GIỚI THIỆU
Lý do nghiên cứu
Trong những năm gần đây, Việt Nam chứng kiến hàng ngàn doanh nghiệp tuyên bố phá sản hoặc gặp khủng hoảng tài chính mỗi năm Theo Bộ Kế hoạch - Đầu tư, trong 6 tháng đầu năm 2013, đã có hơn 24.000 doanh nghiệp phá sản và giải thể Năm 2012, con số này lên tới 55.000 doanh nghiệp Sự gia tăng số lượng doanh nghiệp giải thể và tạm ngừng hoạt động theo tháng đã diễn ra liên tục kể từ năm 2011.
2011 mỗi tháng có 4.498 doanh nghiệp giải thể và tạm ngừng hoạt động, đến năm 2012 là 4.517 doanh nghiệp và bình quân 6 tháng đầu 2013 là 4.646 doanh nghiệp
Tình trạng doanh nghiệp phá sản ở Việt Nam đang gia tăng do nhiều nguyên nhân, bao gồm khủng hoảng kinh tế toàn cầu, sức mua của người tiêu dùng giảm, khó khăn trong việc tiếp cận vốn vay với lãi suất thấp, sụt giảm xuất khẩu và giá nguyên liệu đầu vào tăng Những yếu tố này đã dẫn đến tình hình sản xuất – kinh doanh trì trệ, khiến nhiều doanh nghiệp lỗ liên tiếp và rơi vào tình trạng kiệt quệ tài chính, mất khả năng thanh toán Sự phá sản của doanh nghiệp không chỉ ảnh hưởng nghiêm trọng đến chính bản thân doanh nghiệp mà còn gây ra những tác động tiêu cực cho xã hội và nền kinh tế, đặc biệt trong bối cảnh Việt Nam đang trong giai đoạn hội nhập quốc tế.
Thị trường chứng khoán Việt Nam đang phát triển mạnh mẽ, khiến vấn đề tài chính của các doanh nghiệp, đặc biệt là những doanh nghiệp niêm yết, trở nên quan trọng hơn bao giờ hết Trong bối cảnh kinh doanh năng động với lượng đầu tư lớn hàng ngày, nhu cầu về các công cụ hỗ trợ quyết định đầu tư ngày càng tăng cao, giúp tổ chức tài chính và nhà đầu tư đưa ra quyết định nhanh chóng và an toàn Tuy nhiên, việc cổ phiếu bị hủy niêm yết gần đây đã gây lo ngại cho nhiều nhà đầu tư, vì những quyết định đầu tư sai lầm có thể dẫn đến mất mát giá trị tài sản và quyền lợi của cổ đông.
Bài viết này nhằm nghiên cứu khả năng dự báo kiệt quệ tài chính doanh nghiệp tại Việt Nam, một vấn đề ngày càng quan trọng Nhiều tác giả nước ngoài đã đóng góp vào lĩnh vực này, với các nghiên cứu tiêu biểu như của William Beaver (1966), Edward Altman (1968), và Ohlson (1980) Bài viết tổng hợp kết quả từ các nghiên cứu quốc tế và thử áp dụng mô hình dự báo phá sản của Ohlson (1980) cho dữ liệu của các doanh nghiệp phi tài chính trên thị trường chứng khoán Việt Nam.
Mục tiêu nghiên cứu
Mục tiêu nghiên cứu này là xác định các chỉ tiêu tài chính có khả năng đánh giá và dự đoán tình trạng kiệt quệ tài chính của các doanh nghiệp phi tài chính tại Việt Nam.
Phạm vi nghiên cứu
Nghiên cứu này tập trung vào các công ty cổ phần trong khu vực phi tài chính đã bị hủy niêm yết trên Sàn giao dịch chứng khoán TP.Hồ Chí Minh và Sàn giao dịch chứng khoán Hà Nội trong năm 2012, theo quyết định của Ủy ban chứng khoán và sàn giao dịch.
Phương pháp nghiên cứu
Bài viết áp dụng mô hình hồi quy Logistic nhị phân để ước lượng khả năng kiệt quệ tài chính của các công ty Các biến giải thích được sử dụng là các tỷ số tài chính thu thập từ báo cáo tài chính của các doanh nghiệp phi tài chính niêm yết trên sàn chứng khoán Biến phụ thuộc được định nghĩa dưới dạng nhị phân, với giá trị 1 thể hiện khả năng kiệt quệ tài chính và giá trị 0 thể hiện không có khả năng kiệt quệ.
Sau khi thu thập số liệu từ báo cáo tài chính của các công ty, chúng sẽ được sử dụng để tính toán các tỷ số tài chính bằng phần mềm Excel Các tỷ số này sau đó trở thành các biến giải thích trong việc thực hiện hồi quy Logistic, với phần mềm SPSS được sử dụng để ước lượng mô hình.
1.5 Kết cấu của bài viết
Kết cấu của bài viết như sau:
Chương 2: Một số nghiên cứu thực nghiệm trước đây về dự báo phá sản/ kiệt quệ tài chính doanh nghiệp
Chương 3: Phương pháp nghiên cứu Chương 4: Nội dung và các kết quả nghiên cứu Chương 5: Kết luận
Kết cấu của luận văn
2.1 Kiệt quệ tài chính và những khó khăn doanh nghiệp gặp phải khi lâm vào kiệt quệ tài chính
Theo định nghĩa trong sách Tài chính doanh nghiệp hiện đại (2007), kiệt quệ tài chính xảy ra khi doanh nghiệp không thể hoặc gặp khó khăn trong việc thực hiện các nghĩa vụ với chủ nợ Tình trạng này có thể dẫn đến phá sản hoặc chỉ đơn giản là biểu hiện của những khó khăn, rắc rối tài chính.
Kiệt quệ tài chính là một vấn đề tốn kém, đặc biệt khi các mâu thuẫn quyền lợi giữa chủ nợ và cổ đông cản trở quyết định đúng đắn trong hoạt động, đầu tư và tài trợ Khi doanh nghiệp gặp khó khăn, cả hai bên đều mong muốn phục hồi, nhưng quyền lợi của họ thường mâu thuẫn, dẫn đến việc thực hiện các "trò chơi" riêng để bảo vệ lợi ích cá nhân Hậu quả là phát sinh nhiều chi phí liên quan đến tình trạng kiệt quệ tài chính, bao gồm nhiều mục cụ thể.
Chi phí phá sản bao gồm các khoản chi phí trực tiếp như lệ phí tòa án và các chi phí gián tiếp mà doanh nghiệp phải cam kết nhiều hơn để có thể vay nợ Ngoài ra, các chủ nợ thường yêu cầu được bù đắp trước thông qua các khoản chi trả cao hơn khi doanh nghiệp vẫn còn khả năng hoạt động.
1 Trần Ngọc Thơ và cộng sự, 2007 Tài chính doanh nghiệp hiện đại Thành phố Hồ Chí Minh: NXB Thống kê pp 379-393
MỘT SỐ NGHIÊN CỨU THỰC NGHIỆM TRƯỚC ĐÂY VỀ DỰ BÁO PHÁ SẢN/ KIỆT QUỆ TÀI CHÍNH DOANH NGHIỆP
Kiệt quệ tài chính và những khó khăn doanh nghiệp gặp phải khi lâm vào kiệt quệ tài chính
Theo sách "Tài chính doanh nghiệp hiện đại" (2007), kiệt quệ tài chính xảy ra khi doanh nghiệp không thể đáp ứng các nghĩa vụ với chủ nợ hoặc gặp khó khăn trong việc thực hiện điều này Tình trạng này có thể dẫn đến phá sản hoặc chỉ đơn thuần là biểu hiện của những rắc rối tài chính.
Kiệt quệ tài chính là một tình trạng tốn kém, xảy ra khi các mâu thuẫn quyền lợi cản trở quyết định đúng đắn trong hoạt động, đầu tư và tài trợ của doanh nghiệp Khi doanh nghiệp gặp khó khăn, cả chủ nợ và cổ đông đều mong muốn phục hồi, nhưng quyền lợi của họ thường xung đột, dẫn đến việc thực hiện các "trò chơi" riêng để bảo vệ lợi ích cá nhân Hệ quả là phát sinh nhiều chi phí liên quan đến tình trạng kiệt quệ tài chính Những chi phí này bao gồm nhiều mục cụ thể, ảnh hưởng trực tiếp đến khả năng phục hồi của doanh nghiệp.
Chi phí phá sản bao gồm các khoản chi phí trực tiếp như lệ phí tòa án, cùng với các chi phí gián tiếp mà doanh nghiệp phải chấp nhận, chẳng hạn như việc hứa hẹn vay nợ với lãi suất cao hơn Ngoài ra, các chủ nợ thường yêu cầu được bồi thường trước thông qua các khoản chi trả cao hơn khi doanh nghiệp vẫn còn khả năng thanh toán.
Trần Ngọc Thơ và cộng sự (2007) trong tác phẩm "Tài chính doanh nghiệp hiện đại" đã chỉ ra rằng, trong bối cảnh doanh nghiệp gặp khó khăn tài chính, việc thực hiện nghĩa vụ tài chính trở nên cấp thiết Các nhà đầu tư thường yêu cầu lãi suất cao hơn, điều này càng làm gia tăng áp lực cho những doanh nghiệp đang lâm vào tình trạng kiệt quệ.
Doanh nghiệp phải đối mặt với nhiều chi phí khác, bao gồm khó khăn trong việc quản lý công ty đang gặp khủng hoảng hoặc phá sản Các vấn đề pháp lý trong quá trình phá sản thường gây cản trở cho ban giám đốc trong nỗ lực ngăn chặn tình hình kinh doanh xấu đi Ví dụ, khi doanh nghiệp muốn bán bớt tài sản để trang trải nhưng bị chủ nợ ngăn cản, dẫn đến tình trạng có vốn nhưng không thể sử dụng.
Chi phí kiệt quệ tài chính mà chưa dẫn đến phá sản phản ánh mâu thuẫn quyền lợi giữa trái chủ và cổ đông trong bối cảnh doanh nghiệp gặp khó khăn Cả chủ nợ lẫn cổ đông đều mong muốn doanh nghiệp phục hồi, nhưng những quyền lợi khác nhau khiến họ mâu thuẫn trong các quyết định về hoạt động và đầu tư Họ thường áp dụng các “trò chơi” nhằm bảo vệ quyền lợi của mình, như chuyển dịch rủi ro, từ chối góp vốn, thu tiền bỏ chạy, kéo dài thời gian, và thả mồi bắt bóng Những hành động này không chỉ làm gia tăng chi phí tài chính mà còn có thể đẩy doanh nghiệp đến bờ vực phá sản.
Các công ty có nhiều tài sản vô hình đối mặt với nguy cơ kiệt quệ tài chính nghiêm trọng, vì giá trị của những tài sản này sẽ giảm nếu doanh nghiệp phá sản Dự báo tình trạng kiệt quệ là rất quan trọng cho những công ty này Để ngăn chặn tình trạng phá sản và hoạt động ngừng trệ, cần sự hợp tác giữa doanh nghiệp và Nhà nước, cùng các Bộ, ngành Theo Tổng cục thống kê, doanh nghiệp mong muốn Nhà nước tập trung hỗ trợ cải thiện các yếu tố như ổn định lãi suất vay, tạo điều kiện tiếp cận vốn, ổn định kinh tế vĩ mô, phát triển cơ sở hạ tầng và hỗ trợ doanh nghiệp nhỏ và vừa Tuy nhiên, doanh nghiệp cũng cần nỗ lực tự cứu mình thông qua các chiến lược kinh doanh hợp lý, tránh đầu tư tràn lan và sử dụng vốn không hiệu quả.
Nghiên cứu về dự đoán phá sản, kiệt quệ tài chính là cần thiết cho nhiều chủ thể trong nền kinh tế
Các doanh nghiệp cần xác định "ngưỡng" phá sản của mình để xây dựng chiến lược vượt qua khó khăn Dự đoán nguy cơ kiệt quệ giúp doanh nghiệp lập kế hoạch kinh doanh hiệu quả và thực hiện các điều chỉnh cần thiết nhằm gia tăng giá trị và giảm thiểu nguy cơ phá sản Nếu chỉ số P lớn hơn 0.5, doanh nghiệp nên xem xét lại tình hình tài chính, xác định điểm yếu và có phương án xử lý kịp thời như rà soát lĩnh vực hoạt động, thu hẹp các lĩnh vực kém hiệu quả, cơ cấu lại tài chính và giảm ứ động vốn.
2 Trang thông tin điện tử của Tổng cục thống kê Báo cáo kết quả rà soát số lượng doanh nghiệp năm 2012 Website: http://www.gso.gov.vn
Các nhà đầu tư cần một chỉ số để dự đoán tình hình tài chính của doanh nghiệp nhằm có phản ứng kịp thời với nguồn vốn đã đầu tư Lợi nhuận luôn là tiêu chí hàng đầu để đánh giá khả năng sinh lời, nhưng trong bối cảnh kinh tế biến động, doanh nghiệp có thể gặp lỗ trong một thời gian Việc tính toán chỉ số tổng hợp về khả năng kiệt quệ tài chính giúp nhà đầu tư quyết định có nên tiếp tục đầu tư hay không Nếu xác suất kiệt quệ P0,5, nhà đầu tư cần xem xét thêm yếu tố khác để quyết định có nên rút vốn hay không do khả năng kiệt quệ là đáng lo ngại.
Các ngân hàng cần một chỉ số đánh giá tình hình tài chính của doanh nghiệp để đưa ra quyết định tín dụng chính xác Trong bối cảnh nợ xấu gia tăng, doanh nghiệp gặp khó khăn trong việc tiếp cận vốn vay, gây thiệt hại cho cả hai bên Một chỉ số dự báo kiệt quệ hoặc phá sản sẽ cung cấp thêm thông tin hữu ích cho ngân hàng trong quá trình thẩm định hồ sơ vay vốn của doanh nghiệp.
Trong bối cảnh nền kinh tế thị trường, việc doanh nghiệp giải thể, phá sản và ngừng hoạt động là điều bình thường, giúp loại bỏ các doanh nghiệp kém hiệu quả Tuy nhiên, sự gia tăng đáng kể số lượng doanh nghiệp phá sản trong những năm gần đây là một vấn đề nghiêm trọng Hệ lụy từ việc này không chỉ khiến nhiều lao động mất việc làm và đối mặt với nợ lương, mà còn gây khó khăn cho các doanh nghiệp đối tác và ngân hàng với nợ xấu gia tăng Hơn nữa, nhà nước cũng chịu ảnh hưởng khi không thu được thuế, dẫn đến bội chi ngân sách và ảnh hưởng tiêu cực đến nền kinh tế quốc gia.
Không phải tất cả các công ty gặp khó khăn tài chính đều phải đối mặt với phá sản Với chiến lược đúng đắn và phản ứng kịp thời, doanh nghiệp có thể trì hoãn việc phá sản và thậm chí phục hồi, trả hết nợ Dự đoán ngưỡng kiệt quệ tài chính giúp doanh nghiệp đưa ra giải pháp hợp lý, từ đó tránh được những chi phí phát sinh có thể làm tình hình trở nên nghiêm trọng hơn.
Các nghiên cứu thực nghiệm trước đây về dự báo phá sản/ kiệt quệ tài chính công ty
2.2.1 Nghiên cứu của William Beaver (1966)
Nghiên cứu của William Beaver năm 1966 đã đặt nền tảng cho việc dự đoán khả năng phá sản tài chính của các công ty Ông đã áp dụng phương pháp đánh giá từng chỉ số tài chính thông qua kiểm định t trong phân tích đơn biến để xác định các tiêu chí dự báo phá sản Nghiên cứu này dựa trên các tỷ số tài chính được rút ra từ 79 doanh nghiệp đã phá sản và một số lượng tương ứng các doanh nghiệp không phá sản trong khoảng thời gian 10 năm (1954-1964).
Nghiên cứu của Beaver (1964) cho thấy tỷ lệ tiền mặt trên tổng nợ phải trả là chỉ tiêu quan trọng nhất trong việc dự báo dấu hiệu kiệt quệ tài chính và phá sản doanh nghiệp Chỉ tiêu này phản ánh khả năng tạo ra tiền của doanh nghiệp so với số nợ phải thanh toán, từ đó thể hiện rõ khả năng thanh toán của doanh nghiệp Bên cạnh đó, tỷ suất sinh lời của tài sản và hệ số nợ (tổng nợ phải trả trên tổng tài sản) cũng là những chỉ tiêu quan trọng trong việc phát hiện dấu hiệu kiệt quệ và phá sản, vì chúng phản ánh hiệu quả hoạt động kinh doanh và mức độ rủi ro tài chính mà doanh nghiệp đang đối mặt.
Nghiên cứu của Beaver chỉ ra rằng các chỉ tiêu tài chính của doanh nghiệp trong tình trạng khủng hoảng thấp hơn nhiều so với doanh nghiệp hoạt động bình thường Để phát hiện dấu hiệu kiệt quệ tài chính hoặc phá sản, cần so sánh các chỉ số tài chính của doanh nghiệp với mức trung bình mà Beaver đã cung cấp.
Bảng 2.1 Mức trung bình của các chỉ số tài chính dùng phân loại doanh nghiệp trong nghiên cứu của Beaver (1966)
Chỉ số tài chính Doanh nghiệp
1 năm 2 năm 3 năm 4 năm 5 năm
Thu nhập ròng / tổng t.sản
Nợ phải trả / tổng tài sản
Vốn luân Phá sản 0.04 0.04 0.27 0.29 0.27 chuyển / tổng t.sản
Tỷ số thanh toán hiện hành
Nguồn: nghiên cứu của Beaver (1966)
2.2.2 Mô hình của Eward Altman (1968)
Mô hình dự báo xác suất phá sản Z-score, phát triển bởi giáo sư Edward I Altman từ Đại học New York vào năm 1968, được đánh giá là công cụ hiệu quả trong việc dự đoán khả năng phá sản của các công ty trong vòng 2 năm Mô hình này sử dụng giá trị Z-score và kỹ thuật phân tích phân biệt (MDA) với các biến số phù hợp để đưa ra dự báo chính xác.
X1 = Working capital/Total assets: Vốn luân chuyển/Tổng tài sản;
X2 = Retained earning/ Total assets: Lợi nhuận giữ lại/Tổng tài sản;
X3 = Earning before tax and interest/Total assets: EBIT/Tổng tài sản;
X4 = Market value equity/Book value of total liabilities: Giá trị thị trường của vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả;
X5= Sales/Total assets: Tổng doanh thu/Tổng tài sản;
Z = Overal index: chỉ số tổng hợp
Dựa trên dữ liệu từ 66 doanh nghiệp tại Mỹ, nghiên cứu chia thành hai nhóm: nhóm 1 gồm 33 doanh nghiệp đã phá sản từ năm 1946 đến 1965 và nhóm 2 gồm 33 doanh nghiệp vẫn hoạt động bình thường đến năm 1966 Các doanh nghiệp trong nhóm 2 được lựa chọn tương ứng với quy mô và ngành nghề của nhóm 1 Từ bảng cân đối kế toán và báo cáo kết quả hoạt động kinh doanh, 22 chỉ số tài chính đã được tính toán và phân thành 5 nhóm: thanh khoản, lợi nhuận, đòn bẩy, khả năng thanh toán và chỉ số hoạt động Trong số 22 chỉ số tài chính này, 5 chỉ số đã được chọn để sử dụng trong mô hình dự đoán khả năng phá sản.
Mô hình ước lượng của Altman như sau:
Chỉ số Z được tính bằng công thức Z = 0.012 X1 + 0.014 X2 + 0.033 X3 + 0.006 X4 + 0.999 X5 Theo chỉ tiêu dự đoán của Altman, nếu giá trị Z lớn hơn 2.99, công ty sẽ chưa gặp nguy cơ phá sản hoặc kiệt quệ tài chính.
Nếu 1.81 tổng tài sản và ngược lại;
NITA = Lợi nhuận sau thuế/tổng tài sản;
FUTL = Quỹ hoạt động / tổng phải trả;
INTWO = 1 nếu thu nhập ròng giảm trong 2 năm liên tiếp và ngược lại;
CHIN = (NIt - NIt-1)/(│NIt│+│NIt-1│), NIt là thu nhập ròng
Khái quát về một số “trường phái” dự báo phá sản/ kiệt quệ tài chính
2.3.1 Kỹ thuật phân tích phân biệt (Multiple Disciminant Analysis - MDA)
Vào năm 1968, nhà kinh tế học Edward Altman từ trường đại học New York đã phát triển kỹ thuật phân tích phân biệt (MDA) để dự đoán khả năng phá sản hiệu quả Ông đã tạo ra chỉ số Z score, giúp các nhà đầu tư đánh giá nguy cơ phá sản của doanh nghiệp trong tương lai gần Tuy nhiên, chỉ số này chỉ áp dụng cho các doanh nghiệp, không bao gồm các định chế tài chính như ngân hàng hay công ty đầu tư tài chính.
Nghiên cứu của Altman cho thấy chỉ số Z score có khả năng dự đoán chính xác tình hình phá sản của doanh nghiệp Mỹ trong tương lai gần Mô hình phân tích phân biệt (MDA) dựa trên các giả định như số lượng nhóm rời rạc, biến độc lập có phân phối chuẩn, và mối tương quan thấp giữa các biến độc lập MDA đã được áp dụng rộng rãi trong các nghiên cứu dự báo phá sản doanh nghiệp, bao gồm các tác giả như Altman (1977), Apetiti (1984), Micha (1984), và Shirata (1988).
2.3.2 Mô hình hồi qui Logistic
Những năm 1980 trở lại đây thì hồi quy Logistic lại được sử dụng rất phổ biến
Hồi quy Logistic không yêu cầu giả thiết về phân phối của các biến độc lập, giúp đơn giản hóa quá trình kiểm định thống kê Các biến độc lập định tính có thể được chuyển đổi thành định lượng thông qua việc thiết lập biến giả, tạo điều kiện thuận lợi cho phân tích.
Ohlson đã áp dụng mô hình hồi quy Logistic cùng với dữ liệu từ báo cáo tài chính của các doanh nghiệp Mỹ trong giai đoạn 1970-1976 để ước lượng khả năng thất bại của doanh nghiệp Ông nhận định rằng mô hình này vượt trội hơn mô hình MDA trong việc dự đoán phá sản nhờ khả năng vượt qua các giả thiết về phân phối của biến độc lập Nhiều nghiên cứu tiếp theo, như của Lau (1987), Shumway (2001), và Foreman (2003), cũng đã dựa vào mô hình logit để phân tích dự đoán phá sản.
Năm 1987, Lau đã áp dụng mô hình hồi quy logit để dự đoán khả năng phá sản của các doanh nghiệp Mỹ Ông đã mở rộng mô hình này bằng cách phân loại thành 5 trạng thái tài chính, từ ổn định cho đến phá sản và đóng cửa, thay vì chỉ sử dụng hai trạng thái như khủng hoảng và không khủng hoảng.
Foreman (2003) đã nghiên cứu sự thất bại của các doanh nghiệp trong ngành viễn thông Mỹ sau nhiều vụ phá sản bằng cách sử dụng phân tích hồi quy Logistic Ông chỉ ra rằng các tỷ lệ tài chính truyền thống, bao gồm lợi nhuận, cơ cấu vốn và sức mạnh tăng trưởng tài chính, có thể dự đoán khả năng thất bại của các doanh nghiệp trong vòng 2 năm Nguyên nhân chính dẫn đến phá sản là kế hoạch kinh doanh và khả năng thực hiện kém Hơn nữa, những doanh nghiệp dựa vào lỗ hổng pháp lý để tồn tại sẽ không được mô hình dự đoán.
2.3.3 Mô hình cây phân lớp, mạng nơ ron
Gần đây, nghiên cứu dự báo phá sản và kiệt quệ tài chính đã thu hút sự chú ý với việc ứng dụng các mô hình cây phân lớp và mạng nơ ron Một số nghiên cứu tiêu biểu bao gồm các tác giả như Bell (1990), Tam và Kiang (1992), Altman (1994), Back (1996), và Yang (1999) Tuy nhiên, các mô hình này gặp khó khăn trong việc xây dựng, yêu cầu nhiều thời gian cho quá trình lập đi lập lại và khó khăn trong việc diễn giải Mặc dù vậy, một số nghiên cứu đã chứng minh rằng mô hình mạng nơ ron có thể cung cấp những ước lượng với độ chính xác cao.
Nghiên cứu của 3 Stone và Rasp (1991) cùng với Maddala (1991) đã chỉ ra rằng mô hình Logit cho kết quả tốt hơn so với ước lượng OLS trong việc so sánh hiệu quả các mô hình.
Nghiên cứu của Press và Wilson (1978) cùng Wiginton (1980) cho thấy rằng phương pháp Logit vượt trội hơn MDA Yesilyaprak (2004) đã so sánh mạng nơ ron với MDA và Logit, kết luận rằng mạng nơ ron có khả năng dự báo tốt nhất, tiếp theo là Logit và cuối cùng là MDA Tuy nhiên, phương pháp cây phân lớp và mạng nơ ron thần kinh yêu cầu lượng dữ liệu đầu vào lớn, khiến chúng trở nên phức tạp và chưa phổ biến.
Mô hình dự đoán kiệt quệ tài chính và phá sản doanh nghiệp rất đa dạng, mỗi loại có ưu và nhược điểm riêng Trong số đó, mô hình phân tích phân biệt (MDA) và mô hình Logistic được đánh giá là dễ sử dụng và có khả năng dự đoán chính xác cao Cả hai mô hình này đều dựa trên các chỉ số tài chính trong quá khứ để ước lượng khả năng kiệt quệ hoặc phá sản trong tương lai.
3 http://rating.com.vn/home
CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu
Phương pháp hồi quy Binary Logistic được sử dụng trong nghiên cứu này để dự báo khả năng kiệt quệ tài chính Nhiều nghiên cứu trước đây, như của Ohlson (1980), Yang-Cheng & Shu-Lien (2009), Ying Wuang và Michael Campbell (2010), cũng đã áp dụng phương pháp này để phân tích khủng hoảng tài chính.
Theo sách hướng dẫn của Hoàng Trọng và Chu Nguyễn Mộng Ngọc, hồi quy Binary Logistic là phương pháp phân tích dữ liệu khi biến phụ thuộc ở dạng nhị phân, cho phép ước lượng xác suất xảy ra của một sự kiện dựa trên các biến độc lập Khi biến phụ thuộc được mã hóa thành hai giá trị 0 và 1, việc sử dụng hồi quy tuyến tính thông thường không khả thi vì vi phạm giả định phân phối Thêm vào đó, giá trị dự đoán từ hồi quy tuyến tính không thể diễn giải như xác suất, trong khi giá trị ước lượng trong hồi quy Binary Logistic phải nằm trong khoảng (0;1).
Phương pháp này tập trung vào việc thu thập thông tin về biến phụ thuộc, được xác định qua một sự kiện có xảy ra hay không Biến phụ thuộc Y chỉ có hai giá trị: 0 thể hiện sự kiện không xảy ra và 1 thể hiện sự kiện xảy ra Từ biến phụ thuộc nhị phân này, một quy trình sẽ được áp dụng để dự đoán xác suất xảy ra của sự kiện dựa trên các quy tắc xác định.
Trong nghiên cứu của Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), việc phân tích dữ liệu được thực hiện bằng phần mềm SPSS Kết quả dự đoán được coi là "có" xảy ra sự kiện nếu giá trị dự đoán lớn hơn 0,5; ngược lại, nếu giá trị dự đoán nhỏ hơn hoặc bằng 0,5, kết quả sẽ được đánh giá là "không".
Mô hình hàm Binary Logistic trong trường hợp chỉ có 1 biến độc lập X:
Trong công thức này, Pi = E(Y=1/X) = P(Y=1) thể hiện xác suất xảy ra của sự kiện (Y=1) khi biến độc lập X có giá trị cụ thể là Xi Biểu thức (Bo + B1X) được ký hiệu là z, và mô hình hàm Binary logistic có thể được viết lại như sau.
1 Xác suất không xảy ra sự kiện là:
So sánh xác suất xảy ra của một sự kiện với xác suất không xảy ra, tỷ lệ chênh lệch này có thể được thể hiện qua công thức.
Lấy log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta được kết quả là: loge
Vì Logee z =z nên kết quả cuối cùng là: loge
1 = B0+B1X là dạng hàm hồi quy Binary logistic
Diễn dịch các hệ số hồi quy của mô hình Binary Logistic:
Các hệ số hồi qui Binary Logistic có nghĩa khác với hệ số hồi qui trong trường hợp thông thường Từ công thức loge
1 = B0+B1X hệ số ước lượng B1 cho biết khi X1 tăng 1 đơn vị thì log của tỷ lệ (Pi/1-Pi) tăng B1 đơn vị
Nếu Bi có dấu dương, việc tăng Xi sẽ làm tăng khả năng Y nhận giá trị 1, trong khi hệ số âm sẽ làm giảm khả năng này.
Tác động biên của biến X1 lên xác suất Y nhận giá trị 1 phụ thuộc vào giá trị của X, với xác suất ban đầu là 0,5 Để đánh giá độ phù hợp của mô hình Binary logistic, người ta sử dụng chỉ tiêu -2LL (-2 log likelihood), tương tự như SSE (tổng bình phương sai số), với giá trị càng nhỏ thì độ phù hợp của mô hình càng cao Giá trị nhỏ nhất của -2LL cho thấy mức độ chính xác của mô hình.
0 (tức là không có sai số) khi đó mô hình có một độ phù hợp hoàn hảo
Bảng phân loại do SPSS cung cấp giúp xác định độ chính xác của mô hình dự đoán, so sánh giữa giá trị thực và giá trị dự đoán cho từng biểu hiện, đồng thời tính toán tỷ lệ dự đoán đúng sự kiện.
Kiểm định ý nghĩa của các hệ số:
Hồi quy Binary logistic yêu cầu kiểm định giả thuyết về sự khác biệt của hệ số hồi quy Trong phương pháp này, đại lượng Wald Chi Square được sử dụng để kiểm tra ý nghĩa thống kê của hệ số hồi quy tổng thể Wald Chi Square được tính bằng cách chia ước lượng của hệ số hồi quy của biến độc lập cho sai số chuẩn của ước lượng đó, sau đó bình phương kết quả theo công thức.
Kiểm định độ phù hợp tổng quát:
Trong hồi quy Logistic nhị phân, việc kiểm định sự ý nghĩa của tổ hợp các hệ số trong mô hình, ngoại trừ hằng số, là cần thiết để đánh giá khả năng giải thích biến phụ thuộc Kiểm định Chi-bình phương được sử dụng để thực hiện kiểm định này, và quyết định bác bỏ hay chấp nhận giả thuyết không (Ho) dựa trên mức ý nghĩa quan sát mà SPSS cung cấp trong bảng Omnibus Tests of Model Coefficients.
Phân tích mô hình tài chính tập trung vào 22 công ty bị hủy niêm yết và 22 công ty tiếp tục hoạt động trên sàn HOSE và HNX trong năm 2012 và 2013 Các đặc điểm tài chính được thu thập từ báo cáo tài chính của các công ty niêm yết công khai trên website của các sàn giao dịch Dữ liệu được lấy từ Sở giao dịch chứng khoán TP.HCM, website cophieu68.com và trang thông tin điện tử tài chính Cafef Danh sách các công ty bị hủy niêm yết được tìm thấy trên trang Sự kiện của cophieu68.com.
Nghiên cứu về "dự đoán khả năng kiệt quệ tài chính doanh nghiệp" gặp khó khăn do hạn chế dữ liệu Để thu thập thông tin, nghiên cứu tập trung vào các công ty bị hủy niêm yết trên sàn giao dịch chứng khoán Việt Nam, chủ yếu là những doanh nghiệp đã chịu lỗ nhiều năm liên tiếp và có lỗ lũy kế vượt quá vốn chủ sở hữu Điều này cho thấy rằng các công ty này đang đối mặt với khó khăn tài chính nghiêm trọng trong việc thực hiện nghĩa vụ với chủ nợ.
Trong số 44 công ty được nghiên cứu, có 22 công ty đã bị hủy niêm yết trên sàn giao dịch chứng khoán, trong khi 22 công ty còn lại vẫn tiếp tục giao dịch trong vòng 2 năm sau thời điểm phân tích Nguyên nhân dẫn đến việc hủy niêm yết chủ yếu là do các công ty này gặp phải lỗ trong 2 năm liên tiếp hoặc có lỗ lũy kế vượt quá vốn chủ sở hữu.
Dữ liệu thu thập từ các công ty phi tài chính cho thấy sự khác biệt về môi trường hoạt động và dấu hiệu kiệt quệ tài chính so với các doanh nghiệp tài chính Để phân tích, các công ty bị hủy niêm yết cần có một đối thủ tương tự trong cùng ngành, không bị hủy niêm yết, với tổng tài sản gần bằng nhau trong vòng một năm trước khi xảy ra việc hủy niêm yết.
Thu thập và xử lý số liệu
Dữ liệu trong bài viết được thu thập từ báo cáo tài chính của các công ty niêm yết tại Sàn Giao dịch Chứng khoán Tp HCM và Hà Nội Thông tin này được tải xuống từ các trang điện tử của Sàn Giao dịch Chứng khoán Tp HCM, trang dữ liệu chứng khoán Cafef, cũng như từ website của các công ty nghiên cứu.
Dữ liệu tài chính từ 44 công ty được phân loại thành hai nhóm: nhóm 1 gồm các công ty có nguy cơ kiệt quệ tài chính (dựa trên báo cáo tài chính 1, 2, 3 năm trước khi bị hủy niêm yết) và nhóm 2 là các công ty không bị hủy niêm yết (tiếp tục niêm yết 2 năm sau khi thu thập dữ liệu) Danh sách các công ty bị hủy niêm yết được lấy từ trang Sự kiện hủy niêm yết - chuyển sàn - sáp nhập trên website www.cophieu68.com và thông tin từ các báo kinh tế Sau khi thu thập, các tỷ số tài chính được tính toán bằng phần mềm Excel, và cuối cùng, chương trình SPSS được sử dụng để ước lượng mô hình.
NỘI DUNG VÀ CÁC KẾT QUẢ NGHIÊN CỨU
Thực trạng về tình hình giải thể và ngừng hoạt động của doanh nghiệp Việt Nam
Giai đoạn 2008-2012, nền kinh tế thế giới gặp nhiều khó khăn, ảnh hưởng đến kinh tế Việt Nam, đặc biệt là trong bối cảnh lạm phát gia tăng Hoạt động sản xuất kinh doanh của các doanh nghiệp, đặc biệt là doanh nghiệp vừa và nhỏ, gặp nhiều bất lợi Theo VCCI, năm 2012 ghi nhận kỷ lục 58.128 doanh nghiệp phá sản Trong 6 tháng đầu năm 2013, Bộ Kế hoạch - Đầu tư cho biết đã có trên 24.000 doanh nghiệp phá sản và giải thể Hiện có khoảng 86.000 doanh nghiệp không hoạt động nhưng chưa thực hiện quy trình phá sản theo quy định.
Theo báo cáo của Tổng cục Thống kê, tính đến ngày 01/01/2012, cả nước có 541.103 doanh nghiệp tồn tại về mặt pháp lý Sau khi loại trừ 92.710 doanh nghiệp không thể xác minh, tổng số doanh nghiệp trong nền kinh tế còn lại là 448.393 Số lượng doanh nghiệp được chia theo tình trạng hoạt động cụ thể như trong bảng dưới đây.
5 Trang thông tin tài chính-chứng khoán CafeF Báo cáo kinh tế-tài chính 6 tháng 2013 Website: http://cafef.vn
6 Trang thông tin điện tử của Tổng cục thống kê Báo cáo kết quả rà soát số lượng doanh
Theo báo cáo của Tổng cục Thống kê, từ ngày 01/01/2011 đến 01/04/2012, có 8,4% doanh nghiệp tạm ngừng hoạt động, phá sản hoặc giải thể Trong số các doanh nghiệp được khảo sát, 69,6% cho biết nguyên nhân chính dẫn đến phá sản, giải thể là do thua lỗ trong sản xuất kinh doanh Ngoài ra, 28,2% doanh nghiệp thiếu vốn, 14,7% không tiêu thụ được sản phẩm, 11,7% gặp khó khăn về địa điểm kinh doanh, và 4,6% phải đóng cửa để thành lập doanh nghiệp mới hoặc chuyển đổi ngành nghề, tương tự 4,6% khác đóng cửa để sáp nhập với doanh nghiệp khác.
Theo thống kê, nguyên nhân chính dẫn đến tình trạng phá sản và giải thể doanh nghiệp chủ yếu là do thua lỗ trong sản xuất kinh doanh Sự gia tăng số lượng doanh nghiệp phá sản sẽ gây ra nhiều tác động tiêu cực đối với xã hội và nền kinh tế.
Doanh nghiệp phá sản dẫn đến tình trạng gia tăng thất nghiệp, ảnh hưởng nghiêm trọng đến xã hội Theo báo cáo của Tổng cục Thống Kê, trong 6 tháng đầu năm 2012, có 26.324 doanh nghiệp giải thể, tăng 5,4% so với năm trước Đặc biệt, số doanh nghiệp giải thể tăng 35,4%, với 31,7% doanh nghiệp dự kiến thu hẹp sản xuất và 13% giảm quy mô lao động Hệ lụy này gây khó khăn cho người lao động khi nhiều doanh nghiệp phải chấm dứt hợp đồng do không đủ khả năng chi trả Tình trạng này không chỉ làm gia tăng tỷ lệ thất nghiệp mà còn tạo ra những tác động tiêu cực đến đời sống của nhiều người.
Phá sản doanh nghiệp gây ra nhiều tác động tiêu cực đến sự ổn định của nền kinh tế, ảnh hưởng đến các mối quan hệ với ngân hàng, đối tác và cơ quan nhà nước Khi một doanh nghiệp phá sản, các đối tượng liên quan cũng gặp khó khăn tài chính, và quy mô phá sản càng lớn thì hậu quả càng nghiêm trọng Sự phá sản có thể dẫn đến hiệu ứng dây chuyền, khiến nhiều doanh nghiệp khác cũng rơi vào tình trạng tương tự Hơn nữa, tình trạng phá sản gia tăng tạo ra tâm lý bất ổn cho thị trường, nhà đầu tư và người tiêu dùng.
Theo một chuyên gia tài chính, tình hình phá sản doanh nghiệp hiện nay đang gia tăng đáng kể, tạo ra vấn đề lớn không chỉ cho các doanh nghiệp mà còn cho toàn bộ nền kinh tế Sự gia tăng này dẫn đến nhiều hệ lụy như khó khăn trong thu ngân sách, rủi ro cho ngân hàng, tình trạng thất nghiệp gia tăng và ảnh hưởng đến an ninh, trật tự xã hội Tất cả những vấn đề này đều tác động tiêu cực đến tiến trình phát triển của đất nước.
Mặc dù một số chuyên gia kinh tế cho rằng sự phá sản của doanh nghiệp trong nền kinh tế thị trường là bình thường và giúp thanh lọc những doanh nghiệp yếu kém, nhưng hàng loạt doanh nghiệp phá sản do thua lỗ và đình trệ đang gây ra tình trạng thất nghiệp cho hàng vạn lao động, điều này thật sự đáng lo ngại Việc này đòi hỏi sự quan tâm đặc biệt từ các cơ quan chức năng và nhấn mạnh tầm quan trọng của việc nhận diện sớm các dấu hiệu phá sản để có phản ứng kịp thời và hiệu quả.
Kết quả thực nghiệm dự đoán khả năng kiệt quệ tài chính của doanh nghiệp phi tài chính Việt Nam và ý nghĩa các kết quả
Dữ liệu tài chính được thu thập từ báo cáo tài chính của 22 công ty đã bị hủy niêm yết trên sàn giao dịch chứng khoán TP Hồ Chí Minh và Hà Nội, cùng với 22 công ty vẫn hoạt động bình thường.
Hai năm sau khi thu thập dữ liệu, danh sách các công ty bị hủy niêm yết được lấy từ trang 7 của mục Sự kiện đặc biệt, bao gồm các sự kiện chuyển sàn, sáp nhập và hủy niêm yết, trên website www.cophieu68.com.
Các chỉ số tài chính được tính toán bằng Excel và sử dụng làm biến độc lập trong phần mềm SPSS để ước lượng mô hình Mô hình đầu tiên được xây dựng nhằm dự đoán tình trạng kiệt quệ tài chính một năm trước đó.
Trước khi thực hiện phân tích hồi quy Binary Logistic, một phân tích nhân tố đã được tiến hành nhằm xác định các biến quan trọng có ý nghĩa Dữ liệu sử dụng bao gồm sáu tỷ số tài chính được chọn làm biến độc lập, và kết quả của phân tích nhân tố đã chỉ ra những biến nổi trội.
7 Trang thông tin tài chính cophieu68 Sự kiện chuyển sàn-sáp nhập- hủy niêm yết Website: http://www.cophieu68.com
Bảng 4.1 Correlation Matrix vốn lưu động ròng trên tổng tài sản
Lợi nhuận trước thuế trên tổng tài sản
Nợ trên tổng tài sản
Lợi nhận sau thuế trên tổng tài sản
Doanh thu trên tổng tài sản
Nợ ngắn hạn trên tài sản lưu động
Correlation vốn lưu động ròng trên tổng tài sản 1.000 773 -.813 721 148 -.638
Lơi nhuận trước thuế trên tổng tài sản 773 1.000 -.707 991 290 -.303
Nợ trên tổng tài sản -.813 -.707 1.000 -.679 -.146 420
Lợi nhận sau thuế trên tổng tài sản 721 991 -.679 1.000 291 -.196
Doanh thu trên tổng tài sản 148 290 -.146 291 1.000 -.141
Nợ ngắn hạn trên tài sản lưu động -.638 -.303 420 -.196 -.141 1.000
TIEU LUAN MOI download : skknchat@gmail.com
Bảng 4.2 KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Sử dụng kiểm định Bartlett để xác định giả thuyết Ho về sự không tương quan giữa các biến trong tổng thể Kết quả kiểm định Bartlett trong Bảng 4.3 cho thấy giá trị sig là 0.000, do đó giả thuyết Ho bị bác bỏ, cho phép áp dụng phương pháp phân tích nhân tố.
Rotation Sums of Squared Loadings
Extraction Method: Principal Component Analysis
TIEU LUAN MOI download : skknchat@gmail.com
Theo Bảng 4.4, với tiêu chuẩn Eigenvalue lớn hơn 1 (mặc định của chương trình SPSS), chỉ có 2 nhân tố được rút ra Hai nhân tố này bao gồm vốn lưu động ròng trên tổng tài sản và lợi nhuận trước thuế trên tổng tài sản, giải thích được 77.95% biến thiên của dữ liệu.
Sau khi thực hiện phân tích nhân tố, hai biến nổi trội được rút ra và hồi quy Binary Logistic đã được áp dụng để ước lượng mô hình với biến phụ thuộc Y, trong đó 1 đại diện cho khả năng kiệt quệ tài chính và 0 nếu không có khả năng kiệt quệ Hai biến còn lại được chuyển sang khung Covariate để làm biến giải thích Phương pháp đưa biến độc lập vào mô hình được chọn theo chế độ Enter, kết quả ước lượng mô hình đã được xác định.
Original Value Internal Value không kiệt quệ tài chính 0 kiệt quệ tài chính 1
Bảng 4.5 Omnibus Tests of Model Coefficients
Cox & Snell R Square Nagelkerke R Square
1 7.092 a 706 942 a Estimation terminated at iteration number 11 because parameter estimates changed by less than 001
Dự đoán kiệt quệ tài chính
Percentage Correct không kiệt quệ tài chính kiệt quệ tài chính
Step 1 Dự đoán kiệt quệ tài chính không kiệt quệ tài chính 21 1 95.5 kiệt quệ tài chính 1 21 95.5
Overall Percentage 95.5 a The cut value is 500
Bảng 4.8 Variables in the Equation
Constant 3.037 1.673 3.297 1 069 20.847 a Variable(s) entered on step 1: R1, R2
Thực hiện với dữ liệu 2 năm trước kiệt quệ tài chính có các kết quả sau:
Bảng 4.9 Omnibus Tests of Model Coefficients
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 14.458 a 653 870 a Estimation terminated at iteration number 10 because parameter estimates changed by less than 001
Dự báo kiệt quệ tài chính
Percentage Correct không kiệt quệ tài chính kiệt quệ tài chính
Step 1 Dự báo kiệt quệ tài chính không kiệt quệ tài chính 20 2 90.9 kiệt quệ tài chính 1 21 95.5
Overall Percentage 93.2 a The cut value is 500
Bảng 4.12 Variables in the Equation
Constant 4.094 1.659 6.091 1 014 59.996 a Variable(s) entered on step 1: R1, R2
Thực hiện với dữ liệu 3 năm trước kiệt quệ tài chính có các kết quả sau:
Bảng 4.13 Omnibus Tests of Model Coefficients
-2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 35.380 a 441 588 a Estimation terminated at iteration number 6 because parameter estimates changed by less than 001
Dự đoán kiệt quệ tài chính
Percentage Correct không có khả năng kiệt quệ tài chính có khả năng kiệt quệ tài chính
Dự đoán kiệt quệ tài chính không có khả năng kiệt quệ tài chính
16 6 72.7 có khả năng kiệt quệ tài chính
Overall Percentage 81.8 a The cut value is 500
Bảng 4.16 Variables in the Equation
Constant 1.337 548 5.958 1 015 3.806 a Variable(s) entered on step 1: R1, R2
4.2.2 Ý nghĩa các kết quả Đối với mô hình dự đoán 1 năm trước kiệt quệ tài chính, ý nghĩa các kết quả như sau:
Kết quả kiểm định giả thuyết về độ phù hợp tổng quát của mô hình cho thấy mức ý nghĩa quan sát sig = 0,000, do đó bác bỏ giả thuyết Ho: βR1=βR2=0 Độ phù hợp tổng quát của mô hình Binary Logistic được đo bằng chỉ tiêu -2LL (-2 log likelihood), với giá trị -2LL càng nhỏ thì độ phù hợp càng cao Theo bảng 4.7, giá trị -2LL = 7.380 cho thấy độ phù hợp khá tốt của mô hình tổng thể.
Mức độ chính xác của dự báo được thể hiện qua bảng Classification Table, trong đó mô hình đã dự đoán chính xác 21 trong số 22 trường hợp kiệt quệ tài chính, đạt tỷ lệ 95.5% Đối với 22 trường hợp thực tế không kiệt quệ tài chính, mô hình chỉ sai 1 trường hợp, cũng với tỷ lệ đúng là 95.5% Tổng tỷ lệ đoán đúng của toàn bộ mô hình là 95.5%.
Bảng 4.9 cho thấy kết quả kiểm định Wald về ý nghĩa của các hệ số hồi quy tổng thể của biến R1 và R2 Với mức ý nghĩa sig nhỏ hơn 0,1, chúng ta bác bỏ giả thuyết Ho: βR1=0.
Như vậy các hệ số hồi quy tìm được có ý nghĩa Từ các hệ số hồi quy ta viết được phương trình ln(Y=1/Y=0)=ln(Pi/(1-Pi))= 3,037- 15,183*R1 – 135,662*R2
Các hệ số hồi quy Binary Logistic cho thấy rằng tỷ số vốn lưu động ròng trên tổng tài sản và lợi nhuận trước thuế trên tổng tài sản có tác động tích cực trong việc giảm nguy cơ kiệt quệ tài chính, với lợi nhuận trước thuế thể hiện rõ nét hơn Cụ thể, khi xác suất ban đầu là 0,5, tác động biên của tỷ số vốn lưu động ròng trên tổng tài sản đạt -3,796, trong khi tỷ số lợi nhuận sau thuế trên tổng tài sản là -33,92.
Điểm phân cách (cut value) được xác định là 0,5, với xác suất từ 0,5 đến 0 chỉ ra các trường hợp không kiệt quệ hoặc phá sản, trong khi xác suất từ 0,5 đến 1 cho thấy khả năng kiệt quệ hoặc phá sản Mô hình dự đoán cho thấy tình hình tài chính có thể gặp rủi ro trong 2 năm tới.
Kết quả kiểm định giả thuyết về độ phù hợp tổng quát của mô hình cho thấy mức ý nghĩa quan sát sig = 0,000, dẫn đến việc bác bỏ giả thuyết Ho: βR1= βR2 = 0 Bảng 4.11 chỉ ra rằng giá trị -2LL=14.458 không cao, nhưng vẫn thể hiện độ phù hợp khá tốt của mô hình Binary Logistic.
Mức độ chính xác của dự báo tài chính được thể hiện qua bảng Classification Table, trong đó mô hình đã dự đoán đúng 21 trong 22 trường hợp kiệt quệ tài chính, đạt tỷ lệ chính xác 95.5% Đối với 22 trường hợp không kiệt quệ, mô hình sai 2 trường hợp, mang lại tỷ lệ đúng 90.9% Tổng tỷ lệ chính xác của mô hình đạt 93.2%.
Kết quả từ Bảng 4.13 cho thấy kiểm định Wald về ý nghĩa của các hệ số hồi quy tổng thể của biến R1 và R2 có mức ý nghĩa sig nhỏ hơn 0,1, điều này dẫn đến việc bác bỏ giả thuyết Ho: βR1=0.
Như vậy các hệ số hồi quy tìm được có ý nghĩa Từ các hệ số hồi quy ta viết được phương trình ln(Y=1/Y=0)=ln(Pi/(1-Pi))= 4,094- 7,689*R1 – 94,922*R2
Thảo luận về kết quả ước lượng của mô hình
Theo báo cáo của Tổng cục Thống kê về “Kết quả rà soát số lượng doanh nghiệp năm 2012”, 69,6% doanh nghiệp cho biết nguyên nhân chính dẫn đến phá sản là do thua lỗ trong sản xuất kinh doanh Ngoài ra, 28,2% doanh nghiệp gặp khó khăn do thiếu vốn, 14,7% không tiêu thụ được sản phẩm, 11,7% gặp vấn đề về địa điểm kinh doanh, và 4,6% phải đóng cửa để thành lập doanh nghiệp mới hoặc chuyển đổi ngành nghề Một tỷ lệ tương tự cũng phải đóng cửa để sáp nhập với doanh nghiệp khác.
Báo cáo nêu rõ những tác động tiêu cực từ bên ngoài đến hoạt động doanh nghiệp trong nước, đặc biệt là ảnh hưởng của cuộc khủng hoảng kinh tế toàn cầu giai đoạn 2008-2012 Bên cạnh đó, khảo sát đã chỉ ra 11 yếu tố gây cản trở cho hoạt động sản xuất kinh doanh, trong đó 6 yếu tố lớn nhất bao gồm: lãi suất vay vốn quá cao (27,2%), lạm phát cao và biến động thất thường (19,5%), và khả năng tiếp cận vốn khó khăn (17,4%).
Theo báo cáo của Tổng cục Thống kê năm 2012, có nhiều yếu tố ảnh hưởng đến hoạt động của doanh nghiệp, trong đó chi phí vận tải cao chiếm 9,7%, điện cung cấp không ổn định 7% và chính sách điều hành kinh tế thiếu ổn định cũng 7% Doanh nghiệp vừa và nhỏ đang đối mặt với khó khăn trong việc tiếp cận vốn và nhu cầu thị trường nội địa giảm, dẫn đến tình trạng nhiều doanh nghiệp rơi vào nguy cơ phá sản.
Các chỉ tiêu dự đoán phá sản doanh nghiệp chủ yếu nằm trong nhóm chỉ số đòn bẩy tài chính và chỉ số sinh lợi Sau thời gian tín dụng phát triển mạnh, nhiều doanh nghiệp đã đầu tư sai mục đích vào bất động sản và các lĩnh vực ngoài ngành, dẫn đến tình trạng nợ xấu gia tăng, buộc các ngân hàng phải thắt chặt tín dụng.
Lãi suất vay vốn cao và khó tiếp cận nguồn vốn đã gây khó khăn cho doanh nghiệp trong việc mở rộng sản xuất, dẫn đến sự thu hẹp hoạt động Bên cạnh đó, chi phí đầu vào như vận tải, điện và nguyên liệu cũng tăng cao, làm giảm lợi nhuận Hệ quả là trong giai đoạn 2012-2013, nhiều doanh nghiệp đã phải công bố phá sản, ngừng hoạt động hoặc bị hủy niêm yết do thua lỗ kéo dài.
Trong nghiên cứu định lượng, mô hình chỉ giữ lại hai biến số quan trọng: vốn luân chuyển ròng trên tổng tài sản và lợi nhuận trước thuế trên tổng tài sản Hai biến này giải thích 77.95% biến thiên của dữ liệu, phù hợp với các nghiên cứu trước và khảo sát của Tổng cục Thống kê về nguyên nhân chính dẫn đến phá sản doanh nghiệp, liên quan đến lợi nhuận và khả năng tiếp cận, sử dụng vốn hợp lý.
Hai biến số được giữ lại của mô hình nằm trong nhóm tỷ số đòn bẩy tài chính và tỷ suất sinh lợi:
Vốn lưu động ròng trên tổng tài sản (R1) là chỉ tiêu quan trọng để đánh giá tình hình tài chính của doanh nghiệp R1 được tính bằng tài sản ngắn hạn trừ đi nợ ngắn hạn; nếu R1 lớn hơn hoặc bằng 0, doanh nghiệp sử dụng vốn đúng mục đích, ngược lại nếu R1 nhỏ hơn 0, doanh nghiệp đang thiếu hụt vốn dài hạn và phải dùng vốn ngắn hạn để bù đắp Mức R1 càng thấp, chứng tỏ sự mất cân đối tài chính càng lớn, làm tăng nguy cơ kiệt quệ tài chính hoặc phá sản Hệ số hồi quy của biến R1 trong mô hình nghiên cứu là -15,183, cho thấy mối quan hệ nghịch biến với xác suất Y=1, tức là khi R1 giảm, khả năng Y nhận giá trị cao hơn.
R2 là chỉ tiêu đo lường lợi nhuận trước thuế trên tổng tài sản, phản ánh khả năng sinh lợi trên mỗi đồng vốn đầu tư vào công ty Lợi nhuận không chỉ là mục tiêu cuối cùng của doanh nghiệp mà còn là cơ sở để nhà đầu tư đánh giá hoạt động của doanh nghiệp Để so sánh khả năng sinh lợi giữa các doanh nghiệp, cần xem xét tổng tài sản và vốn chủ sở hữu, nhằm đánh giá sự thay đổi quy mô Một năm lợi nhuận cao hơn năm trước không nhất thiết là dấu hiệu tích cực, nếu không xem xét sự gia tăng tổng tài sản đầu tư Theo mô hình nghiên cứu, hệ số hồi quy của biến R2 là -135,662, cho thấy mối quan hệ nghịch biến với xác suất Y=1; điều này có nghĩa là khi biến R2 giảm, khả năng Y nhận giá trị 1 sẽ tăng lên.
Các biến có ý nghĩa thống kê trong mô hình phù hợp với kết quả nghiên cứu trước đây và phân tích nguyên nhân phá sản, kiệt quệ tài chính của doanh nghiệp tại Việt Nam hiện nay.