5. Bố cục đề tài
1.4.TỔNG QUAN NGHIÊN CỨU VỀ KIỆT QUỆ TÀI CHÍNH
1.4.1. Tổng quan nghiên cứu nƣớc ngoài
Beaver là nhà kinh tế học đầu tiên áp dụng phƣơng pháp phân tích phân biệt đơn biến (DA) trong việc dự báo khả năng thất bại của các doanh nghiệp. Với giai đoạn nghiên cứu từ năm 1954-1964, Beaver (1966) đã chọn 79 doanh nghiệp kiệt quệ tài chính và tƣơng ứng với mỗi doanh nghiệp kiệt quệ tài chính sẽ chọn một doanh nghiệp không kiệt quệ tài chính trong cùng ngành và cùng giá trị tài sản vào mẫu. Beaver đã chọn 30 tỷ số tài chính, chia thành 5 nhóm tỷ số và tiến hành ba bƣớc phân tích để cho thấy khả năng dự báo kiệt quệ của các tỷ số. Đầu tiên, Beaver phân tích so sánh giá trị trung bình của tỷ số tài chính giữa các doanh nghiệp kiệt quệ tài chính và các doanh nghiệp không kiệt quệ tài chính. Thứ hai, ông thực hiện kiểm tra khả năng dự báo của các tỷ số tài chính bằng cách phân chia ngẫu nhiên các doanh nghiệp trong mẫu thành 2 mẫu con. Với một tỷ số tài chính cho trƣớc, một điểm cắt tối ƣu sẽ đƣợc xác định ở mỗi mẫu con. Các điểm cắt tối ƣu của mẫu con này sẽ đƣợc sử dụng để phân loại cho mẫu con kia và ngƣợc lại. Cuối cùng, Beaver
sử dụng biểu đồ tần số, biểu đồ overlap, độ xiên và phân phối chuẩn của các tỷ số tài chính để kiểm tra khả năng dự báo kiệt quệ tài chính của mô hình. Kết quả cho thấy các doanh nghiệp lâm vào tình trạng kiệt quệ tài chính là các doanh nghiệp có ít tiền mặt, ít hàng tồn kho nhƣng nhiều nợ phải thu. Nghiên cứu cũng cho thấy tỷ lệ lƣu chuyển tiền thuần/ tổng nợ phải trả là chỉ tiêu quan trọng nhất trong việc dự báo kiệt quệ tài chính. Chỉ tiêu này phản ánh tính cân đối giữa khả năng tạo tiền của doanh nghiệp với số nợ mà doanh nghiệp phải thanh toán, và do đó nó thể hiện rõ ràng nhất khả năng thanh toán của doanh nghiệp. Bên cạnh khả năng sinh lời của tài sản (thu nhập thuần/ tổng tài sản) và hệ số nợ (tổng số nợ phải trả/ tổng tài sản) cũng là những chỉ tiêu quan trọng trong việc phát hiện dấu hiệu kiệt quệ và phá sản của doanh nghiệp bởi vì các chỉ tiêu này phản ánh hiệu quả hoạt động kinh doanh của doanh nghiệp đang mắc phải. Kết quả nghiên cứu của Beaver cũng cho thấy mô hình phân biệt đơn biến sử dụng các yếu tố tài chính có thể dùng để dự báo kiệt quệ tài chính vào khoảng thời gian 5 năm trƣớc khi kiệt quệ tài chính xảy ra.
Tuy nhiên phƣơng pháp phân tích phân biệt đơn biến này của Beaver khi áp dụng vào thực tế cho kết quả không thống nhất nên gây khó khăn trong việc phân tích tình hình thực tế của doanh nghiệp. Vì thế, phƣơng pháp này không còn là phƣơng pháp phổ biến đƣợc sử dụng hiện nay nữa.
Để khắc phục hạn chế của Beaver, thay vì đánh giá tình hình tài chính của một doanh nghiệp bằng một biến riêng thì sẽ dựa vào nhiều biến khác nhau. Phƣơng pháp phân tích phân biệt đa biến (MDA) vẫn đƣợc xem là có nhiều ƣu điểm hơn phƣơng pháp phân tích phân biệt đơn biến và là một trong những kỹ thuật thống kê phổ biến trong việc dự báo khả năng phá sản của doanh nghiệp. Mô hình phân tích phân biệt đa biến của Altman (1968) là một trong những nghiên cứu nổi tiếng đƣợc nhiều ngƣời biết đến.
Altman (1968) sử dụng phƣơng pháp phân biệt đa biến (MDA) để tìm ra phƣơng trình tuyến tính của các tỷ số tài chính, từ đó xác định doanh nghiệp nào là phá sản và doanh nghiệp nào là không phá sản. Giống nhƣ Beaver, Altman chọn ra 33 doanh nghiệp phá sản bằng cách sử dụng phƣơng pháp bắt cặp, trong đó, từng cặp doanh nghiệp phải thuộc cùng một ngành và có quy mô tƣơng đồng nhau. Altman chọn 22 tỷ số tài chính dựa trên tính phổ biến trong các nghiên cứu trƣớc. Cuối cùng Altman tìm đƣợc 5 tỷ số tài chính có khả năng xác định các doanh nghiệp phá sản hay không phá sản khi đứng cùng nhau gồm: tỷ số vốn luân chuyển/ tổng tài sản, thu nhập giữ lại/ tổng tài sản, giá trị vốn hóa thị trƣờng/ giá trị sổ sách của tổng nợ, doanh thu/ tổng tài sản. Kết quả nghiên cứu cho thấy mô hình của Altman có khả năng dự báo kiệt quệ tài chính chính xác đến 95% số doanh nghiệp trong mẫu ở thời điểm một năm trƣớc khi kiệt quệ tài chính xảy ra và cao hơn so với mô hình đơn biến của Beaver.
Tuy nhiên, mô hình phân tích phân biệt đa biến mà Altman sử dụng vẫn có một số hạn chế nhƣ sau. Đầu tiên, mô hình giả định rằng tất cả các biến độc lập có phân phối chuẩn và đòi hỏi ma trận hiệp phƣơng sai giữa các nhóm doanh nghiệp kiệt quệ tài chính và không kiệt quệ tài chính phải giống nhau. Trên thực tế, giả định này rất khó có thể xảy ra, vì thế giả định quan trọng nhất của mô hình phân biệt đa biến (MDA) có thể bị vi phạm. Thứ hai, mô hình thay vì đƣa ra một xác suất dự báo kiệt quệ cụ thể thì kết quả dự báo mới chỉ dừng lại ở việc xác định doanh nghiệp là an toàn hay không an toàn. Thứ ba, các hệ số của các biến riêng trong mô hình phân biệt không thể xác định ý nghĩa của các biến giải thích trong mô hình. Do cơ sở dữ liệu của công ty tƣ nhân hạn chế nên Altman đã không thể kiểm nghiệm mở rộng mô hình này trên các mẫu thứ cấp của các công ty bị kiệt quệ và không bị kiệt quệ tài chính.
Để khắc phục hạn chế của Altman, Ohlson đã sử dụng phƣơng pháp logit để ƣớc lƣợng xác suất xảy ra kiệt quệ tài chính. Không giống nhƣ phân tích phân biệt chỉ xác định đƣợc doanh nghiệp là kiệt quệ hay không kiệt quệ, phân tích logit còn có thể xác định đƣợc xác suất xảy ra kiệt quệ tài chính của doanh nghiệp. Các hệ số của mô hình phân tích logit đƣợc ƣớc lƣợng bằng phƣơng pháp hợp lý cực đại (maximum likehood). Phân tích logit sử dụng hàm số xác suất tích lũy logistic để dự báo kiệt quệ tài chính. Kết quả của hàm số có giá trị trong khoảng 0 và 1, đó là xác suất xảy ra kiệt quệ tài chính.
Ohlson (1980) là nhà nghiên cứu đầu tiên sử dụng phƣơng pháp phân tích logit trong dự báo kiệt quệ tài chính. Ohlson sử dụng dữ liệu gồm 105 doanh nghiệp phá sản và 2,058 doanh nghiệp không phá sản trong thời kỳ 1970-1976 ở Mỹ. Các chỉ số dự báo kiệt quệ mà Ohlson sử dụng gồm: logarit của tỷ số tổng tài sản chi cho chỉ số giảm phát GNP, tổng nợ chia tổng tài sản, vốn luân chuyển chia tổng tài sản, nợ ngắn hạn chia tài sản ngắn hạn, thu nhập ròng chia tổng tài sản, dòng tiền hoạt động chia tổng nợ, tỷ số đo lƣờng sự thay đổi trong thu nhập ròng. Kết quả nghiên cứu cho thấy mô hình Ohlson dự báo trƣớc một năm kiệt quệ tài chính xảy ra có độ chính xác đạt 96.12%.
Tuy nhiên, mô hình của Altman và Olson đều không quan tâm đến thông tin thị trƣờng. Nếu các nhà nghiên cứu chỉ sử dụng yếu tố tài chính để dự báo kiệt quệ tài chính nghĩa là ngầm giả định rằng tất cả các đại diện cho sự thất bại hay thành công đều đƣợc phản ánh vào báo cáo tài chính. Rõ ràng, thông tin về báo cáo tài chính thì không phản ánh tất cả thông tin liên quan đến khả năng kiệt quệ tài chính, và việc đƣa các yếu tố thị trƣờng vào mô hình là một điều cần thiết. Thứ nhất, yếu tố thị trƣờng phản ánh một phần thông tin chứa trong yếu tố tài chính cộng thêm thông tin khác không chứa trong yếu tố tài chính (Agarwal & Taffle, 2008), do đó yếu tố thị trƣờng trở nên tiềm năng cho việc dự báo kiệt quệ tài chính. Thứ hai, do thông tin tài chính chỉ đƣợc
công bố hằng năm trong khi thông tin thị trƣờng đƣợc cập nhật hàng ngày nên việc sử dụng yếu tố thị trƣờng trong mô hình có thể giúp gia tăng tính kịp thời của mô hình dự báo. Thứ ba, giá thị trƣờng có thể thích hợp để dự báo kiệt quệ tài chính vì đã phản ánh kỳ vọng về dòng tiền trong tƣơng lai trong khi báo cáo tài chính chỉ phản ảnh thông tin tài chính của doanh nghiệp trong quá khứ. Thứ tƣ, yếu tố thị trƣờng có thể cung cấp trực tiếp thông tin biến động tình hình tài chính doanh nghiệp, điều mà yếu tố tài chính không làm đƣợc.
Để khắc phục điều đó, trong nghiên cứu của John Y.Campell, Jens Hilscher và Jan Szilagyi (2008) đã bổ sung biến về yếu tố thị trƣờng trong nghiên cứu của mình. Kế thừa nghiên cứu của Shumway (2001) và nghiên cứu của Chava và Jarrow (2004), nhóm tác giả tìm ra các yếu tố quyết định sự thất bại của các doanh nghiệp dựa trên mô hình logit có sử dụng biến sổ sách và biến thị trƣờng với những biến và phƣơng pháp tính theo các nghiên cứu đã đƣợc công bố. Từ năm 1981, các công ty kiệt quệ tài chính có lợi nhuận thấp kéo dài liên tục. Các doanh nghiệp này tuy có lợi nhuận thấp hơn nhƣng độ lệch chuẩn, chỉ số bêta thị trƣờng, giá trị và các hệ số rủi ro vốn thì cao hơn nhiều so với các công ty ít có nguy cơ kiệt quệ tài chính. Những đặc điểm này đƣợc thông báo cho những cổ phiếu có những bất đồng về thông tin công bố hay những tranh cãi liên quan đến giao dịch chứng khoán. Điều này trái ngƣợc với sự phỏng đoán rằng những ảnh hƣởng của giá trị và quy mô là sự bù đắp cho nguy cơ kiệt quệ tài chính.
Nhóm tác giả John Y.Campell, Jens Hilscher và Jan Szilagyi nhận thấy các mô hình nghiên cứu trƣớc đây chỉ xem xét tổng tài sản theo giá trị ghi sổ. Vì vậy trong mô hình 2 của John Y.Campell, Jens Hilscher và Jan Szilagyi, tổng tài sản đƣợc đề cập đến trong tất cả các chỉ số đều là giá trị thị trƣờng. Giá trị thị trƣờng của tổng tài sản đƣợc tính bằng cách thêm giá trị sổ sách của các khoản nợ vào giá trị thị trƣờng của vốn chủ sở hữu. Nhóm tác giả nhận
thấy rằng các chỉ số sau khi đƣợc hiệu chỉnh giá trị thị trƣờng có khả năng mô tả mạnh hơn các chỉ số ban đầu bởi giá trị thị trƣờng luôn bao gồm nhiều thông tin hơn và tái hiện tài sản vô hình của doanh nghiệp chính xác hơn.
Kết quả của John Y.Campell, Jens Hilscher và Jan Szilagyi (2008) cho rằng mô hình đã khắc phục đƣợc những hạn chế của mô hình Merton (1974) do phƣơng pháp đo lƣờng phá sản của Merton đã không bao hàm đầy đủ các yếu tố dẫn đến phá sản của doanh nghiệp. Mô hình này của nhóm tác giả cũng nhƣ mô hình của Crosbie và Bohn (2001) và mô hình của Vassalou và Xing (2004) vẫn chƣa đƣa ra dự báo phá sản tuyệt đối chính xác. Tuy nhiên, nhóm tác giả tin tƣởng rằng kết quả nghiên cứu này tƣơng tự nghiên cứu độc lập của Bharath và Shumway (2008) sẽ thúc đẩy sự ra đời của các phƣơng pháp dự báo mới thay thế cho các công cụ đo lƣờng phá sản trƣớc đây.
Những nguyên nhân dẫn đến kiệt quệ tài chính không chỉ đơn thuần là yếu tố tài chính và yếu tố thị trƣờng. Christidis và Gregory (2010) đã kiểm định một tập hợp các biến số tài chính, thị trƣờng và môi trƣờng kinh tế vĩ mô trong một mô hình dự báo kiệt quệ tài chính cho các doanh nghiệp niêm yết tại Anh bằng mô hình Hazard (mô hình Logit động), với mẫu gồm 589 doanh nghiệp niêm yết (giai đoạn 1978-2006). Kết quả của họ cho thấy, việc kết hợp đồng thời các biến tài chính, thị trƣờng và môi trƣờng kinh tế vĩ mô có khả năng dự báo kiệt quệ tài chính. Cụ thể các biến có khả năng dự báo kiệt quệ tài chính trong nghiên cứu là các biến tài chính bao gồm tổng nợ trên tổng tài sản, các biến thị trƣờng bao gồm giá trị thị trƣờng của cổ phiếu, tỷ suất sinh lợi vƣợt trội của cổ phiếu, dòng tiền trên giá trị thị trƣờng của tổng tài sản, sai số chuẩn của tỷ suất sinh lợi cổ phiếu trong 6 tháng thu nhập ròng trên giá trị thị trƣờng của tổng tài sản, giá trị vốn hóa thị trƣờng trên tổng giá trị vốn hóa toàn thị trƣờng và biến môi trƣờng kinh tế vĩ mô bao gồm chỉ số lạm phát, lãi suất tín phiếu kho bạc ngắn hạn.
Cũng nghiên cứu về kiệt quệ tài chính với sự kết hợp ba nhóm yếu tố tài chính, thị trƣờng và môi trƣờng kinh tế vĩ mô nhƣ Christidis và Gregory (2010), Tinoco và Wilson (2013) cũng đã tìm thấy bằng chứng mạnh mẽ về khả năng dự báo kiệt quệ tài chính tốt hơn khi kết hợp đồng thời 3 yếu tố tài chính, thị trƣờng và vĩ mô trong một mô hình nghiên cứu. Hai tác giả đã dự báo bằng mô hình hồi quy Logit, với mẫu gồm 23,218 quan sát giai đoạn 1980-2011. Kết quả nghiên cứu cho thấy khi kết hợp đồng thời cả ba yếu tố tài chính, thị trƣờng và vĩ mô trong cùng một mô hình, độ chính xác trong dự báo của mô hình đƣợc cải thiện đáng kể lên 92% so với mức 87% khi chỉ sử dụng một yếu tố tài chính, hoặc yếu tố tài chính, hoặc kết hợp yếu tố tài chính và vĩ mô, hoặc kết hợp yếu tố thị trƣờng và yếu tố môi trƣờng kinh tế vĩ mô. Từ đó có thể thấy yếu tố tài chính, thị trƣờng và môi trƣờng kinh tế vĩ mô đã bổ sung thông tin rất hiệu quả cho nhau trong việc dự báo tình hình tài chính của doanh nghiệp. Trong bài nghiên cứu, Tinoco và Wilson cũng tiến hành so sánh hiệu quả dự báo của mô hình phân tích phân biệt đa biến của Altman và mô hình phân tích logit. Kết quả cho thấy phƣơng pháp phân tích logit cho độ chính xác trong dự báo kiệt quệ tài chính là 92% cao hơn đáng kể so với khi sử dụng phƣơng pháp phân tích phân biệt đa biến của Altman với độ chính xác chỉ đạt 85% khi sử dụng chung một bộ dữ liệu.
Với kết quả khả quan nghiên cứu của Tinoco và Wilson (2013), tác giả dựa vào mô hình hồi quy logit này kết hợp với việc lựa chọn biến phù hợp với tình hình thực tế tại Việt Nam để thiết kế mô hình nghiên cứu nhằm xem xét sự tác động của các yếu tố đến kiệt quệ tài chính của doanh nghiệp.
1.4.2. Tổng quan nghiên cứu trong nƣớc
Theo nghiên cứu của Nguyễn Thu Hằng và Lê Cao Hoàng Anh (2012) về kiểm định mô hình chỉ số Z của Altman trong dự báo thất bại doanh nghiệp tại Việt Nam, nhóm tác giả đã tiến hành kiểm định chỉ số Z với mẫu nghiên
cứu gồm 293 doanh nghiệp niêm yết trên Sở giao dịch chứng khoán TP. Hồ Chí Minh trong giai đoạn 2004-2011. Kết quả kiểm định cho thấy mô hình của Altman rất hiệu quả với tỷ lệ dự báo chính xác đạt 91% tại thời điểm một năm trƣớc khi doanh nghiệp kiệt quệ tài chính, tỷ lệ này giảm xuống 72% trong vòng hai năm. Tuy nhiên, do số lƣợng doanh nghiệp kiệt quệ tài chính trong mẫu nghiên cứu khá ít (11 doanh nghiệp kiệt quệ, 282 doanh nghiệp không kiệt quệ). Chính vì vậy, độ tin cậy chỉ mang tính chất tƣơng đối, cần có những kiểm định với quy mô mẫu lớn hơn nhằm đảm bảo tính đại diện trong nghiên cứu.
Trong nghiên cứu của Phù Kim Yến và Nguyễn Mạnh Hiệp (2014) về mô hình hóa rủi ro kiệt quệ tài chính của các doanh nghiệp niêm yết Việt Nam, tác giả đã sử dụng mô hình hồi quy logit để tìm hiểu các yếu tố ảnh hƣởng đến tình trạng kiệt quệ tài chính của các doanh nghiệp niêm yết trên Sở giao dịch chứng khoán TP. Hồ Chí Minh chỉ xét trong giai đoạn hậu khủng hoảng từ năm 2009 đến năm 2012. Bài viết kiểm định tính khả dụng của mô hình chỉ số Z (Altman, 1968), sử dụng mô hình logit để xác định các chỉ số tài chính quan trọng có ảnh hƣởng đến xác suất kiệt quệ tài chính. Quy mô doanh