải..., doanh thu từ bán hàng và cung cấp dịch vụ hầu như là thu từ công ty mẹ. Dư nợ tại thời điểm đầu năm 2016 của công ty 39 là 520 tỉ đồng, chênh lệch lợi nhuận trước và sau kiểm tốn là hơn 19%.
4.3. Mơ hình tương quan
4.3.1. Thống kê mơ tả các biến
Mơ hình tương quan dự kiến theo Mục 3.2.1.4:
M’score = β0 + β1*DEBT/EQ+ β2*SAL/TA+ β3*NP/SAL+
β4*REC/SAL+β5*NP/TA+β6*WC/TA+β7*GP/TA+β8*INV/SAL+β9*TD/TA+β1 0*L.TA+ + ε
Bảng 4.6: Thống kê mô tả các biến trong mơ hình tương quan
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
4.3.2. Hệ số tương quan
Mục đích của việc phân tích mối quan hệ giữa nhiều biến là nhằm xem xét mối liên hệ giữa các biến nghiên cứu. Phân tích tương quan là đo lường cường độ của quan hệ giữa hai biến và hai biến được xem là hai biến ngẫu nhiên “ngang
nhau” - không phân biệt biến độc lập và biến phụ thuộc. Hệ số tương quan có giá trị từ -1 đến +1 cho thấy mối tương quan giữa hạng của hai biến.
Kết quả hệ số tương quan giữa các biến trong mơ hình như sau:
Bảng 4.7: Ma trận hệ số tương quan
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
Bảng trên cho thấy hệ số tương quan giữa biến phụ thuộc M’score và các biến độc lập dao động từ -0.12 đến 0.20. Điều này cho thấy, ngoại trừ biến WCTA có mức tương quan khá cao (-0.12) với biến phụ thuộc, còn lại các biến độc lập khác có hệ số tương quan khá nhỏ, điều này cho thấy độ mạnh về tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập còn lại khá yếu.
Hệ số tương quan giữa các biến độc lập phần lớn nằm trong khoảng trung
bình (-0.49 đến 0.51), do vậy khi chạy mơ hình hồi quy sẽ khó xảy ra hiện tượng đa
cộng tuyến.
4.3.3. Mơ hình hồi quy
4.3.3.1 . Kết quả hồi quy theo mô hình hồi quy hỡn hợp (Pooled OLS)
Dựa trên mơ hình nghiên cứu được chọn là mơ hình hời quy hỡn hợp (Pooled
OLS) để nghiên cứu ước lượng tham số hồi quy. Hệ số hồi quy (Coef.) là hệ số tác động của biến độc lập lên biến phụ thuộc. P>|t| cho biết ý nghĩa thống kê của biến
độc lập. Khi giá trị này càng thấp thì biến độc lập đưa vào mơ hình càng an tồn, đặc biệt khi ở dưới 5%.
Kết quả mơ hình như sau:
Bảng 4.8: Mơ hình hồi quy PooledLOS
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
Tác giả sử du ̣ng kiểm định VIF để đánh giá đa cộng tuyến, kiểm đi ̣nh Breusch-Pagan/Cook-Weisberg để đánh giá phương sai không đồng nhất, kiểm đi ̣nh Durbinalt để đánh giá tự tương quan. Kết quả mơ hình khơng bị vi phạm cả ba kiểm định trên (chi tiết Phụ lục 9).
Mơ hình Pooled OLS có thể giải thích 5.38% sự thay đổi của các biến đơ ̣c lâ ̣p đến M’score. Các biến đơ ̣c lâ ̣p đều có ý nghĩa thống kê ở mức ý nghĩa 1% bao gồm biến tỉ lệ lãi gộp trên tài sản và quy mô công ty.
Hàm hồi quy với mơ hình hời quy hỡn hợp:
Mi,t= 18.702*GP/TAi,t + 1.416*L.TAi,t -18.099 Theo đó:
- Biến GP/TA có hệ số 18.702; quan hệ cùng chiều với biến phụ thuộc. Với giả định các yếu tố khác không đổi, khi yếu tố GP/TA tăng thêm 1 đơn vị thì kết quả chỉ số M’score sẽ tăng thêm 18.702 đơn vị.
- Biến L.TA có hệ số 1.416; quan hệ cùng chiều với biến phụ thuộc. Với giả
định các yếu tố khác không đổi, khi yếu tố L.TA tăng thêm 1 đơn vị thì kết quả chỉ số M’score sẽ tăng thêm 1.416 đơn vị.
4.3.3.2 Kết quả hồi quy theo mơ hình Probit
Để có kết quả dưới góc độ khác, M’score được sử dụng để phân chia thành 2 trường hợp:
- M’score >= 1.87 được gán với giá trị 1, nghĩa là khả năng doanh nghiệp có
gian lận BCTC.
- M’score < 1.87 được gán với giá trị 0, nghĩa là khả năng doanh nghiệp khơng
có gian lận BCTC.
Kết quả mơ hình hồi quy có được như sau:
Bảng 4.9: Mơ hình hồi quy Probit
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
Mơ hình probit có thể giải thích 7.23% sự thay đổi của các biến đô ̣c lâ ̣p đến M’score. Các biến đơ ̣c lâ ̣p đều có ý nghĩa thống kê ở mức ý nghĩa 5% cũng như mơ hình hồi quy hỗn hợp bao gồm tỉ lệ lãi gộp trên tài sản và quy mô công ty.
- Biến GT/TA có hệ số > 0, điều này có nghĩa tỉ lệ lãi gộp trên tài sản có tác
đơ ̣ng tích cực đến xác śt gian lận báo cáo tài chính kỳ vo ̣ng.
- Biến L.TA có hệ số > 0, điều này có ý nghĩa quy mơ doanh nghiệp có tác
đơ ̣ng tích cực đến xác suất gian lận báo cáo tài chính kỳ vo ̣ng. Mức độ dự báo chính xác của mơ hình:
Bảng 4.10: Mức độ dự báo chính xác của mơ hình Probit
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata
Theo kết quả phân tích, tỷ lê ̣ dự báo đúng của toàn bô ̣ mô hình là 65%.
KẾT LUẬN CHƯƠNG 4
Trong chương này, tác giả đã phân loại nhóm cơng ty có khả năng gian lận và nhóm cơng ty khơng có khả năng gia lận theo M’score và F’score. Việc giao kết quả của hai nhóm chỉ số này đã tìm ra được 8 cơng ty có khả năng gian lận báo cáo tài chính trong q trình vay vốn tại Vietcombank Bình Dương và 16 cơng ty có chỉ số M’score và F’score trung bình 3 năm lớn hơn 1. Ngồi ra, mơ hình hồi quy M’score cũng được đưa ra và có kết quả đồng nhất với nghiên cứu của Persons và Spathis và cộng sự (2002).
CHƯƠNG 5: KẾT LUẬN
5.1. Kết luận
Để đánh giá khả năng rủi ro gian lận báo cáo tài chính trong hoạt động cho vay doanh nghiệp tại Vietcombank Bình Dương, tác giả đã thực hiện nghiên cứu việc áp dụng chỉ số M’score và F’score trong việc dự báo gian lận trên BCTC cho các doanh nghiệp. Với dữ liệu sử dụng số liệu từ 60 doanh nghiệp được thu thập trong khoảng thời gian từ năm 2013 đến năm 2015. Số công ty được cho là có khả năng gian lận BCTC là 8 cơng ty giá trị M’score và F’score trung bình 3 năm của các công ty lần lượt là 2.67 và 2.48 - một chỉ số đáng lo ngại khi lớn hơn ngưỡng mà đề tài đưa ra 0.89 và 0.65 (1.78 và 1.85).
5.2. Hàm ý cho các đối tượng liên quan
Từ kết quả nghiên cứu trên khi cho vay ngân hàng cần cẩn trọng đối với các doanh nghiệp có chỉ số M’score trung bình lớn hơn hoặc bằng 7.52 và F’score lớn hơn hoặc bằng 11.27. Ngồi ra Ngân hàng cần thu thập thêm các thơng tin phi tài chính như: trình độ, năng lực quản lý của các nhà điều hành, mối quan hệ với các nhà cung cấp, khách hàng.... Hệ thống xếp hạng tín dụng khơng nên phụ thuộc q nhiều vào BCTC mà điểm số này nên được tính theo trọng số của các chỉ tiêu khác nhau: thơng tin phi tài chính, thơng tin tài chính, các chỉ số dự báo (M’score và F’score )...
Trước hết, các nhà quản lý ngân hàng nên tự trang bị những kiến thức cho nhân viên của mình, cũng như nâng cao tầm hiểu biết về kiến thức kế tốn, tài chính. Đồng thời cần thu thập những thơng tin thiết yếu để có thể tự bảo vệ mình khi việc gian lận trên BCTC ngày càng được thực hiện một cách rất tinh vi bởi các doanh nghiệp. Nhằm giảm thiểu rủi ro ở mức thấp nhất cũng như đòi hỏi những quyền lợi chính đáng cho mình, ngân hàng nên thận trọng trong việc đánh giá những thông tin trên BCTC. Ngoài ra, việc theo dõi BCTC của các doanh nghiệp
trong nhiều thời kỳ, liên hệ thơng tin tài chính với các kỳ trước cũng là điều cần thiết để có thể phần nào nhận định đúng tình hình tài chính của doanh nghiệp.
Bên cạnh đó, đối với việc báo cáo, giải trình của các doanh nghiệp có chênh lệch lợi nhuận trước và sau kiểm toán BCTC. Ngân hàng cần thận trọng và có sự hồi nghi mang tính nghề nghiệp trong việc đánh giá sự trung thực của những thơng tin giải trình có liên quan này. Bởi vì hầu hết các doanh nghiệp có hành vi gian lận, thường sử dụng rất nhiều những phương thức lý giải nhằm thuyết phục hoặc đánh lừa ngân hàng. Những giải trình cho việc chênh lệch có liên quan đến các khoản mục như: tồn kho, dự phịng, doanh thu, các khoản trích trước… cần được đánh giá và phân tích kỹ. Hơn nữa các thơng tin trên BCTC là những thông tin chưa đủ để đánh giá doanh nghiệp mà các thơng tin phi tài chính khác có liên quan sẽ góp phần nhận diện tồn cảnh tình hình doanh nghiệp. Ngân hàng nên cập nhật liên tục những thơng tin có ảnh hưởng đến doanh nghiệp như: xu hướng ngành nghề, môi trường kinh doanh, hoạt động thị trường… từ đó, có thể giúp ngân hàng hiểu được những động cơ, hay áp lực dẫn đến hành vi gian lận của doanh nghiệp. Việc thận trọng đánh giá lại thông tin là thực sự cần thiết khi môi trường thông tin của Việt Nam chưa thật sự minh bạch và đáng tin cậy. Ngồi ra, thơng tin về nội bộ của doanh nghiệp là rất quan trọng nó liên quan đến quan điểm kinh doanh hoặc những quyết định mang tính sống cịn của doanh nghiệp. Ngân hàng cần thu thập những thông tin liên quan đến tình hình nội bộ cũng như thay đổi cổ đông lớn, giám đốc tài chính, kế tốn trưởng...
5.3. Hạn chế của đề tài và hướng nghiên cứu tiếp theo
5.3.1. Hạn chế
Thứ nhất, nghiên cứu còn hạn chế số mẫu quan sát chỉ bao gồm 60 công ty và khoảng thời gian được chọn để quan sát là quá ngắn (trong vòng 3 năm 2013-2015).
Thứ hai, phạm vi nghiên cứu chỉ dừng lại ở các cơng ty có vay vốn tại Vietcombank Bình Dương khơng bao gồm các cơng ty có quan hệ tín dụng nhưng khơng vay (các sản phẩm tài trợ thương mại, bao thanh toán...).
Thứ ba, chưa tìm ra được sự tương quan giữa M’score và F’score.
5.3.2. Hướng nghiên cứu tiếp theo
Thứ nhất, mở rộng mẫu quan sát và thời gian quan sát không những đối với các doanh nghiệp đang vay vốn mà còn các doanh nghiệp có quan hệ tín dụng như các sản phẩm tài trợ thương mại, đồng thời xây dựng mơ hình nghiên cứu cho tồn hệ thống Vietcombank.
Thứ hai, nghiên cứu các chỉ số này ở khía cạnh tồn ngành ngân hàng (điển hình là các ngân hàng lớn như BIDV, VIETINBANK, AGRIBANK).
Thứ ba, có thể kết hợp hai chỉ số M’score và F’score với chỉ số Z’score (hệ số nguy cơ phá sản) nhằm tìm ra dự báo rủi ro một cách toàn diện hơn cho các doanh nghiệp được thẩm định BCTC trong hoạt động tín dụng.
TÀI LIỆU THAM KHẢO Tiếng Việt
1. Bộ Tài chính, Chuẩn mực kiểm toán VN 240.
2. Cao Phương Thế (2014), Nghiên cứu thực nghiệm liên quan đến việc xác định các yếu tố gian lận trên báo cáo tài chính tại Việt Nam, luận văn thạc sỹ, Đại học công nghệ TP.HCM
3. Lý Trần Kim Ngân (2011), Hồn thiện thủ tục kiểm tốn nhằm phát hiện gian lận trên báo cáo tài chính của các cơng ty niêm yết tại Việt Nam, Luận văn thạc sỹ kinh tế, Đại học kinh tế TP.HCM
4. Trần Thị Giang Trân (2009), Gian lận trên báo cáo tài chính, thực trạng và kiến nghị đối với các doanh nghiệp Việt Nam, tạp chí phát triển kinh tế, tháng 7 năm 2009.
5. Trần Thị Giang Trân & Cộng sự (2014), Đánh giá rủi ro gian lận báo cáo tài chính của các cơng ty niêm yết tại Việt Nam, tạp chí phát triển kinh tế, 26(1), 74- 94.
Tiếng anh
6. Albrecht, S. and Romney, M. (1986) ‘Red-flagging management: a validation’, Advances in Accounting, 3: 323–33.
7. Arens, A. and Loebbecke, J. (1994) Auditing: An Integrated Approach, 6th edn. Englewood Cliffs, NJ: Prentice-Hall.
8. Beasley, S. M., Carcello, J. V. and Hermanson, D. R. (1999) Fraudulent Financial Reporting: 1987–1997: An Analysis of U.S. Public Companies. Research Report, COSO
9. Bell, T., Szykowny, S. and Willingham, J. (1993) ‘Assessing the likelihood of fraudulent financial reporting: a cascaded logic approach’, Working Paper, KPMG Peat Marwick, Montvale, NJ.
10. Beneish, Messod D., 1999. The Detection of Earnings Manipulation, Financial Analysts Journal, September/October, pp. 24-36.
11. Bologna, G., Lindquist, R. and Wells, J. (1996) The Accountant’s Handbook of Fraud and Commercial Crime. New York: John Wiley.
12. Davia, H., Coggins, P., Wideman, J. and Kastantin, J. (1992) Management Accountant’s Guide to Fraud Discovery and Control. New York: John Wiley
13. Green, B. (1991) ‘Identifying management irregularities through preliminary analytical procedures’, unpublished doctoral dissertation, Kent State University.
14. Green, B. P. and Choi, J. H. (1997) ‘Assessing the risk of management fraud through neuralnetwork technology’, Auditing: A Journal of Practice and Theory, 16(1): 14–28.
15. Hoffman, V. B. (1997) ‘Discussion of the effects of SAS No. 82 on auditors’ attention to fraud risk-factors and audit planning decisions’, Journal of Accounting Research, 35(5): 99–104.
16. Hollman, V. P. and Patton, J. M. (1997) ‘Accountability, the dilution effect and conservatism in auditors’ fraud judgments’, Journal of Accounting Research, 35(2): 227–337.
17. Joseph T Wells, Jonh Wiley&Son, Ic (2004), Principles of Fraud examination.
18. Loebbecke, J., Eining, M. and Willingham, J. (1989) ‘Auditor’s experience with material irregularities: frequency, nature, and detectability’, Auditing: A Journal of Practice and Theory, 9: 1–28.
19. Muntari Mahama (2015), Detecting corporate fraud and financial distress using the altman and beneish models
20. Nguyen Huu Anh (2016), Using the M-Score Model in Detecting Earnings management: Evidence from non-financial Vietnamese listed companies
21. Obeua S.persons (1995) Using financial statement data to identify factors associated with fraudulent financial reporting
22. Palmrose, Z. (1987) ‘Litigation and independent auditors: the role of business failures and management fraud’, Auditing: A Journal of Practice and Theory, 6(2): 90–102.
23. Persons, O. (1995) ‘Using financial statement data to identify factors associated with fraudulent financing reporting’, Journal of Applied Business Research, 11(3): 38–46.
24. Schilit, H. (1993) Financial Shenanigans: How to Detect Accounting Gimmicks and Fraud in Financial Reports. New York: McGraw-Hill
25. Scott L. Summers and John T. Sweeney Fraudulently Misstated Financial Statements and Insider Trading: An Empirical Analysis, Vol. 73, No. 1 (Jan., 1998), pp. 131-146
26. Stice, J. (1991) ‘Using financial and market information to identify pre-