Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ

Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ Đề tài: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CÔNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH VIỆN ĐÀO TẠO SAU ĐẠI HỌC –––––––––– TIỂU LUẬN QUẢN TRỊ RỦI RO TÀI CHÍNH ĐỀ TÀI: DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN CỦA CÁC CƠNG TY NIÊM YẾT BẰNG CÁCH SỬ DỤNG CÁC BIẾN TÀI CHÍNH, CÁC BIẾN THỊ TRƯỜNG VÀ CÁC BIẾN KINH TẾ VĨ MÔ (Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables) GVHD: TS NGUYỄN KHẮC QUỐC BẢO Danh sách thành viên nhóm –Lớp TC01 – CH23 1.Đàm Quốc Nam 2.Thái Thị Cẩm Hợp 3.Trần Việt Thắng 4.Vương Thị Xn Liên 5.Trình Ngọc Lân TP.HồChí Minh, tháng 01 năm 2015 MỤC LỤC Tóm tắt .3 1.Giới thiệu Tổng quan nghiên cứu trước 3.Phương pháp nghiên cứu 12 3.1.Mô tả cở sở liệu định nghĩa đầu 12 3.1.1.Định nghĩa kết 12 3.1.2.Lựa chọn biến độc lập 18 3.1.2.1.Các biến tỷ số tài 18 3.1.2.2.Các biến kinh tế vĩ mô 21 3.1.2.3.Các biến thị trường 24 3.2.Phương pháp nghiên cứu: nhị phân logit với liệu bảng .28 4.Kết nghiên cứu .31 4.1.Hiệu ứng biên thay đổi dự báo xác suất .52 4.2.Bảng phân loại độ xác 58 4.3.Mơ hình chuẩn 62 4.4.Các tiêu chuẩn so sánh .63 5.Kết luận 70 Phụ lục .73 Tài liệu tham khảo .74 Tóm tắt: Sử dụng mẫu gồm 23.218 quan sát hàng năm công ty niêm y ết giai đoạn 1980-2011, nghiên cứu thực nghiệm khám phá hữu dụng việc kết hợp liệu kế toán , liệu thị trường li ệu kinh tế vĩ mơ đ ể giải thích rủi ro tín dụng cơng ty Nghiên cứu phát tri ển mơ hình r ủi ro cho công ty niêm yết để dự báo kiệt quệ tài phá sản Các mơ hình đ ược ước lượng kết hợp liệu kế tốn, thơng tin thị trường chứng khốn đại diện cho thay đổi môi trường kinh tế vĩ mơ Mục đích đ ể đưa mơ hình với khả dự báo xác, có giá tr ị th ực ti ễn d ựa vào yếu tố vĩ mô mà có liên quan để để đánh giá khó khăn tài K ết qu ả cho thấy hữu dụng việc kết hợp liệu kế toán, li ệu th ị tr ường liệu kinh tế vĩ mơ mơ hình dự báo khả kiệt quệ tài cơng ty niêm yết Thành mơ hình ước lượng l làm chuẩn trái ngược với mơ hình xây dựng sử dụng mạng thần kinh (MLP) tương ph ản với ngun mơ hình Z-score Altman (1968) Giới thiệu Cuộc khủng hoảng tài năm 2008 nhấn mạnh thi ếu sót việc thực quản trị rủi ro môi trường cho vay đánh giá r ủi ro c ấp vi mơ (ước tính PD) Người cho vay nhà đầu tư khác lĩnh vực v ới ngun tắc địi hỏi thơng tin kịp thời xác xu ất rủi ro v ỡ n ợ công ty cho vay danh mục đầu tư phái sinh Với ngân hàng, vi ệc phát tri ển hi ệu “Hệ thống đánh giá nội bộ” quản trị rủi ro doanh nghi ệp địi h ỏi vi ệc xây dựng mơ hình xác suất vỡ nợ khớp với đặc ểm cụ th ể doanh nghiệp nói chung (sup-populations) (ví dụ SME, công ty tư nhân, công ty niêm y ết, mơ hình lĩnh vực cụ thể), điều chỉnh theo nh ững thay đ ổi môi trường vĩ mơ, tất nhiên phù hợp với tính sẵn có kịp thời li ệu Vi ệc s dụng mơ hình rủi ro tín dụng chứng thực kể từ Altman (1968) Bây gi có lý thuyết tổng qt mơ hình cơng ty ki ệt quệ tài và phá sản, thường thực dựa vi ệc sử dụng li ệu l ịch s kế tốn sẵn có cơng bố rộng rãi Altman (1986) dựa thông tin thị trường chứng khoán (Merton, 1974) để tiên đốn tình tr ạng khơng tr ả nợ Những nghiên cứu gần tranh luận cách ti ếp c ận k ết h ợp Trujillo-Ponce, Samaniego_Medina, Cardone-Riportella (trên báo chí) ki ểm nghiệm liệu kế toán liệu thị trường (Credit Default Swaps, CDS) khuyến nghị “dữ liệu kế toán liệu thị trường bổ sung cho v ậy mơ hình hỗn hợp bao gồm hai loại biến l ựa chọn tốt nhất” (p2) Đ ịnh nghĩa kết đầu ra, phá sản lấy từ biên thức (pháp lý) tình trạng khơng trả nợ, nghĩa vụ trả nợ (Mella-Barral &Perraudin, 1997) trái phiếu (Geske, 1977) rủi ro vỡ nợ, rủi ro hoán đổi (Ericsson, Jacobs, & Oviedo, 2009) hay đình thị trường chứng khốn Những cách tiếp cận mơ hình áp dụng rộng rãi cho công ty niêm yết s dụng qui trình th ống kê nh MDA, hồi qui logistic hay mơ hình may rủi Nghiên cứu gần m rộng định nghĩa phá sản bao gồm thước đo rộng “ki ệt qu ệ tài chính” d ựa báo cáo tài Hơn nữa, nỗ lực thực đ ể k ết h ợp ch ặt chẽ vài yếu tố động cách bao gồm li ệu ph ản ánh nh ững thay đổi môi trường kinh tế vĩ mô, liệu phi tài bi ến dự báo thời gian khác Nghiên cứu đóng góp cho lý thuyết học thu ật, đ ầu tiên, trình bày mơ hình dự báo kiệt quệ tài cho cơng ty niêm y ết t ại V ương quốc Anh (UK) sử dụng “finance-based” định nghĩa kiệt quệ tài chính, để phát giai đoạn đầu kiệt quệ tài chính, bên cạnh cách ti ếp cận th ức việc sử dụng liệu kiện cung cấp London Share Price Database Trong thực tế, dự báo kịp thời kiệt quệ tài có th ể, giúp ch ủ n ợ ngăn ngừa chi phí liên quan đến thủ tục phá sản (a bankruptcy filing) Th ứ hai, việc sử dụng lý thuyết đa cấp độ quy trình kiểm nghi ệm, nghiên cứu đưa mơ hình dự báo kiệt quệ tài chính, với s ố l ượng bi ến h ơn, đ ưa phân loại cao đáng kể dự đoán xác liên quan đến nh ững cơng việc nghiên cứu trước Thứ ba, có lẽ quan trọng nhất, đ ịnh nghiên cứu, mơ hình dự báo kiệt quệ tài l ần đ ầu tiên cho nh ững công ty đại chúng Vương quốc Anh, đóng góp tương đối (cá nhân tập thể) ba loại biến: tỷ số tài chính, s ố kinh tế vĩ mơ, bi ến s ố th ị trường Phần lại nghiên cứu cấu trúc sau: - Phần 2: Tổng quan lý thuyết nghiên cứu mơ hình dự báo ki ệt qu ệ tài - phá sản Phần 3: Mơ tả liệu, thước đo biến kết quả, thi ết lập bi ến gi ải - thích phương pháp ước lượng Phần 4: Kết nghiên cứu Phần 5: Kết luận Tổng quan kết nghiên cứu trước Hầu hết mơ hình dự đốn trước cho cơng ty niêm y ết dùng đ ịnh nghĩa tiêu chí kiện mà tùy thuộc vào hậu pháp lý cu ối cùng: ho ặc phá sản Hoa kỳ cưỡng ép chủ nợ và/hoặc tự nguyện thực toán Vương quốc Anh Những tiêu chí s ự kiện có tính pháp lý cao nhìn thấy cách rõ ràng xác, lỗi th ời đ ược s d ụng biến kết Khả phá sản mơ vi ệc s dụng mơ hình lựa chọn nhị phân, yêu cầu tập h ợp công ty vỡ nợ công ty không vỡ nợ phải định nghĩa rõ ràng tách b ạch v ới Tuy nhiên, định nghĩa pháp lý rủi ro vỡ nợ khơng ph ải khơng có vấn đề Ví dụ tình trạng khơng trả nợ tiến trình pháp lý kéo dài ngày “pháp lý” khơng đại diện cho “n ền kinh tế” hay s ự ki ện “thực” vỡ nợ Phân tích công ty Vương quốc Anh đưa khoảng thời gian đáng kể (trung bình lên tới năm 1.17 năm) thời ểm mà công ty bước vào tình trạng kiệt quệ tài (ngun nhân dẫn đ ến phá s ản) ngày vỡ nợ/phá sản pháp lý Bằng chứng phù hợp v ới phát hi ện c Theodossiou (1993) công ty Hoa Kỳ ngừng vi ệc cung c ấp tài kho ản khoảng năm trước thủ tục phá sản Hàm ý cơng ty tình tr ạng kiệt quệ tài nghiêm trọng số thời ểm năm tr ước s ự kiện phá sản pháp lý Hơn nữa, cơng ty tình tr ạng ki ệt qu ệ tài khơng thay đổi trạng thái pháp lý mà thủ tục phá s ản có th ể b bu ộc (Balcaen&Ooghe, 2004) Thêm nữa, thay đổi nghĩa vụ toán bắt bu ộc (e.g the Enterprise Act 2004 in the UK or Chapter 11 in the US) n ỗ l ực t ạo m ột “rescue culture” thay đổi chất thời gian trình phá s ản pháp lý Wruck (1990) phát biểu có vài giai đoạn mà cơng ty có th ể v ượt qua trước xác định khơng hoạt động, ví dụ: ki ệt quệ tài chính, tình trạng không trả nợ, nộp đơn phá sản, tiếp nhận quản trị hành chính(để tránh nộp đơn phá sản) Hơn nữa, việc suy giảm quản tr ị vi ệc bán tài sản (pre-packs) cuối giải thể thức phá s ản Nghiên cứu giới thiệu lần đầu tiên, cho công ty niêm y ết V ương quốc Anh, định nghĩa dựa “kiệt quệ tài chính” Sự phát tri ển đ ược nhấn mạnh quan trọng lý thuyết học thuật ((Barnes, 1987, 1990; Pindado, Rodrigues, & De la Torre,2008) chứng minh thực tế s ự thất bại công ty để đáp ứng nghĩa vụ tài khơng tránh kh ỏi dẫn đến nộp đơn phá sản Nghiên cứu nhận ki ệt quệ tài có th ể t ốn cho chủ nợ họ hy vọng có hành động tức th ời đ ể gi ảm thiểu/ngăn chặn chi phí Do đó, cần thiết mơ hình dự báo ki ệt qu ệ tài phát triển không sử dụng kiện phá sản kết qu ả ban đầu, mà bao gồm thời điểm công ty thất bại vi ệc đáp ứng nghĩa vụ tài Wruck (1990) định nghĩa ki ệt quệ tài tình tr ạng dịng tiền công ty không đủ để thực nghĩa vụ tài hi ện th ời Asquith, Gertner, and Scharfstein (1994) phân tích quy ền ch ọn mà nhà phát hành trái phiếu junk bond đối mặt để ngăn ch ặn phá s ản đ ịnh nghĩa kiệt quệ tài theo cách tương tự Định nghĩa v ề ki ệt qu ệ tài họ dựa tỷ số lãi suất gộp Trong thực tế, m ột công ty đ ược phân lo ại kiệt quệ tài thu nhập trước thuế , lãi vay khấu hao (EBITDA) nhỏ chi phí tài (chi phí lãi vay n ợ) năm liên ti ếp b đ ầu t năm phát hành trái phiếu junk bond, năm khác mà EBITDA thấp 80% chi phí lãi vay Tương tự, Andrade and Kaplan (1998) định nghĩa kiệt quệ tài năm EBITDA cơng ty h ơn chi phí tài Tuy nhiên tác giả phân loại nh ững công ty nhóm (thêm vào điều kiện đầu tiên) công ty n ỗ l ực đ ể tái c ấu trúc n ợ nó, hay vỡ nợ Bất điều kiện để phân biệt công ty ki ệt qu ệ tài đáp ứng Whitaker (1999) phân tích giai đoạn đầu kiệt qu ệ tài ảnh hưởng khơng giới hạn đến cơng ty khơng có khả đáp ứng nghĩa vụ nợ chúng đến hạn mà ảnh h ưởng tới cơng ty có nhiều khả vỡ nợ gia tăng Thực vậy, ông ta phát bi ểu tác động kiệt quệ tài nhận thấy trước cơng ty vỡ nợ, cân đối giá trị công ty xuất trước vỡ nợ hay phá sản Whitaker (1999) định nghĩa kiệt quệ tài năm dịng ti ền cơng ty kỳ hạn phải toán n ợ dài h ạn H ơn n ữa, giá tr ị th ị trường sử dụng để xác định kiệt quệ tài Ví dụ li ệu cơng ty khó khăn tài mẫu thử nghiệm có tỷ l ệ tăng tr ưởng âm giá tr ị thị trường có tỷ lệ tăng trưởng âm ngành điều chỉnh giá trị thị trường Sự hữu ích biến thị trường dự báo phá s ản ki ểm định nghiên cứu trước cách sử dụng phương pháp chẳng h ạn nh Black and Scholes (1973) and Merton (1974) contingent claims phương pháp dựa quyền chọn Bharath and Shumway (2008), Hillegeist, Keating,Cram, Lundstedt (2004), Reisz Perlich (2007), Vassalou and Xing (2004) s dụng cách tiếp cận contingent claims để ước tính khả thất bại cơng ty Dữ li ệu gần Credit Default Swaps sử dụng để đại diện cho rủi ro tín dụng (Alexander & Kaeck, 2008) Nhiều nghiên cứu thực nghiệm n ỗ lực để ch ứng minh tính ưu việt mơ hình dựa bi ến thị trường (market-based) h ơn so với mơ hình dựa biến kế toán (accouting-based) ngược l ại Tuy nhiên, kết nhận từ mơ hình (mà đòi hỏi nhiều giả định hạn chế) so sánh với mơ hình dựa bi ến kế toán (accouting-based) gây nhi ều tranh cãi Trong nghiên cứu gần đây, Agarwal and Taffler (2008) th ực hi ện so sánh mơ hình dự đoán phá sản dựa bi ến thị tr ường (market-based) mơ hình dự đốn phá sản dựa biến kế tốn (accouting-based) tìm th mơ hình truyền thống dựa số tài khơng thua mơ hình loại KMV, mơ hình dựa vào quyền chọn việc mục đích đánh giá r ủi ro tín dụng Họ kết luận rằng, “về độ xác, có s ự khác bi ệt gi ữa mơ hình dựa biến thị trường (market-based) mơ hình dựa bi ến kế tốn (accounting-based) Hillegeist cộng (2004) cung cấp kết qu ả trái ngược mà mơ hình giá quyền chọn Black–Scholes–Merton cung cấp thông tin cụ thể xác suất phá sản mà mơ hình Z-score Altman ho ặc mơ hình O-score Ohlson tiến hành Khi ước đoán sớm lý thuyết dự báo v ỡ n ợ có th ể đặc trưng lối tiếp cận cạnh tranh, nơi có phân chia rõ ràng gi ữa biến thị trường biến kế tốn Hillegeist cộng s ự (2004), ví dụ, khuy ến nghị nhà nghiên cứu sử dụng phương pháp Black–Scholes–Merton thay cho thước đo truyền thống dựa biến kế toán (accouting-based) m ột đại diện cho xác suất phá sản Nhiều nghiên cứu gần cho hai phương pháp cho k ết tương tự ngụ ý hai nhận thơng tin hữu ích nh ững cơng ty có khả vỡ nợ/kiệt quệ tài Hơn nữa, đặc tính riêng có c m ỗi loại biến (thị trường kế toán) hứa hẹn đưa tới phát tri ển m ột mơ hình thực ưu việt mơ hình dựa biến kế toán ho ặc bi ến th ị trường Balcaen and Ooghe (2004) tranh luận “ nhà nghiên cứu ch ỉ tính đến số tài vào mơ hình dự báo phá s ản c mình, h ọ ng ụ ý giả định tất khám phá thất bại hay thành công- bên bên ngoàiđược phản ánh tài khoản thường kỳ” Rõ ràng báo cáo tài khơng bao gồm tất thông tin liên quan đến dự báo ki ệt qu ệ tài chính, biến thị trường có khả bổ trợ cho thiếu hụt Rees (1995) đề xuất giá thị trường dự đốn hữu ích cho khả phá sản bao gồm thơng tin mong đợi dòng ti ền tương lai Đối với Hillegeist cộng (2004) thị trường chứng khoán ngu ồn thơng tin hữu ích chứa đựng thông tin từ ngu ồn khác thêm vào báo cáo tài Beaver, McNichols, and Rhie (2005) r ằng kh ả phá s ản ẩn giá thị trường, xác suất có khả khơng th ể rút cách trực tiếp: “vì khả phá sản gia tăng tính phi ến tự nhiên hàm lợi ích chứng khốn thơng thường ngày trở nên quan tr ọng b ởi rủi ro nợ trách nhiệm hữu hạn” Rõ ràng s ự bao gồm bi ến th ị tr ường (market-based) hấp dẫn vài lý lẽ: thứ nhất, giá th ị tr ường ph ản ánh thông tin chứa đựng báo cáo kế toán cộng với thơng tin khác khơng nằm báo cáo kế tốn (Agarwal & Taffler, 2008), kết h ợp chúng m ột cách tồn diện có tiểm hữu ích để dự đốn kh ả cơng ty v ỡ n ợ Th ứ hai, bao gồm biến thị trường (market-based) gia tăng đáng kể tính h ợp thời mơ hình dự đốn; tài khoản tài s ẵn có V ương quốc Anh định kỳ hàng quý, tốt (nghiên cứu trước sử dụng liệu hàng năm theo thông lệ), giá thị trường sẵn có s hàng ngày Th ứ ba, giá thị trường thích hợp để dự đốn phá sản, chúng ph ản ánh nh ững dịng tiền mong đợi tương lai (ngược lại báo cáo kế toán phản ánh kh ứ c công ty) Thứ tư, biến thị trường cung cấp đánh giá tr ực ti ếp tính khơng ổn định, thước đo cơng cụ dự báo mạnh mẽ r ủi ro phá sản khơng chứa đựng báo cáo tài Theo Beaver cộng (2005) cho tính khơng ổn định bi ến động l ớn kh ả phá sản cao Trong số nghiên cứu có bao gồm tập hợp bi ến để nâng cao tính kịp thời sức mạnh mơ hình dự báo ki ệt qu ệ la Campbell, Hilscher, and Szilagyi (2008), phân tích họ xem xét định l ượng s ự phá s ản nh giá cổ phiếu kiệt quệ tài với xác suất phá sản cao thơng qua m ột hàm logit mà bao gồm biến kế toán bi ến thị trường Thêm vào m ột tập hợp hai biến kế toán, vài biến thị trường ki ểm tra: log thu nh ập vượt trội vốn cổ phần công ty hàng tháng tương ứng v ới ch ỉ s ố S&P 500, độ lệch chuẩn doanh thu chứng khốn hàng ngày cơng ty ba tháng qua, kích cỡ thước đo liên quan công ty log tỷ s ố v ốn hóa th ị trường với số S&P 500 index, log giá cổ phần công ty m ất 15$ Những ước lượng nghiên cứu tính tốn với liệu Hoa kỳ v ề công ty đại chúng 10 logit mơ hình mạng thần kinh gần giống hệt nhau, nh s ự khác bi ệt v ề độ xác dự đốn nhỏ, với mơ hình mạng thần kinh hoạt động tốt mơ hình logit cho việc dự đốn cơng ty th ất b ại / ki ệt qu ệ, m ặc dù t ỉ số nhỏ (ít khoảng 1%), điều phù hợp với kết thu thơng qua việc phân tích lĩnh vực tương ứng họ đường cong ROC Bảng 12 Bảng 14 cho thấy bảng phân loại Z-score Altman đ ể phân bi ệt gi ữa công ty lành mạnh kiệt quệ tài cách dùng giá tr ị c đ ược s dụng rộng rãi: công ty coi 'lành mạnh tài chính' n ếu ểm Z c lớn 2,99 "kiệt quệ tài chính' ểm Z h ơn 1,81; thêm vào đó, theo Altman (2000), công ty coi 'ki ệt qu ệ v ề tài chính' điểm Z 2,67 (trong ngoặc đơn) Từ bảng 14, có th ể k ết lu ận phương pháp cho thấy độ xác phân loại ấn tượng đối v ới công ty bị kiệt quệ tài Tuy nhiên, hiệu suất Z-score ấn tượng vi ệc phân loại xác cơng ty an toàn hay kh ỏe m ạnh v ề tài chính, xác đ ịnh m ột tỷ lệ cao công ty lành mạnh bị kiệt qu ệ Th ậm chí n ếu m ột l ỗi c lo ại lỗi loại I (lỗi chủ động) khơng đáng nói l ỗi thu ộc loại thứ hai (lỗi bị động), phân tích cho thấy mơ hình c cho công ty liệt kê Anh có số ưu điểm mơ hình Z-score Đ ầu tiên, so sánh độ xác dự đốn, rằng, lấy mức xác su ất dự đoán 0,060 điểm cắt, mơ hình 'Full' hi ển thị hi ệu su ất cao cho vi ệc phân loại cơng ty kiệt quệ: phân loại xác 87% công ty ki ệt qu ệ mô hình điểm số Z phân loại xác 81% Th ứ hai, s d ụng m ột mức xác suất dự đoán 0,060 điểm cắt, mơ hình 'Full' hi ển th ị m ột s ự d ự đốn xác gần tương đương cơng ty tài lành m ạnh (đ ộ nhạy tương đương với 85%), điều làm cho mơ hình trở nên đáng tin cậy cho việc dự đốn cơng ty kiệt quệ tài cơng ty tài lành mạnh Thứ ba, mặt kỹ thuật, dễ dàng để sửa đổi mức xác suất dự 73 đoán sử dụng điểm cắt để giảm thiểu lỗi loại I l ỗi loại II (thông qua đánh đổi) tùy thuộc vào mục tiêu quản lý rủi ro nhà nghiên cứu Ghi chú: Bảng 14 cho thấy bảng phân loại Z-score Altman để phân biệt gi ữa công ty lành mạnh kiệt quệ tài cách dùng giá tr ị c đ ược s d ụng rộng rãi: công ty coi 'lành mạnh tài chính' n ếu ểm Z c l ớn h ơn 2,99 "kiệt quệ tài chính' điểm Z 1,81 Các s ố ngo ặc đ ơn đại diện cho công ty phân loại thất bại /kiệt quệ tài có m ột giá tr ị c nhỏ 2,67, theo Altman (2000) Kết luận Nghiên cứu cung cấp so sánh độ xác việc phân loại khả tiên đoán ba loại biến (tỷ lệ báo cáo tài chính, ch ỉ s ố kinh t ế vĩ mô biến thị trường) mơ hình logit cho cơng ty niêm y ết V ương quốc Anh dựa định nghĩa tài cơng ty bị ki ệt qu ệ Nó đóng góp vào tài liệu dự báo mặc định cách, đầu tiên, s dụng m ột đ ịnh nghĩa d ựa tài kiệt quệ bổ sung với cách ti ếp cận kỹ thu ật đ ược xây dựng cách sử dụng thông tin cung cấp b ởi c s d ữ li ệu giá c ổ phiếu London Ưu điểm định nghĩa ki ệt quệ tài đ ược trình bày 74 nghiên cứu khơng phụ thuộc vào hệ pháp lý cuối nó: phá sản, hầu hết tài liệu dự báo trước Một cách ti ếp cận r ộng hơn, mơ hình dự tính sử dụng, nhằm phát giai đoạn đầu kiệt quệ tài với mức độ cao độ tin cậy mà có ích cho chun gia đ ể tránh hậu cao so với bị phá sản Thứ hai, tập li ệu l ớn xây dựng cách kết hợp loại thông tin khác từ ngu ồn li ệu s dụng rộng rãi lý thuyết lĩnh v ực cơng nghi ệp Vì v ậy, nghiên cứu không dựa biến độc l ập s dụng công trình nghiên cứu trước đó; mà cịn sử dụng quy trình lý thuy ết th ực nghiệm đa cấp để kiểm tra chọn biến với đóng góp cao nh ất cho s ự xác tổng thể mơ hình Hơn nữa, khơng giống hầu h ết nghiên cứu lĩnh vực dự báo mặc định, nghiên cứu cho th m ột s ự ch ứng minh dựa lý thuyết cho việc sử dụng biến giữ lại mơ hình cu ối Kết mơ hình để dự báo kiệt quệ tài Vương qu ốc Anh cho cơng ty niêm yết, với số lượng nhỏ bi ến, hi ển th ị phân loại độ xác dự đốn cao so với cơng trình nghiên cứu tr ước Thứ ba, có lẽ quan trọng nhất, lần mô hình d ự báo kh ủng hoảng tài cho công ty niêm yết Anh, nghiên cứu ki ểm tra nh ững đóng góp liên quan (cá nhân nhóm) ba loại bi ến v ới đ ộ xác d ự đốn mơ hình: tài chính, biến s ố vĩ mơ th ị tr ường Nghiên cứu tr ước thử nghiệm khả biến thị trường để dự đốn tình trạng phá s ản có s dụng phương pháp khiếu nại ngẫu nhiên Black Scholes hay cách tiếp cận dựa quyền chọn Tuy nhiên, kết thu từ mô hình (mà địi hỏi nhiều giả định hạn chế) tạo tranh cãi Nhi ều n ỗ l ực đ ược thực để chứng minh tính ưu việt mơ hình dựa th ị tr ường h ơn mơ hình dựa kế toán ngược lại Đến thời điểm này, tài liệu dự báo m ặc định đặc trưng phương pháp tiếp cận cạnh tranh, n có m ột dòng phân chia rõ ràng biến thị trường kế toán Các nghiên cứu hi ện 75 thông qua phương pháp tiếp cận khác mà vi ệc sử dụng lo ại bi ến khơng loại trừ lẫn Nó thử nghiệm xem liệu bi ến thị trường (phụ thuộc, số biện pháp, thông tin tài nhau) có cho thêm thơng tin mà khơng chứa báo cáo tài đóng vai nh bổ sung mơ hình dự báo mặc định Các kết đ ược trình bày nghiên cứu cho thấy rõ ràng trường hợp Sự gia tăng đáng k ể khu vực theo đặc điểm hoạt động tiếp nhận (ROC) Curve (trong m ột s ố bi ện pháp thức khác), từ 0,88 tới 0,92 mơ hình ước lượng t - từ 0,85 tới 0,89 mơ hình ước lượng t - 2, mà theo sau s ự h ợp biến thị trường mơ hình kế tốn cho thấy chúng chứa thơng tin mà không bao gồm tỷ lệ báo cáo tài M ột so sánh c vùng đường cong tương quan ROC thực cách sử dụng phương pháp phi tham số, ước tính bảng phân loại điều chỉnh thành ki ến xác nh ận kết Ngồi ra, mơ hình đầy đủ ước tính t - đ ể kiểm tra tính xác dự đốn thực tế mơ hình, ba s ố b ốn bi ến th ị trường giữ lại ý nghĩa thống kê nó, tỷ lệ tương tự số tài chính, điều biến bao gồm mơ hình phù h ợp Đi ều thú v ị là, Hosmer Lemeshow kiểm tra phản ứng nhị phân mơ hình lý lu ận đ ề ngh ị “mơ hình full” gắn với biến thị trường mơ hình phù h ợp, khơng gi ống mơ hình 'chỉ có kế tốn' mơ hình 'kế tốn cộng v ới bi ến kinh t ế vĩ mô' Mặt khác, kết khó kết luận cho bi ến kinh tế vĩ mô, ều có đóng góp nhỏ đến độ xác phân loại tổng thể mơ hình Cu ối cùng, việc ước lượng hiệu ứng biên lấp đầy khoảng trống quan trọng lý thuyết dự đoán mặc định cách trình bày thay đ ổi d ự ki ến biến phản ứng chức thay đổi bi ến dự đoán c ụ thể giữ tất đồng biến khác khơng đổi, ều r ất h ữu ích cho việc giải thích hiệu ứng 76 Phụ lục A A.1 Fitting of Model using the artificial neural networks methodology (multilayer perceptron) Neural networks Network information Input layer covariates: TFOTL, TLTA, NOCREDINT, 4.COVERAGE, RPI, SHTBRDEF, PRICE, ABNRET, SIZE, 10.MCTD Hidden layers Number of hidden layers: Number of units in hidden layer (excluding the bias unit): Activation function: hyperbolic tangent Output layer Dependent variable: financial distress indicator Number of units: Activation function: Softmax 77 Error function: cross-entropy Casing processing summary Training: 70.2% Holdout: 29.8% A.2 Estimation of Model with industry controls 78 Ghi chú: Bảng cho thấy mã SIC tương ứng với phân ngành công nghi ệp sử dụng nghiên cứu để kiểm sốt khu v ực cơng ty Mã SIC s ố sử dụng cho công ty để phân vùng thành m ười ngành công nghi ệp l ớn Các tên tương ứng nhóm công nghiệp thể hi ện c ột cu ối c b ảng Công ty thuộc nhóm 'tài chính, bảo hiểm b ất đ ộng sản' b ị lo ại kh ỏi phân tích Theo Chava Jarrow (2004), mã số SIC lựa ch ọn cho nghiên c ứu b ởi chúng gồm phân loại ngành cơng nghiệp phổ biến rộng rãi hi ện hữu cho thời kỳ mẫu 79 Ghi chú: Báo cáo kết bảng từ hồi quy logit ch ỉ s ố ki ệt quệ tài biến dự đốn Các mơ hình tính toán cho hai giai đo ạn: s d ụng tài khoản, thị trường liệu kinh tế vĩ mô từ năm trước để quan sát s ự ki ện kh ủng hoảng tài (t-1), tài khoản, thị trường li ệu kinh tế vĩ mô t hai năm trước quan sát kiện khủng hoảng tài (t-2) để xác nh ận khả dự đốn họ, để tăng khả phân biệt Ngồi ra, kết đ ược trình bày m ột mơ hình 'thị trường' mà kết hợp biến thị trường t-1 cho m ục đích so sánh Giá tr ị tuyệt đối Z-thống kê báo cáo ngoặc đơn * Biểu thị ý nghĩa m ức 10%, ** biểu thị ý nghĩa mức 5% -1% 80 Ghi chú: Đây báo cáo bảng số liệu thống kê thực mơ hình Ph ần A cho th phương pháp ước tính cho mơ hình giai đoạn t-1 Ph ần B hi ển th ị ph ương pháp tương tự cho tất mơ hình ước lượng t-2 Mơ hình mơ hình "k ế tốn ', mơ hình là' kế tốn cộng với kinh tế vĩ mơ bi ến 'mơ hình, mơ hình mơ hình' k ết h ợp ', bao gồm biến thị trường ngồi biến mơ hình 2, mơ hình mơ hình ' th ị trường’, mơ hình mơ hình ‘thị trường cộng với bi ến kinh t ế vĩ mô' Các ph ương pháp ước lượng sử dụng phương pháp logit, th ước đo tr ực ti ếp đ ộ xác dự đốn mơ hình ước lượng đo bằng vùng nằm d ưới đ ường cong ROC (AUC),); Hệ số Gini, thống kê Kolmogorov-Smirnov, Cox … trình bày Ngồi th ống kê Hosmer Lemeshow trình bày * sau χ2 đại di ện cho m ức đ ộ t ự cho m ỗi mơ hình dự kiến: cho mơ hình 1, cho mơ hình 2, 10 cho mơ hình 3, cho mơ hình 4, cho mơ hình 81 Tài liệu tham khảo Agarwal, V., & Taffler, R (2007) Twenty-five years of the Taffler z-score model: Does it really have predictive ability? Accounting and Business Research, 37, 285–300 Agarwal, V., & Taffler, R (2008) Comparing the performance of market-based and accounting-based bankruptcy prediction models Journal of Banking & Finance, 32, 1541–1551 Alexander, C., & Kaeck, A (2008) Regime dependent determinants of credit default swap spreads Journal of Banking & Finance, 32, 1008–1021 Alfaro, E., García, N., Gámez, M., & Elizondo, D (2008) Bankruptcy forecasting: An empirical comparison of AdaBoost and neural networks Decision Support Systems, 45, 110–122 Altman, E I (1968) Financial ratios, discriminant analysis and the prediction of corporate bankruptcy Journal of Finance, 23, 589–609 Altman, E I (2000) Predicting financial distress of companies: Revisiting the Z-score and ZetaR models New York University Salomon Center working paper series Altman, E I., & Sabato, G (2007) Modelling credit risk for SMEs: Evidence from the U.S market Abacus, 43, 332–357 Altman, E I., Sabato, G., & Wilson, N (2010) The value of non-financial information in small and medium-sized enterprise risk management The Journal of Credit Risk, 6, 1–33 Anderson, R (2007) The credit scoring toolkit: Theory and practice for retail credit risk management and decision automation Oxford: Oxford University Press 10.Andrade, G., & Kaplan, S N (1998) How costly is financial not economic distress? Evidence from highly leveraged transactions that became distressed Journal of Finance, 53, 1443–1493 11.Argenti, J (1976) Corporate collapse: The causes and symptoms London: McGraw-Hill 82 12.Asquith, P., Gertner, R., & Scharfstein, D (1994) Anatomy of financial distress: An examination of junk-bond issuers Quarterly Journal of Economics, 109, 625–658 13.Balcaen, S., & Ooghe, H (2004) 35 years of studies on business failure: An overview of the classic statistical methodologies and their related problems Vlerick Leuven Gent working paper series 15 14.Barnes, P (1987) The analysis and use of financial ratios: A review article Journal of Business Finance & Accounting, 14, 449–461 15.Barnes, P (1990) The prediction of takeover targets in the U.K by means of multiple discriminant analysis Journal of Business Finance & Accounting, 17, 73–84 16.Beaver, W H (1966) Financial ratios as predictors of failure Journal of Accounting Research, 17.4, 71–111 18.Beaver, W H., McNichols, M F., & Rhie, J -W (2005) Have financial statements become less informative? Evidence from the ability of financial ratios to predict bankruptcy Review of Accounting Studies, 10, 93–122 19.Bharath, S T., & Shumway, T (2008) Forecasting default with the Merton distance to default model Review of Financial Studies, 21, 1339–1369 20.Bierens, H J (2008) The logit model: Estimation Testing and interpretation.: Penn State, Department of Economics 21.Black, F., & Scholes, M (1973) The pricing of options and corporate liabilities Journal of Political Economy, 81, 637–654 22.Campbell, J Y., Hilscher, J., & Szilagyi, J A N (2008) In search of distress risk Journal of Finance, 63, 2899–2939 23.Chava, S., & Jarrow, R A (2004) Bankruptcy prediction with industry effects Review of Finance, 8, 537–569 24.Cho, S., Kim, J., & Bae, J K (2009) An integrative model with subject weight based on neural network learning for bankruptcy prediction Expert Systems with Applications, 36, 403–410 83 25.Christidis, A., & Gregory, A (2010) Some new models for financial distress prediction in the UK Xfi centre for finance and investment discussion paper no 10 26.Cleves, M A (2002) From the help desk: Comparing areas under receiver operating characteristics curves from two or more probit or logit models The Stata Journal, 2, 301–313 27.Cox, D R., & Snell, E J (1989) The analysis of binary data (2nd ed.) London: Chapman and Hall 28.DeLong, E R., DeLong, D M., & Clarke-Pearson, D L (1988) Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach Biometrics, 44, 837–845 29.Dichev, I D (1998) Is the risk of bankruptcy a systematic risk? Journal of Finance, 53, 1131–1147 30.Ericsson, J., Jacobs, C., & Oviedo, R (2009) The determinants of credit default swap premia Journal of Financial and Quantitative Analysis, 44, 109–132 31.Freund, R J., & Littell, R C (2000) SAS system for regression (3rd ed.) New York: Wiley Geske, R (1977) The valuation of corporate liabilities as compound options The Journal of Financial and Quantitative Analysis, 12, 541–552 32.Godfrey, M D (2009) The TANH transformation Information Systems Laboratory, Stanford University 33.Graham, A (2000) Corporate credit analysis London: Fitzroy Dearborn Publishers 34.Hillegeist, S A., Keating, E K., Cram, D P., & Lundstedt, K G (2004) Assessing the probability of bankruptcy Review of Accounting Studies, 9, 5–34 35.Keasey, K., & Watson, R (1987) Non-financial symptoms and the prediction of small company failure: A test of of Argenti's hypotheses Journal of Business Finance & Accounting, 14, 335–354 36.Keasey, K., & Watson, R (1991) Financial distress prediction models: A review of their usefulness British Journal of Management, 2, 89–102 84 37.Kumar, P R., & Ravi, V (2007) Bankruptcy prediction in banks and firms via statistical and intelligent techniques — A review European Journal of Operational Research, 180, 1–28 38.Long, J S., & Freese, J (2003) Regression models for categorical dependent variables using Stata College Station, Texas: Stata Press 39.Maltz, A C., Shenhar, A J., & Reilly, R R (2003) Beyond the balanced scorecard: Refining the search for organizational success measures Long Range Planning, 36, 187–204 40.Marais, D A J (1979) A method for quantifying companies' relative financial strength Bank of England discussion paper no 41.Mare, D S (2012) Contribution of macroeconomic factors to the prediction of small bank failures Paper presented at 4th International IFABS Conference, Valencia, Spain 42.Mays, F E (2004) Credit scoring for risk managers: The handbook for lenders Thomson/South-Western 43.Mella-Barral, P., & Perraudin, W (1997) Strategic debt service Journal of Finance, 52, 531–556 44.Merton, R C (1974) On the pricing of corporate debt: The risk structure of interest rates Journal of Finance, 29, 449–470 45.Nagelkerke, N J D (1991) A note on a general definition of the coefficient of determination Biometrika, 78, 691–692 46.Nam, C W., Kim, T S., Park, N J., & Lee, H K (2008) Bankruptcy prediction using a discrete-time duration model incorporating temporal and macroeconomic dependencies Journal of Forecasting, 27, 493–506 47.Ohlson, J A (1980) Financial ratios and the probabilistic prediction of bankruptcy Journal of Accounting Research, 18, 109–131 48.Olson, D L., Delen, D., & Meng, Y (2012) Comparative analysis of data mining methods for bankruptcy prediction Decision Support Systems, 52, 464–473 49.Pindado, J., Rodrigues, L., & De la Torre, C (2008) Estimating financial distress likelihood Journal of Business Research, 61, 995–1003 50.Qu, Y (2008) Macroeconomic factors and probability of default European Journal of Economics, Finance and Administrative Sciences, 192–215 85 51.Ragavan, A J (2008) How to use SASR to fit multiple logistic regression models Department 52.of Mathematics and Statistics of the University of Nevada, Paper 369 Rees, W P (1995) Financial analysis London: Prentice-Hall 53.Reisz, A S., & Perlich, C (2007) A market-based framework for bankruptcy prediction Journal of Financial Stability, 3, 85–131 54.Saunders, A., & Allen, L (2002) Credit risk measurement: New approaches to value at risk and other paradigms (2nd ed.) New York: John Wiley & Sons Inc 55.Shumway, T (2001) Forecasting bankruptcy more accurately: A simple hazard model Journal of Business, 74, 101–124 56.Taffler, R (1983) The assessment of company solvency and performance using a statistical model Accounting and Business Research, 13, 295–307 57.Theodossiou, P T (1993) Predicting shifts in the mean of a multivariate time series process: An application in predicting business failures Journal of the American Statistical Association, 88, 441–449 58.Trujillo-Ponce, A., Samaniego_Medina, R., & Cardone-Riportella, C (in press) Examining what best explains corporate credit risk: Accounting-based versus market-based models Journal of Business Economics and Management http://dx.doi.org/10.3846/16111699.2012.720598 59.Tseng, F -M., & Hu, Y -C (2010) Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks Expert Systems with Applications, 37, 1846–1853 60.Vassalou, M., & Xing, Y (2004) Default risk in equity returns Journal of Finance, 59, 831–868 61.Whitaker, R (1999) The early stages of financial distress Journal of Economics and Finance, 23, 123–132 62.Wruck, K H (1990) Financial distress, reorganization, and organizational efficiency Journal of Financial Economics, 27, 419–444 63.Yang, Z., You, W., & Ji, G (2011) Using partial least squares and support vector machines for bankruptcy Applications, 38, 8336–8342 86 prediction Expert Systems with 64.Zavgren, C V (1985) Assessing the vulnerability to failure of American industrial firms: A logistic analysis Journal of Business Finance & Accounting, 12, 19–45 65.Zmijewski, M E (1984) Methodological issues related to the estimation of financial distress prediction models Journal of Accounting Research, 22, 59– 82 87 ... cứu 12 3.1.Mô tả cở sở liệu định nghĩa đầu 12 3.1.1.Định nghĩa kết 12 3.1 .2. Lựa chọn biến độc lập 18 3.1 .2. 1.Các biến tỷ số tài 18 3.1 .2. 2.Các biến kinh... 21 3.1 .2. 3.Các biến thị trường 24 3 .2. Phương pháp nghiên cứu: nhị phân logit với liệu bảng .28 4.Kết nghiên cứu .31 4.1.Hiệu ứng biên thay đổi dự báo xác suất . 52 4 .2. Bảng... quệ tài chính” Sự phát tri ển đ ược nhấn mạnh quan trọng lý thuyết học thu? ??t ((Barnes, 198 7, 199 0; Pindado, Rodrigues, & De la Torre ,20 08) chứng minh thực tế s ự thất bại công ty để đáp ứng nghĩa