Ảnh hưởng của chênh lệch số liệu trước và sau kiểm toán đến khả năng gian lận báo cáo tài chính tại các công ty niêm yết ở việt nam

Tôi xin cam đoan luận văn thạc sĩ kinh tế “Ảnh hưởng của chênh lệch số liệu trước và sau kiểm toán đến khả năng gian lận báo cáo tài chính tại các công ty niêm yết ở Việt Nam” là công tr

NGUYỄN NGỌC HUYỀN TRÂN

ẢNH HƯỞNG CỦA CHÊNH LỆCH SỐ LIỆU TRƯỚC VÀ SAU KIỂM TOÁN ĐẾN KHẢ NĂNG GIAN LẬN BÁO CÁO TÀI CHÍNH TẠI CÁC

CÔNG TY NIÊM YẾT Ở VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

TP Hồ Chí Minh – Năm 2016

NGUYỄN NGỌC HUYỀN TRÂN

ẢNH HƯỞNG CỦA CHÊNH LỆCH SỐ LIỆU TRƯỚC VÀ SAU KIỂM TOÁN ĐẾN KHẢ NĂNG GIAN LẬN BÁO CÁO TÀI CHÍNH TẠI CÁC

CÔNG TY NIÊM YẾT Ở VIỆT NAM

Tôi xin cam đoan luận văn thạc sĩ kinh tế “Ảnh hưởng của chênh lệch số liệu trước và sau kiểm toán đến khả năng gian lận báo cáo tài chính tại các công ty niêm yết ở Việt Nam” là công trình nghiên cứu khoa học của riêng tôi,

dưới sự hướng dẫn của TS Nguyễn Đình Hùng

Các kết quả nghiên cứu trong luận văn là trung thực và chưa từng được công

bố trong bất kỳ công trình nghiên cứu nào khác

Tp Hồ Chí Minh, tháng 10 năm 2015

Tác giả

Nguyễn Ngọc Huyền Trân

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC CHỮ VIẾT TẮT

DANH MỤC CÁC BẢNG BIỂU, SƠ ĐỒ

DANH MỤC CÁC PHỤ LỤC

CHƯƠNG 1: GIỚI THIỆU 1

1.1 Sự cần thiết của đề tài 1

1.2 Mục tiêu nghiên cứu 2

1.3 Đối tượng và phạm vi nghiên cứu 3

1.4 Phương pháp nghiên cứu 3

1.5 Những đóng góp mới của đề tài 3

1.6 Kết cấu của đề tài 4

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 5

2.1 Tổng quan về gian lận và sai sót 5

2.1.1 Định nghĩa gian lận 5

2.1.2 Định nghĩa gian lận báo cáo tài chính 6

2.1.3 Sai sót và sai sót trọng yếu 7

2.1.4 Các hình thức gian lận báo cáo tài chính 8

2.1.5 Phương pháp phát hiện và dự báo gian lận BCTC 11

2.2 Tổng quan các nghiên cứu trước 13

2.2.1 Nghiên cứu về các sai sót trọng yếu trên BCTC (chênh lệch số liệu trước và sau kiểm toán) 13

2.2.2 Nghiên cứu về các mô hình hỗ trợ dự báo, phát hiện gian lận BCTC 14

2.3 Mô hình chỉ số F-score của Dechow và cộng sự 18

2.3.1 Lịch sử phát triển chỉ số F-score 18

2.3.2 Công thức tính 20

2.3.3 Các nghiên cứu trước đây sử dụng chỉ số F-score 23

2.4 Xác định vấn đề nghiên cứu 25

Tóm tắt chương 2 26

CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU 27

3.1 Mô tả tổng thể, mẫu nghiên cứu 27

3.1.1 Mô tả tổng thể 27

3.1.2 Mẫu nghiên cứu 28

3.2 Mô hình nghiên cứu 29

3.2.1 Lựa chọn và đo lường biến nghiên cứu 29

3.2.1.1 Biến phụ thuộc 29

3.2.1.2 Biến độc lập 32

3.2.2 Mô hình nghiên cứu 37

3.3 Quy trình thu thập và xử lý số liệu 41

Tóm tắt chương 3 43

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN 44

4.1 Phân tích thống kê mô tả 44

4.1.1 Đặc điểm của mẫu khảo sát 44

4.1.2 Thống kê mô tả về chỉ số F-score 46

4.1.3 Thống kê mô tả các biến trong mô hình nghiên cứu tổng quát 47

4.2 Kiểm định sự tương quan giữa các biến độc lập và biến phụ thuộc 52

4.3 Kiểm định Mann-Whitney về sự bằng nhau của trung bình 2 mẫu độc lập gian lận và không gian lận 54

4.4 Mô hình hồi quy Binary Logistic 57

Tóm tắt chương 4 66

CHƯƠNG 5: KẾT LUẬN VÀ CÁC ĐỀ XUẤT KIẾN NGHỊ 68

5.1 Kết luận 68

5.2 Ứng dụng khả năng dự báo của mô hình 70

5.3 Kiến nghị về các giải pháp hạn chế sai sót, gian lận trên BCTC 72

5.4 Hạn chế của đề tài và hướng nghiên cứu trong tương lai 77

Tóm tắt chương 5 78

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Từ viết tắt Giải thích Từ gốc tiếng Anh (nếu có)

Ủy ban thuộc Hội đồng quốc gia Hoa

Kỳ về chống gian lận trên BCTC

Sở giao dịch chứng khoán Hà Nội

Sở giao dịch chứng khoán Tp.HCM Chuẩn mực kiểm toán quốc tế Kiểm toán viên

Tuyên bố về tiêu chuẩn kiểm toán

Sở giao dịch chứng khoán Hoa Kỳ Chương trình thống kê cho các ngành khoa học

Thuế thu nhập doanh nghiệp Tài sản cố định

Accounting Auditing Enforcement Releases

Association of Certified Fraud Examiners

Committee of Sponsoring Organization

of the Treadway Commission

International Standards on Auditing

Statements on Audit Standards Securities and Exchange Commission Statistical Package for The Social Sciences

Sơ đồ 2.1 Các hình thức gian lận trên BCTC 9

Bảng 2.1 Các kỹ thuật gian lận BCTC phổ biến 10

Bảng 2.2 Phân loại các mức độ rủi ro gian lận BCTC 23

Bảng 3.1 Định nghĩa và phương pháp tính các biến của F-score 30

Bảng 3.2 Tổng hợp các biến độc lập trong mô hình 37

Bảng 4.1 Quy mô doanh nghiệp theo Tổng Tài sản trung bình/năm 44

Bảng 4.2 Thống kê mẫu theo ngành công nghiệp 45

Bảng 4.3 Thống kê mô tả khả năng gian lận BCTC của các công ty niêm yết 46

Bảng 4.4 Thống kê mô tả các biến 48

Bảng 4.5 Trích kết quả tương quan giữa các biến 52

Bảng 4.6 Kết quả kiểm định Mann-Whitney 54

Bảng 4.7 Số liệu thống kê của kiểm định Mann-Whitney (Test Statisticsa ) 56

Bảng 4.8 Kết quả kiểm định Wald 58

Bảng 4.9 Kết quả kiểm định Wald của mô hình 3 60

Bảng 4.10 Omnibus Tests of Model Coefficients 61

Bảng 4.11 Model Summary 61

Bảng 4.12 Mức độ dự báo chính xác của mô hình 62

Bảng 4.13 Trích kết quả kiểm định hệ số hồi quy 64

Bảng 4.14 Tổng hợp các biến có ý nghĩa thống kê 65

Hình 5.1 Mô hình các biến ảnh hưởng đến khả năng xảy ra gian lận BCTC 69

Bảng 5.1 Thứ tự tác động của các biến độc lập đến biến phụ thuộc 70

Phụ lục 1: Danh sách 50 công ty niêm yết trong mẫu

Phụ lục 2: Kết quả thống kê mô tả chỉ số F-score

Phụ lục 3: Kết quả thống kê mô tả các biến

Phụ lục 4: Ma trận hệ số tương quan Spearman

Phụ lục 5: Kết quả hồi quy Binary Logistic

Phụ lục 6: Dữ liệu của 2 công ty có mã chứng khoán ALT, VHC năm 2014

CHƯƠNG 1: GIỚI THIỆU

1.1 Sự cần thiết của đề tài:

Báo cáo tài chính (BCTC) là một nguồn cung cấp thông tin quan trọng và không thể thiếu nhằm kết nối doanh nghiệp với nhà đầu tư, các cơ quan quản lý và các bên liên quan khác trong nền kinh tế Trên thị trường chứng khoán, thông tin càng hữu ích sẽ càng làm gia tăng niềm tin của công chúng và đó là cơ sở để họ đưa

ra các quyết định kinh tế đúng đắn Tuy nhiên, trong những năm gần đây, thị trường chứng khoán trên thế giới và Việt Nam đã chứng kiến hàng loạt các công ty niêm yết công bố BCTC với số liệu chênh lệch trước và sau kiểm toán Chênh lệch xảy ra

có thể do nhầm lẫn, nhưng nặng nề hơn đó là do những doanh nghiệp này đã thực hiện các hành động gian lận, điều chỉnh BCTC nhằm đem lại lợi ích cho họ

Thực tế đã xảy ra rất nhiều trường hợp các công ty niêm yết liên quan đến các vụ bê bối tài chính kèm theo bị phá sản Các trường hợp điển hình tại các nước phát triển như vụ của Tập đoàn Năng lượng Enron, Tập đoàn Viễn thông Worldcom, Tập đoàn bán lẻ lớn thứ hai nước Mỹ Kmart, Ngân hàng hàng đầu thế giới Deutsche Bank,… Tại Việt Nam, khi thị trường chứng khoán đã hình thành và phát triển mạnh thì các vụ bê bối tài chính liên quan đến chênh lệch số liệu trước và sau kiểm toán như sự kiện của Công ty Cổ phần Bông Bạch Tuyết, Công ty Cổ phần Đại lý Liên hiệp Vận chuyển, Tổng Công ty Cổ phần Xuất nhập khẩu và xây dựng Việt Nam, Công ty Cổ phần Dược Viễn Đông,… cũng đã khiến rất nhiều nhà đầu tư phải gánh chịu những tổn thất nặng nề về kinh tế

Trước tình hình đó, để khôi phục và nâng cao niềm tin của công chúng đối với thị trường chứng khoán từ đó giúp thị trường chứng khoán phát triển lành mạnh, vấn đề hạn chế gian lận, nhầm lẫn trên BCTC của các công ty niêm yết phải được đặt lên hàng đầu Việc nghiên cứu về mối quan hệ giữa công cụ dự báo khả năng

gian lận BCTC (mô hình F-score), với chênh lệch số liệu trước và sau kiểm toán sẽ giúp kiểm toán viên, các cơ quan quản lý và hơn nữa là các nhà đầu tư, bên thứ ba

có thể dự đoán được về khả năng có gian lận BCTC xảy ra hay không, nếu có thì xảy ra ở khoản mục nào, từ đó giúp những người sử dụng BCTC có những quyết định đúng đắn nhất

Vì lý do trên, đề tài “Ảnh hưởng của chênh lệch số liệu trước và sau kiểm toán đến khả năng gian lận báo cáo tài chính thông qua chỉ số F-score tại các công ty niêm yết ở Việt Nam” được tác giả lựa chọn nhằm góp phần làm sáng tỏ

vấn đề đang được quan tâm, giúp kiểm toán viên và những người sử dụng thông tin trên BCTC có những giải pháp phù hợp để dự đoán khả năng gian lận BCTC của các công ty niêm yết

1.2 Mục tiêu nghiên cứu:

Nghiên cứu này nhằm mục tiêu xác định mối quan hệ giữa các chênh lệch số liệu trước và sau kiểm toán với rủi ro gian lận BCTC của các công ty niêm yết tại Việt Nam, từ đó thiết lập một mô hình dự đoán rủi ro gian lận BCTC Trên cơ sở

đó, tác giả đưa ra các giải pháp, kiến nghị nhằm nâng cao chất lượng thông tin tài chính trên thị trường chứng khoán và cũng nhằm nâng cao chất lượng hoạt động kiểm toán độc lập tại Việt Nam Các mục tiêu cụ thể như sau:

- Phân tích, đánh giá mức độ tương quan của chỉ số F-score với chênh lệch số liệu trước và sau kiểm toán thông qua các dữ liệu thu thập từ BCTC

- Xây dựng mô hình dự báo nhằm phát hiện gian lận BCTC tại các công ty niêm yết ở Việt Nam

- Trên cơ sở dự báo và phát hiện gian lận, nghiên cứu cũng đề ra một số kiến nghị giúp nâng cao tính trung thực và minh bạch của thông tin trên BCTC, đồng thời góp phần nâng cao chất lượng của hoạt động kiểm toán độc lập tại Việt Nam

Để cụ thể hóa các mục tiêu nghiên cứu, các câu hỏi nghiên cứu được đặt ra như sau:

Câu hỏi 1: Chênh lệch số liệu trước và sau kiểm toán của khoản mục nào trên BCTC có mối quan hệ có ý nghĩa thống kê với khả năng gian lận BCTC?

Câu hỏi 2: Mức độ tác động của các chênh lệch số liệu trước và sau kiểm toán đến khả năng gian lận BCTC như thế nào?

1.3 Đối tượng và phạm vi nghiên cứu:

 Đối tượng nghiên cứu: Chỉ số gian lận F-score, các chênh lệch số liệu trên

BCTC trước và sau kiểm toán của các công ty niêm yết trên thị trường chứng khoán

Việt Nam

 Phạm vi nghiên cứu:

- BCTC của 50 công ty niêm yết trên HOSE và HNX có chênh lệch số liệu trước và sau kiểm toán trong hai năm 2013 và 2014, với tổng cộng 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 Bên cạnh đó, giá trị các chỉ số F-score của 50 công ty được tính toán từ các dữ liệu trên BCTC trong giai đoạn 2012 – 2014

- Thời gian: Đề tài được thực hiện trong năm 2015, dữ liệu thu thập trong khoảng thời gian 3 năm từ 2012 – 2014

1.4 Phương pháp nghiên cứu:

Phương pháp nghiên cứu định lượng được sử dụng trong luận văn, bao gồm thống kê mô tả, phân tích tương quan, hồi quy tuyến tính nhằm định lượng và xem

x t ảnh hưởng của chênh lệch số liệu trước và sau kiểm toán đến khả năng gian lận BCTC của doanh nghiệp

1.5 Những đóng góp mới của đề tài:

 Luận văn đóng góp vào nguồn tài liệu các nghiên cứu về công cụ dự báo và phát hiện gian lận F-score vẫn còn rất ít các nghiên cứu tại Việt Nam

 Tìm hiểu mối quan hệ giữa một công cụ dự báo và phát hiện gian lận là chỉ

số F-score với chênh lệch số liệu trước và sau kiểm toán, xây dựng mô hình thể hiện mối quan hệ Từ đó, kiểm toán viên và những người sử dụng BCTC

có thể đánh giá ban đầu BCTC của các công ty niêm yết có khả năng xảy ra gian lận hay không, và nếu có gian lận thì sẽ thường gặp ở khoản mục hay chỉ tiêu nào

 Giúp các cơ quan quản lý, nhà đầu tư và người sử dụng BCTC có cái nhìn đúng về thực trạng hành vi gian lận BCTC của các công ty niêm yết thể hiện qua chênh lệch số liệu trước và sau kiểm toán BCTC trong thời gian qua

1.6 Kết cấu của đề tài:

Luận văn có kết cấu 5 chương, bao gồm:

Chương 1: Giới thiệu

Chương 2: Cơ sở lý thuyết và tổng quan các nghiên cứu trước

Chương 3: Thiết kế nghiên cứu

Chương 4: Kết quả nghiên cứu và bàn luận

Chương 5: Kết luận và các đề xuất kiến nghị

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN

độ khác nhau, do đó cũng có nhiều định nghĩa khác nhau về gian lận Hiểu một cách chung nhất, gian lận là việc thực hiện các hành vi không hợp pháp nhằm lường gạt, dối trá để thu được một lợi ích nào đó Một số định nghĩa khác về gian lận:

- Gian lận là hành vi dối trá, mánh khóe, lừa lọc người khác (Từ điển tiếng Việt, Viện Ngôn ngữ học, NXB Đà Nẵng, 2006)

- Gian lận là hành vi cố ý của một hay nhiều người trong Ban quản lý, Ban giám đốc, nhân viên hay bên thứ ba thực hiện để thu lợi một cách bất chính hoặc bất hợp pháp (Chuẩn mực kiểm toán quốc tế ISA 240 – Trách nhiệm của kiểm toán viên liên quan đến gian lận trong quá trình kiểm toán báo cáo tài chính, 2012)

- Gian lận là hành vi lạm dụng vị trí, hoặc quyền hạn làm thiệt hại đến lợi ích của người khác để trục lợi cá nhân (Văn phòng điều tra gian lận nghiêm trọng (SFO), Anh Quốc)

- Gian lận là hành động trình bày sai sự thật hoặc che giấu một thực tế nhằm

gây thiệt hại cho người khác (Bryan Garner, 2004, Từ điển Black’s Law

Dictionary 8th Ed., NXB Thomson West, Hoa Kỳ)

Tuy có nhiều định nghĩa khác nhau về gian lận nhưng các định nghĩa đều có điểm chung, cho rằng gian lận là những hành vi bất hợp pháp mà người thực hiện lừa gạt người khác để đạt được lợi ích nào đó

2.1.2 Định nghĩa gian lận báo cáo tài chính:

Cũng như định nghĩa về gian lận, định nghĩa gian lận báo cáo tài chính được tìm thấy ở rất nhiều công trình nghiên cứu hay các báo cáo của nhiều tổ chức và hiệp hội nghề nghiệp Đây là một khái niệm phổ biến với ngành nghề kế toán, kiểm toán, tài chính, ngân hàng

Theo Báo cáo của Ủy ban thuộc Hội đồng Quốc gia Hoa Kỳ về chống gian lận trên báo cáo tài chính (Treadway Commission, 1987), gian lận báo cáo tài chính được định nghĩa là hành vi cố ý hoặc thiếu thận trọng, dù là cố ý hay thiếu sót, làm sai lệch trọng yếu báo cáo tài chính Còn theo Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE – Association of Certified Fraud Examiners, 1993), gian lận báo cáo tài chính là hành động cố ý hay bỏ sót của sự kiện quan trọng, hoặc dữ liệu kế toán sai lệch và hậu quả khi xem x t với tất cả các thông tin sẵn có, sẽ làm cho người đọc thay đổi sự đánh giá hoặc quyết định của mình

Trong chuẩn mực kiểm toán quốc tế số 240 (ISA 240) cũng định nghĩa gian lận báo cáo tài chính là làm thay đổi, giả mạo các chứng từ kế toán hoặc ghi ch p sai, không trình bày hay cố ý bỏ sót các thông tin quan trọng trên BCTC; cố ý không áp dụng, không tuân thủ các nguyên tắc kế toán, chuẩn mực kế toán; giấu diếm hay bỏ sót không ghi ch p các nghiệp vụ phát sinh, ghi ch p các nghiệp vụ không xảy ra

Ngoài ra, theo Elliott and Willingham (1980), gian lận báo cáo tài chính là hành động có chủ ý của nhà quản lý làm thiệt hại cho các nhà đầu tư và các chủ nợ bởi sai sót trọng yếu trên báo cáo tài chính

Nhìn chung, các định nghĩa trên đều cho thấy gian lận báo cáo tài chính là hành vi sai trái, cố ý vi phạm của các công ty, thông qua việc sử dụng và công bố các báo cáo tài chính sai lệch, nhằm đánh lừa, gây nhầm lẫn và làm tổn hại đến những người sử dụng thông tin trên các báo cáo này, đặc biệt là nhà đầu tư và chủ

nợ

2.1.3 Sai sót và sai sót trọng yếu:

Sai sót là một thuật ngữ rộng lớn hơn so với gian lận Theo ISA 450, sai sót

là “Sự khác biệt giữa giá trị, cách phân loại, trình bày hoặc thuyết minh của một khoản mục trên báo cáo tài chính với giá trị, cách phân loại, trình bày hoặc thuyết minh của khoản mục đó theo khuôn khổ về lập và trình bày báo cáo tài chính được

áp dụng Sai sót có thể phát sinh do nhầm lẫn hoặc gian lận

Khi kiểm toán viên đưa ra ý kiến về việc liệu báo cáo tài chính đã được trình bày trung thực và hợp lý trên các khía cạnh trọng yếu hay chưa, sai sót có thể bao gồm những điều chỉnh về giá trị, cách phân loại, trình bày hoặc thuyết minh mà theo x t đoán của kiểm toán viên là cần thiết để báo cáo tài chính được trình bày trung thực và hợp lý trên các khía cạnh trọng yếu”

Sai sót được cho là trọng yếu nếu những sai sót này, khi x t riêng lẻ hoặc tổng hợp lại, được xem x t ở mức độ hợp lý, chúng có thể gây ảnh hưởng tới quyết định kinh tế của người sử dụng báo cáo tài chính (Theo ISA 320)

Trong quá trình tiến hành cuộc kiểm toán, kiểm toán viên cần đánh giá rủi ro

có sai sót trọng yếu tồn tại trong báo cáo tài chính của đơn vị được kiểm toán hay không nhằm giúp kiểm toán viên thiết kế và thực hiện các biện pháp xử lý đối với rủi ro có sai sót trọng yếu đã được đánh giá, từ đó giúp kiểm toán viên đưa ra ý kiến nhận x t xác đáng về báo cáo tài chính của đơn vị được kiểm toán

2.1.4 Các hình thức gian lận báo cáo tài chính:

Vấn đề gian lận nói chung đã gây ra rất nhiều thiệt hại cho nền kinh tế và các bên liên quan Để hiểu rõ hơn chi phí mà nền kinh tế phải gánh chịu do gian lận và phương thức gian lận nào xuất hiện phổ biến nhất, nhiều tổ chức và nhà nghiên cứu

đã tiến hành điều tra thống kê các hình thức gian lận Trong đó, nổi bật là các báo cáo về gian lận của Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE) và COSO (một Ủy ban thuộc Hội đồng Quốc gia Hoa Kỳ về chống gian lận trên BCTC)

a Báo cáo về gian lận của ACFE:

Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE) ra đời vào năm 1988 và

có thể nói, đây là tổ chức nghiên cứu và điều tra về gian lận có quy mô lớn nhất thế giới Sau khi thành lập, ACFE đã tiến hành nhiều cuộc nghiên cứu các trường hợp gian lận trên quy mô toàn nước Mỹ với việc gửi bảng câu hỏi cho các thành viên của Hiệp hội nhằm thu thập thông tin về các trường hợp về gian lận mà các thành viên này đã từng chứng kiến Các cuộc nghiên cứu được thực hiện trong các năm

1993, 2002, 2004, 2006, 2008, 2010, 2012, mới đây nhất là năm 2014 được trình bày trong báo cáo có tên “Report to the Nations on Occupational Fraud and Abuse” Các báo cáo trình bày kết luận về một số vấn đề như: thiệt hại do gian lận, đặc điểm những người thực hiện gian lận, các phương thức thực hiện gian lận, cách phát hiện gian lận,…

Theo phân loại của ACFE, gian lận gồm 3 hành vi: Biển thủ tài sản, tham ô

và gian lận trên BCTC Nghiên cứu qua các năm cho thấy, hành vi biển thủ tài sản chiếm tỷ lệ lớn xấp xỉ 90%, tham ô xấp xỉ 30%, gian lận trên BCTC với tỷ lệ 10% trở xuống Tuy chiếm tỷ lệ thấp nhất nhưng gian lận BCTC lại gây nên thiệt hại kinh tế lớn nhất, số liệu tổn thất bình quân cho loại gian lận này theo báo cáo mới nhất năm 2014 của ACFE là 1.000.000 USD/vụ Sơ đồ 2.1 dưới đây thống kê các loại gian lận phổ biến và gian lận trên BCTC theo báo cáo 2014 của ACFE

Sơ đồ 2.1 Các hình thức gian lận trên BCTC

Gian lận trên BCTC có thể do việc khai khống hoặc khai thiếu Khai thiếu doanh thu, ghi tăng chi phí chỉ khi doanh nghiệp muốn giảm nghĩa vụ thuế của mình Ngược lại, đa số các trường hợp gian lận được tìm thấy đã thực hiện phóng đại doanh thu, lợi nhuận, tài sản, trong khi chi phí và các khoản phải trả lại bị che dấu nhằm tạo ra một bức tranh tài chính tốt đẹp cho công ty, nhằm thu hút nhà đầu

tư và các nguồn tài trợ khác

b Báo cáo về gian lận của COSO:

GIAN LẬN

Biển thủ tài sản Gian lận trên BCTC

Khai khống tài sản/doanh thu

Khai thiếu tài sản/doanh thu

Sai niên độ Sai niên độ

Doanh thu giả mạo Khai thiếu

doanh thu

Dấu công nợ, chi phí

Khai tăng NPT, chi phí

Đánh giá TS không hợp lý

Đánh giá TS không hợp lý

Công bố không đầy đủ Tham ô

COSO (Committee of Sponsoring Organization) là một Ủy ban thuộc Hội đồng Quốc gia Hoa Kỳ về chống gian lận trên BCTC được thành lập vào năm 1985 dưới sự bảo trợ của năm tổ chức nghề nghiệp: Hiệp hội Kế toán viên công chứng Hoa Kỳ (AICPA), Hiệp hội Kế toán Hoa Kỳ (AAA), Hiệp hội Quản trị viên tài chính (FEI), Hiệp hội Kế toán viên quản trị (IMA) và Hiệp hội Kiểm toán viên nội

bộ (IIA) Đến nay, COSO đã thực hiện 3 dự án nghiên cứu lớn về gian lận trên BCTC được công bố trên các báo cáo vào các năm 1987, 1999 và 2010 với những kết luận chi tiết về: bản chất của hành vi gian lận, đặc điểm những công ty gian lận, hậu quả của hành vi gian lận,… Trong đó đặc biệt nhấn mạnh các kỹ thuật thực hiện gian lận BCTC

Trong báo cáo năm 2010, COSO phân tích 347 trường hợp gian lận BCTC của các công ty đại chúng ở Hoa Kỳ cho giai đoạn 10 năm từ 1998 – 2007 Hai kỹ thuật phổ biến nhất được sử dụng để gian lận BCTC là ghi nhận doanh thu không đúng với 61% trường hợp gian lận và khai cao tài sản với 51% Hai con số này đều cao hơn so với kết quả nghiên cứu công bố năm 1999 Khai thiếu chi phí và nợ phải trả là ít xảy ra hơn với 31% trường hợp gian lận Tương tự như báo cáo nghiên cứu năm 1999, biển thủ tài sản xảy ra với 14% các trường hợp gian lận

Bảng 2.1 Các kỹ thuật gian lận BCTC phổ biến

Ghi nhận doanh thu không đúng, trong đó:

- Doanh thu không có thực

- Ghi nhận trước doanh thu

- Phóng đại doanh thu

Khai cao tài sản, trong đó:

- Phóng đại tài sản hiện có hoặc vốn hóa chi phí

- Ghi nhận tài sản không có thực hoặc không thuộc quyền

sở hữu

61%

48% 35% 2% 51%

46% 11%

Khai thiếu chi phí/nợ phải trả

Biển thủ tài sản

Công bố thông tin không phù hợp

Các kỹ thuật khác (mua lại, liên doanh)

Giao dịch trá hình với các bên liên quan

Nguồn: Báo cáo gian lận của COSO, 2010

2.1.5 Phương pháp phát hiện và dự báo gian lận BCTC:

Các nghiên cứu trên thế giới về gian lận đã xác định, có nhiều phương pháp khác nhau để phát hiện và dự báo gian lận trên BCTC Có thể phân nhóm các phương pháp phát hiện và dự báo gian lận BCTC như sau:

a Sử dụng mô hình kĩ thuật dồn tích có thể điều chỉnh:

Những nhà nghiên cứu tiên phong về phương pháp kĩ thuật dồn tích có thể điều chỉnh (Discretionary accruals model) đều khẳng định, phương pháp này có khả năng phát hiện việc điều chỉnh thu nhập Các mô hình kĩ thuật kế toán dồn tích lần lượt được các nhà nghiên cứu công bố như DeAngelo (1986), Jones (1991) và các nghiên cứu gần đây như Dechow & Dichev’s (2002), McNichols (2002) với việc xây dựng nhiều công thức dồn tích trong kế toán, đã đưa ra các kết quả đáng tin cậy của mô hình kỹ thuật dồn tích có thể điều chỉnh trong việc phát hiện và dự báo rủi

ro BCTC gian lận

b Sử dụng mô hình kỹ thuật thống kê:

Đây có lẽ là phương pháp được nhiều nhà nghiên cứu thực hiện, khi một loạt các nghiên cứu đã kiểm tra kết quả phân biệt và dự báo gian lận BCTC của các mô hình kỹ thuật thống kê Một số tác giả như Pearson (1995), Beneish (1999), Spathis (2002), Kaminski & cộng sự (2004) đã kiểm tra đối chiếu giữa một mẫu các công ty

gian lận và một mẫu các công ty không gian lận có cùng quy mô Dựa trên việc xác định các sai lệch khi đối chiếu 2 mẫu, các tác giả đã xây dựng các mô hình như hồi quy logistic (Pearson, Spathis), phân tích biệt số (Kaminski), mô hình probit WESML (Beneish) gồm các biến có thể nhận dạng sai lệch giữa 2 mẫu Các biến này thường là các tỷ số tài chính

c Dựa trên kỹ thuật khai phá dữ liệu:

Kỹ thuật khai phá dữ liệu (Data Mining) có khả năng phân biệt khá tốt BCTC có gian lận hay những yếu tố có liên quan đến gian lận BCTC Đây là một ứng dụng của kỹ thuật hiện đại trong lĩnh vực quản lý thông tin Bên cạnh ngành nghề kế toán và kiểm toán, kỹ thuật này cũng được ứng dụng khá phổ biến trong nhiều lĩnh vực khác như: công nghệ, thương mại điện tử, y tế, viễn thông, tài chính… Có thể hiểu một cách đơn giản, khai phá dữ liệu là một quá trình phân tích, trích xuất tri thức từ một lượng dữ liệu thô cực lớn nhằm tìm ra các mẫu có mối quan hệ mang tính hệ thống giữa các biến và hợp thức hóa các kết quả tìm được

Có ba phương pháp chính thường được các nhà nghiên cứu sử dụng trong Data Mining: Mô hình cây quyết định (Decision Tree), mô hình mạng thần kinh nhân tạo (Artificial Neural Network) và mạng niềm tin Bayesian (Bayesian Belief Network) Một số nghiên cứu trong lĩnh vực kế toán, kiểm toán đã áp dụng các kỹ thuật của khai phá dữ liệu trong nghiên cứu của mình như: Green & Choi (1997) đã phát triển mô hình mạng thần kinh với đầu vào gồm 5 tỷ số tài chính và 3 loại tài khoản kế toán, tác giả kết luận mô hình của họ có thể sử dụng như là một công cụ

để phát hiện BCTC gian lận Hay nghiên cứu của Lin, Hwang & Becker (2003) xây dựng mô hình mạng thần kinh xoắn tích hợp (Fuzzy Neural Network) để phát triển một công cụ dự báo gian lận, kết quả, mô hình này đã làm tốt hơn vai trò dự báo gian lận của mình so với các mô hình kỹ thuật thống kê thông thường Trong nghiên cứu tổng hợp của Kirkos, Spathis & Manolopoulos (2007) đã so sánh tính hiệu quả của ba mô hình cây quyết định, mạng thần kinh nhân tạo và mạng niềm tin Bayesian trong việc dự báo gian lận, và nhóm tác giả kết luận mô hình mạng niềm tin

Bayesian có khả năng dự báo gian lận tốt nhất với tỷ lệ dự báo đúng lên đến 90.3%,

con số này lần lượt cho 2 mô hình còn lại là 73.6% và 80%

Mặc dù cho kết quả dự báo rất tốt so với các kỹ thuật khác, kỹ thuật khai phá

dữ liệu muốn thực hiện được cần một cơ sở dữ liệu rất lớn, số chiều lớn, hay gặp phải tình trạng quan hệ của các biến số quá phức tạp, khó truyền đạt các tri thức với người sử dụng,… Đây là những thách thức khi áp dụng kỹ thuật phân tích này

2.2 Tổng quan các nghiên cứu trước:

2.2.1 Nghiên cứu về các sai sót trọng yếu trên BCTC (chênh lệch số liệu trước

và sau kiểm toán):

Đã có rất nhiều nghiên cứu trên thế giới về vấn đề sai sót trọng yếu trên BCTC, sau đây là một số nghiên cứu điển hình:

- Trong nghiên cứu của Kinney, Jr., W.R, (1979), tác giả đã sử dụng dữ liệu kiểm toán trong 3 năm của 7 công ty kiểm toán (4 công ty thuộc Big 8 và 3 công ty không thuộc Big 8) để kiểm tra 44 khách hàng là các công ty sản xuất với doanh thu hàng năm từ 5-10 triệu USD Nghiên cứu chỉ ra dạng phân phối của các sai sót trọng yếu có độ lệch cao hơn và bằng phẳng hơn so với phân phối chuẩn Với mẫu như trên, 25 tài khoản có sai sót trọng yếu được phân loại để nghiên cứu Kết quả, một số tài khoản có mức ý nghĩa quan trọng đối với các điều chỉnh của kiểm toán viên đó là: Các khoản phải thu, Hàng tồn kho, Tài sản ngắn hạn khác, Nợ ngắn hạn khác, Nợ dài hạn trên Bảng Cân đối kế toán; Giá vốn hàng bán, Chi phí quản lý doanh nghiệp, Doanh thu khác, Chi phí khác và Lợi nhuận ròng trên Báo cáo Thu nhập Trong đó, Lợi nhuận ròng là tài khoản chiếm tỷ lệ điều chỉnh lớn nhất với 61% báo cáo công ty theo năm Ngoài ra, tác giả còn tìm thấy khả năng dự báo sai sót của các công ty năm nay dựa vào các vấn đề kiểm toán trong báo cáo của năm trước

- Nghiên cứu của Hylas & Ashton (1982), nhóm tác giả phân tích 281 sai sót trọng yếu cần phải điều chỉnh của 152 cuộc kiểm toán cho năm tài chính 1978 tại

Mỹ bởi một công ty kiểm toán lớn thuộc Big 8 Bảng khảo sát đã được gửi đến những kiểm toán viên chịu trách nhiệm chính trong các cuộc kiểm toán trên Kết quả phân tích cho thấy 56% sai sót trọng yếu xảy ra ở 5 khu vực có liên quan với nhau trong báo cáo tài chính: doanh thu và các khoản phải thu; hàng tồn kho và giá vốn hàng bán; chi phí trả trước, các loại phí hoãn lại, tài sản khác; Bất động sản, nhà xưởng và thiết bị; hàng mua và các khoản phải trả Ngoài ra, nghiên cứu cũng cho biết những nguyên nhân của các sai sót trọng yếu này, không phân biệt sai sót

do cố ý hoặc vô ý Kết quả cho thấy rằng vấn đề nhân sự của khách hàng, chẳng hạn như sự thiếu kinh nghiệm và không đủ kiến thức về kế toán, các thủ tục cut-off, vấn

đề dồn tích, là nguyên nhân quan trọng của các sai sót

- Nghiên cứu của Entwistle & Lindsay (1994), từ thông tin kiểm toán trong giấy tờ làm việc của 110 khách hàng của một công ty kiểm toán lớn ở Canada, 474 trường hợp báo cáo tài chính có sai sót trọng yếu đã được tác giả tổng hợp Trong

đó, 1022 tài khoản trên BCTC được các công ty kiểm toán đánh giá là sai sót trọng yếu Nghiên cứu này cung cấp bằng chứng mở rộng tốt hơn so với các nghiên cứu trước của Hoa Kỳ trong việc báo hiệu sai sót trọng yếu từ các thủ tục kiểm toán ban đầu Bằng phương pháp thống kê mô tả và nghiên cứu khám phá, nghiên cứu đã cung cấp một bằng chứng tài liệu lưu trữ về sự hiện diện, nguyên nhân và phát hiện

ra sai sót trọng yếu trên BCTC tập trung ở một số ít các tài khoản có liên quan với nhau Bốn tài khoản trên Bảng Cân đối kế toán (Các khoản phải thu, Hàng tồn kho,

Nợ phải trả cộng dồn, Các khoản phải trả) và bốn tài khoản trên Báo cáo Thu nhập (Doanh thu, Giá vốn hàng bán, Chi phí Quản lý doanh nghiệp, Chi phí khác) chiếm 80% sai sót trọng yếu được phát hiện Nguyên nhân của các sai sót trọng yếu này chủ yếu do kế toán viên ghi nhận, ước tính sai hoặc sai sót trong việc thực hiện các thủ tục cut-off, dồn tích

2.2.2 Nghiên cứu về các mô hình hỗ trợ dự báo, phát hiện gian lận BCTC:

Ở dòng nghiên cứu này có các nghiên cứu tiêu biểu sau:

- Persons (1995), đã phát triển một mô hình hồi quy từng bước Logistic nhằm cung cấp bằng chứng cho thấy các dữ liệu kế toán là hữu ích trong việc phát hiện gian lận BCTC như đòn bẩy tài chính, vòng quay vốn, các thành phần tài sản và quy mô doanh nghiệp Khả năng dự báo của mô hình đã được kiểm tra và kết quả là nó làm tốt việc phân loại tất cả các doanh nghiệp là không gian lận cho tất cả các mức chi phí tương đối của sai lầm loại I và loại II Mô hình này cũng xác định một cách chính xác với một tỷ lệ lớn các doanh nghiệp gian lận và không phân loại được một tỷ lệ tương đối nhỏ các công ty không gian lận khi chi phí sai lầm thực tế được giả định

Stepwise Summers & Sweeney (1998), kết quả của nghiên cứu này nghiên cứu về mối quan hệ giữa các giao dịch nội bộ và gian lận Nhóm tác giả tìm ra sự hiện diện của gian lận, trong việc giảm cổ phần nội bộ của họ trong công ty chứng khoán thông qua các mức độ lớn của giao dịch bán được đo bằng một trong hai số lượng giao dịch, đó là số lượng cổ phiếu bán ra, hoặc số tiền bán cổ phần Hơn nữa, tác giả trình bày bằng chứng cho thấy một mô hình logit liên tầng, kết hợp các biến giao dịch nội bộ và đặc điểm tài chính cụ thể của công ty, phân biệt công ty gian lận với các công ty không gian lận

- Nghiên cứu của Beneish (1999), sử dụng mô hình xác suất đơn vị dựa trên

tỷ trọng của mẫu ngoại sinh probit WESML (weighted exogenous sample maximum likelihood) để phát hiện các công ty có điều chỉnh thu nhập, với một mẫu

là 74 công ty bị cáo buộc có điều chỉnh thu nhập bởi SEC và tất cả các công ty không có điều chỉnh thu nhập mà dữ liệu có sẵn cho giai đoạn 1982-1992 trên Compustat Beneish sử dụng các dữ liệu kế toán cơ bản để phát triển mô hình hồi quy trên và kết quả đã tìm thấy mối quan hệ có hệ thống giữa gian lận và các biến trên báo cáo tài chính Đầu ra của mô hình được đặt tên là M-score, với các biến số

để tính toán M-score bao gồm: Chỉ số đòn bẩy (LVGI), chỉ số hàng tồn kho (DINV), chỉ số kỳ 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 quản lý, bán hàng (SGAI) Tác giả cũng tính ra được giá trị ngưỡng của mô hình là -1.78, công ty nào có M-score cao hơn -1,78 sẽ bị đánh dấu là có điều chỉnh thu nhập

- Nghiên cứu của Spathis (2002), nhằm mục đích sử dụng các dữ liệu kế toán công khai để phát triển một mô hình phát hiện các nhân tố liên quan đến báo cáo tài chính gian lận Mẫu nghiên cứu tổng cộng gồm 76 công ty tại Hy Lạp trong đó có

38 công ty gian lận và 38 công ty không gian lận Qua kỹ thuật thống kê hồi quy logistic đơn biến và đa biến, tác giả đã xây dựng được mô hình với 10 biến số là các

tỷ số tài chính (Tỷ số Nợ/Vốn chủ sở hữu, Nợ/Tổng Tài sản, Doanh thu/Tổng Tài sản, Các khoản phải thu/Doanh thu,… và kết hợp với chỉ số Z-score là một chỉ số

để dự đoán khả năng phá sản của các doanh nghiệp) Mô hình này có khả năng dự đoán báo cáo tài chính gian lận với tỷ lệ dự báo đúng lên đến 84%

- Nghiên cứu của Dechow & cộng sự (2011) nhắm đến hai mục tiêu chính: Thứ nhất, phát triển cơ sở dữ liệu các BCTC có sai sót trọng yếu một cách toàn diện thông qua thống kê, mô tả; Thứ hai, phân tích đặc điểm của các công ty trình bày sai BCTC nhằm phát triển một mô hình hồi quy logistic có khả năng dự báo các sai sót trọng yếu trên BCTC Nghiên cứu xem x t 2.190 trường hợp công ty niêm yết trong giai đoạn 1982 – 2005 trên AAERs và thu được 676 công ty trình bày sai ít nhất một lần đối với BCTC quý hoặc năm Đầu ra của mô hình được đặt tên là F-score, được tính toán bởi các biến số lấy từ dữ liệu trên BCTC như các khoản kế toán dồn tích (RSST), thay đổi khoản phải thu khách hàng (Δrec), thay đổi hàng tồn kho (Δinv), thay đổi tài sản ngắn hạn thuần (%softassets), thay đổi trong doanh thu bằng tiền (%cs), thay đổi tỷ suất sinh lợi trên tài sản (Δroa) và biến giả (issue) bằng

1 nếu năm đó công ty phát hành cổ phiếu và bằng 0 nếu không phát hành Ngoài các biến số trên BCTC, tác giả còn xây dựng mô hình 2 và 3 với các biến số phi tài chính, các hoạt động ngoại bảng và các dữ liệu thị trường chứng khoán Công ty nào có giá trị F-score lớn hơn 1 được cho là BCTC có sai sót trọng yếu Kết quả mô

hình 1 cho thấy có 68.62% công ty trình bày sai BCTC có F-score lớn hơn 1, con số này tương ứng với mô hình 2 và 3 là 67.93% và 67.23%

- Nghiên cứu của Mai Đức Nghĩa, Vũ Hữu Đức, Huỳnh Văn Hiếu (2010), nhóm tác giả tổng hợp lại các nghiên cứu trên thế giới nhằm đánh giá mức độ hữu hiệu của quy trình phân tích trong việc phát hiện các sai sót, gian lận trên BCTC Qua đó, nghiên cứu này đã chỉ ra những phương pháp và tỷ số phân tích hữu hiệu, được xem là có khả năng phát hiện các sai lệch trên BCTC như tỷ lệ lãi gộp, số vòng quay hàng tồn kho và số vòng quay nợ phải thu Những phát hiện trong nghiên cứu này làm nền tảng cho các quy định của chuẩn mực kiểm toán về quy trình phân tích, đồng thời các kiểm toán viên có thể sử dụng kết quả tổng hợp trong nghiên cứu

để tìm kiếm những kỹ thuật phân tích thích hợp nhất cho quy trình kiểm toán BCTC

2.2.3 Nghiên cứu thực nghiệm về mối quan hệ giữa mô hình dự báo, phát hiện gian lận và các sai sót trọng yếu trên BCTC (chênh lệch số liệu trước và sau kiểm toán):

Với các mô hình dự báo khả năng gian lận và sai sót trọng yếu trên BCTC được xây dựng và phát triển bởi rất nhiều nhà khoa học trước đây, một loạt các nghiên cứu thực nghiệm đã được các nhà nghiên cứu sau này thực hiện nhằm đánh giá sự hữu hiệu và khả năng dự báo của các mô hình này Tiêu biểu có các nghiên cứu sau:

- Nghiên cứu của Dani, Ismail & Kamarudin (2013), sử dụng một mẫu 122 công ty niêm yết gian lận và không gian lận tại Malaysia, nhóm tác giả kiểm tra khả năng nhận dạng BCTC gian lận thông qua 11 tỷ số tài chính dựa theo nghiên cứu của Spathis (2002) và một số nghiên cứu khác Ngoài ra, tác giả còn đưa vào mô hình nghiên cứu chỉ số M-score được phát triển bởi Beneish (1991) và Z-Score được phát triển bởi Altman (1968) Sau khi thử nghiệm mô hình nghiên cứu với phương pháp hồi quy logistic backward, kết quả, phần lớn các tỷ số tài chính và M-score có khả năng phân biệt BCTC gian lận và không gian lận

- Nghiên cứu của Kamal, Salleh & Ahmad (2014), tiếp tục một nghiên cứu thực nghiệm khác dựa trên mô hình chỉ số M-score của Beneish (1999), nhóm tác giả đánh giá khả năng dự đoán gian lận hay sai sót trọng yếu trên BCTC của chỉ số này qua một mẫu gồm 17 công ty niêm yết đã bị truy tố bởi Ủy ban Chứng khoán Malaysia vì phát hành báo cáo có gian lận hay sai sót trọng yếu trong giai đoạn

1996 – 2014 Kết quả nghiên cứu cho thấy chỉ số M-score là một công cụ nhận dạng gian lận tốt và đáng tin cậy khi phát hiện được 82% trường hợp gian lận trong 17 công ty trên

- Nghiên cứu của Trần Thị Giang Tân & cộng sự (2015), nhóm tác giả xây dựng mô hình thể hiện mối quan hệ giữa hành vi gian lận BCTC với các yếu tố của tam giác gian lận dựa vào mô hình nghiên cứu tương tự Skousen & cộng sự (2009), Lou & Wang (2011) Bằng phương pháp phân tích hồi quy logistic, nhóm tác giả đánh giá khả năng xảy ra rủi ro gian lận báo cáo tài chính với mẫu nghiên cứu là 78 công ty niêm yết trên HOSE năm 2012 Kết quả, mô hình có khả năng dự báo đúng 83,33% các công ty thuộc mẫu nghiên cứu và dự báo đúng 80% các công ty ngoài mẫu nghiên cứu

2.3 Mô hình chỉ số F-score của Dechow và cộng sự:

là một chỉ số thể hiện xác suất BCTC có sai sót trọng yếu Chỉ số này được đặt tên

là F-score, được tính toán với 3 mô hình tương ứng với 3 mức độ Đồng thời, các nghiên cứu tiên phong trên thế giới trong lĩnh vực dự báo khả năng gian lận BCTC như công trình của Beneish (1997,1999), Richardson & cộng sự (2005), Skousen & Wright (2006) cũng làm nền tảng vững chắc cho nghiên cứu này của Dechow và các cộng sự

Có ba mục tiêu lớn mà nhóm tác giả hướng đến khi thực hiện công trình nghiên cứu về chỉ số F-score:

- Thứ nhất, họ muốn xây dựng một cơ sở dữ liệu toàn diện, bao quát tất cả 2.190 trường hợp công ty đã bị cáo buộc sai sót trọng yếu trên BCTC được công bố bởi SEC qua các AAERs xuyên suốt từ năm 1982 đến tháng 6/2005 Đây là một cỡ mẫu đầy đủ hơn rất nhiều so với các nghiên cứu trước đó

- Thứ hai, Dechow và các cộng sự đã dựa trên mô hình của Beneish (1997, 1999) để xây dựng và mở rộng hơn các yếu tố liên quan có khả năng dự đoán rủi ro sai sót trọng yếu Ngoài việc sử dụng các biến số thu thập trên BCTC theo nghiên cứu của Beneish, nhóm tác giả đã phân tích thêm nhóm biến số đại diện cho các hoạt động ngoại bảng, phi tài chính, và các biến số thuộc dữ liệu thị trường chứng khoán

- Cuối cùng, nhóm tác giả phát triển mô hình hồi quy logistic dự đoán chi tiết rủi ro có sai sót trọng yếu mà đầu ra được gọi là F-score với 3 mô hình Sự khác biệt giữa các mô hình là yêu cầu tăng dần về số liệu, đồng thời cũng chỉ

rõ chi phí sai lầm loại I và II mà người sử dụng các mô hình dự báo này có thể sẽ gặp phải

Tổng cộng, 28 biến đại diện cho năm yếu tố đã được kiểm tra khả năng của chúng về sự phân biệt giữa các doanh nghiệp trình bày sai BCTC và không trình bày sai Năm yếu tố này là chất lượng dồn tích, hiệu suất hoạt động, các hoạt động ngoại bảng, hoạt động phi tài chính và các dữ liệu trên thị trường chứng khoán Với hồi quy logistic, kết quả 3 mô hình giữ lại tương ứng 7, 9 và 11 biến có khả năng phân biệt tốt nhất Trong nghiên cứu ban đầu “Predicting Material Accounting

Manipulations” vào năm 2007, tỷ lệ dự báo đúng các công ty trình bày sai BCTC của F-score 1 là 65.59%, F-score 2 là 64.97% và F-score 3 là 62.98%

Sau đó, nhóm tác giả tiếp tục nghiên cứu thêm về các nhóm biến số và công thức tính toán các biến này nhằm nâng cao hơn khả năng dự báo đúng của mô hình Các nghiên cứu bổ sung liên tục được thực hiện trong giai đoạn 2007 – 2011, nhiều phiên bản mới của nghiên cứu ra đời với kết quả dự báo của mô hình ngày càng được cải thiện Trong phiên bản năm 2008, tỷ lệ dự báo đúng các công ty có sai sót trọng yếu của 3 chỉ số F-score lần lượt là 65.86%, 65.78%, 63.36% Với phiên bản năm 2010, các tỷ lệ này lần lượt là 68.62%, 67.93% và67.23%

Mới nhất vào năm 2011, nghiên cứu chính thức của Dechow và các cộng sự

đã được đăng tải trên tạp chí Contemporary Accounting Research với tên gọi

“Predicting Material Accounting Misstatements” (Số 28 (1), trang 17-82) Đây là phiên bản cuối cùng và đầy đủ nhất của công trình mà nhóm tác giả đã thực hiện trong suốt khoảng thời gian 5 năm Do đó, luận văn này sẽ sử dụng mô hình 1 của Dechow và các cộng sự (2011) cho mục tiêu nghiên cứu của đề tài, phù hợp với khả năng của tác giả

2.3.2 Công thức tính:

Chỉ số F-score ứng với 3 mức độ được tính toán như sau:

Value1 = –7.893 + 0.790*RSST + 2.518*ΔREC + 1.191*ΔINV +

1.979*%SOFTASSETS + 0.171*ΔCASHSALES – 0.932*ΔROA + 1.029*ISSUE

Value2 = –8.252 + 0.665*RSST + 2.457*ΔREC + 1.393*ΔINV +

2.011*%SOFTASSETS + 0.159*ΔCASHSALES – 1.029*ΔROA + 0.983*ISSUE – 0.150* ΔEMP + 0.419*LEASEDUM

Value3 = –7.966 + 0.909*RSST + 1.731*ΔREC + 1.447*ΔINV +

2.265*%SOFTASSETS + 0.160*ΔCASHSALES – 1.455*ΔROA +

0.651*ISSUE – 0.121* ΔEMP + 0.345 *LEASEDUM + 0.082*RET t + 0.098* RET t-1

Trong đó:

 RSST = (ΔWC + ΔNCO + ΔFIN) / Tổng tài sản bình quân; với

WC = [Tài sản ngắn hạn – Tiền mặt và Các khoản đầu tư ngắn hạn] – [Nợ ngắn hạn – Nợ trong Nợ ngắn hạn];

NCO = [Tổng tài sản – Tài sản ngắn hạn – Đầu tư và Các khoản trả trước] – [Tổng Nợ phải trả – Nợ ngắn hạn – Nợ dài hạn];

FIN = [Các khoản đầu tư ngắn hạn + Các khoản đầu tư dài hạn] – [Nợ dài hạn + Nợ trong Nợ ngắn hạn + Cổ phiếu ưu đãi]

(theo Richardson và cộng sự, 2005)

 ΔREC = ΔCác khoản phải thu / Tổng tài sản bình quân

 ΔINV = ΔHàng tồn kho / Tổng tài sản bình quân

 %SOFTASSETS = [Tổng tài sản – PP&E – Tiền và các khoản tương đương tiền] / Tổng tài sản

 ΔCASHSALES (Phần trăm thay đổi trong doanh thu bán hàng bằng tiền mặt) = [Doanh thu – ΔCác khoản phải thu]

 ΔROA = [Lợi nhuận ròngt / Tổng tài sản bình quânt] – [Lợi nhuận ròngt-1 / Tổng tài sản bình quân t-1]

 ISSUE = Một biến chỉ thị, mã hóa 1 nếu công ty phát hành chứng khoán trong năm t, ngược lại là 0

Ở mô hình 2, tác giả bổ sung thêm các biến số đo lường hoạt động phi tài chính và các hoạt động ngoại bảng:

 ΔEMP = % Thay đổi số lượng nhân viên / % Thay đổi trong Tổng tài sản

 LEASEDUM = Một biến chỉ thị, mã hóa 1 nếu việc cho thuê hoạt động trong tương lai là lớn hơn 0

Ở mô hình 3 bao gồm thêm các biến số đo lường dữ liệu từ thị trường:

 RETt = Tỷ suất sinh lợi cổ phiếu điều chỉnh theo thị trường trong năm hiện tại

 RETt-1 = Tỷ suất sinh lợi cổ phiếu điều chỉnh theo thị trường trong năm trước

Giá trị tính toán được chuyển đổi sang một xác suất như sau:

Xác suất = e(VALUE)

/ (1+ e(VALUE)) Sau đó xác suất này được chia cho xác suất vô điều kiện của sai sót trọng yếu, được tính bằng số lượng các công ty có sai sót trọng yếu chia cho tổng số công

ty trong mẫu nghiên cứu (494 ⁄ (132,967 + 494)= 0,0037), để có được những chỉ số F-score Lưu ý rằng mẫu nghiên cứu được nhóm tác giả thu thập trong một thời gian dài nên mẫu này có thể được xem là toàn diện, gần với tổng thể trên thực tế

F-score = Xác suất / 0.0037

Với chỉ số F-score bằng 1.00 cho thấy các công ty có cùng mức xác suất vô điều kiện của sai sót trọng yếu (xác suất có sai sót trọng yếu khi lựa chọn ngẫu nhiên một công ty trong tổng thể) F-score lớn hơn 1 chỉ ra xác suất cao hơn của sai sót trọng yếu Người sử dụng F-score có thể quyết định ngưỡng để phân loại dựa trên chi phí tương đối của họ về các sai lầm loại I và loại II Sai lầm loại I là phân loại sai các công ty không có sai sót trọng yếu thành có sai sót trọng yếu Sai lầm loại II là phân loại sai các công ty có sai sót trọng yếu thành không có sai sót trọng yếu Chi phí cho hai loại sai lầm này cũng khác nhau, sai lầm loại II gây tốn kém nhiều hơn so với sai lầm loại I

Ví dụ trường hợp của Enron, F-score năm 2000 được tính theo mô hình 1 như sau:

- Value = –7.893 + 0.790×(0.01659) + 2.518×(0.17641) + 1.191×(0.00718)+ 1.979×(0.79975) + 0.171×(1.33335) – 0.932×(–0.01285) + 1.029×(1)

Value = –4.575

- Xác suất = e(–4.575) / (1+ e(–4.575))

Xác suất = 0.01020

- F-score = 0.01020 ⁄ 0.0037

F-score cho Enron = 2.76

Bảng 2.2 dưới đây phân loại rủi ro sai sót trọng yếu tương ứng với các mức điểm

số F-score:

Bảng 2.2 Phân loại các mức độ rủi ro gian lận BCTC

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 trước 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 mô hình hồi quy, họ tìm thấy sự chuyển động k p của các công

ty, công 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 mô hình của Dechow & cộng sự (2011) có khả năng dự báo tốt hơn so với các mô hình dồn tích thông thường trong việc phát hiện các khoản điều chỉnh thu nhập nên nhóm tác giả đã lựa chọn mô 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 toán các công 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 công ty gian lận và các công ty có mức độ cao của quản trị thu nhập 76 trường hợp các công 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 công ty có mức độ cao của quản trị thu nhập có cùng quy mô, năm tài chính và cùng ngành công nghiệp được đặt tên là mẫu WITHINGAAP Mẫu kiểm soát gồm 76 công 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 mô hình F-score ban đầu, kết quả, 1 biến trong mô hình F-score có khả năng phân biệt đáng kể giữa 2 mẫu NONGAAP và WITHINGAAP Đây cũng là một hạn chế của mô 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 mô 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 mô 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 mô 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 mô 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 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 toán 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

M-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 mô 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 toán sẽ được trình bày cụ thể trong Chương 3

TÓM TẮT CHƯƠNG 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 còn 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

CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU

3.1 Mô tả tổng thể, mẫu nghiên cứu:

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 còn khó khăn nhưng kinh tế vĩ mô đã có những bước ổn định, các giải pháp vĩ mô đã dần phát huy tác dụng Do vậy, thị trường chứng khoán 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 khoán Việt Nam vẫn còn tồn tại nhiều hạn chế Những sự cố về thông tin tài chính công bố không 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 công 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 phòng

ngừa, ngăn chặn tình trạng gian lận BCTC cần phải được thực hiện thường xuyên, liên tục, góp phần xây dựng một môi 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 khoán Tp Hồ Chí Minh (HOSE) và Sàn giao dịch chứng khoán 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 toán 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 toán để phân nhóm các công 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 công 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, công ty chứng khoán, các quỹ tín dụng hay công ty bảo hiểm,… vì đặc điểm hoạt động kinh doanh của các định chế tài chính này khác biệt so với các công ty phi tài chính, do đó cũng khác nhau về chuẩn mực kế toán trong việc trình bày và công 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 toán của 50 công 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 công

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 công ty được lựa chọn vào mẫu phải thỏa mãn những điều kiện sau:

+ Là các công 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 Mô hình nghiên cứu:

Từ kết quả của các nghiên cứu trước đây cho thấy, những dữ liệu công 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 lường biến nghiên cứu:

3.2.1.1 Biến phụ thuộc:

Mô 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 không 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 mô hình 1 được phát triển bởi Dechow & cộng sự (2011) với dữ liệu có sẵn để tính toán 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 công ty trong mẫu nghiên cứu được tính toán 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, công thức tính các biến số của mô 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 phương pháp tính các biến của F-score

Mã biến Tên biến Công thức tính

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

ΔINV Thay đổi trong hàng tồn kho ΔHàng tồn kho / Tổng tài sản bình quân

Mã biến Tên biến Công thức tính

[Doanh thu – ΔCác khoản phải thu]

ΔROA Thay đổi trong tỷ suất sinh

lời trên tổng tài sản

[Lợi nhuận sau thuết / Tổng tài sản bình quânt] – [Lợi nhuận sau thuết-1 / Tổng tài sản bình quân t-1]

ISSUE Phát hành cổ phiếu Biến định danh được mã hóa là 1 nếu công ty

phát hành cổ phiếu trong năm t, ngược lại là 0

Sau đó, giá trị tính toán VALUE được chuyển đổi sang một xác suất bằng

trọng yếu là 0,0037 để có được những chỉ số F-score Mặc dù nền kinh tế ở nước đang phát triển như Việt Nam có những điểm khác biệt so với nền kinh tế đã phát triển của Hoa Kỳ, nhưng mẫu nghiên cứu của Dechow & cộng sự (2011) được thu thập trong một bối cảnh vô điều kiện có chứa các công ty gian lận theo năm được công bố trên các AAERs từ tháng 5/1982 đến tháng 6/2005, đây là khoảng thời gian tương đối dài nên mẫu nghiên cứu của nhóm tác giả có thể được xem là toàn diện nhất, gần với tổng thể trên thực tế Hơn nữa, giá trị công trình nghiên cứu của Dechow & cộng sự (2011) đã được trích dẫn rất nhiều trong các nghiên cứu mới đây về lĩnh vực dự báo gian lận Một số tác giả tại nhiều quốc gia khác nhau đã thử nghiệm các biến số trong mô hình của Dechow & cộng sự (2011) và đã tìm thấy bằng chứng hỗ trợ các giả thuyết của họ (Skousen & Twedt, 2009; Setijawan & Pertiwi, 2015) Vì vậy, chỉ số F-score đã được xây dựng trong môi trường vô điều kiện có thể ứng dụng vào nhiều môi trường kinh doanh khác nhau