1 Tỷ số lãi gộp GMI
Mơ hình M- score
Beneish (1999)
GMI có mối quan hệ thuận chiều với xác suất xảy ra
sai phạm BCTC
2
Tỷ số phải thu khách hàng trên doanh thu
thuần
DSRI
Mơ hình M- score
Beneish (1999)
DSRI có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm BCTC
3 Tỷ số chất lượng tài sản AQI
Mô hình M- score
Beneish (1999)
AQI có mối quan hệ thuận chiều với xác suất xảy ra
sai phạm BCTC
4 Tỷ số tăng trưởng doanh
thu bán hàng SGI
Mơ hình M- score
Beneish (1999)
SGI có mối quan hệ thuận chiều với xác suất xảy ra
5 Tỷ số khấu hao TSCĐ
hữu hình DEPI
Mơ hình M-score Beneish (1999)
DEPI có mố i quan hệ thuận chiều với xác suất
xảy ra sai phạm BCTC
6 Tỷ số chi phí bán hàng
và quản lý doanh nghiệp SGAI
Mơ hình M-score Beneish (1999)
SGAI có mối quan hệ ngược chiều với xác suất
xảy ra sai phạm BCTC
7 Tỷ số biến dồn tích kế
tốn so với TTS TATA
Mơ hình M-score Beneish (1999)
TATA có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm BCTC
8 Địn bẩy tài chính LVGI Mơ hình M-score Beneish (1999)
LVGI có mối quan hệ ngược chiều với xác suất
xảy ra sai phạm BCTC
9 Biến kế tốn có thể điều
chỉnh DA Mơ hình dồn tích có điều chỉnh của DeAngelo (1986), Friedlan (1994) và Healy (1985)
2 tác giả kết luận kế tốn có thể điều chỉnh (DA) chính là phần lợi nhuận do các nhà quản trị điều chỉnh. Nói cách khác thì DA khác 0 đồng nghĩa với có khả năng sai phạm BCTC. 10 Biến kế tốn khơng thể điều chỉnh NDA Mơ hình dồn tích của Healy (1985) và Jones (1991)
NDA thay đổi qua các năm đồng nghĩa có nghi
11 Chi phí tài chính FEI
M-score của Burcu và Guray
(2005)
FEI có mối quan hệ thuận chiều với xác suất xảy ra
sai phạm BCTC
12 Chỉ số hàng tồn kho DINV
M-score của Burcu and Guray
(2005)
DINV có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm BCTC
13 Sự thay đổi khoản phải
thu khách hàng RECV
Mơ hình F-score của Dechow và
các cộng sự (2011)
RECV có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm BCTC
14 Thay đổi hàng tồn kho INV
Mơ hình F-score của Dechow và
các cộng sự (2011)
INV có mối quan hệ thuận chiều với xác suất xảy ra
sai phạm BCTC 15 Tài sản ngắn hạn SOFT ASSET Mơ hình F-score của Dechow và các cộng sự (2011)
Softassets có mối quan hệ thuận chiều với xác suất
xảy ra sai phạm BCTC
16 Sự thay đổi tiền trong
doanh thu CS
Mơ hình F-score của Dechow và
các cộng sự (2011)
CS có mối quan hệ thuận chiều với xác suất xảy ra
17 Tỷ lệ nợ xấu NPL
NPL có mối quan hệ thuận chiều với xác suất xảy ra
gian lận BCTC
18 Quy mô doanh nghiệp SIZE Rhee và các cộng sự (2013)
Xu hướng thao túng thu nhập phụ thuộc vào quy mô công ty, tuy nhiên nghiên cứu chưa đưa ra được mơ hình định lượng
CHƯƠNG 2: XÂY DỰNG PHƯƠNG PHÁP NGHIÊN CỨU VÀ ĐO LƯỜNG MƠ HÌNH NHẬN DIỆN GIAN LẬN TRONG BCTC CỦA CÁC NHTM VIỆT
NAM NIÊM YẾT TRÊN SÀN CHỨNG KHOÁN 2.1. Khái quát về phương pháp xây dựng bộ chỉ số
2.1.1. Lựa chọn mẫu ngân hàng
Đề tài có 2 mục tiêu chính trong việc phân tích định lượng là xây dựng mơ hình nhận diện độ gian lận trong BCTC của các NHTM Việt Nam (i) và tìm mức giá trị phân loại các ngân hàng có dấu hiệu thao túng BCTC (ii).
Để thực hiện mục tiêu này, em đã sử dụng mẫu dữ liệu gồm 25 NHTM Việt Nam được niêm yết trên 3 sàn chứng khoán (HOSE, HNX, UPCOM) trong khoảng thời gian từ 2011 đến 2020. Số liệu được tổng hợp từ các bản báo cáo tài chính trước kiểm tốn và sau kiểm tốn trên các website chính thức mà các ngân hàng cơng bố. Tuy nhiên, trong q trình thu thập dữ liệu, ngân hàng Vietbank (VBB) lại khơng có đủ chuỗi số liệu trong 10 năm, vì vậy sẽ chỉ có 24 NHTM niêm yết trên sàn chứng khốn được nghiên
cứu.
Trong số 24 ngân hàng được chọn trên, Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV), Ngân hàng TMCP Công thương Việt Nam (VietinBank), Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) là các NHTM có cổ phẩn sở hữu 50% của nhà nước. Các ngân hàng còn lại đều được hoạt động dưới hình thức của Ngân hàng Thương mại Cổ phần.
2.1.2. Phương pháp nghiên cứu
a. Lựa chọn các biến độc lập có mức độ tương quan với mơ hình và xây dựng mơ hình M-score với những biến thích hợp
Mơ hình được thiết lập dựa trên các nghiên cứu của Friedlan (1994) [5], M-score của Beneish (1999) [1], nghiên cứu về xu hướng thao túng thu nhập khi quy mô doanh nghiệp thay đổi của Rhee và các cộng sự (2003) [8] và nghiên cứu về mơ hình F-score
DSRI NIM SGI DEPI LVGI TATA DA SIZE NPL
của Dechow và các cộng sự (2011) [10]. Ngồi ra mơ hình cũng được thêm một số biến độc lập để phù hợp với hình thức hoạt động của các NHTM.
- Mơ hình dồn tích Friedlan (1994)
Dựa trên những thiếu xót của mơ hình được phát triển năm 1986 của DeAngelo, tác giả Friedlan đã cơng bố mơ hình được cải tiến vào năm 1994. Nếu hai giả thiết là sự thay đổi tăng trưởng và do lựa chọn kế toán của tổ chức phát triển được thỏa mãn thì lợi nhuận được điều chỉnh chính là phần biến kế tốn có thể điều chỉnh DA. DA ở đây được
kì vọng có biến động cùng chiều với khả năng xảy ra sai xót trong BCTC. - Mơ hình của Beneish M-score (1999)
Điểm M của Beneish được xây dựng dựa trên biến phụ thuộc nhận giá trị nhị phân, M-score sẽ nhận giá trị bằng 1 khi phát hiện ra hành động thao túng thu nhập của doanh nghiệp trên 10% và nhận giá trị bằng 0 khi khơng có hiện trạng gian lận trong BCTC của công ty.
Các biến độc lập được Beneish sử dụng là: SGI - Tỷ lệ tăng tưởng doanh thu, DSRI - Tỷ số ngày phải thu trên doanh thu thuần, TATA - Tỷ số biến dồn tích kế tốn trên TTS, DEPI - Tỷ số hao mịn TSCĐ hữu hình, LVGI - Tỷ số địn bẩy. Tuy nhiên biến AQI và SGAI sẽ khơng được sử dụng do tính chất kinh doanh của ngân hàng thương
mại không giống như các doanh nghiệp sản xuất. Đồng thời, biến GMI sẽ được thay đổi thành biến NIM để phù hợp với tính chất nghiệp vụ của ngân hàng bởi hai biến đều có điểm tương đồng về mặt bản chất.
- Nghiên cứu của Rhee và các cộng sự (2003)
Việc thao túng BCTC của các doanh nghiệp nhỏ thường có tần suất xảy ra lớn hơn các cơng ty có quy mơ lớn vì vậy biến SIZE được dự đốn có tác động ngược chiều với việc xảy ra gian lận.
Tỷ lệ nợ xấu được kỳ vọng có biến động cùng chiều với việc thao túng BCTC của
các NHTM. Bởi khi tỷ lệ nợ xấu càng lớn, các ngân hàng thường có hành vi thao túng vào BCTC.
Mơ hình logistic nhận diện gian lận BCTC của các NHTM Việt Nam được dự kiến có dạng như sau:
M = β0 + βi (DSRI) + β2 (NIM) + β3 (SGI) + β4 (DEPI) + β5 (LVGI) + β6 (TATA)+ ^7(DA) + β8 (SIZE) + β9 (NPL) + ε (1) Bảng 2. Kì vọng dấu của các biến độc lập
Kì vọng
dấu
Xác suất dự báo Phân loại giá trị M-score 1% -2.326347874 5% -1.644853627 10% -1.281551566 15% -1.036433389 20% -0.841621234 25% -0.67448975 30% -0.524400513 35% -0.385320466 40% -0.253347103 Nguồn: Tác giả tự tổng hợp b. Tìm mức giá trị thích hợp để phân loại các ngân hàng có dấu hiệu thao túng báo
cáo tài chính
Tiếp theo, ta sẽ ước lượng giá trị để phân loại nhóm có và khơng có gian lận thơng
qua kết quả BCTC sau kiểm tốn. Những NHTM có điểm M-score thuộc ngưỡng giá trị này được xem là có hành vi gian lận. Đồng thời, việc kiểm định độ chính xác của mơ hình sẽ được ứng dụng vào số liệu của năm 2016.
Trong nghiên cứu của Beneish, tác giả đã đưa ra miền phân phối bên trái từ 1- 2.5% của phân phối chuẩn Mi tương ứng với khả năng gian lận tài chính cao, tương ứng với tỷ lệ là giá trị phân loại -1.96 cho -2.32. Từ đó, các giá trị phân loại M-score tương ứng với xác suất 1%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40% miền phân phối bên trái hàm Normsinv trong phần mềm excel được tính như sau:
Có gian lận Khơng có gian lận Dự báo Có gian lận Dự báo đúng có gian lận
(1)
Dự báo sai có gian lận (Sai lầm loại 1) (2)
Khơng có gian lận
Dự báo sai khơng có gian lận (Sai lầm loại 2) (3)
Dự báo đúng khơng sai phạm (4)
Độ chính xác của dự báo 1/(1+3) 4/(2+4)
Tổng độ chính xác (1+4)/tổng số quan sát
Nguồn: Kết quả nghiên cứu
Với Mi > giá trị phân loại của M-score được tính theo các xác suất nêu trên, doanh
nghiệp thứ i được đánh dấu là có khả năng gian lận. Ket quả mơ hình sẽ được so sánh với kết quả sau kiểm tốn là:
- Kết quả mơ hình có gian lận, số liệu sau kiểm tốn có chênh lệch => Dự báo chính xác.
- Kết quả mơ hình có gian lận, số liệu sau kiểm tốn khơng có chênh lệch => Dự báo khơng chính xác.
- Kết quả mơ hình khơng có gian lận, số liệu sau kiểm tốn khơng có chênh lệch => Dự báo chính xác.
- Kết quả mơ hình khơng có gian lận, số liệu sau kiểm tốn có chênh lệch => Dự báo khơng chính xác.
Bảng 4. Phân loại sai lầm loại 1 và 2
Nguồn: Giáo trình lý thuyết xác suất thống kê - ĐH KTQD
Sau khi xem xét độ chính xác của mơ hình tại các mức giá trị, em tiên hành liệt kê và chọn mức có tính chính xác lớn nhất, và là kêt quả cuối cùng của mơ hình. Qua đó,
em sẽ xác định tính chính xác của mơ hình với dữ liệu năm 2016 bằng cách kiêm tra nêu
trên.
2.2. Xây dựng bộ chỉ số thành phần
Dựa vào các nghiên cứu trong nước và quốc tê, mơ hình nhận diện gian lận trong BCTC của các NHTM Việt Nam được thiêt lập dựa trên nền tảng của mơ hình M -
2.2.1. Biến phụ thuộc
Mơ hình được dùng để nhận diện gian lận BCTC của các NHTM Việt Nam là mơ
hình logistic, với biến phụ thuộc xác định bởi giá trị nhị phân (khơng có gian lận hoặc có gian lận), trong khi các biến độc lập là biến định lượng.
Biến phụ thuộc:
0 - Khơng có sai phạm trong BCTC M-score:
1 - Có sai phạm trong BCTC
Biến phụ thuộc được áp dụng dựa vào công thức kiểm định sự chênh lệch LNST của các BCTC của các NHTM Việt Nam trước và sau kiểm toán với giả định kết quả sau
kiểm toán là kết quả đo lường chuẩn về hiệu quả hoạt động của các ngân hàng. Chênh lệch của ngân hàng trước và sau kiểm toán sẽ nhận giá trị là 1 nếu trên 5% và ngược lại.
Chênh lệch lợi nhuận = L iợ nhu nậ trướL i nhu n sau ki m toánc ki mể toán-L iợ nhu nậ trước ki mể tốn
ợ ậ ể
2.2.2. Biến độc lập
Mơ hình được áp dụng dựa trên mơ hình gốc M - score ban đầu của Beneish (1999) [1]. Tuy nhiên, các báo cáo kiểm tốn của Việt Nam hiện nay vẫn có tình trạng phải điều chỉnh lại, nên biến kế tốn dồn tích có thể điều chỉnh (DA) của Fredlan (1994)
sẽ được đưa vào để đánh giá tác động đến việc nhận diện trong mơ hình. Ngồi ra tỷ số quy mơ doanh nghiệp (SIZE) của tác giả Rhee và các cộng sự nghiên cứu vào năm 2003
cũng sẽ được đưa vào mơ hình để đánh giá việc tác động từ quy mô của ngân hàng đến việc thao túng BCTC.
Bên cạnh đó, mơ hình cũng được thêm vào biến NPL (tỷ lệ nợ xấu) của các ngân hàng để xem xét xây dựng mơ hình. Như đã đề cập trong phần cơ sở lý thuyết về gian
STT Biến phụ thuộc Nghiên cứu
1 DSRI Mơ hình M-score Beneish (1999)
2 NIM
3 SGI Mơ hình M-score Beneish (1999)
4 DEPI Mơ hình M-score Beneish (1999)
5 LVGI Mơ hình M-score Beneish (1999)
6 TATA Mơ hình M-score Beneish (1999)
7 DA Mơ hình dồn tích có điều chỉnh của DeAngelo (1986), Friedlan (1994) và Healy (1985)
8 NPL
xấu thơng qua nhiều hình thức thao túng lên các chỉ tiêu của BCTC. Tỷ lệ nợ xấu của các NHTM là một trong những chỉ tiêu đặc biệt để đánh giá tình hình tồn đọng nợ xấu trong năm tài chính, từ đó sẽ có thể đánh giá được hiệu quả tín dụng của các ngân hàng, đồng thời quan sát biến động tỷ lệ nợ xấu hàng năm của các ngân hàng cũng có thể phán
đốn được uy tín và độ chính xác của các thơng tin mà ngân hàng đang cơng bố trên BCTC hàng năm.
Ngồi ra, biến GMI (chỉ số biên lợi nhuận) sẽ được điều chỉnh thành biến NIM (tỷ lệ thu nhập lãi thuần) để có sự phù hợp hơn với hình thức hoạt động của các ngân hàng. Biến GMI trong mơ hình gốc của Beneish có cơng thức gốc tính tốn phù hợp ho hình thức các doanh nghiệp đang sản xuất, trong khi biến NIM sẽ thể hiện được phần trăm các khoản thu nhập về lãi suất và các chi phí lãi mà ngân hàng phải trả trong quá trình hoạt động của mình. Về mặt bản chất, hệ số NIM cũng tương tự như tỷ suất lợi nhuận gộp của các doanh nghiệp sản xuất.
Doanh thu t Doanh thut-1
Nguồn: Tác giả tự tổng hợp • Tỷ số phải thu trên doanh thu thuần (Days Sales in Receivables index)
DSRI = Các kho n ph i thu Các kho n ph i thuả ả t: Doanh thut
ả ả t-1: Doanh thu t-1
Tỷ số DSRI dùng để quan sát chênh lệch các khoản phải thu trên doanh thu của năm t: chưa kiểm toán và năm t-1: đã kiểm tốn. Neu khơng có sự khác biệt về chính sách tín dụng thương mại, tỷ số này sẽ tăng/giảm dưới dạng tuyến tính. Việc tăng lên của chỉ số khơng chỉ dựa trên kế tốn ghi nhận bán hàng ủy thác mà còn phụ thuộc vào việc phát sinh các tài khoản vãng lai của các công ty liên doanh, liên kết. Sự tăng trưởng
đột biến của tỷ số DSRI hoặc là doanh nghiệp đã thay đổi chính sách tín dụng thương mại, hoặc là dấu hiệu bất thường của việc thao túng lên BCTC.
• Biên độ lãi rịng (Net interest margin)
Thu nh p lãi thuanậ t-1
NIM index = “ “ ɪ" “° ----------------------
Tài s n sinh ra lãi ả t-1
Thu nh pậ lãi thu nầ t Tài s n sinh ra lãi ả t
Biên độ lãi ròng dùng để biểu thị chênh lệch về tỷ lệ của các thu nhập lãi suất và các chi phí lãi vay mà các NHTM phải trả trong quá trình kinh doanh. Việc sử dụng NIM
sẽ thực hiện được việc đo lường về lợi nhuận của một ngân hàng tạo ra cho những hoạt động mà ngân hàng đó đang đầu tư theo tỷ lệ phần trăm trên số tài sản đầu tư đó. Việc tính tỷ lệ giữa thời điểm trước và sau kiểm toán của năm t và t-1 có thể nhận diện được việc doanh nghiệp có thao túng vào BCTC hay khơng. Nếu tỷ số NIM index < 1 thì có nghĩa là lợi nhuận biên đang giảm, và đây có thể hiểu rằng là sự giảm sút trong hoạt động
kinh doanh của ngân hàng. Khi đó ngân hàng sẽ có nhiều khả năng thao túng vào BCTC
N ph i trợ ả ảt : T ng tài s nổ ả t
N ph i trợ ả ảt-1 : T ng tài s nổ ả t-1
Việc tăng trưởng doanh thu một cách đột biến trong một doanh nghiệp có thể là một trong những dấu hiệu gian lận khi doanh nghiệp đang muốn tác động vào doanh thu,
nhằm tạo ra kết quả tốt để thu hút các nhà đầu tư rót vốn. Bên cạnh đó, nếu doanh thu giảm một cách bất thường, chủ thể kinh doanh có thể đang đối mặt với việc giảm giá cổ