Xây dựng và thực nghiệm mô hình phát hiện khả năng gian lận báo cáo tài chính cho nhóm công ty thuộc ngành công nghiệp tại sàn giao dịch chứng khoán hose hnx

Do vậy, mô hình nghiên cứu được kiểm chứng trong thực tế về tính ứng dụng của mô hình trong việc nhận diện gian lận BCTC của các công ty thuộc ngành công nghiệp niêm yết trên sàn giao d

-

VÕ ĐỨC QUÝ

XÂY DỰNG VÀ THỰC NGHIỆM MÔ HÌNH PHÁT HIỆN KHẢ NĂNG GIAN LẬN BÁO CÁO TÀI CHÍNH CHO NHÓM CÔNG TY THUỘC NGÀNH CÔNG NGHIỆP TẠI SÀN GIAO

DỊCH CHỨNG KHOÁN HOSE & HNX

LUẬN VĂN THẠC SĨ KINH TẾ

TP HỒ CHÍ MINH, NĂM 2020

TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH

-

VÕ ĐỨC QUÝ

XÂY DỰNG VÀ THỰC NGHIỆM MÔ HÌNH PHÁT HIỆN KHẢ NĂNG GIAN LẬN BÁO CÁO TÀI CHÍNH CHO NHÓM CÔNG TY THUỘC NGÀNH CÔNG NGHIỆP TẠI SÀN GIAO

DỊCH CHỨNG KHOÁN HOSE & HNX

Chuyên ngành: Tài chính – Ngân hàng (Tài chính) Hướng đào tạo: Hướng ứng dụng

Mã số: 8340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS VŨ VIỆT QUẢNG

TP HỒ CHÍ MINH, NĂM 2020

LỜI CAM ĐOAN

Tác giả xin cam đoan luận văn “Xây dựng và thực nghiệm mô hình phát hiện khả năng gian lận báo cáo tài chính cho nhóm công ty thuộc ngành công nghiệp tại sàn giao dịch chứng khoán HOSE & HNX” là công trình nghiên cứu của riêng tác giả Các số liệu trong luận văn là trung thực Những kết quả của luận văn chưa từng được

ai công bố trong bất kỳ công trình nào khác

Tác giả

Võ Đức Quý

MỤC LỤC TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH

TÓM TẮT

MỞ ĐẦU 1

Vấn đề nghiên cứu 1

Mục tiêu nghiên cứu 2

Câu hỏi nghiên cứu 3

Ý nghĩa thực tiễn của đề tài 3

Đối tượng và phạm vi nghiên cứu 4

1.5.1 Đối tượng nghiên cứu 4

1.5.2 Phạm vi nghiên cứu 4

Phương pháp nghiên cứu 4

Cấu trúc của luận văn 5

CHƯƠNG 1 KHUNG LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 6

Khung lý thuyết 6

1.1.1 Tổng quan về hành vi gian lận BCTC 6

1.1.2 Phân biệt sai sót và gian lận BCTC 7

1.1.3 Phân loại gian lận trong kiểm toán BCTC 8

1.1.4 Động cơ và cơ hội thực hiện gian lận BCTC 10

1.1.5 Thái độ và tác nhân trong gian lận trong BCTC 10

1.1.6 Trách nhiệm của ban lãnh đạo công ty 11

1.1.7 Trách nhiệm của kiểm toán viên 11

Tổng quan các nghiên cứu trước đây 11

1.2.1 Các nghiên cứu trước đây về gian lận BCTC 11

1.2.2 Khoảng trống nghiên cứu 20

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU 22

Quy trình 22

Phương pháp nghiên cứu 23

2.2.1 Phương pháp nghiên cứu định lượng 23

Mô hình nghiên cứu và giả thuyết nghiên cứu 23

2.3.1 Mô tả các biến trong mô hình 23

2.3.2 Mô hình nghiên cứu 28

Lựa chọn mẫu 34

Quy trình phân tích 34

CHƯƠNG 3 KẾT QUẢ NGHIÊN CỨU 36

Phân loại công ty gian lận BCTC niêm yết trên sàn HNX và HOSE bằng mô hình M-Score Beneish 36

Thống kê mô tả 36

Lựa chọn việc áp dụng mô hình phát hiện gian lận BCTC 37

Kết quả phân tích hồi quy Binary logistic 38

Xem xét mức độ phù hợp mô hình 40

Xem xét mức độ giải thích của mô hình 40

Thảo luận về kết quả nghiên cứu 41

Thực nghiệm khả năng dự báo của mô hình nghiên cứu 42

KHUYẾN NGHỊ, HẠN CHẾ MÔ HÌNH VÀ KẾT LUẬN 44

Khuyến nghị về vận dụng mô hình nghiên cứu 44

Khuyến nghị 45

4.2.1 Đối với các công ty niêm yết 45

4.2.2 Đối với kiểm toán độc lập 46

4.2.3 Đối với cơ quan quản lý nhà nước 46

4.2.4 Đối với nhà đầu tư 46

4.2.5 Đối với ngân hàng và các tổ chức tín dụng 47

Hạn chế của mô hình nghiên cứu 47

KẾT LUẬN 49 DANH MỤC TÀI LIỆU THAM KHẢO

PHỤ LỤC

“ DANH MỤC CÁC TỪ VIẾT TẮT

27 US GAAP Nguyên tắc kế toán được chấp nhận chung của Mỹ

”

DANH MỤC CÁC BẢNG

Bảng 1.1 : So sánh sự khác nhau giữa sai sót BCTC và gian lận BCTC 8

Bảng 2.1: Bảng mô tả các biến độc lập và ký hiệu 27

Bảng 2.2 : Bảng mô tả giả thuyết nghiên cứu 32

Bảng 3.1 : Tổng hợp kết quả phân loại các theo mô hình Beneish M-Score 36

Bảng 3.2 : Kết quả thống kê mô tả 37

Bảng 3.3 : Thể hiện kết quả so sánh khả năng dự báo của mô hình phát hiện gian lận BCTC khi áp dụng dữ liệu dựa trên tiêu chí sàn 38

Bảng 3.4 : Kết quả phân tích mô hình hồi quy binary logistic 38

Bảng 3.5 : Kết quả kiểm định Omnibus 40

Bảng 3.6 : Kết quả mức độ giải thích của mô hình 41

Bảng 3.7 : Tổng hợp kết quả phân loại sau khi thực nghiệm lại 42

Bảng 3.8 : So sánh kết quả phân loại gian lận BCTC theo Mô hình đề xuất, M-Score với kết quả phân loại theo nội dung giải trình chênh lệch BCTC 43

DANH MỤC CÁC HÌNH Hình 1.1 : Tam giác gian lận 6

Hình 1.2 : Bàn cân gian lận 7

Hình 2.1 : Quy trình nghiên cứu 22

Hình 3.1 : Thống kê mẫu theo sàn 36

Do vậy, mô hình nghiên cứu được kiểm chứng trong thực tế về tính ứng dụng của mô hình trong việc nhận diện gian lận BCTC của các công ty thuộc ngành công nghiệp niêm yết trên sàn giao dịch chứng khoán HOSE Và khả năng dự báo đúng của mô hình có tính ứng dụng cao hơn khi áp dụng trên sàn HOSE thay vì sàn HNX vì HOSE

có yêu cầu tiêu chuẩn niêm yết cao hơn sàn HNX

Từ khóa: Gian lận báo cáo tài chính, M-Score, Z-Score

ABSTRACT

To conduct research on financial statement fraud with industry companies listed on HNX and HOSE, the author performed data collection of 222 companies in 2018 Regression model results show that only three variables: Net profit / Total assets (NP / TA), Working capital / Total assets (WC / TA) and ZScore have effect on the possibility of fraudulent financial statement Based on the research results of the model, it shows that the forecast accuracy of model is up to 59% higher than the M-Score model at 46% Therefore, the research model is verified in practice on the applicability of the model in fraudulent financial statements fraudulent multiplication

of industrial companies listed on the HOSE And the predictive ability of the model

is more applicable when applied on HOSE instead of HNX because HOSE has higher listing standard requirements than HNX

Keyword: Financial statement fraud, M-Score, Z-Score

MỞ ĐẦU Vấn đề nghiên cứu

Thực trạng việc công bố thông tin của một số các CTNY trên TTCK Việt Nam còn nhiều vấn đề như nhiều CTNY vẫn chưa chủ động công khai thông tin về tình hoạt động, tình hình sử dụng vốn, tình hình quản trị của công ty, số liệu BCTC còn nhiều sai sót Theo thống kê của UBCKNN: “Giai đoạn 2010-2016, cơ quan chức năng đã ra hơn 1.000 quyết định xử phạm vi phạm hành chính trên TTCK Năm 2017, con số này là 214 quyết định xử phạt 80 cá nhân và 134 tổ chức Trong năm 2018, có 397 trường hợp vi phạm của 129 tổ chức và 268 cá nhân, trong đó, xử phạt 9 cá nhân có hành vi thao túng, tạo cung cầu giả, buộc cải chính thông tin đối với 3 trường hợp báo cáo không chính xác hoặc công bố thông tin sai lệch, buộc từ bỏ quyền biểu quyết đối với 1 trường hợp vi phạm chào mua công khai Số lượng vi phạm về báo cáo và công bố thông tin luôn chiếm trên 50% tổng số vi phạm bị xử phạt.” Tuy nhiên những nghiên cứu gần đây cho thấy việc công bố thông tin minh bạch sẽ làm giảm chi phí huy động vốn và rủi ro cho các nhà đầu tư Francis (2005) nhận thấy, DN nào có nhu cầu nhận thêm vốn tài trợ từ bên ngoài đều tự động công bố nhiều thông tin hơn mức yêu cầu tối thiểu của thị trường và có chi phí vốn thấp hơn Burgstahler (2007) nhận thấy, tại các quốc gia có thị trường vốn rộng lớn và phát triển thì hiện tượng điều chỉnh BCTC xuất hiện ở các DN tư nhân nhiều hơn ở các DN công Tóm lại, có thể nói rằng, TTCK tạo ra các yếu tố thúc đẩy cho DN về việc CBTT liên quan đến tình hình kinh doanh, từ đấy góp phần làm giảm chi phí vốn Hay nói cách khác, TTCK sẽ lọc bỏ DN nào không CBTT đầy đủ về hoạt động kinh doanh như là nhà đầu tư sẽ bán tháo

cổ phiếu Do vậy, nhu cầu thông tin từ các bên tham gia sẽ tạo nên yếu tố thúc đẩy cho các nhà quản trị để tăng cường chất lượng BCTC của DN Nghiên cứu của Trần Thị Giang Tân

và cộng sự (2015) về đánh giá rủi ro gian lận BCTC của các CTNY trên TTCK Việt Nam cho thấy khả năng gian lận BCTC có ý nghĩa thống kê với 3 yếu tố trong tam giác cân gian lận dựa trên mẫu nghiên cứu là 78 công ty niêm yết tại HOSE Như vậy chúng ta thấy có khả năng gian lận BCTC trên thị trường chứng khoán Việt Nam Do vậy việc phát hiện gian lận BCTC thông qua các việc vận dụng các tỷ số tài chính đã được nghiên cứu trước đây (Charalambos (2002) đã nghiên cứu tại TTCK Hy lạp) và thực nghiệm lại tại TTCK là

thực sự cần thiết giúp cho bên có nhu cầu sử dụng thông tin BCTC trong quá trình ra quyết định

Hiện tại đã có nhiều nghiên cứu về vấn đề gian lận BCTC trên quy mô mẫu rộng bao gồm tất cả các CTNY trên sàn HNX hoặc HOSE Tuy nhiên vì mỗi nghành niêm yết sàn HNX hoặc HOSE có các đặc điểm khác nhau nên việc dùng mô hình chạy cho tất

cả các ngành sẽ không giải thích cao theo ý kiến của tác giả, do vậy trong nghiên cứu này tác giả chọn ngành công nghiệp do công nghiệp chiếm tỷ trọng cao trong GDP, có lịch sử phát triển lâu đời và số lượng công ty thuộc ngành công nghiệp niêm yết trên sàn HOSE

và HNX chiếm tỷ trọng lớn nhất với tỷ trọng lần lượt là 28.6% và 33.43% theo tính toán của tác giả trong khi đó nhiều ngành khác có số lượng công ty dưới 30

Xuất phát từ thực trạng suy giảm chất lượng thông tin BCTC, tác giả mong muốn vận dụng các phương pháp đã được thực hiện ở Việt Nam cũng như trên thế giới vào việc thông qua các tỷ số tài chính dùng để phát hiện gian lận BCTC tại TTCK Việt Nam mà cụ thể là nhóm CTNY thuộc ngành công nghiệp trên sàn giao dịch HNX và HOSE Do đó, tác giả

đã lựa chọn đề tài “Xây dựng và thực nghiệm mô hình phát hiện khả năng gian lận BCTC

cho nhóm công ty thuộc ngành công nghiệp tại sàn giao dịch chứng khoán HOSE & HNX

” làm đề tài luận văn Thông qua đề tài này, tác giả mong muốn luận văn của mình sẽ đóng góp thông tin hữu ích cho các nhà quản lý về việc xây dựng các chính sách nhằm cải thiện chất lượng công bố thông tin trên TTCK Việt Nam Ngoài ra các bên liên quan sẽ có kỹ thuật nhận diện nhanh về CTNY quan tâm nhằm góp phần giảm thiểu chi phí giám sát cũng như theo dõi, hơn thế nữa, thông qua đó CTNY sẽ phải tăng cường cải thiện chất lượng công bố thông tin báo cáo tài nhằm giúp bên có nhu cầu sử dụng thông tin BCTC có sự đánh giá đúng đắn về công ty và việc công ty tăng vốn hay tăng nợ sẽ diễn ra một cách nhanh chóng, giảm chi phí phát sinh liên quan về việc thông tin bất cân xứng Ngoài ra cơ quan quản lý thực hiện việc quản lý, giám sát thị trường một cách hiệu quả hơn qua đó góp phần giảm thiểu rủi ro cho các bên tham gia đầu tư hay ra quyết định liên quan đến phân tích BCTC

Mục tiêu nghiên cứu

Nghiên cứu được tiến hành nhằm thực hiện và thực nghiệm lại mô hình phát hiện gian lận BCTC dựa trên việc kế thừa từ các công trình nghiên cứu trước đây cho nhóm công ty thuộc ngành công nghiệp niêm yết trên TTCK Việt Nam năm 2018

Thông qua việc áp dụng mô hình hồi quy binary logistic dựa trên các tỷ số tài chính

kế thừa từ các công trình nghiên cứu trước đây được chọn để dự đoán khả gian lận BCTC với mục đích nhằm đưa ra kỹ thuật phát diện gian lận BCTC một cách hiệu quả giúp cho các bên có liên quan bao gồm BQT công ty, bên cho vay, các nhà đầu tư, công ty kiểm toán cũng như cơ quan quản lý nhà nước có được các giải pháp hạn chế và phòng ngừa gian lận BCTC

Câu hỏi nghiên cứu

Câu hỏi nghiên cứu được đặt ra để hoàn thành mục tiêu nghiên cứu như sau:

- Câu 1: Mô hình Beneish được sử dụng rộng rãi để phát hiện khả năng gian lận BCTC của các nhóm công ty thuộc ngành công nghiệp niêm yết trên sàn giao dịch chứng khoán HNX & HOSE như thế nào? Mức độ dự báo đúng của Mô hình Beneish sau khi thực nghiệm lại dựa trên giải trình chênh lệch BCTC và ý kiến kiểm toán ngoại trừ của KTV?

- Câu 2: MHNC bao gồm các tỷ số tài chính nào và khả năng dự báo của MHNC khi

áp dụng dựa trên dữ liệu tài chính của các công ty thuộc ngành công nghiệp niêm yết trên sàn giao dịch chứng khoán HOSE và HNX so với dựa trên dữ liệu một sàn giao dịch riêng biệt trong việc phát hiện gian lận BCTC như thế nào? Thực nghiệm và so sánh giữa MHNC được lựa chọn và mô hình M-Score như thế nào?

Ý nghĩa thực tiễn của đề tài

Thông qua việc tổng hợp lý thuyết và các nghiên cứu trước đây về thủ thuật gian lận BCTC, kế thừa mô hình nhận diện FFS dựa trên các tỷ số tài chính ở nghiên cứu trước đây để tiếp tục phát triển và thực nghiệm lại mô hình nhận diện gian lận BCTC ở TTCK Việt Nam mà cụ thể là nhóm CTNY thuộc ngành công nghiệp

Thông qua mô hình nhận diện gian lận từ đó đề xuất cũng như khiến nghị giúp cho các bên có liên quan bao gồm BQT công ty, bên cho vay, các nhà đầu tư, công ty kiểm toán cũng như cơ quan quản lý nhà nước có được các giải pháp hạn chế và phòng ngừa gian lận BCTC

Đối tượng và phạm vi nghiên cứu

1.5.1 Đối tượng nghiên cứu

Hành vi gian lận BCTC của nhóm CTNY thuộc ngành công nghiệp trên sàn giao dịch chứng khoán HNX & HOSE năm 2018

2018 để thực nghiệm lại khả năng dự báo của MHNC sau khi loại trừ các biến không có ý nghĩa thống kê Ngoài ra liên quan đến vấn đề tính hệ số M-Score cho năm 2018, tác giả vẫn phải sử dụng số liệu của năm liền kế trước đó là 2017 để tính ra điểm M-Score

Phương pháp nghiên cứu

Nghiên cứu được thực hiện thông qua việc tìm hiểu và tổng hợp từ các nghiên cứu đi trước để tham khảo, ứng dụng cũng như phát triển mô hình của nghiên cứu này MHNC kế thừa từ công trình nghiên cứu trước đây của Charalambos (2002) trong việc sử dụng các tỷ

số tài chính để phát hiện công ty gian lận báo cáo tài chính thông qua 10 biến tỷ số tài chính độc lập

Dữ liệu được thu thập thông qua các website như fireant.vn, vietstock.vn, cafef.vn và

sử dụng phần mềm SPSS 20, Excel để xác định và kiểm định các biến độc lập có khả năng nhận diện gian lận BCTC

Đầu tiên, phân loại các công ty gian lận BCTC và không gian lận BCTC làm kết quả biến phụ thuộc tương ứng 1 hoặc 0 cho MHNC dựa trên mô hình M-Score, sau đó tất cả

10 biến độc lập được đưa vào MHNC

Thông qua hồi quy binary logistic sử dụng phương pháp loại trừ dần Backward (Wald) để loại bỏ các biến độc lập không có ý nghĩa thống kê của MHNC dựa trên xác suất của thống kê Wald Việc áp dụng phương pháp loại trừ dần sẽ được thực hiện lần lượt dựa trên

dữ liệu của các công ty thuộc ngành công nghiệp niêm yết trên sàn HNX, HOSE, HNX + HOSE để tìm ra 3 MHNC

Sau đó sẽ so sánh mức độ dự đoán đúng từ 3 MHNC để chọn ra MHNC tốt nhất tương ứng với tiêu chí dựa trên dữ liệu sàn để tiếp tục thực nghiệm

Cuối cùng tác giả thực nghiệm lại và so sánh khả năng dự báo của MHNC được chọn

và mô hình M-score dựa trên kết quả giải trình BCTC liên quan đến vấn đề chênh lệch số liệu trước kiểm toán và sau kiểm toán, ý kiến của KTV

Cấu trúc của luận văn

Bên cạnh phần mở đầu, kết luận, mục lục, danh mục từ viết tắt, danh mục bảng, danh mục các tài liệu tham khảo, và các phụ lục, luận văn có kết cấu 4 chương:

- Chương 1: Khung lý thuyết và tổng quan các nghiên cứu trước đây: chương này đề cập cơ sở lý thuyết có liên quan cũng như khảo cứu các nghiên cứu trong và ngoài nước về các vấn đề liên quan đến gian lận BCTC Từ đó kế thừa giá trị của các nghiên cứu này cũng như tìm ra lỗ hổng nghiên cứu qua đó đề xuất mục tiêu, đối tượng và phạm vi nghiên cứu cho luận văn; sự cần thiết của nội dung nghiên cứu và sự phù hợp của phương pháp nghiên cứu

- Chương 2: Phương pháp nghiên cứu: phân tích quy trình nghiên cứu, giả thuyết, MHNC, cách chọn mẫu và phân tích dữ liệu

- Chương 3: Kết quả từ MHNC và thảo luận: phân tích và trình bày kết quả của nghiên cứu cũng như ý nghĩa của kết quả nghiên cứu

- Chương 4: Đánh giá chung và khuyến nghị: trình bày những đánh giá và khuyến nghị chính yếu của nghiên cứu

CHƯƠNG 1 KHUNG LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU

TRƯỚC Khung lý thuyết

1.1.1 Tổng quan về hành vi gian lận BCTC

Theo nhà nghiên cứu về tội phạm Donald R Cressey (1919-1987), ông đã nghiên cứu các tội phạm kinh tế liên quan để tìm nguyên nhân đằng sau dẫn đến hành vi gian lận và

đã tìm ra mô hình “Tam giác gian lận (Fraud Triangle)” – mô hình chính thống được dùng

trong ngành kiểm toán Ông kết luận rằng, gian lận chỉ phát sinh khi bao gồm 3 yếu tố: Áp lực, Cơ hội và Thái độ

Hình 1.1 : Tam giác gian lận

Nguồn: Mẫn Đức Bình Minh và cộng sự, 2019 Trường Đại học Ngoại Thương Theo D W Steve Albrecht, thông qua khảo sát 212 KTV nội bộ tại các công ty ở Mỹ bằng cách sử dụng các bảng câu hỏi Mục đích nghiên cứu của D W Steve Albrecht giúp các nhà quản lý nhận biết được các dấu hiệu có thể phát hiện và thông qua đó ngăn ngừa hành vi gian lận Dựa vào kết quả trên, D W Steve Albrecht đã xây dựng mô hình : “Bàn cân gian lận” (Fraud Scale) – gồm 3 nhân tố: Hoàn cảnh, cơ hội và tính trung thực Ông đã chỉ ra rằng: “Khi hoàn cảnh tạo áp lực, cơ hội thực hiện gian lận càng cao cùng với tính liêm chính của cá nhân thấp, nguy cơ xảy ra gian lận là rất lớn; ngược lại, khi hoàn cảnh tạo áp lực, cơ hội thực hiện gian lận thấp cùng với tính liêm chính cao, nguy cơ xảy ra gian lận là rất thấp”

Mô hình bàn cân gian lận được đưa ra gồm 3 yếu tố là:

- Hoàn cảnh tạo ra áp lực và cơ hội

- Tính trung thực

Nguồn: Mẫn Đức Bình Minh và các cộng sự, 2019 Trường Đại học Ngoại Thương

1.1.2 Phân biệt sai sót và gian lận BCTC

Theo VSA 240, “Sai sót trong BCTC có thể phát sinh từ gian lận hoặc nhầm lẫn Để phân biệt giữa gian lận và nhầm lẫn, cần phải xem xét xem hành vi dẫn đến sai sót trong BCTC là cố ý hay không cố ý.” Nếu cố ý là gian lận và không cố ý là sai sót

Trong sai sót cố ý, có hai loại gian lận mà kiểm toán viên cần quan tâm là sai sót từ việc lập BCTC và sai sót do biển thủ tài sản Do đó, trong luận văn này gian lận được tập trung nghiên cứu và đánh giá tác nhân, cách thức và hậu quả đến từ việc gian lận và phương pháp phát hiện FFS, đặc biệt đối với TTCK

Sự khác nhau giữa sai sót và gian lận BCTC được thể hiện qua bảng sau:

Hình 1.2 : Bàn cân gian lận

Bảng 1.1 : So sánh giữa sai sót BCTC và gian lận BCTC

Nguồn: Theo VSA số 240, 2012

1.1.3 Phân loại gian lận trong kiểm toán BCTC

1.1.3.1 Theo chuẩn mực kiểm toán Việt Nam (VSA)

VSA 240: “Gian lận là hành vi cố ý do một hay nhiều người trong BQT, BGĐ, các nhân viên hoặc bên thứ ba thực hiện bằng các hành vi gian dối để thu lợi bất chính hoặc bất hợp pháp.” Các chuẩn mực này nhằm giúp kiểm toán viên trong việc đánh giá chính xác và giảm thiểu sai sót trong quá trình ngăn ngừa và phát hiện gian lận BCTC

1.1.3.2 Theo chuẩn mực kế toán Quốc tế (ISA)

ISA 240 chia hành vi gian lận thành 2 loại: gian lận trên BCTC và biển thủ tài sản Theo ISA 240: “Gian lận liên quan đến BCTC là các sai phạm trọng yếu được thực hiện một cách cố ý bao gồm cả những thiếu sót về số lượng, giá trị các khoản mục hoặc thông tin trên BCTC để đánh lừa người sử dụng Hành vi này được gây ra bởi các nỗ lực của HĐQT, BGĐ và các nhân viên nhằm tạo ra một khoản lợi ích cho doanh nghiệp.”

Theo ISA thì chủ thể thực hiện gian lận: nhà quản lý và nhân viên

1.1.3.3 Theo Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE)

Theo ACFE thì gian lận được phân tích như sau:

1.1.3.3.1 Phân loại gian lận:

- Các gian lận liên quan đến tài sản: biển thủ tiền quỹ, đánh cắp tài sản, gian lận về lương, tự ý cho thuê/ sử dụng các tài sản công mà không kê khai do nhân viên hay cấp quản

- Che giấu nợ và chi phí thông qua không ghi nhận, không lập dự phòng các khoản

nợ phải thu và nợ xấu, vốn hóa sai các chi phí

- Ghi nhận doanh thu không có thật bằng cách tạo ra các khách hàng ảo là các công

ty con trong tập đoàn, kí kết hợp đồng khống sẽ lập bút toán hàng bán bị trả lại vào niên

độ tiếp theo… Hoặc đưa ra chương trình bán hàng cho khách hàng như chương trình dùng thử và sẽ được hoàn trả lại tiền nếu không hài lòng, làm tăng một khoản doanh thu tạm ứng lớn tại thời điểm hàng xuất kho

- Thay đổi chính sách kế toán trong việc tính giá thành, dự phòng và phương pháp áp dụng cho khấu hao tài sản

- Chỉnh sửa thời gian để tạo doanh thu ảo bằng cách hạch toán doanh thu trước thời điểm BCTC rồi sau nhiều ngày mới xuất hàng hóa cho khách hàng hoặc phân bổ chi phí cho nhiều kỳ kế toán thay vì ghi nhận ngay tại thời điểm phát sinh nghiệp vụ kế toán

- Che giấu thông tin bằng việc không khai thông tin đầy đủ hoặc giao dịch liên quan nhằm đánh lạc hướng khả năng phân tích BCTC như các khoản nợ có các nghĩa vụ tiềm tàng, các khoản thu bằng tiền mặt, những sự kiện sau ngày kết thúc niên độ, thay đổi chính sách khấu hao…

1.1.4 Động cơ và cơ hội thực hiện gian lận BCTC

1.1.4.1 Động cơ

- Đảm bảo sự ổn định tài chính hay khả năng sinh lời của doanh nghiệp;

- Áp lực trong việc đáp ứng các kỳ vọng hay mục tiêu của bên thứ ba; làm cho lợi ích ngắn hạn từ thị trường tăng nhanh hơn lợi nhuận tạo ra từ hoạt động kinh doanh;

- Lo sợ ảnh hưởng danh tiếng và quyền lợi của BGĐ khi điều hành doanh nghiệp không hiệu quả nhằm đạt được lợi nhuận mong muốn, BGD điều chỉnh liên quan đến các chính sách khen thưởng được tính theo KQHĐKD của doanh nghiệp;

- Che giấu những sai phạm do thu lợi bất chính hoặc lạm dụng tài sản của công ty cho BGĐ hoặc một nhóm liên quan;

- Muốn truyền tải và thu hút các nhà đầu tư bằng cách tạo ra bức tranh kinh doanh ổn định hơn cho doanh nghiệp

1.1.4.2 Các cơ hội

- Liên quan đến đặc điểm ngành;

- Doanh nghiệp có nhiều công ty thành viên hay liên doanh và cơ cấu sở hữu chồng chéo, phức tạp;

- Việc giám sát tuân thủ nội quy công ty trong quá trình hoạt động kinh doanh không hiệu quả;

- Kiểm soát nội bộ thiếu minh bạch, giám sát lỏng lẻo;

- Phân chia công việc và trách nhiệm thiếu sự hợp lý làm tăng sự thiếu trung thực đối với tài sản của doanh nghiệp

1.1.5 Thái độ và tác nhân trong gian lận trong BCTC

- BGĐ muốn giảm thiểu chi phí thuế bằng cách tác động đến quá trình lập BCTC;

- Các vấn đề về đạo đức nghề nghiệp của BGĐ

1.1.5.2 Nguyên nhân khách quan và nội tại

- Các thành viên trong BQT và BGĐ bị cáo buộc về gian lận BCTC hoặc đã từng vi phạm pháp luật nghiêm trọng;

- BGĐ không thể kịp thời sửa chữa quy trình hoặc ngăn chặn hành vi gian lận đã được kiểm soát nội bộ xác định;

- BGĐ vừa là chủ tịch HĐQT của công ty;

- Bỏ qua các khiếu nại của khách hàng về những giao dịch của doanh nghiệp

1.1.6 Trách nhiệm của ban lãnh đạo công ty

Gian lận BCTC luôn là mối nguy của doanh nghiệp, kể cả doanh nghiệp lớn hay các doanh nghiệp nhỏ Tuy nhiên, các doanh nghiệp vừa và nhỏ thường có xu hướng xảy ra những vụ gian lận tài chính do không có quy trình kiểm soát và thiếu kinh nghiệm trong việc ngăn ngừa gian lận của tổ chức

Theo VSA số 240: “Việc ngăn ngừa và phát hiện gian lận trước hết thuộc về trách

nhiệm của BQT và Ban Giám đốc đơn vị được kiểm toán”

Hiện nay, các doanh nghiệp được niêm yết đều đã và đang thành lập ban kiểm toán nội

bộ kiểm soát và phòng ngừa gian lận tổng thể trước khi gian lận bị phát tán ra bên ngoài Ban lãnh đạo và đơn vị liên quan phải xem xét khả năng xảy ra hành vi khống chế kiểm soát gian lận hoặc hành động gây ảnh hưởng không thích hợp đến quy trình lập và trình bày BCTC

1.1.7 Trách nhiệm của kiểm toán viên

Theo VSA: “Kiểm toán viên chịu trách nhiệm đạt được sự đảm bảo hợp lý rằng liệu BCTC, xét trên phương diện tổng thể, có còn sai sót trọng yếu do gian lận hoặc nhầm lẫn hay không Do những hạn chế vốn có của kiểm toán, nên có rủi ro không thể tránh khỏi là kiểm toán viên không phát hiện được một số sai sót làm ảnh hưởng trọng yếu đến BCTC,

kể cả khi cuộc kiểm toán đã được lập kế hoạch và thực hiện theo các VSA.”

Tổng quan các nghiên cứu trước đây

1.2.1 Các nghiên cứu trước đây về gian lận BCTC

Việc phát sinh gian lận trên BCTC đang ngày càng là vấn đề được quan tâm đặc biệt Đây đã và đang là thách thức lớn đối với BGĐ và BQT, cũng như đối với kiểm toán viên

và các nhà đầu tư trong việc phát hiện các sai phạm trên BCTC Các nghiên cứu trong và ngoài nước về vấn đề này sẽ được đề cập bên dưới đây:

1.2.1.1 Các nghiên cứu nước ngoài

 Mô hình dồn tích

Các tài liệu về thao túng quản trị lợi nhuận đã chủ yếu thảo luận về các thao túng là giải thích trên các tiêu chuẩn, ví dụ như các quyết định về mức độ dồn tích và hầu hết các nghiên cứu đã phát hiện ra rằng các mô hình dồn tích tùy ý có thể là công cụ hiệu quả để phát hiện các thao tác quản trị thu nhập vì chúng có thể phơi bày các số liệu bất thường liên quan với các báo cáo và các biến kế toán dồn tích Quản trị biến kế toán dồn tích đề cập đến việc thay đổi các ước tính như thời gian khấu hao, xác suất thu hồi nợ và các khoản tích lũy cuối năm khác để cố gắng thay đổi lợi nhuận được báo cáo theo hướng của mục tiêu mong muốn (Ayres, 1994) Trường hợp Mô hình DeAngelo (1986) sử dụng tổng giá trị số biến dồn tích trong giai đoạn trước, được chia tỷ lệ theo tổng tài sản kỳ trước như là thước đo của các khoản tích lũy không thể điều chỉnh Healy (1985) sử dụng giá trị trung bình tổng biến kế toán dồn tích trên tổng tài sản kỳ trước từ giai đoạn ước tính làm thước

đo của biến kế toán dồn tích không tùy ý Jones (1991) cố gắng kiểm soát tác động của những thay đổi trong hoàn cảnh kinh tế của công ty đối với các biến kế toán dồn tích không thể điều chỉnh

Mô hình của Friedlan (1994) đã khắc phục được nhược điểm của mô DeAngelo bằng giả định sự thay đổi do tăng trưởng và sự thay đổi do lựa chọn kế toán Trong trường hợp phần biến kế toán điều chỉnh nhỏ hơn hoặc lớn hơn hoặc bằng 0 để đưa ra kết luận về việc công ty có điều chỉnh lợi nhuận hay không Ưu điểm của mô hình này là tập trung vào hành

vi điều chỉnh doanh thu và chi phí phát sinh trong chu kỳ kinh doanh tuy nhiên nhược điểm của mô hình là chưa tính đến yếu tố dòng tiền ngoài ra cả yếu tố phi tài chính cũng chưa được tính đến

 Mô hình mạng thần kinh

Công nghệ Mạng nơ-ron nhân tạo là một kỹ thuật cảm ứng tri thức Mạng nơ-ron, bao gồm một tập hợp các nút xử lý được kết nối với nhau, được sắp xếp trong những lớp đầu vào, lớp ẩn và lớp đầu ra Dữ liệu chảy qua mạng này theo một hướng, từ lớp đầu vào đến lớp đầu ra Dữ liệu đầu tiên vào mạng thông qua các nút trong lớp đầu vào Trong khi các nút đầu vào truyền dữ liệu đến các lớp ẩn để cho phép mạng lưới mô hình hóa các chức năng phức tạp Các nút trong lớp đầu ra đều nhận và xử lý tất cả các đầu vào (Coakley và Brown 2000)

Green và Choi (1997) sử dụng dữ liệu tài chính nội sinh để phát triển mô hình và nhận xét rằng mô hình làm tốt trong việc phân loại này Fanning và Cogger (1998) sử dụng các

dự đoán có sẵn công khai về BCTC gian lận, họ tìm thấy một mô hình gồm tám biến dùng để phát hiện gian lận BCTC Lin và cộng sự (2003) đã tạo ra một mạng nơ-ron mờ để điều tra tiện ích của các công nghệ thông tin chẳng hạn như một hệ thống tích hợp của mạng nơ-ron và logic mờ để phát hiện gian lận Ưu điểm của mô hình mạng thần kinh là xử lý

dữ liệu nhanh, đảm bảo tính toán thời gian thực Nhược điểm của mô hình mạng thần kinh

là khó thiết kế, cần có thông tin về cấu trúc dữ liệu và mối quan hệ giữa các biến tính năng,

sự phức tạp, đòi hỏi khả năng tính toán chuyên sâu

 Mô hình M-Score (1999)

Mô hình phát hiện gian lận BCTC được phát triển bởi M D Beneish (1999) và đã tạo

ra một phương pháp hiệu quả trong rủi ro phòng ngừa giúp kiểm toán viên, nhà đầu tư xác định doanh nghiệp có khả năng gian lận hay không? Mô hình giả định rằng bất kỳ hoạt động nào trên BCTC được thực hiện thông qua việc gia tăng lợi nhuận và các chỉ số được lựa chọn trong mô hình này tập trung vào hai nhóm: các biến số để xác định động cơ gian lận và nhận diện gian lận

Các biến độc lập trong mô hình M-Score bao gồm: chỉ số hàng tồn kho (DSRI), chỉ số chất lượng tài sản (AQI), chỉ số khấu hao tài sản (DEPI), và chỉ số chất lượng tài sản (TATA) Các biến số giúp phản ánh động cơ gian lận: chỉ số lợi nhuận gộp (GMI), chỉ số

tăng trưởng doanh thu (SGI), chỉ số chi phí bán hàng và quản lý (SGAI) và chỉ số đòn bẩy tài chính (LVGI)

Kết quả cho thấy có một mối quan hệ có ý nghĩa thống kê giữa xác suất gian lận và các biến Mô hình sử dụng một mẫu 74 các doanh nghiệp có lợi nhuận chi phối trong giai đoạn 1982-1992, điều đó chỉ ra rằng điểm M của 1 doanh nghiệp lớn hơn -2,22 là một dấu hiệu của lợi nhuận hành vi chi phối lợi nhuận

Beneish đã loại nhóm ngành tài chính khỏi mẫu của mình khi tính M-Score, vì vậy cần hết sức thận trọng khi xem xét điểm M của các công ty tài chính - mô hình kinh doanh của

họ khác với các công ty sản xuất và dịch vụ khác mà Beneish sử dụng trong nghiên cứu của mình Điểm M giúp phát hiện ra các công ty có khả năng thao túng lợi nhuận được báo cáo của họ Các công ty có điểm số cao hơn có nhiều khả năng là người thao túng Đây là một mô hình xác suất, vì vậy nó sẽ không phát hiện các thao tác với độ chính xác 100% Trong nghiên cứu này tác giả sử dụng mô hình M-Score của Beneish (1999) dùng để phân loại công ty có FFS (phân loại là 1) và công ty không có FFS (phân loại là 0) do tính ứng dụng của mô hình này được rộng rãi sử dụng trong các bài nghiên cứu trên thế giới cũng như ở Việt Nam

Nguyễn Hữu Anh, Nguyễn Hà Linh (2016) chứng minh rằng mô hình M-Score có kết quả dự báo phù hợp trên 50% so với kết quả BCTC kiểm toán trong năm 2014, do vậy việc

sử dụng mô hình M-Score không chỉ ứng dụng trong phạm vi các quốc qua đã phát triển

mà có thể ứng dụng tốt trong các quốc gia đang phát triển như Việt Nam Mặc dù đã có nghiên cứu so sánh khả năng dự báo giữa hai mô hình M-Score và F-score theo Shabnam Fazli và cộng sự (2016) chỉ ra rằng mô hình F-score vượt trội về khả năng dự báo so với

mô hình M-Score với tỷ lệ dự đoán đúng trong những trường hợp gian lận tương ứng là 73.17% và 69.51% dựa trên dữ liệu tài chính các CTNY ở Malaysia từ 2001 đến 2014 Tuy nhiên hạn chế của nghiên cứu này là chưa tính đến yếu tố phi tài chính và cần có những nghiên cứu chuyên sâu hơn ở các quốc gia trong khối ASEAN Hoàng Thị Thanh Huyền (2016) trong bài nghiên cứu mô hình dự đoán khả năng gian lận BCTC của các CTNY trên sàn HOSE Kết quả phân tích số liệu năm 2012 Chỉ số F-score có thể phát hiện 50% các FFS trong năm 2012 (15/30 công ty) Trong khi đó theo nghiên cứu của Nguyễn Công

Phương và cộng sự (2014) thì mô hình Beneish có thể phát hiện 53,33% (16/30 công ty) trong số các công ty FFS Như vậy, khả năng dự đoán gian lận BCTC của 2 mô hình này gần như tương đương với nhau Do vậy, tính đến thời điểm hiện tại tác giả nhận thấy việc

áp dụng mô hình M-Score trong đề tài này vẫn khả thi và có nhiều tác giả khác vẫn sử dụng

mô hình M-Score để nghiên cứu tại trị trường Việt Nam, cũng như chưa có mô hình nào ở Việt Nam là tối ưu nhất nên cần có những nghiên cứu trong tương lai về vấn đề này Ưu điểm cửa mô hình M-Score là sử dụng rộng rãi trong giới phân tích tài chính, hữu ích trong việc xác định mức độ thao túng lợi nhuận của nhà quản trị công ty ở mức nào và còn giúp các nhà phân tích trong việc phát hiện công ty có FFS Nhược điểm của mô hình là không

áp dụng cho các công ty tài chính vì giáo sư Messod Beneish tại thời điểm ước tính mô hình không bao gồm các công ty này Ngoài ra trong trường hợp ban lãnh đạo của công ty

có ý định về việc tính toán điểm Z, họ sẽ thao túng BCTC theo hướng có lợi cho việc tính toán điểm Z

 Mô hình F-score của Dechow (2011)

Mô hình F-Score được giới thiệu bởi hai giáo sư hàng đầu tại Đại học California là Patricia Dechow và Richard Sloan Mô hình được xác định như sau:

F-Score = -7.893 + 0.790 * RSST + 2.518 * ΔREC + 1.191 * ΔINV + 1.979 * SOFTASSETS + 0.171 * ΔCASHSALES – 0.932 * ΔROA + 1.029 * ISSUE

Loại 1 (các khoản kế toán dồn tích): RSST(Chỉ số kế toán dồn tích), ΔREC (Biến động khoản phải thu trên tổng tài sản), ΔINV (Biến động hàng tồn kho trên tổng tài sản) và SOFTASSETS (Tỷ trọng tài sản có tính thanh khoản bình quân trên tổng tài sản)

Loại 2 (hiệu quả tài chính): ΔCASHSALES (Biến động thay đổi tiền mặt trên doanh thu) và ΔROA(Biến động tỷ suất sinh lời trên tổng tài sản)

Loại 3 (TTCK): ISSUE (Chỉ số chứng khoán phát hành trong 1 năm)

Theo mô hình đề xuất giá trị F-Score của doanh nghiệp nên nhỏ hơn mức 1

Ưu điểm của mô hình F-Score là khả năng dự đoán mạnh về gian lận BCTC tại thị trường các nước đã phát triển Nhược điểm của mô hình F-Score là trong trường hợp ban lãnh đạo của công ty có ý định về việc tính toán điểm F, họ sẽ thao túng BCTC theo hướng

có lợi cho việc tính toán điểm F

 Mô hình Z-Ccore

Mô hình Z-Score được phát triển bởi Altman (1968) để dự đoán khả năng kinh doanh

sẽ diễn ra phá sản trong hai năm tới, cũng như là một công cụ để kiểm tra sức khỏe tài chính của một doanh nghiệp Đã có một số nghiên cứu về gian lận, như Loebbecke và cộng

sự, (1989), Persons (1995) và Summers & Sweeney (1998), cho thấy sự kiệt quệ tài chính của doanh nghiệp có thể thúc đẩy hành vi gian lận trên BCTC Nghiên cứu đã thu thập một mẫu trong số 66 doanh nghiệp được chia thành hai nhóm: nhóm phá sản bao gồm các doanh nghiệp đã nộp đơn đối với phá sản và doanh nghiệp là cùng ngành với cùng quy mô Ông

đã thu thập được 22 các biến đại diện cho 5 nhóm chỉ số về thanh khoản, chỉ số liên quan đến lợi nhuận, chỉ số đòn bẩy, chỉ số thanh khoản và chỉ số hiệu suất Sau đó, điểm Z được Alman điều chỉnh để thay đổi một số đặc điểm vào năm 1993, mô hình mới này đã dự đoán chính xác 66% doanh nghiệp phá sản và 78% doanh nghiệp không phá sản trước một năm Nhược điểm của Z-score là cần được tính toán và diễn giải cẩn thận Ví dụ, điểm số Z không phân biệt được các thực hành kế toán sai Vì các công ty đang gặp khó khăn đôi khi

có thể trình bày sai hoặc che đậy tài chính của họ, điểm Z chỉ chính xác khi dữ liệu đầu vào đúng Ngoài ra, điểm Z không hiệu quả đối với các công ty mới có lợi nhuận thấp đến

0 Bất kể tình trạng tài chính thực tế của công ty mới thành lập như thế nào, các công ty này sẽ đạt điểm thấp Hơn nữa, điểm số Z không đề cập đến dòng tiền của công ty Cuối cùng, điểm số Z có thể thay đổi từ quý này sang quý khác nếu một công ty ghi lại các khoản xóa sổ tài sản Những sự kiện này có thể thay đổi điểm số cuối cùng và có thể gợi ý sai rằng một công ty đang trên bờ vực phá sản

 Các nghiên cứu khác về tỷ số tài chính được áp dụng trong các mô hình để phát hiện gian lận trên BCTC

Trong nghiên cứu nghiên cứu trước đây (Feroz và các cộng sự, 1991; và các cộng sự, 1991; Persons, 1995; Wells, 1997; Fanning & Cogger, 1998; Beneish, 1999; Charalambos

và các cộng sự, 2002; Lenard & Alam, 2009; Ravisankar và các cộng sự, 2011) sử dụng các tỷ số tài chính trong việc phát hiện gian lận BCTC là một trong những phương pháp chính Sau khi nghiên cứu lý thuyết, các tỷ số tài chính được sử dụng trong các tài liệu khoa học được nhóm thành năm nhóm: các nhóm chỉ số về lợi nhuận, chỉ số về thanh toán,

chỉ số về thanh khoản, chỉ số về hoạt động, chỉ số về cấu trúc tài chính Điều này xác nhận rằng các học giả khác nhau chọn các tỷ lệ tài chính khác nhau để điều tra gian lận

Khó khăn tài chính có thể là động lực để các nhà quản lý tham gia vào các hoạt động gian lận Theo Fanning & Cogger (1998), Kirkos và các cộng sự (2007), Ravisankar và các cộng sự (2011), cơ cấu tài chính sử dụng nợ cao hơn có thể làm tăng khả năng gian lận BCTC Các tỷ số sau đây được sử dụng chủ yếu trong các công trình nghiên cứu về FFS:

tỷ số tổng nợ vay trên tổng tài sản (TD / TA) (Kirkos và các cộng sự, 2007; Gaganis, 2009; Sen & Terzi, 2012; Dalnial và các cộng sự, 2014) hoặc tổng nợ phải trả trên tổng tài sản (TL / TA) (Lenard & Alam, 2009); tỷ số tổng nợ trên vốn chủ sở hữu (TD / EQ) (Charalambos và các cộng sự, 2002; Kirkos và các cộng sự, 2007; Dalnial và các cộng sự, 2014) Thanh khoản thấp hơn có thể là một động lực cho các nhà quản lý tham gia vào gian lận BCTC Chủ yếu là chỉ số thanh khoản bằng vốn lưu động ròng trên tổng tài sản (WC / TA), tỷ số tài sản ngắn hạn so với nợ ngắn hạn (CA / CL) (Lenard & Alam, 2009; Ravisankar và các cộng sự, 2011)

Theo Stice và các cộng sự (1991), Persons (1995), Kaminski và các cộng sự, (2004), Kirkos và các cộng sự (2007), Perols (2011), hàng tồn kho, khoản phải thu là các biến BCTC cho phép ước tính chủ quan Do đó, các tỷ số được sử dụng để xác định các báo cáo gian lận đó là tỷ số hàng tồn kho trên doanh thu (INV / SAL), tỷ số hàng tồn kho trên tổng tài sản (INV / TA), tỷ lệ các khoản phải thu trên doanh thu (REC / SAL)

Nhìn chung các mô hình này dễ sử dụng dựa trên thông tin BCTC sẵn có tuy nhiên việc sử dụng mô hình cũng có hạn chế đó mô hình chỉ tập trung vào thông tin được lượng hóa mà không chú ý đến sự ảnh hưởng của nhiều biến định danh khác như thành phần HĐQT có thành viên độc lập không, trình độ của giám đốc điều hành,

 Nghiên cứu của Charalambos T Spathis (2002)

Charalambos T Spathis (2002) dựa vào học thuyết của các nghiên cứu trước, sử dụng công cụ thống kê để điều tra về tính hữu dụng của các tỷ số tài chính liên quan đến gian lận BCTC Charalambos đã phân loại mẫu của các công ty FFS và không phải FFS Có tổng cộng 10 biến được tìm thấy được xem là chỉ báo cho việc gian lận BCTC Các tỷ số này bao gồm: hệ số nợ vay trên vốn chủ sở hữu, hệ số tổng nợ trên tổng tài sản, hệ số khoản

phải thu trên doanh thu, hệ số hàng tồn kho trên doanh thu, hệ số lợi nhuận gộp trên tổng tài sản, hệ số doanh thu trên tổng tài sản, hệ số lợi nhuận sau thuế trên doanh thu thuần, hệ

số lợi nhuận sau thuế trên tổng tài sản, hệ số vốn lưu động ròng trên tổng tài sản và hệ số nguy cơ phá sản ZScore Cả hai mô hình đều (có ZScore và không có ZScore) đã chính xác trong việc phân loại tổng mẫu với tỷ lệ chính xác vượt quá 84% Kết quả cho thấy có tiềm năng trong việc phát hiện FFS thông qua phân tích BCTC được công bố ra công chúng Nói chung, các chỉ số được lựa chọn được liên quan với các công ty FFS Các công ty có

hệ số nợ trên tổng tài sản cao, hệ số hàng tồn kho trên doanh thu cao, hệ số lợi nhuận ròng trên tổng tài sản thấp, hệ số vốn lưu động ròng trên tổng tài sản thấp và hệ số nguy cơ phá sản thấp có nhiều khả năng làm sai lệch BCTC theo kết quả của hồi quy logistic từng bước Như vậy dựa trên kết quả của mô hình có tỷ lệ chính xác khá cao là 84%, do vậy MHNC trong luận văn này sử dụng các tỷ số tài chính trong việc phát hiện gian lận BCTC dựa vào

10 biến độc lập được đề xuất bởi Charalambos T Spathis (2002) Về phương pháp nghiên cứu sẽ được đề cập ở nội dung chương 2

 Nghiên cứu của Kirkos (2007)

Nghiên cứu sử dụng data mining, chương trình thống kê phân tích dữ liệu Data mining

đề xuất một số phương pháp phân loại xuất phát từ các lĩnh vực thống kê và trí thông minh nhân tạo Ba phương pháp, được cho là có khả năng phân loại tốt, được sử dụng trong nghiên cứu trên Các phương pháp phân loại này là cây quyết định, mạng lưới thần kinh và mạng lưới Bayesian 27 tỷ số tài chính được lựa chọn để dự đoán khả năng công ty có gian lận BCTC Nhược điểm của phương pháp này là khá phức tạp và đòi hỏi công cụ xử lý tốc

độ cao

1.2.1.2 Các nghiên cứu tại Việt Nam

Trần Thị Thanh Tú và các cộng sự (2014) xây dựng MHNC các nhân tố ảnh hưởng đến chất lượng CBTT của CTNY qua chất lượng CBTT, vai trò của CBTT đối với các CTNY trên TTCK Thông qua nghiên cứu các tác giả đề xuất vận dụng mô hình về nhân

tố ảnh hưởng đến chất lượng CBTT của CTNY trên TTCK Việt Nam, đồng thời là cơ sở để đề xuất các khuyến nghị góp phần tăng tính minh bạch của thị trường

Phạm Quốc Thuần (2016) đề xuất các nhân tố tác động đến chất lượng thông tin BCTC

được phân làm hai nhân tố chính: bên trong và bên ngoài doanh nghiệp, nghiên cứu được giới hạn trong phạm vi các nhân tố bên ngoài doanh nghiệp Phương pháp sử dụng chủ yếu

là nghiên cứu tình huống Kết quả cho thấy: Áp lực từ thuế có tác động lớn nhất, các nhân

tố kế tiếp bao gồm: Niêm yết chứng khoán, Phần mềm kế toán, Kiểm toán độc lập Có 2 nhân tố tác động thấp nhất là nhân tố Yếu tố chính trị, Môi trường pháp lý

Vũ Thị Thục Oanh (2018) tập trung vào việc phân tích các yếu tố tác động đến hành

vi gian lận BCTC từ tam giác cân gian lận cho các doanh nghiệp niêm yết trên TTCK Việt Nam để từ đó đưa ra các biện pháp nhằm kiểm soát hành vi gian lận Trong nghiên cứu này, tác giả sử dụng mô hình tương tự như Skousen & cộng sự (2009) và Lou & Wang (2011), mối quan hệ giữa hành vi gian lận trên BCTC và các yếu tố (được lượng hóa) có thể được biểu diễn thông qua phương trình:

Gian lận = f (Động cơ/Áp lực, Cơ hội, Thái độ)

Đào Lê Trang Anh (2015) thông qua nghiên cứu về kiểm định tính hiệu quả thị trường cho thấy TTCK Việt Nam từ năm 2000 đến 2014 chưa đạt hiệu quả thị trường dạng yếu Kết quả của nghiên cứu của Võ Văn Nhị và Hoàng Cẩm Trang (2013) dựa trên mô hình Leuz cho thấy mức độ điều chỉnh lợi nhuận tương đồng với nguy cơ phá sản

Trần Việt Hải (2017) đã sử dụng mô hình Beneish (1999) để phân loại các công ty có gian lận và không có gian lận kết hợp với các nghiên cứu trước đó đã sử dụng chỉ số tài chính để phát hiện gian lận tài chính Mô hình nghiên cứu đề xuất bởi tác giả chính xác ở mức 58.58%

Nguyễn Tiến Hùng, Võ Hồng Đức (2016) dựa trên lý thuyết Tam giác gian lận được

đề cập trong chuẩn mực kiểm toán VSA240 và sử dụng hồi quy Logistic, kết quả nghiên cứu cho thấy, mô hình được xây dựng dựa trên yếu tố Động cơ (được đại diện bởi Suất sinh lời trên tài sản và Đòn bẩy tài chính), yếu tố Cơ hội (được đại diện bởi Nợ phải thu trên doanh thu) và yếu tố Thái độ (được đại diện bởi Sự thay đổi kiểm toán viên độc lập và

Ý kiến của KTV độc lập về BCTC) khả năng dự báo chính xác đến 68% các công ty thuộc mẫu nghiên cứu, trong đó khả năng dự báo chính xác đến 75% đối với FFS và 61% đối với các công ty không phải FFS

1.2.2 Khoảng trống nghiên cứu

Phần tổng quan nghiên cứu trước đây đã trình bày được các nghiên cứu trong và ngoài nước liên quan đến vấn đề nghiên cứu Thông qua việc tổng quan các công trình nghiên cứu, tác giả đã có một số nhận xét để xác định khoảng trống nghiên cứu sau:

- Cho đến nay trên thế giới có nhiều nghiên cứu đã khám phá các nhân tố ảnh hưởng đến chất lượng thông tin BCTC & vấn đề về gian lận BCTC được nghiên cứu khá nhiều

Và cũng có nhiều công trình nghiên cứu FFS nhằm mục đích hỗ trợ cho các bên sử dụng thông tin BCTC trong quá trình ra quyết định, tuy nhiên các hành vi gian lận BCTC gây ra thiệt hại rất đáng kể so với những đóng góp của công trình nghiên cứu Mặc dù những thiệt hại như vậy nhưng việc nghiên cứu về gian lận BCTC là cần thiết và một phần nào đó cũng giúp ích rất nhiều trong việc ra quyết định liên quan đến xử lý thông tin BCTC

- Tại Việt Nam, nhiều nghiên cứu chuyên sâu vào việc chất lượng CBTT của CTNY

và khuyến nghị để góp phần tăng tính minh bạch của thị trường Các nghiên cứu tác động lên chất lượng thông tin BCTC bao gồm yếu tố bên trong và bên ngoài Ngoài ra các nghiên cứu cũng cố gắng lượng hóa được các yếu tố về hành vi gian lận nhằm giúp các CTNY đưa

ra các biện pháp phòng ngừa gian lận trong hoạt động kinh doanh hằng ngày Tuy nhiên các nghiên cứu chỉ dừng lại ở việc xác định các nhân tố ảnh hưởng đến tính hiệu quả của thị trường hay hành vi gian lận, chất lượng thông tin BCTC

- Những nghiên cứu gần đây liên quan đến việc sử dụng tỷ số tài chính để xác định các gian lận BCTC liên quan đến điều chỉnh lợi nhuận và nguy cơ phá sản được áp dụng cho các CTNY trên sàn giao dịch HOSE Tuy nhiên việc áp dụng trên diện rộng như vậy cho tất cả các ngành thì mô hình sẽ không có tính giải thích cao vì mỗi nghành có đặc điểm hoạt động khác nhau nên tỷ số tài chính áp dụng cũng khác nhau Do vậy từ việc tổng quan các công trình nghiên cứu đây trong và ngoài nước, tác giả nhận thấy cần có mô hình sử dụng tỷ số tài chính để phát hiện gian lận BCTC cho một ngành riêng biệt Xác định được khoảng trống này, tác giả thực hiện và thực nghiệm về nghiên cứu phát hiện gian lận BCTC, tác giả chọn ngành công nghiệp để thực hiện việc nghiên cứu do ngành công nghiệp chiếm

tỷ trọng đóng góp cao trong cơ cấu GDP của Việt Nam và có lịch sử phát triển lâu đời MHNC gian lận BCTC sẽ được tiến hành với mẫu nghiên cứu là các CTNY thuộc ngành

công nghiệp niêm yết trên TTCK Việt Nam Vì điều kiện, tiêu chuẩn được niêm yết trên sàn HOSE và HNX là khác nhau nên trong phạm vi nghiên cứu luận văn này, tác giả sẽ so sánh tiếp mức độ giải thích mô hình nghiên cứu phát hiện gian lận BCTC trong việc sử dụng dữ liệu BCTC theo phân loại: Sàn HNX, Sàn HOSE, Sàn HNX và Sàn HOSE Thông qua đề tài này, tác giả mong muốn nghiên cứu của mình sẽ đóng góp thông tin cũng như công cụ hữu ích cho các nhà quản lý về việc xây dựng các chính sách nhằm cải thiện chất lượng CBTT trên TTCK Việt Nam Ngoài ra các bên có lợi ích liên quan sẽ có kỹ thuật nhận diện nhanh về CTNY quan tâm nhằm góp phần giảm thiểu chi phí giám sát cũng như theo dõi, hơn thế nữa, thông qua đó CTNY sẽ phải tăng cường cải thiện chất lượng CBTT báo cáo tài nhằm giúp các cổ đông, các nhà đầu tư và các bên có lợi ích liên quan có sự đánh giá đúng đắn về công ty và có những hành động kịp thời đảm bảo lợi ích của mình Ngoài ra, việc cải thiện chất lượng thông tin trên báo cáo tài chính sẽ giúp công ty tăng vốn hay huy động nợ sẽ diễn ra một cách nhanh chóng, giảm chi phí phát sinh liên quan về việc bất cân xứng thông tin Cuối cùng cơ quan quản lý thực hiện việc quản lý, giám sát thị trường hiệu quả hơn, giảm thiểu rủi ro cho nhà đầu tư dựa trên khuyến nghị của nghiên cứu này

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình

Sơ đồ thể hiện quy trình nghiên cứu:

Hình 2.1 : Quy trình nghiên cứu

Nguồn: Tác giả tự nghiên cứu

Bước 1: Tổng hợp các lý thuyết và các nghiên cứu trước đây, sau đó xác định vấn đề nghiên cứu, mục tiêu nghiên cứu, câu hỏi nghiên cứu được trình bày ở chương 1

Bước 2: Thu thập dữ liệu tài chính của các công ty thuộc ngành công nghiệp niêm yết trên sàn HNX & HOSE trong năm 2018

Bước 3: Xây dựng giả thuyết, sau đó kiểm định mô hình hồi quy Logistic Sau đó lựa chọn MHNC dựa trên việc áp dụng dữ liệu nghiên cứu theo tiêu chí sàn Đồng thời thực nghiệm lại việc dự báo của MHNC thông qua dữ liệu giải trình của CTNY thuộc ngành công nghiệp và ý kiến của KTV Sau cùng so sánh kết quả giữa MHNC và mô hình M-score trong việc phát hiện gian lận BCTC

Bước 4: Trình bày kết quả và kiến nghị

Phương pháp nghiên cứu

2.2.1 Phương pháp nghiên cứu định lượng

Đề tài kế thừa từ các nghiên cứu trước đây để làm cơ sở nền tảng cho mô hình phát hiện gian lận BCTC Phương pháp nghiên cứu định lượng dựa trên kiểm định mối quan hệ giữa biến độc lập và phụ thuộc, 10 biến độc lập đựa lựa chọn dựa vào nghiên cứu của Charalambos T Spathis (2002) Biến phụ thuộc được sử dụng trong mô hình là biến giả (FFS hay không phải FFS) và các biến độc lập là các tỷ số tài chính nên mô hình thích hợp

là mô hình hồi quy Binary Logistic

Hệ số M-Score được tính để phân loại FFS (phân loại là 1) và không phải FFS (phân loại là 0)

Sau khi đưa toàn bộ các biến độc lập và phụ thuộc được tính toán vào mô hình hồi quy Binary Logistic, sử dụng phương pháp “Backward: Wald” loại bỏ dần từng biến không có

ý nghĩa thống kê Qua việc loại dần biến sẽ xây dựng mô hình phù hợp cho nhóm công ty thuộc ngành công nghiệp niêm yết trên thị trường chứng khoán Việt Nam

Cuối cùng thực nghiệm lại mô hình hình nghiên cứu được lựa chọn dựa trên nội dung giải trình chênh lệch BCTC trước và sau kiểm toán, ý kiến kiểm toán ngoại trừ của KTV Tương tự như vậy, mô hình M-Score cũng được thực nghiệm lại và được so sánh về khả năng dự báo đúng so với MHNC được lựa chọn

Mô hình nghiên cứu và giả thuyết nghiên cứu

2.3.1 Mô tả các biến trong mô hình

Dựa vào cơ sở lý thuyết và tổng quan các nghiên cứu trước, tác giả đề xuất MHNC bao gồm mười biến độc lập Mô hình được sử dụng để nhận diện gian lận BCTC của các doanh nghiệp ngành công nghiệp niêm yết trên sàn giao dịch chứng khoán HOSE và HNX là mô

hình hồi quy logistic, với biến phụ thuộc là biến phân loại (có gian lận hay không có gian lận BCTC), biến độc lập là các biến định lượng

2.3.1.1 Biến phụ thuộc FFS

Mô hình M-Score được phát triển bởi giáo sư Messod Beneish bao gồm 8 biến độc lập sẽ được đề cập chi tiết ở dưới Ngược lại mô hình Altman Z-score được sử dụng để dự đoán phá sản Theo Warshavsky (2010), chỉ số M-Score không chứng minh phát sinh gian lận

mà chỉ ra rằng cần có cuộc điều tra sâu hơn về thông tin tài chính của công ty; hơn nữa, theo Roxas (2011) phương pháp phân tích như vậy tương đối rẻ và dễ thực hiện Theo Harrington (2015) khi M-Score >-2.22 chỉ ra rằng khả năng cao một công ty thực hiện gian lận BCTC

Tại Việt Nam, nghiên cứu về khả năng ứng dụng của mô hình M-Score thực hiện bởi Nguyễn Hữu Anh và Nguyễn Hà Linh (2016) cũng chỉ ra rằng M-Score với ngưỡng -2.22

là công cụ tốt để phát hiện gian lận không chỉ ở quốc gia đã phát triển mà còn ở thị trường Việt Nam Các nghiên cứu khác trước đó tại Việt Nam thực hiện bởi Nguyễn Công Phương

và Nguyễn Trần Nguyên Trân (2014) đã sử dụng mẫu nghiên cứu 30 công ty có sai sót trọng yếu dựa trên BCTC năm 2012 do KTV phát hiện và công bố Kết quả nghiên cứu cho thấy rằng mô hình Beneish tại Việt Nam thì xác suất dự đoán đúng là 53.33% trên mẫu nghiên cứu

Tuy nhiên, tại thời điểm nghiên cứu vẫn chưa có mô hình nào là mô hình tối ưu nhất trong việc phát hiện gian lận BCTC nên tác giả vẫn chọn mô hình M-Score Trong nghiên cứu này các hệ số của mô hình M-Score được giữ nguyên như xác định bởi Beneish liên quan đến nghiên cứu gốc năm 1999, điểm ngưỡng của mô hình M-Score ban đầu là -1.78, tuy nhiên trong rất nhiều bài nghiên cứu gần đây các tác giả đều chọn điểm ngưỡng là -2.22 giúp phát hiện thêm nhiều công ty có khả năng thực hiện gian lận BCTC Vì vậy trong nghiên cứu này, tác giả chọn ngưỡng -2.22 sẽ tăng số lượng công ty được phân loại là công

ty có gian lận BCTC

Biến phụ thuộc được phân loại theo kết quả của mô hình M-Score Beneish thông qua chỉ

số M-Score được thực hiện đối với 222 CTNY trên 2 sàn chứng khoán HOSE và HNX

Các công ty có chỉ số Score > -2.22 được phân loại là công ty có gian lận BCTC và Score <= -2.22 được phân loại là công ty không có gian lận BCTC

M-2.3.1.2 Mô hình M-Score Beneish để xác định biến phân loại (có gian lận hay không có gian lận BCTC)

Tính đến thời điểm hiện tại tác giả nhận thấy việc áp dụng mô hình M-Score trong đề tài này vẫn khả thi và có nhiều tác giả khác vẫn sử dụng mô hình M-Score để nghiên cứu tại trị trường Việt Nam, cũng như chưa có mô hình nào ở Việt Nam là tối ưu nhất nên cần

có những nghiên cứu trong tương lai về vấn đề này Ưu điểm cửa mô hình M-Score là sử dụng rộng rãi trong giới phân tích tài chính, hữu ích trong việc xác định mức độ thao túng lợi nhuận của nhà quản trị công ty ở mức nào và còn giúp các nhà phân tích trong việc phát hiện gian lận kế toàn tài chính của công ty Nhược điểm của mô hình là không áp dụng cho các công ty tài chính vì giáo sư Messod Beneish tại thời điểm ước tính mô hình không bao gồm các công ty này Ngoài ra trong trường hợp ban lãnh đạo của công ty có ý định về việc tính toán điểm Z, họ sẽ thao túng BCTC theo hướng có lợi cho việc tính toán điểm Z Theo Beneish (1999) có 8 chỉ số là biến độc lập trong mô hình:

- DSRI: Chỉ số phải thu khách hàng trên doanh thu thuần

DSRI = (𝐾ℎ𝑜ả𝑛 𝑝ℎả𝑖 𝑡ℎ𝑢𝑡/𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 𝑡ℎ𝑢ầ𝑛𝑡)

(𝐾ℎ𝑜ả𝑛 𝑝ℎả𝑖 𝑡ℎ𝑢𝑡−1/𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 𝑡ℎ𝑢ầ𝑛 𝑡−1 )

- GMI: Tỷ suất lợi nhuận gộp biên

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

Thông qua hồi quy probit, giáo sư Messod Beneish đã xây dựng mô hình gồm các

tỷ số tài chính giúp phát hiện gian lận BCTC:

2.3.1.3 Biến độc lập

Dựa vào các nghiên cứu trước đây đặc biệt là các nghiên cứu áp dụng tỷ số tài chính trong việc xác định gian lận BCTC và kế thừa nghiên cứu của Charalambos T Spathis (2002) có đề cập ở phần trước, tác giả đề xuất 10 biến độc lập bên dưới:

Bảng 2.1: Bảng mô tả các biến độc lập và ký hiệu

1 TD / EQ Hệ số nợ vay trên vốn chủ sở

2 TL / TA Hệ số tổng nợ trên tổng tài sản (Tổng nợi)/(Tổng tài sảni)

3 RE / SA Hệ số khoản phải thu trên doanh

4 IN / SA Hệ số hàng tồn kho trên doanh

5 GP / TA Hệ số lợi nhuận gộp trên tổng

6 SA / TA Hệ số doanh thu thuần trên tổng

7 NP / SA Hệ số lợi nhuận sau thuế trên

doanh thu thuần

(Lợi nhuận sau thuếi)/(Doanh thu

thuầni)

8 NP / TA Hệ số lợi nhuận sau thuế trên

9 WC / TA Hệ số vốn lưu động ròng trên

10

Z-Score Hệ số nguy cơ phá sản 1.2*(Vốn lưu động ròngi/Tổng tài sảni)

+ 1.4 *(Lợi nhuận giữ lạii/Tổng tài sảni) + 3.3*(Lợi nhuận trước lãi và thuếi/Tổng tài sảni) + 0.6*(Giá trị thị trường của vốn chủ sở hữui/Giá trị sổ sách của

tổng nợi) + 1.0*(Doanh thui/Tổng tài sảni) Nguồn: Tác giả tự nghiên cứu

2.3.2 Mô hình nghiên cứu

2.3.2.1 Mô hình hồi quy Binary Logistic

Mô hình hồi quy Binary Logistic là một dạng đặc biệt của mô hình hồi quy tuyến tính khi biến phụ thuộc là dạng biến giả

Hình thành mô hình

Dạng khái quát của mô hình hồi quy tuyến tính:

𝑌 = 𝛽0+ ∑𝑛𝑖=1𝐵𝑖𝑋𝑖 + 𝑢

Xi: Các biến độc lập; i=1 đến n

Y: Biến phụ thuộc; u: Phần dư

Trong nghiên cứu này, biến phụ thuộc là biến giả (Y=1 (Công ty có gian lận BCTC); Y=0 (Công ty không có gian lận BCTC)) và các biến độc lập

Do đó, mô hình thích hợp là hồi quy Binary Logistic

Ln [𝑃(𝑌=1)

𝑃(𝑌=0)] = 𝐵0+ 𝐵1𝑋1+ 𝐵2𝑋2+ ⋯ + 𝐵𝑖𝑋𝑖 (1) Trong đó:

P(Y=1) = P0: Xác suất công ty có gian lận BCTC

P(Y=0) = 1- P0: Xác suất công ty không có gian lận BCTC

Xi: Các biến độc lập; Ln: Log của co số e (e = 2.714)

Phương trình (2) có dạng hàm Logit, ước lượng các hệ số hồi quy bằng phương pháp Maximum Likelihood

Theo Agresti (2007), dạng dự báo của mô hình:

2.3.2.2 Mô hình nghiên cứu nhận diện FFS dựa trên tỷ số tài chính

Các biến trong nghiên cứu này đến từ nhiều các nguồn nghiên cứu Để tìm các biến, các nghiên cứu trước về FFS đã được xem xét cẩn thận Như là nghiên cứa của Green và Choi (1997), Hoffman (1997), Hollman và Patton (1997), Zimbelman (1997), Beasley (1996), Bologna etal (1996), Arens và Loebbecke (1994), Bell etal (1993), Schilit (1993), Davia và cộng sự (1992), Green (1991), Stice (1991), Loebbecke và cộng sự (1989), Palmrose (1987), và Albrecht và Romney (1986) đề xuất các tỷ số của FFS Ban đầu, một

bộ gồm 17 các tỷ số tài chính được hình thành Tuy nhiên, để tránh tỷ lệ cung cấp thông tin trùng nhau do sự tương quan cao, việc quyết định loại trừ các tỷ lệ tương quan cao, trong khi các tỷ số còn lại duy trì mô tả tất cả các khía cạnh của hoạt động tài chính, bao gồm khả năng sinh lời, khả năng thanh toán / thanh khoản và hiệu suất quản lý (Courtis, 1978) Ngoại trừ phân tích tương quan, ý nghĩa thống kê của các tỷ số tài chính cũng đã được xem xét thông qua các kiểm định t Sự kết hợp giữa phân tích tương quan và các kiểm định t dẫn đến việc lựa chọn một tập hợp giới hạn gồm mười tỷ số tài chính đảm bảo thông tin được cung cấp có ý nghĩa và không bị trùng lắp Các tỷ số được chọn cho phát hiện FFS được thảo luận dưới đây

Có một mối quan hệ giữa một lựa chọn phương pháp kế toán của công ty và loại khấu hao liên quan tới FFS Các nhà quản lý tham gia vào các hoạt động gian lận có thể cố gắng che giấu hành động của họ thông qua các lựa chọn phương pháp kế toán Bằng việc lựa chọn các phương pháp khác nhau, nhà quản lý có thể tăng hoặc giảm các giá trị đã nêu cho các biến khác nhau (Dhaliwal và cộng sự, 1982) Đó là một câu hỏi mở liệu một khoản nợ cao liên quan đến FFS (Persons, 1995) Cơ cấu nợ cao có thể làm tăng khả năng xảy ra FFS

vì cơ cấu nợ này thay đổi rủi ro từ chủ sở hữu và người quản lý đối với chủ nợ Nghiên cứu

cho thấy rằng tiềm năng chuyển của cải từ chủ nợ sang nhà quản lý tăng khi đòn bẩy tăng (Chow và Rice, 1982) Nhà quản lý có thể thao túng các BCTC nhằm đáp ứng các quy định trong khế ước nhận nợ Điều này gợi ý rằng mức nợ cao hơn có thể tăng xác suất của FFS Đây là được đo lường thông qua sự khác biệt trong tỷ lệ nợ trên vốn chủ sở hữu (TD / EQ)

và tổng nợ đối với tổng tài sản (TL / TA) Do vậy tỷ số nợ vay trên vốn chủ sở hữu, tỷ số tổng nợ trên tổng tài sản được dự báo có mối quan hệ tỷ lệ thuận với khả năng gian lận BCTC

Có những BCTC nhất định có nhiều khả năng bị thao túng bởi sự quản lý Các biến này bao gồm doanh thu bán hàng, các khoản phải thu, tài khoản dự phòng phải thu và hàng tồn kho (Shilit, 1993; Green, 1991; Loebbecke và cộng sự, 1989; Wright và Ashton, 1989) Bản chất chủ quan của việc xét đoán liên quan đến các tài khoản này khiến việc kiểm tra các tài khoản này khó hơn Persons (1995), Schilit (1993), Stice (1991), Green (1991) và Feroz và cộng sự (1991) gợi ý rằng nhà quản lý có thể thao túng tài khoản phải thu Hoạt động gian lận được phản ánh trong doanh số bán hàng trước khi phản ánh thật sự được hiển thị như khoản phải thu bổ sung Cách kiểm tra điều này bằng cách xem xét tỷ số tài khoản phải thu trên doanh thu bán hàng (RE / SA) (Fanning và Cogger, 1998; Green, 1991; Daroca và Holder, 1985) Các khoản phải thu và hàng tồn kho phụ thuộc vào đánh giá chủ quan liên quan trong việc ước tính các tài khoản phải thu chưa thu được và hàng tồn kho lỗi thời Vì xét đoán chủ quan liên quan đến việc xác định giá trị của các tài khoản này, nhà quản lý có thể sử dụng các tài khoản này làm công cụ thao túng tài chính (Summers và Sweeney, 1998) Loebbecke và cộng sự (1989) tìm thấy rằng tài khoản hàng tồn kho và tài khoản khoản phải thu chiếm 22% và 14%, tương ứng, gian lận trong mẫu nghiên cứu

Do vậy tỷ số khoản phải thu trên doanh thu thuần và hàng tồn kho trên doanh thu thuần được dự báo có mối quan hệ thuận với khả năng gian lận BCTC

Nhiều nhà nghiên cứu như Vanasco (1998), People (1995), Schilit (1993) và Stice (1991) cũng cho rằng nhà quản lý có thể thao túng hàng tồn kho Công ty có thể không khớp doanh số với chi phí tương ứng hàng hóa bán ra, do đó tăng tỷ suất lợi nhuận gộp, thu nhập ròng và củng cố BCĐKT Một kiểu thao túng khác liên quan đến việc báo cáo hàng tồn kho thấp hơn chi phí hoặc giá trị thị trường Công ty có thể chọn không ghi đúng