Đánh giá khả năng gian lận báo cáo tài chính trước kiểm toán của doanh nghiệp bất động sản niêm yết

Khám phá mô hình M Score trong đánh giá khả năng gian lận báo cáo tài chính của doanh nghiệp bất động sản niêm yết trên sàn chứng khoán.

• Tác giả: Phạm Thị Ngọc Ánh
• Người hướng dẫn: TS. Trần Thế Nữ
• Trường học: Trường Đại Học Kinh Tế
• Chuyên ngành: Kế Toán
• Đề tài: Đánh Giá Khả Năng Gian Lận Báo Cáo Tài Chính Trong Ngành Bất Động Sản Bằng Mô Hình M Score
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. DANH MỤC CHỮ VIẾT TẮT
• 2. DANH MỤC BẢNG
• 3. DANH MỤC HÌNH
• MỞ ĐẦU
• 0.1. Tính cấp thiết của đề tài
• 0.2. Mục tiêu và nhiệm vụ nghiên cứu
• 0.2.1. Mục tiêu chung
• 0.2.2. Mục tiêu cụ thể
• 0.3. Câu hỏi nghiên cứu
• 0.4. Đối tượng và phạm vi nghiên cứu
• 0.4.1. Đối tượng nghiên cứu
• 0.4.2. Phạm vi nghiên cứu
• 0.5. Dự kiến đóng góp của đề tài
• 0.6. Kết cấu của khóa luận
• 1. CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ LUẬN VỀ GIAN LẬN BCTC
• 1.1. Tổng quan nghiên cứu
• 1.1.1. Tài liệu nước ngoài
• 1.1.2. Tài liệu trong nước
• 1.2. Cơ sở lý luận về gian lận BCTC
• 1.2.1. Khái niệm BCTC và gian lận BCTC
• 1.2.2. Biểu hiện gian lận BCTC
• 1.2.3. Nguyên nhân dẫn đến gian lận BCTC
• 1.2.4. Hậu quả của hành vi gian lận BCTC
• 1.3. Các lý thuyết liên quan
• 1.3.1. Các lý thuyết nền tảng
• 1.3.2. Các lý thuyết nghiên cứu hành vi gian lận
• 1.4. Các nghiên cứu về kỹ thuật phân tích trong dự đoán rủi ro xảy ra gian lận trên BCTC của các học giả nước ngoài
• 1.4.1. Đánh giá về sự hiệu quả của việc sử dụng các kỹ thuật phân tích để phát hiện gian lận trong BCTC
• 1.4.2. Các phương pháp nghiên cứu thường được sử dụng
• 1.4.3. Các tỷ số tài chính thường được sử dụng nhằm phát hiện gian lận BCTC
• 2. CHƯƠNG 2: THỰC TRẠNG GIAN LẬN BCTC TRONG NGÀNH BẤT ĐỘNG SẢN VIỆT NAM
• 2.1. Giới thiệu ngành bất động sản Việt Nam
• 2.2. Thực trạng gian lận BCTC ngành bất động sản Việt Nam
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.3. Chọn mẫu nghiên cứu
• 3.4. Phương pháp thu thập và xử lý thông tin
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Xu thế phát triển ngành bất động sản tại Việt Nam
• 5.2. Kiến nghị đối với cơ quan Nhà nước, Hội kiểm toán hành nghề Việt Nam (VACPA)
• 5.3. Kiến nghị đối với kiểm toán viên, công ty kiểm toán
• 5.4. Kiến nghị đối với nhà đầu tư
• 5.5. Kiến nghị đối với doanh nghiệp
• 5.6. Kiến nghị đối với ngân hàng thương mại
• 5.7. Hạn chế của đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Phát hiện gian lận tài chính Tổng quan và lý thuyết

Phần này khảo sát nghiên cứu gian lận tài chính, đặc biệt tập trung vào phát hiện gian lận báo cáo tài chính. Nghiên cứu gian lận tài chính đã phát triển đáng kể. Các nghiên cứu như của Altman (1968) với chỉ số Z-Score, đã giúp dự đoán nguy cơ phá sản, gián tiếp liên quan đến phát hiện gian lận báo cáo tài chính. ACFE (1993-2012) cho thấy gian lận tài chính kéo dài trung bình 18 tháng trước khi bị phát hiện, nhấn mạnh khó khăn trong phát hiện gian lận báo cáo tài chính. KPMG (1999) chỉ ra kiểm soát nội bộ yếu là nguyên nhân chính. Các nghiên cứu sau này như Spathis (2002), Skousen (2009), Lou và Wang (2011), Tarjo và Nural (2015) đã tập trung vào các chỉ số tài chính và mô hình dự đoán, bao gồm mô hình M Score, để cải thiện phát hiện gian lận báo cáo tài chính. Nghiên cứu gian lận tài chính trong nước cũng đóng góp vào việc hiểu rõ hơn về thực trạng và giải pháp. Phát hiện gian lận báo cáo tài chính đòi hỏi sự kết hợp giữa lý thuyết và thực tiễn.

1.1. Mô hình phân tích gian lận Ứng dụng chỉ số Z Score và M Score

Chỉ số Z-Score của Altman (1968), ban đầu dùng để dự đoán phá sản, được ứng dụng gián tiếp trong phát hiện gian lận báo cáo tài chính. Mô hình phân tích gian lận này dựa trên phân tích tài chính. Mô hình M Score của Beneish (1999) là một mô hình phân tích gian lận khác, tập trung vào phát hiện gian lận cụ thể hơn. Ứng dụng mô hình M Score trong nghiên cứu này là trọng tâm. Các nghiên cứu quốc tế như Tarjo và Nural (2015) đã kết hợp mô hình M Score với khai phá dữ liệu để nâng cao độ chính xác. Hiệu quả của mô hình M Score trong bối cảnh Việt Nam cần được đánh giá. Nghiên cứu này sẽ so sánh kết quả của mô hình M Score với các báo cáo tài chính đã được kiểm toán để đánh giá khả năng phát hiện gian lận báo cáo tài chính. Tỷ lệ phát hiện đúng của mô hình M Score sẽ được tính toán và phân tích.

1.2. Thực trạng gian lận báo cáo tài chính ở Việt Nam

Mặc dù có hệ thống kiểm toán chặt chẽ, gian lận báo cáo tài chính vẫn xảy ra ở Việt Nam. Số liệu Vietstock (2017) cho thấy tỷ lệ doanh nghiệp niêm yết điều chỉnh báo cáo tài chính sau kiểm toán rất cao, cho thấy vấn đề về chất lượng báo cáo tài chính. Gian lận báo cáo tài chính bất động sản đặc biệt đáng quan tâm vì giá trị giao dịch lớn. Nghiên cứu này tập trung vào gian lận báo cáo tài chính bất động sản tại Việt Nam. Việc hiểu rõ thực trạng gian lận báo cáo tài chính là nền tảng để đánh giá hiệu quả của mô hình M Score. Gian lận báo cáo tài chính ảnh hưởng đến nhà đầu tư và nền kinh tế. Nghiên cứu này đóng góp vào việc hiểu rõ hơn về gian lận báo cáo tài chính tại Việt Nam, đặc biệt trong ngành bất động sản.

II. Ứng dụng mô hình M Score trong đánh giá rủi ro tài chính ngành bất động sản

Phần này tập trung vào ứng dụng mô hình M Score để đánh giá khả năng gian lận báo cáo tài chính bất động sản. Mô hình M Score được lựa chọn vì khả năng phát hiện gian lận báo cáo tài chính. Ứng dụng mô hình M Score trong ngành bất động sản cần được xem xét kỹ lưỡng. Đánh giá rủi ro tài chính bất động sản là một lĩnh vực quan trọng. Nghiên cứu này sử dụng dữ liệu từ 60 công ty bất động sản niêm yết năm 2021. Phân tích báo cáo tài chính bất động sản là cơ sở để áp dụng mô hình M Score. Kết quả sẽ cho thấy khả năng dự đoán gian lận báo cáo tài chính của mô hình M Score trong ngành này.

2.1. Phương pháp nghiên cứu và xử lý dữ liệu

Nghiên cứu sử dụng phân tích báo cáo tài chính bất động sản để xây dựng cơ sở dữ liệu. Phân tích dữ liệu tài chính được thực hiện để tính toán chỉ số M Score cho từng công ty. Thống kê mô tả và phân tích hồi quy được sử dụng để đánh giá hiệu quả của mô hình M Score. Kiểm định giả thuyết được thực hiện để đảm bảo tính chính xác. Xử lý dữ liệu được thực hiện cẩn thận để đảm bảo tính khách quan. Phương pháp nghiên cứu này đảm bảo tính khoa học và độ tin cậy của kết quả. Phân tích dữ liệu tài chính là bước quan trọng để đưa ra kết luận chính xác. Việc lựa chọn phương pháp nghiên cứu phù hợp rất quan trọng.

2.2. Kết quả nghiên cứu và đánh giá hiệu quả mô hình M Score

Kết quả nghiên cứu cho thấy mô hình M Score có khả năng phát hiện gian lận báo cáo tài chính trong ngành bất động sản. Độ chính xác của mô hình M Score được đánh giá dựa trên so sánh với báo cáo tài chính sau kiểm toán. Đánh giá rủi ro tài chính được thực hiện dựa trên kết quả tính toán M Score. Giám sát rủi ro tài chính trong ngành bất động sản cần được tăng cường. Kết luận của nghiên cứu cung cấp thông tin hữu ích cho các nhà đầu tư, kiểm toán viên và cơ quan quản lý. Nghiên cứu này góp phần nâng cao quản lý rủi ro tài chính trong ngành bất động sản. Phân tích xu hướng gian lận cũng được thực hiện dựa trên kết quả.

III. Kiến nghị và hạn chế nghiên cứu

Phần này đưa ra các kiến nghị để cải thiện việc phát hiện gian lận báo cáo tài chính và giảm sát rủi ro tài chính trong ngành bất động sản. Kiến nghị dành cho cơ quan nhà nước, kiểm toán viên, nhà đầu tư và doanh nghiệp. Kiến nghị này nhằm nâng cao minh bạch báo cáo tài chính và giảm thiểu gian lận báo cáo tài chính. Nghiên cứu cũng chỉ ra những hạn chế của nghiên cứu, ví dụ như phạm vi thời gian và mẫu nghiên cứu. Những hạn chế này cần được xem xét trong các nghiên cứu tiếp theo. Cải tiến mô hình M Score cũng được đề xuất. Nghiên cứu này tạo nền tảng cho các nghiên cứu sâu rộng hơn về gian lận báo cáo tài chính.

Trích đoạn nội dung tài liệu

phần mở đầu, kết luận và danh mục tài liệu tham khảo, khóa luận gồm có 5 phần sau: Chƣơng 1: Tổng quan nghiên cứu, cơ sở lý luận về gian lận BCTC Chƣơng 2: Thực trạng gian lận BCTC trong ngành bất động sản Việt Nam Chƣơng 3: Phƣơng pháp nghiên cứu Chƣơng 4: Kết quả nghiên cứu Chƣơng 5: Kết luận và kiến nghị Page | 5 Tieu luan Produced with a Trial Version of PDF Annotator - www.com CHƢƠNG 1: TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ LUẬN VỀ GIAN LẬN BCTC 1.1 Tổng quan nghiên cứu 1.1 Tài liệu nước ngoài EdWard I.Altman (1968) đã thực hiện nghiên cứu trên một mẫu bao gồm 66 doanh nghiệp để dự đoán về nguy cơ phá sản của các doanh nghiệp này. Và ông đã tìm ra đƣợc chỉ số Z-Score dùng để dự đoán khả năng phá sản của một công ty trong hai năm sắp tới hoặc để dự đoán khả năng một công ty vỡ nợ. Hàng loạt các thử nghiệm tiếp theo đƣợc thực hiện trong suốt hơn 30 năm. Cho tới năm 1999, 80-90% công ty phá sản đƣợc dự báo nhờ vào chỉ số Z trƣớc ngày phá sản một năm và các gian lận trên BCTC cũng đƣợc phát hiện theo cách này.

Nghiên cứu của Hiệp hội các nhà điều tra gian lận Hoa Kỳ (ACFE) (1993-2012) đã khảo sát các đối tƣợng nhằm thu thập thông tin về các trƣờng hợp gian lận mà họ chứng kiến từ năm 1993 đến năm 2012. Bài nghiên cứu cho thấy, phần lớn các ngành công nghiệp thực hiện gian lận BCTC là các ngành dịch vụ tài chính và ngân hàng, các cơ quan quản lý công cộng và các doanh nghiệp sản xuất. Hơn nữa, BCTC gian lận thƣờng kéo dài bình quân khoảng 18 tháng trƣớc khi bị phát hiện. Điều đó cho thấy những khó khăn trong việc ngăn ngừa và phát hiện gian lận BCTC.

KPMG (1999) đã thực hiện nghiên cứu, khảo sát 5.000 công ty nhà nƣớc hàng đầu của Mỹ nhằm xác định mức độ và phạm vi ảnh hƣởng của gian lận BCTC. Kết quả nghiên cứu đã xác định những nguyên nhân quan trọng làm xuất hiện hành vi gian lận này, chính là kiểm soát nội bộ kém, quản lý tệ và áp lực tài chính cá nhân. Bài nghiên cứu cũng đƣa ra một số biện pháp hữu hiệu nhằm ngăn chặn và phát hiện gian lận BCTC. Cải tiến hệ thống kiểm soát nội bộ của doanh nghiệp, thiết lập tinh thần chung cho các nhà quản lý cấp cao, cung cấp các khóa huấn luyện trong việc ngăn chặn và phát hiện gian lận, thành lập một mã kiểm soát doanh nghiệp, cung cấp nội quy huấn luyện nhân viên… Page | 6 Tieu luan Charalambos T.

Spathis (2002) đã xem xét về tính hữu ích của các chỉ số tài chính và hệ số Z-Score trong việc phát hiện ra gian lận trên BCTC. Mô hình đã xác định các chỉ số tài chính sau hữu ích trong việc phát hiện gian lận trên BCTC: tỷ số hàng tồn kho trên doanh thu, lợi nhuận ròng trên tổng tài sản, tỷ số vốn lƣu động trên tổng tài sản, tỷ lệ tổng nợ trên tổng tài sản và hệ số nguy cơ phá sản (Z-Score). Kết quả trên đã cho thấy chỉ số Z-Score hữu ích trong việc phát hiện gian lận. Bài nghiên cứu của Skousen và cộng sự (2009) đã đánh giá mối quan hệ của các yếu tố thuộc Tam giác gian lận với khả năng xảy ra gian lận BCTC.

Có 5 yếu tố có ý nghĩa thống kê gồm: Đặc điểm hội đồng quản trị; Việc năm giữ cổ phiếu bên trong và bên ngoài doanh nghiệp; Tốc độ tăng trƣởng tài sản; Sự gia tăng nhu cầu tiền mặt và nhu cầu huy động vốn từ bên ngoài và Số lƣợng thành viên độc lập trong ủy ban kiểm toán. Nghiên cứu của COSO (2010) đã phân tích 347 BCTC gian lận của các công ty ở Mỹ trong suốt 10 năm từ năm 1998 đến năm 2007. Kết quả nghiên cứu chỉ ra rằng gian lận BCTC vẫn diễn ra thƣờng xuyên và có dấu hiệu tăng mạnh, liên quan đến cả những công ty lớn nhƣ Enron hay WorldCom… Có đến 26% công ty gian lận thay đổi kiểm toán giữa kỳ BCTC sạch và BCTC gian lận, nhƣng chỉ có 12% công ty không gian lận thay đổi kiểm toán trong cùng thời gian. 60% công ty gian lận thay đổi kiểm toán trong suốt thời kỳ gian lận, trong khi vẫn duy trì 40% công ty gian lận thay đổi kiểm toán trong năm tài chính trƣớc khi gian lận bắt đầu.

Cũng xem xét về các yếu tố thuộc Tam giác gian lận ảnh hƣởng đến gian lận BCTC, nghiên cứu của Lou và Wang (2011) lại chỉ ra 6 yếu tố khác có mối tƣơng quan với hành vi gian lận gồm có: Sai sót trong dự báo của chuyên gia; Tỷ lệ doanh thu cho các bên liên quan; Số lần điều chỉnh BCTC; Đòn bẩy tài chính; Tỷ lệ cổ phiếu của ban giám đốc và hội đồng quản trị bị cầm cố và cuối cùng là Số lần thay đổi kiểm toán viên. Trong nghiên cứu của Tarjo và Nural (2015), tác giả đã sử dụng mô hình M-Score của Beneish (1999) và kết hợp với phƣơng pháp khai phá dữ liệu, cụ thể là kỹ thuật hồi quy Logistic để xác định lại những chỉ số tài chính nào trong mô hình M-Score dự báo đƣợc gian lận BCTC tại các công ty ở Indonesia. Kết quả cho thấy các chỉ số GMI, DEPI, Page | 7 Tieu luan SGAI, TATA có khả năng phát hiện gian lận BCTC. Các chỉ số còn lại là DSRI, AQI, LVGI không thể phát hiện đƣợc gian lận.

Ty lệ phát hiện gian lận của mô hình là 77,1%.2 Tài liệu trong nước Lê Duy Ngọc (2009), “Hoàn thiện thủ tục kiểm toán trong kiểm toán BCTC nhằm phát hiện gian lận và sai sót tại các công ty đại chúng Việt Nam” đã đề xuất một số giải pháp nhằm nâng cao trách nhiệm của kiểm toán viên trong phát hiện gian lận BCTC. Đó là cần nhanh chóng ban hành các chuẩn mực kế toán, kiểm toán còn thiếu và cập nhật những chuẩn mực đã đƣợc ban hành cho phù hợp với thông lệ quốc tế. Bên cạnh đó, cũng cần hoàn thiện văn bản Luật chứng khoán và ban hành các khung hình phạt dành cho kiểm toán viên và các doanh nghiệp kiểm toán nếu có hành vi vi phạm trách nghiệm nghề nghiệp. Qua bài nghiên cứu “Hoàn thiện thủ tục kiểm toán nhằm phát hiện gian lận trên BCTC của các công ty niêm yết tại Việt Nam” (2011), tác giả Lý Trần Kim Ngân sau khi phân tích các thủ tục kiểm toán hiện hành tại Việt Nam và thế giới đã đƣa ra quan điểm về các giải pháp nhằm hoàn thiện các thủ tục.

Theo tác giả, những giải pháp này cần phải phù hợp với các chuẩn mực quốc tế và đồng thời phù hợp với môi trƣờng kinh doanh và luật pháp Việt Nam. Ngoài ra, các giải pháp đƣa ra cũng cần hƣớng tới đích cuối cùng là giúp thông tin trên BCTC trở nên minh bạch hơn qua đó giúp thị trƣờng chứng khoán phát triển bền vững, lớn mạnh. Nghiên cứu “Đánh giá rủi ro gian lận báo cáo tài chính của các công ty niêm yết tại Việt Nam” của Trần Thị Giang Tân và các cộng sự (2014, trang 74 – 94) đƣợc thực hiện nhằm đánh giá sự hữu hiệu của mô hình tam giác gian lận trong việc phát hiện và dự đoán gian lận ở các công ty niêm yết tại Việt Nam. Kết quả nghiên cứu cho thấy khả năng xảy ra gian lận có mối quan hệ với 3 yếu tố về Động cơ/Áp lực, 1 yếu tố về cơ hội và 2 yếu tố về thái độ.

Mô hình có khả năng dự đoán đúng 83,33% các công ty thuộc mẫu nghiên cứu và khoảng 80% đối với công ty ngoài mẫu nghiên cứu. Page | 8 Tieu luan Bài nghiên cứu “Mô hình Beneish dự đoán sai sót trọng yếu trong BCTC” của Nguyễn Công Phƣơng, Nguyễn Trần Nguyên Trân (2014; trang 54 – 60) đã giới thiệu mô hình Beneish nhằm dự đoán khả năng phát hiện sai sót trọng yếu trong BCTC. Mô hình này đƣợc sử dụng phổ biến do khả năng dự đoán đúng trên 50% BCTC có sai sót trọng yếu hoặc gian lận. Kết quả này gợi ý rằng, mô hình này có thể đƣợc sử dụng nhƣ một công cụ hỗ trợ cho các kiểm toán viên để đánh giá rủi ro có sai sót trọng yếu trong BCTC.

Hoàng Khánh và Trần Thị Thu Hiền (2015), “Phát hiện sai phạm BCTC của các doanh nghiệp niêm yết” đã dựa vào mô hình nghiên cứu của DeAngelo (1986), Friedlan (1994) và Benneish (1999) để xây dựng nên hai mô hình định lƣợng nhằm phát hiện ra sai phạm trên BCTC của các công ty xây dựng đang niêm yết trên sàn. Mô hình thứ nhất, tác giả sử dụng biến phụ thuộc là M và tám biến độc lập nhƣ trong mô hình Beneish (1999). Mô hình thứ hai, tác giả thêm hai biến độc lập vô mô hình đầu tiên là biến DA (biến kế toán dồn tích có thể điều chỉnh) và SIZE. Khả năng phát hiện gian lận của từng mô hình lần lƣợt là 63,41% và 68,29%.

“Ảnh hƣởng của chênh lệch số liệu trƣớc và sau kiểm toán đến khả năng gian lận BCTC tại các công ty niêm yết ở Việt Nam” của Nguyễn Ngọc Huyền Trân, Nguyễn Đình Hùng (2016) nghiên cứu sự chênh lệch của BCTC trƣớc và sau kiểm toán ở các khoản mục, từ đó thực hiện phân tích hồi quy để đƣa ra các biến có ý nghĩa thống kê tại thị trƣờng Việt Nam nhằm xây dựng mô hình F-score cho Việt Nam. Trần Việt Hải (2017) “Nhận diện gian lận trên BCTC của các công ty niêm yết trên thị trƣờng chứng khoán Việt Nam: Bằng chứng thực nghiệm tại sàn giao dịch chứng khoán HOSE” đã phân loại các công ty có gian lận hay không thông qua mô hình Benish (1999) sau đó tiến hành phân tích và cuối cùng đƣa ra đƣợc 10 biến độc lập cho mô hình nghiên cứu gian lận BCTC của mình. Kết quả mô hình đã phân loại đƣợc chính xác các công ty có gian lận với tỷ lệ là 68,7%. “Ứng dụng mô hình M-Score trong việc phát hiện sai sót thông tin trên BCTC của các doanh nghiệp niêm yết” của Ca Thị Ngọc Tố (2017) đã dựa vào mô hình M-Score gốc của Beneish (1999) và kỹ thuật hồi quy Logistic để xây dựng mô hình định lƣợng nhằm Page | 9 Tieu luan phát hiện sai sót thông tin trên BCTC của các doanh nghiệp trên sàn HOSE và HNX.

Kết quả, tác giả đã loại trừ ba biến độc lập so với mô hình M-Score do không có ý nghĩa thống kê, còn lại năm biến có ý nghĩa đó là biến LVGI, SGI, GMI, SGAI, DEPI. Đây là điểm khác biệt so với mô hình M-Score gốc của Beneish. Tuy nhiên, khả năng dự báo của mô hình này lại cao hơn (80,83%).