Về ứng dụng mô hình O-Score trên thị trường Việt Nam
Mặc dù việc kiểm định mô hình O-Score được thực hiện ở nhiều quốc gia cho thấy có khả năng dự báo khá tốt. Tuy nhiên việc ứng dụng mô hình O-Score trong dự báo trên thị trường Việt Nam cho thấy khả năng mắc phải sai lầm loại 2. Cụ thể trong 1 năm trước phá sản khả năng mắc phải sai lầm loại 2 là 76,19%, đối với 2 năm trước phá sản khả năng mắc phải sai lầm này là 88,09%. Việc nguy cơ mắc sai lầm quá cao khiến cho việc áp dụng mô hình trên thị trường Việt Nam trở nên không khả thi và việc xây dựng một mô hình phù hợp hơn là hết sức cần thiết.
Về mô hình dự báo mới
Trên thị trường Việt Nam vì những giới hạn về mặt số liệu cũng như nhiều nguyên nhân khác các nghiên cứu về lĩnh vực này còn khá hạn chế. Việc ứng dụng các mô hình đã có từ lâu trên thế giới và thị trường bộc lộ nhiều khiếm khuyết như có môi trường kinh tế khác nhau, nhóm doanh nghiệp xem xét không đồng nhất cũng như sự khác biệt trong thời gian xây dựng làm cho khả năng dự báo các mô hình này không cao, các biến không thoả được điều kiện kiểm định… Xuất phát từ những khiếm khuyết đó việc xây dựng một mô hình dự báo riêng cho thị trường Việt Nam là việc làm thiết thực và là tiền đề cho việc mở rộng nghiên cứu mảng đề tài này trong tương lai. Trong bài nghiên cứu, tác giả
87
đã xây dựng một mô hình dự báo phá sản cho các công ty ở khu vực phi tài chính trong giai đoạn 2008- 2013. Với phương pháp Binary Logistic bài nghiên cứu đã xây dựng mô hình gồm 5 biến cho khả năng dự báo tổng thể 1 năm trước phá sản là 83,3%. Trong đó mô hình có khả năng cho ra kết quả về xác suất phá sản của doanh nghiệp cần xem xét. Cụ thể mô hình có dạng như sau:
6,960 8,814 / 3, 247 2,317 4,628 1,918
PS CATA TL METL CLCA REME REFA
Trong đó:
PS: Hàm dự báo phá sản đề xuất
CATA: Tài sản ngắn hạn/ Tổng tài sản
TL/METL: Tổng nợ/(Tổng nợ +Giá trị thị trường VCSH)
CLCA: Nợ NH/ Tài sản ngắn hạn
REME: Lợi nhuận giữ lại/Giá trị thị trường VCSH
REFA: Lợi nhuận giữ lại/Tài sản cố định
Nhìn vào trong số của các biến trong mô hình ta thấy biến có trọng số lớn nhất trong mô hình là biến TL/METL. Là chỉ tiêu kết hợp giữa cơ cấu tài chính và chỉ số thị trường. Như vậy một trong những yếu tố có ảnh hưởng quyết định đến nguy cơ phá sản của doanh nghiệp chính là các quyết định về cơ cấu tài chính của doanh nghiệp đó.
Có ảnh hưởng tiếp theo trong mô hình là biến CATA phản ánh tỷ lệ tài sản ngắn hạn so với tổng tài sản của doanh nghiệp. Là chỉ tiêu đại diện cho khả năng thanh khoản của một doanh nghiệp. Một doanh nghiệp có tỷ lệ tài sản ngắn hạn hợp lý là cơ sơ cần thiết đảm bao cho khả năng thanh khoản và hoạt động tốt của doanh nghiệp. Tuy nhiên một tỷ lệ tài sản ngắn hạn quá nhiều hay quá ít đều có thể đem lại những rủi ro cho doanh nghiệp.
Ba biến còn lại của mô hình có mức độ ảnh hưởng giảm dần lần lượt là biến REFA, CLCA vả REME. Trong đó biến REFA phản ánh tỷ lệ sử dụng lợi nhuận giữ lại tái đầu tư cho tài sản cố định. Một doanh nghiệp có tình hình đầu tư vào tài sản cổ định sử dụng từ nguồn lợi nhuận giữ lại càng lớn thì càng an toàn so với sử dụng các nguồn khác.
88
Đối với biến CLCA là chỉ tiêu phản ánh rủi ro vỡ nợ của doanh nghiệp. Đo lường bằng tỷ lệ giữa nợ ngắn hạn so với tài sản ngắn hạn của doanh nghiệp. Một doanh nghiệp có tỷ lệ nợ ngắn hạn lớn hơn tài sản ngắn hạn sẽ cho thấy những rủi ro trong cơ cấu tài chính của doanh nghiệp đó vì một phần tài sản dài hạn của doanh nghiệp đang được tài trợ bởi các nguồn huy động ngắn hạn dễ dẫn đến tính mất cân đối trong thanh toán.
Biến cuối cùng có ảnh hưởng đến nguy cơ phá sản các doanh nghiệp là chỉ tiêu REME. Chỉ tiêu nhằm đo lường khả năng sinh lời của doanh nghiệp đồng thời cho thấy chiến lược phân phối lợi nhuận của doanh nghiệp. Một doanh nghiệp có tỷ lệ lợi nhuận giữ lại lớn so với giá trị thị trường của vốn chủ sở hữu sẽ cho thấy tình hình kinh doanh của doanh nghiệp trong quá khứ là khả quan và cho thấy doanh nghiệp có đủ tiềm lực tài chính tài trợ cho các hoạt động tái đầu tư.
Như đã đề cập ở phần trước, mô hình được xây dựng áp dụng cùng một phương pháp của mô hình O- Score. Do đó việc tính xác suất phá sản cũng được áp dụng trên công thức tương tự:
Trong đó:
- PS: là hàm dự báo được đề xuất
- pPS: Xác suất phá sản tính toán dựa trên mô hình dự báo đề xuất
Dựa vào công thức xác suất trên ta có thể thấy được mối quan hệ giữa xác suất phá sản với hàm dự báo Z là mối quan hệ đồng biến. Đồng nghĩa giá trị Z càng lớn thì xác suất phá sản của doanh nghiệp càng tăng. Cần lưu ý trong trường hợp này, hàm dự báo này cho giá trị Z ngược so với một số nghiên cứu khác như Altman (1968), Springate (1978)…Ở trong hầu hết các nghiên cứu đó xây dựng hàm dự báo khả năng an toàn tài chính. Do đó chỉ số Z càng lớn thì rủi ro phá sản
1 PS PS PS e p e
89
càng thấp. Cũng dựa trên quan sát về mặt toán học. Ta hoàn toàn có thể xây dựng ngưỡng dự báo cho mô hình.
Trong đó:
PS 0 pPS 0,5 => Doanh nghiệp có xác suất phá sản < 50%
PS 0 pPS 0,5=> Doanh nghiệp có xác suất phá sản = 50%
PS 0 pPS 0,5=> Doanh nghiệp có xác suất phá sản > 50%
Người sử dụng mô hình có thể xem xét ứng dụng mô hình theo hai hướng. Có thể xem xét nhanh nguy cơ phá sản dựa trên xem xét nhanh ngưỡng Z nêu trên. Hoặc người sử dụng có thể tính toán xác suất phá sản. Từ đó tuỳ thuộc vào mức độ chấp nhận rủi ro của người sử dụng mô hình có thể lựa chọn phương án thích hợp trong đầu tư hay ra quyết định quản trị. Ta thấy việc sử dụng xác suất phá sản đem lại cái nhìn linh hoạt hơn so với việc sử dụng ngưỡng phá sản và vùng cảnh báo. Các nhà đầu tư có mức độ chấp nhận rủi ro khác nhau thì có thể chấp nhận các mức xác suất phá sản khác nhau.