Chương 1: Chương này giới thiệu lý do chọn đề tài, mục tiêu, câu hỏi nghiên cứu, đối tượng nghiên cứu, phương pháp nghiên cứu và ý nghĩa của nghiên cứu. Chương 2: Trong chương này, tác giả trình bày nền tảng lý thuyết của nghiên cứu và tổng quan kết quả các nghiên cứu thực nghiệm đã được thực hiện trước đây trên thế giới. Chương 3: Trong chương này, tác giả nêu rõ cách kiểm định khả năng sai lệch số liệu báo cáo tài chính bằng định luật Benford, mô hình nghiên cứu, mô tả biến, phương pháp nghiên cứu và cách thức thực hiện. Chương 4: Chương này nêu lên kết quả kiểm năng sai lệch số liệu báo cáo tài chính bằng định luật Benford của toàn mẫu và kết quả hồi quy của các biến nghiên cứu, sau đó là các thảo luận, phân tích ý nghĩa và khả năng áp dụng thực tiễn của kết quả nghiên cứu.
Chương 5: Chương này nêu rõ kết luận, ý nghĩa của nghiên cứu, khả năng áp dụng kết quả nghiên cứu vào thực tiễn, phương hướng nghiên cứu mở rộng và những hạn chế của đề tài. 6 CHƯƠNG 2: NỀN TẢNG LÝ THUYẾT VÀ CÁC BẰNG CHỨNG THỰC NGHIỆM TRÊN THẾ GIỚI 2. Nền tảng lý thuyết của định luật Benford 2. Chất lượng thông tin của báo cáo tài chính và sự cần thiết của việc đo lường khả năng sai lệch số liệu báo cáo tài chính Báo cáo tài chính được công ty lập với mục đích cung cấp thông tin về tình hình tài chính và kết quả kinh doanh của công ty cho nhà đầu tư, người cho vay, nhà quản trị công ty, nhà cung cấp, v.
Để thực hiện được mục tiêu này, báo cáo tài chính cần phải được ghi nhận một cách trung thực và minh bạch, các thông tin và số liệu của báo cáo tài chính phải thể hiện đầy đủ, khách quan và không bị thiên kiến tình hình tài chính và kinh doanh thực tế của công ty (Richarson và cộng sự; Kothari và cộng sự, 2005). Tuy nhiên, trên thực tế, không ít công ty sử dụng thủ thuật kế toán để làm đẹp số liệu báo cáo tài chính. Dyck; Morse; Zingales (2013) cho rằng, tỷ lệ báo cáo tài chính bị sai lệch của các công ty niêm yết ở Mỹ ở mức 14,5%. Theo Dichev và cộng sự (2013), khoảng 20% số công ty niêm yết tại Mỹ thường xuyên thực hiện các thủ thuật làm đẹp số liệu lợi nhuận, gia tăng chỉ số EPS lên hơn so với thực tế khoảng 10%.
Bishop (2001) thậm chí cho rằng, tỷ lệ các công ty gian lận hoặc thao túng số liệu báo cáo tài chính ở thị trường Mỹ cao tới mức 38%. Báo cáo của Ernst & Young (2013) tại 36 quốc gia Châu Á, Châu Phi và Trung Đông cho thấy 20% trong số 3.000 thành viên hội đồng quản trị của các công ty đại chúng được phỏng vấn xác nhận công ty mình làm đẹp số liệu báo cáo tài chính, và 42% trong đó xác nhận tồn tại những bất thường trong hạch toán số liệu kế toán. Sai lệch báo cáo tài chính làm thị trường chứng khoán thiếu minh bạch và quyết định của nhà đầu tư dựa trên phân tích tài chính trở nên thiếu hiệu quả. Nghiêm trọng hơn, 7 những công ty gian lận kế toán như Enron gây thiệt hại rất nghiêm trọng cho nguồn vốn của nhà đầu tư và các trái chủ.
Trong khi đó, những bộ phận có trách nhiệm giám sát, cải thiện chất lượng ghi nhận kế toán như kiểm toán nội bộ và kiểm toán độc lập đã không đưa ra những cảnh báo kịp thời cho nhà đầu tư. Theo Hancox (2014), chỉ có 20,2% sai phạm kế toán được phát hiện bởi kiểm toán nội bộ hoặc kiểm toán độc lập. Do đó, nhu cầu trong việc thiết lập các đo lường độ sai lệch số liệu báo cáo tài chính trở nên hết sức cấp thiết. Theo Richardson và cộng sự (2005), sai lệch số liệu báo cáo tài chính đến từ hai nguyên nhân chính.
Thứ nhất, báo cáo tài chính có nhiều nội dung phải được kế toán viên ước lượng, do đó sai lệch số liệu rất dễ xảy ra. Thứ hai, sai lệch số liệu kế toán đến từ việc ban quản lý chủ động lựa chọn các phương pháp ghi nhận kế toán dồn tích nhằm phóng đại khả năng sinh lợi hoặc che đậy tình hình tài chính không tốt của công ty. Các công ty có thể thực hiện trì hoãn hoặc đẩy nhanh ghi nhận chi phí, lãi vay, doanh thu, hoặc thay đổi phương pháp ghi nhận hàng tồn kho (LIFO – FIFO), định giá tài sản và ghi nhận nợ khác với hướng dẫn của chuẩn mực kế toán, v. Ngoài ra, các công ty còn kết chuyển lợi nhuận về các kỳ kế toán tương lai để làm trơn thu nhập qua các năm, từ đó gia tăng vị thế và hình ảnh của công ty trên thị trường chứng khoán.
Các thủ thuật kế toán đa phần đều hướng tới gia tăng doanh thu và giảm chi phí để cải thiện lợi nhuận ghi nhận. Đồng thời, các thủ thuật này thường được áp dụng cho các khoản mục mang tính dồn tích như khoản phải thu, phải trả, dự phòng giảm giá, đánh giá lại giá trị, v. Dựa trên nhận định này, các đo lường khả năng sai lệch báo cáo tài chính trước đây đa phần đều hướng đến phát hiện các công ty có tỷ trọng khoản mục dồn tích cao bất thường so với tài sản hoặc tăng trưởng khoản mục dồn tích cao bất thường so với tăng trưởng doanh thu, điển hình như chỉ số Jones (Jones, 1991), chỉ số Jones hiệu chỉnh (Kothari và các đồng sự, 2005), chỉ số M (Beneish, 1999), chỉ số WCA (Richarson và cộng sự, 2005), trung bình di động của nhiễu trắng Dechow- Dichev (Francis và cộng sự, 2005), chỉ số RSST và chỉ số F (Dechow và các đồng sự, 8 2011), v. Tuy nhiên, Dechow và cộng sự (2011) cho thấy, các đo lường này tồn tại nhiều khuyết điểm do sự phụ thuộc vào các đặc trưng hoạt động của công ty.
Gần đây, đo lường khả năng sai lệch số liệu báo cáo tài chính dựa trên định luật Benford đang rất được quan tâm bởi các nhà nghiên cứu nói riêng và cộng đồng tài chính nói chung. Nguyên nhân là do đo lường dựa trên định luật Benford rất tiện dụng và hiệu quả, đồng thời độc lập khỏi đặc trưng hoạt động của công ty (Durtschi và cộng sự, 2004). Đo lường này không bắt nguồn từ các giả định kinh tế mà dựa trên xác suất của các chữ số của khoản mục báo cáo tài chính. Nội dung định luật Benford Khi áp dụng cho số liệu báo cáo tài chính, định luật Benford được diễn đạt theo Amiram và cộng sự (2015) như sau: nếu một báo cáo tài chính được ghi nhận chính xác và không có thiên kiến thì các chữ số đầu tiên của các khoản mục sẽ có xác suất xuất hiện bằng với xác suất lý thuyết tính theo phương trình (2.1) Với Prob(D1 = d1) là xác suất lý thuyết của chữ số d1 = 1, 2, …, 9.
Xác suất cụ thể của phân phối chữ số đầu tiên d1 theo định luật Benford được nêu trong Bảng 2.1: Phân phối xác xuất chữ số đầu tiên theo Benford D 1 2 3 4 5 6 7 8 9 Prob(d) (%) 30,1 17,61 12,49 9,67 7,92 6,67 5,8 5,12 4,58 Nguồn: tính toán của tác giả Chẳng hạn, nếu khoản mục doanh thu thuần của báo cáo tài chính có giá trị là 1.000 đồng, chữ số đầu tiên của khoản mục này là 1. Nếu báo cáo tài chính này được ghi nhận chính xác, xác suất xuất hiện của các khoản mục có giá trị bắt đầu bằng 9 chữ số 1 sẽ ứng với 30,1% số lượng khoản mục báo cáo. Tương tự, xác suất xuất hiện của các khoản mục có giá trị bắt đầu bằng chữ số 2 sẽ tương đương với 17,61% số lượng khoản mục được thể hiện trên của báo cáo tài chính. Xác suất của các chữ số đầu tiên không cân bằng mà giảm dần với các chữ số từ 1 tới 9.
Chênh lệch xác suất của chữ số 1 và chữ số 9 khá lớn, thể hiện sự bất cân xứng trong phân phối xác suất.1 mô tả biểu đồ xác suất lý thuyết của chữ số đầu tiên theo định luật Benford, từ đó cho thấy độ nhạy (power) của phân phối này khá lớn vì phân phối tuân theo hàm log, dẫn đến độ dốc của đồ thị phân phối là khá cao.1: Phân phối xác suất chữ số đầu tiên theo định luật Benford Nguồn: tính toán của tác giả theo Hill (1995) Định luật Benford được phát hiện bởi Frank Benford sau khi tác giả tính toán xác suất của các chữ số đầu tiên trong mẫu gồm hơn 20.000 quan sát của 20 loại dữ liệu khác nhau (Benford, 1938). Định luật được diễn đạt hoàn chỉnh dưới hình thức định đề toán 10 học bởi Hill (1995) như sau: Nếu các phân phối xác suất được lựa chọn một cách ngẫu nhiên và các mẫu ngẫu nhiên bao gồm các giá trị được chọn từ các phân phối này sao cho đảm bảo sự độc lập về thang đo thì xác suất xuất hiện của các chữ số đầu tiên của các tập hợp giá trị sẽ có phân phối tiệm cận về phương trình log (2.2) của định luật Benford, bất kể phân phối của tổng thể dữ liệu có ngẫu nhiên hay có tuân theo phân phối Benford hay không. Với X là quan sát có phân phối tuân thủ theo định luật Benford gồm k chữ số di với i = 1, 2, …, k với giá trị là ̅̅̅̅̅̅̅̅̅̅̅̅̅̅ d1 d2 , … , dk , xác suất lý thuyết Prob(D1 = di, …, Dk = dk) theo ̅̅̅̅̅̅̅̅̅̅̅ định luật Benford của các chữ số d 𝑖 , … , dk là : −1 Prob(D1 = di , … , Dk = dk ) = log [1 + (∑ki=1 di x 10k−i ) ] (2.2) Chẳng hạn, xác suất theo định luật Benford của các giá trị có ba chữ số đầu tiên là 314 (3,14; 3.v) trong mẫu là log[1+(314)-1] = 0,138%. Như vậy, nếu dữ liệu của mẫu tuân theo phân phối của định luật Benford thì không chỉ chữ số thứ nhất mà mọi chữ số có cùng thứ tự trừ trái qua của mẫu dữ liệu đều sẽ tuân theo một xác suất nhất định được tính bằng phương trình (2.
Cụ thể, Hill (1995) cho rằng các quan sát trong thực tế của bất cứ loại dữ liệu nào cũng có giá trị tuân thủ một phân phối đặc thù, nếu kết hợp một cách ngẫu nhiên những giá trị này thì mẫu được chọn sẽ tuân thủ phân phối của định luật Benford. Các giá trị cũng phải được lựa chọn một cách ngẫu nhiên và không tạo ra thiên kiến lựa chọn. Cuối cùng, giả định về độc lập thang đo có nghĩa rằng, các giá trị trong mẫu được chọn phải thuộc về các thang đo mang tính so sánh với nhau.