Trên thế giới sự phát triển các mô hình dự báo phá sản đã bắt đầu từ những năm 1966 với khởi điểm là các nghiên cứu của Beaver. Với kỹ thuật univariate analysis đối với hơn 30 tỷ số để tìm sự khác biệt giữa 79 doanh nghiệp phá sản và 79 doanh nghiệp hoạt động ổn định. Nghiên cứu của Beaver đã cho thấy ảnh hưởng của các chỉ số dự báo đối với nguy cơ phá sản một doanh nghiệp. Trong đó, chỉ số dòng tiền/ tổng nợ là biến dự báo tốt nhất với độ chính xác đến 87% đối với một năm trước phá sản. Nghiên cứu của Beaver được xem như là nền tảng của việc xây dựng mô hình dự báo phá sản về sau.
2.2.2.1 Mô hình chỉ số Z tổng quát của Altman (1968)
Mô hình Z-score do giáo sư người Mỹ Edward I. Altman xây dựng năm 1968. Trong đó Altman đã chọn ra 33 công ty phá sản hoạt động trong lĩnh vực sản xuất và chọn 33 công ty có quy mô tương đương cùng hoạt động trong lĩnh vực sản xuất làm cơ sở so sánh.
Nghiên cứu đã chọn lọc từ 22 chỉ số tài chính khác nhau đại diện cho 5 nhóm chỉ số: Khả năng thanh khoản, Tỷ suất sinh lời, tỷ lệ đòn bẩy, nguy cơ vỡ nợ và khả năng hoạt động. Cuối cùng chọn ra được 5 chỉ số để đưa vào mô hình dự báo với kỹ thuật phân tích biệt hoá đa nhân tố (MDA).
Đây được xem là mô hình dự báo phá sản đầu tiên trên thế giới có khả năng dự báo chính xác nguy cơ phá sản của doanh nghiệp cao. Khả năng dự báo phá sản của mô hình lên đến 96% trong 1 năm trước phá sản và 78% trong 2 năm trước phá sản. Mô hình gồm 5 biến cụ thể như bảng 2.1
34
Bảng 2.1. Các biến trong mô hình Z-Score 9
Ký hiệu Chỉ số Tỷ trọng X1 1,2 X2 1,4 X3 3,3 X4 0,6 X5 0,99
Lấy những chỉ số trên nhân với trọng số ta tính được chỉ số Z như sau: Z-Score = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,99 X5
Z-Score ≥ 2,99: Doanh nghiệp có tài chính lành mạnh
1,81<Z-Score<2,99: Doanh nghiệp cần thận trọng
Z-Score ≤ 1,81: Doanh nghiệp có vấn đề nghiêm trọng về tài chính. Mô hình Z-Score ban đầu tập trung dự báo khả năng phá sản của các doanh nghiệp hoạt động trong lĩnh vực công nghiệp và niêm yết trên thị trường chứng khoán Mỹ.
Mô hình Z-Score cho doanh nghiệp chưa cổ phần hoá:
Vào năm 1983, từ mô hình ban đầu dành riêng cho doanh nghiệp cổ phần hoá Altman đã thiết lập mô hình dự báo phá sản dùng cho nhóm doanh nghiệp tư nhân. Gọi là chỉ số Z’.
9
35
Trong mô hình Z-score đối với doanh nghiệp tư nhân có chút thay đổi trong trọng số và sử dụng giá trị sổ sách của vốn chủ sở hữu thay cho giá trị thị trường như trong công thức chuẩn, cụ thể như sau:
Z’-Score = 0,717 X1 + 0,847 X2 + 3,107 X3 + 0,420 X4 + 0,998 X5 Trong đó : X4 = Gía trị sổ sách vốn chủ sở hữu/ Tổng nợ
Nếu Z> 2,9: Công ty nằm trong vùng an toàn, chưa có nguy cơ phá sản
Nếu 1,23 < Z < 2,9: Công ty nằm trong vùng cảnh báo, có thể có nguy cơ phá sản Nếu Z < 1,23: Công ty nằm trong vùng nguy hiểm, nguy cơ phá sản cao.
Mô hình Z-Score dành cho doanh nghiệp khác:
Nếu ở các mô hình chỉ số Z’ vừa đề cập trên tập trung vào đánh giá khả năng phá sản của doanh nghiệp trong lĩnh vực sản xuất thì đến 1995 Altman đã xây dựng mô hình Z” điều chỉnh (còn gọi là mô hình EMS) ứng dụng cho các doanh nghiệp phi sản xuất (non-manufacturing firm). Trong mô hình này về căn bản không khác nhiều so với mô hình chuẩn, nó chỉ loại bỏ nhân tố X5 nhằm tối thiểu hoá ảnh hưởng của vòng quay tài sản tăng cường từ hoạt động sản xuất và do đó có sự thay đổi trọng số đối với các biến. Cụ thể mô hình như sau:
Z” điều chỉnh = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4 Trong đó:
Nếu Z” > 2,6: Công ty nằm trong vùng an toàn, chưa có nguy cơ phá sản
Nếu 1,1 < Z” < 2,6: Công ty nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.
Nếu Z”< 1,1: Công ty nằm trong vùng nguy hiểm, nguy cơ phá sản cao. Với kết quả khả năng dự báo cao, mô hình Z- Score nhanh chóng trở thành một trong những mô hình được ứng dụng rộng rãi trên nước Mỹ và được kiểm định trên nhiều quốc gia Châu Âu, Châu Á và các khu vực khác đều cho kết quả dự báo chính xác cao. Có thể kể đến một số nghiên cứu Bahaaeddin Alareeni
36
(2012) kiểm định trên mô hình Z-Score ở Jordan cho thấy khả năng dự báo tổng thể là là 73,4% . Trong đó dự báo chính xác nguy cơ phá sản lên đến 85,10% trong khi dự báo khả năng an toàn ở mức 51,06%. Trên thị trường Thái Lan tác giả Michael Haseley (2012) thống kê khả năng dự báo tổng thể của Z-Score đối với 1 năm trước phá sản là 71,67%. Trong đó khả năng dự báo chính xác nhóm doanh nghiệp phá sản là 83,33%... Bên cạnh đó mô hình Z-Score còn được ứng dụng rộng rãi trong một số lĩnh vực có liên quan. Điển hình như năm 2009, Morgan Stanley đã sử dụng mô hình này để xếp loại doanh nghiệp ở Châu Âu và cho thấy các công ty có chỉ số Z <1 là những doanh nghiệp thuộc nhóm hoạt động kém hiệu quả. Ngoài ra còn có rất nhiều nghiên cứu thực nghiệm của mô hình này. Điều đó cho thấy mức độ phổ biến của mô hình Z-Score trên thế giới.
Ưu điểm
Một trong những ưu điểm nổi bật của mô hình Z-Score là việc sử dụng các chỉ số tài chính dễ dàng thu thập được từ báo cáo tài chính của các công ty bên cạnh đó kỹ thuật tính toán đơn giản. Do đó các cá nhân hoàn toàn có thể sử dụng mô hình này trong đánh giá rủi ro phá sản của doanh nghiệp một cách dễ dàng. Hơn nữa mô hình Z-Score được chia thành các mô hình khác nhau dùng cho từng loại doanh nghiệp khác nhau từ cổ phần hoá đến tư nhân, từ doanh nghiệp sản xuất đến phi sản xuất do đó việc áp dụng linh hoạt và cho kết quả dự báo cao.
Một trong những ưu điểm nổi bật khác chính là việc mô hình Z-Score khi áp dụng ở các thị trường khác nhau trên thế giới đều cho kết quả dự báo khả quan mà không cần thay đổi ngưỡng so với mô hình gốc.
Khuyết điểm
Tuy nhiên, bên cạnh những ưu điểm kể trên mô hình Z-Score được đánh giá là tồn tại một số hạn chế. Đó là việc mô hình Z- Score tập trung vào đánh giá rủi ro phá sản dưới tác động của các nhân tố tài chính còn những tác nhân từ biến vĩ mô, tình hình xã hội không được đưa vào quá trình xem xét. Hơn nữa trong một số nghiên cứu so sánh khả năng dự báo của mô hình Z-score cho thấy mô hình này có khả năng mắc phải sai lầm loại 2 cao hơn so với một số mô hình khác.
37
Như ở thị trường Jordan (Bahaaeddin Alareeni, 2012) khả năng mắc sai lầm loại 210 là mức 29,78% trong khi ở thị trường Châu Á (Michael Haseley, 2012) khả năng mắc sai lầm loại 2 là 40% đối với 1 năm trước phá sản…
2.2.2.2 Mô hình O- Score (1980)
Đối với mô hình O-Score được Ohlson xây dựng năm 1980 cũng trên cơ sở các chỉ số tài chính tuy nhiên sử dụng kỹ thuật Binary Logistic để xây dựng mô hình thay vì kỹ thuật MDA như của Altman. Bởi lẽ theo Ohlson phương pháp MDA không phải là một phương pháp lý tưởng để sử dụng trong dự báo phân loại bởi những giả định nghiêm ngặt và không cho phép sử dụng biến giả trong mô hình. Cần trình bày thêm, kỹ thuật Binary Logistic là một kỹ thuật nhằm phân loại biến nhị phân cho phép người sử dụng tính được xác suất xảy ra các biến cố được phân loại.
So với kỹ thuật MDA thì kỹ thuật Binary Logistic đòi hỏi các điều kiện về bộ mẫu ít nghiêm ngặt. Mô hình Binary Logistic cũng được cho là phổ biến hơn trong việc phân loại chỉ gồm 2 nhóm phân biệt (Biến nhị phân).
Khác với những nghiên cứu trước đó sử dụng bộ mẫu ngang bằng nhau cho nhóm doanh nghiệp phá sản và khoẻ mạnh, để xem xét mô hình O-Score chọn bộ mẫu gồm 105 doanh nghiệp phá sản và 2.058 doanh nghiệp khoẻ mạnh trong giai đoạn từ 1970 đến 1976. Tuy có một số khác biệt trong kích thước mẫu song mô hình cũng sử dụng chung định nghĩa về phá sản theo Luật phá sản của Mỹ như mô hình Z-Score. Khi tiến hành kiểm định khả năng dự báo của mô hình đối với trường hợp 2, 3 năm trước phá sản mô hình O-Score cho tỷ lệ dự báo chính xác lên đến 96,12%.
Trong nghiên cứu của mình Ohlson đã chỉ ra 9 nhân tố có ảnh hưởng lớn đến xác suất phá sản một doanh nghiệp và một trong những bước tiến quan trọng trong mô hình Ohlson Score là nó chỉ ra được xác suất phá sản của một doanh nghiệp. Mô hình gồm 9 biến cụ thể như sau:
10
38
Bảng 2.2. Các biến trong mô hình O-Score Ký hiệu Chỉ số Tỷ trọng SIZE 11 -0,407 TLTA 6,03 WCTA -1,43 CLCA 0,757
OENEG Biến giả (có giá trị 1 nếu tổng nợ> tổng tài sản ngược lại bằng 0).
0,285 NITA -2,37 FUTL 12 -1,83
INTWO Biến giả ( Có giá trị bằng 1 nếu LNST< 0 trong 2 năm gần nhất, bằng 0 trong trường hợp ngược lại)
-1,72
CHIN
-0,521
Khi đó chỉ số 0-Score được xác định như sau:
11
GNP price-level index = (Nominal GNP/Real GNP)*100 12Dòng tiền hoạt động = LNTT + Khấu hao
39
OS = -1,32 – 0,407*SIZE + 6,03*TLTA – 1,43*WCTA + 0,757*CLCA – 2,37* OENEG – 1,83* NITA + 0,285*FUTL – 1,72* INTWO – 0,521*CHIN
Khi đó xác định được xác suất phá sản của doanh nghiệp như sau:
1 OS OS e P e Khi đó:
- P >0,5: Doanh nghiệp đang đối mặt với rủi ro phá sản
- P <0,5 : Doanh nghiệp tạm thời chưa đối mặt với rủi ro phá sản.
Nhìn chung mô hình của Ohlson có điều kiện vận dụng khá tương đồng với nghiên cứu trước đó. O-Score chủ yếu tập trung vào nhóm doanh nghiệp hoạt động trong lĩnh vực công nghiệp và loại ra các công ty, tổ chức tài chính vì có điều kiện phá sản riêng.
Ưu điểm
Một trong những ưu điểm nổi bật của mô hình O- Score là cung cấp khả năng tính toán xác suất phá sản. Điều mà các nghiên cứu trước đó chưa thực hiện được. Nhờ đó giúp cho việc ứng dụng mô hình này đem lại một cái nhìn rõ ràng, dễ hình dung hơn so với các mô hình sử dụng ngưỡng phá sản.
Bên cạnh đó, mô hình O-Score cũng được thực hiện kiểm định trên các thị trường khác nhau với kết quả dự báo cao. Như nghiên cứu của Mohammad Jouzbarkand (2013) trên thị trường Tehran cho thấy khả năng dự báo lên đến 91,7% , Nghiên cứu của Ying Wang (2010) trên thị trường Trung Quốc cho thấy khả năng dự báo lên đến 97,1%...
Một số điểm đặc biệt đáng chú ý với mô hình O-Score là khi nghiên cứu trong thực nghiệm cho thấy mô hình này có khả năng dự báo tốt trên các khái niệm phá sản khác nhau tại các quốc gia. Cụ thể như trong nghiên cứu của Ying Wang (2010) sử dụng bộ mẫu các doanh nghiệp huỷ niêm yết trên thị trường chứng khoán Trung Quốc vẫn cho kết quả dự báo 91,7%. Hay như trong nghiên cứu trên thị trường Tehran (Mohammad Jouzbarkand, 2013) sử dụng bộ mẫu là
40
các công ty kinh doanh thất bại (failure firms) có tình hình lỗ luỹ kế lớn hơn 50% chủ sở hữu của doanh nghiệp cũng có kết quả dự báo tổng thể 97,1% .
Ngoài ra trong nghiên cứu thực hiện trên thị trường Đông Nam Á của tác giả Surapol Pongsatat và các cộng sự (2004) so sánh khả năng dự báo của hai mô hình Z-Score và O-Score trên nhóm doanh nghiệp có quy mô lớn và quy mô nhỏ cho thấy: Đối với nhóm doanh nghiệp quy mô nhỏ, khả năng dự báo của mô hình O- Score là 75%, đối với mô hình Z- Score là 64,06%. Trong khi xét đối với nhóm doanh nghiệp có quy mô lớn, khả năng dự báo của mô hình O- Score là 69,64% trong khi mô hình Z- Score là 58,93%. Như vậy theo nghiên cứu này trên thị trường các nước Đông Nam Á cho thấy khả năng dự báo của mô hình O- Score cao hơn. Đặc biệt đối với nhóm doanh nghiệp có quy mô nhỏ.
Khuyết điểm
Bên cạnh những ưu điểm nổi bật, mô hình O-Score được cho là sử dụng khá nhiều biến so với các mô hình khác. Do đó làm giảm đi tính thuận tiện trong việc sử dụng mô hình. Ngoài ra cũng giống như mô hình Z-Score, mô hình của Ohlson chỉ tập trung xây dựng mô hình dự báo cho nhóm doanh nghiệp phi tài chính.
2.2.2.3 Mô hình Fulmer (1984)
Mô hình Fulmer còn được biết đến như mô hình chỉ số H (H Score) được xây dựng năm 1984 và công bố trong bài báo nhan đề “A Bankruptcy Classification Model For Small Firms” đăng trên tạp chí Commercial Bank Lending. Với cùng phương pháp MDA được sử dụng trong nghiên cứu của Altman, mô hình Fulmer đã sử dụng kỹ thuật Stepwise nhằm lựa chọn từ 40 chỉ số tài chính. Với bộ mẫu gồm 60 công ty trong đó 30 công ty phá sản và 30 công ty khoẻ mạnh. Fulmer đã xây dựng được mô hình dự báo phá sản gồm 9 biến.
41
Bảng 2.3. Các biến trong mô hình Fulmer 13 Ký hiệu Chỉ số Tỷ trọng X1 5,528 X2 0,212 X3 0,073 X4 1,270 X5 - 0,120 X6 2,335 X7 0,575 X8 1,083 X9 0,894 a -6,075
Từ bảng 2.3 mô hình Fulmer được viết lại như sau:
H = 5,528 X1 + 0,212 X2 + 0,073X3 + 1,270X4 – 0,120 X5 + 2,335 X6 + 0,575 X7 + 1,083 X8 + 0,894X9 – 6,075
42 Nếu H < 0 : Doanh nghiệp sắp phá sản
Nếu H>= 0: Doanh nghiệp an toàn
Một điểm đáng lưu ý trong bộ mẫu được Fulmer chọn là các công ty có quy mô tài sản trong khoảng 455.000$. Theo Fulmer, trong nghiên cứu của Altman chọn lựa bộ mẫu gồm các doanh nghiệp có quy mô tài sản lớn với tổng tài sản ước tính 100 triệu Đôla do đó dẫn đến việc hạn chế trong ứng dụng đối với nhóm doanh nghiệp có quy mô tài sản nhỏ. Do đó mô hình dự báo của Fulmer được biết đến như một mô hình dự báo phá sản dành cho các doanh nghiệp nhỏ.
Mô hình Fulmer được đánh giá là cho độ chính xác đến 98% khi sử dụng để kiểm định doanh nghiệp một năm trước khi phá sản và độ chính xác 81% đối với việc dự báo trên 1 năm. Bởi lẽ mô hình Fulmer không được phổ biến như các mô hình khác do đó số bài nghiên cứu thực nghiệm khả năng dự báo của mô hình này không nhiều. Tuy nhiên trong một số ít nghiên cứu thực nghiệm cũng cho thấy kết quả dự báo tốt như nghiên cứu của tác giả Jonas Mackevicius (2010) thực hiện trên các nhóm ngành khác nhau ở Latvia cho kết quả dự báo 83,6% đối với nhóm doanh nghiệp xây dựng, 81,2% đối với nhóm sản xuất và 90,55% đối với nhóm doanh nghiệp ngành dịch vụ.
Như vậy ở hầu hết các bài nghiên cứu kiểm định trên các thị trường khác nhau đều cho thấy các mô hình cho kết quả dự báo khá chính xác. Điều này cho