Kết hợp mô hình M-Score Beneish và chỉ số Z-Score để nhận diện khả năng gian lận trên báo cáo tài chính của các công ty niêm yết trên Sở Giao dịch Chứng khoán TP.Hồ Chí Minh

Abstract

Tiếp tục kế thừa các nghiên cứu trước, tác giả tiến hành nghiên cứu thực nghiệm đề tài về gian lận báo cáo tài chính với mục tiêu như sau: (1) Nhận diện được những biến độc lập có khả năng phát hiện gian lận trên báo cáo tài chính của các công ty niêm yết trên Sở Giao dịch Chứng khoán TPHCM, (2) Dự đoán khả năng phát hiện gian lận báo cáo tài chính của mô hình được xây dựng. Sau khi tổng quan về các nghiên cứu trong và ngoài nước, tác giả tiến hành xây dựng một mô hình nghiên cứu với 10 biến độc lập. Biến phụ thuộc là Khả năng gian lận báo cáo tài chính, biến độc lập bao gồm tám biến từ mô hình M-Score của Beneish (1999) kết hợp thêm hai biến Z-Score (Hệ số nguy cơ phá sản) của EdWard I.Altman (1968) và biến ISSUE (Phát hành cổ phiếu trong năm) của Dechow và các cộng sự (2011). Với sự kết hợp này, tác giả kỳ vọng sẽ tìm ra một phương pháp phát hiện gian lận báo cáo tài chính đơn giản, dễ thực hiện nhưng với độ tin cậy cao hơn. Tác giả đã tiến hành thu thập 450 báo cáo tài chính của 150 công ty thuộc các nhóm ngành khác nhau được niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE). Sau khi qua các bước làm sạch dữ liệu, tác giả tiến hành phân loại 450 báo cáo tài chính thành hai nhóm: nhóm 1 là các báo cáo tài chính có khả năng gian lận, nhóm 2 là các báo cáo tài chính không có khả năng gian lận. Tác giả tiếp tục tiến hành qua các bước xử lý và phân tích dữ liệu tiếp theo. Kết quả nghiên cứu cho thấy rằng sáu biến độc lập có mối quan hệ có ý nghĩa thống kê với khả năng gian lận báo cáo tài chính đó là biến 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 số sáu biến độc lập này, Z-Score có tác động ngược chiều với khả năng gian lận, năm biến còn lại đều có tác động cùng chiều. Bốn biến độc lập tác giả chưa tìm thấy mối quan hệ có ý nghĩa thống kê với biến phụ thuộc đó là biến Chỉ số khấu hao TSCĐ (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). Sau khi xác định được các biến có ý nghĩa thống kê tác giả tiến hành kiểm định thêm mức độ giải thích của mô hình, chỉ số R^2 Nagelkerke = 30,8%. Điều này có nghĩa là 30,8% sự thay đổi của khả năng gian lận báo cáo tài chính được giải thích bởi các biến độc lập của mô hình. Cuối cùng, kết quả kiểm định Omnibus cho thấy rằng mô hình hồi quy Binary Logistic của tác giả là phù hợp với dữ liệu thực tiễn với một tỷ lệ dự báo đúng khá cao là 77,1%. Với kết quả này, tác giả mong muốn sẽ cung cấp thêm các kiểm toán viên, các nhà đầu tư và các đối tượng hữu quan khác một phương pháp mới để phát hiện ra gian lận báo cáo tài chính. Đây là một phương pháp dễ dàng sử dụng với độ tin cậy cao.