chương 1, tác giả trình bày vấn đề, mục tiêu của bài nghiên cứu thông qua trả lời 2 câu hỏi và những phương pháp được sử dụng trong khoá luận. Đồng thời, tác giả cũng trình bày phạm vi không gian, thời gian và đối tượng nghiên cứu của đề tài “Các yếu tố ảnh hưởng đến rủi ro gian lận báo cáo tài chính tại các công ty niêm yết tại Việt Nam: Nghiên cứu thực nghiệm dựa trên cách tiếp cận của học máy ”. 7 CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC 2. Các nghiên cứu nước ngoài Bài nghiên cứu “Financial Statement Fraud Detection: An Analysis of Statistical and Machine Learning Algorithms” (2011) của Johan Perols so sánh hiệu quả của sáu mô hình thống kê và học máy trong việc phát hiện gian lận báo cáo tài chính.
Các mô hình này được đánh giá dựa trên khả năng phát hiện gian lận trong các điều kiện khác nhau, bao gồm các chi phí phân loại sai khác nhau và tỷ lệ giữa gian lận và không gian lận, nêu bật tiềm năng của thuật toán học máy trong việc nâng cao độ chính xác và độ tin cậy của việc phát hiện gian lận. Kết quả của bài nghiên cứu cho thấy mô hình hồi quy logistic là một công cụ thực hiện mạnh mẽ vượt trội hơn hoặc hoạt động ngang bằng với các thuật toán phân loại khác, tiếp sau đó là SVM. Phát hiện này có phần đáng ngạc nhiên khi xem xét rằng nghiên cứu gian lận trước đây thường kết luận rằng ANN vượt trội hơn hồi quy logistic. Đây là kết quả tích cực vì cả hồi quy logistic và SVM đều không yêu cầu điều chỉnh rộng rãi và không yêu cầu một lượng lớn tài nguyên máy tính cho mục đích huấn luyện và đánh giá.
Hơn nữa, hồi quy logistic được sử dụng và chấp nhận rộng rãi và tạo ra kết quả tương đối dễ hiểu. Một hạn chế của nghiên cứu này là toàn bộ mẫu dữ liệu đã được sử dụng trong cả đánh giá thuật toán tiền xử lý và phân loại. điều này khiến việc đánh giá tính khái quát của kết quả hiệu suất phân loại tương đối trở nên khó khăn hơn trong các tình huống không thể chọn các thuộc tính tốt nhất. Nghiên cứu của Matin N.Ashtiani và Bijanraahemi về “Intelligent Fraud Detection in Financial Statements Using Machine Learning and Data Mining: A Systematic Literature Review” (2021) cung cấp góc nhìn bao quát về nghiên cứu hiện có về phát hiện gian lận bằng cách sử dụng máy học và khai thác dữ liệu.
Bài nghiên cứu không chỉ tổng hợp những kiến thức hiện có mà còn xác định những khoảng trống quan trọng trong nghiên cứu hiện nay. Nó chỉ ra rằng mặc dù các thuật toán học có giám sát thường được sử dụng nhưng vẫn cần có nhiều nghiên cứu hơn về các phương pháp không giám sát, bán giám sát. Tác giả nhấn mạnh tầm quan trọng của 8 các phương pháp thông minh này trong việc hỗ trợ kiểm toán viên phân tích khối lượng lớn dữ liệu tài chính hiệu quả và chính xác hơn các phương pháp truyền thống vốn thường tốn kém và mất thời gian. Bài viết còn khuyến nghị việc áp dụng những chỉ tiêu phi tài chính, dữ liệu văn bản và giọng nói cho việc phân tích phát hiện gian lận trong tương lai.
Các nghiên cứu trong nước Tác giả Nguyễn Thị Thu Trang (2019) với đề tài “Gian lận trong báo cáo tài chính của các công ty xây dựng niêm yết trên thị trường chứng khoán Vệt Nam” đã sử dụng mô hình M-score của Beneish trong việc nhận diện khả năng gian lận báo cáo tài chính từ bộ dữ liệu gồm 50 công ty xây dựng niêm yết trên TTCKVN nghiên cứu từ năm 2016-2018. Bài viết nêu lên những yếu tố tác động đến động cơ thực hiện gian lận trên BCTC dựa trên công trình tam giác gian lận của Donald R.Cressey (1953) cũng như những thủ thuật thực hiện gian lận. Kết quả cho thấy tác giả đã xây dựng được mô hình hồi quy chuẩn hóa mới phù hợp hơn với các doanh nghiệp xây dựng niêm yết dựa trên số liệu báo cáo tài chính thu thập được để nhận diện khả năng gian lận báo cáo tài chính. Đồng thời, tác giả cũng đã đề xuất những kiến nghị và nêu giải pháp giúp hạn chế gian lận BCTC.
Mặt hạn chế của bài nghiên cứu này là số mẫu còn hạn chế với chỉ 50 doanh nghiệp, các công cụ kiểm định còn ở mức đơn giản. Bài viết “Nghiên cứu gian lận báo cáo tài chính tiếp cận theo thuật toán rừng ngẫu nhiên” của nhóm tác giả Đặng Ngọc Hùng, Phạm Thị Hồng Diệp và Cao Thị Nhiên (2022) đã nghiên cứu áp dụng thuật toán rừng ngẫu nhiên dựa trên lý thuyết tam giác gian lận để phân tích tác động của các yếu tố đến gian lận báo cáo tài chính trong các doanh nghiệp Việt Nam, sử dụng dữ liệu bảng với 2,235 quan sát từ năm 2014 đến 2020. Mức chênh lệch lợi nhuận trước và sau kiểm toán trên 5% được xem xét. Kết quả cho thấy, dự báo bằng thuật toán rừng ngẫu nhiên đạt độ chính xác 91%.
Yếu tố ảnh hưởng lớn nhất đến gian lận là sự ổn định tài chính của doanh nghiệp. Hạn chế của bài nghiên cứu là chỉ tập trung vào thuật toán rừng ngẫu nhiên mà không so sánh với hiệu quả của các thuật toán khác như mạng nơ-ron nhân tạo, SVM hay các phương pháp học máy khác. 9 Bài viết "Ảnh hưởng của yếu tố áp lực đến gian lận báo cáo tài chính: Nghiên cứu thực nghiệm trên các doanh nghiệp niêm yết Việt Nam" của nhóm tác giả Hồ Nguyễn Tuấn Anh, Lưu Nguyễn Quỳnh Như, Võ Linh Kiều,Nguyễn Thảo Nguyên và Đỗ Thị Mỹ Hoa (2024) tập trung nghiên cứu mối quan hệ giữa các yếu tố áp lực và hành vi gian lận báo cáo tài chính trong các doanh nghiệp niêm yết tại Việt Nam. Thông qua việc phân tích các yếu tố tài chính và phi tài chính, bài viết đánh giá cách mà áp lực từ các bên liên quan (chẳng hạn như nhà đầu tư, chủ nợ, và ban quản trị) có thể khiến doanh nghiệp hoặc cá nhân cố tình thực hiện hành vi sai lệch trong báo cáo tài chính.
Các yếu tố áp lực được đề cập bao gồm sự cạnh tranh khốc liệt, mục tiêu lợi nhuận cao từ phía cổ đông, sự giám sát của các cơ quan quản lý và thị trường vốn. Nghiên cứu thực hiện trên các dữ liệu thu thập từ các báo cáo tài chính của các công ty niêm yết và áp dụng các phương pháp phân tích định lượng để xác định mức độ ảnh hưởng của các yếu tố này đến gian lận tài chính. Kết quả nghiên cứu cho thấy rằng áp lực kinh tế, đặc biệt là việc duy trì lợi nhuận ổn định và đạt được các chỉ tiêu tài chính, là một trong những nguyên nhân chính dẫn đến hành vi gian lận. Ngoài ra, nghiên cứu cũng chỉ ra rằng những doanh nghiệp có hệ thống kiểm soát nội bộ yếu kém hoặc quản trị doanh nghiệp thiếu hiệu quả có xu hướng dễ bị tác động bởi các yếu tố áp lực và gian lận hơn.
Bài viết kết luận rằng việc giảm thiểu gian lận tài chính đòi hỏi doanh nghiệp phải cải thiện hệ thống kiểm soát nội bộ, nâng cao quản trị công ty và giảm áp lực quá mức từ các mục tiêu tài chính ngắn hạn. Khoảng trống nghiên cứu Mặc dù có nhiều nghiên cứu tập trung vào các yếu tố rủi ro truyền thống như quản trị doanh nghiệp, tài chính, và kiểm soát nội bộ, chưa có nhiều nghiên cứu tại Việt Nam tận dụng học máy để xử lý khối lượng dữ liệu lớn và phát hiện mẫu bất thường trong báo cáo tài chính. Điều này mở ra một khoảng trống nghiên cứu về cách thức xây dựng và áp dụng các mô hình học máy để tối ưu hóa việc phân tích và dự đoán gian lận trong môi trường kinh doanh Việt Nam. Học máy đã được áp dụng rộng rãi trong nhiều lĩnh vực khác như y tế, tài chính quốc tế, nhưng việc sử dụng nó trong phát hiện gian lận báo cáo tài chính tại 10 Việt Nam vẫn còn rất hạn chế.
Đề tài này tập trung vào khai thác tiềm năng của học máy trong lĩnh vực kiểm toán. Điều này mở ra cơ hội để nghiên cứu không chỉ xác định các yếu tố ảnh hưởng đến rủi ro gian lận mà còn tìm ra các mô hình và phương pháp mới nhằm tối ưu hóa phát hiện gian lận. Phần lớn các nghiên cứu về gian lận báo cáo tài chính sử dụng học máy đã được thực hiện tại các nước phát triển, nơi có hệ thống pháp lý, quy định kiểm toán và kinh doanh khác biệt so với Việt Nam. Do đó, chưa có nhiều nghiên cứu cụ thể nào áp dụng học máy vào bối cảnh Việt Nam để kiểm tra tính khả thi và hiệu quả.
Điều này tạo ra khoảng trống trong việc điều chỉnh và phát triển các mô hình học máy phù hợp với hệ thống kinh tế và pháp luật tại Việt Nam. Những thuật toán học máy có thể học từ dữ liệu trong quá khứ, từ đó liên tục cải thiện khả năng dự đoán và nhận diện rủi ro với độ chính xác cao hơn theo thời gian. Ngoài ra, học máy còn tự động hóa nhiều khâu trong quá trình phân tích, giảm thiểu sự can thiệp của con người cũng như những sai sót do con người gây ra, từ đó nâng cao tính hiệu quả và khách quan trong quá trình đánh giá. Đặc biệt, với sự linh hoạt và khả năng mở rộng, các mô hình học máy có thể nhanh chóng thích ứng với sự thay đổi trong môi trường kinh doanh và các yếu tố rủi ro mới phát sinh, cung cấp những giải pháp kiểm toán chính xác và luôn được cập nhật.
Do đó, việc áp dụng học máy trong nghiên cứu không chỉ cải thiện chất lượng đánh giá rủi ro, mà còn nâng cao hiệu quả và năng suất trong quá trình kiểm toán. Bên cạnh đó chưa có nhiều nghiên cứu tại Việt Nam xem xét sự kết hợp giữa nhiều thuật toán và mô hình học máy khác nhau để tìm ra phương pháp tối ưu. 11 KẾT LUẬN CHƯƠNG 2 Chương này tác giả đã trình bày tổng quan các nghiên cứu trong và ngoài nước liên quan đến khóa luận cùng với khoản trống các bài nghiên cứu trước. Từ đó định hướng cho tác giả xác định được những vấn đề cần triển khai trong bài nghiên cứu.
Bên cạnh đó đây còn là cơ sở tiếp thu và phát triển bài nghiên cứu này. 12 CHƯƠNG 3: CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU 3. Một số khái niệm liên quan 3. Báo cáo tài chính là gì?