Tổng quan nghiên cứu

Trong bối cảnh thị trường chứng khoán Việt Nam (TTCK VN) đã phát triển gần 20 năm, vai trò của nó ngày càng quan trọng đối với nền kinh tế quốc gia. Tuy nhiên, trong những năm gần đây, nhiều vụ bê bối liên quan đến gian lận báo cáo tài chính (BCTC) của các công ty niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) đã làm giảm sút niềm tin của nhà đầu tư. Ví dụ điển hình như vụ Công ty CP Dược Viễn Đông (DVD) với các hành vi thao túng giá cổ phiếu và lập BCTC gian dối, hay Công ty CP Tập đoàn Kỹ nghệ Gỗ Trường Thành (TTF) với khoản hàng tồn kho bị thiếu hụt gần 1.000 tỷ đồng. Những vụ việc này không chỉ gây thiệt hại tài chính mà còn ảnh hưởng nghiêm trọng đến uy tín doanh nghiệp và làm tăng chi phí vốn.

Mục tiêu nghiên cứu của luận văn là (1) nhận diện các biến độc lập có khả năng phát hiện gian lận trên BCTC của các công ty niêm yết trên HOSE, và (2) dự đoán khả năng phát hiện gian lận của mô hình kết hợp M-Score Beneish và chỉ số Z-Score. Phạm vi nghiên cứu tập trung vào 450 BCTC của 150 công ty niêm yết trên HOSE trong giai đoạn 2015-2017. Ý nghĩa nghiên cứu được thể hiện qua việc cung cấp một phương pháp phát hiện gian lận đơn giản, dễ áp dụng nhưng có độ tin cậy cao, hỗ trợ kiểm toán viên, nhà đầu tư và các bên liên quan đưa ra quyết định chính xác, kịp thời. Kết quả nghiên cứu góp phần nâng cao chất lượng thông tin tài chính, giảm thiểu rủi ro thông tin bất cân xứng trên thị trường chứng khoán Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên bốn lý thuyết nền tảng chính để giải thích hiện tượng gian lận BCTC:

  • Lý thuyết thông tin bất cân xứng: Mô tả tình trạng các bên tham gia giao dịch có mức độ thông tin khác nhau, dẫn đến rủi ro lựa chọn đối nghịch và gian lận thông tin. Doanh nghiệp có thể cố tình cung cấp thông tin sai lệch để tạo lợi thế.

  • Lý thuyết tam giác gian lận: Đề xuất ba yếu tố cần thiết để xảy ra gian lận là áp lực/động cơ, cơ hội và thái độ/cá tính của người thực hiện. Áp lực tài chính, cơ chế kiểm soát yếu kém và thái độ biện minh cho hành vi gian lận là nguyên nhân chính.

  • Lý thuyết các bên liên quan: Nhấn mạnh doanh nghiệp phải cân bằng lợi ích của các nhóm bên liên quan như cổ đông, nhà đầu tư, khách hàng. Việc điều chỉnh thông tin tài chính có thể nhằm đáp ứng kỳ vọng của các nhóm này.

  • Lý thuyết ủy nhiệm: Mô tả mối quan hệ giữa cổ đông (bên ủy nhiệm) và nhà quản lý (bên được ủy nhiệm). Nhà quản lý có thể bóp méo BCTC để chứng minh hiệu quả quản lý, làm hài lòng cổ đông, dẫn đến gian lận thông tin.

Về mô hình nhận diện gian lận, luận văn kết hợp:

  • Mô hình M-Score của Beneish (1999): Sử dụng tám biến độc lập tài chính và dồn tích để ước lượng khả năng gian lận trên BCTC. Mô hình có độ tin cậy cao (khoảng 76%) và đã được ứng dụng rộng rãi.

  • Chỉ số Z-Score của Altman (1968): Dự đoán nguy cơ phá sản doanh nghiệp dựa trên năm chỉ số tài chính quan trọng. Z-Score cũng được sử dụng để phát hiện gian lận do mối liên hệ giữa khó khăn tài chính và hành vi gian lận.

Phương pháp nghiên cứu

Luận văn sử dụng phương pháp nghiên cứu định lượng kết hợp định tính:

  • Nguồn dữ liệu: Thu thập 450 BCTC của 150 công ty niêm yết trên HOSE trong giai đoạn 2015-2017. Dữ liệu được làm sạch và phân loại thành hai nhóm: nhóm có khả năng gian lận và nhóm không gian lận.

  • Phương pháp chọn mẫu: Mẫu được chọn ngẫu nhiên từ các công ty thuộc nhiều ngành nghề khác nhau nhằm đảm bảo tính đại diện.

  • Phương pháp phân tích: Sử dụng phần mềm SPSS 22 để thực hiện thống kê mô tả, kiểm định ý nghĩa hệ số hồi quy Logistic, đánh giá mức độ giải thích của mô hình (Nagelkerke = 30,8%) và kiểm định Omnibus để xác nhận tính phù hợp của mô hình.

  • Timeline nghiên cứu: Quá trình nghiên cứu gồm các bước tổng hợp lý thuyết, xây dựng mô hình, thu thập và xử lý dữ liệu, phân tích kết quả và đề xuất kiến nghị, thực hiện trong khoảng thời gian từ năm 2018 đến đầu năm 2019.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Sáu biến độc lập có ý nghĩa thống kê với khả năng gian lận BCTC: Chỉ số phải thu khách hàng trên doanh thu thuần (DSRI), chỉ số lợi nhuận gộp biên (GMI), chỉ số chất lượng tài sản (AQI), chỉ số đòn bẩy tài chính (LVGI), hệ số nguy cơ phá sản (Z-Score) và biến phát hành cổ phiếu trong năm (ISSUE). Trong đó, Z-Score có tác động ngược chiều với gian lận, năm biến còn lại tác động cùng chiều.

  2. Bốn biến không có ý nghĩa thống kê: Chỉ số khấu hao tài sản cố định (DEPI), chỉ số biến dồn tích kế toán so với tổng tài sản (TATA), chỉ số tăng trưởng doanh thu (SGI) và chỉ số chi phí bán hàng, quản lý doanh nghiệp (SGAI).

  3. Mức độ giải thích mô hình: Chỉ số Nagelkerke đạt 30,8%, nghĩa là mô hình giải thích được khoảng 30,8% sự biến thiên của khả năng gian lận trên BCTC.

  4. Khả năng dự báo của mô hình: Mô hình hồi quy Logistic có tỷ lệ dự báo đúng là 77,1%, cho thấy độ tin cậy cao trong việc phân loại các BCTC có và không có gian lận.

Thảo luận kết quả

Kết quả cho thấy sự kết hợp giữa mô hình M-Score và chỉ số Z-Score tạo ra một công cụ hiệu quả trong việc nhận diện gian lận BCTC tại thị trường Việt Nam. Các biến DSRI, GMI, AQI, LVGI và ISSUE đều phản ánh các khía cạnh tài chính và hoạt động doanh nghiệp có liên quan mật thiết đến hành vi gian lận, phù hợp với các nghiên cứu quốc tế và trong nước. Đặc biệt, tác động ngược chiều của Z-Score cho thấy các công ty có nguy cơ phá sản cao thường có xu hướng gian lận để che giấu tình trạng tài chính yếu kém.

So sánh với các nghiên cứu trước, tỷ lệ dự báo 77,1% của mô hình này cao hơn so với một số nghiên cứu trong nước (khoảng 63-68%) và tương đương với các nghiên cứu quốc tế. Việc loại trừ bốn biến không có ý nghĩa thống kê cũng phù hợp với thực tiễn tại Việt Nam, cho thấy sự khác biệt về đặc điểm thị trường và doanh nghiệp.

Dữ liệu có thể được trình bày qua biểu đồ cột thể hiện mức độ ảnh hưởng của từng biến độc lập đến khả năng gian lận, hoặc bảng hệ số hồi quy Logistic chi tiết để minh họa ý nghĩa thống kê và chiều tác động của các biến.

Đề xuất và khuyến nghị

  1. Áp dụng mô hình kết hợp M-Score và Z-Score trong kiểm toán nội bộ và kiểm toán độc lập: Kiểm toán viên nên sử dụng mô hình này làm công cụ hỗ trợ đánh giá rủi ro gian lận trên BCTC, giúp tăng hiệu quả kiểm toán và giảm thiểu sai sót. Thời gian áp dụng: ngay trong các kỳ kiểm toán tiếp theo.

  2. Nâng cao năng lực phân tích tài chính cho nhà đầu tư và các bên liên quan: Tổ chức các khóa đào tạo, hội thảo về nhận diện gian lận tài chính dựa trên các chỉ số tài chính quan trọng như DSRI, GMI, AQI, LVGI, Z-Score và ISSUE. Chủ thể thực hiện: Sở Giao dịch Chứng khoán TP. Hồ Chí Minh và các tổ chức đào tạo tài chính.

  3. Tăng cường công tác giám sát và kiểm soát nội bộ tại các công ty niêm yết: Doanh nghiệp cần xây dựng hệ thống kiểm soát nội bộ chặt chẽ, đặc biệt chú trọng vào các khoản phải thu, chi phí quản lý và phát hành cổ phiếu để hạn chế cơ hội gian lận. Thời gian thực hiện: trong vòng 1 năm tới.

  4. Cơ quan quản lý thị trường chứng khoán cần hoàn thiện quy định và chế tài xử lý gian lận: Đề xuất bổ sung các quy định bắt buộc công bố các chỉ số tài chính quan trọng và áp dụng mô hình phát hiện gian lận trong giám sát doanh nghiệp niêm yết. Chủ thể thực hiện: Ủy ban Chứng khoán Nhà nước và Sở Giao dịch Chứng khoán.

Đối tượng nên tham khảo luận văn

  1. Kiểm toán viên và công ty kiểm toán: Sử dụng kết quả nghiên cứu để nâng cao hiệu quả kiểm toán, phát hiện sớm các dấu hiệu gian lận trên BCTC, từ đó giảm thiểu rủi ro pháp lý và tài chính.

  2. Nhà đầu tư cá nhân và tổ chức: Áp dụng mô hình để đánh giá rủi ro đầu tư, lựa chọn các công ty niêm yết minh bạch, giảm thiểu thiệt hại do thông tin sai lệch.

  3. Ban lãnh đạo và bộ phận tài chính doanh nghiệp: Hiểu rõ các yếu tố có thể dẫn đến gian lận, từ đó xây dựng chính sách quản trị rủi ro và kiểm soát nội bộ hiệu quả hơn.

  4. Cơ quan quản lý và giám sát thị trường chứng khoán: Tham khảo để hoàn thiện các quy định, chính sách giám sát và xử lý gian lận tài chính, nâng cao tính minh bạch và công bằng trên thị trường.

Câu hỏi thường gặp

  1. Mô hình M-Score là gì và tại sao được sử dụng để phát hiện gian lận?
    M-Score là mô hình thống kê kết hợp các chỉ số tài chính và biến dồn tích để ước lượng khả năng gian lận trên BCTC. Mô hình có độ tin cậy cao (khoảng 76%) và đã được ứng dụng rộng rãi trong nghiên cứu và thực tiễn kiểm toán.

  2. Chỉ số Z-Score có vai trò gì trong việc nhận diện gian lận?
    Z-Score dự đoán nguy cơ phá sản doanh nghiệp, từ đó gián tiếp phản ánh khả năng gian lận tài chính nhằm che giấu khó khăn tài chính. Nghiên cứu cho thấy Z-Score có tác động ngược chiều với gian lận, tức doanh nghiệp có Z-Score thấp có nguy cơ gian lận cao hơn.

  3. Tại sao một số biến trong mô hình không có ý nghĩa thống kê?
    Do đặc điểm thị trường và doanh nghiệp Việt Nam khác biệt, một số biến như DEPI, TATA, SGI, SGAI không phản ánh rõ ràng hành vi gian lận trong mẫu nghiên cứu, nên không có ý nghĩa thống kê trong mô hình.

  4. Mô hình có thể áp dụng cho các công ty ngoài HOSE không?
    Mô hình được xây dựng và kiểm định trên dữ liệu các công ty niêm yết trên HOSE, tuy nhiên có thể điều chỉnh và kiểm định lại để áp dụng cho các sàn khác hoặc doanh nghiệp phi niêm yết.

  5. Làm thế nào để nhà đầu tư sử dụng mô hình này trong thực tế?
    Nhà đầu tư có thể tính toán các chỉ số tài chính quan trọng từ BCTC công bố và sử dụng mô hình Logistic để đánh giá rủi ro gian lận, từ đó đưa ra quyết định đầu tư hợp lý, giảm thiểu rủi ro mất vốn.

Kết luận

  • Luận văn đã xây dựng thành công mô hình kết hợp M-Score Beneish và chỉ số Z-Score để nhận diện khả năng gian lận trên BCTC của các công ty niêm yết trên HOSE với tỷ lệ dự báo đúng đạt 77,1%.
  • Sáu biến độc lập gồm DSRI, GMI, AQI, LVGI, Z-Score và ISSUE được xác định có ý nghĩa thống kê trong việc phát hiện gian lận.
  • Mô hình giải thích được 30,8% sự biến thiên của khả năng gian lận, cho thấy tính khả thi và ứng dụng thực tiễn cao.
  • Kết quả nghiên cứu góp phần nâng cao hiệu quả kiểm toán, hỗ trợ nhà đầu tư và cơ quan quản lý trong việc phát hiện và ngăn chặn gian lận tài chính.
  • Các bước tiếp theo bao gồm áp dụng mô hình trong kiểm toán thực tế, mở rộng nghiên cứu với các mẫu lớn hơn và đa dạng hơn, đồng thời đề xuất chính sách hoàn thiện khung pháp lý liên quan.

Hành động ngay hôm nay: Kiểm toán viên, nhà đầu tư và các bên liên quan nên áp dụng mô hình này để nâng cao hiệu quả giám sát và ra quyết định, góp phần xây dựng thị trường chứng khoán minh bạch, bền vững.