Dự báo kiệt quệ tài chính tại các công ty niêm yết việt nam

Một nghiên cứu khác của Altman và Sabato 2007 trên một mẫu gồm 2,000 doanh nghiệp niêm yết tại Mỹ, giai đoạn từ 1994-2002 đã có một kết luận về hiệu quả dự báo của các tỷ số tài chính sa

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH

NGUYỄN THỊ MAI HƯƠNG

DỰ BÁO KIỆT QUỆ TÀI CHÍNH TẠI CÁC CÔNG TY NIÊM YẾT VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

Tp Hồ Chí Minh – Năm 2016

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH

NGUYỄN THỊ MAI HƯƠNG

DỰ BÁO KIỆT QUỆ TÀI CHÍNH TẠI CÁC CÔNG TY NIÊM YẾT VIỆT NAM

Chuyên ngành: Tài Chính – Ngân Hàng

Mã số: 60 34 02 01

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Lê Thị Lanh

Tp Hồ Chí Minh – Năm 2016

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn khoa học của PGS TS Lê Thị Lanh Các số liệu và kết quả được trình bày trong luận văn là trung thực, khách quan, chưa được công bố trong bất cứ công trình nào khác

Tp.Hồ Chí Minh, Ngày tháng năm 2016

Tác giả luận văn

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

CHƯƠNG 1 GIỚI THIỆU 1

1.1 Lý do chọn đề tài 1

1.2 Mục tiêu nghiên cứu 3

1.3 Đối tượng nghiên cứu và phạm vi nghiên cứu 3

1.4 Phương pháp nghiên cứu 3

1.5 Ý nghĩa của nghiên cứu 4

1.6 Kết cấu bài nghiên cứu 4

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VỀ KIỆT QUỆ TÀI CHÍNH VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY 5

2.1 Cơ sở lý thuyết về kiệt quệ tài chính 5

2.1.1 Bản chất của kiệt quệ tài chính 5

2.1.2 Hệ quả của kiệt quệ tài chính 6

2.2 Các nghiên cứu trước đây về kiệt quệ tài chính 8

2.2.1 Các nghiên cứu sử dụng các yếu tố tài chính 8

2.2.2 Các nghiên cứu sử dụng các yếu tố thị trường 13

2.2.3 Các nghiên cứu sử dụng các yếu tố vĩ mô 15

2.2.4 Các nghiên cứu kết hợp các yếu tố thị trường, tài chính và vĩ mô 16

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 22

3.1 Lựa chọn mô hình dự báo kiệt quệ tài chính tại các công ty niêm yết Việt Nam 22

3.1.1 Mô hình Logit lý thuyết 22

3.1.2 Lựa chọn mô hình dự báo kiệt quệ tài chính 24

3.3 Thu thập và xử lý dữ liệu 40

3.4 Phương pháp kỹ thuật 42

3.4.1 Các thước đo lường hiệu quả của mô hình 42

3.4.2 Các kiểm định được sử dụng trong nghiên cứu 43

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 46

4.1 Kết quả thống kê mô tả và kiểm định tương quan các biến độc lập 46

4.1.1 Kết quả thống kê mô tả 46

4.1.2 Kết quả kiểm định tương quan các biến độc lập 50

4.2 Kết quả ước lượng mô hình hồi quy Logit 53

4.2.1 Kết quả ước lượng mô hình hồi quy Logit 53

4.2.2 Hiệu chỉnh mô hình 56

4.2.3 Kết quả đo lường hiệu ứng biên 60

4.3 Kết quả lựa chọn mô hình dự báo kiệt quệ tài chính 63

4.3.1 Kết quả đo lường khả năng dự báo của các mô hình hiệu chỉnh 65

4.3.2 Kết quả kiểm định các giá trị AUC 66

4.3.3 Bảng phân loại độ chính xác 68

CHƯƠNG 5: KẾT LUẬN 72 TÀI LIỆU THAM KHẢO

PHỤ LỤC

AUC: Vùng diện tích dưới đường cong ROC

EBIT: Thu nhập trước thuế, lãi vay

EBITDA: Thu nhập trước thuế, lãi vay và khấu hao

FTSE: Thị trường chứng khoán thời đại tài chính (Financial Times Stock Exchange) HNX: Sở giao dịch chứng khoán Hà Nội

HOSE: Sở giao dịch chứng khoán Thành Phố Hồ Chí Minh

IFS: Thống kê tài chính quốc tế (International Financial Statistics)

IMF: Quỹ tiền tệ quốc tế

MDA: Phân tích đa yếu tố phân biệt (Multiple Discriminant Analysis)

ROC: Đặc trưng hoạt động tiếp nhận (Receiver Operating Characteristics)

ROC Curve: Đường cong ROC

TANH: Hàm lượng giác tang (Hyperbolic tangent)

TCTK: Tổng cục thống kê

VIF: Nhân tử phóng đại phương sai (Variance Inflation Factor)

WTO: Tổ chức thương mại thế giới

Bảng 2.1: Tổng hợp các nghiên cứu về phá sản 18

Bảng 2.2: Tổng hợp các nghiên cứu về dự báo kiệt quệ tài chính 19

Bảng 3.1: Thống kê số quan sát bị kiệt quệ và không bị kiệt quệ tài chính (bao gồm 593 doanh nghiệp, trong giai đoạn 2009-2015) 29

Bảng 3.2: Tổng hợp các biến độc lập trong mô hình hồi quy Logit 38

Bảng 4.1: Thống kê mô tả các biến độc lập 47

Bảng 4.2: Kiểm định sự khác biệt trung bình giữa hai nhóm quan sát kiệt quệ và không kiệt quệ tài chính 48

Bảng 4.3: Ma trận hệ số tương quan và đa cộng tuyến 52

Bảng 4.4: Kết quả ước lượng mô hình hồi quy Logit 54

Bảng 4.5: Kết quả hồi quy Logit của các mô hình hiệu chỉnh 58

Bảng 4.6: Tác động của các yếu tố đến xác suất kiệt quệ tài chính theo mô hình AMD3 với nghiên cứu gốc 59

Bảng 4.7: Kết quả đo lường hiệu ứng biên 61

Bảng 4.8: Kết quả đo lường hiệu quả của các mô hình hiệu chỉnh 64

Bảng 4.9: Kiểm định sự khác biệt giữa giá trị AUC của mô hình AMD 1, AMD 2, AMD 4, AMD 5 và AMD 3 67

Bảng 4.10: Bảng phân loại độ chính xác 70

Hình 4.1: Đường cong ROC của AMD 1, AMD 2, AMD 4, AMD 5 và AMD 3 67

CHƯƠNG 1 GIỚI THIỆU 1.1Lý do chọn đề tài

Việc gia nhập WTO đã mở ra cơ hội lớn cho hàng hóa và dịch vụ của Việt Nam với một thị trường rộng lớn hơn Sau hơn 8 năm gia nhập WTO, kinh tế Việt Nam đã phát triển mạnh mẽ trên mọi lĩnh vực, đặc biệt trong lĩnh vực thương mại, dịch vụ Bên cạnh những cơ hội mới khi gia nhập WTO, Việt Nam sẽ phải đối mặt với những thách thức khó khăn phía trước Cụ thể, đó là sự cạnh tranh ngày càng trở nên “khốc liệt” hơn giữa các doanh nghiệp trong nước với các doanh nghiệp nước ngoài, và kể cả các doanh nghiệp trong nước với nhau ngay chính trên “sân nhà” Một viễn cảnh xấu có thể xảy ra đối với các doanh nghiệp là rơi vào tình trạng kiệt quệ tài chính hoặc thậm chí phá sản, giải thể Và điều này đã thực sự xảy ra Theo

số liệu của TCTK (2013), số doanh nghiệp gặp khó khăn phải giải thể hoặc ngừng hoạt động là 60,737 doanh nghiệp Con số này còn tiếp tục gia tăng trong năm 2014,

cả nước có 67,823 doanh nghiệp gặp khó khăn buộc phải giải thể, hoặc đăng ký tạm ngừng hoạt động có thời hạn, hoặc ngừng hoạt động chờ đóng mã số doanh nghiệp hoặc không đăng ký (TCTK , 2014) Thị trường chứng khoán Việt Nam cũng không

là một ngoại lệ Trong 3 năm 2012, 2013 và 2014 danh sách các doanh nghiệp đăng

ký xin hủy niêm yết xuất hiện ngày càng nhiều trong các báo cáo thường niên của

Sở giao dịch chứng khoán Hà Nội và Sở giao dịch chứng khoán Thành Phố Hồ Chí Minh Từ năm 2012 đến năm 2014, số doanh nghiệp xin hoặc bị hủy niêm yết bắt buộc lần lượt là 20, 41 và 32 doanh nghiệp Trong đó nguyên nhân chủ yếu là hoạt động kinh doanh bị thua lỗ liên tiếp trong 3 năm, hoặc số lỗ lũy kế lớn hơn vốn điều

lệ của doanh nghiệp Như vậy, có thể thấy rằng nền kinh tế Việt Nam đang ngày càng hội nhập sâu rộng vào nền kinh tế chung của thế giới Bên cạnh những cơ hội tốt được mở ra , các doanh nghiệp Việt Nam đang phải đối mặt với những thách thức và khó khăn trong cạnh tranh mà có thể dẫn đến tình trạng kiệt quệ tài chính, thậm chí là phá sản, giải thể Ngoài ra, nguy cơ bị kiệt quệ tài chính cũng bắt nguồn

từ các chi phí tài chính cố định cao (liên quan đến vấn đề cấu trúc vốn của doanh

nghiệp hoặc liên quan đến những bất ổn của thị trường tài chính, nền kinh tế làm lãi suất tăng cao); tài sản của doanh nghiệp kém thanh khoản (khả năng chuyển đổi tài sản thành tiền kém, tốn nhiều chi phí) và sự yếu kém trong quản trị doanh nghiệp (Milton, 2002) Vì vậy việc dự báo khả năng rơi vào tình trạng kiệt quệ tài chính là một trong những vấn đề cốt lõi trong hoạt động quản trị tài chính giúp các nhà quản trị đưa ra những quyết định đúng đắn, phù hợp nhằm “giải cứu” doanh nghiệp thoát khỏi nguy cơ lâm vào tình trạng bị kiệt quệ tài chính, và duy trì sự tồn tại, phát triển của doanh nghiệp

Có nhiều yếu tố ảnh hưởng đến khả năng lâm vào kiệt quệ tài chính Trong đó có các yếu tố ảnh hưởng từ bên trong doanh nghiệp như các yếu tố tài chính (Beaver, 1966; Altman, 1968; Ohlson ,1980); các yếu tố ảnh hưởng từ bên ngoài như các yếu

tố thị trường (Campbell và cộng sự, 2008; Pindado và cộng sự, 2008), các yếu tố vĩ

mô (Alifiah, 2014; Bhattacharjee và Han, 2014) Có nhiều nghiên cứu có sự kết hợp giữa các yếu tố với nhau trong một mô hình nghiên cứu Campbel và cộng sự (2008) đã kết hợp các yếu tố tài chính và các yếu tố thị trường; Bhattacharjee và Han (2014) kết hợp các yếu tố tài chính và các yếu tố vĩ mô; Tinoco và Wilson (2013), Christidis và Gregory (2010) đã kết hợp cả ba yếu tố tài chính, thị trường

và vĩ mô Nhưng có rất ít các nghiên cứu phân tích, xem xét về tính hiệu quả của việc kết hợp đồng thời các yếu tố tài chính, thị trường và vĩ mô vào trong một mô hình dự báo kiệt quệ tài chính (Tinoco và Wilson, 2013)

Xuất phát từ các vấn đề nêu trên, bài nghiên cứu “DỰ BÁO KIỆT QUỆ TÀI CHÍNH TẠI CÁC CÔNG TY NIÊM YẾT VIỆT NAM” được thực hiện nhằm xem xét tính hiệu quả của sự kết hợp 3 yếu tố tài chính, thị trường và vĩ mô trong một

mô hình dự báo kiệt quệ tài chính

1.2Mục tiêu nghiên cứu

Dự báo kiệt quệ tài chính tại các công ty niêm yết Việt Nam trên cơ sở ứng dụng

mô hình dự báo của Tinoco và Wilson(2013) (mô hình kết hợp đồng thời các yếu tố tài chính, thị trường và vĩ mô)

1.3Đối tượng nghiên cứu vàphạm vi nghiên cứu

 Đối tượng nghiên cứu

Dự báo kiệt quệ tài chính tại các doanh nghiệp phi tài chính niêm yết trên thị trường chứng khoán Việt Nam

 Phạm vi nghiên cứu

Mẫu dữ liệu gồm 593 doanh nghiệp phi tài chính (các doanh nghiệp thuộc tất cả các ngành ngoại trừ ngành tài chính) được niêm yết trên HNX và HOSE, trong giai đoạn 7 năm từ năm 2009 đến 2015 Mẫu quan sát bao gồm hai nhóm: nhóm các doanh nghiệp bị kiệt quệ tài chính và nhóm doanh nghiệp không bị kiệt quệ tài chính.Việc thu thập dữ liệu để tính toán các biến số trong mô hình được lấy từ các báo cáo tài chính năm, các báo cáo thường niên đã kiểm toán của các doanh nghiệp, giai đoạn từ 2009-2015 Nguồn dữ liệu này được cung cấp bởi công ty cổ phần StockPlus Dữ liệu về các biến số vĩ mô được thu thập từ IFS cũng trong giai đoạn 2009-2015

1.4 Phương pháp nghiên cứu

Để giải quyết vấn đề biến phụ thuộc là nhị phân, bài nghiên cứu sử dụng mô hình Logit để ước lượng các tham số hồi quy, qua đó dự báo khả năng rơi vào kiệt quệ tài chính của doanh nghiệp Nhằm đáp ứng điều kiện của mô hình hồi quy Logit là hiện tượng đa cộng tuyến giữa các biến độc lập không nghiêm trọng, nghiên cứu tiến hành kiểm định hiện tượng đa cộng tuyến giữa các biến độc lập Ngoài ra, nghiên cứu cũng thực hiện các kiểm định khác như: kiểm định sự khác biệt trung bình giữa hai mẫu độc lập, nhằm gia tăng nhận định về các đặc trưng giữa nhóm

kiệt quệ tài chính và không kiệt quệ tài chính; kiểm định phi tham số Mann – Whitney, nhằm kiểm định sự khác nhau giữa các giá trị AUC của các mô hình

1.5Ý nghĩa của nghiên cứu

Bài nghiên cứu hy vọng góp phần tạo thêm một mô hình dự báo mới bằng sự kết hợp các yếu tố tài chính, thị trường và vĩ mô trong một mô hình Đồng thời hỗ trợ các doanh nghiệp có biện pháp ngăn chặn kịp thời các tổn thất có thể xảy ra; nâng cao hiệu quả hoạt động của doanh nghiệp trong một nền kinh tế ngày càng cạnh tranh “khốc liệt”; giúp các chủ nợ, các nhà đầu tư cũng như các tổ chức tín dụng sẽ đưa ra các quyết định đúng đắn và phù hợp hơn

1.6 Kết cấu bài nghiên cứu

Bài nghiên cứu được kết cấu thành 5 chương như sau:

CHƯƠNG 1: Giới thiệu tổng quan về nghiên cứu;

CHƯƠNG 2: Tổng quan lý thuyết về kiệt quệ tài chính và các nghiên cứu trước đây;CHƯƠNG 3: Phương pháp nghiên cứu;

CHƯƠNG 4: Kết quả nghiên cứu và thảo luận;

CHƯƠNG 5: Kết luận

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VỀ KIỆT QUỆ TÀI CHÍNH VÀ

CÁC NGHIÊN CỨU TRƯỚC ĐÂY 2.1Cơ sở lý thuyết về kiệt quệ tài chính

2.1.1Bản chất của kiệt quệ tài chính

Kiệt quệ tài chính là tình trạng mà doanh nghiệp không thể đáp ứng các nghĩa vụ nợ đến hạn hay đáp ứng một cách khó khăn cho các chủ nợ, đôi khi kiệt quệ tài chính

có thể dẫn đến phá sản (Trần Ngọc Thơ và cộng sự, 2007).Việc doanh nghiệp không thể đáp ứng các nghĩa vụ nợ đến hạn có thể xuất phát từ nhiều nguyên nhân khác nhau, cụ thể như sau:

Thứ nhất: Thiếu khả năng liên kết với thị trường vốn Có rất nhiều ví dụ về các

doanh nghiệp có nhu cầu thanh khoản, có tiềm năng tăng trưởng, và điều “sống còn” cuối cùng là khả năng kết nối vào các thị trường vốn Đối với các doanh nghiệp, không được tiếp cận với thị trường vốn khi cần thiết là một điều chắc chắn doanh nghiệp lâm vào tình trạng khó khăn về tài chính

Thứ hai: Sự suy giảm về hiệu suất hoạt động của doanh nghiệp là một lý do phổ

biến dẫn đến mất khả năng chi trả các khoản nợ đến hạn Các lý do dẫn đến sự suy giảm như vậy thì rất nhiều, chẳn hạn như: các cuộc suy thoái theo chu kỳ kinh tế, lạm phát chi phí, cạnh tranh, luật định/bãi bỏ luật định, sản phẩm hoặc dịch vụ có tính cạnh tranh, kế hoạch kinh doanh không thực tế, hay quản lý yếu kém Hiếm khi các trường hợp xảy ra đồng thời, chỉ là một trong những yếu tố trên xảy ra dẫn tới

sự suy giảm hiệu suất hoạt động Có thể có một sự kết hợp của các yếu tố trên dẫn đến sự xuống cấp như vậy, mà tại đó các doanh nghiệp sẽ ngừng hoạt động trong tình trạng kiệt quệ tài chính

Thứ ba: Sự suy yếu trong tổ chức bộ máy kế toán Kế toán tài chính theo nguyên lý

chuẩn mực kế toán (GAAP1) là một hệ thống trong đó các báo cáo được thực hiện một cách cứng nhắc theo các quy định, trong khi đó mô tả về thực tế còn hạn chế và trong nhiều trường hợp lại không thực tế Trọng tâm của các nhà phân tích cổ phiếu

là nhằmvào những gì các con sốcủa GAAP thể hiện, trong khi tình trạng kiệt quệ hoặc giá trị đầu tư, trọng tâm lại là những con số mang tính ý nghĩa

Ngoài ra nguy cơ kiệt quệ tài chính gia tăng khi doanh nghiệp có những chi phí tài chính cố định cao (liên quan đến vấn đề sử dụng nợ), tài sản doanh nghiệp kém thanh khoản (khả năng chuyển đổi tài sản thành tiền chậm hoặc tốn kém chi phí), doanh thu nhạy cảm với sự biến động của nền kinh tế

Quan điểm về kiệt quệ tài chính có thể nhìn nhận từ góc độ phá sản của doanh nghiệp Foster (1986) cho rằng nộp đơn xin phá sản được xem là dấu hiệu cho biết doanh nghiệp đó đang bị kiệt quệ tài chính Theo Jones và Hensher (2004) có hai tình trạng mà một doanh nghiệp niêm yết trên thị trường chứng khoán được xem là kiệt quệ tài chính Tình trạng thứ nhất: doanh nghiệp mất khả năng thanh toán đối với các khoản nợ đến hạn Tình trạng thứ hai: doanh nghiệp nộp đơn xin phá sản Hay Bruwer và Hamman (2006) cũng xác định một doanh nghiệp lâm vào tình trạng kiệt quệ tài chính khi nó nộp đơn xin phá sản hoặc hủy niêm yết hoặc tái cấu trúc toàn diện bộ máy tổ chức Như vậy trong các nghiên cứu thực nghiệm về kiệt quệ tài chính, các nhà nghiên cứu có thể xem một doanh nghiệp lâm vào tình trạng kiệt quệ tài chính khi nó bị phá sản

2.1.2Hệ quả của kiệt quệ tài chính

Doanh nghiệp khi rơi vào tình trạng kiệt quệ tài chính sẽ phải gánh chịu nhiều hệ quả nghiêm trọng, gây tổn thất “nặng nề” cho doanh nghiệp Các hệ quả mà kiệt quệ tài chính có thể kể đến như sau:

1 GAAP: Generally Accepted Accounting Principles

Thứ nhất: Kiệt quệ tài chính gây ra các mâu thuẫn quyền lợi giữa cổ đông và chủ nợ

,làm cản trở các quyết định đúng đắn về hoạt động đầu tư và tài trợ của doanh nghiệp Có thể phân tích cụ thể như sau:

 Về phía các cổ đông

Họ thường từ bỏ mục tiêu thông thường là tối đa hóa giá trị thị trường của doanh nghiệp và thay vào đó là mục tiêu hạn hẹp hơn là quyền lợi riêng của mình Họ có khuynh hướng thực hiện các “trò chơi” (ý đồ) riêng mà phần thiệt hại sẽ do các trái chủ gánh chịu Ví dụ như việc cổ đông chấp nhận các dự án mạo hiểm trên tư tưởng

“được ăn cả ngã về không” khi tài sản của doanh nghiệp không đủ để trả nợ, nếu dự

án này thành công thì doanh nghiệp vực dậy được, còn nếu thất bại thì phần thiệt hại trái chủ sẽ gánh chịu; hay cổ đông có thể từ chối đóng góp cổ phần để đầu tư vào các dự án tốt có lợi cho doanh nghiệp vì lợi ích này phải được chia sẻ với các trái chủ Ngoài ra còn có các trò chơi khác như thu tiền và bỏ chạy dưới hình thức

cổ tức bằng tiền mặt; kéo dài thời gian trả nợ hay phát hành thêm nhiều nợ để thu lãi từ lỗ vốn của các trái chủ cũ khi tất cả nợ trở nên rủi ro hơn Khi doanh nghiệp càng lâm vào tình trạng khó khăn, càng không có khả năng thực hiện nghĩa vụ trả

nợ thì sự hấp dẫn của các trò chơi càng lớn và xác suất cổ đông thực hiện ý đồ của mình càng cao, điều này rõ ràng là rất tốn kém cho doanh nghiệp vì các trò chơi này đều mang ý nghĩa các quyết định tồi về đầu tư và hoạt động; dẫn đến sự sụt giảm giá trị thị trường của toàn doanh nghiệp

 Về phía các trái chủ

Họ nhận thức rằng các ý đồ đó có thể được thực hiện với rủi ro do họ gánh chịu, nên họ đã tự bảo vệ bằng cách thực hiện các trò chơi riêng của mình Tuy nhiên, để thực hiện “trò chơi”, các chủ nợ cũng phải tốn kém chi phí Biện pháp nào cũng có cái giá phải trả riêng của nó, ta phải chi trả thêm tiền để có thể tiết kiệm được tiền Ngoài chi phí cho việc soạn thảo các hợp đồng phức tạp, các trái chủ còn phải tốn thêm tiền cho các hoạt động kiểm tra, giám sát kết quả thực thi hợp đồng Các chủ

nợ phải dự báo được chi phí này và thường đòi mức đền bù cao hơn dưới hình thức lãi suất cao hơn, như vậy nó cũng chính là một loại chi phí đại diện của nợ – cuối cùng sẽ do các cổ đông chi trả

Thứ hai: Kiệt quệ tài chính còn ảnh hưởng đến tài sản của doanh nghiệp Khi lâm

vào khó khăn, muốn thanh lý chẳng hạn, giá trị thu được từ việc thanh lý tài sản sẽ nhỏ hơn Các tài sản bị ảnh hưởng nghiêm trọng nhất là các tài sản vô hình như giá trị thương hiệu, công nghệ, vốn nhân lực, hình ảnh doanh nghiệp

Thứ ba:Khi doanh nghiệp trong tình trạng khó khăn hầu hết nhân viên luôn cảm

thấy căng thẳng, họ lo sợ mất việc nên cố gắng tìm kiếm những cơ hội nghề nghiệp mới Những người giỏi thường sẽ rời bỏ doanh nghiệp, những người ở lại thường làm việc với tâm trạng không tập trung, kém hiệu quả Như vậy, tổn thất này cũng được xem như là chi phí kiệt quệ tài chính

Thứ tư: Các khách hàng và các nhà cung cấp cũng sẽ không muốn gánh chịu rủi ro

khi giao dịch với những doanh nghiệp đang lâm vào kiệt quệ tài chính Khách hàng không sẵn lòng ứng trước tiền hàng hoặc nhà cung cấp không muốn bán chịu.Doanh nghiệp còn có thể mất đi những đối tác quan trọng Cả đầu ra và đầu vào đều bị sụt giảm làm tình hình hoạt động của doanh nghiệp càng khó khăn hơn

2.2Các nghiên cứu trước đây vềkiệt quệ tài chính

Nội dung trong phần này, nghiên cứu sẽ trình bày các nghiên cứu thực nghiệm trên thế giới về dự báo kiệt quệ tài chính Qua đó nghiên cứu sẽ lựa chọn cách tiếp cận vềdự báo kiệt quệ tài chính ở góc độ mới

2.2.1Các nghiên cứu sử dụng các yếu tố tài chính

Năm 1932, Fitzpatrick là một trong những người khởi xướng nghiên cứu về dự báo

kiệt quệ tài chính, phá sản Trong nghiên cứu về dự báo phá sản, ông đã lựa chọn một mẫu nghiên cứu gồm 19 doanh nghiệp và dựa trên các dấu hiệu tài chính chia các doanh nghiệp thành hai nhóm: nhóm phá sản và nhóm không phá sản Và ông

đã tìm thấy bằng chứng rằng tỷ số tài chính như: lãi ròng trên vốn cổ phần, vốn cổ phần trên tổng nợ là hai tỷ số có khả năng dự báo về phá sản cao nhất Hơn 60 năm sau, các nghiên cứu về phá sản mới “bùng phát” trở lại Beaver (1966), Altman(1968), Altman và cộng sự (1977), Ohlson(1980) là những nghiên cứu

“châm ngòi” cho những xu hướng mới, mô hình mới trong dự báo kiệt quệ tài chính, phá sản

Năm 1966, Beaver đã tiến hành chọn mẫu gồm 79 doanh nghiệp bị phá sản thuộc

38 ngành khác nhau tại Mỹ,giai đoạn từ 1954 – 1964, mẫu được lấy từ báo cáo ngành của hãng xếp hạng tín nhiệm Moody Ông đã áp dụng phương pháp chọn mẫu cặp, tức là tương ứng một doanh nghiệp vỡ nợ thì sẽ có một doanh nghiệp hoạt động bình thường trong cùng ngành và cùng quy mô Beaver chọn ra 30 tỷ số tài chính, được chia thành 6 nhóm bao gồm: nhóm tỷ số dòng tiền, nhóm các tỷ số thu nhập ròng, nhóm tỷ số đòn bẩy tài chính, nhóm tỷ số tài sản thanh khoản trên tổng tài sản, nhóm tỷ số tài sản thanh khoản trên nợ ngắn hạn và nhóm tỷ số sinh lợi nhằm kiểm định khả năng dự báo phá sản của các tỷ số này từ 1 đến 5 năm trước khi sự kiện phá sản xảy ra Kết quả cuối cùng cho thấy, các tỷ số tài chính đơn lẻ có khả năng dự báo phá sản tốt, và khi tăng số năm dự báo lên 5 năm thì tỷ lệ phân loại sai có tăng nhưng không đáng kể Đặc biệt tỷ số dòng tiền hoạt động trên tổng nợ có khả năng dự báo lên đến 87% trước 1 năm bị phá sản Beaver đã đúc kết 6 tỷ số đại diện cho các tỷ số trên có thể dự báo được phá sản: dòng tiền hoạt động trên tổng nợ(đại diện cho nhóm tỷ số dòng tiền), thu nhập ròng trên tổng tài sản (đại diện nhóm các tỷ số thu nhập ròng), tổng nợ trên tổng tài sản (đại diện nhóm tỷ số đòn bẩy tài chính), vốn luân chuyển trên tổng tài sản (đại diện nhóm tỷ số tài sản thanh khoản trên tổng tài sản), tỷ số thanh toán hiện hành (đại diện nhóm tỷ số tài sản thanh khoản trên nợ ngắn hạn) và tỷ số (tài sản thanh khoản nhanh trừ nợ ngắn hạn) chia cho chi phí hoạt động hàng ngày (đại diện nhóm tỷ số sinh lợi)

Năm 1968, Altman xây dựng mô hình dự báo phá sản điểm Z (Z-Score) bằng kỹ

thuật Phân Tích Đa Yếu Tố Phân Biệt (MDA), trên cơ sở kế thừa nghiên cứu của

Beaver (1966) MDA là một kỹ thuật được sử dụng để phân lớp các quan sát vào trong một nhóm dựa trên các đặc trưng của quan sát đó (Rettig, 1964) Kỹ thuật thống kê này tạo ra một kết hợp tuyến tính – các đặc trưng sao cho phân biệt tốt nhất giữa các nhóm Chỉ số Z-Score trong mô hình được tính toán dựa trên 5 tỷ số tài chính – kế toán: vốn luân chuyển trên tổn tài sản, lợi nhuận giữ lại trên tổng tài sản, thu nhập trước thuế, lãi vay (EBIT) trên tổng tài sản, giá trị thị trường của cổ phiếu trên giá trị sổ sách của nợ, doanh thu trên tổng tài sản Trong nghiên cứu này Altman đã chọn ra 66 doanh nghiệp đã cổ phần hóa trong ngành sản xuất tại Mỹ, trong đó có 33 doanh nghiệp bị phá sản trong giai đoạn 1946 – 1965 Kết quả cho thấy, điểm Z < 1.81 được phân loại là phá sản, Z > 2.99 được phân loại là không phá sản, 1.81 < Z < 2.99 là “khu vực xám”, khu vực cảnh báo, tức là có thể doanh nghiệp bị phá sản hoặc không bị phá sản, điểm Z càng gần về 1.81 thì khả năng phá sản càng cao, và ngược lại Z càng gần 2.99 thì khả năng phá sản thấp Mô hình điểm Z của Altman (1968) có thể cho kết quả dự báo chính xác lên đến 95% trước 1 năm sự kiện phá sản xảy ra Điều này cung cấp thêm bằng chứng cho sự hữu íchcủa các tỷ số tài chính – kế toán trong dự báo phá sản Gần 10 năm sau, Altman và cộng

sự (1977) đã cho ra một mô hình dự báo mới – mô hình ZETA, trong một nghiên cứu về phá sản tại Mỹ Mô hình đã lựa chọn các nhóm tỷ số tài chính sau để đưa vào mô hình: nhóm tỷ số khả năng thanh khoản, nhóm tỷ số vốn hóa, nhóm tỷ suất sinh lợi, nhóm đòn bẩy tài chính Kết quả là mô hình ZETAcó khả năng dự báo lên đến 5 năm trước khi phá sản xảy ra Mô hình có độ chính xác khá cao, 70% trước 5 năm khi sự kiện phá sản xảy ra, và 96% trước 1 năm Các tỷ số có khả năng dự báo trong mô hình ZETA là: tỷ suất sinh lợi trên tổng tài sản (ROA), tỷ số khả năng thanh toán lãi vay(đo lường bằng EBIT / chi phí lãi vay), tỷ số thanh toán hiện hành, quy mô doanh nghiệp (đo lường bằng tổng tài sản), tỷ số vốn hóa (đo lường bằng giá trị vốn hóa thị trường / tổng nguồn vốn), tỷ suất sinh lợi tích lũy (đo lường bằng lợi nhuận giữ lại / tổng tài sản)

Năm 1980, Ohlson đã chỉ trích những giả định ràng buộc của kỹ thuật MDA như:

các biến độc lập đưa vào mô hình phải tuân theo phân phối chuẩn, ma trận hệ số

tương quan giống nhau giữa các nhóm doanh nghiệp kiệt quệ và không kiệt quệ , đồng thời cũng đã giới thiệu một kỹ thuật thống kê kinh tế lượng dựa trên mô hìnhLogit So với phương pháp MDA, ưu điểm của phương pháp Logit là không đưa ra các giả định về phân phối chuẩn, ma trận hệ số tương quan Đồng thời, phương pháp này cho biết được xác suất xảy ra kiệt quệ của doanh nghiệp là bao nhiêu trong khi đó phương pháp MDA chỉ cho biết có kiệt quệ hay không kiệt quệ hoặc có thuộc vùng cảnh báo kiệt quệ hay không Ohlson (1980) đã chọn một mẫu

dữ liệu gồm 105 doanh nghiệp phá sản và 2058 doanh nghiệp không phá sản tại Mỹ, thời kỳ 1970 – 1976 Ông cũng đã tuyển chọn 9 tỷ số tài chính đại diện cho 9 biến độc lập trong mô hình Logit Kết quả của mô hình Logit cho thấy mức độ dự báo chính xác phá sản lần lượt là 96.1%, 95.5%, 92.8% tương ứng với khả năng dự báo

là 1 năm, 2 năm, 1 hoặc 2 năm Các tỷ số có khả năng dự báo phá sản trong mô hình của Ohlson: quy mô doanh nghiệp [log(tổng tài sản/GNP)], tổng nợ trên tổng tài sản, thu nhập ròng trên tổng tài sản, dòng tiền hoạt động trên tổng nợ, thay đổi trong thu nhập ròng (thu nhập ròng năm t – thu nhập ròng năm t-1)/(|thu nhập ròng năm t| + |thu nhập ròng năm t-1|), chênh lệch giữa tổng nợ so với tổng tài sản (bằng 1, nếu tổng nợ lớn hơn tổng tài sản, và ngược lại thì bằng 0)

Năm 1984, Zmijewski cũng đã cho thấy khả năng dự báo của các tỷ số tài chính

như: tổng tài sản trên tổng nợ, thu nhập ròng trên tổng tài sản và tài sản ngắn hạn trên nợ ngắn hạn bằng mô hình Logit, khi ông nghiên cứu về dự báo phá sản gồm

129 doanh nghiệp phá sản tại Mỹ, giai đoạn từ 1972-1978 Shumway (2001) đã thu thập bộ dữ liệu gồm 300 doanh nghiệp bị phá sản niêm yết tại Mỹ, giai đoạn từ 1962-1992 Thông qua việc ứng dụng mô hình Hazard (mô hình Logit động) để dự báo phá sản, ông kết luận các tỷ số sau có khả năng dự báo phá sản doanh nghiệp:

tỷ số tổng nợ trên tổng tài sản, tỷ số thu nhập ròng trên tổng tài sản, EBIT trên tổng tài sản và giá trị vốn hóa thị trường trên tổng nợ

Một số nghiên cứu khác gần đây về dự báo kiệt quệ tài chính vẫn áp dụng các tỷ số tài chính vào mô hình nghiên cứu.Trong nghiên cứu Agarwal và Taffler (2007), hai

tác giả đã nghiên cứu dự báo phá sản các doanh nghiệp tại Anh bằng mô hình điểm

Z (giai đoạn 1968-1993), với một mẫu gồm 25,688 quan sát Hai ông cũng đã tìm thấy bằng chứng về khả năng dự báo phá sản của những tỷ số tài chính sau: tỷ số thanh khoản [(tài sản có tính thanh khoản nhanh – nợ ngắn hạn) / chi phí hoạt động hàng ngày], thu nhập trước thuế trên nợ ngắn hạn, tài sản ngắn hạn trên tổng nợ, nợ ngắn hạn trên tổng tài sản Một nghiên cứu khác của Altman và Sabato (2007) trên một mẫu gồm 2,000 doanh nghiệp niêm yết tại Mỹ, giai đoạn từ 1994-2002 đã có một kết luận về hiệu quả dự báo của các tỷ số tài chính sau thông qua ứng dụng mô hình Logit: khả năng thanh toán lãi vay ( đo lường bằng EBITDA / chi phí lãi vay), thu nhập giữ lại trên tổng tài sản, tiền trên tổng tài sản, nợ ngắn hạn trên giá trị sổ sách của vốn cổ phần, EBITDA trên tổng tài sản Nghiên cứu của Christidis và Gregory (2010) khi ứng dụng mô hình Hazard (mô hình Logit động) trong dự báokiệt quệ tài chính với một mẫu quan sát gồm 589 doanh nghiệpniêm yết ở Anh (giai đoạn 1978-2006) cũng có kết luận về các tỷ số tài chính sau có khả năng dự báo phá sản: tổng nợ trên tổng tài sản, vốn luân chuyển trên tổng tài sản, dòng tiền trên tổng tài sản, thay đổi trong thu nhập ròng, dòng tiền hoạt động trên tổng nợ, tỷ

số thanh toán nhanh.Monti và Garcia (2010) trong một nghiên cứu về dự báo kiệt quệ tài chính dựa trên 45 tỷ số tài chính bằng mô hình Logit, mẫu thực hiện trên 86 doanh nghiệp tại Argentina Hai tác giả đã tìm ra được khả năng dự báo kiệt quệ tài chính của các tỷ số sau: tỷ số nợ ngắn hạn trên tổng tài sản , lãi vay trên tổng nợ, tỷ suất sinh lợi từ hoạt động trên doanh thu và phần trăm thay đổi trong ROE Bae (2012) đã sử dụng 11 tỷ số tài chính trong nghiên cứu dự báo kiệt quệ tài chính tại các doanh nghiệp sản xuất Hàn Quốc Trong nghiên cứu này, Bae đã đưa vào nhiều

mô hình khác nhau: mạng thần kinh nhân tạo (ANN), MDA, Logit, RSVM, MLP, C5.0 nhằm tìm ra mô hình dự báo tốt nhất Trong một nghiên cứu khác của Mondal

và Roy (2013) các chỉ báo tài chính về tình trạng “sức khỏe” của doanh nghiệp trong ngành thép tại Ấn Độ, đã cho thấy rằng tỷ lệ tăng trưởng trong lợi nhuận sau thuế và tỷ số nợ trên vốn cổ phần có ý nghĩa cao trong dự báo tình trạng “sức khỏe” doanh nghiệp Lin và cộng sự (2014) đã đưa 44 tỷ số tài chính vào trong mô hình

thuật toán vector hỗ trợ (SVM), nhằm dự báo kiệt quệ tài chính, v.v

Như vậy, qua các nghiên cứu trên có thể thấy việc dự báo kiệt quệ tài chính, phá sản dựa trên các dấu hiệu từ các tỷ số tài chính – kế toán là từ rất sớm, và do hiệu quả trong việc ứng dụng các tỷ số tài chính nên chúng vẫn được duy trì trong các nghiên cứu gần đây Các nghiên cứu chỉ khác nhau về phương pháp thống kê kinh tế lượng, phạm vi nghiên cứu

2.2.2Các nghiên cứu sử dụng các yếu tố thị trường

Năm 2004,Balcaen và Ooghe lập luận rằng nếu các nhà nghiên cứu chỉ đưa các chỉ

tiêu tài chính trong mô hình dự báo phá sản, thì họ ngầm định rằng tất cả các chỉ báo liên quan đến phá sản - cả bên trong lẫn bên ngoài - đều được phản ánh trong các báo cáo tài chính hàng năm Rõ ràng là các báo cáo tài chính không bao gồm các thông tin có liên quan đến dự báo kiệt quệ tài chính và các biến thị trường có khả năng bổ sung vào sự thiếu hụt này (Tinoco và Wilson, 2013)

Một số các nghiên cứu trước đây đã kiểm định các yếu tố thị trường trong dự báo phá sản như nghiên cứu của Black và Scholes (1973), Merton (1974) dựa trên cách tiếp cận quyền chọn vốn cổ phần hay mô hình định giá quyền chọn và sử dụng mô hình này để tính toán khả năng xảy ra kiệt quệ tài chính Mô hình giả định rằng thị trường biết tất cả những thông tin cần thiết về doanh nghiệp và phản ánh những thông tin này thông qua giá cổ phiếu Bharah và Shumway (2008), Hillegeist và cộng sự (2004), Reisz và Perlich (2007) cũng đã đưa các biến số thị trường trong nghiên cứu khả năng phá sản Hillegeist và cộng sự (2004) đã cho thấy mô hình quyền chọn của Black – Scholes – Merton cung cấp nhiều thông tin có ý nghĩa về xác suất phá sản so với mô hình điểm Z của Altman (1968), hay mô hình điểm O của Ohlson (1980) Hillegeist và cộng sự (2004) đã khuyến nghị rằng các nhà nghiên cứu nên sử dụng phương pháp của Black – Scholes – Merton thay vì các thước đo truyền thống chỉ dựa vào các yếu tố tài chính nhằm nghiên cứu về khả năng phá sản Keasey và Watson (1991) cũng cho thấy bằng chứng về sự chính xác

và tính kịp thời được cải thiện đáng kể trong mô hình dự báo khi có sự tham gia của

biến giá cổ phiếu Những phát hiện của Dichew (1998), trong một nghiên cứu về đo lường rủi ro phá sản sử dụng các mô hình của Altman (1968) và Ohlson (1980), đã chỉ ra rằng có một mối quan hệ nghịch biến giữa tỷ suất sinh lợi cổ phiếu và khả năng phá sản Theo đó, tỷ suất sinh lợi cổ phiếu cao hơn tỷ suất sinh lợi của thị trường sẽ giảm xác suất bị kiệt quệ tài chính của doanh nghiệp Ree (1995) gợi ý rằng, giá trị cổ phiếu có thể hữu ích trong việc dự báo xác suất phá sản vì chúng bao gồm các thông tin về dòng tiền kỳ vọng trong tương lai Do đó giá cổ phiếu sẽ chứa đựng những thông tin liên quan đến xác suất rơi vào kiệt quệ tài chính, ngay cả khi chúng không phải là một thước đo trực tiếp cho vấn đề này (Beaver và cộng sự, 2005) Thị trường chứng khoán là một nguồn thay thế thông tin vì nó chứa thông tin

từ các nguồn khác nhau ngoài báo cáo tài chính (Hillegeist và cộng sự, 2004)

Năm 2013, Tinoco và Wilsontrong một nghiên cứu về dự báo kiệt quệ tài chính các

doanh nghiệp niêm yết tại Anh, với mẫu gồm 23,218 quan sát (giai đoạn 1980 - 2011) dựa trên tiếp cận từ mô hình Logit Hai tác giả đã tìm thấy bằng chứng về khả năng dự báo kiệt quệ tài chính của yếu tố thị trường như: giá thị trường cổ phiếu, tỷ suất sinh lợi vượt trội của cổ phiếu, giá trị vốn hóa trị trường của doanh nghiệp trên tổng nợ, quy mô doanh nghiệp (đo bằng giá trị vốn hóa thị trường của doanh nghiệp trên giá trị vốn hóa của toàn thị trường)

Như vậy những điểm mạnh mà các yếu tố thị trường mang lại trong dự báo kiệt quệ tài chính, phá sản có thể kể đếnnhư sau (Tinoco và Wilson, 2013):

(1)Giá trị thị trường phản ánh những thông tin chứa đựng trong các báo cáo tài chính cộng với các thông tin không chứa trong các báo cáo tài chính (Agarwal và Taffler, 2008), tạo nên một tập hợp thông tin toàn diện hữu ích cho việc dự báo vỡ

nợ của doanh nghiệp

(2)Các yếu tố thị trường có thể làm tăng lên đáng kể khả năng dự báo kịp thời – đúng lúc của mô hình do giá thị trường thì có sẵn ở cấp độ hàng ngày, trong khi dữ liệu từ các báo cáo tài chính có sẵn và tốt nhất cũng chỉcó ở cấp độ hàng quý

(3)Giá thị trường có thể thích hợp hơn để dự báo phá sản, bởi vì chúng phản ánh dòng tiền mong đợi trong tương lai, trái lại, các báo cáo tài chính phản ánh kết quả trong quá khứ của doanh nghiệp

(4)Các yếu tố thị trường có thể cung cấp một sự đánh giá ngay lập tức các biến động – một thước đo dự báo rủi ro phá sản mạnh mẽ mà không có trong các báo cáo tài chính

2.2.3Các nghiên cứu sử dụng các yếu tố vĩ mô

Năm 1989, Bernanker và Gerler cho rằng tồn tại mối quan hệ giữa kiệt quệ tài chính

và chu kỳ kinh tế; tình trạng kiệt quệ tài chính tăng cao sẽ tác động đến chu kỳ kinh

tế nói chung, bởi tạo ra các cú sốc trong chu trình cho vay tín dụng và ảnh hưởng lan truyền đến các chỉ báo kinh tế khác Hơn thế nữa, các tổ chức tín dụng sẽ thắt chặt các khoản cho vay đối với doanh nghiệp trong tình trạng rủi ro thị trường tăng cao, điều này làm gia tăng chi phí sử dụng vốn của doanh nghiệp và đẩy doanh nghiệp rơi nhanh vào tình trạng kiệt quệ tài chính Chu kỳ kinh tế tác động đến môi trường kinh doanh của doanh nghiệp và vì thế các biến vĩ mô có thể mang lại khả năng dự báo tình trạng kiệt quệ tài chính như các tỷ số tài chính truyền thống (Bruneau, 2012) Sự bất ổn trong nền kinh tế có khả năng giải thích cao cho tình trạng kiệt quệ tài chính của doanh nghiệp (Bhattacharjee và Han, 2014) Nhiều nhà kinh tế học cho rằng các yếu tố vĩ mô như chính sách tiền tệ thắt chặt (Altman, 1971), lãi suất cao (Charitou và cộng sự, 2004), lạm phát cao (Liou và Smith, 2007)

có thể là nguyên nhân dẫn đến kiệt quệ tài chính Taffler (1982) đã đề xuất rằng, những thay đổi đáng kế của nền kinh tế và những thay đổi lớn trong hệ thống thuế

có thể gia tăng khả năng dự báo kiệt quệ tài chính Mare (2012) đã tìm ra bằng chứng về mối tương quan dương giữa lạm phát và xác suất rơi vào phá sản, trong một nghiên cứu của ông về phá sản các ngân hàng tại Ý (giai đoạn 1993-2011), với một mẫu gồm 6,279 quan sát

2.2.4 Các nghiên cứu kết hợp các yếu tố thị trường, tài chính và vĩ mô

Năm 2003, Bunn và Redwood trong nghiên cứu về kiệt quệ tài chính, phá sản các

doanh nghiệp tại Anh, với một mẫu gồm 100,000 quan sát (giai đoạn 1991-2001) đã tìm thấy khả năng kết hợp của các yếu tố vĩ mô và tài chính để dự báo phá sản Kết quả các yếu tố có khả năng dự báo kiệt quệ tài chính trong nghiên cứu của ông như sau: yếu tố tài chính (bao gồm: EBIT trên chi phí lãi vay, EBIT trên doanh thu, tổng

nợ trên tổng tài sản, tài sản ngắn hạn trên nợ ngắn hạn, số lượng nhân viên), yếu tố

vĩ mô: chỉ có tốc độ tăng trưởng kinh tế (đo lường bằng GDP)

Alifiah (2014) đã tìm thấy bằng chứng về khả năng kết hợp của các yếu tố tài chính

và vĩ mô để dự báo kiệt quệ tài chính trong mô hình Logit để dự báo kiệt quệ tài chính tại các doanh nghiệp thương mại và dịch vụ ở Malaysia, mẫu nghiên cứu của tác giả gồm 20 doanh nghiệp (mẫu cặp), giai đoạn 2001-2010 Cụ thể kết quả các yếu tố có khả năng dự báo kiệt quệ tài chính trong nghiên cứu của ông như sau: yếu

tố tài chính (bao gồm: thu nhập ròng trên tổng tài sản, vốn luân chuyển trên tổng tài sản, tổng nợ trên tổng tài sản, doanh thu thuần trên tổng tài sản), yếu tố vĩ mô: chỉ

có lãi suất cơ bản

Năm 2010, Christidis và Gregory đã kiểm định một tập hợp các biến số tài chính,

thị trường và vĩ mô trong một mô hình dự báo kiệt quệ tài chính cho các doanh nghiệp niêm yết tại Anh bằng mô hình Hazard (mô hình Logit động), với mẫu gồm

589 doanh nghiệp niêm yết (giai đoạn 1978-2006) Kết quả của họ cho thấy, việc kết hợp đồng thời các biến tài chính, thị trường và vĩ mô có khả năng dự báo kiệt quệ tài chính Cụ thể các biến có khả năng dự báo kiệt quệ tài chính trong nghiên cứu của hai ông như sau: các biếntài chính (bao gồm: tổng nợ trên tổng tài sản), các biến thị trường (bao gồm: giá thị trường cổ phiếu, tỷ suất sinh lợi vượt trội của cổ phiếu, dòng tiền trên giá trị thị trường của tổng tài sản, sai số chuẩn của tỷ suất sinh lợi cổ phiếu trong 6 tháng, thu nhập ròng trên giá trị thị trường của tổng tài sản, vốn hóa thị trường của doanh nghiệp trên tổng giá trị vốn hóa toàn thị trường) và biến vĩ

mô (bao gồm: chỉ số lạm phát, lãi suất tín phiếu kho bạc ngắn hạn)

Năm 2013, Tinoco và Wilson đã tìm thấy bằng chứng mạnh mẽ về khả năng dự báo

kiệt quệ tài chính tốt hơn khi kết hợp đồng thời 3 yếu tố tài chính, thị trường và vĩ

mô trong một mô hình nghiên cứu Hai tác giả đã dự báo bằng mô hình hồi quy Logit, với mẫu gồm 23,218 quan sát (giai đoạn 1980 - 2011) Cụ thể các biến có khả năng dự báo kiệt quệ tài chính trong nghiên cứu của hai ông như sau: các yếu tố tài chính (bao gồm: tổng nợ trên tổng tài sản, dòng tiền hoạt động trên tổng nợ, biến thanh khoản, khả năng thanh toán lãi vay ), các yếu tố thị trường (bao gồm: giá thị trường cổ phiếu, tỷ suất sinh lợi vượt trội của cổ phiếu, quy mô doanh nghiệp, giá trị vốn hóa trị trường của doanh nghiệp trên tổng nợ) và các yếu tố vĩ mô (bao gồm:

hỉ số giá bán lẻ, lãi suất thực tín phiếu kho bạc ngắn hạn).Kết quả nghiên cứu cho thấy khi kết hợp đồng thời cả ba yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô trong cùng một mô hình, độ chính xác trong dự báo của mô hình được cải thiện đáng kể lên 92% so với mức 87% khi chỉ sử dụng một yếu tố tài chính, hoặc yếu tố tài chính, hoặc kết hợp yếu tố tài chính và yếu tố vĩ mô, hoặc yếu tố thị trường và yếu tố vĩ mô Từ đó có thể thấy yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô

đã bổ sung thông tin rất hiệu quả cho nhau trong việc dự báo tình hình tài chính của doanh nghiệp Trong bài nghiên cứu, Tinoco và Wilson cũng tiến hành so sánh hiệu quả dự báo của mô hình phân tích phân biệt đa biến của Altman và mô hình phân tích logit, kết quả cho thấy phương pháp phân tích logit cho độ chính xác trong dự báo kiệt quệ tài chính là 92% cao hơn đáng kể so với khi sử dụng phương pháp phân tích phân biệt đa biến của Altman với độ chính xác chỉ đạt 85% khi sử dụng chung một bộ dữ liệu

Bảng 2.1: Tổng hợp các nghiên cứu về phá sản

Tác

giả Mẫu Nghiên Cứu

Phương Pháp

Kết Quả Biến Độc Lập Động Tác

-

Tỷ số thanh toán hiện hành (đại diện nhóm

tỷ số tài sản thanh khoản trên nợ ngắn hạn) -

Tỷ số (tài sản thanh khoản nhanh trừ nợ ngắn hạn) / chi phí hoạt động hàng ngày (đại diện nhóm tỷ số sinh lợi)

Thu nhập trước thuế và lãi vay / tổng tài sản +Giá trị thị trường của vốn cổ phân / giá trị

Tỷ suất sinh lợi tích lũy (lợi nhuận giữ lại / tổng tài sản)

Quy mô doanh nghiệp [log(tổng tài

ròng năm t – thu nhập ròng năm t-1)/(|thu nhập ròng năm t| + |thu nhập ròng năm t-1|)

Khả năng thanh toán lãi vay (EBITDA / chi

Bảng 2.2: Tổng hợp các nghiên cứu về dự báo kiệt quệ tài chính

Tác giả Mẫu Nghiên Cứu Phương

Tăng trưởng tổng tài sản trong 3 năm -

Giá trị vốn hóa thị trường / tổng tài sản -

các doanh nghiệp tại

Anh (giai đoạn 1991-2001)

Mô hình hồi quy Probit

Tốc độ tăng trưởng kinh tế ( đo lường bằng

(2014) gồm 20 doanh

nghiệp tại Malaysia

(mẫu cặp), giai đoạn

2001-2010

hồi quy Logit

Mô hình Hazard (mô hình Logit động)

Tỷ suất sinh lợi vượt trội của cổ phiếu -

Dòng tiền / giá trị thị trường của tổng tài

Mô hình hồi quy Logit

Thanh khoản [( Tài sản ngắn hạn – hàng tồn kho – nợ ngắn hạn ) / ((doanh thu –

EBITDA) /365)]

-

Tỷ suất sinh lợi vượt trội của cổ phiếu -

Quy mô doanh nghiệp (đo bằng giá trị vốn hóa thị trường của doanh nghiệp trên giá trị vốn hóa của toàn thị trường)

-

Lãi suất tín phiếu kho bạc ngắn hạn) +

Nguồn: Tổng hợp của tác giả

Kết luận chương 2

Như vậy có thể tổng kết lại rằng, từ những nghiên cứu đầu tiên về kiệt quệ tài chính cho đến nay, có rất nhiều các tranh luận khác nhau về yếu tố nào có khả năng dự báo tình trạng kiệt quệ tài chính của doanh nghiệp Đối với vấn đề xác định các yếu

tố nào có khả năng dự báo kiệt quệ tài chính, do các nghiên cứu khác nhau về không gian, thời gian, về phương pháp thống kê kinh tế lượng dẫn đến các kết quả dự báo khác nhau Các yếu tố đó có thể xuất phát từ nội tại doanh nghiệp (được đo lường bằng các yếu tố tài chính của doanh nghiệp), hoặc xuất phát từ bên ngoài doanh nghiệp (được đo lường thông qua các chỉ tiêu kinh tế vĩ mô, các giá trị thị trường của doanh nghiệp)

Ngoài các nghiên cứu về khả năng dự báo kiệt quệ tài chính từ các yếu tố tài chính, thị trường, vĩ mô một cách riêng lẻ, có các nghiên cứu cũng đã xem xét việc kết hợp các yếu tố tài chính, thị trường và vĩ mô, nhằm gia tăng khả năng dự báo kiệt quệ tài chính Trong đó, các nghiên cứu về sau, như nghiên cứu của Christidis và Gregory (2010), Tinoco và Wilson (2013) đã có những bằng chứng mới về khả năng dự báo kiệt quệ tài chính hiệu quả và chính xác hơn, khi dựa trên sự kết hợp đồng thời giữa các yếu tố về tài chính, thị trường và vĩ mô trong một mô hình nghiên cứu Do đó, bài nghiên cứu này cũng sẽ dựa trên các bằng chứng thực nghiệm mới này nhằm dự báo kiệt quệ tài chính các công ty niêm yết tại Việt Nam thông qua sự kết hợp đồng thời giữa các yếu tố tài chính, thị trường và vĩ mô trong một mô hình

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 3.1Lựa chọn mô hình dự báo kiệt quệ tài chính tại các công ty niêm yết Việt Nam

3.1.1Mô hình Logit lý thuyết

Kể từ những năm 1980, mô hình Logit được xem là một phương pháp tốt và được

sử dụng nhiều trong dự báo kiệt quệ tài chính của doanh nghiệp Ohlson (1980) đã tiên phong trong việc áp dụng mô hình này trong một nghiên cứu về dự báo phá sản doanh nghiệp Ông đã có những đánh giá về mô hình Logit vượt trội hơn so với mô hình MDA, đã được phát triển bởi Altman (1968) Nhiều các nghiên cứu về sau cũng đã ứng dụng rất thành công mô hình Logit trong dự báo về kiệt quệ tài chính

và phá sản doanh nghiệp, như: Lau (1987), Joos và cộng sự (1998), Shumway (2001), Altman vàSabato (2007), Nam và cộng sự (2008), Campbell và cộng sự (2008), Altman và cộng sự (2010) Ưu điểm của mô hình Logit là không đưa ra các giả định về phân phối chuẩn và cũng không yêu cầu về sự giống nhau của ma trận hiệp phương sai giữa các nhóm doanh nghiệp bị kiệt quệ và không kiệt quệ Đồng thời, phương pháp này cho biết được xác suất xảy ra kiệt quệ của doanh nghiệp là bao nhiêu Nhiều các nghiên cứu về sau cũng đã ứng dụng rất thành công mô hình Logit trong dự báo về kiệt quệ tài chính và phá sản doanh nghiệp Tuy nhiên mô hình Logit tồn tại hạn chế như: mô hình rất nhạy cảm với các giá trị ngoại lai (ouliers) và vấn đề tương quan cao giữa các biến

Mặc dù tồn tại những điểm hạn chế, nhưng những hạn chế của mô hình Logit trong nghiên cứu này có thể giảm thiểu bằng cách sử dụng hàm chuyển đổi TANH, thực hiện các kiểm định về đa cộng tuyến cao giữa các biến độc lập nhằm loại bỏ biến; đồng thời việc ứng dụng mô hình Logit có nhiều lợi điểm hơn, phù hợp với việc sử dụng biến đầu ra là nhị phân của nghiên cứu – hay biến phụ thuộc bị giới hạn Do

đó nghiên cứu đã lựa chọn mô hình Logit để dự báo kiệt quệ tài chính của các doanh nghiệp niêm yết Việt Nam

Mô hình Logit được cho như sau:

Đặt (Y1,X1),…, (Yn,Xn) là mẫu ngẫu nhiên từ một “hàm phân phối Logit có điều kiện”

Đặt x1j, x2j … xkj là một tập hợp k các biến độc lập được xác định bởi vector x’Beta: là các hệ số hồi quy của mô hình

Giả định: Các biến độc lập này có sự thay đổi khoản thời gian nhỏ nhất (at least interval scaled)

Xác suất có điều kiện của biến đầu ra được xác định như sau:

Với:

Trong đó:

Do vậy ta có phương trình hồi quy Logit tổng quát như sau:

Mô hình Logit cho ra các giá trị ước lượng nằm trong khoảng (0,1), hay nói cách khác các giá trị ước lượng sẽ được uốn cong lại theo hình chữ S, thay vì là một đường thẳng như trong mô hình hồi quy xác suất tuyến tính Mô hình Logit sử dụng phân phối Logit tích lũy (cumulative logistic distribution) để chuyển đổi sao cho các giá trị xác suất được ước lượng sẽ tuân theo đường cong chữ S Do mô hình Logit

không phải là mô hình hồi quy tuyến tính nên không thể áp dụng phương pháp ước lượng thông thường OLS mà thay vào đó là phương pháp MLE (Maximum Likelihood Estimation) - ước lượng hợp lý tối đa được sử dụng để ước lượng các hệ

số hồi quy của mô hình

Vì phương trình hồi quy trong mô hình Logit là hàm số phi tuyến (non-linear logistic function) nên để giải thích những tác động của biến độc lập lên biến phụ thuộc cho các mô hình biến phụ thuộc rời rạc, trong trường hợp này là mô hình nhị phân Logit, nghiên cứu tiến hành đo lường hiệu ứng biên của các nhân tố dự báo Hiệu ứng biên của 1 biến độc lập được đo lường bằng cách lấy đạo hàm riêng của hàm phi tuyến theo biến đó nhân với hệ số ước lượng của biến đó

Mô hình cho hiệu ứng biên của nhân tố dự báo như sau:

3.1.2Lựa chọn mô hình dự báo kiệt quệ tài chính

Dựa trên các nghiên cứu thực nghiệm của Christidis và Gregory (2010), Tinoco và Wilson (2013) nghiên cứu tiến hành xây dựng 5 mô hình nghiên cứu thực nghiệm dựa trên cơ sở tiếp cận từ mô hình hồi quy Logit, qua đó nhằm tìm ra các yếu tố ảnh hưởng đến khả năng rơi vào tình trạng kiệt quệ tài chính của doanh nghiệp Đồng thời xem xét liệu việc kết hợp 3 yếu tố tài chính, thị trường và vĩ mô vào trong một

mô hình có khả năng dự báo kiệt quệ tài chính của doanh nghiệp hay không và mô hình này có phải là mô hình dự báo kiệt quệ tài chính hiệu quả nhất so với các mô hình còn lại hay không Các mô hình được thiết lập như sau:

 Mô hình 1: chỉ bao gồm các yếu tố tài chính (MD1)

 Mô hình 2: kết hợp các yếu tố tài chính và vĩ mô (MD2)

 Mô hình 3: kết hợp cả 3 yếu tố tài chính, thị trường và vĩ mô (mô hình

đầy đủ) (MD3)

 Mô hình 4: chỉ bao gồm các yếu tố thị trường (MD4)

 Mô hình 5: kết hợp các yếu tố thị trường và vĩ mô (MD5)

Trong các mô hình trên, Pi: là xác suất để Y = 1 của doanh nghiệp thứ i (hay xác suất để doanh nghiệp thứ i rơi vào kiệt quệ tài chính), t: là năm xảy ra sự kiện kiệt quệ tài chính Để dự báo khả năng lâm vào kiệt quệ tài chính của doanh nghiệp, các

mô hình được hồi quy với độ trễ là 1 năm (t-1), trước năm xảy ra sự kiện kiệt quệ tài chính Các giá trị alpha, beta, gamma, delta và theta : là các hệ số hồi quy của các biến độc lập trong mô hình e: là cơ số (e = 2.718281828)

3.2 Mô tả biến

Vì những lợi ích mà mô hình Logit mang lại (đã trình bày cụ thể trong mục 3.1.1), nghiên cứu đã lựa chọn mô hình hồi quy Logit làm mô hình nghiên cứu cho dự báo kiệt quệ tài chính của doanh nghiệp Từ đây, nghiên cứu tiến hành tuyển chọn các biến số để đưa vào mô hình Logit Dựa trên các nghiên cứu thành công trước đây về

dự báo kiệt quệ tài chính (đã trình bày tại mục 2.2, chương 2), nghiên cứu tiến hành lựa chọn cụ thể các biến số thuộc các yếu tố tài chính, thị trường và vĩ mô để đưa vào mô hình hồi quy Logit

3.2.1Các biến phụ thuộc trong mô hình nghiên cứu

Mẫu quan sát được chia thành hai nhóm: nhóm các doanh nghiệp bị kiệt quệ tài chính và nhóm doanh nghiệp không bị kiệt quệ tài chính, do đó biến phụ thuộc là biến nhị phân, ứng với doanh nghiệp bị kiệt quệ sẽ được gán giá trị là 1 và ngược lại được gán giá trị là 0 Vì vậy, việc xác định các biến phụ thuộc chính là việc xác định các dấu hiệu để xác định doanh nghiệp rơi vào tình trạng kiệt quệ tài chính (Tinoco và Wilson, 2013) Để có thể đảm bảo tỷ lệ quan sát kiệt quệ tài chính trên tổng số quan sát vào khoảng 5%, bài nghiên cứu dựa trên các dấu hiệu sau để xác định các doanh nghiệp kiệt quệ tài chính tại Việt Nam:

 Thứ nhất: dựa trên các quy định về niêm yết

Wang và Li (2007), Ding và cộng sự (2008), Hui (2011), Zhang và cộng sự (2013),

Ma và cộng sự (2013) là những nghiên cứu đã sử dụng thành công các dấu hiệu về niêm yết nhằm xác định kiệt quệ tài chính Wang và Li (2007) đã đưa vào 3 quy định về niêm yết trên thị trường chứng khoán Trung Quốc nhằm xác định doanh nghiệp rơi vào tình trạng kiệt quệ tài chính, mà theo đó những doanh nghiệp này

được đưa vào diện “xem xét đặc biệt” (special treatment) Thứ nhất: tình trạng tài chính được xác định là bất thường bởi Sở giao dịch chứng khoán Trung Quốc Thứ hai: doanh nghiệp bị thua lỗ trong hai năm liên tiếp Thứ ba: báo cáo kiểm toán cho

thấy rằng vốn cổ phần thấp hơn vốn đăng ký của doanh nghiệp Dựa trên các bằng chứng thực nghiệm này, để ứng dụng vào các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam, nghiên cứu sử dụng các quy định về hủy niêm yết và bị kiểm soát với nguyên nhân là thua lỗ trong hoạt động sản xuất kinh doanh của hai

Sở giao dịch chứng khoán Hà Nội và Thành Phố Hồ Chí Minh để xác định một doanh nghiệp lâm vào kiệt quệ tài chính

Cụ thể, căn cứ trên Quy chế niêm yết chứng khoán tại HOSE tại Điều 16, khoản 1, mục b và Điều 19, khoản 1, mục 1.2

TạiĐiều 16, khoản 1, mục b quy định như sau:

“Trường hợp quy định tại Điểm b và Điểm c Khoản 1.1 Điều 15, chứng khoán bị đưa vào diện kiểm soát khi lợi nhuận sau thuế trên báo cáo tài chính kiểm toán năm

kế tiếp của doanh nghiệp là số âm Trường hợp tổ chức niêm yết là đơn vị kếtoán cấp trên có các đơn vị kế toán trực thuộc thì lợi nhuận sau thuế căn cứ trên báo cáo tài chính tổng hợp Trường hợp tổ chức niêm yết có doanh nghiệp con thì lợi nhuận sau thuế căn cứ vào lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ trên báo cáo tài chính hợp nhất”

Tại Điều 19, khoản 1, mục 1.2 quy định như sau:

“Kết quả sản xuất, kinh doanh bị thua lỗ trong ba (03) năm liên tục hoặc tổng số lỗ luỹ kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán năm gần nhất trước thời điểm xem xét Đối với tổchức niêm yết có các đơn vị trực thuộc, điều kiện “lỗ lũy kế” được xác định trên báo cáo tài chính tổng hợp Đối với tổ chức niêm yết có doanh nghiệp con, điều kiện “lỗ lũy kế” căn cứ vào báo cáo tài chính hợp nhất, điều kiện “kết quả sản xuất kinh doanh” căn cứ vào lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ trên báo cáo tài chính hợp nhất”

Căn cứ trên Quy chế niêm yết chứng khoán tại HNX, tại điều 13, khoản 1, mục 1.3

và Điều 16, khoản 1, mục 1.2:

Tại Điều 13, khoản 1, mục 1.3 quy định như sau:

“Lợi nhuận sau thuế trên báo cáo tài chính kiểm toán trong 02 năm gần nhất của tổ chức niêm yết là số âm (có tính đến ảnh hưởng của ý kiến lưu ý, ngoại trừ của đơn

vị kiểm toán); Trường hợp tổ chức niêm yết là đơn vị kế toán cấp trên có các đơn vị

kế toán trực thuộc thì lợi nhuận sau thuế căn cứ trên báo cáo tài chính tổng hợp Trường hợp tổ chức niêm yết có doanh nghiệp con thì lợi nhuận sau thuế căn cứ vào

lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ trên báo cáo tài chính hợp nhất;”

Tại Điều 16, khoản 1, mục 1.2 quy định như sau:

“Kết quả sản xuất, kinh doanh bị thua lỗ trong 03 năm liên tục hoặc tổng số lỗ lũy

kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán trước thời điểm xem xét Kết quả sản xuất kinh doanh xác định căn cứ vào chỉ tiêu “lợi nhuận sau thuế” hoặc “lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ” (đối với trường hợp tổ chức niêm yết có doanh nghiệp con) Trường hợp tổ chức niêm yết có các đơn vị kế toán trực thuộc, chỉ tiêu “lợi nhuận sau thuế”, “lỗ lũy kế” căn cứ trên báo cáo tài chính tổng hợp Trường hợp tổ chức niêm yết có doanh nghiệp con, chỉ tiêu

“lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ”, “lỗ lũy kế” căn cứ trên báo cáo

tài chính hợp nhất”

 Thứ hai: dựa trên các thước đo tỷ số tài chính

Việc xác định doanh nghiệp rơi vào kiệt quệ tài chính còn căn cứ trên các dấu hiệu

về thu nhập trước thuế, lãi vay và khấu hao (EBITDA), giá trị thị trường cổ phiếu của doanh nghiệp Một doanh nghiệp được xác định là kiệt quệ tài chính khi đáp

ứng đồng thời 2 điều kiện sau: (1) khi thu nhập trước thuế, lãi vay và khấu hao (EBITDA) nhỏ hơn chi phí lãi vay trong 1 năm quan sát và (2) giá trị thị trường cổ phiếu của doanh nghiệp bị suy giảm trong cùng 1năm quan sát

Giá trị thị trường cổ phiếu của doanh nghiệp được đo lường bởi tỷ suất sinh lợi của giá thị trường của cổ phiếu trong 1 năm quan sát

Return =

P’: giá đóng cửa điều chỉnh của cổ phiếu tại ngày giao dịch cuối năm

P : giá đóng cửa điều chỉnh của cổ phiếu tại ngày giao dịch đầu năm Return : tỷ suất sinh lợi cổ phiếu

Vậy nghiên cứu sẽ áp dụng 2 dấu hiệu sau dùng làm căn cứ để xác định doanh nghiệp rơi vào tình trạng kiệt quệ tài chính:

Thứ nhất:quy định về hủy niêm yết và bị kiểm soát với nguyên nhân là thua lỗ

trong hoạt động sản xuất kinh doanh của HNX và HOSE;

Thứ hai: khi thu nhập trước thuế, lãi vay và khấu hao (EBITDA) nhỏ hơn chi phí

lãi vay trong 1 năm quan sát và giá trị thị trường của doanh nghiệp bị suy giảm

trong cùng 1 năm quan sát

Nếu một doanh nghiệp thỏa mãn một trong hai dấu hiệu trên thì xếp doanh nghiệp

đó vào nhóm kiệt quệ tài chính, ngược lại thì vào nhóm không kiệt quệ tài chính

Bảng 3.1: Thống kê số quan sát bị kiệt quệ và không bị kiệt quệ tài chính(bao gồm

593 doanh nghiệp, trong giai đoạn 2009-2015)

Số quan sát không

bị kiệt quệ tài

chính

Số quan sát bị kiệt quệ tài chính Tổng số quan sát

Tỷ lệ quan sát kiệt quệ tài chính / Tổngquan sát

Tỷ lệ này cao hơn so với tỷ lệ 5% trong nghiên cứu của Tinoco và Wilson (2013) và cao hơn trong nghiên cứu của Pindado và cộng sự (2008) về dự báo kiệt quệ tài chính các doanh nghiệp tại Mỹ, tỷ lệ này 4.1%

3.2.2 Các biến độc lập trong mô hình nghiên cứu

Việc lựa chọn các biến độc lập để đưa vào mô hình dựa trên các nghiên cứu thực nghiệm về dự báo kiệt quệ tài chính đã kiểm chứng về khả năng dự báo của các biến

số này, và không cần thiết phải thiết lập quá nhiều biến số để đưa vào mô hình dự báo kiệt quệ tài chính nhằm đạt được kết quả tối ưu nhất (Tinoco và Wilson, 2013)

Do vậy trong nghiên cứu này cũng sẽ tuyển chọn các biến số về tài chính, thị trường Nguồn: Tổng hợp của tác giả

và vĩ mô đã được kiểm chứng về khả năng dự báo kiệt quệ tài chính từ các nghiên cứu của Christidis và Gregory (2010) và Tinoco và Wilson (2013) (đã được trình bày tại mục 2.2, chương 2,) để đưa vào mô hình hồi quy Logit

 Các biến số tài chính

Dòng tiền hoạt động kinh doanh trên Tổng nợ - TFOTL

Tỷ số này đại diện cho khả năng đảm bảo các nghĩa vụ tài chính của doanh nghiệp dựa trên dòng tiền hoạt động kinh doanh Tỷ số này có giá trị càng cao thì doanh nghiệp ít có khả năng rơi vào tình trạng kiệt quệ tài chính hơn Do đó kỳ vọng mối quan hệ nghịch biến giữa biến số này và khả năng kiệt quệ tài chính.Nhằm loại bỏ các giá trị ngoại lai mà có thể ảnh hưởng xấu đến kết quả hồi quy, hàm TANH được

sử dụng khắc phục tình trạng này Sau khi chuyển đổi hàm TANH, giá trị của biến TFOTL sẽ nằm trong đoạn [-1,1].Khi giá trị này dương hay càng lớn, cho thấy doanh nghiệp đang trong trình trạng tốt, có khả năng đáp ứng các nghĩa vụ nợ (ngắn hạn và dài hạn) từ dòng tiền hoạt động và ngược lại với một giá trị âm thể hiện một tình trạng xấu, doanh nghiệp không có khả năng đáp ứng các nghĩa vụ nợ theo yêu cầu

Biến số này được tính toán bởi công thức sau:

TFOTL = TANH (OCF/TL)

Trong đó: OCF: dòng tiền hoạt động kinh doanh của doanh nghiệp;

TL: tổng nợ của doanh nghiệp

Tổng nợ trên Tổng tài sản – TLTA

Đây là một tỷ số được sử dụng phổ biến để đo lường mức độ sử dụng đòn bẩy tài chính của doanh nghiệp Nhằm loại bỏ các giá trị ngoại lai mà có thể ảnh hưởng xấu đến kết quả hồi quy, hàm TANH được sử dụng nhằm khắc phục tình trạng này Sau khi chuyển đổi hàm TANH, giá trị của biến TLTA sẽ nằm trong đoạn [-1,1] Khi giá

trị này dương hay càng lớn sẽ cho biết doanh nghiệp có mức độ sử dụng đòn bẩy tài chính cao, mà một tỷ lệ đòn bẩy tài chính cao có thể sẽ gây ra các khó khăn về thực hiện các nghĩa vụ nợ khi các chủ nợ có yêu cầu, và điều nàyđồng nghĩa với việc doanh nghiệp có khả năng rơi vào tình trạng kiệt quệ tài chính cũng cao hơn Do vậy kỳ vọng mối quan hệ đồng biến giữa biến số này và khả năng kiệt quệ tài chính, nghĩa là biến này có giá trị càng cao sẽ tác động làm tăng xac suất rơi vào kiệt quệ tài chính của doanh nghiệp

Biến số này được tính toán bởi công thức sau:

TLTA = TANH (TL/TA)

Trong đó: TL: tổng nợ của doanh nghiệp;

TA: tổng tài sản của doanh nghiệp

Biến thanh khoản– NOCREDINT

Đây là biến số đại diện cho khoảng thời gian mà một doanh nghiệp có thể tài trợ cho những chi phí hoạt động kinh doanh từ các nguồn tài sản có tính thanh khoản của chính nó

Tương tự như hai biến số trước, hàm TANH được sử dụng để giải quyết những giá trị bất thường mà có thể gây ảnh hưởng tiêu cực đến kết quả hồi quy Sau khi chuyển đổi hàm TANH, giá trị của biến NOCREDINT sẽ nằm trong đoạn [-1,1] Khi giá trị này dương hay càng lớn sẽ cho biết doanh nghiệpcàng có khả năng tài trợ các chi phí hoạt động kinh doanh từ các nguồn tài sản có tinh thanh khoản cao,

do đó doanh nghiệp ít có khả năng rơi vào kiệt quệ tài chính hơn Ngược lại, giá trị này âm hay càng nhỏ cho thấy tính thanh khoản của doanh nghiệp là rất kém, và khó khăn trong việc đáp ứng các nghĩa vụ tài chính Do vậy kỳ vọng mối quan hệ nghịch biến giữa biến số này và khả năng kiệt quệ tài chính, nghĩa là biến này có giá trị càng cao sẽ tác động làm giảm khả năng kiệt quệ tài chính của doanh nghiệp

Biến số này được tính toán bởi công thức sau:

NOCREDINT = TANH (

Trong đó: CA: tài sản ngắn hạn của doanh nghiệp

IVT: hàng tồn khocủa doanh nghiệp

CL: nợ ngắn hạncủa doanh nghiệp

SA: doanh thucủa doanh nghiệp

EBIT: thu nhập trước thuế và lãi vay của doanh nghiệp

DE: khấu haocủa doanh nghiệp

Tỷ số khả năng thanh toán lãi vay – COVERAGE

Tỷ số này đo đường khả năng thanh toán chi phí lãi vay trên những khoản nợ hiện tại của doanh nghiệp Tỷ số này nhỏ hơn 2 – 2.5 là một tín hiệu cảnh báo doanh nghiệp đang gặp khó khăn về nghĩa vụ tài chính và ngược lại Tương tự, hàm TANH được sử dụng để giải quyết những giá trị bất thường mà có thể gây ảnh hưởng tiêu cực đến kết quả hồi quy Sau khi chuyển đổi hàm TANH, giá trị của biến COVERAGE sẽ nằm trong đoạn [-1,1] Khi giá trị này dương hay càng lớn sẽ cho biết doanh nghiệp càng có khả năng đáp ứng nghĩa vụ về tài chính (hay cụ thể hơn

là chi phí lãi vay) Và ngược lại, giá trị này âm hay càng nhỏ cho thấy sự khó khăn trong khả năng đáp ứng nghĩa vụ về tài chính của doanh nghiệp Do vậy kỳ vọng mối quan hệ nghịch biến giữa biến số này và khả năng kiệt quệ tài chính, nghĩa là biến này có giá trị càng cao sẽ tác động làm giảm xác suất rơi vào kiệt quệ tài chính của doanh nghiệp

Biến số này được tính toán bởi công thức sau:

COVERAGE = TANH(

Trong đó: EBITDA: thu nhập trước thuế, lãi vay và khấu hao của doanh nghiệp