Bối cảnh và vấn đề nghiên cứu

Trong cấu trúc kinh tế thị trường, hệ thống ngân hàng thương mại giữ vai trò trung gian tài chính huyết mạch, điều tiết nguồn vốn và duy trì tính ổn định của toàn bộ nền kinh tế. Báo cáo tài chính của các ngân hàng thương mại là nguồn thông tin then chốt phục vụ công tác thanh tra, giám sát an toàn vĩ mô của Ngân hàng Nhà nước, đồng thời là cơ sở để các nhà đầu tư, cổ đông và khách hàng gửi tiền đưa ra quyết định kinh tế. Tuy nhiên, tính chất hoạt động đặc thù với đòn bẩy tài chính cao, danh mục tài sản phức tạp cùng áp lực liên tục về tăng trưởng tín dụng, kiểm soát nợ xấu và chỉ tiêu lợi nhuận đã tạo ra động cơ dẫn đến các hành vi thao túng, bóp méo hoặc gian lận số liệu trên báo cáo tài chính.

Tại Việt Nam, các hình thức sai lệch báo cáo tài chính ngân hàng thường biểu hiện qua việc phân loại sai nhóm nợ, trì hoãn trích lập dự phòng rủi ro tín dụng, ghi nhận doanh thu lãi dự thu không có khả năng thu hồi, hoặc cơ cấu lại thời hạn trả nợ nhằm che giấu rủi ro thực tế. Các phương pháp phát hiện gian lận truyền thống (như phân tích tỷ số tài chính đơn lẻ, quy trình kiểm toán thủ công, hay các mô hình định lượng tuyến tính cổ điển) thường bộc lộ hạn chế khi xử lý cấu trúc dữ liệu đa chiều, mối quan hệ phi tuyến và hiện tượng mất cân bằng mẫu dữ liệu nghiêm trọng giữa số lượng ngân hàng có sai phạm và không có sai phạm.

Đứng trước yêu cầu đó, khóa luận tốt nghiệp "Nghiên cứu gian lận báo cáo tài chính của ngân hàng thương mại tại Việt Nam - Tiếp cận thuật toán rừng ngẫu nhiên" do sinh viên Nguyễn Thị Thu Phương thực hiện dưới sự hướng dẫn của TS. Hoàng Đức Mạnh (chuyên ngành Toán Kinh tế, tháng 11/2022) được triển khai nhằm giải quyết các nhiệm vụ khoa học sau:

  1. Hệ thống hóa cơ sở lý thuyết về gian lận báo cáo tài chính trong lĩnh vực ngân hàng và cơ sở toán học của thuật toán Rừng ngẫu nhiên (Random Forest).
  2. Xác định và xây dựng bộ chỉ báo tài chính - phi tài chính đặc thù của các ngân hàng thương mại Việt Nam có khả năng phản ánh dấu hiệu sai lệch trọng yếu hoặc gian lận báo cáo tài chính.
  3. Ứng dụng thuật toán Rừng ngẫu nhiên để huấn luyện, kiểm thử và tối ưu hóa mô hình phân loại phát hiện gian lận trên tập dữ liệu thực nghiệm các ngân hàng thương mại tại Việt Nam.
  4. Đánh giá mức độ quan trọng của từng biến số tài chính trong mô hình, từ đó đề xuất các hàm ý quản trị và giải pháp chính sách cho các cơ quan giám sát, tổ chức tín dụng và kiểm toán viên.
  • Đối tượng nghiên cứu: Hành vi gian lận/sai lệch trọng yếu trên báo cáo tài chính của các ngân hàng thương mại và thuật toán học máy Rừng ngẫu nhiên (Random Forest).
  • Phạm vi không gian: Hệ thống các ngân hàng thương mại cổ phần (bao gồm ngân hàng thương mại cổ phần có vốn nhà nước và ngân hàng thương mại cổ phần tư nhân) hoạt động hợp pháp tại Việt Nam.
  • Phạm vi thời gian: Chuỗi dữ liệu tài chính hàng năm của các ngân hàng thương mại trong giai đoạn từ trước và trong quá trình tái cơ cấu hệ thống tổ chức tín dụng, hoàn thiện tại thời điểm tháng 11/2022.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng nghiên cứu dựa trên sự kết hợp giữa lý thuyết kinh tế học về gian lận tài chính, khung phân tích an toàn ngân hàng và các thuật toán học máy thống kê.

1. Khung lý thuyết và mô hình kế toán

  • Lý thuyết Tam giác gian lận (Fraud Triangle Theory): Khung phân tích kinh điển của Donald Cressey giải thích hành vi gian lận thông qua ba nhân tố: Áp lực (áp lực duy trì tỷ lệ an toàn vốn CAR, áp lực lợi nhuận), Cơ hội (sự thiếu sót trong kiểm soát nội bộ, chuẩn mực kế toán linh hoạt) và Thái độ/Hợp lý hóa hành vi.
  • Lý thuyết Kim cương gian lận (Fraud Diamond Theory): Bổ sung yếu tố "Khả năng thực hiện" (năng lực, quyền hạn của ban điều hành) vào ba yếu tố của Tam giác gian lận.
  • Khung phân tích CAMELS: Hệ thống chỉ tiêu đánh giá an toàn hoạt động của ngân hàng gồm 6 trụ cột: Mức độ an toàn vốn (C - Capital Adequacy), Chất lượng tài sản (A - Asset Quality), Năng lực quản trị (M - Management), Hiệu quả hoạt động/Lợi nhuận (E - Earnings), Thanh khoản (L - Liquidity) và Độ nhạy cảm thị trường (S - Sensitivity to Market Risk). Bộ chỉ số này được chuyển hóa thành các biến độc lập phục vụ mô hình hóa.

2. Phương pháp toán học và thuật toán Rừng ngẫu nhiên (Random Forest)

  • Thuật toán Rừng ngẫu nhiên: Là phương pháp học máy có giám sát dạng kết hợp (Ensemble Learning) phát triển bởi Leo Breiman (2001). Thuật toán hoạt động bằng cách xây dựng một tập hợp gồm nhiều cây quyết định (Decision Trees) độc lập trong quá trình huấn luyện.
  • Cơ chế hoạt động chính:
    • Lấy mẫu ngẫu nhiên có lặp lại (Bootstrap Aggregating - Bagging): Mỗi cây được huấn luyện trên một tập dữ liệu con được rút ngẫu nhiên từ tập dữ liệu gốc.
    • Lựa chọn ngẫu nhiên tập thuộc tính (Feature Bagging): Tại mỗi nút phân nhánh của cây, thuật toán chọn ngẫu nhiên một tập hợp con gồm $m$ biến (trong tổng số $M$ biến) để tìm điểm cắt tối ưu theo chỉ số Gini (Gini Impurity) hoặc Entropy.
    • Tổng hợp kết quả (Majority Voting): Phán đoán cuối cùng của mô hình cho một quan sát được xác định bằng biểu quyết đa số từ tất cả các cây con trong rừng.
  • Đánh giá mức độ quan trọng của biến (Feature Importance): Sử dụng chỉ số giảm độ mờ đục bình quân (Mean Decrease Impurity - MDI) dựa trên độ giảm Gini, giúp xếp hạng mức độ ảnh hưởng của từng chỉ số tài chính đến khả năng nhận diện gian lận.
  • Đánh giá hiệu năng mô hình: Do tính chất mất cân bằng mẫu, mô hình sử dụng kết hợp các độ đo: Độ chính xác tổng thể (Accuracy), Độ nhạy (Recall/Sensitivity), Độ chuẩn xác (Precision), Chỉ số F1-Score và Diện tích dưới đường cong ROC (AUC-ROC).

3. Nguồn dữ liệu

Dữ liệu nghiên cứu được thu thập từ báo cáo tài chính hợp nhất đã được kiểm toán, thuyết minh báo cáo tài chính, báo cáo thường niên công bố định kỳ của các ngân hàng thương mại Việt Nam. Nhãn gian lận/sai lệch được xác định căn cứ vào các sự kiện điều chỉnh hồi tố trọng yếu, kết luận thanh tra giám sát của Ngân hàng Nhà nước, hoặc các xử phạt hành chính về công bố thông tin và vi phạm quản trị rủi ro được công khai chính thức.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận về gian lận báo cáo tài chính và thuật toán Rừng ngẫu nhiên trong lĩnh vực ngân hàng

Chương 1 hệ thống hóa khái niệm về gian lận báo cáo tài chính theo các Chuẩn mực Kiểm toán Quốc tế (ISA) và Chuẩn mực Kiểm toán Việt Nam (VSA 240), phân biệt rõ giữa sai sót vô ý và hành vi gian lận cố ý. Tác giả phân tích các phương thức gian lận đặc thù trong hoạt động ngân hàng: bóp méo dự phòng tổn thất cho vay (Loan Loss Provisions - LLP), phân loại nợ không đúng thực chất, che giấu các khoản nợ xấu tiềm ẩn qua ủy thác đầu tư hoặc các công cụ ngoài bảng cân đối kế toán.

Phần thứ hai của chương trình bày cơ sở giải thuật học máy, so sánh đặc tính kỹ thuật giữa các mô hình phân loại truyền thống và mô hình Rừng ngẫu nhiên:

Tiêu chí Hồi quy Logistic / Mô hình chấm điểm cổ điển Thuật toán Rừng ngẫu nhiên (Random Forest)
Giả định phân phối dữ liệu Đòi hỏi tính tuyến tính, biến độc lập không đa cộng tuyến Phi tham số, không phụ thuộc giả định phân phối
Xử lý quan hệ phi tuyến Hạn chế, cần tạo các biến tương tác thủ công Tự động nắm bắt các tương tác phi tuyến phức tạp
Khả năng kiểm soát Overfitting Phụ thuộc vào phương pháp chọn biến (Stepwise, Lasso) Giảm phương sai thông qua kỹ thuật Bagging và ngẫu nhiên hóa thuộc tính
Khả năng chịu nhiễu và ngoại lai Dễ bị ảnh hưởng bởi giá trị ngoại lai (outliers) Có độ bền vững cao đối với dữ liệu nhiễu
Đánh giá mức độ đóng góp biến Dựa trên hệ số hồi quy (p-value, Odds Ratio) Đo lường trực tiếp qua MDI (Mean Decrease Gini) hoặc Permutation

Chương 2: Thực trạng báo cáo tài chính và công tác phát hiện gian lận tại các ngân hàng thương mại Việt Nam

Chương 2 mô tả bức tranh thực tiễn về môi trường pháp lý, chuẩn mực kế toán ngân hàng Việt Nam (VAS) so với Chuẩn mực Báo cáo Tài chính Quốc tế (IFRS 9 về trích lập dự phòng tổn thất tín dụng dự kiến - ECL). Tác giả chỉ ra các khoảng trống thông tin và những điểm uốn rủi ro điển hình trong hệ thống ngân hàng giai đoạn nghiên cứu:

  • Tốc độ tăng trưởng tài sản và tín dụng nóng đi kèm với tỷ lệ nợ nhóm 2 (nợ cần chú ý) biến động bất thường.
  • Sự phụ thuộc vào thu nhập lãi thuần và áp lực che giấu nợ xấu nhằm tránh xói mòn lợi nhuận mục tiêu.
  • Các hạn chế trong hệ thống giám sát cảnh báo sớm truyền thống tại các tổ chức tín dụng.

Chương 3: Phương pháp nghiên cứu và xây dựng mô hình Rừng ngẫu nhiên

Chương 3 trình bày chi tiết quy trình thực nghiệm định lượng qua các bước:

  1. Lựa chọn và mã hóa biến số: Xây dựng danh mục các chỉ số tài chính đại diện cho các nhóm:
    • Nhóm chất lượng tài sản & Dự phòng: Tỷ lệ nợ xấu (NPL), Tỷ lệ bao phủ nợ xấu (LLR), Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ cho vay (LLP/TL).
    • Nhóm khả năng sinh lời: Tỷ suất sinh lời trên tài sản (ROA), Tỷ suất sinh lời trên vốn chủ sở hữu (ROE), Biên lãi thuần (NIM), Tỷ lệ thu nhập ngoài lãi trên tổng thu nhập (Non-Interest Income Ratio).
    • Nhóm đòn bẩy & Vốn: Tỷ lệ vốn tự có / an toàn vốn (CAR), Tỷ lệ vốn chủ sở hữu trên tổng tài sản (Equity/Total Assets).
    • Nhóm thanh khoản & Hiệu quả hoạt động: Tỷ lệ cho vay trên huy động (LDR), Tỷ lệ chi phí hoạt động trên tổng thu nhập (CIR).
  2. Tiền xử lý dữ liệu và cân bằng mẫu: Làm sạch dữ liệu, xử lý giá trị khuyết thiếu và áp dụng kỹ thuật tinh chỉnh nhằm giải quyết tình trạng chênh lệch số lượng mẫu giữa hai nhóm.
  3. Phân chia dữ liệu và tinh chỉnh siêu tham số: Tập dữ liệu được phân chia thành tập huấn luyện (Training Set) và tập kiểm định (Testing Set). Thực hiện kỹ thuật kiểm định chéo K-lần (K-Fold Cross Validation) và dò tìm lưới (Grid Search) để tìm ra bộ siêu tham số tối ưu: số lượng cây trong rừng (n_estimators), độ sâu tối đa của cây (max_depth), và số lượng biến ngẫu nhiên tại mỗi điểm rẽ nhánh (max_features).

Chương 4: Kết quả thực nghiệm và các khuyến nghị nâng cao tính minh bạch báo cáo tài chính

Chương 4 công bố kết quả chạy mô hình, phân tích ma trận nhầm lẫn, biểu đồ đường cong ROC, và xếp hạng tầm quan trọng của các thuộc tính. Từ các phát hiện định lượng, chương này đưa ra các đề xuất cụ thể nhằm hoàn thiện công tác giám sát, nâng cao năng lực kiểm toán nội bộ và kiểm toán độc lập đối với các ngân hàng thương mại Việt Nam.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

  • Hiệu năng nhận diện: Mô hình Rừng ngẫu nhiên cho kết quả phân loại vượt trội so với các mô hình hồi quy truyền thống, đạt độ nhạy (Recall) cao trong việc phát hiện đúng các trường hợp có dấu hiệu sai phạm báo cáo tài chính, đồng thời duy trì diện tích dưới đường cong AUC-ROC ở mức tin cậy cao.
  • Tầm quan trọng của các biến số (Feature Importance Ranking): Kết quả từ chỉ số Mean Decrease Gini chỉ ra các biến số có tính chỉ báo cao nhất đối với rủi ro gian lận BCTC ngân hàng gồm:
    1. Tỷ lệ dự phòng rủi ro tín dụng trên nợ xấu (LLR) và Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ (LLP/TL): Là công cụ chủ đạo thường bị can thiệp để điều tiết lợi nhuận.
    2. Biến động tỷ lệ nợ nhóm 2 và nợ xấu (NPL Ratio): Cho thấy dấu hiệu phân loại sai bản chất rủi ro danh mục tín dụng.
    3. Tỷ lệ chi phí hoạt động trên thu nhập (CIR) và Biên lãi thuần (NIM): Phản ánh áp lực tài chính và sự suy giảm hiệu quả thực chất của tổ chức tín dụng.
    4. Tỷ lệ cho vay trên tiền gửi (LDR) và Tỷ lệ vốn tự có (CAR): Thể hiện mức độ chịu rủi ro thanh khoản và áp lực an toàn vốn.

2. Giải pháp và khuyến nghị của tác giả

  • Đối với Cơ quan quản lý (Ngân hàng Nhà nước): Xây dựng hệ thống giám sát cảnh báo sớm dựa trên thuật toán học máy, tích hợp dữ liệu báo cáo giám sát định kỳ để tự động phát hiện các biến động bất thường tại các chỉ số trọng yếu (LLR, NPL, NIM). Đẩy nhanh lộ trình áp dụng chuẩn mực kế toán IFRS 9 để hạn chế việc trích lập dự phòng theo ý muốn chủ quan.
  • Đối với Ngân hàng thương mại: Tăng cường tính độc lập của bộ phận Kiểm toán nội bộ và Ủy ban Quản lý rủi ro; xây dựng cơ chế kiểm soát chéo việc phân loại nợ và trích lập dự phòng; hoàn thiện hệ thống cơ sở dữ liệu nội bộ phục vụ quản trị rủi ro tự động.
  • Đối với Kiểm toán viên độc lập: Chú trọng kiểm tra sâu các ước tính kế toán phức tạp, đặc biệt là các giả định trong trích lập dự phòng rủi ro cho vay và các khoản lãi dự thu lớn lũy kế qua nhiều kỳ.

3. Đóng góp của nghiên cứu

  • Về mặt học thuật: Khóa luận là một trong những nghiên cứu định lượng thực nghiệm tiên phong áp dụng kỹ thuật Rừng ngẫu nhiên (Random Forest) vào bài toán phát hiện sai lệch báo cáo tài chính trong phân khúc ngân hàng thương mại tại Việt Nam – lĩnh vực có đặc thù dữ liệu tài chính hoàn toàn khác biệt với các doanh nghiệp phi tài chính.
  • Về mặt thực tiễn: Cung cấp danh mục các biến số tài chính có giá trị chỉ báo cao, hỗ trợ thiết thực cho quy trình kiểm toán và thanh tra ngân hàng.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế về quy mô mẫu: Số lượng ngân hàng thương mại hoạt động tại Việt Nam có giới hạn, cùng với việc các vụ việc gian lận/sai lệch BCTC được công bố chính thức còn ít, dẫn đến kích thước mẫu nghiên cứu không quá lớn.
  • Hạn chế về loại hình biến số: Nghiên cứu chủ yếu tập trung vào các chỉ số tài chính định lượng được trích xuất từ báo cáo tài chính, chưa tích hợp sâu các biến định tính phi tài chính (như cơ cấu hội đồng quản trị, trình độ chuyên môn của ban kiểm soát, thời gian đương nhiệm của kiểm toán viên độc lập, hoặc các chỉ số kinh tế vĩ mô).
  • Hướng nghiên cứu tiếp theo:
    • Kết hợp và so sánh mô hình Rừng ngẫu nhiên với các thuật toán tăng cường độ dốc (Gradient Boosting) tiên tiến như XGBoost, LightGBM hoặc CatBoost.
    • Ứng dụng kỹ thuật Xử lý ngôn ngữ tự nhiên (NLP) để phân tích các đoạn văn bản trong Thuyết minh báo cáo tài chính và Báo cáo thường niên nhằm phát hiện các dấu hiệu ngôn ngữ bất thường (sentiment analysis, text readability).

Giá trị tham khảo

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Thu Phương là tài liệu tham khảo có giá trị học thuật và ứng dụng rõ ràng:

  • Đối với sinh viên và học viên chuyên ngành: Sinh viên ngành Toán Kinh tế, Phân tích dữ liệu kinh doanh, Tài chính - Ngân hàng, Kiểm toán có thể tham khảo phương pháp luận kết hợp giữa lý thuyết tài chính ngân hàng và kỹ thuật học máy, cũng như quy trình làm sạch, tiền xử lý và mô hình hóa dữ liệu dạng bảng (tabular data).
  • Đối với các nhà nghiên cứu: Cung cấp khung biến số chỉ báo đặc thù cho các nghiên cứu tiếp theo về rủi ro ngân hàng tại các thị trường mới nổi.
  • Đối với cán bộ phân tích và kiểm toán viên: Phần phân tích tầm quan trọng của các biến số (Feature Importance) trong Chương 4 là nguồn tham chiếu hữu ích để xây dựng các thủ tục kiểm toán trọng tâm và mô hình cảnh báo rủi ro tín dụng định kỳ.

Câu hỏi thường gặp

1. Vì sao khóa luận lựa chọn thuật toán Rừng ngẫu nhiên thay vì các mô hình hồi quy tuyến tính cổ điển?
Thuật toán Rừng ngẫu nhiên không đòi hỏi các giả định ngặt nghèo về phân phối chuẩn của dữ liệu, không bị ảnh hưởng nghiêm trọng bởi hiện tượng đa cộng tuyến giữa các chỉ số tài chính, đồng thời có khả năng tự động học các tương tác phi tuyến phức tạp giữa các khoản mục trên bảng cân đối kế toán và báo cáo kết quả kinh doanh của ngân hàng.

2. Các chỉ số tài chính nào đóng vai trò quan trọng nhất trong việc cảnh báo sai lệch báo cáo tài chính ngân hàng?
Theo kết quả mô hình hóa, các chỉ số liên quan đến dự phòng và chất lượng nợ gồm: Tỷ lệ dự phòng rủi ro tín dụng trên tổng dư nợ (LLP/TL), Tỷ lệ bao phủ nợ xấu (LLR), Tỷ lệ nợ nhóm 2 và Tỷ lệ nợ xấu (NPL) là những biến số có mức độ đóng góp cao nhất trong việc phân loại và phát hiện sai lệch.

3. Nghiên cứu xử lý vấn đề mất cân bằng dữ liệu (Imbalanced Data) như thế nào?
Do số lượng kỳ báo cáo có sai phạm ít hơn rất nhiều so với các kỳ báo cáo bình thường, nghiên cứu áp dụng các phương pháp tiền xử lý cân bằng mẫu, kết hợp kiểm định chéo K-lần (K-Fold Cross Validation) và sử dụng các độ đo đánh giá đa chiều như Recall, Precision, F1-Score và AUC-ROC thay vì chỉ dựa vào độ chính xác tổng thể (Accuracy).

4. Điểm khác biệt cơ bản giữa phân tích gian lận BCTC ngân hàng và doanh nghiệp phi tài chính là gì?
Doanh nghiệp phi tài chính thường gian lận qua hàng tồn kho, doanh thu ảo và các khoản phải thu thương mại. Ngược lại, ngân hàng thương mại gian lận chủ yếu thông qua các ước tính kế toán phức tạp: phân loại nhóm nợ, trích lập dự phòng tổn thất tín dụng, xử lý các khoản đầu tư tài chính và hạch toán thu nhập lãi dự thu.

Kết luận

Khóa luận tốt nghiệp "Nghiên cứu gian lận báo cáo tài chính của ngân hàng thương mại tại Việt Nam - Tiếp cận thuật toán rừng ngẫu nhiên" của tác giả Nguyễn Thị Thu Phương là một công trình nghiên cứu định lượng hoàn chỉnh, kết hợp nhuần nhuyễn giữa kiến thức toán kinh tế và quản trị rủi ro ngân hàng. Bằng việc xây dựng thành công mô hình học máy Rừng ngẫu nhiên trên dữ liệu thực tế tại Việt Nam, đề tài đã chứng minh tính ưu việt của các thuật toán hiện đại trong việc nhận diện các sai lệch tài chính phức tạp. Kết quả nghiên cứu cung cấp cơ sở khoa học tin cậy và các hàm ý thực tiễn quan trọng, đóng góp tích cực vào nỗ lực nâng cao tính minh bạch và an toàn của hệ thống ngân hàng thương mại Việt Nam.