Mô hình nhận diện gian lận trong Báo cáo tài chính của các ngân hàng thương mại tại Việt Nam

Nội dung text: Mô hình nhận diện gian lận trong Báo cáo tài chính của các ngân hàng thương mại tại Việt Nam

1. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam Hoàng Thị Hồng Vân Khoa Kế toán - Kiểm toán, Học viện Ngân hàng Ngày nhận: 07/01/2021 Ngày nhận bản sửa: 09/05/2021 Ngày duyệt đăng: 19/05/2021 Tóm tắt: Báo cáo tài chính nói chung, của ngân hàng nói riêng luôn có vai trò quan trọng đối với người sử dụng và hoạt động của thị trường. Gian lận trong báo cáo tài chính của ngân hàng thương mại có thể ảnh hưởng nghiêm trọng đến không chỉ hoạt động của chính ngân hàng mà còn ảnh hưởng đến lòng tin của người sử dụng dịch vụ ngân hàng và thị trường tiền tệ. Nghiên cứu sử dụng mô hình M-score của Beneish (1999) có bổ sung thêm một số biến nhằm xác định mô hình nhận diện gian lận báo cáo tài chính của các ngân hàng thương mại tại Việt Nam. Kết quả nghiên cứu cho thấy có 5 yếu tố trong mô hình nhận diện gian lận báo cáo tài chính của các ngân hàng thương mại tại Việt Nam: Tỷ số tăng trưởng doanh thu, tỷ số chất lượng tài sản, tỷ số đòn bẩy tài chính, tăng trưởng quy mô doanh nghiệp và tỷ lệ nợ xấu trong ngân hàng thương mại. Tính chính xác của mô hình nhận diện gian lận của các ngân hàng thương mại tại Việt Nam được tính toán tại ngưỡng 20% là 63,16%. Từ khóa: Gian lận báo cáo tài chính, Mô hình M-score, ngân hàng thương mại, báo cáo tài chính The accuracy of the model in predicting fraud in financial statements of commercial banks in Vietnam Abstract: Financial statements of banks always play a significant role for users and market activities. Fraud in commercial banks’ financial statements can have a serious impact on not only the operation of the bank, but also the users of service banks and money markets. The study using the M-score model of Beneish (1999) has added some variables to determine the fraudulent identification of financial statements of commercial banks in Vietnam. The research results show that there are 5 factors in the financial reporting fraud model of commercial banks in Vietnam: Revenue growth rate, asset quality ratio, financial leverage ratio, growth firm size and bad debt ratio in commercial banks. The accuracy of the model in predicting fraud in financial statements of commercial banks in Vietnam at 20% was 63,16%. Keywords: Fraudulent financial statements, M-score model, commercial banks, financial statements Hoang, Thi Hong Van Email: vanhth@hvnh.edu.vn Banking Academy of Vietnam © Học viện Ngân hàng Tạp chí Khoa học & Đào tạo Ngân hàng ISSN 1859 - 011X 49 Số 231- Tháng 8. 2021
2. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam 1. Tổng quan các nghiên cứu về gian lận 8 biến của Beneish (1999), kết quả nghiên báo cáo tài chính cứu đã chỉ ra rằng các biến Chỉ số doanh số bán hàng trong các chỉ số phải thu, Chỉ Beneish (1999) xây dựng mô hình M-score số tổng lợi nhuận, Chỉ số chất lượng tài sản để nhằm mục đích xác định việc gian lận và Tổng số tiền tích luỹ tổng tài sản có ảnh thu nhập của các công ty, cụ thể là việc hưởng đến khả năng thực hiện gian lận kế tăng doanh thu và giảm chi phí có chủ đích. toán cho bất kỳ công ty nào, đồng thời xác Beneish nhận định rằng, xác suất công ty định rằng tổng số tiền cộng dồn vào tổng tài thao túng thu nhập tăng khi có: sự tăng bất sản có tác động lớn nhất tới gian lận so với thường của khoản phải thu, suy giảm lợi các biến khác. nhuận gộp, giảm chất lượng tài sản, tăng Giống với nghiên cứu của Burcu Dikmen trưởng doanh thu và tăng dồn tích. Những và Güray Küçükkocaoğlu (2005), mô hình biến được Beneish (1999) sử dụng: Tỷ số 11 biến của Marinakis (2011) cũng được phải thu khách hàng trên doanh thu thuần, xây dựng để nghiên cứu tại Anh, trong đó 8 Tỷ số lãi gộp, Tỷ số tăng trưởng doanh thu biến tương tự như mô hình Beneish, ngoài bán hàng, Tỷ số chất lượng tài sản, Tỷ số ra có 3 biến khác: Chỉ số tỷ lệ thuế suất khấu hao tài sản cố định hữu hình, Tỷ số hiệu quả, Chỉ số đãi ngộ cho các giám đốc chi phí bán hàng và quản lý doanh nghiệp, trên tổng tài sản, Chỉ số thù lao kiểm toán Tỷ số đòn bẩy tài chính, Tỷ số biến dồn tích đối với tổng tài sản. Tác giả đặt ngưỡng kế toán so với tổng tài sản. Với mẫu là 74 giá trị cho mô hình của mình là -1,31, theo công ty gian lận thu nhập, tác giả kết luận kiểm định của Marinakis, xác suất xác định rằng: công ty có M-score lớn hơn -1,78 chính xác công ty gian lận cao hơn mô hình thì được cho rằng có gian lận thu nhập và gốc của Beneish (1999) là 10%. ngược lại. Mô hình này đã đúng khi xác Ở khía cạnh khác, Tarjo and Nurul Herawati định ra vụ việc bê bối của Enron. (2015) đã có nghiên cứu khá mạnh dạn Dựa trên mô hình M-score, Burcu Dikmen khi phân tích tính chính xác của mô hình and Güray Küçükkocaoğlu (2005) đã phát M-score- Beneish (1999) trong việc phát triển một mô hình mới nhằm phát hiện sự hiện gian lận BCTC với số liệu trải dài từ sai phạm báo cáo tài chính (BCTC) của các 2001- 2014 của 35 công ty được xác định công ty tại Thổ Nhĩ Kỳ. Nghiên cứu này sử là có gian lận BCTC và 35 công ty được dụng BCTC của 126 công ty được niêm yết xác định không có gian lận BCTC. Mô trên sàn chứng khoán. So với kết quả của hình của Tarjo and Nurul Herawati (2015) Ủy ban Chứng khoán Thổ Nhĩ Kỳ công bố, đã đưa ra được các biến số ảnh hưởng tới mô hình này dự báo đúng 81% công ty bị gian lận BCTC là Chỉ số tổng lợi nhuận, gian lận thu nhập và 65% công ty không bị Chỉ số khấu hao, Chỉ số chi phí bán hàng và gian lận, kết quả chung tỷ lệ dự báo đúng quản lý doanh nghiệp, Chỉ số tổng tài sản là 67%. và tổng kế toán dồn tích. Các biến Chỉ số Hakkı FINDIK and Erkan ÖZTÜRK (2016) bán hàng, Chỉ số chất lượng tài sản, Chỉ số đã sử dụng dữ liệu tài chính của 91 công ty đòn bẩy tài chính không thể phát hiện gian sản xuất của ngành công nghiệp niêm yết lận BCTC. Độ chính xác của mô hình trong trên Sàn chứng khoán Istanbul (Thổ Nhĩ Kỳ) phát hiện công ty gian lận lên tới 77,1% (27 vào năm 2014 nhằm mục đích xác định khả trên 35 công ty gian lận) và độ chính xác năng của các công ty này thực hiện gian lận trong phát hiện công ty không gian lận là BCTC. Bằng cách áp dụng mô hình M-score 80% (28 trên 35 công ty không gian lận). 50 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 8. 2021
3. HOÀNG THỊ HỒNG VÂN Dechow và cộng sự (2011) đã nghiên cứu Petrík (2015) chỉ đi sâu nghiên cứu về một nguyên nhân và hậu quả của thao túng lợi công ty là Slovak- công ty sản xuất thiết bị nhuận thông qua tìm hiểu 2.190 công ty văn phòng, là một doanh nghiệp quy mô niêm yết trong giai đoạn 1982- 2005 và vừa. Kết quả cho thấy, công ty không gian xây dựng được mô hình F-score. Tác giả và lận BCTC bởi có giá trị M-score là 6,84. cộng sự kết luận rằng F-score lớn hơn 1 thì Điều này cho thấy, các nhà đầu tư hoàn khả năng công ty sai phạm tài chính và bóp toàn có thể sử dụng mô hình M-score của méo lợi nhuận sẽ cao. Beneish (1999) để phân tích cụ thể dữ liệu Rhee và cộng sự (2003) đã nghiên cứu sự từng công ty, làm cơ sở cho các quyết định, ảnh hưởng của quy mô doanh nghiệp đến đồng thời cũng là minh chứng cho thấy cơ hội gian lận thu nhập của nhà quản trị. tính ứng dụng của mô hình M-score trong Trong nghiên cứu, Rhee và cộng sự chỉ nghiên cứu gian lận BCTC cho tất cả các ra rằng, tất cả những doanh nghiệp trong doanh nghiệp trong thực tiễn. thị trường đều có xu hướng gian lận lợi Nguyễn Trần Nguyên Trân (2014) sử dụng nhuận, tuy nhiên, số lượng doanh nghiệp mô hình Beneish (1999) để dự đoán khả nhỏ lại gian lận nhiều hơn. Mặt khác, hai năng gian lận BCTC của công ty niêm yết xu hướng của hai loại hình doanh nghiệp trên thị trường chứng khoán (TTCK) Việt nhỏ và lớn lại hoàn toàn khác nhau. Đối với Nam. Đối với mẫu 30 công ty niêm yết, công ty nhỏ, nhà quản trị có thể làm tăng mô hình phát hiện tỷ lệ gian lận là 63,33%. hoặc giảm lợi nhuận so với lợi nhuận thực Đồng thời, tác giả cũng nhận định rằng việc tế, còn công ty lớn hầu hết gian lận để lợi sử dụng mô hình M-score cũng nhằm phát nhuận không giảm qua các năm. Điểm hạn hiện sớm một số công ty có khả năng thực chế của nghiên cứu này là chưa định lượng hiện các hành vi thao túng trên BCTC tại thị được các biến quy mô ảnh hưởng đến khả trường Việt Nam. Hạn chế của nghiên cứu là năng cũng như xu hướng gian lận của công chỉ dừng lại ở việc sử dụng trực tiếp mô hình ty trên thị trường. gốc Beneish, tuy nhiên, nghiên cứu này là Nhìn chung, các nghiên cứu nước ngoài một trong số những nghiên cứu đi đầu trong về gian lận BCTC xuất hiện khá nhiều việc sử dụng kỹ thuật thống kê, cụ thể là mô và phổ biến. Chủ yếu các nghiên cứu dựa hình dự báo gian lận M-score. trên cơ sở mô hình của DeAnglo (1986) và Hoàng Khánh và Trần Thị Thu Hiền (2015) Beneish (1999) để xây dựng mô hình mới, sử dụng nền tảng từ những nghiên cứu đi đặc trưng cho từng đối tượng nghiên cứu cụ trước như DeAngelo (1986), Friedlan (1994) thể trong từng lĩnh vực cũng như từng góc và Beneish (1999), xây dựng mô hình nhận nhìn nghiên cứu riêng để phát hiện gian lận diện gian lận BCTC của các doanh nghiệp BCTC. Có thể nói 2 mô hình của DeAnglo ngành xây dựng niêm yết TTCK Việt Nam. (1986) và Beneish (1999) là nền tảng cho Trong nghiên cứu, tác giả sử dụng mô hình sự ra đời các mô hình nghiên cứu gian lận gốc 8 biến của Beneish và mô hình 10 biến BCTC sau này. được phát triển thêm hai biến dồn tích (DA) Việc áp dụng mô hình M-score vào phát và biến quy mô doanh nghiệp Size. Độ chính hiện gian lận trong BCTC của các doanh xác của hai mô hình với các doanh nghiệp nghiệp có thể hữu ích với các ngân hàng, sản xuất lần lượt là 63,41% và 68,29%, tính chủ đầu tư, chủ nợ trong quá trình thẩm theo kết quả kiểm toán độc lập. Hạn chế của định hoặc thiết lập mối quan hệ kinh doanh nghiên cứu là chỉ thực hiện với nhóm doanh mới. Trong nghiên cứu của mình, Vladimír nghiệp ngành xây dựng. Số 231- Tháng 8. 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 51
4. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam Nhìn chung, các nghiên cứu trong nước các biến trong mô hình của Beneish (1999), sử dụng khá hiệu quả các mô hình nghiên có bổ sung thêm biến kế toán dồn tích có cứu vào đánh giá rủi ro có gian lận trong thể điều chỉnh (DA) của Friedlan (1994), BCTC tại Việt Nam. Tuy nhiên, đối tượng và biến quy mô doanh nghiệp (SIZE) của tìm hiểu của các nghiên cứu chủ yếu là các Rhee và các cộng sự (2003) để đánh giá tác doanh nghiệp phi tài chính trên thị trường động của các yếu tố này tới khả năng nhận tài chính hoặc một vài nghiên cứu chuyên diện gian lận của mô hình. Ngoài ra, tác giả sâu về các doanh nghiệp cụ thể trong lĩnh đề xuất thêm biến tỷ lệ nợ xấu (NX) trong vực xây dựng, sản xuất. Những nghiên cứu các NHTM bởi nợ xấu là một chỉ tiêu đặc về gian lận tại các trung gian tài chính như thù của các NHTM, phản ánh hiệu quả tín ngân hàng thương mại (NHTM) còn hạn dụng trong các ngân hàng, ảnh hưởng trực chế, đặc biệt là nghiên cứu ứng dụng mô tiếp tới uy tín và chất lượng hoạt động của hình M-score của Beneish (1999) vào phát các NHTM. Thời gian qua, nhiều NHTM hiện gian lận BCTC. có xu hướng điều chỉnh tỷ lệ nợ xấu của Bài viết đề cập đến việc vận dụng mô mình xuống thấp hơn so với thực tế nhằm hình M-score của Beneish (1999) với các tăng hiệu quả hoạt động cho vay và huy NHTM tại Việt Nam với mục đích xác định động vốn của mình. Phương pháp được mô hình nhận diện gian lận BCTC của các sử dụng nhiều là các ngân hàng che giấu ngân hàng, qua đó đánh giá mức độ chính những khoản nợ xấu của mình thông qua xác của mô hình nghiên cứu trong việc dự việc cho khách hàng đang có nợ xấu vay báo hay nhận diện gian lận BCTC của các để đảo nợ, từ đó những khoản nợ yếu kém NHTM tại Việt Nam. tự nhiên trở thành những khoản nợ bình thường. Chỉ tiêu này thường được điều 2. Mô hình nghiên cứu chỉnh thông qua các khoản mục như: Các khoản phải thu khách hàng, Dự thu lãi, Dự Dựa trên nền tảng mô hình nghiên của chi lãi của NHTM. Beneish (1999), tác giả xây dựng mô hình Mô hình nhận diện gian lận BCTC của các nhận diện gian lân trong BCTC của các NHTM ở Việt Nam có dạng như sau: NHTM tại Việt Nam. Biến phụ thuộc được M = β0 + β1 (SGI) + β2 (AQI) + β3 (DSRI) phân loại theo BCTC các NHTM tại Việt + β4 (TATA) + β5 (DEPI) + β6 (LVGI) + β7 Nam trước và sau kiểm toán với giả định DA + β8 SIZE + β9 NX + Ui kết quả kiểm toán là kết quả chính xác về Trong đó, β0 là hệ số chặn của mô hình, βi là tình hình ngân hàng. BCTC trước kiểm hệ số của các biến độc lập trong mô hình, toán sẽ được coi là có gian lận nếu có sai Ui là các biến số khác có thể có ảnh hưởng lệch trọng yếu. Phân biệt sai lệch trọng yếu tới nhưng chưa đưa vào mô hình nghiên theo mức trọng yếu trong hướng dẫn của cứu. Các biến trong mô hình được mô tả VACPA lấy theo tiêu chí lợi nhuận là 5%. trong Bảng 1. Theo đó, nếu BCTC có chênh lệch giữa trước và sau kiểm toán từ 5% trở lên thì 3. Phương pháp nghiên cứu và dữ liệu BCTC đó được coi là có gian lận và ngược nghiên cứu lại. Biến phụ thuộc M = 1 nếu BCTC có sai lệch trọng yếu, M = 0 nếu BCTC không sai Phương pháp nghiên cứu lệch trọng yếu. Nghiên cứu sử dụng phương pháp nghiên Các biến độc lập trong mô hình báo gồm cứu định lượng, được thực hiện qua các 52 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 8. 2021
5. HOÀNG THỊ HỒNG VÂN bước sau: định mô hình các yếu tố nhận diện BCTC Thứ nhất, dựa trên tổng quan nghiên cứu, có gian lận tại các NHTM Việt Nam. tác giả xác định mô hình nghiên cứu về gian Thứ tư, đánh giá tính chính xác của mô lận BCTC trong các NHTM Việt Nam. hình trong dự báo, nhận diện gian lận trong Thứ hai, tác giả thu thập dữ liệu nghiên cứu các BCTC của NHTM. của 19 NHTM tại Việt Nam từ năm 2012- Sau khi xác định mô hình các yếu tố nhận 2017 diện gian lận trong BCTC của các NHTM, Thứ ba, xử lý các dữ liệu nghiên cứu và xác tác giả tiến hành xác định ngưỡng giá trị Bảng 1. Mô tả các biến và chiều tác động của các biến trong mô hình nghiên cứu Nguồn: Tác giả tổng hợp Số 231- Tháng 8. 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 53
6. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam phù hợp để phân loại BCTC chưa kiểm ta đánh dấu doanh nghiệp thứ i có khả năng toán vào các nhóm có gian lận và không gian lận. Độ chính xác của mô hình sẽ được có gian lận (BCTC được coi là có gian tính bằng tổng số dự báo đúng trên tổng số lận nếu chênh lệch lợi nhuận trước và sau quan sát. Các dự báo sai sẽ tùy trường hợp kiểm toán > 5% và ngược lại, với giả định mà có ảnh hưởng tới người sử dụng BCTC. là BCTC đã được kiểm toán là không còn Do đó, theo Nguyễn Cao Văn (2012), tính tồn tại sai phạm trọng yếu), xác định những chính xác của dự báo được tính toán và mô NHTM có giá trị M nằm trong ngưỡng giá tả trong Bảng 3. trị được nhận diện là gian lận. Đồng thời, tại bước này, tác giả kiểm tra tính chính xác Dữ liệu nghiên cứu của mô hình với số liệu năm 2017 vì năm Nguồn dữ liệu được lấy từ hai trang 2017 có đầy đủ BCTC của 19 NHTM trước web:www.cafef.vn và www.vietstock.vn, và sau kiểm toán làm cơ sở đánh giá tính kết hợp thu thập dữ liệu liên quan còn thiếu chính xác của mô hình nghiên cứu. từ trang chủ của các NHTM. Dữ liệu thu Miền phân phối bên trái của phân phối thập là các báo cáo trước và sau kiểm toán chuẩn Mi nằm trong khoảng 1% - 2,5% được Beneish (1999) xác định khả năng Bảng 2. Ngưỡng M-score tương ứng với gian lận BCTC cao, tương ứng với giá trị mức xác suất dự báo phân loại Mi nằm trong khoảng từ (-1,96) Xác suất dự báo Giá trị phân loại M-score đến (-2,32). Giá trị phân loại M được tính i 1% -2,3263479 toán dựa trên các xác xuất dự báo ở các mức 1%, 5%, 10%, 15%, 20%, 25%, 30%, 5% -1,6448536 35%, 40%. Tính toán các giá trị phân loại 10% -1,2815516 M-score tương ứng tại các xác suất dự báo 15% -1,0364334 1%, 5%, 10%, 15%, 20%, 25%, 30%, 35%, 20% -0,8416212 40% miền phân phối bên trái bằng hàm 25% -0,6744898 Normsinv trong Excel thu được kết quả tại 30% -0,5244005 Bảng 2. Theo Beneish (1999), Tarjo and Nurul 35% -0,3853205 40% -0,2533471 Herawati (2015), nếu Mi (giá trị ở quan sát thứ i của M) lớn hơn giá trị phân loại của Nguồn: Tính toán của tác giả bằng M-score tại một ngưỡng phân loại xác định, phần mềm Excel Bảng 3. Tính chính xác của dự báo Kết quả Kiểm toán Có gian lận Không có gian lận Dự báo đúng có gian lận Dự báo sai có gian lận (Sai lầm loại 1) Có gian lận (1) (2) Dự Dự báo sai không có gian lận báo Không có gian Dự báo đúng không có gian lận (Sai lầm loại 2) lận (4) (3) Độ chính xác của dự báo 1 / (1+3) 2 / (2+4) Tổng độ chính xác (1+4) / tổng số quan sát Nguồn: Nguyễn Cao Văn (2012) 54 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 8. 2021
7. HOÀNG THỊ HỒNG VÂN của 19 NHTM Việt Nam (Bảng 7). BCTC Qua thống kê, những chỉ tiêu có sai lệch trước và sau kiểm toán của các NHTM nhiều là: Lợi nhuận sau thuế (28,95%), được lấy trong khoảng thời gian từ năm Tài sản ngắn hạn (14,47%), Phải thu 2012 - 2017, trong đó, dữ liệu để làm cơ sở khách hàng (30,26%), Dòng tiền từ hoạt xác định mô hình các yếu tố ảnh hưởng đến động kinh doanh (25,00%), Tổng tài sản gian lận BCTC là từ 2012 - 2016, dữ liệu (18,42%), Nợ phải trả (15,79%), Tỷ lệ nợ cho kiểm tra tính chính xác của mô hình là xấu (30,26%). Các chỉ tiêu có sai lệch ít là: năm 2017. Dữ liệu được lấy bao gồm: Tài Tài sản dài hạn (5,26%), Vốn chủ và các sản ngắn hạn, cho vay khách hàng, tài sản quỹ (2,63%), Doanh thu thuần (1,32%). dài hạn, tài sản cố định, tổng tài sản, nợ Khoản mục Tài sản cố định không có bất phải trả, vốn chủ và các quỹ, thu nhập lãi cứ sai lệch nào. Nguyên nhân có sự sai thuần, lợi nhuận sau thuế, dòng tiền thuần lệch lớn của các khoản mục là: Tỷ lệ nợ từ hoạt động kinh doanh, tỷ lệ nợ xấu. Các xấu và Phải thu khách hàng (do các NHTM dữ liệu được tổng hợp và xử lý bằng phần chuyển các khoản nợ nhóm 3, 4, 5 về nhóm mềm Excel và phần mềm STATA 13. 1, 2 làm tăng các khoản phải thu khách hàng, giảm nợ xấu), Lợi nhuận sau thuế và 4. Kết quả nghiên cứu Dòng tiền thuần từ hoạt động kinh doanh (phần lớn do các khoản chi lãi được kê khai 4.1. Đánh giá sai lệch thông tin trước và không đúng, nhiều NHTM chi trả lãi ngoài sau kiểm toán để tăng thu nhập lãi cũng như thu hút các đối tượng khách hàng). Sự sai lệch của các Sau khi thực hiện thu thập và xử lý dữ liệu, khoản mục này đã kéo theo sự sai lệch của tác giả thực hiện thống kê mô tả từ các dữ các khoản mục có liên quan: Tài sản ngắn liệu sử dụng cho các biến đầu vào của mô hạn, Tổng tài sản, Nợ phải trả. hình, kết quả cụ thể như Bảng 4. Bảng 4. Thống kê sai lệch các chỉ tiêu từ BCTC của 19 NHTM giữa kết quả trước và sau kiểm toán giai đoạn 2013- 2016 STT Chỉ tiêu Số quan sát sai lệch Tỷ lệ sai lệch 1 Lợi nhuận sau thuế 22 28,95% 2 Tài sản ngắn hạn 11 14,47% 3 Phia thu khách hàng 23 30,26% 4 Tài sản dài hạn 4 5,26% 5 Tài sản cố định 0 0,00% 6 Tổng tài sản 14 18,42% 7 Nợ phải trả 12 15,79% 8 Vốn chủ và các quỹ 2 2,63% 9 Thu nhập lãi thuần 1 1,32% Dòng tiền thuần từ hoạt động kinh 10 19 25,00% doanh 11 Tỷ lệ nợ xấu 23 30,26% Nguồn: Tính toán từ phần mềm Excel Số 231- Tháng 8. 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 55
8. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam Bảng 5. Ma trận hệ số tương quan giữa các biến trong mô hình SGI AQI DSRI TATA DEPI LVGI DA SIZE NX SGI 1 AQI -,0103 1 DSRI -,2064 -,1757 1 TATA -,1322 -,1267 ,2812 1 DEPI -,0387 -,4932 ,3130 -,0445 1 LVGI -,0129 -,2336 -,1304 ,0383 -,3112 1 DA -,2708 ,0016 ,5267 ,2416 ,0001 ,0075 1 SIZE -,0102 ,0079 -,0788 -,0808 -,0246 -,0631 ,0299 1 NX -,0423 -,0371 -,0021 -,0406 ,2511 -,1017 -,0642 -,2913 1 Nguồn: Tính toán từ phần mềm STATA 13 Bảng 6. Kết quả hồi quy logistic mô hình M Coef. Std. Err. Z P>|z| [95% Conf. Interval] SGI -,2088674 ,6017161 -0,35 0,031 -1,388209 ,9704745 AQI -1,311197 1,70476 -0,77 0,045 -4,652466 2,030071 DSRI -,3372691 ,3571657 -0,94 0,09 -1,037301 ,3627629 TATA 15,26538 10,07281 1,52 0,074 -4,476966 35,00772 DEPI 2,377854 1,336584 1,78 0,062 -,2418016 4,99751 LVGI 33,76182 16,33364 2,07 0,03 1,748466 65,77517 DA -,0052447 ,0183458 -0,29 0,052 -,0412017 ,0307123 SIZE ,5836006 ,87862 0,66 0,015 -1,138463 2,305664 NX 24,84579 35,39442 0,70 0,032 -44,52601 94,21758 _cons -38,0518 19,00495 -2,00 0,04 -75,30081 -,8027814 Nguồn: Tính toán từ phần mềm STATA 13 4.2. Mối tương quan giữa các biến trong Kết quả hồi quy của mô hình cho thấy, với mô hình nghiên cứu mức ý nghĩa là 5%, có 5 biến có ý nghĩa trong mô hình nhận diện gian lận, gồm: Kiểm tra tương quan giữa các biến trong SGI, AQI, LVGI, SIZE và NX. mô hình cho kết quả như Bảng 5. Hệ số góc của SGI (Tỷ số tăng trưởng thu Kết quả ở Bảng 5 cho thấy các biến trong nhập) = -0,2088674 có ý nghĩa thống kê ở mô hình nghiên cứu có mối tương quan với mức 5%, thể hiện tác động ngược chiều của nhau, có thể giải thích cho biến phụ thuộc. biến SGI lên xác suất gian lận BCTC. Hay nói cách khác, Tỷ số tăng trưởng thu nhập 4.3. Kết quả phân tích hồi quy có mối quan hệ ngược chiều với gian lận BCTC, khi tỷ số tăng trưởng thu nhập của Hồi quy logistic mô hình thu được kết quả ngân hàng càng cao thì xu hướng gian lận trong Bảng 6 BCTC càng giảm. Điều này trái với giả 56 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 8. 2021
9. HOÀNG THỊ HỒNG VÂN thuyết nghiên cứu và kỳ vọng về dấu của hệ có xu hướng gian lận BCTC. Kết quả này số trong mô hình đã trình bày ở Bảng 1. Kết trái ngược với Rhee và các cộng sự (2003) quả này cũng khác biệt với các nghiên cứu chỉ ra rằng công ty nhỏ có khả năng gian của các nhà nghiên cứu trước như Beneish lận BCTC nhiều hơn các công ty lớn, (1999), Tarjo and Nurul Herawati (2015). công ty nhỏ có thể làm tăng hoặc giảm lợi Tuy nhiên, kết quả nghiên cứu này dường nhuận, còn các công ty lớn hầu hết thao như phù hợp với thực tiễn các ngân hàng túng BCTC theo hướng lợi nhuận không bị tại Việt Nam, bởi việc tăng trưởng thu nhập giảm qua các năm. Kết quả nghiên cứu tại của các ngân hàng chủ yếu từ lãi cho vay Việt Nam một lần nữa cho thấy khác biệt nên khi có tăng trưởng về tín dụng sẽ giúp với các quốc gia khác về gian lận BCTC. ngân hàng đạt các chỉ tiêu về thu nhập. Đây Theo đó, những ngân hàng lớn thường có là lý do giải thích cho mối quan hệ khi tăng xu hướng làm đẹp BCTC của mình nhiều trưởng thu nhập của ngân hàng cao thì việc hơn so với các ngân hàng quy mô nhỏ hơn. gian lận BCTC giảm. Hệ số của NX (Tỷ lệ nợ xấu của NHTM) = Hệ số của AQI (Tỷ số chất lượng tài sản) 24,84579 cho thấy tỷ lệ nợ xấu có tác động = -1,311197 có mối quan hệ ngược chiều thuận chiều với gian lận trong các NHTM. với khả năng xảy ra gian lận BCTC, hay Nói cách khác, các ngân hàng có tỷ lệ nợ nói cách khác, khi Tỷ số chất lượng tài sản xấu cao thường có xu hướng mong muốn giảm, doanh nghiệp có xu hướng gian lận che giấu tình hình tài chính thực tế của BCTC. Kết quả này trái với nghiên cứu của ngân hàng cũng như để gia tăng hay giữ Beneish (1999) cho rằng, khi các doanh vững niềm tin của các cổ đông, các nhà đầu nghiệp có tỷ suất chất lượng tài sản cao thì tư với hoạt động của ngân hàng, do đó có khả năng gian lận BCTCT tăng. Kết quả động cơ gian lận BCTC cao hơn. nghiên cứu phù hợp với thực tiễn khi cho Mô hình nhận diện gian lận BCTC trong thấy, với các ngân hàng có chỉ số chất lượng các NHTM tại Việt Nam có dạng: tài sản thấp thì thường có mong muốn che M= -38.0518 – 0,2088674SGI – giấu các vấn đề thực tại đối với tài sản của 1,311197AQI + 33,76182LVGI + đơn vị mình, do đó có xu hướng gia tăng 0,5836006SIZE + 24,84579NX gian lận BCTC. Hệ số của LVGI (Tỷ số đòn bẩy tài chính) 4.4. Kiểm định tính chính xác của mô = 33,76182> 0, cho thấy khi Tỷ số đòn bẩy hình tại các ngân hàng thương mại ở Việt tài chính càng cao thì khả năng gian lận Nam BCTC cũng càng tăng. Kết quả nghiên cứu này mặc dù trái ngược với Beneish (1999), Như đã trình bày trong phần phương pháp nhưng dường như lại hợp lý với thực tiễn nghiên cứu, để đánh giá tính chính xác của Việt Nam khi cho thấy, nếu các doanh dự báo gian lận, tác giả sử dụng dữ liệu nghiệp có tỷ trọng nợ phải trả trong tổng trên BCTC trước và sau kiểm toán của 19 tài sản cao thì thường có xu hướng gian lận NHTM trong năm 2017. Thông qua các BCTC nhiều hơn với mong muốn làm giảm BCTC trước và sau kiểm toán để xác nhận ảnh hưởng tiêu cực của tỷ lệ nợ phải trả đối việc doanh nghiệp có gian lận hay không. với báo cáo tài chính Nếu BCTC có sai lệch trọng yếu giữa các Hệ số góc của SIZE (biến tăng trưởng quy khoản mục trước và sau kiểm toán được coi mô doanh nghiệp) = 0,5836006> 0 cho là có gian lận, không có chênh lệch trọng thấy quy mô ngân hàng càng cao thì càng yếu được coi là không có gian lận. Kết quả Số 231- Tháng 8. 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 57
10. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam này được sử dụng để so sánh với giá trị tại ngưỡng 20% là lớn nhất. Từ ngưỡng M-score được tính toán từ dữ liệu của các 20% trở đi, độ chính xác của mô hình NHTM. Kết quả tính toán các giá trị M của không tăng thêm chứng tỏ kết quả đã bão các NHTM thể hiện trong Bảng 7. hòa. Vậy nên ngưỡng 20% là ngưỡng phân Kết quả Bảng 7 cho thấy, các M-score có loại chấp nhận được của mô hình. Độ chính giá trị trong khoảng (-5; 2), tuy nhiên giá trị xác của mô hình M-score tại ngưỡng 20% chủ yếu tập trung ở khoảng (-2; 2). với dữ liệu của các NHTM năm 2017 được Với Mi (giá trị M ở quan sát thứ i)> M-score thể hiện trong Bảng 9. tại một ngưỡng phân loại xác định, ta đánh Như vậy, tại ngưỡng 20% miền phân phối dấu doanh nghiệp thứ i có khả năng gian bên trái có giá trị phân loại -0,84162, các lận. Kết quả sau khi so sánh tại các ngưỡng kết quả dự báo của mô hình có độ chính xác suất 1%, 5%, 10%, 15% và 20%, 25%, xác lần lượt là 75% với quan sát có gian 30%, 35%, 40% thể hiện tại Bảng 8. lận và 40% với quan sát không có gian lận. Bảng 8 cho thấy, độ chính xác của Mô hình Kết quả này cho phép phát hiện các sai lệch Bảng 7. Giá trị M-score của 19 NHTM trong năm 2017 Gian lận BCTC theo Kết quả M tính STT Tên NHTM kết quả kiểm toán theo mô hình 1 Ngân hàng TMCP Á Châu 0 -3,272126943 2 Ngân hàng TMCP Bắc Á 0 -1,7473077396 Ngân hàng TMCP Đầu tư và Phát triển Việt 3 0 1,43201220554 Nam 4 Ngân hàng TMCP Công thương Việt Nam 0 -1,5553329945 5 Ngân hàng TMCP Xuất nhập khẩu Việt Nam 1 1,1186468006 6 Ngân hàng TMCP Phát triển TPHCM 0 1,69918008352 7 Ngân hàng TMCP Kiên Long 0 -4,3166011963 8 Ngân hàng TMCP Bưu điện Liên Việt 0 0,6404448185 9 Ngân hàng TMCP Quân đội 0 -1,334183608 10 Ngân hàng TMCP Quốc Dân 1 2,1097816759 11 Ngân hàng TMCP Sài Gòn – Hà Nội 0 -2,3641915328 12 Ngân hàng TMCP Sài Gòn Thương Tín 1 1,0371728199 13 Ngân hàng TMCP Tiên Phong 1 -2,483823174 14 Ngân hàng TMCP Ngoại thương Việt Nam 0 1,9480796448 15 Ngân hàng TMCP Quốc tế Việt Nam 0 -3,638303574 16 Ngân hàng TMCP Việt Nam Thịnh Vượng 0 -1,735275321 17 Ngân hàng TMCP An Bình 0 0,643661449 18 Ngân hàng TMCP Đại chúng Việt Nam 0 1,9177616498 19 Ngân hàng TMCP Kỹ Thương Việt Nam 0 -0,9080372034 Ghi chú: Gian lận BCTC theo kết quả kiểm toán nhận giá trị 0 là không có sự khác biệt giữa các khoản mục trọng yếu giữa BCTC của NHTM trước và sau kiểm toán, nhận giá trị 1 nếu có sai lệch Nguồn: Tính toán và tổng hợp của tác giả 58 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 8. 2021
11. HOÀNG THỊ HỒNG VÂN Bảng 8. So sánh tính chính xác của mô hình M-score tại ngưỡng phân loại với dữ liệu của 19 NHTM năm 2017 Dự báo đúng Dự báo sai Ngưỡng xác suất Có gian lận Không gian lận Có gian lận Không gian lận Ngưỡng 1% 3 4 11 1 Ngưỡng 5% 3 6 9 1 Ngưỡng 10% 3 8 7 1 Ngưỡng 15% 3 8 7 1 Ngưỡng 20% 3 9 6 1 Ngưỡng 25% 3 9 6 1 Ngưỡng 30% 3 9 6 1 Ngưỡng 35% 3 9 6 1 Ngưỡng 40% 3 9 6 1 Nguồn: Tính toán của tác giả Bảng 9. Độ chính xác của mô hình M-score tại ngưỡng 20% với dữ liệu các NHTM năm 2017 Kết quả Kiểm toán Có gian lận Không có gian lận Dự Có gian lận 3 6 báo Không có gian lận 1 9 Độ chính xác của dự báo 3/4=75% 6/15=40% Tổng độ chính xác 12/19=63,16% Nguồn: Tính toán của tác giả trong BCTC là 63,16%, dựa trên cơ sở các ra gian lận BCTC. kết quả của kiểm toán. Ngưỡng giá trị phân loại được xác định dựa vào việc so sánh tính chính xác của mô 5. Kết luận hình tại các ngưỡng 1%, 5%, 10%, 15% và 20%, 25%, 30%, 35%, 40% miền phân Kết quả nghiên cứu chỉ ra mô hình nhận phối bên trái. Từ ngưỡng 1% đến 20% miền diện gian lận trong BCTC của các NHTM ở phân phối bên trái, giá trị nhận diện đúng Việt Nam gồm 5 yếu tố: Tỷ số tăng trưởng tăng dần và đạt cực đại tại ngưỡng 20%. doanh thu (SGI), tỷ số chất lượng tài sản Ngưỡng xác suất nhận diện gian lận là 20% (AQI), tỷ số đòn bẩy tài chính (LVGI), tăng tại miền phân phối, ứng với giá trị phân loại trưởng quy mô doanh nghiệp (SIZE) và tỷ -0,842. Tại giá trị này độ chính xác của mô lệ nợ xấu của NHTM (NX). Trong 5 yếu tố hình là cao nhất cho phép nhận diện chính ảnh hưởng, các biến SGI, AQI có quan hệ xác 12/19 ngân hàng có gian lận, tương ứng ngược chiều với khả năng xảy ra gian lận với 63,16% BCTC có sai lệch theo kết quả BCTC. Các biến còn lại là LVGI, SIZE và kiểm toán. NX có quan hệ thuận chiều với khả năng xảy Gian lận BCTC là hành vi khá phổ biến Số 231- Tháng 8. 2021- Tạp chí Khoa học & Đào tạo Ngân hàng 59
12. Mô hình nhận diện gian lận trong báo cáo tài chính của các ngân hàng thương mại tại Việt Nam không chỉ ở một số doanh nghiệp tại Việt vi gian lận BCTC của doanh nghiệp luôn là Nam mà còn cả ở các quốc gia khác trên vấn đề cần được các cơ quan quản lý Nhà thế giới. Sử dụng các BCTC có gian lận có nước quan tâm như một cơ chế phòng ngừa thể gây ra tổn thất lớn với các nhà đầu tư. rủi ro cho người sử dụng thông tin. Nhiều nghiên cứu đã được thực hiện với Để hạn chế hành vi gian lận BCTC của các mục đích xác định được cơ sở nhận diện doanh nghiệp, tổ chức, các cơ quan quản BCTC có gian lận. Các mô hình nhận lý Nhà nước như Bộ Tài chính, Ủy ban diện rủi ro có gian lận như mô hình của Chứng khoán Nhà nước, Ngân hàng Nhà M-score Beneish (1999), hay Z-score của nước Việt Nam cần có những quy định về Altman (1968), Jones (1991), Dechow và công bố thông tin và có các chế tài xử lý cộng sự (1995) có thể được coi là công nghiêm ngặt đối với các hành vi vi phạm cụ hỗ trợ hiệu quả đối với các nhà đầu tư công bố thông tin và gian lận BCTC của trong việc ra quyết định. Nghiên cứu vận các doanh nghiệp. Các nhà đầu tư, người dụng mô hình Beneish (1999) cho dữ liệu sử dụng thông tin cũng cần cẩn trọng hơn của các NHTM tại Việt Nam cho những trong việc ra quyết định đầu tư, cần vận kết quả khác biệt với một số nghiên cứu dụng những am hiểu của mình về hoạt động tại các quốc gia khác. Kết quả nghiên cứu cũng như thông tin của doanh nghiệp trong của tác giả có thể coi là một căn cứ để các nhiều năm để quyết định, tránh những rủi nhà đầu tư có thể sử dụng để đánh giá tính ro không đáng có khi ra các quyết định dựa trung thực của số liệu trên BCTC của các trên thông tin không đầy đủ và chứa đựng NHTM, làm cơ sở ra quyết định đúng đắn, gian lận hay hành vi thao túng BCTC của giảm những tổn thất trong hoạt động đầu các nhà quản lý doanh nghiệp ■ tư. Bên cạnh đó, việc kiểm soát các hành Tài liệu tham khảo Beneish, M. (1999). Incentives and penalties related to earnings overstatements thatviolate GAAP. The Accounting Review, 74(4), page 425–457, USA. Burcu Dikmen and Güray Küçükkocaoğlu (2010), The Detection of EarningsManipulation: The Three Phase Cutting Plane Algorithm using Mathematical Programming. Journal of Forecasting, 2010, Vol. 29, No. 5, Pages 442-466. DeAngelo, L., & Skinner, D. (1994). Accounting choice in troubledcompanies. Journal of Accounting and Economics, 17(1), page 113–143. Dechow, P.M., Sloan, R.G. and Sweeney, A.P., (1995) Detecting earnings management. Accounting review, 70(2): 193-225. Dechow, P.M., Sloan, R.G. and Sweeney, A.P., (1995). Detecting earnings Friedlan (1994), Accounting choices of Issuers of Initial Public Offerings, Contemporary Accounting Research Volume 11, Issue 1, pages 1–31, USA Hakkı FINDIK and Erkan ÖZTÜRK (2016), Measurement of Financial Information Manipulation with the Help of Beneish Model: A Research on BIST Manufacturing Industry. Journal of Business Research Turk, Vol.8, page 483 - 499 Jones (1991), Earnings Management During Import Relief Investigation, Journal of Accounting Research Vol. 29 No. 2 Autumn 1991, USA. John MacCarthy (2017), Using Altman Z-score and Beneish M-score Models to Detect Financial Fraud and Corporate Failure: A Case Study of Enron Corporation, International Journal of Finance and Accounting, Vol. 6 No. 6, Pages 159-166. Nguyễn Cao Văn (2012), Giáo trình Lý thuyết Xác suất và Thống kê toán, NXB Đại học Kinh tế Quốc dân, Hà Nội. Rhee et al (2003), The Effect of Firm Size on Earnings Management, Workingpaper. Tarjo and Nurul Herawati (2015) Application of Beneish M-Score Models and Data Mining to Detect Financial Fraud, Procedia – Social and Behavioral Sciences, Vol 211, pages 924 -930 Vladimír Petrík (2015), Application of beneish m-score on selected financial statements, Slovakia 60 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 231- Tháng 8. 2021