Trước khi phát triển các thước đo cụ thể phân tích định lượng hoạt động của doanh nghiệp, một số tổ chức đã được thiết lập để cung cấp mô hình định tính các thông tin đánh giá tình trạng tín dụng của doanh nghiệp. Bằng cách phân tich các chỉ số tài chính, có thế nhận biết được tình hình hoạt động và những khó khăn tài chính của doanh nghiệp.
Tập hợp các nghiên cứu chính thức liên quan đến dự báo thất bại doanh nghiệp được thực hiện trong những năm thập niên 1930. Smith (1930), Smith và Winakor (1935), Merwin (1942) đã kết luận rằng có sự khác biệt đáng kể về một số chỉ tiêu tài chính giữa công ty thất bại và công ty tiếp tục hoạt động.
Beaver (1966) đã dự báo phá sản bằng phương pháp phân tích các chỉ số tài chính theo kỹ thuật phân tích đơn biến. Trong nghiên cứu của mình, Beaver đã mở rộng định nghĩa về vỡ nợ. Theo Beaver, vỡ nợ là khi công ty không đáp ứng được nghĩa vụ nợ đến hạn trong khi hầu hết các nghiên cứu tại thời điểm đó chỉ xem xét các công ty vỡ nợ là công ty phá sản. Một công ty bị xem là vỡ nợ nếu xảy ra bất kỳ sự kiện nào như: phá sản, không thanh toán trái phiếu khi đến hạn, tài khoản ngân hàng bị thấu chi hoặc không chi trả được cổ tức cho những cổ phiếu ưu đãi. Mẫu nghiên cứu bao gồm 79 công ty bị thất bại (59 công ty phá sản, 16 công ty không thanh toán cổ tức ưu đãi, 3 công ty không trả được nợ và 1 công ty có tài khoản ngân hàng thấu chi) được lấy từ báo cáo chuyên ngành hàng năm của Moody trong giai đoạn 1954- 1964. Với mỗi công ty kiệt quệ trong mẫu, Beaver chọn một công ty không kiệt quệ tương ứng với cùng quy mô tài sản và cùng ngành để kiểm soát ảnh hưởng của nhân tố quy mô và đặc trưng ngành lên mối quan hệ giữa các tỷ số tài chính và thất bại doanh nghiệp.
tiền, nhóm các tỷ số thu nhập ròng, nhóm các tỷ số nợ trên tổng tài sản, nhóm các tỷ số tài sản có tính thanh khoản trên tổng tài sản, nhóm các tỷ số tài sản có tính thanh khoản trên nợ ngắn hạn và nhóm các tỷ số doanh thu. Kết quả nghiên cứu của Beaver cho thấy, các tỷ số tài chính đơn lẻ có khả năng dự báo vỡ nợ khá tốt.
Chính kỹ thuật phân tích đơn biến này của Beaver đã đặt nền móng cho các nghiên cứu tiếp theo. Tuy nhiên, việc phân tích riêng biệt các chỉ số tài chính có thể dẫn kết quả dự báo sai lầm trong thực tiễn. Chẳng hạn, một doanh nghiệp có khả năng sinh lời kém hay khả năng thanh toán kém, theo lý thuyết có thể được xem như có khả năng phá sản, nhưng nếu doanh nghiệp này vẫn đảm bảo được tính thanh khoản thì tình hình vẫn chưa nghiêm trọng đến mức độ phá sản. Do đó, việc xây dựng một mô hình kết hợp các chỉ số để dự báo tình trạng kiệt quệ tài chính của doanh nghiệp là cần thiết.
Altman (1968), đã chọn phương pháp phân tích đa biệt thức (MDA: Multiple Discriminant Analysis) để xây dựng mô hình dự báo sau khi nghiên cứu, xem xét một cách cẩn trọng về bản chất của vấn đề và mục đích phân tích. Ưu điểm của kỹ thuật MDA trong việc giải quyết vấn đề phân loại doanh nghiệp là khả năng phân tích toàn bộ biến của quan sát một cách đồng thời hơn là kiểm tra tuần tự các đặc điểm của quan sát đó như trong kỹ thuật phân tích đơn biến.
Mẫu nghiên cứu của Altman bao gồm 66 công ty được chia làm hai nhóm với 33 công ty ở mỗi nhóm. Nhóm phá sản (nhóm 1) là những công ty sản xuất đã nộp đơn phá sản theo Chương 10 của Luật phá sản của Mỹ trong giai đoạn 1946- 1954. Với mỗi công ty ở nhóm 1, Altman chọn ngẫu nhiên một công ty cũng thuộc ngành sản xuất vào nhóm 2.
Từ dữ liệu tài chính và thị trường của các công ty, Altman đã chọn 22 biến số có tác động mạnh nhất đến nguy cơ phá sản của công ty và chia thành 5 nhóm : nhóm các chỉ số thanh khoản, nhóm chỉ số lợi nhuận, nhóm chỉ số đòn bẩy, nhóm chỉ số khả năng thanh toán và nhóm chỉ số hoạt động. Từ danh sách 22 chỉ số ban
đầu, cuối cùng có 5 chỉ số được chọn.
Mô hình điểm số Z cho các công ty sản xuất được Altman đưa ra như sau: Z = 0.012X1 + 0.014X2 + 0.033X3 + 0.006X4 + 0.999X5
Trong đó:
Z = Chỉ số tổng hợp (Overall/Total assets)
X1 = Vốn lưu động/Tổng tài sản (Working captital/Total assets).
X2 = Lợi nhuận giữ lại/Tổng tài sản (Retained earning/Total assets).
X3 = Lợi nhuận trước thuế và lãi vay/Tổng tài sản (Earning before interests and taxes/Total assets
X4 = Giá trị thị trường của vốn chủ sở hữu/Giá trị sổ sách của nợ (Market value equity/Book value of total debt)
X5 = Doanh thu/Tổng tài sản (Sales/ Total assets).
Điểm số Z sau khi được tính ra được so sánh với các mức điểm cắt được xác định trước để phân loại doanh nghiệp.
Z < 1,81: Công ty ở trong vùng có nguy cơ phá sản cao
1,81 < Z < 2,99: Công ty ở trong vùng cảnh báo
Z > 2,99: Công ty nằm trong vùng an toàn
Theo thời gian, qui mô của các công ty thay đổi theo xu hướng ngày càng lớn hơn, chuẩn mực của hệ thống báo cáo tài chính cũng có sự thay đổi, mô hình tập trung phân biệt các công ty sản xuất thuộc các ngành cụ thể chưa mang tính tổng
quát… đã làm cho khả năng dự báo của mô hình chỉ số Z của Altman (1968) suy giảm. Do đó, Atlman cùng các cộng sự (1977) đã tiếp tục nghiên cứu và phát triển mô hình Zeta xác định nguy cơ phá sản của các tập đoàn. Mô hình sử dụng dữ liệu của 111 công ty thuộc cả lĩnh vực sản xuất và bán lẻ trong giai đoạn từ 1969 đến 1975. Mẫu nghiên cứu gồm 53 công ty phá sản (58 công ty thuộc lĩnh vực sản xuất, 24 công ty thuộc lĩnh vực bán lẻ) và 58 công ty không phá sản (32 công ty thuộc lĩnh vực sản xuất và 26 công ty thuộc lĩnh vực bán lẻ). Vì tính độc quyền của mô hình nên Altman và các cộng sự không cung cấp đầy đủ các trọng số của mô hình mà chỉ cung cấp 7 biến số mô hình sử dụng.
X1 = EBIT/ Tổng tài sản (Return on assets)
Trong đó, tổng tài sản không bao gồm lợi thế thương mại và tài sản vô hình như trong mô hình cũ.
X2 = Mức ổn định của thu nhập (stability of earnings )
Chỉ tiêu này được đo lường bằng độ lệch chuẩn của X1 trong khoảng thời gian 5 đến 10 năm. Rủi ro kinh doanh thường được biểu hiện thông qua sự biến động của thu nhập nên biến số này khá hiệu quả.
X3 = EBIT/ Lãi vay ( debt service)
Tỷ số này được chuyển sang thước đo log cơ số 10 để chuẩn hóa và làm cho khác biệt giữa các tỷ số không quá lớn.
X4 = Lợi nhuận chưa phân phối / Tổng tài sản (cumulative profitability)
X5 = Tài Sản lưu động/Tổng tài sản (liquidity)
X6 = Vốn chủ sở hữu/ Tổng vốn (capitalization)
cổ phần thường trong thời gian 5 năm.
Tổng vốn = Vốn cổ phần thường + vốn cổ phần ưu đãi + nợ + tài sản thuê ngoài đã được vốn hóa.
X7 = Tổng tài sản (size) được lấy theo hàm log.
Mô hình Zeta cho kết quả dự báo có độ chính xác đến 90% trong thời gian 1 năm trước khi phá sản và 70% trong thời gian 5 năm trước phá sản. Nghiên cứu cũng cho thấy không có sự khác biệt lớn giữa công ty thuộc lĩnh vực sản xuất và các công ty thuộc lĩnh vực khác. Như vậy, so với mô hình cũ năm 1968, mô hình Zeta khắc phục nhược điểm khả năng dự báo giảm nhiều khi thời gian dự báo được kéo dài ra. Tuy nhiên, do nghiên cứu chỉ đưa ra các biến để dự báo phá sản nhưng lại không cung cấp hệ số cho các biến nên mô hình nghiên cứu này không được sử dụng rộng rãi và kiểm định bởi các nghiên cứu khác.
Trong các nghiên cứu tiếp theo, từ mô hình gốc Z năm 1968, Altman và các cộng sự đã điều chỉnh và thiết lập hai phiên bản Z’ (1983) và Z” (1993) dành cho các nhóm doanh nghiệp khác nhau. Cụ thể:
Mô hình dành cho công ty tư nhân trong lĩnh vực công nghiệp: Z’ = 0,717X1 + 0,874X2 + 3,017X3 + 0,42X4 +0,998 X5
Các điểm cắt của mô hình Z’ như sau:
Z’ < 1,23: Công ty ở trong vùng có nguy cơ phá sản cao 1,23 < Z’ < 2,90: Công ty ở trong vùng cảnh báo Z’ > 2,90: Công ty nằm trong vùng an toàn
Z” = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4
Trong mô hình này, Altman đã loại bỏ biến X5 vì chỉ số này không đồng nhất giữa các công ty sản xuất và thương mại dịch vụ.
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
Z” > 2,6: Công ty nằm trong vùng an toàn
Tất cả các hệ số cho các biến từ X1 đến X4 đều thay đổi cũng như trung bình nhóm và điểm giới hạn. Trong mô hình Z” cũng cần lưu ý rằng, chỉ số X4 được xác định bằng giá trị sổ sách của VCSH/giá trị sổ sách của nợ. Các nghiên cứu của Altman sử dụng phương pháp phân tích đa biệt thức tuy nhiên vẫn còn tồn tại một số nhược điểm vì giả thiết mô hình là các biến độc lập có phân phối chuẩn nên khi dữ liệu không đảm bảo điều kiện này thì kết quả đáng tin cậy. Ngoài ra MDA không cho biết mức độ đóng góp của các biến riêng lẻ vào khả năng dự báo chung của mô hình.
Về sau, có nhiều nghiên cứu được thực hiện để kiểm định mô hình chỉ số Z của Altman. Samarakoon và Hasan (2003) đã thực hiện kiểm định của ba mô hình Z, Z’, Z” tại thị trường chứng khoán Sri Lanka. Kết quả cho thấy việc sử dụng mô hình chỉ số Z, Z’ và Z” để dự báo nguy cơ phá sản thông qua các chỉ số tài chính là khá tốt trong đó mô hình Z” được đánh giá là phù hợp nhất đối với thị trường mới nổi như Sri Lanka.
Nghiên cứu của Almamy và cộng sự (2015) tại thị trường Anh giai đoạn 2000 - 2013 dựa trên mô hình Altman (1968) bổ sung thêm biến dòng tiền (mô hình J-UK) cho thấy kết quả dự báo ở mô hình mới cao hơn với mô hình gốc. Mẫu
nghiên cứu bao gồm 1090 công ty trong đó bao gồm 1000 công ty không kiệt quệ và 90 công ty kiệt quệ. Thực hiện kiểm định mô hình J-UK và mô hình Z (1968) trong ba giai đoạn: trước, trong và sau khủng hoảng 2007-2008 cho kết quả rằng mô hình J-UK dự báo tốt hơn so với mô hình Z với tỷ lệ dự báo chính xác lên 82,9%.
Ohlson (1980) đã sử dụng mô hình xác xuất (Logit) để dự báo phá sản của các công ty với dữ liệu bao gồm 105 công ty phá sản và 2058 công ty không phá sản giai đoạn từ 1970 - 1976 tại thị trường Mỹ. Kết quả có 9 biến độc lập dùng để dự báo xác xuất phá sản của công ty, đó là: quy mô, tổng nợ/tổng tài sản, vốn lưu động/tổng tài sản, nợ ngắn hạn/tài sản ngắn hạn, OENEG (bằng 1 nếu tổng nợ lớn hơn tài sản, bằng 0 trong trường hợp ngược lại), thu nhập ròng/tổng tài sản, dòng tiền/tổng nợ, INTWO (bằng 1 nếu thu nhập ròng là âm trong 2 năm cuối và bằng 0 trong trường hợp ngược lại), CHIN.
Kết quả nghiên cứu cho thấy, các yếu tố có ý nghĩa thống kê ảnh hưởng đến xác suất vỡ nợ của công ty là: quy mô công ty, vốn lưu động trên tổng tài sản, nợ ngắn hạn trên tài sản ngắn hạn, thu nhập ròng trên tổng tài sản và dòng tiền trên tổng nợ. Tuy nhiên, trong nghiên cứu tác giả chưa xem xét đến tập hợp các biến thị trường và biến vĩ mô do đó chưa dự báo chính xác, kịp thời nguy cơ vỡ nợ của doanh nghiệp.
Tinoco và Wilson (2013) đã sử dụng mẫu 23.218 quan sát theo năm của các công ty niêm yết ở Anh trong giai đoạn từ 1980 - 2011. Bài nghiên cứu sử dụng kết hợp các số liệu tài chính, thông tin thị trường chứng khoán và các biến đại diện cho sự thay đổi trong môi trường kinh tế vĩ mô bằng mô hình Logit. Các biến tỷ số tài chính bao gồm: tỷ số dòng tiền hoạt động kinh doanh trên tổng nợ, tỷ số tổng nợ trên tổng tài sản, tỷ số (tài sản ngắn hạn - hàng tồn kho - nợ ngắn hạn) trên chi phí hoạt động hằng ngày và tỷ số EBITDA trên chi phí lãi vay. Các biến số thị trường gồm: giá cổ phiếu, tỷ suất sinh lợi vượt trội tích lũy, quy mô công ty, tỷ số vốn hóa thị trường trên tổng nợ. Các biến kinh tế vĩ mô bao gồm: chỉ số giá bán lẻ và lãi suất
tín phiếu ngắn hạn. Trong bài nghiên cứu này, công ty rơi vào kiệt quệ tài chính khi EBITDA nhỏ hơn chi phí lãi vay trong 2 năm liên tiếp hoặc khi giá trị thị trường công ty sụt giảm trong 2 năm liên tiếp hay khi công ty chính thức vỡ nợ.
Kết quả nghiên cứu cho thấy lợi ích của việc kết hợp dữ liệu tài chính, thị trường và kinh tế vĩ mô trong mô hình dự báo kiệt quệ tài chính cho các công ty được niêm yết vì khi có thêm các yếu tố động vào mô hình sẽ có tác dụng điều chỉnh tỷ số rủi ro. Bằng cách sử dụng một quy trình lý thuyết và thực nghiệm đa cấp độ, nghiên cứu này đưa ra một mô hình dự báo tình trạng kiệt quệ tài chính với một số lượng nhỏ các biến, nhưng có độ chính xác phân loại và dự báo khá cao.
Như vậy, trên thế giới, việc nghiên cứu ứng dụng các mô hình để đánh giá, dự báo nguy cơ kiệt quệ tài chính của các doanh nghiệp rất phổ biến. Tại Việt Nam, hiện chưa có nhiều nghiên cứu để xây dựng, kiểm định các mô hình đánh giá, dự báo nguy cơ kiệt quệ tài chính của công ty.
Ngoài việc giới thiệu mô hình điểm số Z, Lâm minh Chánh (2007) cũng đưa ra những phân tích nhằm giúp doanh nghiệp cải thiện điểm số Z và dùng điểm số Z để ước lượng hệ số tín nhiệm. Tuy nhiên, tác giả chưa đưa ra được các đánh giá, kiểm định xem mô hình có phù hợp với Việt Nam hay không.
Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012) đã thực hiện kiểm định mô hình chỉ số Z để dự báo thất bại doanh nghiệp tại Việt Nam. Thu thập báo cáo thường niên của 293 công ty niêm yết trên sàn HOSE giai đoạn 2004 -2011 (trong đó loại trừ 15 công ty tài chính – ngân hàng do đặc thù riêng trong cách hạch toán nợ của nhóm ngành này. Sau khi xem xét ba phiên bản chỉ số Z, các tác giả đã lựa chọn mô hình chỉ số Z” để thực hiện kiểm định đối với các doanh nghiệp Việt Nam. Mẫu nghiên cứu được chia làm hai nhóm: nhóm doanh nghiệp kiệt quệ, không còn đủ dòng tiền để trả cho các nghĩa vụ nợ và nhóm doanh nghiệp không kiệt quệ tài chính. Kết quả nghiên cứu cho thấy mô hình chỉ số Z” thực sự có khả năng nhận diện kiệt quệ tài chính và doanh nghiệp an toàn tài chính với tỷ lệ dự báo đúng tính
trên toàn bộ mẫu nghiên cứu là 90% vào thời điểm 1 năm trước khi kiệt quệ. Đề tài đã đánh giá mức độ phù hợp tại Việt Nam. Tuy nhiên, tiêu chí để xếp doanh nghiệp vào nhóm kiệt quệ dựa vào việc cổ phiếu công ty bị hủy niêm yết là chưa đánh giá đúng bản chất vấn đề.
Liêu Minh Lý (2014) đã so sánh khả năng dự báo của 2 mô hình Z –score và