Kiểm tra mức độ dự báo kiệt quệ tài chính tại của các mô hình hiện hữu

GIỚ I THI ỆU ĐỀ TÀI NGHIÊN C Ứ U

Lý do ch ọn đề tài

Gần đây, sự sụp đổ của nhiều doanh nghiệp lớn tại Mỹ và Châu Âu như Enron, WorldCom và Lehman Brothers đã gây ra cú sốc cho các nhà đầu tư toàn cầu Tại Việt Nam, nền kinh tế cũng chịu ảnh hưởng từ suy thoái toàn cầu, dẫn đến sự gia tăng số lượng doanh nghiệp phá sản Chi phí của tình trạng kiệt quệ này đối với nền kinh tế là rất lớn, nhấn mạnh tầm quan trọng của việc dự báo kiệt quệ tài chính Các mô hình dự báo này giúp các nhà phân tích can thiệp sớm vào các yếu tố trong bảng cân đối kế toán và báo cáo thu nhập, từ đó triển khai các chiến lược nhằm ngăn ngừa kiệt quệ Việc phát triển hệ thống cảnh báo sớm là cần thiết để các doanh nghiệp có thể ứng phó kịp thời, giảm thiểu nguy cơ kiệt quệ và phá sản, đồng thời giúp các nhà đầu tư và ngân hàng lựa chọn doanh nghiệp tiềm năng để hợp tác và đầu tư.

Tác giả đã chọn đề tài "Nghiên cứu các mô hình dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam" nhằm khám phá và đánh giá khả năng dự báo của các mô hình đã phát triển trên thế giới Mục tiêu là nhận diện mô hình dự báo kiệt quệ tài chính phù hợp với bối cảnh kinh tế hiện nay của các doanh nghiệp Việt Nam.

M ụ c tiêu và các v ấn đề nghiên c ứ u

Nghiên cứu này nhằm kiểm định khả năng dự báo của các mô hình dự báo sớm kiệt quệ tài chính đã phát triển trên thế giới khi áp dụng cho doanh nghiệp Việt Nam Mục tiêu là xác định mô hình dự báo kiệt quệ tài chính phù hợp cho các doanh nghiệp Việt Nam trong giai đoạn hiện nay Các vấn đề cần nghiên cứu bao gồm việc đánh giá hiệu quả của các mô hình này trong bối cảnh kinh tế Việt Nam.

• Làm rõ thế nào là kiệt quệ tài chính, nhằm giúp xác định mẫu nghiên cứu để đánh giá các mô hình.

Trong thời gian qua, nhiều mô hình dự báo sớm tình trạng kiệt quệ tài chính đã được phát triển trên thế giới Các nghiên cứu thực tiễn đã chỉ ra rằng những mô hình này có khả năng dự báo hiệu quả tình trạng kiệt quệ tài chính, giúp các tổ chức và doanh nghiệp nhận diện rủi ro kịp thời Việc áp dụng các mô hình này không chỉ nâng cao khả năng quản lý tài chính mà còn góp phần vào sự bền vững của các tổ chức trong môi trường kinh doanh đầy biến động.

Bài viết này kế thừa các mô hình dự báo sớm tình trạng kiệt quệ tài chính đã được phát triển trên thế giới và áp dụng chúng cho các doanh nghiệp Việt Nam Mục tiêu là đo lường độ chính xác của các mô hình này trong việc dự báo tình trạng kiệt quệ tài chính, từ đó xác định mô hình dự báo phù hợp nhất cho các doanh nghiệp Việt Nam trong bối cảnh hiện tại.

Ý nghĩa và điể m m ớ i c ủ a nghiên c ứ u

Nghiên cứu dự báo kiệt quệ tài chính cho các công ty Việt Nam thường chỉ tập trung vào việc ước lượng khả năng xảy ra tình trạng này đối với một số công ty đại chúng Phần lớn các nghiên cứu hiện nay sử dụng mô hình Z-score của Altman (1968) để thực hiện các phân tích này.

Nghiên cứu này khác với các nghiên cứu trước đây khi sử dụng đồng thời ba mô hình để đánh giá khả năng dự báo kiệt quệ tài chính, bao gồm mô hình phân tích phân biệt Z-score của Altman, mô hình phân tích logit của Ohlson và mô hình MKV-Merton Mục tiêu chính là đánh giá hiệu quả của ba mô hình này đối với các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam, từ đó xác định mô hình phù hợp để cảnh báo sớm về nguy cơ kiệt quệ tài chính Điều này không chỉ giúp các doanh nghiệp có biện pháp đối phó kịp thời mà còn hỗ trợ các nhà đầu tư, ngân hàng và tổ chức tín dụng trong việc phân loại công ty để đưa ra quyết định đầu tư và tài trợ chính xác, giảm thiểu nguy cơ mất vốn.

B ố c ụ c c ủa đề tài

Chương 1 của bài viết giới thiệu về đề tài nghiên cứu, nêu rõ lý do lựa chọn, mục tiêu và các vấn đề cần giải quyết trong nghiên cứu Đồng thời, chương này cũng làm nổi bật ý nghĩa của nghiên cứu và những điểm mới mà nghiên cứu mang lại.

Chương 2 của bài viết tập trung vào việc trình bày các bằng chứng thực nghiệm về kiệt quệ tài chính và các mô hình dự báo kiệt quệ tài chính trên toàn cầu Nội dung sẽ khám phá những kết quả nghiên cứu thực nghiệm liên quan đến dự báo kiệt quệ tài chính, đồng thời phân tích các mô hình được áp dụng Dựa trên những bằng chứng này, chương cũng sẽ đề xuất phương pháp nghiên cứu, quy trình chọn mẫu và các biến số cần thiết để thực hiện nghiên cứu một cách hiệu quả.

Chương 3: Phương pháp nghiên cứu trình bày chi tiết về quy trình nghiên cứu, bao gồm các bước thực hiện, các mô hình và biến số độc lập trong mô hình Bên cạnh đó, chương cũng đề cập đến nguồn dữ liệu đầu vào, cách xác định giá trị của các biến độc lập, cũng như các chương trình thuật toán máy tính được áp dụng để hỗ trợ cho quá trình nghiên cứu.

Chương 4 của nghiên cứu tập trung vào việc phân tích các mô hình dự báo kiệt quệ tài chính cho doanh nghiệp Việt Nam Kết quả nghiên cứu chỉ ra dự báo lý thuyết của từng mô hình về tình trạng kiệt quệ tài chính của các công ty Bằng cách so sánh kết quả dự báo lý thuyết với thực tế, nghiên cứu xác định mức độ chính xác của từng mô hình Từ đó, nghiên cứu sẽ đưa ra mô hình dự báo kiệt quệ tài chính phù hợp nhất cho các doanh nghiệp Việt Nam trong bối cảnh hiện tại.

• Chương 5: Tổng kết và hạn chế của đề tài: Trình bày tóm tắt các kết quả mà nghiên cứu đạt đƣợc, cùng các hạn chế của nghiên cứu.

CÁC BẰ NG CH Ứ NG TH Ự C NGHI Ệ M V Ề KI Ệ T QU Ệ TÀI CHÍNH VÀ CÁC MÔ HÌNH D Ự BÁO KI Ệ T QU Ệ TÀI CHÍNH TRÊN TH Ế GI Ớ I

Các b ằ ng ch ứ ng th ự c nghi ệ m v ề ki ệ t qu ệ tài chính

Trong nền kinh tế thị trường, sự tham gia và rút lui của các công ty là yếu tố cốt lõi của quá trình cạnh tranh, giúp duy trì số lượng doanh nghiệp đủ lớn để đáp ứng nhu cầu thị trường với giá cả cạnh tranh và quy trình sản xuất hiệu quả Tuy nhiên, sự tham gia hay rút lui không phải lúc nào cũng diễn ra theo quy luật tự nhiên, mà còn phụ thuộc vào sự thay đổi trong hoạt động kinh doanh, nguồn lực và lĩnh vực hoạt động Quá trình cạnh tranh có thể được hiểu là việc tối ưu hóa nguồn lực trong ngành, giữ lại những công ty hiệu quả và loại bỏ các tác nhân kém hiệu quả Sự suy giảm hoạt động kinh doanh và rút lui khỏi thị trường của một công ty có thể xem như quá trình kiệt quệ tài chính, dẫn đến phá sản Trong một nền kinh tế cạnh tranh, điều này thể hiện sự chuyển dịch từ khu vực kém hiệu quả sang khu vực hiệu quả.

Kiệt quệ tài chính bao gồm các khái niệm như thất bại, mất khả năng thanh toán, vỡ nợ, phá sản và giải thể, nhưng những trạng thái này thường khó quan sát (Hashi, 1997) Do đó, có nhiều quan điểm khác nhau về kiệt quệ tài chính cùng với các dấu hiệu nhận biết khác nhau, phụ thuộc vào thời gian, đặc điểm thị trường và diễn biến của các giai đoạn kiệt quệ tài chính.

Trong bài viết này, tác giả sẽ trình bày các quan điểm về kiệt quệ tài chính và những dấu hiệu nhận biết kiệt quệ tài chính dựa trên các nghiên cứu thực nghiệm toàn cầu Bên cạnh đó, bài viết cũng sẽ phân tích ảnh hưởng của kiệt quệ tài chính đối với nền kinh tế, ngành và các công ty Qua đó, nhấn mạnh tầm quan trọng của việc dự báo sớm tình trạng kiệt quệ tài chính cho các doanh nghiệp tại Việt Nam.

2.1.1.Các quan điểm về kiệt quệ tài chính

Theo lý thuyết kinh tế, kiệt quệ tài chính là trạng thái mà công ty không thể hoặc gặp khó khăn trong việc đáp ứng nghĩa vụ tài chính với chủ nợ Tuy nhiên, quan điểm này đã thay đổi qua các nghiên cứu toàn cầu, chủ yếu do vấn đề lựa chọn mẫu trong các mô hình dự báo kiệt quệ tài chính Do đó, việc trình bày đầy đủ các quan điểm và vấn đề liên quan đến kiệt quệ tài chính là cần thiết để có cái nhìn toàn diện về tình trạng này.

Doanh nghiệp được coi là hoạt động kinh doanh vĩnh viễn với mục tiêu chính là đạt được lợi nhuận Trong khi một số doanh nghiệp thành công, nhiều doanh nghiệp khác lại gặp khó khăn và có thể rơi vào thất bại tài chính trong hai năm đầu Tuy nhiên, sự phát triển của các công ty thành công không đảm bảo rằng họ sẽ không gặp phải thất bại trong tương lai Thất bại doanh nghiệp có thể xuất hiện dưới nhiều hình thức và ảnh hưởng khác nhau đến các bên liên quan, tùy thuộc vào mức độ và loại hình thất bại Sự gia tăng các hình thức thất bại kinh doanh đã dẫn đến nhiều định nghĩa khác nhau về thất bại, tạo ra sự lộn xộn trong quan điểm về kiệt quệ tài chính.

1990) Vì vậy, cần làm rõ các quan điểm liên quan nhằm loại bỏ sự nhầm lẫn.

Theo nghiên cứu của Altman và Hotckis (2005), các công ty không thành công thường trải qua bốn giai đoạn chính: “thất bại”, “mất thanh khoản”, “vỡ nợ” và “phá sản” Mặc dù các giai đoạn này có thể được sử dụng thay thế cho nhau, nhưng mỗi giai đoạn phản ánh những khía cạnh khác nhau của tình trạng “kiệt quệ tài chính”.

Thất bại trong kinh doanh được định nghĩa bởi Altman và Hotckiss (2005) theo chuẩn kinh tế học là khi tỷ suất sinh lợi thực tế trên vốn đầu tư và các chỉ số đánh giá rủi ro khác liên tục thấp hơn đáng kể so với các đầu tư tương đương trên thị trường, hoặc khi doanh thu không đủ bù đắp chi phí của công ty Tuy nhiên, định nghĩa này chưa hoàn toàn đầy đủ, vì một công ty có thể vẫn tiếp tục hoạt động nếu các nhà đầu tư chấp nhận tỷ suất sinh lợi thấp, do đó việc phân loại một công ty trong tình huống này là doanh nghiệp kiệt quệ tài chính trở nên khó khăn.

Theo quan điểm tài chính, "thất bại" xảy ra khi dòng tiền của doanh nghiệp không đủ để đáp ứng các nghĩa vụ tài chính hiện tại Những nghĩa vụ này bao gồm việc không thể thanh toán nợ cho các nhà cung cấp tín dụng và người lao động, chịu tổn thất từ các vụ kiện pháp lý kéo dài, hoặc không thể hoàn trả nợ gốc và lãi vay (Wruck, 1990).

Theo Andrade và Kaplan (1998), "thất bại" của công ty được chia thành hai loại chính: "thất bại kinh tế" và "thất bại tài chính" Họ nhấn mạnh rằng cần phân biệt rõ ràng giữa hai khái niệm này, trong đó "thất bại tài chính" xảy ra khi công ty vi phạm nghĩa vụ trả nợ, trong khi "thất bại kinh tế" là khi công ty thua lỗ trong hoạt động kinh doanh Một quan điểm khác cho rằng "thất bại tài chính" là tình trạng công ty không thể hoàn thành nghĩa vụ nợ, tuy nhiên, một công ty vẫn có thể gặp khó khăn trong việc thanh toán nợ dù có giá trị tài sản ròng dương (Gaughan, 2011).

Tình trạng "bất lực" của công ty trong việc trả nợ và khó khăn trong thanh toán các khoản nợ được coi là một "thất bại tài chính" nghiêm trọng.

Cần lưu ý rằng “thất bại tài chính” không đồng nghĩa với “phá sản” hay “giải thể” Tất cả các công ty đều có thể trải qua “thất bại tài chính” và “thất bại kinh tế” khi gặp khó khăn trong kinh doanh, nhưng chỉ một số ít trong số đó sẽ dẫn đến “phá sản” hoặc “giải thể”.

Mất thanh khoản (insolvency) là một khái niệm mô tả tình trạng kinh doanh thất bại và kiệt quệ tài chính, khi một công ty không đủ khả năng hoàn thành các nghĩa vụ tài chính, bao gồm nợ với người lao động, nhà cung cấp và chủ nợ (Shrader và Hickman, 1993) Định nghĩa này tương đồng với khái niệm "thất bại tài chính" theo Whitaker (1999) và Wruck (1990) Mặc dù Wruck (1990) nhấn mạnh rằng "mất thanh khoản" khác với "thất bại tài chính", nhưng hai khái niệm này thường được sử dụng thay thế cho nhau Wruck (1990) và Ross cùng các đồng nghiệp (2003) phân chia khái niệm "mất thanh khoản" thành hai dạng: do giá trị và do dòng tiền.

Quan điểm về "mất thanh khoản do giá trị" chỉ ra rằng tình trạng mất thanh khoản xảy ra khi giá trị thị trường của tài sản công ty thấp hơn tổng giá trị các khoản nợ Điều này dẫn đến khái niệm giá trị kinh tế ròng âm, phản ánh tình hình tài chính không khả quan của doanh nghiệp.

Mất thanh khoản do dòng tiền có thể dẫn đến tình trạng kiệt quệ tài chính, nghĩa là công ty không thể tạo ra đủ dòng tiền để đáp ứng các nghĩa vụ tài chính hiện tại Tình huống này thường được gọi là "mất thanh khoản kỹ thuật".

Vỡ nợ (default): là một khái niệm tài chính khác liên quan đến kiệt quệ tài chính.

"Vỡ nợ" là tình trạng mà một công ty không có khả năng thanh toán nợ gốc hoặc lãi cho chủ nợ khi đến hạn, dẫn đến việc vi phạm hợp đồng tín dụng và có thể gây ra các hành động pháp lý (Altman và Hotchkiss, 2005).

Các b ằ ng ch ứ ng th ự c nghi ệ m v ề mô hình d ự báo ki ệ t qu ệ tài chính

Nghiên cứu đầu tiên về dự báo kiệt quệ tài chính được thực hiện bởi Ramster và Foster (1931), Fitzpatrick (1932), Winakor và Smith (1935), cùng Merwin (1942), cho thấy rằng các công ty kiệt quệ có tỷ số tài chính kém hơn so với các công ty không kiệt quệ Đến cuối những năm 1960 và đầu những năm 1970, các nghiên cứu đột phá như của Beaver (1966) và Altman (1968) đã mở ra hướng đi mới trong dự báo kiệt quệ tài chính, dẫn đến nhiều nghiên cứu tiếp theo ở Mỹ và các quốc gia khác.

Trong bài viết này, tác giả sẽ trình bày các bằng chứng thực nghiệm liên quan đến các mô hình dự báo tình trạng kiệt quệ tài chính đã được phát triển trên toàn cầu.

2.2.1.Mô hình dựa trên phân tích phân biệt

Phân tích phân biệt (DA) là một kỹ thuật thống kê giúp phân loại các quan sát vào các nhóm dựa trên các đặc điểm độc lập Trong dự báo kiệt quệ tài chính, DA được sử dụng để phân loại công ty thành nhóm kiệt quệ hoặc không kiệt quệ Kỹ thuật này tối đa hóa tỷ số phương sai giữa các nhóm so với phương sai trong nhóm, và thực hiện thông qua sự kết hợp tuyến tính của các biến độc lập, như các tỷ số tài chính, để phân loại công ty.

• Z = điểm số để phân loại,

• Xi (i = 1, 2, …, n) = các biến độc lập, các tỷ số tài chính.

Mỗi quan sát sẽ được gán một điểm số Z, và điểm số này sẽ được so sánh với giá trị điểm cắt (cutoff) để xác định nhóm mà quan sát đó thuộc về.

Phân tích phân biệt đạt hiệu quả tối ưu khi các biến tuân theo phân phối chuẩn và ma trận hiệp phương sai đồng nhất giữa các nhóm Tuy nhiên, nghiên cứu thực nghiệm chỉ ra rằng các công ty gặp khó khăn tài chính thường vi phạm giả định này (Back và cộng sự, 1996) Mặc dù giả định phân phối chuẩn có thể không được tuân thủ, nhưng điều này không làm giảm khả năng dự đoán của mô hình phân tích phân biệt, mà chỉ ảnh hưởng đến độ chính xác của kết quả.

Trong nghiên cứu dự báo kiệt quệ tài chính, các tỷ số tài chính của công ty đóng vai trò là đặc điểm độc lập cho từng quan sát Tương tự, trong các lĩnh vực như y học, đặc điểm độc lập có thể bao gồm giới tính, độ tuổi, tình trạng hôn nhân, cân nặng, chiều cao và tiền sử bệnh lý của người được xét nghiệm.

3 Nghĩa là tối đa hóa tỷ số: ∑

Phân tích phân biệt (DA) chỉ có khả năng xác định một công ty có kiệt quệ tài chính hay không, mà không thể cung cấp xác suất cụ thể về khả năng xảy ra kiệt quệ Hơn nữa, hiện tượng đa cộng tuyến giữa các biến độc lập có thể xảy ra, đặc biệt khi áp dụng phương pháp stepwise (Hair và cộng sự, 1998) Tuy nhiên, Altman (2000) khẳng định rằng vấn đề đa cộng tuyến không nghiêm trọng trong mô hình DA, nhờ vào việc lựa chọn cẩn thận các biến số độc lập (các tỷ số tài chính) trước đó.

2.2.1.1.Phân tích phân biệt đơn biến của Beaver (1966)

Beaver đã chọn ra 79 công ty kiệt quệ tài chính, bao gồm các công ty phá sản, không thể trả lãi, chậm trả cổ tức hoặc có tài khoản ngân hàng cạn kiệt Dữ liệu được lấy từ tạp chí chuyên ngành hàng năm của Moody từ năm 1954 đến 1964 Để thực hiện nghiên cứu, Beaver áp dụng phương pháp bắt cặp, trong đó mỗi công ty kiệt quệ sẽ được ghép với một công ty không kiệt quệ trong cùng ngành và có giá trị tài sản tương đương Mục đích của phương pháp này là kiểm soát ảnh hưởng của giá trị tài sản và ngành đến các tỷ số tài chính và tình trạng kiệt quệ của các công ty.

Beaver chọn 30 tỷ số tài chính và sử dụng 3 loại phân tích thực nghiệm để thấy khả năng dự báo của các tỷ số tài chính này, đó là:

• Thứ nhất, phân tích so sánh giá trị trung bình,

• Thứ hai, kiểm định tách đôi,

Phân tích khả năng dự báo là bước quan trọng trong việc đánh giá tình hình tài chính của các công ty Cụ thể, việc so sánh giá trị trung bình của tỷ số tài chính giữa các công ty kiệt quệ và không kiệt quệ cho thấy rằng các công ty kiệt quệ thường có tỷ số tài chính kém hơn trước khi xảy ra tình trạng kiệt quệ.

Kiểm định tách đ i được thực hiện nhằm đánh giá khả năng dự báo của các tỷ số tài chính bằng cách chia ngẫu nhiên các công ty thành hai mẫu con Mỗi mẫu con sẽ xác định một điểm cắt tối ưu cho tỷ số tài chính đã cho, và các điểm cắt này sẽ được sử dụng để phân loại mẫu con còn lại Nghiên cứu của Beaver cho thấy có 6/30 tỷ số tài chính có ý nghĩa đáng kể trong việc dự báo tình trạng kiệt quệ.

“lỗi” phân loại thấp nhất:

Phân tích khả năng dự báo cho thấy rằng việc kiểm tra biểu đồ tần số, độ xiên và phân phối chuẩn của các tỷ số tài chính có thể giúp dự đoán kiệt quệ tài chính Cụ thể, các tỷ số này có khả năng chỉ ra dấu hiệu kiệt quệ tài chính lên đến 5 năm trước khi sự kiện xảy ra.

2.2.1.2.Mô hình Z-score của Altman (1968)

Khác với Beaver, Altman áp dụng phương pháp phân tích phân biệt đa biến (MDA) để xác định công ty có khả năng phá sản thông qua việc xây dựng phương trình tuyến tính từ các tỷ số tài chính Ông đã chọn 33 công ty phá sản từ năm 1946 đến 1965 và đối chiếu với 33 công ty không phá sản qua phương pháp bắt cặp, đảm bảo rằng các công ty trong mỗi cặp cùng ngành và có quy mô tương đương Altman đã lựa chọn 22 tỷ số tài chính phổ biến từ các nghiên cứu trước đó, và cuối cùng xác định được 5 tỷ số tài chính hiệu quả nhất trong việc phân loại công ty thành phá sản và không phá sản.

• WCTA: vốn luân chuyển trên tổng tài sản,

• RETA: thu nhập giữ lại trên tổng tài sản,

• EBIT: thu nhập trước thuế và lãi vay trên tổng tài sản,

• METL: giá trị vốn hóa thị trường trên giá trị sổ sách của tổng nợ,

• STA: doanh thu trên tổng tài sản,

• Z: điểm số Z để phân loại Điểm phân loại của mô hình là:

Bảng 2.1: Kết quả dự báo của mô hình Altman (1968) lƣợng Số chính xác

Phần trăm sai số n Thực tế Dự báo

Nguồn: Altman, E I (1968) Financial Ratios, Discriminant Analysis and Prediction of Corporate Bankruptcy, Journal of Finance 23(4), p 589

4 Công thức xác định giá trị các biến số của mô hình Altman (1968) đƣợc trình bày cụ thể ở mục 3.2.1.2.

Các công ty có Z-score thấp hơn điểm cắt sẽ được phân loại vào nhóm có nguy cơ phá sản, với Z-score càng thấp thì rủi ro kiệt quệ càng cao Altman đã dự báo chính xác 95% tình trạng của các công ty một năm trước khi kiệt quệ xảy ra, và mô hình của ông vượt trội hơn so với mô hình đơn biến của Beaver Năm 1977, Altman cùng với Haldeman và Narayanan đã phát triển mô hình ZETA từ mô hình Z-score gốc, với độ chính xác cao hơn trong việc dự báo phá sản và kéo dài thời gian dự báo lên đến 5 năm trước khi xảy ra kiệt quệ.

Bảng 2.2: So sánh kết quả của mô hình ZETA (1977) và mô hình Z-score của Altman (1968)

Số năm trước khi xảy ra phá

Mô hình ZETA Phá sản Không phá sản

Phá sản Không phá sản sản

Nguồn: Altman, E I (1993) Classification Results, Two Statements Prior to Bankruptcy

Vì tính độc quyền của mô hình ZETA nên Altman và cộng sự (1977) chỉ cung cấp thông tin 7 biến đƣợc sử dụng trong mô hình:

2.2.2.Mô hình phân tích logit của Ohlson (1980)

Phân tích logit không chỉ xác định tình trạng kiệt quệ tài chính của công ty mà còn ước lượng xác suất xảy ra kiệt quệ Các hệ số trong mô hình này được ước lượng bằng phương pháp hợp lý cực đại Phương pháp này sử dụng hàm số xác suất tích lũy logistic để dự đoán khả năng kiệt quệ tài chính, với kết quả nằm trong khoảng từ 0 đến 1, phản ánh xác suất xảy ra tình trạng này.

• xi (i = 1, 2, …, n) = biến độc lập, tỷ số tài chính.

Ohlson (1980) là nhà nghiên cứu đầu tiên áp dụng phân tích logit trong dự báo kiệt quệ tài chính, phê bình phương pháp phân tích phân biệt đa biến (DA) vì yêu cầu về sự tương đồng của ma trận hiệp phương sai giữa các công ty kiệt quệ và không kiệt quệ, cũng như yêu cầu các biến phải có phân phối chuẩn Phân tích logit có lợi thế vượt trội so với DA, vì không bị ràng buộc bởi các giả định về phân phối chuẩn và ma trận hiệp phương sai Ohlson cũng chỉ ra rằng điểm số Z-score từ phân tích phân biệt không cung cấp thông tin về xác suất kiệt quệ của một công ty, mà chỉ xác định tình trạng kiệt quệ của nó.

, quệ hay không kiệt quệ Để khắc phục vấn đề này, ông sử dụng phân tích logit để ƣớc lƣợng xác suất xảy ra kiệt quệ tài chính.

PHƯƠNG PHÁP NGHIÊN CỨ U

Các bướ c th ự c hi ệ n nghiên c ứ u

Kiệt quệ tài chính không chỉ ảnh hưởng đến chi phí của các doanh nghiệp mà còn gây ra tác động tiêu cực cho xã hội Do đó, nhiều mô hình dự báo kiệt quệ tài chính đã được nghiên cứu và phát triển trên toàn cầu Những mô hình này nhằm mục đích cảnh báo sớm về nguy cơ kiệt quệ tài chính, giúp các tổ chức có biện pháp ứng phó kịp thời.

Mục đích nghiên cứu này là đánh giá khả năng dự báo của các mô hình dự báo sớm kiệt quệ tài chính toàn cầu, nhằm nhận diện mô hình phù hợp cho doanh nghiệp tại Việt Nam Để đạt được mục tiêu này, tác giả sẽ thực hiện các bước nghiên cứu cụ thể.

Bước 1 trong nghiên cứu là xác định mẫu, bao gồm 50 công ty đại chúng niêm yết trên HSX, HNX và UpCom, trong đó có cả công ty kiệt quệ tài chính và không kiệt quệ Một công ty được coi là kiệt quệ tài chính khi gặp phải một trong các sự kiện như thua lỗ 3 năm liên tiếp, vốn chủ sở hữu âm, bán hết tài sản để trả nợ và giải thể, hoặc được tòa án chấp thuận phá sản Đồng thời, tác giả cũng xác định thời điểm kiệt quệ tài chính, tức là năm xảy ra các sự kiện trên Việc phân loại công ty kiệt quệ và không kiệt quệ cùng thời điểm xảy ra sự kiện được xem là "kết quả thực tế" của nghiên cứu.

Bước 2 trong nghiên cứu là xác định dữ liệu đầu vào, được thu thập từ các báo cáo tài chính đã được kiểm toán của 50 công ty trong mẫu, cũng như từ thị trường và nhiều nguồn khác.

8 Xem chi tiết tại mục “3.3 Lựa chọn mẫu và thu thập dữ liệu đầu vào”.

9 Xem chi tiết tại mục “3.3 Lựa chọn mẫu và thu thập dữ liệu đầu vào”.

Bước 3: Dựa trên dữ liệu đầu vào thu thập ở bước 2, tác giả sẽ tiến hành tính toán giá trị các biến số độc lập cho ba mô hình dự báo kiệt quệ tài chính trong nghiên cứu Đặc biệt, đối với mô hình KMV-Merton, tác giả sẽ áp dụng phương pháp cụ thể của mô hình này để thực hiện tính toán.

Shumway (2004) để tính toán giá trị các biến số độc lập 10

Từ giá trị các biến số độc lập đã tính ở bước 3, tác giả xác định giá trị các biến phụ thuộc cho từng công ty, bao gồm giá trị Z-score của mô hình Altman (1968), giá trị xác suất P(O) của mô hình Ohlson (1980), và giá trị xác suất PDt của mô hình KMV-Merton (1974) Cụ thể, giá trị Z-score và P(O) được xác định tại các thời điểm 1 năm (-1), 2 năm (-2) và 3 năm (-3) trước khi xảy ra tình trạng kiệt quệ, trong khi giá trị PDt chỉ được xác định tại thời điểm 1 năm (-1) trước khi kiệt quệ xảy ra do giới hạn dữ liệu đầu vào.

Bước 5 trong quy trình phân tích tài chính yêu cầu tác giả so sánh các giá trị Z-score, P(O) và PDt với điểm cắt 12 của từng mô hình để dự đoán tình trạng kiệt quệ tài chính của các công ty trong mẫu Kết quả của bước này sẽ cho ra “kết quả dự báo lý thuyết” cho từng công ty Đối với mô hình Altman và Ohlson, “kết quả dự báo lý thuyết” được xác định cho các thời điểm 1 năm (-1), 2 năm (-2) và 3 năm (-3) trước khi xảy ra kiệt quệ Trong khi đó, mô hình MKV-Merton chỉ có thể cung cấp “kết quả dự báo lý thuyết” tại thời điểm 1 năm (-1) trước khi kiệt quệ xảy ra.

Bước 6: Tác giả tiến hành so sánh "kết quả dự báo lý thuyết" từ bước 5 với "kết quả thực tế" ở bước 1 để xác định "mức độ dự báo chính xác" của từng mô hình tại các thời điểm 1 năm, 2 năm và 3 năm trước khi xảy ra tình trạng kiệt quệ tài chính.

Mức độ dự báo chính xác được phân thành ba loại chính: mức độ dự báo chính xác kiệt quệ, mức độ dự báo chính xác không kiệt quệ và mức độ dự báo chính xác tổng thể.

• Bước 7: Lựa chọn mô hình dự báo kiệt quệ tài chính phù hợp cho các doanh nghiệp

Việt Nam theo nguyên tắc sau: Đ i v i từng thời điểm dự báo l 1 n m, 2

10 Xem chi tiết cách xác định giá trị các biến độc lập tại mục “3.2 Các mô hình nghiên cứu”.

11 Xem chi tiết 3 mô hình dự báo kiệt quệ tài chính tại mục “3.2 Các mô hình nghiên cứu”.

Trong mục “3.2 Các mô hình nghiên cứu”, 12 giá trị điểm cắt (cutoff) của từng mô hình được trình bày chi tiết Mô hình có “mức độ dự báo chính xác tổng thể” cao hơn trước khi kiệt quệ thực tế xảy ra sẽ được coi là mô hình dự báo tốt hơn Nếu “mức độ dự báo chính xác tổng thể” của các mô hình bằng nhau, sẽ tiếp tục xem xét “mức độ dự báo chính xác kiệt quệ”; mô hình nào có “mức độ dự báo chính xác kiệt quệ” cao hơn sẽ được đánh giá là mô hình dự báo tốt hơn.

Các mô hình nghiên c ứ u

Nghiên cứu này nhằm đánh giá khả năng dự báo của các mô hình dự báo sớm tình trạng kiệt quệ tài chính đã được phát triển trên thế giới, nhằm xác định mô hình phù hợp cho các doanh nghiệp Việt Nam trong bối cảnh hiện tại.

Có 3 mô hình dự báo kiệt quệ tài chính đƣợc kế thừa và sử dụng trong nghiên cứu này, đó là: mô hình phân tích phân biệt Z-score của Altman (1968), mô hình phân tích logit của Ohlson (1980) và mô hình dựa trên thị trường MKV-Merton (1974). Việc đánh giá khả năng dự báo của các mô hình sẽ dựa trên “mức độ dự báo chính xác” (prediction accuracy) của từng mô hình, bao gồm 3 loại:

Mức độ dự báo chính xác kiệt quệ được tính bằng tỷ lệ giữa tổng số công ty được dự báo chính xác là kiệt quệ và tổng số công ty thực tế gặp phải tình trạng kiệt quệ trong mẫu nghiên cứu.

Mức độ dự báo chính xác không kiệt quệ được tính bằng tỷ lệ giữa tổng số công ty được dự báo chính xác là không kiệt quệ và tổng số công ty không kiệt quệ thực tế trong mẫu.

Mức độ dự báo chính xác tổng thể được tính bằng tỷ số giữa tổng số công ty dự báo chính xác (bao gồm cả kiệt quệ và không kiệt quệ) và tổng số công ty trong mẫu nghiên cứu Để chọn mô hình dự báo kiệt quệ tài chính phù hợp cho doanh nghiệp Việt Nam, tác giả sẽ áp dụng nguyên tắc dự báo theo từng thời điểm một năm, hai năm, ba năm trước khi kiệt quệ thực tế xảy ra, nhằm xác định "mức độ dự báo chính".

Trong mục “3.2 Các mô hình nghiên cứu”, 13 căn cứ cho nguyên tắc này được trình bày cụ thể Mô hình dự báo có “mức độ dự báo chính xác tổng thể” cao hơn sẽ được coi là tốt hơn Nếu hai mô hình có “mức độ dự báo chính xác tổng thể” bằng nhau, sẽ tiếp tục xem xét “mức độ dự báo chính xác kiệt quệ” Mô hình nào có “mức độ dự báo chính xác kiệt quệ” cao hơn sẽ được đánh giá là mô hình dự báo tốt hơn Kết quả cuối cùng sẽ là thứ tự xếp hạng của ba mô hình, trong đó mô hình có thứ hạng cao nhất sẽ là phù hợp nhất cho việc dự báo kiệt quệ tài chính.

Nguyên tắc xếp hạng mô hình dựa trên hai yếu tố chính: “mức độ dự báo chính xác tổng thể” và “mức độ dự báo chính xác kiệt quệ” Trong đó, “mức độ dự báo chính xác tổng thể” là quan trọng nhất vì nó phản ánh khả năng dự báo của mô hình cho cả hai tình trạng kiệt quệ và không kiệt quệ; mô hình nào có sai số thấp nhất sẽ được coi là tốt nhất Hơn nữa, “mức độ dự báo chính xác kiệt quệ” được xem là quan trọng hơn “mức độ dự báo chính xác không kiệt quệ” do hậu quả nghiêm trọng của sai lầm loại 1, khi mô hình không nhận diện được công ty kiệt quệ, dẫn đến việc nhà đầu tư và tổ chức tín dụng đầu tư vào công ty này và chịu tổn thất lớn Ngược lại, sai lầm loại 2, khi mô hình không nhận diện được công ty không kiệt quệ, chỉ gây ra mất cơ hội lợi nhuận mà không gây thiệt hại lớn Do đó, “mức độ dự báo chính xác kiệt quệ” đóng vai trò quan trọng hơn trong việc đánh giá hiệu quả của mô hình.

Mô tả chi tiết về các mô hình và cách xác định giá trị các biến số của từng mô hình sẽ được trình bày dưới đây.

3.2.1.Mô hình phân tích phân biệt Z-score của Altman (1968)

Mô hình phân tích phân biệt Z-score của Altman (1968) có dạng phương trình như sau:

• WCTA: vốn luân chuyển trên tổng tài sản,

• RETA: thu nhập giữ lại trên tổng tài sản,

• EBIT: thu nhập trước thuế và lãi vay trên tổng tài sản,

• METL: giá trị vốn hóa thị trường trên giá trị sổ sách của tổng nợ,

• STA: doanh thu trên tổng tài sản,

Điểm số Z là chỉ số quan trọng dùng để phân loại tình trạng tài chính của một công ty, giúp xác định liệu công ty đó có nguy cơ kiệt quệ hay không Z-score của mỗi doanh nghiệp sẽ được tính toán tại các thời điểm 1, 2 và 3 năm trước khi xảy ra tình trạng kiệt quệ.

Theo nghiên cứu của Altman (1968), điểm cắt cho mô hình Z-score là 2,675 Các công ty có Z-score ≤ 2,675 sẽ được dự báo là có nguy cơ kiệt quệ, trong khi các công ty có Z-score > 2,675 sẽ được dự báo là không kiệt quệ Kết quả này được gọi là “kết quả dự báo lý thuyết” theo Z-score.

Bằng cách so sánh "kết quả dự báo lý thuyết" ở các thời điểm 1, 2 và 3 năm trước khi kiệt quệ xảy ra với "kết quả thực tế" đã được xác định tại bước chọn mẫu, tác giả có thể xác định được "mức độ dự báo chính xác" Từ "mức độ dự báo chính xác" này, tác giả sẽ đánh giá khả năng dự báo của mô hình Altman.

14 Công thức xác định giá trị các biến số của mô hình Altman (1968) đƣợc trình bày cụ thể ở mục 3.2.1.2.

3.2.1.2.C ch x c định giá trị các biến s độc lập của mô hình

Trong mô hình phân tích phân biệt Z-score của Altman, năm biến số độc lập đều là các tỷ số tài chính của công ty, với giá trị được xác định cụ thể.

Giá trị của các biến số độc lập đƣợc xác định vào thời điểm cuối năm tài chính của mỗi năm.

3.2.2.Mô hình phân tích logit của Ohlson (1980)

Mô hình phân tích logit của Ohlson (1980) có dạng phương trình như sau:

• SIZE: log của tổng tài sản/chỉ số giảm phát GNP,

• TLTA: tổng nợ chia tổng tài sản,

• WCTA: vốn luân chuyển chia tổng tài sản,

• CLCA: nợ ngắn hạn chia tài sản ngắn hạn,

15 Công thức xác định giá trị các biến số của mô hình Ohlson (1980) đƣợc trình bày cụ thể ở mục 3.2.2.2.

• OENEG: bằng 1 nếu tổng nợ lớn hơn tổng tài sản, bằng 0 nếu ngƣợc lại,

• NITA: thu nhập ròng chia tổng tài sản,

• FUTL: dòng tiền hoạt động chia tổng nợ,

• INTWO: bằng 1 nếu thu nhập ròng là âm trong 2 năm, bằng 0 nếu ngƣợc lại,

• CHIN: = (NIt – NIt-1)/([NIt] + [NIt-1]), trong đó NIt là thu nhập ròng kỳ gần nhất.

Mẫu số hoạt động như một chỉ số Biến này nhằm mục đích đo lường sự thay đổi trong thu nhập ròng (Ohlson, 1980).

Xác suất xảy ra kiệt quệ tài chính trong phân tích Logit đƣợc thể hiện nhƣ sau:

Giá trị xác suất P(O) của mô hình là yếu tố quan trọng để dự đoán khả năng kiệt quệ của công ty Mỗi công ty sẽ có giá trị P(O) được xác định tại thời điểm 1 năm.

Mô hình Ohlson sử dụng điểm cắt 0,50 để dự đoán khả năng kiệt quệ của công ty trong vòng 2 đến 3 năm tới Nếu xác suất P(O) ≥ 0,50, công ty sẽ được dự báo là có khả năng kiệt quệ, trong khi P(O) < 0,50 cho thấy công ty không có dấu hiệu kiệt quệ Kết quả này được gọi là “kết quả dự báo lý thuyết” của mô hình.

Bằng cách so sánh “kết quả dự báo lý thuyết” ở các mốc thời gian 1 năm, 2 năm và 3 năm trước khi xảy ra kiệt quệ với “kết quả thực tế” được xác định tại bước chọn mẫu, tác giả sẽ xác định “mức độ dự báo chính xác” Dựa vào “mức độ dự báo chính xác” này, tác giả có thể đánh giá khả năng dự báo của mô hình Ohlson.

3.2.2.2.C ch x c định giá trị các biến s độc lập của mô hình

Giá trị của các biến số độc lập trong mô hình Ohlson được xác định dựa trên báo cáo tài chính đã được kiểm toán của công ty.

L ự a ch ọ n m ẫ u và thu th ậ p d ữ li ệu đầ u vào

3.3.1.Lựa chọn mẫu cho nghiên cứu Điều kiện chọn mẫu: Các công ty trong mẫu là bao gồm những công ty kiệt quệ tài chính và những công ty không kiệt quệ tài chính Điều kiện chung cho cả 2 nhóm công ty này để đƣợc chọn đƣa vào trong mẫu là:

• Đã và đang đƣợc niêm yết trên Sở Giao Dịch Chứng Khoán Thành Phố Hồ Chí

Minh (HSX), Sàn giao dịch chứng khoán Hà Nội (HNX), Sàn giao dịch cổ phiếu của công ty đại chúng chƣa niêm yết (UpCom).

• Các báo cáo tài chính trong khoảng thời gian nghiên cứu từ 2005 – 2012 đã đƣợc kiểm toán đầy đủ nhằm đảm bảo độ chính xác của thông tin cung cấp.

Các công ty được xếp vào nhóm kiệt quệ tài chính phải đáp ứng một trong những điều kiện sau: thua lỗ liên tiếp trong 3 năm, có vốn chủ sở hữu âm, hoặc đã bán hết tài sản để trả nợ và sau đó giải thể.

Để tìm hiểu chi tiết về thuật toán trong phần mềm MatLab dùng để xác định giá trị của các biến số như σ A, V A, à, DD, PD t trong mô hình MKV-Merton cho các công ty trong mẫu, hãy xem Phụ Lục 2 và 3 Thời điểm xảy ra kiệt quệ tài chính trùng khớp với thời điểm công ty được tòa án chấp thuận phá sản hoặc gặp sự kiện tài chính nghiêm trọng khác.

Quy trình chọn mẫu để thu được 50 công ty niêm yết trên cả 3 sàn giao dịch chứng khoán bao gồm các bước cụ thể nhằm đảm bảo tính chính xác và đại diện của mẫu.

Bước đầu tiên trong quá trình nghiên cứu là truy cập vào danh sách các công ty niêm yết trên website của Sở giao dịch chứng khoán Thành phố Hồ Chí Minh (HSX), Sàn giao dịch chứng khoán Hà Nội (HNX) và Sàn giao dịch cổ phiếu của công ty đại chúng chưa niêm yết (UpCom) Từ đó, tiến hành liệt kê tất cả các công ty cùng với mã chứng khoán của họ có hoạt động giao dịch từ năm 2005 trở về sau.

Bước 2 trong quá trình nghiên cứu là kiểm tra báo cáo tài

Bước 3 trong quá trình phân tích tài chính là kiểm tra tình hình hoạt động của các công ty còn lại sau bước 2 để xác định công ty nào đang kiệt quệ tài chính Các công ty được xem là kiệt quệ nếu thua lỗ trong 3 năm liên tiếp, có vốn chủ sở hữu âm, đã bán hết tài sản để trả nợ và giải thể, hoặc đã được tòa án chấp thuận phá sản Kết quả cho thấy có 22 công ty kiệt quệ tài chính trong giai đoạn 2005 - 2012, trong khi 28 công ty còn lại không bị kiệt quệ sẽ được chọn ngẫu nhiên Cuối cùng, tác giả có danh sách 50 công ty, trong đó có 22 công ty kiệt quệ và 28 công ty không kiệt quệ, được xem là “kết quả thực tế” Số lượng công ty kiệt quệ và không kiệt quệ trong mẫu không cần phải bằng nhau, phù hợp với các nghiên cứu thực nghiệm của mô hình logit của Ohlson.

Theo Phụ Lục 1, danh sách 50 công ty trong mẫu nghiên cứu đã được trình bày Nghiên cứu của MKV-Merton chỉ ra rằng việc chọn mẫu không đồng đều giữa các công ty kiệt quệ và không kiệt quệ không ảnh hưởng đến kết quả nghiên cứu.

3.3.2.Thu thập dữ liệu cho nghiên cứu Đối với các biến số độc lập là các tỷ số tài chính trong mô hình của Altman và Ohlson: dữ liệu sẽ đƣợc lấy từ các báo cáo tài chính đã đƣợc kiểm toán của các công ty trong mẫu, thời điểm xác định dữ liệu là cuối mỗi năm tài chính (31/12), kỳ của dữ liệu là 1 năm, nguồn dữ liệu đƣợc lấy từ website Cổ Phiếu 68. Đối với biến SIZE trong mô hình của Ohlson: chỉ số giảm phát GDP sẽ đƣợc lấy từ nguồn dữ liệu GDP thực và GDP danh nghĩa của Tổng Cục Thống Kê Việt Nam, năm gốc đƣợc chọn là năm 2003, kỳ của dữ liệu là 1 năm.

Bảng 3.1: Chỉ số giảm phát GDP trong giai đoạn 2005 – 2012 (năm gốc: 2003)

Chỉ số giảm phát GDP 117,04 125,54 135,89 165,97 175,97 196,84 237,90 262,11

Trong nghiên cứu này, lãi suất phi rủi ro (r) của mô hình KMV-Merton được xác định là lãi suất trái phiếu chính phủ kỳ hạn 1 năm, với dữ liệu thu thập từ Sở giao dịch chứng khoán Hà Nội Quy trình xác định r bao gồm hai bước: tính trung vị lãi suất trái phiếu hàng tháng và tính giá trị trung bình của các trung vị trong 12 tháng để có r cho năm Kết quả cho thấy giá trị r trong các năm 2010, 2011, 2012 lần lượt là 10,61%/năm, 12,00%/năm và 10,81%/năm Đối với giá cổ phiếu của các công ty trong mô hình KMV-Merton, dữ liệu được lấy từ website Cổ Phiếu 68 theo ngày của năm trước khi xảy ra kiệt quệ Tác giả sử dụng phương pháp Shumway (2004) để xác định giá trị các biến độc lập và phụ thuộc Cuối cùng, biến tổng nợ đáo hạn (X) được lấy từ báo cáo tài chính đã được kiểm toán của các công ty trong mẫu, cũng từ website Cổ Phiếu 68.

NGHIÊN CỨ U CÁC MÔ HÌNH D Ự BÁO KI Ệ T QU Ệ TÀI CHÍNH

Th ố ng kê mô t ả

Dựa trên dữ liệu đầu vào và phương pháp xác định giá trị các biến độc lập của ba mô hình đã được trình bày trong Chương 3, tác giả đã xác định thành công giá trị của các biến độc lập cho cả ba mô hình này.

• Đối với các biến số độc lập trong mô hình phân tích phân biệt Z-score của

Phân tích logit của Ohlson, cùng với mô hình Altman, đã xác định giá trị các biến số độc lập cho 50 công ty trong khoảng thời gian từ 2005 đến 2012 Tác giả sẽ tiến hành chọn lọc lại các giá trị này ở thời điểm 1 năm, 2 năm và 3 năm trước khi xảy ra tình trạng kiệt quệ.

20 Căn cứ của nguyên tắc này xin xem lại tại mục “3.2 Các mô hình nghiên cứu”.

21 Chi tiết giá trị của các biến độc lập trong mô hình Altman và mô hình Ohlson xin xem tại Phụ Lục 4.

Trong mô hình MKV-Merton, giá trị các biến số độc lập được xác định tại thời điểm 1 năm trước khi kiệt quệ xảy ra Để phân biệt giữa “thời điểm dự báo” và “thời điểm kiệt quệ”, ví dụ với Công ty Cổ phần Cà phê An Giang (AGC), thời điểm kiệt quệ là năm 2012 Do đó, các thời điểm dự báo trước khi kiệt quệ xảy ra lần lượt là năm 2011, 2010 và 2009 Nghiên cứu sẽ chỉ lọc giá trị các biến độc lập trong 3 năm này để đánh giá mô hình Đối với các công ty không lâm vào kiệt quệ tài chính trong mẫu nghiên cứu, thời điểm dự báo được mặc định là 2012, 2011 và 2010.

Sau khi đã chọn lọc lại giá trị các biến độc lập theo thời điểm dự báo là 1 năm (-1),

Hai năm (-2) và ba năm (-3) trước khi xảy ra tình trạng kiệt quệ, tác giả đã thu thập bảng thống kê giá trị trung bình của các biến số độc lập trong mô hình của Altman, Ohlson và Merton.

Bảng 4.1: Thống kê giá trị trung bình của các biến độc lập giữa các công ty kiệt quệ và không kiệt quệ trong mẫu

Công ty kiệt quệ Công ty không kiệt quệ

22 Chi tiết giá trị của các biến độc lập của mô hình MKV-Merton xin xem tại Phụ Lục 5.

Trong bài viết này, chúng ta sẽ xem xét các biến độc lập trong các mô hình phân tích tài chính nổi bật Cụ thể, A đại diện cho các biến trong mô hình của Altman, O là các biến trong mô hình của Ohlson, và M là các biến trong mô hình của Merton Các ký hiệu trong các cột v i được đánh dấu là (-1) và các giá trị khác.

2), (-3) tượng trưng cho thời điểm dự báo là 1 n m, 2 n m, 3 n m trư c khi kiệt quệ xảy ra Các biến s V E , V A , σ E , σ A , X c đơn vị tính là triệu VNĐ, c c biến còn lại dư i dạng tỷ s

Bảng 4.2 trình bày kết quả kiểm định so sánh sự khác biệt về giá trị trung bình giữa các công ty kiệt quệ và các công ty không kiệt quệ trong mẫu nghiên cứu Kết quả cho thấy có sự khác biệt đáng kể giữa hai nhóm công ty này, điều này giúp làm rõ ảnh hưởng của tình trạng kiệt quệ đến hiệu suất và giá trị trung bình của các công ty.

Chênh lệch giá trị trung bình giữa 2 nhóm công ty p-value

Trong bài viết này, chúng ta sẽ xem xét các biến độc lập trong các mô hình tài chính nổi bật Cụ thể, A đại diện cho các biến độc lập trong mô hình của Altman, O cho các biến trong mô hình của Ohlson, và M cho các biến trong mô hình của Merton Các cột v i được ký hiệu là (-1) và (-).

2), (-3) tượng trưng cho thời điểm dự b o l 1 n m, 2 n m, 3 n m trư c khi kiệt quệ xảy ra

Chênh lệch giá trị trung bình giữa hai nhóm công ty được xác định bằng cách lấy giá trị trung bình của các công ty không kiệt quệ trừ đi giá trị trung bình của các công ty kiệt quệ Nếu mức ý nghĩa đạt 5% và p-value nhỏ hơn 5%, điều này cho thấy biến số có khả năng dự đoán tình trạng kiệt quệ của công ty một cách đáng tin cậy.

Bảng 4.1 và 4.2 cung cấp thông tin quan trọng về sự khác biệt tỷ số tài chính giữa các công ty kiệt quệ và không kiệt quệ Kết quả kiểm định ở bảng 4.2 cho thấy hầu hết các biến số đều có khả năng dự đoán tình trạng kiệt quệ của công ty (p-value ≤ 0,05), ngoại trừ các biến STA (mô hình Altman), SIZE, OENEG, INTWO, CHIN (mô hình Ohlson) và X (mô hình MKV-Merton) không cho thấy khả năng dự đoán khi đứng riêng lẻ (p-value > 0,05).

Các công ty không kiệt quệ có khả năng sinh lợi cao hơn so với các công ty kiệt quệ, thể hiện qua các chỉ số như RETA, EBIT, NITA và μ Nguyên nhân chủ yếu là do các công ty kiệt quệ thường không đáp ứng kịp thời nhu cầu thị trường, dẫn đến mất khách hàng, giảm uy tín và quản trị kém Kết quả là doanh thu sụt giảm và thua lỗ liên tục, khiến cho khả năng sinh lợi của họ luôn thấp hơn so với các công ty không kiệt quệ.

Các biến liên quan đến tỷ lệ nợ như TLTA và CLCA cho thấy rằng các công ty không kiệt quệ có giá trị trung bình thấp hơn so với các công ty kiệt quệ, điều này chỉ ra rằng các công ty không kiệt quệ vay nợ ít hơn Nguyên nhân là do khi một công ty rơi vào tình trạng kiệt quệ, nguồn thu không đủ để bù đắp chi phí tạm thời, dẫn đến việc công ty phải vay nợ để duy trì hoạt động Nếu tình hình kinh doanh không cải thiện, công ty sẽ tiếp tục vay nợ nhiều hơn, và quá trình này kéo dài cho đến khi công ty vỡ nợ.

Các biến liên quan đến khả năng thanh toán như WCTA, METL và FUTL cho thấy rằng giá trị trung bình của các công ty không kiệt quệ cao hơn so với các công ty kiệt quệ, chứng tỏ sức khỏe tài chính của các công ty không kiệt quệ tốt hơn và khả năng đảm bảo nghĩa vụ trả nợ cao hơn Nguyên nhân chính là do các công ty kiệt quệ thường vay nợ nhiều hơn, trong khi dòng tiền từ hoạt động kinh doanh và tài sản tính lỏng của họ lại thấp hơn so với các công ty không kiệt quệ.

Các công ty không kiệt quệ thường có giá trị trung bình cao hơn so với các công ty kiệt quệ, cho thấy quy mô của chúng lớn hơn Quy mô lớn giúp giảm chi phí và giá thành trên mỗi sản phẩm, từ đó tăng lợi nhuận và khả năng cạnh tranh Do đó, các công ty có quy mô lớn có khả năng bị kiệt quệ tài chính thấp hơn.

Các công ty kiệt quệ thường có mức độ biến động cao hơn so với các công ty không kiệt quệ, với giá trị trung bình của các công ty này thấp hơn Điều này cho thấy rằng sự bất ổn và rủi ro tài chính của các công ty kiệt quệ lớn hơn, do họ thường phải đối mặt với các tình huống bất lợi như không thu hồi được công nợ, không thể trả nợ vay, và doanh thu sụt giảm Những thông tin tiêu cực này nhanh chóng ảnh hưởng đến giá cổ phiếu, khiến chúng biến động bất thường Ngược lại, các công ty không kiệt quệ có tình hình hoạt động kinh doanh ổn định hơn, dẫn đến giá cổ phiếu ít biến động hơn.

Kết quả kiểm định chỉ phản ánh khả năng dự báo kiệt quệ tài chính của từng biến số riêng lẻ, mà chưa xem xét khả năng dự báo khi các biến số kết hợp trong mô hình Để đánh giá chính xác khả năng dự báo của các biến số khi kết hợp, nghiên cứu sẽ sử dụng tiêu chí “mức độ dự báo chính xác” của mô hình, và sẽ được trình bày chi tiết trong phần sau.

Xác định “kế t qu ả d ự báo lý thuy ết” củ a t ừ ng mô hình

Sau khi xác định giá trị các biến độc lập cho từng mô hình, tác giả đã tính toán được giá trị biến phụ thuộc Z-score của mô hình Altman, O-score và P(O) của mô hình Ohlson, cùng với giá trị biến phụ thuộc DD.

PDt của mô hình MKV-Merton.

Các biến phụ thuộc của mô hình Altman và Ohlson sẽ được xác định tại thời điểm 1, 2 và 3 năm trước khi xảy ra tình trạng kiệt quệ Trong khi đó, biến phụ thuộc của mô hình MKV-Merton chỉ được xác định tại thời điểm 1 năm trước khi kiệt quệ xảy ra.

Dựa trên giá trị của biến phụ thuộc trong từng mô hình, tác giả sẽ đưa ra "kết quả dự báo lý thuyết" về tình trạng tài chính của một công ty, xác định xem công ty đó có đang kiệt quệ tài chính hay không Quy tắc dự báo sẽ được nhấn mạnh như sau:

• Đối với mô hình của Altman: công ty có Z-score ≤ 2,675 sẽ đƣợc dự báo là kiệt quệ, ngƣợc lại, có Z-score > 2,675 sẽ đƣợc dự báo là không kiệt quệ.

• Đối với mô hình của Ohlson: công ty có P(O) ≥ 0,50 sẽ đƣợc dự báo là kiệt quệ, ngƣợc lại, P(O) < 0,50 sẽ đƣợc dự báo là không kiệt quệ.

• Đối với mô hình MKV-Merton: công ty có PDt ≥ 0,50 sẽ đƣợc dự báo là kiệt quệ, ngƣợc lại, PDt < 0,50 sẽ đƣợc dự báo là không kiệt quệ.

Sau khi thực hiện các bước nghiên cứu, tác giả đã thu được “kết quả dự báo lý thuyết” cho 50 công ty trong mẫu Những kết quả này được trình bày trong các bảng 4.4, 4.5 và 4.6 Cụ thể, mô hình của Altman và Ohlson cung cấp “kết quả dự báo lý thuyết” cho các thời điểm 1 năm, 2 năm và 3 năm trước khi xảy ra tình trạng kiệt quệ, trong khi mô hình MKV-Merton chỉ đưa ra “kết quả dự báo lý thuyết” tại thời điểm 1 năm trước khi kiệt quệ xảy ra.

23 Xem thêm Phụ Lục 4 và Phụ Lục 5 để biết giá trị các biến phụ thuộc của 3 mô hình.

Bảng 4.3: Kết quả dự báo lý thuyết của mô hình Altman và Ohlson ở thời điểm

3 năm trước khi kiệt quệ xảy ra

STT Tên công ty Mã

1 Công ty Cổ phần Cà phê An Giang AGC 2012 2009 KQ AT KQ

2 Công ty Cổ phần Chứng khoán Âu Việt AVS 2013 2010 KQ KQ KQ

3 Công ty Cổ phần Basa BAS 2011 2008 KQ KQ KQ

4 Công ty Cổ phần Chế biến và Xuất nhập khẩu Thủy sản CADOVIMEX CAD 2011 2008 KQ KQ KQ

5 Công ty Cổ phần Xây dựng Công nghiệp

DESCON DCC 2012 2009 KQ AT AT

6 Công ty Cổ phần Hàng hải Đông Đô DDM 2012 2009 KQ KQ KQ

7 Công ty Cổ phần Xuất nhập khẩu Lâm Thủy sản Bến Tre FBT 2013 2010 KQ KQ KQ

8 Công ty Cổ phần Full Power FPC 2011 2008 KQ KQ AT

9 Công ty Cổ phần Chứng khoán Golden

Bridge Việt Nam GBS 2013 2010 KQ KQ KQ

10 Công ty Cổ phần Thực phẩm Quốc tế IFS 2012 2009 KQ KQ KQ

11 Công ty Cổ phần Sông Đà 27 S27 2012 2009 KQ KQ KQ

12 Công ty Cổ phần Xi măng Sông Đà SCC 2012 2009 KQ AT AT

13 Công ty Cổ phần Sông Đà 8 SD8 2012 2009 KQ KQ KQ

14 Công ty Cổ phần Sông Đà 25 SDJ 2013 2010 KQ KQ KQ

15 Công ty Cổ phần Hàng Hải Sài Gòn SHC 2013 2010 KQ KQ KQ

16 Công ty Cổ phần Sông Đà - Thăng Long STL 2013 2010 KQ KQ KQ

17 Công ty Cổ phần Chứng khoán Sao Việt SVS 2012 2009 KQ KQ AT

18 Công ty Cổ phần Tập đoàn Thái Hòa Việt

Nam THV 2012 2009 KQ KQ KQ

19 Công ty Cổ phần Viễn thông Thăng Long TLC 2012 2009 KQ KQ AT

20 Công ty Cổ phần Nước giải khát Sài Gòn TRI 2011 2008 KQ KQ KQ

21 Công ty Cổ phần Đầu tƣ và Phát triển Hạ tầng Vinaconex VCH 2012 2009 KQ KQ KQ

22 Công ty Cổ phần Nhựa Tân Hóa VKP 2011 2008 KQ KQ AT

23 Công ty Cổ phần Xuất nhập khẩu Thủy sản

Bến Tre ABT N/A 2010 AT AT AT

24 Công ty Cổ phần Văn hóa Tân Bình ALT N/A 2010 AT KQ AT

25 Công ty Cổ Phần Bibica BBC N/A 2010 AT KQ AT

26 Công ty Cổ phần Đường Biên Hoà BHS N/A 2010 AT AT AT

27 Công ty Cổ phần Khoáng sản Bình Định BMC N/A 2010 AT AT AT

28 Công ty Cổ phần Nhựa Bình Minh BMP N/A 2010 AT AT AT

29 Công ty Cổ phần Dƣợc Hậu Giang DHG N/A 2010 AT AT AT

30 Công ty Cổ phần Cao Su Đồng Phú DPR N/A 2010 AT AT AT

31 Công ty Cổ phần Cao su Đà Nẵng DRC N/A 2010 AT AT AT

32 Công ty Cổ phần Công viên nước Đầm Sen DSN N/A 2010 AT AT AT

33 Công ty Cổ phần FPT FPT N/A 2010 AT AT AT

34 Công ty Cổ phần Bao bì PP Bình Dương HBD N/A 2010 AT AT AT

35 Công ty Cổ phần Cơ khí và Khoáng sản Hà

Giang HGM N/A 2010 AT AT AT

36 Công ty Cổ phần Dƣợc Lâm Đồng -

Ladophar LDP N/A 2010 AT AT AT

37 Công ty Cổ phần Đầu tƣ và Xây dựng Thủy lợi Lâm Đồng LHC N/A 2010 AT AT AT

38 Công ty Cổ phần Giống cây trồng Trung ƣơng NSC N/A 2010 AT AT AT

39 Công ty Cổ phần Công trình Giao thông Vận tải Quảng Nam QTC N/A 2010 AT KQ KQ

40 Công ty Cổ phần Cơ điện lạnh REE N/A 2010 AT KQ AT

41 Công ty Cổ phần Đầu tƣ và Phát triển Sacom SAM N/A 2010 AT AT AT

42 Công ty Cổ phần Giống cây trồng Miền Nam SSC N/A 2010 AT AT AT

43 Công ty Cổ phần Cáp treo Núi Bà Tây Ninh TCT N/A 2010 AT AT AT

44 Công ty Cổ phần TRAPHACO TRA N/A 2010 AT AT AT

45 Công ty Cổ phần Cao su Tây Ninh TRC N/A 2010 AT AT AT

46 Công ty Cổ phần VinaCafé Biên Hòa VCF N/A 2010 AT AT AT

47 Công ty Cổ phần Khử trùng Việt Nam VFG N/A 2010 AT AT AT

48 Công ty Cổ phần Viglacera Hạ Long VHL N/A 2010 AT AT KQ

49 Công ty Cổ phần Sữa Việt Nam VNM N/A 2010 AT AT AT

50 Công ty Cổ phần Bến xe Miền Tây WCS N/A 2010 AT AT AT

Cột “thực tế” thể hiện kết quả thực tế của công ty, trong khi cột “Altman” và “Ohlson” phản ánh các kết quả dự báo lý thuyết từ hai mô hình này Ký hiệu “AT” và “KQ” trong các cột tương ứng chỉ ra dự báo lý thuyết về khả năng công ty không kiệt quệ hoặc kiệt quệ.

Bảng 4.4: Kết quả dự báo lý thuyết của mô hình Altman và Ohlson ở thời điểm

2 năm trước khi kiệt quệ xảy ra

1 Công ty Cổ phần Cà phê An Giang AGC 2012 2010 KQ AT KQ

2 Công ty Cổ phần Chứng khoán Âu Việt AVS 2013 2011 KQ KQ AT

3 Công ty Cổ phần Basa BAS 2011 2009 KQ KQ KQ

4 Công ty Cổ phần Chế biến và Xuất nhập khẩu Thủy sản CADOVIMEX CAD 2011 2009 KQ KQ KQ

DESCON DCC 2012 2010 KQ KQ KQ

6 Công ty Cổ phần Hàng hải Đông Đô DDM 2012 2010 KQ KQ KQ

7 Công ty Cổ phần Xuất nhập khẩu Lâm Thủy sản Bến Tre FBT 2013 2011 KQ KQ AT

8 Công ty Cổ phần Full Power FPC 2011 2009 KQ KQ KQ

9 Công ty Cổ phần Chứng khoán Golden

Bridge Việt Nam GBS 2013 2011 KQ KQ KQ

10 Công ty Cổ phần Thực phẩm Quốc tế IFS 2012 2010 KQ KQ KQ

11 Công ty Cổ phần Sông Đà 27 S27 2012 2010 KQ KQ KQ

12 Công ty Cổ phần Xi măng Sông Đà SCC 2012 2010 KQ AT KQ

13 Công ty Cổ phần Sông Đà 8 SD8 2012 2010 KQ KQ KQ

14 Công ty Cổ phần Sông Đà 25 SDJ 2013 2011 KQ KQ KQ

15 Công ty Cổ phần Hàng Hải Sài Gòn SHC 2013 2011 KQ KQ KQ

16 Công ty Cổ phần Sông Đà - Thăng Long STL 2013 2011 KQ KQ KQ

17 Công ty Cổ phần Chứng khoán Sao Việt SVS 2012 2010 KQ KQ AT

Nam THV 2012 2010 KQ KQ KQ

19 Công ty Cổ phần Viễn thông Thăng Long TLC 2012 2010 KQ AT AT

20 Công ty Cổ phần Nước giải khát Sài Gòn TRI 2011 2009 KQ KQ KQ

21 Công ty Cổ phần Đầu tƣ và Phát triển Hạ tầng Vinaconex VCH 2012 2010 KQ KQ KQ

22 Công ty Cổ phần Nhựa Tân Hóa VKP 2011 2009 KQ KQ KQ

Bến Tre ABT N/A 2011 AT AT AT

24 Công ty Cổ phần Văn hóa Tân Bình ALT N/A 2011 AT KQ AT

25 Công ty Cổ Phần Bibica BBC N/A 2011 AT KQ AT

26 Công ty Cổ phần Đường Biên Hoà BHS N/A 2011 AT AT AT

27 Công ty Cổ phần Khoáng sản Bình Định BMC N/A 2011 AT AT AT

28 Công ty Cổ phần Nhựa Bình Minh BMP N/A 2011 AT AT AT

29 Công ty Cổ phần Dƣợc Hậu Giang DHG N/A 2011 AT AT AT

30 Công ty Cổ phần Cao Su Đồng Phú DPR N/A 2011 AT AT AT

31 Công ty Cổ phần Cao su Đà Nẵng DRC N/A 2011 AT AT AT

32 Công ty Cổ phần Công viên nước Đầm Sen DSN N/A 2011 AT AT AT

33 Công ty Cổ phần FPT FPT N/A 2011 AT AT AT

34 Công ty Cổ phần Bao bì PP Bình Dương HBD N/A 2011 AT AT AT

Giang HGM N/A 2011 AT AT AT

36 Công ty Cổ phần Dƣợc Lâm Đồng - LDP N/A 2011 AT AT AT

37 Công ty Cổ phần Đầu tƣ và Xây dựng Thủy lợi Lâm Đồng LHC N/A 2011 AT KQ AT

38 Công ty Cổ phần Giống cây trồng Trung ƣơng NSC N/A 2011 AT AT AT

39 Công ty Cổ phần Công trình Giao thông Vận tải Quảng Nam QTC N/A 2011 AT KQ AT

40 Công ty Cổ phần Cơ điện lạnh REE N/A 2011 AT KQ AT

41 Công ty Cổ phần Đầu tƣ và Phát triển Sacom SAM N/A 2011 AT KQ AT

42 Công ty Cổ phần Giống cây trồng Miền Nam SSC N/A 2011 AT AT AT

43 Công ty Cổ phần Cáp treo Núi Bà Tây Ninh TCT N/A 2011 AT AT AT

44 Công ty Cổ phần TRAPHACO TRA N/A 2011 AT AT AT

45 Công ty Cổ phần Cao su Tây Ninh TRC N/A 2011 AT AT AT

46 Công ty Cổ phần VinaCafé Biên Hòa VCF N/A 2011 AT AT AT

47 Công ty Cổ phần Khử trùng Việt Nam VFG N/A 2011 AT AT AT

48 Công ty Cổ phần Viglacera Hạ Long VHL N/A 2011 AT KQ KQ

49 Công ty Cổ phần Sữa Việt Nam VNM N/A 2011 AT AT AT

50 Công ty Cổ phần Bến xe Miền Tây WCS N/A 2011 AT AT AT

Cột “thực tế” thể hiện kết quả thực tế, trong khi cột “Altman” và “Ohlson” phản ánh kết quả dự báo lý thuyết từ các mô hình tương ứng Ký hiệu “AT” trong cột “Altman” chỉ ra dự báo rằng công ty không kiệt quệ, trong khi “KQ” trong cột “Ohlson” thể hiện dự báo công ty có khả năng kiệt quệ.

Bảng 4.5: Kết quả dự báo lý thuyết của mô hình Altman, Ohlson, MKV- Merton ở thời điểm 1 năm trước khi kiệt quệ xảy ra

Thực tế Altman Ohlson Merton

1 Công ty Cổ phần Cà phê An Giang AGC 2012 2011 KQ KQ KQ KQ

2 Công ty Cổ phần Chứng khoán Âu Việt AVS 2013 2012 KQ AT KQ AT

3 Công ty Cổ phần Basa BAS 2011 2010 KQ KQ KQ KQ

4 Công ty Cổ phần Chế biến và Xuất nhập khẩu Thủy sản CADOVIMEX CAD 2011 2010 KQ KQ KQ KQ

5 Công ty Cổ phần Xây dựng Công nghiệp DESCON DCC 2012 2011 KQ KQ KQ KQ

6 Công ty Cổ phần Hàng hải Đông Đô DDM 2012 2011 KQ KQ KQ KQ

7 Công ty Cổ phần Xuất nhập khẩu Lâm

Thủy sản Bến Tre FBT 2013 2012 KQ KQ KQ KQ

8 Công ty Cổ phần Full Power FPC 2011 2010 KQ KQ KQ KQ

9 Công ty Cổ phần Chứng khoán Golden GBS 2013 2012 KQ KQ KQ KQ

10 Công ty Cổ phần Thực phẩm Quốc tế IFS 2012 2011 KQ KQ KQ KQ

11 Công ty Cổ phần Sông Đà 27 S27 2012 2011 KQ KQ KQ KQ

12 Công ty Cổ phần Xi măng Sông Đà SCC 2012 2011 KQ KQ AT KQ

13 Công ty Cổ phần Sông Đà 8 SD8 2012 2011 KQ KQ KQ KQ

14 Công ty Cổ phần Sông Đà 25 SDJ 2013 2012 KQ KQ KQ KQ

15 Công ty Cổ phần Hàng Hải Sài Gòn SHC 2013 2012 KQ AT KQ KQ

16 Công ty Cổ phần Sông Đà - Thăng Long STL 2013 2012 KQ KQ KQ KQ

17 Công ty Cổ phần Chứng khoán Sao Việt SVS 2012 2011 KQ KQ KQ KQ

18 Công ty Cổ phần Tập đoàn Thái Hòa

Việt Nam THV 2012 2011 KQ KQ KQ KQ

19 Công ty Cổ phần Viễn thông Thăng

Long TLC 2012 2011 KQ KQ AT KQ

20 Công ty Cổ phần Nước giải khát Sài

Gòn TRI 2011 2010 KQ AT KQ KQ

21 Công ty Cổ phần Đầu tƣ và Phát triển

Hạ tầng Vinaconex VCH 2012 2011 KQ KQ KQ KQ

22 Công ty Cổ phần Nhựa Tân Hóa VKP 2011 2010 KQ KQ KQ KQ

23 Công ty Cổ phần Xuất nhập khẩu Thủy sản Bến Tre ABT N/A 2012 AT AT AT AT

24 Công ty Cổ phần Văn hóa Tân Bình ALT N/A 2012 AT KQ AT KQ

25 Công ty Cổ Phần Bibica BBC N/A 2012 AT KQ AT AT

26 Công ty Cổ phần Đường Biên Hoà BHS N/A 2012 AT KQ KQ KQ

27 Công ty Cổ phần Khoáng sản Bình Định BMC N/A 2012 AT AT AT AT

28 Công ty Cổ phần Nhựa Bình Minh BMP N/A 2012 AT AT AT AT

29 Công ty Cổ phần Dƣợc Hậu Giang DHG N/A 2012 AT AT AT AT

30 Công ty Cổ phần Cao Su Đồng Phú DPR N/A 2012 AT AT AT AT

31 Công ty Cổ phần Cao su Đà Nẵng DRC N/A 2012 AT AT AT AT

32 Công ty Cổ phần Công viên nước Đầm

Sen DSN N/A 2012 AT AT AT AT

33 Công ty Cổ phần FPT FPT N/A 2012 AT AT AT AT

34 Công ty Cổ phần Bao bì PP Bình Dương HBD N/A 2012 AT AT AT AT

35 Công ty Cổ phần Cơ khí và Khoáng sản

Hà Giang HGM N/A 2012 AT AT AT AT

36 Công ty Cổ phần Dƣợc Lâm Đồng -

Ladophar LDP N/A 2012 AT AT AT AT

37 Công ty Cổ phần Đầu tƣ và Xây dựng

Thủy lợi Lâm Đồng LHC N/A 2012 AT KQ AT KQ

38 Công ty Cổ phần Giống cây trồng Trung ƣơng NSC N/A 2012 AT AT AT AT

39 Công ty Cổ phần Công trình Giao thông QTC N/A 2012 AT AT AT KQ

40 Công ty Cổ phần Cơ điện lạnh REE N/A 2012 AT KQ AT AT

41 Công ty Cổ phần Đầu tƣ và Phát triển

Sacom SAM N/A 2012 AT KQ KQ AT

42 Công ty Cổ phần Giống cây trồng Miền

Nam SSC N/A 2012 AT AT AT AT

43 Công ty Cổ phần Cáp treo Núi Bà Tây

Ninh TCT N/A 2012 AT AT AT AT

44 Công ty Cổ phần TRAPHACO TRA N/A 2012 AT AT AT AT

45 Công ty Cổ phần Cao su Tây Ninh TRC N/A 2012 AT AT AT AT

46 Công ty Cổ phần VinaCafé Biên Hòa VCF N/A 2012 AT AT AT AT

47 Công ty Cổ phần Khử trùng Việt Nam VFG N/A 2012 AT AT AT KQ

48 Công ty Cổ phần Viglacera Hạ Long VHL N/A 2012 AT KQ KQ KQ

49 Công ty Cổ phần Sữa Việt Nam VNM N/A 2012 AT AT AT AT

50 Công ty Cổ phần Bến xe Miền Tây WCS N/A 2012 AT AT AT AT

Cột "thực tế" thể hiện kết quả thực tế, trong khi các cột "Altman", "Ohlson" và "Merton" phản ánh kết quả dự báo lý thuyết từ các mô hình tương ứng.

Ký hiệu “AT” v “KQ” trong cột “Altman”, “Ohlson” v “Merton” lần lượt là kết quả dự báo lý thuyết rằng công ty không kiệt quệ và kiệt quệ.

Xác định “mức độ d ự báo chính xác” củ a t ừ ng mô hình

Dựa trên “kết quả dự báo lý thuyết” từ các mô hình trong bảng 4.4, 4.5 và 4.6, tác giả đã tiến hành so sánh với “kết quả thực tế” để xác định “mức độ dự báo chính xác” của từng mô hình Kết quả thu được cho thấy mức độ chính xác khác nhau giữa các mô hình dự báo.

Bảng 4.6: Mức độ dự báo chính xác của mô hình Altman

Dự báo của Altman (-3) Độ chính xác của Altman (-3)

Số công ty kiệt quệ 22 19 86.36% 19 86.36% 19 86.36%

Số công ty không kiệt quệ 28 24 85.71% 21 75.00% 21 75.00%

Ghi chú: (-3), (-2), (-1) là kết quả dự báo lý thuyết và mức độ dự báo chính xác của mô hình Altman tại thời điểm 3 n m,

2 n m, 1 n m trư c khi kiệt quệ xảy ra

Bảng 4.7: Mức độ dự báo chính xác của mô hình Ohlson

Dự báo của Ohlson (-3) Độ chính xác của Ohlson (-3)

Ghi chú: (-3), (-2), (-1) là kết quả dự báo lý thuyết và mức độ dự báo chính xác của mô hình Ohlson tại thời điểm 3 n m,

2 n m, 1 n m trư c khi kiệt quệ xảy ra

Bảng 4.8: Mức độ dự báo chính xác của mô hình MKV-Merton

Thực tế Dự báo của Merton (-1) Độ chính xác của Merton (-1)

Số công ty kiệt quệ 22 21 95.45%

Số công ty không kiệt quệ 28 22 78.57%

Mô hình MKV-Merton chỉ cung cấp kết quả dự báo lý thuyết và độ chính xác của dự báo này chỉ đạt được tại thời điểm 1 năm trước khi xảy ra tình trạng kiệt quệ, do hạn chế về dữ liệu.

Như đã đề cập trước đó, “mức độ dự báo chính xác” của từng mô hình được thể hiện ở 3 dạng:

Mức độ dự báo chính xác kiệt quệ được xác định bằng tỷ lệ giữa tổng số công ty được dự báo chính xác là kiệt quệ và tổng số công ty kiệt quệ thực tế trong mẫu.

Mức độ dự báo chính xác không kiệt quệ được tính bằng tỷ số giữa tổng số công ty được dự báo chính xác là không kiệt quệ và tổng số công ty không kiệt quệ thực tế trong mẫu.

Mức độ dự báo chính xác tổng thể được tính bằng tỷ số giữa tổng số công ty được dự báo chính xác, bao gồm cả những công ty kiệt quệ và không kiệt quệ, so với tổng số công ty trong mẫu.

Xem bảng 4.8, có thể thấy rằng thời điểm dự báo càng gần thời điểm kiệt quệ thì

Mô hình Ohlson cho thấy mức độ dự báo chính xác tình trạng kiệt quệ của các công ty là rất cao, đạt 90,91% khi dự báo 1 năm trước khi xảy ra kiệt quệ Tuy nhiên, độ chính xác này giảm xuống còn 81,82% và 72,73% khi dự báo ở thời điểm 2 năm và 3 năm trước đó.

Mặc dù "mức độ dự báo chính xác không kiệt quệ" duy trì ổn định, nhưng có sự khác biệt khi thời điểm dự báo gần với thời điểm kiệt quệ Theo bảng 4.7 và 4.8, mô hình Altman cho thấy độ chính xác cao 85,71% (24/28 công ty không kiệt quệ) khi dự báo 3 năm trước thời điểm kiệt quệ Tuy nhiên, khi thời gian dự báo rút ngắn xuống còn 1 và 2 năm, độ chính xác giảm xuống còn 75% (21/28 công ty không kiệt quệ).

Tình hình kinh tế Việt Nam từ 2010 đến 2012 chứng kiến sự suy thoái nghiêm trọng, khiến nhiều doanh nghiệp gặp khó khăn và phải đối mặt với tình trạng kiệt quệ tài chính Quy tắc xác định một công ty là kiệt quệ tài chính chỉ dựa trên một số tiêu chí như thua lỗ liên tiếp trong ba năm, vốn chủ sở hữu âm, hoặc đã bán tài sản để trả nợ, dẫn đến việc một số công ty thực sự kiệt quệ không được ghi nhận Hơn nữa, Luật Phá sản 2004 chưa phát huy hiệu quả, nhiều công ty gặp khó khăn vẫn chưa được phép phá sản Do đó, mặc dù không được xác định là kiệt quệ trong mẫu, nhưng các mô hình dự đoán như Altman và Ohlson vẫn cho thấy tình trạng kiệt quệ, gây ra sự sụt giảm trong độ chính xác của dự báo về tình trạng tài chính của các doanh nghiệp trong những năm gần đây.

Mô hình MKV-Merton chỉ cho phép xác định độ chính xác của dự báo một năm trước khi xảy ra kiệt quệ, do đó không thể thực hiện đánh giá khả năng dự báo theo thời gian.

Đánh giá khả năng dự báo ki ệ t qu ệ tài chính gi ữ a các mô hình

Mục tiêu chính của nghiên cứu này là xác định mô hình dự báo kiệt quệ tài chính phù hợp cho doanh nghiệp Việt Nam Để đạt được điều này, nghiên cứu sẽ tiến hành so sánh độ chính xác dự báo giữa các mô hình khác nhau.

Nguyên tắc so sánh trong dự báo mô hình dựa trên hai yếu tố chính: “mức độ dự báo chính xác tổng thể” và “mức độ dự báo chính xác kiệt quệ” Mô hình có “mức độ dự báo chính xác tổng thể” cao hơn được coi là tốt hơn Nếu hai mô hình có mức độ dự báo chính xác tổng thể bằng nhau, sẽ so sánh “mức độ dự báo chính xác kiệt quệ” để xác định mô hình ưu việt hơn Nguyên lý này nhấn mạnh rằng sai lầm loại 1, khi không nhận diện được công ty sắp lâm vào kiệt quệ, gây ra chi phí lớn cho tổ chức tín dụng và nhà đầu tư, bao gồm mất lãi, gốc và chi phí phá sản Ngược lại, sai lầm loại 2, khi không nhận diện được công ty không kiệt quệ, chỉ dẫn đến mất lợi nhuận Do đó, chi phí từ sai lầm loại 1 cao hơn nhiều so với sai lầm loại 2.

Nghiên cứu sẽ áp dụng nguyên tắc so sánh tại ba thời điểm dự báo khác nhau: 1 năm, 2 năm và 3 năm trước khi kiệt quệ xảy ra, nhằm xác định mô hình dự báo phù hợp cho từng thời điểm Kết quả cuối cùng được trình bày như dưới đây.

Bảng 4.9: So sánh “mức độ dự báo chính xác” giữa mô hình Altman và Ohlson ở thời điểm 3 năm trước khi kiệt quệ xảy ra

Thực tế Dự báo của

Altman Độ chính xác của Altman

Dự báo của Ohlson Độ chính xác của Ohlson

Số công ty kiệt quệ 22 19 86.36% 16 72.73%

Số công ty không kiệt quệ 28 24 85.71% 26 92.86%

Bảng 4.10: So sánh “mức độ dự báo chính xác” giữa mô hình Altman và Ohlson ở thời điểm 2 năm trước khi kiệt quệ xảy ra

Thực tế Dự báo của

Altman Độ chính xác của Altman

Số công ty kiệt quệ 22 19 86.36% 18 81.82%

Số công ty không kiệt quệ 28 21 75.00% 27 96.43%

Bảng 4.11: So sánh “mức độ dự báo chính xác” giữa mô hình Altman, Ohlson và Merton ở thời điểm 1 năm trước khi kiệt quệ xảy ra

Dự báo của Altman Độ chính xác của Altman

Dự báo của Merton Độ chính xác của Merton

Bảng 4.12: So sánh “mức độ dự báo chính xác” giữa mô hình Altman và Ohlson theo thời gian

Số năm trước khi kiệt quệ xảy ra

Mô hình Z-score Mô hình O-score

Kiệt quệ Không kiệt quệ Tổng thể Kiệt quệ Không kiệt quệ Tổng thể

Mô hình Altman cho thấy “mức độ dự báo chính xác tổng thể” cao hơn so với mô hình Ohlson, với tỷ lệ 86% so với 84% Đặc biệt, “mức độ dự báo chính xác kiệt quệ” của Altman cũng vượt trội hơn, đạt 86,36% so với 72,73% của Ohlson Kết quả này chứng tỏ rằng mô hình Altman có khả năng dự báo kiệt quệ tài chính hiệu quả hơn ở thời điểm 3 năm trước khi xảy ra kiệt quệ.

Mô hình Ohlson cho thấy "mức độ dự báo chính xác tổng thể" cao hơn so với mô hình Altman, với tỷ lệ 90% so với 80% Kết quả này chỉ ra rằng Ohlson phù hợp hơn trong việc dự báo kiệt quệ tài chính hai năm trước khi sự kiện này xảy ra.

Kết quả so sánh giữa ba mô hình dự báo kiệt quệ tài chính một năm trước khi xảy ra cho thấy mô hình Ohlson đạt "mức độ dự báo chính xác tổng thể" cao nhất với 90%, tiếp theo là mô hình MKV-Merton với 86% và mô hình Altman với 80% Do đó, mô hình Ohlson được xác định là lựa chọn tốt nhất để dự báo tình trạng kiệt quệ tài chính trong khoảng thời gian này.

Mô hình MKV-Merton là một công cụ hữu ích trong việc dự báo tình trạng kiệt quệ tài chính, mặc dù dữ liệu hạn chế chỉ cho phép xác định “mức độ dự báo chính xác” trong vòng một năm trước khi xảy ra kiệt quệ Kết quả cho thấy mô hình này có khả năng dự đoán chính xác 21 trong số 22 công ty kiệt quệ (95,45%) và 22 trong 28 công ty không kiệt quệ (78,57%) Tổng cộng, MKV-Merton dự báo chính xác tình trạng của 43 trong 50 công ty mẫu (86%).

Dựa trên các kết quả phân tích, mô hình Ohlson cho thấy hiệu quả cao nhất trong việc dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam ở thời điểm 1 năm và 2 năm trước khi xảy ra kiệt quệ Trong khi đó, mô hình Z-score của Altman lại tỏ ra vượt trội hơn khi dự báo 3 năm trước khi kiệt quệ xảy ra Tuy nhiên, nhìn chung, mô hình Ohlson vẫn là lựa chọn tốt nhất, với độ chính xác dự báo cao nhất ở thời điểm 1 và 2 năm trước kiệt quệ, và chỉ kém Altman một cách không đáng kể (86% so với 84%) ở thời điểm 3 năm trước.

Mô hình Ohlson nổi bật với nhiều ưu điểm so với hai mô hình còn lại, bao gồm việc không bị ràng buộc bởi các giả định như phân phối chuẩn hay thị trường hiệu quả Mô hình này cũng có cấu trúc đơn giản, cho phép xác định dễ dàng các biến số độc lập Hơn nữa, Ohlson có khả năng xác định xác suất kiệt quệ tài chính và dự báo khả năng xảy ra tình trạng này cho các công ty Đặc biệt, mô hình này có thể áp dụng cho tất cả các loại hình doanh nghiệp, không chỉ giới hạn ở các công ty đại chúng.

TỔ NG K Ế T VÀ H Ạ N CH Ế C ỦA ĐỀ TÀI

Nghiên cứu này kế thừa ba mô hình dự báo kiệt quệ tài chính nổi tiếng: Z-score của Altman (1968), mô hình logit của Ohlson (1980) và MKV-Merton (1974), với việc xác định giá trị các biến độc lập theo phương pháp của Shumway (2004) Mẫu nghiên cứu bao gồm 50 công ty niêm yết trên Sở Giao Dịch Chứng Khoán Thành Phố Hồ Chí Minh (HSX), Sàn giao dịch chứng khoán Hà Nội (HNX) và UpCom trong giai đoạn 2005 – 2012 Mục tiêu là đánh giá khả năng dự báo kiệt quệ tài chính của các mô hình và lựa chọn mô hình phù hợp cho doanh nghiệp Việt Nam hiện nay Tác giả xác định "mức độ dự báo chính xác" của từng mô hình và tiến hành so sánh chúng.

“mức độ dự báo chính xác” giữa các mô hình theo nguyên tắc: mô hình nào có

“mức độ dự báo chính xác tổng thể” cao hơn sẽ là mô hình dự báo tốt hơn, nếu

Khi các mô hình có "mức độ dự báo chính xác tổng thể" tương đương, mô hình nào có "mức độ dự báo chính xác kiệt quệ" cao hơn sẽ được xem là mô hình dự báo tốt hơn So sánh này đã giúp tác giả xác định mô hình dự báo kiệt quệ tài chính phù hợp cho doanh nghiệp Việt Nam Đối với mô hình MKV, do không thể thu thập đủ dữ liệu cần thiết, khả năng dự báo của mô hình này chỉ được đánh giá tại thời điểm một năm trước khi xảy ra tình trạng kiệt quệ.

Kết quả nghiên cứu cho thấy cả ba mô hình đều dự đoán chính xác tình trạng kiệt quệ và không kiệt quệ của các công ty trong mẫu nghiên cứu.

Tất cả ba mô hình dự báo đều cho kết quả chính xác trên 80% ở ba thời điểm 1 năm, 2 năm và 3 năm trước khi xảy ra kiệt quệ tài chính Điều này cho thấy rằng các mô hình này rất phù hợp để dự đoán tình trạng kiệt quệ tài chính của doanh nghiệp Việt Nam trong bối cảnh hiện tại.

Mô hình phân tích phân biệt Z-score của Altman là công cụ dự báo kiệt quệ tài chính hiệu quả nhất cho các doanh nghiệp Việt Nam 3 năm trước khi xảy ra sự kiện này, với độ chính xác lên đến 86% Tuy nhiên, khi dự báo 1 và 2 năm trước, mô hình logit của Ohlson lại cho kết quả tốt nhất với độ chính xác đạt 90% Mô hình KMV-Merton cũng cho thấy khả năng dự báo cao, với 95,45% chính xác cho 21/22 công ty kiệt quệ và 78,57% cho 22/28 công ty không kiệt quệ trong mẫu nghiên cứu Tổng cộng, mô hình KMV-Merton dự báo chính xác tình trạng của 43/50 công ty (86%) Tóm lại, mô hình logit của Ohlson được coi là lựa chọn tốt nhất để dự báo sớm kiệt quệ tài chính cho doanh nghiệp Việt Nam hiện nay.

Nghiên cứu này chứng minh tính hữu dụng của các mô hình dự báo kiệt quệ tài chính tại Việt Nam, hỗ trợ các nhà quản trị, nhà phân tích tài chính, nhà đầu tư, ngân hàng và nhà cung cấp tín dụng trong việc dự báo khả năng xảy ra kiệt quệ tài chính Điều này giúp họ đưa ra quyết định đúng đắn nhằm giảm thiểu rủi ro mất vốn và nguy cơ phá sản.

Hạn chế của nghiên cứu:

Một trong những hạn chế của nghiên cứu này là mẫu nghiên cứu chỉ bao gồm 50 công ty niêm yết trên ba thị trường HNX, HSX và UpCom, trong khi tổng số công ty niêm yết trên cả ba thị trường gần 700 Do đó, kết quả nghiên cứu có thể không phản ánh đầy đủ tình hình chung của tất cả các công ty trên thị trường.

Thị trường chứng khoán Việt Nam vẫn còn non trẻ, với chỉ khoảng 22 công ty gặp khó khăn tài chính tính đến thời điểm nghiên cứu Số lượng này không đủ để ước lượng hệ số của các biến độc lập trong mô hình phân tích phân biệt và logit cho doanh nghiệp Việt Nam Vì vậy, nghiên cứu này chủ yếu kế thừa kết quả từ mô hình phân tích phân biệt của Altman.

Các mô hình Altman (1968) và mô hình phân tích logit của Ohlson (1980) là hai công cụ quan trọng trong việc đánh giá khả năng dự báo kiệt quệ tài chính của các doanh nghiệp Bằng cách áp dụng hai mô hình này cùng với mô hình MKV-Merton, chúng ta có thể đánh giá chính xác hơn khả năng dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam, từ đó đưa ra những quyết định kinh doanh sáng suốt hơn.

Giới hạn thứ ba của nghiên cứu này là mặc dù Luật Phá sản Việt Nam có hiệu lực từ đầu năm 2004, nhưng số doanh nghiệp được chấp thuận phá sản vẫn rất ít Điều này ảnh hưởng đến kết quả nghiên cứu do không thể tăng kích cỡ mẫu cho nghiên cứu.

Các nghiên cứu trong tương lai cần có mẫu nghiên cứu lớn hơn và thời gian nghiên cứu dài hơn để đạt được kết quả tổng quát và chính xác hơn Đồng thời, sự ra đời của Luật Phá sản mới với các quy định cải tiến trong việc xác định tình trạng phá sản và tạo điều kiện cho doanh nghiệp dễ dàng hơn trong việc phá sản sẽ giúp kết quả nghiên cứu phù hợp hơn với bối cảnh kinh tế Việt Nam.

Trần Ngọc Thơ và các cộng sự, 2007 Tài chính doanh nghiệp hiện đại, NXB Thống kê, năm 2007.

Ackoff R L., 1999 Re-Creating the Corporation, A Design of Organization for the

21 Century Oxford University Press, New York.

Aktan S., 2011 Early Warning System for Bankruptcy: Bankruptcy Prediction. Universitọt Karlsruhe.

Altman E I., 1968 Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy The Journal of Finance, 23(4), 589-609.

Altman E I., 1984 A Further Empirical Investigation of the Bankruptcy Cost Question The Journal of Finance 39(4), 1067-1089.

Altman E I, 1993 Corporate Financial Distress and Bankruptcy: A Complete Guide to Predicting and Avoiding Distress and Profiting from Bankruptcy, 2. Edition, John Wiley & Sons, Inc.

Altman E I., 2000 Predicting Financial Distress of Companies, Revisiting the Z- Score and ZETA Models, web: http://pages.stern.nyu.edu/~ealtman.

Altman E.I., Haldeman, R.G., Narayanan, P., 1977 ZETA Analysis, A New Model to Identify Bankruptcy Risk of Corporations Journal of Banking and Finance, 1(1),29-54.

Altman E.I., Hotchkiss E., 2005 Corporate Financial Distress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt 3 Edition, John Wiley & Sons, New Jersey.

Andrade G and Kaplan S., 1998 How Costly Is Financial (Not Economic) Distress? Evidence From Highly Leveraged Transactions That Became Distressed. The Journal of Finance, 53(5), 1143-1493.

Back B., Laitinen T., Sere K., van Wezel M., 1996 Choosing Bankruptcy Predictors Using Discriminant Analysis, Logit Analysis, and Genetic Algorithms. Turku Centre for Computer Science, Technical Report, 40.

Beaver W H., 1966 Financial Ratios as Predictors of Failure, Empirical Research in Accounting: Selected Studies Journal of Accounting Research, 5, 71-111.

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.

Berg D., 2007 Bankruptcy Prediction by Generalized Additive Models Applied Stochastic Models in Business and Industry, 23(2), 129-143.

Black F and Scholes M., 1973 The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-654.

Branch B., 2002 The Costs of Bankruptcy A Review International Review of Financial Analysis, 11(1), 39-57.

Crosbie P J and Bohn J R., 2003 Modeling Default Risk White Paper, Moody‟s KMV.

Gaughan P A., 2011 Mergers, Acquisitions and Corporate Restructuring 3.Edition, John Wiley and Sons Inc., New York.

Gharghori P., Chan H., Faff R., 2006 Investigating the Performance of Alternative Default-Risk Models: Option-Based Versus Accounting-Based Approaches. Australian Journal of Management, 31(2), 207-234.

Gilson S C., John K., Lang L., 1990 Troubled Debt Restructurings: An Empirical Analysis, The Journal of Finance, 48(2), 425-458.

Gitman L J., 2009 Principles of Managerial Finance, 12 Edition, Person Prentice Hall.

Hair J F., Anderson R E., Tatham R L., Black W C., 1998 Multivariate Data Analysis Prentice Hall, New Jersey.

Hashi I., 1997 The Economics of Bankruptcy, Reorganisation and Liquidation. Russian and East European Finance and Trade, 33(4), 6-34.

Hillegeist S., Keating E., Cram D., Lundstedt K., 2004 Assessing the Probability of Bankruptcy Review of Accounting Studies, 9(1), 5-34.

Kanas A., 2004 Contagion in Banking Due to BCCI‟s Failure: Evidence from National Equity Indices International Journal of Finance and Economics, 9(3), 245- 255.

Karels G V and Prakash A P., 1987 Multivariate Normality and Forecasting of Business Bankruptcy Journal of Business Finance and Accounting, 14(4), 573-593.

Keasey K and McGuinness P., 1990 The Failure of UK Industrial Firms for the Period 1976-1984, Logistic Analysis and Entropy Measures Journal of Business Finance and Accounting, 17(1), 119-135.

Kuhn R L and Morton A D., 1990 Bankruptcy and Reorganizations, Capital Raising And Financial Structure, Vol 2, Ed Robert Lawrence Kuhn, The Librariy of Investment Banking, Dow Jones- Irwin Professional Pub.

Lin F.Y and McClean S., 2000 The Prediction of Financial Distress Using a Cost Sensitive Approach and Prior Probabilities 17th International Conference on Machine Learning Workshop on Cost Sensitive Learning, Stanford University.

Lin F.Y., S McClean., 2000 The Prediction of Financial Distress Using Structured Financial Data From The Internet IJCSS International Journal of Computers, Science and Signal, 1(1), 43-57.

Makridakis S., 1991 What Can We Learn from Corporate Failure? Long Range Planning, 24(4), 115-126.

Merton R C., 1974 On the Pricing of Corporate Debt: The Risk Structure of Interest Rates The Journal of Finance, 29(2), 449-470.

Ohlson J A., 1980 Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109-131.

Opler T C and Titman S., 1994 Financial Distress and Corporate Performance. The Journal of Finance, 49(3), 1015-1040.

Perold F A., 1999 Long Term Capital Management, Case Study, Harward Business School, 9-200-007.

Ross S A., Westerfield R W., Jaffe J., 2003 Corporate Finance, 6 Edition, McGraw-Hill/Irwin.

Shrader M J and Hickman K A., 1993 Economic Issues in Bankruptcy and reorganization Journal of Applied Business Research, 9(3), 110-118.

Shumway T., 2001 Forecasting Bankruptcy More Accurately: A Simple HazardModel The Journal of Business, 74(1), 101-124.

Tennyson B N., Ingram R W., Dugan M T., 1990 Assessing the Information Content of Narrative Disclosures in Explaining Bankruptcy Journal of Business Finance and Accounting, 17(3), 391-410.

Uğurlu M and Aksoy H., 2006 Prediction of Corporate Financial Distress in an Emerging Market: The Case of Turkey Cross Cultural Management: An International Journal, 13(4), 277-295.

Van den End W J and Tabbae M., 2005 Measuring Financial Stability: Appliying MfRisk Model to the Nederlands De Nederlandsche Bank Working Paper,

Wruck K H., 1990 Financial Distress, Reorganization and Organizational Efficiency Journal of Financial Economics, 27, 419-444.

Zavgren C.V., 1985 Assessing the Vulnerability to Failure of American IndustrialFirms, A Logistic Analysis Journal of Business Finance and Accounting, 12(1), 19-45.

Phụ lục 1: Danh sách 50 công ty trong mẫu nghiên cứu

STT Tên công ty Mã CK Kiệt quệ

Năm xảy ra kiệt quệ

1 Công ty Cổ phần Cà phê An Giang AGC x 2012

2 Công ty Cổ phần Chứng khoán Âu Việt AVS x 2013

3 Công ty Cổ phần Basa BAS x 2011

4 Công ty Cổ phần Chế biến và Xuất nhập khẩu

6 Công ty Cổ phần Hàng hải Đông Đô DDM x 2012

7 Công ty Cổ phần Xuất nhập khẩu Lâm Thủy sản Bến Tre FBT x 2013

8 Công ty Cổ phần Full Power FPC x 2011

9 Công ty Cổ phần Chứng khoán Golden Bridge

10 Công ty Cổ phần Thực phẩm Quốc tế IFS x 2012

11 Công ty Cổ phần Sông Đà 27 S27 x 2012

12 Công ty Cổ phần Xi măng Sông Đà SCC x 2012

13 Công ty Cổ phần Sông Đà 8 SD8 x 2012

14 Công ty Cổ phần Sông Đà 25 SDJ x 2013

15 Công ty Cổ phần Hàng Hải Sài Gòn SHC x 2013

16 Công ty Cổ phần Sông Đà - Thăng Long STL x 2013

17 Công ty Cổ phần Chứng khoán Sao Việt SVS x 2012

19 Công ty Cổ phần Viễn thông Thăng Long TLC x 2012

20 Công ty Cổ phần Nước giải khát Sài Gòn TRI x 2011

21 Công ty Cổ phần Đầu tƣ và Phát triển Hạ tầng

22 Công ty Cổ phần Nhựa Tân Hóa VKP x 2011

24 Công ty Cổ phần Văn hóa Tân Bình ALT N/A

25 Công ty Cổ Phần Bibica BBC N/A

26 Công ty Cổ phần Đường Biên Hoà BHS N/A

27 Công ty Cổ phần Khoáng sản Bình Định BMC N/A

28 Công ty Cổ phần Nhựa Bình Minh BMP N/A

29 Công ty Cổ phần Dƣợc Hậu Giang DHG N/A

30 Công ty Cổ phần Cao Su Đồng Phú DPR N/A

31 Công ty Cổ phần Cao su Đà Nẵng DRC N/A

32 Công ty Cổ phần Công viên nước Đầm Sen DSN N/A

33 Công ty Cổ phần FPT FPT N/A

34 Công ty Cổ phần Bao bì PP Bình Dương HBD N/A

36 Công ty Cổ phần Dƣợc Lâm Đồng - Ladophar LDP N/A

37 Công ty Cổ phần Đầu tƣ và Xây dựng Thủy lợi Lâm Đồng LHC N/A

38 Công ty Cổ phần Giống cây trồng Trung ƣơng NSC N/A

39 Công ty Cổ phần Công trình Giao thông Vận tải Quảng Nam QTC N/A

40 Công ty Cổ phần Cơ điện lạnh REE N/A

41 Công ty Cổ phần Đầu tƣ và Phát triển Sacom SAM N/A

42 Công ty Cổ phần Giống cây trồng Miền Nam SSC N/A

43 Công ty Cổ phần Cáp treo Núi Bà Tây Ninh TCT N/A

44 Công ty Cổ phần TRAPHACO TRA N/A

45 Công ty Cổ phần Cao su Tây Ninh TRC N/A

46 Công ty Cổ phần VinaCafé Biên Hòa VCF N/A

47 Công ty Cổ phần Khử trùng Việt Nam VFG N/A

48 Công ty Cổ phần Viglacera Hạ Long VHL N/A

49 Công ty Cổ phần Sữa Việt Nam VNM N/A

50 Công ty Cổ phần Bến xe Miền Tây WCS N/A

Appendix 2: The KMV-Merton model provides a method for calculating the asset volatility (σ A), asset value (V A), distance to default (DD), and probability of default (PD) using the Newton-Raphson algorithm within the MATLAB function [Mu, ASG, SG, DD, PD, Debt] = KMV_MODEL(S, EQ, F, r, TEND, N).

% S: Giá cổ phiếu hàng ngày dạng chuổi với t=1,2,3, v.v…

% EQ: Số lượng cổ phiếu đang lưu hành

% F: Tổng nợ = Nợ ngắn hạn + ẵ Nợ dài hạn

% r: lãi suất phi rủi ro (lãi suất trái phiếu chính phủ kỳ hạn 1 năm)

% TEND: Số năm quan sát

% N: Số bước thời gian quan sát (Số quan sát)

% NR_Acc : Độ chính xác của phương pháp Newton Raphson

% Sig_Acc : Độ chính xác của Sigma

% Mu: Tỷ suất sinh lợi kỳ vọng trên giá trị thị trường của tài sản (μ)

% ASG: Giá trị thị trường của tài sản (VA)

% SG: Độ biến động của giá trị thị trường của tài sản (σA)

% DD: Giá trị biến DD của mô hình MKV-Merton

% PD: Xác suất xảy ra kiệt quệ DPt của mô hình MKV-Merton

LS=log(S(2:end)./S(1:end-1)); h=length(E);

% SG: σA ban đầu được xác định tại bước này SG=SGE*(E(1)/(E(1)+F));

TV=TEND/N:TEND/N:TEND; for jkk=1:N

TM0; while abs(SG-TM)>Sig_Acc for j=1:lm

% V(j) là giá trị tài sản tại bước j

V(j)=NRMethod(F,F,E(j),r,TV(jkk),SG); end

% LR lợi nhuận từ tài sản (hàm log)

% Mu là tỷ suất sinh lợi kỳ vọng của tài sản

Mu =h*R+0.5*SG^2; end d1=-(log(V(lm)/F(1))+(Mu -(0.5*SG^2))*TV(jkk))/(SG*sqrt(TV(jkk))); N1(jkk)=0.5*(1+erf(d1/sqrt(2)));

DD=-(log(V(lm)/F(1))+(Mu -(0.5*SG^2)))/(SG);

PD=0.5*(1+erf(DD/sqrt(2))); end return function [S]=NRMethod(S,E,c,r,T,sig) NR_Acc^-

Tem=0; k=1; while abs(S-Tem)>NR_Acc d1=(log(S/E)+

(sig*sqrt(T)); f=c-S*0.5.*(1+erf(d1/sqrt(2)))+exp(-r*(T))*E*0.5*(1+erf(d2/sqrt(2))); df=- 0.5.*(1+erf(d1/sqrt(2))); % đạo hàm

Tem=S; S=Tem- f/df; k=k+1; end return

Phụ lục 3: Phương phỏp nhập dữ liệu đầu vào để giải tỡm biến σ A , V A , à,

DD, DP t của mô hình MKV-Merton trên phần mềm MatLab dat=xlsread('_đường dẫn thư mục chứa file dữ liệu giá cổ phiếu_'); % Dữ dạng xls

S(:,1); % Bước nhập giá cổ phiếu dạng chuổi

EQ= „_Số lượng cổ phiếu_‟; % Bước nhập số lượng cổ phiếu

F= ‟_Giá trị nợ_‟; % Bước nhập giá trị tổng nợ r= „_Lãi suất phi rủi ro_‟; % Bước nhập giá trị lãi suất phi rủi ro

TEND= „_Số năm quan sát_‟; % Bước nhập số năm quan sát

N= ‟_Số quan sát_‟; % Bước nhập số lượng quan sát

%Chạy phương trình để trích xuất ra kết quả

[Mu,ASG,SG,DD,PD,Debt]=KMV_MODEL(S,EQ,F,r,TEND,N);

Phụ lục 4 tổng hợp kết quả tính toán giá trị của các biến độc lập và biến phụ thuộc, cùng với “kết quả dự báo lý thuyết” từ mô hình Altman (1968) và Ohlson (1980) đối với 50 công ty trong mẫu, trong giai đoạn từ 2005 đến 2012.

Ghi chú: Các biến ở những n m h ng c s liệu sẽ được ký hiệu l “N/A”.

• Đối với mô hình Altman: các công ty có Z-score ≤ 2,675 sẽ được dự báo là “ iệt quệ”, ngược lại, sẽ được dự báo l “ h ng iệt quệ”.

• Đối với mô hình Ohlson: c c c ng ty c P O) ≥ 50% sẽ được dự báo là “ iệt quệ”, ngược lại, sẽ được dự báo l “ h ng iệt quệ”.

1 Công ty Cổ phần Cà phê An Giang Mã CK: AGC

2 Công ty Cổ phần Chứng khoán Âu Việt Mã CK: AVS

3 Công ty Cổ phần Basa Mã CK: BAS

4 Công ty Cổ phần Chế biến và Xuất nhập khẩu Thủy sản CADOVIMEX Mã CK: CAD

5 Công ty Cổ phần Xây dựng Công nghiệp DESCON Mã CK: DCC

6 Công ty Cổ phần Hàng hải Đông Đô Mã CK: DDM

7 Công ty Cổ phần Xuất nhập khẩu Lâm Thủy sản Bến Tre Mã CK: FBT

8 Công ty Cổ phần Full Power Mã CK: FPC

9 Công ty Cổ phần Chứng khoán Golden Bridge Việt Nam Mã CK: GBS

10 Công ty Cổ phần Thực phẩm Quốc tế Mã CK: IFS

11 Công ty cổ phần Sông Đà 27 Mã CK: S27

12 Công ty Cổ phần Xi măng Sông Đà Mã CK: SCC

Dự báo theo AN AN KIỆT AN AN AN AN N/A

Ohlson TOÀN TOÀN QUỆ TOÀN TOÀN TOÀN TOÀN

13 Công ty Cổ phần Sông Đà 8 Mã CK: SD8

14 Công ty Cổ phần Sông Đà 25 Mã CK: SDJ

15 Công ty Cổ phần Hàng Hải Sài Gòn Mã CK: SHC

16 Công ty cổ phần Sông Đà - Thăng Long Mã CK: STL

17 Công ty Cổ phần Chứng khoán Sao Việt Mã CK: SVS

18 Công ty Cổ phần Tập đoàn Thái Hòa Việt Nam Mã CK: THV

19 Công ty Cổ phần Viễn thông Thăng Long Mã CK: TLC

20 Công ty Cổ phần Nước giải khát Sài Gòn Mã CK: TRI

21 Công ty Cổ phần Đầu tƣ và Phát triển Hạ tầng Vinaconex Mã CK: VCH

22 Công ty Cổ phần Nhựa Tân Hóa Mã CK: VKP

Dự báo theo Altman N/A KIỆT

Dự báo theo Ohlson N/A KIỆT

23 Công ty Cổ phần Xuất nhập khẩu Thủy sản Bến Tre Mã CK: ABT

24 Công ty Cổ phần Văn hóa Tân Bình Mã

25 Công ty Cổ Phần Bibica Mã CK: BBC

26 Công ty Cổ phần Đường Biên Hoà Mã CK: BHS

27 Công ty Cổ phần Khoáng sản Bình Định Mã CK: BMC

28 Công ty Cổ phần Nhựa Bình Minh Mã CK: BMP

29 Công ty Cổ phần Dƣợc Hậu Giang Mã CK: DHG

30 Công ty Cổ phần Cao Su Đồng Phú Mã CK: DPR

AN AN AN AN AN AN KIỆT N/A

Dự báo theo Ohlson TOÀN TOÀN TOÀN TOÀN TOÀN TOÀN QUỆ

31 Công ty Cổ phần Cao su Đà Nẵng Mã CK: DRC

32 Công ty Cổ phần Công viên nước Đầm Sen Mã CK: DSN

33 Công ty Cổ phần FPT Mã CK: FPT

34 Công ty Cổ phần Bao bì PP Bình Dương Mã CK: HBD

35 Công ty Cổ phần Cơ khí và Khoáng sản Hà Giang Mã CK: HGM

36 Công ty Cổ phần Dƣợc Lâm Đồng - Ladophar Mã CK: LDP

37 Công ty Cổ phần Đầu tƣ và Xây dựng Thủy lợi Lâm Đồng Mã CK: LHC

38 Công ty Cổ phần Giống cây trồng Trung ƣơng Mã CK: NSC

39 Công ty Cổ phần Công trình Giao thông Vận tải Quảng Nam Mã CK: QTC

40 Công ty Cổ phần Cơ điện lạnh Mã CK: REE

41 Công ty Cổ phần Đầu tƣ và Phát triển Sacom Mã CK: SAM

42 Công ty Cổ phần Giống cây trồng Miền Nam Mã CK: SSC

43 Công ty Cổ phần Cáp treo Núi Bà Tây Ninh Mã CK: TCT

44 Công ty Cổ phần TRAPHACO Mã CK: TRA

45 Công ty Cổ phần Cao su Tây Ninh Mã CK: TRC

46 Công ty Cổ phần VinaCafé Biên Hòa Mã CK: VCF

47 Công ty Cổ phần Khử trùng Việt Nam Mã CK: VFG

48 Công ty Cổ phần Viglacera Hạ Long Mã CK: VHL

KIỆT KIỆT KIỆT KIỆT KIỆT KIỆT

Dự báo theo Ohlson QUỆ QUỆ QUỆ QUỆ QUỆ QUỆ

49 Công ty Cổ phần Sữa Việt Nam Mã CK: VNM

50 Công ty Cổ phần Bến xe Miền Tây Mã CK: WCS

Phụ lục 5 trình bày tổng hợp kết quả tính toán giá trị của các biến độc lập và biến phụ thuộc, cùng với “kết quả dự báo lý thuyết” của 50 công ty trong mẫu nghiên cứu Các dữ liệu này được phân tích theo mô hình MVK-Merton (1974) tại thời điểm một năm trước khi xảy ra kiệt quệ.

• N m iệt quệ l n m m c ng ty được x c định l “ iệt quệ”, đ i v i những c ng ty được x c định l “ h ng iệt quệ” sẽ được ký hiệu l

• N m dự b o l n m trư c của n m iệt quệ, đ i v i những c ng ty được xác định l “ h ng iệt quệ” th n m dự b o l n m 2012.

• r: là lãi suất trung bình của trái phiếu chính phủ kỳ hạn 1 n m của n m dự báo.

• VE: là giá trị thị trường của v n chủ sở hữu tại n m dự báo.

• VE-STD l độ biến động của VE tại n m dự báo.

• Short-X: là nợ ngắn hạn ở n m dự báo.

• Long-X: là nợ dài hạn ở n m dự báo.

• X: bằng Short-X cộng một nửa Long-X.

• μ l tỷ suất sinh lợi kỳ vọng trên tổng tài sản tại n m dự báo.

• VA: là giá trị thị trường của tổng tài sản tại n m dự báo.

• VA-STD l độ biến động của VA tại n m dự báo.

• Các công ty có PD t ≥ 50% sẽ được dự báo là “ iệt quệ”, ngược lại, các công ty có PD t < 50% sẽ được dự báo là “ h ng iệt quệ”.

Năm dự báo r VE VE-STD Short-X Long-X X

Năm dự báo μ VA VA-STD DD PD Kết quả

Tiêu đề	Kiểm Tra Mức Độ Dự Báo Kiệt Quệ Tài Chính Tại Việt Nam Của Các Mô Hình Hiện Hữu
Tác giả	Trần Ngọc Thiện
Người hướng dẫn	TS. Nguyễn Thị Uyên Uyên
Trường học	Trường Đại Học Kinh Tế TP. HCM
Chuyên ngành	Tài Chính – Ngân Hàng
Thể loại	luận văn thạc sĩ kinh tế
Năm xuất bản	2014
Thành phố	TP. HCM

Định dạng
Số trang	136
Dung lượng	548,13 KB