GVHD TS Nguyễn Thị Uyên Uyên 1 MỤC LỤC MỤC LỤC 1 TÓM TẮT 4 1 GIỚI THIỆU 6 1 1 Lý do chọn đề tài 6 1 2 Mục tiêu nghiên cứu 6 1 3 Phƣơng pháp và nội dung nghiên cứu 7 1 4 Đóng góp của đề tài 8 1 5 Bố cụ[.]
1 MỤC LỤC MỤC LỤC TÓM TẮT GIỚI THIỆU 1.1 Lý chọn đề tài 1.2 Mục tiêu nghiên cứu 1.3 Phƣơng pháp nội dung nghiên cứu 1.4 Đóng góp đề tài 1.5 Bố cục nghiên cứu TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƢỚC ĐÂY VỀ DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN 10 2.1 Tổng quan lý thuyết kiệt quệ tài 10 2.1.1 Sự phát triển định nghĩa kiệt quệ tài 10 2.1.2 Nguyên nhân gây kiệt quệ tài 12 2.1.3 Tác động kiệt quệ tài 14 2.1.4 Tái cấu trúc công ty kiệt quệ tài 16 2.2 Các nghiên cứu trƣớc dự báo kiệt quệ tài phá sản 18 PHƢƠNG PHÁP NGHIÊN CỨU 29 3.1 Mơ hình hồi quy nhị phân Logit với liệu bảng 29 3.2 Tác động cận biên biến độc lập 30 3.3 Dữ liệu xác định biến số 31 3.3.1 Biến phụ thuộc FD – Kiệt quệ tài 31 3.3.2 Các biến độc lập 32 3.3.2.1 Các biến số tỷ số tài 32 TFOTL – Tỷ số Dòng tiền hoạt động kinh doanh Tổng nợ 32 TLTA – Tỷ số Tổng nợ Tổng tài sản 32 NOCREDINT – (Tài sản ngắn hạn – Hàng tồn kho – Nợ ngắn hạn)/ Chi phí hoạt động hàng ngày 33 COVERAGE – Tỷ số EBITDA Chi phí lãi vay 34 3.3.2.2 Các biến báo kinh tế vĩ mô 34 CPI – Lạm phát đƣợc tính tốn phần trăm thay đổi Chỉ số giá tiêu dùng 34 TBILL – Lãi suất tín phiếu kho bạc kỳ hạn năm 35 3.3.2.3 Các biến số thị trƣờng 36 PRICE – Giá cổ phiếu 36 ABNRET – Tỷ suất sinh lợi vƣợt trội 36 SIZE – Quy mô công ty 37 VOLATILITY – Biến động tỷ suất sinh lợi giá cổ phiếu 38 4.1 4.1.1 KẾT QUẢ NGHIÊN CỨU 40 Thống kê mô tả 40 Thống kê mô tả cho biến số sử dụng mơ hình – gồm biến số tỷ số tài 40 4.1.2 Thống kê mô tả cho biến số sử dụng mơ hình – gồm biến số tỷ số tài báo kinh tế vĩ mô 42 4.1.3 Thống kê mô tả cho biến số sử dụng mô hình – gồm biến số tỷ số tài chính, báo kinh tế vĩ mơ thị trƣờng 45 4.1.4 4.2 Ma trận hệ số tƣơng quan nhân tử phóng đại phƣơng sai VIF 47 Kết hồi quy với mơ hình Logit 48 4.3 Đo lƣờng khả dự báo phân loại mơ hình 53 4.3.1 Các giá trị thống kê đo lƣờng khả dự báo mơ hình 53 4.3.2 Kiểm định khác mặt thống kê giá trị AUC 57 4.3.3 Đánh giá khả phân loại mơ hình 62 4.3.4 So sánh khả dự báo mơ hình đầy đủ đƣợc ƣớc lƣợng theo phƣơng pháp Logit, Probit Mạng thần kinh nhân tạo 66 4.4 Đo lƣờng tác động cận biên trung bình (Average Marginal Effects) xác suất dự báo khả rơi vào tình trạng kiệt quệ tài (Predicted Probabilities) 67 4.5 Phân tích số trƣờng hợp cụ thể 72 KẾT LUẬN 77 5.1 Tóm tắt kết nghiên cứu 77 5.2 Hạn chế đề tài hƣớng nghiên cứu 78 PHỤ LỤC 80 TÀI LIỆU THAM KHẢO 81 TÓM TẮT Bài nghiên cứu sử dụng phƣơng pháp hồi quy Logit với liệu dạng bảng gồm 1444 quan sát công ty – năm công ty phi tài đƣợc niêm yết Sở Giao dịch chứng khốn Thành phố Hồ Chí Minh Sở Giao dịch chứng khoán Hà Nội giai đoạn 2008 – 2012 để xem xét khả kết hợp biến số tài chính, biến số kinh tế vĩ mô biến số thị trƣờng việc dự báo tình trạng kiệt quệ tài cơng ty Đầu tiên, nhóm tác giả thực hồi quy Logit với mơ hình gồm biến phụ thuộc nhị phân biến số tỷ số tài Sau đó, nhóm tác giả lần lƣợt tiến hành thêm vào mơ hình ban đầu biến số báo kinh tế vĩ mô biến số thị trƣờng nhằm xem xét đóng góp loại biến số việc gia tăng khả dự báo phân loại mơ hình Ngồi ra, nhóm tác giả tiến hành tính tốn tác động cận biên biến độc lập lên xác suất rơi vào kiệt quệ tài cơng ty để giải thích rõ ràng ảnh hƣởng thay đổi giá trị biến độc lập tác động nhƣ lên xác suất công ty rơi vào tình trạng kiệt quệ tài Nhóm tác giả thu đƣợc kết nhƣ sau: - Thứ nhất, biến số tỷ số tài có khả dự báo tình trạng kiệt quệ tài cơng ty khơng cao - Thứ hai, biến số báo kinh tế vĩ mơ có đóng góp vào khả dự báo kiệt quệ tài cơng ty - Thứ ba, biến số thị trƣờng đóng góp nhiều vào khả dự báo tình trạng kiệt quệ tài công ty - Thứ tƣ, việc kết hợp biến số tỷ số tài chính, báo kinh tế vĩ mơ thị trƣờng vào mơ hình cho thấy khả dự báo tình trạng kiệt quệ tài với mức độ xác cao Những kết nói cho thấy tình trạng kiệt quệ tài cơng ty Việt Nam khơng đƣợc dự báo hồn tồn thơng tin thu thập đƣợc từ Báo cáo tài chính, mà cịn chịu ảnh hƣởng nhân tố bên ngồi từ mơi trƣờng kinh tế vĩ mô đặc biệt từ yếu tố thị trƣờng Từ khóa: kiệt quệ tài chính, mơ hình Logit GIỚI THIỆU 1.1 Lý chọn đề tài Kinh tế giới năm gần biến động mạnh mẽ, mang đến cho công ty nhiều hội nhƣng không khó khăn hoạt động kinh doanh Trong môi trƣờng kinh tế phát triển động, việc dự báo xác khả rơi vào tình trạng kiệt quệ tài vấn đề cốt lõi giúp nhà quản lý đƣa định phù hợp, trì tồn thúc đẩy phát triển công ty Các nguyên nhân dẫn đến kiệt quệ tài ngày phức tạp Tình trạng kiệt quệ tài khơng đơn yếu tố bên công ty gây mà cịn yếu tố bên ngồi tác động đến Các mơ hình dự báo kiệt quệ tài dựa vào yếu tố bên nhƣ biến số tỷ số tài chính, dựa vào yếu tố bên nhƣ biến số thị trƣờng vĩ mơ Do đó, mơ hình dự báo khơng thể phát huy đƣợc hết khả dự báo kiệt quệ tài Vì vậy, cần thiết phải có cách thức dự báo tình trạng kiệt quệ tài chính xác nhằm giúp nhà quản lý đƣa hành động kịp thời đắn, giúp công ty tránh khỏi tình trạng kiệt quệ tài từ nâng cao giá trị công ty Từ yêu cầu thiết nói trên, nhóm tác giả chúng tơi thực nghiên cứu nhằm tìm mơ hình dự báo tình trạng kiệt quệ tài cho cơng ty niêm yết Việt Nam có kết hợp liệu tài bên cơng ty nhƣ liệu thị trƣờng vĩ mơ bên ngồi cơng ty 1.2 Mục tiêu nghiên cứu Hiện có nhiều nghiên cứu mơ hình dự báo tình trạng kiệt quệ tài Tuy nhiên, chúng sử dụng liệu tài chính, sử dụng liệu thị trƣờng Kết dự báo thu đƣợc từ mơ hình khác đặc điểm riêng loại liệu có nhiều tranh cãi xung quanh việc sử dụng loại liệu để tiến hành dự báo tình trạng kiệt quệ tài tốt Gần xuất số nghiên cứu sử dụng cách tiếp cận kết hợp, sử dụng liệu tài liệu thị trƣờng mơ hình Kết thu đƣợc cho thấy liệu tài liệu thị trƣờng kết hợp với tạo nên mơ hình dự báo tốt Vì vậy, thực nghiên cứu để kiểm tra cách thực nghiệm hữu ích kết hợp biến số tỷ số tài chính, biến thị trƣờng biến kinh tế vĩ mơ vào mơ hình dự báo tình trạng kiệt quệ tài Nghiên cứu phát triển mơ hình dự báo tình trạng kiệt quệ tài cho cơng ty niêm yết thị trƣờng chứng khoán Việt Nam Để làm rõ mục tiêu nghiên cứu nói trên, nhóm tác giả cần giải vấn đề sau: - Đƣa sở để xác định nhƣ công ty rơi vào tình trạng kiệt quệ tài - Xác định yếu tố ảnh hƣởng đến khả rơi vào tình trạng kiệt quệ tài cơng ty - Sử dụng mơ hình hồi quy kinh tế lƣợng thích hợp để đo lƣờng tác động yếu tố đến khả xảy kiệt quệ tài 1.3 Phƣơng pháp nội dung nghiên cứu Để xem xét khả dự báo tình trạng kiệt quệ tài cơng ty thơng qua biến số tỷ số tài chính, báo kinh tế vĩ mô nhƣ biến số thị trƣờng với cơng ty thị trƣờng chứng khốn Việt Nam, nhóm tác giả chọn cơng ty phi tài có niêm yết Sở giao dịch chứng khốn thành phố Hồ Chí Minh Sở giao dịch chứng khoán thành phố Hà Nội Bài nghiên cứu sử dụng nguồn liệu từ sở liệu Bloomberg gồm 1444 quan sát công ty – năm công ty đƣợc niêm yết Sở giao dịch chứng khốn TP Hồ Chí Minh Sở giao dịch chứng khoán Hà Nội từ năm 2008 đến năm 2012 Ngồi ra, việc thu thập liệu vĩ mơ dựa sở liệu Ngân hàng Thế giới – World Bank Trong nghiên cứu này, nhóm tác giả phân loại quan sát thành hai loại: quan sát rơi vào tình trạng kiệt quệ tài đƣợc gán giá trị biến phụ thuộc 1, quan sát khơng bị kiệt quệ tài đƣợc gán giá trị biến phụ thuộc Để giải vấn đề biến phụ thuộc biến nhị phân, nhóm tác giả sử dụng mơ hình Logit nghiên cứu 1.4 Đóng góp đề tài Kết nghiên cứu cho thấy kết hợp biến số tỷ số tài chính, báo kinh tế vĩ mô biến số thị trƣờng vào mơ hình khả dự báo phân loại mơ hình tốt trƣờng hợp sử dụng biến số tỷ số tài Điều hàm ý tình trạng kiệt quệ tài khơng đƣợc dự báo hồn tồn từ bảng báo cáo tài chính, mà cịn chịu ảnh hƣởng nhân tố bên ngồi từ mơi trƣờng kinh tế vĩ mô yếu tố thị trƣờng Việc đƣa mơ hình dự báo khả rơi vào tình trạng kiệt quệ tài cơng ty xác giúp cơng ty có biện pháp ngăn chặn kịp thời tổn thất xảy Điều giúp công ty nâng cao hiệu hoạt động kinh tế ngày cạnh tranh biến động Mặt khác, dự báo đƣợc khả cơng ty rơi vào tình trạng kiệt quệ tài chủ nợ nhƣ nhà đầu tƣ đại chúng khác đƣa đƣợc định đắn Đây nghiên cứu Việt Nam mơ hình dự báo khả rơi vào kiệt quệ tài cơng ty mà có sử dụng kết hợp loại biến số tài chính, biến số thị trƣờng biến số báo kinh tế vĩ mô dựa liệu lớn Đặt tảng cho nghiên cứu sau mơ hình dự báo tình trạng kiệt quệ tài sử dụng kết hợp biến số tỷ số tài chính, biến số báo kinh tế vĩ mô biến số thị trƣờng 1.5 Bố cục nghiên cứu Bài nghiên cứu nhóm tác giả gồm phần: Phần – Giới thiệu tổng quan đề tài Trong phần 1, nhóm tác giả trình bày tổng quan vấn đề nghiên cứu Cụ thể, nhóm tác giả yêu cầu thiết dẫn nhóm tác giả đến việc thực nghiên cứu, từ cho thấy đóng góp đề tài giai đoạn Đồng thời, nhóm tác giả xây dựng mục tiêu nghiên cứu cung cấp nhìn tổng quát phƣơng pháp nhƣ số liệu đƣợc sử dụng nghiên cứu Phần – Tổng quan lý thuyết nghiên cứu trước dự báo kiệt quệ tài phá sản Nhóm tác giả xây dựng phần với mục đích cung cấp nhìn tổng quan kiệt quệ tài chính, bao gồm phát triển định nghĩa kiệt quệ tài chính, ngun nhân gây tình trạng kiệt quệ tài chính, tác động kiệt quệ tài lên cơng ty số biện pháp tái cấu trúc cơng ty rơi vào tình trạng kiệt quệ tài Đồng thời, nhóm tác giả cung cấp nhìn xuyên suốt trình phát triển nghiên cứu thực nghiệm dự báo tình trạng kiệt quệ tài phá sản giới nhằm có định hƣớng rõ ràng việc xây dựng phƣơng pháp nghiên cứu lựa chọn biến số cho mơ hình dự báo kiệt quệ tài phía sau Phần – Phương pháp nghiên cứu Phần cung cấp chi tiết hóa phƣơng pháp nghiên cứu, liệu nhƣ cách xác định biến số đƣợc sử dụng nghiên cứu nhóm tác giả Ngồi ra, nhóm tác giả đƣa kỳ vọng dấu biến số mơ hình hồi quy phần Phần – Kết nghiên cứu Nhóm tác giả trình bày kết từ mơ hình hồi quy Logit; kiểm định liên quan nhằm đánh giá mức độ xác dự báo kiệt quệ tài mơ hình nhƣ thảo luận kết nghiên cứu cho công ty Việt Nam phần Phần – Kết luận Phần tóm tắt kết nghiên cứu nhƣ nêu lên hạn chế đề tài hƣớng mở rộng nghiên cứu 10 TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƢỚC ĐÂY VỀ DỰ BÁO KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN 2.1 Tổng quan lý thuyết kiệt quệ tài 2.1.1 Sự phát triển định nghĩa kiệt quệ tài Rắc rối lớn lĩnh vực dự báo kiệt quệ tài thiếu định nghĩa thống tình trạng khó khăn tài mà cơng ty phải đối mặt Bởi định nghĩa kiệt quệ tài xác định mục tiêu nghiên cứu điều kiện tiên để dự báo kiệt quệ tài chính, nghiên cứu trƣớc có nhiều nỗ lực việc tìm định nghĩa phù hợp kiệt quệ tài Theo Brealey Meyers (2003), kiệt quệ tài xảy cơng ty gặp khó khăn tài (financial difficulties) khơng thể đáp ứng hứa hẹn với chủ nợ hay đáp ứng cách khó khăn Trong số nghiên cứu kinh điển, khó khăn tài nhƣ bao gồm việc khơng có khả trả nợ trả cổ tức cổ phần ƣu đãi dẫn đến hậu tƣơng ứng nhƣ thấu chi tiền gửi ngân hàng phải lý tài sản công ty để trả nợ, chí tuyên bố phá sản theo luật định (Beaver, 1966 Altman, 1968) Cho đến bây giờ, phá sản (bankruptcy) khái niệm phổ biến đƣợc dùng nhƣ từ đồng nghĩa với tình trạng cơng ty đối mặt với khó khăn tài Phá sản tiến trình theo luật định mà cơng ty không trả đƣợc nợ tuyên bố khả chi trả nợ, hình thức cuối nghiêm trọng kiệt quệ tài Hầu hết nghiên cứu trƣớc dự báo thất bại công ty (corporate failure) tập trung vào công ty đệ đơn phá sản (Beaver, 1966, 1968; Altman, 1968; Altman, Haldeman Narayanan, 1977; Ohlson, 1980) Mất khả chi trả (insolvency) khái niệm pháp lý thƣờng đƣợc sử dụng trƣờng hợp cơng ty đối mặt với khó khăn tài chính, bao gồm vấn đề tính khoản thành hoạt động (Altman Hotchkiss, 2006) Cơng ty khả tốn đƣợc xác định cơng ty có lợi nhuận hoạt động âm giá dịng tiền cơng ty tổng giá trị nghĩa vụ tài (Altman, 1983; Keating cộng sự, 2005) Khi mà 71 tƣơng quan âm xác suất dự báo kiệt quệ tài mức độ thay đổi biến số Hơn nữa, có suy giảm đáng kể xác suất dự báo kiệt quệ tài mức gần 0, biến số COVERAGE đạt đến giá trị lớn miền giá trị Mặt khác, mẫu hình biểu thay đổi xác suất rơi vào tình trạng kiệt quệ tài theo độ lớn biến số TFOTL NOCREDINT cho thấy độ dốc hƣớng xuống gần nhƣ gần 0, có nghĩa tác động ngƣợc chiều hai biến nhỏ Đồ thị Đồ thị trình bày tác động biến số thị trƣờng, nhân tố có tác động lớn lên thay đổi xác suất kiệt quệ tài biến số ABNRET VOLATILITY, sau hai biến số PRICE SIZE Cả ba biến số PRICE, VOLATILITY SIZE cho thấy mối tƣơng quan nghịch chúng với xác suất kiệt quệ tài Trong đó, đồ thị thể biến số ABNRET có mối quan hệ ngƣợc lại, kết hoàn toàn đồng với kết hồi quy phân tích tác động cận biên 72 Đồ thị Đồ thị trình bày thay đổi biến số báo kinh tế vĩ mô CPI TBILL ảnh hƣởng đến thay đổi xác suất dự báo kiệt quệ tài tất biến số khác đƣợc giữ không đổi mức trung bình chúng Khi xem xét hai loại nhân tố kinh tế vĩ mô thị trƣờng, nhóm tác giả thấy biến số góp phần đáng kể việc dự báo xác suất kiệt quệ tài chính, tƣơng tự nhƣ kết nhóm tác giả tìm thấy phân tích tác động cận biên 4.5 Phân tích số trƣờng hợp cụ thể Sau thực số phƣơng pháp hồi quy nhƣ phép đo lƣờng khả dự báo mức độ tác động cận biên, nhóm tác giả nhận đƣợc kết biến số tỷ số tài đƣợc xác định từ báo cáo tài cơng ty có khả dự báo tình trạng kiệt quệ tài Tuy nhiên, việc sử dụng kết hợp tất nhóm biến số, bao gồm biến số tỷ số tài chính, số kinh tế vĩ mơ biến số thị trƣờng tạo đƣợc khả dự báo kiệt quệ tài tốt đáng kể so với mơ hình sử dụng biến số tài Điều hàm ý kết luận rõ ràng trực quan thông tin đƣợc phản ánh hàng ngày bảng báo cáo tài cơng ty chƣa thể dự báo cách đầy đủ xác khả cơng ty bị rơi vào tình trạng kiệt quệ tài Thay vào đó, khả kiệt quệ tài đƣợc dự báo cách tốt xem xét đồng thời với yếu tố 73 vĩ mô thị trƣờng Đặc biệt, thơng tin tài đƣợc điểu chỉnh theo thị trƣờng có khả dự báo vƣợt trội hết việc nhìn nhận kỳ vọng công ty cá nhân tổ chức thị trƣờng đƣợc phản ánh vào giá cổ phiếu cơng ty cách xác linh động so với thơng tin đƣợc trình bày đơn báo cáo tài Trong phần này, nhóm tác giả tiến hành phân tích cụ thể số cơng ty rơi vào tình trạng kiệt quệ tài nhằm đƣa đánh giá so sánh cách trực quan khả dự báo kiệt quệ tài biến số tỷ số tài chính, biến số vĩ mơ thị trƣờng Cụ thể, nhóm tác giả xem xét trƣờng hợp sau đây: Bảng 12 Công ty PXM KBC Năm TLTA TFOTL NOCREDINT TBILL 2008 0.0994 2009 0.108 SIZE PRICE RETURN 2010 0.739396679 -0.11035 -184.958492 0.10329 0.000296812 0.692379 -0.208940026 2011 0.795545985 -0.12067 -128.881806 0.1272 0.000127515 0.204538 -0.178664716 2012 1.168645674 0.095598 -623.841077 0.0865 0.000011307 0.115274 -0.156595745 2008 0.409742851 0.087011 0.0994 0.039491813 1.522749 -0.175833499 2009 0.600202817 0.068097 0.108 0.018907196 2.092465 0.134814776 2010 0.542207384 -0.1761 771.56475 0.10329 0.014440228 1.743769 -0.049936039 2011 0.555423243 -0.4127 -608.806505 0.1272 0.005528638 0.48994 -0.220965666 2012 0.599976289 -0.02628 -875.981784 0.0865 0.002995396 0.283381 -0.141886792 74 SJS -0.3401 -264.976745 0.0994 0.010444813 1.273384 -0.248785758 0.108 0.013500487 4.329239 0.876882197 2008 0.278201051 2009 0.411533793 0.239948 2010 0.510606947 0.355802 -962.268556 0.10329 0.009003569 3.15417 -0.084161756 2011 0.640624362 0.028761 -4088.67899 0.1272 0.004265919 1.03696 -0.202142898 2012 0.718791753 -0.22396 -1960.18697 0.0865 0.001269143 1.04707 -0.028117155 Ghi chú: Tỷ số TLTA, TFOTL NOCREDINT thể trọng bảng tỷ số chưa xử lý qua hàm TANH nhằm dễ dàng giải thích; tỷ số RETURN tỷ suất sinh lợi cổ phiếu tính theo mức giá điều chỉnh, nhân tố để tính biến số ABNRET Cơng ty Cổ phần Xây lắp Dầu khí Miền Trung – Mã chứng khoán PXM Vào ngày 20/01/2014, mã cổ phiếu PXM bị Sở giao dịch chứng khốn TP Hồ Chí Minh đƣa vào diện bị kiểm soát tổng số lỗ lũy kế công ty ngày 30/06/2013 Báo cáo tài hợp sốt xét vƣợt số vốn điều lệ thực góp Nguyên nhân tình trạng bắt nguồn trực tiếp từ khoản thu nhập hai năm 2012 2013 liên tục âm Khoản lỗ đƣợc khuếch đại doanh thu công ty sụt giảm đáng kể công ty lại đồng thời sử dụng mức đòn bẩy (TLTA – tỷ số Tổng nợ Tổng tài sản) cao mức vƣợt 70% năm 2012 2013 Nghiên cứu chi tiết hơn, nhóm tác giả nhận thấy doanh thu PXM sụt giảm năm trƣớc cơng ty tiến hành đẩy cao doanh thu nhằm tạo mức thu nhập dƣơng thông qua việc gia tăng tín dụng thƣơng mại cho khách hàng, đƣợc thể qua giá trị khoản phải thu tăng đáng kể Tuy nhiên, phƣơng pháp sử dụng nhiều năm liên tục khách hàng khơng muốn mua sản phẩm mức so với nhu cầu gây mức sụt giảm doanh thu năm 2012 2013 Sở dĩ, công ty muốn gia tăng mức thu nhập bảng kết hoạt động kinh doanh muốn tạo kỳ vọng tốt cho nhà đầu tƣ để thu đƣợc lợi ích từ việc phát hành cổ phiếu lần đầu (IPO) vào năm 2010 Đồng thời, việc giá cổ phiếu PXM liên tục giảm đáng kể từ cuối năm 2010 tín hiệu thị trƣờng tiêu cực làm cho kế 75 hoạch phát hành thêm cổ phiếu vào năm 2011 cơng ty khơng đƣợc thơng qua Ngồi ra, cơng ty phải sử dụng hoàn toàn nguồn vốn vay ngắn hạn để thay tiếp cận đƣợc nguồn vốn vay dài hạn thông tin tiêu cực công ty tiếp tục diễn thị trƣờng vào năm 2012 2013 Tổng hợp điều làm cho cơng ty PXM rơi vào tình trạng thiếu thốn tiền mặt cho hoạt động kinh doanh lúc phải gánh chịu chi phí sử dụng vốn cao Tuy nhiên, tình trạng kiệt quệ tài cơng ty PXM vào năm 2013 vốn đƣợc dự báo từ năm trƣớc thơng qua tỷ số Dòng tiền hoạt động Tổng nợ (TFOTL) tỷ số đo lường khả tự tài trợ cho chi phí hoạt động hàng ngày (NOCREDINT) liên tục âm năm 2010, 2011 2012 Tuy nhiên, tỷ số TFOTL tƣơng ứng với năm 2012 nhận giá trị dƣơng tăng lên so với năm 2011 cơng ty lại bị rơi vào tình trạng kiệt quệ tài vào năm 2013, điều cho thấy khả giải thích chƣa hồn hảo tỷ số TFOTL Với biến số thị trƣờng, nhóm tác giả quan sát thấy xu hƣớng tiêu cực đồng qua năm 2010, 2011 2012, trƣớc cơng ty rơi vào tình trạng kiệt quệ tài vào năm 2013 Tỷ trọng vốn hóa thị trường (SIZE) Giá cổ phiếu (PRICE) công ty liên tục giảm đồng thời Tỷ suất sinh lợi cổ phiếu (RETURN) nhận giá trị âm liên tục qua năm trƣớc rơi vào kiệt quệ tài Lãi suất cho vay gia tăng dẫn đến khả công ty rơi vào kiệt quệ tài cao Xu hƣớng đƣợc quan sát thấy công ty vào năm 2010 2011, nhiên lại không phù hợp vào 2012 lãi suất cho vay giảm nhƣng công ty lại rơi vào tình trạng kiệt quệ tài vào năm 2013 Tổng Công ty Phát triển Đô Thị Kinh Bắc – Cơng ty Cổ phần – Mã chứng khốn KBC Vào ngày 02/04/2013, mã cổ phiếu KBC bị Sở giao dịch chứng khốn TP Hồ Chí Minh đƣa vào diện cảnh báo lợi nhuận sau thuế cổ đơng cơng ty mẹ báo cáo tài hợp đƣợc kiểm tốn năm 2012 cơng ty số âm Điều chủ yếu xuất phát từ sụt giảm đáng kể doanh thu công ty vào năm 2012, công ty 76 trì mức địn bẩy cao gần 60% Đồng thời, trƣớc vào năm 2011 cơng ty khơng thể thơng qua kế hoạch phát hành thêm cổ phiếu lý giá cổ phiếu sụt giảm mạnh khiến cổ đông nhận thấy không thu đƣợc lợi ích từ việc phát hành cổ phiếu Tƣơng tự nhƣ mã chứng khốn PXM, tình trạng kiệt quệ tài cơng ty KBC đƣợc dự báo thơng qua tỷ số TFOTL nhận giá trị âm liên tiếp năm 2010, 2011 2012 Tuy nhiên, tỷ số NOCREDINT cho thấy không đồng giá trị năm 2010 nhận giá trị dƣơng vào năm Công ty Cổ phần Đầu tư Phát triển Đô thị Khu công nghiệp Sông Đà – Mã chứng khoán SJS Vào ngày 20/01/2014, mã cổ phiếu SJS tiếp tục bị Sở giao dịch chứng khoán TP Hồ Chí Minh trì diện bị kiểm sốt kết kinh doanh bị thua lỗ năm liên tiếp Báo cáo tài hợp năm 2011 2012 đƣợc kiểm toán Nhƣ hầu hết cơng ty rơi vào tình trạng kiệt quệ tài chính, cơng ty SJS trải qua sụt giảm, sử dụng mức đòn bẩy cao Đồng thời, giá cổ phiếu công ty SJS sụt giảm từ năm 2011 làm cho chi phí sử dụng vốn gia tăng trƣờng hợp phát hành cổ phiếu Về khía cạnh dụ báo, tỷ số TFOTL cho thấy xu hƣớng giảm liên tục tỷ số NOCREDINT liên tục âm qua năm 2010, 2011 2012 Mặt khác, tình trạng kiệt quệ tài hai cơng ty KBC SJS đƣợc dự báo cách thống xác thơng qua yếu tố thị trƣờng số kinh tế vĩ mô, tƣơng tự nhƣ cơng ty PXM Tóm lại, qua phân tích cụ thể cơng ty nói trên, nhóm tác giả kết luận nguyên nhân dẫn đến tình trạng kiệt quệ tài cơng ty có khác xem xét tiêu từ báo cáo tài chính; nhƣng đồng yếu tố thị trƣờng cụ thể sụt giảm mạnh giá cổ phiếu trƣớc rơi vào tình trạng kiệt quệ tài Đồng thời, nhóm tác giả lần cho thấy tình trạng kiệt quệ tài công ty không đƣợc dự báo từ thông tin bên công ty thông qua tỷ số tài mà cịn đƣợc phản ánh đầy đủ thơng qua yếu tố bên ngồi bao gồm mơi trƣờng kinh tế vĩ mô đặc biệt yếu tố thị trƣờng 77 KẾT LUẬN 5.1 Tóm tắt kết nghiên cứu Nghiên cứu nhóm tác giả trình bày so sánh tính xác phân loại khả dự báo tình trạng kiệt quệ tài cơng ty đƣợc niêm yết Sở giao dịch chứng khốn TP Hồ Chí Minh Sở giao dịch chứng khoán Hà Nội ba loại biến số: tỷ số tài chính, số kinh tế vĩ mô biến số thị trƣờng Bài nghiên cứu nhóm tác giả thể số ƣu điểm định việc dự báo tình trạng kiệt quệ tài công ty Thứ nhất, việc xác định công ty rơi vào tình trạng kiệt quệ tài nghiên cứu không phụ thuộc vào hậu pháp lý cuối công ty: phá sản, nhƣ phần lớn nghiên cứu trƣớc Thứ hai, nghiên cứu sử dụng liệu lớn kết hợp loại thông tin khác từ nguồn liệu đáng tin cậy Thứ ba, có lẽ quan trọng nhất, nghiên cứu kiểm chứng Việt Nam đóng góp (trên phƣơng diện độc lập nhƣ nhóm biến) ba loại biến số vào độ xác dự báo tình trạng kiệt quệ tài mơ hình: biến số tỷ số tài chính, biến số báo kinh tế vĩ mơ biến số thị trƣờng Bài nghiên cứu áp dụng phƣơng pháp tiếp cận sử dụng biến số không loại trừ lẫn mà bổ sung cho đóng góp vào việc dự báo tình trạng kiệt quệ tài cơng ty Cụ thể nhóm tác giả kiểm chứng đƣợc sử dụng mơ hình đầy đủ biến số khả giải thích cao Cuối cùng, nhóm tác giả cung cấp đo lƣờng tác động cận biên cho phép lƣợng hóa tác động biến giải thích lên xác suất cơng ty rơi vào tình trạng kiệt quệ tài Từ kết nói trên, nhóm tác giả đƣa số đề xuất nhằm hỗ trợ quan quản lý Nhà nƣớc Chính phủ nhƣ nhà quản lý công ty nhƣ sau: Đối với quan quản lý Nhà nƣớc Chính phủ Nghiên cứu nhóm tác giả cho thấy yếu tố kinh tế vĩ mơ nhƣ thị trƣờng có tác động đáng kể đến khả rơi vào tình trạng kiệt quệ tài cơng ty Do đó, quan quản lý Nhà nƣớc Chính phủ cần đảm bảo môi trƣờng kinh tế vĩ mô ổn định nhằm tạo điều 78 kiện thuận lợi giúp cơng ty hoạt động ổn định Mặt khác, Chính phủ cần hoàn thiện pháp luật thị trƣờng chứng khốn, thị trƣờng tài chính,… nhằm xây dựng thị trƣờng cạnh tranh lành mạnh giúp công ty hoạt động phát triển Ngồi ra, Chính phủ cịn sử dụng thơng tin tài nhƣ thông tin thị trƣờng kinh tế vĩ mơ để dự báo khả rơi vào tình trạng kiệt quệ tài tƣơng lai cơng ty có vốn Nhà nƣớc thị trƣờng nhằm có biện pháp điều chỉnh phù hợp Đối với nhà quản lý cơng ty Để trì hoạt động sản xuất kinh doanh ổn định nhƣ tránh rơi vào tình trạng kiệt quệ tài cơng ty, nhà quản lý cần thƣờng xuyên tiến hành phân tích, rà sốt số tài cơng ty mức độ tổng thể nhƣ chi tiết nhằm tìm bất thƣờng tình hình tài công ty tiến hành biện pháp điều chỉnh thích hợp Ngồi ra, nhà quản lý cần ý tìm kiếm hội giúp cơng ty tăng trƣởng mở rộng hoạt động sản xuất kinh doanh nhà đầu tƣ tiến hành phân tích dự báo hội tăng trƣởng cơng ty tiến hành tìm kiếm hội đầu tƣ Đặc biệt, nhà quản lý cần trì việc công bố thông tin định kỳ cho thị trƣờng nhƣ liên tục phân tích dự báo phản ứng thị trƣờng thông tin mà cơng ty cơng bố nhằm trì khả hoạt động ổn định cơng ty có phƣơng án ứng phó kịp thời Đối với cơng ty rơi vào kiệt quệ tài chính, nhằm cải thiện tình hình cách hiệu hơn, nhà quản lý khơng nên dùng thủ thuật kế tốn để điều chỉnh báo cáo tài mà cần tiến hành biện pháp tái cấu trúc lại công ty nhƣ cấu lại nợ, bán tài sản, tìm kiếm nguồn vốn từ bên ngoài, tác cấu trúc nhân công ty, cắt giảm dự án đầu tƣ hiệu tích cực tìm kiếm dự án đầu tƣ mang lại dịng tiền dƣơng cho cơng ty 5.2 Hạn chế đề tài hƣớng nghiên cứu Khoảng thời gian đƣợc xem xét nghiên cứu nhóm tác giả từ năm 2008 đến năm 2012, đầu năm 2008 thời điểm thị trƣờng chứng khoán Việt Nam đảo chiều xuống mạnh làm cho giá cổ phiếu cuối năm 2008 xuống thấp Chính 79 yếu tố tác động phần đến nghiên cứu nhóm tác giả Muốn khắc phục vấn đề này, nhóm tác giả cần mở rộng số năm nghiên cứu nghiên cứu sau Mặt khác, nghiên cứu này, nhóm tác giả chƣa so sánh khả dự báo mơ hình Logit với số mơ hình dự báo kiệt quệ tài khác nhƣ mơ hình Altman hay phƣơng pháp Support Vector Machine Điều mở hƣớng cho nghiên cứu mơ hình dự báo tình trạng kiệt quệ tài công ty 80 PHỤ LỤC Danh sách công ty đƣợc sử dụng nghiên cứu theo mã chứng khoán AAA BCI CCI CTA DHT DXG HAS HST KBC LBE MCP NKG PHH PVA RIC SDC SJS TBX TMT V12 VGP VNT AAM BDB CCL CTB DIC DXV HAX HT1 KDC LBM MDC NLC PHR PVC S12 SDD SKS TC6 TNA V15 VGS VOS ABT BED CCM CTC DID DZM HBC HTC KDH LCD MDG NPS PIT PVD S55 SDE SMA TCL TNG V21 VHC VPH ACC BGM CDC CTI DIG EBS HBE HTI KHA LCG MEC NSC PIV PVE S74 SDG SMC TCM TNT VAT VHG VPK ACL BHC CID CTM DIH EID HCC HTL KHB LCS MHC NSN PJC PVG S91 SDH SMT TCR TPC VBC VHH VRC ADC BHS CIG CTN DL1 ELC HDA HTP KHP LDP MHL NST PLC PVL S96 SDN SNG TCS TPP VC1 VHL VSC AGF BHT CII CTV DLG EVE HDC HU1 KKC LGC MIC NTL PMS PVS S99 SDP SPM TCT TRA VC2 VIC VSH ALP BHV CJC CVN DLR FDC HDG HU3 KMR LGL MIM NTP PNC PVT SAM SDT SPP TDC TRC VC3 VID VSI ALT BKC CLC CVT DMC FDG HDO HUT KMT LHC MKV NVC PNJ PVV SAV SDU SQC TDH TS4 VC5 VIP VST ALV BLF CLG CX8 DNC FDT HHC HVG KSA LHG MMC NVT POM PVX SBA SDY SRB TDN TSB VC6 VIS VTB AME BMC CLW CYC DNM FMC HHG HVT KSD LIG MNC OCH POT PXA SBC SEB SRC TDW TSC VC7 VIT VTC AMV BMP CMC D11 DNP FPT HHL HVX KSH LIX MPC ONE PPC PXI SBT SEC SRF TH1 TST VC9 VKC VTF ANV BPC CMG D2D DNY GDT HJS ICF KSS LM3 MTG OPC PPG PXM SC5 SED SSC THB TTC VCC VLF VTO APC BRC CMI DAD DPC GGG HLC ICG KST LM7 NAG PAC PPI PXS SCJ SFC SSM THG TTF VCF VMC VTS APP BSC CMS DAE DPM GIL HLG IDI KTS LM8 NAV PAN PPP PXT SCL SFN ST8 THT TTP VCG VMD VTV ARM BST CMT DAG DPR GLT HLY IDJ KTT LO5 NBB PCT PPS QCC SCR SGC STC TIC TV1 VCM VNA VXB ASM BT6 CMV DBC DQC GMC HMC IJC L10 LSS NBC PDC PRC QCG SD1 SGT STG TIE TV2 VCR VNC XMC ASP BTP CMX DBT DRC GMD HMH ILC L14 LTC NBP PDN PSC QHD SD2 SHI STP TIX TV3 VCS VNE YBC ATA BTS CNG DC2 DRH GMX HNM IMP L18 LUT NDN PDR PSG QNC SD4 SHN STT TJC TV4 VCV VNF AVF BTT CNT DC4 DSN GTA HOM INN L35 MAC NET PET PTB QTC SD5 SIC SVC TKC TVD VDL VNG B82 BVG COM DCS DST GTT HPG ITA L43 MAX NGC PFL PTC RAL SD6 SJ1 SVI TKU TXM VE1 VNH BBC C47 CPC DCT DTA HAD HQC ITC L44 MCC NHA PGC PTL RCL SD7 SJC SVN TLG TYA VE2 VNI BBS C92 CSC DHA DTL HAG HRC ITD L61 MCF NHS PGS PTM RDP SD9 SJD SVT TLH UDC VE3 VNL BCC CAN CSM DHC DTT HAI HSG JVC L62 MCG NHW PGT PTS REE SDA SJE TAC TMC UIC VE9 VNM BCE CAP CT6 DHG DVP HAP HSI KAC LAF MCO NIS PHC PV2 RHC SDB SJM TBC TMP UNI VFR VNS 81 TÀI LIỆU THAM KHẢO Agarwal, V., & Taffler, R (2007) Twenty-five years of the Taffler z-score model: Does it really have predictive ability? Accounting and Business Research, 37, 285–300 Agarwal, V., & Taffler, R (2008) Comparing the performance of market-based and accounting-based bankruptcy prediction models Journal of Banking & Finance, 32, 1541–1551 Alexander, C., & Kaeck, A (2008) Regime dependent determinants of credit default swap spreads Journal of Banking & Finance, 32, 1008–1021 Alfaro, E., García, N., Gámez, M., & Elizondo, D (2008) Bankruptcy forecasting: An empirical comparison of AdaBoost and neural networks Decision Support Systems, 45, 110–122 Altman, E I (1968) Financial ratios, discriminant analysis and the prediction of corporate bankruptcy Journal of Finance, 23, 589–609 Altman, E I (2000) Predicting financial distress of companies: Revisiting the Z-score and ZetaR models New York University Salomon Center working paper series Altman, E I., & Sabato, G (2007) Modelling credit risk for SMEs: Evidence from the U.S market Abacus, 43, 332–357 Altman, E I., Sabato, G., & Wilson, N (2010) The value of non-financial information in small and medium-sized enterprise risk management The Journal of Credit Risk, 6, 1–33 Anderson, R (2007) The credit scoring toolkit: Theory and practice for retail credit risk management and decision automation Oxford: Oxford University Press Andrade, G., & Kaplan, S N (1998) How costly is financial not economic distress? Evidence from highly leveraged transactions that became distressed Journal of Finance, 53, 1443–1493 Argenti, J (1976) Corporate collapse: The causes and symptoms London: McGraw-Hill Asquith, P., Gertner, R., & Scharfstein, D (1994) Anatomy of financial distress: An examination of junk-bond issuers Quarterly Journal of Economics, 109, 625–658 82 Balcaen, S., & Ooghe, H (2004) 35 years of studies on business failure: An overview of the classic statistical methodologies and their related problems Vlerick Leuven Gent working paper series 15 Barnes, P (1987) The analysis and use of financial ratios: A review article Journal of Business Finance & Accounting, 14, 449–461 Barnes, P (1990) The prediction of takeover targets in the U.K by means of multiple discriminant analysis Journal of Business Finance & Accounting, 17, 73–84 Beaver, W H (1966) Financial ratios as predictors of failure Journal of Accounting Research, 4, 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 Bharath, S T., & Shumway, T (2008) Forecasting default with the Merton distance to default model Review of Financial Studies, 21, 1339–1369 Bierens, H J (2008) The logit model: Estimation Testing and interpretation: Penn State, Department of Economics Black, F., & Scholes, M (1973) The pricing of options and corporate liabilities Journal of Political Economy, 81, 637–654 Campbell, J Y., Hilscher, J., & Szilagyi, J A N (2008) In search of distress risk Journal of Finance, 63, 2899–2939 Chava, S., & Jarrow, R A (2004) Bankruptcy prediction with industry effects Review of Finance, 8, 537–569 Cho, S., Kim, J., & Bae, J K (2009) An integrative model with subject weight based on neural network learning for bankruptcy prediction Expert Systems with Applica- tions, 36, 403–410 Christidis, A., & Gregory, A (2010) Some new models for financial distress prediction in the UK Xfi centre for finance and investment discussion paper no 10 Cleves, M A (2002) From the help desk: Comparing areas under receiver operating characteristics curves from two or more probit or logit models The Stata Journal, 2, 301–313 83 Cox, D R., & Snell, E J (1989) The analysis of binary data (2nd ed.) London: Chapman and Hall DeLong, E R., DeLong, D M., & Clarke-Pearson, D L (1988) Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach Biometrics, 44, 837–845 Dichev, I D (1998) Is the risk of bankruptcy a systematic risk? Journal of Finance, 53, 1131–1147 Ericsson, J., Jacobs, C., & Oviedo, R (2009) The determinants of credit default swap premia Journal of Financial and Quantitative Analysis, 44, 109–132 Freund, R J., & Littell, R C (2000) SAS system for regression (3rd ed.) New York: Wiley Geske, R (1977) The valuation of corporate liabilities as compound options The Journal of Financial and Quantitative Analysis, 12, 541–552 Godfrey, M D (2009) The TANH transformation Information Systems Laboratory, Stanford University Graham, A (2000) Corporate credit analysis London: Fitzroy Dearborn Publishers Hillegeist, S A., Keating, E K., Cram, D P., & Lundstedt, K G (2004) Assessing the probability of bankruptcy Review of Accounting Studies, 9, 5–34 Keasey, K., & Watson, R (1987) Non-financial symptoms and the prediction of small company failure: A test of Argenti's hypotheses Journal of Business Finance & Accounting, 14, 335–354 Keasey, K., & Watson, R (1991) Financial distress prediction models: A review of their usefulness British Journal of Management, 2, 89–102 Kumar, P R., & Ravi, V (2007) Bankruptcy prediction in banks and firms via statistical and intelligent techniques — A review European Journal of Operational Research, 180, 1–28 Long, J S., & Freese, J (2003) Regression models for categorical dependent variables using Stata College Station, Texas: Stata Press Maltz, A C., Shenhar, A J., & Reilly, R R (2003) Beyond the balanced scorecard: Refining the search for organizational success measures Long Range Planning, 36, 187– 204 84 Marais, D A J (1979) A method for quantifying companies' relative financial strength Bank of England discussion paper no Mare, D S (2012) Contribution of macroeconomic factors to the prediction of small bank failures Paper presented at 4th International IFABS Conference, Valencia, Spain Mays, F E (2004) Credit scoring for risk managers: The handbook for Thomson/South-Western lenders Mella-Barral, P., & Perraudin, W (1997) Strategic debt service Journal of Finance, 52, 531–556 Merton, R C (1974) On the pricing of corporate debt: The risk structure of interest rates Journal of Finance, 29, 449–470 Nagelkerke, N J D (1991) A note on a general definition of the coefficient of determination Biometrika, 78, 691–692 Nam, C W., Kim, T S., Park, N J., & Lee, H K (2008) Bankruptcy prediction using a discrete-time duration model incorporating temporal and macroeconomic dependencies Journal of Forecasting, 27, 493–506 Ohlson, J A (1980) Financial ratios and the probabilistic prediction of bankruptcy Journal of Accounting Research, 18, 109–131 Olson, D L., Delen, D., & Meng, Y (2012) Comparative analysis of data mining methods for bankruptcy prediction Decision Support Systems, 52, 464–473 Pindado, J., Rodrigues, L., & De la Torre, C (2008) Estimating financial distress likelihood Journal of Business Research, 61, 995–1003 Qu, Y (2008) Macroeconomic factors and probability of default European Journal of Economics, Finance and Administrative Sciences, 192–215 Ragavan, A J (2008) How to use SASR to fit multiple logistic regression models Depart- ment of Mathematics and Statistics of the University of Nevada, Paper 369 Rees, W P (1995) Financial analysis London: Prentice-Hall Reisz, A S., & Perlich, C (2007) A market-based framework for bankruptcy prediction Journal of Financial Stability, 3, 85–131 85 Saunders, A., & Allen, L (2002) Credit risk measurement: New approaches to value at risk and other paradigms (2nd ed.) New York: John Wiley & Sons Inc Shumway, T (2001) Forecasting bankruptcy more accurately: A simple hazard model Journal of Business, 74, 101–124 Taffler, R (1983) The assessment of company solvency and performance using a statistical model Accounting and Business Research, 13, 295–307 Theodossiou, P T (1993) Predicting shifts in the mean of a multivariate time series process: An application in predicting business failures Journal of the American Statistical Association, 88, 441–449 Trujillo-Ponce, A., Samaniego_Medina, R., & Cardone-Riportella, C (in press) Examining what best explains corporate credit risk: Accounting-based versus marketbased models Journal of Business Economics and Management http://dx.doi.org/10.3846/16111699.2012.720598 Tseng, F -M., & Hu, Y -C (2010) Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks Expert Systems with Ap- plications, 37, 1846–1853 Vassalou, M., & Xing, Y (2004) Default risk in equity returns Journal of Finance, 59, 831–868 Whitaker, R (1999) The early stages of financial distress Journal of Economics and Finance, 23, 123–132 Wruck, K H (1990) Financial distress, reorganization, and organizational efficiency Journal of Financial Economics, 27, 419–444 Yang, Z., You, W., & Ji, G (2011) Using partial least squares and support vector machines for bankruptcy prediction Expert Systems with Applications, 38, 8336–8342 Zavgren, C V (1985) Assessing the vulnerability to failure of American industrial firms: A logistic analysis Journal of Business Finance & Accounting, 12, 19–45 Zmijewski, M E (1984) Methodological issues related to the estimation of financial distress prediction models Journal of Accounting Research, 22, 59–82