Bối cảnh và vấn đề nghiên cứu
Trong hệ thống kinh tế thị trường, các ngân hàng thương mại (NHTM) giữ vai trò huyết mạch, là trung gian tài chính kết nối nguồn vốn nhàn rỗi trong xã hội với các chủ thể có nhu cầu vốn cho sản xuất kinh doanh, đồng thời hỗ trợ điều tiết kinh tế vĩ mô thông qua việc thực thi các chính sách tiền tệ và tín dụng. Do đó, tính minh bạch và độ tin cậy của thông tin trên báo cáo tài chính (BCTC) của các NHTM có ảnh hưởng trực tiếp đến sự ổn định của thị trường tài chính, tâm lý nhà đầu tư và an toàn hệ thống kinh tế.
Thực tiễn tại Việt Nam giai đoạn từ năm 2015 đến nay cho thấy tình trạng hoạt động kém hiệu quả đã buộc Ngân hàng Nhà nước phải thực hiện mua lại bắt buộc với giá 0 đồng đối với một số tổ chức tín dụng như DongA Bank, GPBank và OceanBank. Những bất cập trong quản trị và sức ép duy trì kết quả kinh doanh đã thúc đẩy hành vi can thiệp, thao túng số liệu kế toán. Trên bình diện quốc tế, các đại án tài chính như sự sụp đổ của Tyco International tại Mỹ (lãnh đạo can thiệp hệ thống kế toán để trốn thuế và che giấu Hội đồng quản trị), vụ phá sản của Lehman Brothers năm 2008 (khoản nợ hơn 600 tỷ USD bị che giấu bằng các thủ thuật kế toán tài sản xấu), hay sai phạm tại Ngân hàng Quốc gia Ấn Độ (PNB) năm 2019 với quy mô gian lận 38 tỷ rupee (khoảng 555 triệu USD) qua việc chiếm dụng tiền và thao túng sổ sách, đều cho thấy hậu quả nghiêm trọng của việc xuyên tạc thông tin tài chính.
Tại Việt Nam, hiện tượng chênh lệch chỉ tiêu tài chính giữa báo cáo trước và sau kiểm toán diễn ra phổ biến. Mặc dù Bộ Tài chính đã ban hành Chuẩn mực kiểm toán Việt Nam số 240 (VSA 240) quy định trách nhiệm của kiểm toán viên trong việc đánh giá rủi ro gian lận dựa trên động cơ, áp lực, cơ hội và thái độ biện minh, song việc áp dụng vào thực tiễn còn phụ thuộc lớn vào đánh giá định tính của cá nhân kiểm toán viên. Các nghiên cứu định lượng chuyên sâu nhằm nhận diện gian lận BCTC dành riêng cho ngành ngân hàng tại Việt Nam còn hạn chế.
Khóa luận tốt nghiệp của tác giả Nguyễn Thúy Hằng (Chương trình Cử nhân Chất lượng cao, Học viện Ngân hàng, dưới sự hướng dẫn của PGS.TS Mai Thanh Quế) tập trung giải quyết 3 mục tiêu nghiên cứu cụ thể:
- Mục tiêu định tính: Hệ thống hóa cơ sở lý luận về hành vi gian lận và các hình thức thao túng BCTC của các NHTM Việt Nam.
- Mục tiêu định lượng: Xây dựng mô hình hồi quy logistic tích hợp các chỉ số tài chính đặc thù để nhận diện gian lận BCTC và xác định ngưỡng giá trị phân loại sai phạm.
- Mục tiêu ứng dụng: Đề xuất các nhóm giải pháp giảm thiểu gian lận đối với hệ thống ngân hàng, cơ quan quản lý nhà nước và khuyến nghị thực tiễn cho nhà đầu tư.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Xây dựng mô hình nhận diện gian lận trên BCTC của các NHTM.
- Phạm vi không gian: 24 NHTM Việt Nam niêm yết trên 3 sàn giao dịch chứng khoán gồm HOSE, HNX và UPCOM (trong tổng số 25 ngân hàng niêm yết tại thời điểm nghiên cứu, ngân hàng VietBank - mã VBB bị loại do không đủ chuỗi số liệu 10 năm). Trong đó, có 3 ngân hàng do Nhà nước nắm giữ trên 50% vốn cổ phần (BIDV, VietinBank, Vietcombank) và 21 ngân hàng thương mại cổ phần tư nhân. Nguồn số liệu được thu thập từ BCTC trước và sau kiểm toán công bố trên website các ngân hàng, Vietstock, Ủy ban Chứng khoán Nhà nước (SSC) và hệ thống dữ liệu FiinPro của FiinGroup.
- Phạm vi thời gian: Giai đoạn nghiên cứu từ năm 2011 đến năm 2020; dữ liệu năm 2016 được sử dụng để kiểm định độ chính xác dự báo của mô hình.
Cơ sở lý thuyết và phương pháp
Khung lý thuyết và khái niệm nền tảng
Nghiên cứu vận dụng quy định pháp lý và các lý thuyết kiểm toán - tài chính để định vị hành vi sai phạm:
- Khái niệm Báo cáo tài chính: Theo Điều 29, Luật Kế toán số 88/2015/QH13, BCTC của đơn vị kế toán bao gồm: Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh, Báo cáo lưu chuyển tiền tệ, Thuyết minh báo cáo tài chính và các báo cáo khác theo luật định.
- Phân biệt gian lận và sai sót: Dựa trên Lý thuyết Kiểm toán và Chuẩn mực Kiểm toán Việt Nam số 240 (VSA 240), sự khác biệt căn bản giữa sai sót và gian lận nằm ở khía cạnh ý thức (cố ý hay vô ý) và tính trọng yếu (theo VSA 320). Gian lận được chia thành 3 nhóm: Biển thủ tài sản, Tham ô, và Gian lận trên BCTC (hành vi cố ý bóp méo thông tin nhằm lừa dối người sử dụng).
- Lý thuyết Tam giác gian lận (Donald R. Cressey): Hành vi gian lận hình thành bởi 3 yếu tố:
- Áp lực (Pressure): Gồm áp lực kinh tế, thói quen, uy tín cá nhân và đạo đức.
- Cơ hội (Opportunity): Hệ thống kiểm soát nội bộ lỏng lẻo, thiếu vắng hoặc kiểm toán độc lập bị vô hiệu hóa, cơ cấu tổ chức phức tạp.
- Thái độ/Sự hợp lý hóa (Rationalization): Nhận thức chủ quan tự biện minh cho hành vi sai trái.
- Động cơ gian lận theo VSA 240: Sự bất ổn về tài chính/khả năng sinh lời; áp lực đáp ứng kỳ vọng của bên thứ ba để huy động vốn; và lợi ích tài chính cá nhân của ban điều hành gắn liền với kết quả kinh doanh (tiền thưởng, quyền mua cổ phiếu).
Các hình thức thao túng BCTC đặc thù trong ngành ngân hàng
- Phân loại sai nhóm nợ để trích lập dự phòng không đúng thực tế: Việc giảm trích lập dự phòng rủi ro giúp làm tăng quy mô tài sản và lợi nhuận ghi nhận. Điển hình cuối năm 2014, Kiểm toán Nhà nước đã phát hiện sai lệch trong phân loại nhóm nợ tại BIDV, VietinBank và Vietcombank, buộc phải điều chỉnh giảm dư nợ nhóm đủ tiêu chuẩn và tăng dư nợ nhóm có khả năng mất vốn.
- Ghi nhận doanh thu, chi phí lãi sai kỳ kế toán: Thao túng qua hai khoản mục mang tính ước lượng cao là "Dự thu lãi" và "Dự chi trả lãi", ghi nhận trước doanh thu phát sinh của kỳ tương lai vào kỳ hiện tại.
- Gian lận liên quan đến tài sản bảo đảm: Thẩm định giá không sát thị trường (bảng giá đất Nhà nước chỉ phản ánh 30-60% giá thị trường), cán bộ tín dụng thông đồng định giá sai lệch hoặc chấp nhận tài sản thế chấp chồng chéo giữa nhiều ngân hàng.
- Cho vay đảo nợ và che giấu công nợ: Cấp khoản vay mới để trả khoản nợ cũ nhằm tránh chuyển nhóm nợ xấu, đồng thời dịch chuyển nợ xấu sang các khoản mục "Phải thu khác".
Tổng quan các mô hình nghiên cứu tiền nhiệm
- Nghiên cứu quốc tế: Mô hình Z-score của Altman (1986); mô hình biến kế toán dồn tích không thể điều chỉnh (NDA) của DeAngelo (1986); mô hình Friedlan (1994) điều chỉnh theo tốc độ tăng trưởng; mô hình biến dồn tích của Healy (1985) và Jones (1991); mô hình M-score 8 biến của Beneish (1999) với ngưỡng phân loại -1,78 và độ chính xác 76%; mô hình 10 biến của Burcu & Guray (2005) tại Thổ Nhĩ Kỳ (độ chính xác chung 67%); mô hình F-score của Dechow và cộng sự (2011) chia 3 cấp độ rủi ro; mô hình hồi quy Logistic của Rasa & Zivile (2015) đạt độ chính xác 84,8%; nghiên cứu của Tarjo & Nurul (2015) kết hợp PCA và Logit (chính xác 77,1% cho mẫu gian lận).
- Nghiên cứu trong nước: Nghiên cứu của Trần Thị Giang Tân (2014) dựa trên VSA 240 cho sàn HOSE (độ chính xác 83%); Nguyễn Công Phương & Nguyễn Trần Nguyên Trân (2014) kiểm định M-score gốc tại Việt Nam (chính xác 53%); Nguyễn Thị Uyên Phương (2014) và Phan Thị Thùy Dương (2013) sử dụng mô hình dồn tích Friedlan và Jones để phát hiện điều chỉnh lợi nhuận trước phát hành cổ phiếu; Phạm Thị Bích Vân (2013) dùng 4 thước đo dồn tích; Hoàng Khánh & Trần Thị Thu Hiền (2015) phát triển M-score 10 biến cho ngành xây dựng (chính xác 63,29%).
Phương pháp nghiên cứu định lượng của khóa luận
Tác giả thiết lập mô hình hồi quy Logistic, trong đó biến phụ thuộc nhận giá trị nhị phân ($M = 1$ nếu có gian lận, $M = 0$ nếu không có gian lận).
Xác định biến phụ thuộc: Biến phụ thuộc được đo lường dựa trên tỷ lệ chênh lệch Lợi nhuận sau thuế (LNST) của NHTM trước và sau kiểm toán:
$$\text{Chênh lệch lợi nhuận} = \frac{|\text{LNST trước kiểm toán} - \text{LNST sau kiểm toán}|}{\text{LNST sau kiểm toán}}$$
Nếu mức chênh lệch lớn hơn 5%, ngân hàng được gán giá trị $M = 1$; ngược lại gán giá trị $M = 0$.
Phương trình mô hình hồi quy dự kiến:
$$M = \beta_0 + \beta_1(DSRI) + \beta_2(NIM) + \beta_3(SGI) + \beta_4(DEPI) + \beta_5(LVGI) + \beta_6(TATA) + \beta_7(DA) + \beta_8(SIZE) + \beta_9(NPL) + \varepsilon$$
| Ký hiệu biến |
Tên chỉ số |
Nguồn gốc / Cơ sở lý thuyết |
Công thức tính toán |
Kỳ vọng dấu |
| DSRI |
Chỉ số phải thu trên doanh thu |
Beneish (1999) |
$(\text{Phải thu}t / \text{Doanh thu}t) / (\text{Phải thu}{t-1} / \text{Doanh thu}{t-1})$ |
$+$ |
| NIM |
Chỉ số biên độ lãi ròng |
Thay thế biến GMI của Beneish (1999) |
$(\text{Thu nhập lãi thuần}{t-1} / \text{Tài sản sinh lãi}{t-1}) / (\text{Thu nhập lãi thuần}_t / \text{Tài sản sinh lãi}_t)$ |
$+$ |
| SGI |
Chỉ số tăng trưởng doanh thu |
Beneish (1999) |
$\text{Doanh thu}t / \text{Doanh thu}{t-1}$ |
$+$ |
| DEPI |
Chỉ số tỷ lệ khấu hao TSCĐ |
Beneish (1999) |
$\frac{\text{Chi phí khấu hao}{t-1} / (\text{PPE}{t-1} + \text{Khấu hao}_{t-1})}{\text{Chi phí khấu hao}_t / (\text{PPE}_t + \text{Khấu hao}_t)}$ |
$+$ |
| LVGI |
Chỉ số đòn bẩy tài chính |
Beneish (1999) |
$(\text{Nợ phải trả}t / \text{Tổng tài sản}t) / (\text{Nợ phải trả}{t-1} / \text{Tổng tài sản}{t-1})$ |
$-$ |
| TATA |
Biến dồn tích trên tổng tài sản |
Beneish (1999) |
$(\text{Lợi nhuận trước thuế}_t - \text{Dòng tiền thuần HĐKD}_t) / \text{Tổng tài sản}_t$ |
$+$ |
| DA |
Biến kế toán dồn tích điều chỉnh |
Friedlan (1994) |
Đo lường mức biến động trích trước có thể điều chỉnh |
$+$ |
| SIZE |
Quy mô ngân hàng |
Rhee và cộng sự (2003) |
Logarit tự nhiên của Tổng tài sản |
$-$ |
| NPL |
Tỷ lệ nợ xấu |
Tác giả đề xuất theo đặc thù ngân hàng |
$\text{Nợ xấu (nhóm 3, 4, 5)} / \text{Tổng dư nợ cho vay}$ |
$+$ |
Phương pháp xác định ngưỡng phân loại: Sử dụng phân phối chuẩn một phía hàm Normsinv trong Excel với các mức xác suất từ 1% đến 40% (ví dụ tại xác suất 1%, giá trị phân loại M-score là -2,253347103). Đánh giá độ chính xác qua ma trận nhầm lẫn (phân loại sai lầm loại 1 và loại 2) và kiểm tra đa cộng tuyến, tự tương quan.
Nội dung chính theo từng chương
CHƯƠNG 1: CƠ SỞ LÝ LUẬN VỀ GIAN LẬN TRONG BÁO CÁO TÀI CHÍNH CỦA CÁC NGÂN HÀNG THƯƠNG MẠI
Chương 1 tập trung hệ thống hóa toàn diện các lý luận về hệ thống NHTM và bản chất của BCTC theo Luật Kế toán số 88/2015/QH13. Tác giả phân tích sự chuyển dịch từ 4 ngân hàng quốc doanh năm 1990 sang hệ thống hơn 100 ngân hàng đang hoạt động, trong đó có 25 ngân hàng niêm yết trên 3 sàn chứng khoán. Chương này mổ xẻ cấu trúc hành vi gian lận thông qua Tam giác gian lận và Chuẩn mực VSA 240, chỉ rõ 4 kỹ thuật làm đẹp báo cáo tại các NHTM Việt Nam:
- Cố ý sai lệch phân loại nợ nhằm giảm chi phí trích lập dự phòng rủi ro tín dụng.
- Lạm dụng việc ước tính trong hạch toán lãi dự thu và lãi dự chi để điều tiết doanh thu/chi phí.
- Lỏng lẻo trong định giá và kiểm soát tài sản thế chấp (khung giá đất chỉ chiếm 30-60% giá thị trường).
- Kỹ thuật cho vay đảo nợ và che giấu nợ xấu dưới hình thức các khoản mục phải thu khác.
Tác giả cũng đánh giá các hệ lụy từ việc suy giảm niềm tin của người gửi tiền, rủi ro pháp lý của ban lãnh đạo, đến việc gia tăng chi phí tuân thủ khi Luật Phá sản ngân hàng có hiệu lực từ ngày 01/01/2018. Chương khép lại bằng việc tổng thuật 18 công trình nghiên cứu trong và ngoài nước, từ đó lập bảng tổng hợp 18 nhân tố tiềm năng ảnh hưởng đến rủi ro gian lận BCTC.
CHƯƠNG 2: XÂY DỰNG PHƯƠNG PHÁP NGHIÊN CỨU VÀ ĐO LƯỜNG MÔ HÌNH NHẬN DIỆN GIAN LẬN TRONG BCTC CỦA CÁC NHTM VIỆT NAM NIÊM YẾT TRÊN SÀN CHỨNG KHOÁN
Chương 2 trình bày chi tiết quy trình xây dựng mô hình định lượng. Từ mẫu 25 NHTM niêm yết, tác giả loại ngân hàng VietBank (VBB) vì thiếu dữ liệu 10 năm liên tục, chốt mẫu nghiên cứu chính thức gồm 24 NHTM (3 NHTM có vốn Nhà nước trên 50% và 21 NHTMCP) trong giai đoạn 2011–2020. Tác giả lập luận việc thay thế chỉ số tỷ lệ lãi gộp (GMI) trong mô hình Beneish truyền thống bằng chỉ số biên độ lãi ròng (NIM index), phản ánh chính xác cấu trúc chi phí - thu nhập lãi trong kinh doanh tiền tệ.
Tác giả chuẩn hóa công thức đo lường biến phụ thuộc nhị phân dựa trên mức sai lệch LNST trước và sau kiểm toán vượt ngưỡng 5%. Tiếp theo, chương trình bày phương pháp ước lượng hồi quy logistic, quy trình kiểm tra hiện tượng đa cộng tuyến và tự tương quan, kỹ thuật xác định ngưỡng điểm cắt $M_i$ dựa trên hàm Normsinv, và phương pháp đánh giá độ chính xác tổng hợp cùng tỷ lệ sai lầm loại 1, loại 2 trên dữ liệu kiểm định năm 2016 của 24 NHTM.
CHƯƠNG 3: GIẢI PHÁP VÀ KHUYẾN NGHỊ
Chương 3 xây dựng các định hướng ứng dụng mô hình vào công tác cảnh báo sớm rủi ro gian lận BCTC, đồng thời đưa ra hệ thống khuyến nghị theo 3 nhóm đối tượng:
- Đối với nội bộ ngân hàng: Tăng cường tính độc lập của Ủy ban Kiểm toán và bộ phận Kiểm soát nội bộ; thiết lập quy trình kiểm tra chéo việc phân loại nợ và trích lập dự phòng; hoàn thiện quy chế định giá tài sản bảo đảm độc lập với bộ phận kinh doanh tín dụng.
- Đối với cơ quan quản lý nhà nước (Ngân hàng Nhà nước, Bộ Tài chính, UBCKNN, Kiểm toán Nhà nước): Tăng cường thanh tra đột xuất các khoản mục lãi dự thu và nợ tiềm ẩn; hoàn thiện khung pháp lý về chuẩn mực kiểm toán và giám sát việc công bố thông tin trước/sau kiểm toán; siết chặt chế tài xử phạt hành chính và hình sự đối với hành vi cố ý thao túng số liệu kế toán.
- Khuyến nghị cho nhà đầu tư: Thận trọng khi phân tích các chỉ tiêu lợi nhuận có tỷ trọng lãi dự thu cao; theo dõi biến động các tỷ số tài chính trọng yếu (NIM, NPL, DSRI) và sử dụng mô hình M-score điều chỉnh làm công cụ sàng lọc rủi ro trước khi ra quyết định giải ngân.
Kết quả và đóng góp
Kết quả chính
- Nghiên cứu đã chuyển hóa thành công mô hình định lượng M-score của Beneish (1999) từ khu vực doanh nghiệp phi tài chính sang khu vực ngân hàng thương mại bằng cách thay đổi biến $GMI$ thành biến $NIM$, bổ sung biến tỷ lệ nợ xấu ($NPL$), biến dồn tích điều chỉnh ($DA$) theo Friedlan (1994) và biến quy mô ngân hàng ($SIZE$) theo Rhee và cộng sự (2003).
- Thiết lập quy trình phân loại rủi ro BCTC nhị phân với ngưỡng chênh lệch LNST kiểm toán 5%, kết hợp hàm
Normsinv để xác định điểm cắt tối ưu cho 24 NHTM niêm yết tại Việt Nam.
Giải pháp và kiến nghị
- Cơ quan quản lý: Cần có cơ chế kiểm tra định kỳ tính trung thực của các khoản mục trích trước (lãi dự thu, dự chi) và siết chặt quy trình phân loại nợ giữa các tổ chức tín dụng.
- Ngân hàng thương mại: Tách biệt quyền hạn giữa phê duyệt tín dụng và định giá tài sản bảo đảm; nâng cao vai trò giám sát của kiểm toán nội bộ.
- Nhà đầu tư: Cần chủ động tính toán các chỉ số dồn tích và đòn bẩy để phát hiện các dấu hiệu bất thường trên BCTC trước kiểm toán.
Đóng góp về mặt học thuật và thực tiễn
- Về mặt học thuật: Khắc phục khoảng trống nghiên cứu tại Việt Nam khi hầu hết các đề tài trước đây (Hoàng Khánh & Trần Thị Thu Hiền, 2015; Nguyễn Trần Nguyên Trân, 2014) chỉ áp dụng M-score nguyên bản hoặc áp dụng cho doanh nghiệp sản xuất, xây dựng. Khóa luận là một trong những công trình tiên phong thiết kế bộ chỉ số đo lường gian lận tương thích với bảng cân đối tiền tệ của ngành ngân hàng.
- Về mặt thực tiễn: Cung cấp một công cụ định lượng hỗ trợ các bên liên quan (kiểm toán viên, chuyên viên phân tích tín dụng, nhà đầu tư) dự báo xác suất sai lệch trọng yếu trên BCTC ngân hàng.
Hạn chế và hướng nghiên cứu tiếp
- Về dung lượng mẫu: Do giới hạn về dữ liệu công bố công khai đủ chuỗi 10 năm liên tục (2011–2020), mẫu nghiên cứu mới chỉ dừng lại ở 24 NHTM niêm yết, chưa bao quát toàn bộ hơn 100 tổ chức tín dụng đang hoạt động tại Việt Nam.
- Về giả định biến phụ thuộc: Mô hình giả định BCTC sau kiểm toán là thước đo chuẩn xác tuyệt đối để tính toán mức chênh lệch 5%, trong khi thực tế kiểm toán độc lập vẫn có thể tồn tại những sai sót chưa được phát hiện.
- Hướng nghiên cứu tiếp: Mở rộng phạm vi khảo sát sang các ngân hàng thương mại cổ phần chưa niêm yết, cập nhật chuỗi dữ liệu sau năm 2020, và bổ sung các biến kiểm soát kinh tế vĩ mô (lạm phát, tăng trưởng tín dụng toàn ngành) vào mô hình định lượng.
Giá trị tham khảo
- Sinh viên và học viên ngành Tài chính - Ngân hàng, Kế toán, Kiểm toán: Tài liệu cung cấp cơ sở lý thuyết có hệ thống về VSA 240, Tam giác gian lận và tổng quan các mô hình dồn tích (Healy, DeAngelo, Jones, Friedlan) và mô hình xác suất (Beneish, Dechow).
- Kiểm toán viên và chuyên viên phân tích tài chính: Phương pháp điều chỉnh biến $GMI$ sang $NIM$ và việc bổ sung $NPL$, $DA$ là tài liệu tham khảo giá trị để thiết lập các mô hình cảnh báo sớm rủi ro gian lận BCTC ngân hàng tại thị trường Việt Nam.
Câu hỏi thường gặp
1. Khóa luận đã điều chỉnh chỉ số nào từ mô hình Beneish gốc để phù hợp với đặc thù kinh doanh của ngân hàng thương mại?
Tác giả đã loại bỏ 2 biến không phù hợp với đơn vị phi sản xuất là $AQI$ (Chỉ số chất lượng tài sản sản xuất) và $SGAI$ (Chỉ số chi phí bán hàng và quản lý doanh nghiệp). Đồng thời, tác giả thay thế biến $GMI$ (Chỉ số tỷ lệ lãi gộp) bằng biến $NIM$ (Biên độ lãi ròng index) nhằm phản ánh đúng bản chất thu nhập lãi thuần và tài sản sinh lãi của ngân hàng.
2. Tiêu chuẩn nào được sử dụng để xác định một ngân hàng có gian lận BCTC (biến phụ thuộc nhận giá trị 1)?
Tác giả sử dụng tiêu chuẩn chênh lệch Lợi nhuận sau thuế (LNST) giữa BCTC trước kiểm toán và BCTC sau kiểm toán. Nếu tỷ lệ tuyệt đối của mức chênh lệch chia cho LNST sau kiểm toán lớn hơn 5%, ngân hàng đó được phân loại là có sai phạm/gian lận ($M = 1$); nếu từ 5% trở xuống, nhận giá trị không gian lận ($M = 0$).
3. Tại sao mẫu nghiên cứu ban đầu gồm 25 NHTM nhưng thực tế chỉ đưa vào phân tích 24 ngân hàng?
Trong tổng số 25 NHTM niêm yết trên 3 sàn HOSE, HNX và UPCOM, Ngân hàng TMCP Việt Nam Thương Tín (VietBank - mã VBB) không có đầy đủ chuỗi số liệu tài chính liên tục trong 10 năm (giai đoạn 2011–2020), do đó bị loại khỏi mẫu nghiên cứu để đảm bảo tính nhất quán của dữ liệu.
4. Khóa luận chỉ ra những thủ thuật gian lận BCTC phổ biến nhất trong hệ thống NHTM Việt Nam là gì?
Có 4 hình thức chính được nêu rõ: (1) Phân loại sai nhóm nợ để giảm trích lập dự phòng rủi ro; (2) Ghi nhận doanh thu/chi phí lãi sai kỳ thông qua điều tiết lãi dự thu và lãi dự chi; (3) Gian lận trong thẩm định và quản lý tài sản bảo đảm; và (4) Cho vay đảo nợ để che giấu nợ xấu và hạch toán dịch chuyển nợ xấu sang các khoản phải thu khác.
5. Những nghiên cứu nào trong nước đã được tác giả tổng thuật làm tiền đề cho đề tài?
Khóa luận đã tổng thuật các công trình của Trần Thị Giang Tân (2014), Nguyễn Công Phương & Nguyễn Trần Nguyên Trân (2014), Nguyễn Thị Uyên Phương (2014), Phan Thị Thùy Dương (2013), Phạm Thị Bích Vân (2013), và Hoàng Khánh & Trần Thị Thu Hiền (2015).
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Thúy Hằng đã hệ thống hóa lý luận về gian lận BCTC và các kỹ thuật can thiệp số liệu đặc thù trong hoạt động ngân hàng thương mại tại Việt Nam. Bằng việc cải tiến mô hình M-score của Beneish kết hợp các biến số tài chính chuyên ngành ($NIM$, $NPL$, $DA$, $SIZE$), nghiên cứu xây dựng một khung phân tích định lượng dựa trên hồi quy Logistic cho 24 NHTM niêm yết giai đoạn 2011–2020. Kết quả nghiên cứu cung cấp cơ sở học thuật và công cụ thực chứng hữu ích, phục vụ công tác thanh tra giám sát của các cơ quan quản lý nhà nước cũng như hỗ trợ nhà đầu tư nhận diện rủi ro thông tin tài chính trên thị trường chứng khoán.