Ứng dụng mô hình z score Để xác Định rủi ro phá sản của doanh nghiệp bất Động sản niêm yết trên sàn chứng khoán hose

LỜI CAM ĐOAN CỦA TÁC GIẢ Em xin cam đoan rằng đề tài khóa luận “Ứng dụng mô hình Z’’-score để xác định rủi ro phá sản của doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE” là

Tính cấp thiết của đề tài

Một chu kỳ kinh tế gồm có 03 pha chính: suy thoái, phục hồi và hưng thịnh

Dù trong giai đoạn nào, doanh nghiệp cũng có thể đối mặt với rủi ro phá sản Theo Tổng cục Thống kê, năm 2018, khi GDP Việt Nam đạt 7.5%, có khoảng 63,525 doanh nghiệp tạm ngừng hoạt động hoặc chờ giải thể, tăng 63.4% so với năm 2017 Thống kê từ Worldbank cho thấy, GDP Việt Nam đạt mức cao nhất vào năm 2018 trước khi giảm xuống 2.6% vào năm 2021 do ảnh hưởng của dịch Covid-19 Vì vậy, việc dự báo sớm tình trạng phá sản của doanh nghiệp là rất cần thiết để giúp nhà quản trị, nhà đầu tư và các cơ quan quản lý nhà nước xây dựng các chiến lược và chính sách hợp lý.

Trong 10 năm qua, nền kinh tế Việt Nam đã trải qua những biến đổi đáng kể, với GDP năm 2021 tăng gấp ba lần so với năm 2011 Bắt đầu từ năm 2020, dịch bệnh Covid-19 đã ảnh hưởng sâu sắc đến nền kinh tế, tạo ra nhiều thách thức nhưng cũng mở ra cơ hội mới cho sự phát triển.

Năm 19 đã ảnh hưởng đáng kể đến nền kinh tế, với một số ngành như du lịch và hàng không gặp nhiều khó khăn, trong khi các lĩnh vực như chứng khoán và bất động sản lại có cơ hội phát triển.

Thị trường bất động sản Việt Nam đóng vai trò quan trọng trong tăng trưởng kinh tế, với ngành xây dựng và bất động sản chiếm khoảng 11% tổng thu ngân sách và 4.5% GDP Ngành bất động sản đã đóng góp trung bình 0.5 điểm phần trăm vào tăng trưởng GDP trong những năm gần đây Theo Cục Đầu tư nước ngoài, vốn FDI vào lĩnh vực bất động sản trong năm 2022 đã tăng thêm 1.85 tỷ USD, tương đương với mức tăng hơn 70% so với năm 2021 Giai đoạn gần đây, thị trường bất động sản ghi nhận sự tăng trưởng nóng, với giá nhà ở và đất nền liên tục tăng.

2020, tại TP Thủ Đức xuất hiện vùng giá căn hộ 60-90 triệu đồng mỗi m2, mức giá chưa từng có từ trước tới nay ở địa bàn này

Trong bối cảnh thị trường bất động sản đang phát triển mạnh mẽ, các doanh nghiệp trong ngành này là những bên hưởng lợi lớn nhất Để tận dụng cơ hội, họ đã tích cực huy động vốn trên thị trường nhằm thực hiện các hoạt động đầu tư hiệu quả.

Vốn của doanh nghiệp bất động sản chủ yếu đến từ phát hành trái phiếu, vay ngân hàng và phát hành cổ phiếu, dẫn đến tình trạng trái phiếu “3 không” xuất hiện Để kiểm soát tình hình này, Ngân hàng Nhà nước đã ban hành thông tư 16/2021, ảnh hưởng tiêu cực đến khả năng huy động vốn của các doanh nghiệp bất động sản, vốn đã thâm dụng Theo nghiên cứu của Cushman & Wakefield, thị trường bất động sản Việt Nam chậm lại trong giai đoạn 2021-2022, gây khó khăn cho hoạt động kinh doanh và có nguy cơ dẫn đến phá sản Dự báo đến năm 2023, nhiều doanh nghiệp bất động sản sẽ gặp khó khăn trong việc thanh toán nợ và đối mặt với nguy cơ mất khả năng thanh khoản Tính đến giữa tháng 02/2023, có 54 tổ chức phát hành trái phiếu doanh nghiệp thông báo chậm trả lãi, làm gia tăng lo ngại về thanh khoản Do đó, tôi lựa chọn đề tài “ỨNG DỤNG MÔ HÌNH Z-SCORE ĐỂ XÁC ĐỊNH RỦI RO PHÁ SẢN CỦA DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TẠI SỞ GIAO DỊCH CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH”.

Mục đích nghiên cứu

Doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE đang đối mặt với nguy cơ phá sản Cần xác định rõ các yếu tố rủi ro và thực trạng tài chính của những doanh nghiệp này Để hạn chế nguy cơ phá sản, các khuyến nghị bao gồm cải thiện quản lý tài chính, tăng cường minh bạch thông tin, và tìm kiếm nguồn vốn bổ sung Việc áp dụng các biện pháp này sẽ giúp doanh nghiệp ổn định và phát triển bền vững trong thị trường cạnh tranh.

- Hệ thống hóa những lý luận cơ bản về rủi ro phá sản và mô hình Z của Altman

Tổng hợp và phân tích các nhân tố thành phần cùng với chỉ số Z’’ điều chỉnh cho các doanh nghiệp trong ngành bất động sản nhằm xác định rủi ro phá sản So sánh các yếu tố này giúp hiểu rõ hơn về tình hình tài chính và khả năng tồn tại của doanh nghiệp trong bối cảnh thị trường hiện tại.

Dựa trên góc độ của nhà quản lý, nhà đầu tư, ngân hàng và các cơ quan quản lý nhà nước như Ủy ban Chứng khoán Nhà nước, Bộ Tài chính, Bộ Xây dựng và Ngân hàng Nhà nước, chúng tôi khuyến nghị cần có các biện pháp đồng bộ nhằm tăng cường tính minh bạch và ổn định cho thị trường tài chính Các nhà quản lý nên xem xét việc cải thiện khung pháp lý để thu hút đầu tư, trong khi các ngân hàng cần tăng cường hỗ trợ tài chính cho các dự án phát triển Đồng thời, các cơ quan nhà nước cần phối hợp chặt chẽ để đảm bảo sự phát triển bền vững và bảo vệ quyền lợi của nhà đầu tư.

Phương pháp nghiên cứu

Phương pháp định lượng được áp dụng trong khóa luận này thông qua mô hình Z-score, nhằm xác định các yếu tố góp phần vào rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE.

Bài viết áp dụng phương pháp định tính, sử dụng thống kê mô tả với số tuyệt đối để tổng quan thực trạng doanh nghiệp bất động sản từ 2013 đến 2022 Đồng thời, phương pháp so sánh và phân tích số liệu được sử dụng để làm rõ các yếu tố gây ra rủi ro phá sản cho các doanh nghiệp trong ngành này.

Kết cấu của khoá luận

Đề tài khóa luận gồm 4 chương:

Chương 1: Những vấn đề lý luận chung về rủi ro phá sản của doanh nghiệp và mô hình nghiên cứu

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

Chương 3: Thực trạng hoạt động kinh doanh bất động sản và nguy cơ rủi ro của ngành bất động sản

Chương 4: Kết luận và khuyến nghị

NHỮNG VẤN ĐỀ LÝ LUẬN CHUNG VỀ RỦI RO PHÁ SẢN CỦA DOANH NGHIỆP VÀ MÔ HÌNH NGHIÊN CỨU

Tổng quan về lý thuyết rủi ro phá sản

1.1.1 Khái niệm về rủi ro phá sản

Trong hoạt động sản xuất kinh doanh và đầu tư, doanh nghiệp luôn phải đối mặt với rủi ro, có thể xuất phát từ quyết định nội tại hoặc từ các yếu tố bên ngoài như biến động kinh tế và chính sách quản lý nhà nước Theo quan điểm hiện đại, rủi ro được định nghĩa là tình trạng có khả năng xảy ra điều trái ngược với mong đợi hoặc hy vọng của doanh nghiệp.

Bên cạnh đó, ta cần hiểu về khái niệm của phá sản Theo khoản 2 điều 4 Luật phá sản năm 2014, phá sản được hiểu như sau:

Phá sản là tình trạng mà doanh nghiệp hoặc hợp tác xã không còn khả năng thanh toán nợ và bị Tòa án nhân dân tuyên bố phá sản Theo khoản 1 điều 4 của Luật phá sản 2014, doanh nghiệp hoặc hợp tác xã được coi là phá sản khi không thực hiện nghĩa vụ thanh toán khoản nợ trong vòng 03 tháng kể từ ngày đến hạn thanh toán.

Theo nghiên cứu của Đặng Phương Mai và cộng sự (2020), rủi ro phá sản là những tác động tiêu cực ảnh hưởng đến sự tồn tại và khả năng chi trả của doanh nghiệp Rủi ro này thể hiện khả năng một công ty không thể đáp ứng nghĩa vụ nợ, dẫn đến tình trạng vỡ nợ.

1.1.2 Lý thuyết liên quan đến phá sản doanh nghiệp

Theo lý thuyết hành vi của doanh nghiệp trong kinh tế học vi mô, quyết định cung ứng của doanh nghiệp trong ngắn hạn phụ thuộc vào mức giá hàng hóa trên thị trường Khi giá bằng chi phí biến đổi trung bình, doanh nghiệp sẽ dựa vào kỳ vọng của chủ sở hữu: nếu kỳ vọng giá tăng và muốn duy trì việc làm, doanh nghiệp sẽ tiếp tục sản xuất; ngược lại, nếu không còn kỳ vọng vào việc tăng giá, doanh nghiệp sẽ đóng cửa Nếu giá thị trường thấp hơn chi phí biến đổi trung bình, doanh nghiệp sẽ quyết định ngừng sản xuất ngay lập tức.

Trong dài hạn, doanh nghiệp có khả năng điều chỉnh các khoản chi phí cố định, trong khi chi phí biến đổi ảnh hưởng trực tiếp đến tổng chi phí Quyết định cung ứng của doanh nghiệp phụ thuộc vào mức giá hàng hóa; nếu giá lớn hơn chi phí trung bình, doanh nghiệp sẽ có lãi và có động lực mở rộng sản xuất Ngược lại, nếu giá bằng chi phí trung bình, doanh nghiệp chỉ đạt mức lợi nhuận bình thường đủ để duy trì sản xuất Khi mức giá thấp hơn chi phí trung bình, doanh nghiệp sẽ thua lỗ và buộc phải ngừng sản xuất.

Lý thuyết khánh kiệt tài chính của Gordon (1971) chỉ ra rằng trong thời kỳ suy kiệt tài chính, giá trị doanh nghiệp và nợ giảm xuống chỉ còn 1/3 so với trước đó Tổng nợ và tài sản có tính thanh khoản là hai yếu tố quyết định khả năng phá sản và giá trị doanh nghiệp, trong khi giá trị chứng khoán sẽ giảm khi rủi ro gia tăng Các khoản vay ký quỹ tạo ra giới hạn hiệu quả cho cá nhân thông qua đòn bẩy cá nhân, và cá nhân sẽ bị xoá sổ khi lợi nhuận kỳ vọng giảm xuống bằng lãi suất phải trả Tuy nhiên, tình huống này không nhất thiết dẫn đến phá sản cho doanh nghiệp.

Lý thuyết thu nhập tài chính, được Laitinen (1991) áp dụng và phát triển, nhằm đánh giá sức mạnh của tỉ số tài chính và dự đoán khả năng phá sản của doanh nghiệp Theo lý thuyết này, các khoản thu nhập tài chính cần đủ để trang trải chi phí; nếu không, doanh nghiệp sẽ rơi vào tình trạng nợ nần và có nguy cơ phá sản, ngay cả khi lợi nhuận vẫn tốt Khi tốc độ tăng trưởng vượt quá tỷ suất nội hoàn, doanh thu có thể không đủ để đáp ứng các chi tiêu, dẫn đến việc doanh nghiệp không thể thanh toán nghĩa vụ nợ Phân tích thu nhập tài chính dựa trên ba dòng tài chính khác nhau, sử dụng các nguyên tắc kế toán khác nhau để xác định doanh 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

Lý thuyết ưu tiên tuyệt đối, được White (1989) áp dụng, nghiên cứu hiệu quả của các thủ tục phá sản và so sánh sự khác biệt giữa các thủ tục này với luật phá sản.

Trong quá trình phá sản tại Mỹ, các bên liên quan tranh chấp đến dòng tiền và tài sản được bồi thường theo thứ tự ưu tiên Đầu tiên, chi phí hành chính của vụ phá sản, bao gồm chi phí tòa án, luật sư, người được ủy thác và khoản vay phát sinh sau khi nộp đơn Thứ hai, các khiếu nại ưu tiên theo luật định như thuế, tiền thuê, tiền của khách hàng, lương chưa trả cho nhân viên và các lợi ích chưa được thanh toán trước khi nộp đơn Tiếp theo là các chủ nợ không có bảo đảm, bao gồm chủ nợ thương mại và các yêu cầu bồi thường thiệt hại Cuối cùng, quyền lợi của các cổ đông sẽ được xem xét.

1.1.3 Dấu hiệu nhận biết rủi ro phá sản

Nhận diện rủi ro phá sản là yếu tố ngày càng quan trọng trong quản trị doanh nghiệp, đặc biệt đối với các công ty có tình hình tài chính yếu kém và nợ nần nhiều Những doanh nghiệp này dễ dàng rơi vào tình trạng kiệt quệ tài chính, và trong bối cảnh khủng hoảng kinh tế, một số có thể dẫn đến phá sản.

Các chỉ số từ tính thanh khoản, cấu trúc nợ và khả năng sinh lời có thể dự báo rủi ro phá sản theo nghiên cứu của Rettobjaan (2020) Nghiên cứu của Spicka (2013) chỉ ra rằng tỷ lệ nợ cao và ROA âm khiến doanh nghiệp không đủ khả năng tạo ra lợi nhuận để đáp ứng nghĩa vụ nợ, trong khi tính thanh khoản thấp hơn trung bình ngành cũng là dấu hiệu cảnh báo Dichev (1996) khẳng định rằng các doanh nghiệp có rủi ro phá sản cao thường có lợi nhuận thấp hơn so với các doanh nghiệp trong ngành Tỷ suất sinh lời trên tài sản và tỷ lệ đòn bẩy là những chỉ tiêu dự báo quan trọng, phản ánh hiệu quả hoạt động kinh doanh và mức độ rủi ro tài chính của doanh nghiệp (Beaver, 1966).

Dấu hiệu từ dòng tiền là yếu tố quan trọng trong việc đánh giá tình hình tài chính của một công ty Theo Whitaker (1999), khánh kiệt tài chính xảy ra khi công ty không đủ tiền mặt để thanh toán nghĩa vụ nợ, dẫn đến việc giảm giá trị thị trường của nó Do đó, việc thiếu hụt dòng tiền không chỉ là một dấu hiệu rõ ràng về rủi ro tài chính mà còn cảnh báo về khả năng duy trì hoạt động của doanh nghiệp.

Phá sản không chỉ do một nguyên nhân duy nhất, mà thường xuất phát từ việc dòng tiền từ hoạt động kinh doanh âm trong nhiều năm liên tiếp, khiến công ty không thể thanh lý tài sản ngắn hạn như hàng tồn kho và tài sản không cầm cố Khi doanh nghiệp không thể tái cấu trúc nợ và tái cấp vốn, nguy cơ phá sản gia tăng (Gaughan, 2011) Theo Wruck (1990), một doanh nghiệp có nguy cơ phá sản khi dòng tiền không đủ để đáp ứng các nghĩa vụ hiện tại, bao gồm nợ với nhà cung cấp và nhân viên, cũng như các tổn thất từ quy trình pháp lý Beaver (1966) chỉ ra rằng doanh nghiệp có giá trị tiền mặt và hàng tồn kho thấp, nhưng tỷ lệ khoản phải thu chiếm phần lớn doanh thu, dễ gặp rủi ro phá sản Ông cũng nhấn mạnh rằng tỷ lệ lưu chuyển tiền thuần trên tổng nợ phải trả là chỉ tiêu quan trọng nhất để dự đoán nguy cơ phá sản, vì nó phản ánh khả năng thanh toán của doanh nghiệp.

Dấu hiệu ban đầu cho thấy doanh nghiệp có nguy cơ phá sản bao gồm việc thua lỗ kéo dài trong nhiều năm, dòng tiền cạn kiệt và khả năng sinh lời kém.

1.1.4 Nguyên nhân ảnh hưởng đến rủi ro phá sản của doanh nghiệp

Mỗi doanh nghiệp hoạt động trong một môi trường kinh tế đặc thù và chịu ảnh hưởng từ nhiều yếu tố bên ngoài Những nhân tố này có thể dẫn đến rủi ro phá sản mà doanh nghiệp không thể kiểm soát, như đã chỉ ra bởi Lưu Thị Phương Thảo (2019).

Khung lý thuyết về mô hình phá sản

Mô hình O-score được Ohlson xây dựng năm 1980 trên cơ sở các chỉ số tài chính bằng kỹ thuật Binary Logistic Tác giả sử dụng mẫu gồm 105 doanh nghiệp

12 phá sản và 2,058 doanh nghiệp khỏe mạnh trong giai đoạn từ 1970 đến 1976 Cấu trúc mô hình O-score:

𝐺𝑁𝑃 ) X4: Nợ ngắn hạn/tài sản ngắn hạn

X7: Vốn từ hoạt động/nợ phải trả

X2: Nợ phải trả/tổng tài sản

X5: 1 nếu nợ phải trả > tổng tài sản,

X8: 1 nếu lỗ dòng trong 02 năm qua, 0 còn lại

X3: Vốn lưu động/tổng tài sản

X6: Lợi nhận sau thuế/tổng tài sản

Nếu O < 0.5, doanh nghiệp nằm trong vùng an toàn

Nếu O > 0.5, doanh nghiệp có nguy cơ phá sản

Mô hình Zmijewski, được xây dựng vào năm 1984, sử dụng phân tích tỷ lệ về khả năng sinh lời, tính thanh khoản và đòn bẩy tài chính để dự đoán khả năng phá sản của doanh nghiệp Nghiên cứu của tác giả dựa trên mẫu gồm 40 doanh nghiệp đã phá sản và 800 doanh nghiệp đang hoạt động Phương pháp phân tích probit được áp dụng để xây dựng mô hình này.

NI: Lợi nhuận sau thuế

CA: Tài sản ngắn hạn

X < 0: công ty không gặp rủi ro phá sản

X > 0: công ty gặp rủi ro phá sản

Mô hình H-score được phát triển bởi Fulmer và cộng sự vào năm 1984, dựa trên nghiên cứu 60 công ty, bao gồm 30 doanh nghiệp phá sản và 30 công ty khỏe mạnh Tác giả đã lựa chọn 9 biến từ 40 chỉ số tài chính thông qua kỹ thuật stepwise theo phương pháp đa biệt thức (MDA) Mô hình H-score được sử dụng để đánh giá tình hình tài chính của các doanh nghiệp.

X1: Lợi nhuận giữ lại/Tổng tài sản

X4: Lưu chuyển tiền thuần/Tổng nợ

X7: Log (Tài sản cố định)

X2: Doanh thu thuần/Tổng tài sản

X5: Tổng nợ/Tổng tài sản X8:Vốn lưu động/Tổng nợ

X3: Lợi nhuận trước thuế/Vốn chủ sở hữu

X6: Nợ ngắn hạn/Tổng tài sản X9: Log(EBIT/lãi vay)

Nếu H < 0: Doanh nghiệp có nguy cơ phá sản

Nếu H # 0: Doanh nghiệp nằm trong vùng an toàn

Mô hình Z-score do Altman phát triển vào năm 1968 đã chứng minh tính ưu việt trong việc phân loại vùng rủi ro của doanh nghiệp và được nhiều tác giả ứng dụng trong nghiên cứu ở nhiều lĩnh vực khác nhau Dù đã tồn tại hơn 45 năm, mô hình này vẫn là công cụ chính để dự đoán khả năng phá sản trong cả nghiên cứu và thực nghiệm (Altman và cộng sự, 2014).

1.2.4.1 Giới thiệu về mô hình

Mô hình Z-score dự đoán khả năng phá sản được giới thiệu lần đầu vào năm

Mô hình Z-score do Edward I Altman phát triển vào năm 1968 đã chứng minh độ chính xác lên đến 94% trong việc dự đoán khả năng phá sản Nghiên cứu ban đầu được thực hiện trên 66 doanh nghiệp, chia thành hai nhóm: nhóm 1 gồm 33 công ty đã phá sản trong 20 năm qua và nhóm 2 gồm 33 doanh nghiệp hoạt động được chọn ngẫu nhiên Dữ liệu cho nhóm 1 được thu thập từ các báo cáo tài chính của năm trước khi phá sản, với tiêu chí chọn mẫu là quy mô tài sản từ 1 triệu USD đến 25 triệu USD.

Tác giả đã lập danh sách 22 chỉ số tài chính, phân chia thành 5 nhóm: thanh khoản, lợi nhuận, đòn bẩy, khả năng thanh toán và hoạt động Việc lựa chọn các chỉ số này dựa trên tính phổ biến trong học thuật và sự phù hợp với công ty nghiên cứu Trong số đó, tác giả đã chọn 5 chỉ số nổi bật nhất vì chúng thể hiện hiệu quả trong việc dự đoán khả năng phá sản.

Cấu trúc của mô hình Z-score:

X1: Vốn lưu động / Tổng tài sản

X2: Lợi nhuận giữ lại/Tổng tài sản

X4: Giá trị thị trường của vốn chủ sở hữu / Giá trị sổ sách của tổng nợ phải trả X5: Doanh thu / Tổng tài sản

Vi: hệ số phân biệt, trong đó I = 1, 2, 3, 4, 5

Mô hình Z-Score là công cụ đánh giá tình hình tài chính của doanh nghiệp, giúp phân loại công ty vào nhóm có nguy cơ phá sản hoặc không Đây là một phương trình tuyến tính, trong đó năm chỉ số được gán trọng số một cách khách quan và tổng hợp thành một chỉ số duy nhất.

1.2.4.3 Các biến độc lập trong mô hình nghiên cứu o X1: Vốn lưu động / Tổng tài sản (Working capital/Total asset – WC/TA)

Tỷ số Vốn lưu động/Tổng tài sản đánh giá khả năng chuyển đổi tài sản thành tiền của công ty so với tổng vốn hóa Vốn lưu động, là sự chênh lệch giữa tài sản lưu động và nợ ngắn hạn, quyết định sức khỏe tài chính của doanh nghiệp Nếu vốn lưu động âm, công ty sẽ gặp khó khăn trong việc đáp ứng nghĩa vụ tài chính ngắn hạn, dẫn đến rủi ro phá sản Trong phân tích tài chính, biến X1 (Vốn lưu động) được coi trọng hơn các hệ số thanh khoản khác Bên cạnh đó, tỷ lệ Lợi nhuận giữ lại/Tổng tài sản (RE/TA) cũng là một chỉ số quan trọng để đánh giá hiệu quả tài chính.

Tỷ lệ Lợi nhuận giữ lại/Tổng tài sản (X2) phản ánh mức độ tích lũy lợi nhuận của công ty qua thời gian hoạt động, đồng thời ngụ ý về tuổi thọ của công ty do tính chất tích lũy của lợi nhuận (Altman và cộng sự, 2014) Theo nghiên cứu của Dun và Bradstreet (1994), khoảng 50% các công ty sẽ đối mặt với nguy cơ phá sản.

Trong 1 đến 5 năm đầu hoạt động, Altman nhấn mạnh rằng chỉ số RE/TA không chỉ phản ánh hiệu quả tài chính mà còn có thể đo lường mức độ đòn bẩy của doanh nghiệp Một công ty có tỷ lệ RE/TA giảm dần qua các năm cho thấy sự cải thiện trong quản lý tài sản và giảm rủi ro tài chính.

Việc tài trợ cho tài sản bằng nợ thay vì lợi nhuận giữ lại có thể làm tăng nguy cơ phá sản Chỉ số EBIT/Tổng tài sản (EBIT/TA) đo lường khả năng sinh lời trên tài sản mà không bị ảnh hưởng bởi thuế hay đòn bẩy, và các công ty cần nâng cao khả năng kiếm tiền từ tài sản để duy trì hoạt động lâu dài Nếu tỷ lệ EBIT/TA giảm, doanh nghiệp có thể đối mặt với nguy cơ ngừng hoạt động hoặc phá sản Tỷ lệ này rất quan trọng trong việc đánh giá khả năng tồn tại của công ty, vì sự sống còn của doanh nghiệp phụ thuộc vào khả năng kiếm tiền (Altman, 1968) Ngoài ra, tỷ lệ Giá trị thị trường của vốn chủ sở hữu so với Giá trị sổ sách của tổng nợ phải trả (MC/TL) cũng là một chỉ số quan trọng trong việc đánh giá tình hình tài chính của doanh nghiệp.

Nợ phải trả bao gồm nợ dài hạn và nợ ngắn hạn, trong khi vốn chủ sở hữu đại diện cho giá trị thị trường của tất cả cổ phiếu Biện pháp này cho thấy mức độ giảm giá trị tài sản của công ty trước khi tài sản thấp hơn nợ phải trả, dẫn đến nguy cơ phá sản (Altman, 2000) Tỷ lệ vốn chủ trên nợ phải trả càng cao thì rủi ro phá sản của công ty càng lớn Biến X5, tỷ lệ Doanh thu trên Tổng tài sản (S/TA), cũng phản ánh hiệu quả sử dụng tài sản của doanh nghiệp.

Chỉ số này phản ánh tỷ lệ quay vòng vốn tiêu chuẩn, cho thấy khả năng tạo doanh thu từ tài sản của doanh nghiệp và khả năng quản lý trong môi trường cạnh tranh Chỉ số X5 đóng vai trò quan trọng, xếp hạng thứ hai trong việc nâng cao khả năng phân biệt của mô hình Tuy nhiên, do sự khác biệt lớn về doanh thu giữa các ngành, Altman đã quyết định loại bỏ tỷ lệ này khỏi mô hình Z-Score trong phiên bản sau.

1.2.4.5 Các dạng mô hình Z-score

1.2.4.5.1 Mô hình Z-score áp dụng cho doanh nghiệp đã cổ phần hoá thuộc ngành sản xuất (1968)

Altman (1968) chỉ ra rằng các nghiên cứu trước đây về khó khăn tài chính và khả năng phá sản của công ty còn nhiều nghi vấn cả về lý thuyết lẫn thực tiễn Phương pháp phân tích chủ yếu là đơn biến, chỉ tập trung vào từng tín hiệu khó khăn, dẫn đến việc dễ dàng diễn giải sai và gây nhầm lẫn trong phân tích tỷ lệ Để khắc phục điều này, Altman đã đề xuất xây dựng mô hình dựa trên các phát hiện đơn biến, kết hợp nhiều biện pháp để tạo ra mô hình dự báo có ý nghĩa hơn Phương pháp phân tích đa biệt thực (MDA) mà ông đề xuất giúp xác định tỷ lệ quan trọng trong việc phát hiện khả năng phá sản và trọng số liên quan đến các tỷ lệ đó.

Trong quá trình nghiên cứu mô hình, Giáo sư Altman đã chọn 22 chỉ số tài chính dựa trên thông tin từ báo cáo tài chính đã được kiểm toán Các chỉ số này được phân loại thành nhiều biến khác nhau.

The five key financial indicators are liquidity, profitability, leverage, solvency, and activity Altman's original Z-score formula, developed in 1968, is essential for assessing a company's financial health.

(trong đó 4 biến đầu tiên được biểu thị bằng số thập phân)

Vùng xác định nguy cơ phá sản:

+ Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản

+ 1.81 < Z < 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản

+ Z < 1.81: Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản cao

1.2.4.5.2 Mô hình Z’-score áp dụng cho doanh nghiệp chưa cổ phần hoá thuộc ngành sản xuất (1983)

Các nghiên cứu thực nghiệm

1.3.1 Các nghiên cứu nước ngoài

Nghiên cứu của Hayes và cộng sự (2010) đã chỉ ra hiệu quả của mô hình Z-score Altman trong việc dự đoán rủi ro phá sản cho các doanh nghiệp bán lẻ Nhóm tác giả đã so sánh 08 cặp doanh nghiệp phá sản và không phá sản, và kết quả cho thấy mô hình Z-score có độ chính xác lên tới 94%, cao hơn so với 90% trong các nghiên cứu trước đó Ngoài ra, nghiên cứu cũng nhấn mạnh rằng lợi nhuận và tính thanh khoản thấp là những dấu hiệu quan trọng cho các doanh nghiệp có nguy cơ phá sản.

Matturungan và cộng sự (2017) đã áp dụng mô hình Z-score để dự đoán tình trạng phá sản của các doanh nghiệp sản xuất tại Indonesia, dựa trên mẫu 131 công ty niêm yết trên sàn chứng khoán Indonesia Tiêu chí lựa chọn mẫu bao gồm việc loại trừ các công ty tái niêm yết hoặc bị hủy niêm yết, cũng như yêu cầu các công ty phát hành báo cáo tài chính hàng năm trong giai đoạn 2014-2015 Kết quả nghiên cứu chỉ ra rằng có 21 trong số 131 doanh nghiệp gặp phải tình trạng kiệt quệ tài chính, với những công ty này thể hiện sự thiếu hụt về vốn lưu động, EBIT hoặc lợi nhuận.

22 lại âm Bên cạnh đó, mô hình Z-score dự báo đúng các doanh nghiệp gặp khó khăn tài chính lên đến 87.8%

Samarakoon và cộng sự (2003) đã áp dụng mô hình Z-score của Altman để dự báo căng thẳng tài chính của doanh nghiệp tại thị trường mới nổi Sri Lanka Nghiên cứu nhằm đánh giá khả năng dự báo của ba mô hình Z-score (Z, Z’ và Z’’) trong việc nhận diện kiệt quệ tài chính Mẫu nghiên cứu bao gồm các doanh nghiệp niêm yết trên sàn chứng khoán Colombo trong giai đoạn 1986 đến 1997 Kết quả cho thấy cả ba mô hình đều đạt tỷ lệ chính xác cao, với mô hình Z’’-score đạt độ chính xác lên tới 81% Tác giả kết luận rằng các mô hình điểm số có hiệu quả trong việc dự báo tình trạng tài chính của doanh nghiệp.

Z dường như cũng có tiềm năng trong việc đánh giá rủi ro kiệt quệ của công ty ở các thị trường mới nổi nhỏ hơn

Meeampol và cộng sự (2014) đã áp dụng mô hình Z-score điều chỉnh để dự đoán nguy cơ phá sản cho các doanh nghiệp niêm yết trên sàn chứng khoán Thái Lan (SET) trong bối cảnh thị trường mới nổi, với mẫu nghiên cứu gồm 31 doanh nghiệp trong năm 2012 Nghiên cứu cho thấy cả mô hình Z và Z’’ đều có khả năng dự đoán rủi ro phá sản hiệu quả, đặc biệt khi sử dụng thông tin từ hai năm trước thay vì một năm Cụ thể, mô hình Z-score đạt độ chính xác 89.66% trong việc dự đoán nguy cơ phá sản trước hai năm, vượt trội hơn so với tỷ lệ 80.77% khi dự đoán trước một năm Từ đó, nhóm tác giả kết luận rằng mô hình điểm này có giá trị trong việc đánh giá rủi ro tài chính.

Z phù hợp khi áp dụng cho thị trường chứng khoán Thái Lan ngay cả khi Thái Lan là một nền kinh tế mới nổi

Bahaaeddin Alareeni và cộng sự (2013) đã áp dụng mô hình Z-score để dự báo rủi ro phá sản cho các doanh nghiệp niêm yết tại thị trường Jordan, sử dụng dữ liệu từ 71 doanh nghiệp phá sản và 71 doanh nghiệp không phá sản trong cùng ngành, năm và quy mô tổng tài sản Kết quả cho thấy mô hình Z-score hiệu quả trong việc dự báo phá sản đối với các doanh nghiệp sản xuất tại Jordan Tuy nhiên, nhóm tác giả cũng chỉ ra hạn chế của nghiên cứu là mô hình Z-score không phân loại rõ ràng giữa các doanh nghiệp phi sản xuất, như doanh nghiệp dịch vụ, trong việc xác định nhóm công ty phá sản và không phá sản.

Một số tác giả đã tiến hành so sánh khả năng dự báo của mô hình Z-score với các mô hình dự báo khác nhằm đánh giá tính hiệu quả và độ chính xác của nó.

Gunathilaka (2014) đã tiến hành nghiên cứu trên 82 doanh nghiệp niêm yết tại sàn chứng khoán Colombo từ năm 2008 đến 2012 để so sánh khả năng dự đoán khánh kiệt tài chính giữa mô hình Z-score và kiểm định khả năng thanh toán Kết quả cho thấy rằng kiểm tra khả năng thanh toán không phải là mô hình tham số hiệu quả cho việc dự đoán, vì nó không phân biệt rõ ràng giữa các công ty có khả năng thanh toán và mất khả năng thanh toán Ngược lại, các mô hình Z và Z'' của Altman đã chứng minh độ chính xác cao hơn trong việc dự đoán tình trạng kiệt quệ tài chính.

Nghiên cứu của Al-Sulaiti và Almwajeh (2007) đã phân tích ứng dụng của mô hình Z-score trong việc đánh giá khả năng phá sản của các doanh nghiệp dịch vụ, đặc biệt là trong lĩnh vực bệnh viện Nghiên cứu này sử dụng mẫu gồm 65 bệnh viện và làm nổi bật ý nghĩa của mô hình này đối với các chiến lược tiếp thị, giúp các doanh nghiệp cải thiện khả năng tài chính và tăng cường vị thế cạnh tranh.

Các tác giả đã áp dụng mô hình phân tích phân biệt và mô hình hồi quy Logistic bên cạnh mô hình Z-score để so sánh kết quả dự đoán Kết quả nghiên cứu cho thấy mô hình phân tích phân biệt và hồi quy Logistic có khả năng dự đoán tốt hơn trong khoảng thời gian ba năm và hai năm so với mô hình Z-score Ngoài ra, việc sử dụng mô hình Z-score trong phân tích chỉ tiêu tài chính cũng giúp các nhà tiếp thị định hình chiến lược marketing hiệu quả.

Nghiên cứu của Desiyanti và cộng sự (2019) đã chỉ ra ảnh hưởng của các tỷ số tài chính đến rủi ro phá sản thông qua mô hình Z-score đối với 21 doanh nghiệp bất động sản niêm yết tại Indonesia Các biến số được xem xét bao gồm ROE, nợ vay trên vốn chủ sở hữu, tỷ số thanh toán nhanh, tỷ số vốn lưu động và Z-score Kết quả cho thấy ROE và tỷ số vốn lưu động có tác động tích cực đến mô hình Z-score, trong khi nợ vay trên vốn chủ sở hữu và tỷ số thanh toán nhanh lại có tác động tiêu cực Nghiên cứu cũng đưa ra khuyến nghị cho nhà quản trị doanh nghiệp, nhà đầu tư, người cho vay và các cơ quan nhà nước nhằm cải thiện tình hình tài chính và giảm thiểu rủi ro phá sản.

1.3.2 Các nghiên cứu trong nước

Nghiên cứu của Trần Thị Lan và cộng sự (2022) áp dụng mô hình Z-score để dự báo rủi ro tài chính của 34 doanh nghiệp vận tải biển tại Việt Nam trong giai đoạn 2020-2021 Mẫu nghiên cứu được chia thành hai nhóm: nhóm 1 gồm 15 doanh nghiệp phá sản và nhóm 2 gồm 19 doanh nghiệp có sức khỏe tài chính tốt Qua phân tích 9/22 biến trong mô hình Z-score của Altman, nhóm tác giả kết luận rằng tỷ trọng tài sản dài hạn trên tổng tài sản, chỉ số thanh toán nhanh và ROE đều có tác động tích cực đến điểm số Z, cho thấy các chỉ số này càng cao thì tình hình tài chính của doanh nghiệp càng khả quan.

Diệp Thanh Tùng và Võ Thị Hoàng Phụng (2019) đã áp dụng mô hình điểm số Z của Altman để phân tích rủi ro phá sản của các doanh nghiệp đa ngành tại Việt Nam, dựa trên thông tin tài chính của 180 doanh nghiệp phi tài chính vừa và nhỏ từ cơ quan thuế tỉnh Sóc Trăng Nghiên cứu sử dụng hệ số Z-score và hồi quy logistic nhị phân để đánh giá tác động của các yếu tố tài chính và phi tài chính đến rủi ro phá sản Kết quả cho thấy các biến phi tài chính như khu vực kinh doanh, loại hình kinh doanh, quy mô doanh nghiệp, trình độ quản lý, cùng với các biến tài chính trong mô hình Z như lợi nhuận trước thuế, chỉ số lợi nhuận ròng/vốn chủ sở hữu, chỉ số EBIT/tổng tài sản, và vốn chủ sở hữu/tổng nợ đều ảnh hưởng đến rủi ro phá sản của doanh nghiệp.

Nghiên cứu của Liêu Minh Lý (2015) đã áp dụng mô hình Z-score và H-score để dự báo khả năng phá sản của các doanh nghiệp niêm yết tại Việt Nam Nghiên cứu này tập trung vào dữ liệu của các doanh nghiệp phi tài chính từ năm 2008, nhằm đánh giá độ chính xác và hiệu quả của các mô hình trong việc cảnh báo tình trạng tài chính của doanh nghiệp.

Năm 2013, có 42 doanh nghiệp bị hủy niêm yết và 42 doanh nghiệp vẫn hoạt động bình thường Nghiên cứu cho thấy sự khác biệt trong khả năng dự báo giữa các doanh nghiệp này.

Mô hình Z-score và H-score là hai công cụ quan trọng trong việc dự đoán khả năng phá sản của doanh nghiệp Nghiên cứu cho thấy mô hình Z-score có hiệu quả kém hơn H-score khi dự đoán 3 năm trước thời điểm phá sản, nhưng lại vượt trội hơn H-score trong khoảng thời gian 1 và 2 năm trước khi xảy ra sự kiện này Kết quả nghiên cứu này cung cấp thêm thông tin thực nghiệm về sự so sánh giữa hai mô hình đối với các doanh nghiệp phi tài chính tại Việt Nam.

Khoảng trống nghiên cứu và câu hỏi nghiên cứu

Các nghiên cứu thực nghiệm về ứng dụng mô hình Z-score trong dự báo khả năng phá sản của doanh nghiệp đã chỉ ra rằng Z-score là một công cụ hiệu quả để đánh giá rủi ro tài chính Mô hình này giúp nhận diện sớm các dấu hiệu cảnh báo về tình trạng tài chính của doanh nghiệp, từ đó hỗ trợ các nhà đầu tư và quản lý đưa ra quyết định kịp thời Việc áp dụng Z-score không chỉ tăng cường khả năng dự đoán mà còn góp phần nâng cao hiệu quả quản lý rủi ro trong doanh nghiệp.

Mô hình 26 được đánh giá cao về độ tin cậy và độ chính xác Tuy nhiên, nhược điểm lớn nhất của mô hình này là sự phụ thuộc hoàn toàn vào các thông tin từ báo cáo tài chính kiểm toán Do đó, nếu không có đủ thông tin, người nghiên cứu sẽ không thể áp dụng mô hình một cách hiệu quả.

Tại Việt Nam, nghiên cứu về độ chính xác của mô hình Z-score còn hạn chế, chủ yếu tập trung vào việc tính toán chỉ số Z-score và xác định vùng phá sản của các doanh nghiệp Gần đây, nghiên cứu của Hoàng Thị Hồng Vân đã góp phần làm rõ vấn đề này.

(2020) đã thu thập dữ liệu từ cả doanh nghiệp đã phá sản và doanh nghiệp đang hoạt động để kiểm tra độ chính xác của mô hình

Việt Nam hiện nay là một quốc gia đang phát triển, và theo nghiên cứu của Meeampol và cộng sự (2014), mô hình Z-score là công cụ phù hợp cho các nước trong giai đoạn này Đề tài khóa luận sẽ kế thừa các kết quả nghiên cứu trước đó để áp dụng cho doanh nghiệp bất động sản tại thị trường Việt Nam Trong bối cảnh thị trường bất động sản gặp khó khăn và chính sách tín dụng thắt chặt, sức khỏe tài chính của các doanh nghiệp bị ảnh hưởng tiêu cực Nghiên cứu sẽ áp dụng mô hình Z-score để đánh giá rủi ro phá sản dựa trên thông tin từ báo cáo tài chính đã kiểm toán của các doanh nghiệp bất động sản niêm yết trên sàn chứng khoán Hồ Chí Minh, đồng thời đưa ra khuyến nghị cho các bên liên quan Mục tiêu của nghiên cứu là trả lời câu hỏi về tình hình tài chính của các doanh nghiệp này.

Trong giai đoạn 2013-2022, có một số doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE nằm trong vùng có nguy cơ phá sản cao Để tránh tình trạng này, các doanh nghiệp bất động sản tại Việt Nam cần thực hiện các biện pháp quản lý tài chính chặt chẽ, cải thiện khả năng thanh khoản, tối ưu hóa quy trình kinh doanh và tăng cường quản lý rủi ro Bên cạnh đó, việc nắm bắt xu hướng thị trường và đổi mới công nghệ cũng là yếu tố quan trọng giúp doanh nghiệp duy trì sự phát triển bền vững.

Chương 1 đã trình bày những lý luận chung nhất về phá sản và rủi ro phá sản, nêu ra những dấu hiệu nhận biết rủi ro phá sản Ngoài ra, tác giả còn nêu nguyên nhân dẫn đến rủi ro phá sản gồm nguyên nhân chủ quan và nguyên nhân khách quan Tác giả trình bày sự cần thiết của mô hình dự báo phá sản cho các đối tượng khác nhau trong nền kinh tế như nhà làm chính sách, nhà đầu tư, nhà cung ứng, ngân hàng và ban quản lý doanh nghiệp Cùng với đó, tác giả giới thiệu một số mô hình về dự báo rủi ro phá sản như mô hình O-score, H-score, Zmijewski và Z-score Sau đó tác giả đi sâu vào giới thiệu mô hình Z-score và các mô hình Z-score áp dụng cho từng loại hình doanh nghiệp Cuối cùng tác giả đề cập đến một số nghiên cứu trong nước và nước ngoài về việc ứng dụng mô hình Z-score, trình bày về khoảng trống nghiên cứu và đưa ra câu hỏi nghiên cứu cho đề tài,

CƠ SỞ DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở dữ liệu nghiên cứu

Theo thống kê từ Fiinpro, hiện nay trên thị trường chứng khoán Việt Nam có

Tại Việt Nam, có 125 doanh nghiệp bất động sản niêm yết, bao gồm 58 doanh nghiệp trên sàn chứng khoán Hồ Chí Minh (HOSE), 20 doanh nghiệp trên sàn chứng khoán Hà Nội (HNX) và 47 doanh nghiệp trên sàn chứng khoán UPCOM Tiêu chí lựa chọn dữ liệu nghiên cứu được xác định rõ ràng để đảm bảo tính chính xác và độ tin cậy của thông tin.

(1) Các doanh nghiệp thuộc ngành bất động sản

(2) Các doanh nghiệp niêm yết trên sàn chứng khoán Hồ Chí Minh (HOSE)

(3) Báo cáo tài chính của các doanh nghiệp được kiểm toán và công bố đầy đủ trong giai đoạn 2013-2022

Tác giả đã lựa chọn 43 doanh nghiệp bất động sản từ 58 doanh nghiệp niêm yết trên sàn chứng khoán Hồ Chí Minh (HOSE), với tỷ lệ vốn hóa của các doanh nghiệp này chiếm 82% tổng vốn hóa của ngành bất động sản niêm yết tại Việt Nam Do đó, dữ liệu này mang tính đại diện cao cho toàn ngành bất động sản.

Tác giả đã sử dụng dữ liệu từ bảng cân đối kế toán và báo cáo kết quả hoạt động kinh doanh đã được kiểm toán của 43 doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE để tính toán hệ số Z’’-score Tất cả các báo cáo này được thu thập từ nguồn dữ liệu Fiinpro, với các chỉ tiêu tài chính được lấy từ bảng cân đối kế toán và báo cáo kết quả hoạt động kinh doanh.

(2) Vốn lưu động (tài sản ngắn hạn và nợ ngắn hạn)

(4) Lợi nhuận trước thuế và lãi vay

Dữ liệu nghiên cứu được tác giả thu thập theo năm và giai đoạn nghiên cứu là

Giai đoạn từ 2013 đến 2022 chứng kiến sự ổn định và hồi phục của nền kinh tế Việt Nam sau khủng hoảng tài chính năm 2011, với giai đoạn 2013-2020 là thời kỳ phục hồi Tuy nhiên, từ năm 2020 đến 2021, nền kinh tế gặp khó khăn do tác động của Covid-19, dẫn đến ngành bất động sản bắt đầu đóng băng từ năm 2022 Nghiên cứu này nhằm đánh giá rủi ro phá sản của doanh nghiệp trong bối cảnh nền kinh tế hồi phục và ổn định, đồng thời so sánh với giai đoạn suy yếu và chu kỳ bất động sản đóng băng.

Tác giả không chỉ sử dụng dữ liệu từ doanh nghiệp nghiên cứu mà còn khai thác thông tin từ ngành bất động sản, bao gồm chu kỳ thị trường, huy động vốn qua phát hành trái phiếu và giá trị trái phiếu đáo hạn Các dữ liệu này được thu thập từ những nguồn uy tín như Hiệp hội Thị trường Trái phiếu (VBMA), Fiinratings, và Cushman & Wakefield.

Tác giả đã thực hiện nghiên cứu với 430 quan sát (43*10 = 430) để ứng dụng hệ số Z’’-score trong việc đánh giá rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE.

Quy trình nghiên cứu

Bước 1: Xác định đề tài và mục tiêu nghiên cứu

Xác định đề tài và mục tiêu nghiên cứu là bước quan trọng trong quá trình nghiên cứu, giúp tác giả định hướng cụ thể cho ý tưởng Đề tài nghiên cứu ứng dụng mô hình Z-score để đánh giá rủi ro phá sản của doanh nghiệp bất động sản được lựa chọn dựa trên chu kỳ ngành, đặc biệt trong giai đoạn 2013 - 2021 khi ngành bất động sản phục hồi và trải qua cơn sốt đất lần thứ 4, sau đó chậm lại trong năm 2021-2022 Mục tiêu nghiên cứu là xác định các doanh nghiệp bất động sản có nguy cơ phá sản trong giai đoạn 2013-2022 và đưa ra khuyến nghị nhằm giảm thiểu nguy cơ này.

Bước 2: Tham khảo các nghiên cứu đi trước về lý thuyết và thực nghiệm

Tham khảo các nghiên cứu trước đây giúp tác giả hiểu rõ về rủi ro phá sản và ứng dụng của mô hình Z-score Hiện nay, có nhiều nghiên cứu về rủi ro phá sản và mô hình Z-score trong các lĩnh vực như thủy sản, ngân hàng, bất động sản cả trong nước và quốc tế Điều này cho phép tác giả xây dựng khung lý thuyết phù hợp cho đề tài nghiên cứu Tác giả cũng có thể tổng hợp và rút ra bài học kinh nghiệm từ các nghiên cứu trước, từ đó tạo ra sự mới mẻ cho đề tài nghiên cứu.

Bước 3: Lựa chọn mô hình phù hợp

Mô hình Z-score bao gồm ba dạng: Z-score cho doanh nghiệp cổ phần hóa trong ngành sản xuất, Z’-score cho doanh nghiệp chưa cổ phần hóa trong ngành sản xuất, và Z’’-score cho doanh nghiệp phi sản xuất tại thị trường mới nổi Mặc dù thị trường chứng khoán Việt Nam đã hoạt động hơn 20 năm, hiện tại vẫn được coi là thị trường cận biên Nghiên cứu của Phạm Thị Tường Vân (2016) cho thấy Z’’-score phù hợp để đánh giá hoạt động doanh nghiệp tại Việt Nam và không phân biệt giữa các ngành nghề Điều này có nghĩa là mô hình Z’’-score có thể áp dụng cho các doanh nghiệp bất động sản, bao gồm các hoạt động như đầu tư, xây dựng, cho thuê và môi giới bất động sản theo quy định của Luật kinh doanh bất động sản 2014.

Mô hình Z-score được lựa chọn để nghiên cứu các doanh nghiệp bất động sản, do mô hình này loại bỏ biến X5, biến tạo ra sự khác biệt giữa doanh nghiệp sản xuất và không sản xuất.

Bước 4: Thu thập và xử lý dữ liệu

Dựa trên mục tiêu và mô hình nghiên cứu đã xác định, tác giả lựa chọn các doanh nghiệp trong ngành bất động sản làm đối tượng nghiên cứu.

Tác giả đã lựa chọn 43 doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE từ 58 doanh nghiệp trong giai đoạn 2013-2022, dựa trên tiêu chí có báo cáo tài chính được kiểm toán Sau đó, tác giả thu thập dữ liệu tài chính của các doanh nghiệp này, bao gồm tổng tài sản, vốn lưu động, lợi nhuận giữ lại, lợi nhuận trước thuế và lãi vay (EBIT), nợ phải trả và vốn chủ sở hữu.

Sau khi thu thập dữ liệu, tác giả đã tổng hợp và tính toán giá trị các biến độc lập bằng phần mềm Microsoft Excel 2016 Kết quả từ các biến này được áp dụng vào mô hình Z’’-score để tính toán hệ số Z’’ cho từng doanh nghiệp trong giai đoạn 2013-2022 Bên cạnh đó, tác giả cũng tính toán tốc độ tăng trưởng định gốc của hệ số Z’’-score để đánh giá khả năng cải thiện của các doanh nghiệp.

Giá trị của các biến độc lập trong mô hình Z-score đã được đưa vào phần mềm Stata để thực hiện thống kê mô tả, bao gồm các chỉ số như giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất và giá trị lớn nhất của từng biến trong giai đoạn 2013-2022.

Bước 5: Kết luận về kết quả từ bài nghiên cứu

Dựa trên chỉ số Z''-score được tính toán hàng năm cho các doanh nghiệp, tác giả đã thống kê số lượng doanh nghiệp bất động sản trong ba vùng: an toàn, có nguy cơ phá sản và có nguy cơ phá sản cao Kết quả cho thấy nguyên nhân dẫn đến tình trạng của các doanh nghiệp trong vùng an toàn và vùng có nguy cơ phá sản.

Bước 6: Kết luận và khuyến nghị

Dựa trên các nguyên nhân gây ra rủi ro phá sản trong ngành bất động sản, tác giả đưa ra một số khuyến nghị nhằm giảm thiểu rủi ro này cho các doanh nghiệp bất động sản, ngân hàng, nhà đầu tư và cơ quan nhà nước Những biện pháp này không chỉ giúp bảo vệ lợi ích của các bên liên quan mà còn góp phần ổn định thị trường bất động sản.

Biểu đồ 2.1: Tổng quan về quy trình nghiên cứu

Khung nghiên cứu

Khung nghiên cứu được xây dựng dựa trên các chỉ tiêu tài chính từ báo cáo tài chính của doanh nghiệp, kết hợp với mô hình Z’’-score để tạo ra các biến độc lập Nghiên cứu đánh giá ảnh hưởng của các biến này đến chỉ số Z’’ và dự báo khả năng phá sản của doanh nghiệp thông qua mô hình Z’’-score điều chỉnh của Altman.

Xác định đề tài và mục tiêu nghiên cứu

Tham khảo các nghiên cứu đi trước về lý thuyết và thực nghiệm

Lựa chọn mô hình phù hợp

Thu thập và xử lý dữ liệu

Kết luận về kết quả từ bài nghiên cứu Kết luận và khuyến nghị

Biểu đồ 2.1: Khung nghiên cứu

Phương pháp nghiên cứu

Phương pháp thống kê mô tả giúp trình bày những đặc điểm cơ bản của các biến nghiên cứu, bao gồm giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất Thông qua phương pháp này, người nghiên cứu có thể có cái nhìn tổng quát và đánh giá cơ bản về tính chất của các biến trong mô hình.

Phương pháp so sánh, tổng hợp:

Nghiên cứu này áp dụng phương pháp so sánh và tổng hợp để phân tích các chỉ tiêu tài chính của các doanh nghiệp bất động sản qua các năm, bao gồm thanh khoản, biến động hàng tồn kho và đòn bẩy tài chính Mục tiêu là xác định xu hướng biến động của tốc độ tăng trưởng định gốc của hệ số Z’’, từ đó cung cấp cái nhìn tổng quan về hiệu quả tài chính trong ngành bất động sản.

Lợi nhuận trước thuế và lãi vay

Tình hình hoạt động của các doanh nghiệp bất động sản hiện nay cho thấy nhiều cơ hội cải thiện hệ số Z’’-score Việc nâng cao chỉ số này không chỉ giúp các doanh nghiệp tăng cường khả năng tài chính mà còn tạo dựng niềm tin với nhà đầu tư.

Dựa trên điểm số Z’’ của các doanh nghiệp bất động sản qua các năm, tác giả phân tích sự biến động của các biến độc lập để xác định nguyên nhân gây ra rủi ro phá sản Từ đó, tác giả đưa ra những đề xuất nhằm giúp doanh nghiệp giảm thiểu nguy cơ phá sản hiệu quả.

Tác giả áp dụng mô hình Z’’-score của E I Altman để đánh giá rủi ro phá sản của các doanh nghiệp bất động sản tại Việt Nam Đầu tiên, tác giả thu thập các chỉ tiêu tài chính từ báo cáo tài chính của doanh nghiệp, sau đó sử dụng những chỉ tiêu này để tính toán điểm số Z’’ theo mô hình Z’’-score Cuối cùng, tác giả đưa ra kết luận dựa trên kết quả tính toán từ mô hình này.

Mô hình nghiên cứu

Mô hình Z’’-score của E I Altman hiện đang được sử dụng rộng rãi và có độ tin cậy cao trong việc dự đoán khả năng phá sản của doanh nghiệp trong vòng 2 năm tới Các chỉ tiêu của mô hình này dễ dàng thu thập từ báo cáo tài chính, và nhiều nghiên cứu tại Việt Nam, như của Võ Văn Nhị và Hoàng Cẩm Trang (2013) cũng như Phạm Thị Tường Vân (2016), đã chứng minh tính phù hợp của Z’’-score trong việc dự báo rủi ro phá sản Vì vậy, tác giả quyết định áp dụng mô hình Z’’-score để đánh giá rủi ro phá sản cho các doanh nghiệp ngành bất động sản niêm yết trên sàn chứng khoán HOSE.

Mô hình Z’’- score điều chỉnh có dạng:

X1: Vốn lưu động/Tổng tài sản

X2: Lợi nhuận giữ lại/Tổng tài sản

X4: Giá trị sổ sách vốn chủ sở hữu/Tổng nợ phải trả

Bảng 2.1: Tên tóm tắt và giải thích cách tính các biến độc lập trong mô hình

Tên viết tắt Cách tính

X1 Vốn lưu động/Tổng tài sản

X2 Lợi nhuận giữ lại/Tổng tài sản

X4 Giá trị sổ sách vốn chủ sở hữu/Tổng nợ phải trả

Chương 2 tác giả trình bày cơ sở dữ liệu nghiên cứu, đưa ra các tiêu chí lựa chọn mẫu và giai đoạn nghiên cứu Tiếp theo tác giả đưa ra quy trình nghiên cứu gồm có 06 bước: các định đề tài và mục tiêu nghiên cứu, tham khảo các nghiên cứu đi trước về lý thuyết và thực nghiệm, lựa chọn mô hình phù hợp, thu thập và xử lý dữ liệu, kết luận về kết quả từ bài nghiên cứu và đưa ra khuyến nghị Trong chương này, tác giả cũng đưa ra khung lý thuyết, phương pháp nghiên cứu và mô hình nghiên cứu

THỰC TRẠNG HOẠT ĐỘNG KINH DOANH BẤT ĐỘNG SẢN VÀ NGUY CƠ RỦI RO CỦA NGÀNH BẤT ĐỘNG SẢN

Tổng quan về các doanh nghiệp thuộc ngành bất động sản niêm yết trên sàn chứng khoán HOSE

3.1.1 Tổng quan về thị trường bất động sản Việt Nam 3.1.1.1 Chu kỳ 30 năm của thị trường bất động sản

Ngành bất động sản Việt Nam đã trải qua nhiều thăng trầm trong quá trình hình thành và phát triển Chu kỳ phát triển của thị trường bất động sản tại Việt Nam diễn ra qua nhiều giai đoạn khác nhau, phản ánh sự biến động của nền kinh tế và nhu cầu thị trường.

Biểu đồ 3.1: Chu kỳ 30 năm thị trường bất động sản Việt Nam

Năm 2013 là một năm khó khăn cho thị trường bất động sản Việt Nam, với sự giảm sút liên tục về giao dịch và giá bán trong nhiều năm Các công ty nghiên cứu như Savills và CBRE cho biết, từ đầu năm 2011 đến 2013, giá bất động sản trung bình hàng năm giảm khoảng 10% Bộ Xây dựng cũng xác nhận rằng giá nhà ở đã giảm mạnh so với giai đoạn sốt giá từ 2008-2010, với nhiều dự án giảm tới 50%, trở về mức giá của năm 2006.

Sốt đất lần 1 Đóng băng lần 1

Sốt đất lần 2 Đóng băng lần 2

Sốt đất lần 3 Đóng băng lần 3

Phục hồi Đóng băng lần 4 Chậm lại

7 NĂM 5 NĂM 8 NĂM 10 NĂM (2 năm Covid-19) CHU KỲ

Đến năm 2014, thị trường bất động sản bắt đầu hồi phục sau 3 năm đóng băng với nhiều doanh nghiệp địa ốc thua lỗ Sự phục hồi này được thúc đẩy bởi các biện pháp hỗ trợ từ Ngân hàng Nhà nước, bao gồm gói hỗ trợ mua nhà cho người có thu nhập thấp và việc thông qua Luật Đất Đai sửa đổi Các dự án hạ tầng cũng tiếp tục được triển khai, như dự án đường trên cao Vĩnh Tuy-Ngã Tư Sở với giá trị lên tới 6,000 tỷ đồng Theo Bộ Xây dựng, lượng giao dịch thành công năm 2014 cao gấp 2 lần so với năm 2013, trong khi tồn kho bất động sản giảm khoảng 17.6%, mặc dù tổng giá trị vẫn ở mức cao khoảng 77.8 nghìn tỷ đồng.

Năm 2018, thị trường bất động sản ghi nhận chu kỳ sốt đất lần thứ 4 theo nghiên cứu của Cushman & Wakefield, với hai đợt sốt giá đất nền và đất nông nghiệp Giá đất tăng mạnh tại các khu vực dự kiến trở thành đặc khu kinh tế như Phú Quốc, Vân Đồn và Vân Phong Tuy nhiên, giá đất đã giảm sau khi thông tin về Luật Đặc khu kinh tế chưa được Quốc Hội thông qua Tại TP.Hồ Chí Minh, giá đất tăng mạnh ở các quận ven, chủ yếu trong phân khúc đất nền sổ đỏ và đất nền dự án, cùng với sự tăng trưởng giá đất tại các tỉnh như Đồng Nai, Bình Dương và Long An.

Tình trạng đầu cơ đất và nâng giá đất cao tại các tỉnh miền Trung như Khánh Hòa, Bình Định, Đà Nẵng, Nghệ An và Thanh Hóa chủ yếu xuất phát từ một số nhà đầu tư cá nhân muốn tận dụng thông tin về việc thành lập ba đặc khu kinh tế để thu lợi nhuận.

Trong suốt hai năm dịch Covid-19, tình trạng sốt đất đã diễn ra mạnh mẽ, với giá đất tại nhiều tỉnh tăng từ 30-100% trong quý I năm 2021, cụ thể như Hòa Bình (+102%), Ba Vì (+75%), Bắc Giang (+37%), Thanh Hóa (+76%), và Đà Nẵng (+32%) Có ba nguyên nhân chính dẫn đến sự tăng giá mạnh mẽ này: (1) thông tin phát triển hạ tầng và quy hoạch đã tạo ra kỳ vọng lớn cho các nhà đầu tư, như dự án quy hoạch ven sông Hồng và quy hoạch tại Đà Nẵng, Thủ Đức (TP.Hồ Chí Minh); (2) dòng vốn đầu tư nước ngoài vào khu vực công nghiệp tăng mạnh, kéo theo nhu cầu về hạ tầng.

Giá nhà ở Việt Nam đã tăng từ 10-15% trong năm 2021 so với năm 2020, chủ yếu do sự gia tăng giá nguyên vật liệu và các nhà đầu tư thổi giá để kiếm lợi Theo Hiệp hội BĐS Việt Nam, chi phí xây dựng, bao gồm vật liệu, nhân công và lắp đặt thiết bị, chiếm khoảng 60% tổng giá thành xây dựng, trong khi chi phí đất chỉ chiếm 15% đối với nhà chung cư, 30% đối với nhà phố và 50% đối với biệt thự Sự gia tăng này đã ảnh hưởng trực tiếp đến giá nhà, khiến cho người mua gặp khó khăn trong việc tiếp cận thị trường.

Giá bán bất động sản đang tăng cao trong bối cảnh nguồn cung sụt giảm đáng kể Theo Đất Xanh Services, các thành phố lớn như TP Hồ Chí Minh và TP Hà Nội ghi nhận sự giảm mạnh về nguồn cung bất động sản Cụ thể, trước dịch, TP Hồ Chí Minh có trung bình 60,000 căn hộ/năm, nhưng đến năm 2021 chỉ còn hơn 11,000 căn, giảm khoảng 43% so với năm trước Tương tự, TP Hà Nội cũng chỉ có khoảng 12,000 căn hộ trong năm 2021, giảm 12% theo năm.

Thị trường bất động sản năm 2022 ảm đạm từ cung cầu đến lượng giao dịch

Về nguồn cung, theo Bộ Xây dựng nguồn cung nhà ở thương mại tính đến cuối quý

Trong quý III năm 2022, thị trường bất động sản chỉ ghi nhận 17 dự án với 4,123 căn hộ, giảm khoảng 34% so với cùng kỳ năm 2021 Nguồn cung chủ yếu tập trung vào các phân khúc trung cấp và cao cấp, với mức giá không phù hợp với nhu cầu thực tế của đa số người dân Hệ quả là tỷ lệ hấp thụ chỉ đạt khoảng 33%, giảm mạnh so với đầu năm, trong khi lượng giao dịch giảm tới 50% so với cùng kỳ năm trước.

Nhu cầu bất động sản hiện tại bị ảnh hưởng bởi giá cao và khả năng tiếp cận tài chính hạn chế, tuy nhiên, phân khúc bất động sản khu công nghiệp vẫn duy trì hoạt động tích cực nhờ vào nhu cầu lớn và lượng FDI vào Việt Nam đạt gần 27.72 tỷ USD trong năm 2022, tăng 13.5% so với năm 2021 Với nguồn vốn lớn, việc tìm kiếm bất động sản khu công nghiệp để đặt nhà máy trở nên cần thiết Tuy nhiên, lượng giao dịch trong nửa cuối năm 2022 chỉ đạt 50% so với đầu năm do lãi suất tăng khiến nhà đầu tư do dự trong quyết định đầu tư.

Ngành bất động sản, với đặc thù thâm dụng vốn, cần huy động nguồn vốn từ bên ngoài để thực hiện các dự án lớn, vì nguồn vốn chủ sở hữu không đủ Hiện nay, các doanh nghiệp bất động sản có thể huy động vốn qua vay ngân hàng, phát hành trái phiếu, người mua trả tiền trước và phát hành cổ phiếu Trong những năm gần đây, kênh huy động vốn qua phát hành trái phiếu đã trở nên sôi động, với giá trị trái phiếu phát hành đạt hơn 16.5 nghìn tỷ đồng vào tháng 10/2021 Tuy nhiên, theo hiệp hội thị trường trái phiếu Việt Nam (VBMA), do các yếu tố vĩ mô bất lợi, tỷ trọng trái phiếu của ngành bất động sản đã giảm xuống còn 20.4% vào năm 2022, so với 37% năm 2021.

Biểu đồ 3.2: Giá trị trái phiếu bất động sản phát hành

Nguồn: Hiệp hội thị trường trái phiếu Việt Nam (VBMA)

Việc phát hành trái phiếu ồ ạt trong những năm qua đã tạo ra áp lực lớn cho các doanh nghiệp bất động sản khi đến hạn thanh toán trái phiếu, đặc biệt trong bối cảnh khó khăn huy động vốn giai đoạn 2022-2026 Theo Fiinratings, giai đoạn 2023-2024 sẽ là thời kỳ căng thẳng đối với các công ty bất động sản đã huy động vốn qua phát hành trái phiếu Tổng dư nợ trái phiếu riêng lẻ đến hạn trong quý II và III năm 2023 lần lượt khoảng 36,200 tỷ đồng và 35,400 tỷ đồng.

Theo báo cáo mới nhất của Fiinratings, có 69 doanh nghiệp chậm trả nợ, trong đó 43 doanh nghiệp thuộc ngành bất động sản, với tổng giá trị nợ lên đến 78.9 nghìn tỷ đồng, chiếm 83.6% tổng giá trị trái phiếu của các doanh nghiệp này.

Biểu đồ 3.3: Đáo hạn TPDN riêng lẻ

3.1.2 Tổng quan về doanh nghiệp thuộc ngành bất động sản niêm yết trên sàn chứng khoán HOSE

Trong báo cáo thị trường bất động sản Việt Nam năm 2022, hiệp hội môi giới BĐS đã chỉ ra rằng nhiều doanh nghiệp phát triển dự án đang phải tạm dừng hoặc trì hoãn các dự án của mình, thậm chí một số doanh nghiệp đã ngừng hoạt động hoàn toàn Các doanh nghiệp có nguồn lực tài chính yếu gặp khó khăn trong việc bán dự án do dòng tiền hạn chế Đối với lĩnh vực dịch vụ bất động sản, hơn 30% doanh nghiệp đã phải đóng cửa, và họ không còn tập trung vào các sản phẩm chủ lực mà tham gia vào bất kỳ sản phẩm nào có trên thị trường Trong số các môi giới bất động sản, khoảng 30%-40% đã phải nghỉ việc do không thể duy trì nghề Nếu thị trường không cải thiện, con số này có thể sẽ gia tăng trong tương lai.

Trong giai đoạn hiện nay, chỉ những nhà môi giới bất động sản có kinh nghiệm, kỹ năng và kiến thức vững vàng, cùng với quỹ dự phòng tài chính ổn định mới có thể tạm yên tâm tồn tại và phát triển.

Kết quả thống kê mô hình chỉ số Z’’

Bảng 3.3: Thống kê mô tả của biến X1

Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nguồn: Kết quả từ phần mềm Stata

Trong giai đoạn 2013-2022, tỷ số vốn lưu động/tổng tài sản dao động từ -0.2895948 đến 0.8283314, với độ lệch chuẩn biến X1 giảm từ 0.2213613 năm 2013 xuống 0.1968596 năm 2019, sau đó tăng lên 0.2321283 năm 2022 Giá trị nhỏ nhất của biến X1 âm cho thấy các doanh nghiệp phải vay nợ để đáp ứng nhu cầu vốn lưu động Sự giảm dần giá trị trung bình của biến X1 qua các năm chỉ ra rằng tài sản ngắn hạn giảm hoặc nợ ngắn hạn gia tăng, làm giảm vốn lưu động trong ngành bất động sản Theo Panigrahi (2014), nếu vốn lưu động âm liên tục cùng với nợ ngắn hạn tăng, nguy cơ phá sản sẽ gia tăng Tagizadeh và cộng sự (2012) cũng nhấn mạnh rằng vốn lưu động là nguồn tài trợ ngắn hạn quan trọng, và tình trạng thiếu vốn lưu động kéo dài có thể dẫn đến khủng hoảng tài chính và phá sản.

Bảng 3.4: Thống kê mô tả của biến X2

Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nguồn: Kết quả từ phần mềm Stata

Giá trị trung bình của biến X2 (lợi nhuận giữ lại/tổng tài sản) trong giai đoạn 2013-2022 không cho thấy xu hướng rõ ràng, với độ lệch chuẩn cũng tương tự Trong 10 năm qua, giá trị nhỏ nhất của biến X2 đều âm, đặc biệt năm 2018 đạt -1.332089, cho thấy một số doanh nghiệp hoạt động không hiệu quả dẫn đến lợi nhuận giữ lại âm Ngược lại, giá trị lớn nhất của biến X2 có xu hướng tăng, đạt cao nhất vào năm 2022 với 0.4465384 Theo Azim và cộng sự (2021), doanh nghiệp có lợi nhuận giữ lại thấp dễ gặp rủi ro phá sản do quỹ nội bộ hạn chế Mohammed (2016) nhấn mạnh rằng tỷ lệ lợi nhuận giữ lại/tổng tài sản cao giúp tăng cường sự ổn định tài chính trong thời kỳ khó khăn, đồng thời giảm chi phí lãi vay nhờ vào việc sử dụng vốn nội tại, giúp doanh nghiệp duy trì khả năng chi trả nghĩa vụ nợ và tránh nguy cơ phá sản.

Bảng 3.5: Thống kê mô tả của biến X3

Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nguồn: Kết quả từ phần mềm Stata

Giá trị trung bình của chỉ số EBIT/Tổng tài sản đã tăng từ 0.0255359 vào năm 2013, đạt đỉnh 0.0581709 vào năm 2019, nhưng giảm xuống còn 0.0272352 vào năm 2022 Lợi nhuận trước thuế và lãi vay của các doanh nghiệp bất động sản niêm yết trên sàn HOSE đã duy trì mức tăng trưởng trong giai đoạn 2013-2021, trùng với thời điểm thị trường phục hồi và xảy ra sốt đất lần 4 Tuy nhiên, vào năm 2022, khi thị trường bất động sản chững lại, tỷ lệ EBIT/Tổng tài sản trung bình của các doanh nghiệp đã giảm mạnh 51% so với năm trước Giá trị nhỏ nhất của biến X3 ghi nhận là -0.2842786 năm 2022, trong khi giá trị lớn nhất là 0.2705217 vào năm 2016, với độ lệch chuẩn cao nhất là 0.065021 năm 2022 Chỉ tiêu EBIT/Tổng tài sản phản ánh khả năng sinh lời từ tổng tài sản của doanh nghiệp mà không phụ thuộc vào đòn bẩy tài chính hoặc nghĩa vụ thuế; việc chỉ số này giảm hoặc ghi nhận âm cho thấy doanh nghiệp không tạo ra lợi nhuận từ hoạt động kinh doanh.

51 doanh, việc này kéo dài sẽ khiến cho doanh nghiệp phá sản do không tạo ra đủ tiền để đáp ứng các nghĩa vụ nợ

Bảng 3.6: Thống kê mô tả của biến X4

Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Nguồn: Kết quả từ phần mềm Stata

Tỷ lệ vốn chủ sở hữu trên tổng nợ phải trả của các doanh nghiệp niêm yết trên sàn chứng khoán HOSE đã giảm từ 38.20215 vào năm 2014 xuống còn 11.54423 vào năm 2022 Giá trị nhỏ nhất của biến X4 là 0.1188931, trong khi giá trị trung bình cao nhất đạt 2.278465, với độ lệch chuẩn giảm từ 3.891845 năm 2013 xuống 1.993586 năm 2022 Nghiên cứu của Võ Minh Long (2020) cho thấy việc tăng tỷ lệ vốn chủ sở hữu trên nợ phải trả giúp doanh nghiệp giảm phụ thuộc vào vay mượn, tăng khả năng thanh toán, cải thiện rủi ro tài chính và giảm nguy cơ phá sản.

3.2.2 Đánh giá rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên sàn chứng khoán HOSE

Bảng 3.7: Thống kê số lượng doanh nghiệp theo từng ngưỡng giá trị của chỉ số Z’’ giai đoạn 2013-2022

Nguồn: Sinh viên tính toán và tổng hợp

Trong giai đoạn 2013-2018, số lượng doanh nghiệp bất động sản nằm trong vùng an toàn (Z’’>5.85) đã tăng, với năm 2016 ghi nhận mức cao nhất là 34 doanh nghiệp Tuy nhiên, từ 2019 đến 2022, số lượng doanh nghiệp trong vùng an toàn đã giảm mạnh, chỉ còn khoảng 24 trên tổng số 43 doanh nghiệp vào năm 2022 Đồng thời, số lượng doanh nghiệp có nguy cơ phá sản và nguy cơ phá sản cao cũng gia tăng, với số doanh nghiệp trong vùng có nguy cơ phá sản cao vào năm 2022 gấp đôi so với năm 2013, trong đó năm 2021 là năm có nhiều doanh nghiệp rơi vào nguy cơ phá sản cao nhất, đạt 8 doanh nghiệp.

Sự gia tăng số lượng doanh nghiệp có nguy cơ phá sản vào cuối giai đoạn nghiên cứu chủ yếu do sụt giảm mạnh lợi nhuận giữ lại và EBIT Năm 2022, lĩnh vực bất động sản ghi nhận tình trạng âm vốn lưu động cao gấp đôi so với năm 2013, trong khi tốc độ tăng nợ vay nhanh hơn tốc độ tăng của tài sản ngắn hạn, dẫn đến nhiều doanh nghiệp rơi vào ngưỡng nguy cơ phá sản cao.

Nghiên cứu của Bùi Ngọc Toản (2021) chỉ ra rằng sự phát triển tài chính qua khu vực ngân hàng có ảnh hưởng lớn đến thị trường bất động sản Việt Nam Theo Gimeno và cộng sự (2010) cùng với Jiang và cộng sự (2018), lãi suất cho vay cao sẽ tác động tiêu cực đến thị trường này.

Năm 2022, việc Ngân hàng Nhà nước (SBV) nâng lãi suất điều hành 03 lần đã gây khó khăn cho doanh nghiệp bất động sản trong việc tiếp cận vốn vay ngân hàng Đồng thời, đại dịch Covid-19 trong giai đoạn 2020-2021 đã làm trì trệ nhiều dự án do giãn cách xã hội, khiến doanh thu và lợi nhuận của các doanh nghiệp sụt giảm, dù vẫn phải chi trả chi phí duy trì hoạt động Những yếu tố này đã làm gia tăng nguy cơ phá sản cho nhiều doanh nghiệp bất động sản trong khu vực Kết quả từ bảng 3.7 cũng cho thấy mô hình điểm số Z’’ của Altman và Hotchkis phản ánh rõ tình hình này.

(2006) phù hợp để đo lường rủi ro phá sản tại Việt Nam

Bảng 3.8: DN ngành BĐS niêm yết trên sàn chứng khoán HOSE giai đoạn

Nguồn: Sinh viên tính toán và thống kê từ Excel

Trong nghiên cứu 43 doanh nghiệp, có 13 doanh nghiệp duy trì điểm số Z’’ > 5.85, cho thấy sự ổn định tài chính trong suốt giai đoạn nghiên cứu Các doanh nghiệp nổi bật bao gồm HAR (CTCP Đầu tư Thương mại Bất động sản An Dương Thảo Điền), ITA (CTCP Đầu tư và Công nghiệp Tân Tạo), KDH (CTCP đầu tư và kinh doanh nhà Khang Điền), NTL (CTCP Phát triển Đô thị Từ Liêm) và TIP (CTCP Phát triển khu công nghiệp Tín Nghĩa), với điểm số Z’’ tương đối cao.

Trong thời gian gần đây, 54 doanh nghiệp đã ghi nhận xu hướng tăng trưởng đáng chú ý, với đặc điểm chung là có giá trị X4 (vốn chủ sở hữu/nợ phải trả) cao, cùng với sự gia tăng của X1 (vốn lưu động/tổng tài sản) và X2 (lợi nhuận giữ lại/tổng tài sản) Trong giai đoạn 2021-2022, mặc dù thị trường bất động sản gặp khó khăn và có dấu hiệu đóng băng, các doanh nghiệp như HAR, ITA, NTL và TIP vẫn duy trì sự tăng trưởng của hệ số Z-score Điều này cho thấy các doanh nghiệp đã quản lý hoạt động kinh doanh hiệu quả và sử dụng ít đòn bẩy tài chính, giúp họ không bị ảnh hưởng lớn bởi những biến động trong ngành bất động sản.

Bảng 3.9: DN ngành BĐS niêm yết trên sàn chứng khoán HOSE giai đoạn

BCM 4.853 4.598 4.975 5.010 5.070 5.343 5.357 5.559 5.841 5.669 CCL 8.402 5.385 5.276 6.579 6.735 7.587 7.154 7.760 8.314 7.889 CKG 5.559 5.964 6.378 7.014 6.461 6.353 6.637 6.613 6.405 6.693 DIG 6.743 7.127 7.288 7.689 7.994 7.217 7.837 5.210 7.120 7.728 DRH 3.572 5.351 4.955 6.448 7.821 4.783 4.358 4.478 3.800 4.709 DTA 6.411 2.252 3.038 4.267 3.605 3.420 3.910 3.574 3.602 2.614 FDC 10.762 8.849 7.698 7.279 5.143 2.916 5.305 4.677 10.661 1.950 HDC 7.575 7.949 8.800 8.805 8.962 8.114 6.913 5.562 7.135 6.069 HDG 5.340 6.275 7.231 6.357 6.843 6.230 4.754 4.957 5.006 5.694 HQC 5.095 6.234 8.215 7.739 7.495 7.385 7.612 5.869 3.998 5.652 IJC 7.887 7.179 7.076 6.876 5.599 4.610 4.751 6.037 8.229 8.331 ITC 7.598 9.767 8.941 8.178 7.685 8.470 5.159 5.163 5.486 5.992 LDG 4.108 9.320 8.681 7.709 7.477 8.834 6.744 7.003 6.831 5.658 LEC 34.261 46.845 11.126 38.592 5.199 4.918 4.984 5.309 5.222 4.456 LGL 4.291 5.692 6.208 5.483 6.453 5.957 5.007 4.641 4.875 4.727 NBB 7.771 8.892 8.205 6.460 6.993 7.358 6.758 7.945 4.150 5.152 NVL 5.582 5.539 5.043 6.642 6.643 6.492 7.917 7.598 7.301 6.738 NVT 5.707 6.608 5.263 4.654 -0.091 2.511 3.438 4.132 1.908 2.326 PTL 4.989 4.284 5.590 6.003 6.166 7.598 6.977 6.924 7.183 5.746 QCG 6.891 8.635 7.238 6.456 5.518 5.484 5.415 5.628 5.980 5.965 SGR 6.466 6.725 4.606 7.856 6.877 5.873 5.144 6.182 6.157 7.333 SJS 5.501 5.752 4.877 5.609 5.504 4.856 4.350 4.155 4.647 4.731 SZC 4.591 4.860 5.741 5.811 4.538 5.010 4.644 2.989 3.316 4.306 SZL 6.543 6.819 6.535 7.571 7.111 7.157 7.276 6.388 5.644 5.539 TDC 4.511 4.445 5.143 5.376 4.800 4.422 3.555 3.366 3.446 3.377 VHM 5.183 2.693 2.878 2.545 5.603 7.412 5.776 5.497 7.585 5.622 VIC 5.511 5.248 4.052 3.708 3.351 4.762 4.190 3.677 4.187 3.338 VPH 5.813 6.748 7.000 6.957 8.293 7.669 7.500 6.900 6.939 6.122 VRC 7.739 5.206 7.270 6.455 12.194 9.577 10.728 10.652 10.864 11.503 VRE 5.988 5.342 4.258 7.386 7.076 7.282 7.643 7.964 9.491 9.225

Chú thích: Màu vàng: điểm số Z’’ nằm trong vùng 4.35 < Z’’