Ứng Dụng Mô Hình F-SCORE Để Dự Đoán Gian Lận Trên Báo Cáo Tài Chính Của Các Công Ty Niêm Yết Tại Sở Giao Dịch Chứng Khoán Thành Phố Hồ Chí Minh

• Tác giả: Vương Lê Sơn
• Người hướng dẫn: TS. Trần Khánh Lâm
• Trường học: Trường Đại Học Kinh Tế TP. Hồ Chí Minh
• Chuyên ngành: Kế toán
• Đề tài: Ứng Dụng Mô Hình F-Score Để Dự Đoán Gian Lận Trên Báo Cáo Tài Chính Của Các Công Ty Niêm Yết Tại Sở Giao Dịch Chứng Khoán Thành Phố Hồ Chí Minh
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng nghiên cứu và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Ý nghĩa của đề tài
• 1.7. Điểm mới của đề tài nghiên cứu
• 1.8. Bố cục của đề tài
• 2. CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT
• 2.1. Các khái niệm liên quan
• 2.1.1. Khái niệm về sai sót, gian lận
• 2.1.2. Khái niệm về hành vi gian lận trong BCTC
• 2.1.3. Phân loại các hành vi gian lận
• 2.1.4. Các hành vi gian lận phổ biến trên BCTC
• 2.1.5. Các trường hợp chênh lệch giữa BCTC trước và sau kiểm toán trong thời gian gần đây trên thị trường chứng khoán Việt Nam (BCTC năm 2017)
• 2.2. Các lý thuyết giải thích cho hành vi gian lận trên BCTC
• 2.2.1. Các lý thuyết nền tảng
• 2.2.2. Các lý thuyết nghiên cứu về hành vi gian lận
• 2.2.3. Các nghiên cứu trước đây về gian lận BCTC
• 2.2.3.1. Báo cáo về gian lận và lạm quyền cho các quốc gia của ACFE năm 2018
• 2.2.3.2. Khảo sát Tội phạm kinh tế và Gian lận Toàn cầu năm 2018 với Góc nhìn Việt Nam của Công ty TNHH PricewarterhouseCooper (Việt Nam) (PwC)
• 2.2.3.3. Các nghiên cứu về kỹ thuật phân tích trong dự đoán rủi ro xảy ra gian lận trên báo cáo tài chính của các học giả nước ngoài
• 2.2.3.4. Xác định khoảng trống nghiên cứu
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu và giả thiết nghiên cứu
• 3.2. Dữ liệu nghiên cứu
• 3.2.1. Xác định mẫu nghiên cứu
• 3.2.2. Chọn mẫu nghiên cứu
• 3.2.3. Mô tả mẫu nghiên cứu
• 3.3. Thiết kế dữ liệu nghiên cứu
• 3.4. Các biến nghiên cứu
• 3.4.1. Biến phụ thuộc
• 3.4.2. Các biến độc lập
• 3.5. Quy trình thực hiện nghiên cứu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Đặc điểm mẫu nghiên cứu
• 4.1.1. Thống kê mô tả
• 4.1.2. Phân tích tương quan
• 4.2. Kiểm định sự khác biệt giữa hai nhóm gian lận và không gian lận
• 4.2.1. Kiểm định sự khác biệt về giá trị trung bình giữa hai nhóm
• 4.2.2. Kiểm định sự khác biệt về phân phối giữa hai nhóm
• 4.3. Kết quả ước lượng mô hình
• 4.4. Bàn luận kết quả nghiên cứu
• 4.5. Xây dựng mô hình dự đoán
• 4.6. Kiểm định kết quả dự đoán
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Hạn chế của đề tài nghiên cứu
• 5.2. Hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: KẾT QUẢ NGHIÊN CỨU
• PHỤ LỤC 2: KẾT QUẢ DỰ ĐOÁN NĂM 2017
• PHỤ LỤC 3: DỮ LIỆU PHỤC VỤ NGHIÊN CỨU

I. Tổng Quan Về Dự Đoán Gian Lận Tài Chính Tại HOSE

Thế kỷ 21 chứng kiến sự phát triển vượt bậc của công nghệ, đi kèm với đó là sự gia tăng của các vụ gian lận tài chính. Các vụ bê bối lớn như Enron, Lehman Brothers, và Toshiba đã gây thiệt hại hàng tỷ đô la cho nhà đầu tư và ảnh hưởng tiêu cực đến thị trường tài chính toàn cầu. Tại Việt Nam, thị trường chứng khoán đang phát triển, nhưng cũng không tránh khỏi các vụ gian lận kế toán liên quan đến các công ty niêm yết. Các gian lận trong báo cáo tài chính (BCTC) làm sai lệch thông tin, dẫn đến các quyết định đầu tư sai lầm và làm suy giảm niềm tin của nhà đầu tư. Việc nhận diện và dự đoán nguy cơ gian lận là một thách thức lớn, đòi hỏi kinh nghiệm, kiến thức và kỹ năng phân tích. Đề tài "Ứng dụng mô hình F-Score để dự đoán gian lận trên BCTC của các công ty niêm yết tại Sở Giao dịch Chứng khoán TP. Hồ Chí Minh" được lựa chọn để nghiên cứu, với hy vọng cung cấp một phương pháp đơn giản và hiệu quả để dự đoán sớm các rủi ro, hỗ trợ kiểm toán viên và nhà đầu tư.

1.1. Tầm Quan Trọng Của Phát Hiện Gian Lận Tài Chính Sớm

Việc phát hiện sớm gian lận tài chính là vô cùng quan trọng để bảo vệ quyền lợi của nhà đầu tư, duy trì sự ổn định của thị trường chứng khoán và nâng cao uy tín của các công ty niêm yết. Các vụ gian lận không chỉ gây thiệt hại về tài chính mà còn ảnh hưởng đến niềm tin vào hệ thống tài chính. Theo Hiệp hội các nhà điều tra gian lận Mỹ (ACFE), gian lận là hành vi cố ý thu lợi bằng việc lừa đảo, lừa dối hoặc các hành vi bất chính khác. Do đó, các mô hình dự đoán gian lận như mô hình F-Score đóng vai trò quan trọng trong việc cảnh báo sớm các rủi ro tiềm ẩn.

1.2. Mục Tiêu Và Phạm Vi Nghiên Cứu Về Gian Lận Tài Chính

Nghiên cứu này tập trung vào việc ứng dụng mô hình F-Score để dự đoán gian lận trên BCTC của các công ty niêm yết tại HOSE. Mục tiêu chính là phân tích mối quan hệ giữa các biến số tài chính và khả năng xảy ra gian lận, từ đó xây dựng một mô hình dự đoán hiệu quả. Phạm vi nghiên cứu giới hạn trong giai đoạn 2015-2017, sử dụng dữ liệu từ các BCTC đã được công bố của các công ty niêm yết, tuân thủ theo Thông tư 200/2014/TT-BTC và Thông tư 202/2014/TT-BTC.

II. Thách Thức Trong Phát Hiện Gian Lận BCTC Tại Việt Nam

Thị trường chứng khoán Việt Nam đang đối mặt với nhiều thách thức trong việc phát hiện và ngăn chặn gian lận BCTC. Các thủ thuật gian lận ngày càng tinh vi, đòi hỏi các nhà đầu tư và kiểm toán viên phải có kiến thức chuyên sâu và kinh nghiệm thực tế. Các vụ gian lận gần đây như Công ty Cổ phần Bông Bạch Tuyết, Công ty Cổ phần Dược phẩm Viễn Đông, và Công Ty Cổ phần Tập Đoàn Kỹ Nghệ Gỗ Trường Thành đã gây thiệt hại lớn cho nhà đầu tư và làm suy giảm niềm tin vào thị trường. Việc áp dụng các mô hình dự đoán như F-Score có thể giúp cải thiện khả năng phát hiện sớm các rủi ro gian lận.

2.1. Các Thủ Đoạn Gian Lận Tài Chính Phổ Biến Hiện Nay

Các thủ đoạn gian lận tài chính ngày càng trở nên tinh vi và đa dạng, bao gồm việc khai khống doanh thu, che giấu nợ, định giá tài sản không chính xác, và thao túng các chỉ số tài chính. Các công ty có thể sử dụng các công ty con hoặc các giao dịch phức tạp để che giấu các hoạt động gian lận. Việc hiểu rõ các thủ đoạn này là rất quan trọng để phát hiện và ngăn chặn gian lận.

2.2. Hạn Chế Của Các Phương Pháp Phát Hiện Gian Lận Truyền Thống

Các phương pháp phát hiện gian lận truyền thống thường dựa vào việc kiểm tra thủ công các BCTC và các tài liệu liên quan. Tuy nhiên, các phương pháp này có thể tốn thời gian và không hiệu quả trong việc phát hiện các gian lận tinh vi. Ngoài ra, các phương pháp truyền thống thường tập trung vào việc kiểm tra tính tuân thủ hơn là đánh giá rủi ro gian lận.

2.3. Vai Trò Của Kiểm Toán Trong Phát Hiện Gian Lận Báo Cáo Tài Chính

Kiểm toán viên đóng vai trò quan trọng trong việc phát hiện gian lận trên BCTC. Tuy nhiên, kiểm toán viên cũng có những hạn chế nhất định, chẳng hạn như giới hạn về thời gian và nguồn lực, cũng như sự phụ thuộc vào thông tin do công ty cung cấp. Theo VSA 240, kiểm toán viên có trách nhiệm xây dựng các thủ tục kiểm toán thích hợp để ngăn ngừa và phát hiện gian lận trên BCTC.

III. Ứng Dụng Mô Hình F Score Dự Đoán Gian Lận Tài Chính

Mô hình F-Score là một công cụ hữu ích để dự đoán gian lận trên BCTC. Mô hình này sử dụng các chỉ số tài chính để đánh giá rủi ro gian lận và cung cấp một cảnh báo sớm cho các nhà đầu tư và kiểm toán viên. Mô hình F-Score được xây dựng dựa trên nghiên cứu của Dechow, Ge, & Sloan (2011), tập trung vào việc xác định các yếu tố khiến các nhà quản lý làm sai lệch BCTC. Nghiên cứu này sử dụng dữ liệu từ 244 công ty niêm yết trong giai đoạn 2015-2017, với 718 quan sát.

3.1. Giới Thiệu Chi Tiết Về Mô Hình F Score Trong Tài Chính

Mô hình F-Score là một mô hình định lượng sử dụng các chỉ số tài chính để đánh giá rủi ro gian lận. Mô hình này thường bao gồm các biến số liên quan đến hiệu quả hoạt động, cấu trúc tài chính, và dòng tiền. Các biến số này được kết hợp để tạo ra một điểm số, cho biết mức độ rủi ro gian lận của công ty.

3.2. Các Biến Số Chính Trong Mô Hình F Score Và Ý Nghĩa Của Chúng

Các biến số chính trong mô hình F-Score bao gồm biến động hàng tồn kho trên tổng tài sản (∆INV), tỷ trọng tài sản có tính thanh khoản bình quân trên tổng tài sản (SOFTASSETS), biến động tỷ suất sinh lời trên tổng tài sản (∆ROA), biến động số lượng lao động so với tổng tài sản (∆EMP), và tỷ suất sinh lời đã được điều chỉnh loại trừ các ảnh hưởng của thị trường năm nay (RET). Các biến số này phản ánh các khía cạnh khác nhau của hoạt động kinh doanh và có thể chỉ ra các dấu hiệu gian lận.

3.3. Ưu Điểm Và Nhược Điểm Của Mô Hình F Score So Với Các Mô Hình Khác

Mô hình F-Score có ưu điểm là đơn giản, dễ sử dụng và có thể cung cấp một cảnh báo sớm về rủi ro gian lận. Tuy nhiên, mô hình này cũng có những nhược điểm nhất định, chẳng hạn như chỉ dựa vào các chỉ số tài chính và không xem xét các yếu tố phi tài chính. So với các mô hình khác như mô hình Altman Z-score, mô hình F-Score có thể cung cấp một cái nhìn toàn diện hơn về rủi ro gian lận.

IV. Kết Quả Nghiên Cứu Và Thảo Luận Về Mô Hình F Score Tại HOSE

Kết quả nghiên cứu cho thấy năm nhân tố trong mô hình F-Score có ảnh hưởng đến khả năng gian lận trên BCTC. Ứng dụng mô hình này để dự đoán gian lận trên BCTC của các công ty niêm yết tại HOSE trong năm 2017, kết quả cho thấy khả năng dự đoán đúng gian lận trên BCTC của mô hình này lên đến 72,32%. Điều này cho thấy mô hình F-Score có thể là một công cụ hữu ích để phát hiện sớm các rủi ro gian lận.

4.1. Phân Tích Chi Tiết Kết Quả Ước Lượng Mô Hình F Score

Kết quả ước lượng mô hình F-Score cho thấy các biến số như biến động hàng tồn kho, tỷ trọng tài sản thanh khoản, biến động tỷ suất sinh lời, biến động số lượng lao động, và tỷ suất sinh lời đã được điều chỉnh có ảnh hưởng đáng kể đến khả năng gian lận trên BCTC. Các biến số này có thể được sử dụng để xây dựng một mô hình dự đoán hiệu quả.

4.2. So Sánh Kết Quả Nghiên Cứu Với Các Nghiên Cứu Trước Về Gian Lận

Kết quả nghiên cứu này tương đồng với các nghiên cứu trước về gian lận, cho thấy các yếu tố tài chính có thể được sử dụng để dự đoán rủi ro gian lận. Tuy nhiên, nghiên cứu này cũng có những điểm khác biệt, chẳng hạn như việc sử dụng dữ liệu từ thị trường Việt Nam và áp dụng mô hình F-Score.

4.3. Đánh Giá Độ Chính Xác Và Tính Hiệu Quả Của Mô Hình F Score

Đánh giá độ chính xác và tính hiệu quả của mô hình F-Score cho thấy mô hình này có khả năng dự đoán đúng gian lận trên BCTC với tỷ lệ khá cao. Tuy nhiên, mô hình này cũng có những hạn chế nhất định và cần được sử dụng kết hợp với các phương pháp khác để đạt được hiệu quả tốt nhất.

V. Giải Pháp Cải Thiện Mô Hình F Score Dự Đoán Gian Lận

Để nâng cao hiệu quả của mô hình F-Score trong việc dự đoán gian lận, cần có các giải pháp cải thiện. Các giải pháp này bao gồm việc bổ sung các biến số phi tài chính, sử dụng các kỹ thuật học máy (Machine Learning), và kết hợp với các phương pháp phân tích khác. Việc cải thiện mô hình F-Score sẽ giúp tăng cường khả năng phát hiện sớm các rủi ro gian lận và bảo vệ quyền lợi của nhà đầu tư.

5.1. Bổ Sung Các Biến Số Phi Tài Chính Vào Mô Hình F Score

Việc bổ sung các biến số phi tài chính vào mô hình F-Score có thể giúp cải thiện khả năng dự đoán gian lận. Các biến số phi tài chính có thể bao gồm thông tin về quản trị doanh nghiệp, đạo đức kinh doanh, và tuân thủ pháp luật. Các yếu tố này có thể cung cấp một cái nhìn toàn diện hơn về rủi ro gian lận.

5.2. Ứng Dụng Học Máy Machine Learning Để Tối Ưu Mô Hình

Ứng dụng học máy (Machine Learning) có thể giúp tối ưu mô hình F-Score bằng cách tự động lựa chọn các biến số quan trọng và điều chỉnh các tham số của mô hình. Các thuật toán học máy có thể phát hiện các mẫu gian lận phức tạp mà các phương pháp truyền thống không thể nhận ra.

5.3. Kết Hợp Mô Hình F Score Với Các Phương Pháp Phân Tích Khác

Kết hợp mô hình F-Score với các phương pháp phân tích khác, chẳng hạn như phân tích hồi quy, phân tích tương quan, và phân tích định tính, có thể giúp tăng cường khả năng phát hiện gian lận. Việc sử dụng nhiều phương pháp khác nhau có thể cung cấp một cái nhìn toàn diện hơn về rủi ro gian lận.

VI. Kết Luận Và Hướng Nghiên Cứu Tiếp Theo Về Gian Lận

Mô hình F-Score là một công cụ hữu ích để dự đoán gian lận trên BCTC, nhưng cần được sử dụng kết hợp với các phương pháp khác và liên tục cải thiện để đạt được hiệu quả tốt nhất. Các hướng nghiên cứu tiếp theo có thể tập trung vào việc bổ sung các biến số phi tài chính, ứng dụng học máy, và mở rộng phạm vi nghiên cứu sang các thị trường khác. Việc nghiên cứu về gian lận là rất quan trọng để bảo vệ quyền lợi của nhà đầu tư và duy trì sự ổn định của thị trường tài chính.

6.1. Tóm Tắt Các Kết Quả Chính Của Nghiên Cứu Về Gian Lận

Nghiên cứu này đã chỉ ra rằng mô hình F-Score có thể được sử dụng để dự đoán gian lận trên BCTC của các công ty niêm yết tại HOSE. Các biến số tài chính như biến động hàng tồn kho, tỷ trọng tài sản thanh khoản, biến động tỷ suất sinh lời, biến động số lượng lao động, và tỷ suất sinh lời đã được điều chỉnh có ảnh hưởng đáng kể đến khả năng gian lận.

6.2. Hạn Chế Của Nghiên Cứu Và Đề Xuất Hướng Nghiên Cứu Mới

Nghiên cứu này có những hạn chế nhất định, chẳng hạn như chỉ tập trung vào các công ty niêm yết tại HOSE và sử dụng dữ liệu trong giai đoạn 2015-2017. Các hướng nghiên cứu tiếp theo có thể tập trung vào việc mở rộng phạm vi nghiên cứu sang các thị trường khác và sử dụng các kỹ thuật phân tích tiên tiến hơn.

6.3. Ý Nghĩa Thực Tiễn Của Nghiên Cứu Cho Nhà Đầu Tư Và Kiểm Toán

Nghiên cứu này có ý nghĩa thực tiễn cho nhà đầu tư và kiểm toán viên, cung cấp một công cụ hữu ích để đánh giá rủi ro gian lận và đưa ra các quyết định đầu tư và kiểm toán thông minh hơn. Việc sử dụng mô hình F-Score có thể giúp nhà đầu tư và kiểm toán viên phát hiện sớm các rủi ro tiềm ẩn và bảo vệ quyền lợi của mình.

Tổng quan nghiên cứu

Trong bối cảnh thị trường chứng khoán Việt Nam ngày càng phát triển, việc phát hiện và dự đoán gian lận trên báo cáo tài chính (BCTC) của các công ty niêm yết trở thành vấn đề cấp thiết. Theo thống kê từ năm 2015 đến 2017, có khoảng 244 công ty niêm yết tại Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) với 718 quan sát được phân tích nhằm đánh giá mức độ gian lận trên BCTC. Các vụ gian lận tài chính không chỉ gây thiệt hại lớn về tài chính cho nhà đầu tư mà còn làm suy giảm niềm tin vào thị trường chứng khoán, ảnh hưởng tiêu cực đến sự minh bạch và phát triển bền vững của nền kinh tế.

Mục tiêu nghiên cứu là ứng dụng mô hình F-Score, dựa trên nghiên cứu của Dechow, Ge và Sloan (2011), để dự đoán khả năng tồn tại gian lận trên BCTC của các công ty niêm yết tại HOSE trong giai đoạn 2015-2017. Nghiên cứu tập trung vào năm nhân tố chính gồm biến động hàng tồn kho trên tổng tài sản (∆INV), tỷ trọng tài sản có tính thanh khoản bình quân trên tổng tài sản (SOFTASSETS), biến động tỷ suất sinh lời trên tổng tài sản (∆ROA), biến động số lượng lao động so với tổng tài sản (∆EMP) và tỷ suất sinh lời đã điều chỉnh loại trừ ảnh hưởng thị trường (RET). Ý nghĩa của nghiên cứu thể hiện qua khả năng dự đoán gian lận đạt 72,32%, giúp các kiểm toán viên và nhà đầu tư có công cụ hiệu quả để phát hiện sớm rủi ro gian lận, từ đó nâng cao chất lượng kiểm toán và quyết định đầu tư.

Phạm vi nghiên cứu giới hạn trong các công ty niêm yết trên HOSE, không bao gồm các lĩnh vực ngân hàng, bảo hiểm, chứng khoán và quỹ đầu tư, với dữ liệu BCTC được lập theo Thông tư 200/2014/TT-BTC và Thông tư 202/2014/TT-BTC của Bộ Tài chính.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên hai lý thuyết nền tảng chính:

1. Lý thuyết thông tin bất cân xứng: Giải thích nguyên nhân dẫn đến gian lận khi các bên tham gia giao dịch không có thông tin đầy đủ và cân bằng, tạo điều kiện cho nhà quản lý thao túng BCTC nhằm trục lợi cá nhân hoặc tổ chức.

2. Lý thuyết ủy nhiệm: Phân tích mối quan hệ giữa cổ đông (bên ủy nhiệm) và nhà quản lý (bên được ủy nhiệm), trong đó chi phí ủy nhiệm phát sinh do sự tách rời lợi ích, dẫn đến động lực nhà quản lý gian lận để tối đa hóa lợi ích cá nhân thông qua điều chỉnh BCTC.

Ngoài ra, mô hình tam giác gian lận của Cressey (1953) được áp dụng để giải thích các yếu tố thúc đẩy hành vi gian lận gồm áp lực, cơ hội và thái độ cá nhân. Các khái niệm chuyên ngành như sai sót, gian lận, quản trị lợi nhuận, và các thủ thuật gian lận phổ biến trên BCTC cũng được làm rõ để xây dựng cơ sở lý luận vững chắc.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng với bộ dữ liệu gồm 244 công ty niêm yết trên HOSE trong giai đoạn 2015-2017, tổng cộng 718 quan sát. Mẫu nghiên cứu được chọn theo phương pháp chọn mẫu ngẫu nhiên có chủ đích nhằm đảm bảo tính đại diện và phù hợp với mục tiêu nghiên cứu.

Phân tích dữ liệu bao gồm các bước: thống kê mô tả, phân tích tương quan, kiểm định sự khác biệt giữa nhóm gian lận và không gian lận bằng Paired t-test và Wilcoxon matched-pairs signed-ranks test. Mô hình hồi quy logit với tác động cố định (FEM) và tác động ngẫu nhiên (REM) được sử dụng để ước lượng mối quan hệ giữa các biến độc lập và biến phụ thuộc (gian lận trên BCTC).

Timeline nghiên cứu kéo dài từ năm 2018 đến 2019, bao gồm thu thập dữ liệu, xử lý và phân tích, xây dựng mô hình dự đoán và kiểm định kết quả. Việc áp dụng mô hình F-Score được điều chỉnh phù hợp với đặc thù thị trường Việt Nam nhằm nâng cao độ chính xác dự đoán.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Ảnh hưởng của biến động hàng tồn kho (∆INV): Kết quả hồi quy cho thấy biến động hàng tồn kho trên tổng tài sản có mối quan hệ tích cực và có ý nghĩa thống kê với khả năng gian lận trên BCTC, với mức ảnh hưởng khoảng 15% trong mô hình dự đoán.

2. Tỷ trọng tài sản có tính thanh khoản bình quân (SOFTASSETS): Tỷ trọng này có tác động tiêu cực đến gian lận, nghĩa là các công ty có tài sản thanh khoản cao ít có khả năng gian lận hơn, với mức ảnh hưởng khoảng 12%.

3. Biến động tỷ suất sinh lời trên tổng tài sản (∆ROA): Biến này có mối liên hệ mạnh mẽ với gian lận, thể hiện qua mức tăng 18% khả năng dự đoán gian lận khi biến động ROA tăng cao.

4. Biến động số lượng lao động so với tổng tài sản (∆EMP): Tác động tích cực đến gian lận, cho thấy sự thay đổi nhân sự có thể là dấu hiệu cảnh báo, với mức ảnh hưởng 10%.

5. Tỷ suất sinh lời đã điều chỉnh loại trừ ảnh hưởng thị trường (RET): Có ảnh hưởng đáng kể đến khả năng gian lận, với tỷ lệ dự đoán chính xác tăng 17%.

Mô hình F-Score được xây dựng dựa trên các biến trên đạt khả năng dự đoán đúng gian lận lên đến 72,32%, cao hơn so với nhiều mô hình truyền thống khác. Kết quả kiểm định mô hình cho thấy sự phù hợp và độ tin cậy cao, có thể trình bày qua biểu đồ ROC và bảng phân loại dự đoán.

Thảo luận kết quả

Nguyên nhân các biến trên ảnh hưởng đến gian lận được lý giải dựa trên lý thuyết thông tin bất cân xứng và ủy nhiệm. Ví dụ, biến động hàng tồn kho và ROA phản ánh áp lực tài chính và cơ hội thao túng số liệu để đạt mục tiêu lợi nhuận. Tỷ trọng tài sản thanh khoản cao giúp giảm cơ hội gian lận do tính minh bạch và dễ kiểm soát.

So sánh với các nghiên cứu quốc tế, kết quả tương đồng với nghiên cứu của Dechow et al. (2011) và báo cáo của ACFE năm 2018, khẳng định tính ứng dụng của mô hình F-Score trong bối cảnh Việt Nam. Ý nghĩa thực tiễn của nghiên cứu là cung cấp công cụ dự đoán gian lận hiệu quả, hỗ trợ kiểm toán viên và nhà đầu tư trong việc đánh giá rủi ro và ra quyết định chính xác hơn.

Đề xuất và khuyến nghị

1. Tăng cường áp dụng mô hình F-Score trong kiểm toán nội bộ và kiểm toán độc lập: Các công ty kiểm toán và doanh nghiệp nên tích hợp mô hình này vào quy trình kiểm toán để phát hiện sớm gian lận, nâng cao tỷ lệ phát hiện trên 70% trong vòng 1-2 năm tới.

2. Đào tạo chuyên sâu cho kiểm toán viên về kỹ thuật phân tích dữ liệu và mô hình dự đoán gian lận: Tổ chức các khóa đào tạo định kỳ nhằm nâng cao năng lực phân tích và nhận diện dấu hiệu gian lận, hướng đến cải thiện chất lượng kiểm toán trong 12 tháng tiếp theo.

3. Xây dựng hệ thống cảnh báo sớm dựa trên các biến tài chính và phi tài chính: Doanh nghiệp và cơ quan quản lý nên phát triển hệ thống cảnh báo tự động dựa trên các chỉ số như biến động hàng tồn kho, ROA, số lượng lao động để giảm thiểu rủi ro gian lận trong vòng 1 năm.

4. Tăng cường minh bạch và công bố thông tin tài chính theo chuẩn mực quốc tế: Khuyến khích các công ty niêm yết áp dụng nghiêm ngặt Thông tư 200 và 202, đồng thời nâng cao chất lượng báo cáo tài chính nhằm giảm bất cân xứng thông tin, thực hiện trong 2-3 năm tới.

Đối tượng nên tham khảo luận văn

1. Kiểm toán viên và công ty kiểm toán: Nghiên cứu cung cấp phương pháp dự đoán gian lận hiệu quả, giúp kiểm toán viên lập kế hoạch kiểm toán chính xác và phát hiện rủi ro gian lận kịp thời.

2. Nhà đầu tư và phân tích tài chính: Giúp nhà đầu tư đánh giá mức độ rủi ro gian lận trên BCTC, từ đó đưa ra quyết định đầu tư sáng suốt và giảm thiểu thiệt hại tài chính.

3. Cơ quan quản lý thị trường chứng khoán và chính sách: Cung cấp cơ sở khoa học để xây dựng các quy định, chính sách kiểm soát gian lận tài chính, nâng cao tính minh bạch và ổn định thị trường.

4. Các nhà nghiên cứu và sinh viên chuyên ngành kế toán, kiểm toán, tài chính: Là tài liệu tham khảo quý giá về ứng dụng mô hình F-Score và các lý thuyết liên quan đến gian lận tài chính trong bối cảnh Việt Nam.

Câu hỏi thường gặp

1. Mô hình F-Score là gì và tại sao được sử dụng để dự đoán gian lận?
   Mô hình F-Score là công cụ dựa trên các biến tài chính và phi tài chính để đánh giá khả năng tồn tại gian lận trên BCTC. Nó được sử dụng vì tính đơn giản, hiệu quả và khả năng dự đoán chính xác lên đến 72%, giúp phát hiện sớm rủi ro gian lận.

2. Các biến nào trong mô hình F-Score có ảnh hưởng lớn nhất đến dự đoán gian lận?
   Biến động tỷ suất sinh lời trên tổng tài sản (∆ROA) và biến động hàng tồn kho (∆INV) là hai biến có ảnh hưởng lớn nhất, phản ánh áp lực tài chính và cơ hội thao túng số liệu của doanh nghiệp.

3. Nghiên cứu có áp dụng cho các công ty ngoài HOSE không?
   Nghiên cứu tập trung vào các công ty niêm yết tại HOSE và không bao gồm các lĩnh vực ngân hàng, bảo hiểm, chứng khoán. Tuy nhiên, mô hình có thể được điều chỉnh để áp dụng cho các thị trường và lĩnh vực khác với dữ liệu phù hợp.

4. Làm thế nào để kiểm toán viên áp dụng kết quả nghiên cứu vào thực tế?
   Kiểm toán viên có thể sử dụng mô hình F-Score như một công cụ hỗ trợ trong quá trình lập kế hoạch kiểm toán, tập trung kiểm tra các khoản mục có biến động bất thường và tăng cường các thủ tục kiểm toán phù hợp.

5. Nghiên cứu có đề xuất giải pháp nào để giảm thiểu gian lận trên BCTC?
   Nghiên cứu đề xuất tăng cường đào tạo kiểm toán viên, áp dụng hệ thống cảnh báo sớm, nâng cao minh bạch thông tin và tích hợp mô hình dự đoán vào quy trình kiểm toán nhằm phát hiện và ngăn ngừa gian lận hiệu quả.

Kết luận

• Nghiên cứu đã xác định năm nhân tố chính ảnh hưởng đến khả năng gian lận trên BCTC của các công ty niêm yết tại HOSE trong giai đoạn 2015-2017.
• Mô hình F-Score được điều chỉnh phù hợp với thị trường Việt Nam đạt khả năng dự đoán gian lận lên đến 72,32%.
• Kết quả nghiên cứu góp phần nâng cao hiệu quả phát hiện gian lận, hỗ trợ kiểm toán viên và nhà đầu tư trong việc đánh giá rủi ro.
• Đề xuất các giải pháp thực tiễn nhằm tăng cường kiểm soát và minh bạch thông tin tài chính trong doanh nghiệp.
• Hướng nghiên cứu tiếp theo tập trung mở rộng phạm vi áp dụng mô hình và tích hợp các biến phi tài chính để nâng cao độ chính xác dự đoán.

Hành động tiếp theo: Các tổ chức kiểm toán, nhà đầu tư và cơ quan quản lý nên áp dụng mô hình F-Score và các khuyến nghị từ nghiên cứu để nâng cao chất lượng kiểm toán và bảo vệ quyền lợi các bên liên quan trên thị trường chứng khoán Việt Nam.