Ảnh hưởng của các thành phần luồng tiền từ hoạt động kinh doanh đến khả năng dự báo luồng tiền hoạt động trong tương lai của các công ty niêm yết tại Việt Nam

Lý thuyết nền tảng

Trên thực tế, nếu luồng tiền thuần từ hoạt động kinh doanh của một doanh nghiệp có chiều hướng sụt giảm mạnh, thậm chí là âm liên tục trong nhiều quý nhiều năm liền sẽ khiến những nhà đầu tư không khỏi nghi ngờ về khả năng tạo tiền từ hoạt động kinh doanh chính của doanh nghiệp và họ thường cân nhắc trước khi đầu tư vào những doanh nghiệp này. Đối với đối tượng bên trong doanh nghiệp: dự báo luồng tiền hoạt động có thể giúp các nhà quản lý xác định những vấn đề tài chính trong tương lai và từ đó có những quyết định phù hợp như việc chi trả nợ, mua tài sản và các khoản chi tiêu khác mà không gây ra việc thiếu hụt tiền mặt trong tương lai. Đối với các doanh nghiệp lập BCLCTT theo phương pháp gián tiếp thì thông tin về các thành phần của luồng tiền hoạt động không được các doanh nghiệp gửi đến thị trường do đó sẽ gây bất lợi cho nhà đầu tư trong việc dự báo được luồng tiền tương lai của doanh nghiệp để đưa ra được các quyết định đầu tư hiệu quả.

Cơ sở xây dựng mô hình nghiên cứu

Dựa trên các nghiên cứu đã thực hiện ở trên, cuối cùng tác giả đã lựa chọn các khoản dồn tích trong mô hình nghiên cứu của luận văn là dựa trên sáu khoản dồn tích trong nghiên cứu của BCN, trong đó tác giả đã gộp khấu hao TSCĐ hữu hình, khấu hao TSCĐ vô hình thành một biến duy nhất là khấu hao (bao gồm TSCĐ hữu hình và TSCĐ vô hình) tương tự như nghiên cứu của Nguyễn Thị Uyên Uyên & Từ Thị Kim Thoa (2015). Trong các mô hình nghiên cứu được đề cập ở chương 1 thì nghiên cứu của Cheng & Hollie (2008), Orpurt & Zang (2009), Arthur & cộng sự (2010), Farshadfar & Monem (2013), Nguyễn Thị Uyên Uyên & Từ Thị Kim Thoa (2015) cũng đã xây dựng thêm mô hình nghiên cứu bao gồm các thành phần của luồng tiền hoạt động và so sánh với khả năng dự báo của mô hình chỉ bao gồm luồng tiền hoạt động thuần và kiểm tra xem liệu các thành phần của luồng tiền hoạt động có giúp dự báo luồng tiền hoạt động tương lai tốt hơn so với luồng tiền hoạt động thuần không. Trong đó các biến độc lập bao gồm các khoản dồn tích như ở mô hình thứ nhất và các thành phần của luồng tiền hoạt động là các thành phần được lấy trực tiếp từ BCLCTT theo phương pháp trực tiếp mà không phải ước lượng bao gồm: tiền mặt nhận được từ khách hàng, tiền mặt thanh toán cho nhà cung cấp và người lao động, tiền chi trả lãi vay, tiền chi nộp thuế thu nhập doanh nghiệp và luồng tiền từ hoạt động kinh doanh khác.

Các mô hình và giả thuyết nghiên cứu

Để giải quyết cho mục tiêu nghiên cứu: mô hình kết hợp các thành phần của luồng tiền hoạt động và các khoản dồn tích có khả năng dự báo cho luồng tiền hoạt động tương lai tốt hơn mô hình kết hợp giữa luồng tiền hoạt động và các khoản dồn tích hay không, tác giả tiến hành hồi quy và so sánh mô hình (2) với mô hình (1). Nếu giả thuyết H1 được chấp nhận, kết quả sẽ bổ sung cho nhận định của Chuẩn mực Kế toán Việt Nam số 21: thông tin về luồng tiền hoạt động cùng với thông tin kế toán về các khoản dồn tích sẽ giúp người sử dụng dự báo được luồng tiền tương lai của doanh nghiệp. Hollie (2008) mô hình gồm các thành phần của luồng tiền làm tăng khả năng dự báo cho luồng tiền hoạt động tương lai với giá trị R2 hiệu chỉnh của mô hình gồm các thành phần của luồng tiền hoạt động cao hơn R2 hiệu chỉnh của mô hình chỉ chứa luồng tiền hoạt động gộp ở cả bốn độ trễ của mô hình hồi quy.

Lựa chọn mẫu và thu thập dữ liệu nghiên cứu

Phương pháp nghiên cứu định lượng

Tiêu chuẩn đánh giá mức độ phù hợp của mô hình: Hệ số R2 hiệu chỉnh (Adjusted R-squared), tiêu chuẩn thông tin Akaike (AIC - Akaike Information Criterion), tiêu chuẩn thông tin Schwarz (SC - Schwarz criterion). Tiêu chuẩn đánh giá mức độ chính xác của mô hình dự báo: mô hình dự báo được đánh giá là tốt thì các sai số dự báo phải nhỏ và dao động của sai số dự báo không theo một mô hình nào cả. Để đánh giá mô hình dự báo, tác giả đã chọn hai chỉ tiêu đo lường sai số của dự báo như sau: căn bậc hai của trung bình sai số bình phương (RMSE - Root Mean Squared Error) và hệ số Theil’s U statistic.

Tuy nhiên tác giả chọn R2 hiệu chỉnh là do R2 phụ thuộc vào số lượng biến giải thích trong mô hình (R2 = 1- (ESS/TSS), khi thêm vào mô hình bất kì một biến nào dù có ý nghĩa hay không R2 sẽ luôn luôn tăng. Trong khi đó mô hình (2) trong nghiên cứu lại có số lướng biến giải thích lơn hơn mô hình (1) nên việc dựa vào R2 để lựa chọn mô hình là không chính xác.  Hệ số Theil’U-Statistic: cũng là một chỉ tiêu để đo lường sai số của dự báo nó cho thấy sự chính xác của giá trị dự báo có có phù hợp với giá trị tương lai thật sự của nó hay không.

Ngoài ra Theil’U-Statistic còn được phân thành các tỷ lệ: tỷ lệ độ chênh lệch (Bias proportion): là sự chênh lêch giữa trung bình của giá trị dự báo với. Tổng của tỷ lệ độ chênh lệch, tỷ lệ phương sai và tỷ lệ hiệp phương sai bằng 1, và mô hình dự báo tốt là mô hình có tỷ lệ độ chênh lệch và tỷ lệ phương sai nhỏ. Từ cơ sở xây dựng mô hình nghiên cứu được đề cập ở chương 2, tác giả đã đưa ra các giả thuyết cho hai mô hình dự báo luồng tiền tương lai cho các doanh nghiệp niêm yết Việt Nam dựa đã được lựa chọn ở chương 2.

Đồng thời thu thập dữ liệu cho nghiên cứu với số lượng mẫu 112 công ty (bao gồm 34 niêm yết trên Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh và 78 công ty niêm yết trên sàn giao dịch chứng khoán Hà Nội) trong khoảng thời gian 7 năm 2008-2014.

Kiểm định lựa chọn mô hình hồi quy thích hợp

Kết quả hồi quy theo mô hình Pooled OLS cho thấy Mô hình Pooled OLS có thể giải thích được 21.21% và 16.50% sự thay đổi của CF trong kì tiếp theo tương ứng ở độ trễ một năm và hai năm. Ở độ trễ một năm biến DINV không có ý nghĩa thống kê; còn ở độ trễ 2 năm biến DEP không có ý nghĩa thống kê còn lại tất cả các biết khác đều có ý nghĩa thống kê ở độ trễ một năm và hai năm. Ngoài ra, dấu của các hệ số hồi quy trong mô hình dự báo ở độ trễ một năm và hai năm đều giống với dấu kì vọng của các biến trong nghiên cứu của BCN (hệ số của CF, DAR, DINV, DEP có kì vọng (+) hệ số của DAP có kì vọng (-)).

Ở độ trễ một năm tất cả các biến trong mô hình đều có ý nghĩa thống kê; còn ở độ trễ hai năm biến DEP không có ý nghĩa thống kê còn lại các biến khác đều có ý nghĩa thống kê ở độ trễ hai năm. Kết quả hồi quy mô hình REM tương tự như kết quả hồi quy Pooled OLS, mô hình có thể giải thích được 21.15% và 18.04% sự thay đổi của CF trong kì tiếp theo tương ứng ở độ trễ một năm và hai năm. Ở độ trễ một năm, các biến: TXPD, DINV, OTHAC không có ý nghĩa thống kê; còn ở độ trễ hai năm chỉ có biến DEP không có ý nghĩa thống kê còn lại các biến khác đều có ý nghĩa thống kê.

Ở độ trễ một năm và tất cả các biến trong mô hình đều có ý nghĩa thống kê ở mức ý nghĩa 1%; còn ở độ trễ hai năm hai biến TXPD và DEP không có ý nghĩa thống kê. Do đó, dựa vào hệ số R2 hiệu chỉnh thì mô hình FEM là mô hình hồi quy phù hợp nhất được lựa chọn để ước lượng mô hình (1) và mô hình (2) phục vụ cho việc phân tích kết quả nghiên cứu. Điều này khiến Pooled OLS không phản ánh được tác động của sự khác biệt của mỗi doanh nghiệp, dẫn đến mức ảnh hưởng thật sự của biến độc lập lên biến phụ thuộc giảm mạnh và kết quả có thể không phù hợp với điều kiện thực tế.

Vì vậy, trước tiên nghiên cứu sử dụng F-test để kiểm định xem có tồn tại tác động cố định của mỗi doanh nghiệp trong mô hình hay không nhằm xem xét mô hình hồi quy theo Pooled OLS có phù hợp cho việc ước lượng mô hình nghiên cứu không.