Gi ớ i thi ệ u
Các nghiên cứu định lượng về mô hình dự báo phá sản đã thu hút sự chú ý đáng kể từ sau khủng hoảng kinh tế Châu Á năm 1997 và khủng hoảng Nga Sự gia tăng tỷ lệ doanh nghiệp phá sản không chỉ là mối quan tâm của các học giả mà còn của các nhà phân tích và hoạch định chính sách, do những ảnh hưởng hệ lụy nghiêm trọng mà nó gây ra Do đó, cần thiết phải xây dựng một mô hình thể hiện bản chất biến động của tình trạng phá sản và mối tương quan giữa các vụ phá sản.
Quy trình xây dựng mô hình định lượng dự đoán phá sản doanh nghiệp bắt đầu với Beaver (1966), người đã phát triển phương pháp kiểm định phân loại nhị phân dựa trên t-test đơn biến Altman (1968) đã gợi ý phân tích biệt số đa biến, tiếp theo là các mô hình xác suất có điều kiện đa biến như mô hình logit của Ohlson (1980) và mô hình probit của Zmijewski (1984) được ứng dụng để dự đoán phá sản Gần đây, nhiều nhà nghiên cứu đã áp dụng các phương pháp tiếp cận nghiệm suy như mạng nơ-ron để dự đoán xác suất phá sản Mặc dù có nhiều cải tiến trong các phương pháp này, kết quả dự đoán ngoài mẫu vẫn chưa có nhiều tiến bộ.
Các phương pháp truyền thống trong dự đoán doanh nghiệp gặp khó khăn do giả định nghiêm ngặt và giới hạn cấu trúc, chủ yếu phân loại doanh nghiệp thành hai nhóm: phá sản và không phá sản Hạn chế lớn nhất của những phương pháp này là giả định rằng dữ liệu được chia thành hai nhóm riêng biệt, dẫn đến độ chính xác cao trong giai đoạn ước lượng nhưng khả năng dự đoán kém khi ra ngoài mẫu Ngược lại, mô hình Duration coi mẫu là một tập hợp các phần tử có thể nhận diện, với dữ liệu của các doanh nghiệp không phá sản được xem như dữ liệu thiếu, từ đó nâng cao khả năng dự đoán của mô hình nguy cơ.
Một nhược điểm của phương pháp thống kê truyền thống là yêu cầu sự ổn định trong quá trình phân loại phá sản Mô hình tĩnh dựa trên phân loại nhị phân không phù hợp cho các trường hợp bất thường Cách tiếp cận ngẫu nhiên phân chia doanh nghiệp thành các nhóm mà không nhận biết được thời gian phá sản Để mô hình hoạt động hiệu quả, quy trình phân loại phá sản cần phải cố định trong giai đoạn mẫu được quan sát.
Hầu hết các phương pháp truyền thống gặp phải những hạn chế về cấu trúc, khiến cho các mô hình không phản ánh chính xác các chỉ tiêu trong báo cáo tài chính hoặc không thể hiện tác động của các biến vĩ mô lên từng doanh nghiệp Shumway (2001) đã chỉ ra rằng nhiều phương pháp hiện tại sử dụng mô hình phân loại giai đoạn với dữ liệu đa giai đoạn từ báo cáo tài chính, dẫn đến ước lượng tham số bị sai lệch Do đó, ông đề xuất áp dụng mô hình thời lượng với các biến giải thích thay đổi theo thời gian, cho rằng mô hình này không chỉ hiệu quả mà còn linh hoạt hơn, giúp dễ dàng tính toán tác động của môi trường vĩ mô bằng cách điều chỉnh dạng của mô hình nguy cơ cơ bản Mục đích của nghiên cứu này là áp dụng mô hình của Shumway.
Năm 2001, nghiên cứu nhằm ước lượng các yếu tố ảnh hưởng đến xác suất bất ổn tài chính của doanh nghiệp Để đạt được mục tiêu này, chúng tôi sẽ lần lượt giải đáp hai câu hỏi nghiên cứu.
(1) Các tỷ số tài chình nào có khả năng dự báo bất ổn tài chình?
(2) Mô hính dự báo xác suất kiệt quệ tài chình sẽ có dạng như thế nào?
Bài nghiên cứu được cấu trúc như sau: đầu tiên, chúng tôi trình bày tổng quan về các nghiên cứu trước đây Tiếp theo, phần 3 giới thiệu mô hình nguy cơ thời gian rời rạc với các biến giải thích thay đổi theo thời gian và hàm nguy cơ cơ bản phản ánh tác động của môi trường vĩ mô Trong phần 4, chúng tôi so sánh ba mô hình kinh tế để phân tích ảnh hưởng của chỉ tiêu trên báo cáo tài chính và các biến vĩ mô, đặc biệt là trong bối cảnh thị trường Việt Nam trong giai đoạn khủng hoảng, cùng với những ưu điểm nổi bật của mô hình được chọn Cuối cùng, phần 5 trình bày kết luận.
Nh ững nghiên cứu trước đây
Trong nhiều năm qua, phương pháp phân tích dữ liệu chéo đã được áp dụng rộng rãi để phát triển các mô hình dự đoán xác suất phá sản, được gọi là mô hình phân loại "đơn giai đoạn" hay "static" Những mô hình này thực hiện quy trình phân loại doanh nghiệp thành hai nhóm: phá sản và không phá sản, với một mức độ tin cậy nhất định, hay còn gọi là "tỷ lệ sai số phân loại" Có hai loại tỷ lệ sai số phân loại được tạo ra từ việc ứng dụng các mô hình dự đoán xác suất phá sản.
(1) Tỷ lệ sai sót phân loại những công ty phá sản nhưng lại được phân loại vào công ty khỏe mạnh.
(2) Tỷ lệ sai sót phân loại những công ty khỏe mạnh nhưng được phân loại vào công ty phá sán
Phân tích biệt số đa biến là một trong những phương pháp thống kê phân loại tối ưu, tiếp theo là phân tích logit (Altman & Saunders, 1998) Ngoài ra, còn có các phương pháp cổ điển khác như phân tích đơn biến, mô hình chỉ số rủi ro, phân tích probit và mô hình xác suất tuyến tính Trong phần này, chúng tôi sẽ thảo luận về các phương pháp phân tích dữ liệu chéo, nêu rõ đặc trưng, giả định cụ thể, cũng như những thuận lợi và hạn chế của từng phương pháp Cuối cùng, chúng tôi sẽ cung cấp bảng tổng hợp các thuận lợi và hạn chế chính của các phương pháp khác nhau, cùng với số lượng các mô hình dự báo xác suất phá sản đã được phát triển.
Chúng tôi giới thiệu những bài nghiên cứu của Zavgren (1983), Altman
(1984), Taffler (1984), Jones (1987), Keasey & Watson (1991), Ooghe cùng cộng sự (1995), Dimitras cùng cộng sự (1996), Altman & Narayanan (1997) và Altman
& Saunders (1998) Zavgren (1983), Altman (1984), Taffler (1984) cho thấy một cái nhín tổng quan về các nghiên cứu về những mô hính trong những năm 1960 và
Vào năm 1970, Zavgren (1983) đã khảo sát các phương pháp khác nhau và mô hình dự đoán phá sản dựa trên dữ liệu ở Mỹ, trong khi Altman (1984) tổng hợp các mô hình dự đoán xác suất phá sản từ nhiều quốc gia khác nhau Cả hai nghiên cứu đều chú trọng vào các công cụ dự đoán phá sản, cũng như những giới hạn và lợi ích của các phương pháp này Bài viết của Dimitras và các cộng sự cũng đóng góp vào lĩnh vực này.
Năm 1996, một nghiên cứu quan trọng đã được thực hiện về các phương pháp dự đoán phá sản và mô hình liên quan Altman và Narayanan (1997) đã khảo sát các nghiên cứu về mô hình phân loại phá sản tại 21 quốc gia khác nhau, trong khi Altman và Saunders cũng góp phần vào lĩnh vực này.
Bài viết năm 1998 của Ooghe và cộng sự phân tích sự phát triển của các mô hình rủi ro tín dụng, đặc biệt là các mô hình xếp hạng tín dụng, trong hơn 20 năm qua tại Mỹ.
(1995) giới thiệu chi tiết về những mô hính dự đoán phá sản ở Belgium.
Sự nhận biết hoạt động của doanh nghiệp và khó khăn tài chính có thể được giải quyết thông qua việc phân tích các chỉ số tài chính Trước khi phát triển các thước đo định lượng, nhiều tổ chức đã được thành lập để cung cấp mô hình định tính đánh giá tình trạng tín dụng của các thương gia Ví dụ, Dun & Bradstreet, một hãng dịch vụ thông tin quốc tế nổi tiếng, được thành lập vào năm 1849 tại Cincinnati, Ohio, chuyên cung cấp các điều tra tín dụng độc lập Nhiều nghiên cứu chính thức về dự báo thất bại doanh nghiệp đã được thực hiện trong những năm 1930.
Năm 1996, Beaver (1967) đã tiên phong trong việc xây dựng mô hình dự đoán phá sản doanh nghiệp thông qua các tỷ số tài chính Ông là nhà nghiên cứu đầu tiên áp dụng mô hình đơn biến, sử dụng các tỷ số tài chính để phân loại doanh nghiệp thành hai nhóm: phá sản và không phá sản, nhằm dự đoán xác suất phá sản Trong quá trình lựa chọn các tỷ số tài chính cho mô hình, Beaver đã áp dụng kiểm định phân loại ngẫu nhiên để xác định những tỷ số có khả năng phân loại tốt nhất giữa hai nhóm doanh nghiệp này.
Trong mô hình dự đoán phá sản đơn biến, trọng tâm là nhận diện dấu hiệu phá sản thông qua quy trình phân loại từng tỷ số Mỗi tỷ số được phân tích độc lập để xác định điểm chia cắt tiềm năng, nơi tỷ lệ sai sót trong phân loại là thấp nhất Doanh nghiệp được phân loại thành hai nhóm: nếu tỷ số nhỏ hơn điểm chia cắt, doanh nghiệp sẽ được xếp vào nhóm phá sản; ngược lại, nếu lớn hơn, doanh nghiệp thuộc nhóm không phá sản Độ chính xác của phân loại được đánh giá qua tỷ lệ sai số phân loại tối thiểu cùng với tỷ lệ sai số loại I và loại II.
Mô hình dự đoán xác suất phá sản đơn biến có ưu điểm nổi bật là sự đơn giản trong ứng dụng Người dùng không cần kiến thức thống kê phức tạp, chỉ cần so sánh giá trị tỷ số của doanh nghiệp với điểm chia cắt cụ thể để phân loại.
Phân tích đơn biến dựa trên giả định rằng mối quan hệ giữa tỷ số và tình trạng phá sản là tuyến tính, nhưng thực tế cho thấy nhiều tỷ số có mối quan hệ không tuyến tính với tình trạng này (Keasey & Watson, 1991) Do đó, việc áp dụng mô hình đơn biến thường không hợp lệ và có thể dẫn đến những kết luận không chính xác.
Mặc dù mô hình đơn giản có những điểm hấp dẫn, nhưng nó cũng bộc lộ một số hạn chế Thứ nhất, việc phân loại doanh nghiệp chỉ dựa trên một tỷ số tại một thời điểm có thể dẫn đến kết quả phân loại nhầm lẫn và không chính xác cho các tỷ số khác nhau của cùng một doanh nghiệp Thứ hai, việc sử dụng tỷ số tài chính trong mô hình đơn biến gặp khó khăn trong việc đánh giá vai trò của từng tỷ số, do hầu hết các biến có sự tương quan cao với nhau Hơn nữa, mô hình đơn biến không phản ánh thực tế rằng tình trạng tài chính của doanh nghiệp là một khái niệm đa chiều, không thể phân tích bằng một chỉ số duy nhất Cuối cùng, việc xác định các điểm chia cắt tiềm năng thông qua phương pháp "thử và sai" và kiểm định ex post có thể dẫn đến sự không chính xác trong phân loại, đặc biệt khi mô hình được sử dụng để dự đoán.
2 2 Mô hình chỉ số rủi ro
Ngược lại với quan điểm của Beaver, Tamari (1966) cho rằng việc đánh giá sức khỏe tài chính của doanh nghiệp không thể chỉ dựa vào một biến duy nhất Tác giả nhấn mạnh rằng sự không nhất quán trong dữ liệu khiến việc hiểu rõ tình hình tài chính trở nên khó khăn Để giải quyết vấn đề này, Tamari giới thiệu mô hình “chỉ số rủi ro”, một hệ thống điểm đơn giản tích hợp nhiều tỷ số tài chính khác nhau, tạo ra một thước đo tổng quát cho tình hình tài chính của doanh nghiệp Mỗi doanh nghiệp sẽ được quy ra một điểm số trong khoảng từ 0 đến 100, với tổng điểm cao hơn chỉ ra tình hình tài chính tốt hơn Chỉ số rủi ro này đặc biệt chú trọng đến những tỷ số tài chính quan trọng, với các chỉ số có trọng số cao hơn trong quá trình tính toán.
Moses & Liao (1987) giới thiệu một chỉ số rủi ro mới, bắt đầu bằng phân tích đơn biến để xác định điểm chia cắt tiềm năng cho từng tỷ số tài chính Sau đó, một biến phụ thuộc nhị phân được tạo ra, trong đó giá trị là một nếu tỷ số tài chính vượt qua điểm chia cắt và bằng không nếu thấp hơn Cuối cùng, chỉ số rủi ro được tính bằng cách tổng hợp các biến nhị phân, với giá trị cao cho thấy tình trạng tài chính tốt, tương tự như chỉ số rủi ro của Tamari.
Mô hình chỉ số rủi ro có ưu điểm nổi bật là tính trực quan và đơn giản, tuy nhiên, nó cũng tồn tại những hạn chế rõ ràng, đặc biệt là sự thiếu khách quan so với thực tế Chẳng hạn, tỷ trọng của các tỷ số tài chính trong mô hình của Tamari được xác định một cách chủ quan.
2 3 Phân tích biệt số đa biến
Năm 1968, Altman đã giới thiệu phương pháp phân tích đa biến thống kê để dự đoán thất bại doanh nghiệp thông qua mô hình "Z-score" Phương pháp này, gọi là "phân tích biệt số đa biến", giúp phân loại các quan sát dựa vào đặc trưng riêng của chúng và tìm kiếm mối quan hệ tuyến tính giữa các đặc trưng mô tả tốt nhất cho các nhóm Sau đó, vào năm 1977, Altman và cộng sự đã điều chỉnh mô hình Z-score, đưa vào các chỉ tiêu từ báo cáo tài chính, tạo ra mô hình "phân tích Zeta" cải tiến hơn Mặc dù từ những năm 1980, mô hình này ít được sử dụng, phương pháp phân tích MDA vẫn giữ vai trò quan trọng trong nghiên cứu dự đoán phá sản doanh nghiệp.