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

1. Thông tin Luận văn thạc sĩ

• Tên Luận văn: 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
• Tác giả: CA THỊ NGỌC TỐ
• Số trang: 115
• Năm: 2017
• Nơi xuất bản: Thành phố Hồ Chí Minh (Trường Đại học Kinh tế TP. HCM)
• Chuyên ngành học: Kế toán
• Từ khoá: Mô hình M-score, Sai sót thông tin BCTC, Gian lận BCTC, Doanh nghiệp niêm yết, Thị trường chứng khoán

2. Nội dung chính

Trong bối cảnh hội nhập kinh tế quốc tế sâu rộng và sự phát triển của thị trường chứng khoán (TTCK) Việt Nam, thông tin tài chính, đặc biệt là Báo cáo tài chính (BCTC), đóng vai trò cực kỳ quan trọng trong việc đưa ra các quyết định kinh tế của nhà quản trị, nhà đầu tư, và cơ quan quản lý. Tuy nhiên, tính chính xác và trung thực của BCTC luôn là một vấn đề nan giải. Thời gian qua, Việt Nam đã chứng kiến nhiều vụ việc doanh nghiệp niêm yết công bố thông tin chậm trễ, không đầy đủ, sai sót, thậm chí gian lận trên BCTC. Các trường hợp điển hình như Công ty Cổ phần Bông Bạch Tuyết, Công ty gỗ Trường Thành, Công ty cổ phần NTACO, hay Công ty CP thiết bị Y tế Việt Nhật đã gây ra những tổn thất đáng kể cho nhà đầu tư, làm giảm niềm tin và ảnh hưởng đến tính minh bạch, công khai của TTCK. Mặc dù đã có các văn bản pháp luật quy định về công bố thông tin và xử phạt vi phạm hành chính trong lĩnh vực chứng khoán, nhưng tình trạng vi phạm vẫn tiếp diễn, cho thấy những quy định này chưa đủ sức răn đe. Từ thực trạng này, luận văn thạc sĩ được thực hiện nhằm mục tiêu ứng dụng mô hình M-score của Beneish (1999) để xây dựng một mô hình định lượng phát hiện sai sót thông tin trên BCTC của các doanh nghiệp niêm yết tại Việt Nam. Nghiên cứu tập trung vào 90 doanh nghiệp phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX) trong giai đoạn 2011-2016, sử dụng phương pháp định lượng với hồi quy binary logistic. Mục tiêu cuối cùng là cung cấp một công cụ tham khảo hữu ích cho kiểm toán viên, nhà đầu tư và cơ quan quản lý TTCK, góp phần nâng cao chất lượng BCTC và hạn chế các quyết định sai lầm.

Cơ sở lý luận của luận văn được xây dựng dựa trên khái niệm sai sót thông tin trên BCTC theo Chuẩn mực kiểm toán Việt Nam số 240 (VSA 240), tập trung vào hành vi cố ý gây sai sót, tức gian lận. Gian lận được phân loại thành lập BCTC gian lận (như xuyên tạc, làm giả chứng từ, cố ý không trình bày thông tin, áp dụng sai nguyên tắc kế toán) và tham ô, biển thủ tài sản. Các trường hợp gian lận điển hình thường liên quan đến che giấu công nợ và chi phí, ghi nhận doanh thu không có thật hoặc khai khống, định giá sai tài sản, và gian lận trong khoản mục tiền. Để giải thích động cơ và hành vi dẫn đến các sai sót này, luận văn vận dụng bốn lý thuyết nền tảng. Thứ nhất, Lý thuyết thông tin bất cân xứng (Asymmetric Information) cho rằng doanh nghiệp sẽ lợi dụng sự chênh lệch thông tin để điều chỉnh chính sách kế toán, tạo ra BCTC có lợi cho mình. Thứ hai, Lý thuyết ủy nhiệm (Agency Theory) giải thích việc nhà quản lý có động cơ thao túng BCTC để tối đa hóa lợi ích cá nhân, đặc biệt khi kế hoạch khen thưởng dựa trên số liệu kế toán hoặc khi cần “làm đẹp” hồ sơ vay vốn. Thứ ba, Lý thuyết tam giác gian lận (Fraud Triangle) chỉ ra rằng gian lận xảy ra khi có ba yếu tố: áp lực (tài chính, kinh doanh), cơ hội (thiếu kiểm soát), và thái độ/cá tính (sẵn sàng vi phạm). Cuối cùng, Lý thuyết các bên liên quan (Stakeholder Theory) lý giải việc doanh nghiệp điều chỉnh BCTC để đáp ứng kỳ vọng của các đối tượng khác nhau (nhà đầu tư, chủ nợ, chính phủ) về tình hình hoạt động. Những lý thuyết này cung cấp nền tảng vững chắc để xác định các biến độc lập trong mô hình M-score, biểu thị tín hiệu phát triển kém, dòng tiền và dồn tích, cùng các hành vi lựa chọn chính sách kế toán của nhà quản lý.

Phương pháp nghiên cứu định lượng được áp dụng là định lượng, sử dụng mô hình M-score của Beneish (1999) và hồi quy binary logistic. Dữ liệu thứ cấp được thu thập từ BCTC trước và sau kiểm toán độc lập của 90 doanh nghiệp phi tài chính niêm yết trên HOSE và HNX trong giai đoạn 2011-2015. Mẫu nghiên cứu được phân loại thành nhóm có sai sót (chênh lệch lợi nhuận trước thuế trước và sau kiểm toán lớn hơn 5%) và nhóm không có sai sót (chênh lệch nhỏ hơn 5%). Mô hình M-score gốc bao gồm 8 biến độc lập: DSRI (tỷ số phải thu khách hàng trên doanh thu), GMI (tỷ suất lợi nhuận gộp biên), AQI (chất lượng tài sản), SGI (tăng trưởng doanh thu), DEPI (khấu hao), SGAI (chi phí bán hàng và quản lý), LVGI (đòn bẩy tài chính), và TATA (dồn tích kế toán so với tổng tài sản). Kết quả hồi quy logistic cho thấy, sau khi loại bỏ các biến không có ý nghĩa thống kê ở mức 5%, mô hình nghiên cứu còn lại 5 biến độc lập có tác động đáng kể đến khả năng phát hiện sai sót thông tin trên BCTC, bao gồm GMI, SGI, SGAI, DEPI và LVGI. Trong đó, biến LVGI (đòn bẩy tài chính) có mức độ tác động biên lớn nhất, cho thấy áp lực tài chính cao là động cơ mạnh mẽ nhất thúc đẩy hành vi gian lận. Khả năng dự báo chính xác của mô hình đạt 80.83% với dữ liệu nội bộ và được kiểm định lại với dữ liệu BCTC năm 2016, cho thấy độ chính xác 88.89% tại ngưỡng xác suất dự báo 15% miền phân phối, tương ứng với giá trị phân loại M-score là -1.03643.

Từ những kết quả nghiên cứu này, luận văn đã đưa ra các gợi ý chính sách quan trọng. Đối với kiểm toán viên, cần tuân thủ VSA 240, duy trì thái độ hoài nghi nghề nghiệp, nâng cao năng lực chuyên môn, và đặc biệt là sử dụng chỉ số M-score như một công cụ cảnh báo sớm trong giai đoạn lập kế hoạch kiểm toán, tập trung vào các khoản mục có rủi ro cao như đòn bẩy tài chính, tăng trưởng doanh thu bất thường, mức khấu hao, tỷ suất lợi nhuận biên và chi phí bán hàng/quản lý. Đối với cơ quan quản lý TTCK (Ủy ban Chứng khoán), cần định kỳ tính toán và công bố chỉ số M-score của từng doanh nghiệp niêm yết, yêu cầu giải trình đối với các doanh nghiệp có chỉ số cảnh báo cao, và tăng cường kiểm tra, xác minh. Đồng thời, cần xây dựng một cơ quan giám sát chặt chẽ chất lượng BCTC để đảm bảo tính minh bạch. Cuối cùng, nhà đầu tư cần trang bị kiến thức tài chính cơ bản, phân tích BCTC qua nhiều kỳ để phát hiện các dấu hiệu bất thường, và sử dụng M-score như một công cụ cảnh báo chứ không phải yếu tố quyết định tuyệt đối. Luận văn cũng thừa nhận các hạn chế về thời gian nghiên cứu (2011-2016) và phạm vi áp dụng (chỉ cho doanh nghiệp niêm yết), đồng thời đề xuất các hướng nghiên cứu trong tương lai như bổ sung thêm các biến độc lập (quy mô, phát hành cổ phiếu), sử dụng các phương pháp kiểm định khác, hoặc kết hợp với các mô hình phát hiện gian lận khác (như F-score) để nâng cao độ chính xác.