Giá trị ngƣỡng (cut-off) Đánh giá
F-score > 2.45 F-score > 1.85 F-score >= 1 F-score < 1 Rủi ro rất cao Rủi ro cao
Rủi ro trên mức bình thường
Rủi ro bình thường hay dưới mức bình thường
Nguồn: Dechow và cộng sự, 2011
2.3.3. Các nghiên cứu trƣớc đây sử dụng chỉ số F-score:
Với sự toàn diện và đầy đủ hơn về cơ sở dữ liệu so với các nghiên cứu trước đó, kết quả nghiên cứu của Dechow và các cộng sự đã được nhiều nhà khoa học sau này sử dụng để phát triển nghiên cứu của họ. Tiêu biểu có các nghiên cứu sau:
- Nghiên cứu của Jackson & Rountree (2014), nhóm tác giả dựa vào cơ sở dữ liệu được thống kê từ nghiên cứu của Dechow & cộng sự (2011) và lấy mẫu là các công ty trên AAERs trong giai đoạn 1970 – 2003, sau đó mở rộng cỡ mẫu từ 1970 – 2011. Qua phân tích mơ hình hồi quy, họ tìm thấy sự chuyển động k p của các cơng ty, cơng ty nào có thu nhập ít hơn so với thị trường thì có xác suất điều chỉnh thu nhập cao hơn trong giai đoạn 1970 – 2011. Ngoài ra, xác suất điều chỉnh thu nhập gia tăng khi nền kinh tế mở cửa và biến động theo chu kỳ kinh doanh. Vì mơ hình của Dechow & cộng sự (2011) có khả năng dự báo tốt hơn so với các mơ hình dồn tích thơng thường trong việc phát hiện các khoản điều chỉnh thu nhập nên nhóm tác giả đã lựa chọn mơ hình F-score là một chỉ số đại diện cho việc điều chỉnh thu nhập.
- Nghiên cứu của Skousen & Twedt (2009), với mục đích chính là dùng chỉ số F-score bởi Dechow & cộng sự (2007) để xác định khả năng BCTC gian lận của các công ty ở 22 quốc gia trong thị trường mới nổi, và so sánh khả năng dự báo này với khả năng dự báo đối với các công ty ở Hoa Kỳ. Mẫu trong nghiên cứu này được lấy từ cơ sở dữ liệu sẵn có trên Compustat Global Industrial, với BCTC của 17.873 công ty theo năm ở Hoa Kỳ và 27.558 công ty theo năm ở các nước trong thị trường mới nổi giai đoạn 1998 – 2007. Kết quả nghiên cứu cho thấy giá trị trung bình và độ lệch chuẩn của F-score ở mỗi quốc gia có sự khác biệt lớn. Qua đó, nhà đầu tư sẽ có một cái nhìn ban đầu để chọn thị trường đầu tư với rủi ro gian lận thấp hơn. Riêng tại Hoa Kỳ giá trị F-score của các công ty xoay quanh mức 1.00 và có độ lệch chuẩn tương đối lớn, do đó cần phải có những phân tích cẩn thận hơn trước khi đầu tư hoặc kiểm tốn các cơng ty tại Hoa Kỳ.
- Stefaan Meersschaert (2011), đã phân tích tổng cộng 3 mẫu, bao gồm 2 mẫu đối ứng và một mẫu kiểm soát nhằm kiểm tra khả năng phân biệt đặc điểm của các cơng ty gian lận và các cơng ty có mức độ cao của quản trị thu nhập. 76 trường hợp các cơng ty bị SEC cáo buộc có gian lận BCTC trên các AAERs từ quý 4 năm 2008 đến quý 1 năm 2011 được đặt tên là mẫu NONGAAP. Đồng thời tác giả cũng lựa chọn mẫu đối ứng là 76 cơng ty có mức độ cao của quản trị thu nhập có cùng quy mơ, năm tài chính và cùng ngành công nghiệp được đặt tên là mẫu WITHINGAAP. Mẫu kiểm soát gồm 76 cơng ty có mức độ thấp của quản trị thu nhập, gọi là mẫu CONTROL. Vận dụng chỉ số F-score của Dechow & cộng sự (2011), tác giả kiểm tra khả năng phân biệt các công ty trong mẫu NONGAAP và CONTROL, mẫu NONGAAP và WITHINGAAP của chỉ số này. Kết quả, đầu ra F- score của các công ty NONGAAP khác biệt đáng kể so với kết quả đầu ra F-score của các công ty CONTROL. Tuy nhiên với 2 mẫu NONGAAP và WITHINGAAP đầu ra không khác biệt đáng kể, do đó tác giả thực hiện thêm một thử nghiệm t-test và kiểm tra dấu hiệu thứ hạng Wilcoxon để tái ước lượng mơ hình F-score ban đầu, kết quả, 1 biến trong mơ hình F-score có khả năng phân biệt đáng kể giữa 2 mẫu NONGAAP và WITHINGAAP. Đây cũng là một hạn chế của mơ hình F-score
trong việc phân biệt các công ty gian lận và các công ty không gian lận nhưng thể hiện một mức độ cao của quản trị thu nhập. Điều này chỉ ra chi phí cho các loại sai lầm loại I và sai lầm loại II khi áp dụng các mơ hình dự báo gian lận. Tuy nhiên, việc phân biệt tốt các công ty gian lận và không gian lận mà thể hiện một mức độ thấp của quản trị thu nhập là điều đáng ghi nhận cho những nỗ lực của các mơ hình dự báo rủi ro gian lận trước đây.
Nhìn chung các nhà khoa học gần đây khi vận dụng chỉ số F-score đều nhằm vào việc mở rộng các nghiên cứu thực nghiệm liên quan đến vấn đề gian lận trên BCTC và khả năng phát hiện, dự báo gian lận của chỉ số này.
2.4. Xác định vấn đề nghiên cứu:
Qua việc tìm hiểu các nghiên cứu có liên quan đến đề tài luận văn, tác giả nhận thấy một số vấn đề tồn tại và khe hổng nghiên cứu như sau:
- Các nghiên cứu trước đây đã xây dựng được rất nhiều mơ hình có khả năng dự báo và phát hiện rủi ro báo cáo tài chính có sai sót trọng yếu hay gian lận. Tuy nhiên tại Việt Nam có rất ít các nghiên cứu thực nghiệm về vấn đề này, cũng như chưa có nghiên cứu nào kiểm định sự phù hợp của các mơ hình nghiên cứu ở nước ngoài tại Việt Nam.
- Đa số các nghiên cứu thực nghiệm sử dụng các tỷ số tài chính và chỉ số M- score để đánh giá khả năng báo cáo tài chính gian lận. Theo sự tìm hiểu của tác giả, chưa có nghiên cứu nào sử dụng toàn bộ các số liệu chênh lệch báo cáo tài chính trước và sau kiểm tốn để đo lường mối quan hệ của chúng với rủi ro gian lận BCTC. Bên cạnh đó, cũng có khá ít các nghiên cứu thực nghiệm sử dụng chỉ số F-score đối với vấn đề này. Vì vậy tác giả đã mạnh dạn dựa trên phát hiện này để xây dựng đề tài luận văn.
Trên cơ sở tìm hiểu những nghiên cứu có liên quan và dựa vào các vấn đề nghiên cứu đã xác định, tác giả dự kiến mơ hình nghiên cứu gồm 29 biến độc lập và
biến phụ thuộc là khả năng gian lận BCTC được đo lường thông qua chỉ số F-score. Chi tiết của các biến cũng như các giả thuyết, cách tính tốn sẽ được trình bày cụ thể trong Chương 3.
TÓM TẮT CHƢƠNG 2
Gian lận nói chung và gian lận trên BCTC nói riêng đã nhận được rất nhiều sự quan tâm của các tổ chức và nhà nghiên cứu nhằm tìm kiếm các biện pháp làm giảm thiểu hành vi này. Chương 2 cung cấp các lý luận nền tảng về gian lận và gian lận BCTC, tổng hợp các vấn đề liên quan đến đề tài như các hình thức gian lận trên BCTC và những biện pháp phát hiện, dự báo rủi ro gian lận được thực hiện bởi các nhà khoa học trước đây. Đồng thời chương này trình bày tóm tắt các nghiên cứu có liên quan đến đề tài luận văn, giới thiệu một loại chỉ số được dùng để dự đoán gian lận trên BCTC là chỉ số F-score được phát triển bởi Dechow và các cộng sự, với số lượng nghiên cứu ứng dụng chỉ số F-score cịn tương đối ít cả trên thế giới và Việt Nam. Qua đó, tác giả xác định khe hổng nghiên cứu làm cơ sở lựa chọn đề tài nghiên cứu.
Trên cơ sở lý luận này, tác giả tiến hành thực hiện đề tài luận văn cũng với mục tiêu đóng góp thêm một nghiên cứu về công cụ dự báo, phát hiện gian lận trên BCTC dựa vào chỉ số F-score.
CHƢƠNG 3: THIẾT KẾ NGHIÊN CỨU
3.1. Mô tả tổng thể, mẫu nghiên cứu: 3.1.1. Mô tả tổng thể: 3.1.1. Mô tả tổng thể:
Thị trường chứng khoán Việt Nam với các thị trường giao dịch được tập trung tại Sở giao dịch chứng khoán Tp. Hồ Chí Minh (HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX) là một kênh huy động vốn không thể thiếu được trong đời sống kinh tế nước ta. Trong năm 2013 và 2014, mặc dù tốc độ tăng trưởng kinh tế chưa cao và hoạt động sản xuất kinh doanh của doanh nghiệp cịn khó khăn nhưng kinh tế vĩ mơ đã có những bước ổn định, các giải pháp vĩ mô đã dần phát huy tác dụng. Do vậy, thị trường chứng khốn Việt Nam đã có những diễn biến và kết quả khả quan trong giai đoạn này. Theo Ủy ban Chứng khoán Nhà nước, năm 2013, chỉ số VN-Index tăng gần 23%, HNX-Index tăng trên 13% so với cuối năm 2012; năm 2014, chỉ số VN-Index đã lập đỉnh tại mức điểm 640,75 sau gần 6 năm đạt được, trong khi chỉ số HNX-Index cũng đã lập đỉnh tại mức điểm 92,99 sau đúng 3 năm. Tính đến ngày 08/12/2014, chỉ số VN-Index đạt 571,68 điểm tăng 13,3% so với cuối năm 2013, còn chỉ số HNX-Index đạt 87,17 điểm tăng 28,5% so với cuối năm 2013.
Mặc dù có tốc độ phục hồi và phát triển tốt, song thị trường chứng khốn Việt Nam vẫn cịn tồn tại nhiều hạn chế. Những sự cố về thơng tin tài chính cơng bố khơng minh bạch, gian lận trên BCTC vẫn tiếp tục xảy ra qua các năm đã phần nào làm giảm sút niềm tin của công chúng với thị trường. Tổng số các công ty niêm yết trên hai sàn tại thời điểm tác giả lấy mẫu nghiên cứu (7/2015) là 764 công ty bao gồm cả hai loại hình cơng ty tài chính và phi tài chính, với 344 công ty niêm yết trên HOSE và con số này đối với sàn HNX là 420. Như vậy, với một tổng thể rất lớn các công ty đang niêm yết, việc nghiên cứu đề ra các biện pháp giúp phịng
ngừa, ngăn chặn tình trạng gian lận BCTC cần phải được thực hiện thường xuyên, liên tục, góp phần xây dựng một mơi trường đầu tư hiệu quả.
3.1.2. Mẫu nghiên cứu:
Mẫu nghiên cứu bao gồm 50 công ty niêm yết trên Sàn giao dịch chứng khốn Tp. Hồ Chí Minh (HOSE) và Sàn giao dịch chứng khốn Hà Nội (HNX) có chênh lệch số liệu trước và sau kiểm toán trong hai năm 2013 và 2014, với 100 quan sát theo năm cho các chênh lệch số liệu trên Bảng cân đối kế toán và Báo cáo kết quả hoạt động kinh doanh. Để tính tốn chỉ số F-score cho một năm tài chính cần phải có dữ liệu của năm liền kề trước đó. Vì vậy từ dữ liệu trên BCTC của 3 năm trong giai đoạn 2012 – 2014, tổng cộng có 100 chỉ số F-score được tính tốn để phân nhóm các cơng ty gian lận và không gian lận cho hai năm tài chính 2013 và 2014.
Phương pháp chọn mẫu có chủ đích đã được sử dụng, tác giả lựa chọn 50 công ty phi tài chính có chênh lệch số liệu trước và sau kiểm toán trong tổng số 702 cơng ty phi tài chính đang niêm yết trên hai sàn HOSE và HNX vào thời điểm tháng 7/2015. Các công ty được lựa chọn không phải là các định chế trung gian tài chính như ngân hàng, cơng ty chứng khốn, các quỹ tín dụng hay cơng ty bảo hiểm,… vì đặc điểm hoạt động kinh doanh của các định chế tài chính này khác biệt so với các cơng ty phi tài chính, do đó cũng khác nhau về chuẩn mực kế tốn trong việc trình bày và cơng bố các số liệu trên BCTC. Bên cạnh đó, các công ty được chọn vào mẫu phải có đầy đủ dữ liệu cần thiết cho giai đoạn 2012 – 2014. Danh sách 50 công ty trong mẫu nghiên cứu được trình bày ở Phụ lục 1.
Nghiên cứu sử dụng nguồn dữ liệu thứ cấp là các BCTC quý 4 chưa kiểm toán và BCTC năm đã kiểm tốn của 50 cơng ty niêm yết trên 2 sàn HOSE và HNX trong 3 năm 2012 – 2014 được công bố trên trang web chuyên về đầu tư chứng khoán www.cafef.vn. Website này phân loại các công ty phi tài chính thành 10 ngành nghề khác nhau, bao gồm: nông nghiệp, hàng tiêu dùng, năng lượng, y tế, công nghiệp, nguyên vật liệu, bất động sản và xây dựng, dịch vụ, công nghệ, viễn
thông. Dựa trên tỷ lệ số lượng công ty của mỗi ngành nghề trong tổng số 702 cơng ty phi tài chính đang niêm yết, tác giả lựa chọn số lượng công ty vào mẫu cho mỗi ngành tương ứng với tỷ lệ mỗi ngành trong tổng thể, do đó mẫu được lựa chọn mang tính đại diện cao và bao quát tất cả các lĩnh vực kinh tế khác nhau. Tóm lại, các cơng ty được lựa chọn vào mẫu phải thỏa mãn những điều kiện sau:
+ Là các cơng ty phi tài chính có đầy đủ BCTC quý 4 chưa kiểm toán và BCTC đã kiểm toán mà có sự chênh lệch số liệu trong hai năm 2013, 2014.
+ Có các dữ liệu cần thiết của năm 2012 để tính chỉ số F-score.
+ Tỷ lệ công ty theo ngành nghề trong mẫu tương ứng với tỷ lệ công ty theo ngành nghề trong tổng thể.
3.2. Mơ hình nghiên cứu:
Từ kết quả của các nghiên cứu trước đây cho thấy, những dữ liệu cơng khai có sẵn trên BCTC có thể được sử dụng trong việc phát hiện gian lận BCTC. Do đó tác giả đưa ra các giả thuyết nghiên cứu với các biến được lựa chọn như sau:
3.2.1. Lựa chọn và đo lƣờng biến nghiên cứu: 3.2.1.1. Biến phụ thuộc:
Mơ hình hồi quy Binary Logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta thu thập được (Trọng & Ngọc, 2008). Trong nghiên cứu này, biến phụ thuộc là FRAUD, thể hiện khả năng xảy ra gian lận BCTC. FRAUD có hai biểu hiện: gian lận và khơng gian lận, được mã hóa thành hai giá trị 1 (gian lận) và 0 (không gian lận). Để xác định khả năng gian lận BCTC, tác giả sử dụng chỉ số F-score theo mơ hình 1 được phát triển bởi Dechow & cộng sự (2011) với dữ liệu có sẵn để tính tốn F-score được thu thập trên BCTC của các công ty niêm yết. Nếu giá trị của chỉ số F- score tại năm t lớn hơn hoặc bằng 1.00 (đây là ngưỡng có rủi ro gian lận) thì FRAUD được mã hóa là 1, ngược lại được mã hóa là 0.
Giá trị F-score cho mỗi năm quan sát của các cơng ty trong mẫu nghiên cứu được tính tốn căn cứ vào BCTC trước kiểm toán như sau:
VALUE = –7.893 + 0.790*RSST + 2.518*ΔREC + 1.191*ΔINV +
1.979*%SOFTASSETS + 0.171*ΔCASHSALES – 0.932*ΔROA + 1.029*ISSUE
Trong đó, cơng thức tính các biến số của mơ hình này dựa vào nghiên cứu của Dechow & cộng sự (2011) và có sự thay đổi tương ứng cho phù hợp với các khoản mục trên BCTC theo quy định tại Việt Nam, thể hiện ở bảng 3.1 dưới đây:
Bảng 3.1. Định nghĩa và phƣơng pháp tính các biến của F-score
Mã biến Tên biến Cơng thức tính
RSST Các khoản dồn tích RSST (Richardson & cộng sự, 2005)
(ΔWC + ΔNCO + ΔFIN) / Tổng tài sản bình quân; với
WC = [Tài sản ngắn hạn – Tiền mặt và Các khoản đầu tư tài chính ngắn hạn] – [Nợ ngắn hạn – Vay và nợ ngắn hạn];
NCO = [Tổng tài sản – Tài sản ngắn hạn – Bất động sản đầu tư – Các khoản đầu tư tài chính dài hạn và Chi phí trả trước dài hạn];
FIN = [Các khoản đầu tư tài chính ngắn hạn + Các khoản đầu tư tài chính dài hạn + Bất động sản đầu tư] – [Nợ dài hạn + Vay và nợ ngắn hạn + Cổ phiếu ưu đãi].
ΔREC Thay đổi trong các khoản phải thu
ΔCác khoản phải thu / Tổng tài sản bình quân.
Mã biến Tên biến Cơng thức tính
%SOFT ASSETS
Tỷ lệ tài sản ngắn hạn thuần trên tổng tài sản
[Tổng tài sản – TSCĐ hữu hình – Tiền và các