Nghiên cứu các yếu tố nhận diện gian lận trong Báo cáo tài chính của các ngân hàng thương mại Việt Nam

Nội dung text: Nghiên cứu các yếu tố nhận diện gian lận trong Báo cáo tài chính của các ngân hàng thương mại Việt Nam

1. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 NGHIÊN CỨU CÁC YẾU TỐ NHẬN DIỆN GIAN LẬN TRONG BÁO CÁO TÀI CHÍNH CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM THE RESEARCH ON FRAUD DETECTION IN FINANCIAL STATEMENTS OF VIETNAMESE COMMERCIAL BANKS TS. Hoàng Thị Hồng Vân Học viện Ngân hàng vanhth@hvnh.edu.vn Tóm tắt Ngân hàng được xem như là mạch máu của nền kinh tế. Báo cáo tài chính (BCTC) 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 BCTC của NHTM 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 BCTC của các NHTM tại Việt Nam. Kết quả nghiên cứu cho thấy có 5 yếu tố trong mô hình nhận diện gian lận BCTC của các NHTM 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 NHTM. Từ khóa: Gian lận, Mô hình M-score, Ngân hàng thương mại Abstracts Banks are seen as the lifeblood of the economy. Financial statements of banks always play an important 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 lever - age ratio, growth firm size and bad debt ratio in commercial banks. Keywords : Fraud, M-score model, commercial banks 1. Giới thiệu nghiên cứu Ngân hàng thương mại (NHTM) là tổ chức trung gian tài chính, là doanh nghiệp kinh doanh quyền sở hữu và sử dụng tiền, có vai trò rất quan trọng và ảnh hưởng đến nhiều thành phần kinh tế. Thông qua các dịch vụ mà ngân hàng cung cấp, ngân hàng thể hiện vai trò của mình trong tiến trình phát triển của mỗi quốc gia. NHTM là tổ chức cho vay chủ yếu đối với các doanh nghiệp, cá nhân, hộ gia đình, qua đó thúc đẩy sản xuất và tiêu dùng phát triển. Số liệu trên báo cáo tài chính của các NHTM được nhiều chủ thể quan tâm, trong đó có các nhà đầu tư. Dựa trên 1015
2. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 thông tin và số liệu tài chính của các NHTM, các chủ thể sử dụng thông tin sẽ ra quyết định. Do đó, nếu BCTC của các NHTM có gian lận, có thể ảnh hưởng nghiêm trọng đến quyết định của người sử dụng thông tin. Nhận diện được BCTC của một doanh nghiệp hay một NHTM có gian lận hay không sẽ giúp người sử dụng thông tin ra quyết định đúng đắn. Nghiên cứu được thực hiện nhằm xác định mô hình nhận diện dấu hiệu gian lận trong BCTC của các NHTM tại Việt Nam trên cơ sở kế thừa các nghiên cứu trong và ngoài nước. Kết quả nghiên cứu có thể được coi là một nguồn thông tin tham khảo để các nhà đầu tư sử dụng trong việc ra quyết định. 2. Tổng quan các nghiên cứu về gian lận báo cáo tài chính Beneish (1999) xây dựng mô hình M-score để nhằm mục đích xác định việc gian lận thu nhập của các công ty, cụ thể là việc tăng doanh thu và giảm chi phí có chủ đích. Beneish nhận định rằng, xác suất công ty thao túng thu nhập tăng khi có: sự tăng bất thường của khoản phải thu, suy giảm lợi nhuận gộp, giảm chất lượng tài sản, tăng trưởng doanh thu và tăng dồn tích. Những biến được Beneish (1999) sử dụng: Tỷ số phải thu khách hàng trên doanh thu thuần, Tỷ số lãi gộp, Tỷ số tăng trưởng doanh thu bán hàng, Tỷ số chất lượng tài sản, Tỷ số khấu hao tài sản cố định hữu hình, Tỷ số chi phí bán hàng và quản lý doanh nghiệp, Tỷ số đòn bẩy tài chính, Tỷ số biến dồn tích kế toán so với tổng tài sản. Với mẫu là 74 công ty gian lận thu nhập, tác giả kết luận rằng: công ty có M-score lớn hơn -1. 78 bị cho rằng có gian lận thu nhập và ngược lại. Mô hình này đã đúng khi xác định ra vụ việc bê bối của Enron. Dựa trên mô hình M-score, Burcu Dikmen and Güray Küçükkocaoğlu (2005) đã phát triển một mô hình mới nhằm phát hiện sự sai phạm báo cáo tài chính của các công ty tại Thổ Nhĩ Kỳ. Nghiên cứu này sử dụng BCTC của 126 công ty được niêm yết trên sàn chứng khoán. So với kết quả của Ủy ban Chứng khoán Thổ Nhĩ Kỳ công bố, mô hình này dự báo đúng 81% công ty bị gian lận thu nhập và 65% công ty không bị gian lận, kết quả chung là đúng 67%. Hakkı FINDIK and Erkan ÖZTÜRK (2016) đã sử dụng dữ liệu tài chính của 91 công ty sản xuất của ngành công nghiệp niêm yết trên Sàn chứng khoán Istanbul (Thổ Nhĩ Kỳ) vào năm 2014 nhằm mục đích xác định khả năng của các công ty này thực hiện gian lận BCTC. Bằng cách áp dụng mô hình M-score 8 biến của Beneish (1999), kết quả nghiên cứu đã chỉ ra rằng các biến chỉ số ‘doanh số bán hàng trong các chỉ số phải thu, chỉ số tổng lợi nhuận, Chỉ số chất lượng tài sản và ‘tổng số tiền tích luỹ tổng tài sản có ảnh hưởng đến khả năng thực hiện gian lận kế toán cho bất kỳ công ty nào. Thêm vào đó, nó cũng xác định rằng tổng số tiền cộng dồn vào tổng tài sản có tác động cao nhất so với các biến chỉ số khác. Giống với nghiên cứu của Burcu Dikmen và Güray Küçükkocaoğlu (2005), mô hình 11 biến của Marinakis (2011) cũng được xây dựng để dành cho nước Anh, trong đó 8 biến tương tự như mô hình Beneish, ngoài ra có 3 biến khác: Chỉ số tỷ lệ thuế suất hiệu quả, Chỉ số đãi ngộ cho các giám đóc trên tổng tài sản, Chỉ số thù lao kiểm toán đối với tổng tài sản. Tác giả đặt ngưỡng giá trị cho mô hình của mình là -1. 31, theo kiểm định của Marinakis, xác suất xác định chính xác công ty gian lận cao hơn mô hình gốc của Beneish (1999) là 10%. Ở khía cạnh khác, Tarjo and Nurul Herawati (2015) đã có nghiên cứu khá mạnh dạn khi phân tích tính chính xác của mô hình M-score – Beneish (1999) trong việc phát hiện gian lận BCTC với số liệu trải dài từ 2001 – 2014 của 35 công ty được xác định là có gian lận BCTC và 35 công ty được xác định không có gian lận BCTC. Mô hình của Tarjo and Nurul Herawati (2015) 1016
3. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 đã đưa ra được các biến số ảnh hưởng tới gian lận BCTC là Chỉ số tổng lợi nhuận, Chỉ số khấu hao, Chỉ số chi phí bán hàng và quản lý doanh nghiệp, Chỉ số tổng tài sản và tổng kế toán dồn tích. Các biến Chỉ số bán hàng, Chỉ số chất lượng tài sản, Chỉ số đòn bẩy tài chính không thể phát hiện gian lận BCTC. Độ chính xác của mô hình trong phát hiện công ty gian lận lên tới 77,1% (27 trên 35 công ty gian lận) và độ chính xác trong phát hiện công ty không gian lận là 80% (28 trên 35 công ty không gian lận). Tương tự Tarjo and Nurul Herawati (2015) nhưng Vladimír Petrík (2015) cụ thể hơn khi chỉ đi sâu nghiên cứu về một công ty là Slovak – công ty sản xuất thiết bị văn phòng, là một doanh nghiệp tầm trung. Kết quả cho thấy, công ty được phân tích có giá trị M-score Beneish là 6. 84, công ty không gian lận báo cáo tài chính của mình. Việc áp dụng mô hình này vào báo cáo tài chính của công ty và việc phát hiện các gian lận báo cáo tài chính có thể hữu ích cho các ngân hàng, chủ đầu tư, chủ nợ trong quá trình thẩm định hoặc nhập mối quan hệ kinh doanh mới. Đây là nghiên cứu mang tính kế thừa cao mô hình M-score của Beneish (1999) khi đi sâu phân tích cụ thể dữ liệu từng công ty, đồng thời cũng là minh chứng cho thấy tính ứng dụng của mô hình vào nghiên cứu gian lận BCTC cho tất cả các doanh nghiệp trong thực tiễn. Dechow và cộng sự (2011) đã nghiên cứu nguyên nhân và hậu quả của thao túng thu nhập thông qua tìm hiểu 2190 công ty niêm yết trong giai đoạn 1982 – 2005 và xây dựng được mô hình F-score. Tác giả và cộng sự kết luận rằng F-score lớn hơn 1 thì khả năng công ty sai phạm tài chính và bóp méo thu nhập sẽ cao. Rhee và cộng sự (2003) đã nghiên cứu sự ảnh hưởng của quy mô doanh nghiệp đến cơ hội gian lận thu nhập của nhà quản trị. Trong nghiên cứu này, Rhee và cộng sự chỉ ra rằng, tất cả những doanh nghiệp trong thị trường đều có xu hướng gian lận thu nhập, tuy nhiên, số lượng doanh nghiệp nhỏ lại gian lận nhiều hơn. Mặc khác, hai xu hướng của hai loại hình doanh nghiệp nhỏ và lớn lại hoàn toàn khác nhau. Đối với công ty nhỏ, nhà quản trị có thể làm tăng hoặc giảm lợi nhuận so với lợi nhuận thực tế, còn công ty lớn hầu hết gian lận để lợi nhuận không giảm qua các năm. Điểm hạn chế của nghiên cứu này là chưa định lượng được các biến quy mô ảnh hưởng đến khả năng cũng như xu hướng gian lận của công ty trên thị trường. Nhìn chung, các nghiên cứu nước ngoài về gian lận BCTC xuất hiện khá nhiều và phổ biến. Chủ yếu các nghiên cứu dựa trên cơ sở mô hình của DeAnglo (1986) và Beneish (1999) để xây dựng mô hình mới, đặc trưng cho từng đối tượng nghiên cứu cụ thể trong từng lĩnh vực cũng như từng góc nhìn nghiên cứu riêng để phát hiện gian lận BCTC. Có thể nói 2 mô hình của DeAn - glo (1986) và Beneish (1999) là nền tảng cho sự ra đời các mô hình nghiên cứu gian lận BCTC sau này. Gian lận BCTC tuy được nhắc đến rất nhiều nhưng đối tượng chủ yếu của các nghiên cứu là những doanh nghiệp hoạt động trong lĩnh vực sản xuất, kinh doanh. Những nghiên cứu về các trung gian tài chính như NHTM còn ít và mới mẻ. Đặc biệt là việc áp dụng các mô hình, lý thuyết kinh tế về gian lận BCTC vào các NHTM vẫn chưa phổ biến. 3. Mô hình nghiên cứu Tác giả xác định mô hình nghiên cứu phát hiện gian lận BCTC trong NHTM tại Việt Nam dựa trên nền tảng mô hình M-score của Beneish (1999). Biến phụ thuộc được phân loại theo báo cáo tài chính các NHTM tại Việt Nam trước và sau kiểm toán với giả định kết quả kiểm toán là kết quả chính xác về tình hình ngân hàng. Biến phụ thuộc M là 1 nếu báo cáo tài chính có sai 1017
4. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 lệch, là 0 nếu báo cáo tài chính không sai lệch. Tuy nhiên với tình hình Việt Nam, các chế độ kế toán còn chưa chặt chẽ, tác giả thêm biến kế toán dồn tích có thể điều chỉnh (DA) của Friedlan (1994), và biến quy mô doanh nghiệp (Size) của Rhee và các cộng sự (2003) để đánh giá tác động của các yếu tố này tới khả năng nhận diện gian lận của mô hình. Ngoài ra, tác giả đề xuất thêm biến tỷ lệ nợ xấu (NX) trong các NHTM để xem xét xây dựng mô hình. Bởi nợ xấu là một chỉ tiêu đặc biệt của các NHTM, chỉ những doanh nghiệp kinh doanh tiền tệ như NHTM mới xảy ra nợ xấu. Nó là một chỉ tiêu để đánh giá hiệu quả tín dụng trong các ngân hàng, ảnh hưởng trực tiếp tới uy tín và chất lượng hoạt động của các NHTM. Thời gian qua, nhiều NHTM có xu hướng điều chình tỷ lệ nợ xấu của mình xuống thấp hơn so với thực tế nhằm tăng hiệu quả hoạt động cho vay và huy động vốn của mình. Phương pháp được sử dụng nhiều là các ngân hàng che giấu những khoản nợ xấu của mình thông qua việc cho khách hàng đang có nợ xấu vay để đảo nợ, từ đó những khoản nợ yếu kém tự nhiên trở thành những khoản nợ bình thường. Chỉ tiêu này thường được điều chỉnh thông qua các khoản mục: Các khoản phải thu khách hàng, Dự thu lãi, Dự chi lãi của NHTM. Các biến trong mô hình được mô tả trong Bảng 1. Bảng 1. Dự đoán dấu của các biến trong mô hình nghiên cứu 1018
5. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 Nguồn: Tác giả tổng hợp Mô hình nhận diện gian lận BCTC của các NHTM ở Việt Nam có dạng như sau: M = β0 + β1 (SGI) + β2 (AQI) + β3 (DSRI) + β4 (TATA) + β5 (DEPI)+ β6 (LVGI) + β7 DA + β8 Size + β9 NX + U i (1) 4. Dữ liệu nghiên cứu Nguồn dữ liệu được lấy từ hai trang web: www. cafef. vn và www. vietstock. vn , kết hợp thu thập dữ liệu liên quan còn thiếu từ trang chủ của các NHTM. Dữ liệu là các báo cáo trước và sau kiểm toán của 19 NHTM Việt Nam. BCTC trước kiểm toán được lấy từ năm 2013 đến 2017 và BCTC sau kiểm toán là từ năm 2012 đến 2016. Các dữ liệu được tổng hợp và xử lý bằng phần mềm Excel và phần mềm STATA 13. 5. Kết quả nghiên cứu 5. 1 Đánh giá sai lệch thông tin trước và sau kiểm toán Sau khi thực hiện thu thập và xử lý dữ liệu, tác giả thực hiện thống kê mô tả từ các dữ liệu sử dụng cho các biến đầu vào của mô hình, kết quả cụ thể như sau: Bảng 2. Thống kê sai lệch các chỉ tiêu từ BCTC của các 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 Tái sản ngắn hạn 11 14,47% 3 Các khoản phải 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% 1019
6. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 8 Vốn chủ và các quỹ 2 2,63% 9 Doanh thu thuần 1 1,32% 10 Dòng tiền thuần từ hoạt động kinh doanh 19 25,00% 11 Tỷ lệ nợ xấu 23 30,26% Nguồn: Tính toán từ phần mềm Excel Qua thống kê, những chỉ tiêu có sai lệch nhiều là: Lợi nhuận sau thuế (28,95%), Tài sản ngắn hạn (14,47%), Các khoản phải thu khách hàng (30,26%), Dòng tiền từ hoạt động kinh doanh (25,00%), Tổng tài sản (18,42%), Nợ phải trả (15,79%), Tỷ lệ nợ xấu (30,26%). Các chỉ tiêu có sai lệch ít là: Tài sản dài hạn (5,26%), Vốn chủ và các quỹ (2,63%), Doanh thu thuần (1,32%). Khoản mục Tài sản cố định không có bất cứ sai lệch nào. Nguyên nhân có sự sai lệch lớn của các khoản mục là: Tỷ lệ nợ xấu và Các khoản phải thu khách hàng (do các NHTM chuyển các khoản nợ nhóm 3,4,5 về nhóm 1,2 làm tăng các khoản phải thu khách hàng, giảm nợ xấu), Lợi nhuận sau thuế và Dòng tiền thuần từ hoạt động kinh doanh (phần lớn do các khoản chi lãi được kê khai không đúng, nhiều NHTM chi trả lãi ngoài để tăng doanh số cũng như thu hút các đối tượng khách hàng). Sự sai lệch của các khoản mục này đã kéo theo sự sai lệch của các khoản mục có liên quan: Tài sản ngắn hạn, Tổng tài sản, Nợ phải trả. 5. 2 Mối tương quan giữa các biến trong mô hình nghiên cứu Kiểm tra tương quan giữa các biến trong mô hình cho kết quả như sau: Bảng 3. 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 Kết quả ở Bảng 3 cho thấy các biến trong mô hình nghiên cứu có mối tương quan với nhau, có thể giải thích cho biến phụ thuộc. 1020
7. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 5. 3 Kết quả phân tích hồi quy Hồi quy logistic mô hình thu được kết quả trong Bảng 5: Bảng 4. 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. 012 -. 0412017 . 0307123 Size . 5836006 . 87862 0. 66 0. 015 -1. 138463 2. 305664 NX 24. 84579 35. 39442 0. 70 0,082 -44. 52601 94. 21758 _cons -38. 0518 19. 00495 -2. 00 0. 04 -75. 30081 -. 8027814 Nguồn: Tính toán từ phần mềm STATA 13 Kết quả hồi quy của mô hình cho thấy với mức ý nghĩa là 5%, có 5 biến có ý nghĩa trong mô hình nhận diện gian lận, gồm: SGI, AQI, LVGI, Size và NX. Mô hình nhận diện gian lận BCTC trong các NHTM tại Việt Nam có dạng: M= -38. 0518 – 0,2088674SGI –1,311197AQI + 33,76182LVGI+ 0,5836006Size+ 24,84579NX (2) 6. Kết luận Kết quả nghiên cứu chỉ ra mô hình nhận diện gian lận trong BCTC của các NHTM ở Việt Nam gồm 5 yếu tố: Tỷ số tăng trưởng doanh thu (SGI), tỷ số chất lượng tài sản (AQI), tỷ số đòn bẩy tài chính (LVGI), tăng trưởng quy mô doanh nghiệp (Size) và tỷ lệ nợ xấu trong NHTM (NX). Trong 5 yếu tố ảnh hưởng, các biến SGI, AQI có quan hệ ngược chiều với khả năng xảy ra gian lận BCTC. Các biến còn lại là LVGI, Size và NX có quan hệ thuận chiều với khả năng xảy ra gian lận BCTC. Để tránh các rủi ro có thể có, các nhà đầu tư cần theo dõi BCTC của doanh nghiệp trong nhiều kỳ liên tiếp để có được đánh giá đúng đắn về các NHTM. Đồng thời, phân tích kỹ những thay đổi bất thường liên quan tới tỷ lệ nợ xấu khi đầu tư vào các NHTM tại Việt Nam. Việc đầu tư cũng cần tránh tâm lý “đám đông”, kỳ vọng sai vào đơn vị đầu tư mà không đánh giá rủi ro trong hoạt động của đơn vị. Mô hình nghiên cứu này cũng có thể được coi là một công cụ giúp 1021
8. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020 ICYREB 2020 các nhà đầu tư nhận diện được các hành vi gian lận BCTC trong hệ thống NHTM Việt Nam. Với kết quả nghiên cứu này, các nhà đầu tư, người sử dụng BCTC có thể sử dụng mô hình nghiên cứu để đánh giá tính trung thực BCTC của các NHTM, làm cơ sở ra quyết định đúng đắn, giảm những tổn thất trong hoạt động đầu tư. TÀI LIỆU THAM KHẢO 1. Beneish, M. (1999). Incentives and penalties related to earnings overstatements thatvi - olate GAAP . The Accounting Review, 74(4), page 425–457, USA. 2. Burcu Dikmen and Güray Küçükkocaoğlu (2010), The Detection of Earnings Manipu - lation: The Three Phase Cutting Plane Algorithm using Mathematical Programming . Journal of Forecasting, 2010, Vol. 29, No. 5, Pages 442-466. 3. DeAngelo, H., DeAngelo, L., & Skinner, D. (1994). Accounting choice in troubled com - panies . Journal of Accounting and Economics, 17(1), page 113–143. 4. Friedlan (1994), Accounting choices of Issuers of Initial Public Offerings, Contemporary Accounting Research Volume 11, Issue 1, pages 1–31, USA 5. Jones (1991), E arnings Management During Import Relief Investigation, Journal of Ac - counting Research Vol. 29 No. 2 Autumn 1991, USA. 6. Rhee et al (2003), The Effect of Firm Size on Earnings Management , Workingpaper. 7. Hakkı FINDIK and Erkan ÖZTÜRK (2016), Measurement of Financial Information Manipulation with the Help of Beneish Model: A Research on BIST Manufacturing Industry. Jour - nal of Business Research Turk, Vol. 8, page 483 - 499 8. 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 Jour - nal of Finance and Accounting, Vol. 6 No. 6, Pages 159-166. 1022