Dự báo rủi ro kiệt quệ tài chính cho các doanh nghiệp niêm yết tại Việt Nam
MỤC LỤC
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Các nghiên cứu liên quan đến khái niệm kiệt quệ tài chính
Chính vì vậy, trong phần này, tác giả sẽ trình bày các nghiên cứu liên quan đến khái niệm kiệt quệ tài chính để tạo cơ sở cho tác giả tìm ra một khái niệm phù hợp và sử dụng chúng trong việc xác định biến kiệt quệ tài chính mà chỉ ra công ty có rơi vào tình trạng kiệt quệ tài chính hay không ở trong nghiên cứu này. Chính vì vậy, ngoài việc xác định kiệt quệ tài chính bằng việc xem xét khả năng thanh toán các khoản nợ đến hạn bằng dòng tiền tạo ra của công ty, thì còn xác định kiệt quệ tài chính bằng cách xem xét giá trị thị trường của công ty tại một thời điểm bất kỳ, tức là xem xét tại một thời điểm mà có tỷ lệ gia tăng trong giá trị thị trường âm.
Các nghiên cứu về các biến dự đoán kiệt quệ tài chính
Rừ ràng việc đưa vào nhúm biến thị trường là rất hữu ích bởi vì một số lý do sau: đầu tiên, giá thị trường phản ánh các thông tin chứa trong các báo cáo tài chính cộng với các thông tin khác không thể hiện thông qua báo cáo tài chính (Agarwal & Taffler, 2008), tạo nên sự kết hợp toàn diện tiềm năng hữu ích để dự báo khả năng xảy ra kiệt quệ tài chính của doanh nghiệp. Trong nghiên cứu này, ngoài nhóm biến kế toán, một số biến thị trường được sử dụng để kiểm định bao gồm tỷ suất sinh lợi vượt trội hàng tháng trên vốn cổ phần của từng công ty so với chỉ số S&P 500, độ lệch chuẩn của tỷ suất sinh lợi cổ phiếu hàng ngày của mỗi công ty trong ba tháng trước đó, quy mô tương đối của môi công ty được đo bằng log của tỷ số vốn hóa thị trường với chỉ số S&P500, và log giá của môi cổ phiếu mà đã được lược bớt (truncated) trên $15.
Các mô hình sử dụng trong dự báo kiệt quệ tài chính
Tác giả sử dụng một bộ mẫu bao gồm 23,218 quan sát công ty theo năm trong suốt giai đoạn 1980-2011 và nhận thấy các nhóm biến này hô trợ và bổ sung lẫn nhau trong việc dự đoán kiệt quệ tài chính và đều có khả năng dự báo kiệt quệ tài chính một cách có ý nghĩa thống kê. Trong nghiên cứu này, tác giả chỉ giới hạn trong việc sử dụng mô hình hồi quy Logit, và không sử dụng mô hình mạng thần kinh nhân tạo ANN do tính phức tạp và không được ứng dụng rộng rãi của nó so với mô hình Logit.
PHƯƠNG PHÁP NGHIÊN CỨU
Mẫu dữ liệu
Tác giả thừa nhận là có một sự linh động trong việc xác định quan sát công ty theo năm nào rơi vào trong tình trạng kiệt quệ tài chính như các nghiên cứu trước đây đã chỉ ra như nghiên cứu của Andrade và Kaplan (1998) chỉ ra rằng một công ty được xác định rơi vào tình trạng kiệt quệ tài chính khi EBITDA thấp hơn chi phí lãi vay ngay năm đầu tiên. Một lý do đó là giá cổ phiếu kết hợp dữ liệu báo cáo tài chính cũng như thông tin khác được công bố ra công chúng làm đầu vào, làm cho thị trường trở nên một nơi xử lý tất cả những thông tin được công bố ra công chúng một cách hiệu quả hơn là một mình dữ liệu kế toán (Rees, 1995) và do đó làm gia tăng tính chính xác tổng thể của các mô hình dự báo kiệt quệ tài chính.
Phương pháp nghiên cứu
Tuy nhiên, các tham số ước lượng được không thể giải thích một cách trực tiếp được như trong mô hình hồi quy tuyến tính bởi vì bản chất phi tuyến của nó, mà chỉ có thể giải thích được thông qua phân tích tác động biên. Do đó, việc đo lường tác động biên rất hữu ích để giải thích các tác động của các biến độc lập lên biến phụ thuộc cho mô hình biến phụ thuộc rời rạc, trong trường hợp này là mô hình lựa chọn biến nhị phân.
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả
Tác giả nhận thấy giá trị trung bình của tất cả các mẫu đều âm, và kết quả chỉ ra trái ngược với lý thuyết khi thống kê mô tả chỉ ra rằng các công ty trong mẫu các công ty không bị kiệt quệ tài chính âm hơn nhiều so với các công ty trong mẫu các công ty bị kiệt quệ tài chính. Qua đó, tác giả nhận thấy giá trị trung bình của ABNRET trong mẫu các công ty bị kiệt quệ tài chính thấp hơn và thậm chí là giá trị âm so với giá trị trung bình của giá cổ phiếu trong mẫu các công ty không bị kiệt quệ tài chính. Điều này cũng hàm ý rằng thị trường đánh giá thấp cổ phiếu của những công ty trong mẫu bị kiệt quệ tài chính và làm cho chênh lệch tỷ suất sinh lợi tích lũy trong năm của các cổ phiếu đó so với tỷ suất sinh lợi tích lũy của VNINDEX cũng thấp, và thậm chí là nhỏ hơn.
Ma trận hệ số tương quan
Tóm lại, đến đây tác giả đã có một cái nhìn khái quát sơ lược dự đoán về tác động của các biến nghiên cứu đến khả năng xảy ra kiệt quệ tài chính, mặc dù đây chưa phải là phương pháp chính mà chúng ta dùng để phân tích. Bên cạnh đó, tác giả cũng đã thực hiện xem xét kiểm định đa cộng tuyến để kết quả nghiên cứu là ổn định và không bị ảnh hưởng bởi vấn đề đa cộng tuyến này. Trong phần sau, tác giả sẽ đi sâu vào phân tích kết quả nghiên cứu mà tác giả đạt được bằng phương pháp ước lượng hồi quy Logit và đưa ra các kết quả xác đáng hơn.
Phân tích kết quả hồi quy
Đối với nhóm biến thị trường, biến PRICE được lấy từ giá đóng cửa ở thời điểm cuối năm t-1; biến ABNRET được tính toán từ tỷ suất sinh lợi tích lũy của công ty vào năm t-1 và tỷ suất sinh lợi tích lũy của thị trường VNINDEX cũng vào năm t-1; biến SIZE thể hiện vốn hóa thị trường của từng công ty riêng lẻ được đo lường vào cuối năm trước năm xảy ra kiệt quệ tài chính; biến MCTD cũng được đo lường với các thông tin vào cuối năm t-1. Các nhà đầu tư dường như chiết khấu vốn cổ phần của các công ty mà ở trong tình trạng kiệt quệ tài chính hay gần phá sản/vỡ nợ, và dẫn đến tác động đến tỷ suất sinh lợi: tỷ suất sinh lợi vượt trội so với tỷ suất sinh lợi thị trường là một tín hiệu cho thấy tình hình tài chính của công ty là mạnh, và do đó làm giảm xác suất xảy ra kiệt quệ tài chính của một công ty. Tóm lại, biến TLTA trong nhóm biến kế toán có khả năng dự đoán xác suất xảy ra kiệt quệ tài chính tại thời điểm t-1, t-2, trong nhóm biến vĩ mô, biến TBILL và biến CPI có khả năng dự đoán xác suất xảy ra kiệt quệ tài chính lần lượt tại thời điểm t-1, t- 2 và cả 2 biến TBILL và CPI có khả năng dự đoán xác suất xảy ra kiệt quệ tài chính tại thời điểm t.
Đánh giá mô hình
DeLong, DeLong, và Clarke-Pearson (1988) cho rằng “khi một kiểm định dựa trên một biến quan sát được mà nằm trên một thang đo liên tục, thì việc đánh giá toàn bộ giá trị kiểm định có thể được thực hiện thông qua việc sử dụng đường ROC.” Hơn nữa, Altman và cộng sự (2010) lập luận rằng “Khu vực dưới đường cong ROC là một thước đo tính chính xác trong dự báo của mô hình, với giá trị 1 đại diện cho một mô hình hoàn hảo.”. Hệ số tương quan xếp hạng Gini: theo Anderson (2007), hệ số xếp hạng Gini được các nhà phân tích sử dụng như một thước đo dùng để phân biệt giữa 2 hàm phân phối tích lũy thực nghiệm (tốt và tệ) trong đó kết quả cuối cùng là một giá trị đại diện cho khu vực nằm dưới đường ROC. Hệ số Gini bằng hoặc trên 50% được dùng như là một điểm tham chiếu bởi các nhà phân tích như được thảo luận trong Anderson (2007). Trong luận văn này, hệ số Gini được dùng để kiểm định xem tính nhất quán với các thước đo khác. Một mô hình hoàn hảo khi hệ số Gini bằng 1. Thông qua các giá trị AUC, tác giả nhận thấy một sự đồng nhất như các kết luận được đề cập bên trên. biến thị trường), mô hình 5 (có nhóm biến thị trường và nhóm biến vĩ mô), và cuối cùng là mô hình 3 (có nhóm biến kế toán, nhóm biến vĩ mô và nhóm biến thị trường).
Phân tích tác động biên
Khi biến SIZE gia tăng 1 đơn vị thì xác suất xảy ra kiệt quệ tài chính sụt giảm trung bình khoảng 197.938%. Khi biến MCTD gia tăng 1 đơn vị thì xác suất xảy ra kiệt quệ tài chính gia tăng trung bình khoảng 4.2563%. Qua đó, tác giả nhận thấy nhóm biến thị trường có tác động biên mạnh lên xác suất xảy ra kiệt quệ tài chính hơn các nhóm biến khác bao gồm biến kế toán cũng như biến vĩ mô.
Danh sách các công ty niêm yết trong mẫu quan sát
PVD Tổng CTCP khoan và dịch vụ khoan dầu khí RAL CTCP bóng đèn phích nước Rạng Đông REE CTCP cơ điện lạnh. SAV CTCP hợp tác kinh tế và xuất nhập khẩu Savimex SCD CTCP nước giải khát Chương Dương. SJS CTCP đầu tư phát triển đô thị và khu công nghiệp Sông Đà SMC CTCP đầu tư thương mại SMC.
THỐNG KÊ MÔ TẢ Các công ty không bị kiệt quệ tài chính
Các công ty bị kiệt quệ tài chính
Toàn bộ mẫu
Ma trận hệ số tương quan
Kiểm định VIF TFOTL
TLTA
NOCREDINT
COVERAGE
TBILL
PRICE
ABNRET
SIZE
MCTD
KẾT QUẢ HỒI QUY, ĐÁNH GIÁ MÔ HÌNH, TÁC ĐỘNG BIÊN Mô hình 1 - t
Mô hình 1 – t-1
Mô hình 2 - t
Mô hình 2 – t-1
Mô hình 3 – t
Mô hình 3 – t-1
Mô hình 4 – t
Mô hình 4 – t-1
Mô hình 5 – t
Mô hình 5 – t-1
KIỂM ĐỊNH MANN-WHITNEY U-STATISTICS