Dự báo gian lận báo cáo tài chính bằng các tỷ số tài chính cho các doanh nghiệp niêm yết tại Việt Nam

TÓM TẮT:

Bài viết áp dụng lý thuyết về tam giác gian lận và sử dụng ý kiến kiểm toán để phân loại các công ty gian lận. Từ đó, xác minh khả năng dự báo gian lận báo cáo tài chính (BCTC) với các tỷ số tài chính khi áp dụng cho các công ty niêm yết tại Việt Nam.

Kết quả nghiên cứu tái khẳng định khả năng dự báo gian lận BCTC của các mô hình sử dụng các chỉ số tài chính với độ chính xác lần lượt là 72,96% và 70,83% khi phân loại theo quy mô tài sản và giá trị vốn hóa cho các công ty niêm yết tại Việt Nam cho giai đoạn 2015 - 2019.

Từ khóa: Gian lận, báo cáo tài chính, tỷ số tài chính.

1. Đặt vấn đề

Trong xu hướng phát triển chung của nền kinh kế, nhu cầu tiếp nhận thông tin, đặc biệt là các thông tin về tình hình tài chính của các công ty niêm yết, là một nhu cầu thiết yếu đối với người sử dụng báo cáo tài chính (BCTC). Do đó, tính minh bạch và trung thực của thông tin tài chính là vấn đề luôn được quan tâm bởi cả giới khoa học và giới đầu tư.

Thực tế cho thấy, gian lận trong công bố thông tin trên BCTC diễn ra ngày càng nhiều với mức độ sai phạm ngày càng tăng kể cả trên thế giới và tại Việt Nam. Có thể kể đến những sự kiện từ các công ty hàng đầu thế giới, như: Lucent, Xerox, Rite Aid, Waste Management,… cho đến các công ty tại Việt Nam, như: Bibica, Bông Bạch Tuyết, Gỗ Trường Thành,… Với mục đích làm “đẹp” BCTC nhằm thu hút đầu tư của các cổ đông trên thị trường chứng khoán, các công ty thường sử dụng các kỹ thuật gian lận trong lập BCTC như khai tăng doanh thu, giảm chi phí, ghi nhận sai niên độ kế toán, đánh giá sai giá trị tài sản, không công bố đầy đủ thông tin trên BCTC.

Việc không phát hiện các gian lận do nhiều nguyên nhân, trong đó có một phần trách nhiệm thuộc về kiểm toán viên và công ty kiểm toán. Nghiên cứu mô hình dự đoán gian lận trong BCTC là nghiên cứu thực nghiệm khá phát triển trên thế giới. Tại Việt Nam cũng có một số công trình nghiên cứu về đề tài này mang lại kết quả khá hữu ích, tuy nhiên những nghiên cứu này vẫn còn nhiều hạn chế chẳng hạn như cỡ mẫu tương đối nhỏ, số lượng biến giải thích tương đối ít. Do vậy, bài viết sẽ làm sáng tỏ khả năng dự báo về gian lận BCTC của các chỉ số tài chính thông dụng cho các công ty niêm yết tại Việt Nam.

2. Cơ sở lý thuyết 2.1. Lý thuyết tam giác gian lận

Vào năm 1953, Cressey đề xuất lý thuyết tam giác gian lận, theo đó gian lận chỉ xảy ra khi hội tụ đủ 3 nhân tố là: Cơ hội, Áp lực và Thái độ.

Trong đó, nhân tố áp lực được hiểu là gian lận xảy ra khi nhân viên, quản lý chịu áp lực. Qua khảo sát hành vi gian lận, Cressey đã tóm tắt được 6 trường hợp gây ra áp lực đó là: Khó khăn về tài chính, Hậu quả từ thất bại cá nhân, Khó khăn về kinh doanh, Bị cô lập, Muốn ngang bằng người khác và Mối quan hệ chủ - thợ.

Tiếp đến, nhân tố cơ hội được hiểu rằng, khi đã bị áp lực, nếu có cơ hội, họ sẵn sàng thực hiện hành vi gian lận. Có hai yếu tố liên quan đến cơ hội là nắm bắt thông tin và có kỹ năng thực hiện. Thái độ là nhân tố cuối cùng của tam giác gian lận. Theo nghiên cứu này, không phải tất cả mọi người gặp khó khăn và có cơ hội cũng đều thực hiện gian lận, nó tùy thuộc vào thái độ hay cá tính của từng cá nhân.

2.2. Các nghiên cứu liên quan đến gian lận BCTC

Các công trình nghiên cứu nổi tiếng thế giới liên quan đến gian lận BCTC có thể kể đến như nghiên cứu về tam giác gian lận của Cressey (1953), các nghiên cứu về dự đoán khả năng phá sản sử dụng các tỷ số tài chính của Loebbecke, Eining và Willingham (1989), Stice (1991) và Person (1995). Tất cả đều chỉ ra rằng, khó khăn tài chính là một trong những nguyên nhân gây ra gian lận trên BCTC nhằm cải thiện tình hình tài chính hoặc giảm đe dọa mất việc hay cố gắng trục lợi trước khi công ty phá sản. Ngoài ra, trên thế giới còn có nhiều nghiên cứu, sử dụng các phương pháp khác nhau để nghiên cứu về gian lận như nghiên cứu của Srensen và Sorenson (1983), Dechow, Sloan và Sweeney (1996), Beasley, Carcello và Hermanson (1999), Spathis (2002), Leonard và Alam (2009), Dalnial và cộng sự (2014),…

Tại Việt Nam, những năm gần đây đã quan tâm nhiều đến vấn đề gian lận BCTC. Vì vậy, ngày càng có nhiều nghiên cứu về gian lận BCTC có thể kể đến như nghiên cứu nổi tiếng áp dụng lý thuyết về tam giác gian lận sử dụng các biến tỷ số tài chính và các biến phi tài chính để xây dựng mô hình dự báo gian lận của Trần Thị Giang Tân và cộng sự (2014) với độ chính xác của mô hình lên đến 83,33%. Ngoài ra, còn có các nghiên cứu khác như Nguyễn Công Phương và Nguyễn Trần Nguyên Trân (2014); Trần Việt Hải (2017);… sử dụng nhiều phương pháp khác nhau để nghiên cứu về gian lận BCTC.

3. Phương pháp nghiên cứu 3.1. Giả thuyết nghiên cứu

Công việc kiểm toán, cụ thể hóa bằng ý kiến của kiểm toán viên, là một trong những công cụ quan trọng nhằm phát hiện khả năng một đơn vị có gian lận thông tin trên BCTC hay không. Do đó, việc phát triển các nghiên cứu tiếp cận theo hướng ý kiến kiểm toán để phát hiện gian lận ngày càng nhiều, đặc biệt là các công trình nghiên cứu sử dụng các tỷ số tài chính. Điều này cũng cho thấy, các tỷ số tài chính có khả năng dự báo được gian lận, trong đó có thể kể đến một số nghiên cứu gần đây của Zainudin và Hashim (2016), và Moalla (2017).

Trong bài viết, tác giả cũng sẽ tiếp cận dựa trên ý kiến của kiểm toán viên để xây dựng mô hình dự đoán gian lận. Với biến phụ thuộc là ý kiến kiểm toán và biến độc lập là các tỷ số tài chính. Giả thuyết nghiên cứu được đề xuất như sau:

H1: Các tỷ số tài chính có khả năng dự báo được gian lận BCTC từ góc nhìn của ý kiến kiểm toán.

3.2. Biến nghiên cứu trong mô hình

Biến nghiên cứu của nhóm tác giả bao gồm 34 biến tỷ số tài chính đại diện cho 2 yếu tố của tam giác gian lận của Cressey (1973), đó là áp lực và cơ hội. Trong đó, yếu tố áp lực được phân tích thành hai nhóm: Áp lực do khó khăn kinh doanh và Áp lực do khó khăn tài chính.

Trong nghiên cứu này, tác giả chỉ sử dụng các chỉ số tài chính để dự báo gian lận, vì vậy không có biến phi tài chính đại diện cho yếu tố thái độ.

Danh sách các biến tỷ số tài chính gồm:

- Yếu tố “Áp lực”:

[V1]: Tỷ lệ lợi nhuận gộp = (Doanh thu bán hàng - Giá vốn hàng bán)/Doanh thu bán hàng.

- Yếu tố “Áp lực - Khó khăn kinh doanh”:

[V2]: Tỷ lệ lợi nhuận thuần = Lợi nhuận thuần từ hoạt động kinh doanh/Doanh thu thuần.

[V4]: Số ngày trả tiền bình quân = (Bình quân phải trả/Chi phí mua trong kỳ)*365.

[V12]: (Tài sản ngắn hạn - Nợ ngắn hạn)/ Tổng tài sản.

[V16]: Lợi nhuận giữ lại/ Tổng tài sản.

[V17]: Số vòng quay tài sản = Doanh thu/Tài sản bình quân.

[V26]: Dòng tiền từ hoạt động kinh doanh/Doanh thu bán hàng.

[V27]: Dòng tiền từ hoạt động kinh doanh/ Tổng tài sản.

[V29]: Phần trăm thay đổi của tỷ lệ lợi nhuận gộp = (Tỷ lệ lợi nhuận gộp năm nay - Tỷ lệ lợi nhuận gộp năm trước)/Tỷ lệ lợi nhuận gộp năm trước.

[V33]: Phần trăm thay đổi của chi phí = (Chi phí năm nay - Chi phí năm trước)/Chi phí năm trước.

[V34]: Phần trăm thay đổi của tỷ lệ lợi nhuận thuần = (Tỷ lệ lợi nhuận thuần năm nay - Tỷ lệ lợi nhuận thuần năm trước)/Tỷ lệ lợi nhuận thuần năm trước.

- Yếu tố “Áp lực - khó khăn tài chính”:

[V3]: Số ngày thu tiền bình quân = (Bình quân các khoản phải thu/Doanh thu thuần)*365.

[V7]: Tiền mặt/Tổng tài sản.

[V8]: Tiền mặt/Nợ ngắn hạn.

[V11]: Tỷ số thanh toán nhanh = (Tài sản ngắn hạn - Hàng tồn kho)/Nợ ngắn hạn.

[V13]: Tổng tài sản/Nợ ngắn hạn.

[V14]: Tổng nợ/Tổng tài sản.

[V15]: Tổng nợ/ Vốn chủ sở hữu.

[V18]: ROE = Lợi nhuận sau thuế/Vốn chủ sở hữu.

[V22]: Lợi nhuận gộp/Tổng tài sản.

[V31]: Phần trăm thay đổi của tỷ số thanh toán nhanh = (Tỷ số thanh toán nhanh năm nay - Tỷ số thanh toán nhanh năm trước)/Tỷ số thanh toán nhanh năm trước.

[V32]: Phần trăm thay đổi của các khoản phải thu = (Các khoản phải thu năm nay - Các khoản phải thu năm trước)/Các khoản phải thu năm trước.

- Yếu tố “Cơ hội”:

[V5]: Hàng tồn kho/Tổng tài sản.

[V6]: Hàng tồn kho/Tài sản ngắn hạn.

[V9]: Các khoản phải thu/Tổng tài sản.

[V10]: Tài sản ngắn hạn/Tổng tài sản.

[V19]: Doanh thu thuần/Hàng tồn kho.

[V20]: Doanh thu thuần/Các khoản phải thu.

[V21]: Các khoản phải thu/Doanh thu bán hàng.

[V24]: (Tài sản ngắn hạn - Hàng tồn kho)/Doanh thu bán hàng.

[V25]: Hàng tồn kho/ Doanh thu bán hàng.

[V28]: Phần trăm thay đổi của hàng tồn kho = (Hàng tồn kho cuối kỳ - Hàng tồn kho đầu kỳ)/Hàng tồn kho đầu kỳ.

[V30]: Phần trăm thay đổi của giá vốn hàng bán = (Giá vốn hàng bán năm nay - Giá vốn hàng bán năm trước)/Giá vốn hàng bán năm trước.

- Yếu tố “Cơ hội, Áp lực - Khó khăn tài chính”:

[V23]: Giá vốn hàng bán/Hàng tồn kho.

3.3. Mô hình nghiên cứu và dữ liệu nghiên cứu

3.3.1. Mô hình nghiên cứu

Mô hình nghiên cứu là mô hình hồi quy logistic nhị phân, nghiên cứu tác động của biến tỷ số tài chính đến hành vi gian lận BCTC, được tiến hành kiểm tra trong giai đoạn 2015 - 2019 với biến phụ thuộc là các công ty gian lận nhận giá trị 1 và các công ty không gian lận nhận giá trị 0, phân loại dựa trên ý kiến kiểm toán và biến độc lập là 34 tỷ số tài chính. Sau khi kiểm định sự phù hợp của mô hình, bao gồm các kiểm định tương quan và đa cộng tuyến (VIF), loại bỏ một số biến có hiện tượng đa cộng tuyến cao. Mô hình cuối cùng như sau:

Ln(P/1-p) = β0 + β1[V1] + β3[V3] + β6[V6] + β8[V8] + β9[V9] + β10[V10] + β12[V12] + β13[V13] + β14[V14] + β15[V15] + β16[V16] + β17[V17] + β18[V18] + β20[V20] + β21[V21] + β22[V22] + β23[V23] + β24[V24] + β25[V25] + β27[V27] + β28[V28] + β29[V29] + β30[V30] + β31[V31] + β32[V32] + β33[V33] + β34[V34] + ε

Với: P là xác suất các công ty gian lận nhận giá trị 1; Ln (P/1-p) là Logarit tự nhiên của xác suất các công ty gian lận nhận giá trị 1 trên xác suất các công ty không gian lận nhận giá trị là 0; β1 … β34 là các hệ số hồi quy; [V1] … [V34] là các biến tỷ số tài chính.

3.3.2. Dữ liệu nghiên cứu

Việc nghiên cứu ảnh hưởng của các tỷ số tài chính với ý kiến kiểm toán của các công ty niêm yết nhằm đưa ra mô hình dự đoán gian lận. Bài viết tập trung vào các công ty niêm yết trên thị trường chứng khoán tại Việt Nam giai đoạn 2015 - 2019.

Theo nghiên cứu của Moalla (2017), ý kiến không phải chấp nhận toàn phần từ báo cáo kiểm toán là một dấu hiệu đáng ngờ về tính chính xác của BCTC. Vậy nên trong nghiên cứu đưa ra nhận định, các công ty được cho là gian lận khi nhận được ý kiến không phải chấp nhận toàn phần. Đối với việc lựa chọn các công ty gian lận, nghiên cứu lựa chọn những công ty nhận được ý kiến không phải chấp nhận toàn phần ở mỗi năm. Sau đó, nhóm tác giả lọc các công ty nhận ý kiến chấp nhận toàn phần ở mỗi năm làm công ty không gian lận với số lượng tương đương các công ty gian lận.

Các công ty này phải cùng ngành nghề và tương đương về quy mô theo tài sản hoặc theo giá trị vốn hóa, nhằm đảm bảo tính tương thích của các chỉ số tài chính sử dụng (Beasley, Carcello và Hermanson, 1999; Kaminski, Wetzel, và Guan, 2004). Nhóm tác giả cũng giả định rằng các công ty cùng quy mô là các công ty có chênh lệch không quá 30% tổng tài sản như gợi ý nghiên cứu của Beasley, Carcello và Hermanson (1999). Tổng mẫu nghiên cứu của nhóm tác giả bao gồm 492 công ty với 2.145 quan sát.

4. Kết quả nghiên cứu 4.1. Kết quả kiểm định

4.1.1. Kiểm định tương quan

Bảng 1. Tóm tắt kết quả kiểm định tương quan của các biến độc lập

Kết quả kiểm định cho thấy, ở cả hai cách phân loại tổng tài sản và giá trị vốn hóa đều < 0,8. Do vậy, khả năng tiềm ẩn vấn đề đa cộng tuyến của mô hình dự kiến là thấp.

4.1.2. Kiểm định đa cộng tuyến (VIF)

Bảng 2. Tóm tắt kết quả kiểm định VIF

Kiểm định đa cộng tuyến bằng cách tìm hiểu hệ số khuếch đại phương sai (VIF). Tác giả tìm thấy hệ số VIF thấp với giá trị tối đa là 8,25 ở mô hình theo hai cách tiếp cận tài sản và giá trị vốn hóa là 8,08 và giá trị trung bình đạt từ 2,24 đến 2,35 cho lần lượt ở hai cách tiếp cận. Điều này cho thấy, khả năng xảy ra hiện tượng đa cộng tuyến hoàn hảo giữa các biến độc lập đã đưa vào mô hình nghiên cứu là thấp.

4.2. Kết quả nghiên cứu

4.2.1. Kết quả phân loại của mô hình

Bảng 3. Tóm tắt kết quả phân loại của mô hình nghiên cứu

4.2.2. Thảo luận kết quả

Kết quả kiểm định ghi nhận được, mô hình phân loại chính xác đến 75,71% các công ty không gian lận và 70,79% các công ty gian lận có cùng quy mô tài sản với hai biến có ý nghĩa thống kê đó là [V14] và [V16]. Đối với việc phân loại theo giá trị vốn hóa, mô hình phân loại được 76,67% các công ty không gian lận và 67,19% các công ty gian lận với [V16] là biến có ý nghĩa thống kê có hệ số P > |z| < 0,05. Với khả năng dự báo bình quân lần lượt là 72,96% và 70,83%, khả năng dự báo của mô hình tương đương với mô hình nghiên cứu của Kanapickiene và Grundiene (2015). Kết quả này tái khẳng định khả năng dự báo của các chỉ số tài chính đối với gian lận ở mức khá cao, phù hợp với các nghiên cứu trước đó. Từ đó cho thấy, giả thuyết H1 được ủng hộ.

5. Kết luận

Mô hình dự đoán tiếp cận theo ý kiến kiểm toán phân loại theo quy mô tài sản và giá trị vốn hóa đã đem lại kết quả dự đoán với độ chính xác lần lượt là 72,96% và 70,83% khi áp dụng cho các công ty niêm yết tại Việt Nam cho giai đoạn 2015 - 2019.

Kết quả nghiên cứu có thể được xem là một công cụ hữu ích giúp cho các tổ chức, Chính phủ, nhà quản lý, kiểm toán viên, và các chuyên gia chống gian lận trong bối cảnh nguồn lực khan hiếm. Mô hình nghiên cứu có thể được sử dụng nhằm phát hiện sớm một số công ty có khả năng thực hiện các hành vi gian lận cũng như tăng cường kiểm soát chất lượng của công việc kiểm toán, từ đó khôi phục được niềm tin của công chúng.

TÀI LIỆU THAM KHẢO:

Beasley, M., J. Carcello, and D. Hermanson. (1999). COSO's new fraud study: What it means for CPAs.

Journal of Accountancy

, 187(5), 12-14.

Cressey, D. (1973).

Other People’s Money: A Study in the Social Psychology of Embezzlement

. Montchair, NJ: Patterson Smith.

Dalnial, H., Kamaluddin, A., Sanusi, Z. M., & Khairuddin, K. S. (2014). Accountability in financial reporting: Detecting fraudulent firms.

Procedia-Social and Behavioural Sciences

, 145, 61-69.

Dechow, P., Sloan, R., and A. Sweeney. (1996). Causes and consequences of earnings manipulation: An analysis of firms subject to enforcement actions by the SEC.

Contemporary Accounting Research

, 13, 1-36.

Kaminski, K. A., Wetzel, T. S., and Guan, L. (2004). Can financial ratios detect fraudulent financial reporting?

Managerial Auditing Journal,

19(1), 15-28.

Kanapickiene, R., and Grudien, Z. (2015). The model of fraud detection in financial statements by means of financial ratios.

Procedia - Social and Behavioural Sciences

, 213, 321-327.

Lenard, M. J., & Alam, P. (2009). An historical perspective on fraud detection: From bankruptcy models to most effective indicators of fraud in recent incidents.

Journal of Forensic & Investigative Accounting,

1(1), 1-27.

Loebbecke, J. K., Eining, M. M., and Willingham, J. J. (1989). Auditors' experience with material irregularities: Frequency, nature and detectability.

Auditing: A Journal of Practice & Theory,

9(1), 1-28.

Moalla, H. (2017). Audit report qualification/modification: Impact of financial variables in Tunisia.

Journal of Accounting in Emerging Economies

, 7(4), 468-485.

Nguyễn Công Phương và Nguyễn Trần Nguyên Trân, 2014. Mô hình Beneish dự đoán sai sót trọng yếu trong báo cáo tài chính.

Tạp chí Kinh tế & Phát triển

, 206(8), 54-60.

Persons, O. (1995). Using financial statement data to identify factors associated with fraudulent financing reporting.

Journal of Applied Business Research

, 11, 38-46.

Repousis S. (2016). Using Beneish model to detect corporate financial statement fraud in Greece.

Journal of Financial Crime,

23, 1063-1073.

Roxas, M. L. (2011). Financial statement fraud detection using ratio and digital analysis.

Journal of Leadership, Accountability and Ethics

, 8(4), 56-66.

Srensen, J. B., and Sorenson, O. (1983). From conception to: Opportunity perception and resource in entrepreneurship, 11, 14-19.

Spathis, C. (2002). Detecting false financial statements using published data: Some evidence from Greece.

Managerial Auditing Journal

, 17, 179-191.

Stice, J. (1991). Using financial and market information to identify pre-engagement factors associated with lawsuits against auditors.

The Accounting Review

, 66, 516-533.

Trần Thị Giang Tân và cộng sự, ( 2014). Đánh giá rủi ro gian lận của các công ty niêm yết tại Việt Nam.

Tạp chí Phát triển kinh tế

, 26(1), 74-94.

Trần Việt Hải, (2017).

Nhận diện gian lận BCTC của các công ty niêm yết trên thị trường chứng khoán Việt Nam - Bằng chứng thực nghiệm tại sàn giao dịch HOSE

. Luận văn thạc sĩ. Trường Đại học Kinh tế TP.Hồ Chí Minh.

Zainudin, E. F., and Hashim, H. A. (2016). Detecting fraudulent financial reporting using financial ratio.

Journal of Financial Reporting and Accounting

, 14(2), 266-278.

PREDICTING THE LIKELIHOOD OF FRAUDS

IN FINANCIAL STATEMENTS OF LISTED COMPANIES

IN VIETNAM BY USING THE FINANCIAL RATIOS

• PHAM MINH VUONG

Faculty of Accounting - Auditing, Ho Chi Minh City Open University

• NGUYEN THI HA VY

Faculty of Accounting - Auditing, Ho Chi Minh City Open University

ABSTRACT:

This study uses the fraud triangle theory and audit opinions to classify fraudulent companies among listed companies in Vietnam in order to verify the likelihood of frauds in financial statements with financial ratios. This study’s findings reaffirm the ability to forecast fraudulent financial statements of used models which use financial ratios with the accuracy of 72.96% and 70.83%, respectively when listed companies in Vietname from 2015 to 2019 are classified by the asset size and the market capitalization.

Keywords: Fraud, financial statement financial ratios.

[Tạp chí Công Thương - Các kết quả nghiên cứu khoa học và ứng dụng công nghệ, Số 20, tháng 8 năm 2020]