Họ và tên: Lê Thị Dương Ngọc
Mã sinh viên: 21050698
BÀI TẬP THỰC HÀNH MÔN: KINH TẾ LƯỢNG
ĐỀ TÀI: NHẬN DIỆN GIAN LẬN KẾ TOÁN TẠI CÁC DOANH
NGHIỆP NIÊM YẾT TRÊN SÀN GIAO DỊCH CHỨNG KHOÁN
HÀ NỘI (HNX) BẰNG MÔ HÌNH M-SCORE BENEISH
I. Tính cấp thiết
-Thực trạng vấn đề: Hội nhập hóa, toàn cầu hóa đã và đang trở thành một xu
hướng có tính bắt buộc đối với toàn bộ các quốc gia trên thế giới. Sự hội nhập
đang diễn ra ngày càng sâu rộng và đa dạng trong nhiều lĩnh vực từ văn hóa,
chính trị- xã hội, đặc biệt phải kể đến lĩnh vực then chốt là kinh tế. Sự phát triển
và toàn cầu hóa về hội nhập trong kinh tế đã dẫn đến những thay đổi mang tính
đột phá trong cách thức hoạt động kinh tế, tài chính truyền thống xưa nay, nổi
bật trong số đó là “Gian lận báo cáo tài chính” (GLBCTC)
-Đặc điểm của vấn đề: Nhiều doanh nghiệp đã GLBCTC cực nhằm tạo ra những
sai số có tính ảnh hưởng lớn đến BCTC của doanh nghiệp nhằm hướng tới giảm
thuế và tăng lợi nhuận, làm đẹp tình hình tài chính của doanh nghiệp để thu hút
nhiều nguồn đầu tư, có thể gây ảnh hưởng đến sự ổn định của hệ thống kinh tế
cả nước. Đề tài về GLBCTC là một trong số những đề tài “nhạy cảm” với các
doanh nghiệp và những người trực tiếp làm nghiên cứu. Song, cũng mang tính
giá trị vận dụng cao cho thị trường tài chính, thị trường đầu tư; có nhiều khía
cạnh mới để khai thác.
-Tình hình nghiên cứu trong và ngoài nước: TaVi ViẹXt Nam và trên thế giới, cuYng
đaY coZ nghieXn cưZu vạXn duVng caZc phu[o[ng phaZp thưVc nghiẹXm treXn thêZ giơZi va]o viẹXc
phaZt hiẹXn gian lạXn BCTC cu^a caZc coXng ty nieXm yêZt nhu[ sư^ duVng caZc chi^ sôZ ta]i
chiZnh, sư^ duVng chi^ sôZ Z-Score kêZt hơVp vơZi chi^ sôZ P, hay sư^ duVng đo[n le^ mọXt moX
hi]nh phaZt hiẹXn gian lạXn.
-Khoảng trống nghiên cứu: caZc ba]i nghieXn cưZu tru[ơZc đaXy chu^ yêZu sư^ duVng moX
hi]nh điVnh lu[ơVng gôZc đê^ nhạXn diẹXn sai soZt BCTC, vạXn duVng caZc moX hi]nh điVnh
lu[ơVng đê^ nhạXn diẹXn sai soZt BCTC thoXng qua chi^ tieXu lơVi nhuạXn
-Mục tiêu nghiên cứu: Thứ nhất, hẹX thôZng hoZa co[ sơ^ lyZ luạXn lieXn quan đến KTST
va] moX hi]nh M-score. Thứ hai, xác định được những biến độc lập có khả năng
phát hiện KTST. Thứ ba, dự báo khả năng phát hiện KTST của mô hình được
xây dựng. Thứ tư, đưa ra một số giải pháp, kiến nghị nhằm góp phần nâng cao
tính ứng dụng mô hình M-Score vào việc quyết định đầu tư của các nhà đầu tư.
II. Phương pháp nghiên cứu
-Sử dụng phu[o[ng phaZp nghieXn cưZu điVnh lu[ơVng đu[ơVc thoXng qua thôZng keX moX ta^
mâYu nghieXn cưZu va] caZc biêZn, kiê^m điVnh yZ nghiYa cu^a caZc hẹX sôZ hô]i quy, kiê^m tra
mưZc đọX gia^i thiZch cu^a moX hi]nh, cuôZi cu]ng la] đaZnh giaZ mưZc đọX phu] hơVp va] kha^
nafng dưV baZo cu^a moX hi]nh. Ngoa]i ra, đê] ta]i cuYng kêZt hơVp sư^ duVng phu[o[ng phaZp
điVnh tiZnh đê^ tô^ng quan vê] caZc moX hi]nh, caZc lyZ thuyêZt nghieXn cưZu đaY coZ tru[ơZc đoZ
nhă]m giuZp nhạXn diẹXn ra nhưYng biêZn đọXc lạXp coZ kha^ nafng phaZt hiẹXn gian lạXn treXn
BCTC.
1. Cơ sở chọn mô hình nghiên cứu
1.1. Mô hình M- Score
-TreXn thêZ giơZi đaY coZ khaZ nhiê]u nghieXn cưZu giuZp caZc nha] đâ]u tu[, caZc kiê^m toaZn
vieXn va] caZc đôZi tu[ơVng hưYu quan khaZc coZ thê^ nhạXn diẹXn gian lạXn treXn BCTC mọXt
caZch dêY da]ng ho[n thoXng qua caZc moX hi]nh, caZc phu[o[ng phaZp kiê^m điVnh khaZc
nhau. Ma] tieXu biê^u đoZ la] moX hi]nh M- Score cu^a Messod D. Beneish, F-Score
cu^a Dechow va] caZc cọXng sưV, chi^ sôZ Z-Score cu^a EdWard I.Altman.
-MoX hi]nh Beneish (1999) đang đu[ơVc râZt nhiê]u nha] nghieXn cưZu quan taXm va] sư^
duVng nhă]m phaZt hiẹXn đu[ơVc kha^ nafng gian lạXn treXn BCTC. Vi] moX hi]nh na]y coZ
nhưYng u[u điê^m nhu[ sau: la] mọXt moX hi]nh giuZp phaZt hiẹXn gian lạXn treXn BCTC vơZi
đọX tin cạXy cao (76%) va] đaY đu[ơVc đu[a va]o gia^ng daVy taVi caZc tru[ơ]ng đaVi hoVc; dưY
liẹXu đê^ tiZnh toaZn caZc ty^ sôZ trong moX hi]nh dêY da]ng thu thạXp treXn BCĐKT,
BCKQKD, LCTT. Ngoa]i ra, moX hi]nh na]y kêZt hơVp ca^ biêZn ty^ sôZ ta]i chiZnh va] biêZn
dô]n tiZch neXn ky] voVng xaZc suâZt phaZt hiẹXn sai soZt treXn BCTC seY cao ho[n caZc moX
hi]nh chi^ sư^ duVng ty^ sôZ ta]i chiZnh hoạfc biêZn dô]n tiZch.
-Sau đoZ, M-Score đaY đu[ơVc râZt nhiê]u caZc nghieXn cưZu tiêZp theo quan taXm va] sư^
duVng va]o ba]i nghieXn cưZu cu^a mi]nh nhu[ nghieXn cưZu cu^a Burcu Diken va] Guray
(2010) va] Marinakis (2011), moX hi]nh F-Score cu^a Dechow va] caZc cọXng sưV
(2011), Muntari Mahama (2015),...
-MoX hi]nh M-Score cu^a Beneish:
M-Score = -4.840 + 0,920DSRI + 0,528GMI + 0,0404AQI + 0,892SGI +
0,115DEPI-0,172SGAI + 4,679 TATA- 0,327LVGI
NêZu điê^m M-Score > -1,78, noZ cho thâZy coXng ty coZ kha^ nafng gian lạXn BCTC va]
ngu[ơVc laVi.
Trong đoZ:
M-Score: la] kha^ nafng xa^y ra gian lạXn treXn BCTC. ĐaXy la] biêZn phuV thuọXc nhạXn
giaZ triV 0,1.
0: KhoXng coZ kha^ nafng gian lạXn treXn BCTC; 1: CoZ kha^ nafng gian lạXn treXn BCTC
TaZm biêZn đọXc lạXp trong moX hi]nh M-Score bao gô]m: Chi^ sôZ Pha^i thu khaZch ha]ng
treXn Doanh thu thuâ]n (DSRI), Chi^ sôZ Ty^ suâZt lơVi nhuạXn gọXp bieXn (GMI), Chi^ sôZ
châZt lu[ơVng ta]i sa^n (AQI), Chi^ sôZ tafng tru[ơ^ng doanh thu (SGI), Chi^ sôZ khâZu hao
TSCĐ (DEPI), Chi^ sôZ chi phiZ baZn ha]ng va] qua^n lyZ doanh nghiẹXp (SGAI), Chi^ sôZ
biêZn dô]n tiZch kêZ toaZn so vơZi tô^ng ta]i sa^n (TATA), Chi^ sôZ đo]n bâ^y ta]i chiZnh
(LVGI).
STT
TeXn
biêZn CoXng thưZc tiZnh
Nguô]n
thu thạXp
dưY liẹXu
1 DSRI DSRI=
Ba^ng
CĐKT va]
BaZo caZo
KQHĐK
D
2 GMI GMI = với
Tỷsuất lợi nhuận gộp =
BaZo caZo
KQHĐK
D
3 SGI SGI = BaZo caZo
KQHĐK
D
4 SGAI SGAI= BaZo caZo
KQHĐK
D
5 LVGI LVGI = với Ba^ng
đòn bẩy tài chính = CĐKT
6 TATA TATA= BaZo caZo
KQHĐK
D va] BaZo
caZo LCTT
7 DEPI
DEPI = với
Tỷ lệ khấu hao =
Ba^ng
CĐKT
1.2. Phương trình hồi quy Logistic
DaVng tô^ng quaZt moX hi]nh hô]i quy binary logistics nhu[ sau: Yi = β0 + βiXi + u
Trong đoZ: Xi la] biêZn đọXc lạXp, Yi la] biêZn phuV thuọXc.
Phu[o[ng tri]nh hô]i quy binary logistics coZ daVng:
Ln = [P(Y=1)/P(Y=0)] = Bo + B1X1 + B2X2 +...+ BjXi
Trong đoZ:
P(Y=1) = P0: xaZc suâZt xa^y ra sưV kiẹXn. P(Y=0) = 1- P0: xaZc suâZt khoXng xa^y ra
sưV kiẹXn.
Xi: caZc biêZn đọXc lạXp; Ln: log cu^a co[ sôZ e (e = 2,714).
HẹX sôZ Odds: la] ty^ lẹX giưYa xaZc suâZt xa^y ra sưV kiẹXn so vơZi xaZc suâZt khoXng xa^y
ra sưV kiẹXn đoZ. NêZu P0 la] xaZc suâZt xa^y ra sưV kiẹXn, thi] 1-P0 la] xaZc suâZt khoXng
xa^y ra sưV kiẹXn.
HẹX sôZ Odds đu[ơVc tiZnh theo coXng thưZc sau: Odds = P0/1-P0
Ln(Odds) = Bo + B1X1 + B2X2 +...+ BjXi
ĐaXy la] mọXt daVng ha]m Logit. Ha]m Ln cu^a Odds la] mọXt ha]m hô]i quy tuyêZn
tiZnh vơZi caZc biêZn đọXc lạXp Xi. Ha]m xaZc suâZt treXn goVi
la] ha]m phaXn phôZi logistics. Trong ha]m na]y khi nhạXn giaZ triV tư] -∞ đêZn + ∞
thi] xaZc suâZt Pi nhạXn giaZ triV tư] 0 đêZn 1. Do la] phi tuyêZn đôZi vơZi X va] caZc tham
sôZ, Y chi^ nhạXn mọXt trong hai giaZ triV 0 hoạfc 1, do đoZ khoXng thê^ aZp duVng
phu[o[ng phaZp bi]nh phu[o[ng nho^ nhâZt (OLS) đê^ u[ơZc lu[ơVng caZc tham sôZ, thay
va]o đoZ du]ng u[ơZc lu[ơVng hơVp lyZ cưVc đaVi (Maximum Likelihood) đê^ u[ơZc lu[ơVng
caZc tham sôZ.
MoX hi]nh logit xem xeZt mưZc a^nh hu[ơ^ng cu^a biêZn đọXc lạXp Xi đêZn xaZc suâZt đê^
biêZn Y nhạXn giaZ triV 1. Ta coZ daVng ha]m dưV baZo hô]i quy binary logistics:
E(Y/Xi) = P0/1-P0 = eBo + B
1
X
1
+ B
2
X
2
+...+ B
j
X
i
E(Y/Xi): xaZc suâZt đê^ Y = 1 xuâZt hiẹXn khi giaZ triV biêZn đọXc lạXp Xi coZ giaZ triV:
P = eBo + B1X1 + B2X2 +...+ BjXi/(1+ eBo + B1X1 + B2X2 +...+ BjXi)
2. Xây dựng giả thuyết nghiên cứu
Gia^
thuyêZt NọXi dung gia^ thuyêZt
Ky] vọng
taZc đọXng
leXn biêZn
phuV thuọXc
H1
Ca Thị Ngọc Tố (2017), Phạm Thị Mộng Tuyền
(2019): Ty^ sôZ DRSI coZ môZi quan hẹX cu]ng chiê]u vơZi
kha^ nafng xa^y ra gian lận BCTC
+
H2
Beneish(1999), Phạm Thị Mộng Tuyền (2019) :cho
rằng các công ty có GMI càng cao thì càng có khả
năng gian lận BCTC
+
H3
Beneish(1999), Phạm Thị Mộng Tuyền (2019): cho
rằng các công ty có AQI càng cao thì càng có khả
năng gian lận BCTC
+
H4
Ca Thị Ngọc Tố (2017), Phạm Thị Mộng Tuyền
(2019): Ty^ sôZ SGI coZ môZi quan hẹX cu]ng chiê]u vơZi
kha^ nafng xa^y ra gian lận BCTC
+
H5
Ca Thị Ngọc Tố (2017), Phạm Thị Mộng Tuyền
(2019):Ty^ sôZ DEPI coZ môZi quan hẹX cu]ng chiê]u vơZi
kha^ nafng xa^y ra gian lận BCTC
+
H6
Phạm Thị Mộng Tuyền (2019),Ca Thị Ngọc Tố
(2017), Lev và Thiagarajan (1993) :Ty^ sôZ SGAI coZ
môZi quan hẹX cu]ng chiê]u vơZi kha^ nafng xa^y ra gian
lận BCTC
+
H7
Ca Thị Ngọc Tố (2017), Phạm Thị Mộng Tuyền
(2019): Ty^ sôZ TATA coZ môZi quan hẹX cu]ng chiê]u vơZi
kha^ nafng xa^y ra gian lận BCTC
+