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

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. Hồng Thị Hồng Vân
Học viện Ngân hàng


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 ln có vai trị 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 khơng chỉ
hoạt động của chính ngân hàng mà cịn 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 mơ hình nhận diện gian lận BCTC của các NHTM tại Việt Nam.
Kết quả nghiên cứu cho thấy có 5 yếu tố trong mơ 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 địn bẩy tài chính, tăng
trưởng quy mơ doanh nghiệp và tỷ lệ nợ xấu trong NHTM.
Từ khóa: Gian lận, Mơ 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 leverage 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 trị 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


INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020

thơng 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 khơng sẽ giúp người sử dụng thông tin ra quyết định đúng đắn. Nghiên cứu được thực
hiện nhằm xác định mơ 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 ngồi 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 mơ 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 địn 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: cơng ty có M-score lớn hơn -1. 78 bị cho rằng có gian lận thu nhập và ngược lại.
Mơ hình này đã đúng khi xác định ra vụ việc bê bối của Enron.

Dựa trên mơ hình M-score, Burcu Dikmen and Gỹray Kỹỗỹkkocaolu (2005) ó phỏt trin
mt mụ hỡnh mi nhm 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 khốn Thổ Nhĩ Kỳ cơng bố, mơ 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 cơng ty
sản xuất của ngành cơng nghiệp niêm yết trên Sàn chứng khốn 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 mơ 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
tốn cho bất kỳ cơng 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 nghiờn cu ca Burcu Dikmen v Gỹray Kỹỗỹkkocaolu (2005), mụ hình 11
biến của Marinakis (2011) cũng được xây dựng để dành cho nước Anh, trong đó 8 biến tương tự
như mơ hình Beneish, ngồi 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 mơ hình của mình là -1. 31, theo kiểm định của Marinakis, xác suất xác định chính
xác cơng ty gian lận cao hơn mơ 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 mơ hình M-score – Beneish (1999) trong việc phát hiện gian lận
BCTC với số liệu trải dài từ 2001 – 2014 của 35 cơng ty được xác định là có gian lận BCTC và
35 cơng ty được xác định khơng có gian lận BCTC. Mơ hình của Tarjo and Nurul Herawati (2015)
1016


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 tốn dồn
tích. Các biến Chỉ số bán hàng, Chỉ số chất lượng tài sản, Chỉ số đòn bẩy tài chính khơng thể
phát hiện gian lận BCTC. Độ chính xác của mơ hình trong phát hiện cơng ty gian lận lên tới
77,1% (27 trên 35 công ty gian lận) và độ chính xác trong phát hiện cơng ty khơng 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, cơng 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 mơ hình này vào báo cáo
tài chính của cơng 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 mơ hình M-score của Beneish (1999) khi đi sâu phân tích
cụ thể dữ liệu từng cơng ty, đồng thời cũng là minh chứng cho thấy tính ứng dụng của mơ 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
thơng qua tìm hiểu 2190 cơng ty niêm yết trong giai đoạn 1982 – 2005 và xây dựng được mơ
hình F-score. Tác giả và cộng sự kết luận rằng F-score lớn hơn 1 thì khả năng cơng 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 hồn tồn khác nhau. Đối với cơng ty nhỏ, nhà quản trị có thể làm tăng hoặc giảm
lợi nhuận so với lợi nhuận thực tế, cịn cơng 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 cơng 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 mơ hình của DeAnglo (1986) và Beneish (1999) để
xây dựng mơ 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 mơ hình của DeAnglo (1986) và Beneish (1999) là nền tảng cho sự ra đời các mơ 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 cịn ít và mới mẻ. Đặc biệt là việc áp dụng các mơ hình, lý
thuyết kinh tế về gian lận BCTC vào các NHTM vẫn chưa phổ biến.

3. Mơ hình nghiên cứu

Tác giả xác định mơ hình nghiên cứu phát hiện gian lận BCTC trong NHTM tại Việt Nam
dựa trên nền tảng mơ 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 tốn là
kết quả chính xác về tình hình ngân hàng. Biến phụ thuộc M là 1 nếu báo cáo tài chính có sai

1017


INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020

lệch, là 0 nếu báo cáo tài chính khơng sai lệch. Tuy nhiên với tình hình Việt Nam, các chế độ kế
tốn cịn chưa chặt chẽ, tác giả thêm biến kế tốn 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 mơ hình. Ngồi ra, tác giả đề xuất
thêm biến tỷ lệ nợ xấu (NX) trong các NHTM để xem xét xây dựng mơ 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 thơng 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 thơng qua các khoản mục: Các khoản phải thu khách hàng, Dự thu lãi,
Dự chi lãi của NHTM. Các biến trong mô hình được mơ tả trong Bảng 1.
Bảng 1. Dự đốn dấu của các biến trong mơ hình nghiên cứu

1018


INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020

Nguồn: Tác giả tổng hợp

Mơ 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 + Ui (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 mơ hình, kết quả cụ thể như sau:

STT

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
Chỉ tiêu

Số quan sát sai lệch

Tỷ lệ sai lệch

11

14,47%

1

Lợi nhuận sau thuế

3

Các khoản phải thu khách hàng

23

Tài sản cố định

0

2
4
5
6
7

22

Tái sản ngắn hạn
Tài sản dài hạn

4

Tổng tài sản

14

Nợ phải trả

12
1019

28,95%
30,26%
5,26%
0,00%

18,42%
15,79%


INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020

8

Vốn chủ và các quỹ

2

2,63%

10

Dòng tiền thuần từ hoạt động kinh doanh

19

25,00%

9

Doanh thu thuần

11

1

Tỷ lệ nợ xấu

1,32%

23

30,26%

Nguồn: Tính tốn 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 khơng 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 mơ hình nghiên cứu

Kiểm tra tương quan giữa các biến trong mơ hình cho kết quả như sau:

SGI

Bảng 3. Ma trận hệ số tương quan giữa các biến trong mơ hình

AQI

DSRI

TATA

SGI

1

DSRI

-. 2064 -. 1757 1

AQI

TATA
DEPI

LVGI
DA

Size
NX

DEPI

LVGI

DA

Size

NX

-. 0103 1

-. 1322 -. 1267 . 2812
-. 0387 -. 4932 . 3130

1

-. 0445 1

-. 0129 -. 2336 -. 1304 . 0383

-. 2708 . 0016
-. 0102 . 0079

. 5267

. 2416

-. 3112
. 0001

1

. 0075

1

-. 0788 -. 0808 -. 0246 -. 0631 . 0299

-. 0423 -. 0371 -. 0021 -. 0406 . 2511

1

-. 1017 -. 0642 -. 2913 1

Nguồn: Tính tốn từ phần mềm STATA 13

Kết quả ở Bảng 3 cho thấy các biến trong mơ hình nghiên cứu có mối tương quan với nhau,
có thể giải thích cho biến phụ thuộc.

1020

INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2020
ICYREB 2020

5. 3 Kết quả phân tích hồi quy

Hồi quy logistic mơ hình thu được kết quả trong Bảng 5:

M

Coef.

Bảng 4. Kết quả hồi quy logistic mơ hình
Std. Err.

Z

P>|z|

[95% Conf. Interval]

SGI

-. 2088674 . 6017161

-0. 35

0. 031

-1. 388209

. 9704745

DSRI

-. 3372691 . 3571657

-0. 94

0. 09

-1. 037301

. 3627629

AQI

TATA
DEPI

LVGI
DA

Size
NX

_cons

-1. 311197 1. 70476

15. 26538

10. 07281

33. 76182

16. 33364

2. 377854

1. 336584

-. 0052447 . 0183458
. 5836006

. 87862

-38. 0518

19. 00495

24. 84579

35. 39442

-0. 77
1. 52
1. 78
2. 07

-0. 29
0. 66
0. 70

-2. 00

0. 045
0. 074
0. 062
0. 03

0. 012
0. 015
0,082
0. 04

-4. 652466
-4. 476966
-. 2418016
1. 748466

-. 0412017
-1. 138463
-44. 52601
-75. 30081

2. 030071
35. 00772
4. 99751

65. 77517
. 0307123
2. 305664
94. 21758

-. 8027814

Nguồn: Tính tốn từ phần mềm STATA 13

Kết quả hồi quy của mơ hình cho thấy với mức ý nghĩa là 5%, có 5 biến có ý nghĩa trong
mơ hình nhận diện gian lận, gồm: SGI, AQI, LVGI, Size và NX.
Mơ 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 mơ 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 địn
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. Mơ hình nghiên cứu này cũng có thể được coi là một công cụ giúp
1021

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 mơ 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 thatviolate GAAP. The Accounting Review, 74(4), page 425–457, USA.

2. Burcu Dikmen and Gỹray Kỹỗỹkkocaolu (2010), The Detection of Earnings Manipulation: 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 companies. 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), Earnings Management During Import Relief Investigation, Journal of Accounting 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. Journal 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 Journal of Finance and Accounting, Vol. 6 No. 6, Pages 159-166.

1022