TRONG M&A NGÂN HÀNG
2.1.Những quyết định dựa trên nhiều yếu tố - giới thiệu mô hình FAHP
Những tình huống phải ra quyết định dựa trên nhiều yếu tố khác nhau rất khó khăn. Nhất là trong trường hợp tham khảo ý kiến của không chỉ một mà từ hai chuyên gia trở lên. Quá trình đưa ra quyết định sẽ phải dựa trên sự biến thiên của sự đánh giá của các chuyên gia cho cùng một yếu tố, và phải kết hợp tất cả các yếu tố lại nữa.
Hơn nữa, chất lượng của thông tin trong trường hợp này có thể không là một con số chắc chắc được, giống như một câu trả lời đánh giá vào khoảng từ bao nhiêu đến bao nhiêu chứ không thể nào chắc như đinh rằng nó là một con số nào đó. Và việc tìm ra một con số cụ thể đôi khi không quá quan trọng trong tình huống bạn cần một cái nhìn tổng quát cho một vấn đề, ví dụ câu trả lời cho câu hỏi “cái này tốt hơn cái kia như thế nào” không nhất thiết phải là 5.434 lần mà có thể là “tùy, trong khoảng 5-6 lần” là một câu trả lời chấp nhận được.
Ngoài ra, trong tình huống mà mọi đánh giá đều là về chất lượng và ngôn ngữ, thì mô hình này có thể dùng để tổng hợp thông tin, lượng hóa các đánh giá đó, và đưa ra một con số để bạn dễ hình dung hơn về kết quả.
Mô hình lượng hóa thông tin này dùng cho những quyết định dựa trên các yếu tố từ rõ ràng đến các đánh giá không rõ, từ thông tin chắc chắn cho đến những kết quả biến thiên trong một khoảng xác suất và các số mờ.
Các phương pháp đánh giá dựa trên nhiều yếu tố biến thiên nhằm so sánh, giải quyết các mâu thuẫn trong đánh giá dựa trên các yếu tố khách nhau, đưa ra cách tốt nhất để đánh giá kết quả cuối cùng dựa trên một quá trình minh bạch theo phương thức toán học và xác suất.
Mô hình này đưa vào tính tóan mọi yếu tố liên quan, lượng hóa các biến ngôn ngữ (đánh giá bởi các chuyên gia), và tổng hợp lại thành một mức điểm cuối cùng cho các đối tượng cần xét. Vì phần đánh giá các yếu tố dựa vào các chuyên gia, cho nên các bản đánh giá đó chứa một lượng nhất định của sự chủ quan. Vì vậy khả năng và đạo đức của người đánh giá chiếm phần khá quan trọng trong sự chính xác và công bằng của kết quả. Tuy nhiên, sự chủ quan này có thể khắc phục bằng cách kết hợp kết quả của nhiều chuyên gia.
a. AHP model
Một trong những mô hình hay được sử dụng là AHP (Analytic Hierarchy Process – Quá trình phân tích bậc thang). Mô hình này được sử dụng lần đầu bởi Satty năm 1971, là mô hình tính toán cho cả các yếu tố thậm chí là mâu thuẫn
nhau. Thay vì dự đóan một quyết định chính xác, AHP đưa ra xếp hạng cho các đánh giá khác nhau và giúp cho người đọc hiểu được vấn đề cốt lõi, sử dụng kết quả đó để đưa ra quyết định phù hợp.
Phương thức này phát huy hiệu quả nhất khi các đội ngũ đánh giá cần phải giải quyết một vấn đề phức tạp, đặc biệt liên quan một phần lớn các ý kiến, góc nhìn và đánh giá chủ quan, những vấn đề mà ảnh hưởng lâu dài. Nó sở hữu những lợi thế độc đáo khi những yếu tố quan trọng của quyết định rất khó để lượng hóa hoặc so sánh, khi sự giao tiếp giữa các thành viên trong đội bị ảnh hưởng bởi sự khác biệt trong chuyên môn, thuật ngữ và góc nhìn. Đây là phương pháp được sử dụng rộng rãi trong các bài phân tích với những vấn đề không có hệ thống rõ ràng như trong chính trị, kinh tế, xã hội và quản lý. Mục đích của nó là xếp hạng các quyết định có thể đưa ra và chọn ra cái tốt nhất cho một vấn đề phụ thuộc nhiều yếu tố bằng cách dùng phép so sánh từng cặp một giữa các yếu tố này.
Cụ thể hơn, những tình huống có thể áp dụng mô hình này như sau:
- Lựa chọn – từ một tập hợp các phương pháp cần phải chọn ra phương pháp tốt nhất, thường những phương pháp này lại liên quan nhiều yếu tố phức tạp khác nữa. - Xếp hạng – Đặt các yếu tố theo thức tự từ tốt nhất đến ít mong muốn nhất.
- Tìm ra đối tượng ưu tiên – Quyết định phương thức nào là ưu tiên số một
- Phân bổ nguồn lực – dựa trên trọng số của từng thành phần một để đưa ra mức độ nguồn lực phân bổ cho các thành phần đó
- So sánh – So sánh các quy trình của tổ chức mình với những tổ chức hàng đầu khác
- Quản trị chất lượng – giải quyết các khía cạnh trong việc quản trị và nâng cao chất lượng
Phương pháp AHP đưa ra một khung làm việc tổng thể cho việc cấu trúc ra một vấn đề, xếp đặt các yếu tố, sự liên quan giữa các yếu tố với nhau và với mục tiêu cuối cùng, và cân đo các phương pháp giải quyết cuối cùng.
Nguyên tắc cơ bản của AHP là đơn giản hóa một vấn đề phức tạp thành các tầng (giống như nhánh cây). Với việc xếp vấn đề ở trên cùng, phân chia các yếu tố vào các nhóm, các tầng (level) khác nhau, các yếu tố sau đó sẽ được so sánh theo cặp để đánh giá được trọng số của nó đối với từng quyết định (dựa trên sự so sánh và tính tóan)
Mục đích
Yếu tố 1 Yếu tố 2 Yếu tố 3
Cấu thành yếu tố 1 Cấu thành yếu tố 2 Cấu thành yếu tố 3 Bảng 2: Cây yếu tố
Các bước của quy trình AHP:
- Đưa ra vấn đề cần giải quyết, tìm ra mục đích thực sự cần đạt tới - Xem xét các yếu tố lớn gây ảnh hưởng lên mục đích chung - Chia nhỏ các yếu tố lớn thành các yếu tố nhỏ hơn cấu thành
- Chọn một phương pháp chấm điểm, so sánh theo cặp từng yếu tố một, nhập số liệu vào các ma trận
- Cân đo trọng số của các yếu tố (ở các tầng) bằng cách dùng phương pháp giá trị eigen hoặc trung bình nhân
- Tính toán ra hệ số cuối cùng, kết hợp ý kiến của các chuyên gia bằng cách sử dụng phương pháp COG
- Sai số chấp nhận được (độ lệch trong đánh giá của các chuyên gia) hay sử dụng nhất là 5%
Trong đó, ma trận so sánh cặp là quan trọng nhất vì đó là chìa khóa cho việc chuyển đối các đánh giá chủ quan thành các giá trị cân đong đo đếm được.
Những kết quả so sánh cặp này thường được đưa ra bởi chuyên gia nhờ các bảng hỏi hoặc phương pháp Delphi. Chúng được quy đổi ra một thang nào đó, thường là từ 1 – 9 theo AHP cổ điển.
b. Lịch sử FAHP Model
FAHP là sự nâng cấp của mô hình AHP xử lý những trường hợp mà bản chất là sự phức tạp và mơ hồ rất cao. Trong rất nhiều trường hợp, việc quyết định yếu tố này quan trọng hơn yếu tố kia bao nhiêu lần không hề đơn giản, mà câu trả lời chỉ có thể là “quan trọng hơn” hay “không quan trọng bằng”. Hoặc sự kết hợp của câu trả lời của nhiều chuyên gia cũng đưa đến một khoảng biến thiên khá rộng đến vài đơn vị chứ không đơn giản là vài số sau dấu thập phân. Bởi vì bản chất của vấn đề nhiều khi không thể lượng hóa chính xác được mà chỉ là một khoảng mờ (fuzzy). Điều này làm tăng sự không chắc chắn trong các quyết định và phương pháp AHP cổ điển không còn hiệu quả nữa. Điều này dẫn đến sự phát triển của Lý thuyết tập mờ - Fuzzy Set Theory (FST) bởi Zadeh (1965), người khẳng định rằng các yếu tố do con người đánh giá không bao giờ là một số rõ mà là một khoảng số mờ. FST trở thành một công cụ mạnh mẽ để xử lý các dữ liệu không chính xác, những đánh giá mơ hồ - những cái mà giống với bản chất tư duy của con người hơn là các quy tắc toán rõ ràng và công thức tuyệt đối. FST hiện được sử dụng trong kiến trúc, kinh doanh, dược, khoa học sức khỏe, khoa học tự nhiên. Nó cho phép sự đánh giá biến thiên trong một khoảng theo hàm member trong đoạn [0,1]. FST định nghĩa hàm member như một hàm xác suất (sự phân bổ theo xác suất – probility
distribution). Một điều thú vị là dựa trên các đánh giá mơ hồ, FAHP hoàn toàn có thể giảm hoặc bỏ đi sự biến thiên trong rất nhiều vấn đề mà AHP không làm được.
Phương pháp FAHP được sử dụng lần đầu tiên bởi van Laarhoven và Pedrycz. Họ đưa ra phương pháp fuzzy logarithmic least squares method (LLSM) để tính ra trọng số của các yếu tố dựa trên một ma trận so sánh cặp giữa các yếu tố đó. Sau đó Lootsma sử dụng Lootma’s logarithmic least square để tính ra các yếu tố ưu tiên trong ma trận. Tiếp theo là Buckley sử dụng phương pháp trung bình nhân (dễ hiểu hơn) để tính ra các trọng số mờ của các yếu tố. Gần đây, vào năm 1996, Chang đã dùng các phương pháp mở rộng để so sánh giữa các cặp Triangular Fuzzy Numbers (TFN) để đạt kết quả tốt nhất.
2 phương pháp của Buckley và Chang là phổ biến nhất vì các bước đơn giản hơn và chúng đã được áp dụng thành công vào rất nhiều lĩnh vực.
Phương pháp của Chang về FAHP dựa trên xác suất của từng yếu tố. Dựa trên một kết quả về trọng số khác nhau của từng chuyên gia đưa ra, Chang viết ra ma trận của từng cặp yếu tố được so sánh ở từng level và thay vào các số rõ bằng các số mờ TFN (có 3 mức độ: chặn dưới của khoảng mờ, giá trị hay xảy ra nhất và chặn trên của khoảng mờ). Các giá trị thường như sau
Phương pháp của Buckley Phương pháp của Chang Quan trọng hơn
nhiều
8,9.5,10 Quan trọng hơn
hẳn
3.5, 4, 4.5Quan trọng hơn 6,7.5,9 Rất quan trọng 2.5, 3, 3.5 Quan trọng hơn 6,7.5,9 Rất quan trọng 2.5, 3, 3.5 Quan trọng bằng
nhau
3,5,7 Quan trọng hơn
tí
1.5, 2, 2.5
Ít quan trọng hơn 1,2.5,4 Yếu 2/3, 1, 1.5
Không quan trọng 0,0.5,2 Bằng nhau 1,1,1
Bảng 3: Quy ước lượng hóa các biến ngôn ngữ theo Buckley và Chang
Sau đó trọng số của các yếu tố sẽ được tính toán ra và kết hợp giữ ý kiến các chuyênn gia (làm rõ các số mờ).
2.2.Mô hình FAHP nhằm lựa chọn nhà đầu tư chiến lược trong M&A ngân hàng trên thế giới
Đề tài nghiên cứu của Chung-Tsen TSAO: Áp dụng FAHP đánh giá các đối tác trong quá trình Due Diligence
Department of Finance, National Pingtung Institute of Commerce Pingtung, Taiwan 900, R.O.C.
Đề tài nghiên cứu của B.S.Chui: Mô hình quản trị rủi ro cho M&A Sage International Group Limited, Hong Kong
Intech – Open Access Publisher
2.3.Điều kiện áp dụng mô hình
Thông thường, DD bao gồm 3 bước: - Tìm kiếm và lọc ra các ứng viên tiềm năng - Đánh giá từng ứng viên và quyết định xếp hạng - Chọn ứng viên để tiếp tục các bước sau
Mô hình này dùng để áp dụng vào bước 2 trong quá trình này, bất cứ khi nào cần phải đánh giá và xếp hạng các ứng viên tiềm năng.
Bước 2: Đánh giá từng ứng viên và xếp hạng
Đánh giá ứng viên có vai trò vô cùng quan trọng và phức tạp. Do vậy, đánh giá ứng viên chính là bài toán đánh giá, phân tích quyết định dựa trên nhiều yếu tố (MCDA).
MCDA (đôi khi gọi là ra quyết định đa tiêu chuẩn -MCDM) là kỹ thuật phân tích tổ hợp các tiêu chuẩn, cung cấp cho người ra quyết định mức độ quan trọng (trong đề tài dùng từ “trọng số”) của các tiêu chuẩn (Zopounidis và Pardalos, 2010). Trong đó, hầu hết các nghiên cứu đều sử dụng phương pháp phân tích thứ bậc (AHP) của Saaty (1980) để xác định trọng số của các yếu tố (Lu et al., 2007). Lôgic mờ kết hợp với AHP gọi là AHP mờ, (viết tắt: FAHP) trong so sánh cặp sẽ mô tả chính xác hơn trong quá trình ra quyết định.
FAHP được sử dụng rộng rãi trong phân tích đa thuộc tính (Chen et al., 2011).
Lựa chọn phương pháp FAHP phù hợp: Theo Kahraman (2008), hiện nay có các phương pháp FAHP cơ bản thu hút nhiều nhà nghiên cứu: Phương pháp của V. Laarhoven, Pedrycz (1983) và Buckley (1985) có yêu cầu tính toán rất lớn ngay cả đối với vấn đề rất nhỏ; Phương pháp Cheng (1996) dựa trên cả hai phương pháp tính xác suất (probability) và khả năng (possibility) nên rất khó xác định; Phương pháp Chang (1992): yêu cầu tính toán tương đối thấp và trình tự thực hiện
- Một tập hợp các lựa chọn Mi (i=1,2,3…m) - Thiết lập một tập hợp các giá trị Cj (j=1,2,3…n)
Brainstorming hoặc dùng bản đồ tư duy để đưa ra một cây giá trị gồm 1 hoặc nhiều tầng đưa ra các yếu tố cần có để đảm bảo thành công của một đối tác.
Tầng (level) đầu tiên đưa ra những khía cạnh khái quát như: marketing, sản xuất, tài chính, thông tin, R&D, nhân lực, pháp lý, môi trường, các tài sản vô hình… Tầng thứ 2 là các yếu tố được chia nhỏ từ các yếu tố trên.
Tầng 1
Yếu tố 1 Yếu tố 2 Yếu tố 3 Yếu tố 4
Tầng 2 Yếu tố 1.1 Yếu tố 1.2 Yếu tố 2.1 Yếu tố 2.2 Yếu tố 3.1 Yếu tố 3.2 Yếu tố 4.1 Yếu tố 4.2 Tầng 3 Yếu tố 1.1.1, 1.1.2… Yếu tố 1.2.1, 1.2.2… Yếu tố 2.1.1, 2.1.2… Yếu tố 2.2.1, 2.2.2 … Yếu tố 3.1.1, 3.1.2 … Yếu tố 3.2.1, 3.2.2 … Yếu tố 4.1.1, 4.1.2 … Yếu tố 4.2.1, 4.2.2… Bảng 4: Minh họa cây yếu tố 3 tầng
- Biến ngôn ngữ và giá trị mờ của biến ngôn ngữ trong so sánh cặp: Theo Srdjevic và Medeiros (2008); Onut, Efendigil và Kara (2010), mối quan hệ giữa các biến ngôn ngữ mô tả mức độ quan trọng giữa 2 tiêu chuẩn (giá trị so sánh rõ, Saaty(1980)) với giá trị mờ của biến ngôn ngữ (các số mờ tam giác) trong so sánh cặp thể hiện như bảng sau.
Không quan trọng VU 0,0.5,2 Ít quan trọng hơn LI 1,2.5,4 Quan trọng bằng nhau EI 3,5,7 Quan trọng hơn MI 6,7.5,9 Quan trọng hơn rất nhiều VI 8,9.5,10
Bảng 5: Các đánh giá rij (dựa theo định nghĩa của bài nghiên cứu của tác giả Chen) và quy ước mờ hóa
Hàm membership của các biến ngôn ngữ ở trên được minh họa bằng biểu đồ dưới đây:
Hình 2: Biểu đồ minh họa các biến ngôn ngữ được lượng hóa - Xác định véc tơ trọng số của các yếu tố bằng cách
Lập ma trận so sánh cặp: Tất cả các yếu tố ở cùng tầng được so sánh với nhau theo từng cặp dùng 5 mức độ ở bảng trên.
Yếu tố “ở cột dọc này” quan trọng như thế nào so với yếu tố “ở hàng ngang này” Y1 Y2 Y3 Y4 Y1 1 MI EI MI Y2 LI 1 EI VI Y3 EI EI 1 VU Y4 LI VU VI 1
Bảng 6: Minh họa về ma trận so sánh cặp giữa các yếu tố trong FAHP - Sau đó lập ma trận A về mức độ quan trọng giữa các cặp yếu tố
- Giả sử aij (lij, mij, uij) là ma trận so sánh mờ của các yếu tố với lij<mij<uij và lij, mij, uij thuộc [0,10]
Quy ma trận A (biến ngôn ngữ) theo bảng quy ước (hoặc hàm membership như trên) để lượng hóa, đồng thời mờ hóa thành một khoảng số. Ta được các giá trị chặn dưới, giá trị mà có xác suất cao nhất, giá trị chặn trên của từng trọng số:
Để tiếp tục tính toán, ma trận A được tách ra thành 3 ma trận: ma trận chặn dưới, ma trận chặn trên và ma trận giá trị giữa (có xác suất cao nhất).
- Tiến hành tính toán trọng số của từng yếu tố trong tổng thể
Tính theo phương pháp NGM của Buckley (trung bình nhân) sẽ được vector trọng số của từng yếu tố w (l, m, u)
Chuẩn hóa vector w (l,m,u) thành số rõ bằng phương pháp COG (center of gravity) đơn giản và hiệu quả (bước này cũng tổng hợp luôn ý kiến chênh lệch giữa các chuyên gia)
Kết quả, trọng số tổng thể (global weight) của từng yếu tố (ở level cuối cùng) sẽ bằng tích của các trọng số “địa phương” (local weights)
- Đưa ra bảng so sánh cặp của từng đối tác
- Tổng hợp kết quả = Nhân các giá trị của bảng so sánh đối tác với các trọng số của yếu tố
CHƯƠNG 3: LỰA CHỌN NHÀ ĐẦU TƯ CHIẾN LƯỢC TRONG M&A NGÂN HÀNG Ở VIỆT NAM
3.1.Thực trạng M&A ngân hàng ở Việt Nam
3.1.1. Quy trình chào bán M&A ngân hàng và các vấn đề rà soát đặc biệt