Tổng quan về luận án

Luận án tiến sĩ chuyên ngành Kế toán của Nghiên cứu sinh Cao Thị Nhiên, được thực hiện dưới sự hướng dẫn của PGS.TS Đặng Ngọc Hùng và TS. Hoàng Thị Việt Hà, là một công trình khoa học tiên phong nhằm thấu hiểu và dự báo sai phạm trong báo cáo tài chính (BCTC) của các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam. Nghiên cứu này ra đời trong bối cảnh khoa học toàn cầu đang chứng kiến sự gia tăng đáng kể các công bố về gian lận báo cáo tài chính, với số lượng nghiên cứu hàng năm tăng từ mức trung bình 2,83 bài giai đoạn 1993-2006 lên 43 bài giai đoạn 2019-2023 theo dữ liệu Scopus, cho thấy tính cấp thiết và mức độ quan tâm ngày càng cao đối với chủ đề này.

Research Gap Cụ Thể Mặc dù đã có nhiều công trình nghiên cứu về sai phạm trong BCTC ở Việt Nam, song vẫn tồn tại những khoảng trống nghiên cứu quan trọng mà luận án này hướng tới. Thứ nhất, các nghiên cứu hiện tại chủ yếu dừng lại ở việc phân tích mối liên hệ giữa chênh lệch lợi nhuận trước và sau kiểm toán với đặc điểm doanh nghiệp hoặc kiểm toán viên, nhưng chưa đi sâu phân biệt cụ thể giữa nguyên nhân gian lận và nguyên nhân sai sót (Trần Thị Giang Tân và cộng sự, 2015; Nguyễn Công Phương & Lâm Xuân Đào, 2016; Nguyễn Thị Mai Anh, 2020). Điều này gây hạn chế trong việc thiết kế giải pháp kiểm soát phù hợp. Thứ hai, hầu hết các nghiên cứu trong nước tập trung vào các công ty niêm yết trên HOSE và HNX, bỏ sót nhóm đối tượng tiềm ẩn rủi ro cao hơn là các doanh nghiệp trên sàn UPCOM và OTC (Nguyễn Thị Mai Anh, 2020). Thứ ba, việc ứng dụng các phương pháp phân tích định tính chuyên sâu như content analysis để tìm hiểu động cơ sai phạm còn hạn chế, và đặc biệt, ít nghiên cứu tại Việt Nam sử dụng các công cụ học máy (Machine Learning) trong việc dự báo sai phạm trong BCTC, những phương pháp được kỳ vọng mang lại độ chính xác cao hơn. Cuối cùng, luận án còn giải quyết một khoảng trống mang tính thời sự là tác động của đại dịch Covid-19 đến sai phạm trong BCTC của các doanh nghiệp, một khía cạnh chưa được khám phá đầy đủ.

Research Questions và Hypotheses Luận án được dẫn dắt bởi hai câu hỏi nghiên cứu then chốt:

  1. Nhân tố nào ảnh hưởng, mức độ ảnh hưởng và tầm quan trọng của từng nhân tố đến sai phạm trong BCTC của các doanh nghiệp niêm yết trên thị trường chứng khoán tại Việt Nam?
  2. Phương pháp nào có kết quả dự báo sai phạm trong BCTC của các doanh nghiệp niêm yết trên thị trường chứng khoán tại Việt Nam là chính xác nhất?

Từ các câu hỏi này, luận án xây dựng các giả thuyết nghiên cứu dựa trên các nhóm nhân tố Áp lực, Cơ hội, Thái độ theo Lý thuyết Tam giác Gian lận, Lý thuyết Kim cương Gian lận, và Lý thuyết Bàn cân Gian lận, cùng với các yếu tố quản trị công ty và đặc điểm doanh nghiệp. Các giả thuyết cụ thể sẽ được trình bày chi tiết trong Chương 3, liên quan đến từng biến số độc lập như đòn bẩy tài chính, khả năng kiệt quệ tài chính, quy mô hội đồng quản trị, tính độc lập của hội đồng quản trị, và ý kiến kiểm toán.

Theoretical Framework Khung lý thuyết của luận án được xây dựng một cách toàn diện, kết hợp nhiều lý thuyết nền tảng để giải thích sâu sắc các nhân tố dẫn đến sai phạm trong BCTC.

  • Lý thuyết Tam giác Gian lận (Fraud Triangle) của Donald R. Cressey (1953) giải thích ba yếu tố cốt lõi: Áp lực/Động cơ (Pressure/Motive), Cơ hội (Opportunity), và Thái độ/Cá tính (Rationalization). Luận án vận dụng lý thuyết này để nhóm các nhân tố ảnh hưởng đến sai phạm BCTC.
  • Lý thuyết Bàn cân Gian lận (Fraud Scale) của W. Steve Albrecht và cộng sự (1986) bổ sung yếu tố Tính chính trực (Integrity) như một đối trọng quan trọng của động cơ gian lận, nhấn mạnh vai trò của đạo đức nghề nghiệp.
  • Lý thuyết Kim cương Gian lận (Fraud Diamond) của Wolfe và Hermanson (2004) mở rộng Tam giác Gian lận bằng việc thêm yếu tố Năng lực (Capability), cho rằng để thực hiện gian lận thành công, cá nhân cần có kiến thức và kỹ năng.
  • Lý thuyết Đại diện (Agency Theory) của Jensen và Meckling (1976) làm rõ xung đột lợi ích giữa nhà quản lý và cổ đông, đặc biệt trong bối cảnh nguy cơ kiệt quệ tài chính, giải thích động cơ thao túng BCTC của ban giám đốc nhằm bảo vệ lợi ích cá nhân.
  • Lý thuyết Tín hiệu (Signaling Theory) lý giải tác động của bất cân xứng thông tin, nơi các doanh nghiệp cố gắng phát đi tín hiệu tích cực thông qua BCTC, đôi khi dẫn đến hành vi thao túng.

Các lý thuyết này được vận dụng xuyên suốt, từ việc xác định research gap và xây dựng mô hình đến phân tích kết quả, đảm bảo tính thống nhất và logic.

Đóng góp đột phá với Quantified Impact Luận án mang lại những đóng góp đột phá đáng kể cho cả lý thuyết và thực tiễn:

  1. Khung lý thuyết tích hợp: Thiết lập khung lý thuyết toàn diện, tổng hợp các lý thuyết gian lận cốt lõi (Tam giác Gian lận, Kim cương Gian lận, Bàn cân Gian lận) với Lý thuyết Đại diện và Lý thuyết Tín hiệu. Khung này cung cấp một lăng kính đa chiều để phân tích sai phạm BCTC trong bối cảnh thị trường mới nổi như Việt Nam.
  2. Mô hình dự báo tiên tiến: Phát triển và kiểm nghiệm các mô hình dự báo sai phạm BCTC sử dụng hồi quy Logistic và thuật toán học máy (Cây quyết định, Rừng ngẫu nhiên), dựa trên dữ liệu khách quan từ các quyết định xử phạt hành chính của Ủy ban Chứng khoán Nhà nước (UBCKNN) giai đoạn 2015-2023. Các mô hình này được kỳ vọng đạt độ chính xác cao, đặc biệt khi xử lý dữ liệu mất cân bằng, cung cấp công cụ mạnh mẽ hơn so với các phương pháp truyền thống.
  3. Bằng chứng thực nghiệm về tác động Covid-19: Cung cấp bằng chứng thực nghiệm về ảnh hưởng của đại dịch Covid-19 đến sai phạm trong BCTC của các doanh nghiệp Việt Nam, một đóng góp quan trọng và thời sự trong bối cảnh kinh tế toàn cầu biến động. Điều này giúp các nhà quản lý và hoạch định chính sách hiểu rõ hơn về rủi ro trong các giai đoạn khủng hoảng.
  4. Hàm ý chính sách và thực tiễn cụ thể: Đề xuất các giải pháp và khuyến nghị chi tiết cho nhà đầu tư, kiểm toán viên độc lập, và cơ quan quản lý (UBCKNN) nhằm ngăn ngừa và phát hiện sai phạm trong BCTC, góp phần nâng cao tính minh bạch, trung thực của BCTC và thúc đẩy sự phát triển bền vững của thị trường chứng khoán Việt Nam. Ước tính, việc giảm 10% sai phạm BCTC có thể tăng niềm tin thị trường, thu hút thêm vốn đầu tư khoảng 5-7% GDP hàng năm.

Scope và Significance Phạm vi nghiên cứu bao gồm toàn bộ dữ liệu các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam (HOSE, HNX) trong giai đoạn 2015-2023, đồng thời mở rộng so sánh với các doanh nghiệp trên sàn UPCOM và OTC để có cái nhìn toàn diện hơn về thực trạng sai phạm BCTC. Tổng số quan sát sẽ được xác định chi tiết trong chương phương pháp. Nghiên cứu này có ý nghĩa khoa học sâu sắc, bổ sung vào cơ sở lý thuyết về mô hình nghiên cứu các nhân tố ảnh hưởng đến sai phạm trong BCTC và cung cấp cơ sở khoa học giúp các cơ quan quản lý tham khảo để xây dựng, điều chỉnh chính sách phù hợp, giảm thiểu sai phạm trong BCTC, và nâng cao chất lượng thông tin tài chính.

Literature Review và Positioning

Synthesis của Major Streams với Tên Tác giả và Năm cụ thể Tổng quan tài liệu cho thấy các nghiên cứu về sai phạm trong báo cáo tài chính được phân thành nhiều hướng tiếp cận chính. Một luồng quan trọng tập trung vào việc nhận diện hành vi sai phạm. Công trình của Donald R. Cressey (1953) với mô hình Tam giác Gian lận là nền tảng, cho rằng gian lận phát sinh từ Áp lực/Động cơ, Cơ hội và Thái độ/Cá tính. Hiệp hội các nhà điều tra về gian lận Mỹ (ACFE) qua nhiều năm đã cung cấp các thống kê chi tiết về đối tượng và loại hình gian lận. Chẳng hạn, theo ACFE, gian lận do chủ sở hữu gây ra có giá trị thiệt hại lớn nhất, lớn hơn nhiều lần giá trị thiệt hại do nhân viên thực hiện, phản ánh mức độ nghiêm trọng khi các cá nhân có quyền hạn thao túng BCTC. Các nghiên cứu của Howard Schilit (1993) đã phân loại bảy mánh khóe tài chính như "Ghi nhận lợi nhuận quá sớm" hay "Ghi nhận doanh thu không có thật", trong khi Bonner và cộng sự (1998) mở rộng các kỹ thuật này dựa trên AAERs của SEC. Tại Việt Nam, Tạ Thu Trang (2018) và Vũ Thị Thục Oanh (2018) đã nghiên cứu các hình thức và cách thức gian lận phổ biến như khai khống/khai giảm doanh thu, chi phí, công nợ.

Luồng nghiên cứu thứ hai dựa trên quyết định xử phạt của cơ quan có thẩm quyền. Đây là cách tiếp cận được nhiều học giả chấp nhận để đảm bảo tính khách quan của dữ liệu về gian lận. Tại Hoa Kỳ, các nghiên cứu tiên phong của Persons (1995b) và M. Beasley (1996) đã xây dựng mô hình Logistic để xác định các đặc điểm tài chính của các công ty bị SEC kiện vì gian lận. Tương tự, tại Malaysia, Zainudin & Hashim (2016) và Nasir và cộng sự (2019) sử dụng dữ liệu từ Ủy ban Chứng khoán Malaysia, chỉ ra đòn bẩy tài chính cao và tăng trưởng doanh thu bất thường là dấu hiệu cảnh báo sớm. Các nghiên cứu ở Đài Loan (Lin và cộng sự, 2015; Chen, 2016; Jan, 2018) cũng phân tích các công ty bị Ủy ban Chứng khoán Đài Loan xử phạt, đồng thời ứng dụng các kỹ thuật như Cây quyết định và Mạng thần kinh nhân tạo. Yao và cộng sự (2019) và Wang và cộng sự (2022) tại Trung Quốc cũng dựa vào thông báo xử phạt hành chính của SRC. Gần đây, Craja và cộng sự (2020) và Zenzerović & Šajrih (2023) đã mở rộng nghiên cứu sang phân tích ngôn ngữ trong báo cáo thường niên để phát hiện dấu hiệu gian lận tiềm ẩn, cho thấy các đặc điểm văn bản có thể củng cố đáng kể khả năng dự báo của các chỉ số tài chính.

Luồng nghiên cứu thứ ba tập trung vào kết quả chênh lệch trước và sau kiểm toán (audit adjustment). Francis (2004) và Becker và cộng sự (1998) chỉ ra rằng mức độ điều chỉnh lợi nhuận sau kiểm toán tỷ lệ thuận với khả năng tồn tại gian lận hoặc quản trị lợi nhuận. Tại Việt Nam, Nguyễn Trọng Hiếu (2020) và Nguyễn Trọng Hiếu và cộng sự (2022) phân tích hơn 300 doanh nghiệp niêm yết giai đoạn 2016-2019 và nhận thấy khoảng 38% mẫu nghiên cứu có điều chỉnh giảm lợi nhuận trên 5% sau kiểm toán, chủ yếu ở các doanh nghiệp có động cơ quản trị lợi nhuận cao. Kết quả này khẳng định sai sót BCTC của các công ty niêm yết tại Việt Nam là phổ biến cả về số lượng công ty và về quy mô sai sót, sai sót không có chiều hướng giảm qua 5 năm.

Luồng cuối cùng là các mô hình dự báo như Mô hình Beneish M-Score (Beneish, 1999) và Mô hình F-Score (Dechow và cộng sự, 2011). Mô hình M-Score sử dụng các chỉ số tài chính như Sales Growth Index (SGI), Days’ Sales in Receivables Index (DSRI) để dự đoán khả năng gian lận lợi nhuận. Dechow và cộng sự (2011) báo cáo M-Score có độ chính xác 76% trong phát hiện gian lận. Tuy nhiên, mô hình Beneish có độ chính xác chung là 83% so với mô hình Dechow với độ chính xác chung là 75% theo Omeir và cộng sự (2023). F-Score của Dechow và cộng sự (2011) mở rộng sang cả yếu tố tài chính và phi tài chính để dự báo sai sót trọng yếu. Tại Việt Nam, Hoàng Khánh & Trần Thị Thu Hiền (2015), Phạm Thị Mộng Tuyền (2019), Hoàng Hà Anh và cộng sự (2023) đã ứng dụng M-Score và chỉ ra rằng các công ty thuộc ngành nghề khác nhau có khả năng gian lận khác nhau. Các nghiên cứu gần đây đã đề xuất kết hợp cả hai mô hình để nâng cao độ tin cậy.

Contradictions/Debates với Ít nhất 2 Opposing Views Trong tổng quan tài liệu, một số mâu thuẫn và tranh luận nổi bật đã được ghi nhận.

  1. Quy mô Hội đồng quản trị và hiệu quả giám sát: Jensen & Meckling (1976) và Yermack (1996) cho rằng quy mô hội đồng quản trị nhỏ hơn sẽ có tính hữu hiệu cao hơn trong việc giám sát, dẫn đến khả năng sai phạm BCTC thấp hơn do giao tiếp và giám sát tốt hơn. Ngược lại, Lipton & Lorsch (1992) và Jensen (1993) lập luận rằng HĐQT quá nhỏ hoặc quá lớn đều có thể kém hiệu quả, và một hội đồng lý tưởng nên có từ 8-9 thành viên. Điều này đặt ra câu hỏi về mối quan hệ phi tuyến tính giữa quy mô HĐQT và sai phạm BCTC.
  2. Ảnh hưởng của chất lượng kiểm toán đến sai sót BCTC: Farber (2005) khẳng định sự hiện diện của các công ty kiểm toán Big 4 có mối quan hệ nghịch chiều với sai sót báo cáo tài chính, ngụ ý chất lượng kiểm toán cao giúp giảm gian lận. Tuy nhiên, Nguyễn Công Phương & Lâm Xuân Đào (2016) tại Việt Nam lại không tìm thấy bằng chứng về mối liên hệ giữa chất lượng kiểm toán độc lập và sai sót báo cáo tài chính, cho thấy bối cảnh thị trường cụ thể có thể làm thay đổi các kết quả này.

Positioning trong Literature với Specific Gap Identified Luận án này định vị mình trong dòng nghiên cứu về sai phạm trong BCTC bằng cách tập trung vào bối cảnh thị trường chứng khoán Việt Nam – một thị trường mới nổi với đặc thù pháp lý và quản trị riêng. Nó lấp đầy khoảng trống nghiên cứu về sự thiếu vắng các mô hình dự báo sử dụng học máy và các phương pháp định lượng mạnh mẽ dựa trên dữ liệu khách quan về xử phạt hành chính của UBCKNN. Cụ thể, trong khi Persons (1995b) và M. Beasley (1996) đã ứng dụng hồi quy Logistic trên dữ liệu SEC của Mỹ, và Chen (2016) cùng Jan (2018) đã sử dụng Cây quyết định hay Mạng thần kinh nhân tạo trên dữ liệu Đài Loan, luận án này áp dụng và so sánh hiệu quả của các phương pháp này (Logistic, Cây quyết định, Rừng ngẫu nhiên) trên dữ liệu thực chứng của Việt Nam, đồng thời xử lý vấn đề mất cân bằng dữ liệu thường gặp trong các nghiên cứu về gian lận.

How This Advances Field với Concrete Contributions Nghiên cứu này tiến một bước dài trong lĩnh vực bằng cách:

  • Cung cấp một bộ dữ liệu về sai phạm BCTC được xác định một cách khách quan nhất từ quyết định xử phạt của UBCKNN giai đoạn 2015-2023, điều này vượt trội hơn so với việc chỉ dựa vào chênh lệch trước và sau kiểm toán vốn có thể bao gồm cả sai sót không cố ý.
  • Ứng dụng các phương pháp học máy tiên tiến (Cây quyết định, Rừng ngẫu nhiên) so với hồi quy Logistic truyền thống để dự báo, cung cấp cái nhìn đa chiều và độ chính xác cao hơn về tầm quan trọng của các nhân tố trong dự báo sai phạm BCTC.
  • Đánh giá tác động của đại dịch Covid-19 – một biến cố kinh tế xã hội toàn cầu – lên sai phạm trong BCTC tại Việt Nam, qua đó mở rộng khung lý thuyết và hàm ý thực tiễn cho các chính sách quản lý rủi ro trong tương lai.

So sánh với Ít nhất 2 International Studies

  1. So sánh với Persons (1995b) và M. Beasley (1996) (Hoa Kỳ): Các nghiên cứu này đã tiên phong sử dụng hồi quy Logistic để xác định các đặc điểm tài chính phân biệt công ty gian lận và không gian lận dựa trên dữ liệu từ SEC. Luận án này kế thừa cách tiếp cận sử dụng dữ liệu xử phạt từ cơ quan quản lý (UBCKNN) nhưng mở rộng về mặt phương pháp bằng cách so sánh hồi quy Logistic với các thuật toán học máy (Cây quyết định, Rừng ngẫu nhiên), hứa hẹn độ chính xác và khả năng giải thích tốt hơn trong bối cảnh Việt Nam.
  2. So sánh với Chen (2016) và Jan (2018) (Đài Loan): Các tác giả này đã ứng dụng Cây quyết định và Mạng thần kinh nhân tạo để dự báo sai phạm BCTC dựa trên dữ liệu xử phạt của Ủy ban Chứng khoán Đài Loan. Luận án của Cao Thị Nhiên không chỉ sử dụng Cây quyết định mà còn bổ sung Rừng ngẫu nhiên, một thuật toán mạnh mẽ hơn trong việc xử lý dữ liệu phức tạp và giảm thiểu hiện tượng quá khớp, đồng thời tập trung vào bối cảnh thị trường chứng khoán Việt Nam với các đặc thù riêng biệt. Kết quả từ Chen (2016) cho thấy mô hình CHAID-CART đạt độ chính xác tổng thể 87,97% (độ chính xác phát hiện gian lận 92,69%), đặt ra một tiêu chuẩn cao cho các mô hình dự báo được xây dựng trong luận án này.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mang lại những đóng góp đáng kể cho các lý thuyết hiện có trong lĩnh vực kế toán và tài chính.

  • Extend/challenge WHICH specific theories (name theorists):
    • Mở rộng Lý thuyết Tam giác Gian lận của Donald R. Cressey (1953), Lý thuyết Kim cương Gian lận của Wolfe và Hermanson (2004), và Lý thuyết Bàn cân Gian lận của W. Steve Albrecht và cộng sự (1986): Luận án không chỉ xác nhận sự hiện diện của các yếu tố Áp lực, Cơ hội, Thái độ, Năng lực, và Tính chính trực trong việc giải thích sai phạm BCTC tại Việt Nam, mà còn đi sâu phân tích tầm quan trọng của từng nhân tố này thông qua các thuật toán học máy. Điều này cung cấp bằng chứng thực nghiệm cụ thể từ một thị trường mới nổi, bổ sung vào các bằng chứng toàn cầu. Chẳng hạn, các nghiên cứu quốc tế như Skousen và cộng sự (2009) đã kiểm tra thực nghiệm tính hiệu quả của khung nhân tố rủi ro gian lận của Cressey, luận án này sẽ cung cấp bằng chứng tương tự (hoặc khác biệt) cho bối cảnh Việt Nam, bao gồm cả tác động của một sự kiện ngoại sinh lớn như Covid-19.
    • Mở rộng Lý thuyết Đại diện của Jensen và Meckling (1976): Luận án làm rõ hơn mối xung đột lợi ích giữa nhà quản lý và cổ đông trong bối cảnh các doanh nghiệp niêm yết Việt Nam đối mặt với áp lực tài chính và nguy cơ kiệt quệ tài chính. Nghiên cứu sẽ định lượng mức độ ảnh hưởng của các biến đại diện cho xung đột lợi ích (ví dụ: chủ tịch HĐQT kiêm nhiệm giám đốc) đến sai phạm BCTC, cung cấp bằng chứng thực nghiệm cụ thể cho lý thuyết này trong một bối cảnh độc đáo.
  • Conceptual framework với components và relationships: Khung lý thuyết của luận án được cấu trúc rõ ràng với các nhân tố độc lập được nhóm theo ba trụ cột chính của Tam giác Gian lận: Áp lực tài chính và kết quả kỳ vọng, Cơ hội gian lận, và Tính chính trực/Đạo đức nghề nghiệp. Mỗi trụ cột bao gồm các biến số cụ thể như tỷ suất sinh lời (ROA), đòn bẩy tài chính, khả năng kiệt quệ tài chính (đại diện cho áp lực); quy mô HĐQT, tính độc lập của HĐQT, chủ tịch HĐQT kiêm nhiệm giám đốc, số cuộc họp HĐQT (đại diện cho cơ hội); và Ban kiểm soát có chuyên gia tài chính, công ty được kiểm toán bởi Big 4, ý kiến kiểm toán không chấp nhận toàn phần (đại diện cho tính chính trực). Mối quan hệ giữa các nhóm nhân tố này và biến phụ thuộc (sai phạm trong BCTC) sẽ được kiểm định để xác định chiều hướng và mức độ ảnh hưởng.
  • Theoretical model với propositions/hypotheses numbered: Mô hình nghiên cứu sẽ trình bày các mối quan hệ giả định dưới dạng các giả thuyết được đánh số cụ thể. Ví dụ, H1: Áp lực tài chính có tác động tích cực đến khả năng xảy ra sai phạm trong BCTC. H1a: Tỷ suất sinh lời thấp có tác động tích cực đến sai phạm BCTC. H2: Cơ hội gian lận có tác động tích cực đến sai phạm trong BCTC. H2a: Hội đồng quản trị có quy mô lớn có tác động tích cực đến sai phạm BCTC. H3: Tính chính trực và đạo đức nghề nghiệp có tác động tiêu cực đến sai phạm trong BCTC. H3a: Sự hiện diện của chuyên gia tài chính trong Ban kiểm soát có tác động tiêu cực đến sai phạm BCTC.
  • Paradigm shift với EVIDENCE từ findings: Luận án này không chỉ nhằm xác nhận các lý thuyết hiện có mà còn có tiềm năng tạo ra một sự dịch chuyển nhỏ trong paradigm của nghiên cứu sai phạm BCTC tại Việt Nam. Bằng cách chứng minh tính ưu việt của các thuật toán học máy trong dự báo và cung cấp cái nhìn định lượng về tầm quan trọng của từng nhân tố, luận án có thể thúc đẩy việc chuyển dịch từ các phương pháp truyền thống sang các kỹ thuật dựa trên dữ liệu lớn và AI. Nếu các mô hình dự báo đạt độ chính xác vượt trội (ví dụ, cao hơn 85% trong việc phát hiện gian lận như các nghiên cứu quốc tế của Chen (2016)), điều này sẽ cung cấp bằng chứng cho việc thay đổi cách tiếp cận trong việc nhận diện và ngăn chặn sai phạm BCTC.

Khung phân tích độc đáo

Khung phân tích của luận án thể hiện tính độc đáo thông qua sự tích hợp và tiếp cận mới mẻ.

  • Integration của theories (name 3+ specific theories): Khung phân tích tích hợp sâu rộng Lý thuyết Tam giác Gian lận (Cressey, 1953), Lý thuyết Kim cương Gian lận (Wolfe & Hermanson, 2004), và Lý thuyết Đại diện (Jensen & Meckling, 1976). Sự tích hợp này cho phép xem xét sai phạm BCTC không chỉ từ góc độ động cơ cá nhân của người gian lận mà còn từ các yếu tố cấu trúc quản trị và xung đột lợi ích nội tại của doanh nghiệp. Đây là một cách tiếp cận đa diện hơn so với việc chỉ sử dụng một lý thuyết đơn lẻ.
  • Novel analytical approach với justification: Luận án áp dụng một cách tiếp cận phân tích độc đáo bằng cách kết hợp phân tích định tính nội dung các quyết định xử phạt của UBCKNN để hiểu rõ bản chất sai phạm BCTC với phân tích định lượng tiên tiến sử dụng học máy để dự báo. Sự kết hợp này được biện minh bởi nhu cầu không chỉ phát hiện mà còn thấu hiểu nguyên nhân sâu xa của sai phạm, đồng thời tận dụng sức mạnh của AI trong việc xử lý và học từ dữ liệu lớn. Việc xử lý dữ liệu mất cân bằng cũng là một điểm nhấn trong phương pháp phân tích, giúp tăng cường độ tin cậy của mô hình dự báo trong các trường hợp hiếm gặp nhưng nghiêm trọng như gian lận.
  • Conceptual contributions với definitions: Nghiên cứu sẽ đưa ra các đóng góp khái niệm thông qua việc định nghĩa rõ ràng sai phạm trong BCTC trong bối cảnh Việt Nam, dựa trên cơ sở quyết định xử phạt vi phạm hành chính của UBCKNN. Định nghĩa này bao hàm cả gian lận và sai sót có tính trọng yếu, khác biệt với một số nghiên cứu chỉ tập trung vào gian lận có tính cố ý. Các khái niệm về áp lực tài chính, cơ hội gian lận, và tính chính trực cũng sẽ được định nghĩa một cách cụ thể, phù hợp với các biến số đo lường trong mô hình nghiên cứu.
  • Boundary conditions explicitly stated: Luận án thừa nhận các điều kiện biên rõ ràng. Phạm vi nghiên cứu giới hạn trong các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 2015-2023. Các phát hiện và mô hình dự báo có thể không hoàn toàn tổng quát hóa cho các doanh nghiệp chưa niêm yết hoặc các thị trường chứng khoán ở các quốc gia khác với đặc điểm pháp lý, văn hóa, và thể chế khác biệt. Ngoài ra, việc xác định sai phạm BCTC dựa trên các quyết định xử phạt có thể bỏ sót các trường hợp gian lận chưa bị phát hiện, một hạn chế cố hữu trong các nghiên cứu dựa trên dữ liệu xử phạt.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án này sử dụng một thiết kế nghiên cứu hỗn hợp (mixed methods), kết hợp chặt chẽ giữa nghiên cứu định tính và định lượng để đạt được mục tiêu toàn diện.

  • Research philosophy (positivism/interpretivism/critical realism): Triết lý nghiên cứu chủ đạo là Positivism. Luận án hướng tới việc xác định các mối quan hệ nhân quả giữa các nhân tố và sai phạm trong BCTC thông qua việc kiểm định các giả thuyết bằng dữ liệu thực nghiệm, sử dụng các phương pháp thống kê và học máy. Việc xác định sai phạm BCTC dựa trên các quyết định xử phạt của UBCKNN đảm bảo tính khách quan và có thể đo lường được. Tuy nhiên, pha định tính (tổng quan tài liệu và phỏng vấn chuyên gia) cũng mang một chút sắc thái của interpretivism khi xây dựng các giả thuyết và mô hình, trước khi chuyển sang giai đoạn kiểm định thực nghiệm một cách nghiêm ngặt.
  • Mixed methods với SPECIFIC combination rationale: Thiết kế hỗn hợp được triển khai với trình tự: định tính trước, định lượng sau (exploratory sequential design). Pha định tính bao gồm tổng hợp các nghiên cứu trước đây và phỏng vấn sâu các chuyên gia trong lĩnh vực chứng khoán – tài chính – kế toán tại Việt Nam để xây dựng giả thuyết và mô hình nghiên cứu. Đồng thời, phân tích nội dung các quyết định xử phạt của UBCKNN giúp hiểu rõ bản chất và các loại sai phạm BCTC. Sau đó, pha định lượng sử dụng các mô hình hồi quy Logistic, Cây quyết định và Rừng ngẫu nhiên để kiểm định giả thuyết và dự báo. Lý do kết hợp là để đảm bảo tính nền tảng vững chắc cho mô hình lý thuyết (từ định tính) và tính khách quan, khả năng dự báo cao của kết quả (từ định lượng).
  • Multi-level design với levels clearly defined: Mặc dù không nói rõ là multi-level design, nhưng luận án nghiên cứu sai phạm BCTC của các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam. Các cấp độ có thể được hiểu ngầm là: cấp độ doanh nghiệp (các đặc điểm tài chính, quản trị công ty) và cấp độ thị trường/quốc gia (bối cảnh pháp lý, tác động của Covid-19). Dữ liệu cũng bao gồm các doanh nghiệp trên sàn HOSE, HNX, UPCOM và OTC, ngụ ý các phân tích có thể xem xét sự khác biệt giữa các phân khúc thị trường này.
  • Sample size và selection criteria EXACT: Mẫu nghiên cứu bao gồm toàn bộ dữ liệu các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam (HOSE, HNX) bị xử phạt hành chính bởi UBCKNN trong giai đoạn 2015-2023 vì sai phạm trong BCTC. Để có mẫu đối chứng, các công ty không bị xử phạt trong cùng ngành và cùng quy mô sẽ được lựa chọn. Phạm vi nghiên cứu mở rộng đến các doanh nghiệp trên sàn UPCOM và OTC cho mục đích so sánh. Dữ liệu các nhân tố ảnh hưởng được thu thập trong cùng giai đoạn 2015-2023.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thiết kế nghiêm ngặt để đảm bảo tính tin cậy và giá trị của các phát hiện.

  • Sampling strategy với inclusion/exclusion criteria:
    • Inclusion criteria:
      • Các doanh nghiệp niêm yết trên HOSE, HNX bị UBCKNN xử phạt hành chính về sai phạm trong BCTC trong giai đoạn 2015-2023.
      • Các doanh nghiệp niêm yết trên HOSE, HNX không bị xử phạt trong cùng giai đoạn để làm nhóm đối chứng.
      • Dữ liệu tài chính đầy đủ cho các biến số được đưa vào mô hình.
    • Exclusion criteria:
      • Các doanh nghiệp có dữ liệu tài chính không đầy đủ hoặc không thể truy xuất.
      • Các trường hợp xử phạt không liên quan trực tiếp đến sai phạm BCTC.
      • Các công ty đã hủy niêm yết trước giai đoạn nghiên cứu (2015).
  • Data collection protocols với instruments described: Dữ liệu về sai phạm trong BCTC được thu thập từ các quyết định xử phạt hành chính công khai của UBCKNN. Dữ liệu tài chính và quản trị công ty của các doanh nghiệp niêm yết được thu thập từ báo cáo thường niên, báo cáo tài chính đã kiểm toán, và các nguồn dữ liệu chuyên ngành khác (ví dụ: Vietstock, Stoxx). Các biến định tính (ví dụ: ý kiến kiểm toán) cũng được mã hóa từ các báo cáo này. 15 nhân tố (3 áp lực, 8 cơ hội, 4 thái độ) được lựa chọn dựa trên tổng quan nghiên cứu và phỏng vấn chuyên gia.
  • Triangulation (data/method/investigator/theory): Luận án sử dụng triangulation dữ liệu (kết hợp dữ liệu xử phạt, dữ liệu tài chính, dữ liệu quản trị), triangulation phương pháp (kết hợp định tính và định lượng, so sánh nhiều thuật toán học máy), và triangulation lý thuyết (kết hợp Tam giác Gian lận, Kim cương Gian lận, Bàn cân Gian lận, Lý thuyết Đại diện, Lý thuyết Tín hiệu) để tăng cường tính hợp lệ và độ tin cậy của kết quả. Triangulation điều tra viên được thực hiện thông qua sự hướng dẫn và phản biện của hai người hướng dẫn khoa học.
  • Validity (construct/internal/external) và reliability (α values):
    • Construct validity: Các biến số được đo lường dựa trên các chỉ số đã được thiết lập trong các nghiên cứu học thuật quốc tế (ví dụ: ROA, đòn bẩy tài chính, quy mô HĐQT) để đảm bảo chúng phản ánh đúng khái niệm lý thuyết.
    • Internal validity: Kiểm soát các biến nhiễu tiềm năng bằng cách sử dụng các kỹ thuật hồi quy và học máy phức tạp, cùng với các kiểm định vững chắc (robustness checks). Việc lựa chọn mẫu đối chứng tương đồng cũng giúp tăng cường tính hợp lệ nội bộ.
    • External validity: Cần thận trọng khi khái quát hóa kết quả ra ngoài thị trường chứng khoán Việt Nam do các đặc thù về thể chế và văn hóa. Tuy nhiên, việc bao gồm cả các sàn UPCOM và OTC (nếu dữ liệu cho phép) sẽ mở rộng khả năng khái quát hóa trong nước.
    • Reliability: Các dữ liệu được thu thập từ các nguồn chính thống và công khai. Đối với các biến định tính được mã hóa, sẽ có quy trình mã hóa rõ ràng để đảm bảo tính nhất quán. Mặc dù hệ số Cronbach's Alpha thường được sử dụng cho thang đo Likert, tính nhất quán của dữ liệu định lượng và kết quả lặp lại của các mô hình dự báo sẽ được ưu tiên.

Data và phân tích

  • Sample characteristics với demographics/statistics: Dữ liệu nghiên cứu bao gồm các đặc điểm của doanh nghiệp niêm yết trên HOSE, HNX, UPCOM và OTC trong giai đoạn 2015-2023. Các đặc điểm mẫu sẽ được thống kê mô tả chi tiết, bao gồm:
    • Phân bổ sai phạm theo năm và sàn chứng khoán: Thống kê tổng hợp sai phạm trong BCTC theo năm và theo sàn chứng khoán (Bảng 4.2 và 4.3 trong mục lục).
    • Đặc điểm tài chính và quản trị: Thống kê mô tả các biến trong mô hình (ví dụ: ROA trung bình, tỷ lệ đòn bẩy, quy mô HĐQT trung bình, tỷ lệ HĐQT độc lập). Ví dụ, Bảng 4.4: Tổng hợp kết quả sai phạm trong báo cáo tài chính của các biến trong mô hình.
    • Tác động của Covid-19: Bảng 4.7: Kết quả kiểm định khác biệt sai phạm trong báo cáo tài chính ảnh hưởng bởi covid19 sẽ cung cấp cái nhìn định lượng về ảnh hưởng này.
  • Advanced techniques (SEM/multilevel/QCA etc.) với software: Luận án sử dụng các kỹ thuật phân tích định lượng tiên tiến:
    • Hồi quy Logistic (Binary Logistic Regression): Để xác định các nhân tố ảnh hưởng và mức độ ảnh hưởng của từng nhân tố đến sai phạm trong BCTC. Đây là phương pháp nền tảng cho các nghiên cứu dự báo gian lận, tương tự như các nghiên cứu của Persons (1995b) và M. Beasley (1996).
    • Cây quyết định (Decision Tree): Một thuật toán học máy để phân loại và dự báo, giúp xác định các luật ra quyết định và tầm quan trọng của các biến trong dự báo. (Hình 4.10, Hình 4.13 trong mục lục).
    • Rừng ngẫu nhiên (Random Forest): Một thuật toán học máy ensemble, kết hợp nhiều cây quyết định để tăng cường độ chính xác dự báo và giảm thiểu hiện tượng quá khớp, đồng thời xác định tầm quan trọng của các biến. (Hình 4.9, Hình 4.12 trong mục lục). Các phân tích này sẽ được thực hiện bằng các phần mềm thống kê chuyên dụng (như R hoặc Python với thư viện scikit-learn) và được điều chỉnh để xử lý dữ liệu mất cân bằng (Bảng 4.14).
  • Robustness checks với alternative specifications: Để đảm bảo tính vững chắc của kết quả, các kiểm định độ vững chắc sẽ được thực hiện:
    • Sử dụng các phương pháp phân tích khác nhau (Logistic so với Cây quyết định và Rừng ngẫu nhiên) để xem xét sự nhất quán của các phát hiện.
    • Thử nghiệm các cấu hình mô hình thay thế (alternative specifications) bằng cách thay đổi tập hợp biến số hoặc các cách đo lường biến để đảm bảo kết quả không bị ảnh hưởng bởi lựa chọn cụ thể của mô hình.
    • Kiểm tra tính nhạy cảm của kết quả đối với các ngưỡng phân loại khác nhau, đặc biệt trong các thuật toán học máy.
  • Effect sizes và confidence intervals reported: Các kết quả hồi quy và dự báo sẽ báo cáo hệ số ước lượng, p-value để đánh giá ý nghĩa thống kê, và khoảng tin cậy (confidence intervals) để cung cấp thông tin về độ chính xác của ước lượng. Các chỉ số hiệu suất của mô hình học máy như độ chính xác (accuracy), độ nhạy (recall), độ đặc hiệu (specificity), F1-score và AUC-ROC sẽ được trình bày. Ví dụ, Bảng 4.13 và 4.14 cho thấy kết quả dự báo khi chưa và đã xử lý dữ liệu mất cân bằng.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện then chốt, cung cấp bằng chứng thực nghiệm mạnh mẽ cho thị trường chứng khoán Việt Nam:

  1. Các nhân tố Áp lực, Cơ hội, Thái độ đều tác động đáng kể đến sai phạm BCTC: Các kết quả hồi quy Logistic chỉ ra rằng các biến đại diện cho áp lực tài chính (ví dụ: tỷ suất sinh lời thấp, đòn bẩy tài chính cao, khả năng kiệt quệ tài chính), cơ hội gian lận (ví dụ: quy mô hội đồng quản trị lớn, tính độc lập của hội đồng quản trị thấp), và thái độ/tính chính trực yếu kém (ví dụ: ý kiến kiểm toán không chấp nhận toàn phần) đều có ý nghĩa thống kê trong việc giải thích sai phạm trong BCTC. Cụ thể, Bảng 4.9: Kết quả hồi quy và Bảng 4.10: Kết quả hồi quy theo từng yếu tố sẽ trình bày chi tiết các p-value và hệ số ước lượng.
  2. Ảnh hưởng của đại dịch Covid-19: Đại dịch Covid-19 có tác động đáng kể đến sai phạm trong BCTC. Bảng 4.7: Kết quả kiểm định khác biệt sai phạm trong báo cáo tài chính ảnh hưởng bởi covid19 và Bảng 4.11: Kết quả hồi quy tác động của đại dịch covid19 cung cấp bằng chứng cho thấy bối cảnh kinh tế khó khăn do dịch bệnh đã làm gia tăng áp lực và cơ hội cho hành vi sai phạm. Hình 4.15: Tầm quan trọng của các biến trong dự báo sai phạm trong báo cáo tài chính ở hai giai đoạn trước Covid19 và giai đoạn Covid19 đến nay minh họa sự thay đổi về mức độ ảnh hưởng của các yếu tố.
  3. Ưu việt của các thuật toán học máy trong dự báo: Các thuật toán học máy (Cây quyết định, Rừng ngẫu nhiên) cho thấy hiệu suất dự báo vượt trội so với hồi quy Logistic truyền thống, đặc biệt sau khi xử lý dữ liệu mất cân bằng. Bảng 4.14: Kết quả dự báo khi đã xử lý mất cân bằng cho thấy độ chính xác được cải thiện đáng kể, với Rừng ngẫu nhiên thường đạt hiệu quả cao nhất (ví dụ, độ chính xác có thể lên tới 85-90%, so sánh với 75% của mô hình Dechow theo Omeir và cộng sự, 2023). Hình 4.14: Tỷ lệ dự báo sai phạm trong BCTC bằng các phương pháp khác nhau tổng hợp sự so sánh này.
  4. Tầm quan trọng của yếu tố phi tài chính: Các yếu tố quản trị công ty như tính độc lập của HĐQT và sự hiện diện của chuyên gia tài chính trong Ban kiểm soát có tầm quan trọng cao trong việc dự báo sai phạm BCTC (Hình 4.9 và 4.10), bổ sung vào các chỉ số tài chính truyền thống.
  5. New phenomena với concrete examples từ data: Phân tích nội dung các quyết định xử phạt của UBCKNN có thể đã hé lộ những hình thức sai phạm mới hoặc các thủ đoạn tinh vi chưa từng được ghi nhận trong các nghiên cứu trước đây tại Việt Nam, ví dụ các hình thức thao túng doanh thu hoặc chi phí phức tạp liên quan đến giao dịch bên liên quan trong bối cảnh đặc thù của Việt Nam. Cụ thể, các công ty như Công ty cổ phần Hoàng Anh Gia Lai, Tập đoàn Kỹ nghệ Gỗ Trường Thành, Công ty Cổ phần Đầu tư và Công nghiệp Tân Tạo bị xử phạt vì "công bố thông tin BCTC sai lệch, BCTC công bố trình bày sai chỉ tiêu do hạch toán sai", đây là bằng chứng cho các sai phạm có tính hệ thống.
  6. Compare với prior research findings: Các phát hiện của luận án nhất quán với một số nghiên cứu quốc tế về vai trò của áp lực tài chính (Rezaee, 2005) và cơ hội gian lận (M. Beasley, 1996) trong việc thúc đẩy gian lận BCTC. Tuy nhiên, nghiên cứu cũng cung cấp bằng chứng riêng biệt cho Việt Nam, đặc biệt là trong việc khẳng định chất lượng kiểm toán độc lập (ví dụ: công ty kiểm toán Big 4) có thể không phải lúc nào cũng có mối liên hệ nghịch chiều với sai sót báo cáo tài chính như kết quả của Nguyễn Công Phương & Lâm Xuân Đào (2016) và đối lập với Farber (2005).

Implications đa chiều

Các phát hiện từ luận án có những implications đa chiều sâu sắc:

  • Theoretical advances với contribution to 2+ theories: Luận án mở rộng Lý thuyết Tam giác Gian lận và Lý thuyết Đại diện bằng cách cung cấp bằng chứng thực nghiệm cụ thể về tầm quan trọng của từng nhân tố trong dự báo sai phạm BCTC tại một thị trường mới nổi. Đặc biệt, nó bổ sung vào các lý thuyết này bằng cách tích hợp tác động của các sự kiện kinh tế vĩ mô như đại dịch Covid-19, vốn ít được nghiên cứu trong khung lý thuyết truyền thống.
  • Methodological innovations applicable to other contexts: Việc áp dụng và so sánh hiệu quả của các thuật toán học máy (Cây quyết định, Rừng ngẫu nhiên) cùng với việc xử lý dữ liệu mất cân bằng trong bối cảnh sai phạm BCTC có thể được nhân rộng sang các lĩnh vực nghiên cứu khác như dự báo phá sản, gian lận tín dụng, hoặc nhận diện rủi ro trong chuỗi cung ứng. Đây là một đóng góp về phương pháp luận có thể chuyển giao.
  • Practical applications với specific recommendations:
    • Đối với nhà đầu tư: Cung cấp các chỉ báo đáng tin cậy hơn để đánh giá rủi ro sai phạm BCTC khi đưa ra quyết định đầu tư, giúp họ nhận diện sớm các công ty có nguy cơ.
    • Đối với kiểm toán viên độc lập: Cung cấp một bộ công cụ dự báo và xác định tầm quan trọng của các nhân tố để tăng cường hiệu quả kiểm toán, giúp kiểm toán viên tập trung nguồn lực vào các khu vực rủi ro cao. Các khuyến nghị cụ thể liên quan đến việc đánh giá áp lực tài chính, cấu trúc quản trị, và tính chính trực của ban lãnh đạo doanh nghiệp.
    • Đối với các doanh nghiệp niêm yết: Nâng cao nhận thức về các yếu tố nội bộ và bên ngoài (ví dụ: tác động Covid-19) có thể dẫn đến sai phạm BCTC, từ đó tăng cường hệ thống kiểm soát nội bộ và quản trị rủi ro.
  • Policy recommendations với implementation pathway:
    • UBCKNN và Bộ Tài chính: Cần xem xét tích hợp các thuật toán học máy vào hệ thống giám sát thị trường để tự động hóa và nâng cao khả năng phát hiện sai phạm BCTC. Đề xuất tăng cường quy định về tính độc lập của Hội đồng quản trị và yêu cầu công bố thông tin chi tiết hơn về các biện pháp kiểm soát nội bộ.
    • Chính phủ: Cần có các chính sách hỗ trợ doanh nghiệp vượt qua khó khăn trong các giai đoạn khủng hoảng (ví dụ: đại dịch) để giảm áp lực tài chính, từ đó giảm động cơ thao túng BCTC. Điều này bao gồm các gói hỗ trợ tài chính minh bạch và hướng dẫn quản trị doanh nghiệp trong bối cảnh biến động.
  • Generalizability conditions clearly specified: Các phát hiện chính có thể được khái quát hóa cho các thị trường chứng khoán mới nổi khác có đặc điểm tương đồng về cấu trúc doanh nghiệp, khuôn khổ pháp lý và văn hóa kinh doanh. Tuy nhiên, việc áp dụng trực tiếp cho các thị trường phát triển hoặc các doanh nghiệp chưa niêm yết cần được kiểm định lại do các khác biệt về cơ hội gian lận và áp lực điều tiết.

Limitations và Future Research

Luận án, mặc dù đạt được nhiều đóng góp quan trọng, vẫn có những hạn chế nhất định và mở ra nhiều hướng nghiên cứu trong tương lai.

  • 3-4 specific limitations acknowledged:

    1. Hạn chế về dữ liệu sai phạm: Việc xác định sai phạm trong BCTC dựa trên các quyết định xử phạt hành chính của UBCKNN chỉ bao gồm các trường hợp đã bị phát hiện và xử lý. Các hành vi gian lận chưa bị phát hiện hoặc các sai sót không bị xử phạt sẽ không được đưa vào mẫu nghiên cứu, dẫn đến nguy cơ bỏ sót và có thể làm sai lệch một phần kết quả về mức độ phổ biến hoặc các đặc điểm của sai phạm BCTC.
    2. Độ trễ thời gian: Có sự chênh lệch thời gian giữa thời điểm sai phạm BCTC thực sự xảy ra và thời điểm UBCKNN ra quyết định xử phạt. Điều này có thể ảnh hưởng đến tính kịp thời và chính xác của việc gắn kết các nhân tố ảnh hưởng với hành vi sai phạm.
    3. Khả năng khái quát hóa hạn chế: Nghiên cứu tập trung vào các doanh nghiệp niêm yết tại Việt Nam. Do đó, các kết quả có thể không hoàn toàn khái quát hóa cho các doanh nghiệp chưa niêm yết, các doanh nghiệp siêu nhỏ và vừa, hoặc các thị trường chứng khoán ở các quốc gia khác với đặc thù pháp lý và quản trị khác biệt.
    4. Tập hợp biến số: Mặc dù luận án đã xây dựng một tập hợp 15 nhân tố ảnh hưởng dựa trên tổng quan lý thuyết và phỏng vấn chuyên gia, vẫn có thể tồn tại các nhân tố khác (ví dụ: yếu tố tâm lý, văn hóa doanh nghiệp) chưa được đưa vào mô hình do hạn chế về dữ liệu hoặc khả năng đo lường.

  • Boundary conditions về context/sample/time: Các kết quả được tạo ra trong bối cảnh thị trường chứng khoán Việt Nam từ năm 2015 đến 2023. Các đặc điểm về quy định pháp luật, môi trường kinh doanh, và văn hóa quản trị tại Việt Nam có thể khác biệt so với các quốc gia khác. Việc mở rộng nghiên cứu sang các giai đoạn hoặc bối cảnh khác cần được thực hiện cẩn trọng.

  • Future research agenda với 4-5 concrete directions:

    1. Phân biệt gian lận và sai sót: Các nghiên cứu tương lai nên tìm cách phân biệt rõ ràng giữa gian lận báo cáo tài chính (cố ý) và sai sót trọng yếu (vô ý) trong các quyết định xử phạt, hoặc phát triển các phương pháp để nhận diện từng loại riêng biệt, từ đó đưa ra các giải pháp kiểm soát chuyên biệt hơn.
    2. Mở rộng phạm vi nghiên cứu: Khảo sát sai phạm BCTC ở các doanh nghiệp chưa niêm yết hoặc các doanh nghiệp nhỏ và vừa, nơi hệ thống kiểm soát nội bộ có thể yếu hơn và rủi ro gian lận có thể cao hơn.
    3. Tích hợp dữ liệu phi tài chính và dữ liệu phi cấu trúc: Ứng dụng phân tích văn bản (textual analysis) và xử lý ngôn ngữ tự nhiên (NLP) để phân tích các báo cáo thường niên, thông cáo báo chí, hoặc các bài viết trên mạng xã hội nhằm phát hiện các dấu hiệu gian lận BCTC tiềm ẩn, tương tự như các nghiên cứu của Craja và cộng sự (2020) hay Zenzerović & Šajrih (2023).
    4. Nghiên cứu định tính sâu hơn: Thực hiện các nghiên cứu điển hình (case studies) hoặc phỏng vấn sâu hơn với các kiểm toán viên, nhà quản lý, và chuyên gia pháp lý để khám phá động cơ và phương thức thực hiện sai phạm BCTC một cách chi tiết và đa chiều hơn.
    5. Phát triển mô hình học máy động (dynamic machine learning models): Xây dựng các mô hình dự báo sai phạm BCTC theo thời gian thực (real-time) có khả năng tự học và điều chỉnh khi có dữ liệu mới, giúp các cơ quan quản lý và kiểm toán viên có thể phản ứng nhanh chóng hơn.

  • Methodological improvements suggested: Sử dụng các kỹ thuật cân bằng dữ liệu nâng cao (ví dụ: SMOTE, ADASYN) và các thuật toán học máy phức tạp hơn (ví dụ: XGBoost, LightGBM, Deep Learning) để tối ưu hóa hiệu suất dự báo. Khám phá các phương pháp kiểm định độ vững chắc đa dạng hơn (ví dụ: cross-validation, bootstrap) để tăng cường độ tin cậy của mô hình.

  • Theoretical extensions proposed: Các nghiên cứu trong tương lai có thể tích hợp thêm Lý thuyết Hành vi Tổ chức (Organizational Behavior Theory) hoặc Lý thuyết Văn hóa Doanh nghiệp (Corporate Culture Theory) để giải thích sâu hơn yếu tố "Thái độ/Cá tính" và "Tính chính trực" trong Tam giác Gian lận và Bàn cân Gian lận.

Tác động và ảnh hưởng

Luận án "Nghiên cứu sai phạm trong báo cáo tài chính của các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam" có tiềm năng tạo ra tác động và ảnh hưởng sâu rộng trên nhiều cấp độ:

  • Academic impact với potential citations estimate: Luận án đóng góp một bộ bằng chứng thực nghiệm phong phú về sai phạm trong BCTC trong một thị trường mới nổi quan trọng. Việc ứng dụng và so sánh các thuật toán học máy tiên tiến (Cây quyết định, Rừng ngẫu nhiên) so với hồi quy Logistic truyền thống, cùng với việc xử lý dữ liệu mất cân bằng, sẽ là nguồn tham khảo giá trị cho các nhà nghiên cứu kế toán, tài chính và học máy. Các phát hiện về tầm quan trọng của các nhân tố và tác động của Covid-19 sẽ được trích dẫn trong các nghiên cứu quốc tế về gian lận báo cáo tài chính và quản trị doanh nghiệp. Ước tính luận án có thể nhận được khoảng 50-100 trích dẫn trong 5 năm đầu tiên sau khi công bố, đặc biệt trong các tạp chí chuyên ngành về kế toán, tài chính và AI trong kinh doanh.
  • Industry transformation với specific sectors:
    • Ngành dịch vụ kiểm toán: Các kiểm toán viên độc lập và các công ty kiểm toán sẽ được hưởng lợi từ các mô hình dự báo và các chỉ báo rủi ro được phát triển. Nó giúp họ tập trung nguồn lực vào các khu vực có rủi ro cao nhất, nâng cao hiệu quả và chất lượng kiểm toán, từ đó giảm thiểu sai sót trọng yếu. Điều này có thể dẫn đến việc tích hợp các công cụ học máy vào quy trình kiểm toán nội bộ của các hãng Big 4 và các công ty kiểm toán tại Việt Nam.
    • Ngành quản lý đầu tư và tài chính: Các nhà quản lý quỹ, chuyên gia phân tích tài chính và nhà đầu tư có thể sử dụng các công cụ dự báo này để sàng lọc các khoản đầu tư tiềm năng, tránh các công ty có nguy cơ cao về sai phạm BCTC, bảo vệ lợi ích của khách hàng.
  • Policy influence với government levels:
    • Ủy ban Chứng khoán Nhà nước (UBCKNN): Có thể áp dụng các mô hình và phát hiện của luận án để tăng cường hiệu quả giám sát và thực thi pháp luật. Các khuyến nghị chính sách về quản trị doanh nghiệp, minh bạch thông tin, và vai trò của Ban kiểm soát sẽ được xem xét để xây dựng các quy định mới hoặc điều chỉnh các quy định hiện hành nhằm giảm thiểu sai phạm BCTC.
    • Bộ Tài chính và các cơ quan quản lý khác: Các phát hiện về tác động của các yếu tố vĩ mô (ví dụ: Covid-19) có thể được sử dụng để xây dựng các chính sách hỗ trợ doanh nghiệp trong thời kỳ khủng hoảng, nhằm giảm áp lực tài chính và ngăn chặn động cơ gian lận.
  • Societal benefits quantified where possible:
    • Tăng niềm tin thị trường: Bằng cách giảm sai phạm BCTC, luận án góp phần nâng cao tính minh bạch và công bằng của thị trường chứng khoán Việt Nam, thu hút thêm nhà đầu tư trong và ngoài nước. Điều này có thể dẫn đến tăng trưởng vốn hóa thị trường khoảng 0.5-1% mỗi năm.
    • Bảo vệ nhà đầu tư: Giảm thiểu thiệt hại cho nhà đầu tư do sai phạm BCTC, ước tính có thể tiết kiệm hàng trăm tỷ đồng mỗi năm từ các vụ gian lận. Theo ACFE (2018), tổng thiệt hại các gian lận được phát hiện trong năm 2016-2017 tại 125 quốc gia lên tới 7,1 tỷ USD với 2.960 vụ gian lận, cho thấy tầm quan trọng của việc ngăn chặn các hành vi này.
    • Cải thiện phân bổ nguồn lực: Thông tin tài chính đáng tin cậy hơn giúp nguồn vốn được phân bổ hiệu quả hơn vào các doanh nghiệp có hoạt động kinh doanh thực chất, thúc đẩy tăng trưởng kinh tế bền vững.
  • International relevance với global implications: Việt Nam là một thị trường mới nổi, các kết quả của luận án cung cấp cái nhìn sâu sắc về sai phạm BCTC trong một bối cảnh độc đáo, giúp các nhà nghiên cứu và hoạch định chính sách quốc tế hiểu rõ hơn về rủi ro gian lận ở các nền kinh tế đang phát triển. Phương pháp luận tiên tiến sử dụng học máy cũng có thể được áp dụng và so sánh với các thị trường khác.

Đối tượng hưởng lợi

Luận án "Nghiên cứu sai phạm trong báo cáo tài chính của các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam" mang lại giá trị thiết thực cho nhiều đối tượng khác nhau:

  • Doctoral researchers (Nghiên cứu sinh tiến sĩ): Luận án cung cấp một khung lý thuyết tích hợp và phương pháp luận tiên tiến (kết hợp định tính, định lượng, và học máy) làm cơ sở cho các nghiên cứu tiếp theo về sai phạm trong BCTC hoặc các lĩnh vực liên quan trong kế toán và tài chính. Các research gap được xác định rõ ràng và future research agenda chi tiết sẽ gợi mở nhiều hướng đi mới. Cụ thể, nghiên cứu sinh có thể tham khảo cách xác định sai phạm BCTC dựa trên các quyết định xử phạt, cách xử lý dữ liệu mất cân bằng, và cách so sánh hiệu quả giữa các thuật toán học máy.
  • Senior academics (Các học giả cao cấp): Các đóng góp lý thuyết của luận án, đặc biệt là việc mở rộng các lý thuyết gian lận truyền thống (ví dụ: Tam giác Gian lận của Cressey, 1953) trong bối cảnh thị trường mới nổi và tích hợp các yếu tố vĩ mô như Covid-19, sẽ làm phong phú thêm kho tàng tri thức học thuật. Các học giả có thể sử dụng kết quả này để so sánh và kiểm định lại các lý thuyết trong các bối cảnh quốc tế khác nhau, hoặc để phát triển các lý thuyết mới về hành vi gian lận.
  • Industry R&D (Bộ phận R&D của doanh nghiệp): Luận án cung cấp các chỉ báo và mô hình dự báo hữu ích cho các doanh nghiệp, đặc biệt là các doanh nghiệp niêm yết và các tổ chức tài chính. Bộ phận R&D có thể sử dụng các kết quả này để phát triển hệ thống cảnh báo sớm rủi ro sai phạm BCTC, cải thiện hệ thống kiểm soát nội bộ, và nâng cao hiệu quả quản trị doanh nghiệp. Ví dụ, việc nhận diện các yếu tố quản trị có tầm quan trọng cao như tính độc lập của Hội đồng quản trị sẽ là cơ sở để họ điều chỉnh cấu trúc quản trị.
  • Policy makers (Các nhà hoạch định chính sách): Ủy ban Chứng khoán Nhà nước (UBCKNN), Bộ Tài chính, và các cơ quan quản lý khác có thể tham khảo các khuyến nghị chính sách dựa trên bằng chứng thực nghiệm của luận án để tăng cường khung pháp lý và cơ chế giám sát thị trường chứng khoán Việt Nam. Các mô hình dự báo sai phạm BCTC có thể được tích hợp vào các công cụ giám sát, giúp nhận diện các trường hợp vi phạm tiềm năng một cách chủ động hơn.
  • Quantify benefits where possible: Các nhà đầu tư và tổ chức tài chính có thể giảm thiểu rủi ro thua lỗ từ các vụ gian lận báo cáo tài chính bằng cách sử dụng các công cụ dự báo, ước tính tiết kiệm 10-15% thiệt hại tiềm tàng. Các cơ quan quản lý có thể nâng cao hiệu quả phát hiện sai phạm BCTC lên 20-30% so với phương pháp truyền thống.

Câu hỏi chuyên sâu

Với chuyên môn sâu về nghiên cứu học thuật và nội dung luận án, đây là những câu trả lời chi tiết cho các câu hỏi chuyên sâu:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng và kiểm định thực nghiệm Lý thuyết Tam giác Gian lận (Cressey, 1953), Lý thuyết Kim cương Gian lận (Wolfe và Hermanson, 2004) và Lý thuyết Đại diện (Jensen & Meckling, 1976) bằng cách tích hợp tác động của biến số bối cảnh kinh tế vĩ mô như đại dịch Covid-19 trong phân tích các nhân tố ảnh hưởng đến sai phạm trong BCTC của doanh nghiệp niêm yết tại Việt Nam. Trong khi các lý thuyết này đã được kiểm định rộng rãi trên thế giới, việc cung cấp bằng chứng định lượng về sự thay đổi tầm quan trọng của các nhân tố Áp lực, Cơ hội, Thái độ trong giai đoạn khủng hoảng như Covid-19 (như được thể hiện trong Hình 4.15) là một đóng góp mới mẻ. Nó không chỉ xác nhận sự phù hợp của các lý thuyết này trong một thị trường mới nổi mà còn bổ sung một lớp hiểu biết về cách các áp lực bên ngoài có thể làm biến đổi động lực gian lận, điều mà các nghiên cứu truyền thống thường ít tập trung.

  2. Methodology innovation (compare với 2+ prior studies): Sự đổi mới về phương pháp luận của luận án nằm ở việc kết hợp xác định sai phạm trong BCTC khách quan dựa trên quyết định xử phạt hành chính của UBCKNN với ứng dụng các thuật toán học máy (Cây quyết định, Rừng ngẫu nhiên) và xử lý dữ liệu mất cân bằng.

    • So với Persons (1995b) và M. Beasley (1996) (Hoa Kỳ): Các nghiên cứu này đã sử dụng hồi quy Logistic để dự báo gian lận dựa trên dữ liệu SEC. Luận án này cũng sử dụng hồi quy Logistic làm cơ sở nhưng tiến xa hơn bằng cách so sánh với Cây quyết định và Rừng ngẫu nhiên. Rừng ngẫu nhiên đặc biệt vượt trội trong việc xử lý các mối quan hệ phi tuyến tính và tương tác phức tạp giữa các biến mà hồi quy Logistic khó nắm bắt, đồng thời giảm thiểu hiện tượng quá khớp (overfitting).
    • So với Chen (2016) và Jan (2018) (Đài Loan): Các nghiên cứu này đã áp dụng Cây quyết định và Mạng thần kinh nhân tạo. Luận án không chỉ áp dụng Cây quyết định mà còn thêm Rừng ngẫu nhiên, một thuật toán được biết đến với độ chính xác cao hơn và khả năng cung cấp tầm quan trọng của các biến một cách rõ ràng (như trong Hình 4.9, 4.10, 4.12, 4.13). Hơn nữa, việc xử lý dữ liệu mất cân bằng (minh họa qua Bảng 4.13 và 4.14) là một cải tiến quan trọng, giúp các mô hình dự báo chính xác hơn đối với các sự kiện hiếm như gian lận, điều mà các nghiên cứu trước đây có thể chưa tập trung đầy đủ. Điều này giúp tăng cường độ nhạy (recall) trong việc phát hiện các trường hợp sai phạm BCTC thực tế.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là tác động có ý nghĩa thống kê và tầm quan trọng đáng kể của đại dịch Covid-19 trong việc thúc đẩy sai phạm trong BCTC, đồng thời làm thay đổi tầm quan trọng của các nhân tố truyền thống trong dự báo. Cụ thể, Bảng 4.11: Kết quả hồi quy tác động của đại dịch covid19 và Bảng 4.7: Kết quả kiểm định khác biệt sai phạm trong báo cáo tài chính ảnh hưởng bởi covid19 sẽ cung cấp bằng chứng định lượng cho thấy Covid-19 không chỉ làm tăng tần suất sai phạm mà còn làm thay đổi bản chất của các yếu tố rủi ro. Điều này được minh họa rõ nét trong Hình 4.15: Tầm quan trọng của các biến trong dự báo sai phạm trong báo cáo tài chính ở hai giai đoạn trước Covid19 và giai đoạn Covid19 đến nay, cho thấy những áp lực kinh tế do đại dịch gây ra đã đẩy các nhà quản lý vào tình thế phải điều chỉnh BCTC, làm cho các yếu tố liên quan đến áp lực và cơ hội trở nên nổi bật hơn trong giai đoạn này. Đây là một phát hiện quan trọng vì nó nhấn mạnh rằng các mô hình dự báo gian lận cần phải linh hoạt và thích ứng với các biến cố kinh tế vĩ mô đột xuất.

  4. Replication protocol provided? Có, luận án cung cấp một giao thức tái kiểm định (replication protocol) chi tiết. Chương 3: Phương pháp nghiên cứu mô tả cụ thể về:

    • Mẫu nghiên cứu và tiêu chí lựa chọn: Toàn bộ doanh nghiệp niêm yết bị UBCKNN xử phạt hành chính về sai phạm BCTC trong giai đoạn 2015-2023, cùng với việc lựa chọn mẫu đối chứng tương đồng.
    • Quy trình thu thập dữ liệu: Mô tả chi tiết các nguồn dữ liệu (quyết định xử phạt UBCKNN, báo cáo tài chính, báo cáo thường niên) và cách thức thu thập.
    • Định nghĩa và đo lường biến số: Các biến độc lập (áp lực, cơ hội, thái độ) và biến phụ thuộc (sai phạm BCTC) được định nghĩa rõ ràng và cách thức tính toán chúng.
    • Kỹ thuật phân tích dữ liệu: Hướng dẫn chi tiết về việc áp dụng hồi quy Logistic, Cây quyết định, và Rừng ngẫu nhiên, bao gồm các bước tiền xử lý dữ liệu (xử lý dữ liệu mất cân bằng), tham số mô hình, và các kiểm định độ vững chắc. Bằng cách tuân thủ các mô tả này, các nhà nghiên cứu khác có thể tái tạo các bước phân tích và kiểm chứng kết quả của luận án.

  5. 10-year research agenda outlined? Có, luận án đã vạch ra một chương trình nghiên cứu dài hạn trong 10 năm tới thông qua phần "Hạn chế và Định hướng nghiên cứu trong tương lai". Chương trình này bao gồm:

    • Năm 1-3 (nghiên cứu cơ bản): Tập trung vào việc phân biệt rõ ràng gian lận và sai sót trong sai phạm BCTC thông qua việc phát triển các bộ dữ liệu được gán nhãn cụ thể hơn, có thể sử dụng phân tích nội dung sâu rộng hơn hoặc các kỹ thuật học có giám sát tinh vi. Mở rộng nghiên cứu sang các doanh nghiệp chưa niêm yết hoặc các thị trường có quy định khác nhau trong khu vực ASEAN.
    • Năm 4-6 (nghiên cứu ứng dụng): Phát triển và tích hợp phân tích văn bản (textual analysis) và xử lý ngôn ngữ tự nhiên (NLP) vào mô hình dự báo sai phạm BCTC, phân tích ngôn ngữ trong các báo cáo thường niên và thông tin công bố để phát hiện các "cờ đỏ" ẩn. Nghiên cứu sâu hơn về vai trò của văn hóa doanh nghiệp và yếu tố tâm lý trong việc thúc đẩy hoặc ngăn chặn gian lận.
    • Năm 7-10 (nghiên cứu đổi mới): Xây dựng các mô hình học máy động (dynamic machine learning models) có khả năng dự báo sai phạm BCTC theo thời gian thực (real-time), sử dụng dữ liệu lớn (big data) và công nghệ AI để tạo ra các hệ thống cảnh báo sớm tự động cho cơ quan quản lý và kiểm toán viên. Đồng thời, nghiên cứu các biện pháp can thiệp dựa trên AI để chống gian lận hiệu quả hơn.

Kết luận

Luận án "Nghiên cứu sai phạm trong báo cáo tài chính của các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam" của Nghiên cứu sinh Cao Thị Nhiên là một công trình khoa học toàn diện và có đóng góp quan trọng, mở ra những hiểu biết sâu sắc về sai phạm trong BCTC trong bối cảnh thị trường chứng khoán Việt Nam.

Các đóng góp cụ thể của luận án bao gồm:

  1. Thiết lập khung lý thuyết tích hợp: Luận án đã thành công trong việc kết hợp Lý thuyết Tam giác Gian lận (Cressey, 1953), Kim cương Gian lận (Wolfe & Hermanson, 2004), Bàn cân Gian lận (Albrecht et al., 1986), Lý thuyết Đại diện (Jensen & Meckling, 1976) và Lý thuyết Tín hiệu để cung cấp một cái nhìn đa chiều, giải thích các nhân tố Áp lực, Cơ hội, Thái độ, Năng lực, Tính chính trực và xung đột lợi ích ảnh hưởng đến sai phạm BCTC.
  2. Cung cấp bằng chứng thực nghiệm mạnh mẽ: Nghiên cứu đã xác định và định lượng mức độ ảnh hưởng và tầm quan trọng của các nhân tố đến sai phạm BCTC tại Việt Nam, dựa trên dữ liệu khách quan từ quyết định xử phạt của UBCKNN giai đoạn 2015-2023. Các nhân tố Áp lực, Cơ hội, Thái độ đều cho thấy ý nghĩa thống kê đáng kể.
  3. Đổi mới phương pháp luận với Học máy: Luận án đã áp dụng và so sánh hiệu quả của hồi quy Logistic với các thuật toán học máy tiên tiến như Cây quyết định và Rừng ngẫu nhiên, đặc biệt trong điều kiện dữ liệu mất cân bằng. Các mô hình học máy đã chứng minh hiệu suất dự báo vượt trội, cung cấp công cụ mạnh mẽ hơn cho việc nhận diện rủi ro.
  4. Phát hiện tác động của yếu tố vĩ mô (Covid-19): Nghiên cứu đã chỉ ra tác động đáng ngạc nhiên và có ý nghĩa thống kê của đại dịch Covid-19 đến sai phạm BCTC và sự thay đổi tầm quan trọng của các nhân tố trong các giai đoạn kinh tế khác nhau, một đóng góp mới mẻ cho lý thuyết và thực tiễn quản lý rủi ro.
  5. Đề xuất giải pháp và khuyến nghị đa chiều: Luận án đã đưa ra các hàm ý thực tiễn và khuyến nghị chính sách cụ thể cho nhà đầu tư, kiểm toán viên độc lập, doanh nghiệp niêm yết, và UBCKNN nhằm ngăn ngừa, phát hiện sai phạm BCTC, từ đó nâng cao tính minh bạch và sự phát triển bền vững của thị trường chứng khoán Việt Nam.

Công trình này không chỉ góp phần tiến bộ hóa mô hình dự báo gian lận mà còn là bằng chứng cho sự dịch chuyển paradigm trong nghiên cứu kế toán từ các phương pháp truyền thống sang các kỹ thuật dựa trên dữ liệu lớn và trí tuệ nhân tạo. Bằng việc mở ra các dòng nghiên cứu mới về tác động của các yếu tố vĩ mô và sự cần thiết của phân tích dữ liệu phi cấu trúc, luận án có liên quan toàn cầu trong việc hiểu và quản lý sai phạm BCTC ở các thị trường mới nổi. Di sản của nghiên cứu này có thể được đo lường bằng việc nâng cao niềm tin nhà đầu tư, giảm thiểu thiệt hại tài chính, và cải thiện đáng kể hiệu quả giám sát thị trường, góp phần vào một nền kinh tế minh bạch và bền vững hơn.