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

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHẠM THỊ MỘNG TUYỀN

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

LUẬN VĂN THẠC SĨ KINH TẾ

TP. Hồ Chí Minh – Năm 2019


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

PHẠM THỊ MỘNG TUYỀN

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

Chuyên ngành: Kế toán
Mã số: 8340301
LUẬN VĂN THẠC SĨ KINH TẾ
NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS VÕ VĂN NHỊ

TP. Hồ Chí Minh – Năm 2019


LỜI CAM ĐOAN
Tôi cam đoan rằng luận văn “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 TPHCM ” là bài nghiên cứu của chính
tôi.
Không có sản phẩm nghiên cứu nào của người khác được sử dụng trong luận
văn này mà không được trích dẫn theo đúng quy định.
Luận văn này chưa bao giờ được công bố hoặc được sử dụng để nhận bất kỳ
bằng cấp nào tại các trường đại học hoặc cơ sở đào tạo khác.

TP. Hồ Chí Minh, ngày 10 tháng 02 năm 2019
Tác giả luận văn

Phạm Thị Mộng Tuyền


MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC CÁC TỪ VIẾT TẮT
DANH MỤC CÁC BẢNG
DANH MỤC CÁC HÌNH VẼ
TÓM TẮT NGHIÊN CỨU
ABSTRACT

PHẦN MỞ ĐẦU ....................................................................................................... 2
1. Lý do chọn đề tài nghiên cứu .........................................................................2
2. Mục tiêu nghiên cứu .......................................................................................4
3. Câu hỏi nghiên cứu .........................................................................................4
4. Đối tượng và phạm vi nghiên cứu .................................................................4
4.1

Đối tượng nghiên cứu.................................................................................4

4.2

Phạm vi nghiên cứu ....................................................................................4

5. Phương pháp nghiên cứu ...............................................................................5
6. Ý nghĩa của nghiên cứu ..................................................................................5
6.1

Về mặt lý luận ............................................................................................5

6.2

Về mặt thực tiễn .........................................................................................5

7. Kết cấu luận văn..............................................................................................6
CHƯƠNG 1: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ............................... 7
1.1

Các nghiên cứu nước ngoài.........................................................................7

1.2

Các nghiên cứu trong nước.......................................................................16

1.3

Khe hổng nghiên cứu .................................................................................20

KẾT LUẬN CHƯƠNG 1 ......................................................................................22
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT ..................................................................... 23
2.1

Cơ sở lý thuyết về gian lận ........................................................................23


2.1.1

Khái niệm về gian lận ...........................................................................23

2.1.2

Gian lận BCTC ....................................................................................23

2.1.3

Nguyên nhân gian lận BCTC ................................................................24

2.1.4

Một số thủ thuật gian lận BCTC phổ biến ............................................25

2.2

Mô hình M-Score Beneish .........................................................................27

2.3

Chỉ số Z-Score ............................................................................................29

2.4

Các lý thuyết nền tảng ...............................................................................31

2.4.1

Lý thuyết thông tin bất cân xứng ..........................................................31

2.4.2

Lý thuyết về tam giác gian lận ..............................................................33

2.4.3

Lý thuyết về các bên liên quan .............................................................34

2.4.4

Lý thuyết ủy nhiệm ...............................................................................34

KẾT LUẬN CHƯƠNG 2 ......................................................................................36
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ................................................. 37

3.1

Quy trình nghiên cứu ................................................................................37

3.2

Mô hình nghiên cứu ...................................................................................38

3.3

Giả thuyết nghiên cứu và đo lường các biến trong mô hình nghiên cứu

3.3.1

Biến phụ thuộc: .....................................................................................41

3.3.2

Biến độc lập: .........................................................................................42

3.4

Phương pháp chọn mẫu nghiên cứu ........................................................53

3.4.1

Cỡ mẫu ..................................................................................................53

3.4.2

Chọn mẫu và đặc điểm của mẫu nghiên cứu ........................................53

3.5

Phương pháp thu thập và xử lý, phân tích dữ liệu .................................54

3.5.1

Phương pháp thu thập dữ liệu ...............................................................54

3.5.2

Phương pháp xử lý và phân tích dữ liệu ...............................................55

3.6

Thiết kế dữ liệu nghiên cứu ......................................................................57

3.7

Mô hình hồi quy Logistic ..........................................................................58

KẾT LUẬN CHƯƠNG 3 ......................................................................................60
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN ................................ 61
4.1

Kết quả nghiên cứu....................................................................................61


4.1.1

Thống kê mô tả mẫu nghiên cứu và các biến .......................................61

4.1.2

Kiểm định ý nghĩa của hệ số hồi quy ...................................................64

4.1.3

Mức độ giải thích của mô hình .............................................................66

4.1.4

Mức độ phù hợp và khả năng dự báo của mô hình ...............................66

4.1.5

Mô hình dự báo .....................................................................................67

4.2

Bàn luận về kết quả nghiên cứu ...............................................................68

KẾT LUẬN CHƯƠNG 4 ......................................................................................74
CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ........................................................ 75
5.1

Kết luận chung ...........................................................................................75

5.2

Một số kiến nghị cụ thể .............................................................................76

5.2.1

Kiến nghị về kỹ thuật nhận diện gian lận BCTC ..................................76

5.2.2

Kiến nghị đối với kiểm toán viên .........................................................77

5.2.3

Kiến nghị đối với nhà đầu tư ................................................................78

5.2.4

Kiến nghị đối với Sở giao dịch chứng khoán TPHCM ........................79

5.3

Hạn chế của đề tài ......................................................................................80

KẾT LUẬN CHƯƠNG 5 ......................................................................................80
TÀI LIỆU THAM KHẢO
PHỤ LỤC


DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết

tắt

Tiếng Việt

Tiếng Anh (nếu có)

ACFE

Hiệp hội các nhà điều tra Hoa
Kỳ

The Association of Certified
Fraud Examiners

AQI

Chỉ số Chất lượng tài sản

Asset quality index

BC
Báo cáo kết quả hoạt động kinh
KQHĐKD doanh
BCĐKT

Bảng cân đối kế toán

BCTC

Báo cáo tài chính

CK

Chứng khoán

CP

Cổ phần

DEPI

Chỉ số Khấu hao TSCĐ

Depreciation index

DSRI

Chỉ số Phải thu khách hàng trên
Doanh thu thuần

Day’s sales in receivables
index

FRAUD

Khả năng gian lận BCTC

GMI

Chỉ số Lợi nhuận gộp biên

HNX

Sở giao dịch chứng khoán Hà
Nội

HOSE

Sở giao dịch chứng khoán
TPHCM

IFRS

Chuẩn mực Báo cáo tài chính
quốc tế

International Financial
Reporting Standards

ISA

Chuẩn mực kiểm toán quốc tế

International Standard on
Auditing

ISSUE

Phát hành cổ phiếu trong năm

Gross margin index


KTV

Kiểm toán viên

LCTT

Lưu chuyển tiền tệ

LNTT

Lợi nhuận trước thuế

LVGI

Chỉ số đòn bẩy tài chính

Leverage index

OLS

Phương pháp bình phương nhỏ
nhất

Ordinary Least Square

SEC

Ủy ban chứng khoán và Thị
trường chứng khoán Hoa Kỳ

Securities and Exchange
Commission

SGAI

Chỉ số chi phí bán hàng và quản
lý doanh nghiệp

Sales, general and
administrative expenses

SGI

Chỉ số tăng trưởng doanh thu

Sales Growth index

TATA

Chỉ số biến dồn tích kế toán so
với tổng tài sản

Total accruals to total assets

TSCĐ

Tài sản cố định

TTCK

Thị trường chứng khoán

VN

Việt Nam

VSA

Chuẩn mực kiểm toán Việt Nam

Z-SCORE

Hệ số nguy cơ phá sản


DANH MỤC CÁC BẢNG
Bảng 1.1 Tóm tắt các nghiên cứu nước ngoài liên quan đến đề tài nghiên cứu ...... 12
Bảng 1.2 Tóm tắt các nghiên cứu trong nước liên quan đến đề tài nghiên cứu ....... 19
Bảng 3.1 Mã hóa các biến, cách đo lường và chiều tác động lên biến phụ thuộc ... 51
Bảng 3.2 Phân loại công ty theo nhóm ngành.......................................................... 55
Bảng 4.1 Kết quả phân loại BCTC có khả năng gian lận (nhóm 1) và không có khả
năng gian lận (nhóm 2) ........................................................................................... 61
Bảng 4.2 Kết quả phân loại nhóm 1 và nhóm 2 theo nhóm ngành .......................... 62
Bảng 4.3 Thống kê mô tả từng biến độc lập ............................................................ 63
Bảng 4.4 Hệ số hồi quy ............................................................................................ 64
Bảng 4.5 Mức độ giải thích của mô hình ................................................................. 66
Bảng 4.6 Kết quả kiểm định Omnibus ..................................................................... 66

Bảng 4.7 Khả năng dự báo của mô hình .................................................................. 67
Bảng 4.8 Tổng hợp xác suất xuất hiện của mô hình ................................................ 70


DANH MỤC CÁC HÌNH VẼ
Hình 3.1 Mô hình nghiên cứu của đề tài .................................................................. 40


TÓM TẮT NGHIÊN CỨU
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 (BCTC) với mục tiêu như sau: (1) Nhận
diện được những biến độc lập có khả năng phát hiện gian lận trên BCTC của các
công ty niêm yết trên Sở giao dịch chứng khoán TPHCM, (2) Dự đoán khả năng
phát hiện gian lận BCTC 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 BCTC, 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 BCTC đơn giản, dễ thực hiện nhưng với độ tin cậy cao hơn.
Tác giả đã tiến hành thu thập 450 BCTC của 150 công ty thuộc các nhóm
ngành khác nhau được niêm yết trên Sở giao dịch chứng khoán TPHCM (HOSE).
Sau khi qua các bước làm sạch dữ liệu, tác giả tiến hành phân loại 450 BCTC thành
hai nhóm: nhóm 1 là các BCTC có khả năng gian lận, nhóm 2 là các BCTC 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 BCTC 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

Nagelkerke = 30,8%. Điều này

có nghĩa là 30,8% sự thay đổi của khả năng gian lận BCTC 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 BCTC. Đây là một phương pháp dễ dàng sử dụng với độ tin cậy cao.
Từ khóa: gian lận Báo cáo tài chính, M-Score Beneish, Z-Score.


ABSTRACT
The research is focused on Financial Statement Fraud with these purposes:
(1) Identifing independent variables that could detect fraud on financial statement of
listed company on Ho Chi Minh Stock Exchange, (2) Predicting the capacity of
identifing financial statement fraud through research method.
The research is established with 10 independent variables. Dependent

variable is financial statement fraud posibility. Eight independent variables from MScore (Beneish, 1999) are composed with two variables from Z-Score (EdWard
I.Altmam, 1968) and Issue variable (Dechow & et al, 2011). This combination is
expected to discover a method to identify financial statement fraud with high
reliability.
The research collected 450 financial statement from 150 listed companies on
HoSE. The statements are clasiffied into two groups: high fraud risk and the lower.
After being processed and analysed, the research reveals six independent variables
that staticticaly relate to financial statement fraud. Those independent variables are:
the Day sales in Receivables index, Gross Profit Margin index, Asset quality index,
leverage index, Z score and issue index. Z score has the reverse effect on fraud risk
while the others have the same direction. The four independent variables:
Depreciation index, TATA, SGI and SGAI have no statisticaly relation.
The statistical hypothesis test results the index

Nagelkerke = 30,8%. The

Omnibus test reveals the result that the Binary Logistic regression is relevant to the
data with high focast level (77,1%).
Keywords: Financial Statement Fraud, Beneish M-Score, Z-Score.


2

PHẦN MỞ ĐẦU
1. Lý do chọn đề tài nghiên cứu
Thị trường chứng khoán Việt Nam (TTCK VN) đã thành lập được gần 20
năm và nó đóng vai trò ngày càng quan trọng đối với nền kinh tế nước ta. Tuy
nhiên, trong những năm gần đây, nhà đầu tư ngày càng lo ngại khi TTCK VN đã
chứng kiến nhiều vụ bê bối liên quan đến việc bất cân xứng thông tin của các công
ty niêm yết trên sàn. Một số vụ việc cụ thể như sau: Công ty Cổ phần (CP) Dược

Viễn Đông (Mã CK: DVD), giai đoạn 2010-2011, chủ tịch Hội đồng quản trị
(HĐQT) kiêm Tổng giám đốc đã bị bắt vì hành vi thao túng giá cổ phiếu. Ngoài ra,
DVD còn vướng phải nhiều vụ việc tiêu cực như làm giá cổ phiếu, lập BCTC gian
dối, lừa đảo nhà đầu tư. Vụ việc của Công ty CP Tập đoàn Kỹ nghệ Gỗ Trường
Thành (Mã CK: TTF), công ty này đột ngột báo lỗ hơn 1.100 tỷ đồng trong tháng
02 năm 2016. Và theo báo cáo của Công ty Kiểm toán Earnt & Young Việt Nam,
khoản mục “hàng tồn kho phát hiện thiếu khi kiểm kê” lên tới 980 tỷ đồng, có
nghĩa là gần 1.000 tỷ đồng của công ty đột nhiên bị “bốc hơi”. Điều này đã làm
nhiều nhà đầu tư của TTF trở nên trắng tay. Ngoài ra, còn có tình trạng công bố sai
lệch thông tin của Công ty CP thiết bị Y tế Việt Nhật (Mã CK: JVC), Công ty CP
Tập đoàn Đại Dương (Mã CK: OGC), Công ty CP Tài Nguyên (Mã CK: TNT),
Công ty CP đầu tư và phát triển Công nghiệp Bảo Thư (Mã CK: BII),…
Trên thế giới cũng đã phát hiện nhiều vụ việc gian lận tài chính đặc biệt
nghiêm trọng của các công ty lớn như Enron, Lucent, WorldCom và Satyam,…
Các vụ việc gian lận này xảy ra đã gây hậu quả nặng nề cho các đối tượng hữu
quan, làm suy giảm nghiêm trọng lòng tin của nhà đầu tư trong và ngoài nước.
Ảnh hưởng đặc biệt lớn đến uy tín của doanh nghiêp, làm tăng chi phí sử dụng
vốn. Trong số các hành vi gian lận tài chính của các doanh nghiệp thì hành vi gian
lận trên BCTC là một vấn đề phổ biến, nan giải và tồn tại lâu đời không chỉ ở VN
mà còn trên thế giới. Vì vậy mà nhu cầu phát hiện các trường hợp gian lận tài
chính đang ngày càng tăng lên (Yue và Cộng sự, 2007).


3

Theo Lý thuyết bất cân xứng thông tin (Asymetric Information Theory) được
nghiên cứu và phát triển bởi các nhà khoa học như G.A.Akerlof (1970), Michael
Spence (1973), Joshep Stiglizt (1975), một trong những nguyên nhân gây thất bại
thị trường là do thông tin bất cân xứng. Đó là việc các bên tham gia vào giao dịch
cố tình che đậy thông tin. Các doanh nghiệp sẽ vận dụng các chính sách kế toán để

cung cấp thông tin có lợi nhất cho doanh nghiệp mình. Cho nên, việc phát hiện
gian lận BCTC bằng các cách sử dụng các thủ tục kiểm toán truyền thống là một
công việc khó khăn và đôi khi không thể thực hiện được (Fanning, K. và Cogger,
K. (1998). Vì vậy, khai thác dữ liệu dựa trên việc phát hiện gian lận BCTC và
kiểm soát gian lận, tự động hóa toàn bộ quy trình sẽ giúp các kiểm toán viên
(KTV) giảm bớt công việc kiểm tra các báo cáo bằng tay và tăng tính chính xác là
một vấn đề hết sức cần thiết trong bối cảnh hiện nay.
Đây thật sự là một vấn đề được nhiều nhà đầu tư và các tổ chức đặc biệt quan
tâm. Trên thế giới, đã có nhiều nghiên cứu giúp các nhà đầu tư và các kiểm toán
viên phát hiện được gian lận thông tin trên BCTC như mô hình phát hiện gian lận
M-Score của Beneish (1999), mô hình F-Score của Dechow và cộng sự (2011), sử
dụng hệ số nguy cơ phá sản Z-Score (chỉ số Z) hay chỉ số P để phát hiện gian lận
BCTC, hay sử dụng các chỉ số tài chính,… Trong số các mô hình giúp phát hiện
gian lận BCTC thì mô hình M-Score của Beneish được rất nhiều các nhà nghiên cứu
quan tâm và sử dụng vì đây là một mô hình có độ tin cậy cao và đã được đưa vào
chương trình giảng dạy chính thức tại các trường đại học (Fridson, 2002; Stickney,
Brown, và Wahlen, 2003).
Tại Việt Nam, cũng đã có nghiên cứu vận dụng các phương pháp thực
nghiệm trên thế giới vào việc phát hiện gian lận BCTC của các công ty niêm yết
như sử dụng các chỉ số tài chính, sử dụng chỉ số Z-Score kết hợp với chỉ số P, hay
sử dụng đơn lẻ một mô hình phát hiện gian lận,…Như tác giả đã trình bày ở trên,
M-Score là một mô hình phát hiện gian lận có độ tin cậy cao, được nhiều nhà
nghiên cứu trên thế giới quan tâm và sử dụng nhưng ở Việt Nam việc vận dụng mô
hình này đồng thời kết hợp thêm với các chỉ số đáng tin cậy khác như Z-Score để


4

giúp phát hiện ra các gian lận trên BCTC thì tác giả chưa tìm thấy. Nhận thấy
khoảng trống nghiên cứu này nên tác giả đã lựa chọn đề tài “Kết hợp mô hình MScore 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 TPHCM”.
Với đề tài này, tác giả mong muốn thông qua kết quả nghiên cứu sẽ đưa ra các
bằng chứng thực nghiệm và đề xuất cụ thể những chỉ số tài chính có khả năng phát
hiện được gian lận trên BCTC với độ tin cậy cao. Điều này sẽ giúp cho các kiểm
toán viên, các nhà đầu tư cũng như các bên liên quan khác đưa ra các quyết định
đúng đắn và kịp thời. Ngoài ra, cũng từ việc phân tích và tổng hợp các nghiên cứu
có liên quan, đề tài sẽ đưa ra được các khuyến nghị cần thiết cho các nhà nghiên
cứu trong tương lai.
2. Mục tiêu nghiên cứu
Mục tiêu nghiên cứu của đề tài là:
(1) Nhận diện được những biến độc lập có khả năng phát hiện gian lận trên
BCTC của các công ty niêm yết trên Sở giao dịch chứng khoán TPHCM.
(2) Dự đoán khả năng phát hiện gian lận BCTC của mô hình được xây dựng.
3. Câu hỏi nghiên cứu
Dựa vào mục tiêu tổng quát nêu trên, đề tài cụ thể hóa thành các câu hỏi nghiên
cứu như sau:
(1) Những biến độc lập nào có khả năng phát hiện gian lận trên BCTC của các
công ty niêm yết trên Sở giao dịch chứng khoán TPHCM?
(2) Mức độ dự đoán khả năng gian lận trên BCTC của mô hình được tác giả
xây dựng là bao nhiêu?
4. Đối tượng và phạm vi nghiên cứu
4.1 Đối tượng nghiên cứu
Đối tượng nghiên cứu của đề tài là khả năng gian lận báo cáo tài chính.
4.2 Phạm vi nghiên cứu


5

Phạm vi về thời gian: BCTC từ năm 2015 đến năm 2017.
Phạm vi về không gian: BCTC của các công ty niêm yết trên sàn HOSE.

5. Phương pháp nghiên cứu
Phương pháp nghiên cứu định lượng được đề tài sử dụng chủ yếu để giải quyết
các mục tiêu nghiên cứu đã nêu trên thông qua thống kê mô tả mẫu nghiên cứu và
các biến, kiểm định ý nghĩa của các hệ số hồi quy, kiểm tra mức độ giải thích của
mô hình, cuối cùng là đánh giá mức độ phù hợp và khả năng dự báo của mô hình.
Ngoài ra, đề tài cũng kết hợp sử dụng phương pháp định tính để tổng quan về các
mô hình, các lý thuyết nghiên cứu đã có trước đó nhằm giúp tác giả nhận diện ra
những biến độc lập có khả năng phát hiện gian lận trên BCTC.
6. Ý nghĩa của nghiên cứu
6.1 Về mặt lý luận
Từ việc phân tích, tổng hợp các nghiên cứu trong và ngoài nước có liên quan,
đề tài xây dựng nên mô hình nghiên cứu bằng cách kết hợp tám biến độc lập trong
mô hình M-Score của Beneish (1999) và hai biến là Z-Score (hệ số nguy cơ phá
sản) và biến ISSUE (Phát hành cổ phiếu trong năm). Trong quá trình phân tích và
tổng hợp các nghiên cứu có liên quan đó, tác giả nhận thấy rằng việc nghiên cứu về
cách thức phát hiện gian lận BCTC tại VN vẫn chưa thật sự được quan tâm sâu rộng
nên thông qua việc thực hiện đề tài này tác giả đưa ra các khuyến nghị cần thiết cho
các nhà nghiên cứu trong tương lai nhằm góp phần cải thiện hơn tình hình gian lận
BCTC tại VN.
6.2 Về mặt thực tiễn
Thông qua kết quả nghiên cứu, tác giả đã đưa ra được các bằng chứng thực
nghiệm và đề xuất được sáu biến độc lập có khả năng phát hiện được gian lận thông
tin trên BCTC với độ tin cậy cao (77,1%). Đó là biến Chỉ số phải thu khách hàng
trên DT 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


6

Phát hành cổ phiếu trong năm (ISSUE). Trong số các biến độc lập này, biến ZScore có tác động ngược chiều với khả năng gian lận, năm biến còn lại đều có tác

động cùng chiều. Kết quả này sẽ giúp cho các kiểm toán viên, các nhà đầu tư và các
bên liên quan khác sử dụng để đưa ra các quyết định chính xác và kịp thời.
7. Kết cấu luận văn
Đề tài bao gồm 5 chương:
Chương 1: Tổng quan về các nghiên cứu trước
Chương 2: Cơ sở lý thuyết
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu và bàn luận
Chương 5: Kết luận và kiến nghị


7

CHƯƠNG 1: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
1.1 Các nghiên cứu nước ngoài
Có nhiều phương pháp khác nhau để xác định doanh nghiệp có thực hiện
hành vi gian lận trên BCTC hay không. Burcu và Guray (2005) đã phân ra làm ba
nhóm kỹ thuật chính:
Đầu tiên là nhóm kỹ thuật dồn tích có điều chỉnh (discretionary accruals).
Nhóm các nghiên cứu này tập trung vào đánh giá các khoản mục kế toán dồn tích để
xác định hành vi gian lận như nghiên cứu của Healy (1985), DeAngelo (1986),
Jones (1991), Friedlan (1994). Đại diện cho nhóm này là nghiên cứu của DeAngelo
(1986). Nhóm thứ hai sử dụng mô hình mạng thần kinh nhân tạo để phát hiện gian
lận. Đại diện cho nhóm nghiên cứu này là nghiên cứu của Green và Choice (1997),
Fanning và Gogger (1998). Nghiên cứu của Green và Choice (1997) trình bày mô
hình mạng thần kinh nhân tạo sử dụng dữ liệu tài chính nội sinh. Fanning và Gogger
(1998) đã ứng dụng mô hình mạng thần kinh nhân tạo để phát hiện các gian lận
trong quản trị và đã tìm ra được mô hình bao gồm tám biến độc lập có khả năng
phát hiện gian lận cao. Nhóm kỹ thuật thứ ba là sử dụng các kỹ thuật thống kê, như
các nghiên cứu của EdWard I.Altman (1968), Beneish (1999), Burcu Diken và

Guray (2005), Dechow và các cộng sự (2011),... Đại diện cho nhóm này là mô hình
M-Score của Beneish (1999).
Trong ba nhóm kỹ thuật phát hiện gian lận nêu trên thì nhóm sử dụng kỹ
thuật thống kê là một nhóm dễ dàng thực hiện và có độ tin cậy cao. Nên trong đề tài
nghiên cứu của mình, tác giả sử dụng kỹ thuật của nhóm thứ ba này để xây dựng mô
hình nghiên cứu, tìm ra được những biến độc lập phát hiện gian lận BCTC phù hợp
với thực tiễn VN. Cụ thể các nghiên cứu sử dụng kỹ thuật thống kê liên quan đến đề
tài tác giả thực hiện như sau:


8

EdWard I.Altman (1968) đã thực hiện nghiên cứu trên một mẫu bao gồm 66
doanh nghiệp để dự đoán về nguy cơ phá sản của các doanh nghiệp này. Và ông đã
tìm ra được chỉ số Z-Score. Chỉ số này được dùng để dự đoán khả năng phá sản của
một công ty trong hai năm sắp tới hoặc để dự đoán khả năng một công ty vỡ nợ. ZScore được tính toán dựa trên các chỉ tiêu có sẵn trên BCTC. Hàng loạt các thử
nghiệm tiếp theo được thực hiện trong suốt hơn 30 năm. Cho tới năm 1999, 80-90%
công ty phá sản được dự báo nhờ vào chỉ số Z trước ngày phá sản một năm và các
gian lận trên BCTC cũng được phát hiện theo cách này. Từ 1985, chỉ số Z đã được
chấp nhận rộng rãi bởi kiểm toán viên, kế toán quản trị, tòa án, và hệ thống dữ liệu
đánh giá cho vay. Ban đầu, công thức tính của Altman chỉ được thiết lập cho các
công ty sản xuất với tài sản hơn một triệu đô la Mỹ nhưng sau đó, tác giả đã có
những điều chỉnh để áp dụng phù hợp với các công ty phi sản xuất. Và năm 2006,
Altman và Hotchkiss đã nghiên cứu thay đổi chỉ số Z-Score để tính được nguy cơ
phá sản của hầu hết các ngành, các loại hình doanh nghiệp với độ chính xác cao hơn
và gian lận BCTC cũng được phát hiện theo cách này tốt hơn. Ưu điểm của nghiên
cứu này là được kiểm nghiệm trong thực tiễn rất nhiều năm với độ tin cậy cao; được
nhiều nhà nghiên cứu vận dụng để phát hiện gian lận như Charalambos T. Spathis ,
(2002), Lalith P. Samarakoon & Tanweer Hasan (2003), Muntari Mahama
(2015),…và được chấp nhận rộng rãi bởi các KTV, kế toán quản trị, hệ thống đánh

giá cho vay,...
Đại diện cho nhóm nghiên cứu sử dụng các kỹ thuật thống kê để xây dựng
mô hình giúp các nhà đầu tư, các kiểm toán viên có thể phát hiện gian lận trên
BCTC là nghiên cứu của Messod D. Beneish (1999). Ông gọi đó là mô hình MScore. Trong nghiên cứu của mình, Beneish đã sử dụng mô hình probit ước lượng
khả năng cực đại của mẫu ngoại sinh có trọng số để xác định khả năng một công ty
có điều chỉnh lợi nhuận hay không điều chỉnh lợi nhuận. Dữ liệu Beneish thu thập
để nghiên cứu là từ 74 công ty có điều chỉnh lợi nhuận và tất cả các công ty trên
Compustas giai đoạn 1982-1992. Ưu điểm của nghiên cứu này là ông kết hợp cả
biến chỉ số tài chính và biến dồn tích nên xác suất phát hiện sai sót trên BCTC sẽ


9

cao hơn các mô hình chỉ sử dụng chỉ số tài chính hoặc biến dồn tích. Ngoài ra, khả
năng dự báo của mô hình này cũng khá cao là 76%. Kể từ khi được công bố, mô
hình nghiên cứu này rất nổi tiếng, đặc biệt là khi xác định đúng vụ việc gian lận của
tập đoàn Enron năm 2001. Đồng thời, mô hình cũng được đưa vào chương trình
giảng dạy chính thức (Fridson, 2002; Stickney, Brown, và Wahlen, 2003).
Sau đó, mô hình M-Score của Beneish đã được rất nhiều các nhà nghiên cứu
tiếp theo quan tâm và sử dụng vào bài nghiên cứu của mình như nghiên cứu của
Burcu Diken và Guray (2005), Dechow và các cộng sự (2011), Tarjo và Nural
(2015),…
M-Score của Beneish bao gồm tám biến độc lập: Chỉ số Phải thu khách hàng
trên Doanh thu thuần (DSRI), Chỉ số Tỷ suất lợi nhuận gộp biên (GMI), Chỉ số
chất lượng tài sản (AQI), Chỉ số tăng trưởng doanh thu (SGI), Chỉ số khấu hao
TSCĐ (DEPI), Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), Chỉ số
biến dồn tích kế toán so với tổng tài sản (TATA) và cuối cùng là chỉ số đòn bẩy tài
chính (LVGI).
Ta thấy rằng, cùng sử dụng một kỹ thuật để phát hiện gian lận BCTC đó là
kỹ thuật thống kê nhưng nghiên cứu của Beneish (1999) và EdWard I.Altman

(1968) lại có hai cách nhận diện khác nhau. EdWard I.Altman đã sử dụng các chỉ số
tài chính để đánh giá khả năng phá sản của một công ty, từ đó đưa ra nhận định về
khả năng gian lận BCTC. Còn Beneish sử dụng kết hợp cả biến chỉ số tài chính và
biến dồn tích để đưa ra mô hình nhận diện trực tiếp về gian lận. Tuy khác nhau
nhưng hai cách nhận diện gian lận này đều có độ tin cậy cao nên đã được nhiều nhà
nghiên cứu sau đó quan tâm và vận dụng.
Nghiên cứu của Charalambos T. Spathis (2002) đã xem xét về tính hữu ích
của các chỉ số tài chính và hệ số nguy cơ phá sản (Z-Score) trong việc phát hiện ra
gian lận trên BCTC. Tác giả sử dụng công cụ thống kê đơn biến và đa biến đồng
thời sử dụng hồi quy Logistic trong bài nghiên cứu của mình. Mô hình đã xác định
các chỉ số tài chính sau hữu ích trong việc phát hiện gian lận trên BCTC: tỷ số hàng


10

tồn kho trên doanh thu, lợi nhuận ròng trên tổng tài sản, tỷ số vốn lưu động trên
tổng tài sản, tỷ lệ tổng nợ trên tổng tài sản và hệ số nguy cơ phá sản (Z-Score). Kết
quả trên đã cho thấy chỉ số Z-Score hữu ích trong việc phát hiện gian lận, tương
đồng với nghiên cứu của EdWard I.Altman (1968). Điểm khác biệt của nghiên cứu
này so với nghiên cứu của Altman là kết hợp thêm các chỉ số tài chính để phát hiện
gian lận.
Lalith P. Samarakoon & Tanweer Hasan (2003) đã dự đoán khả năng khó
khăn về tài chính của các công ty niêm yết tại Sri Lanka (thị trường mới nổi) bằng
cách sử dụng ba mô hình Z-Score của Altman. Dữ liệu tác giả dùng để nghiên cứu
là thu thập của 13 công ty được xem là khủng hoảng tài chính và 13 công ty không
bị khủng hoảng tài chính trong cùng ngành nghề. Kết quả nghiên cứu cho thấy chỉ
số Z-Score đã dự đoán đúng đến 81% các công ty có khó khăn về mặt tài chính.
Nghiên cứu này của tác giả đã cung cấp thêm một bằng chứng thực nghiệm cho
thấy rằng chỉ số Z-Score có khả năng dự đoán rất tốt về tình hình sức khỏe tài chính
của các công ty tại các thị trường mới nổi. Kết quả nghiên cứu này tương đồng với

nghiên cứu của EdWard I.Altman (1968). Điểm khác biệt so với nghiên cứu của
Altman là nghiên cứu này được thực hiện tại thị trường mới nổi Sri Lanka.
Nghiên cứu của Burcu Diken và Guray (2005) đã tìm ra một mô hình giúp
phát hiện được các trường hợp gian lận BCTC của các công ty tại Thổ Nhĩ Kỳ dựa
trên mô hình M-Score của Beneish. Burcu Diken và Guray đã thu thập dữ liệu của
126 công ty niêm yết tại sàn giao dịch chứng khoán để sử dụng cho bài nghiên cứu
của mình. Ngoài tám biến độc lập trong mô hình M-Score, tác giả đã thêm vào hai
biến độc lập là DINV (Chỉ số hàng tồn kho) và FEI (Chỉ số chi phí tài chính), đồng
thời tác giả sử dụng ba bước phân tích phân lớp để xác định các hệ số của các biến
trong mô hình của mình. Kết quả cho thấy, mô hình của Burcu Diken và Guray đã
dự đoán đúng 67% trường hợp các công ty bị sai phạm trên BCTC. Kết quả này
tương đồng với nghiên cứu của Beneish (1999). Điểm khác biệt là nghiên cứu này
kết hợp thêm hai chỉ số tài chính là DINV, FEI nhằm đánh giá một cách toàn diện


11

hơn và chính xác hơn về gian lận BCTC. Tuy nhiên, độ tin cậy vẫn thấp hơn mô
hình M-Score gốc của Beneish (76%).
Dechow và các cộng sự (2011) đã thực hiện một nghiên cứu về gian lận trên
2,190 BCTC trong giai đoạn 1982-2005 và đã xây dựng nên ba mô hình F-Score
giúp phát hiện gian lận BCTC ở ba mức độ khác nhau. Tất cả ba mô hình này đều
được tác giả phát triển từ mô hình M-Score của Beneish. Mô hình đầu tiên, tác giả
xây dựng dựa trên cơ sở xem xét mối quan hệ giữa hành vi gian lận và các yếu tố
trên BCTC như các biến dồn tích, thay đổi hàng tồn kho, thay đổi các khoản phải
thu khách hàng, phát hành cổ phiếu trong năm (Issue), tài sản ngắn hạn,... Mô hình
thứ hai, tác giả đã thêm các biến đo lường thông tin phi tài chính như biến số lượng
nhân viên và các biến đo lường hoạt động ngoại bảng như biến cho thuê hoạt
động…. Và mô hình thứ ba, tác giả tiếp tục thêm các biến liên quan đến thị trường
như chỉ số giá cổ phiếu, giá trên lợi nhuận,… Kết quả, F-Score đã dự đoán đúng

65,9% đối với mô hình thứ nhất, mô hình thứ hai là 65,78% và cuối cùng là
63,36%. Tóm lại, ngoài các biến chỉ số tài chính của mô hình M-Score, tác giả đã sử
dụng thêm các biến số phi tài chính như các hoạt động ngoại bảng và dữ liệu thị
trường để xây dựng nên mô hình F-Score. Mặc dù mô hình F-Score của Dechow và
các cộng sự đánh giá gian lận trên nhiều khía cạnh hơn, toàn diện hơn nhưng xác
suất dự đoán của mô hình này vẫn thấp hơn mô hình M-Score của Beneish (1999).
Muntari Mahama (2015) đã thực hiện một đề tài nghiên cứu thực nghiệm về
trường hợp gian lận của công ty Enron. Trong đề tài nghiên cứu của mình, tác giả
đã sử dụng mô hình M-Score kết hợp với Z-Score nhằm phát hiện khả năng gian lận
BCTC và khủng hoảng tài chính của công ty này. Nghiên cứu đã phát hiện ra rằng,
Enron rơi vào khủng hoảng tài chính từ rất lâu (năm 1997) nhưng mãi đến năm
2001 mới nộp hồ sơ xin phá sản và vấn đề chính là do công ty đã cố tình điều chỉnh
thu nhập. Trong nghiên cứu này, tác giả đã kết hợp cả mô hình M-Score của
Beneish (1999) và chỉ số Z-Score của EdWard I.Altman (1968) để giúp đánh giá về
gian lận BCTC và kết quả tương đồng với hai nghiên cứu gốc này. Như đề tài đã
trình bày ở trên, nghiên cứu của Beneish và EdWard I.Altman có hai cách nhận diện


12

gian lận khác nhau nhưng mỗi cách đều có ưu điểm riêng và có độ tin cậy cao nên
việc kết hợp cách nhận diện của hai mô hình này lại là một ưu điểm nổi trội trong
nghiên cứu của Muntari Mahama (2015).
Trong nghiên cứu của Tarjo và Nural (2015), tác giả đã sử dụng mô hình MScore của Beneish (1999) và kết hợp với phương pháp khai phá dữ liệu, cụ thể là kỹ
thuật hồi quy Logistic để xác định lại những chỉ số tài chính nào trong mô hình MScore dự báo được gian lận BCTC. Đây là một nghiên cứu được thực hiện ở
Indonesia. Kết quả cho thấy các chỉ số GMI, DEPI, SGAI, TATA có khả năng phát
hiện gian lận BCTC. Các chỉ số còn lại là DSRI, AQI, LVGI không thể phát hiện
được gian lận. Và khả năng phát hiện gian lận của mô hình là 77,1%. Việc tác giả
kết hợp mô hình hình M-Score của Beneish (1999) với phương pháp khai phá dữ
liệu để nhận diện gian lận là một cách làm mới đáng tin cậy và cũng dễ thực hiện.

Kết quả nghiên cứu có sự khác biệt so với nghiên cứu gốc của Beneish (1999) ở chỗ
chỉ có bốn chỉ số tài chính trong mô hình M-Score hữu ích trong việc phát hiện gian
lận.
Zainudin và Hashim (2016) đã tiến hành phân tích các chỉ số tài chính để
nhận diện được gian lận BCTC như đòn bẩy tài chính, tỷ suất sinh lợi, cấu trúc tài
sản, vòng quay vốn và tính thanh khoản. Mẫu nghiên cứu mà tác giả sử dụng là các
BCTC có gian lận được xác định bởi trung tâm Bursa của Malaysia. Nghiên cứu
này sử dụng hồi quy Logistic để kiểm định các giả thuyết liên quan. Kết quả cho
thấy các chỉ số hữu ích trong việc phát hiện gian lận là đòn bẩy tài chính, tỷ suất
sinh lợi, cấu trúc tài sản và vòng quay vốn.
Tóm tắt về các nghiên cứu nước ngoài có liên quan đến đề tài xem trong
bảng 1.1 bên dưới.
Bảng 1.1 Tóm tắt các nghiên cứu nước ngoài liên quan đến đề tài nghiên cứu
Số thứ
tự

Tác giả

Năm

1

EdWard

1968 Thực hiên nghiên cứu trên Đã tìm ra được chỉ số Z-

Nội dung nghiên cứu

Kết quả

13

I.Altman

một mẫu bao gồm 66 doanh Score. Chỉ số này được
nghiệp để dự đoán về nguy dùng để dự đoán khả năng
cơ phá sản của các doanh phá sản của một công ty
nghiệp này.
trong hai năm sắp tới hoặc
để dự đoán khả năng một
công ty vỡ nợ.
Từ 1985, chỉ số Z đã được
chấp nhận rộng rãi bởi
kiểm toán viên, kế toán
quản trị, tòa án, và hệ
thống dữ liệu đánh giá
cho vay.
Sử dụng mô hình probit ước Khả năng dự báo của mô
lượng khả năng cực đại của hình là 76%.
mẫu ngoại sinh có trọng số để Mô hình nghiên cứu này
xác định khả năng một công rất nổi tiếng, đặc biệt là
ty có có điều chỉnh lợi nhuận khi mô hình này xác định
hay không điều chỉnh lợi đúng vụ việc gian lận của

2

Messod D.
Beneish

nhuận (kết hợp cả biến chỉ số
tài chính và biến dồn tích).
Tám biến trong mô hình bao
gồm: Chỉ số Phải thu khách
1999 hàng trên Doanh thu thuần

tập đoàn Enron năm 2001.
Đồng thời, mô hình cũng
được đưa vào chương
trình giảng dạy chính thức
(Fridson, 2002; Stickney,

(DSRI), Chỉ số Tỷ suất lợi Brown, và Wahlen, 2003).
nhuận gộp biên (GMI), Chỉ
số chất lượng tài sản (AQI),
Chỉ số tăng trưởng doanh thu
(SGI), Chỉ số khấu hao
TSCĐ (DEPI), Chỉ số chi phí
bán hàng và quản lý doanh
nghiệp (SGAI), Chỉ số biến
dồn tích kế toán so với tổng
tài sản (TATA) và cuối cùng