hàng của Ngân hàng
Để áp dụng tính Z-Score, tác giả dùng báo cáo tài chính của một doanh nghiệp đang niêm yết trên sàn chứng khoán Lào để thể hiện cách tính Z-Score.
Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.64X4 + 0.999X5
−Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
−Nếu 1.8 < Z < 2.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.
−Nếu Z < 1.8: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cap.
➢ Bài toán để phân tích Z-Score
Theo công thức của Altman Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.64X4 + 0.999X5
Lấy dữ liệu từ bảng các biến độc lập
− AVS (2016) = 1.2(0.2228) + 1.4(0.06) + 3.3(0.0783) + 0.64(0.82) + 0.999(0.3678) = 1.502122122 − AVS (2017) = 1.2(0.2084) + 1.4(0.0568) + 3.3(0.072) + 0.64(0.72) + 0.999(0.3243) = 3.331225842 − AVS (2018) =1.2(0.0603) + 1.4(0.0442) + 3.3(0.0597) + 0.64(0.08) + 0.999(0.2667) = 2.645950723 − KNV (2016) = 1.2(-0.1575) + 1.4(0.0111) + 3.3(0.0163) + 0.64(0.33) + 0.999(0.4956) = 0.58651886 − KNV (2017) = 1.2(0.0251) + 1.4(0.0013) + 3.3(0.0101) + 0.64(0.42) + 0.999(0.7207) = 1.467363493 − KNV (2018) =1.2(0.0268) + 1.4(0.006) + 3.3(0.0068) + 0.64(0.21) + 0.999(0.2719) = 2.134348117
Bảng 3. 11. Các biến độc lập mô hình Z-Score X1 X2 X3 X4 X5 X1 X2 X3 X4 X5 X1 X2 X3 X4 X5 AVS 0.2228 0.06 0.0783 0.82 0.3678 0.2084 0.0568 0.072 0.72 0.3243 0.0603 0.0442 0.0597 0.8 0.2667 KNV -0.1575 0.0111 0.0163 0.33 0.4956 0.0251 0.0013 0.0101 0.42 64.09 0.0268 0.006 0.0068 0.21 0.2719 IMM 0.1642 0.0565 0.0681 0.39 0.0933 0.0559 0.0169 0.0242 0.52 0.0467 0.0903 0.0182 0.0262 0.4 0.0472 EBC -0.0631 -0.0285 -0.0267 0.25 0.1221 -0.067 0.007 0.0081 0.38 0.0912 -0.137 0.0001 0.001 0.27 0.112 RTB 0.4908 0.0112 0.0156 0.65 0.196 0.5264 0.0333 0.042 1.7 0.262 0.3859 0.0487 0.0627 1.22 0.3432 LAA 0.2302 0.0094 0.0137 0.25 0.3533 0.1851 0.0071 0.0107 0.32 0.3486 0.1756 0.0016 0.0042 0.13 0.3345 DFD 0.0666 -0.113 -0.112 1.48 0.357 -0.025 -0.121 -0.121 2.72 0.4228 -0.371 -0.114 -0.114 9.34 0.5066 KKC -0.016 0.0828 0.0974 2.05 0.1277 0.3541 0.0638 0.0724 1.37 0.1197 0.1047 0.0302 0.032 0.81 0.0742 RBP -0.025 0.0007 0.0007 0.26 0.0799 -0.106 0.0118 0.0128 0.97 0.0557 -0.14 0.0104 0.0131 0.68 0.0783 REL 0.0004 0.0000 0.0081 0.21 0.1739 0.0003 0.0000 0.0119 0.2 0.0329 0.0003 0.0000 0.0078 0.08 0.095 2018 2017 2016 Tên doanh
Bảng 3.12: Phân tích Z-Score Tên doanh nghiệp 2016 2017 2018 AVS 1.502122122 3.331225842 2.645950723 KNV 0.58651886 1.467363493 2.134348117 IMM 0.843585375 1.565734714 0.988368086 EBC 0.07832336 0.764534255 0.684800243 RTB 1.268006818 2.831620689 1.945836799 LAA 0.847415464 1.266386335 1.657995359 DFD 0.855260019 4.794769906 2.978287648 KKC 1.85711922 7.43627058 3.698771292 RBP 0.219496558 0.8054875 0.572846809 REL 0.3353361 0.8159357 0.877782
(Nguồn: Tác giả tính toán trên Microsoft Excel)
Dựa trên thông tin đó, tác giả tính toán chỉ số Z-Score như Bảng 3.12:
Kết quả chỉ số Z-Score cho thấy Z-Score AVS năm 2018 nằm trong ngưỡng 1.8 đến 2.99 có nguy cơ rủi ro về phá sản, tuy nhiên rủi ro này thấp vì Z-Score bằng 2.64 gần với ngưỡng 2.99. Như vậy nếu ngân hàng cho AVS vay có thể sẽ gặp rủi ro tín dụng với doanh nghiệp này. Chỉ số Z-Score KNV năm 2018 nằm trong ngưỡng 1.8 đến 2.99 có nguy cơ rủi ro về phả sản trong thời gian tới, rủi ro này cao vì Z-Score bằng 2.13 chỉ cao hơn mức 1.8. Như vậy doanh nghiệp này vay sẽ có nguy cơ rủi ro tín dụng cao. Chỉ số Z-Score IMM trong 3 năm đều nằm dươi 1.8 và nằm trong vùng có nguy cơ phá sản cao vì chỉ số Z-Score năm 2018 bằng 0.98. Nên ngân hàng không nên cho doanh nghiệp này vay vì nguy cơ phá sản cao. Chỉ số Z- Score EBC trong 3 năm đều rất thấp dưới mức 1.8, nằm trong vùng nguy hiểm có nguy cơ phá sản cao năm 2018 Z-Score bằng 0.68. Nên ngân hàng không cho doanh nghiệp này vay vì nguy cơ phá sản rất cao. Chỉ số Z-Score RTB năm 2017 không nằm trong vùng nguy hiểm, phá sản cao. Nhưng tới năm 2018 thì chỉ số Z-Score chỉ còn 1.94 cao hơn mức 1.8 nhưng vẫn nằm trong vùng cảnh báo. Vì vậy ngân hàng không nên cho doanh nghiệp này vay vì nguy cơ rủi ro tín dụng cao. Chỉ số Z-Score
LAA cả 3 năm đều nằm dưới mức 1.8. Năm 2018 Z-Score bằng 1.65 thấp hơn mức 1.8 nên ngân hàng không nên cho doanh nghiệp vay vì doanh nghiệp nằm trong vùng nguy hiểm, phá sản cao. Chỉ số Z-Score DFD hai năm 2016, 2017 đều nằm dưới mức 1.8 cảnh báo, nguy cơ phá sản cao. Năm 2018 thì chỉ số Z-Score đã tăng lên đáng kể bằng 2.97 so với mức 2.99. vì vậy ngân hàng sẽ không gặp nhiều rủi ro khi cho doanh nghiệp nay vay. Chỉ số Z-Score KKC cả 3 năm đều nằm trong vùng an toàn không có rủi ro tín dụng. Năm 2018 Z-Score bằng 3.69 cao hơn 2.99 nên ngân hàng có thể cho doanh nghiệp vay và không gặp rủi ro phá sản. Chỉ số Z-Score RBP trong 3 năm đều nằm dưới mức 1.8. Năm 2018 Z-Score bằng 0.57 vùng cảnh báo, nguy cơ phá sản cực lớn. Nên ngân hàng không nên cho doanh nghiệp vay vì sẽ gặp rủi ro phá sản lớn. Chỉ số Z-Score REL trong 3 năm đều dưới mức 1.8 nằm trong vùng cảnh báo. Năm 2018 Z-Score bằng 0.87 dưới mức 1.8 nên ngân hàng không nên cho doanh nghiệp vay vi sẽ gặp rủi ro phá sản cao.
Thực vậy, trên thế giới chỉ số Altman’s Z-Score đã được áp dụng trong nhiều năm và nhiều quốc gia khác nhau như năm 1968 cho các doanh nghiệp nhỏ tại Mỹ, sau đó giáo sư Altman còn áp dụng Z-Score trong nghiên cứu của mình năm 1983, 1998 và 2000. Kết quả cho thấy chỉ số Z-Score đã dự báo chính xác tới khoảng 95% doanh nghiệp bị phá sản trong năm kết tiếp và 72% doanh nghiệp bị phá nghiệp sẽ giúp cho NHTM có được dự báo sớm về rủi ro phá sản của doanh nghiệp, cũng chính là rủi ro tín dụng của NHTM.
KẾT LUẬN
Qua nghiên cứu em đã hiểu được dự báo nợ xấu tín dụng, rủi ro tín dụng dựa trên việc sử dụng mô phỏng việc sử dụng mô hình Logistic trong đánh giá và dự báo rủi ro vỡ nợ của các khách hàng doanh nghiệp và dự báo phá sản của khách hàng doanh nghiệp qua mô hình Z-Score.
Về kinh nghiệm bản thân:
Qua thời gian 4 tháng thực tập, nghiên cứu đề tài giúp em rõ hơn về quá trình tín dụng tại ngân hàng. Học hỏi thêm nhiều kinh nghiệm trong kỹ năng, nghiệp vụ quy trình quản lí tín dụng. Giúp em hoàn thiện hơn trong nền tảng kiến thức thực tế và phục vụ cho công việc sau này của bản thân.
Về mặt cơ sở lý thiết:
Việc áp dụng mô hình này trong công tác phân tích dự báo nợ xấu tín dụng tại Ngân hàng NAYOBY Lào mang tính khả thi và chính xác cao. Có một mô hình có khả năng dự đoán tốt sẽ mang lại nhiều lợi ích cho ngân hàng trong việc dự báo nợ xấu tín dụng.
Tuy nhiên, trong quá trình áp dụng và triển khai mô hình vào thực tế, phải thường xuyên có sự kiểm định để kịp thời có động thái hiệu chỉnh cho phù hợp. Vì vây, một vài khuyến nghị tác giả để xuất trong trường hợp các ngân hàng triển khai hệ thống đánh giá nợ xấu tín dụng, rủi ro tín dụng trên như sau:
− Xây dựng danh mục các yếu tố định tính thu thập thông tin khách hàng.
− Lưu trữ toàn hệ thống về thực trạng vay/cho vay/từ chối cho vay của toàn bộ khách hàng.
− Định kỳ kiểm tra lại tính chính xác của mô hình thời gian 6 tháng/ lần hoặc có thể thay đổi theo thực trạng về tỷ lệ nợ xấu cũng như tình hình kinh tế từng thời điểm.
Hướng phát triển của đề tài
Trong thời sian tới em sẽ tiếp tục nghiên cứu để hoàn thiện chương trình ngày một tốt hơn và đi sâu vào đến đề phân quyền rủi ro tín dụng đồng thời sẽ xây dựng các chức năng cao hơn để hoàn thiện mô hình và có thể đáp ứng được với nhu cầu thực tế xã hội.
Trân trọng cảm ơn Giảng viên hướng dẫn PGS.TS Nguyễn Văn Huân đã tận tình hướng dẫn, giúp đỡ, tạo điều kiện để em được học tập vận dụng kiến thức lý luận vào thực tiễn. Qua đó đúc rút những kinh nghiệm quý báu cho bản than, củng cố những kiến thức đã học để có thể thận và hoàn thành các nhiệm vụ.
TÀI LIỆU THAM KHẢO
1. Nguyễn Tiến Đức – Học viện tài chính quốc gia năm (2017), Luận văn thạc sĩ kinh tế, “Quản lí nợ xấu tại ngân hàng TMCP đầu tư và phát triển Việt Nam – chi nhánh Quảng Bình”.
2. Phạm Chí Khoa, Trường Đại học Kinh tế - Luật- Đại học Quốc gia TP HCM. Đăng tại Phát triển Kinh tế 289 (11/2014), “Áp dụng mô hình KVM-Merton dự báo rủi ro tín dụng khách hàng doanh nghiệp và khả năng thiệt hại của ngân hàng”.
3. Nguyễn Thị Cành, Trường Đại học Kinh tế - Luật- Đại học Quốc gia TP HCM.
4. Vũ Xuân Hùng, Công ty đầu tư tài chính nhà nước TP Hồ Chí Minh. Đăng tại Phát triển và hội nhập Số 15 (25) - Tháng 03-04/2014, “Ứng dụng mô hình Z- score vào quản lý rủi ro tín dụng cho các ngân hàng thương mại Việt Nam” Tác giả THS Nguyễn Phúc Cảnh. Trường Đại học Kinh tế TP Hồ Chí Minh. 5. Đoàn Thị Xuân Duyên – Trường Đại học Kinh tế TP HCM năm 2013, Luận
văn thạc sĩ kinh tế “Ứng dụng mô hình logit để đo lường khả năng trả nợ của khách hàng doanh nghiệp tại ngân hàng TMCP Á Châu”.
6. Nguyễn Thị Hoài Phương – Đại học kinh tế quốc dân năm (2012), Luận án tiến sĩ kinh tế, “Quản lí nợ xấu tại Ngân hàng thương mại Việt Nam”.
7. Ngân hàng Nhà Nước Việt Nam, 2005. Quyết định 493/2005/QĐ-NHNN ngày 22/04/2005 ban hành Quy định về phân loại nợ, trích lập và sử dụng dự phòng đểxử lý rủi ro tín dụng trong hoạt động ngân hàng của tổ chức tín dụng.
8. Ngân hàng Nhà Nước Việt Nam, 2013. Thông tư 02/2013/TT-NHNN ban hành ngày 21/01/2013 quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro về việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của TCTD, chi nhánh ngân hàng nước ngoài.
9. Chiara Pederzoli, Costanza Torricelli(2010), A parsimonious default prediction model for Italian SMEs.
10. Irakli Ninua (2008), (5) Does a collateralized loan have a higher probability to default.
11. Measuring the Likelihood of Small Business Loan Default: Community Development Financial Institutions (CDFIs) and the use of Credit-Scoring to Minimize Default Risk - Duke University, Durham, North Carolina (2010). 12. Collateral, type of lender anh relationship banking as determinants of credit
risk - Jiménez và Saurina (2003)
13. Nguyễn Văn Tuấn, Phân tích hồi quy Logistic (Logistic regression analysis)
http://bomonnoiydhue.edu.vn/
14. Nguyễn Phi Hiếu, Kinh tế lượng cơ bản, ngày 19/05/2019,
https://econometricsr.hieunguyenphi.com/
15. Quy chế phân loại nợ và hợp nhất nợ của tổ chức tài chính vi mô, số 02/BOL ngày 04/02/2015
16. Luật Ngân hàng Thương mại (Sửa đổi), số 56/QH tại Nghị định ngày 7/12/2018
17. Tóm lược hoạt động tín dụng ngân hàng NAYOBY 10 năm (2007 – 2017), ngân hàng Nayoby chi nhánh tỉnh Oudomxay, số 46/NBB.ODX, ngày 31/07/2017
18. Báo cáo tháng 09 năm 2018 và phương hướng kế hoạch 03 tháng cuối năm 2018, số 005/NBB.ODX, ngày 04/10/2018
19. Báo cáo tháng 09 năm 2018 và phương hướng kế hoạch tháng 10 năm 2018, số 006/NBB.ODX, ngày 04/10/2018
20. Báo cáo 12 tháng hoạt động văn phòng tài chính năm 2016, số 001/NBB.ODX, ngày 01/01/2017
21. Biên bản cuộc hợp đúc kết kinh nghiệm hoạt động việc trong giai đoạn 10 năm (2007-2017), số 106/NBB.ODX, ngày 30/08/2017
22. Báo cáo tài chính tháng 09 năm 2020 và phương huóng kế hoạch cuối năm 2020, số 009/NBB.ODX, ngày 06/10/2020
PHỤ LỤC
PHỤ LỤC 1: Tên doanh nghiệp là khách hàng của Ngân hàng
Thứ tự Tên công ty Mã CK
1 Công ty AVS – House Bất động sản AVS
2 Công ty KN Vientiane Group KNV
3 IMMOLAOS (Real Estate Services) IMM
4 Saiawardz Real Estate&Business Consulting Co., Ltd EBC
5 Công ty Bất động sản – RentsBuy RTB
6 Lao Assets Appraisal Co., Ltd (Công ty Thẩm định tài sản
Lào) LAA
7 DFDL (Lao) Sole Co.,Ltd DFD
8 KKC Consulting & Real Estate KKC
9 Rent & Buy Property RBP
PHỤ LỤC 2: Biến phụ thuộc của mô hình Logit
TÊN DN
2016 2017 2018
TLA EBITA EQUITYA SALESA TLA EBITA EQUITYA SALESA TLA EBITA EQUITYA SALESA
AVS 0.2732 0.0783 0.5915 0.3678 0.1958 0.0720 0.6040 0.3243 0.1171 0.0597 0.7066 0.2667 KNV 0.1979 0.0162 0.7785 0.4956 0.0360 0.0100 0.7357 0.7207 0.0326 0.0067 0.7275 0.2719 IMM 0.1850 0.0731 0.1375 0.3428 0.1221 0.0242 0.0386 0.4921 0.1376 0.0262 0.0401 0.4518 EBC 0.4435 -0.0267 0.6847 0.1221 0.4315 0.0081 0.0122 0.0912 0.3775 0.0010 0.0015 0.1120 RTB 0.3028 0.0156 0.5238 0.1960 0.2606 0.0420 0.0800 0.2620 0.0901 0.0627 0.1185 0.3432 LAA 0.4110 0.0137 0.6208 0.3533 0.3851 0.0107 0.5968 0.3486 0.3087 0.0042 0.6003 0.3345 DFD 0.2272 0.1122 0.8154 0.3570 0.2782 0.1212 0.8802 0.4228 0.1296 0.1141 0.9460 0.5066 KKC 0.1979 0.0974 0.2531 0.1277 0.0407 0.0724 0.3644 0.1197 0.0159 0.0320 0.6475 0.0742 RBP 0.2594 0.0007 0.4751 0.0799 0.1687 0.0128 0.5102 0.0557 0.1987 0.0131 0.5398 0.0783 REL 0.0743 0.0081 0.2476 0.1739 0.0537 0.0119 0.2640 0.0329 0.0360 0.0078 0.2390 0.0950
NGUỒN DỮ LIỆU
1. Các doanh nghiệp trong dự báo dựa trên mô hình Logit-Probit (Nguồn: Báo cáo tài chính hợp nhất kiểm toán từ năm
2016 – 2018)
Công ty AVS - House Bất động sản
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 1,047,772,033,498 1,106,594,686,113 986,217,209,349 Tổng tài sản 3,834,549,199,250 5,652,285,578,535 8,422,490,414,078 Lợi nhuận trước thuế 300,388,400,856 406,751,382,793 502,841,711,971
Nợ phải trả 2,267,972,420,308 3,414,002,551,720 5,951,210,958,377 Doanh thu 1,410,434,269,648 1,832,798,695,679 2,246,237,955,258 Nợ dài hạn/ Tổng tài sản 0.273245166 0.195778269 0.117093301
Lợi nhuận trước thuế/
Tổng tài sản 0.078337344 0.071962284 0.05970226 Nợ phải trả/ Tổng tài sản 0.591457379 0.604003903 0.706585661
Doanh thu/ Tổng tài sản 0.367822708 0.324257979 0.266695223
Công ty KN Vientinane Group
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 247,258,374,956 34,316,399,628 30,765,383,689
Tổng tài sản 1,249,155,839,504 952,446,083,159 944,537,046,040
Lợi nhuận trước thuế 20,309,211,687 9,619,614,321 6,412,544,379
Nợ phải trả 972,500,125,387 700,754,751,425 687,183,842,832
Doanh thu 619,094,322,348 686,396,656,556 256,856,183,654
Nợ dài hạn/ Tổng tài sản 0.197940375 0.036029756 0.032571919
Lợi nhuận trước thuế/
Tổng tài sản 0.016258349 0.010099904 0.006789087 Nợ phải trả/ Tổng tài sản 0.778525861 0.735742174 0.727535088
Doanh thu/ Tổng tài sản 0.495610157 0.720667205 0.271938708
IMMOLAOS (Real Estate Services)
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 3,311,386,151,854 2,782,536,293,241 3,563,471,434,838 Tổng tài sản 17,898,172,496,004 22,795,168,388,054 25,889,289,495,859 Lợi nhuận trước thuế 1,307,740,348,167 551,050,202,836 677,265,141,592
Nợ phải trả 9,509,689,312,317 14,272,195,661,245 16,870,601,303,917 Doanh thu 6,135,969,310,077 11,216,595,382,112 11,695,895,788,989 Nợ dài hạn/ Tổng tài sản 0.185012529 0.122066933 0.137642689
Lợi nhuận trước thuế/
Tổng tài sản 0.07306558 0.024173991 0.026160051 Nợ phải trả/ Tổng tài sản 0.531321805 0.626106174 0.651644044 Doanh thu/ Tổng tài sản 0.342826583 0.492060212 0.451765808
Saiawardz Real Estate&Business Consulting Co., Ltd
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 23,387,621,147 22,895,808,707 18,163,819,474 Tổng tài sản 52,736,469,601 53,062,127,656 48,111,441,616 Lợi nhuận trước thuế -1,406,287,691 430,145,293 47,696,838
Nợ phải trả 36,113,695,179 35,274,154,978 31,300,554,930 Doanh thu 6,439,779,268 4,841,225,074 5,388,200,400 Nợ dài hạn/ Tổng tài sản 0.443480979 0.431490589 0.377536379
Lợi nhuận trước thuế/
Tổng tài sản -0.026666322 0.008106446 0.000991382 Nợ phải trả/ Tổng tài sản 0.684795464 0.664770836 0.650584432 Doanh thu/ Tổng tài sản 0.122112445 0.09123692 0.111994158
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 1,779,227,543,251 1,584,989,468,240 615,391,618,802 Tổng tài sản 5,875,805,695,072 6,083,229,943,787 6,832,108,167,420 Lợi nhuận trước thuế 91,817,011,881 255,343,657,001 428,283,340,094
Nợ phải trả 3,077,744,741,352 3,192,668,780,809 3,612,748,321,996 Doanh thu 1,151,928,588,324 1,593,710,516,859 2,345,008,145,519 Nợ dài hạn/ Tổng tài sản 0.302805715 0.260550642 0.09007346
Lợi nhuận trước thuế/
Tổng tài sản 0.015626285 0.041975013 0.06268685 Nợ phải trả/ Tổng tài sản 0.523799612 0.524831185 0.528789684
Doanh thu/ Tổng tài sản 0.196046066 0.261984264 0.343233463
Lao Assets Appraisal Co., Ltd (Công ty Thẩm định tài sản Lào)
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 2,881,778,672,464 3,201,119,834,915 2,689,222,133,869 Tổng tài sản 7,010,967,973,608 8,312,491,432,050 8,712,257,964,384 Lợi nhuận trước thuế 95,720,680,341 88,752,437,094 36,548,979,819
Nợ phải trả 4,352,285,176,840 4,960,731,768,102 5,230,103,182,215 Doanh thu 2,477,281,631,049 2,897,509,397,628 2,914,292,449,934 Nợ dài hạn/ Tổng tài sản 0.41103863 0.38509752 0.308671087
Lợi nhuận trước thuế/
Tổng tài sản 0.013652991 0.010676996 0.004195121 Nợ phải trả/ Tổng tài sản 0.62078235 0.596780377 0.600315464 Doanh thu/ Tổng tài sản 0.353343738 0.348572918 0.334504839
DFDL (Lao) Sole Co.,Ltd
Chỉ tiêu 2016 2017 2018
Nợ dài hạn 35,294,600,222 33,097,896,771 10,992,264,979 Tổng tài sản 155,316,811,856 118,977,989,961 84,786,265,800 Lợi nhuận trước thuế 17,422,249,935 14,423,530,923 9,673,382,709
Nợ phải trả 126,641,310,940 104,726,019,967 80,209,071,386 Doanh thu 55,441,621,027 50,303,146,629 42,956,414,281 Nợ dài hạn/ Tổng tài sản 0.227242626 0.278185039 0.129646764
Lợi nhuận trước thuế/
Tổng tài sản 0.112172338 0.121228564 0.114091388 Nợ phải trả/ Tổng tài sản 0.815374134 0.880213391 0.946014907