Tổng quan nghiên cứu

Trong bối cảnh hoạt động ngân hàng thương mại tại Việt Nam ngày càng phát triển, rủi ro gian lận báo cáo tài chính trong hoạt động cho vay doanh nghiệp trở thành vấn đề cấp thiết. Theo báo cáo của Kiểm toán Nhà nước năm 2014, tổng nợ xấu toàn hệ thống ngân hàng đạt 145,2 nghìn tỉ đồng, tăng 24,6% so với năm trước, chiếm 3,25% tổng dư nợ. Một trong những nguyên nhân chính là doanh nghiệp làm giả báo cáo tài chính để được xét duyệt cho vay, trong khi cán bộ tín dụng chưa phát hiện kịp thời rủi ro này. Tại Vietcombank chi nhánh Bình Dương, với tổng dư nợ cho vay khoảng 9.165 tỉ đồng năm 2015, việc đánh giá khả năng rủi ro gian lận báo cáo tài chính của các doanh nghiệp vay vốn là rất quan trọng nhằm giảm thiểu rủi ro tín dụng và nâng cao hiệu quả quản lý.

Mục tiêu nghiên cứu tập trung vào việc vận dụng hai mô hình dự báo gian lận báo cáo tài chính phổ biến là M’score và F’score để dự đoán khả năng gian lận trong báo cáo tài chính của các doanh nghiệp vay vốn tại Vietcombank Bình Dương trong giai đoạn 2013-2015. Đồng thời, nghiên cứu phân tích mối tương quan giữa các tỉ số tài chính sử dụng trong thẩm định báo cáo tài chính của ngân hàng với rủi ro gian lận. Phạm vi nghiên cứu gồm 60 doanh nghiệp có báo cáo tài chính đầy đủ trong giai đoạn trên, thuộc nhiều ngành nghề khác nhau như sản xuất, thương mại, bất động sản và dịch vụ.

Nghiên cứu có ý nghĩa thực tiễn lớn trong việc hỗ trợ cán bộ tín dụng nhận diện sớm các dấu hiệu gian lận, từ đó nâng cao chất lượng thẩm định hồ sơ cho vay, giảm thiểu rủi ro nợ xấu và góp phần ổn định hoạt động ngân hàng. Đồng thời, kết quả nghiên cứu cũng đóng góp lý luận cho các nghiên cứu tiếp theo về phát hiện gian lận báo cáo tài chính trong lĩnh vực ngân hàng tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các khái niệm cơ bản về gian lận và gian lận báo cáo tài chính. Gian lận được định nghĩa là hành vi cố ý trình bày sai sự thật nhằm thu lợi bất chính, trong đó gian lận báo cáo tài chính là việc làm sai lệch hoặc bỏ sót thông tin trọng yếu trên báo cáo tài chính để đánh lừa người sử dụng. Các phương thức gian lận phổ biến gồm gian lận doanh thu, gian lận tài sản, gian lận chi phí và nợ phải trả, cùng các hình thức khác như hợp nhất báo cáo không đúng quy định và công bố thông tin sai lệch.

Hai mô hình dự báo gian lận được áp dụng là:

  • Mô hình M’score của Beneish (1999), sử dụng tám biến tài chính đặc trưng như tỉ số phải thu khách hàng so với doanh thu (DSRI), tỉ lệ lãi gộp (GMI), tỉ số đòn bẩy (LVGI), và biến dồn tích (TATA) để tính điểm M’score, từ đó xác định khả năng gian lận.

  • Mô hình F’score của Dechow và cộng sự (2012), sử dụng các biến đại diện cho khoản dồn tích, hiệu quả kinh doanh, hoạt động ngoại bảng, dữ liệu phi tài chính và thị trường chứng khoán để tính xác suất sai sót trọng yếu trên báo cáo tài chính.

Ngoài ra, nghiên cứu còn sử dụng các tỉ số tài chính quan trọng trong thẩm định báo cáo tài chính của ngân hàng như tỉ lệ nợ trên vốn chủ sở hữu (DEBT/EQ), tỉ lệ doanh thu trên tổng tài sản (SAL/TA), lợi nhuận thuần trên doanh thu (NP/SAL), tỉ lệ tồn kho trên doanh thu (INV/SAL), và quy mô tài sản (L.TA).

Phương pháp nghiên cứu

Nguồn dữ liệu chính là báo cáo tài chính của 60 doanh nghiệp có quan hệ tín dụng với Vietcombank chi nhánh Bình Dương trong giai đoạn 2013-2015. Mẫu được chọn ngẫu nhiên, đảm bảo đa dạng ngành nghề và quy mô vốn.

Phương pháp phân tích bao gồm:

  • Thống kê mô tả để tổng quan đặc điểm mẫu nghiên cứu về ngành nghề, quy mô lao động và vốn.

  • Tính toán chỉ số M’score và F’score dựa trên công thức chuẩn, xác định ngưỡng rủi ro gian lận.

  • Phân tích tương quan Pearson để đánh giá mối quan hệ giữa các tỉ số tài chính và chỉ số M’score.

  • Hồi quy đa biến (Pooled OLS) nhằm xác định tác động của các biến độc lập lên khả năng gian lận.

  • Hồi quy Probit để phân loại doanh nghiệp có hoặc không có rủi ro gian lận dựa trên ngưỡng M’score.

Quy trình thu thập và xử lý dữ liệu được thực hiện qua các bước: thu thập số liệu từ báo cáo tài chính, tính toán các biến, phân tích thống kê mô tả, kiểm định tương quan, và ước lượng mô hình hồi quy trên phần mềm Stata. Cỡ mẫu và phương pháp chọn mẫu đảm bảo tính đại diện và độ tin cậy của kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Tỉ lệ doanh nghiệp có khả năng gian lận theo M’score: Năm 2013, có 43/60 doanh nghiệp (71,7%) có M’score > 1.78, năm 2014 giảm còn 32 doanh nghiệp (53,3%), nhưng năm 2015 tăng lên 33 doanh nghiệp (55%). M’score trung bình của nhóm này dao động từ 6,68 đến 7,09, vượt xa ngưỡng 1.78, cho thấy mức độ rủi ro gian lận cao. Các doanh nghiệp này chủ yếu thuộc ngành sản xuất, với tổng dư nợ khoảng 5.608 tỉ đồng, chiếm 61,19% dư nợ toàn chi nhánh.

  2. Tỉ lệ doanh nghiệp có khả năng gian lận theo F’score: Có 7 doanh nghiệp năm 2013 có F’score > 1,85 (rủi ro cao), tăng lên 11 doanh nghiệp trong 3 năm nghiên cứu. F’score trung bình nhóm này lên tới 11, vượt ngưỡng 2,45 (rủi ro rất cao). Các doanh nghiệp này cần được kiểm soát chặt chẽ hơn do nguy cơ gian lận nghiêm trọng.

  3. Tổng hợp kết quả M’score và F’score: Có 8 doanh nghiệp được xác định có khả năng gian lận theo cả hai chỉ số, chiếm khoảng 13,3% mẫu. Tổng dư nợ cho vay của nhóm này là hơn 900 tỉ đồng, chiếm 9,82% tổng dư nợ chi nhánh. Ngoài ra, 16 doanh nghiệp khác có chỉ số trung bình trên 1 theo cả hai mô hình, tiềm ẩn rủi ro gian lận ở mức trung bình.

  4. Mối tương quan giữa các tỉ số tài chính và M’score: Hệ số tương quan Pearson cho thấy biến tỉ lệ lãi gộp trên tổng tài sản (GP/TA) và quy mô tài sản (L.TA) có mối quan hệ cùng chiều và có ý nghĩa thống kê với M’score. Kết quả hồi quy Pooled OLS cho thấy GP/TA có hệ số 18,7 và L.TA có hệ số 1,4, đều có ý nghĩa ở mức 1%, cho thấy doanh nghiệp có lợi nhuận gộp cao và quy mô lớn có xu hướng có rủi ro gian lận cao hơn.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy mô hình M’score có khả năng phát hiện rủi ro gian lận báo cáo tài chính với tỉ lệ doanh nghiệp nghi ngờ cao, phù hợp với các nghiên cứu quốc tế. Sự biến động số lượng doanh nghiệp có rủi ro qua các năm phản ánh tính chất động của gian lận tài chính và sự thay đổi trong quản lý tín dụng. M’score thể hiện độ nhạy cao hơn so với F’score trong mẫu nghiên cứu này, tương tự như các nghiên cứu tại các quốc gia khác.

Mối tương quan tích cực giữa lợi nhuận gộp và rủi ro gian lận có thể giải thích do áp lực tối đa hóa lợi nhuận khiến doanh nghiệp có động cơ thao túng báo cáo tài chính. Quy mô tài sản lớn cũng tạo điều kiện cho các hành vi gian lận phức tạp hơn, đồng thời khó bị phát hiện hơn.

So sánh với các nghiên cứu trước, tỉ lệ dự báo đúng của mô hình M’score tại Vietcombank Bình Dương đạt khoảng 73%, cao hơn mức trung bình 66% của F’score. Điều này cho thấy mô hình M’score phù hợp hơn với đặc thù doanh nghiệp Việt Nam trong lĩnh vực cho vay ngân hàng. Kết quả cũng nhấn mạnh vai trò quan trọng của việc sử dụng các chỉ số tài chính trong thẩm định tín dụng nhằm phát hiện sớm gian lận, giảm thiểu rủi ro nợ xấu.

Dữ liệu có thể được trình bày qua biểu đồ phân bố số doanh nghiệp theo mức độ rủi ro M’score và F’score qua các năm, bảng tổng hợp số liệu chênh lệch lợi nhuận trước và sau kiểm toán, cũng như ma trận hệ số tương quan giữa các biến tài chính và chỉ số M’score để minh họa rõ nét hơn các phát hiện.

Đề xuất và khuyến nghị

  1. Tăng cường áp dụng mô hình M’score và F’score trong thẩm định tín dụng: Vietcombank chi nhánh Bình Dương nên tích hợp hai mô hình này vào quy trình thẩm định báo cáo tài chính doanh nghiệp, nhằm phát hiện sớm các dấu hiệu gian lận. Thời gian thực hiện trong vòng 6 tháng, do bộ phận phân tích tín dụng chủ trì.

  2. Đào tạo nâng cao năng lực cán bộ tín dụng: Tổ chức các khóa đào tạo chuyên sâu về nhận diện gian lận báo cáo tài chính, sử dụng thành thạo các công cụ phân tích tài chính và mô hình dự báo. Mục tiêu nâng cao tỉ lệ phát hiện rủi ro gian lận lên ít nhất 80% trong 1 năm, do phòng nhân sự phối hợp với phòng kiểm soát rủi ro thực hiện.

  3. Xây dựng hệ thống cảnh báo sớm dựa trên dữ liệu tài chính: Phát triển phần mềm tự động tính toán M’score và F’score từ báo cáo tài chính doanh nghiệp vay vốn, cảnh báo kịp thời các trường hợp có rủi ro cao. Thời gian triển khai dự kiến 12 tháng, do phòng công nghệ thông tin và phòng phân tích tín dụng phối hợp thực hiện.

  4. Tăng cường giám sát và kiểm tra sau cho vay: Định kỳ rà soát, kiểm tra báo cáo tài chính và hoạt động kinh doanh của các doanh nghiệp có chỉ số M’score hoặc F’score cao, nhằm phát hiện và xử lý kịp thời các hành vi gian lận. Thực hiện hàng quý, do phòng kiểm soát rủi ro và phòng tín dụng phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

  1. Cán bộ tín dụng ngân hàng: Nghiên cứu cung cấp công cụ và phương pháp đánh giá rủi ro gian lận báo cáo tài chính, giúp nâng cao hiệu quả thẩm định hồ sơ cho vay và giảm thiểu rủi ro tín dụng.

  2. Kiểm toán viên và chuyên gia tài chính: Luận văn trình bày chi tiết các mô hình M’score và F’score, cùng các chỉ số tài chính quan trọng, hỗ trợ trong việc phát hiện gian lận và đánh giá tính trung thực của báo cáo tài chính.

  3. Nhà quản lý ngân hàng và cơ quan quản lý nhà nước: Kết quả nghiên cứu giúp xây dựng chính sách, quy trình kiểm soát rủi ro tín dụng hiệu quả, đồng thời nâng cao nhận thức về gian lận tài chính trong lĩnh vực ngân hàng.

  4. Các nhà nghiên cứu và sinh viên chuyên ngành kế toán, tài chính: Luận văn cung cấp cơ sở lý thuyết, phương pháp nghiên cứu và dữ liệu thực tiễn quý giá để tham khảo, phát triển các nghiên cứu tiếp theo về gian lận báo cáo tài chính và quản lý rủi ro tín dụng.

Câu hỏi thường gặp

  1. Mô hình M’score và F’score khác nhau như thế nào?
    M’score tập trung vào các biến tài chính nội tại trong báo cáo tài chính để dự báo gian lận, trong khi F’score mở rộng thêm các biến phi tài chính, hoạt động ngoại bảng và dữ liệu thị trường nhằm nâng cao khả năng dự báo. M’score thường có tỉ lệ dự báo đúng cao hơn trong mẫu nghiên cứu tại Việt Nam.

  2. Tại sao lợi nhuận gộp trên tổng tài sản lại liên quan đến rủi ro gian lận?
    Lợi nhuận gộp cao có thể tạo áp lực cho nhà quản lý doanh nghiệp thao túng báo cáo tài chính nhằm duy trì hoặc nâng cao lợi nhuận, từ đó làm tăng nguy cơ gian lận. Đây là phát hiện phù hợp với các nghiên cứu quốc tế.

  3. Làm thế nào để áp dụng kết quả nghiên cứu vào thực tiễn ngân hàng?
    Ngân hàng có thể tích hợp các mô hình M’score và F’score vào quy trình thẩm định tín dụng, đào tạo cán bộ tín dụng sử dụng công cụ này, đồng thời xây dựng hệ thống cảnh báo sớm và tăng cường giám sát sau cho vay.

  4. Phạm vi nghiên cứu có giới hạn gì không?
    Nghiên cứu tập trung vào 60 doanh nghiệp vay vốn tại Vietcombank chi nhánh Bình Dương trong giai đoạn 2013-2015, do đó kết quả có thể chưa đại diện cho toàn bộ hệ thống ngân hàng hoặc các ngành nghề khác. Tuy nhiên, nghiên cứu cung cấp cơ sở quan trọng để mở rộng trong tương lai.

  5. Các mô hình này có thể phát hiện gian lận hoàn toàn chính xác không?
    Không có mô hình nào đảm bảo phát hiện gian lận 100%. M’score và F’score chỉ cung cấp tín hiệu cảnh báo rủi ro, giúp tập trung kiểm tra kỹ hơn các trường hợp nghi ngờ, từ đó nâng cao hiệu quả phát hiện gian lận.

Kết luận

  • Nghiên cứu đã vận dụng thành công mô hình M’score và F’score để đánh giá rủi ro gian lận báo cáo tài chính của 60 doanh nghiệp vay vốn tại Vietcombank chi nhánh Bình Dương trong giai đoạn 2013-2015.
  • Kết quả cho thấy có khoảng 44 doanh nghiệp có dấu hiệu gian lận theo M’score và 11 doanh nghiệp theo F’score, trong đó 8 doanh nghiệp được xác định có rủi ro cao theo cả hai mô hình.
  • Các tỉ số tài chính như lợi nhuận gộp trên tổng tài sản và quy mô tài sản có mối quan hệ tích cực và có ý nghĩa thống kê với rủi ro gian lận.
  • Nghiên cứu đề xuất các giải pháp cụ thể nhằm nâng cao hiệu quả phát hiện và kiểm soát gian lận báo cáo tài chính trong hoạt động cho vay ngân hàng.
  • Các bước tiếp theo bao gồm triển khai áp dụng mô hình vào quy trình thẩm định tín dụng, đào tạo cán bộ, xây dựng hệ thống cảnh báo và giám sát chặt chẽ hơn.

Để nâng cao hiệu quả quản lý rủi ro tín dụng, các ngân hàng và tổ chức tài chính nên chủ động áp dụng các mô hình dự báo gian lận báo cáo tài chính, đồng thời phối hợp chặt chẽ với các cơ quan kiểm toán và quản lý nhà nước. Hành động kịp thời sẽ góp phần bảo vệ an toàn tài chính và phát triển bền vững hệ thống ngân hàng Việt Nam.