Ứng dụng mô hình z – score Đến việc dự báo nguy cơ phá sản của tổng ctcp xuất nhập khẩu và xây dựng việt nam

Với thực tiễn nói trên, sinh viên chọn đề tài khóa luận: “Ứng dụng mô hình Score dự báo nguy cơ phá sản của Tổng Công ty cổ phần Xuất khẩu và Xây dựng Việt Nam” vào giai đoạn 2018 – 2022

HỌC VIỆN NGÂN HÀNG KHOA TÀI CHÍNH

KHOÁ LUẬN TỐT NGHIỆP

ỨNG DỤNG MÔ HÌNH Z – SCORE ĐẾN VIỆC DỰ BÁO NGUY CƠ PHÁ SẢN CỦA TỔNG CÔNG TY CỔ PHẦN XUẤT NHẬP KHẨU VÀ XÂY DỰNG VIỆT NAM

Giảng viên hướng dẫn : PGS TS Trần Thị Xuân Anh

Hà Nội, tháng 05 năm 2023

HỌC VIỆN NGÂN HÀNG KHOA TÀI CHÍNH

KHOÁ LUẬN TỐT NGHIỆP

ỨNG DỤNG MÔ HÌNH Z – SCORE ĐẾN VIỆC DỰ BÁO NGUY CƠ PHÁ SẢN CỦA TỔNG CÔNG TY CỔ PHẦN XUẤT NHẬP KHẨU VÀ XÂY DỰNG VIỆT NAM

Giảng viên hướng dẫn : PGS TS Trần Thị Xuân Anh

Hà Nội, tháng 05 năm 2023

LỜI CAM ĐOAN

Em xin cam đoan khóa luận tốt nghiệp với đề tài “Ứng dụng mô hình Z – Score đến việc dự báo nguy cơ phá sản của Tổng CTCP Xuất nhập khẩu và Xây dựng Việt Nam” là công trình nghiên cứu khoa học của cá nhân em dựa trên sự hướng dẫn của PGS.TS Trần Thị Xuân Anh – Giảng viên khoa Tài chính Em xin cam đoan các nội dung trong nghiên cứu và kết quả nghiên cứu trong bài là trung thực và không sao chép từ bất kỳ bài nghiên cứu nào khác Các số liệu báo cáo trong bảng biểu phục vụ cho việc nhận xét đánh giá các chỉ tiêu trong bài được chính em thu thập và thống kê

từ các nguồn tài liệu được em trích dẫn rõ trong phần TÀI LIỆU THAM KHẢO Những số liệu, trích dẫn sử dụng trong khóa luận có nguồn gốc rõ ràng, trích dẫn đúng quy định

Nếu có phát hiện bất kỳ sự không trung thực nào, em xin hoàn toàn chịu trách nhiệm về nội dung bài khóa luận tốt nghiêp của mình

Sinh viên thực hiện (Ký và ghi rõ họ tên)

Vũ Ngọc Huyền

đó, giúp bài khóa luận của em được cải thiện và tốt hơn

Bên cạnh đó, em xin chân thành cảm ơn Quý Thầy Cô trong Khoa Tài Chính nói riêng và Quý Thầy Cô trong Học viện Ngân hàng nói chung đã tận tình đem tới cho em những kiến thức quý báu trong thời gian em theo học tại Học viện Ngân hàng Những kiến thức cơ sở em được tiếp cận từ các môn học trên trường đã bổ trợ giúp

em có đầy đủ những kiến thức nền và kiến thức chuyên ngành để hoàn thành bài khóa luận một cách thuận lợi Những kiến thức và sự tận tình giảng dạy của thầy cô trong công tác truyền tải kiến thức không những hỗ trợ em hoàn thành bài tập cuối cùng trong đời sinh viên, những kiến thức đến từ Học viện Ngân hàng sẽ theo em đến sau này Đó không chỉ là bài tập liên quan đến chuyên ngành, mà còn là bài tập liên quan đến thái độ làm việc, các làm việc nhóm sao cho hiệu quả và vượt qua những khó khăn, thử thách trong cuộc sống sau này

Em cũng xin được gửi lời cảm ơn đến Ban Giám đốc Ngân hàng TMCP Đầu tư

và Phát triển Việt Nam BIDV chi nhánh Đống Đa và các anh chị cán bộ nhân viên đã tạo điều kiện hướng dẫn, hỗ trợ em trong suốt quãng thời gian thực tập và hoàn thành khóa luận tốt nghiệp

Cuối cùng, em xin cảm ơn tới người thân, bạn bè đã luôn đồng hành và động viên em trong quá trình hoàn thành khóa luận này

Tuy nhiên, vì kiến thức chuyên môn còn hạn chế và bản thân còn thiếu nhiều kinh nghiệm thực tế nên bài luận sẽ không tránh khỏi những thiếu xót, em rất mong nhận được sự góp ý, chỉ bảo thêm của Quý Thầy Cô để không chỉ trong bài nghiên cứu này mà những nghiên cứu của em trong tương lai có thể được hoàn thiện hơn nữa

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

DANH MỤC VIẾT TẮT v

DANH MỤC BẢNG BIỂU vi

LỜI MỞ ĐẦU 1

1 Đặt vấn đề 1

2 Mục đích nghiên cứu 2

3 Câu hỏi nghiên cứu 2

4 Đối tượng và phạm vi nghiên cứu 2

4.1 Đối tượng nghiên cứu 2

4.2 Phạm vi nghiên cứu 3

5 Kết cấu của khóa luận 3

CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU 4

1.1 Khung lý luận 4

1.1.1 Cơ sở lý luận về rủi ro phá sản 4

1.1.2 Cơ sở lý luận về phương pháp phân tích đa biệt thức – Giới thiệu về mô hình Z-Score 13

1.1.2.4 Những mô hình dự báo nguy cơ phá sản khác so với mô hình Z – Score 16

1.2 Các nghiên cứu thực nghiệm 18

1.2.1 Các nghiên cứu trong nước 18

1.2.2 Các nghiên cứu nước ngoài 20

1.3 Khoảng trống nghiên cứu 22

1.4 Khung nghiên cứu 24

CHƯƠNG 2 CƠ SỞ DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 25

2.1 Dữ liệu sử dụng 25

2.2 Quy trình nghiên cứu 26

2.3 Phương pháp nghiên cứu 26

2.4 Mô hình nghiên cứu 27

2.4.1 Biến phụ thuộc 27

2.4.2 Các biến độc lập 27

2.5 Kiểm định mô hình nghiên cứu 29

2.5.1 Lựa chọn mô hình 29

2.5.2 Kết quả kiểm định 30

CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU 34

3.1 Tổng quan thực trạng ngành công nghiệp xây dựng Việt Nam và CTCP Xuất nhập khẩu và Xây dựng Việt Nam 34

3.1.1 Tổng quan về Công ty Cổ phần Xuất nhập khẩu và Xây dựng Việt Nam VinaConex 34

3.1.2 Những rủi ro mà Tổng CTCP Xuất nhập khẩu và Xây dựng đối mặt 34

3.1.3 Tổng quan tình hình sản xuất – kinh doanh 36

3.2 Phân tích kết quả nghiên cứu 39

3.2.1 Kết quả mô hình 40

3.2.2 Đánh giá và phân tích 41

3.2.3 Thảo luận kết quả nghiên cứu 43

CHƯƠNG 4: KẾT LUẬN VÀ KHUYẾN NGHỊ 48

4.1 Kết luận chung 48

4.2 Khuyến nghị 49

4.1.1 Đối với các doanh nghiệp chung 49

4.1.2 Đối với CTCP Xuất nhập khẩu và Xây dựng Việt Nam Vinaconex 49

4.3 Hạn chế nghiên cứu 51

4.4 Hướng nghiên cứu tiếp theo 51

TÀI LIỆU THAM KHẢO 52

PHỤ LỤC 55

XÁC NHẬN CỦA ĐƠN VỊ THỰC TẬP 71

NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN 72

DANH MỤC VIẾT TẮT

HOSE Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh

DANH MỤC BẢNG BIỂU

Bảng 1.1: Các nhân tố tác động đến nguy cơ phá sản doanh nghiệp loại 1 7

Bảng 1.2: Những nhân tố tác động đến nguy cơ phá sản doanh nghiệp loại 2 10 Bảng 1.3 Những nhân tố tác động đến khả năng phá sản của doanh nghiệp

loại 3

12

Bảng 2.2 Tên viết tắt và cách đo lường những biến độc lập của điểm số Z’’ 29 Bảng 2.3: Kết quả phân loại doanh nghiệp thuộc nhóm 1 trước phá sản 1

Bảng 3.2: Chỉ tiêu cần thiết để tính biến X1 – X4 (Đơn vị: Triệu đồng) 40

Biểu đồ 2.1: Tỷ lệ chính xác của mô hình Z’’-Score qua các năm 33 Biểu đồ 3.2: Lợi nhuận sau thuế và Biên lợi ròng Vinaconex 2018 - 2022 36 Biểu đồ 3.3: Doanh thu thuần và tăng trưởng doanh thu thuần Vinaconex

LỜI MỞ ĐẦU

1 Đặt vấn đề

Trong năm 2022, doanh nghiệp xây dựng Việt Nam đã phải đối mặt không ít khó khăn bao gồm sự gia tăng của chi phí nguyên liệu đầu vào, huy động vốn trên thị trường bất động sản suy giảm Những doanh nghiệp thuộc đối tượng Xây dựng và Bất động sản là những doanh nghiệp bị tác động nặng nề bởi tình hình bất ổn và suy thoát kinh tế, tình hình địa chính trị căng thẳng, sự gia tăng của lãi suất và lạm phát Theo nhận định hiện nay, khi sự thử thách này kéo dài, ngành xây dựng trong 5 năm tiếp theo sẽ thiếu hụt những công ty đủ năng lực và chất lượng Với hiện trạng tình trạng khó khăn tài chính kéo dài như hiện nay, tiềm năng sinh lời của doanh nghiệp

bị giảm sút đáng kể trong khi các khoản nợ gia tăng sẽ ảnh hưởng trực tiếp đến vòng đời của công ty Trong quý I/2023, sự khó khăn về tình hình kinh tế thế giới khiến những mặt hàng xuất khẩu nói chung và những công ty xây dựng xuất nhập khẩu nói riêng giảm mạnh, lần đầu có số lượng doanh nghiệp đóng cửa vượt ngưỡng so với doanh nghiệp đăng ký mới Bên cạnh đó, theo số liệu thu thập, trong bối cảnh kinh tế phục hồi chậm với chính sách tiền tệ thắt chặt tại đa số các quốc gia làm giảm sức tiêu thụ và các đối tác thương mại đã tác động trực tiếp đến kim ngạch XNK hàng hóa tại Việt Nam Số lượng doanh nghiệp giải thể thuộc lĩnh vực công nghiệp và xây dựng tính đến quý I năm nay ước tính tăng 7.2% so với cùng kỳ năm ngoái Chính vì vậy, có nhiều vấn đề được đặt ra, đặc biệt đối với nhà đầu tư và nhà phân tích tài chính khi khám phá ra nguyên do và phương hướng hiệu quả hóa việc dự báo tình hình hoạt động của DN và dự báo nguy cơ DN trên bờ vực phá sản là vô cùng quan trọng Bên cạnh đó, dự báo nguy cơ phá sản trở thành một trong những khía cạnh được nhà đầu tư và giới nghiên cứu quan tâm, là một nhân tố quan trọng trong việc đánh giá tình hình hoạt động của công ty, giúp các nhà quản lý TTCK có thể có những lựa chọn phù hợp để duy trì sự ổn định của công ty

Mô hình Z-Score của giáo sư E.I Altman được áp dụng phổ biến trên khắp các quốc gia trên thế giới để có thể tiên đoán về vòng đời kinh doanh của doanh nghiệp liệu đã rơi vào vùng phá sản cao hay chưa Chính vì tính cấp thiết của việc tìm ra

nguy cơ không doanh nghiệp nào mong muốn đó, việc phát hiện kịp thời để điều chỉnh lại kế hoạch hoạt động kinh doanh, đóng một vai trò quan trọng trong việc tác động đến việc đo lường nhờ chỉ số Z, giúp các DN đánh giá được ảnh hưởng của điều chỉnh lợi nhuận đến khả năng phá sản của DN và sẽ xem xét kỹ hơn khi thực hiện hành vi này để tối đa hóa lợi nhuận và giảm thiểu chi phí một cách sát thực tế và mang lại hiệu quả cao cho doanh nghiệp

Với thực tiễn nói trên, sinh viên chọn đề tài khóa luận: “Ứng dụng mô hình Score dự báo nguy cơ phá sản của Tổng Công ty cổ phần Xuất khẩu và Xây dựng Việt Nam” vào giai đoạn 2018 – 2022 để nghiên cứu về tình hình tài chính của doanh nghiệp, đồng thời đưa ra nhận định về nguy cơ phá sản của doanh nghiệp

Z-2 Mục đích nghiên cứu

Nghiên cứu được thực hiện để trả lời những vấn đề sau:

Thứ nhất, hệ thống hóa cơ sở lý luận về mô hình Z-Score và rủi ro phá sản để làm cơ sở cho những nhận định và kết luận của bài khóa luận

Thứ hai, áp dụng mô hình Z-Score để đo lường rủi ro phá sản của Tổng công ty

Cổ phần Xuất nhập khẩu và Xây dựng Việt Nam Thông qua kết quả đo lường, nghiên cứu và đưa ra kết quả điểm số Z phù hợp với mô hình

Thứ ba, tiến hành nghiên cứu định lượng và kiểm định mô hình Từ đó rút ra bài học, giải pháp và khuyến nghị để làm giảm thiểu nguy cơ kiệt quệ tài chính cho doanh nghiệp và những bên liên quan

3 Câu hỏi nghiên cứu

Khóa luận tập trung trả lời câu hỏi:

Ứng dụng mô hình Z-Score, Tổng Công ty Cổ phần Xuất nhập khẩu và Xây dựng Việt Nam có đang rơi vào tình trạng nguy cơ phá sản không?

4 Đối tượng và phạm vi nghiên cứu

4.1 Đối tượng nghiên cứu

Đối tượng của bài nghiên cứu là ứng dụng mô hình Z-Score vào việc dự báo ảnh nguy cơ phá sản của Tổng CTCP Xuất nhập khẩu và Xây dựng Việt Nam

4.2 Phạm vi nghiên cứu

Về phạm vi không gian: Vì sự hạn chế trong khoảng thời gian cũng như chi phí khi nghiên cứu, cũng như quy định của Khoa phải liên quan trực tiếp hoặc gián tiếp đến đơn vị thực tập, chính vì thế bài viết nghiên cứu duy nhất một trường hợp là CTCP Xuất nhập khẩu và Xây dựng Việt Nam - Đối tác của Ngân hàng TMCP Đầu

tư và Phát triển Việt Nam Mẫu nghiên cứu gồm những doanh nghiệp được niêm yết trên 3 sàn chứng khoán là HOSE, HNX, UpCom từ năm 2017 – 2022

5 Kết cấu của khóa luận

Khóa luận được chia làm 4 phần chính:

Chương 1: Tổng quan nghiên cứu

Chương 2: Cơ sở dữ liệu và phương pháp nghiên cứu

Chương 3: Kết quả nghiên cứu

Chương 4: Kết luận và khuyến nghị

CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU 1.1 Khung lý luận

1.1.1 Cơ sở lý luận về rủi ro phá sản

1.1.1.1 Khái niệm cơ bản về rủi ro phá sản

Theo Quyết định số 428/QĐ-UBCK ngày 11 tháng 07 năm 2013 của Bộ Tài chính, rủi ro được cho là: “Các sự kiện không chắc chắn có thể xảy ra trong hoạt động kinh doanh, gây tổn thất doanh thu, lợi nhuận, vốn, các thiệt hại vật chất và phi vật chất khác hoặc không đạt được mục tiêu kinh doanh của công ty hoặc mục tiêu của khách hàng ủy thác.” Rủi ro vỡ nợ (Default Risk) là thuật ngữ được dùng khi một doanh nghiệp hoặc cá nhân mất khả năng thanh toán các nghĩa vụ nợ Dựa vào các nghiên cứu thực nghiệm trước đó, rủi ro được làm những loại rủi ro như rủi ro pháp

lý, rủi ro hoạt động, rủi ro thị trường, rủi ro thanh khoản,…Rủi ro phá sản là một trong những nhân tố đặc biệt nhận được sự quan tâm của các nhà quản lý doanh nghiệp bởi tính chất tác động trực tiếp đến khả năng sống còn của doanh nghiệp đó

Theo góc độ pháp lý tại Việt Nam, Luật phá sản của Quốc hội Số: 51/2014/ QH13 đưa ra nhận định về phá sản là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị Tòa án nhân dân ra quyết định tuyên bố phá sản Theo Phạm Thị Liên (2021), đây là thuật ngữ bắt nguồn từ thời kỳ Phát thuộc được người Pháp mang sang Việt Nam cùng với quá trình thực dân hóa Khi nghiên cứu về khả năng dự báo phá sản của doanh nghiệp khi ứng dụng mô hình Z-Score, Sajian (2016) nhận định về phá sản là khi tình trạng nghĩa vụ nợ phải trả vượt quá với tổng tài sản của doanh nghiệp

Theo Khan & Jain (2011), kiệt quệ tài chính là tình thế khó khăn của doanh nghiệp khi tiến hành những cam kết với chủ nợ Ghazali và cộng sự (2015) cho rằng, KQTC là khi doanh nghiệp gặp thử thách trong nghĩa vụ trả nợ hoặc những nghĩa vụ tài chính khác Vào thời điểm xảy ra sự suy giảm về tình hình tài chính, giá trị doanh nghiệp cũng như giá trị của nợ sẽ chỉ còn chiếm 1/3 trước khi kiệt quệ hoàn toàn Khi rủi ro gia tăng, giá trị chứng khoán của doanh nghiệp sẽ giảm Những khoản vay kí quỹ trước đó cung cấp cho cá nhân một giới hạn hiệu quả dưới hình thức đòn bẩy cá nhân Những cá nhân sẽ bị xóa sổ khi lợi nhuận kỳ vọng trên chi phí sử dụng vốn đi

xuống bằng lãi phải trả trên lãi suất phi rủi ro Tuy nhiên, việc này vẫn chưa dẫn đến tình trạng phá sản của doanh nghiệp theo lý thuyết về kiệt quệ tài chính của Gorgon (1971) Ngoài ra, Hu và Ansell (2005) đưa ra nhận định, khi doanh nghiệp có tỷ lệ nợ lớn hơn một (>1), đồng nghĩa doanh nghiệp đang đối mặt với kiệt quệ tài chính, tức

là nợ phải trải đang nhiều hơn tổng tài sản hoặc tỷ lệ chi trả lãi vay (dựa trên dòng tiền) nhỏ hơn một (<1), tức là dòng tiền của công ty không còn đủ khả năng trả lãi

Theo lý thuyết thu nhập tài chính của Laitinen (1991), khi những khoản thu nhập tài chính không đủ để chi trả những khoản chi phí, DN sẽ gặp phải tình trạng mắc nợ và phá sản do sự thiếu hụt về tài chính Khi tốc độ tăng trưởng vượt quá tỉ suất nội hoàn, doanh thu không đủ để tài trợ những khoản chi tiêu và doanh nghiệp mất khả năng thanh toán nghĩa vụ nợ của mình Khi phân tích thu nhập tài chính, ba dòng tài chính sẽ được áp dụng dựa theo nguyên tắc kế toán khác nhau để xác định daonh thu và chi phí (1) dòng thu nhập – chi tiêu, (2) dòng doanh thu – chi phí; và (3) dòng tiền thu – chi bằng tiền mặt Theo Rosner (2003), có nhiều nghiên cứu trên thế giới đã minh chứng những nhà quản lý của những công ty trong giai đoạn khủng hoảng tài chính có hành vi điều chỉnh doanh thu, chi phí, các khoản nợ và khoản phải thu Mục đích của hành vi này là che giấu khó khăn tài chính của doanh nghiệp để

có thể kêu gọi thêm những nguồn tài trợ khác và giảm thiểu nguy cơ phá sản Mặt khác, nguy cơ phá sản theo Pongsatat et al (2004) được nhận diện khi doanh nghiệp không có khả năng tất toán các khoản nợ Khi dòng tiền hoạt động của doanh nghiệp không đủ để thực hiện nghĩa vụ các khoản vay, hoặc là khi giá trị ròng của công ty ở mức âm, đồng nghĩa giá trị tài sản ít hơn giá trị của các khoản phải trả

Nói tóm lại, phá sản xuất phát chủ yếu đến từ sự suy giảm về khả năng thanh toán, khi doanh nghiệp bị giảm hoặc mất khả năng chi trả các khoản nợ phải trả cho phía nhà cung cấp hay lãi tiền vay ngân hàng và phải vi phạm những hợp đồng Rủi

ro phá sản được mô tả là tiềm năng vỡ nợ của doanh nghiệp khi mất khả năng thanh khoản, khó khăn trong việc đáp ứng những nghĩa vụ tài chính của công ty

1.1.1.2 Các giai đoạn phá sản

Theo Mỹ Hạnh (2018), trong những trường hợp DN đầu tư thua lỗ, không còn khả năng thanh toán các khoản nợ và tiếp tục hoạt động, bắt buộc phải giải thể hoặc

phá sản Dựa vào thống kê của Ngân hàng thế giới, tỉ lệ rủi ro là ¼, tức là có 100 doanh nghiệp được thành lập, sẽ có khoảng 25 doanh nghiệp bị phá sản

Ooghe và Prijicker (2006) sáng lâp ra ba giai đoạn chính của một doanh nghiệp khi phá sản dựa theo nghiên cứu trước đó của Fizpatrick (1934) gồm 3 giai đoạn sau:

Giai đoạn 1: “Khoảng trống khởi đầu” – Khi đội ngũ chủ chốt của doanh nghiệp thiếu kiến thức chuyên môn và kỹ năng cũng như là kinh nghiệm trong việc điều hành doanh nghiệp

Giai đoạn 2: “Dấu hiệu tiêu cực xuất hiện” – Đây là khi doanh nghiệp có tình hình kinh doanh xấu dần theo thời gian, có những biểu hiện tiêu cực về dòng tiền và thông tin trên BCTC do những hành động – quyết định trước đó

Giai đoạn 3: “Giai đoạn tài chính” – Khi doanh nghiệp lâm vào tình trạng kiệt quệ tài chính, và hệ quả của doanh nghiệp phá sản

Dựa vào mô hình Outecheva (2007), Pranowo, Achsani, Manurung & Nuryartono (2010) đã nghiên cứu và phát triển về những giai đoạn phá sản của DN gồm 5 giai đoạn: (1) Suy yếu khả năng thanh toán, (2) Dòng tiền gặp vấn đề, (3) Mất khả năng thanh toán, (4) Vỡ nợ, (5) Phá sản

1.1.1.3 Những nhân tố ảnh hưởng đến nguy cơ phá sản

Sức khỏe của doanh nghiệp theo Ooche và Prjcker (2006) được phân loại dựa theo 03 loại hình sau:

Loại 1: Những doanh nghiệp mới khởi nghiệp gặp nhiều thách thức trong giai đoạn đầu dẫn đến giải thể/ phá sản

Loại 2: Những doanh nghiệp đi kèm tốc độ tăng trưởng nhanh nhưng không

ổn định, sau đó là giai đoạn giảm sút mạnh

Loại 3: Những doanh nghiệp có tuổi đời lớn hơn mười năm (>10) nhưng không đáp ứng được với nhu cầu của thị trường

Dựa vào nghiên cứu trên, Korol (2017) đã nghiên cứu và phát triển từng loại hình doanh nghiệp phá sản tương ứng được chỉ trong bảng 1.1 sau:

Bảng 1.1: Các nhân tố tác động đến nguy cơ phá sản doanh nghiệp loại 1

Giai đoạn I Giai đoạn II Giai đoạn III Loại 1: Những

doanh nghiệp mới

Giai đoạn suy thoái

Tỷ giá Lạm phát Lãi suất Doanh nghiệp có sự thâm hụt khách hàng Doanh nghiệp nhận được phản ứng tiêu cực từ khách hàng

Nội sinh Những nhà quản lý doanh nghiệp thiếu kiến thức

chuyên môn

Kỹ năng kiểm soát hệ thống chi phí kém Sự suy giảm mạnh của tỷ lệ thanh khoản

và kinh doanh thua lỗ khó bù đắp Thiếu lãnh đạo chuyên nghiệp, có kỹ năng cao Chiếm dụng chi phí vốn lớn Doanh nghiệp có nợ phải trải vượt quá

hạn mức cho phép, không còn khả năng tái cấu trúc, thâm hụt đi nguồn tài chính

để tất toán các khoản vay, thiếu đi sự trợ giúp của các nhà đầu tư/ nhà tài trợ Sự thất bại từ những nhà quản lý yếu kém

Chưa đủ kinh nghiệm quản lý tài chính Doanh thu thu lại thấp Thâm hụt vốn

Hạn chế trong việc lập kế hoạch kinh doanh Chịu tổn thất trong việc không thành công

đưa sản phẩm ra thị trường Thiếu hụt kiến thức chuyên môn Sự gia tăng mạnh của những khoản chi phí

tài chính

Sự chuẩn bị vội vàng khi bắt đầu Thiếu những lời khuyên từ những chuyên

gia tư vấn chiến lược kinh doanh Những dự án đầu tư chậm tiến độ, không còn phù hợp

Thiếu đi sự đa dạng của sản phẩm, chỉ tập trung và phụ thuộc vào sản phẩm thành công đặc thù

Nguồn: Korol, 2017

Như vậy, với những doanh nghiệp phá sản theo loại 1, Korol (2017) đặc biệt tin rằng trong yếu tố nội sinh, khả năng quản lý của những nhân vật cốt cán trong doanh nghiệp có tác động tiêu cực trực tiếp đến tình hình hoạt động của doanh nghiệp Sự thành bại của DN theo Minh Hiệp và Bích Hương (2019) được định hình bởi những nhà chức trách, quản lý, những lao động gián tiếp tạo ra sản phẩm bởi họ là những người điều hành cũng như định hướng cho doanh nghiệp Bên cạnh đó, một vài nguyên nhân khiến những công ty khởi nghiệp rơi vào tình trạng phá sản đến từ những nhân tố như kinh nghiệm non trẻ, chưa tạo ra được sự đa dạng trong sản phẩm, thiếu đi những lời khuyên chiến lược, chưa tạo ra dấu ấn cũng như tầm ảnh hưởng trên thị trường,…

Bảng 1.2: Những nhân tố tác động đến nguy cơ phá sản doanh nghiệp loại 2

Ngân hàng không cho vay

Nội sinh Khả năng phát triển của doanh nghiệp

bị cản trở bởi sự thiếu hụt trong quản trị nhân lực

Sai lầm trong việc đánh giá lợi nhuận vượt xa thực tế

Tiếp cận và mở rộng thị trường gặp thất bại kéo theo sự gia tăng của các khoản lỗ

Dùng phần lớn số tiền chi cho hoạt động đầu

tư

Sự chủ quan và vội vàng khi mở rộng quy mô khi đạt lợi nhuận cao trong những năm đầu hoạt động

Kỹ năng quản trị tài chính non yếu Thiếu đi sự tỉnh táo và nhận thức rõ tàng về tầm

ảnh hưởng của thanh khoản Niềm tin của đội ngũ chủ chốt xa rời thực tế

Ban lãnh đạo thiếu chuyên gia/ nhà tư vấn tài chính

Khả năng tài chính không đem lại hiệu quả cao

Giám đốc và đội ngũ ban quản lý thờ

Theo Korol (2017), các ảnh hưởng của nhân tố ngoại sinh làm cho thị trường tăng trưởng mạnh vào một khoảng thời gian cụ thể sẽ khiến những nhà quản trị có kỳ vọng về tương lai của doanh nghiệp một cách thiếu thực tế, đồng thời bỏ qua những rủi ro tương lai mà công ty có thể đối mặt Cho nên, nguyên nhân từ sự chủ quan này khiến cho DN chú trọng vào đầu tư, chi tiêu không có kế hoạch kết hợp với sự non nớt trong bộ máy quản lý nên sẽ tạo ra lợi nhuận không ổn định Do vậy, doanh nghiệp cần phải thích ứng kịp thời với tình hình thị trường bởi chi phí tài chính nằm tại cấu trúc nợ vay sẽ tác động đến lợi nhuận của doanh nghiệp (Ece à Sayilgan, 2020)

Bảng 1.3 Những nhân tố tác động đến khả năng phá sản của doanh nghiệp loại 3

ứng được với nhu

cầu của thị trường

Nhân tố Giai đoạn I Giai đoạn II Giai đoạn III Ngoại

sinh

Giai đoạn lão hóa của ngành Đối thủ cạnh tranh tăng mạnh Nhà nước ban hành chính sách gây bất lợi Công nghệ biến đổi Không đáp ứng kịp xu hướng và giảm

Thiếu hụt quá trình đổi mới sản phẩm Tình hình hoạt động không suôn sẻ Doanh nghiệp lâm vào khủng hoảng nhân

sự do những nhân viên cốt cáng rời công

ty

Chủ quan vào sự thành công trong quá khứ Những sản phẩm hiện hành không còn

thu hút khách hàng Công nghệ mới không được chú trọng kế hoạch

đầu tư Chi phí cố định luôn chiếm tỷ trọng nhiều và không có sự thay đổi trong nhiều năm

Nguồn: Korol, 2017

Với những loại hình DN có tuổi đời lớn hơn 10 năm, tín hiệu đầu tiên của rủi ro phá sản đến từ việc suy giảm lợi nhuận (Hamel, 2015) Theo Tuyết Lan (2009), sau khi nghiên cứu từ 109 doanh nghiệp sản xuất niêm yết trên Sở Giao dịch chứng khoán

Hồ Chí Minh (HOSE) và Sở Giao dịch chứng khoán Hà Nội (HNX), tác giả nhận định rằng 02 chỉ số tài chính bao gồm tổng nợ phải trả trên tổng tài sản và tỷ suất lợi nhuận trên tổng tài sản tác động đến tình hình hoạt động của doanh nghiệp Bên cạnh

đó, việc thay đổi và đa dạng hóa sản phẩm là điều kiện cốt lõi để DN có thể cạnh tranh trên thị trường Theo Eisdorfer và Hsu (2011), công nghệ và thay đổi cũng như nâng cấp sản phẩm phù hợp với thị hiếu người tiêu dùng sẽ ảnh hưởng đến cơ hội phát triển của DN trong thời gian dài hạn

1.1.2 Cơ sở lý luận về phương pháp phân tích đa biệt thức – Giới thiệu về mô hình Z-Score

1.1.2.1 Tổng quan về mô hình Z-Score và các biến độc lập trong mô hình

Giáo sư Edward I.Altman tại trường Kinh doanh Leonard N.Stern của Đại học New York đã phát minh ra mô hình vào năm 1968 Sau khi tiến hành đo lường 66 doanh nghiệp (½ trong số các DN đã phá sản), Altman đã chọn ra được 5 chỉ tiêu tài chính tốt nhất trong tổng 22 chỉ tiêu sau nhiều lần thử nghiệm Tuy được sáng lập tại

Mỹ, nhưng Z-Score là mô hình được sử dụng rộng rãi ở các nước khác nhau với độ tin cậy cao

Như đã đề cập ở trên, mô hình Z-Score được đo lường bởi 5 chỉ số tài chính được ký hiệu từ X1, X2, X3, X4, X5 Cấu trúc chung của mô hình là:

Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.64X4 + 0.999X5 Trong đó:

X1: Vốn lưu động/ Tổng tài sản

X2: Lợi nhuận giữ lại/ Tổng tài sản

X3: Lợi nhuận trước Thuế và lãi vay/ Tổng tài sản

X4: Giá trị thị trường của vốn chủ sở hữu / Tổng nợ phải trả

X5: Doanh thu/ Tổng tài sản

1.1.2.2 Các dạng mô hình Z-Score

(1) Mô hình Z-Score áp dụng cho doanh nghiệp đã cổ phần hóa thuộc ngành sản xuất Nhờ vào sự tối ưu trong việc phân loại nguy cơ phá sản của DN thuộc nhiều nhóm ngành nghề khác nhau, mô hình Z-Score của Altman được ứng dụng rộng rãi

Mô hình gốc là:

Z = 1.2X1 +1.4X2 + 3.3X3 + 0.64X4 + 0.999X5 Trong đó:

Z < 1.8: Doanh nghiệp trong vùng nguy cấp, tỉ lệ phá sản cao

1.8 < Z< 2.99: Doanh nghiệp trong vùng cảnh báo, tuy nhiên tỷ lệ chưa rõ ràng

Z > 2.99: Doanh nghiệp còn hoạt động lành mạnh, chưa có rủi ro phá sản

Tuy nhiên, cần lưu ý các biến độc lập X1, X2, X3 và X4 được áp dụng dưới dạng tỷ lệ phần trăm, tỷ lệ thông thông thường được biểu hiện qua biến độc lập X5 Bên cạnh đó, để tiện cho công tác tính toán, ta có mô hình Điểm số Z với biến X1 đến X5 đều giá trị tỷ lệ thông thường và hệ số biến X5 được đổi từ 0,999 thành 1,0 như sau:

Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 1.0X5 (2) Mô hình Z’-Score áp dụng cho doanh nghiệp chưa cổ phần hóa thuộc ngành sản xuất

Giáo sư Altman đã thay giá trị thị trường của vốn chủ sở hữu thành giá trị sổ sách trong biến X4 để tiến hành kiểm định mô hình Điều này làm thay đổi kết quả của mô hình Mô hình Z’-Score với biến X4 được thay thế là:

Z’ = 0.717X1 + 0.847X2 + 3.107X3 + 0.42X4 + 0.998X5 Trong đó:

X4: Giá trị sổ sách của vốn chủ sở hữu / Giá trị sổ sách của tổng nợ

Z’ < 1.23: Doanh nghiệp trong vùng nguy cấp, tỉ lệ phá sản cao

1.23 < Z’ < 2.9: Doanh nghiệp trong vùng cảnh báo, tuy nhiên tỷ lệ chưa rõ ràng Z’ > 2.9: Doanh nghiệp còn hoạt động lành mạnh, chưa có rủi ro phá sản

Tuy nhiên, mô hình Z’-Score cho độ tin cậy kém hơn so với mô hình gốc Một phần nguyên do đến vì thiếu dữ liệu từ các công ty chưa cổ phần hóa

(3) Mô hình Z’’-Score điều chỉnh áp dụng cho doanh nghiệp thuộc thị trường mới nổi

Xuất phát từ sự không đồng nhất giữa các công ty sản xuất và thương mại dịch

vụ, vậy nên sự điều chỉnh mô hình loại bỏi đi biến X5 (Doanh thu / Tổng tài sản) Trong đó, Altman, Hatzell và Peck (1995) đã vận dụng mô hình Điểm số Z’’ đến những DN mới nổi ở Mexico đã phát hành trái phiếu Châu Âu tính theo USD Mô hình Z’’-Score có dạng:

Z’’ = 6.56X1 + 3.26X2 + 6.72X3 + 1.05X4 Trong đó:

Z’’ < 1.1: Doanh nghiệp trong vùng nguy cấp, tỉ lệ phá sản cao

1.2 < Z’’ < 2.6: Doanh nghiệp trong vùng cảnh báo, tuy nhiên tỷ lệ chưa rõ ràng Z’’ > 2.6: Doanh nghiệp còn hoạt động lành mạnh, chưa có rủi ro phá sản

1.1.2.3 Đánh giá mô hình Z-Score và các phiên bản điều chỉnh

(1) Ưu điểm

Nhờ vào khả năng đánh giá vượt trội và có độ chính xác cao cũng như mức tin cậy lớn, mô hình Z-Score được xây dựng và kiểm định với số lượng mẫu lớn Nhờ vào việc điều chỉnh mô hình, số lượng doanh nghiệp không bị giới hạn, sự đo lường

và kiểm định được mở rộng ra nhiều ngành nghề - doanh nghiệp khác nhau Đồng thời cũng làm khả năng vận dụng mô hình được tăng đáng kể

Bên cạnh đó, việc chỉ sử dụng 4 đến 5 biến độc lập giúp cho mô hình dễ dàng

và thuận tiện khi tính toán, đơn giản khi nhận diện, phân loại và dự báo

Tuy mô hình đơn giản và dễ tính toán, nhưng có nhiều nghiên cứu đã chỉ ra độ tin cậy và chính xác của mô hình

(2) Nhược điểm

Tính chuẩn xác của mô hình phụ thuộc vào tính chuẩn xác của giá trị đầu vào

Ngoài ra, những công ty có doanh số thấp/ không mang lại doanh thu sẽ khó áp dụng mô hình Z-Score Một mặt hạn chế của mô hình sẽ không bao quát được dòng tiền trực tiếp, chỉ sử dụng tỉ lệ vốn trên tài sản lưu động ròng Hơn hết, số liệu của

mô hình luôn thay đổi tùy theo số liệu được lấy từ BCTC

Mô hình Z-Score cho phép xác định DN trong 3 vùng: Vùng an toàn, vùng cảnh báo và vùng có nguy cơ cao Chính vì vậy, khi so sánh với những công ty nằm trong cùng vùng rủi ro sẽ yêu cầu sự so sánh tương quan giữa các DN khác và đi kèm với nhiều phương pháp xếp hạng khác

Tuy có thể đo lường đa ngành nhưng không mô hình không phù hợp cho toàn

bộ các ngành Khi những ngành đòi hỏi yêu cầu cao về đòn bẩy và những ngành có vốn lưu đọng lớn như ngành bán lẻ khi đo lường sẽ ra chỉ số Z nằm trong vùng nguy

cơ phá sản cao

Ngoài ra, những rủi ro hoạt động có thể làm gia tăng những nguyên nhân khách quan như là sự thay đổi về chính sách, khủng hoảng kinh tế, khả năng quản trị doanh nghiệp, khả năng điều chỉnh và quản lý lợi nhuận,

1.1.2.4 Những mô hình dự báo nguy cơ phá sản khác so với mô hình Z – Score

Trên phương diện học thuật, có nhiều nghiên cứu khác ứng dụng những mô hình

dự báo rủi ro phá sản khác nhau Tuy nhiên, sinh viên sẽ không phân tích kỹ từng mô hình mà sẽ giới thiệu tổng quát và đưa những nhận định so sánh về kết quả của những phương thức đo lường của từng dạng mô hình với mô hình Z – Score của Altman (1) Phương pháp Logistic

Logistic Regression, hay là mô hình Logistic dựa trên biến phụ thuộc được giả định trước đó (theo giá trị 0 hoặc 1), biến độc lập của mô hình là biến rời rạc hoặc biến liên tục phụ thuộc vào từng loại hình nghiên cứu Giá trị của mô hình không theo biến nhị phân mà tỷ lệ xác suất xảy ra dựa trên sự kiên của biến phụ thuộc Mô hình cũng được áp dụng rộng rãi trong việc tìm ra xác suất hoặc tiềm năng xảy ra sự kiện trong các ngiên cứu thuộc lĩnh vực kinh tế học Tuy nhiên, so sánh với mô hình điểm

số Z của giáo sư Altman, tỷ lệ phân loại đúng của mô hình chỉ đạt 79,8% Công thức của mô hình:

Logit (pi) = 𝜷𝟎 + 𝜷𝟏𝒙𝟏 + 𝜷𝟐𝒙𝟐+ +𝜷𝒏𝒙n

(2) Mô hình Mạng thần kinh nhân tạo

Mô hình Mạng thần kinh nhân tạo (Artificial neutral networks) là mô hình được nghiên cứu dựa trên những thông số trong quá trình xử lý thông tin của bộ não con người gồm những nơron nhân tạo kết hợp với nhau, đặc biệt mô hình dược áp dụng trong những mô hình phức tạp nhằm tìm ra mối quan hệ giữa biến đầu vào và biến đầu ra Hiện nay các nhà quản lý sử dụng mô hình để dự báo cũng như đưa ra những hoạch định về chiến lược kinh doanh Tỷ lệ dự báo của mô hình được coi ở mức khá cao (81,3%), tuy nhiên tỷ lệ trên vẫn thấp hơn điểm số Z

(3) Mô hình cây quyết định

Tương tự mô hình ANNs và Logistics được đề cập ở trên, mô hình cây quyết định cũng được dùng để đo lường khả năng phá sản của doanh nghiệp Cây quyết định (Decision trees) là một phương pháp xây dựng cây phân cấp có cấu trúc để phân loại đối tượng tùy thuộc vào những đặc điểm và thuộc tính của đối tượng nghiên cứu

Mô hình được áp dụng trong việc phản ánh những kết quả của đối tượng từ những quan sát của đối tương đó Phân loại và hồi quy đều có thể ứng dụng mô hình này Trên lĩnh vực phân loại, cây quyết định chỉ ra những kết quả phân loại như giới tính nam hay nữ, thời tiết mưa hay nắng Trên lĩnh vực hồi quy, cây quyết định sẽ cho ra kết quả về thời gian hoàn thành công việc, giá bán sản phẩm Tỷ lệ dự báo phá sản của cây quyết định thuộc diện cao so với 2 mô hình được đề cập ở trên, đạt mức 91,4%, tuy nhiên vẫn thấp hơn mô hình điểm số Z với độ chính xác mô hình đạt 95% Mặt khác, mô hình cây quyết định cần số lượng biến tối thiểu là 15 biến độc lập, 52 nhánh và 103 lá trong khi mô hình điểm số Z chỉ cần 4 đến 5 biến để tiến hành đo lường Qua đó việc ứng dụng mô hình điểm số Z dễ dàng hơn và mang lại độ chính xác cao hơn

Như vậy, ưu điểm của mô hình Z – Score được phát minh bởi Altman mang lại

2 ưu điểm vượt trội so với 3 mô hình dự báo phá sản khác (Mạng thần kinh nhân tạo, cây quyết định, Logistics): (1) Số liệu thứ cấp được lấy từ BCTC thuận tiện trong việc thu thập, (2) Tỷ lệ phân loại – dự báo ở mức rất cao (95%)

1.2 Các nghiên cứu thực nghiệm

1.2.1 Các nghiên cứu trong nước

Khi ứng dụng mô hình Z-Score vào việc dự báo nguy cơ phá sản của doanh nghiệp, có rất nhiều nghiên cứu được thực hiện Hoàng Thị Hồng Vân (2020) đã sử dụng mẫu nghiên cứu gồm 60 doanh nghiệm, trong đó 30 doanh nghiệp phá sản và

30 doanh nghiệp vẫn trong tình trạng hoạt động Tác giả chỉ ra sự khác nhau giữa 02 nhóm doanh nghiệp được thể hiện cụ thể và rõ ràng trong những chỉ tiêu tài chính

Cụ thể, các chỉ số ROA, ROE, tốc độ gia tăng giá trị tài sản của nhóm doanh nghiệp không còn hoạt động đạt mức trung bình – thấp so với những công ty vẫn còn trong tình trạng hoạt động Tác giả áp dụng chỉ số Z để đo lường rủi ro phá sản và đưa ra

độ chính xác trước 01 năm là 76,67% giả trước 02 năm là 70% Mô hình Z – Score cũng được tác giả khuyến nghị sử dụng khi nhà phân tích muốn đo lường “sức khỏe” của DN, giúp ích cho việc đưa ra quyết định đầu tư tốt nhất

Với mẫu nghiên cứu gồm những DN chế biến thuộc nhóm ngành thủy sản được niêm yết trên TTCK Việt Nam từ năm 2007 đến năm 2009, Nguyễn Thành Cường và Phạm Thế Anh (2010) ứng dụng mô hình Z – Score của Atlman (1968) cho rằng điểm

số Z những ngành này dao động từ vùng có rủi ro phá sản cao đến vùng an toàn kinh doanh ổn định Sau cùng, các tác giả khuyến nghị các DN thuộc nhóm ngành này và các ngân hàng nên nâng cao cấu trúc vốn, tăng khả năng sinh lời cũng như chỉ số thanh khoản, đi kèm với những chính sách tín dụng phù hợp của NH khi cho vay với loại hình doanh nghiệp trên

Nguyễn Trà Ngọc Vy và Nguyễn Văn Công (2013) nghiên cứu khả năng phá sản của 35 doanh nghiệp thuộc ngành dược phẩm có chỉ tiêu lợi nhuận sau thuế và doanh thu tăng trưởng tốt vào năm 2013, ứng dụng mô hình Z’’ được cải tiến so với

mô hình cũ trước đó, chỉ có 11 doanh nghiệp trong 35 DN có BCTC được công bố trên TTCK vào khoảng thời gian năm 2008 đến hết T6/2012 Kết quả thu nhận được

có 02 công ty trong một số năm điểm số Z rơi vào vùng cảnh báo, cụ thể là công ty Dược Hà Tây và công ty Dược Cửu Long, còn những công ty trong phạm vi nghiên cứu đều có chỉ số Z đạt mức trên 5.85 (trên mức an toản) Do đó, nhóm tác giả đề xuất 04 kiến nghị đối với những nhóm doanh nghiệp trên gồm: (1) cấu trúc của tài

sản nên được tái cấu trúc phù hợp, (2) cải thiện chất lượng quản lý chi phí và doanh thu, (3) lựa chọn nguồn vốn phù hợp cho những dự án đầu tư dài hạn và (4) cấp bách

và hành động thu nợ kịp thời điểm trước khi hết hạn

Việc ứng dụng điểm số Z để đo lường cũng được Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012) nghiên cứu qua cỡ mẫu 293 doanh nghiệp đã được niêm yết trên TTCK Kết quả thu nhận chỉ số tỷ lệ chính xác của chỉ số Z dự báo đúng đạt 91% tại thời điểm trước 1 năm phá sản và trước 2 năm giảm xuống 72% Do đó, đây được coi

là mô hình thích hợp với thị trường Việt Nam Phạm Thị Thanh Lâm (2012) áp dụng

mô hình Z để nghiên cứu 46 DN được xếp hạng tín dụng tại ngân hàng Vietcomback chi nhánh Quảng Nam, tuy nhiên do số lượng mẫu không đủ lớn nên cho ra kết quả không phù hợp Do vậy, tác giả sử dụng mô hình điểm số Z được nghiên cứu và phát triển bởi tiến sĩ Nguyễn Trọng Hòa Mô hình được đánh giá thích hợp và đạt tính chính xác cao, hỗ trợ Vietcombank trong quyết định cho vay, nhằm hạn chế rủi ro tín dụng tại ngân hàng

Trên lĩnh vực nghiên cứu khả năng phá sản của các doanh nghiệp vừa và nhỏ, Diệp Thanh Tùng và Võ Thị Hoàng Phụng (2019) sử dụng Z – Score để đo lường khả năng phá sản của loại hình doanh nghiệp này với cỡ mẫu bao gồm 180 DN thuộc địa bàn tỉnh Sóc Trăng Sau khi tiến hành đo lường, tác giả nhận định những nhân tố tác động đến rủi ro vỡ nợ của DN bao gồm lĩnh vực kinh doanh, loại hình, quy mô của doanh nghiệp, trình độ học vấn của người quản lý, tỷ lệ thu thập trước lãi vay và thuế/ tổng tài sản Theo tác giả, mô hình không chỉ là công cụ tài chính nhằm đo lường khả năng phá sản mà còn giúp các nhà quản lý đưa ra những kế hoạch và định hướng quản trị kinh doanh cho công ty một cách hiệu quả hơn

Trên lĩnh vực nghiên cứu về đại dịch Covid – 19, việc ứng dụng mô hình Z’’- Score điều chỉnh được Nguyễn Mạnh Cường (2021) đánh giá trong việc xác định những nguy cơ phá sản của các doanh nghiệp trên sàn HOSE, HNX và UpCom trong giai đoạn từ 2016 đến 2020 Với số lượng mẫu nghiên cứu được thu nhận từ 100 doanh nghiệp niêm yết, tác giả chỉ ra điểm số Z’’ giảm mạnh có liên quan đại dich Covid – 19, đặc biệt giảm mạnh trong chuỗi ngành bán lẻ Kết quả mô hình được

nhận định khá đồng nhất với thị trường chứng khoán Việt Nam, mang tính ứng dụng đến các nhà quản lý, phân tích và đầu tư vào thị trường Việt Nam

1.2.2 Các nghiên cứu nước ngoài

Mô hình Z – Score được Siew Bee và cộng sự (2014) kết hợp với Discriminant Analysis để dự báo nguy cơ phá sản của các 30 doanh nghiệp tại Malaysia, được phân chia thành 15 doanh nghiệp gặp khó khăn về mặt tài chính và 15 doanh nghiệp trong tình trạng ổn định Số liệu trong BCTC được tiến hành lấy dữ liệu từ 5 năm trước khi các doanh nghiệp được phân loại vào diện cảnh báo Các tác giả cho rằng chỉ tiêu đáng lưu ý nhất khi phân biệt giữa 02 nhóm doanh nghiệp là vốn lưu động trên tổng tài sản Ngoài ra, mô hình điểm số Z đưa ra tỷ lệ chính xác đạt 76,7% khi được đo lường để dự đoán

Áp dựng cả mô hình Z – Score và Kida để nghiên cứu về tiềm năng phá sản, sau khi thu thập dữ liệu từ BCTC trong giai đoạn 1990 đến 2006 từ 32 công ty (phá sản

và đang hoạt động) thuộc nhóm ngành dịch vụ và công nghiệp được niêm yết trên Sở giao dịch chứng khóa Jordan Stock Exchange, AI Bzour (2011) đưa ra nhận định rằng

mô hình dự báo phá sản trước năm xảy ra 01 năm đạt 93,8%, đạt hiệu quả cao hơn khi Kida chỉ đạt 69% Bên cạnh đó, nghiên cứu của Mihail (2012) cũng đạt kết quả tương đương nghiên cứu trên khi đo lường rủi ro phá sản của DN thuộc nhóm ngành khách sạn vào năm 2007 ở Hy Lạp với độ chính xác 88.2%

Với cỡ mẫu là những ngân hàng Ấn Độ được Chotalia (2012) nghiên cứu trong khoảng thời gian từ 1/4/2007 đến 31/12/2020, ứng dụng mô hình điểm số Z’’(Altman, 1993) cho ra kết luận điểm số Z’’ của những ngân hàng đều lớn hơn 1.1 và nhỏ hơn 2.6, cho thấy ngân hàng vẫn có tiềm năng hoạt động tuy nhiên rủi ro vỡ nợ khá cao Chính vì vậy, ngân hàng được khuyến nghị nên cải thiện chỉ tiêu vốn lưu động, lợi nhuận chưa phân phối và chi phí hoạt động thuần, đặc biệt giai đoạn ngắn hạn, giảm

tỷ lệ vay nợ để cải thiện chỉ số Z

Dựa vào mô hình điểm số Z, Hayes, Hodge và Huges (2010) đo lường khả năng phá sản của 17 doanh nghiệp thuộc lĩnh vực bán lẻ có vốn hóa trên 1 triệu USD từ năm 2007 đến 2008 Thông qua 8 lần so sánh, 4 lần mỗi năm, giữa những doanh nghiệp phá sản và không phá sản, mô hình đưa ra tỷ lệ chính xác trong việc dự báo

lên đến 94% số doanh nghiệp nộp đơn phá sản và 90% về tình trạng khó khăn tài chính của doanh nghiệp Qua đó, nhóm tác giả đề xuất sử dụng mô hình điểm số Z trong dự báo tình trạng suy thoái của doanh nghiệp nhờ tính hiệu quả cao

Các công ty thuộc nhóm ngành bất động sản được niêm yết tại sàn NSE được tiến sĩ Satish Kumar và Anirudha Ghosh (2013) ứng dụng mô hình Z – Score để đo lường khả năng phá sản, mốc thời gian đo lường từ năm 2007 – 2012 Nhóm nghiên cứu cho rằng hầu hết các doanh nghiệp thuộc phạm vi nghiên cứu đều rơi vào vùng rủi ro vỡ nợ cao, nguyên nhân xuất phát từ sai lệch trong định giá tài sản, chi phí lãi vay và nợ cao, những tài sản hoạt động chiếm tỷ trọng ít trong tổng tài sản đi kèm với ảnh hưởng tiêu cực từ cuộc khủng hoảng tài chính toàn cầu 2007 – 2009 Nghiên cứu góp phần chứng minh tính hữu dụng của mô hình Z và là công cụ mang tính ứng dụng cao giúp NĐT có quyết định sáng suốt hơn trên thị trường

Về lĩnh vực bảo hiểm, AI-Manaseer và Ohsaibat (2018) đã tiến hành đo lường khả năng phá sản của 21 công ty thuộc ngành này được niêm yết tại Sở Giao dịch chứng khoán Jordan từ năm 2011 – 2016 Kết hợp những phương pháp nghiên cứu gồm thống kê, hồi quy tuyến tính thông qua phần mềm Eviews và hệ số tương qua Pearson để tiến hành NC qua mô hình Z – Score (Altman, 1983) Kết luận thu nhận chỉ số Z ý nghĩa tương đối cao khi đo lường nguy cơ phá sản của công ty và có mối quan hệ tương qua với các biến độc lập như vốn lưu động/ tổng tài sản, lợi nhuận chưa phân phối/ tổng tài sản,… Bên cạnh đó, khuyến nghị dựa trên kết quả nghiên cứu giúp đánh giá rủi ro quản trị nội bộ của DN, là một nhân tố quan trọng khi ra quyết định của NĐT

Bên cạnh đó, Karamzadeh (2012) đồng thời ứng dụng cả mô hình Z – Score và

mô hình logit của Ohlson để nghiên cứu về khả năng phá sản của những doanh nghiệp Kết quả thu nhận cho thấy đối với mô hình chỉ số Z thu nhận dự báo lần lượt 1, 2 và

3 năm trước khi xảy ra sự kiện phá sản, mô hình Altman hoạt động tốt hơn với tỷ lệ lần lượt là 74.4%, 64,4% và 50% so với mô hình logit kết quả lần lượt là 53.3%, 50%

và 33.3% Qua nghiên cứu trên, mô hình điểm số Z là hoàn toàn phù hợp cho hướng nghiên cứu về rủi ro phá sản, Karamzadeh cũng kiến nghị các nhà nghiên cứu nên

ứng dụng thêm mô hình mạng thần kinh nhân tạo và tiến hành so sánh các nghiên cứu trong tương lai

Mô hình Z” – Score (Altman, 1993) một lần nữa được Joshi (2019) sử dụng để

dự báo khả năng phá sản của công ty Reliance Communications vào tháng 02/2019 Chỉ số Z’’ dành cho nghiên cứu những DN không thuộc nhóm ngành sản xuất Kết quả thu thập số liệu từ BTCT trong giai đoạn 2008 – 2018 cho thấy khả năng phá sản của công ty có dấu hiệu vào năm 2010 đến 2015 khi chỉ số Z chỉ đạt mức 1.1 đến 2.6,

và bé hơn 1.1 từ năm 2016 đến 2018 Như vậy, tác giả nhận định điểm số Z’’ đã dự báo nguy cơ phá sản của DN trước 03 năm phá sản

Trong giai đoạn từ năm 2010 đến 2014, 06 doanh nghiệp niêm yết tại Sở Giao dịch chứng khoán ở Tanzania được nghiên cứu bởi Omary và Kembo (2019) để đo lường rủi ro phá sản Kết luận nhận định hầu hết các công ty đạt điểm số Z chưa xuống mức bị cảnh báo hoặc có nguy cơ phá sản cao (lớn hơn 2.99) Bên cạnh đó, chi phí và cấu trúc nguồn vốn được nhóm nghiên cứu khuyến nghị nên cải thiện với những DN có chỉ số Z dưới 2.99 nhằm thu hẹp rủi ro

Panigrahi (2019) đóng góp vào nghiên cứu về mô hình Z – Score thông qua dữ liệu nghiên cứu từ những doanh nghiệp dược phẩm được niêm yết tại sàn chứng khoán

Ấn Độ vào khoảng thời gian 2011 – 2012 và 2015 – 2016 Kết quả thu nhận được chỉ

số Z lớn hơn mức 5.9 đạt mức rất an toàn về tình hình tài chính, các doanh nghiệp trong nghiên cứu hầu như sẽ không dễ rơi vào tình trạng kiệt quệ tài chính Đóng góp của tác giải giúp nhà đầu tư có cái nhìn tổng quan về tình hình tài chính của doanh nghiệp góp phần giảm thiểu rủi ro và có phương hướng đầu tư phù hợp trong tương lai

Nhóm doanh nghiệp thuộc ngành dược được Tanjung (2020) tiến hành đo lường khả năng phá sản trong giai đoạn 2013 đến năm 2017 Sau khi tiến hành đo lường và

so sánh 4 mô hình bao gồm mô hình Altman, mô hình Springate, mô hình Zmijewski

và mô hình Ohlson, tác giả nhận định điểm số Z có tỷ lệ dự đoán chính xác cao nhất

1.3 Khoảng trống nghiên cứu

Hầu hết các nghiên cứu trước đó đều chứng minh tính chính xác và độ tin cậy của mô hình Z – Score của giáo sư Altman Tuy nhiên, nhược điểm lớn nhất của mô

hình là sự thiếu hụt thông tin từ BCTC sẽ không thể áp dụng mô hình này Khi sáng lập mô hình, mẫu nghiên cứu ban đầu là 66 , tính đến năm 1999, số mẫu được tăng lên 120 Tuy nhiên, trái với ưu điểm là mô hình được ứng dụng rộng rãi và đa dạng trên nhiều lĩnh vực – nhóm ngành khác nhau, nhược điểm của điểm số Z là các kết luận từ những nghiên cứu trước đó không mang tính đại diện cho toàn bộ nhóm đối tượng được nghiên cứu, chưa đi sâu vào từng biến trong mô hình

Trên thị trường Việt Nam, hầu hết những dữ liệu trong các bài nghiên cứu đa phần được lấy từ những doanh nghiệp đang hoạt động, chưa đa dạng những NC thêm

về cỡ mẫu của những công ty đã phá sản

Với bài khóa luận này, đi ngược với “lối mòn” nghiên cứu trước đó tập trung vào nhóm doanh nghiệp chung, sinh viên cụ thể hóa nghiên cứu khi đi sâu vào phân tích từng biến trong mô hình của một DN duy nhất là Tổng CTCP Xuất nhập khẩu và Xây dựng Việt Nam Hạn chế của bài nghiên cứu là mẫu nghiên cứu tập trung vào một số doanh nghiệp niêm yết và và chỉ trong một khoảng thời gian nhất định, chính

vì thế, sẽ không tránh khỏi cái nhìn chưa bao quát về thị trường ở các thời điểm khác nhau Sinh viên tiến hành đo lường điểm số Z và phân tích chi tiết từng biến độc lập

Xi, hạn chế đi tính tổng quát đối với toàn bộ ngành công nghiệp xây dựng nói riêng

và thị trường nói chung Từ đó, giúp cho nhà phân tích tài chính, nhà đầu tư và các nhà quản lý, chức trách có góc nhìn tốt hơn để đưa ra quyết định mang tính hiệu quả cao

1.4 Khung nghiên cứu

CHƯƠNG 2 CƠ SỞ DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Dữ liệu sử dụng

Bài viết sử dụng nghiên cứu định lượng Dữ liệu được sử dụng cho tác động của điều chỉnh lợi nhuận đến dự báo nguy cơ phá sản bằng mô hình Z-Score được trích lập từ BCTC hợp nhất đã được kiểm toán của Tổng Công ty Cổ phần Xuất nhập khẩu

và Xây dựng Việt Nam trong khoảng thời gian từ năm 2018 đến năm 2022 Báo cáo tài chính được đơn vị kiểm toán lâu đời là công ty TNHH Ernst & Young Việt Nam – Một doanh nghiệp Kiểm toán lâu đời, có kinh nghiệm và nghiệp vụ chuyên nghiệp hàng đầu tại các nước trên thế giới cũng như Việt Nam Ngoài ra, BCTC từ năm 2018 – 2022 được ký và xác nhận bởi ông Đặng Thanh Huấn – kế toán trưởng của VCG, cũng như được các lãnh đạo cấp cao phê duyệt và đóng dấu đỏ

Những thông tin khác về Vinaconex nói riêng và ngành xây dựng nói chung được lấy số liệu dựa trên những nguồn thông tin chính thống cùng độ tin cậy cao, cụ thể là báo cáo thường niên, website Investing, Fiinpro,…

Bài nghiên cứu được lấy dữ liêu từ 41 công ty đa ngành được niêm yết trên Sở Giao dịch chứng khoán Hồ Chí Minh (HOSE), Hà Nội (HNX) và UpCom trong giai đoạn từ năm 2017 – 2022 Những dữ liệu được sử dụng là dữ liệu thứ cấp được thu thập từ BCTC đã thông qua kiểm toán hàng năm của DN được công bố trên nhiều website như https://cafef.vn/ và https://www.financevietstock.com.vn/ và các website thông tin về báo cáo tài chính doanh nghiệp

Dữ liệu sau khi thu thập xong sẽ được tổng hợp lại vào phần mềm Microsoft Excel 2013 để đo lường những biến độc lập Sau khi tính toán xong các biến, sinh viên áp dụng mô hình Z-Score để tính ra chỉ số Z và kết luận

2.2 Quy trình nghiên cứu

Quy trình nghiên cứu của khóa luận bao gồm:

Bảng 2.1: Các bước nghiên cứu

Bước 1 Xác định đề tài, mục tiêu, phương pháp, phạm vi nghiên cứu Bước 2 Tìm hiểu những nghiên cứu đi trước và tiến hành đánh giá, lựa

chọn mô hình thích hợp tại Việt Nam

Bước 3 Thu thâp thông tin từ BCTC và phân tích các nhân tố trong mô

hình

Bước 4 Thu nhận kết quả và tiến hành kiểm định sự phù hợp của mô hình Bước 5 Kết luận và khuyến nghị

2.3 Phương pháp nghiên cứu

Trong bài khóa luận có 02 phương pháp nghiên cứu chính: Phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng

Phương pháp nghiên cứu định tính: Trong bài khóa luận, em sửa dụng phương pháp tổng hợp, tức là khá quát chung về mô hình Z-Score, những đề tài nghiên cứu trong nước và ngoài nước, đánh giá sơ lược về ưu nhược điểm của sự đo lường thông qua điểm Z

Phương pháp nghiên cứu định lượng: Số liệu em sử dụng trích lập từ BTCT công khai của nhiều DN kinh doanh trong nhiều lĩnh vực khác nhau và được niêm yết trên TTCK Nghiên cứu sử dụng quá trình thu nhận số sau đó xử lý số liệu, thực hiện thống kê phân tích qua phương pháp hồi quy cho biến điều chỉnh lợi nhuận Sau khi đã thu thập số liệu, em xử lý số liệu và xây dựng chỉ số dựa theo mô hình thích hợp Ngoài ra, em sử dụng phương pháp so sánh tuyệt đối, so sánh tương đối, liên hệ cân đối để phân tích các số liệu của DN nghiên cứu

2.4 Mô hình nghiên cứu

2.4.1 Biến phụ thuộc

Chỉ số Z’’-Score của Altman là phương pháp tính toán dễ dàng để đo lường và mang lại độ chính xác, tin cậy tương đối cao, và được áp dụng rộng rãi trên thế giới nói chung và Việt Nam nói riêng Cấu trúc của mô hình là:

Z’’ = 6.56X1 + 3.26X2+ 6.72X3 + 1.05X4 Trong đó:

X1 là Vốn lưu động/ Tổng tài sản;

X2 là Lợi nhuận chưa phân phối/ Tổng tài sản;

X3 là EBIT/ Tổng tài sản (EBIT: Lơi nhuận trước lãi vay và thuế);

X4 là (Giá thị trường của cổ phiếu * Số lượng cổ phiếu lưu hành)/ Tổng nợ;

Nhằm đo lường và đánh giá tình trạng của DN, Altman cho ra đời những chỉ tiêu về số Z-Score:

Z ≤ 1.1 : Doanh nghiệp đối mặt với nguy cơ phá sản cao

1.2< Z ≤2.6: Doanh nghiệp không gặp rủi ro phá sản trong ngắn hạn, nhưng cần phải lưu ý, xem xét vấn đề tài chính một cách thận trọng

Z > 2.6: Doanh nghiệp trong tình trạng hoạt động lành mạnh, chưa gặp rủi ro phá sản

Như vậy, khi điểm số Z càng cao, tình hình hoạt động kinh doanh sản xuất của

DN sẽ càng tốt Mặt khác, khi chỉ số Z càng thấp (bé hơn hoặc bằng 1.1) có nghĩa là

tỷ lệ phá sản của DN càng gia tăng

tương đương khoản lỗ trong kỳ hoạt động sẽ tăng lên Đây cũng được coi là chỉ số mang tính giá trị cao nhất trong 3 chỉ số thanh khoản được Altman nghiên cứu) X2: Lợi nhuận giữ lại/ Tổng tài sản (RE / TA: Retained earnings / Total assets)

Để biết tình hình hiệu quả hoạt động của DN, đây là một chỉ số mà các nhà phân tích thường dùng Con số trong chỉ tiêu phản ánh tổng số thu nhập được tái đầu tư hay mức lỗ một DN trong khoảng thời gian tồn tại của nó Ngoài ra, thặng dư kiếm được cũng được thể hiện trong chỉ số này Tuy nhiên, sự phụ thuộc của chỉ số này đến từ sự tái cấu trúc và phân chia cổ tức, vốn không phải nghiên cứu được áp dụng cho mô hình Z-Score)

X3: Lợi nhuận trước Thuế và lãi vay/ Tổng tài sản (EBIT / TA: Earnings before Interest and taxes / Total assets)

Đây là chỉ số được sử dụng phổ biến trong những nghiên cứu về nguy cơ phá sản của DN Lý do vì khả năng sinh tồn của DN được thể hiện qua khả năng tạo ra tiền của tài sản Khi tổng nợ quá cao hơn giá trị đúng của tài sản DN với giá trị được xác định dựa vào mức sinh lời của tài sản sẽ dẫn đến việc mất khả năng thanh toán trong trường hợp phá sản So với dòng tiền, EBIT thể hiện tốt hơn khi muốn đo lường năng suất tài sản của DN

X4: Giá trị thị trường của vốn chủ sở hữu / Tổng nợ phải trả (MVE / TL: Market value of Equity / Book value of total Liabilities)

Giá trị thị trường của toàn bộ bổ phiếu là thước đo cho vốn chủ sở hữu, bao gồm

cả cổ phiếu ưu đãi và thường Ngoài ra, tổng nợ chính bằng nợ ngắn hạn kết hợp với

nợ dài hạn Bằng cách đo lường giá trị thị trường của vốn chủ sở hữu và nợ, nhà phân tích biết được sự thay đổi về giá trị tài sản trước khi khoản nợ lớn hơn tài sản và công

ty mất khả năng thanh toán Bên cạnh đó,kích thước giá trị thị trường được bổ sung khi muốn nghiên cứu về tiềm năng phá sản khác không đề cập đến Tuy nhiên, đối với DN chưa có cổ phần hóa thì giá trị thị trường của VCSH được ghi nhận là giá trị

sổ sách

Bảng 2.2 Tên viết tắt và cách đo lường những biến độc lập của điểm số Z’’

X1 Vốn tín dụng (Working Capital)/

Tổng tài sản (Total Asset)

Thông tin thu nhận từ BCTC

& sử dụng Microsoft Excel đo lường các chỉ số

X2 Lợi nhuận giữ lại (Retained

Earnings)/ Tổng tài sản (Total Asset)

Thông tin thu nhận từ BCTC

& sử dụng Microsoft Excel đo lường các chỉ số

X3 Thu nhập trước lãi vay và thuế

(EBIT)/ Tổng tài sản (Total Asset)

Thông tin thu nhận từ BCTC

& sử dụng Microsoft Excel đo lường các chỉ số

X4 Giá trị vốn hóa thị trường VCSH

(Equity Market Capitalization)/

Giá trị sổ sách của tổng nợ (Book Value)

Thông tin thu nhận từ BCTC

& sử dụng Microsoft Excel đo lường các chỉ số

2.5 Kiểm định mô hình nghiên cứu

2.5.1 Lựa chọn mô hình

Nhằm tìm ra câu trả lời liệu mô hình Z’’-Score có ứng dụng tốt với thị trường Việt Nam hay không, sinh viên tiến hành thử nghiệm qua việc xác định tỷ lệ phần trăm sai lầm loại 1 và sai lầm loại 2 của mô hình khi phân loại những DN đã được niêm yết tại Việt Nam Cụ thể:

H0: Doanh nghiệp có rủi ro rơi vào tình trạng phá sản

H1: Doanh nghiệp trong tình trạng tài chính ổn định, chưa gặp nguy cơ phá sản

Sai lầm loại 1: H0 đúng tuy nhiên kết quả từ mô hình Z’’-Score bác bỏ H0

Sai lầm loại 2: H0 sai tuy nhiên kết quả từ mô hình Z’’-Score không bác bỏ H0

Mẫu nghiên cứu: 40 doanh nghiệp được niêm yết có thông tin công khai trên TTCK Việt Nam, trong đó:

Nhóm 1: 20 DN rơi vào tình cảnh phá sản hoặc khó khăn tài chính trong giai đoạn 2017-2022 Những doanh nghiệp nằm trong nhóm bị hủy niêm yết hoặc trong tình trạng cảnh báo/ được kiểm soát bởi sàn HOSE/ HNX/ UpCom Những DN được chọn lọc có tình trạng chung là hoạt động kinh doanh thua lỗ, phần lớn lợi nhuận giảm và âm Số liệu được thu thập từ BCTC đã được kiểm toán của DN trong khoảng thời gian 5 năm trước khi rơi vào trạng thái nguy cơ phá sản

Nhóm 2: 20 DN vẫn trong tình trạng kinh doanh ổn định tính đến năm 2022 Các doanh nghiệp có đặc điểm chung là đều ghi lợi nhuận dương và có sự phát triển tốt trong nhiều năm với sự quản lý hiệu quả về dòng tiền Số liệu cũng được thu thập

từ BCTC kiểm toán kỹ càng trong khoảng thời gian từ năm 2017 đến năm 2021 (trước năm hoạt động ổn định là 2021)

Vì tính quan trọng và cần thiết trong quá trình tìm và nhận diện những DN gặp khó khăn tài chính và nguy cơ phá sản, sai lầm loại I được coi là có tác động nghiêm trọng hơn Cho nên, các DN có kết quả thuộc vùng xám (vùng không rõ ràng) sẽ được tác giả lưu ý và xếp vào hạng mục có tiềm năng phá sản

Như vậy, theo như thống kê của sinh viên, tỷ lệ chính xác của mô hình Z’’-Score đối với những DN thuộc nhóm 1 (nhóm gặp khó khăn về tài chính, có rủi ro phá sản cao)

là tương đối cao (85%) tại thời điểm trước khi phá sản một năm khi so sánh với tỷ lệ kiểm định mẫu gốc nhóm 1 của Altman là 94% Ngoài ra, tỷ lệ sai lầm của mô hình chỉ chiếm 15%

Độ chính xác của mô hình thông qua các năm thời điểm dự báo càng xa (từ năm thứ

2 tính từ năm gần nhất với thời điểm hiện tại), cụ thể như sau:

Như vậy, vào 5 năm trước khi DN có nguy cơ phá sản cao, mô hình Z’’-Score đưa ra

tỷ lệ chính xác còn 75%, giảm đáng kể so với thời điểm 1 năm trước khi doanh nghiệp gặp khó khăn bất ổn về tài chính Như vậy, độ chính xác của mô hình Z’’-Score càng tăng cao khi thời điểm càng gần năm xảy ra phá sản

b Nhóm 2 – Những doanh nghiệp trong trạng thái tài chính ổn định

Thực hiện tương tự như ở nhóm 1 trong phương pháp tính toán ra chỉ số Z, sau đó sinh viên ghi nhận được kết quả sau khi kiểm định:

Bảng 2.5: Kết quả phân loại thuộc nhóm 2 trước phá sản 1 năm

Sau khi tiến hành kiểm định nhóm doanh nghiệp trong trạng thái ổn định tài chính, kết quả ghi nhận cho thấy tỷ lệ chính xác tại thời điểm năm 2021 là 85%, một con số được tính là khá cao so với kiểm định mô hình

Độ chính xác của mô hình thông qua các năm thời điểm dự báo từ 2 – 5 năm (từ năm thứ 2 tính từ năm gần nhất với thời điểm hiện tại), cụ thể như sau:

và nguy cơ phá sản rất thấp, hoặc nếu chỉ số Z’’-Score nằm vào vùng cảnh báo cũng

sẽ được cải thiện nhanh đáng kể

c Kết quả tổng hợp hai nhóm nghiên cứu và kết luận

Bảng 2.7: Kết quả tổng hợp phân loại của 2 nhóm doanh nghiệp

Sau khi kiểm định xong cả 2 nhóm doanh nghiệp, tỷ lệ chính xác thu nhận được

từ mô hình Z’’-Score vào thời điểm một năm trước là 85%, khá cao so với kết quả kiểm định của Altman là 94% Tuy nhiên, từ bảng trên có thể thấy khi thời gian dự báo càng kéo dài về sau, mức độ chính xác của mô hình giảm xuống, và giảm rõ ràng nhất vào năm 2018 (-5)

Biểu đồ 2.1: Tỷ lệ chính xác của mô hình Z’’-Score qua các năm

Như vậy, khi tiến hành kiểm định tại thời điểm dự báo trước 01 và 02 năm DN gặp rủi ro phá sản theo từng nhóm đơn lẻ hay kết hợp cả hai đều thu về kết quả lớn hơn 80%, một con số tương đối cao Con số này có sự giảm dần đều từ 03 đến 05, thấp nhất của mô hình đạt con số tương đối ổn định là 77,5%

Việc ứng dụng mô hình Z’’ – Score của Altman vào những nền kinh tế đang phát triển như Việt Nam là hoàn toán thích hợp để đo lường khả năng kiệt quệ tài chính của doanh nghiệp, đăc biệt khi áp dụng điểm số Z để dự báo nguy cơ phá sản của Tổng CTCP Xuất nhập khẩu và Xây dựng Việt Nam

24 32

40

Tỷ lệ chính xác của mô hình Z''-Score qua các năm

Số lượng doanh nghiệp kiểm định đúng Tỷ lệ chính xác