Mô Hình Beneish M-Score Trong Đo Lường Lợi Nhuận Thị Trường: Bằng Chứng Thực Nghiệm Tại Việt Nam

Mô hình Beneish M-Score là một công cụ quan trọng trong việc phát hiện gian lận tài chính. 68 trang · Banking University of Ho Chi Minh City · 2022.

• Tác giả: Duong Minh Khanh
• Người hướng dẫn: PhD. Nguyen Duy Linh
• Trường học: Banking University of Ho Chi Minh City
• Chuyên ngành: Banking - Finance
• Đề tài: Mô Hình Beneish M-Score và Đo Lường Lợi Nhuận Thị Trường Tại Việt Nam
• Loại tài liệu: Graduate Thesis
• Năm xuất bản: 2022
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• 1. CHAPTER I: INTRODUCTION
• 1.1. Research objectives and research questions
• 1.2. Subject and scope of the study subject
• 1.3. Structure of the study
• 2. CHAPTER 2: THEORETICAL BASIS AND LITERATURE REVIEW
• 2.1. Definition of financial statement
• 2.2. Definition of financial reporting fraud
• 2.3. Theory explaining the motives for fraudulent financial statements
• 2.4. Acts of performing fraudulent financial statements
• 2.5. Identify distortions in financial statements
• 2.6. Beneish M-score model
• 2.7. Research on developing the Beneish M-score model
• 2.8. Research on the correlation between financial statement distortion and stock market profitability
• 3. CHAPTER 3: DATA AND RESEARCH METHODS
• 3.1. M – score and forecast future expected return
• 3.2. Calculate adjusted rate of return on a security (BHSAR)
• 3.3. Comparison of BHSAR (+1) of two groups of companies classified by M-score
• 3.4. Consider the relationship between M – Score and profitability
• 3.5. Consider the relationship between profitability and other factors
• 3.6. Empirical model about the relationship between M-score and return on stock market
• 3.7. Regression fit method – GMM
• 4. CHAPTER 4: RESEARCH RESULTS AND DISCUSSION
• 4.1. Financial distortion in Vietnam
• 4.2. Financial distortion from the perspective of the exchange
• 4.3. Fraud risk according to the capitalization classification
• 4.4. Impact of financial fraud on stock returns
• 4.5. M – Score and the influence of other factors on profitability
• 4.6. Correlation matrix between M - score and other influencing factors
• 4.7. Combined effect of M-score and other factors on stock return
• 4.8. Find the defects of the model
• 4.9. Regression by GMM method
• 4.10. Interpretation of regression results
• 5. CHAPTER 5: CONCLUSIONS AND RECOMMENDATIONS
• 5.1. Limitations and suggestions for further studies
• 5.2. Proposing solutions to limit fraud in financial statements

Tóm tắt

I. Tổng quan về Mô Hình Beneish M Score và Lợi Nhuận Thị Trường

Mô hình Beneish M-Score là một công cụ quan trọng trong việc phát hiện gian lận tài chính. Mô hình này giúp các nhà đầu tư và nhà phân tích đánh giá khả năng gian lận trong báo cáo tài chính của các công ty. Tại Việt Nam, việc áp dụng mô hình này ngày càng trở nên cần thiết, đặc biệt trong bối cảnh thị trường chứng khoán đang phát triển mạnh mẽ. Nghiên cứu này sẽ cung cấp cái nhìn tổng quan về mô hình Beneish M-Score và mối liên hệ của nó với lợi nhuận thị trường.

1.1. Mô hình Beneish M Score là gì

Mô hình Beneish M-Score được phát triển bởi Messod D. Beneish nhằm xác định khả năng gian lận trong báo cáo tài chính. Mô hình này sử dụng tám chỉ số tài chính để đánh giá độ tin cậy của báo cáo tài chính.

1.2. Tại sao M Score quan trọng trong đầu tư

M-Score giúp các nhà đầu tư phát hiện các công ty có khả năng gian lận, từ đó đưa ra quyết định đầu tư chính xác hơn. Việc hiểu rõ mô hình này có thể giúp giảm thiểu rủi ro đầu tư.

II. Thách thức trong việc Đo Lường Lợi Nhuận Thị Trường tại Việt Nam

Việc đo lường lợi nhuận thị trường tại Việt Nam gặp nhiều thách thức. Các công ty thường xuyên thay đổi cách thức báo cáo tài chính, dẫn đến khó khăn trong việc so sánh và phân tích. Hơn nữa, sự thiếu minh bạch trong thông tin tài chính cũng là một vấn đề lớn.

2.1. Vấn đề về minh bạch thông tin tài chính

Nhiều công ty tại Việt Nam không cung cấp thông tin đầy đủ và chính xác, gây khó khăn cho các nhà đầu tư trong việc đánh giá tình hình tài chính thực tế.

2.2. Rủi ro từ gian lận tài chính

Gian lận tài chính là một trong những rủi ro lớn nhất mà các nhà đầu tư phải đối mặt. Các vụ bê bối tài chính trong quá khứ đã làm giảm niềm tin của nhà đầu tư vào thị trường.

III. Phương pháp áp dụng Mô Hình Beneish M Score trong Đo Lường Lợi Nhuận

Mô hình Beneish M-Score có thể được áp dụng để đo lường lợi nhuận thị trường thông qua việc phân tích các chỉ số tài chính. Bằng cách sử dụng các chỉ số này, nhà đầu tư có thể xác định được các công ty có khả năng gian lận và từ đó đưa ra quyết định đầu tư hợp lý.

3.1. Các chỉ số trong M Score

M-Score bao gồm các chỉ số như chỉ số doanh thu, chỉ số lợi nhuận gộp, và chỉ số chất lượng tài sản. Những chỉ số này giúp phát hiện các dấu hiệu gian lận trong báo cáo tài chính.

3.2. Phân tích kết quả từ M Score

Kết quả từ M-Score cho thấy mối liên hệ giữa khả năng gian lận và lợi nhuận thị trường. Các công ty có M-Score cao thường có lợi nhuận thấp hơn.

IV. Ứng dụng thực tiễn của Mô Hình Beneish M Score tại Việt Nam

Mô hình Beneish M-Score đã được áp dụng thành công tại Việt Nam để phát hiện gian lận tài chính. Nghiên cứu cho thấy rằng các công ty có M-Score cao thường có lợi nhuận thấp hơn, điều này cho thấy mối liên hệ giữa gian lận tài chính và hiệu suất thị trường.

4.1. Kết quả nghiên cứu từ các công ty niêm yết

Nghiên cứu đã chỉ ra rằng các công ty niêm yết có M-Score cao thường gặp khó khăn trong việc duy trì lợi nhuận ổn định.

4.2. Ảnh hưởng đến quyết định đầu tư

Nhà đầu tư có thể sử dụng M-Score như một công cụ để đánh giá rủi ro và đưa ra quyết định đầu tư thông minh hơn.

V. Kết luận và Tương lai của Mô Hình Beneish M Score tại Việt Nam

Mô hình Beneish M-Score có tiềm năng lớn trong việc cải thiện độ tin cậy của báo cáo tài chính tại Việt Nam. Việc áp dụng mô hình này không chỉ giúp phát hiện gian lận mà còn nâng cao chất lượng thông tin tài chính trên thị trường.

5.1. Tương lai của M Score trong đầu tư

M-Score có thể trở thành một công cụ quan trọng trong việc đánh giá các công ty niêm yết tại Việt Nam, giúp nhà đầu tư đưa ra quyết định chính xác hơn.

5.2. Đề xuất cải tiến mô hình

Cần có những nghiên cứu sâu hơn để cải tiến mô hình Beneish M-Score, từ đó nâng cao khả năng phát hiện gian lận tài chính.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Báo cáo tài chính (BCTC) giữ vai trò trung tâm trong việc cung cấp thông tin về tài sản, nguồn vốn, kết quả hoạt động kinh doanh và dòng tiền của doanh nghiệp, là cơ sở để các nhà đầu tư và tổ chức cấp tín dụng đưa ra quyết định kinh tế. Tuy nhiên, tình trạng gian lận và thao túng số liệu trên BCTC ngày càng gia tăng nhằm mục đích làm đẹp kết quả kinh doanh, đáp ứng kỳ vọng thị trường hoặc phục vụ lợi ích ngắn hạn của ban điều hành. Trên thế giới, các vụ bê bối tài chính điển hình như Enron (2002) gây thiệt hại hơn 80 tỷ USD vốn hóa và làm sụp đổ công ty kiểm toán Arthur Andersen, hay sự sụp đổ của Lehman Brothers liên quan đến việc ghi nhận sai lệch 50 tỷ USD nợ ngắn hạn thành doanh thu. Tại Việt Nam, các trường hợp sai lệch số liệu tại Công ty Cổ phần Dược phẩm Cửu Long (2014) hay vụ việc tại Công ty Cổ phần Thiết bị Y tế Việt Nhật JVC (2015) với giá trị lên đến 900 tỷ VND là những minh chứng thực tế về tác động tiêu cực của thông tin sai lệch đối với thị trường vốn.

Nhận thức được mức độ nghiêm trọng của vấn đề, khóa luận tốt nghiệp của tác giả Dương Minh Khánh tại Trường Đại học Ngân hàng TP. Hồ Chí Minh đã tiếp cận mô hình Beneish M-score nhằm nhận diện rủi ro bóp méo dữ liệu kế toán và phân tích tác động của rủi ro này đến tỷ suất sinh lời cổ phiếu trên thị trường chứng khoán Việt Nam, đặc biệt mở rộng quan sát trong bối cảnh đại dịch Covid-19.

Mục tiêu nghiên cứu

1. Mục tiêu tổng quát: Nhận diện khả năng gian lận BCTC của các công ty niêm yết tại Việt Nam và xác định mức độ tác động của yếu tố này đến tỷ suất sinh lời của cổ phiếu trên thị trường chứng khoán.
2. Mục tiêu cụ thể:
   • Đo lường khả năng bóp méo BCTC thông qua mô hình Beneish M-score.
   • Xây dựng mô hình phù hợp để đánh giá tác động của chỉ số M-score đến tỷ suất sinh lời trên thị trường chứng khoán.
   • Kiểm định sự tương quan và tác động kết hợp của M-score cùng các yếu tố tài chính khác lên tỷ suất sinh lời của cổ phiếu.
   • Đề xuất các giải pháp khả thi nhằm hạn chế hành vi gian lận BCTC tại Việt Nam.

Câu hỏi nghiên cứu

1. Mô hình M-score có khả năng đo lường và nhận diện mức độ bóp méo BCTC của các doanh nghiệp niêm yết hay không?
2. Mô hình kinh tế lượng nào phù hợp để đánh giá tác động của M-score đến tỷ suất sinh lời của cổ phiếu trên thị trường chứng khoán?
3. Mức độ tương quan giữa chỉ số M-score và khả năng sinh lời của các doanh nghiệp niêm yết tại Việt Nam diễn ra như thế nào?
4. Những giải pháp nào cần được áp dụng để hạn chế tình trạng gian lận BCTC tại thị trường chứng khoán Việt Nam?

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Hành vi bóp méo BCTC và mối liên hệ với tỷ suất sinh lời của cổ phiếu niêm yết.
• Phạm vi không gian: Các doanh nghiệp phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX).
• Phạm vi thời gian: Dữ liệu nghiên cứu được thu thập liên tục trong giai đoạn 11 năm, từ năm 2011 đến năm 2021.
• Nội dung nghiên cứu: Đánh giá rủi ro gian lận kế toán qua 8 chỉ số của Beneish M-score, phân nhóm danh mục theo quy mô vốn hóa và kiểm định định lượng tác động của M-score lên tỷ suất sinh lời nắm giữ điều chỉnh theo quy mô (BHSAR).

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình sử dụng

Nghiên cứu dựa trên nền tảng lý thuyết kế toán tài chính và hành vi quản trị lợi nhuận, bao gồm:

• Khái niệm và cấu trúc BCTC: Hệ thống BCTC gồm 4 báo cáo căn bản: Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh, Báo cáo lưu chuyển tiền tệ và Báo cáo biến động vốn chủ sở hữu.
• Lý thuyết Tam giác gian lận (Fraud Triangle): Được phát triển bởi Donald R. Cressey (1919–1987) thông qua việc khảo sát khoảng 200 vụ án kinh tế, chỉ ra ba nhân tố cấu thành gian lận: Động cơ/Áp lực (Motivation/Pressure), Cơ hội (Opportunity), và Thái độ/Sự hợp lý hóa (Attitude/Rationalization).
• Động cơ thao túng BCTC: Tác giả tổng hợp các động cơ chính gồm tối đa hóa thu nhập ngắn hạn của nhà quản lý (Healy, 1985; Cheng và Warfield, 2005), đáp ứng dự báo của chuyên gia phân tích (Graham, Harvey và Rajgopal, 2005), nâng cao định giá doanh nghiệp khi phát hành cổ phiếu lần đầu ra công chúng (IPO) hoặc phát hành thêm (Ducharme, Malatesta và Sefcik, 2002; Teoh, Welch và Wong, 1998), và đàm phán các điều khoản hợp đồng vay thuận lợi nhằm tránh vi phạm cam kết nợ (Bowen, Ducharme và Shores, 1995).
• Kỹ thuật bóp méo BCTC (Schweser, 2015): Ghi nhận doanh thu dồn kênh (channel stuffing), giữ lại hàng chưa giao (bill and hold), ghi nhận chi phí vốn hóa không hợp lý, thay đổi ước tính khấu hao tài sản, phân loại sai dòng tiền kinh doanh sang dòng tiền đầu tư.
• Mô hình Beneish M-score (1999, 2013): Mô hình probit gồm 8 chỉ số tài chính cấu thành:

$$\text{M-score} = -4.84 + 0.920 \times \text{DSRI} + 0.528 \times \text{GMI} + 0.404 \times \text{AQI} + 0.892 \times \text{SGI} + 0.115 \times \text{DEPI} - 0.172 \times \text{SGAI} + 4.037 \times \text{TATA} + 0.0327 \times \text{LVGI}$$

Trong đó:

• DSRI (Days Sales in Receivables Index): Chỉ số ngày thu tiền khách hàng.
• GMI (Gross Margin Index): Chỉ số biên lợi nhuận gộp.
• AQI (Asset Quality Index): Chỉ số chất lượng tài sản.
• SGI (Sales Growth Index): Chỉ số tăng trưởng doanh thu.
• DEPI (Depreciation Index): Chỉ số tỷ lệ khấu hao.
• SGAI (Sales, General and Administrative expenses Index): Chỉ số chi phí bán hàng và quản lý doanh nghiệp.
• TATA (Total Accruals to Total Assets): Chỉ số biến kế toán dồn tích trên tổng tài sản.
• LVGI (Leverage Index): Chỉ số đòn bẩy tài chính.

Ngưỡng phân loại (cut-off value) được xác định là -1.78. Doanh nghiệp có $\text{M-score} > -1.78$ được xếp vào nhóm có rủi ro gian lận BCTC (Flagged); doanh nghiệp có $\text{M-score} \le -1.78$ thuộc nhóm không có dấu hiệu gian lận (Not Flagged).

Phương pháp nghiên cứu

Nghiên cứu áp dụng quy trình phân tích định lượng 4 bước với sự hỗ trợ của phần mềm Microsoft Excel và Stata 15:

1. Bước 1: Tính toán 8 chỉ số thành phần và chỉ số tổng hợp M-score cho từng quan sát, phân loại doanh nghiệp theo ngưỡng -1.78.

2. Bước 2: Phân bổ các cổ phiếu thành 10 danh mục đầu tư theo quy mô vốn hóa thị trường tại thời điểm 30 ngày sau ngày công bố BCTC (ngày 30/4 hàng năm).

3. Bước 3: Đo lường tỷ suất sinh lời nắm giữ điều chỉnh theo quy mô:

   $$BHSAR_{it} = r_{it} - RP_t$$

   Trong đó $r_{it}$ là tỷ suất sinh lời 1 năm của cổ phiếu $i$ từ ngày 30/4 năm $t-1$ đến 30/4 năm $t$; $RP_t$ là tỷ suất sinh lời bình quân của danh mục quy mô tương ứng trong năm $t$.

4. Bước 4: Ước lượng mô hình hồi quy tác động lên tỷ suất sinh lời tương lai $BHSAR_{t+1}$:

   $$BHSAR_{t+1} = \alpha_0 + \alpha_1 \text{M-Score}_t + \alpha_2 \text{Accruals}_t + \alpha_3 \text{Momentum}_t + \alpha_4 \text{MVE}_t + \alpha_5 \text{BTM}t + e{t+1}$$

   Các biến giải thích gồm: M-Score, Accruals (tài khoản dồn tích), Momentum (quán tính giá), $\text{MVE} = \ln(\text{Vốn hóa thị trường})$, BTM (tỷ số giá trị sổ sách trên giá trị thị trường).

Phương pháp xử lý khuyết tật mô hình

• Kiểm định đa cộng tuyến: Sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor).
• Kiểm định phương sai sai số thay đổi: Sử dụng kiểm định Modified Wald Test.
• Kiểm định tự tương quan: Sử dụng kiểm định Wooldridge Test.
• Phương pháp ước lượng chính: Do mô hình xuất hiện hiện tượng phương sai thay đổi và có yếu tố nội sinh, tác giả sử dụng phương pháp hồi quy GMM (Generalized Method of Moments) với biến công cụ là độ trễ 2 kỳ của biến M-score, kết hợp kiểm định Sargan để đảm bảo tính vững của các ước lượng.

Nguồn dữ liệu

Dữ liệu BCTC kiểm toán và giá đóng cửa của các công ty niêm yết được thu thập từ website chính thức của doanh nghiệp, cơ sở dữ liệu Fiinpro và Refinitiv. Mẫu nghiên cứu sau khi loại trừ các định chế tài chính (ngân hàng, công ty chứng khoán, công ty bảo hiểm do cơ cấu báo cáo đặc thù) và các doanh nghiệp thiếu dữ liệu đạt tổng cộng 4.336 quan sát (firm-year observations).

---

Nội dung chính theo từng chương

Chương 1: Giới thiệu đề tài (Introduction)

Chương 1 thiết lập tính cấp thiết của đề tài trong bối cảnh thị trường chứng khoán Việt Nam đang phát triển nhanh nhưng tiềm ẩn rủi ro bất cân xứng thông tin. Tác giả chỉ ra rằng các nghiên cứu trước đây (như Võ Minh Dương, 2016) mới chỉ dừng lại ở việc kiểm tra tính khả thi của mô hình M-score mà chưa đánh giá sâu tác động của nó tới lợi nhuận cổ phiếu trong các giai đoạn biến động mạnh như đại dịch Covid-19. Chương này xác định rõ mục tiêu, 4 câu hỏi nghiên cứu, đối tượng, phạm vi không gian (HOSE, HNX) và phạm vi thời gian (2011–2021).

Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu (Theoretical Basis and Literature Review)

Chương 2 hệ thống hóa cơ sở lý luận về BCTC, gian lận kế toán và các lý thuyết giải thích động cơ thao túng lợi nhuận. Tác giả phân tích các nghiên cứu phát triển mô hình nhận diện gian lận, gồm kỹ thuật dồn tích tùy ý (DeAngelo, 1986), mạng nơ-ron nhân tạo (Green & Choi, 1997; Fanning & Cogger, 1998) và mô hình thống kê định lượng của Beneish (1997, 1999, 2003). Bên cạnh đó, tác giả tổng thuật các nghiên cứu thực nghiệm về mối liên hệ giữa gian lận BCTC và khả năng sinh lời cổ phiếu của Sloan (1996), Bergstresser, Desai và Rauh (2006), David Hirshleifer và cộng sự (2009), Beneish, Lee và Nichols (2013), Võ Minh Dương (2016) và Ngô Thị Diệu Hương (2020).

Chương 3: Dữ liệu và phương pháp nghiên cứu (Data and Research Methods)

Chương 3 trình bày chi tiết mẫu nghiên cứu, quy trình lọc dữ liệu và các bước tính toán các biến số. Tác giả thiết lập công thức tính toán 8 biến thành phần của M-score, công thức tính tỷ suất sinh lời danh mục và tỷ suất sinh lời BHSAR. Tác giả mô tả chi tiết quy trình hồi quy từ OLS đến các kiểm định khuyết tật mô hình (VIF, Modified Wald, Wooldridge) và đi đến quyết định sử dụng phương pháp GMM để khắc phục hiện tượng phương sai thay đổi và nội sinh.

Năm	Tổng số quan sát	HNX	HOSE
2011	252	110	142
2012	307	120	187
2013	308	113	195
2014	337	126	211
2015	370	147	223
2016	416	179	237
2017	445	190	255
2018	449	182	267
2019	483	192	291
2020	487	193	294
2021	482	185	297
Tổng cộng	4.336	1.737	2.599

Chương 4: Kết quả nghiên cứu và thảo luận (Research Results and Discussion)

Chương 4 cung cấp kết quả phân tích thống kê mô tả và hồi quy kinh tế lượng:

• Tỷ lệ rủi ro gian lận: Có 1.261/4.336 quan sát (tương đương 30%) bị cảnh báo có rủi ro gian lận BCTC. Trong đó, sàn HOSE ghi nhận 756/2.599 quan sát và sàn HNX ghi nhận 505/1.737 quan sát (tỷ lệ xấp xỉ ngang nhau ở mức 30%).
• Biến động theo thời gian và tác động của Covid-19: Tỷ lệ gian lận giảm từ 32,9% năm 2011 xuống 16,8% năm 2013, sau đó tăng dần lên mức 37,5% năm 2018. Trong giai đoạn đại dịch Covid-19, tỷ lệ rủi ro gian lận duy trì ở mức cao: đạt đỉnh 37,5% năm 2020 (tăng 33,45% so với năm 2019) và ở mức 35,3% năm 2021 do áp lực gián đoạn chuỗi cung ứng và suy giảm kinh doanh.
• Rủi ro theo quy mô vốn hóa: Tỷ lệ cảnh báo gian lận phân bổ đồng đều giữa 10 nhóm vốn hóa, dao động từ 23% đến 36%, bình quân 30%.
• Chênh lệch tỷ suất sinh lời: Nhóm doanh nghiệp không có rủi ro gian lận đạt tỷ suất sinh lời BHSAR bình quân cao hơn nhóm có rủi ro gian lận là +3,64%/năm. Giai đoạn 2012–2014 ghi nhận sự chênh lệch lớn nhất khi nhóm cảnh báo gian lận có tỷ suất sinh lời âm sâu (-13,61%), trong khi nhóm không gian lận đạt mức sinh lời dương (+3,61% đến +5,89%), chênh lệch lên đến 18%.
• Kết quả kiểm định khuyết tật:
  • Đa cộng tuyến: Hệ số VIF của các biến đều nhỏ hơn 10 (biến Accruals có $\text{VIF} = 1,32$), mô hình không có đa cộng tuyến.
  • Tự tương quan: Kiểm định Wooldridge cho kết quả $F(1, 298) = 0,0865$ ($p\text{-value} > 0,05$), mô hình không có tự tương quan.
  • Phương sai thay đổi: Kiểm định Modified Wald cho kết quả $\chi^2(731) = 1,9 \times 10^{35}$ ($p\text{-value} = 0,0018 < 0,05$), kết luận có hiện tượng phương sai thay đổi.
• Kết quả hồi quy GMM: Biến M-score có mối tương quan âm có ý nghĩa thống kê đối với tỷ suất sinh lời BHSAR kỳ tiếp theo (hệ số âm). Các biến Momentum (hệ số 0,441; $p < 0,01$) và MVE (hệ số 5,6; $p < 0,01$) có tương quan dương ở mức ý nghĩa 1%. Biến Accruals có tương quan dương với ý nghĩa thống kê 1%, trong khi biến BTM không có ý nghĩa thống kê.

Chương 5: Kết luận và kiến nghị (Conclusions and Recommendations)

Chương 5 đúc kết các phát hiện chính của nghiên cứu, nêu rõ các hạn chế còn tồn tại về mặt dữ liệu và phương pháp phân nhóm danh mục, định hướng các nghiên cứu mở rộng trong tương lai và đề xuất 4 nhóm giải pháp đối với các cơ quan quản lý, doanh nghiệp, kiểm toán viên và nhà đầu tư.

---

Kết quả và đóng góp

Kết quả chính

1. Thực trạng gian lận BCTC: Tỷ lệ doanh nghiệp niêm yết tại Việt Nam có nguy cơ bóp méo BCTC chiếm khoảng 30% tổng số quan sát trên cả hai sàn HOSE và HNX trong giai đoạn 2011–2021.
2. Tác động đến tỷ suất sinh lời: Doanh nghiệp có rủi ro bóp méo BCTC cao ($\text{M-score} > -1.78$) mang lại tỷ suất sinh lời điều chỉnh theo quy mô (BHSAR) thấp hơn trung bình 3,64%/năm so với doanh nghiệp có thông tin tài chính minh bạch.
3. Ảnh hưởng của bối cảnh đại dịch Covid-19: Tỷ lệ doanh nghiệp bị cảnh báo gian lận tăng đột biến trong năm 2020 (37,5%) và 2021 (35,3%), phản ánh động cơ làm đẹp số liệu kế toán nhằm che giấu tác động tiêu cực của dịch bệnh đối với hoạt động kinh doanh.
4. Mô hình hồi quy thực nghiệm: Phương pháp hồi quy GMM chứng minh M-score có mối quan hệ nghịch chiều có ý nghĩa thống kê với tỷ suất sinh lời kỳ sau của cổ phiếu, bên cạnh tác động cùng chiều của yếu tố quán tính giá (Momentum) và quy mô vốn hóa (MVE).

Kiến nghị và giải pháp của tác giả

• Đối với cơ quan quản lý nhà nước: Tăng cường chế tài xử phạt hành chính và hình sự đối với các hành vi gian lận BCTC; xử lý nghiêm minh các công ty niêm yết vi phạm quy định công bố thông tin.
• Đối với hệ thống pháp luật và chuẩn mực kế toán: Hoàn thiện khung khổ pháp lý về kế toán, kiểm toán theo chuẩn mực quốc tế (IFRS); đẩy mạnh công tác thanh tra, giám sát định kỳ; bắt buộc doanh nghiệp thuyết minh chi tiết các yếu tố rủi ro trọng yếu trên BCTC.
• Đối với đội ngũ kế toán viên và doanh nghiệp: Định kỳ cập nhật kiến thức chuyên môn và các quy định mới; doanh nghiệp cần xây dựng quy chế khen thưởng, kỷ luật rõ ràng nhằm nâng cao tính độc lập và đạo đức nghề nghiệp của nhân viên kế toán.
• Đối với nhà đầu tư và các bên sử dụng thông tin: Chủ động nâng cao năng lực phân tích tài chính, ứng dụng các công cụ định lượng như Beneish M-score để sàng lọc rủi ro trước khi ra quyết định đầu tư hoặc cấp tín dụng.

Đóng góp học thuật và thực tiễn

• Bổ sung bằng chứng thực nghiệm về tính hữu hiệu của mô hình Beneish M-score trên thị trường chứng khoán Việt Nam với cỡ mẫu lớn (4.336 quan sát trong 11 năm).
• Mở rộng phạm vi phân tích sang giai đoạn biến động đặc thù do đại dịch Covid-19 (2020–2021), làm rõ sự biến động của tỷ lệ rủi ro gian lận trong điều kiện kinh tế suy thoái.
• Kết hợp phương pháp ước lượng GMM để xử lý triệt để các khuyết tật về phương sai sai số thay đổi và biến nội sinh trong mô hình dự báo tỷ suất sinh lời cổ phiếu.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

• Dữ liệu BCTC của một số doanh nghiệp chưa được công bố đầy đủ hoặc thiếu tính nhất quán qua các năm, dẫn đến việc phải loại bỏ nhiều quan sát và làm cho cỡ mẫu giữa các năm không đồng đều.
• Việc phân loại danh mục đầu tư mới chỉ dừng lại ở tiêu chí quy mô vốn hóa thị trường, chưa phân chia đa chiều theo các tiêu chí khác như tỷ số BTM, mức độ dồn tích hay tỷ lệ bán khống như nghiên cứu gốc của Beneish, Lee và Nichols (2013).
• Nghiên cứu mới chỉ ghi nhận sự gia tăng của tỷ lệ rủi ro gian lận trong thời kỳ Covid-19 mà chưa xây dựng mô hình định lượng chuyên sâu để đo lường mức độ tác động riêng lẻ của đại dịch đến tính trung thực của BCTC.

Hướng nghiên cứu tiếp theo

• Mở rộng mô hình nghiên cứu bằng cách kết hợp đồng thời chỉ số Beneish M-score (nhận diện gian lận BCTC) và chỉ số Altman Z-score (đo lường rủi ro phá sản) nhằm đánh giá toàn diện sức khỏe tài chính và xác suất vỡ nợ của doanh nghiệp.
• Xây dựng mô hình định lượng chuyên sâu đo lường tác động của các cú sốc vĩ mô (như dịch bệnh, khủng hoảng chuỗi cung ứng) đến độ tin cậy của thông tin kế toán và tỷ suất sinh lời trên thị trường chứng khoán.

---

Giá trị tham khảo

• Đối tượng tham khảo: Sinh viên, học viên cao học chuyên ngành Tài chính - Ngân hàng, Kế toán, Kiểm toán; các chuyên viên phân tích đầu tư chứng khoán, chuyên viên thẩm định tín dụng tại các ngân hàng thương mại.
• Nội dung giá trị:
  • Cung cấp phương pháp luận và công thức chi tiết để tính toán 8 chỉ số thành phần của mô hình Beneish M-score trên bộ dữ liệu BCTC doanh nghiệp Việt Nam.
  • Hướng dẫn quy trình thực nghiệm kinh tế lượng từ thống kê mô tả, kiểm định khuyết tật mô hình (đa cộng tuyến, phương sai thay đổi, tự tương quan) đến xử lý hồi quy chuỗi dữ liệu bảng bằng phương pháp GMM trên phần mềm Stata.
  • Cung cấp dữ liệu tham chiếu về tỷ lệ rủi ro gian lận và mức chênh lệch tỷ suất sinh lời BHSAR của các nhóm cổ phiếu niêm yết trên HOSE và HNX giai đoạn 2011–2021.

---

Câu hỏi thường gặp

1. Ngưỡng phân loại (cut-off value) của mô hình Beneish M-score trong khóa luận được xác định là bao nhiêu?

Tác giả sử dụng ngưỡng phân loại là -1.78. Doanh nghiệp có chỉ số $\text{M-score} > -1.78$ được phân loại vào nhóm có nguy cơ bóp méo, gian lận số liệu BCTC (Flagged); doanh nghiệp có $\text{M-score} \le -1.78$ được xếp vào nhóm an toàn, không có dấu hiệu gian lận (Not Flagged).

2. Tỷ lệ doanh nghiệp niêm yết có rủi ro gian lận BCTC tại Việt Nam giai đoạn 2011–2021 là bao nhiêu?

Kết quả thống kê trên 4.336 quan sát cho thấy có 1.261 quan sát (chiếm khoảng 30%) nằm trong diện có rủi ro gian lận BCTC. Tỷ lệ này phân bổ tương đối đồng đều trên cả hai sàn giao dịch: sàn HOSE ghi nhận 756/2.599 quan sát (xấp xỉ 30%) và sàn HNX ghi nhận 505/1.737 quan sát (xấp xỉ 30%).

3. Tỷ suất sinh lời của nhóm doanh nghiệp bị cảnh báo gian lận khác biệt như thế nào so với nhóm không bị cảnh báo?

Trong giai đoạn 2011–2021, nhóm doanh nghiệp không có rủi ro gian lận đạt tỷ suất sinh lời điều chỉnh theo quy mô (BHSAR) cao hơn nhóm có rủi ro gian lận trung bình +3,64%/năm. Điển hình trong giai đoạn 2012–2014, nhóm có rủi ro gian lận có mức sinh lời âm sâu (-13,61%), trong khi nhóm minh bạch đạt mức sinh lời dương (+3,61% đến +5,89%), tạo ra khoảng chênh lệch lên đến 18%.

4. Tại sao tác giả lựa chọn phương pháp hồi quy GMM thay vì OLS thông thường?

Sau khi tiến hành các kiểm định khuyết tật trên dữ liệu bảng, tác giả nhận thấy mô hình không vi phạm đa cộng tuyến ($\text{VIF} < 10$) và không có tự tương quan (kiểm định Wooldridge có $p\text{-value} > 0,05$), nhưng vi phạm giả định về phương sai không đổi qua kiểm định Modified Wald ($\chi^2(731) = 1,9 \times 10^{35}$, $p\text{-value} = 0,0018 < 0,05$) và tồn tại biến nội sinh. Do đó, phương pháp OLS không còn cho ước lượng hiệu quả nhất, và phương pháp GMM với biến công cụ là độ trễ 2 kỳ của M-score được lựa chọn để khắc phục hoàn toàn các khuyết tật này.

5. Tỷ lệ rủi ro gian lận BCTC tại Việt Nam biến động như thế nào trong giai đoạn đại dịch Covid-19 (2020–2021)?

Trong giai đoạn đại dịch Covid-19, tỷ lệ rủi ro gian lận BCTC tăng lên mức cao kỷ lục trong toàn bộ giai đoạn nghiên cứu: đạt đỉnh 37,5% năm 2020 (tăng 33,45% so với cùng kỳ năm 2019) và duy trì ở mức 35,3% năm 2021. Nguyên nhân chủ yếu đến từ áp lực đứt gãy chuỗi cung ứng, đình trệ kinh doanh và nhu cầu làm đẹp BCTC để thu hút vốn đầu tư trong bối cảnh khó khăn.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Dương Minh Khánh đã ứng dụng mô hình Beneish M-score trên mẫu dữ liệu 4.336 quan sát giai đoạn 2011–2021 để đánh giá thực trạng gian lận BCTC và tác động của nó tới thị trường chứng khoán Việt Nam. Kết quả nghiên cứu khẳng định có khoảng 30% doanh nghiệp niêm yết tiềm ẩn nguy cơ bóp méo dữ liệu kế toán, và nhóm doanh nghiệp này có tỷ suất sinh lời BHSAR bình quân thấp hơn 3,64%/năm so với nhóm doanh nghiệp minh bạch. Thông qua phương pháp ước lượng GMM, đề tài chứng minh M-score là chỉ báo định lượng có ý nghĩa thống kê cao trong việc nhận diện rủi ro thông tin và dự báo tỷ suất sinh lời cổ phiếu, cung cấp cơ sở khoa học cho các cơ quan quản lý và nhà đầu tư trong việc kiểm soát rủi ro thị trường.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING THE STATE BANK OF VIETNAM BANKING UNIVERSITY OF HO CHI MINH CITY ********************* GRADUATION THESIS DUONG MINH KHANH BENEISH M-SCORE MODEL IN MARKET RETURNS MEASUREMENT: EMPIRICAL EVIDENCE IN VIETNAM GRADUATE THESIS MAJOR: BANKING - FINANCE CODE: 7340201 Ho Chi Minh City, November 2022 vi MINISTRY OF EDUCATION AND TRAINING THE STATE BANK OF VIETNAM BANKING UNIVERSITY OF HO CHI MINH CITY ********************** Student: DUONG MINH KHANH Code: 050606180159 Class: HQ6-GE10 BENEISH M-SCORE MODEL IN MARKET RETURNS MEASUREMENT: EMPIRICAL EVIDENCE IN VIETNAM GRADUATE THESIS MAJOR: BANKING - FINANCE CODE: 7340201 Supervisor: PhD. NGUYEN DUY LINH Ho Chi Minh City, November 2022 vii COMMENTS OF THE GRADUATE THESIS ADVISOR. Ho Chi Minh City, …………,. Nguyen Duy Linh COMMENTS OF REVIEW BOARD.

Ho Chi Minh City, …………, .…… 2022 Chairman of the Review Board i ABSTRACT The thesis aims to apply the Beneish M-score model to investigated a potential link between the probability of manipulation in financial statements of 4,336 observations corresponding from 2011-to 2021. From there, classifying potentially manipulation companies according to M-score, the study also shows a significant difference in stock returns between these two groups of companies. Companies with a high risk of manipulation (high M-score) will have low stock returns, and vice versa. At the same time, the regression model finding the relationship between the return to scale adjusted for the M-score index and other predictors also shows a negative correlation with the M-score, a positive correlation with the M-score, Accruals, Momentum, MVE and BTM.

Thereby, the M-score is proven to have a significant impact on the profitability when impacting other forecast plates. Keywords: Beneish M-score, financial statement fraud, stock return. ii DECLARATION I hereby declare that this is my research work, and the research results presented in the thesis are honest and objective. The sources of information cited in this thesis are clearly indicated.

I am responsible for my thesis. Signature Khanh Duong Minh Khanh iii ACKNOWLEDGEMENT First of all, I am grateful and would like to send my sincerest and special thanks to my supervisor, PhD. Nguyen Duy Linh for helping me to finish this challenging thesis. Despite my defects throughout the process of performing the thesis, he always showed his caring and enthusiasm to support me to overcome.

Nguyen Duy Linh con0scientious guidance and support, this thesis cannot be successfully accomplished. Next, I would like to express my deepest gratitude to the teachers who are teaching at the Banking University of Ho Chi Minh City, who have spread the fire, passion and knowledge about economics from the most basic subjects, helping me to have a background in finance - banking. Finally, I would like to thank to my family, friends, and colleagues who have always encouraged and helped me in the process of studying and researching the topic. Although I have tried a lot, the thesis is not free of shortcomings.

I hope to receive the sympathy, guidance, help, and support of my colleagues. iv TABLE OF CONTENTS ABSTRACT. iii LIST OF TABLES AND FIGURES .vi CHAPTER I: INTRODUCTION. Research objectives and research questions.

Subject and scope of the study subject. Structure of the study. 4 CHAPTER 2: THEORETICAL BASIS AND LITERATURE REVIEW. Definition of financial statement.

Definition of financial reporting fraud. Theory explaining the motives for fraudulent financial statements. Acts of performing fraudulent financial statements. Identify distortions in financial statements.

Beneish M-score model. Research on developing the Beneish M-score model. Research on the correlation between financial statement distortion and stock market profitability. 15 CHAPTER 3: DATA AND RESEARCH METHODS.

M – score and forecast future expected return. Calculate adjusted rate of return on a security (BHSAR). Comparison of BHSAR (+1) of two groups of companies classified by M-score. Consider the relationship between M – Score and profitability.

Consider the relationship between profitability and other factors. Empirical model about the relationship between M-score and return on stock market. Regression fit method – GMM. 23 CHAPTER 4: RESEARCH RESULTS AND DISCUSSION.

Financial distortion in Vietnam. Financial distortion from the perspective of the exchange .