I. Tổng quan Luận văn M Score và Z Score phát hiện gian lận
Luận văn này tập trung vào một vấn đề nhức nhối trên thị trường tài chính: gian lận báo cáo tài chính (BCTC). Bối cảnh thị trường chứng khoán Việt Nam, dù đã phát triển gần 20 năm, vẫn chứng kiến nhiều vụ bê bối liên quan đến thao túng báo cáo tài chính tại các công ty niêm yết lớn, gây thiệt hại nặng nề cho nhà đầu tư và làm suy giảm lòng tin thị trường. Các vụ việc điển hình như Dược Viễn Đông (DVD) hay Gỗ Trường Thành (TTF) là minh chứng rõ ràng cho sự tồn tại của thông tin bất cân xứng, nơi doanh nghiệp cố tình che giấu hoặc làm sai lệch thông tin để thu lợi bất chính. Thực trạng này đặt ra yêu cầu cấp thiết về các công cụ hiệu quả để sàng lọc và nhận diện sớm các dấu hiệu gian lận.
Để giải quyết thách thức này, luận văn thạc sĩ kế toán này đề xuất một phương pháp tiếp cận mới: kết hợp hai mô hình định lượng đã được chứng minh hiệu quả trên thế giới. Đó là mô hình Beneish M-Score, chuyên dùng để phát hiện gian lận báo cáo tài chính, và mô hình Altman Z-Score, một công cụ uy tín để dự báo khả năng phá sản. Việc kết hợp này được kỳ vọng sẽ tạo ra một mô hình toàn diện hơn, không chỉ dựa vào các dấu hiệu gian lận BCTC truyền thống mà còn xem xét cả sức khỏe tài chính tổng thể của doanh nghiệp. Mục tiêu chính của nghiên cứu là xác định các biến số có ý nghĩa thống kê trong việc nhận diện gian lận và xây dựng một mô hình dự báo có độ tin cậy cao, dễ áp dụng cho các nhà đầu tư, kiểm toán viên và cơ quan quản lý tại Việt Nam. Nghiên cứu này không chỉ có ý nghĩa về mặt lý luận khi lấp đầy khoảng trống nghiên cứu trong nước, mà còn mang giá trị thực tiễn cao, cung cấp một công cụ hữu ích để nâng cao tính minh bạch của thị trường.
1.1. Bối cảnh và sự cần thiết của việc phát hiện gian lận BCTC
Sự minh bạch của thông tin tài chính là nền tảng cho sự phát triển bền vững của thị trường chứng khoán. Tuy nhiên, các vụ bê bối tài chính nghiêm trọng trên thế giới (Enron, WorldCom) và tại Việt Nam (DVD, TTF, OGC) đã cho thấy gian lận kế toán là một rủi ro hiện hữu. Các hành vi này không chỉ gây thiệt hại trực tiếp cho nhà đầu tư mà còn làm xói mòn niềm tin, tăng chi phí vốn và ảnh hưởng tiêu cực đến uy tín doanh nghiệp. Theo Lý thuyết bất cân xứng thông tin, các nhà quản lý luôn có lợi thế về thông tin và có thể lợi dụng điều này để cung cấp các báo cáo có lợi cho mình. Việc kiểm toán báo cáo tài chính theo phương pháp truyền thống đôi khi gặp khó khăn trong việc phát hiện các hành vi tinh vi. Do đó, việc tìm kiếm các phương pháp định lượng, tự động hóa quy trình sàng lọc để giảm thiểu rủi ro kiểm toán và tăng tính chính xác là một nhu cầu cấp bách.
1.2. Mục tiêu chính của nghiên cứu thực nghiệm kết hợp hai mô hình
Nghiên cứu này đặt ra hai mục tiêu trọng tâm. Thứ nhất, nhận diện những biến độc lập có khả năng cao trong việc phát hiện gian lận báo cáo tài chính của các công ty niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE). Các biến này được lựa chọn từ mô hình Beneish M-Score và bổ sung thêm chỉ số Z-Score. Thứ hai, xây dựng và kiểm định một mô hình dự báo để đánh giá mức độ chính xác trong việc phân loại các BCTC có khả năng gian lận. Về mặt lý luận, nghiên cứu góp phần kiểm chứng tính ứng dụng của các mô hình quốc tế trong bối cảnh thị trường Việt Nam. Về mặt thực tiễn, kết quả nghiên cứu cung cấp một công cụ sàng lọc ban đầu, giúp các kiểm toán viên, nhà đầu tư và các bên liên quan có thể đưa ra những quyết định kịp thời và chính xác hơn, góp phần làm trong sạch thị trường.
II. Thách thức Thao túng BCTC của các công ty niêm yết
Hành vi thao túng báo cáo tài chính là một hành động cố ý làm sai lệch thông tin nhằm đánh lừa người sử dụng. Theo Chuẩn mực kiểm toán Việt Nam số 240 (VSA 240), gian lận BCTC có thể xuất phát từ nhiều nguyên nhân, được gói gọn trong lý thuyết "Tam giác gian lận" của Donald R. Cressey, bao gồm: Áp lực/Động cơ, Cơ hội và Thái độ/Sự biện minh. Áp lực có thể đến từ việc phải đạt mục tiêu lợi nhuận, khó khăn tài chính cá nhân của nhà quản lý, hoặc áp lực từ thị trường. Cơ hội phát sinh khi hệ thống kiểm soát nội bộ yếu kém, cơ cấu tổ chức phức tạp hoặc hoạt động giám sát không hiệu quả. Cuối cùng, thái độ hoặc khả năng tự biện minh cho hành động sai trái của cá nhân là yếu tố châm ngòi cho hành vi gian lận.
Các doanh nghiệp thường sử dụng nhiều thủ thuật tinh vi để thực hiện hành vi gian lận. Một số phương pháp phổ biến bao gồm: ghi nhận doanh thu không có thật (doanh thu ảo), che giấu công nợ và chi phí để làm tăng lợi nhuận, định giá sai tài sản (đặc biệt là hàng tồn kho và các khoản phải thu), ghi nhận sai niên độ kế toán (chuyển doanh thu của kỳ sau về kỳ này hoặc chuyển chi phí của kỳ này sang kỳ sau), và khai báo thông tin không đầy đủ trên thuyết minh BCTC. Những hành vi này không chỉ vi phạm các chuẩn mực kế toán mà còn tạo ra một bức tranh tài chính méo mó, dẫn đến các quyết định sai lầm từ phía nhà đầu tư và các bên liên quan. Việc nhận diện những thủ thuật này đòi hỏi một sự am hiểu sâu sắc về phân tích báo cáo tài chính và các công cụ hỗ trợ mạnh mẽ như mô hình M-Score và Z-Score.
2.1. Lý thuyết nền tảng Tam giác gian lận và thông tin bất cân xứng
Lý thuyết "Tam giác gian lận" giải thích rằng gian lận kế toán thường xảy ra khi hội tụ đủ ba yếu tố: áp lực, cơ hội và thái độ. Áp lực tài chính hoặc áp lực đạt chỉ tiêu kinh doanh là động cơ chính. Cơ hội xuất hiện từ những lỗ hổng trong kiểm soát nội bộ. Thái độ là sự tự biện minh cho hành vi sai trái. Bên cạnh đó, Lý thuyết thông tin bất cân xứng chỉ ra rằng nhà quản lý (bên có nhiều thông tin) có thể lợi dụng lợi thế thông tin của mình so với các nhà đầu tư (bên có ít thông tin hơn) để thao túng BCTC. Sự kết hợp của các yếu tố này tạo ra một môi trường thuận lợi cho các hành vi gian lận phát triển, đặc biệt tại các thị trường mới nổi như Việt Nam.
2.2. Các dấu hiệu gian lận BCTC phổ biến và khó phát hiện
Các dấu hiệu gian lận BCTC thường rất tinh vi. Doanh nghiệp có thể tạo ra các giao dịch bán hàng giả mạo, sau đó ghi bút toán hàng bán bị trả lại vào đầu kỳ sau để xóa dấu vết. Họ cũng có thể vốn hóa các chi phí đáng lẽ phải ghi nhận ngay (như chi phí quảng cáo, sửa chữa) vào tài sản để làm giảm chi phí trong kỳ. Một thủ thuật khác là không trích lập đầy đủ các khoản dự phòng phải thu khó đòi hoặc dự phòng giảm giá hàng tồn kho. Những hành vi này làm cho các chỉ số tài chính trông có vẻ tốt hơn thực tế, nhưng nếu phân tích báo cáo tài chính một cách kỹ lưỡng thông qua các mô hình chuyên dụng, những điểm bất thường này sẽ lộ rõ.
III. Phương pháp Mô hình Beneish M Score nhận diện gian lận
Mô hình Beneish M-Score là một công cụ thống kê được phát triển bởi Giáo sư Messod D. Beneish vào năm 1999, được thiết kế đặc biệt để phát hiện gian lận báo cáo tài chính. Mô hình này sử dụng một tập hợp các chỉ số tài chính để tính toán một điểm số (M-Score), từ đó đánh giá xác suất một công ty có đang thao túng lợi nhuận hay không. Sự nổi tiếng của M-Score được khẳng định khi nó đã dự báo chính xác vụ bê bối của tập đoàn Enron vào năm 2001, một năm trước khi vụ việc bị phanh phui, trong khi các phương pháp kiểm toán truyền thống đã thất bại. Mô hình này dựa trên giả định rằng các công ty thực hiện hành vi thao túng lợi nhuận thường có những đặc điểm tài chính bất thường, chẳng hạn như sự gia tăng đột biến trong các khoản phải thu, suy giảm biên lợi nhuận gộp, hoặc chất lượng tài sản đi xuống.
Công thức tính M-Score là một phương trình hồi quy tuyến tính kết hợp 8 biến số khác nhau, mỗi biến phản ánh một khía cạnh của hoạt động kinh doanh hoặc một động cơ tiềm ẩn cho việc gian lận. Giá trị M-Score tính được sẽ được so sánh với một ngưỡng nhất định (thường là -1.78 theo nghiên cứu gốc). Nếu M-Score lớn hơn ngưỡng này, công ty có khả năng cao đang thực hiện hành vi gian lận. Ưu điểm lớn của mô hình này là tính khách quan, dựa trên dữ liệu công khai từ BCTC và dễ dàng tính toán. Nó cung cấp một công cụ sàng lọc hiệu quả, giúp các nhà phân tích báo cáo tài chính và kiểm toán viên xác định các trường hợp cần kiểm tra sâu hơn, từ đó tối ưu hóa nguồn lực và giảm thiểu rủi ro kiểm toán.
3.1. Cấu trúc 8 biến số của mô hình Beneish M Score
Mô hình Beneish M-Score được xây dựng từ 8 biến số độc lập, mỗi biến đo lường một khía cạnh cụ thể. Các biến này bao gồm: DSRI (Chỉ số phải thu/doanh thu), GMI (Chỉ số lợi nhuận gộp biên), AQI (Chỉ số chất lượng tài sản), SGI (Chỉ số tăng trưởng doanh thu), DEPI (Chỉ số khấu hao), SGAI (Chỉ số chi phí bán hàng và quản lý), LVGI (Chỉ số đòn bẩy tài chính), và TATA (Chỉ số dồn tích/tổng tài sản). Mỗi chỉ số này đều có một logic kinh tế đằng sau nó. Ví dụ, chỉ số DSRI tăng bất thường có thể là dấu hiệu của việc ghi nhận doanh thu ảo, trong khi chỉ số GMI suy giảm có thể tạo áp lực khiến ban quản lý phải thao túng lợi nhuận.
3.2. Cách diễn giải và ứng dụng M Score trong kiểm toán BCTC
Việc ứng dụng M-Score trong kiểm toán báo cáo tài chính mang lại hiệu quả cao. Sau khi tính toán giá trị M-Score cho một doanh nghiệp, nếu kết quả vượt ngưỡng -1.78, đây là một "cờ đỏ" (red flag) cảnh báo về khả năng gian lận. Kiểm toán viên không kết luận ngay lập tức mà sẽ sử dụng kết quả này làm cơ sở để lên kế hoạch kiểm toán chi tiết hơn. Họ có thể tăng cường các thủ tục kiểm tra đối với các khoản mục có rủi ro cao như doanh thu, phải thu khách hàng, và hàng tồn kho. Đối với nhà đầu tư, M-Score là một công cụ sàng lọc nhanh chóng để loại bỏ các cổ phiếu có rủi ro tài chính cao trước khi đi vào phân tích sâu hơn. Mô hình giúp lượng hóa rủi ro một cách khách quan thay vì chỉ dựa vào cảm tính.
IV. Hướng dẫn Mô hình Altman Z Score dự báo khả năng phá sản
Mô hình Altman Z-Score là một công thức toán học được Edward Altman công bố lần đầu vào năm 1968, nhằm mục đích dự báo khả năng phá sản của một doanh nghiệp. Mặc dù mục tiêu ban đầu không phải là phát hiện gian lận, nhiều nghiên cứu sau này đã chỉ ra mối liên hệ chặt chẽ giữa nguy cơ kiệt quệ tài chính và động cơ thao túng báo cáo tài chính. Một công ty đang trên bờ vực phá sản sẽ có áp lực rất lớn để làm đẹp số liệu, che giấu tình hình kinh doanh yếu kém nhằm duy trì các khoản vay, thu hút nhà đầu tư hoặc đơn giản là để trì hoãn sự sụp đổ. Do đó, Z-Score trở thành một chỉ báo sớm quan trọng, bổ sung cho các mô hình phát hiện gian lận trực tiếp như M-Score.
Mô hình Z-Score nguyên bản kết hợp 5 chỉ số tài chính quan trọng, bao gồm các thước đo về khả năng thanh khoản, khả năng sinh lời, đòn bẩy tài chính, hiệu quả hoạt động và giá trị thị trường. Các chỉ số này được gán những trọng số khác nhau và tổng hợp lại thành một điểm số duy nhất (Z-Score). Dựa trên giá trị của Z-Score, doanh nghiệp sẽ được phân loại vào ba vùng: "An toàn", "Cảnh báo" (vùng xám), và "Nguy hiểm". Theo nghiên cứu của Altman, mô hình có khả năng dự báo chính xác đến 80-90% các vụ phá sản trong vòng một năm. Việc tích hợp Z-Score vào quá trình phân tích báo cáo tài chính giúp nhận diện các công ty có "động cơ" gian lận lớn nhất, từ đó khoanh vùng các đối tượng cần được xem xét kỹ lưỡng hơn.
4.1. Công thức và 5 chỉ số tài chính trong mô hình Altman Z Score
Công thức gốc của Z-Score cho các công ty niêm yết ngành sản xuất bao gồm 5 tỷ số tài chính: (Vốn lưu động / Tổng tài sản), (Lợi nhuận giữ lại / Tổng tài sản), (Lợi nhuận trước lãi vay và thuế / Tổng tài sản), (Giá trị thị trường của vốn chủ sở hữu / Tổng nợ), và (Doanh thu / Tổng tài sản). Mỗi tỷ số phản ánh một khía cạnh sức khỏe tài chính. Ví dụ, tỷ số vốn lưu động thể hiện khả năng thanh khoản ngắn hạn, trong khi tỷ số lợi nhuận giữ lại cho thấy khả năng tích lũy lợi nhuận qua thời gian. Theo thời gian, Altman đã phát triển các phiên bản điều chỉnh của mô hình để phù hợp hơn với các công ty tư nhân và công ty phi sản xuất.
4.2. Mối liên hệ giữa dự báo khả năng phá sản và gian lận BCTC
Mối quan hệ giữa nguy cơ phá sản và gian lận BCTC là mối quan hệ nhân quả. Khi một công ty đối mặt với khó khăn tài chính nghiêm trọng (Z-Score thấp), ban lãnh đạo có động cơ rất lớn để gian lận. Họ có thể thổi phồng doanh thu hoặc che giấu chi phí để đáp ứng các điều khoản vay nợ, duy trì giá cổ phiếu, hoặc để trấn an các nhà cung cấp. Do đó, một điểm Z-Score thấp không chỉ là tín hiệu về rủi ro phá sản mà còn là một cảnh báo mạnh mẽ về rủi ro kiểm toán và khả năng BCTC đang bị bóp méo. Việc kết hợp Z-Score với M-Score tạo ra một bộ lọc hai lớp: Z-Score xác định "động cơ", còn M-Score xác định "hành vi".
V. Kết quả Nghiên cứu thực nghiệm M Score và Z Score tại VN
Để kiểm chứng hiệu quả của việc kết hợp mô hình M-Score và Z-Score, một nghiên cứu thực nghiệm đã được tiến hành trên dữ liệu BCTC của các công ty niêm yết tại Việt Nam. Nghiên cứu sử dụng mẫu gồm 450 BCTC của 150 công ty thuộc nhiều nhóm ngành khác nhau niêm yết trên HOSE trong giai đoạn 2015-2017. Dữ liệu được thu thập, làm sạch và sau đó được phân loại thành hai nhóm: nhóm có khả năng gian lận và nhóm không có khả năng gian lận, dựa trên mô hình M-Score gốc làm tiêu chí phân loại ban đầu. Mô hình nghiên cứu đề xuất bao gồm 10 biến độc lập: 8 biến từ mô hình Beneish, kết hợp với chỉ số Z-Score và biến ISSUE (Phát hành cổ phiếu trong năm) – một biến số được chứng minh là có liên quan đến hành vi điều chỉnh lợi nhuận trong mô hình F-Score của Dechow (2011).
Kết quả phân tích hồi quy Logistic cho thấy mô hình kết hợp có khả năng dự báo đúng các trường hợp gian lận khá cao, đạt tỷ lệ 77,1%. Điều này chứng tỏ mô hình có giá trị ứng dụng thực tiễn tại thị trường Việt Nam. Nghiên cứu đã xác định được 6 biến độc lập có mối quan hệ ý nghĩa thống kê với khả năng gian lận BCTC. Trong đó, 5 biến có tác động cùng chiều là DSRI (Phải thu/Doanh thu), GMI (Lợi nhuận gộp biên), AQI (Chất lượng tài sản), LVGI (Đòn bẩy tài chính) và ISSUE (Phát hành cổ phiếu). Riêng biến Z-Score có tác động ngược chiều, nghĩa là khi sức khỏe tài chính của công ty càng yếu (Z-Score thấp), khả năng gian lận càng cao. Kết quả này cung cấp bằng chứng thực nghiệm quan trọng, hỗ trợ cho việc xây dựng một công cụ sàng lọc gian lận hiệu quả và phù hợp với đặc thù của các doanh nghiệp Việt Nam.
5.1. Phân tích kết quả từ 450 báo cáo tài chính của công ty niêm yết
Mẫu nghiên cứu bao gồm 450 BCTC được thu thập từ các công ty niêm yết trên HOSE. Sau khi áp dụng mô hình Beneish M-Score để phân loại, dữ liệu được đưa vào phân tích hồi quy. Thống kê mô tả cho thấy sự khác biệt rõ rệt về các chỉ số tài chính giữa hai nhóm công ty có và không có khả năng gian lận. Kết quả kiểm định cho thấy 6 trên 10 biến độc lập có ảnh hưởng đáng kể đến xác suất gian lận. Chỉ số Nagelkerke R Square đạt 30,8%, cho thấy các biến độc lập trong mô hình giải thích được khoảng 30,8% sự biến thiên của khả năng gian lận BCTC. Mặc dù không phải là con số quá cao, nhưng trong lĩnh vực khoa học xã hội, đây là một kết quả có ý nghĩa.
5.2. Các biến số có ý nghĩa trong việc phát hiện gian lận kế toán
Kết quả nghiên cứu thực nghiệm chỉ ra 6 biến quan trọng nhất. Sự gia tăng của các chỉ số DSRI, AQI, LVGI, và ISSUE là những dấu hiệu gian lận BCTC đáng chú ý. Đặc biệt, biến Z-Score cho thấy tác động ngược chiều mạnh mẽ, khẳng định giả thuyết rằng các công ty có nguy cơ phá sản cao thường có xu hướng thao túng báo cáo tài chính. Các biến như SGI (Tăng trưởng doanh thu) và DEPI (Khấu hao) lại không thể hiện ý nghĩa thống kê trong mẫu nghiên cứu này, có thể do đặc thù của các doanh nghiệp tại Việt Nam. Kết quả này cung cấp một góc nhìn tinh chỉnh về việc ứng dụng các mô hình quốc tế vào thị trường trong nước.
VI. Kết luận Hiệu quả mô hình kết hợp và các kiến nghị
Nghiên cứu về việc kết hợp mô hình M-Score và Z-Score đã mang lại những kết quả tích cực và có giá trị. Mô hình đề xuất đã chứng minh được hiệu quả trong việc phát hiện gian lận báo cáo tài chính tại các công ty niêm yết ở Việt Nam với tỷ lệ dự báo chính xác lên tới 77,1%. Đây là một công cụ hữu ích, dễ sử dụng, có thể hỗ trợ đắc lực cho các đối tượng khác nhau trên thị trường. Việc xác định được 6 biến số quan trọng, đặc biệt là sự kết hợp giữa các chỉ báo về hành vi (như DSRI, AQI) và chỉ báo về động cơ (Z-Score), đã cung cấp một phương pháp tiếp cận toàn diện hơn trong việc đánh giá tính trung thực của BCTC. Kết quả này không chỉ khẳng định lại giá trị của các mô hình kinh điển mà còn điều chỉnh để chúng phù hợp hơn với bối cảnh kinh tế Việt Nam.
Từ những kết quả đạt được, luận văn đề xuất một số kiến nghị cụ thể. Đối với kiểm toán viên, mô hình này nên được sử dụng như một công cụ sàng lọc rủi ro trong giai đoạn lập kế hoạch kiểm toán, giúp khoanh vùng các doanh nghiệp và các khoản mục cần chú ý đặc biệt, từ đó nâng cao hiệu quả và giảm thiểu rủi ro kiểm toán. Đối với nhà đầu tư, việc tự tính toán hoặc tham khảo các chỉ số này có thể giúp họ đưa ra quyết định đầu tư thận trọng hơn, tránh được những "cái bẫy" tài chính. Đối với các cơ quan quản lý như Sở Giao dịch Chứng khoán, mô hình có thể được tích hợp vào hệ thống giám sát để cảnh báo sớm các trường hợp bất thường. Dù vẫn còn những hạn chế nhất định, nghiên cứu này đã mở ra một hướng đi tiềm năng trong việc ứng dụng các mô hình định lượng để nâng cao tính minh bạch cho thị trường tài chính Việt Nam.
6.1. Đánh giá độ chính xác và hạn chế của luận văn thạc sĩ kế toán
Mô hình kết hợp M-Score và Z-Score đạt độ chính xác 77,1%, một con số đáng khích lệ, cho thấy tiềm năng ứng dụng cao. Tuy nhiên, nghiên cứu vẫn còn một số hạn chế. Thứ nhất, việc phân loại ban đầu các công ty gian lận/không gian lận vẫn dựa trên kết quả của mô hình M-Score gốc, chưa có sự xác nhận từ các vụ việc thực tế bị cơ quan chức năng xử lý. Thứ hai, mẫu nghiên cứu chỉ giới hạn ở các công ty niêm yết trên HOSE trong một giai đoạn nhất định. Các nghiên cứu trong tương lai có thể mở rộng phạm vi ra sàn HNX, UPCOM hoặc các loại hình doanh nghiệp khác để tăng tính tổng quát.
6.2. Kiến nghị cho kiểm toán viên và nhà đầu tư tại thị trường Việt Nam
Dựa trên kết quả nghiên cứu thực nghiệm, một số kiến nghị được đưa ra. Kiểm toán viên nên tích hợp mô hình này vào quy trình đánh giá rủi ro ban đầu. Khi một công ty có điểm số cảnh báo cao, cần tăng cường các thủ tục như gửi thư xác nhận công nợ với tỷ lệ lớn hơn, kiểm kê hàng tồn kho đột xuất, hay rà soát kỹ các giao dịch với bên liên quan. Nhà đầu tư cá nhân có thể sử dụng các công cụ tính toán online hoặc tự lập bảng tính excel để kiểm tra nhanh các chỉ số của cổ phiếu mình quan tâm. Việc chú ý đến các chỉ số DSRI, AQI, LVGI và đặc biệt là Z-Score sẽ giúp họ có một cái nhìn sâu sắc hơn về rủi ro tiềm ẩn đằng sau những con số lợi nhuận ấn tượng.
