Luận văn Thạc sĩ Kinh tế: Ứng dụng mô hình M-score trong việc phát hiện sai sót thông tin trên báo cáo tài chính của các doanh nghiệp niêm yết

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP. HCM



CA THỊ NGỌC TỐ

ỨNG DỤNG MÔ HÌNH M-SCORE TRONG VIỆC

PHÁT HIỆN SAI SÓT THÔNG TIN TRÊN BÁO CÁO

TÀI CHÍNH CỦA CÁC DOANH NGHIỆP NIÊM YẾT

LUẬN VĂN THẠC SĨ KINH TẾ

Thành phố Hồ Chí Minh - Năm 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP. HCM



CA THỊ NGỌC TỐ

ỨNG DỤNG MÔ HÌNH M-SCORE TRONG VIỆC

PHÁT HIỆN SAI SÓT THÔNG TIN TRÊN BÁO CÁO

TÀI CHÍNH CỦA CÁC DOANH NGHIỆP NIÊM YẾT

Chuyên ngành: Kế toán

Mã số: 60340301

LUẬN VĂN THẠC SĨ KINH TẾ

NGƢỜI HƢỚNG DẪN KHOA HỌC

TS. PHẠM QUANG HUY

Thành phố Hồ Chí Minh - Năm 2017

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu do chính tác giả thực hiện.Các số liệu trong luận văn là trung thực. Kết quả luận văn chưa từng được công bố trong bất kỳ công trình nào khác.

Tất cả những phần kế thừa, tài liệu tham khảo đã được tác giả trích dẫn đầy

đủ và ghi nguồn cụ thể trong danh mục tài liệu tham khảo.

Hồ Chí Minh, ngày tháng 10 năm 2017

Tác giả

Ca Thị Ngọc Tố

MỤC LỤC

1. Tính cấp thiết của đề tài ............................................................................................................. 1

2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu .............................................................................. 3

3. Đối tượng và phạm vi nghiên cứu .............................................................................................. 4

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

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

4. Phương pháp nghiên cứu ............................................................................................................ 4

5. Kết quả đóng góp ....................................................................................................................... 5

6. Kết cấu của luận văn .................................................................................................................. 5

TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH ẢNH VÀ BIỂU ĐỒ DANH MỤC PHỤ LỤC PHẤN MỞ ĐẦU ........................................................................................................ 1

1.1. Các nghiên cứu được công bố ở ngoài nước ........................................................................... 6

1.1.1. Các nghiên cứu sử dụng thước đo tài chính và phi tài chính để đánh giá khả năng sai

sót thông tin trên BCTC ..................................................................................................................... 6

1.1.2. Các nghiên cứu định lượng xây dựng mô hình dự báo khả năng sai sót thông tin trên

BCTC ................................................................................................................................................. 9

1.2. Các nghiên cứu được công bố trong nước ............................................................................ 16

1.2.1. Các nghiên cứu sử dụng thước đo tài chính và phi tài chính để đánh giá khả năng sai

sót thông tin trên báo cáo chính ....................................................................................................... 16

1.2.2. Các nghiên cứu định lượng xây dựng mô hình dự báo khả năng sai sót thông tin trên

BCTC ............................................................................................................................................... 18

1.3. Khe hổng nghiên cứu ............................................................................................................ 19

CHƢƠNG 1. TỔNG QUAN CÁC NGHIÊN CỨU ................................................ 6

Kết luận chƣơng 1 ................................................................................................... 21

2.1. Cơ sở lý thuyết về sai sót thông tin trên BCTC .................................................................... 22

2.1.1. Các vấn đề liên quan đến sai sót BCTC ....................................................................... 22

2.1.1.1. Khái niệm sai sót ..................................................................................................... 22

2.2. Các lý thuyết nền tảng ........................................................................................................... 25

CHƢƠNG 2. CƠ SỞ LÝ LUẬN ............................................................................ 22

2.2.1. Lý thuyết thông tin bất cân xứng ................................................................................. 25

2.2.2. Lý thuyết ủy nhiệm (Agency theory) ........................................................................... 26

2.2.3. Lý thuyết về tam giác gian lận ..................................................................................... 27

2.2.4. Lý thuyết các bên liên quan (Stakeholder theory) ....................................................... 28

Kết luận chƣơng 2 ................................................................................................... 30

3.1. Đối tượng và phạm vi nghiên cứu ......................................................................................... 31

3.1.1. Đối tượng nghiên cứu .................................................................................................. 31

3.1.2. Phạm vi nghiên cứu ..................................................................................................... 31

3.2. Mô hình nghiên cứu .............................................................................................................. 31

3.3. Phương pháp nghiên cứu ....................................................................................................... 31

3.4.1. Xác định mẫu nghiên cứu ............................................................................................ 32

3.4.2. Chọn mẫu nghiên cứu .................................................................................................. 33

3.4.3. Mô tả mẫu nghiên cứu ................................................................................................. 34

3.5. Thiết kế dữ liệu nghiên cứu................................................................................................... 36

3.6. Biến nghiên cứu .................................................................................................................... 37

3.6.1. Biến phụ thuộc – M (Misstatement) ............................................................................ 37

3.6.2. Biến độc lập ................................................................................................................. 37

3.7. Phân tích dữ liệu và kiểm định giả thuyết ............................................................................. 45

CHƢƠNG 3. PHƢƠNG PHÁP NGHIÊN CỨU .................................................. 31

Kết luận chƣơng 3 ................................................................................................... 50

4.1. Thực hiện các phân tích ban đầu ........................................................................................... 51

4.2. Kết quả hồi quy với mô hình hồi qui binary logistics ........................................................... 54

4.3. Đo lường tác động biên của các biến hồi quy lên biến phụ thuộc ......................................... 58

4.4. Ước lượng ngưỡng giá trị để phân loại các doanh nghiệp có sai sót thông tin trên BCTC và đo lường khả năng dự báo của mô hình ....................................................................................... 59

CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN .............................. 51

Kết luận chƣơng 4 ................................................................................................... 62

5.1. Kết luận ................................................................................................................................. 63

5.2. Một số gợi ý chính sách ........................................................................................................ 64

5.2.1. Đối với kiểm toán viên ................................................................................................ 64

5.2.2. Đối với cơ quan quản lý thị trường chứng khoán ........................................................ 65

5.2.3. Đối với nhà đầu tư ....................................................................................................... 66

CHƢƠNG 5. KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH ........................................ 63

5.3. Hạn chế đề tài nghiên cứu ..................................................................................................... 67

5.4. Định hướng nghiên cứu trong tương lai ................................................................................ 67

DANH MỤC CÁC CHỮ VIẾT TẮT

1. Các chữ viết tắt có nguồn gốc tiếng việt

Từ viết tắt Từ gốc

BCTC Báo cáo tài chính

BTC Bộ tài chính

CĐKT Cân đối kế toán

CSH Chủ sở hữu

CTCP Công ty cổ phần

DNNN Doanh nghiệp nhà nước

DNNY Doanh nghiệp niêm yết

DV Dịch vụ

ĐT Đầu tư

HĐQT Hội đồng quản trị

HNX Sở giao dịch chứng khoán Hà Nội

HOSE Sở giao dịch chứng khoán Hồ Chí Minh

KCN Khu công nghiệp

KQHĐKD Kết quả hoạt động kinh doanh

KTV Kiểm toán viên

LNTT Lợi nhuận trước thuế

PT Phát triển

QTCT Quản trị công ty

SSTY Sai sót trọng yếu

TCT Tổng công ty

TP.HCM Thành phố Hồ Chí Minh

TTCK Thị trường chứng khoán

UBCK Ủy ban chứng khoán

VAS Hệ thống chuẩn mực kế toán Việt Nam

VSA Hệ thống chuẩn mực kiểm toán Việt Nam

XD Xây dựng

XNK Xuất nhập khẩu

2. Các chữ viết tắt có nguồn gốc tiếng anh

Từ gốc tiếng anh Từ gốc tiếng việt Từ viết tắt

ACFE Association of Certified Fraud Examiners Hiệp hội các nhà điều tra gian lận Mỹ

APEC Economic Asia-Pacific Cooperation Diễn đàn Hợp tác Kinh tế châu Á – Thái Bình Dương

ASEAN Association of Southeast Asian

DA Nations Discretionary Accurals Hiệp hội các quốc gia Đông Nam Á Biến kế toán dồn tích có thể điều chỉnh

FBI Federal Bureau of Investigation Cục điều tra liên bang Mỹ

Sàn giao dịch chứng khoán NASDAQ NASDAQ National Association of Securities Dealers Automated Quotation System

NDA Non - Discretionary Accurals Biến kế toán dồn tích không thể điều chỉnh

NYSE The New York Stock Exchange

Sở giao dịch chứng khoán New York

Ordinary least squares

OLS Ước lượng bình phương nhỏ nhất

SFO Serious Fraud Office Cơ quan chống gian lận của Anh

TPP Trans-Pacific Partnership Agreemen Hiệp định Đối tác xuyên Thái Bình Dương

WTO World Trade Organization Tổ chức Thương mại Thế giới

DANH MỤC CÁC BẢNG

Bảng 3.1. Bảng thống kê mẫu nghiên cứu 35

Bảng 3.2. Bảng thống kê mẫu quan sát theo ngành 35

Bảng 3.3. Tổng hợp các biến độc lập trong mô hình nghiên cứu 42

Bảng 3.4. Tóm tắt các giả thuyết nghiên cứu 44

Bảng 3.5. Ngưỡng giá trị phân loại M-score tương ứng với các xác suất dự 47

báo

Bảng 3.6. Phân loại sai lầm loại 1 và loại 2 48

Bảng 4.1. Bảng thống kê mô tả 51

57 58

Bảng 4.2. Kết quả hồi quy logistics để dự báo khả năng phát hiện sai sót thông tin trên BCTC theo các biến độc lập Bảng 4.3. Kết quả đánh giá tính phù hợp của mô hình Bảng 4.4. Bảng tổng hợp mức độ tác độ tác động của biến độc lập lên biến phụ thuộc Bảng 4.5. Tác động biên của các biến hồi quy lên biến phụ thuộc Bảng 4.6. Kết quả so sánh độ dự báo chính xác của mô hình 58 60

Bảng 4.7. Tỷ lệ chính xác của mô hình dự báo 61

DANH MỤC CÁC HÌNH ẢNH VÀ BIỂU ĐỒ

Hình 4.1. Đồ thị biểu thị sự phân bố của các biến độc lập 56

DANH MỤC PHỤ LỤC

PHỤ LỤC 1

Tổng hợp các nghiên cứu nước ngoài về nhận dạng sai sót BCTC

PHỤ LỤC 2

Tổng hợp các nghiên cứu trong nước liên quan đến BCTC

PHỤ LỤC 3

Tóm tắt các nghiên cứu điển hình vận dụng mô hình M-score

PHỤ LỤC 4

Danh mục các doanh nghiệp thu thập dữ liệu

PHỤ LỤC 5

Các khoản mục trên BCTC thu thập dữ liệu

PHỤ LỤC 7

Danh sách các mẫu quan sát có sai sót

PHỤ LỤC 8

Danh sách các mẫu quan sát không có sai sót

PHẤN MỞ ĐẦU

1. Tính cấp thiết của đề tài Trong thời gian qua, Việt Nam đã từng bước chủ động hội nhập ngày càng

sâu vào nền kinh tế của khu vực và thế giới. Việt Nam đã trở thành thành viên chính

thức của các tổ chức kinh tế như: ASEAN, APEC, WTO và TPP. Trong nền kinh tế

thị trường cùng với việc hội nhập kinh tế quốc tế thì nhu cầu thông tin đặc biệt là

thông tin tài chính là rất quan trọng, dựa vào thông tin tài chính mà nhà quản trị,

nhà đầu tư, cơ quan chức năng và các đối tượng có liên quan đưa ra quyết định kinh

tế. Báo cáo tài chính (BCTC) là một bức tranh thể hiện tổng thể về các thông tin tài

chính. BCTC còn là một công cụ phản ánh tình hình hoạt động kinh doanh của

doanh nghiệp. Vì vậy tính chính xác, trung thực của BCTC luôn là vấn đề được

quan tâm hàng đầu.

Tuy nhiên, trong những năm qua thế giới phải chứng kiến khá nhiều vụ gian

lận trong lĩnh vực tài chính mà nguyên nhân do sự thao túng các thông tin trên

BCTC, điển hình vụ gian lận kế toán của WorldCom dẫn đến kết quả WorlCom

phải nộp đơn phá sản vào tháng 7 năm 2002 và chính thức phá sản vào năm 2005.

Tại Việt Nam, chất lượng của việc công bố thông tin tài chính của doanh nghiệp

niêm yết trên thị trường chứng khoán luôn là chủ đề mang tính thời sự, hiện nay với

khá nhiều doanh nghiệp công bố thông tin tài chính chậm trễ, không đầy đủ, sai sót

thậm chí là gian lận trong BCTC, những bất cập này đã tác động đến nhà đầu tư,

nhà quản lý không có được thông tin kịp thời, gây khó khăn trong việc ra quyết định

đầu tư, nắm giữ cổ phiếu và có thể dẫn đến việc đưa ra quyết định sai lầm, ảnh

hưởng đến tính minh bạch, công khai và sự phát triển bền vững của thị trường

phạm nghĩa vụ công bố thông tin thống kê được là 118 đơn vị, chỉ mới đạt

18,5 trong tổng số 639 doanh nghiệp niêm yết khảo sát (Nguồn:

http://vietstock.vn). Ví dụ điển hình về gian lận BCTC, Công ty Cổ phần Bông

chứng khoán Việt Nam. Chẳng hạn như năm 2016 số doanh nghiệp không vi

Bạch Tuyết (Mã chứng khoán BBT) đã có rất nhiều sai phạm, từ năm 2004 đến quí

2-2008 hoạt động kinh doanh của công ty BBT toàn thua lỗ. Công ty không nộp báo

cáo thường niên các năm 2004, 2005. Năm 2006, 2007 công ty có nộp báo cáo cho

HOSE nhưng không nộp cho UBCK. BCTC năm được kiểm toán cũng vi phạm.

Như kết quả kinh doanh năm 2006 có sự chênh lệch trước và sau khi thực hiện kiểm

toán, liên tục gia hạn chậm nộp BCTC năm 2007. Năm 2016 với sự kiện của Công

ty gỗ Trường Thành (Mã chứng khoán TTF), BCTC quý 2/2016 bất ngờ tuyên bố

một khoản lỗ lên đến cả nghìn tỷ đồng, mà trước đó từ năm 2011 – 2015 BCTC của

TTF đều báo cáo lãi và được Công ty kiểm toán DFK Việt Nam cho ý kiến chấp

nhận toàn phần. Giống như Công ty gỗ Trường Thành, Công ty cổ phần NTACO

(Mã chứng khoán ATA) cũng tạo một bất ngờ lớn cho các cổ đông khi BCTC năm

2016 đưa ra một khoản lỗ lên đến gần 426 tỷ đồng mặc dù báo cáo tự lập trước đó,

ATA đã công bố một khoản lợi nhuận hơn 30 tỷ đồng. Công ty CP thiết bị Y tế

Việt Nhật (Mã chứng khoán JVC) đã đưa ra một khoản lỗ trên BCTC từ 01/4/2016

đến 30/9/2016 là 6,56 tỷ đồng, tuy nhiên sau khi được kiểm toán, khoản lỗ đó đã lên

45,16 tỷ đồng, tại BCTC soát xét bán niên năm 2016 kiểm toán đưa ra kết luận

ngoại trừ về khoản nợ phải thu ngắn hạn trị giá 342 tỷ đồng tại ngày 30/9/2016,

JVC đã trích lập dự phòng gần như toàn bộ cho khoản công nợ trên.

Nhà đầu tư sử dụng các thông tin tài chính bị sai sót và đưa ra các quyết định

không đúng, như là kỳ vọng quá thấp hoặc quá cao vào danh mục đầu tư, ảnh hưởng

đến khả năng sinh lợi và có thể dẫn đến thua lỗ trong quá trình đầu tư, nhà đầu tư

rơi vào trạng thái bị cô lập bởi những hàng rào thông tin và niềm tin của họ giảm

dần và họ dần từ bỏ thị trường.

Mặc dù đã có văn bản pháp luật để quản lý chất lượng BCTC và quy định xử

phạt hành chính trong lĩnh vực chứng khoán, như Nghị định số 60/2015/NĐ-CP và

Quyết định số 51/2014/QĐ-TTg quy định về việc thoái vốn, bán cổ phần của

DNNN gắn với đăng ký giao dịch, niêm yết trên thị trường chứng khoán, Nghị định

số 145/2016/NĐ-CP ngày 01 tháng 11 năm 2016 sửa đổi, bổ sung một số điều của

Nghị định số 108/2013/NĐ-CP ngày 23 tháng 9 năm 2013 của Chính phủ quy định

xử phạt vi phạm hành chính trong lĩnh vực chứng khoán và thị trường chứng khoán,

nhưng nhiều doanh nghiệp vẫn vi phạm, chứng tỏ những quy định này chưa đủ để

răn đe. Vì vậy, bên cạnh các văn bản pháp luật của các cơ quan chức năng áp dụng

trên thị trường chứng khoán, cần phải có phương pháp để phát hiện sai sót trên

BCTC dành cho nhà quản trị, nhà đầu tư, kiểm toán viên và những chủ thể có liên

quan. Với mong muốn nâng cao chất lượng BCTC trên thị trường chứng khoán

cũng như hỗ trợ nhà quản trị, chủ đầu tư, kiểm toán viên và các đối tượng có liên

quan cơ sở để phát hiện các sai sót trên BCTC tránh gặp các sai lầm khi đưa ra

quyết định, nên tôi đã chọn đề tài nghiên cứu cho luận văn thạc sỹ của mình là

“Ứng dụng Mô hình M-score trong việc phát hiện sai sót thông tin trên báo cáo

tài chính của các doanh nghiệp niêm yết”. Với đề tài này, tác giả kỳ vọng sẽ xây

dựng được mô hình trở thành công cụ tham khảo hữu ích cho kiểm toán viên, nhà

đầu tư, cơ quan quản lý thị trường chứng khoán trong việc phát hiện sai sót thông

tin trên BCTC để đưa ra quyết định đầu tư đúng đắn, góp phần hạn chế việc đánh

giá không đúng về giá trị cổ phiếu.

2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu

Luận văn thực hiện nhằm hướng đến các mục tiêu sau:

* Mục tiêu chung: Dựa vào kết quả nghiên cứu của Beneish (1999) để xây

dựng mô hình định lượng nhằm phát hiện sai sót thông tin trên BCTC của các

doanh nghiệp niêm yết trên Sở giao dịch chứng khoán thành phố Hồ Chí Minh

(HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX).

* Mục tiêu cụ thể:

[1] Hệ thống hóa cơ sở lý luận liên quan đến sai sót thông tin trên BCTC và

mô hình M-score.

[2] Nhận diện các nhân tố ảnh hưởng đến khả năng phát hiện sai sót thông tin

trên BCTC.

[3] Đo lường mức tác động của các nhân tố đến khả năng phát hiện sai sót

thông tin trên BCTC.

[4] Đề xuất các giải pháp khả thi nâng cao khả năng phát hiện sai sót thông

tin trên BCTC.

Để thực hiện các mục tiêu trên, tác giả đưa ra các câu hỏi nghiên cứu sau:

Câu hỏi nghiên cứu 1: Về vấn đề sai sót thông tin trên BCTC đã được các

nhà khoa học trong và ngoài nước nghiên cứu như thế nào? Câu hỏi này tác giả

dùng để giải quyết mục tiêu 1.

Câu hỏi nghiên cứu 2: Mô hình định lượng với các biến độc lập nào có khả

năng phát hiện sai sót thông tin trên BCTC? Câu hỏi này tác giả dùng để giải quyết

mục tiêu 2.

Câu hỏi nghiên cứu 3: Mức tác động của các biến độc lập lên khả năng phát

hiện sát sót thông tin trên BCTC như thế nào? Câu hỏi này tác giả dùng để giải

quyết mục tiêu 3.

Câu hỏi nghiên cứu 4: Các giải pháp nào nâng cao khả năng phát hiện sai sót

thông tin trên BCTC? Câu hỏi này tác giả dùng để giải quyết mục tiêu 4.

3. Đối tƣợng và phạm vi nghiên cứu

3.1. Đối tƣợng nghiên cứu: BCTC có sai sót trọng yếu do gian lận gây ra

của các doanh nghiệp niêm yết trên HOSE và HNX.

3.2. Phạm vi nghiên cứu: Số liệu được lấy từ các BCTC trước và sau kiểm

toán độc lập của 90 doanh nghiệp sản xuất, dịch vụ, thương mại, xây dựng niêm yết

trên HOSE và HNX trong 6 năm 2011-2016, loại trừ các doanh nghiệp thuộc lĩnh

vực: ngân hàng, tài chính, bảo hiểm và các quỹ đầu tư vì các doanh nghiệp này có

hình thức hạch toán khác các loại hình doanh nghiệp còn lại.

4. Phƣơng pháp nghiên cứu

- Phương pháp nghiên cứu chung: Phương pháp thống kê mô tả, thu thập và

xử lý số liệu trên các BCTC trước và sau kiểm toán độc lập của 90 doanh nghiệp

phi tài chính niêm yết trên HOSE và HNX trong 6 năm 2011-2016.

- Phương pháp nghiên cứu cụ thể:

+ Phương pháp định lượng: sử dụng mô hình hồi quy binary logistic bằng

phần mềm Stata 13 để tìm hiểu sự tác động của biến độc lập lên biến phụ thuộc sai

sót thông tin trên BCTC và xây dựng mô hình định lượng nhằm để phát hiện sai sót

thông tin trên BCTC dựa trên mô hình M-Score (Beneish, 1999) từ dữ liệu được thu

thập ở Việt Nam.

Trong đó đề tài chủ yếu sử dụng phương pháp định lượng.

5. Kết quả đóng góp

Nghiên cứu này có những đóng góp trong việc nghiên cứu về sai sót trên

BCTC, cụ thể:

- Đo lường mức độ tác động của các nhân tố đến biến phụ thuộc thông qua

việc sử dụng tác động biên để cho thấy không chỉ có tác động đồng biến hay nghịch

biến mà mức độ tác động cụ thể của mỗi biến lên biến phụ thuộc như thế nào.

- Xây dựng được chỉ số dùng để phát hiện sai sót thông tin trên BCTC của

các doanh nghiệp niêm yết trên HOSE và HNX, giúp cho nhà đầu tư, kiểm toán

viên và các đối tượng có liên quan có cơ sở để đánh giá sơ bộ về “sức khỏe” tài

chính của doanh nghiệp, từ đó đưa ra các quyết định đúng đắn.

6. Kết cấu của luận văn

Ngoài phần mở đầu, các danh mục, phụ lục và tài liệu tham khảo, tác giả chia

luận văn thành 5 chương, với các tên gọi cụ thể như sau:

Chương 1. Tổng quan các nghiên cứu (16 trang)

Chương 2. Cơ sở lý luận (9 trang)

Chương 3. Phương pháp nghiên cứu (20 trang)

Chương 4. Kết quả nghiên cứu và thảo luận (9 trang)

Chương 5. Kết luận và gợi ý chính sách (5 trang)

CHƢƠNG 1. TỔNG QUAN CÁC NGHIÊN CỨU

Sai sót thông tin trên BCTC là một đề tài nhận được khá nhiều sự quan tâm

của các nhà nghiên cứu trên thế giới. Do vậy, có rất nhiều bài nghiên cứu về đề tài

này ở nhiều cách tiếp cận khác nhau. Nhìn chung có thể chia các cách tiếp cận thành

hai nhóm chính. Nhóm 1: Các nghiên cứu sử dụng thước đo tài chính và phi tài

chính để đánh giá khả năng sai sót thông tin trên BCTC. Nhóm 2: Các nghiên cứu

xây dựng mô hình định lượng dự báo khả năng sai sót thông tin trên BCTC.

1.1. Các nghiên cứu đƣợc công bố ở ngoài nƣớc

1.1.1. Các nghiên cứu sử dụng thƣớc đo tài chính và phi tài chính để

đánh giá khả năng sai sót thông tin trên BCTC

Persons, O. S. (1995) đã xây dựng hai mô hình logistic, (1) mô hình cho năm

gian lận gồm 206 doanh nghiệp (103 doanh nghiệp gian lận, đối ứng là 103 doanh

nghiệp không gian lận, (2) mô hình cho năm trước năm gian lận gồm 200 doanh

nghiệp (100 doanh nghiệp gian lận, đối ứng là 100 doanh nghiệp không gian lận).

Các doanh nghiệp trong mẫu chọn phải cùng lĩnh vực kinh doanh, cùng chính sách

kế toán và chế độ báo cáo. Tác giả đã sử dụng 10 biến cho cả 2 mô hình, trong đó

có 8 biến tỷ số tài chính. Kết quả nghiên cứu chỉ ra rằng các biến: đòn bẩy tài chính,

vòng quay vốn, cấu trúc tài sản và qui mô doanh nghiệp là các nhân tố dự báo khả

năng xảy ra gian lận BCTC hiệu quả nhất.

Beasley, M. S. (1996) đã nghiên cứu về mối quan hệ giữa cơ cấu ban giam

đốc và gian lận BCTC. Tác giả đã phân tích hồi qui logistic để kiểm tra các giả

thuyết đặt ra. Mẫu nghiên cứu bao gồm 150 công ty thương mại niêm yết, trong đó

gồm có 75 công ty gian lận và 75 công ty không gian lận, một công ty gian lận đối

ứng với một công ty không gian lận. Tiêu thức lựa chọn công ty đối ứng là: cùng

niêm yết trên sàn chứng khoán (NASDAQ, AMEX, NYSE), cùng quy mô, cùng

ngành và cùng kỳ kế toán. Kết quả nghiên cứu cho thấy: với ban giám đốc mà số

lượng giám đốc được thuê từ bên ngoài nhiều thì sẽ ít gian lận BCTC hơn, việc thuê

giám đốc bên ngoài sẽ giám sát, quản lý hiệu quả hơn từ đó ngăn chặn gian lận

BCTC tốt hơn, quy mô và tính cách của các giám đốc được thuê từ bên ngoài tác

động đến khả năng xảy ra gian lận BCTC, cơ cấu hội đồng quản trị là yếu tố quan

trọng trong việc ngăn chặn gian lận BCTC hơn sự hiện diện của ban kiểm soát.

Nghiên cứu của Leuz, C., D. Nanda và cộng sự (2003) sử dụng mô hình của

Dechow và cộng sự (1995) để kiểm tra giả thuyết với chính sách bảo vệ nhà đầu tư

tốt thì hành vi điều chỉnh lợi nhuận sẽ giảm, kết quả nghiên cứu đã phù hợp với giả

thuyết ban đầu, các quốc gia có nhà đầu tư bên ngoài với quyền sở hữu phân tán,

chính sách bảo vệ nhà đầu tư tốt và thị trường chứng khoán lớn mức độ điều chỉnh

lợi nhuận thấp hơn các quốc gia chủ yếu là nhà đầu tư trong nước với quyền sở hữu

tập trung, chính sách bảo vệ nhà đầu tư thấp và thị trường chứng khoán kém phát

Amaechi và Nnanyereugo (2013) đã sử dụng mô hình tỷ số tài chính để phát

triển.

hiện gian lận trong hệ thống các ngân hàng ở Nigerian, dữ liệu nghiên cứu được lấy

từ báo cáo của 20 ngân hàng trong giai đoạn từ 2004 đến 2008. Tác giả dùng hồi

quy logistic để phân tích dữ liệu từ mô hình tỷ số tài chính với 29 tỷ số tài chính đại

diện cho 7 nhóm, kết quả nghiên cứu cho thấy có 16 tỷ số tài chính có ý nghĩa thống

kê, hiệu quả trong việc dự báo gian lận BCTC.

Lestari và Yadiati (2014) nghiên cứu về mối quan hệ giữa quy mô công ty,

văn hóa tổ chức và chất lượng BCTC, bối cảnh nghiên cứu được thực hiện tại tổ

chức tài chính ở Sharia. Tác giả đã sử dụng mô hình phương trình cấu trúc

(Structural Equation Modeling - SEM) và bình phương tối thiểu từng phần (Partial

Least Square - PLS) để phân tích dữ liệu. Sau khi phân tích dữ liệu, tác giả đã đưa

ra kết luận quy mô công ty không tác động đến chất lượng BCTC, trong khi đó yếu

tố văn hóa thì tác động đến chất lượng BCTC.

Kanapickiene và Grundiene (2015) đã sử dụng 51 tỷ số tài chính để phát hiện

gian lận trong BCTC, nghiên cứu được thực hiện trên 40 BCTC có gian lận và 125

BCTC không có gian lận, tác giả sử dụng hồi quy logistic và các kiểm định như:

kiểm định Kolmogorov-Smirnov, kiểm định Mann-Whitney U và kiểm định T-test.

Kết quả cho thấy các tỷ số tài chính liên quan đến tính thanh khoản, khả năng sinh

lợi, cấu trúc và hoạt động của công ty sẽ dễ bị điều chỉnh nhất.

Zainudin và Hashim (2016) đã phân tích các tỷ số tài chính (như: đòn bẩy tài

chính, tỷ số sinh lợi, cấu trúc tài sản, tính thanh khoản và vòng quay vốn) để nhận

dạng gian lận BCTC, nghiên cứu sử dụng hồi quy logit với mẫu nghiên cứu là các

BCTC được xác định có gian lận bởi trung tâm Bursa Malaysia. Kết quả nghiên cứu

chỉ ra rằng các tỷ số: đòn bẩy tài chính, cấu trúc tài sản, nhóm các tỷ số sinh lợi và

vòng quay vốn đều có ý nghĩa trong việc phát hiện gian lận BCTC.

Ngoài ra còn có nhiều nghiên cứu liên quan đến phát hiện sai sót thông tin

trên BCTC như: Zmijewski (1984), Freeman (1984), Schipper (1989), Pircus

(1989), Summer và cộng sự (1998), Nieschweit và cộng sự (2000), Skonsen và cộng

sự (2009), Lou và Wang (2011), Omar và cộng sự (2014), Amoa-Gyarteng (2014),

Mavengere (2015),…

Kết luận: Đề tài sai sót thông tin trên BCTC thu hút khá nhiều sự quan tâm

của các nhà nghiên cứu, qua kết quả nghiên cứu từ các nghiên cứu trên đã cho thấy

được các thước đo tài chính hoặc thước đo phi tài chính đều có ý nghĩa trong việc

dự báo khả năng sai sót thông tin trên BCTC, tùy thuộc vào điều kiện thu thập dữ

liệu, chuyên môn của từng tác giả mà chọn thước đo nghiên cứu phù hợp.

Tuy nhiên các công trình nghiên cứu này chủ yếu tập trung đưa ra các nhân

tố tác động đến gian lận BCTC nhằm nâng cao khả năng phát hiện gian lận hoặc là

hoàn thiện các nhân tố liên quan đến quản trị công ty để nâng cao chất lượng

BCTC, nâng cao trách nhiệm của kiểm toán viên, các công trình nghiên cứu này

chưa hướng đến chủ thể đầu tư, các công trình nghiên cứu này chủ yếu hướng đến

kiểm toán viên và nhà quản trị công ty. Mặt khác các nghiên cứu sử dụng thước đo

phi tài chính, việc thu thập được đầy đủ và chính xác các thông tin phi tài chính ở

Việt Nam là một điều khó khăn đối với các nhà đầu tư. Do đó tác giả nghĩ rằng,

trong giai đoạn hiện nay ở Việt Nam việc xây dựng mô hình dự báo với các thông

tin tài chính có sẳn là cần thiết, mô hình này như là một công cụ giúp cho kiểm toán

viên, nhà đầu tư và cơ quan quản lý TTCK phát hiện sai sót thông tin trên BCTC.

1.1.2. Các nghiên cứu định lƣợng xây dựng mô hình dự báo khả năng sai

sót thông tin trên BCTC

* Mô hình Atlman Z-score

Đã có nhiều nghiên cứu về gian lận điển hình như Person (1995) nhận định

rằng kiệt quệ tài chính là một trong những động cơ thúc đẩy hành vi gian lận báo tài

chính, Duong (2011) nghiên cứu về hành vi chi phối thu nhập, (Altman và cộng sự,

1998) cũng nhận định rằng tình trạng tài chính của doanh nghiệp được xác định bởi

hệ số Z-score, cũng có mối quan hệ với gian lận BCTC.

Mô hình dự báo xác suất phá sản Z - score được giáo sư người Mỹ Edward I.

Altman, trường kinh doanh Leonard N. Stern, thuộc trường đại học New York phát

triển vào năm 1968. Mô hình này được đánh giá là dự báo được một cách tương đối

chính xác các doanh nghiệp sẽ bị phá sản trong vòng 2 năm thông qua việc xem xét

đến giá trị Z - score. Mô hình này gồm 22 biến độc lập đại diện cho 5 tỷ số tài chính

khác nhau (Lợi nhuận giữ lại/Tổng tài sản, EBIT/Tổng tài sản, Giá trị thị trường của

vốn CSH/Tổng nợ phải trả, Doanh thu/Tổng tài sản) với các trọng số khác nhau.

Sau nhiều năm phát triển, mô hình được thay đổi một số đặc điểm kỹ thuật để việc

vận dụng được thuận tiện hơn, Altman cũng xây dựng thêm 2 chỉ số Z’, Z’’, trong

đó chỉ số Z” có thể được dùng cho hầu hết các ngành và các loại hình doanh nghiệp.

Tùy vào loại hình doanh nghiệp mà áp dụng mô hình và ngưỡng phân loại phù hợp.

Chỉ số Z’’ giao động từ 1,1 đến 2,61, Z’’ < 2,61: Doanh nghiệp nằm trong vùng

cảnh báo, có thể có nguy cơ phá sản, Z” > 2,61: Doanh nghiệp nằm trong vùng an

toàn, chưa có nguy cơ phá sản, Z” < 1,1: Doanh nghiệp nằm trong vùng nguy hiểm,

có nguy cơ phá sản cao. Nhìn chung thì chỉ số Z càng thấp thì chứng tỏ doanh

nghiệp đang yếu kém về tài chính và khả năng thực hiện hành vi gian lận BCTC

càng cao nhằm che đậy đi sự yếu kém đó.

Tuy nhiên mô hình này cũng mắc phải nhược điểm như: không chỉ ra được

thời gian phá sản dự kiến, ứng dụng mô hình để dự báo không như nhau đối với

từng loại ngành công nghiệp.

Báo cáo lưu chuyển tiền tệ được lập dựa trên cơ sở tiền. Theo cơ sở này, kế

toán chỉ ghi nhận khi có số tiền thực thu và thực chi. Do đó, không thể điều chỉnh

thời điểm ghi nhận các giao dịch. Từ đó, chênh lệch giữa lợi nhuận trong báo cáo

kết quả hoạt động kinh doanh và dòng tiền trong báo cáo lưu chuyển tiền tệ tạo ra

những khoản dồn tích (accruals) hay còn gọi là biến kế toán dồn tích. Theo

DeAngelo (1986) cho rằng sự khác biệt về cách ghi nhận của hai phương pháp kế

toán theo cơ sở tiền và cơ sở dồn tích tạo ra khe hở để nhà quản trị điều chỉnh lợi

nhuận thông qua các giao dịch không bằng tiền. Biến kế toán dồn tích (Accrual) là

phần lợi nhuận kế toán không bằng tiền được trình bày trong báo cáo kết quả hoạt

động kinh doanh. Trên cơ sở biến kế toán dồn tích và sử dụng dữ liệu chuỗi thời

gian đã có nhiều nhà nghiên cứu xây dựng mô hình để đo lường chất lượng lợi

nhuận từ đó xác định BCTC có sai sót hay không, 4 mô hình phổ biến của các nhà

nghiên cứu có thể kể đến là: Mô hình DeAngelo (1986), Mô hình Healy (1985), Mô

hình Jone (1991), Mô hình Jone đã điều chỉnh (Dechow và cộng sự, 1995).

* Mô hình Healy (1985)

Healy thực hiện nghiên cứu về ảnh hưởng của kế hoạch thưởng đối với

người quản lý đến số liệu kế toán trên BCTC nhằm thu thập bằng chứng liệu rằng

các kế hoạch này có ảnh hưởng đến sự lựa chọn chính sách kế toán của người quản

lý không.

Ông đã khảo sát tổng dồn tích của doanh nghiệp để xem xét các vấn đề lựa

chọn chính sách kế toán. Tổng dồn tích là chênh lệch giữa lợi nhuận sau thuế và

dòng tiền từ hoạt động kinh doanh, bao gồm: khấu hao, chênh lệch hàng tồn kho,

các khoản phải thu và phải trả của doanh nghiệp. Các khoản dồn tích sẽ tăng lên khi

người quản lý tăng lợi nhuận (khấu hao thấp, tăng hàng tồn kho, tăng nợ phải thu

cuối kỳ so với đầu kỳ, phải trả cuối kỳ so với đầu kỳ giảm) và ngược lại. Ông đã

phân chia tổng dồn tích thành: biến kế toán không thể điều chỉnh (non-discretionary

accrual) và biến kế toán có thể điều chỉnh (discretionary accrual).

Theo lý thuyết, có hai cách để tính tổng dồn tích: dựa vào bảng cân đối kế

toán hoặc dựa vào bảng lưu chuyển tiền tệ. Trong nghiên cứu của Healy, ông đã dựa

vào bảng cân đối kế toán để tính tổng dồn tích.

Trong quá trình nghiên cứu, ông đã xây dựng một mô hình định lượng để

nhận diện hành vi điều chỉnh lợi nhuận của người quản lý. Mô hình ước lượng biến

kế toán không thể điều chỉnh trong năm t là:

NDAτ = Σt(TAt/At-1)/n, trong đó:

NDAt: biến kế toán không thể điều chỉnh năm t;

TAt: Tổng dồn tích năm t;

At-1: tổng tài sản năm t-1;

n: số năm trong giai đoạn nghiên cứu;

t: là 1 năm trong số những năm của giai đoạn nghiên cứu (1,2,…n);

τ: biểu thị 1 năm trong giai đoạn nghiên cứu xảy ra sự kiện.

Biến kế toán có thể điều chỉnh là phần chênh lệch giữa tổng dồn tích năm t

chia tổng tài sản của năm trước năm ước tính (At-1) và biến kế toán không thể điều

chỉnh năm t chia tổng tài sản của năm trước năm ước tính (At-1).

Tuy nhiên mô hình này tồn tại một vài hạn chế như: mô hình Healy (1995)

cho rằng biến kế toán NDA không thay đổi theo thời gian, việc thu thập số liệu

tương đối khó khăn, số liệu phải được thu thập qua nhiều năm trước.

* Mô hình DeAngelo (1986)

Giống như Healy, DeAngelo cũng đồng ý rằng biến kế toán có thể điều chỉnh

không thể được tính trực tiếp mà phải thông qua ước lượng biến kế toán không thể

điều chỉnh.

Do đó, mô hình DeAngelo dùng để ước lượng cho biến kế toán không thể

điều chỉnh năm t là: NDAt = TAt-1.

Ông cho rằng biến kế toán có thể điều chỉnh (DAt) là phần chênh lệch giữa

tổng số dồn tích giữa năm t (TAt) và năm t-1 (TAt-1).

DAt = TAt –TAt-1

Như vậy, biến kế toán không thể thể điều chỉnh năm t chính là tổng dồn tích

của năm trước.

Tổng dồn tích năm t = Lợi nhuận sau thuế năm t – dòng tiền từ hoạt động

kinh doanh năm t. Công thức tính tổng dồn tích được áp dụng như trong nghiên cứu

của Healy (1985).

Sau khi xác định được biến kế toán dồn tích có thể điều chỉnh (DA), ông xác

định ngưỡng phân loại, cụ thể như sau: DA< 0: điều chỉnh tăng, DA> 0: điều chỉnh

giảm, DA = 0: Không điều chỉnh, từ đó có thể đưa ra kết luận có hay không việc

điều chỉnh lợi nhuận của các nhà quản trị và việc điều chỉnh này là điều chỉnh tăng

hay giảm.

Tuy nhiên, cả hai mô hình Healy (1985) và DeAngelo (1986) đều giả định

rằng giá trị biến kế toán không thể điều chỉnh không thay đổi trong khoản thời gian

được kiểm tra, nhưng biến kế toán không thể điều chỉnh phụ thuộc vào mức độ kinh

doanh của doanh nghiệp, nếu doanh nghiệp ở kỳ tăng trưởng thì biến kế toán không

thể điều chỉnh sẽ biến động từ kỳ này sang kỳ khác (Kaplan, 1985). Đây cũng là hạn

chế của hai mô hình Healy (1995) và DeAngelo (1986).

* Mô hình Jone (1991)

Jone nhận định rằng, các doanh nghiệp dựa vào tổng dồn tích (TA) để thực

hiện hành vi quản trị lợi nhuận. Giống như các nghiên cứu trước của Healy (1985),

DeAngelo (1986), Jone đã phân chia tổng dồn tích thành: biến kế toán không thể

điều chỉnh và biến kế toán có thể điều chỉnh. Jone đã sử dụng biến kế toán không

thể điều chỉnh là phương pháp đo lường hành vi thao túng lợi nhuận của nhà quản

lý trong bài nghiên cứu của ông. Jone cũng dựa vào bảng cân đối kế toán để tính

tổng dồn tích.

DeAngelo (1986) cho rằng dồn tích khác nhau giữa năm t-1 và năm t do biến

kế toán có thể điều chỉnh gây ra bởi vì biến kế toán không thể điều chỉnh không

thay đổi từ năm t-1 sang năm t. Tuy nhiên, Jone thì không nhận định vậy, ông cho

rằng bối cảnh kinh tế thay đổi sẽ tác động làm cho biến kế toán không thể điều

chỉnh sẽ thay đổi, do đó ông đã xây dựng ra một mô hình để làm giảm đi giả định

các biến kế toán không thể điều chỉnh (NDA) không thay đổi từ năm t-1 sang năm t

bằng việc thêm vào mô hình hai biến: chênh lệch doanh thu và nguyên giá các tài

sản các tài sản cố định. Khi đó mô hình Jone ở năm xảy ra sự kiện là:

NDAt = α1(1/At-1) + α2(ΔREVt/At-1) + α3(PPEt/At-1), trong đó:

ΔREVt : doanh thu năm t trừ cho năm t-1;

PPEt: nguyên giá bất động sản, nhà máy và thiết bị tại thời điểm cuối năm t;

At-1: tổng tài sản năm t-1;

α1, α2, α3: các tham số của từng công ty.

Jone đã dùng phương pháp ước lượng bình phương nhỏ nhất (OLS) để ước

lượng mối tương quan giữa các biến, ai, b1i, b2i là từng ước lượng tương ứng của α1,

α2, α3.

Cuối cùng ông đưa ra kết luận rằng nếu có sự khác nhau giữa tổng dồn tích

của kỳ hiện tại so với kỳ trước đó là do sự thay đổi trong biến kế toán có thể điều

chỉnh, bởi vì không thấy sự thay đổi trong biến kế toán không thể điều chỉnh kỳ này

sang kỳ khác.

* Mô hình Jones đã điều chỉnh (1995)

Mô hình Jone đã điều chỉnh được xây dựng bởi Dechow và các cộng sự, mô

hình này được phát triển nhằm loại bỏ khuynh hướng phỏng đoán của mô hình Jone

(1991) trong việc đo lường biến kế toán có thể điều chỉnh đã xảy ra lỗi khi cho rằng

sự điều chỉnh được thực hiện trên việc ghi nhận doanh thu. Trong mô hình điều

chỉnh, biến kế toán không thể điều chỉnh được ước tính trong suốt thời gian xảy ra

hành vi quản trị lợi nhuận.

NDAt = α1 (1/At-1) + α2 [(ΔREVt – ΔRECt)] /At-1 + α3 (PPEt), trong đó:

ΔRECt: chênh lệch giữa các khoản phải thu thuần trong năm t và các khoản

phải thu thuần trong năm t-1.

Điều đáng chú ý, các tham số ước lượng α1, α2, α3 được tính từ mô hình Jone

(1991) chứ không phải tính từ mô hình điều chỉnh. Sự điều chỉnh duy nhất so với

mô hình Jone (1991) là sự thay đổi trong doanh thu điều chỉnh thành sự thay đổi

trong khoản phải thu trong năm xảy ra sự kiện.

Mô hình Jone (1991) ngầm định rằng sự điều chỉnh không được thực hiện

trên doanh thu cả trong giai đoạn dự báo và giai đoạn xảy ra hành vi quản trị lợi

nhuận. Mô hình Jone điều chỉnh lại giả định rằng tất cả sự thay đổi trong khoản

doanh thu bán chịu ở giai đoạn xảy ra sự kiện là do hành vi quản trị lợi nhuận gây

ra.

Tuy nhiên để ước tính các tham số trong công thức tính cho mỗi doanh

nghiệp cần phải thu thập một dãy số liệu thời gian trong quá khứ, điều này không dễ

dàng đối với các doanh nghiệp niêm yết trên TTCK Việt Nam.

* Mô hình Beneish (1999)

Mô hình Beneish (Mô hình M-score) được xây dựng bởi giáo sư Messod

Beneish. Nghiên cứu của ông là một trong những nghiên cứu điển hình về việc tiếp

cận lý thuyết dồn tích đặc biệt. Ông đã xây dựng mô hình dựa trên việc giả định

rằng có một liên hệ giữa một vài giá trị tài chính và hành vi gian lận, để từ đó có thể

xác định được công ty có thực hiện hành vi quản trị lợi nhuận hay không. Dữ liệu

tài chính được sử dụng trong mô hình liên quan đến: tổng tài sản, doanh thu, công

nợ, chi phí bán hàng và quản lý, khấu hao. Ông đã xây dựng một mô hình định

lượng gồm tám biến dùng để phát hiện hành vi thao túng lợi nhuận, như sau:

Misstatemen - M = β'Xi + £i, mô hình gồm tám biến độc lập và một biến

phụ thuộc M:

[1] DSRI: Tỷ số phải thu khách hàng trên doanh thu = [(Khoản phải thu

khách hàngt/Doanh thut)]/[(Khoản phải thut-1/Doanh thut-1)];

[2] GMI: Tỷ số tỷ suất lợi nhuận gộp biên = [(Doanh thut-1 – Giá vốn hàng

bánt-1)/Doanh thut-1]/[(Doanh thut – Giá vốn hàng bánt)/Doanh thut];

[3] AQI: Tỷ số chất lượng tài sản = [1-(TSNHt+PP&Et)/Tổng tài sảnt]/[1-

(TSNHt-1+PP&Et-1)/Tổng tài sảnt-1];

[4] SGI: Tỷ số tăng trưởng doanh thu = Salet/Salet-1;

[5] DEPI: Tỷ số khấu hao = [Khấu haot-1/(Khấu haot-1 + PP&Et-1)]/[Khấu

haot/(Khấu haot + PP&Et)];

[6] SGAI: Tỷ số chi phí bán hàng và quản lý doanh nghiệp = (SGA

expensivet/Doanh thut)/(SGA expensivet-1/Doanh thut-1); Trong đó: SGA expensive

là: chi phí bán hàng và quản lý doanh nghiệp.

[7] LVGI: Tỷ số đòn bẩy tài chính = [(LTDt + Nợ ngắn hạnt)/Tổng tài

sảnt]/[(LTDt-1 + Nợ ngắn hạnt-1)/Tổng tài sảnt-1; Trong đó: LTD là nợ dài hạn;

[8] Giống như Healy (1985), Jone (1991), Beneish đã dựa vào bảng cân đối

kế toán để tính tổng dồn tích, khi đó TATA - Tỷ số tổng dồn tích so với tổng tài sản

= (ΔCAt – ΔCasht – ΔCLt − ΔCM of LTDt− ΔITPt – DAt)/Tổng tài sảnt, trong đó:

ΔCAt: chênh lệch vốn lưu động năm t so với năm t-1;

ΔCasht: chênh lệch khoản mục tiền và các khoản tương đương tiền năm t so

với năm t-1;

ΔCLt: chênh lệch công nợ ngắn hạn năm t so với năm t-1;

ΔCM of LTDt: chênh lệch nợ dài hạn năm t so với năm t-1;

ΔITPt: chênh lệch khoản thuế thu nhập phải trả năm t so với năm t-1;

DAt: Khấu hao và chi phí khấu trừ trong năm t.

Beneish sử dụng mẫu BCTC cả 74 công ty có hành vi thao túng lợi nhuận,

cho ra kết quả mô hình: M = -4,84 + 0,920*DSRI + 0,528*GMI + 0,404*AQI +

0,892*SGI + 0,115*DEPI – 0,172*SGAI + 4,679*TATA – 0,327*LVGI.

Kết quả nghiên cứu đã đưa ra giá trị M-Score là: -1,78, giá trị M-Score là

ngưỡng để nhận dạng doanh nghiệp có xảy ra hành vi tháo túng lợi nhuận hay

không. Nếu M-score > -1,78: Doanh nghiệp nằm trong vùng cảnh báo có sự thao

túng lợi nhuận và ngược lại.

Như vậy trên thế giới cũng có khá nhiều nghiên cứu về đề tài sai sót thông

tin trên BCTC, có thể chia thành hai nhóm nghiên cứu, nhóm các nghiên cứu sử

dụng thước đo tài chính hoặc phi tài chính và nhóm các nghiên cứu xây dựng mô

hình định lượng. Các nhóm nghiên cứu xây dựng mô hình định lượng, hầu hết dựa

trên cơ sở biến kế toán dồn tích để xây dựng mô hình dự báo, Beneish (1999) đã

xây dựng mô hình M-score với các biến tỷ số tài chính kết hợp với biến tổng dồn

tích, kết quả dự báo của các mô hình đều khá cao.

Từ việc tổng quan và phân tích các ưu điểm cũng như hạn chế của các công

trình nghiên cứu trên thế giới, các công trình nghiên cứu trên phần lớn được thực

hiện tại các nước phát triển, có cơ chế tài chính kế toán được xây dựng chặt chẽ, mô

hình dự báo đã đưa ra các kết quả dự báo khá chính xác, do đó tác giả tác giả nhận

thấy rằng cần có một nghiên cứu để xây dựng mô hình định lượng phù hợp cơ chế

tài chính kế toán ở nước đang phát triển cụ thể là phù hợp với thực trạng chế độ kế

toán và các chuẩn mực kế toán chưa hoàn thiện ở Việt Nam, mô hình này dùng để

dự báo khả năng sai sót thông tin trên BCTC của các doanh nghiệp niêm yết trên thị

trường chứng khoán Việt Nam đồng thời mô hình này cũng là cơ sở tham khảo cho

các đối tượng liên quan, như: các cơ quan quản lý về mặt nhà nước, kiểm toán viên,

nhà quản lý doanh nghiệp, nhà đầu tư chứng khoán, ngân hàng, tổ chức tín dụng và

các đối tượng có liên quan khác trong bối cảnh thực trạng trên thị trường chứng

khoán Việt Nam hiện nay vấn đề về sai sót thông tin trên BCTC nhận được khá

nhiều sự quan tâm từ các đối tượng liên quan.

1.2. Các nghiên cứu đƣợc công bố trong nƣớc

1.2.1. Các nghiên cứu sử dụng thƣớc đo tài chính và phi tài chính để

đánh giá khả năng sai sót thông tin trên báo cáo chính

Trần Thị Giang Tân và cộng sự (2014), “Đánh giá rủi ro gian lận BCTC của

các công ty niêm yết tại Việt Nam”, Tạp chí Phát triển kinh tế, số 26(1), trang 74-94.

Trong bài viết này, tác giá đánh giá sự hữu hiệu của tam giác gian lận theo

hướng dẫn của chuẩn mực kiểm toán Việt Nam số 240 (VSA 240) trong việc nhận

dạng và dự báo gian lận tại các công ty niêm yết tại Việt Nam.

Sử dụng mẫu nghiên cứu là 78 công ty niêm yết tại Sở Giao dịch Chứng

khoán TP.HCM năm 2012, tác giả tiến hành phân tích hồi quy Logit để xem xét mối

quan hệ giữa các yếu tố của tam giác gian lận và khả năng xảy ra gian lận trên

BCTC. Kết quả nghiên cứu cho thấy khả năng xảy ra gian lận có mối quan hệ có ý

nghĩa thống kê với 3 yếu tố về Động cơ/Áp lực, với 1 yếu tố về cơ hội, và với 2 yếu

tố về thái độ. Mô hình sử dụng các biến trên có khả năng dự báo đúng 83,33 các

công ty thuộc mẫu nghiên cứu, và dự báo đúng 80 các công ty ngoài mẫu nghiên

cứu.

Trần Thị Giang Tân và Trương Thùy Dương (2016), “Ảnh hưởng các đặc

tính của hội đồng quản trị đến sai sót trọng yếu trên BCTC: Bằng chứng thực

nghiệm tại Việt Nam”, Tạp chí Phát triển kinh tế, số 27(8), trang 42-60.

Nghiên cứu này, tác giả tập trung vào việc xem xét các đặc tính của hội đồng

quản trị ảnh hưởng thế nào đến sai sót trọng yếu trên BCTC của các doanh nghiệp

niêm yết tại Việt Nam.

Kết quả cho thấy 5 nhân tố thuộc đặc tính của HĐQT ảnh hưởng đến SSTY

trên BCTC là: Quy mô HĐQT, tỉ lệ thành viên không điều hành, số thành viên có

quan hệ gia đình, thành viên HĐQT có chuyên môn tài chính và nhiệm kì của thành

viên HĐQT không điều hành.

Nguyễn Thị Phương Hồng (2016), “Các nhân tố ảnh hưởng đến chất lượng

BCTC của công ty niêm yết trên thị trường chứng khoán – bằng chứng thực nghiệm

tại Việt Nam”, Luận án tiến sĩ, trường Đại học Kinh tế thành phố Hồ Chí Minh, 182

trang.

Nghiên cứu này xác định và phân tích các nhân tố ảnh hưởng đến chất lượng

BCTC đo lường thông qua chất lượng lợi nhuận của các công ty niêm yết TTCK

Việt Nam, qua đó đưa ra một số kiến nghị đối với các đối tượng liên quan đến việc

trình bày và công bố, sử dụng và quản lý chất lượng BCTC của các công ty niêm

yết trên TTCK Việt Nam.

Kết quả cho thấy có 17 nhân tố trong 23 nhân tố thuộc 4 nhóm: nhóm nhân

tố liên quan đến cơ cấu sở hữu, nhóm nhân tố liên quan đến cơ cấu QTCT, nhóm

nhân tố liên quan đến đặc điểm thị trường, nhóm nhân tố liên quan đến hiệu quả

công ty đưa vào mô hình kiểm định có ảnh hưởng đến chất lượng BCTC.

1.2.2. Các nghiên cứu định lƣợng xây dựng mô hình dự báo khả năng sai

sót thông tin trên BCTC

Phạm Thị Bích Vân (2012), “Mô hình nhận diện điều chỉnh lợi nhuận của

các doanh nghiệp niêm yết ở Sở Giao dịch Chứng khoán TP.HCM”, Tạp chí Phát

triển kinh tế, số 258(4), trang 35-42.

Tác giả đã tập trung phân tích tính ứng dụng của mô hình Modified Jones

trong việc nhận diện hành vi điều chỉnh lợi nhuận của 54 doanh nghiệp niêm yết

trên sàn chứng khoán TP.HCM (HOSE) trong niên độ kế toán 2010.

Kết quả nghiên cứu cho thấy mô hình Modified Jones không hiệu quả trong

việc nhận diện hành vi điều chỉnh lợi nhuận của các doanh nghiệp niêm yết trên

HOSE. Thông qua phân tích môi trường vĩ mô của TP.HCM nói riêng và Việt Nam

nói chung, các biến trong mô hình như: doanh thu, chi phí khấu hao, chi phí dự

phòng được tác giả lựa chọn và đưa vào mô hình đều có ý nghĩa.

Hoàng Khánh và Trần Thị Thu Hiền (2015), “Phát hiện sai phạm BCTC của

các doanh nghiệp xây dựng niêm yết”, Tạp chí Kinh tế Phát triển, số 218(II) tháng

8, năm 2015, trang 42-29.

Bằng việc ứng dụng các nghiên cứu của DeAngelo (1986), Friedlan (1994)

và Beneish (1999), tác giả đã xây dựng hai mô hình định lượng nhằm xác định khả

năng sai phạm BCTC của các doanh nghiệp ngành xây dựng niêm yết trên thị

trường chứng khoán Việt Nam trong giai đoạn hai năm tài chính 2012 - 2013.

Mô hình (1) với biến phụ thuộc là M và 8 biến độc lập: DSRI, GMI, SGI,

AQI, DEPI, SGAI, LVGI và TATA. Mô hình (2) với biến phụ thuộc là M và 8 biến

như mô hình 1, thêm 2 biến DA và SIZE. Tác giả tiến hành hồi quy probit, mô hình

(1) có 5 biến (DSRI, GMI, SGAI, LVGI và TATA) bị loại do không có ý nghĩa

thống kê, mô hình (1) sau điều chỉnh còn lại 3 biến (SGI, AQI và DEPI). Mô hình

có 6 biến (DSRI, GMI, SGAI, LVGI, TATA và SIZE) bị loại do không có ý nghĩa

thống kê, mô hình (2) sau điều chỉnh còn lại 4 biến (SGI, AQI, DEPI và DA).

Tác giả tiến hành phân tích hồi quy Probit, kết quả hồi quy cho thấy khả

năng phát hiện sai phạm của hai mô hình lần lượt là: 63,41% và 68,29%. Cả hai mô

hình (1) và (2) đều phù hợp để nghiên cứu thực trạng sai phạm BCTC của các công

ty xây dựng niêm yết tại Việt Nam.

1.3. Khe hổng nghiên cứu

Có rất nhiều bài nghiên cứu trong nước và ngoài nước về đề tài liên BCTC

đặc biệt là các nghiên cứu về phát hiện gian lận BCTC, nhận diện sai sót BCTC, các

nhân tố ảnh hướng đến chất lượng thông tin BCTC,... trên thế giới đã có nhiều tác

giả vận dụng mô hình định lượng nhằm phát hiện sai sót BCTC và đạt kết quả khá

cao. Điển hình là nghiên cứu của Mahama (2015) đã sử dụng mô hình M-score để

nhận dạng gian lận BCTC của tập đoàn Enron. Ở Việt Nam cũng có nhiều tác giả

vận dụng các mô hình định lượng để nhận diện sai sót BCTC thông qua chỉ tiêu lợi

nhuận, tuy nhiên vẫn còn khá ít bài nghiên cứu vận dụng mô định lượng gốc để xây

dựng mô hình định lượng phù hợp với thực trạng các doanh nghiệp niêm yết trên

TTCK Việt Nam, các bài nghiên cứu trước đây chủ yếu sử dụng mô hình định

lượng gốc để nhận diện sai sót BCTC, nhận thấy được khoảng trống này nên tác giả

đã quyết định vận dụng mô hình nghiên cứu để xây dựng một mô hình định lượng

nhằm mục đích nhận diện sai sót BCTC cho các doanh nghiệp niêm yết trên HNX

và HOSE.

* Nguyên nhân chọn mô hình M-score

Qua các mô hình định lượng được tác giả trình bày ở trên, tác giả nhận thấy

rằng có 3 nguyên nhân để tác giả chọn mô hình M-score làm mô hình gốc để xây

dựng mô hình định lượng phù hợp với thực trạng các doanh nghiệp niêm yết ở Việt

Nam, cụ thể 3 nguyên nhân như sau:

- Hiện nay trên thế giới có khá nhiều nghiên cứu vận dụng mô hình đượng

nhằm phát hiện sai sót thông tin trên BCTC, cụ thể là vận dụng mô hình M-Score,

nắm bắt được xu thế này nên tác giả đã vận dụng Mô hình M-Score trong đề tài

nghiên cứu của mình. (xem phụ lục 3)

- Việc sử dụng dữ liệu từ BCTC để tính toán các tỷ số trong mô hình, dữ liệu

dễ dàng thu thập từ bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh và

lưu chuyển tiền tệ của các doanh nghiệp niêm yết trên TTCK ở Việt Nam.

- Mô hình M-score kết hợp cả biến tỷ số tài chính và biến tổng dồn tích nên

tác giả kỳ vọng rằng xác suất phát hiện sai sót thông tin trên BCTC sẽ cao hơn các

mô hình chỉ sử dụng biến tỷ số tài chính hoặc biến tổng dồn tích.

Kết luận chƣơng 1

Phát hiện sai sót thông tin trên BCTC là yếu tố khá quan trọng không những

trong quá trình kiểm toán của kiểm toán viên mà còn là cơ sở quan trọng để nhà đầu

tư ra quyết định đầu tư. Đã có nhiều nghiên cứu trong và ngoài nước sử dụng các

thông tin tài chính, phi tài chính để xây dựng mô hình phát hiện sai sót trên BCTC,

tuy nhiên với thực trạng chuẩn mực kế toán chưa hoàn thiện ở Việt Nam việc thu

thập dữ liệu thông tin phi tài chính một cách đầy đủ, chính xác là điều khó khăn đối

với kiểm toán viên và nhà đầu tư. Do đó, việc dựa vào các thông tin tài chính sẳn

có, nhà đầu tư dễ dàng tiếp cận để xây dựng mô hình phát hiện sai sót thông tin trên

BCTC là điều thiết yếu trong giai đọan hiện nay.

CHƢƠNG 2. CƠ SỞ LÝ LUẬN

2.1. Cơ sở lý thuyết về sai sót thông tin trên BCTC

2.1.1. Các vấn đề liên quan đến sai sót BCTC

2.1.1.1. Khái niệm sai sót

Theo Chuẩn mực kiểm toán Việt Nam số 240 – Trách nhiệm của kiểm toán

viên liên quan (VSA 240) được ban hành theo Thông tư số 214/2012/TT-BTC

ngày 06 tháng 12 năm 2012 của Bộ Tài chính cho rằng sai sót trong BCTC có thể

phát sinh từ gian lận hoặc nhầm lẫn. Qua quá trình nghiên cứu các tài liệu, công

trình nghiên cứu về sai sót trên BCTC, tác giả nhận thấy rằng phần lớn các tài liệu,

các công trình nghiên cứu đều tập trung phân tích hành vi gây ra sai sót trên BCTC

do cố ý, vì thế trong luận văn này tác giả sẽ tập trung nghiên cứu sâu về hành vi cố

ý gây sai sót trong BCTC.

* Định nghĩa về gian lận

- VSA 240 định nghĩa gian lận: Là hành vi cố ý do một hay nhiều người

trong Ban quản trị, Ban Giám đốc, các nhân viên hoặc bên thứ ba thực hiện bằng

các hành vi gian dối để thu lợi bất chính hoặc bất hợp pháp.

- Theo Hiệp hội các nhà điều tra gian lận Mỹ (The Associatiotrn of Certified

Fraud Examiners-ACFE) trình bày gian lận: là hành vi cố ý thu lợi bằng việc lừa

đảo, lừa dối hoặc các hành vi bất chính khác.

- Theo Cục điều tra liên bang Mỹ (FBI) định nghĩa rộng hơn về gian lận: là

những hành vi lừa dối, che giấu hoặc lợi dụng lòng tin, mà động cơ của những hành

vi này xuất phát từ tài chính, nhằm thu lợi, tránh mất tiền, tài sản để đảm bảo lợi ích

của cá nhân hoặc tổ chức.

- Theo Cơ quan chống gian lận của Anh (SFO) định nghĩa gian lận như là

một sự lạm quyền, một sự đại diện bất hợp pháp hoặc hành động làm thiệt hại đến

một ai đó để lợi ích cá nhân.

- Theo Mugala (2013), gian lận theo pháp lý là một thuật ngữ chung, bao

gồm tất cả những hành động mà con người gây ra nhằm đạt được lợi ích bằng cách

đưa ra các kết luận không đúng để che giấu một sự thật nào đó và bao gồm tất cả: sự

lừa đảo, gian kế, sự lường gạt và bất kỳ cách lừa dối khác.

* Nhầm lẫn: Là những lỗi không cố ý có ảnh hưởng đến BCTC, như:

- Lỗi về tính toán số học hoặc ghi chép sai;

- Bỏ sót hoặc hiểu sai, làm sai các khoản mục, các nghiệp vụ kinh tế;

- Áp dụng sai các chuẩn mực, nguyên tắc, phương pháp và chế độ kế

toán, chính sách tài chính nhưng không cố ý.

2.1.1.2. Phân loại hành vi gây sai sót trên BCTC do cố ý

Trong luận văn này, tác giả sẽ phân loại hành vi gây sai sót trên BCTC do cố

ý theo VSA 240.

VSA 240 cho rằng có hai loại sai sót do cố ý cần quan tâm là sai sót xuất

phát từ việc lập BCTC gian lận và sai sót do biển thủ tài sản.

* Lập BCTC gian lận: là hành vi xuất phát từ chủ đích của nhà quản lý, tạo

ra các sai sót trọng yếu đối với BCTC để giảm lợi nhuận nhằm làm giảm số thuế

phải nộp hoặc báo cáo tăng lợi nhuận để vay vốn ngân hàng dễ dàng, việc lập

BCTC có thể biểu hiện dưới các dạng tổng quát sau:

- Xuyên tạc, làm giả (bao gồm cả việc giả mạo chữ ký) hoặc sửa đổi chứng

từ, sổ kế toán có chứa đựng các nội dung, số liệu được dùng để lập BCTC.

- Làm sai lệch hoặc cố ý không trình bày trong BCTC các sự kiện, giao dịch

hoặc các thông tin quan trọng khác.

- Cố ý áp dụng sai các nguyên tắc kế toán liên quan đến các số liệu, sự phân

loại, cách thức trình bày hoặc thuyết minh.

* Tham ô, biển thủ tài sản: biển thủ là hành vi trộm cắp tài sản thường với

giá trị không lớn, không trọng yếu, thường do nhân viên của đơn vị thực hiện. Ví

dụ: nhân viên bán hàng biển thủ các khoản thu tiền thu được và không ghi nhận và

sổ sách, thủ kho đánh cắp hàng tồn kho,…

Tham ô là hành vi chiếm đoạt tài sản của đơn vị và thường do người quản lý

thực hiện.

Hành vi tham ô, biển thủ tài sản sẽ gây tổn hại cho chủ sở hữu, chủ nợ và bên

thứ ba có liên quan do các tài sản đó đã bọ mất đi nên họ không có quyền sở hữu

hoặc quyền kiểm soát tài sản này.

2.1.2. Các trƣờng hợp gian lận các khoản mục trên BCTC điển hình

* Công nợ và chi phí

Che dấu công nợ đưa đến giảm chi phí là một trong những kỹ thuật gian lận

phổ biến trên BCTC nhằm mục đích khai khống lợi nhuận. Khi đó, lợi nhuận trước

thuế sẽ tăng tương ứng với số chi phí hay công nợ bị che dấu. Đây là phương pháp

dễ thực hiện và khó bị phát hiện vì thường không để lại dấu vết.

Có ba phương pháp chính thực hiện giấu gian lận và chi phí:

- Không ghi nhận công nợ và chi phí, đặc biệt không lập đầy đủ các khoản

dự phòng.

- Vốn hóa chi phí.

- Không ghi nhận hàng bán trả lại – các khoản giảm trừ và không trích trước

chi phí bảo hành.

* Doanh thu

Ghi nhận doanh thu không có thật hay khai cao doanh thu là việc ghi nhận

vào sổ sách một nghiệp vụ bán hàng hoá hay cung cấp dịch vụ không có thực. Kỹ

thuật thường sử dụng là tạo ra các khách hàng giả mạo thông qua lập chứng từ giả

mạo nhưng hàng hóa không được giao và đầu niên độ sau sẽ lập bút toán hàng bán

bị trả lại. Khai cao doanh thu còn được thực hiện thông qua việc cố ý ghi tăng các

nhân tố trên hóa đơn như: số lượng, giá bán… hoặc ghi nhận doanh thu khi các điều

kiện giao hàng chưa hoàn tất, chưa chuyển quyền sở hữu và chuyển rủi ro đối với

hàng hóa – dịch vụ được bán.

* Tài sản

Việc định giá sai tài sản được thực hiện thông qua việc không ghi giảm giá

trị hàng tồn kho khi hàng đã hư hỏng, không còn sử dụng được hay không lập đầy

đủ dự phòng giảm giá hàng tồn kho, nợ phải thu khó đòi, các khoản đầu tư ngắn, dài

hạn. Các tài sản thường bị định giá sai như là: các tài sản mua qua hợp nhất kinh

doanh, tài sản cố định, không vốn hoá đầy đủ các chi phí vô hình, phân loại không

đúng tài sản.

* Khoản mục tiền

Khả năng gian lận sẽ xảy ra ở ba loại: tiền mặt, tiền gửi ngân hàng và tiền

đang chuyển. Đồng thời gian lận có thể liên quan đến đồng Việt nam, ngoại tệ và

các loại vàng, bạc, đá quý,..

Các trường hợp gian lận liên quan đến khoản mục tiền như sau:

- Tiền được ghi chép không có thực trong két tiền mặt;

- Chi khống, chi tiền quá giá trị thực bằng cách làm khống chứng từ, sửa

chữa chứng từ khai tăng chi, giảm thu để biển thủ tiền;

- Đối với ngoại tệ ghi sai tỷ giá khi quy đổi hoặc áp dụng sai nguyên tắc

hoạch toán ngoại tệ.

- Thanh toán hóa đơn nhiều lần;

- Thanh toán tiền lãi cao hơn hiện hành.

2.2. Các lý thuyết nền tảng

2.2.1. Lý thuyết thông tin bất cân xứng

Lý thuyết này được xây dựng bởi ba nhà nghiên cứu: George Akerlof,

Michael Spence và Joseph Stiglitz. Lý thuyết thông tin bất cân xứng lần đầu tiên

xuất hiện vào những năm 1970. Theo lý thuyết này đề cập thông tin bất cân xứng

(Asymmetric Information) là một trong nthững nguyên nhân gây thất bại thị trường.

Thông tin không đối xứng hay còn gọi là thông tin bất cân xứng là việc các bên

tham gia giao dịch cố tình che đậy thông tin. Khi đó, giá cả không phải là giá cân

bằng của thị trường mà có thể quá thấp hoặc quá cao. Ví dụ: khi người mua không

có những thông tin xác thực, đầy đủ và kịp thời nên trả giá thấp hơn giá trị đích thực

của hàng hóa, hậu quả là người bán không có động lực để sản xuất hoặc cung cấp

những hàng hóa có chất lượng thấp hơn chất lượng trung bình trên thị

trường. Thông tin bất cân xứng càng trở nên phổ biến và trầm trọng khi tính minh

bạch của thông tin, khả năng tiếp cận thông tin và cơ sở hạ tầng thông tin yếu kém.

Đối với các nền kinh tế mới phát triển, thông tin bất đối xứng có ảnh hưởng rất lớn.

Ví dụ: TTCK Việt Nam có những hiện tượng thông tin bất đối xứng như:

- Ngoài các thông tin bắt buộc theo luật định phải công bố thì các doanh

nghiệp không chủ động cung cấp thông tin đầy đủ, kịp thời.

- Có hiện tượng rò rỉ thông tin chưa hoặc không được phép công khai tạo ra

các giao dịch nội gián.

- Doanh nghiệp cung cấp thông tin không công bằng đối với các nhà đầu tư:

ưu tiên cung cấp thông tin cho các nhà đầu tư chiến lược, các nhà đầu tư tổ chức mà

không công bố rộng rãi.

- Việc tung tin đồn thất thiệt.

- Các cơ quan truyền thông cung cấp thông tin sai lệch, không đầy đủ.

Từ việc bất cân xứng thông tin giữa doanh nghiệp và nhà đầu tư, doanh

nghiệp sẽ vận dụng các chính sách kế toán để có thể cung cấp thông tin có lợi nhất

cho doanh nghiệp khi trình bày và công bố BCTC.

Khi vận dụng lý thuyết này vào đề tài nghiên cứu, theo nội dung lý thuyết,

tác giả kỳ vọng rằng các doanh nghiệp thay đổi chính sách ước tính về thời gian

khấu hao theo hướng giảm tỷ lệ khấu hao hoặc thay đổi về cách ghi nhận chi phí

vốn hóa sẽ có khả năng thực hiện hành vi điều chỉnh số liệu kế toán gây ra sai sót

thông tin trên BCTC.

2.2.2. Lý thuyết ủy nhiệm (Agency theory)

Lý thuyết ủy nhiệm được phát triển bởi hai nhà nghiên cứu Jesen và

Meckling (1976). Lý thuyết này nghiên cứu về mối quan hệ giữa bên ủy nhiệm và

bên được ủy nhiệm. Thông qua hợp đồng, bên được ủy nhiệm sẽ thực hiện một số

công việc đại diện cho bên ủy nhiệm. Có hai loại hợp đồng thể hiện mối quan hệ

giữa bên ủy nhiệm và bên được ủy nhiệm được chú trọng quan tâm là: hợp đồng

giữa cổ đông và nhà quản lý, hợp đồng vay (hợp đồng giữa nhà quản lý người đại

diện cho doanh nghiệp và chủ nợ). Lý thuyết này cho rằng cả hai bên (bên ủy nhiệm

và bên được ủy nhiệm) đều tối đa hóa lợi ích của mình. Các quan hệ hợp đồng làm

phát sinh chi phí ủy nhiệm (agency costs). Chi phí ủy nhiệm về cơ bản là số tiền mà

bên ủy nhiệm mất đi do sự tách rời lợi ích của họ với lợi ích của bên được ủy

nhiệm.

Theo lý thuyết này đề xuất giải pháp để giảm chi phí ủy nhiệm là thông qua

hợp đồng giữa các cổ đông và nhà quản lý theo hướng khuyến khích nhà quản lý tối

đa hóa giá trị thị trường của doanh nghiệp và tối đa hóa lợi nhuận của doanh nghiệp

bằng các chính sách khen thưởng. Phần lớn các kế hoạch khen thưởng dựa trên số

liệu kế toán, vì vậy sẽ có khả năng nhà quản lý tác động vào BCTC để đạt được

mục đích tối đa hóa lợi ích của mình.

Lý thuyết ủy nhiệm cũng đưa ra giải pháp để giảm chi phí ủy nhiệm thông

qua hợp đồng giữa doanh nghiệp và chủ nợ, chủ nợ sử dụng biện pháp bảo vệ bằng

giá thông qua lãi suất hoặc đưa vào hợp đồng các điều khoản hạn chế. Việc sử dụng

các điều khoản hạn chế phải dựa vào số liệu kế toán trên BCTC, như: số liệu về chỉ

tiêu lợi nhuận, cổ tức, tình hình nợ phải trả, tài sản,...Điều này sẽ làm tăng khả năng

nhà quản lý sẽ vận dụng các chính sách kế toán có lợi cho doanh nghiệp khi lập

BCTC.

Khi vận dụng lý thuyết này vào đề tài nghiên cứu, theo nội dung lý thuyết,

tác giả kỳ vọng rằng khi doanh nghiệp xuất hiện các dấu hiệu bất thường về các chỉ

tiêu biểu thị sự phát triển của doanh nghiệp trong tương lai (tỷ suất lợi nhuận biên

sụt giảm, tăng trưởng doanh thu bất thường, khoản phải thu không cân xứng với

doanh thu,..) vì mục đích tối đa hóa lợi ích cá nhân hoặc để “làm đẹp” hồ sơ vay,

nhà quản lý các doanh nghiệp này sẽ thực hiện hành vi điều chỉnh số liệu kế toán để

thổi phòng lợi nhuận, điều này gây ra sai sót thông tin trên BCTC.

2.2.3. Lý thuyết về tam giác gian lận

Lý thuyết này là kết quả nghiên cứu của Donald R. Cressey (1919-1987):

Donald R. Cressey là nhà nghiên cứu về tội phạm tại trường Đại học Indiana (Mỹ)

vào những năm 40 của thế kỷ 20 và là sáng lập viên của ACFE. Cressey tập trung

phân tích gian lận dưới góc độ tham ô và biển thủ thông qua khảo sát khoảng 200

trường hợp tội phạm kinh tế nhằm tìm ra nguyên nhân dẫn đến các hành vi vi phạm

pháp luật trên. Ông đã xây dựng mô hình: Tam giác gian lận (Fraud Triangle) để

trình bày về các nhân tố dẫn đến các hành vi gian lận mà ngày nay đã trở thành một

trong những mô hình chính thống trong việc phát hiện gian lận đối với kiểm toán

viên. Theo Cressey tam giác lận gồm 3 nhân tố chính:

- Áp lực: Gian lận xảy ra khi cá nhân, tổ chức chịu áp lực. Áp lực đó có thể

là: nợ nần, thâm hụt về tài chính, khó khăn về kinh doanh, bị cô lập, muốn ngang

bằng với người khác, mâu thuẫn trong mối quan hệ giữa chủ và nhân viên.

- Cơ hội: Khi bị áp lực, nếu có cơ hội thì cá nhân/tổ chức sẽ thực hiện gian

lận. Hai yếu tố liên quan đến cơ hội là: (1) có thông tin có nghĩa là nhận thấy ở vị trí

của mình có thể thực hiện hành vi gian lận mà không có bất kì sự giám sát hay phát

hiện nào từ chủ doanh nghiệp, (2) có cách để thực hiện.

- Thái độ, cá tính: không phải bất kỳ cá nhân nào khi gặp áp lực và có cơ hội

đều thực hiện gian lận, mà còn phụ thuộc vào thái độ, cá tính của từng cá nhân.

Khi vận dụng lý thuyết này vào đề tài nghiên cứu, theo nội dung và các lý

giải của lý thuyết, tác giả kỳ vọng rằng các doanh nghiệp có áp lực về tài chính như

đòn bẩy tài chính cao hoặc gặp khó khăn về kinh doanh, để thu hút nguồn vốn từ

các nhà đầu tư, các doanh nghiệp này có thể điều chỉnh số liệu kế toán trên BCTC

làm lợi nhuận cao hơn so với thực tế, điều này gây ra sai sót thông tin trên BCTC.

2.2.4. Lý thuyết các bên liên quan (Stakeholder theory)

Lý thuyết các bên liên quan được khởi đầu trong nghiên cứu của Freeman

(1984) Strategic Management: A Stakeholder Approach, đây là lý thuyết về quản trị

tổ chức và đạo đức kinh doanh. Nó đề cập tới đạo đức và các giá trị trong quản trị tổ

chức. Trong lý thuyết này, khái niệm "các bên liên quan" là bất kỳ cá nhân hay

nhóm người bị ảnh hưởng trực tiếp hoặc gián tiếp bởi những hành động của tổ chức.

Lý thuyết các bên liên quan cho rằng, ngoài các cổ đông còn có các đối tượng khác

có liên quan đến quá trình hoạt động doanh nghiệp bao gồm cơ quan chính phủ, các

nhóm chính trị, các hiệp hội thương mại, công đoàn, cộng đồng, các công ty liên

quan, khách hàng tiềm năng và công chúng. Từ quan điểm đạo đức, tổ chức có

nghĩa vụ phải đối xử công bằng giữa các bên liên quan. Trong trường hợp, các bên

liên quan xung đột lợi ích, doanh nghiệp phải có nghĩa vụ đạt được sự cân bằng tối

ưu giữa chúng. Từ quan điểm quản trị, vai trò quan trọng của quản lý là để đánh giá

tầm quan trọng, của việc đáp ứng nhu cầu các bên liên quan để đạt được mục tiêu

chiến lược của doanh nghiệp. Do kỳ vọng và mối quan hệ quyền lực của các bên

liên quan thì luôn thay đổi theo thời gian, nên tổ chức phải liên tục điều chỉnh các

chiến lược điều hành và công bố thông tin thông tin để đáp ứng nhu cầu của các bên

liên quan. Vì thế, lý thuyết các bên có liên quan được sử dụng để giải thích cho lý

do, các doanh nghiệp điều chỉnh phương pháp kế toán để tạo ra BCTC đẹp đáp ứng

với những kỳ vọng của các bên có liên quan về tình hình hoạt động kinh doanh bền

vững của doanh nghiêp. Lý thuyết này được sử dụng để nghiên cứu, đánh giá nhóm

nhân tố áp lực từ phía các bên liên quan ảnh hưởng tới khả năng áp dụng các

phương pháp kế toán để điều chỉnh số liệu trên BCTC gây ra sai sót trên BCTC.

Kết luận chƣơng 2

Trong chương 2, tác giả đã đưa ra các cơ sở lý thuyết để làm rõ về BCTC, sai

sót thông tin và mô hình M-score. Ngoài ra tác giả đã phân tích 3 lý thuyết quan

trọng làm nền tảng cho luận văn nghiên cứu, gồm: lý thuyết thông tin bất cân xứng,

lý thuyết về tam giác gian lận và lý thuyết ủy nhiệm.

Trên cơ sở các lý thuyết nền tảng, tác giả đã xác định được 8 biến độc lập và

phân chia các biến độc lập thành ba nhóm: nhóm 1 - nhóm biến biểu thị tín hiệu

phát triển của doanh nghiệp trong tương lai; nhóm 2 – nhóm biến liên quan đến

dòng tiền thuần từ hoạt động kinh doanh và dồn tích; nhóm 3 - nhóm biến kế toán

liên quan đến hành vi lựa chọn chính sách kế toán của nhà quản lý doanh nghiệp, cụ

thể sẽ được trình bày ở chương tiếp theo.

CHƢƠNG 3. PHƢƠNG PHÁP NGHIÊN CỨU

3.1. Đối tƣợng và phạm vi nghiên cứu

3.1.1. Đối tƣợng nghiên cứu

Đối tượng nghiên cứu của luận văn là BCTC có sai sót trọng yếu do gian lận

gây ra của các doanh nghiệp sản xuất, dịch vụ, thương mại, xây dựng (hay còn gọi

là doanh nghiệp phi tài chính) niêm yết trên HOSE và HNX.

3.1.2. Phạm vi nghiên cứu

Số liệu trên BCTC của các doanh nghiệp phi tài chính niêm yết trên sàn

HOSE và HNX trong giai đoạn từ 2011 - 2016.

3.2. Mô hình nghiên cứu

Tác giả vận dụng mô hình M-score của Beneish (1999) và sử dụng hồi quy

binary logistic để xây dựng mô hình định lượng dùng để phát hiện sai sót thông tin

trong BCTC.

Mô hình M-score của Beneish (1999) được biểu diễn như sau: M = β'Xi + £i

M là biến phụ thuộc – được xem xét cho khả năng BCTC có sai sót, Xi đại

diện cho tám biến độc lập, Xi được tính toán từ số liệu trên BCTC của năm trước

kiểm toán độc lập năm t và so sánh với số liệu sau kiểm toán độc lập năm t-1, £ là

ma trận vectơ phần dư.

3.3. Phƣơng pháp nghiên cứu

Dựa vào các nghiên cứu trước đây cùng với kế thừa các luận điểm đã được

xây dựng làm nền tảng trong việc xây dựng mô hình nghiên cứu và phương pháp

nghiên cứu của đề tài. Đề tài sử dụng phương pháp nghiên cứu định lượng nhằm

thực hiện hai mục tiêu chính, thứ nhất là tìm ra mối quan hệ giữa biến phụ thuộc và

biến độc lập trong mô hình nghiên cứu, thứ hai là xây dựng mô hình định lượng để

phát hiện sai sót thông tin trên BCTC dựa trên nền tảng là mô hình M-Score của

Beneish (1999).

Luận văn xây dựng mô hình hồi quy gồm tám biến độc lập theo mô hình M-

Score của Beneish (1999). Dựa trên mô hình này thực hiện một số phân tích, kiểm

định như: phân tích thống kê mô tả, kiểm định tính phù hợp của mô hình

Classification, phân tích hồi quy nhị phân logistic. Sau khi xây dựng được mô hình

ước lượng, kiểm định tính chính xác của mô hình trên phần mềm excel với số liệu

từ báo cáo tài chính trước và sau kiểm toán của các doanh nghiệp niêm yết trên

HOSE và HNX năm 2016.

3.4. Dữ liệu nghiên cứu

3.4.1. Xác định mẫu nghiên cứu

Theo Tabachnick và Fidell (1996), trong phân tích hồi quy đa biến: cỡ mẫu

tối thiểu cần đạt được tính theo công thức là n=50 + 8*m (m: số biến độc lập), trong

mô hình nghiên cứu của tác giả có 8 biến độc lập nên cỡ mẫu tối thiểu cần đạt được

là 114 mẫu quan sát, vì vậy để đảm bảo kết quả phân tích hồi quy đáng tin cậy, dữ

liệu của nghiên cứu là dữ liệu thứ cấp được lấy từ BCTC của 90 doanh nghiệp niêm

yết phi tài chính trong giai đoạn 2011-2015 tương ứng với 360 mẫu quan sát trên

hai sàn HOSE và HNX, vì tác giả thu thập dữ liệu từ hai sàn HOSE và HNX, để

đảm bảo kết quả nghiên cứu phù hợp với cả hai sàn HOSE và HNX nên tỷ lệ số

mẫu quan sát được thu thập trên HOSE phải tương đồng với tỷ lệ số mẫu quan sát

thu thập trên HNX do đó tác giả đã chọn 45 doanh nghiệp phi tài chính niêm yết

trên HOSE và 45 doanh nghiệp niêm yết trên HNX để thu thập dữ liệu.

Tác giả thu thập dữ liệu theo phương pháp phi ngẫu nhiên, dữ liệu BCTC

trước và sau kiểm toán độc lập được thu thập qua các năm 2011, 2012, 2013, 2014,

2015. Dữ liệu được thu thập từ trang web Vietstock.vn của Công ty Cổ phần Tài

Việt.

Tiêu thức chọn doanh nghiệp mẫu như sau:

- Hoạt động liên tục và niêm yết trên 2 sàn HOSE và HNX trong giai đoạn

2011-2015;

- Có kỳ kế toán năm bắt đầu ngày 01/01 và kết thúc 31/12 theo năm dương

lịch;

- Không thay đổi năm tài chính trong giai đoạn 2011-2015;

- Không thuộc ngành ngân hàng, tài chính, bảo hiểm.

Mẫu doanh nghiệp chia thành 02 nhóm: (1) nhóm doanh nghiệp có sai sót

thông tin trên BCTC (gọi tắt là: nhóm mẫu có sai sót), (2) nhóm doanh nghiệp

không có sai sót thông tin trên BCTC (gọi tắt là: nhóm mẫu không có sai sót).

- Các doanh nghiệp được xếp vào nhóm mẫu có sai sót nếu doanh nghiệp đó

có chênh lệch giữa lợi nhuận trước thuế trước và sau kiểm toán độc lập lớn hơn 5%.

- Các doanh nghiệp được xếp vào nhóm không có sai sót nếu doanh nghiệp

đó có chênh lệch giữa lợi nhuận trước thuế trước và sau kiểm toán độc lập dưới 5%.

3.4.2. Chọn mẫu nghiên cứu

Tác giả đã thực hiện quy trình chọn và phân loại mẫu nghiên cứu cho luận

văn theo các bước sau:

Bƣớc 1: Dựa vào các tiêu thức chọn doanh nghiệp mẫu, tác giả tiến hành thu

thập mẫu quan sát, từ các mẫu quan sát thu thập được, tác giả tiến hành thu thập dữ

liệu về chỉ tiêu lợi nhuận trước thuế trước kiểm toán độc lập của các doanh nghiệp

niêm yết trên HOSE và HNX qua các năm 2012, 2013, 2014, 2015 và lợi nhuận

trước thuế sau kiểm toán độc lập giai đoạn 2011-2015, chỉ tiêu lợi nhuận trước thuế

được lấy từ báo cáo kết quả hoạt động kinh doanh. Tác giả dùng phần mềm

Microsoft Excel 2010 để tính chênh lệch lợi nhuận trước thuế trước kiểm toán và

sau kiểm toán (chênh lệch lợi nhuận). Chênh lệch lợi nhuận được tính theo công

thức:

LNTT sau kiểm toán được xem như là lợi nhuận đúng vì đã được kiểm toán

viên chấp thuận. Tác giả lấy giá trị tuyệt đối với kết quả tính chênh lệch lợi nhuận,

vì kết quả mang dấu âm (công bố lợi nhuận thấp hơn thực tế) hay dấu dương (công

bố lợi nhuận cao hơn thực tế) đều có ý nghĩa sai sót giống nhau. Các mẫu quan sát

có chênh lệch lợi nhuận lớn 5 thì được phân loại vào nhóm mẫu có sai sót.

Bƣớc 2: Tiêu thức để xác định mẫu có sai sót

Chuẩn mực kế toán Việt Nam và chuẩn mực kế toán quốc tế hầu như không

đưa ra một mức cụ thể nào để xác định ranh giới giữa nhóm doanh nghiệp có BCTC

sai sót và nhóm không có sai sót, kiểm toán viên phải sử dụng xét đoán chuyên môn

khi xác định tỷ lệ phần trăm ( ) áp dụng cho tiêu chí đã lựa chọn. Tỷ lệ phần trăm

( ) và tiêu chí được lựa chọn thường có mối liên hệ với nhau, như tỷ lệ phần trăm

( ) áp dụng cho mức LNTT từ hoạt động kinh doanh liên tục thường cao hơn tỷ lệ

phần trăm ( ) áp dụng cho doanh thu, theo hướng dẫn của Chuẩn mực kiểm toán số

320: Mức trọng yếu trong lập kế hoạch và thực hiện kiểm toán và theo kinh nghiệm

nghề nghiệp kiểm toán BCTC trên thế giới và trong nước, kiểm toán viên có thể cân

nhắc mức chênh lệch lợi nhuận lớn hơn 5 để xác định những BCTC có sai sót

trọng yếu. Vì thế, tác giả đã chọn mức 5 để làm ngưỡng phân loại các mẫu có sai

sót và mẫu không có sai sót. Mẫu không có sai sót là mẫu có chênh lệch lợi nhuận

rất nhỏ (dưới 5%).

3.4.3. Mô tả mẫu nghiên cứu

Giai đoạn 2011-2016, kinh tế Việt Nam đối mặt với nhiều khó khăn do

những vấn đề nội tại của nền kinh tế và chịu tác động không nhỏ của sự suy thoái

kinh tế toàn cầu, tăng trưởng kinh tế có chiều hướng sụt giảm, năm 2016 nước ta đã

phải đương đầu với nạn hạn hán khắc nghiệt nhất trong vòng 100 năm qua, với tình

trạng ngập mặn ở vùng đồng bằng sông Cửu Long và thảm họa môi trường do

Formosa gây ra ở miền Trung, kinh tế nhiều nơi trên thế giới bất ổn, thị trường chao

đảo, giá cả nhiều sản phẩm trên thị trường toàn cầu sụt giảm, ảnh hưởng đến thu

nhập của người sản xuất và xuất khẩu của Việt Nam, để ứng phó với những khó

khăn trên, doanh nghiệp thay đổi chiến lược kinh doanh và những khó khăn này đã

trở thành động cơ thúc đẩy các doanh nghiệp thực hiện hành vi gian lận để cải thiện

tình hình tài chính, vì vậy tác giả đã chọn giai đoạn 2011-2015 để thu thập dữ liệu

xây dựng mô hình nghiên cứu và dùng dữ liệu năm 2016 để kiểm định lại khả năng

phát hiện sai sót thông tin trên BCTC. Số lượng mẫu có sai sót và không có sai sót

trong giai đoạn 2012-2015 được trình bày tổng quát ở bảng 3.1.

Bảng 3.1. Bảng thống kê mẫu nghiên cứu

Tổng Năm 2012 2013 2014 2015

cộng

232 Mẫu có sai sót 57 61 56 58

128 Mẫu không có sai sót 33 29 34 32

(Nguồn: tác giả tính toán)

Trong tổng số 360 mẫu quan sát thì có 232 mẫu quan sát có sai sót, 128 mẫu

không có sai sót.

Dựa vào phân nhóm ngành cấp 1 trên website https://www. vietstock.vn của

Công ty Cổ phần Tài Việt, tác giả phân loại các mẫu quan sát thành từng nhóm

ngành cụ thể và được trình bày ở Bảng 3.2.

Bảng 3.2. Bảng thống kê mẫu quan sát theo ngành

Mẫu không có sai Mẫu có sai sót sót Nhóm ngành

Số lƣợng Tỷ lệ Số lƣợng Tỷ lệ

Sản xuất 72 36 31,03% 28,13%

Xây dựng và Bất động sản 78 54 33,62% 42,19%

Khai khoáng 10 6 4,31% 4,69%

Bán buôn 14 2 6,03% 1,56%

Công nghệ thông tin 4 4 1,72% 3,13%

Bán lẻ 6 2 2,59% 1,56%

Vận tải và kho bãi 13 7 5,60% 5,47%

Sản xuất nông nghiệp 8 4 3,45% 3,13%

Tiện ích 15 9 6,47% 7,03%

6 2 1,56% 2,59% Dịch vụ chuyên môn, khoa học và công nghệ

Dịch vụ hỗ trợ 2 2 1,56% 0,86%

Dịch vụ lưu trú và ăn uống 4 0 0% 1,72%

Tổng cộng 232 128 100% 100%

(Nguồn: tác giả tính toán)

Với 360 mẫu quan sát thuộc 13 nhóm ngành theo phân loại của Công ty Cổ

phần Tài Việt được công bố trên website https://www.vietstock.vn, trong số 232

mẫu quan sát có sai sót thì nhóm ngành xây dựng và bất động sản có 78 mẫu (chiếm

tỷ lệ 33,62%), tiếp theo là nhóm ngành sản xuất với 72 mẫu quan sát có sai sót

(chiếm tỷ lệ 31,03%), nhóm ngành bán buôn có 14 mẫu tương ứng với tỷ lệ 6,03%,

còn lại là nhóm ngành dịch vụ - tiện ích - sản xuất nông nghiệp - công nghệ thông

tin - bán lẻ - vận tải kho bãi. Với 128 mẫu quan sát không có sai sót, nhóm ngành

xây dựng và bất động sản chiếm tỷ trọng lớn nhất với 54 mẫu tương ứng 42,19%,

đứng thứ hai là nhóm ngành sản xuất với 36 mẫu (chiếm tỷ lệ 28,13%), kế tiếp

nhóm ngành tiện ích có 9 mẫu quan sát với tỷ lệ 7,03%, các mẫu quan sát còn lại

thuộc các nhóm ngành dịch vụ - công nghệ thông tin - sản xuất nông nghiệp - bán lẻ

- bán buôn - vận tải kho bãi - khai khoáng.

3.5. Thiết kế dữ liệu nghiên cứu

Tác giả sử dụng dữ liệu của 90 doanh nghiệp niêm yết trên HOSE và HNX

trong giai đoạn 5 năm (2011 – 2015), dữ liệu được tổng hợp theo dữ liệu bảng (Data

panel).

Dữ liệu bảng là dữ liệu kết hợp, kết hợp các dữ liệu chéo (cross section) và

dữ liệu chuỗi thời gian (time series). Dữ liệu chéo là các số liệu về một hoặc nhiều

biến được thu thập tại một thời điểm ở nhiều doanh nghiệp khác nhau. Dữ liệu thời

gian là số liệu được thu thập trong một khoảng thời gian nhất định. Có hai loại dữ

liệu bảng: dữ liệu bảng cân đối (balanced panel) và dữ liệu bảng không cân đối

(unbalanced panel). Dữ liệu bảng cân đối khi các đơn vị chéo cùng một số lượng

quan sát như nhau theo chuỗi thời gian. Dữ liệu bảng không cân đối khi các đơn vị

chéo không có cùng số quan sát theo thời gian. Trong luận văn này tác giả sử dụng

dữ liệu bảng cân đối. Việc sử dụng dữ liệu bảng cho nghiên cứu có các ưu điểm sau:

- Thông qua kết hợp các chuỗi thời gian của các doanh nghiệp khác nhau

theo không gian, dữ liệu bảng cung cấp những dữ liệu có nhiều thông tin hơn, đa

dạng hơn, ít đa cộng tuyến hơn giữa các biến số, nhiều bậc tự do và hiệu quả hơn.

- Thông qua nghiên cứu các quan sát theo không gian lặp lại, dữ liệu bảng

phù hợp để nghiên cứu tính động của thay đổi.

- Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những ảnh hưởng mà

không thể quan sát trong chuỗi thời gian thuần túy hay dữ liệu chéo theo không gian

thuần túy.

Từ những ưu điểm vượt trội của dữ liệu bảng so với dữ liệu thời gian hay dữ

liệu chéo, tác giả kỳ vọng việc sử dụng dữ liệu bảng trong luận văn sẽ mang đến kết

quả khả quan.

3.6. Biến nghiên cứu

3.6.1. Biến phụ thuộc – M (Misstatement)

Tác giả cho rằng để phát hiện và dự đoán khả năng có sai sót thông tin trên

BCTC của một doanh nghiệp cho một năm (một quan sát), doanh nghiệp được phân

loại có sai sót thông tin trên BCTC thỏa mãn điều kiện: chênh lệch LNTT trước và

sau kiểm toán độc lập lớn hơn 5 .

Biến phụ thuộc M nhận giá trị 1 cho những quan sát rơi vào tình trạng có sai

sót thông tin trên BCTC và giá trị 0 những quan sát không có sai sót thông tin trên

BCTC.

3.6.2. Biến độc lập

Tác giả phân chia các biến độc lập trong mô hình M-score thành 3 nhóm:

Nhóm 1: Các biến biểu thị tín hiệu phát triển của doanh nghiệp trong tương

lai. Giả định rằng việc thao túng lợi nhuận dễ dàng xảy ra với các doanh nghiệp có

tín hiệu phát triển trong tương lai kém. Điều này cũng đồng nhất với nhận định của

O’Glove (1987); Kellogg và Kellogg (1991); Siegel (1991); Fridson (1993); Lev và

Thiagarajan (1993).

Nhóm 2: Biến liên quan đến dòng tiền thuần từ hoạt động kinh doanh và dồn

tích. Nghiên cứu sử dụng các biến trong nhóm này điển hình là (Healy, 1985; Jones,

1991).

Nhóm 3: Các biến kế toán liên quan đến hành vi lựa chọn chính sách kế toán

của nhà quản lý doanh nghiệp. Để đưa ra các biến kế toán này, Beneish đã dựa vào

kết quả nghiên cứu lý thuyết thực chứng của Watts và Zimmerman (1986), với

những giả thuyết liên quan đến hợp đồng (hợp đồng giữa cổ đông - nhà quản lý, hợp

đồng giữa doanh nghiệp - chủ nợ), những giả thuyết này đưa ra động cơ nhà quản lý

thực hiện hành vi quản trị lợi nhuận, động cơ này được trình bày chi tiết trong lý

thuyết ủy nhiệm.

3.6.2.1. Các biến biểu thị tín hiệu phát triển của doanh nghiệp trong

tƣơng lai

* DSRI – Tỷ số phải thu khách hàng trên doanh thu thuần (Days’sales in

receviable index)

DSRI đo lường tỷ số phải thu khách hàng trên doanh thu thuần năm t so sánh

với năm (t-1).

Trong đó: Receivables là các khoản phải thu khách hàng; Sales là doanh thu

thuần.

Chỉ số này dùng để so sánh sự thay đổi các khoản phải thu trên doanh thu

thuần giữa năm trước kiểm toán độc lập (năm t) và năm sau kiểm toán độc lập (năm

t-1).

Tỷ số này tăng trưởng một cách đột biến là kết quả từ việc thay đổi chính

sách tín dụng để thúc đẩy doanh số bán hàng khi đối mặt với tình hình cạnh tranh

ngày càng tăng, nhưng tăng trưởng không cân xứng giữa các khoản phải thu khách

hàng so với doanh số bán có thể cho thấy lợi nhuận đã công bố cao hơn lợi nhuận

thực tế. Do đó, Beneish cho rằng DSRI càng lớn thì xác suất lợi nhuận được công

bố cao hơn lợi nhuận thực tế càng lớn.

* GMI – Tỷ số tỷ suất lợi nhuận gộp biên (Gross Margin Index)

GMI là tỷ số giữa tỷ suất lợi nhuận gộp biên năm (t-1) và tỷ suất lợi nhuận

gộp biên năm t.

Trong đó: COGS là giá vốn hàng bán; Sales: doanh thu thuần. Nếu tỷ số này

lớn hơn 1 thì tỷ suất lợi nhuận gộp biên đang suy giảm. Tỷ suất lợi nhuận gộp biên

cho biết mức độ hiệu quả khi sử dụng các yếu tố đầu vào (vật tư, lao động) trong

quy trình sản xuất của doanh nghiệp. Lev và Thiagarajan (1993) cho rằng sự suy

giảm của tỷ suất lợi nhuận gộp biên là tín hiệu không tốt trong sự phát triển của

doanh nghiệp. Vì vậy, nếu doanh nghiệp xuất hiện viễn cảnh phát triển trong tương

lai mà xấu thì càng dễ dàng xuất hiện hành vi thao túng lợi nhuận gây sai sót thông

tin trên BCTC. Beneish cho rằng GMI có mối quan hệ thuận chiều với khả năng xảy

ra hành vi thao túng lợi nhuận.

* SGI – Tỷ số tăng trưởng doanh thu (Sales Growth Index)

SGI là tỷ số doanh thu thuần năm t trên doanh thu thuần năm t-1.

Trong đó: Sales là doanh thu thuần.

Tăng trưởng thì không có tiềm ẩn hành vi thao túng, nhưng các công ty tăng

trưởng bất thường thì được các chuyên gia đề xuất để dự báo khả năng xảy ra gian

lận BCTC, bởi vì nhà quản lý phải chịu áp lực đạt chỉ tiêu về vốn và khả năng tài

chính của hội đồng quản trị đề ra (National Commission on Fraudulent Financial

Reporting (1987), National Association of Certified Fraud Examiners (1993)), vì

thế để tạo ra một kết quả hoạt động kinh doanh đẹp, để thỏa mãn cổ đông và để thu

hút nhà đầu tư, nhà quản lý có thể thổi phòng doanh thu bán hàng. Nếu các doanh

nghiệp đang tăng trưởng nhưng phải đối mặt với những tổn thất do việc sụt giảm giá

cổ phiếu trên TTCK gây ra, thì họ có động cơ thực hiện hành vi điều chỉnh lợi

nhuận. Theo Fridson (1993) nhận định rằng “Các công ty cố gắn làm phai mờ đi

tình trạng sự tăng trưởng của họ đang giảm dần, vì nếu tình trạng này được công

khai có thể gây cho họ sự tổn thất khá lớn”. Một doanh nghiệp có tỷ số SGI càng

lớn thì khả năng xảy ra hành vi điều chỉnh lợi nhuận càng lớn.

* SGAI – Tỷ số chi phí bán hàng và quản lý doanh nghiệp trên doanh thu

thuần (Sales, general and administrative expenses)

SGAI là tỷ số chi phí bán hàng và quản lý doanh nghiệp trên doanh thu thuần

năm t so với năm t-1.

Trong đó: Sales là doanh thu thuần; SG&A là chi phí bán hàng và quản lý

doanh nghiệp.

Lev và Thiagarajan (1993) giải thích rằng sự gia tăng doanh thu không cân

xứng với chi phí là một tín hiệu xấu đối với sự phát triển của doanh nghiệp trong

tương lai. Beneish kỳ vọng sẽ tìm ra mối quan cùng chiều giữa biến SGAI và xác

suất xảy ra hành vi điều chỉnh lợi nhuận.

* LVGI – Tỷ số đòn bẩy tài chính (Leverage Index)

LVGI là tỷ số của tổng nợ phải trả trên tổng tài sản năm t so với năm t-1.

Trong đó: LTD là nợ dài hạn, TA là tổng tài sản, CL là nợ ngắn hạn.

Tỷ số LVGI lớn hơn 1 cho thấy rằng doanh nghiệp đã tăng cường việc sử

dụng nợ. Dựa vào kết quả nghiên cứu của Beneish và Press (1993), Beneish đã tìm

ra mối quan hệ giữa sự thay đổi của đòn bẩy tài chính trong cấu trúc vốn và hiệu

quả hoạt động của TTCK có mối liên quan nhau. Doanh nghiệp có LVGI lớn, có thể

dự báo rằng doanh nghiệp đang phải chịu một sức ép lớn về tài chính, điều này làm

tăng khả năng doanh nghiệp thực hiện hành vi điều chỉnh lợi nhuận gây ra sai sót

thông tin trên BCTC.

3.6.2.2. Biến liên quan đến dòng tiền thuần từ hoạt động kinh doanh và

dồn tích

* TATA – Tỷ số biến dồn tích kế toán so với tổng tài sản (Total accruals to

total assets)

Theo nghiên cứu của Hribar và Collins (2002) đã kết luận rằng dựa vào bảng

lưu chuyển tiền để tính tổng dồn tích sẽ dễ thực hiện và dễ hiểu hơn cách tiếp cận từ

bảng cân đối kế toán, do đó tác giả đã chọn cách tiếp cận báo cáo lưu chuyển tiền để

tính tổng dồn tích thay vì dựa vào bảng cân đối kế toán để tính tổng dồn tích như

Beneish (1999). Khi đó, tổng dồn tích = NI – CFO.

Trong đó: NI là lợi nhuận sau thuế; CFO là dòng tiền thuần từ hoạt động

kinh doanh; TA là tổng tài sản.

Tổng toán dồn tích là phần chênh lệch giữa lợi nhuận sau thuế và dòng tiền

thuần từ hoạt động kinh doanh. Tổng dồn tích trong kỳ kế toán trước được sử dụng

để đánh giá mức độ nhà quản lý dựa vào biến kế toán có thể điều chỉnh để thay đổi

lợi nhuận. Beneish sử dụng tỷ số TATA để đo lường lượng tiền mặt tồn quỹ thực tế

của doanh nghiệp, giá trị tỷ số TATA càng lớn, thì lượng tiền mặt tồn quỹ càng

thấp, xác suất doanh nghiệp đang điều chỉnh lợi nhuận càng lớn.

3.6.2.3. Biến liên quan hành vi lựa chọn chính sách kế toán của doanh

nghiệp

* DEPI – Tỷ số khấu hao tài sản cố định hữu hình (Depreciation index)

DEPI là tỷ số mức khấu hao năm t – 1 so với mức khấu hao năm t.

Trong đó: DEP là khấu hao; PP&E là giá trị còn lại của tài sản cố định hữu

hình.

Tỷ số DEPI lớn hơn 1 chỉ ra rằng mức khấu hao của TSCĐ đã bị giảm –

doanh nghiệp đã thay đổi ước tính về thời gian khấu hao của tài sản để tăng lợi

nhuận. Beneish kỳ vọng rằng có mối tương quan thuận chiều giữa tỷ số DEPI và

xác xuất xảy ra hành vi điều chỉnh lợi nhuận.

* AQI – Tỷ số chất lượng tài sản (Asset Quality Index)

AQI dùng để đo lường tỷ số chất lượng tài sản năm t so với năm t-1.

Trong đó: CA là tài sản ngắn hạn; PP&E là giá trị còn lại của tài sản cố định

hữu hình; TA là tổng tài sản.

Theo Siegel (1991) cho rằng AQI đo lường khả năng rủi ro có thể xảy ra

trong sự thay đổi của tài sản. Nếu tỷ số AQI lớn hơn 1, có khả năng doanh nghiệp

đã thực hiện hành vi trì hoãn việc ghi nhận chi phí vốn hóa và chuyển chi phí sang

các kỳ sau. Phản ánh sai giá trị tài sản, tăng lợi nhuận, giảm chi phí.

Beneish kỳ vọng sẽ tìm ra mối tương quan thuận chiều giữa tỷ số AQI và xác

suất xảy ra hành vi thao túng lợi nhuận.

Sau khi phân tích mối quan hệ giữa các biến độc lập với biến phụ thuộc, tác

giả đã xây dựng 8 giả thuyết, được trình bày trong bảng 3.3 dưới đây.

Bảng 3.3. Tổng hợp các biến độc lập trong mô hình nghiên cứu

Nguồn thu Tên thập dữ STT Công thức tính biến liệu

Bảng 1 DSRI

CĐKT và

Báo cáo Trong đó: Receivables là các khoản phải thu khách

KQHĐKD hàng; Sales là doanh thu thuần.

Báo cáo 2 GMI

KQHĐKD

Trong đó: COGS là giá vốn hàng bán; Sales là

doanh thu thuần.

Báo cáo 3 SGI

KQHĐKD

Trong đó: Sales là doanh thu thuần.

Báo cáo 4 SGAI

KQHĐKD

Trong đó: Sales là doanh thu thuần; SG&A: chi phí

bán hàng và quản lý doanh nghiệp.

Bảng 5 LVGI

CĐKT

Trong đó: LTD là nợ dài hạn; TA là tổng tài sản,

CL là nợ ngắn hạn.

Báo cáo 6 TATA

KQHĐKD

và Báo cáo Trong đó: NI là lợi nhuận sau thuế, CFO là dòng

LCTT tiền thuần từ hoạt động kinh doanh; TA là tổng tài

sản.

Bảng 7 DEPI

CĐKT

Trong đó: DEP là khấu hao; PP&E là giá trị còn lại

của TSCĐ hữu hình.

Bảng 8 AQI

CĐKT

Trong đó: CA là tài sản ngắn hạn; PP&E là giá trị

còn lại của tài sản cố định hữu hình.

(Nguồn: tác giả tổng hợp)

Bảng 3.4. Tóm tắt các giả thuyết nghiên cứu

Kỳ vọng tác Giả động lên biến Nội dung giả thuyết thuyết phụ thuộc

Tỷ số DRSI có mối quan hệ cùng chiều với khả H1 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số GMI có mối quan hệ cùng chiều với khả H2 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số SGI có mối quan hệ cùng chiều với khả H3 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số SGAI có mối quan hệ cùng chiều với khả H4 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số LVGI có mối quan hệ cùng chiều với khả H5 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số TATA có mối quan hệ cùng chiều với khả H6 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số DEPI có mối quan hệ cùng chiều với khả H7 + năng xảy ra sai sót thông tin trên BCTC

Tỷ số AQI có mối quan hệ cùng chiều với khả H8 +

năng xảy ra sai sót thông tin trên BCTC

(Nguồn: tác giả tổng hợp)

3.7. Phân tích dữ liệu và kiểm định giả thuyết

Tác giả sử dụng phần mềm Stata 13 và Microsoft Excel 2010 để xử lý dữ

liệu nhằm mục tiêu xây dựng mô hình định lượng M-score phát hiện sai sót thông

tin trên BCTC.

Sau khi thu thập dữ liệu, tác giả tiến hành phân tích dữ liệu theo các bước

Bƣớc 1: Thực hiện các phân tích ban đầu

Với bước phân tích này, tác giả sẽ tiến hành sàn lọc mẫu nghiên cứu, loại bỏ

các quan sát có giá trị quá lớn, quá nhỏ, quá khác biệt so với cỡ mẫu. Mục đích của

bước này nhằm đảm bảo độ tin cậy cho kết quả định lượng.

Bƣớc 2: Xây dựng mô hình M-score với dữ liệu BCTC đã thu thập trong

giai đoạn 2011 - 2015

Tác giả dùng hồi quy binary logistics để tìm ra các biến độc lập tác động lên

biến phụ thuộc M.

Dạng tổng quát mô hình hồi quy binary logistics như sau: Yi = β0 + βiXi + u

Trong đó: Xi là biến độc lập, Yi là biến phụ thuộc.

Phương trình hồi quy binary logistics có dạng:

Ln = [P(Y=1)/P(Y=0)] = Bo + B1X1 + B2X2 +...+ BjXi

Trong đó:

P(Y=1) = P0: xác suất xảy ra sự kiện. P(Y=0) = 1- P0: xác suất không xảy ra

sự kiện.

Xi: các biến độc lập; Ln: log của cơ số e (e = 2,714).

Hệ số Odds: là tỷ lệ giữa xác suất xảy ra sự kiện so với xác suất không xảy ra

sự kiện đó. Nếu P0 là xác suất xảy ra sự kiện, thì 1-P0 là xác suất không xảy ra sự

kiện.

Hệ số Odds được tính theo công thức sau: Odds = P0/1-P0

Ln(Odds) = Bo + B1X1 + B2X2 +...+ BjXi

Đây là một dạng hàm Logit. Hàm Ln của Odds là một hàm hồi quy tuyến

tính với các biến độc lập Xi. Hàm xác suất trên gọi là hàm phân phối logistics.

Trong hàm này khi nhận giá trị từ - ∞ đến + ∞ thì xác suất Pi nhận giá trị từ 0 đến 1.

Do là phi tuyến đối với X và các tham số, Y chỉ nhận một trong hai giá trị 0 hoặc 1,

do đó không thể áp dụng phương pháp bình phương nhỏ nhất (OLS) để ước lượng

các tham số, thay vào đó dùng ước lượng hợp lý cực đại (Maximum Likelihood) để

ước lượng các tham số.

Mô hình logit xem xét mức ảnh hưởng của biến độc lập Xi đến xác suất để

biến Y nhận giá trị 1. Ta có dạng hàm dự báo hồi quy binary logistics:

+ B

+...+ B

E(Y/Xi) = P0/1-P0 = eBo + B

X 1

1 X 2

2 X i

j

+...+ B

+ B

E(Y/Xi): xác suất để Y = 1 xuất hiện khi giá trị biến độc lập Xi có giá trị: X P = eBo + B 1 1

i/(1+ eBo + B X

+...+ B j

+ B 2

X i)

X 1

X 2

2

1 j

Mô hình logistics để phát hiện sai sót thông tin trên BCTC với các biến độc

lập đã phân tích có dạng sau:

M = β0 + β1(DSRI) + β2(GMI) + β3(AQI) + β4(SGI) + β5(DEPI) +

β6(SGAI) + β7(LVGI) + β8(TATA)

Sau khi xây dựng mô hình, tác giả tiến hành ước lượng mô hình bằng phần

mềm Stata 13 để tìm ra các biến độc lập có ý nghĩa thống kê.

Bƣớc 3: Đo lƣờng tác động biên của các biến hồi quy lên biến phụ thuộc

Tác động biên là một thước đo sự tác động của các biến hồi quy lên biến phụ

thuộc. Trong luận văn này, tác giả sẽ dùng phần mềm Stata 13 để tính chỉ số Odds

ratio đo lường sự tác động của các biến độc lập lên biến phụ thuộc, ngoài ra có thể

tính giá trị chỉ số Odds ratio bằng cách lấy lũy thừa cơ số e của hệ số coefficients

(dùng hàm EXP(coefficients) trong Microsoft Excel.

Bƣớc 4: Ƣớc lƣợng ngƣỡng giá trị để phân loại các doanh nghiệp có sai

sót thông tin trên BCTC và đo lƣờng khả năng dự báo của mô hình với dữ liệu

năm 2016

Với bước này tác giả xác định ngưỡng giá trị để phân loại loại các doanh

nghiệp có sai sót thông tin trên BCTC chưa kiểm toán độc lập hay không và kiểm

định lại khả năng phát hiện sai sót thông tin trên BCTC với dữ liệu năm 2016.

Theo kết quả nghiên cứu của Beneish (1999) thì xác suất xảy ra hành vi thao

túng lợi nhuận được xác định với tỷ lệ từ 1 đến 2,5% miền phân phối của giá trị

Mt, điều này có ý nghĩa là 1 đến 2,5% doanh nghiệp có dấu hiện đã thực hiện

hành vi thao túng lợi nhuận. Kế thừa kết quả nghiên cứu của Beneish, tác giả tiến

hành thực hiện các bước phân tích để xác định ngưỡng giá trị phân loại dành cho

các doanh nghiệp niêm yết trên HOSE và HNX.

Tác giả sử dụng hàm Normsinv trong phần mềm Microsoft Excel 2010 để

tính giá trị phân loại M-score tại các xác suất dự báo 1%, 5%, 10%, 15%, 20%,

25%, 30%, 35%, 40%, 45%.

Ngưỡng giá trị phân loại M-score tại các xác suất dự báo được trình bày tại

bảng 3.5.

Bảng 3.5. Ngƣỡng giá trị phân loại M-score tƣơng ứng với các xác suất dự báo

Ngƣỡng giá trị Xác suất dự báo

phân loại M-Score

1% -2,32635

5% -1,64485

10% -1,28155

15% -1,03643

20% -0,84162

25% -0,67449

30% -0,5244

35% -0,38532

40% -0,25335

45% -0,12566

(Nguồn: tác giả tính toán)

Nếu Mi (giá trị M của doanh nghiệp i) > ngưỡng giá trị phân loại M-Score đã

được xác định, thì doanh nghiệp i thuộc diện có khả năng xảy ra sai sót thông tin

trên BCTC.

Khi so sánh kết quả mô hình dự báo và kết quả kiểm toán BCTC sẽ có các

trường hợp sau xảy ra:

- Mô hình phát hiện doanh nghiệp có sai sót thông tin trên BCTC, kiểm toán

xác định có sai sót thông tin trên BCTC -> đúng loại -

- Mô hình phát hiện doanh nghiệp không có sai sót thông tin trên BCTC,

kiểm toán xác định không có sai sót thông tin trên BCTC -> đúng loại +

- Mô hình phát hiện doanh nghiệp không có sai sót thông tin trên BCTC,

kiểm toán xác định có sai sót thông tin trên BCTC -> sai loại -

- Mô hình phát hiện doanh nghiệp có sai sót thông tin trên BCTC, kiểm toán

xác định không có sai sót thông tin trên BCTC -> sai loại +

Mức độ đo lường khả năng dự báo của mô hình được tính bằng tổng số đúng

loại (không phân biệt đúng loại – hay +) trên tổng số quan sát.

Dựa vào lý thuyết xác suất thống kê về sai lầm loại 1 và loại 2 để tính mức

độ dự báo của mô hình với dữ liệu năm 2016 (xem bảng 3.6).

Bảng 3.6. Phân loại sai lầm loại 1 và loại 2

Không có sai sót Có sai sót thông tin Kết quả kiểm toán thông tin trên trên BCTC BCTC Kết quả dự báo

đúng loại – sai loại +

Có sai sót thông tin trên BCTC

sai loại – đúng loại + Không có sai sót thông tin trên

BCTC

Kết luận chƣơng 3

Dựa vào nghiên cứu của Beneish (1999), tác giả đã tiến hành xác định đối

tượng nghiên cứu là BCTC của các doanh nghiệp phi tài chính niêm yết trên HOSE

và HNX, thời gian lấy số liệu từ 2011 – 2016, sau khi xác định được đối tượng cũng

như phạm vi nghiên cứu, tác giả xây dựng mô hình nghiên cứu, tiếp theo tác giả đưa

ra các tiêu thức để chọn mẫu nghiên cứu và tiêu thức để phân loại mẫu nghiên cứu

thuộc nhóm mẫu có sai sót hay không có sai sót, dựa vào các tiêu thức đưa ra, tác

giả thu thập được 360 mẫu quan sát dùng để xây dựng mô hình nghiên cứu ngoài ra

tác giả còn thu thập thêm 90 mẫu ngoài mẫu nghiên cứu để đo lường khả năng phát

hiện sai sót thông tin trên BCTC và xác định ngưỡng giá trị phân loại M-score. Với

360 mẫu quan sát dùng để xây dựng mô hình nghiên cứu có 232 quan sát thuộc

nhóm mẫu có sai sót, 128 quan sát thuộc nhóm mẫu không có sai sót. Tiếp theo, tác

giả đã xây dựng tám giả thiết nghiên cứu và các công thức tính liên quan đến các

biến độc lập. Dữ liệu nghiên cứu được thiết kế theo dạng bảng (panel data). Quy

trình phân tích dữ liệu nghiên cứu gồm bốn bước. Bước 1: thực hiện các phân tích

ban đầu, bước 2: Xây dựng mô hình M-score, bước 3: Đo lường tác động biên của

các biến hồi quy lên biến phụ thuộc và bước cuối cùng là: Ước lượng ngưỡng giá trị

để phân loại các doanh nghiệp có sai sót thông tin trên BCTC và đo lường khả năng

dự báo của mô hình.

CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Nội dung chương này, tác giả phân tích và thảo luận kết quả thực hiện được

sau khi tiến hành thực hiện các bước phân tích dữ liệu như đã trình bày ở mục 3.7.

4.1. Thực hiện các phân tích ban đầu

Sau khi thu thập dữ liệu, tác giả tiến hành sàn lọc các mẫu quan sát, loại bỏ

các mẫu có kích thước quá lớn, quá nhỏ, sau quá trình sàn lọc, tác giả thu được 360

quan sát, tiếp theo tác giả tính toán giá trị của các biến độc lập và nhập bảng dữ liệu

vào phần mềm Stata 13, thực hiện phân tích thống kê mô tả, kết quả được trình bày

tại bảng 4.1.

Bảng 4.1. Bảng thống kê mô tả

Nguồn: tính toán của tác giả từ Stata 13

Hình 4.1. Đồ thị biểu thị sự phân bố của các biến độc lập

Đồ thị số 1 Đồ thị số 2

Đồ thị số 3 Đồ thị số 4

Đồ thị số 8

Đồ thị số 5 Đồ thị số 6

Đồ thị số 7

Trong mô hình, tác giả đưa vào các biến độc lập, cụ thể như sau: DSRI,

GMI, AQI, SGI, DEPI, SGAI, LVGI, TATA. Qua bảng thống kế và biểu đồ, tác giả

tìm thấy một số đặc điểm như sau:

- DSRI (Tỷ số phải thu khách hàng/Doanh thu thuần): Tỷ số này có giá trị

trung bình là 1,751741, giá trị lớn nhất là 4,50603, giá trị nhỏ nhất là 0,00136, độ

lệch chuẩn là 1,270267, đồ thị cho thấy giá trị tỷ số này phân bố chủ yếu bên phải

giá trị trung bình. (xem đồ thị số 1)

- GMI (Tỷ số tỷ suất lợi nhuận biên): Tỷ số này có giá trị trung bình là

2,450446, giá trị lớn nhất là 7,77691, giá trị nhỏ nhất là -5,94913, độ lệch chuẩn là

3,594845, đồ thị cho thấy giá trị tỷ số này phân bố đều quanh giá trị trung bình.

(xem đồ thị số 2)

- AQI (Tỷ số chất lượng tài sản): Tỷ số này có giá trị trung bình là 2,3052,

giá trị lớn nhất là 4,33853, giá trị nhỏ nhất là 1,17021, độ lệch chuẩn là 0,7003821,

đồ thị cho thấy giá trị tỷ số này phân bố chủ yếu bên phải giá trị trung bình. (xem đồ

thị số 3)

- SGI (Tỷ số tốc độ tăng trưởng doanh thu): Tỷ số này có giá trị trung bình

là 2,242554, giá trị lớn nhất là 3,79618, giá trị nhỏ nhất là 0,97875, độ lệch chuẩn là

0,6742196, đồ thị cho thấy giá trị tỷ số này phân bố chủ yếu bên phải giá trị trung

bình. (xem đồ thị số 4)

- DEPI (Tỷ số khấu hao tài sản cố định hữu hình): Tỷ số này có giá trị

trung bình là 1,213098, giá trị lớn nhất là 2,28324, giá trị nhỏ nhất là -0,62019, độ

lệch chuẩn là 0,5704986, đồ thị cho thấy giá trị tỷ số này phân bố chủ yếu bên phải

giá trị trung bình. (xem đồ thị số 5)

- SGAI (Tỷ số chi phí bán hàng/doanh thu): Tỷ số này có giá trị trung bình

là 0,9018284, giá trị lớn nhất là 1,99921, giá trị nhỏ nhất là 0,13744, độ lệch chuẩn

là 0,4333597, đồ thị cho thấy giá trị tỷ số này phân bố đều quanh giá trị trung bình.

(xem đồ thị số 6)

- LVGI (Tỷ số tổng nợ/tổng tài sản): Tỷ số này có giá trị trung bình là

1,194651, giá trị lớn nhất là 2,39263, giá trị nhỏ nhất là 0,06516, độ lệch chuẩn là

0,6486505, đồ thị cho thấy giá trị tỷ số này phân bố đều quanh giá trị trung bình.

(xem đồ thị số 7)

- TATA (Tỷ số biến dồn tích kế toán so với tổng tài sản ): Tỷ số này có giá

trị trung bình là 0,1359081, giá trị lớn nhất là 0,86131, giá trị nhỏ nhất là -0,74301,

độ lệch chuẩn là 0,4964235, đồ thị cho thấy giá trị tỷ số này phân bố đều quanh giá

trị trung bình. (xem đồ thị số 8)

4.2. Kết quả hồi quy với mô hình hồi qui binary logistics

Ước lượng mô hình (*) bằng phần mềm Stata 13, được kết quả trình bày tại

bảng 4.2.

Bảng 4.2. Kết quả hồi quy logistics để dự báo khả năng phát hiện sai sót

thông tin trên BCTC theo các biến độc lập

Nguồn: tính toán của tác giả từ Stata 13

Bảng 4.2 trình bày kết quả của hồi quy Logistic để dự báo khả năng doanh

nghiệp có sai sót thông tin trên BCTC theo các biến độc lập. Theo điều kiện của mô

hình hồi quy với biến phụ thuộc là biến nhị phân, các doanh nghiệp bị xếp vào

nhóm có sai sót nhận giá trị là 1 và các doanh nghiệp được đánh giá là không có sai

sót thông tin trên BCTC nhận giá trị là 0. Bài nghiên cứu phát triển các mô hình để

dự báo trước khả năng doanh nghiệp có sai sót thông tin trên BCTC hay không

thông qua các tỷ số tài chính của doanh nghiệp.

Theo kết quả hồi quy ở bảng 4.2, xác suất kiểm định lớn hơn Chi bình

phương, với Prob > Chi2 = 0,000, các biến trong mô hình đều có tác động đến khả

năng phát hiện sai sót thông tin trên BCTC. Từ phân tích về giá trị kiểm định, kết

luận rằng mô hình đáng tin cậy.

* Phân tích kết quả hồi quy:

Như vậy, có thể thấy phần lớn các biến trong mô hình nghiên cứu đều có mối

tương quan ý nghĩa với biến phụ thuộc ở mức ý nghĩa 5 . Biến DSRI (Tỷ số phải

thu khách hàng/Doanh thu thuần) và biến AIQ (Tỷ số chất lượng tài sản) có chỉ số

P-value lớn hơn mức ý nghĩa 5 , cho nên biến DSRI không có mối quan hệ ý nghĩa

thống kê với khả năng BCTC sai sót. Như vậy, giả thuyết H1 cho rằng tỷ số phải

thu khách hàng trên doanh thu thuần càng lớn thì xác suất lợi nhuận được công bố

cao hơn lợi nhuận thực tế càng lớn bị bác bỏ. Tương tự, giả thuyết H8 về xác suất

BCTC có sai sót sẽ lớn hơn khi biến AIQ lớn hơn 1 bị bác bỏ. Giống như biến

DSRI và biến AIQ, biến TATA (Tỷ số biến dồn tích kế toán so với tổng tài sản) có

chỉ số P-value lớn mức ý nghĩa 5 , vì vậy giả thuyết H6 cho rằng khi giá trị TATA

càng lớn thì khả năng BCTC có sai sót càng lớn bị bác bỏ.

Từ kết quả hồi quy được trình bày tại bảng 4.2, các biến GMI, SGI, SGAI,

LVGI và DEPI đều có chỉ số P-value nhỏ hơn mức ý nghĩa 5%, vì vậy mô hình

nghiên cứu sẽ có 5 biến: GMI, SGI, SGAI, LVGI, DEPI. Điều này cho thấy các tỷ

số này có khả năng phát hiện sai sót thông tin trên BCTC hiệu quả.

Với biến GMI, kết quả hồi quy cho thấy mối quan hệ cùng chiều với xác suất

doanh nghiệp rơi vào khả năng có sai sót thông tin trên BCTC với hệ số gốc là

0,1359015 với chỉ số P-value là 0.006, có mối tương quan cùng chiều với biến phụ

thuộc, theo đúng như kỳ vọng của giả thuyết đặt ra. Như vậy giả thuyết H2 được

chấp nhận, điều này cho thấy một doanh nghiệp xuất hiện viễn cảnh phát triển trong

tương lai xấu, tỷ suất lợi nhuận gộp biên suy giảm qua các năm thì xác suất doanh

nghiệp có sai sót thông tin trên BCTC càng lớn. Kết quả này cũng phù hợp với

nghiên cứu của Lev và Thiagarajan (1993) . Tuy nhiên độ lớn của biến GMI thấp

nhất trong các biến, có thể thấy rằng biến GMI tác động không lớn đến khả năng

phát hiện sai sót thông tin trên BCTC.

Kết quả hồi quy cho thấy một dấu hiệu (+) của biến SGI chỉ ra rằng một mối

quan hệ cùng chiều giữa tỷ số tăng trưởng doanh thu thuần và xác suất doanh

nghiệp rơi vào khả năng có sai sót thông tin trên BCTC với giá trị thống kê

0.015<0.05, phù hợp với kỳ vọng giả thuyết ban đầu vì vậy giả thuyết H3 không bị

bác bỏ. Điều này cảnh báo rằng một doanh nghiệp có tốc độ tăng trưởng nhanh đột

biến thì có thể dẫn đến khả năng lớn doanh nghiệp có hành vi gây sai sót thông tin

trên BCTC.

Đối với biến số DEPI, có mối quan hệ đồng biến với xác suất doanh nghiệp

rơi vào khả năng có sai sót thông tin trên BCTC với hệ số gốc là 0,6421761 và giá

trị thống kê là 0.046, phù hợp với kỳ vọng giả thuyết ban đầu vì vậy giả thuyết H7

không bị bác bỏ. Mối quan hệ này thể hiện rằng khi tỷ số giữa mức khấu hao năm t-

1 và mức khấu hao năm t tăng cho thấy khả năng doanh nghiệp đang điều chỉnh thời

gian khấu hao của tài sản, điều này gây ra sai sót thông tin trên BCTC.

Hệ số gốc của biến SGAI là 0,8470227 và giá trị thống kê là 0.043, dấu hiệu

dương thể hiện mối quan hệ đồng biến, cho thấy rằng tỷ số chi phí bán hàng và

quản lý doanh nghiệp của doanh nghiệp cao không tương ứng với doanh thu thì xác

suất doanh nghiệp có sai sót thông tin trên BCTC cao. Điều này phù hợp với giả

thuyết ban đầu đặt ra, cho nên giả thuyết H4 được chấp nhận. Kết quả này cũng

tương đồng với kết quả nghiên cứu của Lev và Thiagarajan (1993).

Biến cuối cùng là biến LVGI, kết quả hồi quy cho thấy hệ số gốc biến này

nhận giá trị là 2,369063 và giá trị thống kê là 0.000, thể hiện rằng, đó là một mối

quan hệ đồng biến giữa biến này và xác suất xảy ra sai sót thông tin trên BCTC, phù

hợp với giả thuyết ban đầu do đó giả thuyết H5 được chấp nhận. Doanh nghiệp có

LVGI lớn, có thể dự báo rằng doanh nghiệp đang phải chịu một sức ép lớn về tài

chính, điều này làm tăng khả năng doanh nghiệp thực hiện hành vi điều chỉnh lợi

nhuận gây ra sai sót thông tin trên BCTC. Hệ số ước lượng cho biến LVGI có giá trị

tuyệt đối cao nhất so với biến SGI, SGAI, DEPI, GMI. Biến này tác động lớn đến

khả năng phát hiện phát hiện sai sót thông tin trên BCTC của mô hình định lượng.

Sau khi phân tích hồi quy logistic để tìm các biến độc lập thực sự tác động

lên biến phụ thuộc, tác giả tiến hành thực hiện đánh giá tính phù hợp của mô hình,

kết quả được trình bày tại bảng 4.3.

Theo quan sát thực tế, có 190+42 = 232 doanh nghiệp có sai sót thông tin

trên BCTC và có 27+101 = 128 doanh nghiệp không sai sót thông tin trên BCTC.

Tuy nhiên theo dự đoán có 190+27 = 217 doanh nghiệp có sai sót thông tin trên

BCTC và 42+101 = 143 doanh nghiệp có sai sót thông tin trên BCTC.

Như vậy trong 232 doanh nghiệp có sai sót thông tin trên BCTC, có 190

trường hợp dự đoán đúng, như vậy tỷ lệ dự đoán đúng là 190/232 = 81,90% . Trong

128 doanh nghiệp không sai sót thông tin trên BCTC, dự đoán đúng 42 trường hợp,

như vậy tỉ lệ dự đoán đúng là 101/128 = 78,91% . Vậy trung bình tỉ lệ dự đoán đúng

là (190+101)/(190+101+42+27) = 80,83% . Dựa vào đây có thể kết luận mô hình có

khả năng phân loại chính xác là 80,83% hai giá trị 0 và 1 của biến phụ thuộc. Với

kết quả phân loại này, có thể nhận định mô hình là đáng tin cậy.

Bảng 4.3. Kết quả đánh giá tính phù hợp của mô hình

Nguồn: tính toán của tác giả từ Stata 13

Bảng 4.4. Bảng tổng hợp mức độ tác độ tác động của biến độc lập lên

biến phụ thuộc

Biến Mức tác động Tác động lên biến

phụ thuộc

LVGI – Tỷ số đòn bẩy tài chính 2,369063 +

SGAI - tỷ số chi phí bán hàng và 0,847022 +

quản lý doanh nghiệp trên doanh thu

DEPI –tỷ số khấu hao TCSĐ hữu 0,6421761 +

hình

GMI – Tỷ số tỷ suất lợi nhuận gộp 0,1359015 +

biên

SGI - tỷ số tăng trưởng doanh thu 0,8734815 +

thuần

Kết luận: Mô hình định lượng dùng để phát hiện sai sót thông tin trên BCTC

của các doanh nghiệp niêm yết được trình bày như sau:

M = -6,103348 + 0,1359015GMI + 0,8734815SGI + 0,6421761DEPI

0,8470227SGAI + 2.369063LVGI (*)

4.3. Đo lƣờng tác động biên của các biến hồi quy lên biến phụ thuộc

Sau khi thực hiện tính toán chỉ số Odds-ratio bằng phần mềm Stata, được kết

quả như sau (xem bảng 4.5):

Bảng 4.5. Tác động biên của các biến hồi quy lên biến phụ thuộc

Nguồn: tính toán của tác giả từ Stata 13

Bảng 4.5 trình bày tác động biên của từng biến độc lập đối với xác suất để

doanh nghiệp có sai sót thông tin trên BCTC. Các biến dự báo với ảnh hưởng lớn

nhất, về mặt giá trị tuyệt đối trong mô hình là biến: LVGI, SGI và SGAI, theo thứ

tự của tầm quan trọng, biến DEPI và GMI có ảnh hưởng nhỏ lên biến phụ thuộc khi

mà giữ cho tất cả những biến độc lập khác không đổi.

Trong các biến số tỷ số tài chính, biến số LVGI có mức độ tác động biên lớn

nhất. Cụ thể là khi giá trị biến LVGI tăng 1 đơn vị thì Odds của việc doanh nghiệp

có sai sót thông tin trên BCTC (so với không sai sót thông tin trên BCTC) tăng một

lượng 10,68738, trong điều kiện các biến độc lập khác không thay đổi giá trị.

Biến số có mức tác động biên lớn thứ hai là biến SGI. Cụ thể, khi giá trị biến

SGI tăng 1 đơn vị thì Odds của việc doanh nghiệp có sai sót thông tin trên BCTC

(so với không sai sót thông tin trên BCTC) tăng một lượng 2,395235.

Biến số có mức tác động biên lớn thứ ba là biến SGAI. Cụ thể, khi giá trị

biến SGAI tăng 1 đơn vị thì Odds của việc doanh nghiệp có sai sót thông tin trên

BCTC (so với không sai sót thông tin trên BCTC) tăng một lượng 2,332691.

Hai biến số có mức tác động biên lên biến phụ thuộc tương đối nhỏ là biến:

DEPI và GMI. Cụ thể, khi giá trị biến từng SGAI, GMI tăng 1 đơn vị thì Odds của

việc doanh nghiệp có sai sót thông tin trên BCTC (so với không sai sót thông tin

trên BCTC) tăng một lượng tương ứng là: 1,900612 và 1,145569.

4.4. Ƣớc lƣợng ngƣỡng giá trị để phân loại các doanh nghiệp có sai sót

thông tin trên BCTC và đo lƣờng khả năng dự báo của mô hình

Dựa vào mô hình định lượng (*) đã được trình bày ở mục 4.2, tác giả sử

dụng dữ liệu BCTC năm 2016 để ước lượng ngưỡng giá trị phân loại.

Sau khi dùng phần mềm Microsoft Excel để tính chỉ số M-score của các

doanh nghiệp trong mẫu nghiên cứu theo mô hình (*), với dữ liệu BCTC đã kiểm

toán năm 2016, kết quả được trình bày tại 4.6.

Bảng 4.6. Kết quả so sánh độ dự báo chính xác của mô hình

Ngƣỡng xác Đúng loại + Sai loại + Sai loại - Đúng loại - suất dự báo

6 1% 0 58 26

19 5% 1 57 13

24 10% 4 54 8

27 15% 5 53 5

28 20% 6 52 4

28 25% 6 52 4

28 30% 7 51 4

28 35% 8 50 4

28 40% 8 50 4

28 45% 8 50 4

Nguồn: tác giả tính toán

Dựa vào bảng 4.6, ta có thể so sánh kết quả dự báo của mô hình (**) tại các

ngưỡng xác suất dự báo, từ ngưỡng 1 đến 30 miền phân phối tương ứng với giá

trị phân loại từ -2,32635 đến -0,52440, tỷ lệ dự báo chính xác của mô hình không

đồng đều tuy nhiên tỷ lệ dự báo chính xác khá cao và có chiều hướng tăng dần, sau

ngưỡng 30 tỷ lệ dự báo chính xác của mô hình gần như bão hòa, tỷ lệ dự báo

chính xác cao nhất tại ngưỡng xác suất 15 miền phân phối.

Tỷ lệ chính xác của mô hình dự báo tại ngưỡng xác suất 15% miền phân phối

của giá trị M được trình bày tại bảng 4.7.

Bảng 4.7. Tỷ lệ chính xác của mô hình dự báo

Không có sai sót Có sai sót thông tin Kết quả kiểm toán thông tin trên trên BCTC BCTC Kết quả dự báo

5 53

Có sai sót thông tin trên BCTC

27 5 Không có sai sót thông tin trên

BCTC

Tỷ lệ chính xác 53/58 = 91,38% 27/32 = 84,38%

Tổng độ chính xác 80/90 = 88,89%

Nguồn: tác giả tính toán

Tại ngưỡng xác suất 15 miền phân phối giá trị M tương ứng với giá trị

phân loại M-score là -1,03643, mô hình phân loại đúng 91,38 doanh nghiệp có sai

sót thông tin trên BCTC và 84,38 doanh nghiệp không có sai sót thông tin trên

BCTC. Mô hình dự báo có độ chính cao, so với kết quả kiểm toán độc lập, mô hình

có khả năng phát hiện các doanh nghiệp có sai sót thông tin trên BCTC ở mức

88,89%.

Kết luận chƣơng 4

Trong chương này tác giả đã thực hiện các phân tích và tìm ra các biến độc

lập thực sự tác động lên biến phụ thuộc khả năng doanh nghiệp có sai sót thông tin

trên BCTC.

Tác giả đã dùng hồi quy binary logistics để xây dựng mô hình nghiên cứu

với dữ liệu BCTC thu thập trong 5 năm 2011 – 2015 dựa trên các biến độc lập thực

sự tác động lên biến phụ thuộc ở trên.

Sau đó, tác giả dựa vào các giá trị: Chi – bình phương, xác suất giá trị kiểm

định và Correctly classified để xác định độ tin cậy của mô hình.

Kết quả sau khi chạy phân tích hồi quy binary logistics, có 3 biến độc lập bị

loại trừ do không có ý nghĩa thống kê ở mức 5 , mô hình còn lại 5 biến độc lập là:

LVGI, SGI, GMI, SGAI, DEPI, ít hơn so với mô hình gốc của Beneish (1999) 3

biến, tuy nhiên khả năng phân loại không vì thế mà thấp, mô hình có khả năng phân

loại chính xác là 80,83 hai giá trị 0 và 1 của biến phụ thuộc.

Tiếp theo đó, tác giả đã dùng dữ liệu BCTC năm 2016 kiểm định từng

ngưỡng xác suất dự báo khả năng phát hiện sai sót thông tin trên BCTC để tìm ra

ngưỡng xác suất mà tại đó mô hình có khả năng phát hiện sai sót thông tin trên

BCTC cao nhất, sau khi xác định được ngưỡng xác suất dự báo, tác giả xác định giá

trị phân loại M-score. Kết quả cho thấy mức tỷ lệ dự báo chính xác của mô hình là

88,89 với ngưỡng xác suất dự báo là 15 miền phân phối giá trị M tương ứng giá

trị phân loại M-score là -1,03643.

Với kết quả phân tích nêu trên, tác giả kiến nghị rằng khi xem xét để đánh

giá sai sót thông tin trên BCTC thì kiểm toán viên, nhà đầu tư hay cơ quan quản lý

thị trường chứng khoán cần chú ý tới các khoản mục như: đòn bẩy tài chính, tỷ suất

lợi nhuận biên, mức khấu hao, tốc độ tăng trưởng doanh thu, sự tương ứng giữa chi

phí bán hàng và quản lý doanh nghiệp so với doanh thu, chi tiết sẽ được trình bày ở

chương tiếp theo.

CHƢƠNG 5. KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH

5.1. Kết luận

Trong luận văn này tác giả đã thực hiện nghiên cứu xây dựng mô hình định

lượng và xác định chỉ số M-score trong việc phát hiện sai sót thông tin trên BCTC

dành cho các doanh nghiệp niêm yết trên HOSE và HNX.

Tác giả đã thực hiện phân tích chênh lệch lợi nhuận trên 360 mẫu quan sát

thu thập được trong giai đoạn 2011-2015, trong 360 mẫu quan sát thu thập được có

128 mẫu quan sát thuộc nhóm mẫu không có sai sót, 232 mẫu quan sát thuộc nhóm

mẫu có sai sót (những doanh nghiệp có chênh lệch LNTT trước và sau kiểm toán

độc lập từ 5%).

Với kết quả phân tích hồi quy binary logistics cho thấy các biến độc lập

trong mô hình có mối tương quan thuận chiều với biến phụ thuộc, điều này phù hợp

với kết quả nghiên cứu của Beneish (1999) và một số nghiên cứu khác trên thế giới.

Trong năm biến độc lập, thì có thể thấy mức tác động của biến LVGI lên biến phụ

thuộc là lớn nhất, điều này cũng hoàn toàn phù hợp với kết quả nghiên cứu của

Beneish và Press (1993), khi các doanh nghiệp có sự thay đổi trong cấu trúc vốn

bằng cách gia tăng các khoản nợ trong quá trình hoạt động kinh doanh nhằm mục

đích tạo ra lợi nhuận hoạt động, nếu doanh nghiệp không cẩn thận trong quá trình

sử dụng nợ thì sẽ tạo ra một áp lực về tài chính, thúc đẩy doanh nghiệp thực hiện

các hành vi gây ra sai sót thông tin trên BCTC nhằm che đi sự yếu kém trong tài

chính. Ngoài ra các yếu tố như: sự tăng trưởng đột biến trong doanh thu, thay đổi về

mức khấu hao tài sản cố định, sự sụt giảm trong tỷ suất lợi nhuận biên, chi phí bán

hàng và quản lý doanh nghiệp không tương xứng với doanh thu được tạo ra cũng là

các dấu hiệu cảnh báo về khả năng xảy ra hành vi gây sai sót thông tin trên BCTC

của các doanh nghiệp.

Kết quả nghiên cứu chỉ ra rằng, với các doanh nghiệp có chỉ số M-score lớn

hơn -1,03643 thì có nguy cơ xảy ra sai sót thông tin trên BCTC, khi kiểm toán các

doanh nghiệp thuộc nhóm này, kiểm toán viên cần chú ý trong khâu thiết kế các thủ

tục kiểm toán để có thể phát hiện ra các sai sót, còn đối với nhà đầu tư cần thận

trọng khi ra quyết định đầu tư ở các doanh nghiệp có chỉ số M-score lớn hơn -

1,03643, cơ quan quản lý TTCK cần tăng cường các biện pháp kiểm tra BCTC ở

các doanh nghiệp này để phát hiện ra hành vi gây sai sót thông tin. Một điều đáng

lưu ý, chỉ số M-score không đưa ra kết quả chính xác tuyệt đối về thực trạng doanh

nghiệp có sai sót thông tin trên BCTC hay không, chỉ số M-score là một công cụ

dùng để cảnh báo kiểm toán viên, nhà đầu tư và cơ quan quản lý TTCK về khả năng

sai sót thông tin trên BCTC của các DNNY.

5.2. Một số gợi ý chính sách

Mặc dù TTCK tồn tại nhiều rủi ro nhưng TTCK vẫn là một kênh huy động

vốn quan trọng cho đầu tư phát triển, do đó để TTCK ngày càng phát triển bền vững

thì các thông tin trên BCTC phải chất lượng, để làm được điều này thì công ty kiểm

toán độc lập, cơ quan quản lý TTCK, nhà đầu tư cần phải nâng cao việc phát hiện

sai sót thông tin trên BCTC, từ kết quả nghiên cứu tác giả đề xuất một số chính sách

để nâng cao việc phát hiện sai sót thông tin trên BCTC, cụ thể như sau:

5.2.1. Đối với kiểm toán viên

Tuân thủ đúng Chuẩn mực kiểm toán Việt Nam số 240 (VSA 240), khi thực

hiện kiểm toán theo các chuẩn mực kiểm toán Việt Nam, kiểm toán viên chịu trách

nhiệm đạt được sự đảm bảo hợp lý rằng liệu BCTC, xét trên phương diện tổng thể,

có còn sai sót trọng yếu do gian lận hoặc nhầm lẫn hay không.

Để đạt được sự đảm bảo hợp lý rằng liệu BCTC, xét trên phương diện tổng

thể, có còn sai sót trọng yếu do gian lận hoặc nhầm lẫn hay không, trong suốt quá

trình kiểm toán, kiểm toán viên cần duy trì thái độ hoài nghi nghề nghiệp.

Gian lận xuất hiện trong mọi cuộc kiểm toán và rất khó để phát hiện gian lận

vì hành vi thực hiện gian lận rất tinh vi. Vì thế, kiểm toán viên cần phải nâng cao

năng lực chuyên môn, phẩm chất đạo đức, đạo đức nghề nghiệp và trang bị đầy đủ

các kỹ thuật phát hiện sai sót thông tin trên BCTC do gian lận gây ra. Thường

xuyên cập nhật và hệ thống hóa các văn bản liên quan đến lĩnh vực kiểm toán.

Trước khi tiến trình lập kế hoạch kiểm toán, kiểm toán viên cần phải tính

toán chỉ số M-score của doanh nghiệp theo công thức tác giả trình bày tại mô hình

(**), với dữ liệu tại năm cần kiểm toán để đánh giá xác suất doanh nghiệp có sai sót

thông tin trên BCTC. Ngoài ra, kiểm toán viên xem xét đến ngành nghề kinh doanh,

mức cạnh tranh của ngành nghề kinh doanh trên thị trường cao hay thấp, tình hình

kinh tế đang khó khăn hay thuận lợi, nếu doanh nghiệp đang phải đối mặt với sức

cạnh tranh gay gắt cùng với tình hình kinh tế đang khó khăn thì nguy cơ doanh

nghiệp có hành vi gây sai sót thông tin trên BCTC. Đối với những doanh nghiệp

chuyên về xuất khẩu có thể không xuất hóa đơn và ghi nhận doanh thu với hàng hóa

được bán trong nước nhằm trốn thuế, kiểm toán viên cần chú ý đến khoản mục hàng

tồn kho, doanh thu. Hay những doanh nghiệp thuộc nhóm ngành sản xuất: sai sót

thông tin BCTC liên quan đến chi phí sản xuất, trích lập dự phòng, ước tính thời

gian khấu hao tài sản cố định, ảnh hưởng đến giá trị hàng tồn kho, giá vốn trong kỳ,

khấu hao tài sản cố định.

Trong suốt quá trình lập kế hoạch kiểm toán, kiểm toán viên phải tổ chức

thảo luận nhóm giữa các thành viên và thành viên Ban giám đốc phụ trách cuộc

kiểm toán.

Trong quá trình kiểm toán, các kiểm toán viên cùng nhóm nên thảo luận và

trao đổi thông tin với nhau, việc thảo luận nhóm sẽ giúp các thành viên có cái nhìn

toàn diện về doanh nghiệp được kiểm toán. Theo kết quả nghiên cứu của luận văn

cho thấy các khoản mục liên quan đến đòn bẩy tài chính, tốc độ tăng trưởng doanh

thu, mức khấu hao tài sản cố định, tỷ suất lợi nhuận biên, chi phí bán hàng và quản

lý doanh nghiệp có tác động đến khả năng sai sót thông tin trên BCTC, vì vậy khi

thực kiểm toán, kiểm toán viên cần phải chú trọng hơn để có thể phát hiện sai sót.

5.2.2. Đối với cơ quan quản lý thị trƣờng chứng khoán

Các cơ quan quản lý TTCK có chức năng định hướng, thanh tra, giám sát

nhằm đảm bảo tính ổn định và sự phát triển của TTCK. Hiện nay trên TTCK có hơn

1.000 doanh nghiệp niêm yết, số lượng các giao dịch ngày càng tăng cho nên các cơ

quan quản lý TTCK phải nâng cao công tác đảm bảo tính ổn định, sự phát triển bền

vững của TTCK và giữ vững niềm tin của nhà đầu tư. Để thực hiện được điều này

cơ quan quản lý TTCK phải kiểm soát tốt chất lượng thông tin được công bố đặc

biệt kịp thời nhận dạng được các doanh nghiệp có dấu hiệu sai sót thông tin trên

BCTC.

Hiện nay chưa có cơ quan quản lý TTCK nào theo dõi, tính toán và công bố

các chỉ số dùng để dự báo doanh nghiệp có dấu hiện gian lận BCTC, cụ thể như chỉ

số M của Beneish (1999) đo lường hành vi thao túng lợi nhuận vì thế tác giả đề xuất

định kỳ hàng năm UBCK nhà nước cần phải tính toán và công bố chỉ số M của từng

doanh nghiệp niêm yết để nhà đầu tư làm cơ sở đánh giá doanh nghiệp. Nếu như

phát hiện doanh nghiệp có dấu hiệu đã thực hiện hành vi thao túng lợi nhuận, cơ

quan giám sát yêu cầu doanh nghiệp giải trình bằng văn bản thậm chí tiến hành

kiểm tra để xác minh doanh nghiệp có thực hiện hành vi thao túng lợi nhuận hay

không và công bố kết quả kiểm tra trên phương tiện truyền thông.

TTCK ở Việt Nam chưa có cơ quan giám sát và đảm bảo chất lượng BCTC

của các doanh nghiệp niêm yết nên các thông tin trên BCTC có thể không chính

xác, phản ánh không đúng tình hình tài chính của doanh nghiệp, nhà đầu tư dễ dàng

giao động trước những tin đồn thất thiệt, vì thế cần phải xây dựng cơ quan giám sát

chặt chẽ BCTC.

5.2.3. Đối với nhà đầu tƣ

Điều đầu tiên, nhà đầu tư khi tham gia vào TTCK tối thiểu cần phải trang bị

cho bản thân một lượng kiến thức căn bản về kế toán, tài chính, hiểu rõ ý nghĩa các

con số trên BCTC, từ đó vận dụng các công cụ kỹ thuật phân tích BCTC để đánh

giá triển vọng kinh doanh của doanh nghiệp và định giá doanh nghiệp, đưa ra các

quyết định mua bán cổ phiếu một cách chính xác.

Để hạn chế tối đa rủi ro trong quá trình giao dịch cổ phiếu, nhà đầu tư nên

đánh giá thận trọng các thông tin trên BCTC, tránh bị ảnh hưởng bởi những tin đồn

thất thiệt. Trong quá trình xem xét BCTC, nhà đầu tư cần phải xem xét BCTC qua

nhiều kỳ, so sánh thông tin tài chính giữa kỳ sau với kỳ trước để có thể phát hiện ra

những khoản mục bất thường. Từ kết quả nghiên cứu được tác giả trình bày ở

chương 4, để đánh giá liệu rằng thông tin trên BCTC có sai sót hay không thì nhà

đầu tư nên chú ý tới các khoản mục liên quan đến cấu trúc vốn, mức tăng trưởng

doanh thu qua các năm, mức khấu hao tài sản cố định hữu hình, tỷ suất lợi nhuận

biên, chi phí bán hàng và quản lý doanh nghiệp có tương ứng với doanh thu được

tạo ra hay không.

Tác giả nghĩ rằng với kết quả nghiên cứu và những gợi ý chính sách nêu trên

sẽ là tài liệu tham khảo hữu ích cho kiểm toán viên, cơ quan quản lý TTCK, nhà đầu

tư trong tiến trình tìm kiếm giải pháp nâng cao khả năng phát hiện sai sót thông tin

trên BCTC.

5.3. Hạn chế đề tài nghiên cứu

Thời gian nghiên cứu tương đối ngắn (giai đoạn 2011 – 2016) so với thời

gian nghiên cứu của Beneish (1999).

Khi xác định ngưỡng phân loại giá trị M-score, tác giả chỉ dùng dữ liệu

BCTC của một năm để tính toán và đưa ra chỉ số M-score.

Mô hình này được ước lượng bằng việc dựa trên các thông tin tài chính, dành

cho các doanh nghiệp niêm yết trên TTCK, do đó mô hình này sẽ không đáng tin

cậy để áp dụng nghiên cứu tại các doanh nghiệp chưa niêm yết trên TTCK.

5.4. Định hƣớng nghiên cứu trong tƣơng lai

Trong bài nghiên cứu tác giả chỉ kiểm định mối quan hệ giữa tám biến độc

lập theo mô hình gốc của Beneish (1999) và khả năng sai sót thông tin trên BCTC.

Vì thế, những bài nghiên cứu tiếp theo có thể kiểm định lại mối quan hệ giữa biến

quy mô, biến phát hành thêm cổ phiếu trong năm với khả năng sai sót thông tin trên

BCTC.

Các bài nghiên cứu tiếp theo, có thể sử dụng thêm 5 phương pháp đo lường

khác nhau mà được các chuyên gia đánh giá cao: Phương pháp AUC, Hệ số xếp

hạng Gini, Kiểm định Kolmogorov – Smirnov, R2 của Cox và Snell, R2 của

Nagelkerke, Kiểm định mức độ phù hợp của Hosmer và Lemeshow để so sánh và

đánh giá mức phù hợp của mô hình trong việc phát hiện sai sót thông tin trên

BCTC.

Ngoài ra, các bài nghiên cứu sau có thể kết hợp việc vận dụng chỉ số M-

score của Beneish (1999) và F-score của Dechow và cộng sự (2012) để phát hiện sai

sót thông tin trên BCTC, đưa ra kết quả dự báo chính xác hơn.

TÀI LIỆU THAM KHẢO

* Tài liệu tham khảo tiếng việt

[1] Bộ tài chính, 2002. Quyết định số 234/2003/QĐ-BTC Chuẩn mực kế toán

Việt Nam số 21 – Trình bày báo cáo tài chính.

[2] Bộ tài chính, 2012. Thông tư số 214/2012/TT-BTC về ban hành hệ thống

Chuẩn mực kiểm toán Việt Nam – Chuẩn mực số 240 - Trách nhiệm của kiểm toán

viên liên quan đến gian lận trong quá trình kiểm toán báo cáo tài chính.

[3] Bộ tài chính, 2012. Thông tư số 214/2012/TT-BTC về ban hành hệ thống

Chuẩn mực kiểm toán Việt Nam – Chuẩn mực số 320 - Mức trọng yếu trong lập kế

hoạch và thực hiện kiểm toán.

[4] Nguyễn Thị Phương Hồng, 2016. Các nhân tố ảnh hưởng đến chất lượng

báo cáo tài chính của công ty niêm yết trên thị trường chứng khoán – bằng chứng

thực nghiệm tại Việt Nam. Luận án Tiến sĩ. Đại học Kinh tế Thành phố Hồ Chí

Minh.

[5] Phạm Thị Bích Vân, 2012. Mô hình nhận diện điều chỉnh lợi nhuận của

các doanh nghiệp niêm yết ở sở giao dịch chứng khoán TP.HCM. Tạp chí phát triển

kinh tế, số 258, trang 35-42.

[6] Quốc hội, 2011. Luật kiểm toán độc lập số 67/2011/QH12 ngày

29/3/2011.

[7] Trần Thị Đoan Trâm, 2015. Áp dụng hệ số F-Score để dự báo sai sót

thông tin trên báo cáo tài chính của các doanh nghiệp niêm yết ở sàn giao dịch

chứng khoán thành phố Hồ Chí Minh. Luận văn Thạc sỹ. Đại học Kinh tế Thành

phố Hồ Chí Minh.

[8] Trần Thị Giang Tân và cộng sự, 2014. Đánh giá rủi ro gian lận báo cáo

tài chính của các công ty niêm yết tại Việt Nam. Tạp chí phát triển kinh tế, số 26,

trang 74-94.

[9] Trần Thị Giang Tân và cộng sự, 2014. Kiểm toán. Hồ Chí Minh: nhà xuất

bản Kinh tế.

[10] Trần Thị Giang Tân và Trương Thùy Dương, 2016. Ảnh hưởng các đặc

tính của hội đồng quản trị đến sai sót trọng yếu trên báo cáo tài chính: Bằng chứng thực nghiệm tại Việt Nam. Tạp chí Phát triển Kinh tế, số 27, trang 42-60.

[11] Vũ Hữu Đức, 2010. Những vấn đề cơ bản của lý thuyết kế toán. Hà Nội:

nhà xuất bản Lao động.

* Tài liệu tham khảo tiếng anh

[11] Altman, E. I., 1968. Financial Ratios, Discriminant Analysis and the

Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), pp. 589-609.

[12] Amaechi, E. P. & Nnanyereugo, E. V., 2013. Application of computed

financial ratios in fraud detection modelling: a study of selected banks in nigeria.

Asian Economic and Financial Review, 3(11), pp. 1405-1418.

[13] Beasley, M. S., 1996. An Empirical Analysis of the Relation between

the Board of Director Composition and Financial Statement Fraud. The Accounting

[14] Beneish, M. D. & E. Press, 1993. Costs of technical violation of

Review, 71(4), pp. 443-465 .

accounting-based debt covenants. The Accounting Review, 68(2), pp. 233–257.

[15] Beneish, M. D., 1997. Detecting GAAP Violation: Implications for

Assessing Earnings Management among Firms with Extreme Financial

Performance. Journal of Accounting and Public Policy, 16(3), pp. 271-309 .

[16] Beneish, M. D., 1999. The Detection of Earnings Manipulation.

Financial Analysts Journal, 55(5), pp. 24-36.

[17] Cressey, D. R., 1953. Other People's Money. A Study in the Social

Psychology of Embezzlement. US: Free Press.

[18] DeAngelo, L. E., 1986. Accounting Numbers as Market Valuation

Substitutes: A Study of Management Buyouts of Public Stockholders. The

Accounting Review, 61(3), pp. 400-420.

[19] Dechow, P. M., Ge, W., Larson, C. R. & Sloan, R. G., 2011. Predicting

Material Accounting Misstatements. Contemporary Accounting Research, 28(1),

pp. 17-82.

[20] Dechow, P. M., Sloan, R. G. & Sweeney, A. P., 1995. Detecting

Earnings Management. The Accounting Review, 70(2), pp. 193-225.

[21] Franceschetti, B. M. & Koschtial, C., 2013. Do bankrupt companies

manipulate earnings more than the non-bankrupt ones?. Journal of Finance &

Accountancy, 12(4), pp. 1-22.

[22] Jensen, M. C. & Meckling, W. H., 1976. Theory of the firm: Managerial

behavior, agency costs and ownership structure. Journal of Financial Economics,

3(4), pp. 305-360.

[23] Jones, J. J., 1991. Earnings Management During Import Relief

Investigations. Journal of Accounting Research, 29(2), pp. 193-228.

[24] Lestari, P. & Yadiati, W., 2014. The effect of firm size and

organizational culture on the quality of financial reporting in sharia microfinancing

institution. International Journal of Business, Economics and Law, 5(1), pp. 2289-

1552 .

[25] Leuza, C., Nandab, D. & Wysocki, P. D., 2003. Earnings management

and investor protection: an international comparison. Journal of Financial

Economics, 69(1), pp. 505-527.

[26] Lou, Y.-I. & Wang, M.-L., 2009. Fraud Risk Factor Of The Fraud

Triangle Assessing The Likelihood Of Fraudulent Financial Reporting Yung.

Journal of Business & Economics Research , 7(2), pp. 61-78.

[27] M.Healy, P., 1985. The effect of bonus schemes on accounting

decisions. Journal of Accounting and Economics, 7(1-3), pp. 85-107.

[28] Mahama, M., 2015. Detecting corporate fraud and financial distress

using the altman and beneish models: The case of enron corp. International Journal

of Economics, Commerce and Management, 3(1), pp. 1-18.

[29] Marinakis & Pantelis., 2011 . An investigation of earnings management and earnings manipulation in the UK. PhD thesis, University of Nottingham

[30] Nwoye, U. J., Okoye, E. I. & Oraka, A. O., 2013. Beneish Model as

Effective Complement to the Application of SAS No. 99 in the Conduct of Audit in

Nigeria. Management and Administrative Sciences Review, 2(6), pp. 640-655.

[31] Persons, O. S., 1995. Using Financial Statement Data To Identify

Factors Associated With Fraudulent Financial Reporting. Journal of Applied

Business Research, 11(3), pp. 38-46.

[32] Rapina, 2014. Factors Influencing The Quality of Accounting

Information System And Its Implications on The Quality of Accounting

Information. Research Journal of Finance and Accounting , 5(2), pp. 2222-1697.

PHỤ LỤC 1

Tổng hợp các nghiên cứu nƣớc ngoài về nhận dạng sai sót BCTC

Tên bài nghiên Vấn đề Kết quả nghiên STT Tác giả Năm cứu nghiên cứu cứu

I. Các nghiên cứu sử dụng thƣớc đo tài chính, phi tài chính

Sự hữu dụng Các biến: đòn

của các biến bẩy tài chính,

tỷ số tài chính vòng quay vốn, Using financial

trong việc cấu trúc tài sản statement

phát hiện gian và quy mô data to identify

factors doanh nghiệp là 01 Persons, O. S 1995 lận BCTC.

các nhân tố dự ssociated with fra

báo khả năng udulent financial

xảy ra gian lận reporting

BCTC hiệu quả

nhất.

Nghiên cứu Việc thuê giám An Empirical

về mối quan đốc bên ngoài sẽ Analysis of the

hệ giữa cơ giúp Hội đồng Relation between

cấu ban giám quản trị hạn chế the Board of 02 Beasley, M. S 1996 đốc và gian khả năng xảy ra Director

Composition and lận BCTC. gian lận BCTC.

Financial

Statement Fraud

Earnings Dựa trên mô Các quốc gia có Leuz, C., D. 03 2003 management and hình của nhà đầu tư bên Nanda và cộng investor Dechow et al. ngoài với quyền

protection: an (1995) để sở hữu phân tán, sự

international kiểm tra giả chính sách bảo

thuyết với vệ nhà đầu tư tốt comparison

chính sách và thị trường

bảo vệ nhà chứng khoán lớn

đầu tư tốt thì thì mức độ điều

hành vi điều chỉnh lợi nhuận

lợi chỉnh thấp.

sẽ nhuận

giảm.

Sự hữu dụng 16 tỷ số tài Application of của các biến chính có ý nghĩa computed tỷ số tài chính thống kê, hiệu financial ratios in Amaechi và để phát hiện quả trong việc fraud detection 04 2003 gian lận trong dự báo gian lận Nnanyereugo modelling: a hệ thống các BCTC. study of selected ngân hàng ở banks in nigeria Nigerian.

Nghiên cứu Quy mô công ty The effect of firm

về mối quan không tác động size and

hệ giữa quy đến chất lượng organizational

mô công ty, BCTC, trong khi culture on the Lestari và quality of văn hóa tổ đó yếu tố văn 05 2014 Yadiati chức và chất hóa thì tác động financial

đến chất lượng reporting in sharia lượng BCTC.

microfinancing BCTC.

institution

II. Các nghiên cứu xây dựng mô hình định lƣợng

Xây dựng mô Xây dựng mô

hình Z-score hình với 22 biến

để dự báo xác độc lập đại diện

suất phá sản cho 5 tỷ số tài

của doanh chính khác

nhau, giá trị nghiệp. Financial Ratios, ngưỡng giao Discriminant động từ 1,1 đến Analysis and the 2,61. Chỉ số Z 01 Altman 1968 Prediction of càng thấp thì Corporate chứng tỏ doanh Bankruptcy nghiệp đang yếu

kém về tài chính

và khả năng

thực hiện hành

vi gian lận

BCTC càng cao.

Xây dựng mô Dựa vào tổng

hình định dồn tích, ông đã

lượng để xây dựng được

nghiên cứu về mô hình định

The effect of ảnh hưởng lượng để nhận

bonus schemes on của kế hoạch diện hành vi 02 Paul M. Healy 1985 accounting thưởng đối điều chỉnh lợi

với hành vi nhuận của người decisions

điều chỉnh lợi quản lý.

nhuận của

người quản

lý.

Dựa vào kết DAt = TAt –

quả nghiên NDAt, DA< 0:

cứu của Healy điều chỉnh tăng, Accounting (1985) để xây DA> 0: điều Numbers as dựng mô hình chỉnh giảm, DA Market Valuation dồn tích có = 0: Không điều Substitutes: A điều chỉnh chỉnh. Dựa vào 03 DeAngelo 1986 Study of (DA) để nhận DA để dự báo Management diện hành vi nhà quản lý có Buyouts of Public quản trị lợi thực hiện hành Stockholders nhuận, với giả vi điều chỉnh lợi

định rằng nhuận hay

không. NDAt = TAt-1

Earnings Xây dựng một Nếu có sự khác

04 Jone 1991 management mô hình để nhau giữa tổng

During Import làm giảm đi dồn tích của kỳ

Relief giả định các hiện tại so với

biến kế toán kỳ trước đó là investigation

không thể do sự thay đổi

điều chỉnh trong biến kế

(NDA) không toán có thể điều

thay đổi từ chỉnh. Bởi vì

năm t-1 sang không thấy sự

thay đổi trong năm t.

biến kế toán

không thể điều

chỉnh kỳ này

sang kỳ khác.

Loại bỏ Tất cả sự thay

khuynh đổi trong khoản

hướng phỏng doanh thu bán

đoán của mô chịu ở giai đoạn

hình Jone xảy ra sự kiện là

Earnings (1991) trong do hành vi quản

Management việc đo lường trị lợi nhuận gây Dechow và biến kế toán ra. 05 1995 During Import cộng sự có thể điều Relief

chỉnh xảy ra Investigation

lỗi khi sự điều

chỉnh được

thực hiện trên

toàn bộ doanh

thu.

Xây dựng mô Xây dựng mô

hình M-Score hình M-score

để nhận dạng gồm 8 biến, giá

hành vi thao trị ngưỡng phân

túng lợi loại là: -1,78,

nếu doanh The detection of nhuận.

nghiệp vượt earnings 06 Beneish 1999

mức -1,78 thì management

doanh nghiệp

nằm trong vùng

cảnh báo có

hành vi thao

túng lợi nhuận.

(Nguồn: tác giả tự tổng hợp)

PHỤ LỤC 2

Tổng hợp các nghiên cứu trong nƣớc liên quan đến BCTC

Tên bài Vấn đề nghiên Kết quả nghiên STT Tác giả Năm nghiên cứu cứu cứu

Áp dụng mô hình Mô hình Modified

Modified Jones Jones không hiệu

để nhận diện hành quả trong việc

vi điều chỉnh lợi nhận diện hành vi Mô hình nhận nhuận của 54 điều chỉnh lợi diện điều chỉnh doanh nghiệp nhuận của các lợi nhuận của niêm yết trên sàn doanh nghiệp niêm các doanh Nguyễn Thị chứng khoán TP. yết trên HOSE. nghiệp niêm 01 2013 Các biến trong mô Bích Vân HCM (HOSE). yết ở Sở Giao hình như: doanh dịch Chứng thu, chi phí khấu khoán hao, chi phí dự TP.HCM phòng được tác giả

lựa chọn và đưa

vào mô hình có ý

nghĩa.

Đánh giá sự hữu Khả năng xảy ra

hiệu của tam giác gian lận có mối Đánh giá rủi ro

gian lận theo quan hệ có ý nghĩa gian lận BCTC Trần Thị

hướng dẫn của thống kê với 3 yếu của các công ty Giang Tân 02 2014

chuẩn mực kiểm tố về Động cơ/Áp niêm yết tại và cộng sự

toán Việt Nam số lực, với 1 yếu tố về Việt Nam

240 (VSA 240) cơ hội, và với 2

trong việc nhận

dạng và dự báo yếu tố về thái độ.

gian lận tại các

công ty niêm yết

tại Việt Nam.

Vận dụng mô Kết quả hồi quy

hình của cho thấy khả năng

DeAngelo (1986), phát hiện sai phạm

Friedlan (1994) của hai mô hình

và Beneish (1999) lần lượt là: 63,41% Phát hiện sai để xây dựng mô và 68,29%. Cả hai Hoàng phạm BCTC hình dự báo sai mô hình (1) và (2) Khánh và của các doanh 03 2015 phạm BCTC của đều phù hợp để Trần Thị nghiệp xây các doanh nghiệp nghiên cứu thực Thu Hiền dựng niêm yết xây dựng niêm trạng sai phạm

BCTC của các yết trên HOSE.

công ty xây dựng

niêm yết tại Việt

Nam.

Nghiên cứu về 5 nhân tố thuộc đặc Ảnh hưởng các

đặc tính của tính của HĐQT đặc tính của

HĐQT ảnh hưởng ảnh hưởng đến hội đồng quản Trần Thị thế nào đến SSTY SSTY trên BCTC trị đến sai sót Giang Tân trên BCTC của là: Quy mô HĐQT, trọng yếu trên 04 2016 và Trương các DNNY tại tỉ lệ thành viên BCTC: Bằng Thùy Dương không điều hành, Việt Nam. chứng thực

số thành viên có nghiệm tại Việt

quan hệ gia đình, Nam

thành viên HĐQT

có chuyên môn tài

chính và nhiệm kì

của thành viên

HĐQT không điều

hành.

Xác định và phân Kết quả xác định Các nhân tố

tích các nhân tố được 17 nhân tố ảnh hưởng đến

ảnh hưởng đến trong 23 nhân tố chất lượng

chất lượng BCTC thuộc 4 nhóm có BCTC của

công ty niêm Nguyễn Thị đo lường thông tác động đến chất

yết trên thị Phương qua chất lượng lợi 05 2016 lượng BCTC.

trường chứng nhuận của các Hồng

công ty niêm yết khoán – bằng

trên TTCK Việt chứng thực

nghiệm tại Việt Nam.

Nam

(Nguồn: tác giả tự tổng hợp)

PHỤ LỤC 3

Tóm tắt các nghiên cứu điển hình vận dụng mô hình M-score

Tên bài Mục tiêu nghiên Kết quả nghiên STT Tác giả Năm nghiên cứu cứu cứu

Dựa vào mô hình Kết quả chỉ ra rằng

M-score để đề xuất bằng việc thêm 3

một mô hình cho biến vào mô hình

việc nhận diện M-score thì khả An hành vi thao túng năng nhận diện investigation of lợi nhuận, ngoài ra hành vi thao túng earnings Marinakis tác giả còn thêm lợi nhuận cao hơn management 01 2011 vào mô hình M- 10% so với mô và Pantelis and earnings score 3 biến: phí kế hình M-score ban manipulation toán trên tổng tài đầu. in the UK sản, thuế suất hiện

hành, lương hưu

của ban giám đốc

trên doanh thu.

Dựa vào mô hình Mô hình Z-score

M-score xây dựng cung cấp cho các

mô hình Z-score nhà nghiên cứu Predicting (tác giả thêm vào một công cụ dùng Material Dechow và mô hình M-score để đo lường biến 2011 02 Accounting cộng sự biến phi tài chính kế toán có thể điều Misstatements và các chỉ số liên chỉnh để xác định

quan đến thị các công ty có chất

lượng lợi nhuận trường).

thấp.

Vận dụng mô hình Kết quả cho thấy

M-score để phát với các doanh Do bankrupt hiện hành vi thao nghiệp phá sản thì companies túng lợi nhuận hành vi thao túng manipulate Francesche trong các doanh lợi nhuận cao hơn earnings more tti và 03 2013 nghiệp phá sản và 1,6 lần so với các than the Koschtial không phá sản ở doanh nghiệp nonbankrupt các doanh nghiệp không phá sản. ones? có quy mô nhỏ và

vừa.

Dựa vào mô hình Mô hình hiệu quả, Beneish Model

M-score để hỗ trợ làm cải thiện khả as effective

kiểm toán viên năng của kiểm toán complement to

the application Nwoye và trong việc phát viên trong việc 04 2013 of SAS No.99 hiện hành vi thao cộng sự nhận dạng gian lận.

in the conduct túng lợi nhuận trên

of audit in BCTC.

Nigeria

Tác giả sử dụng Kết quả nghiên cứu Detecting

mô hình Z-score cho thấy cả hai mô corporate fraud

của Altmans và mô hình đều chỉ ra and financial

hình M-score để thực trạng tài chính distress using 05 Mahama 2015

đưa ra phương thức của tập đoàn Enron the altman and

cho nhà đầu tư, đã gặp phải vấn đề beneish

người điều tiết nền vào đầu năm 1997 models: The

kinh tế và cổ đông và nguyên nhân case of enron

có thể phát hiện gây ra vấn đề này corp

tình trạng kiệt quệ là hành vi thao

tài chính của công túng lợi nhuận.

ty sớm nhất.

(Nguồn: tác giả tự tổng hợp)

PHỤ LỤC 4

Danh mục các doanh nghiệp thu thập dữ liệu

STT

Tên doanh nghiệp

Ngành nghề

1 2

Mã CK ANV CTCP Nam Việt BCC CTCP Xi Măng Bỉm Sơn

Sàn niêm yết HOSE HNX

BCI CTCP Đầu Tư Xây Dựng Bình Chánh

HOSE

BKC CTCP Khoáng Sản Bắc Kạn

HNX

CII

HOSE

CTCP ĐT Hạ Tầng Kỹ Thuật TP.Hồ Chí Minh

6 7 8 9

DBC CTCP Tập Đoàn Dabaco Việt Nam DBT CTCP Dược Phẩm Bến Tre DHG CTCP Dược Hậu Giang DHT CTCP Dược phẩm Hà Tây

HNX HNX HOSE HNX

DIG TCT Cổ Phần Đầu Tư Phát triển Xây Dựng

HOSE

DNP CTCP Nhựa Đồng Nai

Sản xuất Sản xuất Xây dựng và bất động sản Khai khoáng Xây dựng và Bất động sản Sản xuất Bán buôn Sản xuất Sản xuất Xây dựng và Bất động sản Sản xuất

HNX

DPM

Sản xuất

HOSE

TCT Phân Bón & Hóa Chất Dầu Khí – CTCP

DST CTCP Sách và Thiết bị Giáo dục Nam Định

HNX

DXG CTCP DV & XD Địa Ốc Đất Xanh

HOSE

EID CTCP ĐT & PT Giáo Dục Hà Nội

HNX

FPT CTCP FPT

HOSE HOSE

GMD CTCP Gemadept

HOSE

HAG CTCP Hoàng Anh Gia Lai

HOSE

HBC CTCP Tập đoàn Xây dựng Hòa Bình

20 21

HJS CTCP Thủy Điện Nậm Mu HPG CTCP Tập Đoàn Hòa Phát

HNX HOSE

HUT CTCP Tasco

HNX

ICG CTCP Xây Dựng Sông Hồng

HNX

HOSE

ITA CTCP Đầu tư và Công nghiệp Tân Tạo

HOSE

ITC CTCP Đầu Tư & KD Nhà Intresco

HOSE

KBC TCT PT Đô Thị Kinh Bắc – CTCP

HOSE

KDC CTCP TẬP ĐOÀN KIDO

Công nghệ thông tin Xây dựng và bất động sản Công nghệ thông tin Bán lẻ Vận tải và kho bãi Sản xuất nông nghiệp Xây dựng và Bất động sản Tiện ích Sản xuất Xây dựng và Bất động sản Xây dựng và Bất động sản Xây dựng và Bất động sản Xây dựng và bất động sản Xây dựng và bất động sản Sản xuất

HOSE

LCG CTCP Licogi 16

HOSE

LGC CTCP Đầu Tư Cầu Đường CII

Xây dựng và bất động sản Xây dựng và bất động sản

30 MSN CTCP Tập đoàn Masan

Sản xuất

HOSE

31 32 33

NAG CTCP Tập đoàn Nagakawa NTP CTCP Nhựa Thiếu Niên Tiền Phong PET TCT Cổ Phần DV Tổng Hợp Dầu Khí

HNX HNX HOSE

PHC CTCP Xây Dựng Phục Hưng Holdings

HNX

PHR CTCP Cao Su Phước Hòa

HOSE

36 37 38 39

PLC TCT Hóa Dầu Petrolimex – CTCP PNJ CTCP Vàng Bạc Đá Quý Phú Nhuận POT CTCP Thiết Bị Bưu Điện PPC CTCP Nhiệt Điện Phả Lại

Sản xuất Sản xuất Bán buôn Xây dựng và bất động sản Sản xuất nông nghiệp Sản xuất Sản xuất Sản xuất Tiện ích

HNX HOSE HNX HOSE

PVC

Khai khoáng

HNX

PVD

Khai khoáng

HOSE

TCT Dung Dịch Khoan & Hóa Phẩm Dầu Khí – CTCP TCT Cổ Phần Khoan & DV Khoan Dầu Khí

PVE TCT Tư Vấn Thiết Kế Dầu Khí - CTCP

HNX

Dịch vụ chuyên môn, khoa học và công nghệ

PVS

Khai khoáng

HNX

TCT Cổ Phần DV Kỹ Thuật Dầu Khí Việt Nam

HOSE

PVT TCT Cổ Phần Vận Tải Dầu Khí

HNX

PVX TCT Cổ Phần Xây Lắp Dầu Khí Việt Nam

HNX

QNC CTCP Xi măng và Xây dựng Quảng Ninh

HOSE

REE CTCP Cơ Điện Lạnh

HNX

S99 CTCP SCI

HOSE

SAM CTCP Đầu Tư & Phát Triển Sacom

HNX

SD2 CTCP Sông Đà 2

HNX

SD5 CTCP Sông Đà 5

HNX

SD9 CTCP Sông Đà 9

HNX

SDA CTCP Simco Sông Đà

HNX

SDH CTCP Xây Dựng Hạ Tầng Sông Đà

Vận tải và kho bãi Xây dựng và bất động sản Sản xuất Xây dựng và bất động sản Xây dựng và bất động sản Sản xuất Xây dựng và bất động sản Xây dựng và bất động sản Xây dựng và bất động sản Xây dựng và bất động sản Xây dựng và bất động sản Bán buôn

HNX

SDP CTCP SDP

SDT CTCP Sông Đà 10

HNX

SDU CTCP Đầu Tư XD & PT Đô Thị Sông Đà

HNX

SEB CTCP ĐT & PT Điện Miền Trung

HNX

SGT CTCP Công Nghệ Viễn Thông Sài Gòn

HOSE

60 61

SHN CTCP Đầu Tư Tổng Hợp Hà Nội SJD CTCP Thủy điện Cần Đơn

HNX HOSE

SJE CTCP Sông Đà 11

HNX

SJS

CTCP ĐT PT Đô Thị & KCN Sông Đà

HOSE

TDH CTCP Phát Triển Nhà Thủ Đức

HOSE

65 66 67

THB CTCP Bia Thanh Hóa TMC CTCP Thương Mại XNK Thủ Đức TMP CTCP Thủy Điện Thác Mơ

Xây dựng và bất động sản Xây dựng và bất động sản Tiện ích Xây dựng và bất động sản Dịch vụ hỗ trợ Tiện ích Xây dựng và bất động sản Xây dựng và bất động sản Xây dựng và bất động sản Sản xuất bán lẻ Tiện ích

HNX HNX HOSE HOSE

TSC

Bán buôn

HOSE

TTF

Sản xuất

CTCP Vật Tư Kỹ Thuật Nông Nghiệp Cần Thơ CTCP Tập đoàn Kỹ nghệ Gỗ Trường Thành

VC2 CTCP Xây Dựng Số 2

HNX

VC3 CTCP Xây Dựng Số 3

HNX

VCG TCT Cổ Phần XNK & Xây Dựng Việt Nam

HNX

73 74 75 76

VCS CTCP Vicostone VDL CTCP Thực Phẩm Lâm Đồng VGS CTCP Ống Thép Việt Đức VG PIPE VHC CTCP Vĩnh Hoàn

HNX HNX HNX HOSE HOSE

VHG CTCP Đầu Tư Cao Su Quảng Nam

VHL CTCP Viglacera Hạ Long

HNX HOSE

VIC

Tập đoàn VINGROUP – CTCP

HOSE

VIP CTCP Vận tải Xăng dầu Vipco

VMC CTCP Vimeco

HNX

VNC CTCP Tập Đoàn Vinacontrol

HNX

VNE TCT Cổ Phần Xây dựng Điện Việt Nam

HOSE

VNG CTCP Du Lịch Thành Thành Công

Xây dựng và bất động sản Xây dựng và bất động sản Xây dựng và bất động sản Sản xuất Sản xuất Sản xuất Sản xuất Sản xuất nông nghiệp Sản xuất Xây dựng và bất động sản Vận tải và kho bãi Xây dựng và bất động sản Dịch vụ chuyên môn, khoa học và công nghệ Xây dựng và bất động sản Dịch vụ lưu trú

và ăn uống

VNM CTCP Sữa Việt Nam

HOSE HOSE

VNS CTCP Ánh Dương Việt Nam

VSH CTCP Thủy Điện Vĩnh Sơn - Sông Hinh

HOSE HOSE

VTO CTCP Vận Tải Xăng Dầu Vitaco

HOSE HOSE

89 90

AAA CTCP Nhựa & Môi Trường Xanh An Phát BMP CTCP Nhựa Bình Minh

Sản xuất Vận tải và kho bãi Tiện ích Vận tải và kho bãi Sản xuất Sản xuất

PHỤ LỤC 5

Các khoản mục trên BCTC thu thập dữ liệu

STT

Khoản mục

Mã số

Các khoản phải thu khách

131 + 211 - Bảng cân đối kế toán

hàng

Doanh thu thuần

10 - Báo cáo kết quả hoạt động kinh doanh

Giá vốn hàng bán

11 - Báo cáo kết quả hoạt động kinh doanh

Chi phí bán hàng và quản lý

25 + 26 - Báo cáo kết quả hoạt động kinh doanh

doanh nghiệp

Nợ dài hạn

330 – Bảng cân đối kế toán

Tổng tài sản

270 - Bảng cân đối kế toán

Nợ ngắn hạn

310 - Bảng cân đối kế toán

Lợi nhuận sau thuế

60 – Báo cáo kết quả hoạt động kinh doanh

Dòng tiền thuần từ hoạt động

20 – Báo cáo lưu chuyển tiền tệ

kinh doanh

10 Khấu hao

223 - Bảng cân đối kế toán

PP&E

221 - Bảng cân đối kế toán

Tài sản ngắn hạn

100 - Bảng cân đối kế toán

LNTT

50 – Báo cáo kết quả hoạt động kinh doanh

Phụ lục 6

Chỉ số M-score theo dữ liệu BCTC đã kiểm toán 2016

Giá trị chỉ

Sai sót theo kết

số M-score

quả kiểm toán (1

STT

Mã CK

Tên doanh nghiệp

= có sai sót; 0 =

không có sai sót)

ANV

CTCP Nam Việt

-3,01507

BCC

CTCP Xi Măng Bỉm Sơn

3,11195

BCI

CTCP Đầu Tư Xây Dựng Bình Chánh

-0,86083

BKC

CTCP Khoáng Sản Bắc Kạn

2,60117

CII

CTCP đầu tư Hạ Tầng Kỹ Thuật TP.HCM

-1,96351

DBC

CTCP Tập Đoàn Dabaco Việt Nam

-2,33786

DBT

CTCP Dược Phẩm Bến Tre

3,60922

DHG

CTCP Dược Hậu Giang

4,00159

DHT

CTCP Dược phẩm Hà Tây

2,40723

DIG

TCT Cổ Phần Đầu Tư Phát triển Xây Dựng

-1,55169

DNP

CTCP Nhựa Đồng Nai

2,40569

DPM

TCT Phân Bón & Hóa Chất Dầu Khí - CTCP

1,49292

DST

CTCP Sách và Thiết bị Giáo dục Nam Định

1,77048

DXG

CTCP DV & XD Địa Ốc Đất Xanh

-2,24578

EID

CTCP ĐT & PT Giáo Dục Hà Nội

0,43756

FPT

CTCP FPT

-1,37291

GMD

CTCP Gemadept

-2,66858

HAG

CTCP Hoàng Anh Gia Lai

4,00266

HBC

CTCP Tập đoàn Xây dựng Hòa Bình

-2,26690

HJS

CTCP Thủy Điện Nậm Mu

2,77026

HPG

CTCP Tập Đoàn Hòa Phát

1,86252

HUT

CTCP Tasco

-1,37401

ICG

CTCP Xây Dựng Sông Hồng

2,04004

ITA

CTCP Đầu tư và Công nghiệp Tân Tạo

2,91347

ITC

CTCP Đầu Tư & Kinh doanh Nhà Intresco

1,89003

KBC

TCT Phát triển Đô Thị Kinh Bắc - CTCP

1,97174

KDC

CTCP Tập đoàn KIDO

-1,67976

LCG

CTCP Licogi 16

1,33651

LGC

CTCP Đầu Tư Cầu Đường CII

1,57947

MSN

CTCP Tập đoàn Masan

-1,59378

NAG

CTCP Tập đoàn Nagakawa

2,19205

NTP

CTCP Nhựa Thiếu Niên Tiền Phong

-3,06968

PET

TCT Cổ Phần DV Tổng Hợp Dầu Khí

-1,01674

PHC

CTCP Xây Dựng Phục Hưng Holdings

-1,09284

PHR

CTCP Cao Su Phước Hòa

1,60597

PLC

TCT Hóa Dầu Petrolimex – CTCP

2,63220

PNJ

CTCP Vàng Bạc Đá Quý Phú Nhuận

4,88850

POT

CTCP Thiết Bị Bưu Điện

4,40238

PPC

CTCP Nhiệt Điện Phả Lại

3,35400

PVC

TCT Dung Dịch Khoan & Hóa Phẩm Dầu Khí - CTCP

-0,11660

PVD

TCT Cổ Phần Khoan & DV Khoan Dầu Khí

2,32439

PVE

TCT Tư Vấn Thiết Kế Dầu Khí – CTCP

2,39962

PVS

TCT Cổ Phần DV Kỹ Thuật Dầu Khí Việt Nam

1,44772

PVT

TCT Cổ Phần Vận Tải Dầu Khí

-2,24118

PVX

TCT Cổ Phần Xây Lắp Dầu Khí Việt Nam

4,20452

QNC

CTCP Xi măng và Xây dựng Quảng Ninh

1,68636

REE

CTCP Cơ Điện Lạnh

-1,56703

S99

CTCP SCI

3,81117

SAM

CTCP Đầu Tư & Phát Triển Sacom

2,55713

SD2

CTCP Sông Đà 2

-2,03906

SD5

CTCP Sông Đà 5

2,78536

SD9

CTCP Sông Đà 9

-2,02893

SDA

CTCP Simco Sông Đà

-1,62552

SDH

CTCP Xây Dựng Hạ Tầng Sông Đà

0,19539

SDP

CTCP SDP

-0,64636

SDT

CTCP Sông Đà 10

1,44206

SDU

CTCP Đầu Tư XD & PT Đô Thị Sông Đà

2,11978

SEB

2,92971

CTCP ĐT & PT Điện Miền

Trung

SGT

CTCP Công Nghệ Viễn Thông Sài Gòn

-1,34894

SHN

CTCP Đầu Tư Tổng Hợp Hà Nội

0,41980

SJD

CTCP Thủy điện Cần Đơn

-2,70634

SJE

CTCP Sông Đà 11

-1,23786

SJS

CTCP ĐT PT Đô Thị & KCN Sông Đà

1,15322

TDH

CTCP Phát Triển Nhà Thủ Đức

3,07580

THB

CTCP Bia Thanh Hóa

3,96231

TMC

CTCP Thương Mại XNK Thủ Đức

-2,65697

TMP

CTCP Thủy Điện Thác Mơ

3,80981

TSC

CTCP Vật Tư Kỹ Thuật Nông Nghiệp Cần Thơ

3,11968

TTF

CTCP Tập đoàn Kỹ nghệ Gỗ Trường Thành

3,06634

VC2

CTCP Xây Dựng Số 2

-1,70569

VC3

CTCP Xây Dựng Số 3

1,38906

VCG

TCT Cổ Phần XNK & Xây Dựng Việt Nam

-1,10661

VCS

CTCP Vicostone

-2,28261

VDL

CTCP Thực Phẩm Lâm Đồng

5,05075

VGS

CTCP Ống Thép Việt Đức VG PIPE

0,96671

VHC

CTCP Vĩnh Hoàn

-2,22854

VHG

CTCP Đầu Tư Cao Su Quảng Nam

-1,22017

VHL

CTCP Viglacera Hạ Long

3,45161

VIC

Tập đoàn VINGROUP – CTCP

-1,67908

tải Xăng dầu

VIP

CTCP Vận Vipco

-2,26703

VMC

CTCP Vimeco

2,11730

VNC

CTCP Tập Đoàn Vinacontrol

-0,39475

VNE

TCT Cổ Phần Xây dựng Điện Việt Nam

-1,45373

VNG

CTCP Du Lịch Thành Thành Công

3,02053

VNM

CTCP Sữa Việt Nam

0,15605

VNS

CTCP Ánh Dương Việt Nam

3,87565

VSH

CTCP Thủy Điện Vĩnh Sơn - Sông Hinh

1,03687

VTO

CTCP Vận Tải Xăng Dầu Vitaco

-2,18496

AAA

CTCP Nhựa & Môi Trường Xanh An Phát

-1,94002

BMP

CTCP Nhựa Bình Minh

4,82364

PHỤ LỤC 7

Danh sách các mẫu quan sát có sai sót

STT Năm Mã CK

Tên doanh nghiệp

Sàn niêm yết

Chênh lệch LN

2012

ANV

CTCP Nam Việt

HoSE

59,504%

2012

BCC

CTCP Xi Măng Bỉm Sơn

HNX

120,755%

2012

BKC

CTCP Khoáng Sản Bắc Kạn

HNX

29,815%

2012

CII

CTCP ĐT Hạ Tầng Kỹ Thuật TP. HCM

HoSE

7,600%

2012

DBC

CTCP Tập Đoàn Dabaco Việt Nam

HNX

21,285%

2012

DHG

CTCP Dược Hậu Giang

HoSE

33,669%

2012

DHT

CTCP Dược phẩm Hà Tây

HNX

102,397%

2012

TCT Cổ Phần Đầu Tư Phát triển XD

DIG

HoSE

27,442%

2012

CTCP ĐT & PT Giáo Dục Hà Nội

EID

HNX

20,682%

2012

CTCP FPT

FPT

HoSE

8,593%

2012

GMD CTCP Gemadept

HoSE

35,381%

2012

HUT

CTCP Tasco

HNX

67,802%

2012

CTCP Đầu tư và Công nghiệp Tân Tạo

ITA

HoSE

131,143%

2012

CTCP Đầu Tư & KD Nhà Intresco

ITC

HoSE

55,205%

2012

CTCP Tập Đoàn Kido

KDC

HoSE

24,995%

2012

CTCP Licogi 16

LCG

HoSE

24,994%

2012

CTCP Tập đoàn Masan

MSN

HoSE

19,016%

2012

CTCP Tập đoàn Nagakawa

NAG

HNX

116,473%

2012

CTCP Nhựa Thiếu Niên Tiền Phong

NTP

HNX

5,385%

2012

TCT Cổ Phần DV Tổng Hợp Dầu Khí

PET

HoSE

8,241%

2012

CTCP Xây Dựng Phục Hưng Holdings

PHC

HNX

71,028%

2012

CTCP Cao Su Phước Hòa

PHR

HoSE

32,869%

2012

TCT Hóa Dầu Petrolimex - CTCP

PLC

HNX

11,703%

2012

CTCP Vàng Bạc Đá Quý Phú Nhuận

PNJ

HoSE

22,985%

2012

CTCP Thiết Bị Bưu Điện

POT

HNX

6,419%

2012

TCT Tư Vấn Thiết Kế Dầu Khí – CTCP

PVE

HNX

59,610%

2012

TCT Cổ Phần Vận Tải Dầu Khí

PVT

HoSE

38,591%

2012

TCT Cổ Phần Xây Lắp Dầu Khí VN

PVX

HNX

43,686%

2012

CTCP Xi măng và XD Quảng Ninh

QNC

HNX

47,993%

2012

CTCP Cơ Điện Lạnh

REE

HoSE

36,497%

2012

CTCP SCI

S99

HNX

43,782%

2012

SAM

CTCP Đầu Tư & Phát Triển Sacom

HoSE

9,758%

2012

CTCP Sông Đà 2

SD2

HNX

31,877%

2012

CTCP Sông Đà 9

SD9

HNX

6,762%

2012

CTCP Simco Sông Đà

SDA

HNX

33,226%

2012

CTCP SDP

SDP

HNX

27,007%

2012

SDT

CTCP Sông Đà 10

HNX

10,277%

2012

SDU

CTCP ĐT XD & PT Đô Thị Sông Đà

HNX

30,002%

2012

SHN

CTCP Đầu Tư Tổng Hợp Hà Nội

HNX

101,329%

2012

SJD

CTCP Thủy điện Cần Đơn

HoSE

5,267%

2012

SJE

CTCP Sông Đà 11

HNX

7,264%

2012

TDH

CTCP Phát Triển Nhà Thủ Đức

HoSE

8,414%

2012

THB

CTCP Bia Thanh Hóa

HNX

6,491%

2012

TMC

CTCP Thương Mại XNK Thủ Đức

HNX

19,128%

2012

TSC

CTCP VT KT Nông Nghiệp Cần Thơ

HoSE

12,266%

2012

TTF

CTCP TĐ Kỹ nghệ Gỗ Trường Thành

HoSE

21,496%

2012

VC3

CTCP Xây Dựng Số 3

HNX

9,613%

2012

VDL

CTCP Thực Phẩm Lâm Đồng

HNX

6,612%

2012

VHC

CTCP Vĩnh Hoàn

HoSE

14,331%

2012

VHG

CTCP Đầu Tư Cao Su Quảng Nam

HoSE

17,279%

2012

VIC

Tập đoàn VINGROUP - CTCP

HoSE

26,980%

2012

VIP

CTCP Vận tải Xăng dầu Vipco

HoSE

16,004%

2012

VMC

CTCP Vimeco

HNX

9,609%

2012

VNC

CTCP Tập Đoàn Vinacontrol

HNX

21,997%

2012

VNE

TCT Cổ Phần Xây dựng Điện Việt Nam

HoSE

58,743%

2012

VNG

CTCP Du Lịch Thành Thành Công

HoSE

37,053%

2012

VTO

CTCP Vận Tải Xăng Dầu Vitaco

HoSE

6,762%

2013

ANV

CTCP Nam Việt

HoSE

20,020%

2013

BCC

CTCP Xi Măng Bỉm Sơn

HNX

34,584%

2013

CII

CTCP ĐT Hạ Tầng Kỹ Thuật TP.HCM

HoSE

16,894%

2013

DBC

CTCP Tập Đoàn Dabaco Việt Nam

HNX

9,007%

2013

DBT

CTCP Dược Phẩm Bến Tre

HNX

9,578%

2013

DHG

CTCP Dược Hậu Giang

HoSE

7,323%

2013

DHT

CTCP Dược phẩm Hà Tây

HNX

7,260%

2013

DIG

TCT Cổ Phần Đầu Tư Phát triển XD

HoSE

5,560%

2013

DNP

HNX

13,194%

2013

DPM

CTCP Nhựa Đồng Nai TCT Phân Bón & Hóa Chất Dầu Khí – CTCP

HoSE

47,966%

2013

FPT

CTCP FPT

HoSE

7,487%

2013

GMD CTCP Gemadept

HoSE

15,852%

2013

HAG

CTCP Hoàng Anh Gia Lai

HoSE

77,664%

2013

HJS

CTCP Thủy Điện Nậm Mu

HNX

8,934%

2013

HPG

CTCP Tập Đoàn Hòa Phát

HoSE

57,413%

2013

ICG

CTCP Xây Dựng Sông Hồng

HNX

5,051%

2013

ITA

CTCP Đầu tư và Công nghiệp Tân Tạo

HoSE

16,119%

2013

KBC

TCT PT Đô Thị Kinh Bắc - CTCP

HoSE

83,084%

2013

KDC

CTCP TẬP ĐOÀN KIDO

HoSE

7,902%

2013

LGC

CTCP Đầu Tư Cầu Đường CII

HoSE

5,495%

2013

MSN

CTCP Tập đoàn Masan

HoSE

36,072%

2013

NTP

CTCP Nhựa Thiếu Niên Tiền Phong

HNX

14,371%

2013

PET

TCT Cổ Phần DV Tổng Hợp Dầu Khí

HoSE

11,578%

2013

PLC

TCT Hóa Dầu Petrolimex - CTCP

HNX

5,504%

2013

PNJ

CTCP Vàng Bạc Đá Quý Phú Nhuận

HoSE

7,015%

2013

POT

CTCP Thiết Bị Bưu Điện

HNX

32,403%

2013

PPC

CTCP Nhiệt Điện Phả Lại

HoSE

13,149%

2013

PVD

TCT CP Khoan & DV Khoan Dầu Khí

HoSE

7,649%

2013

PVE

TCT Tư Vấn Thiết Kế Dầu Khí – CTCP

HNX

8,354%

2013

PVS

TCT CP DV Kỹ Thuật Dầu Khí VN

HNX

5,689%

2013

PVT

TCT Cổ Phần Vận Tải Dầu Khí

HoSE

21,904%

2013

PVX

TCT CP Xây Lắp Dầu Khí Việt Nam

HNX

106,586%

2013

QNC

CTCP Xi măng và XD Quảng Ninh

HNX

127,269%

2013

REE

CTCP Cơ Điện Lạnh

HoSE

16,079%

2013

SD5

CTCP Sông Đà 5

HNX

55,467%

2013

SD9

CTCP Sông Đà 9

HNX

7,132%

2013

SDH

CTCP Xây Dựng Hạ Tầng Sông Đà

HNX

23,193%

2013

SDP

CTCP SDP

HNX

5,878%

2013

SDT

CTCP Sông Đà 10

HNX

12,500%

2013

SDU

CTCP ĐT XD & PT Đô Thị Sông Đà

HNX

29,350%

2013

SEB

CTCP ĐT & PT Điện Miền Trung

HNX

18,751%

2013

SHN

CTCP Đầu Tư Tổng Hợp Hà Nội

HNX

20,979%

100

2013

SJD

CTCP Thủy điện Cần Đơn

HoSE

23,374%

101

2013

SJS

CTCP ĐT PT Đô Thị & KCN Sông Đà

HoSE

156,005%

102

2013

TDH

CTCP Phát Triển Nhà Thủ Đức

HoSE

75,894%

103

2013

TSC

CTCP VTKT Nông Nghiệp Cần Thơ

HoSE

20,328%

104

2013

TTF

CTCP TĐ Kỹ nghệ Gỗ Trường Thành

HoSE

132,403%

105

2013

VC2

CTCP Xây Dựng Số 2

HNX

39,832%

106

2013

VC3

CTCP Xây Dựng Số 3

HNX

18,536%

107

2013

VCS

CTCP Vicostone

HNX

53,194%

108

2013

VHC

CTCP Vĩnh Hoàn

HoSE

147,849%

109

2013

VHG

CTCP Đầu Tư Cao Su Quảng Nam

HoSE

7,629%

110

2013

VIC

Tập đoàn VINGROUP - CTCP

HoSE

44,284%

111

2013

VIP

CTCP Vận tải Xăng dầu Vipco

HoSE

44,862%

112

2013

VNE

TCT Cổ Phần Xây dựng Điện VN

HoSE

14,007%

113

2013

VNG

CTCP Du Lịch Thành Thành Công

HoSE

8,137%

114

2013

VNM CTCP Sữa Việt Nam

HoSE

8,603%

115

2013

CTCP Ánh Dương Việt Nam

VNS

HoSE

35,248%

116

2013

VSH

HoSE

77,230%

117

2013

CTCP Thủy Điện Vĩnh Sơn - Sông Hinh CTCP Nhựa & Môi Trường Xanh An Phát

AAA

HoSE

22,935%

118

2013

CTCP Nhựa Bình Minh

BMP

HoSE

21,416%

119

2014

CTCP Nam Việt

ANV

HoSE

86,755%

120

2014

CTCP Đầu Tư Xây Dựng Bình Chánh

BCI

HoSE

85,117%

121

2014

CTCP ĐT Hạ Tầng Kỹ Thuật TP.HCM

CII

HoSE

55,690%

122

2014

CTCP Tập Đoàn Dabaco Việt Nam

DBC

HNX

13,831%

123

2014

CTCP Dược Phẩm Bến Tre

DBT

HNX

93,715%

124

2014

CTCP Dược phẩm Hà Tây

DHT

HNX

28,543%

125

2014

TCT Cổ Phần Đầu Tư Phát triển XD

DIG

HoSE

54,867%

126

2014

DNP

HNX

113,620%

127

2014

DPM

HoSE

46,366%

128

2014

CTCP Nhựa Đồng Nai TCT Phân Bón & Hóa Chất Dầu Khí – CTCP CTCP Sách và Thiết bị Giáo dục Nam Định

DST

HNX

96,387%

129

2014

CTCP ĐT & PT Giáo Dục Hà Nội

EID

HNX

12,109%

130

2014

CTCP FPT

FPT

HoSE

15,929%

131

2014

GMD CTCP Gemadept

HoSE

28,578%

132

2014

HAG

CTCP Hoàng Anh Gia Lai

HoSE

50,206%

133

2014

HBC

CTCP Tập đoàn Xây dựng Hòa Bình

HoSE

40,896%

134

2014

CTCP Thủy Điện Nậm Mu

HJS

HNX

50,102%

135

2014

CTCP Tập Đoàn Hòa Phát

HPG

HoSE

11,772%

136

2014

CTCP Xây Dựng Sông Hồng

ICG

HNX

21,984%

137

2014

TCT PT Đô Thị Kinh Bắc - CTCP

KBC

HoSE

120,669%

138

2014

CTCP Licogi 16

LCG

HoSE

232,618%

139

2014

CTCP Tập đoàn Masan

MSN

HoSE

17,775%

140

2014

CTCP Tập đoàn Nagakawa

NAG

HNX

24,045%

141

2014

CTCP Nhựa Thiếu Niên Tiền Phong

NTP

HNX

8,041%

142

2014

CTCP Xây Dựng Phục Hưng Holdings

PHC

HNX

196,887%

143

2014

CTCP Cao Su Phước Hòa

PHR

HoSE

23,925%

144

2014

PPC

HoSE

60,508%

145

2014

CTCP Nhiệt Điện Phả Lại TCT Dung Dịch Khoan & Hóa Phẩm Dầu Khí - CTCP

PVC

HNX

45,074%

146

2014

PVD

HoSE

33,396%

147

2014

TCT CP Khoan & DV Khoan Dầu Khí TCT Cổ Phần DV Kỹ Thuật Dầu Khí Việt Nam

PVS

HNX

13,963%

148

2014

TCT Cổ Phần Vận Tải Dầu Khí

PVT

HoSE

12,057%

149

2014

QNC

CTCP Xi măng và XD Quảng Ninh

HNX

76,094%

150

2014

CTCP Cơ Điện Lạnh

REE

HoSE

17,169%

151

2014

CTCP Sông Đà 2

SD2

HNX

46,247%

152

2014

CTCP Simco Sông Đà

SDA

HNX

5,758%

153

2014

CTCP SDP

SDP

HNX

59,979%

154

2014

SDT

HNX

6,125%

155

2014

CTCP Sông Đà 10 CTCP Đầu Tư XD & PT Đô Thị Sông Đà

SDU

HNX

128,273%

156

2014

CTCP Thủy điện Cần Đơn

SJD

HoSE

8,757%

157

2014

CTCP ĐT PT Đô Thị & KCN Sông Đà

SJS

HoSE

49,714%

158

2014

CTCP Phát Triển Nhà Thủ Đức

TDH

HoSE

21,898%

159

2014

CTCP Bia Thanh Hóa

THB

HNX

27,700%

160

2014

TMC

CTCP Thương Mại XNK Thủ Đức

HNX

20,029%

161

2014

TMP

CTCP Thủy Điện Thác Mơ

HoSE

15,165%

162

2014

CTCP VTKT Nông Nghiệp Cần Thơ

TSC

HoSE

89,687%

163

2014

CTCP Xây Dựng Số 3

VC3

HNX

145,629%

164

2014

VCG

TCT Cổ Phần XNK & Xây Dựng VN

HNX

32,988%

165

2014

Tập đoàn VINGROUP – CTCP

VIC

HoSE

48,484%

166

2014

CTCP Vận tải Xăng dầu Vipco

VIP

HoSE

74,580%

167

2014

VMC

CTCP Vimeco

HNX

35,880%

168

2014

CTCP Tập Đoàn Vinacontrol

VNC

HNX

13,608%

169

2014

TCT Cổ Phần Xây dựng Điện Việt Nam

VNE

HoSE

8,591%

170

2014

VNG

CTCP Du Lịch Thành Thành Công

HoSE

13,005%

171

2014

VNM CTCP Sữa Việt Nam

HoSE

23,035%

172

2014

CTCP Ánh Dương Việt Nam

VNS

HoSE

6,585%

173

2014

VSH

HoSE

29,460%

174

2014

CTCP Thủy Điện Vĩnh Sơn - Sông Hinh CTCP Nhựa & Môi Trường Xanh An Phát

AAA

HoSE

47,100%

175

2015

CTCP Xi Măng Bỉm Sơn

BCC

HNX

5,583%

176

2015

CTCP Khoáng Sản Bắc Kạn

BKC

HNX

63,531%

177

2015

CII

CTCP ĐT Hạ Tầng Kỹ Thuật TP.HCM

HoSE

27,978%

178

2015

DBT

CTCP Dược Phẩm Bến Tre

HNX

6,437%

179

2015

DHG

CTCP Dược Hậu Giang

HoSE

7,892%

180

2015

CTCP Dược phẩm Hà Tây

DHT

HNX

39,667%

181

2015

DNP

HNX

95,073%

182

2015

DPM

HoSE

25,912%

CTCP Nhựa Đồng Nai TCT Phân Bón & Hóa Chất Dầu Khí – CTCP CTCP Sách và Thiết bị Giáo dục Nam Định

183

2015

DST

HNX

27,161%

184

2015

FPT

CTCP FPT

HoSE

5,708%

185

2015

HAG

CTCP Hoàng Anh Gia Lai

HoSE

73,028%

186

2015

HJS

CTCP Thủy Điện Nậm Mu

HNX

27,194%

187

2015

HPG

CTCP Tập Đoàn Hòa Phát

HoSE

10,186%

188

2015

ICG

CTCP Xây Dựng Sông Hồng

HNX

63,441%

189

2015

ITA

CTCP Đầu tư và Công nghiệp Tân Tạo

HoSE

57,517%

190

2015

ITC

CTCP Đầu Tư & KD Nhà Intresco

HoSE

46,601%

191

2015

KBC

TCT PT Đô Thị Kinh Bắc - CTCP

HoSE

26,308%

192

2015

LCG

CTCP Licogi 16

HoSE

62,768%

193

2015

LGC

CTCP Đầu Tư Cầu Đường CII

HoSE

5,412%

194

2015

MSN

CTCP Tập đoàn Masan

HoSE

37,799%

195

2015

NAG

CTCP Tập đoàn Nagakawa

HNX

13,144%

196

2015

PET

TCT Cổ Phần DV Tổng Hợp Dầu Khí

HoSE

22,531%

197

2015

PHR

CTCP Cao Su Phước Hòa

HoSE

9,426%

198

2015

PLC

TCT Hóa Dầu Petrolimex - CTCP

HNX

39,183%

199

2015

PNJ

CTCP Vàng Bạc Đá Quý Phú Nhuận

HoSE

47,285%

200

2015

POT

CTCP Thiết Bị Bưu Điện

HNX

11,264%

201

2015

PPC

HoSE

8,793%

202

2015

PVC

HNX

107,195%

203

2015

PVD

CTCP Nhiệt Điện Phả Lại TCT Dung Dịch Khoan & Hóa Phẩm Dầu Khí - CTCP TCT Cổ Phần Khoan & DV Khoan Dầu Khí

HoSE

87,658%

204

2015

PVE

HNX

6,333%

205

2015

PVS

HNX

38,480%

206

2015

PVX

HNX

100,674%

207

2015

QNC

TCT Tư Vấn Thiết Kế Dầu Khí - CTCP TCT Cổ Phần DV Kỹ Thuật Dầu Khí Việt Nam TCT Cổ Phần Xây Lắp Dầu Khí Việt Nam CTCP Xi măng và Xây dựng Quảng Ninh

HNX

150,279%

208

2015

S99

CTCP SCI

HNX

58,088%

209

2015

SAM

CTCP Đầu Tư & Phát Triển Sacom

HoSE

5,591%

210

2015

SD5

CTCP Sông Đà 5

HNX

5,831%

211

2015

SDP

CTCP SDP

HNX

83,997%

212

2015

SDT

HNX

14,384%

213

2015

SDU

CTCP Sông Đà 10 CTCP Đầu Tư XD & PT Đô Thị Sông Đà

HNX

27,709%

214

2015

SEB

CTCP ĐT & PT Điện Miền Trung

HNX

7,301%

215

2015

SJE

CTCP Sông Đà 11

HNX

65,702%

216

2015

SJS

CTCP ĐT PT Đô Thị & KCN Sông Đà

HoSE

7,637%

217

2015

TDH

CTCP Phát Triển Nhà Thủ Đức

HoSE

183,556%

218

2015

THB

CTCP Bia Thanh Hóa

HNX

23,444%

219

2015

TMP

CTCP Thủy Điện Thác Mơ

HoSE

10,610%

220

2015

TSC

HoSE

89,396%

CTCP Vật Tư Kỹ Thuật Nông Nghiệp Cần Thơ CTCP Tập đoàn Kỹ nghệ Gỗ Trường Thành

2015

TTF

HoSE

33,367%

221

CTCP Xây Dựng Số 3

2015

VC3

HNX

70,933%

222

CTCP Thực Phẩm Lâm Đồng

2015

VDL

HNX

18,117%

223

CTCP Ống Thép Việt Đức VG PIPE

2015

VGS

HNX

78,226%

224

CTCP Viglacera Hạ Long

2015

VHL

HNX

5,762%

225

VMC

CTCP Vimeco

2015

HNX

12,181%

226

CTCP Tập Đoàn Vinacontrol

2015

VNC

HNX

14,067%

227

TCT Cổ Phần Xây dựng Điện Việt Nam

2015

VNE

HoSE

88,799%

228

VNG

CTCP Du Lịch Thành Thành Công

2015

HoSE

36,193%

229

VNM CTCP Sữa Việt Nam

2015

HoSE

19,969%

230

CTCP Ánh Dương Việt Nam

2015

VNS

HoSE

7,300%

231

CTCP Nhựa Bình Minh

2015

BMP

HoSE

11,139%

232

PHỤ LỤC 8

Danh sách các mẫu quan sát không có sai sót

STT Năm

Tên doanh nghiệp

Mã CK

Chênh lệch LN

Sàn niêm yết

1 2 3 4 5 6 7 8 9 10 11 12 13 14

BCI CTCP Đầu Tư Xây Dựng Bình Chánh DBT CTCP Dược Phẩm Bến Tre DNP CTCP Nhựa Đồng Nai DPM TCT Phân Bón & Hóa Chất Dầu Khí - CTCP DST CTCP Sách và Thiết bị Giáo dục Nam Định DXG CTCP DV & XD Địa Ốc Đất Xanh HAG CTCP Hoàng Anh Gia Lai HBC CTCP Tập đoàn Xây dựng Hòa Bình HJS CTCP Thủy Điện Nậm Mu HPG CTCP Tập Đoàn Hòa Phát ICG CTCP Xây Dựng Sông Hồng KBC TCT PT Đô Thị Kinh Bắc - CTCP LGC CTCP Đầu Tư Cầu Đường CII PPC CTCP Nhiệt Điện Phả Lại

HOSE HNX HNX HOSE HNX HOSE HOSE HOSE HNX HOSE HNX HOSE HOSE HOSE

4,894% 4,567% 4,748% 0,478% 4,886% 4,667% 3,374% 3,429% 3,274% 4,642% 3,786% 2,344% 4,283% 2,182%

2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012

TCT Dung Dịch Khoan & Hóa Phẩm Dầu Khí – CTCP

PVC PVD TCT Cổ Phần Khoan & DV Khoan Dầu Khí PVS TCT Cổ Phần DV Kỹ Thuật Dầu Khí Việt Nam SD5 CTCP Sông Đà 5 SDH CTCP Xây Dựng Hạ Tầng Sông Đà SEB CTCP ĐT & PT Điện Miền Trung SGT CTCP Công Nghệ Viễn Thông Sài Gòn SJS CTCP ĐT PT Đô Thị & KCN Sông Đà TMP CTCP Thủy Điện Thác Mơ VC2 CTCP Xây Dựng Số 2 VCG TCT Cổ Phần XNK & Xây Dựng Việt Nam VCS CTCP Vicostone VGS CTCP Ống Thép Việt Đức VG PIPE VHL CTCP Viglacera Hạ Long

2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 VNM CTCP Sữa Việt Nam 2012 2012 2012 2012

15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

VNS CTCP Ánh Dương Việt Nam VSH CTCP Thủy Điện Vĩnh Sơn - Sông Hinh AAA CTCP Nhựa & Môi Trường Xanh An Phát BMP CTCP Nhựa Bình Minh BCI CTCP Đầu Tư Xây Dựng Bình Chánh

2013

HNX HOSE HNX HNX HNX HNX HOSE HOSE HOSE HNX HNX HNX HNX HNX HOSE HOSE HOSE HOSE HOSE HOSE

2,771% 4,882% 3,940% 4,276% 3,475% 3,243% 4,467% 3,507% 2,456% 2,024% 3,415% 2,005% 4,683% 4,982% 3,630% 2,389% 3,434% 2,156% 4,361% 0,885%

35 36 37 38 39 40 41 42 43 44 45

BKC CTCP Khoáng Sản Bắc Kạn DST CTCP Sách và Thiết bị Giáo dục Nam Định DXG CTCP DV & XD Địa Ốc Đất Xanh EID CTCP ĐT & PT Giáo Dục Hà Nội HBC CTCP Tập đoàn Xây dựng Hòa Bình HUT CTCP Tasco ITC CTCP Đầu Tư & KD Nhà Intresco LCG CTCP Licogi 16 NAG CTCP Tập đoàn Nagakawa PHC CTCP Xây Dựng Phục Hưng Holdings PHR CTCP Cao Su Phước Hòa

HNX HNX HOSE HNX HOSE HNX HOSE HOSE HNX HNX HOSE

4,261% 1,556% 2,258% 2,393% 2,990% 2,709% 2,064% 4,496% 3,414% 2,000% 2,477%

2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013

TCT Dung Dịch Khoan & Hóa Phẩm Dầu Khí - CTCP

PVC S99 CTCP SCI SAM CTCP Đầu Tư & Phát Triển Sacom SD2 CTCP Sông Đà 2 SDA CTCP Simco Sông Đà SGT CTCP Công Nghệ Viễn Thông Sài Gòn SJE CTCP Sông Đà 11 THB CTCP Bia Thanh Hóa TMC CTCP Thương Mại XNK Thủ Đức TMP CTCP Thủy Điện Thác Mơ VCG TCT Cổ Phần XNK & Xây Dựng Việt Nam VDL CTCP Thực Phẩm Lâm Đồng VGS CTCP Ống Thép Việt Đức VG PIPE VHL CTCP Viglacera Hạ Long

2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 2013 VMC CTCP Vimeco 2013 2013

VNC CTCP Tập Đoàn Vinacontrol VTO CTCP Vận Tải Xăng Dầu Vitaco

2014 BCC CTCP Xi Măng Bỉm Sơn 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014

46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75

BKC CTCP Khoáng Sản Bắc Kạn DHG CTCP Dược Hậu Giang DXG CTCP DV & XD Địa Ốc Đất Xanh HUT CTCP Tasco ITA CTCP Đầu tư và Công nghiệp Tân Tạo ITC CTCP Đầu Tư & KD Nhà Intresco KDC CTCP TẬP ĐOÀN KIDO LGC CTCP Đầu Tư Cầu Đường CII PET TCT Cổ Phần DV Tổng Hợp Dầu Khí PLC TCT Hóa Dầu Petrolimex - CTCP PNJ CTCP Vàng Bạc Đá Quý Phú Nhuận POT CTCP Thiết Bị Bưu Điện

HNX HNX HOSE HNX HNX HOSE HNX HNX HNX HOSE HNX HNX HNX HNX HNX HNX HOSE HNX HNX HOSE HOSE HNX HOSE HOSE HOSE HOSE HOSE HNX HOSE HNX

1,080% 3,343% 2,734% 3,937% 4,132% 4,757% 4,336% 3,235% 4,031% 4,145% 3,370% 3,525% 4,251% 4,665% 3,725% 3,832% 2,249% 4,888% 2,646% 2,499% 4,587% 1,392% 0,276% 3,028% 3,800% 4,373% 3,861% 4,455% 3,243% 2,168%

2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014 2014

PVE TCT Tư Vấn Thiết Kế Dầu Khí - CTCP PVX TCT Cổ Phần Xây Lắp Dầu Khí Việt Nam S99 CTCP SCI SAM CTCP Đầu Tư & Phát Triển Sacom SD5 CTCP Sông Đà 5 SD9 CTCP Sông Đà 9 SDH CTCP Xây Dựng Hạ Tầng Sông Đà SEB CTCP ĐT & PT Điện Miền Trung SGT CTCP Công Nghệ Viễn Thông Sài Gòn SHN CTCP Đầu Tư Tổng Hợp Hà Nội SJE CTCP Sông Đà 11 TTF CTCP Tập đoàn Kỹ nghệ Gỗ Trường Thành VC2 CTCP Xây Dựng Số 2 VCS CTCP Vicostone VDL CTCP Thực Phẩm Lâm Đồng 2014 VGS CTCP Ống Thép Việt Đức VG PIPE 2014 2014 2014 2014 2014

VHC CTCP Vĩnh Hoàn VHG CTCP Đầu Tư Cao Su Quảng Nam VHL CTCP Viglacera Hạ Long VTO CTCP Vận Tải Xăng Dầu Vitaco BMP CTCP Nhựa Bình Minh

BCI CTCP Đầu Tư Xây Dựng Bình Chánh DBC CTCP Tập Đoàn Dabaco Việt Nam DIG TCT Cổ Phần Đầu Tư Phát triển Xây Dựng DXG CTCP DV & XD Địa Ốc Đất Xanh EID CTCP ĐT & PT Giáo Dục Hà Nội

2015 ANV CTCP Nam Việt 2015 2015 2015 2015 2015 2015 GMD CTCP Gemadept 2015 2015 2015 2015 2015 2015 2015 2015 2015 2015 2015 2015 2015 2015

76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117

HBC CTCP Tập đoàn Xây dựng Hòa Bình HUT CTCP Tasco KDC CTCP TẬP ĐOÀN KIDO NTP CTCP Nhựa Thiếu Niên Tiền Phong PHC CTCP Xây Dựng Phục Hưng Holdings PVT TCT Cổ Phần Vận Tải Dầu Khí REE CTCP Cơ Điện Lạnh SD2 CTCP Sông Đà 2 SD9 CTCP Sông Đà 9 SDA CTCP Simco Sông Đà SDH CTCP Xây Dựng Hạ Tầng Sông Đà SGT CTCP Công Nghệ Viễn Thông Sài Gòn SHN CTCP Đầu Tư Tổng Hợp Hà Nội SJD CTCP Thủy điện Cần Đơn

HNX HNX HNX HOSE HNX HNX HNX HNX HOSE HNX HNX HOSE HNX HNX HNX HNX HOSE HOSE HNX HOSE HOSE HOSE HOSE HNX HOSE HOSE HNX HOSE HOSE HNX HOSE HNX HNX HOSE HOSE HNX HNX HNX HNX HOSE HNX HOSE

2,689% 1,240% 3,701% 2,476% 1,965% 1,033% 2,619% 2,081% 4,442% 2,987% 3,649% 2,577% 2,918% 3,912% 3,049% 2,748% 1,328% 4,769% 1,639% 1,305% 3,761% 2,445% 1,395% 2,036% 3,718% 3,903% 3,090% 4,110% 1,535% 1,430% 4,143% 1,007% 1,977% 1,119% 3,432% 4,137% 3,286% 2,232% 3,937% 3,038% 1,614% 2,324%

TMC CTCP Thương Mại XNK Thủ Đức VC2 CTCP Xây Dựng Số 2

118 119 120 121 122 123 124 125 126 127 128

HNX HNX HNX HNX HOSE HOSE HOSE HOSE HOSE HOSE HOSE

4,863% 2,527% 4,545% 3,033% 2,334% 3,273% 1,403% 2,834% 0,775% 2,771% 1,558%

2015 2015 2015 VCG TCT Cổ Phần XNK & Xây Dựng VN 2015 VCS CTCP Vicostone 2015 VHC CTCP Vĩnh Hoàn 2015 VHG CTCP Đầu Tư Cao Su Quảng Nam 2015 VIC Tập đoàn VINGROUP - CTCP 2015 VIP CTCP Vận tải Xăng dầu Vipco 2015 VSH CTCP Thủy Điện Vĩnh Sơn - Sông Hinh 2015 VTO CTCP Vận Tải Xăng Dầu Vitaco 2015 AAA CTCP Nhựa & Môi Trường Xanh An Phát

Luận văn Thạc sĩ Kinh tế: Ứng dụng mô hình M-score trong việc phát hiện sai sót thông tin trên báo cáo tài chính của các doanh nghiệp niêm yết

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP. HCM



CA THỊ NGỌC TỐ

ỨNG DỤNG MÔ HÌNH M-SCORE TRONG VIỆC

PHÁT HIỆN SAI SÓT THÔNG TIN TRÊN BÁO CÁO

TÀI CHÍNH CỦA CÁC DOANH NGHIỆP NIÊM YẾT

LUẬN VĂN THẠC SĨ KINH TẾ

Thành phố Hồ Chí Minh - Năm 2017

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC KINH TẾ TP. HCM



CA THỊ NGỌC TỐ

ỨNG DỤNG MÔ HÌNH M-SCORE TRONG VIỆC

PHÁT HIỆN SAI SÓT THÔNG TIN TRÊN BÁO CÁO

TÀI CHÍNH CỦA CÁC DOANH NGHIỆP NIÊM YẾT

Chuyên ngành: Kế toán

Mã số: 60340301

LUẬN VĂN THẠC SĨ KINH TẾ

NGƢỜI HƢỚNG DẪN KHOA HỌC

TS. PHẠM QUANG HUY

Thành phố Hồ Chí Minh - Năm 2017

MỤC LỤC

+ B

+...+ B

X 1

1

X 2

2

X i

j

+...+ B

+ B

i/(1+ eBo + B X

+...+ B j

+ B 2

X i)

X 1

X 2

X 2

2

1

j

STT

Tên doanh nghiệp

Ngành nghề

Mã CK ANV CTCP Nam Việt BCC CTCP Xi Măng Bỉm Sơn

Sàn niêm yết HOSE HNX

STT

Khoản mục

Mã số

Giá trị chỉ

Sai sót theo kết

số M-score

quả kiểm toán (1

STT

Mã CK

Tên doanh nghiệp

= có sai sót; 0 =

không có sai sót)

STT Năm Mã CK

Tên doanh nghiệp

Sàn niêm yết

Chênh lệch LN

STT Năm

Tên doanh nghiệp

Mã CK

Chênh lệch LN

Sàn niêm yết

Có thể bạn quan tâm

Tài liêu mới

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm