CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ GIAN LẬN TRONG BÁO CÁO TÀI CHÍNH CỦA CÁC NGÂN HÀNG THƯƠNG MẠI
1.3. Các nhân tố giúp phát hiện gian lận trong báo cáo tài chính
1.3.1. Các công trình nghiên cứu nhận diện gian lận
1.3.1.1. Các công trình nghiên cứu quốc tế.
a. Nghiên cứu áp dụng mô hình dồn tích có điều chỉnh
Mô hình DeAngelo (1986)
DeAngelo (1986) [4] giả định rằng các biến kế toán không điều chỉnh (NDA) tại thời điểm t là ngẫu nhiên và bằng số biến kế toán dồn tích (TA) của thời điểm t-1, từ đó, tác giả cho rằng sự sai lệch về lợi nhuận là nguyên nhân gây ra sự thay đổi số biến kế toán dồn tích giữa hai thời kỳ.
Biến kế toán có thể
điều chỉnh (DAt) = Biến kế toán dồn tích t
(TAt) - Biến kế toán dồn tích t−1 (TAt−1)
Biến kế toán dồn tích (TA)
= Lợi nhuận sau thuế - Dòng tiền thuần từ hoạt động kinh doanh
Theo DeAngelo, sự thay đổi số biến kế toán dồn tích hay phần kế toán có thể điều chỉnh (DA) là phần lợi nhuận bị điều chỉnh, tức là khi (DA) khác 0 thì có hiện tượng gian lận. Tuy nhiên, nghiên cứu này chỉ đúng khi biến kế toán không thể điều chỉnh (NDA) của năm t ngẫu nhiên và bằng số biến kế toán dồn tích (TA) năm t-1. Đối với công ty đang tăng trưởng, biến kế toán không thể điều chỉnh sẽ liên tục thay đổi, việc áp dụng mô hình này chưa thực sự hợp lí.
Mô hình Friedlan (1994)
Được ra đời năm 1994, mô hình Friedlan được sử dụng để khắc phục nhược điểm của mô hình DeAngelo (1986). Friedlan đã đưa ra giải thiết rằng sự thay đổi trong tổng số trích trước giữa hai kì kế toán bị tác động bởi: (1) do tăng trưởng, (2) do lựa chọn kế toán của tổ chức.
Biến kế toán có
thể điều chỉnh = Biến kế toán dồn tích t
Doanh thut - Biến kế toán dồn tích t−1 Doanh thut−1
Theo nghiên cứu này, lợi nhuận điều chỉnh cũng chính là phần biến kế toán có thể điều chỉnh.
Nghiên cứu của Healy (1985)
Bên cạnh đó, Healy (1985) [6] cũng nghiên cứu dựa trên cơ sở về lý thuyết dồn tích. Tuy nhiên, ông cho rằng, tổng biến kế toán không thể điều chỉnh là trung bình tổng biến kế toán dồn tích của các năm trước
NDAit =
∑ TAit
Ait−1 t
n
DAit = TAit
Ait−1 – NDAit
Trong đó:
n là số năm của kỳ tính toán
t là năm nghiên cứu về hành vi gian lận lợi nhuận i là công ty thứ i trong nghiên cứu
Nghiên cứu cho rằng, DA = 0 và TA = NDA đồng thời NDA không đổi từ năm này qua năm khác khi nhà quản trị không có hành động điều chỉnh lợi nhuận. Ngược lại sẽ nghi ngờ BCTC.
Nghiên cứu của Jones (1991)
Vào năm 1991 Jones [9] đã mở rộng thêm những yếu tố ảnh hưởng biến NDA gồm doanh thu và độ lớn của TSCĐ.
NDAit
Ait−1 = α1 1
Ait−1 + α2REVit
Ait−1 + α3PPEit Ait−1
Trong đó:
REV: Doanh thu thuần trong kỳ t – Doanh thu thuần trong ky t-1
PPE: Tổng giá trị tài sản cố định = tài sản cố định hữu hình + tài sản cho thuê tài chính + bất động sản + chi phí xây dựng dở dang cuối kỳ t.
TA: Tổng tài sản cuối kì
t: Kỳ nghiên cứu hành vi điều chỉnh lợi nhuận i: công ty nghiên cứu
α1,α2,α3 : Tham số mô hình trên được ước lượng theo phương pháp OLS từ mô hình:
TAit
Ait−1 = α1 1
Ait−1 + α2REVit
Ait−1 + α3PPEit
Ait−1 + ε
b. Mô hình M – Score
Mô hình M - Score của Beneish (1999)
Mô hình M-score [1] của Beneish là tiền đề nghiên cứu cho việc nhận biết gian lận trong báo cáo tài chính của các công ty. Theo mô hình Beneish (1999) được giáo sư Messod Daniel Beneish công bố gồm có 8 tỷ số tài chính được chọn lọc bằng phương pháp PCA: Chỉ số phải thu khách hàng trên doanh thu thuần (DSRI), Chỉ số tỷ lệ lãi gộp (GMI), Chỉ số chất lượng tài sản (AQI), Chỉ số tăng trưởng doanh thu bán hàng (SGI), Chỉ số tỷ lệ khấu hao TSCĐ hữu hình (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số đòn bẩy tài chính (LVGI). Trong đó:
DSRI = Khoản phải thu t
Doanh thu thuần t : Khoản phải thu t−1 Doanh thu thuần t−1
GMI = Tỷ lệ lãi gộp t−1
Tỷ lệ lãi gộp t = Lợi nhuận gộp t−1
Doanh thu t−1 : Lợi nhuận gộp t Doanh thu t
AQI = [1−(CAt + PPEt)]∶ TAt [1−(CAt−1+PPEt−1]∶ TAt−1
PPE: Giá trị còn lại của tài sản dài hạn hữu hình (gồm TSCĐ hữu hình, TSCĐ thuê tài chính, giá trị xây dựng cơ bản dở dang, bất động sản đầu tư) và quyền sử dụng đất CA: Tài sản ngắn hạn
TA: Tổng tài sản SGI = Doanh thu t
Doanh thu t−1
DEPI = (Chi phí khấu haot−1) ∶ (PPEt−1+Chi phí khấu haot−1) (Chi phí khấu haot) ∶ (PPEt+Chi phí khấu haot) SGAI = SGAt∶ Doanh thu t
SGAt−1∶ Doanh thu t−1
SGA: Chi phí bán hàng và chi phí quản lý doanh nghiệp
TATA = Lợi nhuận trước thuết − Tiền thuần từ sản xuất kinh doanht Tổng tài sảnt
LVGI = Nợ phải trảt ∶ Tổng tài sảnt Nợ phải trảt−1 : Tổng tài sảnt−1
Từ 8 biến trên, tác giả đã xây dựng một bộ mô hình nhằm nhận diện gian lận BCTC:
M - score = -4.84 + 0.92(DSRI) + 0.528(GMI) + 0.404(AQI) + 0.892(SGI) + 0.115(DEPI) - 0.172(SGAI) + 4.679(TATA) - 0.327(LVGI)
Mô hình M-score lớn hơn -1.78 thì BCTC của công ty sẽ được đánh dấu là gian lận. Mô hình Beneish được sử dụng rộng rãi để xác định việc thao túng báo cáo tài chính của công ty. Tuy nhiên, mô hình Beneish vẫn còn hạn chế trong việc phát hiện báo cáo gian lận với những loại hình kinh doanh khác như ngân hàng, các quỹ.
Mô hình của Burcu và Guray (2005)
Dựa trên mô hình M-score, Burcu và Guray (2005) [3] đã phát triển một mô hình mới nhằm phát hiện sự sai phạm báo cáo tài chính của các công ty tại Thổ Nhĩ Kỳ.
Nghiên cứu này sử dụng BCTC của 126 công ty được niêm yết trên sàn chứng khoán.
Mô hình hồm 10 biến:
- Chỉ số đòn bẩy (LVGI) - Chỉ số hàng tồn kho (DINV) - Chỉ số chi phí tài chính (FEI) - Chỉ số kì thu tiền (DSRI) - Chỉ số lợi nhuận gộp (GMI) - Chỉ số chất lượng tài sản (AQI) - Chỉ số tăng trưởng doanh thu (SGI) - Chỉ số khấu hao (DEPI)
- Chỉ số chi phí bán hàng và quản lí doanh nghiệp (SGAI) - Chỉ số tổng tài sản và tổng kếtoán dồn tích (TATA)
So với kết quả của Ủy ban Chứng khoán Thổ Nhĩ Kỳ công bố, mô hình này dự báo đúng 81% công ty bị gian lận thu nhập và 65% công ty không bị gian lận, kết quả chung là đúng 67%.
Mô hình Tarjo và Nurul (2015)
Ở khía cạnh khác, Tarjo và Nurul (2015) đã có nghiên cứu khá mạnh dạn khi phân tích tính chính xác của mô hình M-score – Beneish (1999) trong việc phát hiện gian lận BCTC với số liệu trải dài từ 2001 – 2014 của 35 công ty được xác định là có gian lận BCTC và 35 công ty được xác định không có gian lận BCTC. Kỹ thuật khai thác được sử dụng trong nghiên cứu này là mô hình hồi quy logit . Các dữ liệu đầu vào được xử lý bằng việc kiểm tra Thành phần nguyên tắc Phân tích (PCA) cho biến của mô hình M- score. Nói cách khác, PCA được sử dụng để16 xác định các biến số M-score của Beneish (1999). Các biến của mô hình của nghiên cứu gồm: DSRI – Chỉ số bán hàng, GMI –Chỉ
DEPI – Chỉ số khấu hao, SGAI –Chỉ số chi phí bán hàng và quản lý doanh nghiệp, TATA – Chỉ số tổng tài sản và tổng kế toán dồn tích, LVGI – Chỉ số đòn bẩy tài chính, 𝜀𝑖 – Dư lượng.
Với dữ liệu của 35 công ty có gian lận BCTC và 35 công ty không có gian lận BCTC, mô hình của Tarjo và Nurul (2015) đã đưa ra được các biến số ảnh hưởng tới gian lận BCTC là Chỉ số tổng lợi nhuận, Chỉ số khấu hao, Chỉ số chi phí bán hàng và quản lý doanh nghiệp, Chỉ số tổng tài sản và tổng kế toán dồn tích. Các biến Chỉ số bán hàng, Chỉ số chất lượng tài sản, Chỉ số đòn bẩy tài chính không thể phát hiện gian lận BCTC. Độ chính xác của mô hình trong phát hiện công ty gian lận lên tới 77,1% (27 trên 35 công ty gian lận) và độ chính xác trong phát hiện công ty không gian lận là 80%
(28 trên 35 công ty không gian lận).
c. Mô hình nghiên cứu mở rộng khác
Mô hình F-score của Patrica Dechow (2011)
Mô hình F-score của Dechow được phát triển năm 2011 nhằm mục đích đánh giá rủi ro gian lận chung trên báo cáo tài chính của các doanh nghiệp. Mô hình này được đánh giá là có xác suất đánh giá gian lận cao hơn đáng kể với dữ liệu tối đa ba năm gần nhất. Mô hình của Patrica Dechow có thể đánh giá một công ty trong 3 lĩnh vực:
- Chất lượng dồn tích, hiệu quả tài chính: Ch_cashsales và Ch_Earn (i),
- Các biện pháp phi tài chính, hoạt động ngoại bảng: Rsst, Ch_Rec, Ch_Inv, SoftAssets (ii)
- Các biện pháp dựa trên thị trường: Issue (iii).
Mô hình được công bố với các chỉ số tài chính: Rsst-Acc (kế toán dồn tích), Ch_Rec (Khoản phải thu), Ch_inv (hàng tồn kho), Soft Asset (Tỷ lệ phần trăm của tài sản mềm), Chcs (thay đổi về doanh thu tiền mặt), Ch_earn (thay đổi trong lợi nhuận kiếm được), Issue (Phát hành thêm cổ phiếu).
Từ các biến trên, tác giả đã phát triển mô hình dưới dạng:
F-score = -7.893 + 0.790(Rsst_Acc) + 2.518(Ch_Rec) + 1.191(Ch_Inv) + 1.979(Soft Assets) + 0.171(Ch_Cs) + -0.932(Ch_Earn) + 1.029(Issue)
Dechow F-Score được so sánh trong 4 dải giá trị:
- Nếu DN có kết quả F-score <1: Phản ánh DN có nguy cơ trung bình trong gian lận BCTC
- Nếu DN có 1< F- score < 1.85: Phản ánh DN nguy cơ rủi ro giai lận cao hơn mức trung bình
- Nếu DN có 1.85 < F- score < 2.45: Phản ánh DN có nguy cơ có gian lận đáng kể.
- Nếu DN có F- score > 2.45: Phản ánh DN có nguy cơ gian lận BCTC cao.
Mô hình của Rasa Kanapickiene và Zivile Grundiene (2015)
Dựa trên việc muốn xác định các tỷ số tài chính có ý nghĩa trong việc xác định gian lận hay không, Rasa và Zivile đã đề xuất ra nghiên cứu nhằm xác định gian lận báo cáo tài chính thông qua các chỉ số tài chính bằng việc sử dựng mô hình hồi quy logarit.
Dựa trên mẫu nghiên cứu, mô hình đã dự đoán được chính xác đến 84.8% và đưa ra được kết luận các tỷ số tài chính hoàn toàn có thể sử dụng để phát hiện việc thao túng trong báo cáo tài chính. Hai tác giả đã phát triển mô hình dưới dạng như sau:
P(FRAUD = 1) = 1/(1+e−(5.768−4.263INVTA −0.029SALFA −4.766TLTA −1.936CACHCL ))
Trong đó:
FRAUD (gian lận trên báo cáo tài chính): FRAUD sử dụng giá trị nhị phân với 1 là có hành vi gian lận còn 0 là không có hành vi gian lận
INV/TA (Tỷ số HTK trên tổng tài sản) = Hàng tồn kho/Tổng tài sản
SAL/FA (Tỷ số doanh thu trên tài sản cố định) = Doanh thu/Tài sản cố định TL/TA (Tỷ số tổng nợ trên tổng tài sản) = Tổng nợ/Tổng tài sản
CACH/CL (Tỷ số tiền và các khoản tương đương tiền trên nợ ngắn hạn) = Tiền