Trên thế giới, có nhiều mô hình để dự báo kiệt quệ tài chính như của Beaver (1966), Altman (1968), mô hình Ohlson (1980), mô hình dựa trên thị trường MKV- Merton (1974), mô hình mạng thần kinh nhân tạo (artificial neural network) (1990). Trong đó mô hình được biết đến nhiều nhất là mô hình Z- Score của Altman. Mẫu nghiên cứu của Altman (1986) là các công ty nộp đơn phá sản theo luật phá sản của Mỹ. Tuy nhiên, theo kiểm định của John và Robert (2001) tại thị trường Mỹ cho thấy rằng mô hình Z-Score (1986) dự báo kết quả kiệt quệ tài chính công ty tốt hơn dự báo phá sản. Dựa trên kết quả này, tác giả áp dụng mô hình của Altman để dự báo kiệt quệ tài chính của các doanh nghiệp niêm yết tại Việt Nam.
Như đã trình bày ở chương 2, ngoài mô hình ban đầu Z (1986) Altman đã phát triển hai mô hình khác là Z’(1983) và Z” (1993). Mô hình Z” được áp dụng với tất cả các loại hình doanh nghiệp, không phân biệt lĩnh vực sản xuất hay phi sản xuất. Theo kết luận của Altman (2000), Z” được đánh giá phù hợp với các thị trường mới nổi. Các kiểm định mô hình Z” tại Việt Nam của Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012), tại Thái Lan của Sasivima cùng cộng sự (2014) cũng cho thấy Z” phù hợp với thị trường tại nhữn quốc qua đang phát triển. Do đó, mô hình Z” được tác giả lựa chọn để dự báo nguy cơ kiệt quệ tài chính trong nghiên cứu này. Mô hình điểm số Z” cho các công ty sản xuất được Altman (1993) đưa ra như sau:
Trong đó
Z” = Chỉ số tổng hợp (Overall/Total assets) là biến phụ thuộc
X1 = Vốn lưu động/Tổng tài sản (Working captital/Total assets) Chỉ số này thường được sử dụng trong phân tích tài chính của doanh nghiệp. Vốn lưu động ở đây được Altman xác định bằng chênh lệch giữa tài sản ngắn hạn và nợ ngắn hạn. X1 dùng để đánh giá tính thanh khoản của công ty và thể hiện “sức khỏe” của công ty trong ngắn hạn.
X2 = Lợi nhuận giữ lại/Tổng tài sản (Retained earning/Total assets). Trong đó, lợi nhuận giữ lại thể hiện tổng số lợi nhuận được tái đầu tư hay lỗ lũy kế của doanh nghiệp trong suốt thời gian tồn tại của mình. X2 thể hiện thặng dư trong quá trình hoạt động của doanh nghiệp, phụ thuộc vào quá trình tái cấu trúc và chính sách chia cổ tức của công ty. Chỉ số X2 cao thể hiện rằng tài sản của công ty được tài trợ bằng lợi nhuận giữ lại nhiều thay vì sử dụng nợ.
X3 = Lợi nhuận trước thuế và lãi vay/Tổng tài sản (Earning before interests and taxes/Total assets). Chỉ số này đo lường khả năng tạo ra lợi nhuận từ tài sản của công ty mà không quan tâm đến thuế và nợ vay. Sự tồn tại của doanh nghiệp phụ thuộc vào khả năng sinh lời của tài sản do đó chỉ số này thường xuất hiện trong các nghiên cứu về thất bại doanh nghiệp.
X4 = Giá trị sổ sách của vốn chủ sở hữu/ Giá trị sổ sách của nợ (Book value of Equity / Book Value of totak debt).
Điểm cắt của mô hình Z” như sau:
Z” < 1,1: Công ty ở trong vùng có nguy cơ phá sản cao 1,1 < Z” < 2,6 : Công ty ở trong vùng cảnh báo
Theo hướng nghiên cứu, những công ty nghiên cứu sẽ được phân loại thành hai nhóm kiệt quệ và không kiệt quệ tài chính. Vì những công ty có Z” >2,6 là những không ty không bị kiệt quệ và 1,1< Z” < 2,6 có là những công ty có dấu hiệu chưa rõ ràng, nằm trong vùng cảnh báo do đó để phù hợp với hướng nghiên cứu, tác giả gộp nhưng doanh nghiệp ở vùng cảnh báo sẽ được xếp vào nhóm những doanh nghiệp kiệt quệ tài chính. Như vậy, điểm cắt của mô hình Z” trong nghiên cứu này là:
Z’< 2,6 : Công ty thuộc nhóm kiệt quệ tài chính Z > 2,6 : Công ty không kiệt quệ tài chính
Vì phương pháp phân tích đa biệt thức của Altman tồn tại một số nhược điểm như tỷ số Z được suy ra từ một hàm tuyến tính. Dựa vào tỷ số tổng hợp này so với các điểm cắt sẽ phân loại công ty thuộc nhóm kiệt quệ hay không kiệt quệ. Tuy nhiên, trong thực tế, một công ty vẫn có thể gặp vấn đề về tài chính ngay cả khi tỷ số Z rất cao. Thêm vào đó, biến phụ thuộc trong mô hình phân tích đa biệt thức được giả định là biến liên tục, điều này trái với thực tế xác suất một công ty rơi vào kiệt quệ chỉ có giá trị [0,1]. Do đó, việc dự báo nguy cơ kiệt quệ tài chính của các doanh nghiệp có độ chính xác không cao. Để khắc phục nhược điểm của kỹ thuật phân tích MDA, tác giả vận dụng mô hình Probit để hồi quy lại mô hình Z” và mô hình Z” được bổ sung biến mới. Sau đó, tiến hành so sánh mức độ phù hợp của các mô hình để tìm ra mô hình phù hợp nhất tại Việt Nam.
3.2 Phƣơng pháp nghiên cứu
Để đạt mục tiêu nghiên cứu của đề tài, tác giả thực hiện qua 2 giai đoạn: (1) đánh giá khả năng dự báo của mô hình Z”, (2) hồi quy lại mô hình mô hình Z” và mô hình Z” khi được thêm biến doanh thu thuần/tổng tài sản, dòng tiền hoạt động/tổng nợ phải trả và biến vĩ mô
Giai đoạn 1. Trước tiên, tác giả tiến hành đánh giá khả năng dự báo của mô hình Z”. Các bước được thực hiện như sau:
Bước 1: Phân loại các công ty thành 2 nhóm kiệt quệ và không kiệt quệ tài
chính dựa vào EBIDA. Một công ty bị xếp vào nhóm kiệt quệ tài chính nếu trong hai năm liên tiếp kể từ khi công ty phát hành trái phiếu lãi cao, EBITDA của công ty nhỏ hơn chi phí lãi vay hoặc trong bất kỳ năm nào mà EBITDA nhỏ hơn 80% chi phí lãi vay. Thời điểm kiêt quệ tài chính là năm xảy ra một trong hai sự kiện trên. Kết quả phân loại thu được từ bước này được xem kết quả phân loại theo thực tế.
Bước 2: Tính toán giá trị Z” theo công thức của Altman (1993) đã được trình
bày ở phần mô hình nghiên cứu
Z” = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4
Bước 3: Dựa trên giá trị Z” thu được, tác giả so sánh giá trị này với các điểm cắt để phân loại quan sát thành hai nhóm kiệt quệ và không kiệt quệ. Kết quả thu được từ bước 3 là kết quả dự báo theo lý thuyết.
Bước 4: So sánh kết quả dự báo theo lý thuyết ở bước 3 và kết quả thực tế ở
bước 1, từ đó xác định sai lầm loại 1 và loại 2 của mô hình. Đồng thời so sánh giá trị trung bình các biến độc lập giữa hai nhóm quan sát để đánh giá khả năng dự báo riêng lẻ của các biến độc lập.
Giai đoạn 2: Hồi quy mô hình Z” và mô hình Z” được bổ sung thêm biến mới bằng hồi quy Probit. Theo điều kiện của mô hình hồi quy, biến phụ thuộc là biến nhị phân trong đó: các công ty xếp vào nhóm kiệt quệ tài chính nhận giá trị 1 và các công ty không kiệt quệ sẽ nhận giá trị là 0 theo cách phân loại nhóm công ty dựa trên EBITDA.
Mô hình 1: là mô hình Z” của Altman (1993) Y = β0 + β1X1 + β2X2+ β3X3+ β4X4
Mô hình 2: là mô hình 1 bổ sung thêm biến: doanh thu thuần/ tổng tài sản và biến dòng tiền/ tổng nợ phải trả. Doanh thu/ tổng tài sản là chỉ số đánh giá khả năng tạo ra doanh thu từ tài sản của doanh nghiệp, được Altman sử dụng trong mô hình Z (1986) và Z’ (1983). Chỉ số này khá quan trọng và cũng là biến xếp thứ hai trong việc góp phần vào khả năng phân biệt tổng thể của mô hình Z (1986) do dó tác giả bổ sung thêm biến này vào mô hình dự báo tại thị trường Việt Nam để kiểm định khả năng dự báo của cả mô hình.
Mặt khác, theo kiểm định mô hình Z score thêm biến dòng tiền (mô hình ZJ) ở thị trường Anh của Almamy và cộng sự (2015) cho thấy mô hình mới có khả năng phân loại kiệt quệ hay không kiệt quệ tài chính tốt hơn so với mô hình gốc của Altman (1986). Nghiên cứu của Tinico và Wilson (2013) cũng sử dụng biến dòng tiền/ tổng nợ phải trả là một trong các biến tài chính do đó tác giả lựa chọn biến này vào mô hình để nghiên cứu.
Như vậy, trong mô hình 2 sẽ được bổ sung thêm hai biến tài chính và có dạng như sau:
Y = β0 + β1X1 + β2X2+ β3X3+ β4X4 + β5X5+ β6X6
Mô hình 3: là mô hình 2 bổ sung thêm các biến vĩ mô: △GDP và CPI. Nghiên cứu củaTinoco và Wilson (2013) đã sử dụng kết hợp cả dữ liệu tài chính, dữ liệu thị trường và dữ liệu vĩ mô để dự báo kiệt quệ tài chính. Dữ liệu vĩ mô vào mô hình với lập luận rằng biến vĩ mô bổ sung thêm một yếu tố động trong mô hình và sự thay đổi trong các điều kiện kinh tế vĩ mô sẽ tác động lên hoạt động của doanh nghiệp. Kết quả cho thấy, các biến vĩ mô có đóng góp tích cực vào khả năng dự báo của mô hình do đó trong tác giả bổ sung hai biến △GDP và CPI vào mô hình để
đánh giá khả năng dự báo của biến vĩ mô tại thị trường Việt Nam.
Y = β0 + β1X1 + β2X2+ β3X3+ β4X4 + β5X5+ β6X6 + β7X7+ β8X8
Trong đó:
Y là biến phụ thuộc. Qua các nghiên cứu đã tham khảo ở chương 2 kết hợp với thực tế tại Việt Nam, đề tài áp dụng quan điểm của Asquith, Gertner và Scharfstein (1994). Theo đó, nhóm tác giả đã định nghĩa kiệt quệ tài chính dựa vào tỷ số khả năng chi trả lãi vay. Một công ty bị xếp vào nhóm kiệt quệ tài chính nếu trong hai năm liên tiếp kể từ khi công ty phát hành trái phiếu lãi cao, thu nhập trước thuế, lãi vay và khấu hao (EBITDA) của công ty nhỏ hơn chi phí tài chính (chi phí lãi vay) hoặc trong bất kỳ năm nào mà EBITDA nhỏ hơn 80% chi phí lãi vay.
Như vậy với 2 tiêu chí trên, biến Y của một công ty vào một năm nhất định sẽ nhận giá trị là 1 (công ty kiệt quệ tài chính) nếu :
- EBITDA < chi phí lãi vay trong 2 năm liên tiếp
- EBITDA < 80% chi phí lãi vay trong một năm bất kỳ
Các quan sát nằm ngoài 2 tiêu chí trên thì được xác định là không kiệt quệ tài chính (Y=0).
Các biến độc lập được xác định như sau X1 = Vốn lưu động/Tổng tài sản.
X2 = Lợi nhuận giữ lại/Tổng tài sản
X3 = Lợi nhuận trước thuế và lãi vay/Tổng tài sản
X4 = Giá trị sổ sách của vốn chủ sở hữu/ Giá trị sổ sách của nợ X = Doanh thu thuần/ Tổng tài sản.
Các biến từ X1 đến X5 là các biến độc lập xuất hiện trong các mô hình điểm số Z của Altman. Đây những chỉ số thể hiện khả năng thanh khoản, hiệu quả hoạt động và cơ cấu nguồn vốn của công ty do đó kỳ vọng dấu của các biến này trong mô hình là dấu âm (-).
X6 = Dòng tiền hoạt động/ Tổng nợ phải trả. Theo nghiên cứu của Beaver (1966) chỉ số dòng tiền trên nợ được đánh giá là chỉ số đơn có khả năng dự báo phá sản mạnh. Tỷ số này cho thấy khả năng đảm bảo nghĩa vụ tài chính của công ty dựa trên dòng tiền được tạo ra từ hoạt động kinh doanh. Giá trị dương của chỉ số X6 cho thấy doanh nghiệp có vị thế tài chính tốt và công ty càng ít có khả năng rơi vào kiệt quệ tài chính. Do đó, kỳ vọng của tác giả về mối quan hệ giữa biến số này và khả năng kiệt quệ tài chính của công ty là nghịch biến (dấu -).
X7 = △GDP (tốc độ tăng trưởng tổng sản phẩm quốc nội). Chỉ tiêu này dùng để đánh giá tốc độ tăng trưởng về mặt khối lượng hàng hóa và dịch vụ cuối cùng của nền kinh tế. Một quốc gia có GDP tăng lên sẽ kéo theo sự tăng lên về nhu cầu, số lượng sản phẩm hàng hóa và dịch vụ, từ đó thúc đẩy hoạt động của các doanh nghiệp. Nghiên cứu của Charalambakis (2014) về kiệt quệ tài chính ở các công ty tư nhân Hy Lạp đã cho thấy mối quan hệ giữa sự tăng trưởng GPD với kiệt quệ tài chính. Khả năng dự báo của mô hình khi kết hợp các chỉ tiêu tài chính với các biến kinh tế vĩ mô tốt hơn so với mô hình chỉ bao gồm các biến tài chính. Nghiên cứu của Charalambakis cũng cho thấy khi nền kinh tế tăng trưởng, hoạt động doanh nghiệp tốt hơn do đó nguy cơ kiệt quệ tài chính thấp hơn. Một giá trị cao trong tốc độ tăng trưởng GDP sẽ làm giảm xác suất kiệt quệ, do đó △GDP cho một kỳ vọng dấu âm (-) trong mô hình.
X8 = CPI (chỉ số giá tiêu dùng), dùng để đo lường lạm phát. Mare (2012) phát triển mô hình dự báo phá sản cho những ngân hàng có quy mô nhỏ ở Ý và phân tích mối quan hệ giữa lạm phát và khả năng kiệt quệ tài chính. Theo nghiên cứu của Mare, lạm phát có quan hệ đồng biến với kiệt quệ tài chính vì theo quan
điểm của Mare, lạm phát cao là hậu quả của môi trường kinh tế vĩ mô yếu kém, do đó làm tăng số lượng cuộc khủng hoảng trong ngân hàng. Dựa theo quan điểm của Mare, CPI cao sẽ làm tăng xác suất kiệt quệ và vỡ nợ của doanh nghiệp, hay CPI cho một kỳ vọng dấu dương (+) trong mô hình.
Bước 2: Tiến hành so sánh Pseudo-R2 từ kết quả hồi quy của ba mô hình để
xem xét việc thêm biến có giúp tăng khả năng giải thích của mô hình không.