công ty có nguy cơ phá sản và nhóm công ty có tình hình tài chính lành mạnh)
Theo nghiên cứu của Edward I.Alman (1968) và các nghiên cứu mở rộng sau này của ông với Ling Zhang và Jerome Yen(2007), điểm phân biệt tốt nhất cho 2 nhóm công ty cần phân biệt được tính theo công thức là:
( ) ( )
Trong đó, E(Z1) và E(Z2) lần lượt là kì vọng toán của chỉ số Z ứng với nhóm 1 và nhóm 2.
Kết quả tính toán đưa các biến vào hàm phân biệt Z của mẫu thử nghiệm cho thấy:
E(Z1)= -1,16 và E(Z2)= 1,16. Thay số n1=40 và n2=40 ta có M=0
Vậy đường phân chia 2 nhóm công ty trong mẫu thử nghiệm là đường Z=0 Ta thấy, đặc điểm của mẫu nghiên cứu là nhóm 1 (nhóm công ty có nguy cơ phá sản) chỉ bao gồm các công ty trong diện cảnh báo và kiểm soát chứ chưa phải là các công ty phá sản thực sự như trong nghiên cứu ban đầu của Alman. Lại có, các
biến số trong mô hình đều tác động cùng chiều lên chỉ số Z, nên Z càng thấp thì nguy cơ phá sản càng cao. Do đó tác giả sử dụng vào mẫu kiểm nghiệm kết hợp với mẫu thử nghiệm ban đầu để tìm ra điểm phân biệt mạnh mẽ hơn nhằm chia mẫu công ty ban đầu thành 3 nhóm công ty:
1. Nhóm A: Nhóm công ty nằm trong vùng nguy hiểm, có nguy cơ phá sản cao 2. Nhóm B: Nhóm công ty nằm trong vùng cảnh báo, có rủi ro tài chính cao 3. Nhóm C: Nhóm công ty nằm trong vùng an toàn
Sau khi tính toán các chỉ số Z của mẫu thử nghiệm, ta thấy rằng giá trị nhỏ nhất của chỉ số Z trong nhóm 2-nhóm công ty có tình hình tài chính lành mạnh là:
Zmin (nhóm 2) = -0,74
Ta có thể chọn điểm Z này làm điểm phân biệt thứ hai vì một cách tương đối có thể thấy nếu chỉ số Z của một công ty bất kì nhỏ hơn giá trị này thì không thể là công có tình hình tài chính lành mạnh được.
Hoàn toàn tương tự, ta có giá trị lớn nhất của chỉ số Z trong nhóm 1-nhóm công ty bị cảnh cáo, kiểm soát cũng có thể được xem xét trong việc lựa chọn điểm phân biệt thứ hai là Zmax (nhóm 1) = 0,44.
Ta lại thấy, điểm phân biệt mạnh mẽ hơn sẽ có giá trị thấp hơn giá trị M=0 tính toán được ở trên do giá trị M=0 chỉ là giá trị nhằm phân biệt nhóm an toàn và nhóm không an toàn. Vậy nhóm công ty nằm trong vùng nguy hiểm phải có chỉ số Z nằm trong vùng Z âm. Nên điểm phân biệt thứ 2 cần xác định có giá trị âm.
Từ những lập luận trên, ta xác định điểm phân biệt thứ hai cho mô hình là điểm Z=-0,74. Với điểm phân biệt Z=-0,74, ta thấy trong nhóm 1 có 27 công ty có Z<-0,74, như vậy là xác suất rơi vào nhóm A-nhóm công ty rơi vào vùng nguy hiểm của nhóm 1 là 67,5%. Ta kiểm nghiệm lại điểm phân biệt này bằng cách xác định các công ty nằm trong nhóm 67,5% công ty có chỉ số Z thấp nhất ở nhóm thử nghiệm, sau đó xem xét trong nhóm đó có bao nhiêu công ty có điểm Z<-0,74. Với cách thử nghiệm này, mô hình có kết quả phân loại chính xác 88,71% đối với nhóm 1 và 90,41% đối với nhóm 2. Tổng hợp chung thì kết quả phân loại chính xác 121 công ty trên mẫu 135 công ty kiểm nghiệm, đạt chính xác 89,6%, nên mô hình được coi là khá phù hợp. Tuy nhiên, do hạn chế về khả năng thu thập số liệu, số lượng
mẫu đưa vào mô hình chưa thực sự là số lớn, nên kết quả này mới chỉ là kết quả nghiên cứu bước đầu.
Bảng 2.10. Kết quả kiểm định sự phù hợp của hai điểm phân biệt từ mẫu thử nghiệm và mẫu kiểm nghiệm
Nhóm A Nhóm B Nhóm C Mẫu thử nghiệm Số lượng mẫu phù hợp với mô hình 27/27 9/13 36/40 Tỷ lệ chính xác 100% 69,23% 90% Tổng hợp 90% Mẫu kiểm nghiệm Số lượng mẫu phù hợp với mô hình 42/42 13/20 66/73 Tỷ lệ chính xác 100% 65% 90,41% Tổng hợp 89,63%
(Nguồn: Tự tổng hợp dựa trên excel và phần mềm SPSS)
Tổng hợp kết quả, ta có hai điểm phân biệt tại Z=-0,74 và Z=0 phân loại các nhóm công ty như sau:
1. Nếu Z -0,74 thì công ty nằm trong vùng nguy hiểm, có nguy cơ phá sản 2. Nếu -0,74<Z<0 thì công ty nằm trong vùng cảnh cáo, có rủi ro tài chính cao 3. Nếu Z 0 thì công ty nằm trong vùng an toàn
KẾT LUẬN CHƢƠNG II
Đề tài đã thu thập được 135 công ty, chia thành 2 nhóm công ty, nhóm công ty có nguy cơ phá sản và nhóm công ty có tình hình tài chính lành mạnh. Tất cả các công ty này đều được niêm yết trên sàn giao dịch chứng khoán TP.HCM (HOSE) và sở giao dịch chứng khoán Hà Nội (HNX). Sau đó tác giả tiến hành tính toán các biến số tỷ số tài chính của các công ty đó dựa trên báo cáo tài chính thường niên đã được công bố trên các website uy tín. Trong mỗi nhóm, tác giả chỉ chọn ra 40 mẫu ngẫu nhiên để chạy mô hình Z-score, và sau khi thu được hàm Z, tác giả tiến hành thử nghiệm lại mô hình trên toàn bộ mẫu thu thập được ban đầu để kiểm tra tính chính xác của mô hình và xác định điểm phân biệt mạnh mẽ hơn so với điểm phân biệt được tính toán theo công thức ban đầu.
Tổng hợp kết quả, ta có mô hình Z-score áp dụng cho các doanh nghiệp được niêm yết trên sàn chứng khoán Việt Nam như sau:
Z= -1,420+ 9,330X1+ 0,531X9
Trong đó:
X1: Tỷ số Lợi nhuận trước thuế và lãi vay/Tổng tài sản (ROTA) X9: Tỷ số vòng quay tài sản (Doanh thu thuần/Tổng tài sản)
Để tính toán chỉ số Z cho một doanh nghiệp, ta thay thế các chỉ số tài chính của công ty đó vào hàm Z trên. Điểm Z của công ty đó chỉ ra công ty đó thuộc nhóm nào trong các nhóm sau đây:
1. Các công ty có chỉ số Z -0,74 được phân loại vào nhóm công ty nằm trong vùng nguy hiểm, có nguy cơ phá sản.
2. Các công ty có chỉ số Z (-0,74;0) được phân loại vào nhóm công ty nằm trong vùng cảnh báo, có rủi ro tài chính cao.
3. Các công ty có điểm Z 0 được phân loại vào nhóm công ty nằm trong vùng an toàn.
Chỉ số Z được sử dụng để nghiên cứu tình hình tài chính của công ty, xem xét một công ty đó có tình hình tài chính lành mạnh hay thuộc diện gặp rủi ro tài chính, có nguy cơ phá sản hay không. Tác giả thấy rằng chỉ số Z khá đơn giản để áp dụng, tuy nhiên, việc áp dụng chỉ số Z này một cách rộng rãi trong việc đánh giá rủi ro tài
chính và nguy cơ phá sản của doanh nghiệp cần phải được xem xét một cách cẩn trọng do một số hạn chế sau đây
Thứ nhất, do hạn chế về mặt thông tin và thời gian, nên quy mô của mẫu nghiên cứu chưa đủ lớn để đại diện cho tổng thế. Mặt khác, việc thu thập số liệu của các công ty đã phá sản ở Việt Nam là rất khó khăn, nên việc thay thế nhóm công ty phá sản bằng các công ty bị cảnh cáo, kiểm soát trên thị trường chứng khoán Việt Nam làm giảm đi phần nào tính chính xác của mô hình Z-score. Tuy nhiên, tác giả cũng phần nào khắc phục nhược điểm này bằng xác định điểm phân biệt rõ ràng hơn so với điểm phân biệt theo công thức được chỉ ra ban đầu.
Thứ hai, các doanh nghiệp ở những ngành nghề kinh doanh khác nhau sẽ có những đặc thù riêng, nhưng khi đưa vào mô hình, dường như các yếu tố khác biệt đó đã được san bằng tất cả. Việc lựa chọn những công ty có thu nhập trung bình trên một cổ phiếu EPS>5000 USD/cổ phiếu vào nhóm có tình hình tài chính lành mạnh cũng hoàn toàn là tương đối.
Thứ ba, mặc dù đưa vào mô hình khá nhiều biến giải thích, đều thể hiện khá đầy đủ các mặt khác nhau về tình hình tài chính của công ty từ cấu trúc vốn, đòn bẩy tài chính, khả năng thanh toán, thanh khoản, khả năng quản lí tài sản đến khả năng sinh lời, khả năng tăng trưởng của công ty, nhưng khi chạy mô hình, cuối cùng chỉ còn lại 2 biến số phù hợp có khả năng phân biệt được 2 nhóm công ty, nhóm công ty có nguy cơ phá sản và nhóm công ty có tình hình tài chính lành mạnh. Chứng tỏ rằng các biến số có tương quan mạnh mẽ với nhau, và có thể có vấn đề làm đẹp báo cáo tài chính ở những công ty có rủi ro tài chính cao, nên không phải biến số nào cũng phân biệt được rõ ràng 2 nhóm công ty này.
Mặc dù còn những hạn chế, nhưng tác giả hi vọng nghiên cứu này cũng có ý nghĩa bước đầu trong việc xây dựng mô hình Z-score áp dụng cho các doanh nghiệp Việt Nam.
CHƢƠNG III: ĐỀ XUẤT KIẾN NGHỊ NHẰM ỨNG DỤNG HIỆU QUẢ MÔ HÌNH Z-SCORE TRONG ĐÁNH GIÁ RỦI RO TÀI CHÍNH CỦA CÁC DOANH NGHIỆP TẠI VIỆT NAM