PHÁT HIỆN SỰ BẤT THƯỜNG TRONG BÁO CÁO TÀI CHÍNH: NGHIÊN CỨU TRƯỜNG HỢP VIỆT NAM

0
1101

Vương Ngọc Quỳnh
Sinh viên K56 CLC Kế toán Kiểm toán định hướng nghề nghiệp ACCA – Khoa Kế toán Kiểm toán
Trường Đại học Ngoại thương, Hà Nội, Việt Nam
Đặng Thị Huyền Hương
Giảng viên Khoa Kế toán Kiểm toán
Trường Đại học Ngoại thương, Hà Nội, Việt Nam

Tóm tắt

Sự bất thường trong báo cáo tài chính là vấn đề thường thấy ở Việt Nam. Tính minh bạch thấp trong báo cáo tài chính không chỉ đe dọa lợi ích công mà còn có thể làm suy yếu triển vọng của một quốc gia vì nó tạo ra một môi trường hoàn hảo để che giấu các vụ gian lận. Sự thiếu minh bạch ở Việt Nam, cùng với môi trường kinh doanh đang thay đổi nhanh chóng trong thời đại dữ liệu lớn, đòi hỏi các phương pháp hiệu quả hơn để ngăn ngừa và kiểm soát các sai sót trong báo cáo tài chính. Nghiên cứu này tìm hiểu khả năng áp dụng các phương pháp phát hiện bất thường tiên tiến vào báo cáo tài chính của các doanh nghiệp niêm yết tại Việt Nam. Phương pháp khai thác dữ liệu phân loại, cụ thể là bằng hồi quy logistic và máy vector hỗ trợ, được sử dụng để dự đoán sự bất thường trong báo cáo tài chính của 790 công ty niêm yết trên HOSE, HNX và UPCoM vào năm 2020. Trong tổng số 790 quan sát, có 206 quan sát bất thường với chênh lệch lợi nhuận sau thuế trên 5% trước và sau kiểm toán. Hai máy phân loại đạt được độ chính xác trung bình 70% với dữ liệu mất cân đối này, cho thấy rằng các phương pháp khai thác dữ liệu là hữu ích trong việc phát hiện sớm các báo cáo tài chính bất thường ở Việt Nam. Việc ứng dụng công nghệ chắc chắn là rất quan trọng cho cuộc chiến chống lại sự thiếu minh bạch trên thị trường tài chính. Tuy nhiên, công nghệ chỉ có thể phát huy hiệu quả nếu việc đào tạo và giáo dục được chú trọng. Trên tất cả, hành động của chính phủ có thể là phương tiện hiệu quả nhất để cản trở hoặc thúc đẩy sự minh bạch tài chính của một quốc gia.

Từ khóa: bất thường tài chính, gian lận tài chính, phát hiện bất thường, khai thác dữ liệu phân loại.

Abstract

Financial statement irregularities are recurrent issues in Vietnam. Low transparency in financial reporting not only threatens domestic public interest but can also undermine the prospects of a country as it creates a perfect environment to conceal frauds. The lack of transparency in Vietnam, coupled with a rapidly changing business environment in the age of big data, calls for more effective methods of preventing and controling irregularities in financial statement. This study aimed to explore the applicability of advanced financial statement irregularity detection methods for publicly listed enterprises in Vietnam. The data mining classification method, by logistic regression and support vector machine in particular, was used to predict irregularity in the financial statements of 790 companies listed on HOSE, HNX, and UPCoM in 2020. Of the total 790 observations, 206 were irregulars whose audited profits after tax deviate over 5% from the unaudited numbers. The two classifiers achieved an average prediction accuracy of 70% on this imbalanced data, suggesting that data mining methods are useful for the early detection of financial statement irregularity in Vietnam. The use of technology is undoubtedly crucial for the fight against opacity in the financial market. However, technology can only be effective if there are adequate training and education. Above all, the actions of the government can be the most effective ways to either hinder or facilitate the financial transparency of a nation.

Keywords: financial irregularities, financial fraud, anomaly detection, data mining classification.

Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments