Luận văn Thạc sĩ Kinh tế: Đánh giá khả năng rủi ro gian lận báo cáo tài chính trong hoạt động cho vay doanh nghiệp tại Vietcombank chi nhánh Bình Dương

Mục tiêu của đề tài lầ vận dụng các mô hình về phát hiện gian lận báo cáo tài chính (cụ thể là mô hình M’score và F’score) để dự đoán khả năng gian lận trong báo cáo tài chính của các doanh nghiệp đi vay tại VCB chi nhánh Bình Dương và đo lường tương quan của các tỉ số tài chính sử dụng trong thẩm định BCTC của ngân hàng đến rủi ro gian lận báo cáo tài chính của các doanh nghiệp vay vốn tại Vietcombank Bình Dương.

-

PHẠM HOÀNG VIỆT

ĐÁNH GIÁ KHẢ NĂNG RỦI RO GIAN LẬN BÁO CÁO TÀI CHÍNH TRONG HOẠT ĐỘNG CHO VAY DOANH NGHIỆP TẠI VIETCOMBANK

CHI NHÁNH BÌNH DƯƠNG

LUẬN VĂN THẠC SĨ KINH TẾ

TP HỒ CHÍ MINH, NĂM 2017

-

PHẠM HOÀNG VIỆT

ĐÁNH GIÁ KHẢ NĂNG RỦI RO GIAN LẬN

BÁO CÁO TÀI CHÍNH TRONG HOẠT ĐỘNG

CHO VAY DOANH NGHIỆP TẠI VIETCOMBANK CHI NHÁNH BÌNH DƯƠNG

Chuyên ngành: Kế toán

Mã số: 60340301

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS NGUYỄN ĐÌNH HÙNG

TP HỒ CHÍ MINH, NĂM 2017

công trình nghiên cứu của tôi, dưới sự hướng dẫn của TS Nguyễn Đình Hùng Các

số liệu trong luận văn có nguồn trích dẫn rõ ràng, đáng tin cậy và được xử lý khách quan, trung thực Các tài liệu tham khảo trong luận văn đều được trích dẫn rõ ràng

TP Hồ Chí Minh, tháng 04 năm 2017

Học viên thực hiện

Phạm Hoàng Việt

MỤC LỤC

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG BIỂU

DANH MỤC HÌNH VẼ

CHƯƠNG 1: GIỚI THIỆU 1

1 Tính cấp thiết của đề tài 1

2 Mục tiêu nghiên cứu 2

3 Câu hỏi nghiên cứu 2

4 Đối tượng và phạm vi nghiên cứu 3

5 Phương pháp nghiên cứu 3

6 Ý nghĩa nghiên cứu 3

7 Kết cấu luận văn 4

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

2.1 Các khái niệm và mô hình dự báo gian lận BCTC 5

2.1.1 Định nghĩa gian lận 5

2.1.2 Định nghĩa gian lận BCTC 5

2.1.3 Các phương thức thực hiện gian lận phổ biến trên BCTC 6

2.1.4 Các phương thức thực hiện gian lận phổ biến trên BCTC 8

2.2 Mô hình M’score và F’score 10

2.2.1 Mô hình M’score 10

2.2.2 Mô hình F’score 12

2.3 Tổng quan các nghiên cứu trước 14

2.3.1 Các nghiên cứu sử dụng Mô hình M’score 14

2.3.2 Các nghiên cứu sử dụng Mô hình F’score 15

2.3.3 Các nghiên cứu tác động của tín hiệu gian lận đến xác suất gian lận báo cáo tài chính 17

2.4 Xác định khoảng trống nghiên cứu 19

KẾT LUẬN CHƯƠNG 2 21

CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU 22

3.1 Mô tả tổng thể và mẫu nghiên cứu 22

3.1.1 Mô tả tổng thể 22

3.1.2 Mẫu nghiên cứu 22

3.2 Mô hình nghiên cứu 22

3.2.1 Lựa chọn và đo lường biến nghiên cứu 22

3.2.1.1 Chỉ số M’score 22

3.2.1.2 Chỉ số F’score 23

3.2.1.3 Các tỉ số tài chính sử dụng trong thẩm định BCTC của ngân hàng 23

3.2.1.4 Mô hình tương quan dự kiến 25

3.3 Quy trình thu thập và xử lý dữ liệu 26

KẾT LUẬN CHƯƠNG 3 28

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN 29

4.1 Kết quả tính toán và phân tích M’score và F’score 29

4.1.1 Thống kê mô tả mẫu 29

4.1.2 Kết quả mô hình M’score 30

4.1.3 Kết quả mô hình F’score 34

4.2 Tổng hợp kết quả 36

4.3 Mô hình tương quan 39

4.3.1 Thống kê mô tả các biến 39

4.3.2 Hệ số tương quan 39

4.3.3 Mô hình hồi quy 40

4.3.3.1 Kết quả hồi quy theo mô hình hồi quy hỗn hợp (Pooled OLS) 40

4.3.3.2 Kết quả hồi quy theo mô hình Probit 42

KẾT LUẬN CHƯƠNG 4 44

CHƯƠNG 5: KẾT LUẬN 45

5.1 Kết luận 45

5.2 Hàm ý cho các đối tượng liên quan 45

5.3 Hạn chế của đề tài và hướng nghiên cứu tiếp theo 46

5.3.1 Hạn chế 46

5.3.2 Hướng nghiên cứu tiếp theo 47

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

Ký hiệu viết tắt Viết đầy đủ

ACB Ngân hàng thương mại cổ phần Á Châu

AGRIBANK Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam BCTC Báo cáo tài chính

BIDV Ngân hàng thương mại cổ phần Đầu tư và Phát triển Việt Nam

CP Cổ phần

DNTN Doanh nghiệp tư nhân

FDI Đầu tư trực tiếp

ISA Chuẩn mực kiểm toán quốc tế

KTV Kiểm toán viên

MCDA Multi-Criteria Decision Analysis

NHTM Ngân hàng thương mại

SEC Ủy ban Chứng khoán và Sàn giao dịch chứng khoán Hoa Kỳ SME Doanh nghiệp vừa và nhỏ

TNHH Trách nhiệm hữu hạn

TNHH MTV Trách nhiệm hữu hạn một thành viên

VCB Ngân hàng thương mại cổ phần Ngoại Thương Việt Nam

VIETINBANK Ngân hàng thương mại cổ phần Công thương Việt Nam

VSA Chuẩn mực kiểm toán Việt Nam

DANH MỤC CÁC BẢNG BIỂU

Bảng 3.1: Ngưỡng xác định rủi ro gian lận BCTC theo M’score 23

Bảng 3.2: Ngưỡng xác định rủi ro gian lận BCTC theo F’score 23

Bảng 3.3: Các tỉ số tài chính 25

Bảng 4.1: Thống kê theo ngành nghề 29

Bảng 4.2: Thống kê theo quy mô lao động và vốn 29

Bảng 4.3: Kết quả M’score qua các năm 30

Bảng 4.4: Kết quả F’score qua các năm 34

Bảng 4.5: Tổng hợp kết quả 37

Bảng 4.6: Thống kê chênh lệch lợi nhuận trước sau kiểm toán 37

Bảng 4.6: Thống kê mô tả các biến trong mô hình tương quan 39

Bảng 4.7: Ma trận hệ số tương quan 40

Bảng 4.8: Mô hình hồi quy PooledLOS 41

Bảng 4.9: Mô hình hồi quy Probit 42

Bảng 4.10: Mức độ dự báo chính xác của mô hình Probit 43

CHƯƠNG 1: GIỚI THIỆU

1 Tính cấp thiết của đề tài

Ngân hàng thương mại (NHTM) có đặc thù là kinh doanh tiền tệ, hoạt động kinh doanh của NHTM tiềm ẩn nhiều rủi ro và có tác động mạnh đến nền kinh tế Trong những năm gần đây, hàng loạt những sai phạm, cũng như hoạt động yếu kém tại một số ngân hàng đã có tác động không nhỏ đến thị trường tài chính cũng như nền kinh tế của Việt Nam Báo cáo của Kiểm toán nhà nước cho năm tài chính 2014 công bố gần đây cho thấy tổng nợ xấu toàn hệ thống tại 31/12/2014 là 145.2 nghìn

tỉ đồng tăng 28.7 nghìn tỉ đồng, tương ứng tăng 24.6% so với cuối năm 2013, chiếm 3.25% tổng dư nợ, giảm 0.36% so với năm 2013 Một trong các nguyên nhân dẫn đến gia tăng nợ xấu là do các doanh nghiệp đã làm giả các báo cáo để được xét duyệt cho vay, đồng thời nghiệp vụ của cán bộ tín dụng ngân hàng cũng không phát hiện được rủi ro này

Một số dẫn chứng điển hình là trong vụ sai phạm liên quan đến Phạm Công Danh, ngân hàng Sacombank đã chấp nhận cho vay bằng cách lập và ký các báo cáo kinh doanh giả mạo thông qua các công ty sân sau Vụ án Nguyễn Đức Kiên và đồng phạm tại ngân hàng ACB, kết luận điều tra vụ án cho thấy có sai phạm liên quan đến kinh doanh trái phép, lừa đảo chiếm đoạt tài sản, trốn thuế và cố ý làm trái xảy ra tại Ngân hàng thương mại cổ phần Á Châu (ACB) và một số công ty trên địa bàn TP Hà Nội, TP Hồ Chí Minh Mới đây nhất, ông Nguyễn Minh Chuyển - nguyên Giám đốc Vietcombank chi nhánh Tây Đô bị khởi tố vì liên quan đến các sai phạm trong ký kết hợp đồng tín dụng, dẫn tới nợ đọng khó đòi kéo dài lên đến hàng ngàn tỉ đồng Như vậy, vấn đề hạn chế gian lận, sai sót xảy ra trong lĩnh vực tín dụng tại các ngân hàng thương mại Việt Nam hết sức quan trọng và cũng đồng thời là vấn đề quan tâm của nhiều bên liên quan

Việc thẩm định các hồ sơ cho vay trong đó có các báo cáo tài chính thuộc trách nhiệm của cán bộ tín dụng ngân hàng, vì vậy nhận diện được khả năng xảy ra rủi ro gian lận báo cáo tài chính của cán bộ tín dụng rất quan trọng và có tính quyết

định đến việc phê duyệt cho vay và khả năng thu hồi nợ về sau Từ những lý do trên

nên tác giả chọn đề tài: “Đánh giá khả năng rủi ro gian lận báo cáo tài chính

trong hoạt động cho vay doanh nghiệp tại Vietcombank chi nhánh Bình Dương”

làm đề tài luận văn của mình

2 Mục tiêu nghiên cứu

 Mục tiêu chung

Vận dụng các mô hình về phát hiện gian lận báo cáo tài chính (cụ thể là mô hình M’score và F’score) để dự đoán khả năng gian lận trong báo cáo tài chính của các doanh nghiệp đi vay tại VCB chi nhánh Bình Dương và đo lường tương quan của các tỉ số tài chính sử dụng trong thẩm định BCTC của ngân hàng đến rủi ro gian lận báo cáo tài chính của các doanh nghiệp vay vốn tại Vietcombank Bình Dương

 Mục tiêu cụ thể

- Tổng quan các nghiên cứu trước đây để xác định các mô hình dự báo gian lận BCTC của doanh nghiệp

- Phân tích, tổng hợp và so sánh kết quả sử dụng hai mô hình và thực nghiệm

mô hình tương quan giữa các tỉ số tài chính sử dụng trong thẩm định BCTC của ngân hàng và rủi ro gian lận BCTC (được xác định bằng mô hình M’Score) với dữ liệu của các công ty có quan hệ tín dụng với ngân hàng VCB chi nhánh Bình Dương

3 Câu hỏi nghiên cứu

Dựa vào mục tiêu nghiên cứu nêu trên, câu hỏi nghiên cứu được đặt ra như sau:

- Câu hỏi 1: có những mô hình nào được sử dụng phổ biến trong dự báo khả năng gian lận BCTC của các doanh nghiệp?

- Câu hỏi 2: có hay không tương quan giữa những tỉ số tài chính sử dụng trong thẩm định BCTC của các ngân hàng và rủi ro gian lận BCTC được xác định bằng mô hình M’score

4 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của đề tài là các công ty có quan hệ tín dụng với VCB chi nhánh Bình Dương

Phạm vi nghiên cứu là 60 công ty có báo cáo tài chính trong giai đoạn

2013-2015 Các công ty này có đầy đủ các báo cáo: Bảng cân đối kế toán, Báo cáo kết quả kinh doanh, Báo cáo lưu chuyển tiền tệ và Thuyết minh báo cáo tài chính

5 Phương pháp nghiên cứu

Phương pháp nghiên cứu được sử du ̣ng chủ yếu bao gồm thống kê mô tả, phân tích tương quan, hồi quy tuyến tính nhằm định lượng và so sánh kết quả các mô hình M’score và F’score trong dự đoán khả năng gian lận BCTC, đồng thời xem xét mối quan hệ giữa những tỉ số tài chính sử dụng trong thẩm định BCTC của các ngân hàng và rủi ro gian lận BCTC được xác định bằng mô hình M’score

6 Ý nghĩa nghiên cứu

 Ý nghĩa lý luận

Phân tích và tổng hợp các kết quả của những nghiên cứu trước đây có liên quan đến mục tiêu nghiên cứu để làm cơ sở đưa ra mô hình nghiên cứu phù hợp ở Việt Nam và tham khảo cho các nghiên cứu liên quan đến vấn đề này ở tương lai

 Ý nghĩa về thực tiễn

- Thông qua phương pháp nghiên cứu tài liệu, luận văn tổng hợp các thủ thuật thường được sử dụng để thay đổi báo cáo tài chính của doanh nghiệp và những mô hình nhằm phát hiện gian lận BCTC

- Trên cơ sở thu thập, phân tích số liệu để đưa vào các mô hình nhận diện gian lận BCTC trên thế giới, tác giả đề xuất các ngưỡng để nhận diện và phát hiện gian lận áp dụng tại Vietcombank Bình Dương, giúp cho lãnh đạo ngân hàng có thêm hiểu biết về gian lận BCTC và có quyết định đúng đắn

để ứng phó với gian lận BCTC theo hướng hiệu quả, chính xác và nhanh chóng hơn

7 Kết cấu luận văn

Chương 1: Giới thiệu

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

Chương 3: Thiết kế nghiên cứu

Chương 4: Kết quả nghiên cứu và bàn luận

Chương 5: Kết luận

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

TRƯỚC 2.1 Các khái niệm và mô hình dự báo gian lận BCTC

2.1.1 Định nghĩa gian lận

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)

Theo từ điển tiếng Việt (Viện ngôn ngữ học -1988), gian lận là hành vi thiếu trung thực, dối trá, mánh khóe nhằm lừa gạt người khác Theo nghĩa rộng gian lận

là việc xuyên tạc sự thật, thực hiện các hành vi không hợp pháp nhằm lường gạt, dối trá để thu được một lợi ích nào đó

Chuẩn mực kiểm toán Việt Nam 240 (VSA 240) có định nghĩa về gian lận như sau: “Gian lận là hành vi cố ý do một hay nhiều người trong Hội đồng quản trị, Ban Giám đốc, các nhân viên hoặc bên thứ ba thực hiện bằng các hành vi gian dối để thu lợi bất chính hoặc bất hợp pháp.”

Như vậy, khi đề cập đến gian lận thì khái niệm này thường bao gồm các nội dung:

- Hành vi cố tình, cố ý;

- Thiếu trung thực, lừa gạt;

- Mang lại lợi ích bất chính, bất hợp pháp

2.1.2 Định nghĩa gian lận BCTC

Theo khái niệm về gian lận đã nêu thì khái niệm về gian lận BCTC cũng mang các nội dung của khái niệm về gian lận tuy nhiên quy mô khái niệm này đề cập sẽ hẹp hơn đó là chỉ đề cập đến gian lận trong phạm vi BCTC

Một số khái niệm phổ biến bao gồm:

- Gian lận trên BCTC là hành vi cố ý hoặc thiếu thận trọng dù là cố ý hay bỏ sót làm sai sót trọng yếu đến BCTC Hành vi này có thể liên quan đến nhiều yếu tố và được thực hiện dưới nhiều hình thức khác nhau bao gồm làm giả

mạo, xuyên tạc về những hồ sơ liên quan đến doanh nghiệp, cố ý bỏ sót không trình bày những thông tin quan trọng trên BCTC, áp dụng sai các nguyên tắc kế toán, chính sách (Treadway Commission, 1987)

- Gian lận báo cáo tài chính là sự trình bày sai lệch cố ý về tình trạng tài chính của doanh nghiệp được thực hiện thông qua việc làm sai lệch hoặc bỏ sót có chủ ý các khoản mục hoặc các thuyết minh trên BCTC nhằm đánh lừa người sử dụng BCTC (ACFE Fraud Examiners Manual, 2012)

- 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 chép 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 chép các nghiệp vụ phát sinh, ghi chép các nghiệp vụ không xảy ra

Như vậy, gian lận BCTC có thể được xem là hành vi cố ý làm sai lệch thông tin trên các BCTC để đánh lừa người sử dụng thông tin BCTC

2.1.3 Các phương thức thực hiện gian lận phổ biến trên BCTC

Theo Gerard M Zack (2013), các hình thức gian lận BCTC phổ biến bao gồm:

2.1.3.1 Gian lận doanh thu

Thông thường các gian lận liên quan đến doanh thu được thực hiện dưới các hình thức:

- Dịch chuyển thời gian ghi nhận doanh thu: có nghĩa là việc ghi nhận doanh thu không đúng thời điểm phát sinh hoặc khi chưa đủ điều kiện ghi nhận doanh thu theo nguyên tắc ghi nhận doanh thu của chuẩn mực BCTC Ví dụ: ghi nhận doanh thu khi khách hàng đặt hàng, đã xuất hóa đơn nhưng hàng chưa ra khỏi kho; ghi nhận doanh thu dựa trên tỉ lệ phần trăm hoàn thành công việc vào ngày báo cáo khi công việc chưa hoàn tất, nghiệm thu…theo đúng các điều kiện kỹ thuật

- Ghi nhận khống doanh thu: có nghĩa là làm giả các hồ sơ, giấy tờ nhằm ghi nhận việc bán hàng nhưng thực tế không xảy ra giao dịch Ví dụ: bán hàng nội bộ; ghi nhận doanh thu khi xuất hàng ký gửi

- Phân loại sai: có nghĩa là ghi nhận các khoản thu nhập khác thành doanh thu

Ví dụ: thu nhập từ phần chênh lệch bán trả góp được ghi nhận là doanh thu bán hàng; ghi nhận khoản giảm trừ doanh thu thành chi phí làm tăng doanh thu thuần

- Định giá tài sản: có nghĩa là việc sử dụng định giá tài sản để làm thay đổi giá trị thực của tài sản, tăng khống giá trị tài sản Ví dụ: định giá tài sản ảo khi mua tài sản từ các bên liên kết; định giá sai đối với các tài sản đầu tư tài chính…

- Kế toán dựa trên giá trị hợp lý: nghĩa là sử dụng sai các phương pháp đo lường giá trị hợp lý Ví dụ: trong phương pháp đo lường giá trị hợp lý thông qua giá thị trường, doanh nghiệp lấy giá tham khảo của các tài sản không hợp lý dẫn đến việc trình bày giá trị hợp lý của tài sản bị sai

2.1.3.3 Gian lận chi phí và nợ phải trả

Thông thường các gian lận liên quan đến chi phí và nợ phải trả được thực hiện dưới các hình thức:

- Dịch chuyển thời gian ghi nhận chi phí: nghĩa là ghi nhận chi phí không đúng thời điểm phát sinh dẫn đến tăng, giảm lợi nhuận Ví dụ: chi phí phát sinh trong tháng 12 nhưng hóa đơn tháng 1 năm sau mới nhận nên ghi nhận chi phí vào tháng 1 năm sau

- Bỏ sót hoặc báo cáo các khoản nợ thấp hơn thực tế: nghĩa là không ghi nhận nghĩa vụ đối với các khoản nợ phải trả đã phát sinh hoặc ghi nhận không đầy đủ giá trị các khoản nợ phát sinh Ví dụ: doanh nghiệp đã mua hàng và nhận hàng nhưng chưa ghi nhận phải trả nhà cung cấp; không ghi nhận chi phí lãi vay phải trả đối với các khoản vay có ngày giải ngân không trùng ngày khóa sổ

- Công bố thông tin: có nghĩa là không công bố hoặc công bố các thông tin có liên quan đến các khoản mục trên BCTC hoặc các sự kiện có thể ảnh hưởng đến tài chính của doanh nghiệp Ví dụ: không công bố các thông tin sau ngày kết thúc niên độ có ảnh hưởng đến hoạt động liên tục của doanh nghiệp như: mua bán, sát nhập, kiện tụng…

2.1.4 Các phương thức thực hiện gian lận phổ biến trên BCTC

Các nghiên cứu trên thế giới về gian lận đã đề xuất nhiều phương pháp, mô hình 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:

2.1.4.1 Sử dụng mô hình điều chỉnh thu nhập

Điều chỉnh thu nhập là hành vi của nhà quản lý sử dụng việc ghi nhận trên cơ

sở dồn tích thông qua một số tài khoản để làm thay đổi lợi nhuận sau thuế theo các mục tiêu công bố thông tin của họ Các mô hình tính toán các khoản 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) Mô hình Jones (1991) được sử dụng phổ biến, nghiên cứu này cho rằng các khoản dồn tích

tự định là kết quả của việc nhà quản lý thực hiện các chủ định của mình và thay đổi các điều kiện hoặc áp dụng các chính sách kế toán linh hoạt Mô hình được đề cập đến như sau:

NDAt = α1(1/At-1 ) + α2(ΔREVt) + α3(PPEt)

Với:

- NDAt: Tổng các khoản dồn tích không tự định năm t

- At-1: Tổng tài sản tại năm t-1

- REVt: Chênh lệch trong doanh thu năm t so với năm t-1

- PPEt: Tổng giá trị còn lại của tài sản cố định tại năm t

Các hệ số α1, α2, α3 được ước lượng bằng phương pháp bình phương bé nhất (OLS) từ phương trình hồi quy sau:

TAt = α1(1/At-1) + α2(ΔREVt) + α3(PPEt) + t

2.1.4.2 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 tỉ số tài chính

2.1.4.3 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 tỉ 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, nhóm tác giả kết luận mô hình Mạng niềm tin Bayesian

có khả năng dự báo gian lận tốt nhất với tỉ 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 Mô hình M’score và F’score

2.2.1 Mô hình M’score

M’score là mô hình được đề xuất bởi Beneish năm 1999, đầu tiên mô hình này được sử dụng để phân biệt các trường hợp có gian lận trong thu nhập của doanh nghiệp Sau đó mô hình này cũng được sử dụng phổ biến trong nghiên cứu cũng như thực hành kiểm toán, điều tra gian lận như là một công cụ hữu hiệu để dự báo

gian lận BCTC

Mô hình Beneish (1999) bao gồm tám biến như sau:

Mi = -4.84 + 0.92*DSRI + 0.528*GMI + 0.404*AQI + 0.892*SGI + 0.115*DEPI - 0.172*SGAI + 4.679*TATA - 0.327*LVGI

Với:

- DSRI: Tỉ số phải thu khách hàng so với doanh thu, được tính theo công thức: DSRI = (Khoản phải thu t / Doanh thu thuần t) / (Khoản phải thu t-1 /Doanh thu thuần t-1)

- Tỉ số tỉ lệ lãi gộp (GMI), được tính theo công thức:

GMI = [(Salest-i - COGSt-i) / Salest-i] / [(Salest - COGSt) / Salest]

- Tỉ số chất lượng tài sản (AQI), được tính theo công thức:

AQI = [1 - (Current Assetst + PP&Et) / Total Assetst] / [1 - (Current Assetst-1 +PP&Et-1) / Total Assetst-1)]

PP&Et: Giá trị còn lại của tài sản dài hạn hữu hình và quyền sử dụng đất, gồm TSCĐ hữu hình, TSCĐ thuê tài chính, giá trị xây dựng cơ bản dở dang, bất động sản đầu tư, và quyền sử dụng đất

- Tỉ số tăng trưởng doanh thu bán hàng (SGI), được tính theo công thức:

SGI = Sales t / Sales t-1

- Tỉ số tỉ lệ khấu hao (DEPI), được tính theo công thức:

DEPI= [Depreciation t-1/(PP&E t-1+Depreciation t-1)]/ [Depreciation t/(PP&E t +Depreciation t)]

- Tỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), được tính theo công thức:

SGAI = (SG&A Expenset / Salest) / (SG&A Expenset-1 / Salest-1)

- Tỉ số đòn bẩy (LVGI), được tính theo công thức:

LVGI = [(Current Liabilities t + Total Long Term Debt t) / Total Assetst] / [(Current Liabilities t-1 + Total Long Term Debt t-1) / Total Assets t-1]

- Tỉ số biến dồn tích accruals so với tổng tài sản (TATA), được tính theo công thức:

TATA = (Net Incomet - Cash Flows from Operationst) / Total Assetst

2.2.2 Mô hình F’score

F’score được xây dựng và phát triển bởi Patricia M Dechow và các cộng sự, chỉ số này tính toán xác xuất BCTC xảy ra các sai sót trọng yếu Tổng cộng các tác giả đã sử dụng 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 các khoản dồn tích, hiệu quả kinh doanh, các hoạt động ngoại bảng, các tỉ số phi tài chính và các dữ liệu trên thị trường chứng khoán Với hồi quy logistic, kết quả ba 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, tỉ 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, tỉ 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 tỉ lệ này lần lượt là 68.62%, 67.93% và 67.23%

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

Mô hình 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*RETt + 0.098* RETt-1

- 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 1/Tổng tài sản bình quân t-1]

ròngt 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:

- RET t = Tỉ suất sinh lợi cổ phiếu điều chỉnh theo thị trường trong năm hiện tại

- RET t-1 = Tỉ 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

2.3 Tổng quan các nghiên cứu trước

2.3.1 Các nghiên cứu sử dụng Mô hình M’score

- Nghiên cứu của Tarjo, Nurul Herawati (2015) về áp dụng mô hình M’score

và Khai thác dữ liệu để phát hiện gian lận tài chính tại Indonesia Nghiên cứu này nhằm phân tích khả năng của mô hình M’score Beneish trong việc phát hiện gian lận tài chính Dữ liệu nghiên cứu này đề cập đến các công ty

có hành vi gian lận của các công ty trong giai đoạn 2001-2014 Kết quả cho thấy tổng thể mô hình M’score có khả năng để phát hiện gian lận tài chính

Tỉ số tổng lợi nhuận, tỉ số khấu hao, tỉ số bán hàng và gánh nặng hành chính nói chung và tổng các khoản trích trước đều có ý nghĩa trong việc phát hiện gian lận tài chính Tỉ số bán hàng, tỉ số chất lượng tài sản và tỉ số đòn bẩy

về mặt thống kê không đáng kể trong việc phát hiện gian lận tài chính

- Marinakis (2011) đã sử dụng mô hình M’score ở Anh Quốc với 11 biến số trong đó có 8 biến giống như mô hình gốc và 3 biến số mới là: tỉ số thuế suất, tỉ số đãi ngộ cho giám đốc trên tổng tài sản, tỉ số thù lao kiểm toán trên tổng tài sản Sau khi thực nghiệm ông đã rút ra kết luận tăng 10% số

lượng các công ty bóp méo lợi nhuận so với mô hình gốc và ngưỡng cho

mô hình của tác giả là -1.31

- Nguyễn Công Phương và Nguyễn Trần Nguyên Trân (2014) nghiên cứu về

mô hình Beneish dự đoán sai sót trọng yếu trong báo cáo tài chính đã kiểm chứng 30 công ty niêm yết bị kiểm toán phát hiện sai sót trọng yếu lớn nhất trong báo cáo tài chính, các công ty này có báo cáo lợi nhuận tăng so với lợi nhuận sau kiểm toán Kết quả cho thấy trong 30 công ty chọn mẫu có 16 công ty có sai sót trọng yếu trên báo cáo tài chính, 14 công ty còn lại mô hình không cung cấp tín hiệu về khả năng có sai sót trọng yếu trên báo cáo tài chính nhưng thực tế có sai sót trọng yếu Tỉ lệ đúng của mô hình đạt 53.33% thấp hơn kết quả vận dụng mô hình này ở nhiều nước khác (trung bình dự đoán đúng 76%)

2.3.2 Các nghiên cứu sử dụng Mô hình F’score

- Nghiên cứu của Dechow và các cộng sự: đây là nghiên cứu thực nghiệm mà người viết đã chọn làm nền tảng để tiến hành thực hiện bài nghiên cứu của mình Nghiên cứu của Dechow, Larson, Weili và Sloan thuộc đại học Michigan và Washington được thực hiện vào năm 2007 và được chỉnh sửa hoàn thiện chính thức vào năm 2012 Mô hình F’score được xây dựng như một thử nghiệm đầu tiên nhằm mục đích giúp các KTV, các nhà đầu tư đánh giá được rủi ro có sai sót thông tin trên BCTC tại các doanh nghiệp

Hệ số F- score không đảm bảo rằng chắc chắn có sai sót, nhưng sẽ là dấu hiệu cảnh bảo giúp các KTV cũng như các nhà đầu tư tập trung hơn vào những rủi ro Dechow và các cộng sự (2012) đã tiến hành khảo sát 2,191 BCTC của các doanh nghiệp được công bố bởi SEC trong giai đoạn từ 1982 đến 2005, kết quả có 680 doanh nghiệp là số mẫu nghi ngờ có sai sót ở BCTC quý và BCTC năm Kết quả thống kê cho thấy rằng hơn 55% trường hợp gian lận liên quan đến doanh thu, theo sau là gian lận liên quan đến hàng tồn kho, giá vốn, 10% liên quan đến các khoản dự phòng

Các bước tiến hành trong nghiên cứu của Dechow và các công sự (2012) theo thứ tự như sau:

 Thực hiện việc so sánh BCTC của các doanh nghiệp có sai sót trong năm sai sót với những năm khác

 So sánh BCTC của các doanh nghiệp có sai sót trong thời gian xảy ra sai sót với các doanh nghiệp được niêm yết khác ở cùng thời gian

 Xây dựng mô hình dự báo sai sót

Mẫu nghiên cứu được sử dụng để xây dựng mô hình dự báo sai sót trên BCTC với 3 mức độ khác nhau Mô hình cơ sở xem xét mối quan hệ giữa hành vi sai sót và các yếu tố trên BCTC gồm các khoản kế toán dồn tích (Rsst-acc), thay đổi khoản phải thu (Chrec), thay đổi hàng tồn kho (Chinv), tài sản có tính thanh khoản trung bình (Soft assets), thay đổi trong doanh thu bằng tiền (Chcs), thay đổi tỉ suất sinh lợi trên tài sản (Chroa) và biến phát hành cổ phiếu trong năm (Issue)

Hệ số F’score được tính bằng cách sử dụng những giá trị thực tế của các biến của 680 mẫu đã được thu thập thay vào một trong ba mô hình trên để tính ra giá trị dự đoán (predicted value) Sau đó thay vào công thức tính xác suất xảy

ra sai sót (Probability) Tiếp theo sẽ tính hệ số F’score bằng cách lấy xác suất xảy ra sai sót (Probability) chia cho xác suất không điều kiện (Uncondition expectation)

Kết quả nghiên cứu cho thấy với những doanh nghiệp có F’score lớn hơn giá trị 1 thì rủi ro BCTC có sai sót cao, đòi hỏi các KTV cần thiết kế thêm những thủ tục kiểm toán nhằm phát hiện những hành vi gây sai sót Ngược lại, nếu F’score bé hơn giá trị 1 thì rủi ro BCTC có sai sót là thấp Kết quả thực nghiệm cho thấy công cụ F- score đã phân loại các doanh nghiệp có sai sót

và không sai sót với tỉ lệ chính xác hơn 60% Có thể nói rằng, mô hình F’score là một công cụ khá hữu ích trong việc dự báo rủi ro thông tin trên BCTC có sai sót

- Nghiên cứu của Trần Thị Giang Tân và các cộng sự (2014) “Giải pháp nâng cao khả năng phát hiện gian lận trên BCTC của các doanh nghiệp niêm yết trong kiểm toán BCTC của các doanh nghiệp kiểm toán độc lập” Nghiên cứu đã xây dựng mô hình dự báo gian lận dựa trên các biến đại diện cho các yếu tố của tam giác gian lận Với dữ liệu gồm 78 doanh nghiệp niêm yết tại HOSE vào năm 2012, kết quả thực nghiệm của nghiên cứu cho thấy khả năng xảy ra gian lận có mối quan hệ có ý nghĩa thống kê với ba biến đại diện cho áp lực (tỉ lệ doanh thu trên nợ phải thu, tỉ trọng hàng tồn kho trên tổng tài sản, tỉ lệ nợ vay trên trên tổng tài sản), một biến đại diện cho cơ hội (KTV độc lập không thuộc Big 4) và hai yếu tố thái độ (ý kiến kiểm toán không phải chấp nhận toàn phần, và số lần phát sinh chênh lệch lợi nhuận trước và sau kiểm toán trong 3 năm liền trước) Mô hình được xây dựng dựa vào 5 biến ở trên có khả năng dự báo đúng 80% cho các doanh nghiệp ngoài mẫu nghiên cứu Nhìn chung đây là một nghiên cứu mang tính ứng dụng cao, giúp KTV có thể phần nào dễ dàng hơn trong việc áp dụng mô hình tam giác gian lận trong việc dự báo gian lận Tuy nhiên một hạn chế của mô hình là khó khăn trong việc thu thập các thông tin tài chính và phi tài chính cho việc tính toán các biến có liên quan

2.3.3 Các nghiên cứu tác động của tín hiệu gian lận đến xác suất gian lận báo

cáo tài chính

- Loebbecke và cộng sự (1989) đã phát triển một mô hình đánh giá những gian lận trong quản lý cho các kiểm toán viên Tuy nhiên, mặc dù mô hình này cung cấp được một danh sách các tỉ số liên quan đến gian lận như hàng tồn kho và nợ phải thu liên quan lần lượt đến 22% và 14% các hành vi gian lận trong mẫu nghiên cứu, nhưng còn chứa đựng nhiều quan điểm chủ quan và nhiều dữ liệu không dược phổ biến cho các đối tượng bên ngoài Những dữ liệu này chỉ giới hạn quyền truy cập cho kiểm toán và các cổ đông nội bộ doanh nghiệp Vì vậy, các nhà đầu tư và các chuyên gia hoạch định chính

sách không thể sử dụng dược mô hình này để xác định các doanh nghiệp có gian lận trên báo cáo tài chính hay không

- Nghiên cứu “sử dụng dữ liệu báo cáo tài chính để xác định các nhân tố liên quan đến gian lận Báo cáo tài chính” của tiến sĩ Obeua S Persons trường Đại học Rider Nghiên cứu đã dựa vào mô hình phân tích hồi quy Stepwise để chứng minh các nhân tố như: đòn bẫy tài chính (TLTA: total liabilities/total assets), vòng quay vốn (Capital Turnover: Sales/total assets), kết cấu tài sản (CATA: current assets/total assets; RVTA: receivables/total assets; IVTA: inventories/total assets) và quy mô doanh nghiệp (LOGTA: logatihm total asset) có ảnh hưởng đến việc gian lận báo cáo tài chính, hơn nữa kết quả cũng cho thấy rằng mô hình này ưu việt hơn các mô hình khác về việc xếp tất cả các doanh nghiệp không có dấu hiệu gian lận ở tất cả mọi cấp độ Mặc

dù nghiên cứu đã xác định được phần lớn các doanh nghiệp có gian lận nhưng cũng tồn tại việc phân loại chưa chính xác các đơn vị không gian lận khi bỏ qua yếu tố định giá sai giá trị thực của các khoản mục

- Nghiên cứu “Gian lận báo cáo tài chính và giao dịch cổ phần nội bộ-phân tích thực nghiệm” của Scott L Summers và Johb T Sweeney Đại học Missouri-Columbia Nghiên cứu đã khảo sát mối quan hệ giữa giao dịch cổ phần nội bộ và gian lận Kết quả mô hình đã chứng minh rằng gian lận có thể thông qua việc các cổ đông nội bộ thực hiện việc giảm cổ phần, tăng khối lượng giao dịch hoặc là tăng giá cổ phần Hơn nữa, thực nghiệm cũng cho thấy các biến như: giao dịch cổ phần nội bộ và đặc điểm tài chính của doanh nghiệp không có sự đồng nhất với nhau và đây là cơ sở để phân biệt doanh nghiệp có gian lận hoặc không

- Spathis và cộng sự (2002): “Xác định các báo cáo tài chính được làm giả: một nghiên cứu tương quan sử dụng phân tích với nhiều điều kiện và kỹ thuật thống kê đa biến” Nghiên cứu này đã tìm ra tính hữu ích của phương pháp phân loại trong việc nhận biết doanh nghiệp có phát hành các báo cáo tài chính gian lận hay không và cũng trong nghiên cứu này cũng đã xác định

được các nhân tố liên quan đến việc làm giả báo cáo tài chính Cỡ mẫu nghiên cứu gồm 76 doanh nghiệp tại Hy Lạp (trong đó bao gồm 38 doanh nghiệp gian lận trong báo cáo tài chính và 38 doanh nghiệp không gian lận) được miêu tả trên 10 tỉ số tài chính, mô hình sử dụng mẫu nghiên cứu này để tìm ra các nhân tố ảnh hưởng đến việc gian lận báo cáo tài chính Kết quả chỉ

ra rằng tính ưu việt của phương pháp MCDA hơn các phương pháp phân tích truyền thống đang được sử dụng rộng rãi trong việc nhận định gian lận báo cáo tài chính Hơn thế nữa, kết quả cũng cho thấy hiệu quả của việc thu thập các thông tin tài chính có thể xác định gian lận trong báo cáo và chỉ ra tầm quan trọng của các tỉ số tài chính như: tỉ số nợ trên tổng tài sản, tỉ số tồn kho trên doanh thu, lợi nhuận thuần trên doanh thu và doanh thu trên tổng tài sản

2.4 Xác định khoảng trống nghiên cứu

Mô hình M’score do Beneish đề xuất năm 1999 là một trong những mô hình

dự đoán khả năng gian lận báo cáo tài chính của doanh nghiệp đầu tiên Mô hình này đã giúp các nhà đầu tư, các nhà quản lý, kiểm toán viên nhận định việc có gian lận báo cáo tài chính hay không với xác suất dự đoán đúng khoảng 76% Tại thời điểm một năm trước khi công ty Enron phá sản các sinh viên trường đại học Cornell

đã phá hiện dấu hiệu gian lận thông qua mô hình M’score trong khi kiểm toán không tìm thấy Ngoài ra, chỉ số F’score cũng được sử dụng khá nhiều trong các đề tài nghiên cứu về gian lận báo cáo tài chính và kết quả đự báo đúng bình quân của

mô hình này khoảng 66% Có thể thấy F’score mở rộng hơn M’score của Beneish khi có thêm các biến phi tài chính, biến ngoài bảng cân đối và các biến thị trường nhằm xác định mối tương quan của các yếu tố khác đến hành vi gian lận báo cáo tài chính Tuy nhiên về xác suất dự báo đúng mô hình được Dechow và các cộng sự đưa ra đều có xác suất thấp hơn M’score ban đầu

Nhìn chung, các tác giả của các nghiên cứu hầu như tập trung vào việc kiểm định lại mô hình gốc và xác định tỉ lệ đúng của mô hình trong các điều kiện mẫu và các quốc gia khác nhau: Tarjo, Nurul Herawati (2015), Marinakis (2011), Nguyễn

Công Phương và Nguyễn Trần Nguyên Trân (2014) Một số nghiên cứu khác lại chú trọng đến các đặc tính của công ty đã có gian lận Báo cáo tài chính thông qua các nhân tố như thù lao, động cơ, kiểm soát, quản trị, văn hóa, đạo đức là các nhân tố khó được xác định bởi các cổ đông bên ngoài hoặc bên thứ 3 sử dụng báo cáo tài chính của doanh nghiệp: Beasley và các cộng sự (2001), Loebbecke và cộng

sự (1989)

Tại Việt Nam có rất ít các nghiên cứu gian lận Báo cáo tài chính phục vụ cho công tác ra quyết định cho vay của các ngân hàng trong bối cảnh sự cạnh tranh ngày càng khốc liệt giữa các ngân hàng thương mại Mặc khác, nguồn dữ liệu sẵn

có trên cổng thông tin tín dụng của ngân hàng cũng là sự thuận lợi lớn cho việc nghiên cứu đề tài này Từ những ưu việt của M’score, F’score và các khoảng trống nghiên cứu nêu trên, tác giả thực hiện đề tài với hai mô hình M’score và F’score nhằm bổ sung khoảng trống trong nghiên cứu và cũng là cơ sở để áp dụng trong thực tiễn thẩm định báo cáo tài chính của các công ty khi có quan hệ tín dụng với các ngân hàng thương mại

KẾT LUẬN CHƯƠNG 2

Trong chương này tác giả đã khái quát các định nghĩa cơ bản về gian lận, gian lận báo cáo tài chính và các nghiên cứu về gian lận trong và ngoài nước Sự hạn chế của các nghiên cứu trước cũng được đề cập trong chương này một cách cô đọng nhất Khoảng trống nghiên cứu là phần kết của chương này nhằm cho thấy được tính khả khi của đề tài mà tác giả đã chọn cũng như mô hình M’score và F’score là hai mô hình chính của đề tài là hợp lý

CHƯƠNG 3: THIẾT KẾ NGHIÊN CỨU

3.1 Mô tả tổng thể và mẫu nghiên cứu

3.1.1 Mô tả tổng thể

Cuối năm 2015 tổng số doanh nghiệp lớn (được quy ước có doanh thu trên

100 tỉ đồng/năm) có quan hệ tín dụng tại Vietcombank Bình Dương (VCB Bình Dương) là 283, trong có có 50 doanh nghiệp có dư nợ tại 31/12/2015 với tổng dư nợ của các đơn vị này khoảng 6,608,706,000,000 đồng chiếm 72.11% tổng dư nợ cho vay toàn chi nhánh (9,165,381,000,000 đồng), có 3 doanh nghiệp có dư nợ từ 300 tỉ,

6 doanh nghiệp dưới 300 tỉ và trên 100 tỉ, số còn lại từ khoảng 5 tỉ cho đến dưới 100

tỉ đồng

Các công ty có quan hệ tín dụng với VCB Bình Dương đa dạng ngành nghề (sản xuất, thương mại, xây lắp, bất động sản, trồng trọt, dịch vụ ), trong đó doanh nghiệp sản xuất chiếm khoảng hơn 37% và nằm ở tất cả các loại hình (TNHH, CP, TNHH MTV, DNTN) Đến hết năm 2015 VCB Bình Dương có ưu thế cho vay các doanh nghiệp trong nước hơn FDI, bằng chứng là FDI chiếm khoảng 35% so về số lượng và 10.27% tổng dư nợ

Tỉ lệ nợ xấu 0.91% tập trung vào một khách hàng doanh nghiệp lớn (hơn 41 tỉ)

và nợ cần chú ý là 0.65% đa số tập trung vào các doanh nghiệp SME và thể nhân

3.1.2 Mẫu nghiên cứu

Tác giả lựa chọn ngẫu nhiên 60 doanh nghiệp đang có quan hệ tín dụng với ngân hàng VCB Bình Dương Dữ liệu sử dụng trong bài luận văn được lấy từ báo cáo tài chính của các doanh nghiệp này cho kỳ báo cáo từ năm 2013-2015

3.2 Mô hình nghiên cứu

3.2.1 Lựa chọn và đo lường biến nghiên cứu

3.2.1.1 Chỉ số M’score

Chỉ số M’score được tính theo công thức sau:

M’score = -4.84 + 0.92*DSRI + 0.528*GMI + 0.404*AQI + 0.892*SGI + 0.115*DEPI - 0.172*SGAI + 4.679*TATA - 0.327*LVGI

Ngưỡng xác định rủi ro gian lận BCTC được xác định theo bảng sau:

Bảng 3.1: Ngưỡng xác định rủi ro gian lận BCTC theo M’score

Chỉ số F’score được tính toán theo mô hình thứ nhất trong Mục 2.2.2

Value1 = –7.893 + 0.790*RSST + 2.518*ΔREC + 1.191*ΔINV + 1.979*%SOFTASSETS + 0.171*ΔCASHSALES – 0.932*ΔROA + 1.029*ISSUE

Từ đó tính được:

F’score = Prob(FFR)/.0037, trong đó: Prob(FFR) = elogit/(1 + elogit)

Ngưỡng xác định rủi ro gian lận BCTC được xác định theo bảng sau:

Bảng 3.2: Ngưỡng xác định rủi ro gian lận BCTC theo F’score

Giá trị Đánh giá Ghi chú

F’score > 2.45

F’score > 1.85

Rủi ro rất cao Rủi ro cao

Có khả năng xảy ra gian lận BCTC

F’score >= 1

F’score < 1

Rủi ro trên mức bình thường Rủi ro bình thường hay dưới mức bình thường

Không có khả năng xảy ra gian lận BCTC

3.2.1.3 Các tỉ số tài chính sử dụng trong thẩm định BCTC của ngân hàng

Để xác định được các tỉ số này, tác giả đã tham khảo nhiều nghiên cứu được công bố Trong các nghiên cứu trước đây: Green and Choi (1997), Hoffman (1997), Hollman và Patton (1997), Zimbelman (1997), Beasley (1996), Bologna và cộng sự (1996), Arens và Loebbecke (1994), Bell và cộng sự (1993), Schilit (1993), Davia

và cộng sự (1992), Green (1991), Stice (1991), Loebbecke và cộng sự (1989),

Palmrose (1987), Albrecht và Romney (1986) là các nghiên cứu chứa đựng các chỉ

số về việc gian lận báo cáo tài chính Để đưa ra các nhận định nền tảng ban đầu các nghiên cứu đã lựa chọn một tập hợp gồm 17 tỉ số tài chính trong mô hình nghiên cứu

Nhiều nhà nghiên cứu như Vanasco (1998), Persons (1995), Schilit (1993) và Stice (1991) còn đề nghị rằng các mánh khóe trong cơ chế quản lý sẽ có khả năng được lợi dụng để thao túng khoản mục hàng tồn kho Doanh nghiệp có thể rơi vào tình trạng không đồng nhất doanh thu tương ứng với giá bán của các mặt hàng, vì thế họ sẽ tăng lợi nhuận gộp biên, thu nhập ròng và làm cho bảng cân đối kế toán hợp lý hơn Một hình thức thao túng khác đó là báo cáo hàng tồn kho ở mức giá thấp hơn so với giá thị trường, các doanh nghiệp này có khả năng không kê khai đúng số lượng hàng tồn kho đã lỗi thời Do đó, tỉ số hàng tồn kho trên doanh thu phải được đề cập đến (IVN/SAL) Một vấn đề khác đã được kiểm nghiệm trong nghiên cứu này là liệu rằng các biến lợi nhuận gộp biên cao hay thấp có liên quan đến các gian lận bao cáo tài chính hay không Vì thế, tỉ số lợi nhuận gộp trên tổng tài sản cũng được sử dụng trong nghiên cứu này (GP/TA)

Định hướng tối đa hóa lợi nhuận cho doanh nghiệp sẽ không còn là mục tiêu hàng đầu khi các nhà quản lý luôn muốn tối đa hóa lợi ích cá nhân, khái niệm này được định nghĩa một phần trong việc đảm bảo an toàn chức nghiệp Theo như định nghĩa này, khi đạt được sự ổn định hay thu nhập được tăng trưởng thì lợi ích của nhà quản lý sẽ được tối đa hóa Phương pháp này dựa vào các kỳ vọng rằng cách thức quản trị sẽ có thể duy trì hay thay đổi lợi nhuận thật trong quá khứ (Summer and Sweeney, 1998) Nếu như các kỳ vọng này không đi đôi với các hành động thiết thực, thì nó sẽ là tác nhân của việc làm giả báo cáo tài chính Trong mẫu nghiên cứu của mình, Loebbecke và cộng sự (1989) cho rằng lợi nhuận bình quân của ngành công nghiệp sẽ không đủ cho 35% doanh nghiệp gian lận báo cáo tài chính Cũng trong nghiên cứu này, một vài biến của các báo cáo tài chính được gắn “cờ đỏ” khác

đã được kiểm nghiệm cho khả năng doanh nghiệp gian lận báo cáo tài chính hay không, ví dụ như tỉ số doanh thu trên tổng tài sản (SAL/TA), tỉ số lợi nhuận ròng

trên tổng tài sản (NP/TA) và tỉ số vốn lưu động trên tổng tài sản (WC/TA) Tỉ số doanh thu trên tổng tài sản đóng vai trò dự đoán gian lận được sử dụng hiệu quả trong nghiên cứu trước đây (Persons, 1995; Fanning và Cogger, 1998)

Quy mô doanh nghiệp cũng là nhân tố ảnh hưởng đến khả năng làm giả báo cáo tài chính Các nghiên cứu cũng đã kiểm tra mối liên quan giữa quy mô và việc làm giả báo cáo tài chính Các doanh nhiệp có quy mô tương đối nhỏ thường sẽ có khả năng làm giả báo cáo tài chính hơn các doanh nghiệp còn lại (Beasley và cộng sự., 1999) Nghiên cứu đã chuyển đổi tổng tài sản thành hàm logarit tự nhiên (L.TA) để kết luận tính chuẩn tắc và ổn định hóa sự giao dộng của biến

Từ các kết quả các nghiên cứu trên và trên cơ sở các tài liệu hướng dẫn thẩm định BCTC được sử dụng tại ngân hàng VCB chi nhánh Bình Dương, tác giả lựa chọn các tỉ số tài chính sau để đưa vào mô hình tương quan với rủi ro gian lận BCTC, các tỉ số bao gồm:

Bảng 3.3: Các tỉ số tài chính

Tỉ số Tên gọi Phương pháp tính

DEBT/EQ Tỉ lệ nợ trên vốn chủ sở hữu Nợ/vốn chủ sở hữu

SAL/TA Tỉ lệ doanh thu trên tổng tài sản Doanh thu/tổng tài sản NP/SAL Lợi nhuận thuần trên doanh thu Lợi nhuận ròng/doanh thu REC/SAL Tỉ lệ phải thu trên doanh thu Phải thu/doanh thu

NP/TA Tỉ lệ lợi nhuận thuần trên tổng tài sản Lợi nhuận ròng/tổng tài sản WC/TA Tỉ lệ vốn lưu động trên tổng tài sản Vốn lưu động/ tổng tài sản GP/TA Tỉ lệ lãi gộp trên tổng tài sản Lợi nhuận gộp/tổng tài sản INV/SAL Tỉ lệ tồn kho trên doanh thu Tồn kho/doanh thu

TD/TA Tỉ lệ tổng nợ trên tổng tài sản Tổng nợ/ tổng tài sản

L.TA Quy mô tài sản Ln (tổng tài sản)

3.2.1.4 Mô hình tương quan dự kiến

M’score = β0 + β1*DEBT/EQ+ β2*SAL/TA+ β3*NP/SAL+ β4*REC/SAL+β5*NP/TA+β6*WC/TA+β7*GP/TA+β8*INV/SAL+β9*TD/TA+β10*L.TA+ + ε

3.3 Quy trình thu thập và xử lý dữ liệu

Bước 1: Thu thập và tính toán các dữ liệu cho các biến

Các dữ liệu nghiên cứu trước hết được thu thập từ báo cáo tài chính của các công ty trong mẫu và xử lý ban đầu bằng phần mềm EXCEL Các tỉ số tài chính, tổng các khoản dồn tích, các khoản dồn tích lấy thông tin từ bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh và báo cáo lưu chuyển tiền tệ để tính M’score, F’score sau đó đưa vào phần mềm Stata để tiến hành các phân tích và đo lường các mối quan hệ

Bước 2: Thống kê mô tả

Mô tả thông tin cơ bản từ mẫu giúp khái quát những đặc điểm cơ bản của quan sát

Bước 3: Ma trận hệ số tương quan

Phân tích tương quan là phương pháp sử dụng hệ số tương quan Pearson (ký hiệu là r) để lượng hóa mức độ chặt chẽ của mối tương quan giữa hai biến định lượng Trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối quan hệ tương quan chặt chẽ Giá trị r=0 chỉ ra rằng hai biến không có mối quan hệ tương quan

Bước 4: Ước lượng hàm hồi quy tuyến tính, hồi quy hỗn hợp (Pooled OLS)

Phân tích hồi quy đa biến là phương pháp được sử dụng để phân tích mối quan

hệ giữa một biến phụ thuộc với nhiều biến độc lập Mục đích của phân tích hồi quy

đa biến là dự đoán mức độ biến phụ thuộc khi biết trước giá trị biến độc lập

Bước 6: Ước lượng hàm hồi quy đơn vị xác suất (Probit)

Theo phân tích đơn vị xác suất là có một phương trình phản ứng có dạng Y*

t =

α + βXt +ut với Xt là biến có thể quan sát được nhưng Y*

t là biến không thể quan sát được ut/Ú có phân phối chuẩn hóa Những gì quan sát được trong thực tế là Yt , nó

mang giá trị 1 nếu Y*

t > 0 và bằng 0 nếu các giá trị khác Do đó, Yt = 1 nếu α + βXt

Trong đó ) là hàm phân phối chuẩn

Bước 7: Kiểm định liên quan

Các kiểm định liên quan được thực hiện trên phần mềm STATA, phần mềm này thích hợp cho việc xử lý dữ liệu bảng

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN

4.1 Kết quả tính toán và phân tích M’score và F’score

4.1.1 Thống kê mô tả mẫu

Trong 60 doanh nghiệp được chọn để nghiên cứu, phân tích đánh giá thì có 44 doanh nghiệp chuyên hoạt động sản xuất (chiếm 73.33% tổng số doanh nghiệp đánh giá), doanh nghiệp trong lĩnh vực bất động sản là 5 doanh nghiệp (chiếm 8.3%), doanh nghiệp thương mại dịch vụ là 6 doanh nghiệp (chiếm 10%), còn lại là các doanh nghiệp hoạt động trong các lĩnh vực khác

Nguồn: Thống kê của tác giả

Quy mô vốn bình quân của các doanh nghiệp hoạt động trong lĩnh vực canh tác, trồng trọt tương đối cao, bình quân 23 tỉ đồng/doanh nghiệp, tiếp đến là các doanh nghiệp sản xuất với 15 tỉ đồng/doanh nghiệp, doanh nghiệp bất động sản có quy mô vốn bình quân là 8.5 tỉ đồng/doanh nghiệp

Bảng 4.2: Thống kê theo quy mô lao động và vốn

Nguồn: Thống kê của tác giả

4.1.2 Kết quả mô hình M’score

M’score được tính toán qua các năm như sau:

Bảng 4.3: Kết quả M’score qua các năm