Áp dụng mô hình dự báo khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán việt nam (tt)

PHẦN MỞ ĐẦU Khó khăn tài (financial distress) hiểu tình trạng mà cơng ty gặp vấn đề khả toán nghĩa vụ tài đến hạn, chí vỡ nợ hay phá sản Đối với công ty niêm yết, việc lâm vào tình trạng khó khăn tài gây đến hậu kinh tế nhiều đối tượng có liên quan nhà đầu tư, chủ nợ, người lao động thân chủ doanh nghiệp rộng ổn định thị trường tài kinh tế vĩ mô Việc nghiên cứu phương pháp để dự đốn khả lâm vào tình trạng khó khăn tài cơng ty đại chúng đề tài có ý nghĩa thu hút nhiều quan tâm học giả giới vài thập kỷ vừa qua Một số mơ hình dự báo xây dựng áp dụng thử nghiệm dựa liệu cơng ty hoạt động nhóm ngành khác thị trường nước phát triển phát triển toàn giới Bên cạnh đó, quan điểm khó khăn tài khơng đồng nghiên cứu nhiều trường hợp làm cho người quan tâm gặp phải khó khăn việc áp dụng làm cho kết nghiên cứu bối cảnh áp dụng cho bối cảnh khác Tại Việt Nam, thuật ngữ khó khăn tài chưa định nghĩa cách trực tiếp chưa nói đến việc xây dựng mơ hình dự báo tương ứng Khó khăn tài nhận diện khía cạnh rủi ro tín dụng hay phá sản doanh nghiệp Đối với công ty niêm yết thị trường chứng khốn, mơ hình dự báo khó khăn tài chưa ý xây dựng vận dụng Như vậy, đến lúc cần phải định nghĩa rõ ràng tình trạng khó khăn tài Việt Nam xây dựng mơ hình dự báo thích hợp Trong điều kiện thiếu hụt nghiên cứu nước nghiên cứu thực giới đa dạng phương pháp lại đưa kết không đồng nhất, nghiên cứu tiến hành nhằm lựa chọn mơ hình sử dụng dự báo phù hợp với điều kiện công ty niêm yết Việt Nam Mục tiêu nghiên cứu Nghiên cứu tiến hành với mục tiêu tổng quát lựa chọn mơ hình dự báo khó khăn tài phù hợp cho cơng ty niêm yết thị trường chứng khoán Việt Nam Đối tƣợng nghiên cứu: lý luận thực tiễn xây dựng mô hình dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khoán Việt Nam Phạm vi nghiên cứu: 140 cơng ty gặp khó khăn tài 140 cơng ty khơng gặp khó khăn tài chính, tổng cộng 280 cơng ty niêm yết hai Sở giao dịch chứng khoán Hà Nội thành phố Hồ Chí Minh, từ năm 2008 đến 2015 Phƣơng pháp nghiên cứu: thông qua việc xây dựng phân tích mơ hình, phương pháp sử dụng thống kê mơ tả, phân tích định lượng kết hợp so sánh đánh giá Đóng góp kết mong đợi luận án Đóng góp mặt lý thuyết Nghiên cứu mong muốn có nhìn nhiều chiều khó khăn tài cách tiếp cận khái niệm cách cụ thể Bên cạnh đó, nghiên cứu rõ mối quan hệ tình trạng khó khăn tài doanh nghiệp với yếu tố khác nằm ngồi khả kiểm sốt doanh nghiệp Đóng góp mặt thực tiễn Với mục tiêu nghiên cứu xây dựng, kết nghiên cứu giúp nhà quản lý doanh nghiệp nắm bắt tốt “sức khỏe” tài thân doanh nghiệp có điều chỉnh cần thiết chiến lược kinh doanh quản trị tài Bên cạnh đó, quan quản lý Sở giao dịch chứng khoán, Ủy ban chứng khoán Nhà nước sử dụng mơ hình để thiết lập mơ hình cảnh báo sớm cho cơng ty niêm yết xây dựng quy định nhằm củng cố vai trò quản lý, giám sát phát triển bền vững thị trường chứng khoán Việt Nam Kết cấu luận án Chương 1: Cơ sở lý thuyết mơ hình dự báo khó khăn tài doanh nghiệp Chương 2: Phương pháp nghiên cứu Chương 3: Kết áp dụng mơ hình dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khoán Việt Nam Chương Kết luận gợi ý sách CHƢƠNG CƠ SỞ LÝ THUYẾT VÀ CÁC MƠ HÌNH DỰ BÁO KHĨ KHĂN TÀI CHÍNH DOANH NGHIỆP 1.1 Cơ sở lý thuyết dự báo khó khăn tài 1.1.1 Khái niệm khó khăn tài Được hiểu “tình trạng doanh nghiệp gặp thất bại kinh doanh nên thiếu hụt tài sản tiền mặt tài sản khác dẫn đến nguy thực nghĩa vụ tốn mình, mà xấu doanh nghiệp buộc phải đóng cửa bắt buộc phá sản theo yêu cầu chủ nợ.” 1.1.2 Dấu hiệu khó khăn tài cơng ty niêm yết thị trường chứng khoán Trong nghiên cứu khó khăn tài cơng ty niêm yết thị trường chứng khốn, tình trạng khó khăn tài cơng ty thường nhận biết hai dấu hiệu: “thất bại” (công ty gặp thất bại việc thực dự án kinh doanh dẫn đến phải dừng hoạt động) phá sản (cơng ty khả tốn bị tòa án định phá sản) 1.2 Khái niệm dự báo khó khăn tài doanh nghiệp Khái niệm dự báo khó khăn tài gắn liền với thuật ngữ cảnh báo sớm (early warning) hiểu hoạt động nhận biết tình trạng khó khăn tài chủ thể tương lai từ báo khứ 1.3 Các mơ hình dự báo khó khăn tài doanh nghiệp 1.3.1 Tổng quan mơ hình dự báo khó khăn tài 1.3.2 Mơ hình phân tích hồi quy đơn biến 1.3.3 Mơ hình phân tích biệt số 1.3.4 Mơ hình Logit 1.3.4 Các mơ hình trí tuệ nhân tạo 1.4 Nghiên cứu nƣớc dự báo khó khăn tài Ở Việt Nam, khó khăn tài chưa định nghĩa thường gắn với rủi ro phá sản hay rủi ro tín dụng, nghiên cứu trực tiếp đến khó khăn tài chưa thực Các nghiên cứu chủ yếu liên quan đến việc vận dụng mơ hình Z-score Altman (1968) để xếp hạng tín dụng hay tính tốn khả phá sản doanh nghiệp gắn với hoạt động quản trị ngân hàng 1.5 Khoảng trống nghiên cứu Thứ nhất, việc nhận dạng lựa chọn biến phụ thuộc để phân nhóm đối tượng nghiên cứu cịn chưa rõ ràng thống nhất, hay nói cách khác việc định nghĩa khái niệm khó khăn tài cịn chưa đồng Thứ hai, biến độc lập, thấy yếu tố ảnh hưởng đến khó khăn tài khơng số tài dựa kết báo cáo kế toán sở dồn tích mà cịn số kế toán dựa vào báo cáo lưu chuyển tiền tệ số kinh tế vĩ mô lạm phát, lãi suất Tuy nhiên vai trò yếu tố bên ngồi báo cáo tài doanh nghiệp chưa làm rõ Thứ ba, mơ hình dự báo xây dựng áp dụng phổ biến nghiên cứu, từ mơ hình hồi quy mơ hình trí tuệ nhân tạo Tuy nhiên, mơ hình có ưu, nhược điểm điều kiện áp dụng riêng lựa chọn mơ hình dự báo tối ưu cho điều kiện nghiên cứu khác Việc so sánh mơ hình sử dụng kỹ thuật phân tích khác chưa thực cách rộng rãi Các nghiên cứu thực bối cảnh khác nhau, sử dụng phương pháp khác đem lại kết khơng đồng Vì vậy, sử dụng kết nghiên cứu bối cảnh để áp dụng cho bối cảnh khác Thứ năm, kết nghiên cứu mơ hình dự báo khó khăn tài hầu hết dừng lại việc đánh giá tính xác dự báo mơ hình Trong đó, việc sử dụng mơ cơng cụ hỗ trợ cho doanh nghiệp để nâng cao hiệu quản trị doanh nghiệp cịn mờ nhạt Nói cách khác, giá trị “tư vấn” mơ hình chưa trọng nghiên cứu CHƢƠNG PHƢƠNG PHÁP NGHIÊN CỨU 2.1 Tổng quan phƣơng pháp nghiên cứu 2.1.1 Mục tiêu nghiên cứu 2.1.2 Phương pháp chọn mẫu 2.1.2.1 Mô tả dấu hiệu khó khăn tài Khó khăn tài doanh nghiệp mơ tả số dấu hiệu phá sản, thất bại kinh doanh,…Trong nghiên cứu này, công ty niêm yết coi gặp khó khăn tài cơng ty bị hủy niêm yết bắt buộc Nói cách khác, “hủy niêm yết bắt buộc” biểu khó khăn tài cho cơng ty niêm yết mơ hình Sự lựa chọn hồn tồn phù hợp với lý thuyết dự báo khó khăn tài có ý nghĩa thực tiễn 2.1.2.2 Mơ tả mẫu nghiên cứu 2.1.3 Phương pháp phân tích Mơ hình thứ (mơ hình 1) mơ hình thứ hai (mơ hình 2) mơ hình phân tích biệt số Mơ hình thứ ba (mơ hình 3) mơ hình Logit đề xuất Ohlson (1980), mô hình phổ biến để dự báo khó khăn tài doanh nghiệp Mơ hình thứ tư (mơ hình 4) mơ hình máy hỗ trợ vector SVM (mơ hình SVM), sử dụng thuật toán máy học dự báo 2.2 Thiết kế mơ hình phân tích biệt số Nghiên cứu xây dựng hai mơ hình (mơ hình mơ hình 2) để áp dụng phân tích biệt số Điểm khác mơ hình mơ hình hệ thống biến độc lập sử dụng dự báo Trong mơ hình thứ nhất, tác giả sử dụng biến dự báo nghiên cứu Lin cộng (2014) nhà nghiên cứu kết hợp hai phương pháp chọn mẫu theo kinh nghiệm theo kỹ thuật phân tích thống kê Trong mơ hình sử dụng đa dạng biến cịn mơ hình sử dụng biến mơ hình Altman (1968) Altman (1995) Ngoài biến đề xuất Lin cộng (2014), mơ hình 1, tác giả bổ sung hai biến: - Biến X21 (Giá cổ phiếu), mô tả giá thị trường cổ phiếu, bổ sung để tìm hiểu khả dự báo tình hình tài cơng ty tương lai từ biến Biến giá thời cổ phiếu biến giả, nhận giá trị giá cổ phiếu nhỏ 20 nghìn đồng nhận giá trị trường hợp ngược lại - X22 (Quy mô tài sản), đo log(tổng tài sản/CPI) bổ sung để đánh giá khả dự báo tình hình tài cơng ty từ quy mơ tài sản cơng ty có tính đến tỷ lệ lạm phát 2.3 Thiết kế mơ hình Logit Mơ hình Logit xây dựng với biến độc lập, biến so với mơ hình gốc Ohlson (1980) Các biến độc lập bao gồm biến sử dụng mơ hình Ohlson (1980), biến X , X 14 , X 16 , X 20 , X 22 , X 23 , X 24 2.4 Thiết kế mơ hình máy hỗ trợ vector SVM SVM giải thuật máy học dựa lý thuyết học thống kê Vapnik & Chervonenkis (1974), Vapnik (1999) xây dựng Bài toán SVM toán phân loại hai lớp: Cho trước r điểm không gian n chiều (mỗi điểm thuộc vào lớp kí hiệu +1 –1), mục đích giải thuật SVM tìm siêu phẳng (hyperplane) cho phép chia điểm thành hai phần cho điểm lớp nằm phía với siêu phẳng Các biến mơ hình giống biến sử dụng mơ hình nghiên cứu CHƢƠNG KẾT QUẢ ÁP DỤNG CÁC MƠ HÌNH DỰ BÁO KHĨ KHĂN TÀI CHÍNH CHO CÁC CƠNG TY NIÊM YẾT TRÊN THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM 3.1 Khái quát phát triển thị trường chứng khoán Việt Nam 3.2 Kết thống kê mô tả biến nghiên cứu 3.3 Kết dự báo khó khăn tài mơ hình biệt số 3.4 Kết dự báo khó khăn tài mơ hình Logit 3.5 Kết dự báo khó khăn tài mơ hình máy hỗ trợ vector SVM 3.6 So sánh kết dự báo mơ hình Nhằm mục tiêu lựa chọn mơ hình dự báo khó khăn tài phù hợp cho công ty niêm yết thị trường chứng khốn Việt Nam, mơ hình dự báo khác xây dựng kiểm định Các mơ hình xây dựng bao gồm: mơ hình phân tích biệt số sử dụng nhóm biến dự báo khác (mơ hình mơ hình 2), mơ hình Logit (mơ hình 3) mơ hình máy hỗ trợ vector SVM (mơ hình 4) Như trình bày phần trên, mơ hình phân tích để đánh giá độ tin cậy tiêu chuẩn định tính tốn xác dự báo tình trạng khó khăn tài cơng ty niêm yết thị trường chứng khốn Việt Nam Vì vậy, để tìm mơ hình dự báo khó khăn tài phù hợp cho công ty niêm yết thị trường chứng khốn Việt Nam, mơ hình so sánh hai góc độ: khả dự báo tỷ lệ mắc sai lầm mơ hình 10 3.6.1 So sánh khả dự báo mơ hình Các mơ hình xây dựng luận án sử dụng hệ thống biến dự báo khác có điểm chung biến phụ thuộc mơ tả tình trạng khó khăn tài lựa chọn chứng khốn cơng ty bị hủy niêm yết bắt buộc Ngồi ra, mơ hình áp dụng quan sát thu thập từ công ty niêm yết thị trường chứng khoán Việt Nam khoảng thời gian nghiên cứu Trong tất mô hình, hàm số dựa tập liệu phân tích (mơ hình 1,2,3) hay tập huấn luyện (mơ hình SVM) phần mềm hỗ trợ xây dựng Sự xác dự báo hàm số kiểm tra lại nhờ việc áp dụng hàm số tập liệu (dữ liệu kiểm tra) Bảng 3.31 trình bày kết so sánh độ xác dự báo khó khăn tài tất mơ hình Bảng 3.31 So sánh kết dự báo mơ hình Thời điểm dự báo Mơ hình phân tích biệt số Mơ Mơ Mơ hình hình hình Mơ hình Altman Altman Logit SVM (1968) (1995) 89.5% 82,40% 72.0% 87,20% 90,55% năm trước dự báo năm trước 84.1% 70,8% 79,3% 76,20% 80,15% dự báo năm trước 64,2% 61,10% 68,1% 65% dự báo* *: khơng có ý nghĩa Nguồn: Kết phân tích mơ hình 11 Bảng 3.31 cho thấy, mơ hình có khả dự báo khó khăn tài tương đối tốt (trên 50%) Tuy nhiên, mơ hình Altman (1995) mơ hình biệt số khơng có độ tin cậy năm thứ trước dự báo, mơ hình Logit dù có khả dự báo tốt lại không đảm bảo phù hợp tổng quát (chỉ số -2LL cao) ba thời điểm dự báo Tại thời điểm năm trước dự báo, mơ hình có khả dự báo cao Mơ hình biệt số thứ mơ hình SVM có khả dự báo xác khoảng 90% Tại thời điểm hai năm trước dự báo, trừ mơ hình Altman (1995), độ xác mơ hình giảm Tuy nhiên, mơ hình có khả dự báo 84% Tại thời điểm ba năm trước dự báo, mơ hình Logit có khả dự báo cao mơ hình lại khơng bảo đảm độ tin cậy cần thiết để lựa chọn làm mơ hình áp dụng rộng rãi Trong đó, mơ hình có khả dự báo xấp xỉ nhau, 64% So sánh cho thấy, mơ hình biệt số thứ mơ hình thứ (mơ hình SVM) có khả dự báo tốt tương tự Vì vậy, để có thêm lựa chọn mơ hình dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khoán Việt Nam, cần thiết phải tiến hành thêm so sánh sai lầm loại I sai lầm loại II mơ hình phần 12 3.6.2 So sánh sai lầm dự báo mơ hình Bảng 3.32 So sánh sai lầm loại I mơ hình dự báo khó khăn tài Thời điểm dự báo Mơ hình phân tích biệt số Mơ hình Mơ hình Altman Altman (1968) năm trước dự báo năm trước dự báo năm trước dự báo* (1995) 10,2 16,4 Mơ hình Logit Mơ hình SVM 27,5 22,4 22,4 16,4 27,1 35,6 35,7 13,4 20,9 28,6 27,1 55,3 *: ý nghĩa Nguồn: tổng hợp từ kết phân tích mơ hình Bảng 3.33 So sánh sai lầm loại II mơ hình dự báo khó khăn tài Thời điểm dự báo Mơ hình phân tích biệt số Mơ hình Mơ hình Altman Altman (1968) năm trước dự báo năm trước dự báo năm trước dự báo* Mơ hình Logit (1995) 10,7 Mơ hình SVM 2,7 25,4 23,7 36,7 34,4 19,1 18,2 18,6 18,9 44,3 *: khơng có ý nghĩa 22,9 - Nguồn: tổng hợp từ kết phân tích mơ hình 13 Những nhận xét cho thấy, mơ hình biệt số thứ (mơ hình 1) mơ hình có khả dự báo tốt có sai lầm loại I thấp mơ hình cịn lại Vì vậy, mơ hình hồn tồn thích hợp để dự báo khó khăn tài cho công ty niêm yết thị trường chứng khoán Việt Nam 14 CHƢƠNG KẾT LUẬN VÀ GỢI Ý CHÍNH SÁCH 4.1 Kết luận phát đề tài 4.1.1 Phát đề tài biến dự báo khó khăn tài 4.1.2 Phát khả dự báo thời gian dự báo mơ hình Phát khả dự báo mơ hình: Khả dự báo mơ hình đánh giá áp dụng mơ hình vào liệu công ty niêm yết thị trường chứng khốn Việt Nam Kết phân tích cho thấy, nhìn chung, mơ hình mang lại kết dự báo có độ xác cao độ xác khơng giống tiến hành dự báo thời điểm khác Tại năm thứ trước dự báo, mơ hình máy hỗ trợ vector SVM dự báo xác lên tới 90,50% mơ hình biệt số thứ dự báo xấp xỉ 90% Mơ hình Logit mơ hình biệt số thứ hai có khả dự báo 85% Độ xác dự báo tất mơ hình giảm dần thời gian dự báo dài Mô hình Logit có kết dự báo cao năm mơ hình lại khơng có độ tin cậy để áp dụng rộng rãi Ngồi ra, nhiều biến dự báo mơ hình khơng có ý nghĩa nên làm giảm độ xác mơ hình 15 Phát sai lầm dự báo mơ hình: Bên cạnh thống kê độ xác dự báo mơ hình, khả dự báo mơ hình cịn đánh giá qua số liệu sai lầm loại I sai lầm loại II mà mơ hình mắc phải Khi tiến hành dự báo khó khăn tài chính, sai lầm loại I cần cân nhắc sai lầm loại II việc dự báo cơng ty khơng khó khăn tài thực tế lại gặp khó khăn tài tương lai (sai lầm loại I) gây nhiều hậu trường hợp ngược lại (cơng ty dự báo khó khăn tài lại khơng gặp khó khăn tài tương lai - sai lầm loại II) Để đảm bảo tính thận trọng dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khốn Việt Nam, hai mơ hình có độ xác dự báo mơ hình có sai lầm loại I nhỏ lựa chọn Sai lầm loại I loại II mơ hình thay đổi thời điểm dự báo khác Mơ hình xây dựng năm thứ trước dự báo thường có sai lầm nhỏ so với hai năm lại So sánh sai lầm loại I II thấy, mơ hình có sai lầm loại I thấp sai lầm loại II cao ngược lại Phát thời gian dự báo: Độ xác dự báo tất mơ hình giảm theo thời gian dự báo tăng lên Chẳng hạn, mơ hình sử dụng để dự báo khó khăn tài cơng ty năm có độ xác cao khả dự báo mô hình hay năm tới tương lai 16 4.1.3 Phát lựa chọn mơ hình dự báo Mơ hình biệt số thứ (mơ hình 1) mơ hình thích hợp để dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khốn Việt Nam Mơ hình lựa chọn xuất phát từ đánh giá độ tin cậy so sánh khả dự báo mơ hình xây dựng luận án Mơ hình SVM (mơ hình 4) có khả dự báo tốt năm thứ trước dự báo với khả dự báo xác 90% Tuy nhiên, sai lầm loại I mà mô hình mắc phải lại cao so với mơ hình Mơ hình Logit có kết dự báo tốt năm lại không đáp ứng tiêu chuẩn độ tin cậy mơ hình Mơ hình biệt số thứ hai (MH 2) có độ tin cậy cao độ xác dự báo lại khơng mơ hình mơ hình Chính vậy, mơ hình biệt số thứ (MH 1) mơ hình phù hợp để dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khốn Việt Nam Mơ hình có dạng: D  b0  b1 X  b2 X  b3 X   b22 X 22 Trong D biệt số hay điểm phân biệt tính tốn từ mơ hình sở trọng số tính tốn mơ hình 4.2 Giải pháp phịng ngừa khó khăn tài cho cơng ty niêm yết thị trƣờng chứng khốn Việt Nam 17 4.2.1 Sử dụng mơ hình dự báo khó khăn tài để hoạch định chiến lược kinh doanh quản trị tài doanh nghiệp 4.2.2 Đề xuất biện pháp phịng ngừa khó khăn tài 4.3 Khuyến nghị sách Sở giao dịch chứng khốn 4.4 Khuyến nghị sách Ủy ban chứng khốn Nhà nƣớc 4.5 Sử dụng mơ hình đƣợc lựa chọn để dự báo khó khăn tài cho cơng ty niêm yết thị trƣờng chứng khốn Việt Nam Từ việc so sánh kết dự báo mơ hình khác nhau, mơ hình biệt số thứ với 22 biến dự báo ban đầu đánh giá mơ hình dự báo khó khăn tài phù hợp cho cơng ty niêm yết thị trường chứng khốn Việt Nam Vì vậy, phần cho biết cách sử dụng mơ hình để dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khoán Việt Nam Luận án chọn công ty niêm yết hoạt động thị trường chứng khoán Việt Nam để dự báo khó khăn tài sử dụng mơ hình Để không vi phạm quy định công bố thông tin, công ty đặt tên lại công ty ABC Cơng việc dự báo khó khăn tài sử dụng mơ hình biệt số thứ trải qua bước sau - Bước 1: Thu thập liệu cơng ty theo 22 biến mơ hình Trong bước thứ nhất, liệu công ty ABC thu thập theo 22 biến định mơ hình biệt số thứ Các 18 liệu tập hợp thời điểm kết thúc năm 2016 trình bày bảng 4.1 Bảng 4.1 Các biến dự báo công ty ABC Biến Giá trị Biến Giá trị X1 1.765303 X12 -0,042 X2 0,074 X13 2,974 X3 0,310 X14 2.410,547 X4 0,116 X15 0,037 X5 30.45793 X16 0,093 X6 0,057 X17 0,165 X7 0,648 X18 0,152 X8 0,011 X19 0,121 X9 0,258 X20 0,493 X10 -0,021 X21 1,000 X11 -0,043 X22 1,27E+11 Nguồn: tính tốn tác giả 19 - Bước 2: áp dụng liệu thu thập vào mơ hình biệt số thứ năm trước dự báo Trong mô hình thứ năm trước dự báo, hàm phân biệt xây dựng với độ tin cậy cao với điểm phân biệt xây dựng Với liệu công ty bất kì, hỗ trợ phần mềm SPSS, hàm phân biệt tính tốn điểm phân biệt ứng với cơng ty Giá trị biến dự báo công ty ABC nhân với hệ số tương quan bảng 4.2, hệ số tương quan hàm phân biệt tính tốn từ mơ hình thứ nhất, năm trước dự báo Kết tính tốn cho biết điểm phân biệt (Discriminant score) công ty ABC Điểm phân biệt công ty ABC sau so sánh với điểm phân biệt tiêu chuẩn (điểm phân biệt mơ hình), từ đưa dự báo mơ hình Để sử dụng mơ hình, đưa liệu cơng ty ABC vào mơ hình liệu phải dán nhãn hay Bảng 4.2 Kết dự báo khó khăn tài cho công ty ABC năm trƣớc dự báo Điểm phân biệt Điểm phân biệt công ty mô hình 2.193 -0,00027 Kết dự báo Khơng gặp khó khăn tài Nguồn: kết phân tích từ phần mềm SPSS 20.0 Bảng 3.35 cho thấy, mơ hình so sánh điểm phân biệt tính 20 tốn cho cơng ty ABC với điểm phân biệt mơ hình để đưa dự báo trước năm tình hình tài cơng ty ABC Trong trường hợp này, điểm phân biệt công ty ABC 2,193, lớn điểm phân biệt mơ hình -0,00027 Vì công ty ABC dự báo không gặp khó khăn tài năm (cuối năm 2017) Để tiếp tục dự báo tình hình tài cơng ty năm tới (năm 2018và 2019), bước thứ ba thứ tư thực - Bước 3: sử dụng liệu thu thập vào mơ hình biệt số thứ năm trước dự báo Vẫn sử dụng liệu thu thập cuối năm 2016, để dự báo tình hình tài cơng ty ABC năm 2018 (2 năm tiếp theo), liệu cung cấp cho mơ hình biệt số thứ thời điểm năm trước dự báo Tương tự mơ hình năm trước dự báo, cơng ty ABC gán nhãn (khó khăn tài chính) (khơng khó khăn tài chính) xếp vào mẫu (mẫu kiểm tra) Bảng 4.3 cho biết kết dự báo công ty thời điểm năm Điểm phân biệt cơng ty mà mơ hình tính tốn 0,626 nhờ vào giá trị hệ số tương quan biến hàm phân biệt xây dựng năm trước dự báo Điểm phân biệt so sánh với điểm phân biệt mơ hình (bảng 3.9) 0,000 với ngun tắc cơng ty dự báo gặp khó khăn tài điểm phân biệt mơ hình lớn điểm phân biệt công ty Bảng 4.3 cho thấy điểm phân biệt công ty ABC 21 lớn điểm phân biệt mơ hình Từ đó, mơ hình đưa dự báo cơng ty ABC khơng gặp khó khăn tài năm (năm 2018) Bảng 4.3 Kết dự báo khó khăn tài cho công ty ABC năm trƣớc dự báo Điểm phân biệt Điểm phân biệt cơng ty mơ hình 0,626 0,000 Kết dự báo Khơng khó khăn tài Nguồn: kết phân tích từ phần mềm SPSS 20.0 - Bước 4: sử dụng liệu thu thập vào mơ hình biệt số thứ năm trước dự báo Trả lời cho câu hỏi tình hình tài cơng ty năm 2019, ba năm kể từ năm 2016, liệu 22 biến dự báo áp dụng vào mơ hình biệt số thứ năm trước dự báo Tương tự mơ hình xây dựng năm trước dự báo, hàm phân biệt mô hình thứ ba tính tốn điểm phân biệt công ty ABC so sánh giá trị với điểm phân biệt mơ hình Bảng 4.4 Kết dự báo khó khăn tài cho cơng ty ABC năm trƣớc dự báo Điểm phân biệt Điểm phân biệt cơng ty mơ hình 0,721 0,000193 Kết dự báo Không KKTC Nguồn: kết phân tích từ phần mềm SPSS 20.0 22 Bảng 4.4 cho biết, điểm phân biệt công ty ABC mà mô hình tính tốn 0,721, lớn với điểm phân biệt mơ hình 0,000193 Vì vậy, mơ hình dự đốn cơng ty ABC khơng gặp khó khăn tài ba năm (năm 2019) với thông tin công ty năm 2015 - Bước 5: Kết luận Kết dự báo khó khăn tài mơ hình biệt số thứ cho công ty ABC từ liệu công ty thời điểm năm 2015 cho thấy: - Công ty ABC khơng gặp khó khăn tài năm (năm 2017) với độ xác dự đốn 89,5% - Cơng ty ABC khơng gặp khó khăn tài hai năm (năm 2018) với độ xác dự đốn 84,1% - Cơng ty ABC khơng gặp khó khăn tài ba năm (năm 2019) với độ xác dự đốn 64,2% 4.5 Hạn chế hƣớng nghiên cứu 23 KẾT LUẬN Thứ nhất, mơ hình dự báo khó khăn tài lựa chọn mơ hình phân tích biệt số với 22 biến dự báo Mơ hình chứng tỏ độ tin cậy khả dự báo KKTC cho cơng ty niêm yết thị trường tài Việt Nam cao Thứ hai, việc dự báo khó khăn tài có độ xác cao tiến hành dự báo thời điểm năm trước cơng ty thức gặp khó khăn tài Kết giảm dần năm Thứ ba, bên cạnh số biến tính tốn từ bảng cân đối kế toán báo cáo kết sản xuất kinh doanh, hệ số liên quan đến báo cáo lưu chuyển tiền tệ cơng ty có ý nghĩa dự báo đáng kể Ngoài ra, biến số kinh tế vĩ mô biến số thị trường có ý nghĩa dự báo khó khăn tài cơng ty niêm yết thị trường chứng khoán Việt Nam Thứ tư, việc áp dụng mơ hình dự báo sẵn có Việt Nam địi hỏi phải có kiểm định độ tin cậy trọng số biến dự báo Thứ năm, kết phân tích mơ hình dự báo khó khăn tài gợi ý giải pháp cho cơng ty chủ động phịng ngừa khó khăn tài cho thân quan quản lý giúp quan hỗ trợ công ty niêm yết với mục tiêu ổn định phát triển thị trường chứng khoán Việt Nam 24 ... khó khăn tài phù hợp cho công ty niêm yết thị trường chứng khốn Việt Nam Vì vậy, phần cho biết cách sử dụng mơ hình để dự báo khó khăn tài cho cơng ty niêm yết thị trường chứng khoán Việt Nam. .. mơ hình dự báo khó khăn tài phù hợp cho công ty niêm yết thị trường chứng khoán Việt Nam Đối tƣợng nghiên cứu: lý luận thực tiễn xây dựng mơ hình dự báo khó khăn tài cho cơng ty niêm yết thị trường. .. cơng ty niêm yết thị trường chứng khốn Việt Nam Vì vậy, để tìm mơ hình dự báo khó khăn tài phù hợp cho cơng ty niêm yết thị trường chứng khoán Việt Nam, mơ hình so sánh hai góc độ: khả dự báo