Chất lượng thông tin Báo cáo tài chính: Nghiên cứu với ngành nguyên vật liệu tại Việt Nam trong bối cảnh hội nhập quốc tế

Nội dung text: Chất lượng thông tin Báo cáo tài chính: Nghiên cứu với ngành nguyên vật liệu tại Việt Nam trong bối cảnh hội nhập quốc tế

1. CHẤT LƯỢNG THÔNG TIN BÁO CÁO TÀI CHÍNH: NGHIÊN CỨU VỚI NGÀNH NGUYÊN VẬT LIỆU TẠI VIỆT NAM TRONG BỐI CẢNH HỘI NHẬP QUỐC TẾ Nguyễn Ngọc Thanh ThS. Hoàng Khánh1 Tóm tắt Quá trình hội nhập thị trường tài chính quốc tế luôn kèm theo những yêu cầu rất khắt khe, đặc biệt về chất lượng thông tin tài chính. Đây là một yêu cầu cấp thiết được đặt ra, yêu cầu từng doanh nghiệp tham gia vào thị trường phải luôn bảo đảm tính tin cậy và minh bạch thông tin tài chính được công bố. Áp dụng mô hình M-score được nghiên cứu bởi Beneish (1999), nhóm nghiên cứu xây dựng mô hình định lượng nhằm đánh giá chất lượng thông tin tài chính doanh nghiệp ngành nguyên vật liệu tại Việt Nam. Dữ liệu nghiên cứu được thu thập từ 74 doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam trong khoảng thời gian từ năm 2011 tới năm 2015. Kết quả nghiên cứu cho thấy xác suất tồn tại sai phạm trong việc báo cáo các thông tin tài chính của doanh nghiệp có tương quan với các chỉ tiêu về lợi nhuận biên, tốc độ tăng trưởng doanh thu và tổng dồn tích kế toán (accruals). Từ khóa: báo cáo tài chính, chất lượng thông tin, Beneish, M-score 1. Đặt vấn đề Báo cáo tài chính là công cụ để các công ty công bố tình hình sản xuất kinh doanh với những đối tượng quan tâm (chủ doanh nghiệp, nhà đầu tư, người cho vay, cơ quan thuế và các cơ quan chức năng). Bởi vậy, báo cáo tài chính cần đảm bảo tính chính xác, minh bạch và phản ánh đúng thực trạng doanh nghiệp. Đó là một trong những yêu cầu bắt buộc của các doanh nghiệp trong nền kinh tế khi quá trình hội nhập khu vực và thế giới ngày càng trở thành một xu hướng mạnh mẽ. Tuy vậy, không phải lúc nào chất lượng thông tin của báo cáo tài chính cũng được đảm bảo. Lịch sử tài chính thế giới đã chứng kiến nhiều sự sụp đổ của những tập đoàn lớn từng có hành vi thao túng báo cáo tài chính như Enron (Hoa Kỳ), Worldcom (Hoa Kỳ) hay Vivendi (Pháp). Những vụ việc điển hình đó cho thấy minh bạch thông tin tài chính rất khó được bảo đảm ngay cả tại những quốc gia phát triển, nơi mà thông tin tài chính 1 Trường Đại học Kinh tế Quốc dân. Email: hoangkhanh.neu@gmail.com 567
2. được kiểm soát rất chặt chẽ và gắt gao. Những năm gần đây, kinh tế Việt Nam được đánh giá là có triển vọng tích cực, nhất là khi Hiệp định Đối tác xuyên Thái Bình Dương (TPP) được ký kết. Các nhóm ngành được hưởng lợi nhiều nhất từ TPP là: dệt may, da giầy, gỗ, khu công nghiệp2. Tuy nhiên, trong các điều kiện của TPP cũng nêu rõ, tham gia TPP đồng nghĩa với các doanh nghiệp trong nước chỉ được phép sử dụng nguyên liệu trong nước hoặc nhập khẩu từ các nước thuộc TPP để được hưởng thuế suất ưu đãi. Trong khi đó, các doanh nghiệp Việt Nam hiện nay có quy mô nhỏ, vốn ít, nên việc đầu tư vào cung ứng nguyên vật liệu hiện tại chưa được quan tâm. Bởi vậy, trong tương lai gần, ngành nguyên vật liệu là ngành có tiềm năng, cần được quan tâm đầu tư phát triển. Để thu hút được nguồn đầu tư cho ngành này, tính minh bạch và trung thực của thông tin đóng vai trò quan trọng. Tuy nhiên hiện nay, cơ chế phát hiện và xử lý sai sót ở Việt Nam chưa được hoàn thiện. Vì vậy, vấn đề sai phạm báo cáo tài chính ngành nguyên vật liệu cần được quan tâm hơn nữa. Theo chuẩn mực kiểm toán Việt Nam số 240 (BTC, 2012), “Sai sót trong báo cáo tài chính có thể phát sinh từ sai phạm hoặc nhầm lẫn. Để phân biệt giữa sai phạm và sai sót, cần xem xét hành vi dẫn đến sai sót trong báo cáo tài chính là cố ý hay không cố ý”. Trong chuẩn mực kiểm toán Việt Nam số 240 cũng định nghĩa: “Gian lận là hành vi cố ý do một hay nhiều người trong Hội đồng quản trị, Ban Giám đốc, các nhân viên hoặc bên thứ ba thực hiện bằng các hành vi gian dối để thu lợi bất chính hoặc bất hợp pháp”3. Đối với nhà đầu tư, sai phạm báo cáo tài chính ảnh hưởng trực tiếp đến quyết định đầu tư và lợi tức đầu tư, gây thiệt hại cho nhà đầu tư khi hành vi sai phạm bị phát hiện. Bên cạnh đó, hiện tượng sai phạm tiếp diễn cũng làm suy giảm niềm tin của nhà đầu tư vào thị trường cũng như ảnh hưởng tới tính thanh khoản của thị trường cổ phiếu. Đối với các tổ chức tín dụng như ngân hàng, hành vi sai phạm báo cáo tài chính làm tăng khả năng rủi ro tín dụng, ảnh hưởng đến toàn bộ hệ thống các tổ chức chức tín dụng nói chung. Sai phạm báo cáo tài chính cũng có tác động xấu đối với cơ quan thuế và các cơ quan liên quan. Sai phạm làm giảm số thuế phải nộp gây thất thoát thuế và làm giảm thu ngân sách, ảnh hưởng xấu đến tăng trưởng và thịnh vượng của quốc gia. Đồng thời sai phạm đòi hỏi nhà nước và pháp luật cần có những quy định mới với mức độ can thiệp và kiểm soát cao hơn. 2 Công ty Chứng khoán Ngân hàng Đầu tư và Phát Triển Việt Nam (BSC) (2015), Báo cáo tháng 10/2015, Hà Nội. 3 Chuẩn mực kiểm toán số 240: Trách nhiệm của kiểm toán viên liên quan đến sai phạm trong quá trình kiểm toán báo cáo tài chính, Bộ Tài chính ban hành ngày 6 tháng 12 năm 2012. 568
3. Từ những phân tích về hậu quả của sai phạm báo cáo tài chính như trên, kết hợp với những thông tin về thị trường Việt Nam, cho thấy việc phát hiện sai phạm báo cáo tài chính ngành nguyên vật liệu là rất cần thiết. Nghiên cứu này đưa ra một công cụ hữu hiệu để phát hiện sai phạm báo cáo tài chính. Kết quả của nghiên cứu đưa ra giải pháp giúp nhà đầu tư lựa chọn danh mục cổ phiếu đầu tư hợp lý và tối đa hóa lợi ích đầu tư. Nghiên cứu cũng giúp người cho vay ra quyết định cho vay đúng đắn. Đồng thời qua nghiên cứu, các nhà quản lý thị trường và hoạch định chính sách cũng có cái nhìn đúng đắn hơn về các doanh nghiệp và có những giải pháp nhằm phát hiện và xử lý những doanh nghiệp sai phạm, bảo vệ nhà đầu tư và các đối tượng khác tham gia vào thị trường chứng khoán Việt Nam. 2. Tổng quan các nghiên cứu về sai phạm báo cáo tài chính doanh nghiệp Những nghiên cứu đầu tiên về nhận diện sai phạm báo cáo tài chính là các nghiên cứu sử dụng mô hình dồn tích có điều chỉnh (Discretionary accruals models). Mô hình dồn tích có điều chỉnh là công cụ giúp phát hiện sự sai phạm trong báo cáo tài chính nếu thấy những chênh lệch bất thường giữa con số được báo cáo và con số dự kiến. Đi đầu trong nhóm này là nghiên cứu của DeAngelo (1986), tiếp theo đó là Friedlan (1994), Healy (1985), Jones (1991) nhằm hoàn thiện mô hình này. Theo các nghiên cứu của DeAngelo (1986), Friedlan (1994), Healy (1985) và Jones (1991) nhà quản lý thao túng thu nhập thông qua thao túng các biến kế toán dồn tích. Các biến kế toán dồn tích có liên quan đến thời gian sử dụng tài sản cố định, xác suất thu hồi công nợ hay thay đổi những khoản trích trước vào cuối năm để thay đổi tình hình doanh nghiệp theo một mục tiêu xác định. DeAngelo (1986) kiểm tra việc sai phạm bằng sự thay đổi trong tổng số biến kế toán dồn tích (TA) giữa thời kỳ t và t - 1, trường hợp có sai khác đồng nghĩa với có sai phạm báo cáo tài chính. Friedlan (1994) phát triển mô hình của DeAngelo, mô hình mới được áp dụng rộng rãi hơn mô hình gốc. Healy (1985) sử dụng trung bình các biến kế toán dồn tích xếp theo thứ tự thanh khoản tài sản từ giai đoạn lập dự án. Jones (1991) xem xét sự thay đổi trong các khoản dồn tích của công ty gây ra những tác động nào để từ đó nhận định về khả năng sai phạm báo cáo tài chính. Đến thế kỷ XX, nhóm các nghiên cứu sử dụng các kỹ thuật thống kê (Statistical techniques) để nhận diện sai phạm báo cáo tài chính xuất hiện và phổ biến rộng rãi, đem lại kết quả có độ chính xác cao. Tiêu biểu của phương pháp này là nghiên cứu M - score của Beneish (1999). Trong nghiên cứu của mình, Beneish sử dụng mô hình probit uớc lượng khả năng cực đại mẫu ngoại sinh có trọng số (weighted exogenous sample maximum likelihood (WESML) probit model) để xác định khả năng một công ty thao túng thu nhập. Các biến độc lập của mô hình được thiết kế để nhận dạng được tình trạng thao túng thu nhập đang hoặc sắp xảy ra trong tương lại gần. Các biến độc lập gồm có (1) DSRI - Tỷ số phải thu khách hàng trên doanh thu thuần, (2) GMI - Tỷ số lãi gộp, (3) SGI - Tỷ số tăng trưởng doanh thu bán hàng, (4) AQI - Tỷ số chất lượng 569
4. tài sản, (5) DEPI - Tỷ số khấu hao tài sản cố định hữu hình, (6) SGAI - Tỷ số chi phí bán hàng và quản lý doanh nghiệp, (7) LVGI - Tỷ số đòn bẩy tài chính, (8) TATA - Tỷ số biến dồn tích kế toán so với tổng tài sản. Biến phụ thuộc là biến giả 0,1 để đánh giá có hay không khả năng một công ty thực hiện thao túng báo cáo tài chính. Beneish sử dụng mẫu báo cáo của 74 công ty bị thao túng thu nhập so sánh với các công ty khác cho ra kết quả mô hình có xác định khả năng thao túng với xác suất đúng 76%. Nhiều nghiên cứu phát hiện sai phạm được dựa trên nghiên cứu M - score của Beneish như Burcu Dikmen và Güray Küçükkocaoğlu (2005) và Marinakis (2011). Các nghiên cứu này đều cho kết quả chính xác cao. Ngoài ra quy mô doanh nghiệp cũng được xác định là có liên quan đến khả năng sai phạm báo cáo tài chính doanh nghiệp. Rhee và các cộng sự (2003) thực hiện nghiên cứu ảnh hưởng của quy mô doanh nghiệp đến khả năng thao túng thu nhập của nhà quản trị, kết quả nghiên cứu thu được các công ty nhỏ có xu hướng tham gia thao túng thu nhập nhiều hơn đồng thời xu hướng thao túng thu nhập cũng khác nhau dựa theo quy mô: Các công ty nhỏ thao túng giảm nhằm trốn thuế, các công ty lớn thao túng để làm đẹp báo cáo tài chính. Ở Việt Nam có một số nghiên cứu và phát hiện sai phạm báo cáo tài chính như: Các nghiên cứu sử dụng mô hình dồn tích gồm có: Nghiên cứu việc điều chỉnh lợi nhuận trong trường hợp phát hành thêm cổ phiếu của các công ty niêm yết trên thị trường chứng khoán Việt Nam - Nguyễn Thị Uyên Phương (2014), Sử dụng mô hình Jones để nhận diện hành vi điều chỉnh lợi nhuận: Trường hợp các công ty niêm yết ở Hose phát hành thêm cổ phiếu năm 2013 - Phan Thị Thùy Dương (2015). Các nghiên cứu sử dụng kỹ thuật thống kê tiêu biểu gồm nghiên cứu của ThS. Phạm Thị Bích Vân (2013). Các cách đo lường sự trung thực của chỉ tiêu lợi nhuận; nghiên cứu của Nguyễn Trần Nguyên Trân về áp dụng mô hình Beneish dự đoán sai sót trọng yếu trong báo cáo tài chính; nghiên cứu phát hiện sai phạm báo cáo tài chính của các doanh nghiệp xây dựng niêm yết của Hoàng Khánh, Trần Thị Thu Hiền (2015) với ứng dụng từ mô hình nghiên cứu của Beneish (1999). 3. Phương pháp nghiên cứu sai phạm báo cáo tài chính ngành nguyên vật liệu niêm yết tại Việt Nam 3.1. Dữ liệu nghiên cứu Dữ liệu được thu thập từ báo cáo tài chính trước và sau kiểm toán của 74 công ty ngành nguyên vật liệu niêm yết trên hai sàn HOSE và HNX. Báo cáo tài chính trước kiểm toán được lấy từ năm 2011 đến 2015 và báo cáo sau kiểm toán được lấy từ năm 2010 đến 2014. Những quan sát bị lọc bỏ là những quan sát gặp phải một trong các vấn 570
5. đề như sau: - Những quan sát không đủ dữ liệu: Cụ thể những quan sát bị lọc bỏ là những quan sát thiếu một trong những khoản mục cần thu thập như đã nêu ở trên. - Những doanh nghiệp đã bị hủy niêm yết hoặc không tiếp tục công bố báo cáo tài chính kiểm toán sau khi chuyển qua niêm yết trên sàn UPCOM. - Những giá trị của quan sát ngoại lai, gây nhiễu mẫu nghiên cứu và ảnh hưởng đến độ chính xác của mô hình. Sau khi xử lý dữ liệu, bộ dữ liệu thu được cho thấy tình hình sai phạm báo cáo tài chính của các doanh nghiệp ngành nguyên vật liệu niêm yết, được miêu tả trong bảng thống kê sau: Bảng 1. Thống kê sai phạm của các khoản mục trong báo cáo tài chính ngành nguyên vật liệu 2011 - 2014 Số quan sát sai Tỷ lệ sai lệch STT Khoản mục lệch bình quân 1 Lợi nhuận sau thuế 130 77,84% 2 Tài sản ngắn hạn 125 74,85% 3 Các khoản phải thu khách hàng 62 37,13% 4 Tài sản dài hạn 49 29,34% 5 Tài sản cố định 67 40,12% 6 Khấu hao tài sản cố định 62 37,13% 7 Tổng tài sản 131 78,44% 8 Nợ ngắn hạn 139 83,23% 9 Nợ dài hạn 49 29,24% 10 Vốn chủ và các quỹ 132 79,04% 11 Doanh thu thuần 55 32,93% 12 Giá vốn hàng bán 98 58,68% 13 Chi phí bán hàng 50 29,94% 571
6. 14 Chi phí quản lý doanh nghiệp 104 62,28% 15 Dòng tiền thuần từ hoạt động kinh doanh 139 83,23% Nguồn: Thống kê của tác giả Qua thống kê những khoản mục có sai phạm lớn là: Nợ ngắn hạn (83,23%), dòng tiền thuần từ hoạt động kinh doanh (83,23%), vốn chủ sở hữu và các quỹ (79,04%), tổng tài sản (78,44%), Lợi nhuận sau thuế (77,84%), tài sản ngắn hạn (74,85%). Các khoản mục ít có sai phạm bao gồm: Tài sản dài hạn, nợ dài hạn, chi phí bán hàng (hơn 29%). Các biến của mô hình nghiên cứu Tỷ số phải thu khách hàng trên doanh thu thuần (Days Sales in Receivables Index) Các khoản phải thut/Doanh thut DSRI = Các khoản phải thut−1/ Doanh thut−1 Theo Beneish, một sự gia tăng bất thường tỷ số phải thu khách hàng trên doanh thu hoặc là do công ty đã thay đổi chính sách tín dụng thương mại hoặc là một dấu hiệu của sai phạm báo cáo tài chính doanh nghiệp. Tỷ số lãi gộp (Gross Margin Index) (Doanh thut−1 − Giá vốn hàng bánt−1)⁄Doanh thut−1 GMI = (Doanh thut − Giá vốn hàng bánt)⁄Doanh thut Chỉ số GMI nhỏ hơn 1 nghĩa là lợi nhuận biên đang giảm, đây được cho là một dấu hiệu tiêu cực về triển vọng tăng trưởng của công ty. Khi đó công ty sẽ có nhiều khả năng sai phạm để che dấu tình hình thực tại. Bởi vậy, GMI được kỳ vọng sẽ có quan hệ thuận chiều với khả năng sai phạm báo cáo tài chính. Tỷ số tăng trưởng doanh thu bán hàng (Sales Growth Index) Doanh thut SGI = Doanh thut−1 Việc tăng trưởng doanh thu bất thường có thể là một trong các dấu hiệu sai phạm nếu xem xét trên khía cạnh hai động cơ như sau: Thứ nhất, bóp méo doanh thu nhằm tạo ra một kết quả đẹp, phù hợp với mục tiêu đề ra sẽ thu hút các nhà đầu tư. Thứ hai, nếu doanh thu giảm công ty có thể đối mặt với giảm giá cổ phiếu trên thị trường. Tỷ số chất lượng tài sản (Asset Quality Index) 572
7. 1 − Tài sản ngắn hạnt + PP&Et Tổng tài sản AQI = t 1 − Tài sản ngắn hạnt−1 + PP&Et−1 Tổng tài sảnt−1 Nếu AQI lớn hơn 1 đồng nghĩa với công ty gia tăng thanh lý tài sản, điều này cũng có thể là dấu hiệu của sai phạm, đặc biệt là sai phạm luân chuyển chi phí giữa các kỳ. Theo Beneish có mối tương quan cùng chiều giữa AQI và xác suất sai phạm báo cáo tài chính. Tỷ số khấu hao tài sản cố định hữu hình (Depreciation Index) Khấu haot−1⁄(Khấu haot−1 + PP&Et−1) DEPI = Khấu haot⁄(Khấu haot + PP&Et) DEPI lớn hơn đồng nghĩa với công ty đã làm giảm tỷ lệ khấu hao bằng cách tăng thời gian sử dụng của tài sản hoặc áp dụng phương pháp trích khấu hao mới, việc này làm lợi nhuận tăng lên. Tỷ số chi phí bán hàng và quản lý doanh nghiệp (Sales, general and administrative expense Index) Chi phí bán hàng và quản lý doanh nghiệpt⁄Doanh thut SAGI = Chi phí bán hàng và quản lý doanh nghiệpt−1⁄Doanh thut−1 Nếu SGAI lớn hơn 1 có nghĩa chi phí bán hàng và quản lý doanh nghiệp đang tăng lên so với doanh thu, điều này có thể là một dấu hiệu của sai phạm. Tỷ số đòn bẩy tài chính (Leverage Index) Tổng nợt⁄Tổng tài sảnt LVGI = Tổng nợt−1⁄Tổng tài sảnt−1 Tỷ số LVGI được tính bằng cách so sánh giữa tỷ suất nợ với tổng tài sản của năm t (trước kiểm toán) với năm t - 1 (sau kiểm toán). Vay nợ tăng hoặc giảm bất thường có thể nguyên nhân từ sai phạm báo cáo tài chính. Tỷ số biến dồn tích kế toán so với tổng tài sản (Total Accruals to Total Assets) Thu nhậpt − Dòng tiền từ hoạt động kinh doanht TATA = Tổng tài sảnt TATA được tính bằng chênh lệch giữa thu nhập và dòng tiền từ hoạt động kinh doanh trên tổng tài sản. Theo Beneish, các khoản kế toán dồn tích càng lớn thì khả 573
8. năng sai phạm càng cao. Tỷ số biến kế toán dồn tích có thể điều chỉnh (Discretionary Accruals) Biến kế toán có Biến kế toán dồn tícht Biến kế toán dồn tícht−1 thể điều chỉnh (TA ) (TA ) = t - t−1 (DAt) Doanh thut Doanh thut−1 Mô hình dồn tích điều chỉnh của Friedlan (1994) được phát triển dựa trên mô hình của DeAngele (1986). Mô hình này được sử dụng với giả định sự thay đổi trong tổng số trích trước giữa hai kỳ kế toán là do sự ảnh hưởng của hai nhân số: (1) sự thay đổi do tăng trưởng và (2) sự thay đổi do lựa chọn kế toán của tổ chức phát triển. Quy mô doanh nghiệp Nghiên cứu của Rhee và các cộng sự (2003) chỉ ra rằng công ty nhỏ có khả năng tham gia thao túng thu nhập nhiều hơn các công ty lớn, và xu hướng thao túng khác nhau theo quy mô: Công ty nhỏ có thể làm tăng hoặc giảm lợi, còn các công ty lớn hầu hết thao túng theo hướng lợi nhuận không bị giảm qua các năm. Biến Size được tính toán bằng cách lấy logarit cơ số tự nhiên của giá trị khoản mục Tổng tài sản, điều này để tránh chênh lệch quá lớn giữa các công ty và phù hợp với hầu hết các mô hình khác nghiên cứu về quy mô doanh nghiệp. Trong nghiên cứu, Rhee và các cộng sự (2003) chỉ ra rằng công ty nhỏ có khả năng tham gia thao túng thu nhập nhiều hơn các công ty lớn. Bảng 2. Bảng mô tả thống kê các biến độc lập đưa vào mô hình Variable Mean Std. Dev. Min Max DSRI 1.014224 .3721987 .0124494 1.993307 GMI 1.036786 .2951576 .140792 1.982625 SGI 1.169072 .5394596 .400078 6.740139 AQI 1.365743 1.406413 .0693698 8.172034 DEPI 1.019567 2.22459 -4.299595 14.24286 SGAI 1.08026 .3155669 .2554609 2.13202 LVGI 1.059456 .3171233 .3040829 3.497131 TATA -.042022 .2219446 -1.482548 .2897623 DA -.1567351 3.771743 -15.48173 15.34251 574
9. Size 26.84054 1.365468 24.03157 30.76483 Nguồn: Tính toán của tác giả từ phần mềm STATA 13 Bảng 3. Ma trận hệ số tương quan giữa các biến trong mô hình DSRI GMI SGI AQI DEPI SGAI LVGI TATA DA Size DSRI 1,0000 GMI -0,0905 1,0000 SGI -0,2950 -0,0176 1,0000 AQI -0,1147 0,0230 0,0699 1,0000 DEPI -0,0599 0,1241 -0,0355 0,0216 1,0000 SGAI 0,1277 -0,0889 -0,3777 0,1003 -0,0022 1,0000 LVGI 0,0032 -0,0426 0,5428 0,1297 0,0313 -0,1660 1,0000 TATA -0,0251 -0,0513 0,0289 -0,0135 -0,0008 0,0143 0,0986 1,0000 DA -0,0078 -0,0519 -0,0464 0,0724 0,1552 0,0732 -0,1443 0,3231 1,0000 Size 0,0631 0,0283 -0,0085 -0,0562 0,0817 0,0706 -0,0433 0,0735 0,0372 1,0000 Nguồn: Tính toán của tác giả từ phần mềm STATA 3.2. Phương pháp nghiên cứu Khung nghiên cứu dựa trên các nghiên cứu của Beneish 1999 về mô hình M- score, nghiên cứu mô hình dồn tích của Friedlan (1994), và nghiên cứu về ảnh hưởng của quy mô doanh nghiệp đến khả năng sai phạm báo cáo tài chính. Các giả thiết nghiên cứu như sau: H1: DRSI - tỷ lệ phải thu của doanh nghiệp có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. H2: GMI - tỷ lệ lãi gộp của doanh nghiệp có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. H3: SGI - tốc độ tăng trưởng doanh thu có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. 575
10. H4: AQI - chất lượng tài sản của doanh nghiệp có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. H5: DEPI - chỉ số khấu hao có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. H6: SGAI - tỷ lệ chi phí bán hàng và quản lý doanh nghiệp có mối quan hệ nghịch chiều với xác suất xảy ra sai phạm báo cáo tài chính. H7: LVGI - đòn bẩy tài chính có mối quan hệ nghịch chiều với xác suất xảy ra sai phạm báo cáo tài chính. H8: TATA - tổng biến kế toán dồn tích có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. H9: DA - biến kế toán dồn tích có thể điều chỉnh, có mối quan hệ thuận chiều với xác suất xảy ra sai phạm báo cáo tài chính. H10: Size - quy mô doanh nghiệp có mối quan hệ nghịch chiều với khả năng sai phạm báo cáo tài chính. Nghiên cứu của Beneish (1999) đã xây dựng mô hình M - score dưới dạng như sau: ′ 푴풊 = 휷 푿풊 + 휺̃풊 Trong đó M là một biến nhị phân, M nhận giá trị 1 khi công ty có thực hiện thao túng thu nhập, M nhận giá trị 0 khi không có thao túng; X là ma trận biến giải thích và 휀̃ là ma trận vectơ phần dư. Mô hình Logistic, phương pháp Goldberger thể hiện xác suất xảy ra hiện tượng như sau: 훽0+훽1 1푖 푖훽 푒 푒 exp ( 푖훽) 푖 = 훽 +훽 1푖 = 푖훽 = 1 + 푒 0 1 1 + 푒 1 + exp ( 푖훽) Trong mô hình, p làm hàm phi tuyến đối với X và các tham số 훽. Mô hình Logit không nghiên cứu ảnh hưởng trực tiếp của biến độc Xk đối với Y mà xem xét ảnh hưởng của Xk đến xác suất Y nhận giá trị bằng 1. Nói cách khác mô hình xem xét tác động của X tới kỳ vọng của Y. Ảnh hưởng của Xk đến xác suất pi như sau: ̂ 휕 exp ( 푖훽) = 훽 = (1 − ) 훽 휕 푖 ̂ 2 푖 푖 (1 + exp( 푖훽)) Áp dụng trong bài xác định khả năng sai phạm báo cáo tài chính. 576
11. Mô hình logistic để nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu Việt Nam - với các biến đã trình bày ở trên, có dạng như sau: M= 훃 +훃 (DSRI) + 훃 (GMI) + 훃 (AQI) +훃ퟒ (SGI) + 훃 (DEPI) +훃 (SGAI) + 훃 (LVGI) + 훃 (TATA) + 훃 DA + 훃 Size Sau khi thành lập mô hình, tiến hành ước lượng mô hình bằng phần mềm STATA 13 để xác định những biến có ý nghĩa trong mô hình với mức ý nghĩa 15%. Theo Hoàng Khánh và Trần Thị Thu Hiền (2015), trong nghiên cứu gốc, Beneish đã xác định từ 1 - 2,5% miền phân phối bên trái của phân phối chuẩn Mt tương ứng với khả năng sai phạm báo cáo tài chính cao. Tương ứng với tỷ lệ này là giá trị phân loại - 1,96 cho tới -2,32. Công ty có M - score nằm trong khoảng này thì được đánh dấu là có dấu hiệu sai phạm và ngược lại. Tuy nhiên đối với nghiên cứu này, cần xác định một giá trị ngưỡng mới để phù hợp với thực trạng ngành nguyên vật liệu ở Việt Nam. Tính giá trị các giá trị phân loại M - score tương ứng tại các xác suất dự báo 1%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40% miền phân phối bên trái bằng hàm Normsinv trong phần mềm excel. Với Mi có giá trị lớn hơn giá trị phân loại M-score tại một ngưỡng phân loại xác định ta đánh dấu doanh nghiệp đó có khả năng sai phạm. Các kết quả có thể có khi so sánh kết quả từ mô hình với kết quả kết quả kiểm toán. Độ chính xác của mô hình sẽ tính bằng tổng số dự báo đúng trên tổng số quan sát. Sau khi kiểm tra độ chính xác của mô hình tại tất cả các ngưỡng, nhóm nghiên cứu thống kê và chọn ngưỡng có độ chính xác cao nhất. Đồng thời với cách kiểm tra này, nhóm nghiên cứu có thể xác định được tính chính xác của mô hình với dữ liệu 2015. Bảng 4. Phân loại kết quả dự báo của mô hình Kết quả kiểm toán Có sai phạm Không sai phạm Dự Có sai phạm Dự báo đúng có sai phạm Dự báo sai có sai phạm báo (Sai lầm loại 1) (1) (2) Không sai phạm Dự báo sai không có sai phạm Dự báo đúng không sai phạm (Sai lầm loại 2) (4) (3) Độ chính xác của dự báo 1/(1+3) 2/(2+4) 577
12. Tổng độ chính xác (1+4)/tổng số quan sát Nguồn: Giáo trình Lý thuyết Xác suất Thống kê – Đại học Kinh tế Quốc dân 4. Kết quả nghiên cứu và thảo luận kết quả nghiên cứu phát hiện sai phạm báo cáo tài chính ngành nguyên vật liệu niêm yết tại Việt Nam 4.1. Kết quả nghiên cứu Sử dụng dữ liệu đầu vào, ước lượng mô hình bằng phần mềm STATA 13 thu được kết quả như sau: Bảng 5. Kết quả hồi quy mô hình M Coef. Std. Err. Z P>|z| [95% Conf. Int GMI 2.003339 1.177694 1.70 0.089 -.3048991 4.311577 SGI -1.094244 .7213457 -1.52 0.129 -2.508055 .319568 TATA -4.307482 2.558099 -1.68 0.092 -9.321264 .7062997 Cons 1.681198 1.48165 1.13 0.257 -1.222783 4.58518 Nguồn: Tính toán của tác giả từ phần mềm STATA 13 Kết quả hồi quy của mô hình cho thấy cả 3 biến đều có ý nghĩa thống kê, GMI và TATA có ý nghĩa thống kê với mức 10% với hệ số lần lượt là 2.003339 và -4.307482 và biến SGI có mức ý nghĩa thống kê 15% với hệ số -1.094244. Vì cả mô hình chứa cả 3 biến đều có ý nghĩa thống kê nên có thể kết luận đây là mô hình phù hợp để nhận diện sai phạm báo cáo ngành nguyên vật liệu niêm yết tại Việt Nam. Mô hình nhận diện sai phạm báo cáo tài chính ngành nguyên vật liệu có dạng như sau: M = 1,661198 + 2,003339GMI - 1,094244SGI - 4,307482TATA Kết quả sau khi so sánh tại các ngưỡng xác suất 1%, 5%, 10%, 15% và 20%, 25%, 30%, 35%, 40% như sau: 578
13. Bảng 6. So sánh tính chính xác của mô hình M-score tại các ngưỡng phân loại với dữ liệu ngành nguyên vật liệu 2015 Dự báo đúng Dự báo đúng Dự báo sai có Dự báo sai có sai phạm không sai phạm sai phạm không sai phạm Ngưỡng 1% 25 8 1 30 Ngưỡng 5% 25 17 1 21 Ngưỡng 10% 25 20 1 18 Ngưỡng 15% 25 25 1 13 Ngưỡng 20% 25 26 1 12 Ngưỡng 25% 25 26 1 12 Ngưỡng 30% 25 26 1 12 Ngưỡng 35% 25 26 1 12 Ngưỡng 40% 25 26 1 12 Nguồn: Tính toán của tác giả So sánh giữa kết quả áp dụng mô hình M - score thu được với kết quả nhận diện sai phạm của kiểm toán độc lập, độ chính xác của mô hình nghiên cứu tại giá trị phân loại 20% miền phân phối thu được là lớn nhất. Tại các ngưỡng lớn hơn 20%, độ chính xác của mô hình không tăng cho thấy kết quả đã bão hòa và ngưỡng 20% là ngưỡng phân loại chấp nhận được của mô hình. Tại ngưỡng này, tương ứng với giá trị phân loại -0,84, mô hình phân loại đúng 96,15% quan sát có sai phạm và 68,42% quan sát không có sai phạm. Đây là một kết quả cao cho phép nhận diện chính xác tới 79,68% báo cáo tài chính có sai lệch. 4.2. Thảo luận về kết quả nghiên cứu Nhận xét về kết quả mô hình Từ việc ước lượng mô hình hồi quy logistic bằng phần mềm STATA 13, ta thu được kết quả mô hình như sau: M = 1,661198 + 2,003339GMI - 1,094244SGI - 4,307482TATA Hệ số góc của GMI bằng 2,003339 có ý nghĩa thống kê ở mức ý nghĩa 10% thể hiện tác động riêng của biến GMI - tỷ lệ lãi gộp lên xác suất sai phạm báo cáo tài 579
14. chính. Tỷ lệ lãi gộp tính được từ báo cáo tài chính doanh nghiệp năm (t - 1) đã kiểm toán và năm t chưa kiểm toán càng cao thì khả năng doanh nghiệp sai phạm báo cáo tài chính càng cao. Hệ số góc của biến SGI bằng -1,094244 và có ý nghĩa thống kê ở mức 15%. Có nghĩa là tăng trưởng doanh thu tăng thì khả năng sai phạm giảm. Điều này có thể được giải thích bằng nghiên cứu của José A. C. Moreira (2006)4. Trong nghiên cứu, Moreira nhận định rằng có mối quan hệ chặt chẽ giữa hệ thống kế toán và thuế: Các ưu đãi thuế là động cơ khiến doanh nghiệp cố ý làm giảm doanh thu. Tuy nhiên động cơ này chỉ xuất hiện trong trường hợp doanh nghiệp không có nhu cầu tài chính cao, bởi giảm doanh thu đồng nghĩa cổ phiếu doanh nghiệp giảm sức hấp dẫn trong mắt các nhà đầu tư hay ngân hàng sẽ cân nhắc việc cho vay. Như vậy, lý do khiến tăng trưởng doanh thu nghịch chiều với khả năng sai phạm báo cáo tài chính có thể là các doanh nghiệp ngành nguyên vật liệu Việt Nam không có nhu cầu vốn lớn. Hệ số góc của biến TATA - biến kế toán dồn tích trên tổng tài sản là -4,307482 với mức ý nghĩa thống kê 10%, cho thấy với mẫu nghiên cứu, chênh lệch thu nhập và dòng tiền từ kinh doanh trên tổng tài sản tăng thì khả năng sai phạm báo cáo tài chính giảm. Vậy các nhân tố ảnh hưởng đến khả năng sai phạm báo cáo tài chính của công ty là: Tỷ lệ lãi gộp - GMI, tỷ lệ tăng trưởng doanh thu - SGI và biến kế toán dồn tích trên tổng tài sản - TATA. Trong ba nhân tố ảnh hưởng, chỉ có tỷ lệ lãi gộp GMI có chiều ảnh hưởng giống như kỳ vọng ban đầu: GMI có tác động thuận chiều đến khả năng sai phạm, hai nhân tố còn lại là SGI và TATA ảnh hưởng nghịch chiều đến khả năng sai phạm báo cáo tài chính của các công ty ngành nguyên vật liệu. Về ngưỡng giá trị phân loại và tính chính xác của mô hình nghiên cứu Ngưỡng giá trị phân loại được xác định dựa vào việc so sánh tính chính xác của mô hình tại các ngưỡng 1%, 5%, 10%, 15% và 20%, 25%, 30%, 35%, 40% miền phân phối bên trái. Từ ngưỡng 1% đến 20% miền phân phối bên trái, giá trị nhận diện đúng tăng dần và đạt cực đại tại ngưỡng 20% với việc nhận diện đúng 51/64 công ty ngành nguyên vật liệu Việt Nam có sai phạm hay không. Từ ngưỡng 20% miền phân phối bên trái trở đi độ chính xác của mô hình không thay đổi, bởi vậy ngưỡng phân loại của mô hình là 20% được chấp nhận. Điều này hoàn toàn hợp lý với thực trạng ở Việt Nam, các chuẩn mực kế toán của Việt Nam đang trong quá trình hình thành và chặt chẽ hơn, hành vi vi phạm chỉ bị xử phạt ở mức hành chính chưa đủ để răn đe, còn mô 4 José A. C. Moreira (2006), Are Financing Needs a Constraint to Earnings Management? Evidence for Private Portuguese Firms, working paper. 580
15. hình gốc của Beneish nghiên cứu tại Mỹ có các quy chuẩn về hệ thống báo cáo tài chính rõ ràng minh bạch, các chế tài xử phạt vi phạm tính trung thực báo cáo tài chính mạnh và mang tính răn đe cao. Ngưỡng xác suất nhận diện sai phạm là 20% miền phân phối, ứng với giá trị phân loại -0,84. Tại giá trị này độ chính xác của mô hình là cao nhất cho phép nhận diện chính xác 79,68% báo cáo tài chính sai lệch theo kết quả kiểm toán. 5. Kết luận Việt Nam là quốc gia đang trong thời kỳ phát triển, kinh tế khởi sắc và cuối năm 2015 tăng trưởng vượt mức kỳ vọng. Một trong những yếu tố cốt lõi của sự phát triển là Việt Nam đã cải thiện được môi trường đầu tư từ đó thu hút khối lượng lớn vốn đầu tư nước ngoài. Mặc dù môi trường đầu tư đang có nhiều cải thiện, nhưng có thể thấy vẫn còn tồn tại một số văn bản pháp lý chưa được chặt chẽ, trong đó có các tiêu chuẩn về kế toán kiểm toán. Một thị trường tài chính hiệu quả đòi hỏi sự minh bạch của các thông tin được công bố, đặc biệt là các thông tin trên báo cáo tài chính để duy trì niềm tin và thu hút đầu tư của các nhà đầu tư trong và ngoài nước, phù hợp với các chuẩn mực quốc tế theo các hiệp định và các khu vực mậu dịch lớn. Đóng góp của nghiên cứu là xây dựng một mô hình nghiên cứu có tính ứng dụng cao để nhận biết có hay không sai phạm báo cáo tài chính. Mô hình được xây dựng dựa trên số liệu báo cáo tài chính các công ty ngành nguyên vật liệu giai đoạn 2011 - 2014 và kiểm định độ chính xác với số liệu các công ty ngành này năm 2015. Bên cạnh việc xây dựng mô hình dự báo sai phạm báo cáo tài chính ngành nguyên vật liệu, nghiên cứu cũng đưa ra khuyến nghị cho các đối tượng sử dụng báo cáo tài chính ngành này như nhà đầu tư, tổ chức tài chính và các cơ quan chức năng để tránh được rủi ro. Hạn chế của nghiên cứu này là mẫu nghiên cứu việc sai phạm báo cáo tài chính chưa đủ lớn, nghiên cứu chỉ giới hạn ngành nguyên vật liệu. Tuy nhiên, nghiên cứu này phần nào cũng giúp được các đối tượng sử dụng thông tin trên báo cáo tài chính có thể nhận biết được có hay không sai phạm nếu xuất hiện bất thường trong các khoản mục của báo cáo tài chính. Những hạn chế kể trên sẽ được khắc phục trong những nghiên cứu sau. 581
16. Tài liệu tham khảo 1. Beneish (1997), Detecting GAAP violation: Implications for assessing earnings manage- ment among firms with extreme financial performance. Journal of Accounting and Public Policy, 16(3), trang 271 - 309. 2. Beneish (1999), Incentives and penalties related to earnings overstatements that violate GAAP. The Accounting Review, 74(4), trang 425 - 457. 3. Bonner, Palmrose & Young (1998), Fraud type and auditor litigation: An analysis of SEC Accounting and Auditing Enforcement Releases, The Accounting Review (October), trang 503-532. 4. Dikmen, Küçükkocaoğlu (2010), The Detection of Earnings Manipulation: The Three Phase Cutting Plane Algorithm using Mathematical Programming. Journal of Forecasting, 2010, Số 29, Tập 5, trang 442 - 466. 5. DeAngelo, DeAngelo & Skinner (1994), Accounting choice in troubled companies, Journal of Accounting and Economics, 17(1), trang113 -143. 6. Friedlan (1994), Accounting choices of Issuers of Initial Public Offerings, Contemporary Accounting Research, Số 11, Tập 1, trang 1- 31. 7. Healy (1985), The effect of bonus schemes on accounting decisions, Journal of Accounting and Economics 7 (1985), trang 85 -1 07. 8. Hoàng Khánh, Trần Thị Thu Hiền (2015), Phát hiện sai phạm báo cáo tài chính của các doanh nghiệp xây dựng niêm yết, Tạp chí Kinh tế và Phát triển, số 218(II) tháng 8, năm 2015, trang 42 - 59. 9. Jones, J. (1991), Earnings Management During Import Relief Investigation, Journal of Accounting Research Vol. 29 No. 2 Autumn 1991 10. Marinakis (2011), An investigation of earnings management and earnings manipulation in the UK, PhD thesis, University of Nottingham. 11. Nguyễn Quang Dong, Nguyễn Thị Minh (2012), Giáo trình Kinh tế lượng, Nxb Đại học Kinh tế Quốc dân, Hà Nội. 12. Nguyễn Trần Nguyên Trân (2014), Nghiên cứu về sai sót báo cáo tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam, Luận án Tiến sĩ, Đại học Đà Nẵng. 582
17. 13. Nguyễn Thị Uyên Phương (2014), Nghiên cứu việc điều chỉnh lợi nhuận trong trường hợp phát hành thêm cổ phiếu của các công ty niêm yết trên thị trường chứng khoán Việt Nam, Luận văn Thạc sĩ, Đại học Đà Nẵng. 14. Phan Thị Thùy Dương (2015), Sử dụng mô hình Jones để nhận diện điều chỉnh lợi nhuận: Trường hợp các công ty niêm yết ở Hose phát hành thêm cổ phiếu năm 2013, Luận văn Thạc sĩ, Đại học Đà Nẵng. 15. Phạm Thị Bích Vân (2013), Các cách đo lường sự trung thực của chỉ tiêu lợi nhuận, Tạp chí Ngân hàng số 1 tháng 1 năm 2013, trang 39-43. 16. Rhee, Kim và Liu (2003), The Effect of Firm Size on Earnings Management, Website Đại học Hawai’i, truy cập ngày 25 tháng 4 năm 2015, từ . 583