Cách mạng công nghiệp 4.0, thông tin kế toán, định giá

Nghiên cứu này xem xét việc sử dụng dữ liệu lớn và/hoặc machine learning (ML) để cung cấp thông tin chi tiết liên quan đến việc định giá vốn chủ sở hữu. Khối lượng nghiên cứu trong lĩnh vực này khá lớn, nghiên cứu này tập trung vào các nghiên cứu cung cấp thông tin liên quan đến việc sử dụng KL vào hoạt động kế toán. Cuối cùng, nghiên cứu sẽ cung cấp các khuyến nghị cho nghiên cứu và thực hành trong tương lai.
Nội dung trích xuất từ tài liệu:
Cách mạng công nghiệp 4.0, thông tin kế toán, định giá CÁCH MẠNG CÔNG NGHIỆP 4.0, THÔNG TIN KẾ TOÁN, ĐỊNH GIÁ INDUSTRIAL REVOLUTION 4.0, ACCOUNTING INFORMATION, VALUATION Phạm Tú Anh1* Trần Thị Quỳnh Hương2 Hồ Thị Vân Anh3 1,2,3 Khoa Kế toán – Kiểm toán Trường Đại học Công Nghiệp Thành phố Hồ Chí MinhTóm tắt. Nghiên cứu này xem xét việc sử dụng dữ liệu lớn và/hoặc machine learning (ML) để cung cấpthông tin chi tiết liên quan đến việc định giá vốn chủ sở hữu. Khối lượng nghiên cứu trong lĩnh vực nàykhá lớn, nghiên cứu này tập trung vào các nghiên cứu cung cấp thông tin liên quan đến việc sử dụng KLvào hoạt động kế toán. Cuối cùng, nghiên cứu sẽ cung cấp các khuyến nghị cho nghiên cứu và thực hànhtrong tương lai.Từ khóa. Big data, machine learning, định giá.Abstract. This study examines the use of big data and/or machine learning (ML) to provide insightsrelated to equity valuation. The volume of research in this field is quite large, this study focuses onresearch that provides information related to the use of ML in accounting activities. Finally, the study willprovide recommendations for future research and practice.Keywords. Big data, machine learning, valuationJEL Classification: M40, M00, M41DOI: https://doi.org/10.59006/vnfa-jaa.052023251 GIỚI THIỆUThuật ngữ dữ liệu lớn vẫn chưa có một định nghĩa rõ ràng cho đến hiện nay. Favaretto và cs (2020), thuậtngữ này được sử dụng để mô tả các khái niệm khác nhau (thu thập, tổng hợp, phân tích và trình bày). Ủyban Châu Âu (2018), dữ liệu lớn là … một lượng lớn các loại dữ liệu khác nhau được tạo ra từ nhiềunguồn khác nhau như con người, máy móc hoặc cảm biến. Dữ liệu này có thể là thông tin khí hậu, hìnhảnh vệ tinh, hình ảnh và video kỹ thuật số, tín hiệu GPS, dữ liệu cá nhân như tên, ảnh, địa chỉ email, chitiết ngân hàng, bài đăng trên các trang web mạng xã hội, thông tin y tế hoặc một địa chỉ IP máy tính.Mặc dù không có định nghĩa thống nhất về dữ liệu lớn, nhưng việc sử dụng dữ liệu và các phương phápphân tích phù hợp với một số khía cạnh của thuật ngữ này (khối lượng lớn, dữ liệu phi cấu trúc, ML) đãphổ biến trong nhiều nghiên cứu cũng như thực hành tài chính và kế toán trong hai thập kỷ gần đây.Nghiên cứu này xem xét việc sử dụng dữ liệu lớn và/hoặc ML nhằm cung cấp sự hiểu biết sâu hơn trongviệc sử dụng thông tin kế toán để định giá vốn chủ sở hữu. Cụ thể, tập trung vào các nghiên cứu liên quanvề chất lượng và dự báo thu nhập cũng như việc sử dụng thông tin kế toán trong việc đánh giá rủi ro vàdự báo tỷ suất lợi nhuận cổ phiếu. Chất lượng thu nhập được đưa vào đánh giá vì nó có liên quan đến việcđịnh giá (Nissim, 2022a). Ngoài ra, chất lượng thu nhập được xác định một phần bởi các hoạt động quảnlý thu nhập, có ảnh hưởng đến việc định giá vốn chủ sở hữu. Ví dụ, khi phát hiện có sai sót tài chính tạimột công ty, giá cổ phiếu của công ty đó thường giảm (Karpoff và cs, 2008). Sau khi xem xét các nghiêncứu hiện có, nghiên cứu này đưa ra các khuyến nghị cho nghiên cứu và thực hành trong tương lai.Trong những năm gần đây, khả năng thực hiện các phân tích chi tiết trong lĩnh vực kế toán của các côngty đã tăng lên do những cải tiến về tính khả dụng của dữ liệu và kỹ thuật mô hình hóa. Sự phát triển củaML cho phép trích xuất thông tin chi tiết từ các tập dữ liệu tài chính lớn và/hoặc dữ liệu phi cấu trúc, cóthể được sử dụng để dự đoán các sai sót tài chính, thu nhập và tỷ suất lợi nhuận cổ phiếu cũng như chophép ước tính các tham số có liên quan và các biến tiềm ẩn hiệu quả hơn (mô hình các khoản dồn tíchkhông tự định của Breuer & Schutt, 2021).Hơn nữa, hầu hết các nghiên cứu liên quan đến kế toán/dữ liệu lớn cho đến nay đều tập trung vào việc sửdụng dữ liệu lớn (chủ yếu ở dạng văn bản) và/hoặc ML để trích xuất thông tin về các chỉ tiêu kế toánnhưng lại ít chú ý đến việc đo lường chúng cũng như kiểm tra mối quan hệ giữa các chỉ tiêu kế toán này.2Một số nghiên cứu gần đây sử dụng dữ liệu XBRL để đo lường các biến kế toán trong việc dự báo về thunhập hoặc tỷ suất lợi nhuận cổ phiếu (Du và cs, 2022) và một số nghiên cứu kết hợp phân tích tài chínhcó cấu trúc để đo lường và ngữ cảnh hóa các biến kế toán trong việc triển khai các thuật toán ML (Binzvà cs, 2022). Đồng thời, nhấn mạnh tầm quan trọng của việc thực hiện nghiên cứu dữ liệu lớn/ML đối vớiviệc đo lường và định giá tài sản vô hình.Nghiên cứu này được bố cục như sau. Phần 2, dự báo các sai sót tài chính. Phần 3, dự báo về doanh thuvà thu nhập. Phần 4, dự báo về rủi ro công ty. Phần 5, sử dụng thông tin kế toán dự báo tỷ suất lợi nhuận.Cuối cùng, kết luận.2 DỰ BÁO SAI SÓT TÀI CHÍNH* Mô hình dựa trên thông tin định lượngViệc sử dụng dữ liệu lớn/ML giúp dự đoán gian lận h ...