intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Đề xuất mô hình phát hiện gian lận tài chính: Áp dụng cho các công ty bất động sản niêm yết tại Việt Nam

Chia sẻ: Lệ Minh Vũ | Ngày: | Loại File: PDF | Số trang:15

Thêm vào BST
Báo xấu
1
lượt xem 0
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu "Đề xuất mô hình phát hiện gian lận tài chính: Áp dụng cho các công ty bất động sản niêm yết tại Việt Nam" làm rõ nguyên nhân dẫn đến những sai lệch báo cáo tài chính dựa trên lý thuyết về tam giác gian lận, từ đó đưa ra những kiến nghị và giải pháp, đồng thời đề xuất những định hướng nghiên trong thời gian tới tại Việt Nam. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Đề xuất mô hình phát hiện gian lận tài chính: Áp dụng cho các công ty bất động sản niêm yết tại Việt Nam

  1. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 ĐỀ XUẤT MÔ HÌNH PHÁT HIỆN GIAN LẬN TÀI CHÍNH: ÁP DỤNG CHO CÁC CÔNG TY BẤT ĐỘNG SẢN NIÊM YẾT TẠI VIỆT NAM FINANCIAL FRAUD DETECTION MODEL: AN APPLICATION FOR LISTED REAL ESTATE COMPANIES IN VIETNAM ThS. Trương Thị Hoài Thơ1, TS. Tô Lan Phương2 1 Trường Đại học Công nghiệp TP. Hồ Chí Minh, 2Trường Đại học Kinh tế, ĐH Quốc gia Hà Nội Ngày nhận bài: 25/9/2021 Ngày nhận kết quả phản biện: 15/10/2021 Ngày chấp nhận đăng: 15/11/2021 TÓM TẮT Nghiên cứu thực nghiệm mô hình phát hiện gian lận trên báo cáo tài chính thông qua kết hợp mô hình M-Score và Z-Score với dữ liệu của 53 công ty bất động sản niêm yết trên thị trường chứng khoán Việt Nam từ hai sàn HOSE và HNX giai đoạn 2014 - 2019. Kết quả, có mối quan hệ thuận chiều giữa chỉ số tỷ suất lợi nhuận gộp biên, chỉ số tăng trưởng doanh thu và chỉ số chất lượng tài sản với xác suất có khả năng xảy ra gian lận trong báo cáo tài chính. Nghiên cứu cũng làm rõ nguyên nhân dẫn đến những sai lệch báo cáo tài chính dựa trên lý thuyết về tam giác gian lận, từ đó đưa ra những kiến nghị và giải pháp, đồng thời đề xuất những định hướng nghiên trong thời gian tới tại Việt Nam. Từ khóa: Gian lận tài chính, phá sản, chỉ số Altman Z-Score điều chỉnh, Beneish M-Score. ABSTRACT We examine the model for detection of financial fraud during the period of 2014 – 2019 with the data of 53 real estate listed companies from HOSE and HNX. Based on the model of Beneish M-score and Z-score, we find the positive impact of gross margin, sale growth, and asset quality on the incidence of fraudulent financial statements. We also discuss on the causes and solution of falsified financial statement according to the fraud triangle theory and emphasis on the new research orientation in Vietnam. Keywords: Financial fraud, bankruptcy, Modified Altman Z-Score, Beneish M-Score. 1. Đặt vấn đề Gian lận báo cáo tài chính nhằm mục đích gây hiểu lầm cho các bên có liên quan như các nhà đầu tư, cổ đông, chủ nợ, nhân viên của công ty, Chính phủ và các cơ quan quản lý Nhà nước về giá trị của doanh nghiệp. Việc báo cáo tình hình hoạt động tài chính của một công ty đại chúng theo cách gian dối nhằm cải thiện tình trạng tài chính công ty là rủi ro đáng được quan tâm như trường hợp phá sản của Enron Corp tại Mỹ (Fung, 2015). Kẽ hở trong các tiêu chuẩn báo cáo tài chính trên toàn thế giới góp phần vào việc hình thành các hành vi gian lận. Điều này làm dấy lên lo ngại về chất lượng của các chuẩn mực báo cáo tài chính, vai trò của kiểm toán viên và các cơ quan quản lý thị trường tài chính (Jung và Weber, 2014). Gian lận trong báo cáo tài chính của các tổ chức gây ra sự sụp đổ của nhiều doanh nghiệp và tác động tiêu cực đến uy tín, thương hiệu và hình ảnh của các doanh nghiệp đang hoạt động (Eng và cộng sự, 2014). 1743
  2. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 Phát hiện gian lận báo cáo tài chính là yêu cầu được đặt ra và chú trọng đối với những công ty đại chúng. Phần lớn dữ liệu giao dịch kinh doanh hiện nay đều được định dạng kỹ thuật số, và khả năng cao có thể truy cập được hầu hết các dữ liệu điều tra. Thống kê của Zakaria và cộng sự (2009) đã chỉ ra rằng 93% dữ liệu của một công ty hiện nay được lưu trữ dưới dạng kỹ thuật số. Công việc điều tra trên giấy tờ hoặc điều tra thủ công dường như quá tốn thời gian và các kiểm toán viên có thể bỏ sót một số dữ liệu quan trọng có liên quan. Hai kỹ thuật chiến lược để phát hiện gian lận kế toán chính là kiểm toán và thống kê. Kỹ thuật phát hiện gian lận dựa trên thống kê chủ yếu dựa trên các hoạt động phân tích. Một số nghiên cứu đã chỉ ra rằng việc tìm nguồn gốc của gian lận bằng phân tích thống kê hiệu quả hơn so với việc phân tích đơn lẻ (Ortega và cộng sự, 2006; Yang và cộng sự, 2006). Kỹ thuật thống kê và khai thác dữ liệu đã được áp dụng thành công để phát hiện các hoạt động như rửa tiền, lừa đảo thương mại điện tử, gian lận thẻ tín dụng, gian lận viễn thông, gian lận bảo hiểm và xâm nhập máy tính, … Chính vì vậy, đây có thể coi là công cụ phù hợp để phát hiện các gian lận kế toán. Ngoài ra, kỹ thuật phát hiện gian lận dựa vào học máy xoay quanh việc sử dụng Beenford’s Law để khai thác dữ liệu nhập vào của người dùng hoặc giá trị gian lận khác kết hợp với cơ sở dữ liệu. Đây là một trong nhiều kỹ thuật phát hiện gian lận dựa vào máy tính được sử dụng bởi nhiều chuyên gia và các học giả nghiên cứu (Alexander, 2012). Bài nghiên cứu này thực hiện tích hợp ứng dụng của mô hình M-score và Z-score trong việc phát hiện gian lận báo cáo tài chính của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Trong trường hợp của Enron Corp, mô hình Altman Z-score đã chỉ ra rằng gian lận tài chính của công ty này có thể đã được phát hiện vào năm 1997 và Beneish M- score cũng đưa ra kết quả đánh giá tương tự về hành vi gian lận tài chính của Enron Corp vào năm 1998. Cách thức và quy trình thực hiện đánh giá của hai mô hình này sẽ được thảo luận làm sáng tỏ trong bài nghiên cứu. Bên cạnh đó bài nghiên cứu cũng đề xuất mô hình đánh giá khả năng gian lận báo cáo tài chính cho các nhà nghiên cứu, các nhà thực tiễn trong việc phát triển các công cụ phát hiện gian lận kế toán trong một doanh nghiệp. Nghiên cứu này là ứng dụng cho ngành bất động sản trên thị trường chứng khoán Việt Nam. Theo thống kê trên cophieu68, đến cuối năm 2020, số doanh nghiệp niêm yết có giá trị vốn hóa trên 1 tỷ USD là 30 doanh nghiệp trên cả hai sàn HOSE và HNX, chủ yếu thuộc nhóm tài chính ngân hàng và bất động sản. Riêng giá trị vốn hóa của nhóm cổ phiếu các công ty bất động sản là hơn 1 triệu tỷ đồng, chiếm khoảng 23% giá trị toàn thị trường. Đây là một trong những nhóm ngành quan trọng, có ảnh hưởng lớn đến diễn biến của chỉ số VN-Index. Vì vậy, ngành bất động sản được lựa chọn để làm đối tượng nghiên cứu điển hình về hành vi gian lận báo cáo tài chính. Bài nghiên cứu được cấu trúc thành 6 phần: phần 2 tổng hợp các nghiên cứu trước đây về gian lận tài chính và phát hiện gian lận. Phương pháp nghiên cứu sẽ được trình bày ở phần 3, và kết quả nghiên cứu ở phần 4. Nguyên nhân và giải pháp sẽ được thảo luận ở phần 5, cùng các đề xuất cho định hướng nghiên cứu mới ở phần kết luận. 2. Tổng quan nghiên cứu Gian lận và phân loại gian lận Gian lận là “sự lừa dối hoặc sự trình bày sai lệch mà một cá nhân hoặc tổ chức đưa ra, điều này có thể tạo ra một số lợi ích bất hợp pháp cho cá nhân hoặc tổ chức hoặc một số bên có liên quan khác” (ACFE, 2010). Thuật ngữ gian lận đã được các học giả và giới không chuyên mô tả và giải thích theo nhiều cách khác nhau, khái niệm đơn giản nhất được đưa ra bởi Wells, J. (2011) cho rằng gian lận là bất kỳ hành vi phạm tội nào vì lợi ích mà sử dụng các hành vi gian dối. Mặc 1744
  3. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 dù các học giả đã tiếp cận khái niệm này theo nhiều cách khác nhau, nhưng nhìn chung đều thống nhất định nghĩa sau, cụ thể gian lận là “hành động cố ý gây hiểu lầm hoặc gây tổn hại cho người khác với mục đích đảm bảo một lợi thế không công bằng hoặc bất hợp pháp” (Albrecht, 2004; Hopwood, 2008; Adrian và cộng sự, 2009; Rezaee, 2010; Kranacher, 2010; và Singh, 2011). Kranacher (2010) đã đơn giản hóa thuật ngữ gian lận là “hành vi trộm cắp bằng cách lừa dối”. Các học giả đã đồng thuận cho rằng gian lận liên quan đến các yếu tố như sự gian dối (Duffield & Grabosky, 2001) và các hành vi không trung thực (Singh, 2011) và chúng thường liên quan đến quản lý cấp cao, cùng với các thuộc tính khác như có chủ đích, cường độ ham muốn, nguy cơ sợ hãi, vi phạm lòng tin, hợp lý hóa, … (Ramamoorti & Olsen, 2007). Hơn nữa, không giống như một sự sai sót hay nhầm lẫn, gian dối là hành vi cố ý và thường xuyên hơn, liên quan đến việc che giấu sự thật có mục đích (Administrative Leadership Academy, UISD., 2011). Turner (2009) cho rằng điều thú vị là gian lận không nhất thiết phải là một hành động có chủ đích, mà có thể ở dạng thiếu sót. Nhận định này cũng được thể hiện trong nghiên cứu của Ramamoorti (2008), đồng thời, gian lận cũng được phân loại dưa trên hai loại hình thức khai báo sai bao gồm gợi ý về sự giả dối hoặc đàn áp sự thật. Hầu hết các học giả đều đồng ý rằng mục đích chính của gian lận chính là đạt được lợi thế hoặc lợi ích cuối cùng nào đó. Mặc dù tổ chức KPMG (2011) khẳng định rằng thủ phạm không nhất thiết phải được hưởng lợi từ hành vi gian dối của mình. Tuy nhiên, điều mà tất cả các học giả đã chứng minh và đồng ý chính là gian lận bao gồm các thủ đoạn tinh vi và không công bằng mà tất cả các nạn nhân đều bị lừa dối (Albrecht, 2004). Các học giả đã phân loại gian lận kế toán theo nhiều cách khác nhau. Albrecht (2004) đưa ra hai kiểu phân loại; gian lận được thực hiện chống lại một tổ chức (gian lận nghề nghiệp) và gian lận được thực hiện thay mặt cho một tổ chức (gian lận báo cáo tài chính). Trong khi đó, Viton (2003) phân loại gian lận thành ba hình thức chính bao gồm: gian lận quản lý, gian lận nghề nghiệp hoặc gian lận giao dịch, và cuối cùng là tham nhũng. Tuy nhiên, hầu hết các học giả đồng ý rằng về cơ bản có ba loại gian lận: tham nhũng, chiếm đoạt tài sản và gian lận trong báo cáo tài chính (ACFE, 2010; Rezaee, 2010; Kranacher, 2010; Singh, 2011; AICPA, 2006; Murphy & Dacin, 2011và Saksena, 2012). Gian lận báo cáo tài chính liên quan đến việc cố ý có sai sót hoặc bỏ sót thông tin trọng yếu từ báo cáo tài chính của tổ chức (Long, 2009). Gian lận bao gồm cả khía cạnh tài chính và phi tài chính. Theo báo cáo của ACFE (2012), các âm mưu gian lận báo cáo tài chính chiếm 8% tổng số thất thoát gian lận, gây ra thiệt hại trung bình lớn nhất là 1 triệu USD. Vì vậy, việc tìm hiểu nguyên nhân, tác động đến hoạt động kinh doanh và cách phát hiện và hạn chế gian lận báo cáo tài chính là rất quan trọng. Phát hiện gian lận Gian lận kế toán thường bao gồm các vụ bê bối về chính trị và kinh doanh, xuất phát từ việc thiếu sự công bố thông tin từ cấp quản lý. Những vụ bê bối này đại diện cho “phần nổi của tảng băng chìm”, có thể hợp pháp hoặc gần như hợp pháp. Các vụ bê bối hay hành vi tự ý sáng tạo của kế toán thường được điều tra bởi các cơ quan chính phủ, các kiểm toán viên bên ngoài và các nhà giám định gian lận. Hơn nữa, với nhiều trường hợp bị phát hiện, dẫn đến sự cần thiết phải có một công cụ để xác định dấu hiệu cảnh báo về hành vi gian lận. Các bất thường trong kế toán thường báo hiệu sự hiện diện của gian lận. Ví dụ, sự bất thường trong tài liệu nguồn, bút toán bị lỗi và sự không chính xác trong sổ cái. Để xác định nguồn gốc của một hành vi gian lận phức tạp và hoạt động điều tra kỹ lưỡng, thì việc hiểu cách thức hoạt động của một hệ thống kế toán là thực sự quan trọng. Chính vì vậy, cần thiết phải biết và hiểu các chiến 1745
  4. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 lược mà một đơn vị có thể sử dụng để phát hiện các hành vi gian lận. a. Kiểm toán Kiểm toán bao gồm việc kiểm tra để đánh giá xem các báo cáo tài chính và thuyết minh kèm theo có trình bày một cách hợp lý tình hình tài chính, kết quả hoạt động và dòng tiền của công ty theo các nguyên tắc kế toán đang được chấp nhận chung (GAAP) hay không. Sau khi kiểm tra, kiểm toán viên sẽ yêu cầu các đánh giá viên đưa ra ý kiến. Kiểm toán viên có trách nhiệm lập kế hoạch và thực hiện kiểm toán để đảm bảo tính hợp lý về việc liệu có sai sót trọng yếu trong báo cáo tài chính hay không, và xác định nguyên nhân, do nhầm lẫn hoặc có thể do gian lận. Quá trình đánh giá rủi ro gian lận thường bao gồm chu trình thu thập thông tin, xác định và đánh giá rủi ro liên quan đến tổ chức và phản ứng với rủi ro được đánh giá (Ramos, 2003). Tuy nhiên, các vấn đề thường nảy sinh khi hiểu sai về vai trò và trách nhiệm của các kiểm toán viên trong việc phát hiện ra các sai sót về các tài sản tài chính hoặc các hoạt động gian lận trên báo cáo tài chính (Adrian và cộng sự, 2009). Do đó, việc nâng cao nhận thức về cả gian lận và tầm quan trọng của báo cáo tài chính minh bạch đã thúc đẩy mối quan tâm của các cơ quan quản lý cũng như ngành kế toán. Mối quan tâm của kiểm toán viên thường tập trung vào việc báo cáo tài chính của một công ty phải được trình bày một cách công bằng trên mọi khía cạnh trọng yếu. Tuy nhiên, Kiểm toán viên không thể đánh giá toàn bộ mọi giao dịch của một công ty, mà cần phải đưa ra các xét đoán và quyết định dựa trên các kỹ thuật đánh giá rủi ro cũng như hoạt động phân tích chi phí và lợi ích. Chính vì vậy, cơ quan quản lý cùng các bên liên quan đang tăng cường vai trò của kiểm toán viên trong việc ngăn chặn và phát hiện gian lận trong báo cáo tài chính. b. Khai thác dữ liệu (Data mining) Khai thác dữ liệu đang nổi lên như là một trong những tính năng chính của hoạt động bảo mật. Thường được sử dụng như một phương tiện để phát hiện gian lận, đánh giá rủi ro và dự báo tiêu thụ sản phẩm. Khai thác dữ liệu liên quan đến việc sử dụng các công cụ phân tích dữ liệu để tìm ra các hình mẫu hay các mối quan hệ phù hợp, chưa biết trước đây trong các tập dữ liệu lớn (Seifert, 2004). Khai thác dữ liệu thể hiện sự khác biệt về hình thức phân loại thay vì mức độ so với các ứng dụng phân tích dữ liệu khác. Khai thác dữ liệu sử dụng cách tiếp cận khai phá, trong đó các thuật toán có thể được sử dụng để kiểm tra một số mối quan hệ dữ liệu đa chiều, đồng thời xác định những mối quan hệ duy nhất hoặc thường xuyên được thể hiện. Các kỹ thuật khai thác dữ liệu bao gồm vòng lặp thanh toán bằng dollar, thẻ thông tin trống hoặc thẻ tạo thông tin giao điểm, chọn tương ứng địa chỉ nhà cung cấp với địa chỉ nhân viên, nhà cung cấp có khoản thanh toán lớn hơn mức thanh toán trung bình, phân tích ngang, phân tích dọc, phân tích xu hướng, phân tầng và phân cụm hay dự báo (Zakaria & Ahmad, 2009). Khai thác dữ liệu hoạt động giống như một nam châm khổng lồ hỗ trợ người kiểm tra hoặc điều tra viên gian lận có thể phân loại, tìm và giảm thiểu sự lãng phí và sự lạm quyền nói chung. Khai thác dữ liệu là quá trình kết hợp tất cả các tài nguyên, bao gồm cả phần cứng và phần mềm. Đây được xem là cách tiếp cận có cấu trúc và liên tục đối với một vấn đề càng ngày càng được tối ưu hóa như gian lận. Khai thác dữ liệu là quá trình phải được lập kế hoạch và thực hiện theo đúng nguyên tắc để đảm bảo đạt thành công các mục tiêu. Sau khi thực hiện một cách chính xác, các kết quả hiệu quả được kỳ vọng sớm và liên tục được cải thiện (King, 2008). Quá trình khai thác dữ liệu thường bao gồm năm bước chính, bao gồm chuẩn bị, thăm dò dữ 1746
  5. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 liệu, xây dựng mô hình, triển khai và xem xét. Các kỹ thuật được sử dụng phổ biến nhất trong khai thác dữ liệu là mạng nơ-ron nhân tạo, cây quyết định, thuật toán di truyền, phương pháp láng giềng gần nhất và chỉ dẫn quy tắc. Sử dụng cùng các kỹ thuật này là bốn loại mối quan hệ thường được tìm kiếm, là “các lớp” – tìm kiếm dữ liệu trong các nhóm đã xác định trước như thói quen và sở thích của khách hàng; “các cụm” - dữ liệu được nhóm theo các mối quan hệ logic nhằm giúp xác định các phân khúc thị trường; “các hiệp hội” – để nhận diện ví dụ xu hướng mua hàng của nam giới; và “các mẫu tuần tự” – để dự đoán các mẫu cũng như xu hướng trong hành vi (Palace, 2012). Các mô hình được đề xuất trong nghiên cứu phát hiện gian lận trong báo cáo tài chính Nooraslinda và cộng sự (2013) đã sử dụng mô hình Beneish tập trung vào việc ứng dụng phân tích các chỉ số tài chính dựa trên ít nhất hai bộ báo cáo tài chính. Các kỹ thuật mô hình của Benford và Beneish Law cho phép người sử dụng dữ liệu kế toán hỗ trợ kiểm toán viên và điều tra viên trong việc tìm ra những điểm bất thường có thể trở thành hành vi gian lận. Bằng việc sử dụng các kỹ thuật thích hợp, tính chính xác của báo cáo tài chính có thể được củng cố và duy trì sự đáng tin cậy. Ofori và Edmond (2016) đã sử dụng mô hình Altman Z-score điều chỉnh và mô hình Beneish M-score để phát hiện dấu hiệu gian lận trong báo cáo tài chính đã được công bố. Kết quả tính toán từ mô hình Z-score trong các cáo báo thường niên của Enron đã cho thấy dấu hiệu phá sản sớm vào năm 1997, dấu hiệu này cũng được tìm thấy trong các năm 1998, 2000 và 2001. Kết quả của mô hình M-score cũng chỉ ra dấu hiệu thao túng lợi nhuận tại Enron Corp vào năm 1998. Điều này cho thấy rằng các nhà phân tích tài chính có thể hỗ trợ các nhà đầu tư không bị mất tiền vào tay Enron Corp khi Z-score và M-scpre đã có thể chỉ ra dấu hiệu phát sản vào năm 1997 và thao túng lợi nhuận năm 1998. Hai mô hình này chịu ảnh hưởng bởi định nghĩa của dữ liệu được sử dụng trong phân tích tài chính. Do vậy, chúng có thể tạo ra các giá trị khác nhau cho một số dữ liệu được sử dụng để tính toán các chỉ số. Điều này có thể dẫn đến các dự báo khác nhau về rủi ro vỡ nợ và sự thao túng tiền tệ của các công ty. Các chỉ số tài chính do Edward I. Altman và Messod Beneish phát triển không đủ để phát hiện gian lận tài chính và thao túng lợi nhuận do các công ty thực hiện. Nghiên cứu sâu hơn về phát hiện gian lận tài chính và thao túng lợi nhuận cần mở rộng thêm việc phân tích báo cáo lưu chuyển tiền tệ bởi đây là một bài kiểm tra về chất lượng lợi nhuận đã được trình bày trong báo cáo kết quả kinh doanh của công ty. Trần Thị Kim Anh và Nguyễn Thị Phương Mai 2017) đã sử dụng mô hình M-score trong việc phát hiện các gian lận báo cáo tài chính. Mô hình mà tác giả sử dụng không đánh giá trực tiếp khả năng quản trị lợi nhuận của doanh nghiệp mà chỉ là mô hình “red flag” về khả năng quản trị lợi nhuận trong doanh nghiệp. Tuy nhiên, việc sử dụng M-score có khả năng dẫn đến các lỗi như phân loại sai một doanh nghiệp “Quản trị không lợi nhuận” hay một doanh nghiệp “Không có quản trị lợi nhuận”. Chính vì vậy, ngưỡng giá trị để phân loại nên được thiết lập để giảm thiểu tổn thất do việc phân loại sai. Với tỷ lệ dự báo chính xác 76.67% trong một năm trước khi phá sản và 70% trong hai năm trước khi phá sản, mô hình Z-score được đánh giá là cung cấp một công cụ đáng tin cậy để đánh giá khả năng vỡ nợ của các doanh nghiệp niêm yết tại Việt Nam (Hoàng Thị Hoàng Vân, 2020). Mô hình này được kết hợp với mô hình của Leuz và cộng sự trong nghiên cứu của Võ Văn Nhị và Hoàng Cẩm Trang (2013) để chứng minh mối quan hệ tích cực giữa việc điều chỉnh lợi nhuận và rủi ro phá sản. Nghiên cứu này khẳng định rằng các doanh nghiệp có xác suất vỡ nợ cao hơn có xu hướng điều chỉnh lợi nhuận nhiều hơn. Bên cạnh đó, tác giả cũng chỉ ra sự tương đồng giữa hệ 1747
  6. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 số Z-score điều chỉnh và mức xếp hạng tín nhiệm do Công ty Cổ phần xếp hạng tín nhiệm doanh nghiệp Việt Nam phát hành. Z-score có thể là phương pháp thay thế để các nhà đầu tư có thể ước tính xác suất vỡ nợ của các doanh nghiệp trước khi đưa ra quyết định đầu tư. Phát hành cổ phiếu mới được coi là động cơ của việc gian lận báo cáo tài chính, điều này đã được chứng minh trong nghiên cứu của tác giả Phạm Thị Mộng Tuyền (2019). Các yếu tố ảnh hưởng tích cực khác bao gồm chỉ số chất lượng tài sản (AQI), chỉ số đòn bẩy (LVGI), chỉ số tỷ suất lợi nhuận gộp biên (GMI) và chỉ số phải thu khách hành trên doanh thu thuần (DSRI). Giá trị của Z-score lại cho thấy sự tác động tiêu cực đến xác suất xảy ra gian lận. Mô hình được xây dựng với 30.8% sự thay đổi được giải thích và tỷ lệ dự báo chính xác đến 77.1%. 3. Phương pháp nghiên cứu Mô hình Beneish M-score của Messod D. Beneish (1999) là mô hình thống kê giúp xác định các công ty có điều chỉnh hay không điều chỉnh lợi nhuận. Mô hình nghiên cứu này được phổ biến rộng rãi kể từ khi được công bố. Đặc biệt khi sinh viên trường Đại học Cornell đã từng sử dụng mô hình này để xác định gian lận trong báo cáo tài chính của Enron một năm trước khi công ty này phá sản, trong khi các kiểm toán viên lại không thể phát hiện ra nguy cơ này. Mô hình Beneish M-score: M-Score = -4.840 + 0.920DSRI + 0.528GMI + 0.0404AQI + 0.892SGI + 0.115DEPI – 0.172SGAI + 4.679TATA- 0.327LVGI Nếu điểm M-score >-1.78 chứng tỏ công ty có khả năng gian lận trên báo cáo tài chính và ngược lại. Trong đó: Điểm M-score là khả năng có gian lận trên báo cáo tài chính. Tám biến độc lập trong mô hình M-score bao gồm: 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 tài sản cố định (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 chỉ số đòn bẩy tài chính (LVGI). Z-score là chỉ số đo lường rủi ro phá sản. Hệ số này được sử dụng để dự đoán khả năng phá sản của một công ty trong hai năm tới hoặc dự đoán khả năng vỡ nợ của một công ty. Z-score được đề xuất bởi Edward I. Altman vào năm 1968 dựa trên nghiên cứu của William Beaver và các cộng sự. Trong các nghiên cứu ban đầu, Z-score đã dự đoán chính xác 72% các trường hợp phá sản. Sau đó là hàng loạt các nghiên cứu trong suốt hơn 30 năm tiếp theo. Tính đến năm 1999, 80-90% các vụ phá sản đã được dự đoán bằng các sử dụng Z-score trong một năm trước khi phá sản và rủi ro trong gian lận báo cáo tài chính cũng được phát hiện theo cách này. Kể từ năm 1985, Z-score đã được chấp nhận rộng rãi bởi các kiểm toán viên, kế toán quản trị, tòa án hay các hệ thống xếp hạng nợ vay. Năm 2006, Altman và Hotchkiss đã nghiên cứu thay đổi lại Z-score trong việc tính toán rủi ro phá sản của hầu hết các ngành, các loại hình doanh nghiệp với độ chính xác cao hơn và gian lận báo cáo tài chính cũng được thực hiện với độ tin cậy cao hơn. Theo Altman và Hotchkiss (2006), Z-score được đáng giá cao về độ tin cậy và đã được sử dụng ở hơn 20 quốc gia trên toàn thế giới. Công thức Altman và Hotchkiss's Z-Score: Z-Score = 3.25 + 6.56X1 + 3.26X2 + 6.72X3 + 1.05X4 Trong đó: X1 là Vốn lưu động/Tổng tài sản, X2 là Lợi nhuận chưa phân phối/Tổng tài sản, X3 là Lợi nhuận trước thuế và lãi vay/Tổng tài sản; X4 là Vốn chủ sở hữu/Tổng nợ phải trả. Độ lớn của chỉ số Z-score có ý nghĩa như sau: Nếu Z > 5.85 thì công ty đang nằm trong vùng an toàn, 1748
  7. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 chưa có nguy cơ phá sản; Nếu 4.35 < Z < 5.85 thì công ty nằm trong vùng cảnh báo có thể có nguy cơ phá sản; Nếu Z ≤ 4.35 thì công ty nằm trong vùng nguy hiểm có nguy cơ phá sản cao. Nhóm tác giả xây dựng mô hình nghiên cứu dựa trên sự kết hợp giữa Mô hình Beneish M- score và chỉ số Z-score của Altman, trong đó các biến số độc lập bao gồm: chỉ số phải thu khách hàng trên doanh thu thuần (DSRI), chỉ số chất lượng tài sản (AQI), chỉ số khấu hao tài sản cố định (DEPI), chỉ số biến dồn tích kế toán so với tổng tài sản (TATA), chỉ số tỷ suất biên lợi nhuận gộp (GMI), chỉ số tăng trưởng doanh thu (SGI), chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI), chỉ số đòn bẩy tài chính (LVGI) và Z-score. Mô hình nghiên cứu được xây dựng như sau: FRAUD = βo + β1DSRI + β2GMI + β3AQI + β4SGI + β5DEPI + β6SGAI + β7TATA + β8LVGI – β9Z-SCORE + εi FRAUD: Khả năng có gian lận báo cáo tài chính Với các giả thuyết nghiên cứu: H1: Chỉ số phải thu khách hàng trên doanh thu thuần (DSRI) có ảnh hưởng tích cực đến khả năng gian lận báo cáo tài chính. H2: Chỉ số chất lượng tài sản (AQI) có ảnh hưởng tích cực đến khả năng gian lận trong báo cáo tài chính. H3: Chỉ số khấu hao tài sản cố định (DEPI) có tác động tích cực đến khả năng gian lận trong báo cáo tài chính. H4: Chỉ số biến dồn tích kế toán so với tổng tài sản (TATA) có tác động tích cự đến khả năng gian lận báo cáo tài chính. H5: Chỉ số tỷ suất biên lợi nhuận gộp (GMI) có ảnh hưởng tích cực đến khả năng gian lận báo cáo tài chính. H6: Chỉ số tăng trưởng doanh thu (SGI) có ảnh hưởng tích cực đến khả năng gian lận trong báo cáo tài chính. H7: Chỉ số chi phí bán hàng và quản lý doanh nghiệp (SGAI) có tác động tích cực đến khả năng có gian lận trong báo cáo tài chính. H8: Chỉ số đòn bẩy tài chính (LVGI) có ảnh hưởng tích cực đến khả năng có gian lận trong báo cáo tài chính. H9: Z-score có ảnh hưởng tiêu cực đến khả năng gian lận trong báo cáo tài chính. Phương pháp định lượng được sử dụng chủ yếu để giải thích các mục tiêu nghiên cứu thông qua thống kê mô tả mẫu nghiên cứu và các biến và kiểm định ý nghĩa của các hệ số hồi quy. Ngoài ra, đề tài còn kết hợp sử dụng các phương pháp định tính để tổng qua các mô hình và lý thuyết của các nghiên cứu trước đó nhằm xác định các biến độc lập có khả năng phát hiện gian lận trong báo cáo tài chính. Mẫu nghiên cứu được chọn theo phương pháp phi xác suất (chọn mẫu thuận tiện). Cụ thể, báo cáo tài chính của các công ty bất động sản niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2014 – 2019 tương ứng với 53 doanh nghiệp. Do ảnh hưởng của đại dịch Covid-19 nên dữ liệu của năm 2020 đã bị bỏ ra khỏi mẫu nghiên cứu. Nguồn dữ liệu được thu thập trên các website của HOSE và HNX. Phần mềm Stata16 và Microsoft Excel 2021 được sử dụng để thực hiện xử lý và phân tích dữ liệu. 1749
  8. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 4. Kết quả nghiên cứu Nghiên cứu bắt đầu từ mối quan hệ giữa khả năng xảy ra gian lận báo cáo tài chính với các biến độc lập bao gồm, DSRI, GMI, AQI, SGI, DEPI, SGAI, TATA, LVGI và Z-SCORE bằng kiểm định hệ số tương quan Pearson, Kết quả thể hiện sự ảnh hưởng đáng kể của các biến GMI, AQI và SGI đến biến phụ thuộc FRAUD với giá trị Sig tương ứng là 0,0021; 0,0373 và 0,0000. Các biến độc lập khác như DSRI, DEPI, SGAI, LVGI, TATA và Z-score lại không có ý nghĩa thống kê đối với biến phụ thuộc FRAUD với giá trị Sig tương ứng là 0,7559; 0,4514; 0,1575; 0,6545 và 0,0992. Kết quả này có thể không tương thích với kết quả nghiên cứu của Phạm Thị Mộng Tuyền (2019), vì DSRI, LVGI và Z-score được coi là nhưng nhân tố chính ảnh hưởng đến gian lận thông tin tài chính. Trong khi đó, SGI và AQI là những nhân tố tác động không đáng kể đến FRAUD trong mô hình nghiên cứu của tác giả Phạm Thị Mộng Tuyền (2019). Sự chênh lệch này có thể được giải thích bởi phương pháp chọn mẫu khác nhau giữa hai bài nghiên cứu, trong khi bài nghiên cứu của nhóm tác giả chọn mẫu theo cụm các công ty bất động sản, thì phương pháp chọn mẫu ngẫu nhiên đơn giản lại được sử dụng trong bài nghiên cứu của Phạm Thị Mộng Tuyền (2019). Bảng 1: Kết quả hệ số tương quan Pearson FRAUD DSRI GMI AQI SGI DEPI TATA FRAUD 1.0000 DSRI -0.0174 1.0000 0.7559 GMI 0.1703 -0.0393 1.0000 0.0021 0.4820 AQI 0.1159 -0.0249 -0.0017 1.0000 0.0373 0.6552 0.9762 SGI 0.9892 -0.0405 0.1379 -0.0057 1.0000 0.0000 0.4681 0.0131 0.9188 DEPI 0.0420 0.0327 0.0454 0.2456 -0.0115 1.0000 0.4514 0.5577 0.4164 0.0000 0.8365 TATA 0.0788 0.0487 0.0241 -0.0269 0.0846 -0.0209 1.0000 0.1575 0.3828 0.6658 0.6298 0.1290 0.7079 LVGI 0.0250 0.0142 0.0462 0.1433 -0.0076 0.0949 -0.0159 0.6545 0.7998 0.4077 0.0099 0.8918 0.0886 0.7760 Z_Score -0.0919 0.2218 -0.2000 0.0124 -0.0330 -0.0267 0.0950 0.0992 0.0001 0.0003 0.8249 0.5550 0.6332 0.0876 Nguồn: Các tác giả thực hiện trên Stata15 Do không có hiện tượng đa cộng tuyến trong các biến độc lập, mô hình hồi quy mới được thể hiện như sau: FRAUD = βo + β1GMI + β2AQI + β3SGI + εi. Hệ số hồi quy (beta) của biến độc lập GMI là 1,2662 giải thích sự tác động cùng chiều đến 1750
  9. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 biến phụ thuộc FRAUD. Hệ số này có ý nghĩa là nếu chỉ số tỷ suất lợi nhuận gộp biên tăng hoặc giảm 1 phần trăm thì log của tỷ lệ xác suất có khả năng xảy ra gian lận báo cáo tài chính hoặc không có khả năng xảy ra gian lận báo cáo tài chính tăng thêm 1,2662 lần. Tương tự, các biến độc khác là AQI và SGI cũng thể hiện sự tác động cùng chiều đến biến phụ thuộc FRAUD với hệ số hồi quy tương ứng là 1,0972 và 0,9909. Bảng 2: Kết quả hồi quy Robust R-sq: Obs per group Within 0.9954 min 5 Between 0.9914 avg 6.0 Overall 0.9943 max 6 F(3,53) 1.53e+07 corr(u_i,Xb) 0.1827 Prob > F 0.0000 Robust [95% FRAUD Coef. t P>|t| Interval] Std. Err. Conf. GMI 1.266239 0.445261 2.84 0.0060 0.37316 2.159319 AQI 1.097213 0.038228 28.7 0.0000 1.020538 1.173888 SGI 0.990932 0.00146 678.63 0.0000 0.988004 0.993861 _cons -2.64846 0.370633 -7.15 0.0000 -3.39185 -1.90506 sigma_u 5.051453 sigma_e 7.803776 rho 0.295283 (fraction of variance due to u_i) Nguồn: Các tác giả thực hiện trên Stata15 Mô hình hồi quy cuối cùng với hệ số R bình phương là 99,43% thể hiện mức độ giải thích của các biến độc lập đến biến phụ thuộc. Không có hiện tượng tự tương quan trong dữ liệu bảng, vậy nên mô hình và các hệ số ước tính được thể hiện như sau: FRAUD = -2.64846 + 1.2662GMI + 1.0972AQI + 0.9909SGI. 5. Thảo luận kết quả nghiên cứu Mô hình phát hiện gian lận của nhóm tác giả chú trọng vào các yếu tố tác động như chỉ số tỷ suất lợi nhuận gộp biên, chỉ số tăng trưởng doanh thu và chỉ số chất lượng tài sản. Điều này cũng phù hợp với nhận định về động cơ phổ biến nhất để thực hiện các hành vi gian lận là dựa trên quản trị lợi nhuận, thông qua việc thổi phòng doanh thu và tài sản hay giảm chi phí và nợ phải trả (Perols & Lougee, 2011). Động cơ kinh tế được coi là động lực mạnh mẽ nhất cho các hành vi gian lận thông tin tài chính (Rezaee, 2005). Áp lực đáp ứng kỳ vọng của các nhà phân tích tài chính, cơ cấu lương thưởng và đãi ngộ, nhu cầu huy động vốn từ bên ngoài, hay sự yếu kém trong tình hình tài chính của công ty cũng được xem là động lực để thổi phồng lợi nhuận (Hogan và cộng sự, 2008; Firth và cộng sự, 2011 và Warren và cộng sự, 2011). Để đạt được sự tăng trưởng ổn định, các công ty đang gặp khó khăn về tài chính có xu hướng cung cấp các báo cáo tài chính sai lệch hơn là các 1751
  10. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 công ty đang trong tình trạng kinh doanh thuận lợi. Một trong những phương pháp phổ biến nhất chính là dựa trên quản trị lợi nhuận, cụ thể các công ty cố tình phóng đại doanh thu và tài sản đồng thời/hoặc làm giảm nợ và chi phí (Perols & Lougee, 2011). Ngoài ra, các nguyên nhân dẫn đến gian lận dựa trên sự tồn tại của tam giác gian lận trong Tuyến bố về Chuẩn mực Kiểm toán (SAS) số 99, Consideration of Fraud in a Financial Statement Audit, bao gồm các động cơ hoặc áp lực thực hiện các hành vi gian lận, các trường hợp tạo điều kiện cho hành vi gian lận, và thái độ hay sự hợp lý hóa hành vi gian lận (Hogan và cộng sự, 2008) cũng được làm rõ trong các nghiên cứu khác. Albrecht và cộng sự (2014) giải thích cách thức sử dụng quyền lực cá nhân và xã hội để tác động đến những người đồng phạm tiềm năng. Theo đó, có năm loại quyền lực thường được sử dụng để lôi kéo một người khác tham gia vào hành vi gian lận, bao gồm quyền lực tưởng thưởng như lời hứa hẹn được thăng chức hay quyền chọn mua cổ phiếu; quyền lực cưỡng chế như nỗi sợ hãi không thành công hoặc sự sợ hãi giảm giá cổ phiếu; quyền lực giới thiệu là sự tin tưởng giữa các đồng nghiệp; quyền lực hợp pháp là sự tuân theo cấp quản lý và cuối cùng là quyền lực chuyên gia thể hiện sự nhận thức của các đồng phạm tiềm năng về kiến thức chuyên môn của những người có ảnh hưởng lôi kéo. Gian lận có thể được bình thường hóa trong một tổ chức, bắt đầu từ quyết định “hợp lý” của các Giám đốc điều hành cấp cao về hành vi gian lận bằng cách xác định lợi ích của việc gian lận lớn hơn chi phí của việc bị phát hiện, sau đó là các hành vi có thể chấp nhập được của các nhà quản lý cấp trung và cuối cùng là nhân viên. Hơn 80% các trường hợp gian lận liên quan đến các vị trí quản lý hàng đầu, bao gồm Giám đốc điều hành (CEO), Giám đốc tài chính (CFO), Chủ tịch hội đồng quản trị, thủ quỹ, và kiểm soát viên (Rezaee, 2005). Dưới áp lực của việc đáp ứng các con số dự báo của các nhà phân tích tài chính, đặt nặng vào con số lợi nhuận, ban lãnh đạo cấp cao nhất của các công ty niêm yết xem dự báo lợi nhuận làm mục tiêu định hướng của công ty. Để đáp ứng mục tiêu đó, thông tin kế toán sẽ được đánh giá theo cách thức thiên lệch một cách vô thức (Murphy & Dacin, 2011). Murphy (2012) dự đoán rằng những cá nhân có khuynh hướng khai man sẽ thể hiện hành vi sai trái khi có cơ hội và động cơ. Những thủ phạm này cũng được cho là sẽ gặp phải những tác động tiêu cực, chẳng hạn như cảm giác không thoải mái khi thể hiện những hành vi sai phạm. Do không thích những cảm xúc tiêu cực, việc lý trí hóa là một cơ chế để từ chối những cảm xúc tiêu cực (Murphy & Dacin, 2011). Từ chối có thể được sử dụng như một chiến thuật hợp lý hóa để biện minh cho hành vi phi đạo đức của các cá nhân, và tự xem mình là những cá nhân có trách nhiệm về mặt đạo đức buộc phải thực hiện những hành vi trái đạo đức (Dellaportas, 2013). Quá trình bình thường hóa gian lận có thể hỗ trợ tích cực trong quá trình phát triển nghiên cứu phòng chống gian lận. Murphy và Dacin (2011) đề xuất ba phương pháp chung để phòng ngừa tội phạm, bao gồm trừng phạt, phòng thủ và can thiệp dựa trên lý thuyết của các nhà tội phạm học hàng đầu. Các phương pháp trừng phạt tập trung vào việc sử dụng nhiều hình phạt hơn để làm tăng nỗ sợ hãi khi thực hiện hành vi gian lận. Các phương pháp phòng vệ hạn chế cơ hội phạm tội bằng cách tăng cường kiểm soát nội bộ. Các phương pháp can thiệp dựa trên giả định rằng tỷ lệ tội phạm có thể giảm đáng kể bằng cách xác định các điều kiện tạo ra chúng và sau đó thay đổi các điều kiện đó. Cơ hội thực hiện gian lận báo cáo tài chính do một số yếu tố rủi ro gây ra (AICPA, 2002), bao gồm bản chất của ngành, hình thức quản trị công ty yếu kém, cơ cấu tổ chức phức tạp và thiếu 1752
  11. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 các biện pháp kiểm soát hiệu quả như ủy ban kiểm toán hay kiểm soát nội bộ. Theo nghiên cứu của Brennan (2007), mặc dù tỷ lệ gian lận và sự tồn tại của ủy ban kiểm toán có mối tương quan ngược chiều, nhưng ủy ban kiểm toán cũng không thể hoạt động hiệu quả nếu không đảm bảo một số điều kiện cần thiết. Điều kiện quan trọng nhất là duy trì sự độc lập, họp mặt thường xuyên và có chuyên môn về tài chính để hoạt động một cách độc lập mà không chịu sự can thiệp của ban lãnh đạo. Sự ảnh hưởng ngược chiều giữa tính độc lập của ủy ban kiểm toán và tỷ lệ gian lận trong báo cáo tài chính được chỉ ra trong nghiên cứu của Abbott và cộng sự (2004). Tương tự như ủy ban kiểm toán, kiểm soát nội bộ cũng cần phải duy trì tính độc lập và không để bị ảnh hưởng bởi sự chi phối của ban lãnh đạo trong các hoạt động kiểm soát (Rezaee, 2005). So với ủy ban kiểm toán, bộ phận kiểm soát nội bộ có nhiều lợi thế hơn để hình thành các xét đoán về hệ thống kiểm soát theo yêu cầu của pháp luật, các ủy ban hay các tiêu chuẩn mới. Cơ hội thực hiện hành vi gian lận được đánh giá là yếu tố dự đoán tốt hơn về các hành vi phi đạo đức cũng như là chìa khóa để ngăn chặn các hành vi gian lận, vì nó cho phép các thủ phạm tiềm năng tìm ra giải pháp dựa trên các cơ chế một cách bất hợp pháp. Nhận định này không nhằm để bác bỏ việc theo đuổi các động cơ để các cá nhận thực hiện hành vi gian lận, nhưng một giải pháp chủ động nên tập trung vào việc hạn chế cơ hội hơn là loại bỏ các động cơ (Dellaportas, 2013). Yếu tố quan trọng của việc kiểm soát gian lận là đào tạo nhân viên và những người có liên quan khác về gian lận và cách phản ứng với các hành vi đáng ngờ. Cung cấp nhận thức đầy đủ về gian lận có thể nâng cao khả năng phát hiện gian lận ở giai đoạn đầu, tiếp theo đó là hạn chế các tác động tiêu cực đến môi trường làm việc hoặc loại bỏ quá trình bình thường hóa gian lận. Việc áp dụng công nghệ chống gian lận, các quy trình phòng ngừa và phát hiện có thể được sử dụng để chống lại gian lận, như sử dụng các công nghệ chống virus, tường lửa, bảo vệ bằng mật khẩu, xem xét hệ thống kiểm soát nội bộ và cải tiến, … (Bierstaker và cộng sự, 2006). Vấn đề thất bại trong việc phát hiện các trường hợp báo sai lệch của kiểm toán viên bên ngoài cho thấy vai trò của các kiểm toán viên. Các nỗ lực củng cố tiêu chuẩn đánh giá, nâng cao mức độ kiểm soát chất lượng trong báo cáo được tập trung thực hiện tại nhiều tổ chức, điều này được thể hiện trong báo cáo năm 1992 của Ủy ban các tổ chức bảo trợ (COSO) của Ủy ban Treadway, hoặc báo cáo năm 1993 của Ban giám sát cộng đồng (POB). Cơ cấu nhóm kiểm toán cũng được xem là một yếu tố cần thiết để cải thiện việc phát hiện và phòng ngừa các hành vi gian lận, dựa trên ưu điểm của các yếu tố như mức độ tin cậy và kinh nghiệm về gian lận khác nhau của các kiểm toán viên (Rose, 2007). Thiếu những kiểm toán viên hoài nghi trong nhóm kiểm toán có thể dẫn đến việc đặt quá ít sự chú ý vào việc nghi ngờ các báo cáo sai lệch, hay thiếu các thành viên chưa có kinh nghiệm về gian lận có thể đến việc thiếu kiến thức trong việc khai thác các thông tin về gian lận để làm bằng chứng. Tuy nhiên, điều quan trọng là cần xác định được cấu trúc tối ưu của nhóm kiểm toán để phát hiện các hành vi gian lận tốt hơn, thúc đẩy sự hoài nghi nhưng đồng thời phải duy trì tính hiệu quả của nhóm kiểm toán (Rose, 2007). 6. Kết luận Mô hình phát hiện gian lận của nhóm tác giả chỉ ra rằng các yếu tố như chỉ số tỷ suất lợi nhuận gộp biên, chỉ số tăng trưởng doanh thu và chỉ số chất lượng tài sản là những yếu tố chính trong mô hình phát hiện gian lận tài chính đối với ngành bất động sản. Ngoài ra, nghiên cứu cũng đề xuất một số giải pháp phòng ngừa gian lận dựa trên các nghiên cứu về tam giác gian lận, tập trung vào cách loại bỏ động cơ hoặc áp lực để thực hiện các hành vi gian lận, nâng cao hệ thống kiểm soát và cách kiểm soát quá trình bình thường hóa gian lận trong tổ chức. Tuy nhiên, bài 1753
  12. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 nghiên cứu vẫn còn một số hạn chế về việc đánh giá mức độ phù hợp của mô hình và khả năng dự báo của mô hình dựa trên dữ liệu thực tế. Đề tài về sai lệch báo cáo tài chính được nghiên cứu một cách rộng rãi tại Mỹ, tuy nhiên lại tìm thấy rất ít tài liệu ở các nước khác (Firth và cộng sự, 2011). Trong nghiên cứu của Firth và cộng sự (2011), một số yếu tố quan trọng mới có thể được đưa vào mô hình gian lận, như quyền sở hữu của cơ quan nhà nước hoặc sự quyết liệt trong chính sách về thuế. Nghiên cứu này cũng chỉ ra rằng, các doanh nghiệp do cơ quan nhà nước kiểm soát có khả năng thao túng báo cáo tài chính nhưng lại ít xảy ra các sai sót trong báo cáo. Năm 2021, hai trường hợp vi phạm pháp luật nghiêm trọng tại các công ty bất động sản Việt Nam đã được phát hiện là Cenland (mã niêm yết: CRE) và ThuDuc House (mã niêm yết: TDH), liên quan đến các sai phạm trong báo cáo thuế. Những hành vi vi phạm này làm nổi lên vấn đề về việc xem xét mối liên quan của yếu tố gian lận báo cáo thuế và sai phạm trong báo cáo tài chính. Theo nghiên cứu của Lennox và cộng sự (2013), các công ty đại chúng có hành vi gian lận thuế thường có xu hướng ít thổi phồng báo cáo tài chính hơn. Trong khi đó, quan điểm rằng hành vi thổi phồng báo cáo tài chính có ảnh hưởng đến việc cung cấp báo cáo né tránh thuế lại không được ủng hộ. Định hướng nghiên cứu mới này là thực sự cần thiết khi tổng giá trị tiền thuế chậm nộp và tiền phạt của CRE và TDH lên tới gần 460 tỷ đồng. TÀI LIỆU THAM KHẢO [1] Abbott L. J., Parker S., & Peters G. F. (2004). Audit Committee Characteristics and Restatements. Auditing: A Journal of Practice & Theory, 23, No. 1, 69-87. doi:10.2308/aud.2004.23.1.69 [2] ACFE. (2010). Reports to the Nations on Occupational Fraud and abuse. Association of Certified Fraud Examiners. [3] ACFE. (2012). Report to the Nation on Occupational Fraud and Abuse: 2012 Global Fraud Study. Austin: Association of Certified Fraud Examiners. [4] Administrative Leadership Academy, UISD. (2011). Fraud and Ethics Compliance. Laredo, Texas, USA. [5] Adrian, N. K., Lawrence, A. & Cristal, L. A. S. (2009). Forensic Accounting: public Acceptance towards Occurance of Fraud Detection. International Journal of Business and Management, 4(11), 145-149. [6] Adrian, N.K., Lawrence, A. & Cristal, L.A.S. (2009). Forensic Accounting: public Acceptance towards Occurance of Fraud Detection. International Journal of Business and Management, 4(11), 145-149. [7] AICPA. (2002). Consideration of Fraud in a Financial Statement Audit. [8] AICPA. (2006). Appendix to SAS No. 99. Fraud Risk Factors. [9] Albrecht C., Holland D., Malagueno R., Dolan S. & Tzafrir S. (2014). The Role of Power in Financial Statement Fraud Schemes. Journal of Business Ethics, 131, No. 4, 803-813. doi:10.1007/s10551-013-2019-1 [10] Albrecht, W. A. (2004). Fraud Examination and Prevention. Mason, OH: South- Western. [11] Alexander, D. (n.d.). . (2012). Data Mining. The University of Texas at Austin, http://www.laits.utexasedu/~norman/BUS.FOR/course.mat/Alex/. 1754
  13. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 [12] Bierstaker J. L., Brody R. G. & Pacini C. (2006). Accountants’ Perceptions Accountants’ Perceptions regarding Fraud Detection and Prevention Methods. Managerial Auditing Journal, 21, No. 5, 520-535. doi:10.1108/02686900610667283 [13] Brennan N. M. & McGrath M. (2007). Financial Statement Fraud: Some Lessons from US and European Case Studies. Australian Accounting Review, 17, No. 2, 49-61. [14] Cuong. N.H. (2015). Disclosure in the interim financial statements of companies listed on the Vietnamese stock market: Existence and solutions. Journal of Development Economics, 221, 82-90. [15] Dellaportas S. (2013). Conversations with inmate accountants: Motivation, opportunity and the fraud triangle. Accounting Forum, 37, 29-39. doi:10.1016/j.accfor.2012.09.003 [16] Duffield, G., & Grabosky, P. (2001). The Psychology of Fraud. Canberra: Australian Institute of Criminology. [17] Eng, L. L., Sun, L., & Vichitsarawong, T. (2014). Are international financial reporting standards–based and u.s. gaap–based accounting amounts comparable? Evidence from U.S. ADRs. Journal Of Accounting, Auditing & Finance, 29(2), 163-187. [18] Firth M., Rui O. M., & Wu W. (2011). Cooking the books: Recipes and costs of falsified financial statements in China. Journal of Corporate Finance, 17, 371-390. doi:10.1016/j.jcorpfin.2010.09.002 [19] Fung, M. K. . (2015). Cumulative prospect theory and managerial incentives for fraudulent financial reporting. Contemporary Accounting Research, 32(1), 55-75. [20] Glover H. D. & Aono J. Y. (1995). Changing the Model for Prevention and Detection of Fraud. Managerial Auditing Journal, 10(5), 3-9. doi:10.1108/02686909510087928 [21] Hoàng Thị Hồng Vân. (2020). Vận dụng mô hình Z-score trong dự báo khả năng phá sản doanh nghiệp tại Việt Nam. Tạp chí Khoa học và Đào tạo Ngân hàng, 217, 43-51. [22] Hogan C. E., Rezaee Z., Riley R. A., & Velury U. K. (2008). Financial Statement Fraud: Insights from the Academic Literature. Auditing: A Journal of Practice & Theory, 27, No.2, 231-252. doi:10.2308/aud.2008.27.2.231 [23] Hopwood, W. L. (2008). Forensic Accounting. New York: NY: The McGraw-Hill Companies, Inc. [24] Jung, B., Lee, W., & Weber, D. P. . (2014). Financial reporting quality and labour investment efficiency. Contemporary Accounting Research, 31(4), 1047-1076. [25] King, E. A. (2008). How to Buy Data Mining: A Framework for Avoiding Costly Project Pitfalls in Predictive Analytics. New York: DMReview, 15(10). [26] KPMG. (2011). The Common Types of Fraud. It’s Causes and Impact to a Public Sector Organization, 1-30. [27] Kranacher, M.J. (2010). Chapter 3: Who Commits Fraud and Why: Criminology and Ethics - Forensic Accounting and Fraud Examination. Hoboken: John Wiley & Sons, Inc, 58-85. [28] Lennox C., Lisowsky P., & Pittman J. (2013). Tax Aggressiveness and Accounting Fraud. Journal of Accounting Research. doi:10.1111/joar.12002 1755
  14. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 [29] Long, L. M. (2009). Internal Controls for Small Businesses to Reduce the Risk Fraud. Texas: Intuit Inc. [30] Murphy P. R. (2012). Attitude, Machiavellianism and the Rationalization of Misreporting. Accounting, Organizations and Society, 37, 242-259. doi:10.1016/j.aos.2012.04.002 [31] Murphy, P. D. & Dacin M. T. (2011). Psychological Pathway to Fraud: Understanding and preventing Fraud in Organization. Journal of Business Ethics, 601- 618. doi:10.1007/s10551-011-0741-0 [32] Nooraslinda Abdul Aris, Rohana Othman, Siti Maznah Mohd Arif, Mohamad Affendi Abdul Malek, Normah Omar. (2013). Fraud Detection: Benford’s Law vs Beneish Model. [33] Ofori, Edmond. (2016). Detecting Corporate Financial Fraud Using Modified AltmanZ- Score and Beneish M-Score. The Case of Enron Corp. . Research Journal of Finance and Accounting.Vol.7, No.. [34] Ortega P.A., Figueroa C.J. & Ruz GA. (2006). A medical claim fraud/abuse detection system based on data mining: a case study in Chile. In Proceedings of International Conference on Data Mining, Las Vegas, Nevada, USA. [35] Palace, B. (2012). Data Mining: What is Data Mining? UCLA Anderson School of Management, http://www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies /palace/datamining.htm. [36] Perols J. L & Lougee B. A. (2011). The Relation between Earnings Management and Financial Statement Fraud. Advances in Accounting, incorporating Advances in International Accounting, 27, 39-53. doi:10.1016/j.adiac.2010.10.004 [37] Ramamoorti, S. (2008). The Psychology and Sociology of Fraud: Integrating the Behavioral Sciences Component Into Fraud and Forensic Accounting Curricula. Issues in Accounting Education, 23(4), 521-533 . [38] Ramamoorti, S., & Olsen, W. (2007). Fraud: The Human Factor. Financial Executive, 53-55. [39] Ramos, M. (2003). Auditor's Responsibility for Fraud Detection. . Journal of Accountancy, 28-35. [40] Rezaee Z. (2005). Causes, consequences, and deterence of financial statement fraud. Critical Perspectives on Accounting, 16(3), 277-298. doi:10.1016/S1045-2354(03)00072- 8 [41] Rezaee, Z. R. (2010). Financial Statement Fraud- Prevention and Detection. 2nd Edition. Hoboken: NJ: John Wiley & Sons. [42] Rose J. M. (2007). Attention to Evidence of Aggressive Financial Reporting and Intentional Misstatement Judgments: Effects of Experience and Trust. Behavioral Research in Accounting, 19, 215-229. [43] Saksena, P. (2012). Ethical Theories and the Incidence of the Occupational Fraud. Advances in Management , 5(1), 55-58. 1756
  15. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 [44] Seifert, J. W. (2004). Data Mining: An Overview. Washington, D.C.: Congressional Research Service. [45] Singh, S. (2011). The Common Types of Fraud, It's Causes and Impact to a Public Sector Organization. National Public Sector Accountants Conference. Kuching: KPMG Malaysia, 1-30. [46] Syed Zakaria, S. N. A. & Syed Ahmad, S. N. (2009). Digital Forensic Accounting: Analytical Procedures Using Audit Commander (unpublished). ICFC 2009 (unpublished). [47] Trần Thị Kim Anh & Nguyễn Thị Phương Mai. (2017). Khả năng áp dụng các mô hình đánh giá chất lượng Báo cáo tài chính thông qua các đặc điểm chất lượng cơ bản của thông tin tài chính tại Việt Nam. [48] Turner, K. F. (2009). The Ethics of Frau. Lubbock: Texas Tech University System. [49] Tuyen P. T. M. (2019). Kết hợp mô hình M-Score Beneish và chỉ số Z-Score để nhận diện khả năng gian lận báo cáo tài chính. Tạp chí Kế toán và Kiểm toán, 57-61. [50] Viton, P. L. (2003). Creating Fraud Awareness. SAM Advanced Management Journal. [51] Võ Văn Nhị & Hoàng Cẩm Trang. (2013). Hành vi điều chỉnh lợi nhuận và nguy cơ phá sản của các công ty niêm yết trên Sở Giao dịch Chứng khoán TP. HCM. Tạp chí Phát triển Kinh tế, 276S, 48-57. [52] Warren D., Zey M., Granston T., & Roy J. (2011). Earnings Fraud: Board Control vs CEO Control and Corporate Performance - 1992-2004. Managerial and Decision Economics, 32, 17-34. doi:10.1002/mde.1515 [53] Wells, J. (2011). Corporate Fraud Handbook - Prevention and Detection. 3rd Edition. . Hoboken: NJ.: John Wiley & Sons. [54] Wikipedia contributors. (2012). Fraud. Wikipedia, The Free Encyclopedia: http://en.wikipedia. org/w/index.php?title=Special:Cite&page =Fraud&id=496271427. [55] Yang, W.S. & Hwang, S.Y. (2006). A process-mining framework for the detection of healthcare fraud and abuse. Information and Security, 18, 48-63. 1757
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2