2.3.3.1. Ưu điểm
Phương pháp của Altman có ưu điểm là do kết hợp các chỉ số tài chính với nhau, giúp tránh những xung đột về dự báo như trong cách tiếp cận phân tích đơn biến, các biến dự báo trở lên đa dạng và phong phú hơn do đó có thể làm giảm sai lầm loại I, loại II (Holmen, 1968 (tham khảo từ Đặng Huy Ngân (2018)). Phương pháp này dễ sử dụng và có thể áp dụng cho các đối tượng khác nhau, có thể áp dụng để phân loại các doanh nghiệp gặp khủng hoảng, chưa đến mức phá sản (Bragg, 2002 (tham khảo từ Đặng Huy Ngân (2018)).
Nghiên cứu của Vũ Thị Loan & Đặng Anh Tuấn (2016) so sánh mô hình phân tích theo chỉ số Z-score Altman và mô hình phân tích Logit cho thấy mô hình phân tích theo chỉ số Z-score Altman là phù hợp và đáng tin cậy hơn mô hình Logit, trong đó, mô hình này có khả năng dự báo tốt nhất ở thời điểm 1 năm trước khi công ty chính thức lâm vào tình trạng khó khăn tài chính.
2.3.3.2. Hạn chế
Mô hình Z-score có những nhược điểm liên quan đến các giả định cơ bản trong mô hình (giả thiết về phân phối chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của mô hình. Shumway (2001) cho rằng đây là phương pháp phân tích tĩnh, chưa tính đến các yếu tố kinh tế vĩ mô như tốc độ tăng trưởng GDP, lạm phát có thể ảnh hưởng đến khả năng vỡ nợ các doanh nghiệp.
Một nhược điểm nữa của phương pháp này là chưa xét đến đặc thù của các ngành kinh doanh khác nhau sẽ có những chỉ số tài chính phản ánh đặc trưng. Nguyên nhân do không có đủ số lượng đủ lớn các doanh nghiệp phá sản cho riêng từng ngành cụ thể để nghiên cứu xây dựng mô hình chỉ số Z đặc trưng của từng ngành. Tuy vậy, phương pháp chấm điểm Z của Altman vẫn được sử dụng rộng rãi trên thế giới, đặc biệt là đối với các công ty đầu tư chứng khoán, các ngân hàng và các kiểm toán viên trong việc hỗ trợ các quyết định của họ. Các nhà nghiên cứu cũng đi sâu xây dựng mô hình chỉ số Z-score mang yếu tố đặc trưng cho từng ngành.
2.3.4. Một số nghiên cứu vận dụng mô hιnh Z-score của Altman trong lĩnh vực ngân hàng
Một số tác giả sử dụng mô hình Z-score của Altman để áp dụng cho NHTM như:
Nghiên cứu của Pam (2013) sử dụng mô hình Z-score của Altman (1986) để dự báo rủi ro phá sản của các ngân hàng Nigeria. Dữ liệu nghiên cứu trong 05 năm (1999 - 2003). Mô hình Z - score được sử dụng là Z = 6,56T1 + 3,26T2 + 6,72T3 + 1,05T4. Tác giả cho rằng mô hình trên vẫn là một công cụ mạnh trong việc dự đoán khả năng thất bại của ngân hàng.
Nguyễn Đăng Tùng và Bùi Thị Len (2015) nghiên cứu đánh giá nguy cơ phá sản của các ngân hàng niêm yết trên thịu trường chứng khoán Việt Nam bằng chỉ số Altman Z score. Bằng việc sử dụng mô hình Z-score: Z’’ = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 áp dụng cho 39 NHTM Việt Nam giai đoạn 2008 - 2013 chỉ ra
rằng các ngân hàng có quy mô càng lớn (VCSH > 20 ngàn tỷ) hoặc càng bé (VCSH < 3,5 ngàn tỷ) chịu ảnh hưởng lớn trước những thay đổi của nền kinh tế. Do đó, chỉ số Z-score có sự nhạy cảm hơn các NHTM có quy mô vốn vừa phải.
Nghiên cứu của Khaddafi & cộng sự (2017) sử dụng mô hình Z-score = 1,2X1 + 1,4 X2 + 3,3X3 + 0,6X4 + 1,0X5 để dự đoán rủi ro phá sản của 29 ngân hàng niêm yết tại Indonesia giai đoạn 2011 - 2013.
Tuy nhiên, sự phức tạp của việc xác định ổn định tài chính trong hệ thống ngân hàng dẫn đến yêu cầu xây dựng mô hình chỉ số Z-score mang yếu tố đặc trưng riêng để định lượng sự ổn định đó phù hợp hơn. Các nhà nghiên cứu đã đi sâu xây dựng chỉ số Z-score áp dụng riêng trong lĩnh vực NHTM. Chỉ số này phản ánh rủi ro cấp độ tổng thể của ngân hàng hay xác suất vỡ nợ của ngân hàng đó.
2.4. Mô hình phân tích chỉ số Z-score áp dụng trong đánh giá bất ổn tàichính của NHTM chính của NHTM
2.4.1. Khái niệm chỉ số Z-score áp dụng cho các NHTM
Đối với lĩnh vực ngân hàng, Roy (1952) đã xây dựng chỉ số đo lường xác suất phá sản của các ngân hàng như sau:
E.
Mean (ROA + )ɪ
Zscore =---
σR0A
Trong đó ROA là tỷ suất lợi nhuận trên tổng tài sản, E/A là tỷ lệ vốn chủ sở hữu trên tổng tài sản và σROA là độ lệch chuẩn của tỷ suất lợi nhuận trên tổng tài sản.
Boyd & Graham (1986) trong nghiên cứu về rủi ro của các tập đoàn tài chính ngân hàng đầu tư ra ngoài lĩnh vực ngân hàng đã sử dụng chỉ số Z-score theo công thức sau để đánh giá rủi ro phá sản áp dụng cho lĩnh vực ngân hàng như sau:
E(ROA) + EQTA Zscore =---
Z-score xem xét khả năng phá sản của ngân hàng trong sự tương tác giữa khả năng tạo ra thu nhập (ROA), các cú sốc trong kinh doanh (thông qua biến thiên ROA), và nguồn vốn ngân hàng sẵn có để đối phó với các cú sốc này. Biến động thu nhập phản ánh chiến lược chấp nhận rủi ro của ngân hàng được đo lường bằng độ lệch chuẩn của ROA, được tính bằng độ lệch chuẩn của lợi nhuận trên tổng tài sản bình quân trong một thời kỳ (thường lấy t đến t-3). Mức vốn của ngân hàng được đánh giá qua hệ số EQTA, là vốn chủ sở hữu trên tổng tài sản đo lường mức sử dụng đòn bẩy tài chính.
Marco và Fernandez (2008) sử dụng chỉ số Z-score ở một dạng khác so với Boyd & Graham (1986) nhưng cơ bản vẫn thống nhất về bản chất:
Z — scoreit
- σl(R0Au) I2
-Ei(ROAu) + CAPu-
Trong đó: Ei(ROAit) là giá trị kỳ vọng tỷ suất lợi nhuận trên tổng tài sản của ngân hàng i, ROAit là tỷ suất lợi nhuận trên tổng tài sản của ngân hàng i ở thời điểm t, CAPit là tỷ số vốn chủ sở hữu bình quân trên tổng tài sản bình quân của ngân hàng i ở thời điểm t và σi(ROAit) là độ lệch chuẩn.
2.4.2. Ý nghĩa của chỉ số Z-score
Bản chất Z-score cho thấy khi Z-score càng cao tức ngân hàng càng có nhiều nguồn lực (lợi nhuận và vốn) để hấp thụ các cú sốc và đối phó các biến động trong kinh doanh tốt hơn, do đó khả năng không trả được nợ (rủi ro vỡ nợ) thấp. Trong trường hợp thua lỗ (ROA âm), biến thiên lợi nhuận mạnh, Z-score cũng thể hiện được việc thua lỗ sẽ làm thâm hụt vốn, từ đó khiến ngân hàng khó có khả năng đối phó với các tình huống xấu và có thể mất khả năng thanh toán dẫn đến nguy cơ phá sản. Như vậy, Z-score được xem là chỉ số đo lường rủi ro ngược, Z-score càng lớn thì xác suất phá sản của ngân hàng càng thấp, rủi ro càng thấp (Phạm Tiến Minh - Bùi Huy Hải Bích (2019)).
Các phiên bản khác nhau của Z-score cũng đã xuất hiện khá nhiều và thậm chí còn xa rời khỏi khái niệm ban đầu. Một số nghiên cứu ước tính giá trị độ lệch chuẩn của ROA chỉ căn cứ trên một phần của mẫu thời gian (2, 3, 4 hoặc 5 năm) và tiếp tục nguyên tắc này trên phần còn lại của mẫu để làm cho chỉ số Z-score trở nên nhạy hơn và do đó biến động nhiều hơn (Anginer và cộng sự, 2014; Williams, 2014). Các tác giả cho rằng bằng cách này, họ có thể nắm bắt tốt hơn những thay đổi tức thời phù hợp với từng bối cảnh của ngân hàng. Các tác giả khác thậm chí còn xem xét chỉ số Z-score nhạy hơn, bằng cách ước tính thước đo rủi ro hàng năm thông qua độ lệch chuẩn trung bình hàng quý (De Haan và Poghosyan, 2012; Anolli và cộng sự, 2014). Nhìn chung, điều này không có ý nghĩa hơn với khái niệm của chỉ số Z-score.
Đáng chú ý, ý nghĩa của chỉ số Z-score hoàn toàn biến mất khi thay vì phải sử dụng ROA thì một số tác giả sử dụng lợi nhuận trên vốn chủ sở hữu (ROE). Do đó, để đảm bảo được tiêu chí tăng số lượng quan sát nhiều nhất có thể, chỉ số Z-score được tính toán với độ lệch chuẩn của ROA cho cả giai đoạn khảo sát nên được ưu tiên áp dụng (Niu, 2012; Djatche, 2019).
Ngoài ra, Beck và cộng sự (2013), Leroy và cộng sự (2017) cho rằng, chỉ số Z-score cần được tính toán với khung thời gian bình quân ít nhất 03 năm.
2.4.4. Ưu điểm và hạn chế
2.4.4.1. Ưu điểm
Chỉ số Z-score cho tới nay được xem là một tiêu chí đại diện tốt cho rủi ro tổng thể của ngân hàng, hay đo lường sự ổn định tài chính, vì khi chỉ số này giảm có nghĩa là tính dễ đổ vỡ của ngân hàng gia tăng.
Beck và cộng sự (2013) chỉ ra 02 ưu điểm của cách tiếp cận theo chỉ số Z- score: phương pháp này giúp cân bằng chỉ số lợi nhuận và nguồn vốn đối với những ngân hàng có thay đổi bất thường trong giai đoạn nghiên cứu, chẳng hạn như cổ phần hóa, sáp nhập làm tăng vốn điều lệ; giúp dữ liệu bảng trở nên cân bằng, tránh được những chênh lệch do khung thời gian tính toán của mỗi ngân hàng.
Theo Chiaramonte và cộng sự (2016), 76% khả năng thất bại của các ngân hàng có thể được dự đoán tốt bằng chỉ số Z-score. Chỉ số Z-score được sử dụng để tính toán hành vi chấp nhận rủi ro của các ngân hàng thông qua vốn hóa, lợi nhuận và biến động tài sản của họ. Những sự biến động này là phù hợp để đánh giá khả năng ổn định tài chính của ngân hàng.
Nguyễn Lưu Tuyền (2018) cho rằng Z-score cho phép so sánh nguy cơ vỡ nợ trong nhiều nhóm tổ chức tài chính ngân hàng có quyền sở hữu hoặc mục tiêu hoạt động khác nhau.
Hơn nữa, một ưu điểm khác của chỉ số Z-score là nó ít đòi hỏi dữ liệu và dễ tính toán khi chỉ yêu cầu thông tin có sẵn trên báo cáo tài chính. Đây là lợi thế hàng đầu trong việc ưu tiên sử dụng chỉ số Z-score trong việc đánh giá ổn định tài chính hay rủi ro tổng thể của các hệ thống ngân hàng đang trong giai đoạn phát triển, nơi mà còn nhiều ngân hàng chưa niêm yết trên sàn chứng khoán.
2.4.4.1. Hạn chế
Nguyễn Lưu Tuyền (2018) cho rằng ngoài ưu điểm của Z-score là nó cho phép so sánh nguy cơ vỡ nợ trong nhiều nhóm tổ chức tài chính ngân hàng có quyền sở hữu hoặc mục tiêu hoạt động khác nhau nhưng cũng có một vài hạn chế khi sử dụng để đo lường sự ổn định tài chính. Giới hạn quan trọng nhất là Z-score được dựa hoàn toàn vào dữ liệu kế toán. Vì vậy, nếu các NHTM cố tình thay đổi các dữ liệu trên báo cáo, Z-score có thể cung cấp một đánh giá quá tích cực về sự ổn định của các tổ chức tài chính.
Ngoài ra, Z-score xem xét mức độ ổn định ở từng NHTM một cách riêng biệt và có thể bỏ qua rủi ro một NHTM sụp đổ có thể gây thiệt hại cho các tổ chức tài chính khác trong hệ thống.
Mặc dù vậy, với những ưu điểm nổi trội, Z-score vẫn là chỉ số được cả giới học thuật và thực hành công nhận và sử dụng rộng rãi trên thế giới.
2.5.1. Các nghiên cứu sử dụng mô hình Z-score để đánh giá bất ổn tài chinh của NHTM
Với vai trò quan trọng đặc biệt của hệ thống NHTM thì ổn định tài chính luôn là vấn đề thu hút sự quan tâm của giới nghiên cứu. ôn định tài chính của NHTM có thể được đo lường thông qua đánh giá khả năng phá sản của nó. Trong đó chỉ số Z- score được Boy & Graham (1986) đề xuất được áp dụng khá phổ biến.
Hanna & Hanweck (1988) đã phát triển chỉ số Z-score của Boyd & Graham (1986) nhằm đo lường bất ổn tài chính của các NHTM. Kết quả nghiên cứu chỉ ra rằng Z-score thể hiện việc giảm thu nhập sẽ làm thâm hụt vốn, từ đó khiến ngân hàng dần rơi vào tình trạng khánh kiệt và đi đến phá sản.
Hesse và Cihak (2007) phân tích vai trò của các ngân hàng hợp tác trong việc ổn định tài chính. Các tính toán được dựa trên dữ liệu của 16.577 ngân hàng từ năm 1994 đến năm 2004, bao gồm 11.090 ngân hàng thương mại, 3.072 ngân hàng hợp tác, và 2.415 ngân hàng tiết kiệm từ 29 nền kinh tế tiên tiến và thị trường mới nổi là các thành viên của Tổ chức Hợp tác và Phát triển Kinh tế (OECD). Nghiên cứu sử dụng Z-score để đo lường xác suất rủi ro và khả năng phá sản của ngân hàng - là xác suất mà giá trị tài sản trở nên thấp hơn giá trị các khoản nợ. Kết quả nghiên cứu chỉ ra rằng các ngân hàng hợp tác ổn định hơn các ngân hàng thương mại. Đồng thời cũng cho thấy rằng trong các hệ thống có sự hiện hữu của các ngân hàng hợp tác, các ngân hàng thương mại yếu kém sẽ mất ổn định nhiều hơn.
Ivicic và cộng sự (2008) nghiên cứu tác động của các biến số kinh tế vĩ mô và đặc điểm ngân hàng riêng biệt đối với rủi ro thanh toán của các ngân hàng ở 7 nước khu vực Trung và Đông Âu từ năm 1996 đến năm 2006. Rủi ro thanh toán của ngân hàng được đo bằng Z-score, chỉ số khoảng cách đến phá sản. Bên cạnh chỉ số Z- score thực tế, nghiên cứu xây dựng chỉ số Z-score có điều kiện liên kết trực tiếp rủi ro phá sản ngân hàng với các chỉ số ngân hàng cụ thể và chỉ số kinh tế vĩ mô. Các biện pháp đo lường rủi ro thanh toán được áp dụng cho kết quả có sự gia tăng tính
ổn định của ngân hàng ở tất cả các nước thuộc khu vực Trung và Đông Âu trong thời gian nghiên cứu.
Cihak & Hesse (2008) nghiên cứu lượng hóa sự ổn định tài chính của các ngân hàng hồi giáo trên cơ sở 77 ngân hàng hồi giáo tại 20 quốc gia Bahrain, Bangladesh, Brunei, Egypt, Gambia, Indonesia, Iran, Jordan, Kuwait, Lebanon, Malaysia, Mauritania, Pakistan, Qatar, Saudi Arabia, Sudan, Tunisia, United Arab Emirates, West Bank Gaza và Yemen.
Nghiên cứu cho thấy chỉ số Z-score càng lớn thì rủi ro khánh kiệt càng thấp. Beck và các cộng sự (2009) nghiên cứu bất ổn tài chính của các ngân hàng tại Đức giai đoạn 1995 - 2007. Nghiên cứu sử dụng đồng thời 03 phương pháp là chỉ số Z-score, chỉ số nợ xấu (NPL - score) và xác suất vỡ nợ (PD - score) để đo lường.
Nghiên cứu cho ra kết quả không hoàn toàn thống nhất khi áp dụng các chỉ số khác nhau do các chỉ số mang tính đo lường các rủi ro cụ thể không nhất thiết giống nhau: Phân tích theo Z-score cho thấy các ngân hàng tư nhân có lợi nhuận cao hơn và vốn hóa tốt hơn so với cả ngân hàng tiết kiệm và ngân hàng hợp tác, tuy nhiên, điều này được đánh đổi bởi sự biến động cao hơn trong lợi nhuận. Sử dụng chỉ số NPL - score làm thước đo rủi ro cho vay mang lại kết quả tương tự, mặc dù không có sự khác biệt đáng kể và nhất quán giữa ngân hàng hợp tác và ngân hàng tiết kiệm về rủi ro cho vay.
Tuy nhiên, khi sử dụng thước đo PD - score, nghiên cứu thấy rằng các ngân hàng tiết kiệm ổn định hơn ngân hàng hợp tác, trong đó các ngân hàng tư nhân lại đối mặt với rủi ro khó khăn cao nhất.
Foos & cộng sự (2010) sử dụng chỉ số Z - score = Mean[ROA + E∕A]∕σR0A theo đề xuất của Roy (1952) và Boyd & cộng sự (1993) đo lường rủi ro khánh kiệt trên cơ sở dữ liệu 16.000 ngân hàng tư nhân trong giai đoạn 1997 - 2007 tại 16 quốc gia (Mỹ, Canada, Nhật Bản và 13 nước EU).
Soedarmono và cộng sự (2011) trong nghiên cứu về năng lực cạnh tranh của ngân hàng, tăng trưởng kinh tế và ổn định tài chính đối với các ngân hàng Châu Á. Dữ liệu nghiên cứu từ 12 ngân hàng thương mại Châu Á giai đoạn 2001 - 2007.
Nghiên cứu sử dụng các chỉ số sau để đo lường: