Phân tích các nhân tố ảnh hưởng tới khả năng vỡ nợ của khách hàng pháp nhân tại ngân hàng TMCP ngoại thương việt nam – chi nhánh ba đình

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG LUẬN VĂN THẠC SĨ PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG TỚI KHẢ NĂNG VỠ NỢ CỦA KHÁCH HÀNG PHÁP NHÂN TẠI NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM CHI NHÁNH BA ĐÌNH Ngành: Tài - Ngân hàng NGUYỄN HỮU MẠNH Hà Nội, năm 2021 LUẬN VĂN THẠC SĨ PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG TỚI KHẢ NĂNG VỠ NỢ CỦA KHÁCH HÀNG PHÁP NHÂN TẠI NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM CHI NHÁNH BA ĐÌNH Ngành: Tài - Ngân hàng Họ tên học viên: Nguyễn Hữu Mạnh Người hướng dẫn khoa học: PGS.TS Nguyễn Thị Hiền Hà Nội, năm 2021 LỜI CAM ĐOAN Tơi xin cam đoan Luận văn “Phân tích nhân tố ảnh hưởng tới khả vỡ nợ khách hàng pháp nhân Ngân hàng TMCP Ngoại thương Việt Nam – chi nhánh Ba Đình” cơng trình nghiên cứu riêng Các số liệu luận văn sử dụng trung thực, trích dẫn có tính kế thừa, phát triển từ tài liệu, tạp chí, cơng trình nghiên cứu cơng bố, websites… Các giải pháp nêu luận văn rút từ sở lý luận trình nghiên cứu thực tiễn Hà Nội, ngày 25 tháng 05 năm 2021 Họ tên Nguyễn Hữu Mạnh LỜI CẢM ƠN Tôi xin chân thành cảm ơn PGS TS Nguyễn Thị Hiền, người tận tình bảo, định hướng, hướng dẫn thời gian qua, nhờ hồn thành luận văn Tơi xin chân thành cảm ơn giảng viên trường Đại học Ngoại Thương truyền đạt kiến thức vơ bổ ích suốt hai năm học cao học trường để tơi hồn thành luận văn Tơi xin gửi lời cảm ơn tới người thân, bạn bè, đồng nghiệp trường Đại học Ngoại thương tạo điều kiện cho học hồn thành chương trình cao học Kính mong nhận bảo, đóng góp ý kiến quý thầy cô, bạn bè quý đồng nghiệp để luận văn hoàn thiện Xin trân trọng cảm ơn! Hà Nội, ngày 25 tháng 05 năm 2021 Nguyễn Hữu Mạnh MỤC LỤC MỞ ĐẦU 1 Tính cấp thiết đề tài Tổng quan cơng trình nghiên cứu 2.1 Lược khảo cơng trình nghiên cứu 2.2 Khoảng trống nghiên cứu Mục tiêu nghiên cứu 3.1 Mục tiêu chung 3.2 Mục tiêu cụ thể Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu 4.2 Phạm vi nghiên cứu Ý nghĩa đề tài nghiên cứu 5.1 Ý nghĩa khoa học 5.2 Ý nghĩa thực tiễn Kết cấu đề tài CHƯƠNG CƠ SỞ LÝ THUYẾT VỀ RỦI RO VỠ NỢ CỦA KHÁCH HÀNG PHÁP NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI 1.1 Tín dụng ngân hàng thương mại 1.1.1 Khái niệm tín dụng ngân hàng thương mại 1.1.2 Đặc điểm tín dụng ngân hàng thương mại 1.1.3 Vai trị tín dụng ngân hàng thương mại kinh tế .9 1.2 Khách hàng pháp nhân 10 1.2.1 Khái niệm khách hàng pháp nhân 10 1.2.2 Ý nghĩa khách hàng pháp nhân 11 1.3 Tín dụng khách hàng pháp nhân 13 1.3.1 Khái niệm 13 1.3.2 Vai trị tín dụng khách hàng pháp nhân 13 1.3.3 Phân loại tín dụng khách hàng pháp nhân 15 1.4 Rủi ro vỡ nợ dư báo rủi ro vỡ nợ 17 MỤC LỤC 1.4.1 Khái niệm rủi ro vỡ nợ 17 1.4.2 Dấu hiệu rủi ro vỡ nợ doanh nghiệp 18 1.4.3 Nguyên nhân xảy rủi ro vỡ nợ doanh nghiệp 18 1.4.4 Mơ hình nghiên cứu dự báo khả vỡ nợ doanh nghiệp 19 1.4.5 Các nhân tố ảnh hưởng đến rủi ro vỡ nợ 24 1.5 Mơ hình nghiên cứu nhân tố ảnh hưởng đến rủi ro vỡ nợ khách hàng pháp nhân 27 1.6 Dữ liệu phương pháp phân tích liệu 30 1.6.1 Dữ liệu nghiên cứu 30 1.6.2 Phương pháp xử lý số liệu 30 TÓM TẮT CHƯƠNG 32 CHƯƠNG PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KHẢ NĂNG VỠ NỢ CỦA CÁC DOANH NGHIỆP TẠI NGÂN HÀNG TMCP NGOẠI THƯƠNG CHI NHÁNH BA ĐÌNH 33 2.1 Giới thiệu tổng quan Vietcombank chi nhánh Ba Đình 33 2.1.1 Lịch sử hình thành phát triển 33 2.1.2 Cơ cấu tổ chức 35 2.1.3 Chức nhiệm vụ 36 2.1.4 Kết kinh doanh Vietcombank chi nhánh Ba Đình .38 2.2 Thực trạng rủi ro vỡ nợ khách hàng pháp nhân Vietcombank chi nhánh Ba Đình 49 2.2.1 Tình hình khách hàng pháp nhân vỡ nợ giai đoạn 2018-2020 49 2.2.2 Thực trạng nhân tố ảnh hưởng đến rủi ro vỡ nợ khách hàng pháp nhân Vietcombank chi nhánh Ba Đình 51 2.3 Phân tích mơ hình tác động nhân tố đến rủi ro vỡ nợ khách hàng pháp nhân Vietcombank chi nhánh Ba Đình 58 2.3.1 Thống kê mô tả biến nghiên cứu 58 2.3.2 Phân tích tương quan 60 2.3.3 Các kiểm định mơ hình đo lường rủi ro vỡ nợ khách hàng pháp nhân Vietcombank Chi nhánh Ba Đình 61 MỤC LỤC 2.3.4 Độ nhạy mơ hình 64 2.3.5 Kết hồi quy thảo luận tác động nhân tố ảnh hưởng đến rủi ro vỡ nợ khách hành pháp nhân Vietcombank Chi nhánh Ba Đình 66 TÓM TẮT CHƯƠNG 71 CHƯƠNG KẾT LUẬN VÀ GIẢI PHÁP ĐỐI VỚI HOẠT ĐỘNG DỰ BÁO RỦI RO VỠ NỢ CỦA KHÁCH HÀNG PHÁP NHÂN TẠI NGÂN HÀNG TMCP VIỆT NAM - CHI NHÁNH BA ĐÌNH 72 3.1 Kết luận 72 3.2 Giải pháp rủi ro vỡ nợ khách hàng pháp nhân ngân hàng TMCP Ngoại Thương Việt Nam 72 3.2.1 Đánh giá lực tài trợ doanh nghiệp 72 3.2.2 Đánh giá cấu trúc nợ khách hàng pháp nhân 73 3.2.3 Đánh giá hiệu hoạt động khách hàng pháp nhân 74 3.2.4 Đánh giá nguồn vốn lưu động cho khách hàng pháp nhân đảm bảo tài trợ tài sản dài hạn 75 3.2.5 Đánh giá phân tích dòng tiền khách hàng pháp nhân 75 3.2.6 Đánh giá hiệu hoạt động đầu tư doanh nghiệp 76 3.3 Hạn chế nghiên cứu 77 TÓM TẮT CHƯƠNG 77 TÀI LIỆU THAM KHẢO 78 PHỤ LỤC KẾT QUẢ NGHIÊN CỨU 82 DANH MỤC VIẾT TẮT Từ viết tắt Tên viết tắt BCTC Báo cáo tài ĐCTC Định chế Tài Chính DNNVV Doanh Nghiệp Nhỏ Và Vừa HĐKD Hoạt động kinh doanh HSC Hội Sở Chính KHCN Khách Hàng Cá Nhân KHDN Khách Hàng Doanh Nghiệp KHPN Khách Hàng Pháp Nhân KT-XH Kinh tế xã hội NĐCP Nghị định phủ NHNN Ngân hàng nhà nước NHTM Ngân Hàng Thương Mại SPDV Sản phẩm dịch vụ TCTD Tổ chức tín dụng TTCK Thị Trường Chứng Khoán VCB Vietcombank DANH MỤC BẢNG Bảng 1.1 Ma trận nhầm lẫn (Confusion matrix) 23 Bảng 1.2 Đo lường biến nghiên cứu 29 Bảng 2.1 Tình hình huy động vốn Vietcombank Chi nhánh Ba Đình giai đoạn 2018-2020 38 Bảng 2.2 Tình hình cho vay Vietcombank Chi nhánh Ba Đình giai đoạn 20182020 42 Bảng 2.3 Cơ cấu cho vay theo ngành nghề, lĩnh vực kinh doanh Vietcombank Chi nhánh Ba Đình giai đoạn 2018-2020 45 Bảng 2.4 Rủi ro tín dụng Vietcombank Chi nhánh Ba Đình giai đoạn 2018-2020 46 Bảng 2.5 Thu từ hoạt động dịch vụ Vietcombank Chi nhánh Ba Đình giai đoạn 2018-2020 47 Bảng 2.6 Thu nhập lợi nhuận Vietcombank Chi nhánh Ba Đình giai đoạn 2018-2020 48 Bảng 2.7 Số lượng khách hàng pháp nhân vỡ nợ Vietcombank Ba Đình giai đoạn 2018 – 2020 50 Bảng 2.8 Tỷ lệ nợ xấu khách hàng pháp nhân vỡ nợ dư nợ xấu Vietcombank Ba Đình giai đoạn 2018 – 2020 51 Bảng 2.9 Quy mô doanh nghiệp vỡ nợ Vietcombank Ba Đình 52 Bảng 2.10 Tỷ lệ nợ/tổng tài sản doanh nghiệp vỡ nợ Vietcombank Ba Đình 53 Bảng 2.11 Vốn luân chuyển/ tổng tài sản doanh nghiệp vỡ nợ Vietcombank Ba Đình 54 Bảng 2.12 Tỷ lệ nợ ngắn hạn/tài sản doanh nghiệp vỡ nợ Vietcombank Ba Đình 55 Bảng 2.13 Lãi ròng/tổng tài sản doanh nghiệp vỡ nợ Vietcombank Ba Đình 56 Bảng 2.14 Dòng tiền hoạt động kinh doanh/ tổng nợ doanh nghiệp vỡ nợ Vietcombank Ba Đình 56 Bảng 2.15 Tỷ lệ thay đổi thu nhập doanh nghiệp vỡ nợ Vietcombank Ba Đình 57 Bảng 2.16 Thống kê mô tả biến 58 Bảng 2.17 Phân tích tương quan 60 Bảng 2.18 Kiểm định phù hợp mơ hình tổng quát 61 Bảng 2.19 Kiểm định phù hợp mơ hình 62 Bảng 2.20 Kiểm định Hosmer and Lemeshow 62 Bảng 2.21 Mức độ giải thích mơ hình nhân tố ảnh hưởng đến rủi ro vỡ nợ khách hành pháp nhân Vietcombank Chi nhánh Ba Đình 63 Bảng 2.22 Kết hồi quy Logistic mơ hình tác động nhân tố ảnh hưởng đến rủi ro vỡ nợ khách hành pháp nhân Vietcombank Chi nhánh Ba Đình 66 Bảng 2.23 Tổng hợp kết nghiên cứu 70 KHPN Khuyến khích hỗ trợ KHPN nhằm tìm nguồn lực để phát triển thêm hoạt động mạnh mở rộng thêm chuỗi giá trị, tạo dựng thương hiệu mạnh, tăng cường đầu tư, đại hóa dây chuyền cơng nghệ giúp khách hàng pháp nhân giải toán nâng cao chất lượng sản xuất,đảm bảo sức cạnh tranh 3.2.4 Đánh giá nguồn vốn lưu động cho khách hàng pháp nhân đảm bảo tài trợ tài sản dài hạn Chú trọng đánh giá việc KHPN cân đối thời hạn nợ ngắn hạn tương ứng với chu kỳ sống tài sản lưu động Khuyến khích KHPN tăng nguồn vốn kinh doanh lên cách, huy động thêm vốn công nhân viên chức từ nhiều nguồn khác (tiền thưởng, tiền tiết kiệm, tiền nhàn rỗi…) Phân tích đánh giá phương án kinh doanh, việc sử dụng vốn cơng ty việc góp vốn để mở rộng hoạt động kinh doanh doanh nghiệp Vốn bổ sung từ kết kinh doanh phương thức tạo nguồn tài quan trọng hấp dẫn cơng ty giảm chi phí, giảm bớt phụ thuộc bên ngoài, đáp ứng nhu cầu đầu tư tăng trưởng khách hàng pháp nhân Do đó, ngân hàng cần cẩn đánh giá hoạt động cụ thể doanh nghiệp sau: - Các khách hàng pháp nhân cần nhanh chóng đưa tất tài sản cố định vào lắp đặt vận hành nhằm phục vụ hoạt động kinh doanh - Cho thuê, nhượng bán tài sản bị hao mịn, tài sản khơng thể sử dụng cho mục đích SXKD nhằm nhanh chóng thu hồi vốn - Kế hoạch lý, nhượng bán, giảm bớt taì san̉ cố đin h chưa sử dụng Có vậy, taì sản cố đin h có phát huy hết tác dụng đồng thời giảm nhu cầu tài trợ taì san̉ cố đin h làm cho vốn lưu đông tăng lên - Bảo dưỡng định kỳ, sửa chữa kịp thời hư hỏng để không làm giảm công suất hoạt động mang lại hiệu kinh doanh cao 3.2.5 Đánh giá phân tích dịng tiền khách hàng pháp nhân Đối với khách hàng pháp nhân, đặc biệt DNNVV, Chi nhánh cần định phân tích dịng tiền báo cáo thu chi: nhằm đánh giá tình hình quản lý dịng tiền thơng qua tiêu phù hợp Tìm hiểu, phân tích đánh giá hỗ trợ doanh nghiệp biện pháp rút ngắn kỳ luân chuyển tiền, tiết kiệm vốn lưu động, có sách sử dụng tiền mặt phù hợp với hoàn cảnh cụ thể nhằm đem lại lợi ích cao cho doanh nghiệp, lý tài sản không thuộc lĩnh vực kinh doanh cốt lõi hiệu thấp 3.2.6 Đánh giá hiệu hoạt động đầu tư doanh nghiệp Nghiên cứu kỹ cấu hoạt động kinh doanh KHPN: Nội dung cần tập trung đánh giá tỷ lệ vốn vay, việc giảm tỷ lệ xuống mức thấp Cần xác định chuỗi giá trị khách hàng pháp nhân dựa lĩnh vực kinh doanh chiến lược, doanh nghiệp cần tiến hành đánh giá trạng cấu tổ chức để xem xét tính phù hợp với chuỗi giá trị Việc rà soát chuỗi giá trị giúp khách hàng pháp nhân xác định lĩnh vực kinh doanh không phù hợp với mục tiêu chiến lược, không tạo nên lực cốt lõi chức trọng yếu Bên cạnh khách hàng pháp nhân niêm yết cần phân bổ dịng tiền có doanh nghiệp hợp lý, cho vừa đảm bảo khả tái đầu tư, vừa nâng cao hiệu hoạt động doanh nghiệp Tư vấn nâng cao khả huy động vốn khách hàng pháp nhân: Huy động vốn dài hạn cách phát hành cổ phiếu, trái phiếu doanh nghiệp: khách hàng pháp nhân phát hành cổ phiếu, trái phiếu cho cổ động hữu, cho đối tác chiến lược phát hành rộng rãi thị trường chứng khoán Đây hình thức huy động vốn hiệu doanh nghiệp vừa huy động vốn với số lượng lớn mà giá vốn lại cố định suốt thời gian dài Từ đó, khách hàng pháp nhân lập kế hoạch SXKD dài hơn, khơng lo chi phí vốn biến đổi theo thị trường vay ngân hàng - Nâng cao hiệu giám sát hoạt động vận hành hệ thống kiểm soát nội khách hàng pháp nhân để nhận diện tốt rủi ro kinh doanh, rủi ro hoạt rủihành ro hiệu tài hoạt động Đánh giácam tồntừ diện nhân viên; thường xun giá vềđó, kiểm sốt nội cầnphân có kết vềviệc đảm dựngđộng, kiểm sốt ban nội bộ quy quả.đánh tắc Bên đạo cạnh đức xây ứng dựng xửtổ ápchức quy dụng trình cho cấp tích lãnh đánh đạo giáxây ro để xác định mức độ ảnh hưởng rủi ro đến mục tiêu khách hàng pháp nhân, xác định rủi ro nên tránh, rủi ro cần giảm thiểu chấp nhận; quy định rõ việc bố trí cán thực cơng tác giám sát cần phải am hiểu chuyên môn lĩnh vực giám sát để nâng cao hiệu giám sát Tư vấn giám sát kế hoạch tài dịng tiền, cân đối thu chi KHPN sở kết hợp ba định chiến lược tối ưu: Đầu tư, tài trợ phân phối lợi nhuận, thực phân tích tình để kiểm tra sẵn có tiền mặt hoàn cảnh khác 3.3 Hạn chế nghiên cứu Do thời gian nghiên cứu, kinh phí, nguồn lực có hạn, nên tác giả tập trung thu thập liệu 43 doanh nghiệp đại diện cho khách hàng pháp nhân vay vốn Vietcombank Ba Đình khoảng thời gian ngắn, chưa phân loại ảnh hưởng yếu tố tài chính, vĩ mơ, quản trị cấp độ khác đến rủi ro vỡ nợ, hạn chế kiến thức chuyên sâu, tài liệu tham khảo tài doanh nghiệp, quản trị rủi ro tài chính, sách vĩ mơ nên ảnh hưởng phần đến kết nghiên cứu.Điều cho thấy khía cạnh mẫu nghiên cứu, khía cạnh, yếu tố ảnh hưởng chưa thực đại diện để phản ánh hết chất tác động qua lại lẫn yếu tố tài chính, vĩ mơ đến rủi ro vỡ nợ khách hàng pháp nhân Các nghiên cứu tiếp tục khảo sát mẫu rộng tìm thêm nhân tố hồn thiện mơ hình nghiên cứu Bên cạnh đó, tác giả khắc phục khó khăn đề cập gia tăng nguồn lực, mối quan hệ kinh phí nghiên cứu luận văn, tham khảo ý kiến chun gia, để hồn thiện mơ hình nghiên cứu đóng góp thêm số giải pháp phát triển cho vay khách hàng pháp nhân theo hướng bền vững TÓM TẮT CHƯƠNG Trong chương này, nghiên cứu trình bày kết luận kết nghiên cứu Từ kết nghiên cứu trên, tác giả đưa khuyến nghị đề xuất số sách nhằm hỗ trợ cho việc đánh giá rủi ro vỡ nợ khách hàng pháp nhân Ngân hàng TMCP Ngoại thương Việt Nam Chi nhánh Ba Đình TÀI LIỆU THAM KHẢO Tiếng Việt Nguyễn Văn Tiến (2010) Giáo trình quản trị rủi ro kinh doanh ngân hàng NXB: thống kê Hồ Diệu (2011) Nghiệp vụ tín dụng ngân hàng NXB: Tài Hồng Trọng Chu Nguyễn Mộng Ngọc (2008) Phân tích liệu nghiên cứu với SPSS, tập NXB: Hồng Đức Nguyễn Đình Thọ (2011) Phương pháp nghiên cứu khoa học kinh doanh NXB: Lao động xã hội Tiếng Anh Alfan, E., Zakaria, Z (2013) Review of Financial Performance and Distress: A Case of Malaysian Construction Companies British Journal of Arts and Social Sciences, 12(2), 143-157 Altman, E I and Hotchkiss Edith, (2006) Corporate Financial Distress and Bankruptcy 3rd ed New Jersey: John Wiley & Sons, Inc;3 Altman, E I., (1968) “Financial ratios, discriminant analysis and the prediction of coporated bankcruptcy” The Journal of Finance, Vol 23(4), 589-609; Altman, Edward I (1968), Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance, 189-209; Appiah, Kingsley Opoku, and Joshua Abor 2009 Predicting corporate failure: Some empirical evidence from the UK Benchmarking: An International Journal 16: 432–44 Beaver, W H., (1968) Market prices, financial ratios, and the predictors of failure Journal of Accounting Research, Vol.6, No.2 (Autumn, 1968), pp.179192; Campbell, J Y et al, (2011) “Predicting financial distress and the performance of distressed stocks” Journal of Investment management, Vol 9(2): 14 – 34; Campbell, John Y., Jens Hilscher, and Jan Szilagyi 2008 In search of distress risk The Journal of Finance 63: 2899–939 Cheng, Wen-Ying, and Sheng-Jung Li (2003) A prediction validity metaanalysis study of impact factors on financial distress pre-warning model Joint Conference on Business Evaluation, 66–73 10 Hensher, David A., Stewart Jones, and William H Greene (2007) An error component logit analysis of corporate bankruptcy and insolvency risk in Australia Economic Record 83: 86–103 11 Hill, Nancy Thorley, Susan E Perry, and Steven Andes (1996) Evaluating firms in financial distress: An event history analysis Journal of Applied Business Research 12: 60–71 12 Ilahi, Ihsan, Raja Ahmed Jamil, Sibtain kazmi, Naveeda Ilahi, and Muhammad Saeed Lodhi (2015) Financial Performance analysis of Pakistan Banking Sector using Altman score model of corporate Bankruptcy Applied Research Journal 1: 13 Islambouli (2003) Using financial ratios to predict financial distress of industrial companies General food in Syria ", master thesis, Damascus university, Syria 14 Jones, Stewart, David Johnstone, and Roy Wilson (2015) An empirical evaluation of the performance of binary classifiers in the prediction of credit ratings changes Journal of Banking and Finance 56: 72–85 15 Lau, Amy Hing-Ling (1987) A five-state financial distress prediction model Journal of Accounting Research 25: 127–38 16 Li, June, and Reza Rahgozar (2012) Application of the Z-score model with consideration of total assets volatility in predicting corporate financial failures from 2000–2010 Journal of Accounting and Finance 12: 11–19 17 Liu, Mei-Ying, Dachen Chang, and Hsien-Feng Lee (2010) The Default Prediction Power of the Market-based Approach Relative to Accounting Variables—Evidence for Taiwan and China Paper presented at International Conference on Finance, Taipei, Taiwan, December 10–11 18 Mittal S, Lavina (2018) The determinant of financial distress in indian real estate and construction industry, Gurukul Business Review (GBR), Vol 14 (Spring 2018), pp 6-11 19 Mselmi N, Lahiani A, Lamza T (2017) Financial distress prediction: The case of French small and medium-sized firms, International Review of Financial Analysis, Vol 50, Pages 67-80 20 Ohlson, J., (1980) “Finacial ratios and the probabilistic prediction of bankruptcy” Journal of Accounting Research, Vol 18: 109 – 131; 21 Pindado, J., et al, (2008) Estimating financial distress likelihood Journal of Business Research, Vol 61: 995 – 1003; 22 Rugby (2006) Using financial ratios to predict financial failure of Jordanian corporation using discriminatory and logit analysis, Arabic journal of administration,vo13 (2), pp 149-173 23 Shumway, Tyler 2001 Forecasting bankruptcy more accurately: A simple hazard model The Journal of Business 74: 101–24 24 Sun, Jie, Hui Li, Qing-Hua Huang, and Kai-Yu He (2014) Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches Knowledge-Based Systems 57: 41–56 25 Taffler, R J (1982) Forecasting company failure in the UK using discriminant analysis and financial ratio data Journal of the Royal Statistical Society Series A (General) 145: 342–58 26 Tinoco, M H., Nick Wilson (2013) “Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables” International Review of Financial Analysis, Vol 30, 394 – 419 27 Utami W.I, Kartika P.T (2019) Determinants of Financial Distress in Property and Real Estate Companies The Indonesian Accounting Review Vol 9, No 1, January - June 2019, pages 109 – 120 28 Vieira, E S., Pinho, C., & Correia, C (2013) Insolvency prediction in the Portuguese construction industry Marmara Journal of European Studies, 21(2), 143-164 29 Wang, Zong-Jun, and Xiao-Lan Deng (2006) Corporate governance and financial distress: Evidence from Chinese listed companies Chinese Economy 39: 5–27 30 Waqas H, Md-Rus R (2018) Predicting financial distress: Importance of accounting and firm-specific market variables for Pakistan’s listed firms, Cogent Economics & Finance, 6:1, 1545739, DOI: 10.1080/23322039.2018.1545739 31 Whitaker, Richard B (1999) The early stages of financial distress Journal of Economics and Finance 23: 123–32 32 Wu, Y., Clive Gaunt, and Stephen F Gray (2010) A comparison of alternative bankruptcy prediction models Journal of Contemporary Accounting and Economics 6: 34–45 33 Y.Wu, C.Gaunt, S.Gray (2000), A comparison of alternative bankruptcy prediction models, Journal of Contemporary Accounting & Economics, 34-4 34 Zmijewski (1984) on German and Belgian Listed Companies between 2008– 2013 Master’s thesis, University of Twente, Enschede, The Netherlands 35 Zohra F.K et al (2015) Using Financial Ratios to Predict Financial Distress of Jordanian Industrial Firms ''Empirical Study Using Logistic Regression'', Academic Journal of Interdisciplinary Studies, Vol.4 (2), 137-141 PHỤ LỤC KẾT QUẢ NGHIÊN CỨU sum y osize tlta wcta clca nita flitl intwo chin Variable | Obs Mean 215 3906977 osize | 215 tlta | 215 wcta | clca | Std Dev Min Max 4890454 14.29927 1.159147 11.7512 17.8629 5117804 2213268 06014 935388 215 4316713 278394 001966 985196 215 2887635 1913443 011943 760121 + y | + 215 0339813 0450387 -.286609 173628 flitl | nita | 215 -.0050222 0884343 -.612694 254769 intwo | 215 1209302 3268071 chin | 215 -.122366 7.353891 -79.6909 30.5629 corre y osize tlta wcta clca nita flitl intwo chin (obs=215) | intwo y osize tlta wcta clca nita flitl chin + y | 1.0000 osize | -0.0283 1.0000 tlta | 0.0876 -0.0191 1.0000 wcta | -0.3625 0.0704 0.2173 1.0000 clca | 0.0927 0.1045 0.4649 0.2953 1.0000 nita | -0.2036 -0.0395 -0.0045 0.0509 -0.2208 1.0000 flitl | -0.1078 0.0678 -0.0431 0.0409 0.0747 -0.0763 1.0000 intwo | 0.2000 -0.1837 -0.1238 -0.0718 -0.0112 -0.3228 0.0001 chin | -0.1975 0.0849 0.0928 0.0868 0.0313 0.5401 -0.0034 1.0000 0.3430 1.0000 reg y osize tlta wcta clca nita flitl intwo chin Source | SS df MS + Number of obs = 215 F(8, 206) = 8.33 Model | 12.5053626 1.56317033 Prob > F = 0.0000 Residual | 38.6760327 206 187747732 R-squared = 0.2443 Adj R-squared = 0.2150 Root MSE = 4333 -+ -Total | 51.1813953 214 239165399 - y | Coef Std Err t P>|t| [95% Conf Interval] 0112281 0264889 0.42 0.672 -.0409961 tlta | 2853114 1547695 1.84 0.067 -.0198239 5904467 wcta | -.7224123 1128245 -6.40 0.000 -.944851 -.4999736 clca | 3881878 1893076 2.05 0.042 0149591 7614166 nita | -.5874283 8394906 -0.70 0.485 -2.242523 1.067667 flitl | -.5696696 3384992 -1.68 0.094 -1.237037 0976974 intwo | 2094903 1005004 2.08 0.038 0113491 4076315 chin | -.0069075 0049848 -1.39 0.167 -.0167353 0029203 _cons | 2747996 395902 0.69 0.488 -.5057396 1.055339 + osize | 0634523 estat vif Variable | VIF 1/VIF nita | 1.63 0.613703 chin | 1.53 0.652867 clca | 1.50 0.668642 tlta | 1.34 0.747691 intwo | 1.23 0.813285 wcta | 1.12 0.889272 osize | 1.07 0.930582 flitl | 1.02 0.979047 + + Mean VIF | 1.31 logit y osize tlta wcta clca nita flitl intwo chin Iteration 0: log likelihood = -143.84772 Iteration 1: log likelihood = -113.91944 Iteration 2: log likelihood = -112.52512 Iteration 3: log likelihood = -112.42668 Iteration 4: log likelihood = -112.42642 Iteration 5: log likelihood = -112.42642 Logistic regression Log likelihood = -112.42642 Number of obs = 215 LR chi2(8) = 62.84 Prob > chi2 = 0.0000 Pseudo R2 = 0.2184 y | Coef Std Err z P>|z| [95% Conf Interval] + osize | 0914702 147984 0.62 0.537 -.1985731 3815134 tlta | 1.566686 8793251 1.78 0.075 -.1567595 3.290132 wcta | -4.036081 7203546 -5.60 0.000 -5.44795 -2.624212 clca | 2.075161 1.05995 1.96 0.050 -.0023033 4.152625 nita | -2.902432 5.39874 -0.54 0.591 -13.48377 7.678904 flitl | -3.715611 2.03386 -1.83 0.068 -7.701904 2706818 intwo | 1.009639 5422384 1.86 0.063 -.0531288 2.072407 chin | -.1254368 0706823 -1.77 0.076 -.2639716 013098 _cons | -1.578576 2.226801 -0.71 0.478 -5.943027 2.785874 estimate store logit estat classification Logistic model for y True Classified | D ~D + | Total + + | 49 22 | 71 - | 35 109 | 144 + + Total | 84 131 | 215 Classified + if predicted Pr(D) >= True D defined as y != Sensitivity Pr( +| D) 58.33% Specificity Pr( -|~D) 83.21% Positive predictive value Pr( D| +) 69.01% Negative predictive value Pr(~D| -) 75.69% False + rate for true ~D Pr( +|~D) 16.79% False - rate for true D Pr( -| D) 41.67% False + rate for classified + Pr(~D| +) 30.99% False - rate for classified Correctly classified estat gof Pr( D| -) 24.31% 73.49% Logistic model for y, goodness-of-fit test number of observations = 215 number of covariate patterns = 215 Pearson chi2(206) = Prob > chi2 = 218.80 0.2576 lroc Logistic model for y number of observations = area under ROC curve = 215 0.7943 lsens, all logit y osize tlta wcta clca nita flitl intwo chin, or Iteration 0: log likelihood = -143.84772 Iteration 1: log likelihood = -113.91944 Iteration 2: log likelihood = -112.52512 Iteration 3: log likelihood = -112.42668 Iteration 4: log likelihood = -112.42642 Iteration 5: log likelihood = -112.42642 Logistic regression Log likelihood = -112.42642 y | Odds Ratio Number of obs = 215 LR chi2(8) = 62.84 Prob > chi2 = 0.0000 Pseudo R2 = 0.2184 Std Err z P>|z| [95% Conf Interval] + osize | 1.095784 1621585 0.62 0.537 8198999 1.464499 tlta | 4.790746 4.212623 1.78 0.075 8549097 26.8464 wcta | 0176666 0127262 -5.60 0.000 0043051 0724969 clca | 7.965826 8.443378 1.96 0.050 9976994 63.60071 nita | 0548896 2963345 -0.54 0.591 1.39e-06 2162.248 flitl | 0243406 0495053 -1.83 0.068 000452 1.310858 intwo | 2.74461 1.488233 1.86 0.063 9482578 7.943917 chin | 8821115 0623497 -1.77 0.076 7679954 1.013184 _cons | 2062686 4593192 -0.71 0.478 0026241 16.21399 esttab logit , r2 star(* 0.1 ** 0.05 *** 0.01) brackets nogap compress (1) y y osize 0.0915 [0.62] tlta 1.567* [1.78] wcta -4.036*** [-5.60] clca 2.075* [1.96] nita -2.902 [-0.54] flitl -3.716* [-1.83] intwo 1.010* [1.86] chin -0.125* [-1.77] _cons -1.579 [-0.71] N 215 R-sq t statistics in brackets * p