CHƯƠNG 1 : GIỚI THIỆU
2.2. Các nghiên cứu trước đây về kiệt quệ tài chính
2.2.5. Các nghiên cứu sử dụng kết hợp biến tài chính, biến thị trường và
biến kinh tế vĩ mô
Sự kết hợp của các biến dữ liệu vĩ mơ vào các mơ hình nhằm nắm bắt sự thay đổi trong môi trường kinh tế vĩ mô cũng trở nên quan trọng. Các biến vĩ mô bổ sung thêm một yếu tố động trong mơ hình. Sự thay đổi trong các điều kiện kinh tế vĩ mô sẽ tác động lên hoạt động của công ty.
Sunti Tirapat và Aekkachai Nittayagasetwat (1997), mẫu nghiên cứu bao gồm các công ty niêm yết trên Sở giao dịch chứng khoán Thái Lan (SET) trải qua kiệt quệ tài chính trong năm 1997. Các công ty kiệt quệ tài chính được xác định trong bài nghiên cứu dựa theo một trong hai tiêu chí sau: các cơng ty bị đóng cửa bởi các cơ quan chính phủ (bao gồm ngân hàng và các cơng ty tài chính) hoặc có kế hoạch tái
cơ cấu được thông qua bởi NHTW Thái lan hay SET. Có 459 cơng ty niêm yết tại Sở giao dịch Chứng khốn Thái Lan vào năm 1996, trong đó có 55 cơng ty rơi vào tình trạng kiệt quệ tài chính theo các cách xác định trên. Các công ty niêm yết lần đầu vào năm 1995 và các cơng ty có dữ liệu khơng đầy đủ bị loại trừ. Mẫu kết quả bao gồm 341 cơng ty khơng bị kiệt quệ tài chính và 55 cơng ty kiệt quệ tài chính. Bài nghiên cứu xây dựng mơ hình dựa trên mối quan hệ tỷ suất sinh lời cổ phiếu cơng ty và khả năng kiệt quệ tài chính của cơng ty đó. Nhưng vì tỷ suất sinh lời cổ phiếu thực của công ty phản ánh cả rủi ro hệ thống và rủi ro riêng biệt của công ty nên tác giả đã thực hiện làm hai bước:
- Bước thứ nhất, sử dụng mơ hình đa yếu tố ước lượng tỷ suất sinh lời cổ phiếu hàng tháng của công ty i, Ri, và các hệ số β rủi ro của công ty i tương ứng với các biến số kinh tế vĩ mô, βk,i. Các biến kinh tế vĩ mơ đưa vào mơ hình đa yếu tố lần lượt như sau: F1 là chỉ số tăng trưởng sản lượng sản xuất hàng tháng (PMI), F2 là thay đổi trong chỉ số giá tiêu dùng hàng tháng (CPI), F3 là thay đổi lãi suất hàng tháng (INT), F4 là thay đổi trong cung tiền M2 hàng tháng (MS2). Từ mơ hình đa yếu tố trên tác giả tính tốn tỷ suất sinh lời ước tính của từng cổ phiếu và β rủi ro của công ty i tương ứng với các biến số kinh tế vĩ mô, βk,i.
- Bước thứ hai, tác giả ước lượng lần lượt hai mơ hình Logistic. Mơ hình 1 sử dụng tỷ suất sinh lời ước tính và mơ hình sử dụng β rủi ro của cơng ty i tương ứng với các biến số kinh tế vĩ mô, kết hợp với các chỉ số tài chính phân loại dựa trên các tiêu chí của hệ thống đánh giá CAMEL. Các biến số tài chính lần lượt như sau: X1 là tỷ lệ giá trị sổ sách của cổ phiếu trên tổng tài sản (SETA), X2 là tỷ lệ thu nhập giữ lại trên tổng tài sản (RETA), X3 là tỷ lệ lợi nhuận từ hoạt động kinh doanh trên lợi nhuận ròng (OINS), X4 là tỷ lệ vốn lưu động trên tổng tài sản (WCTA).
Kết quả nghiên cứu cho thấy, biến số SETA và tỷ suất sinh lời trong mơ hình 1; biến số SETA và βcpi trong mơ hình 2 là những biến quan trọng nhất và có ý nghĩa thống kê. Như vậy, nghiên cứu của nhóm tác giả trên đã cho thấy có sự tác động của điều kiệu kinh tế vĩ mơ đến xác suất rơi vào tình trạng kiệt quệ của các công ty.
Campbell, Hilscher và Szilagyi (2008), xem xét các yếu tố quyết định đến khả năng kiệt quệ của một doanh nghiệp thơng qua một mơ hình Logit trong đó bao gồm các biến tài chính và thị trường. Ngồi một tập hợp của 2 biến tài chính, một vài biến thị trường đã được kiểm định: log(TSSL vượt trội hàng tháng của doanh nghiệp với TSSL của S&P500), độ lệch chuẩn của TSSL hàng ngày của chứng khoán trong 3 tháng liên tiếp, quy mô của doanh nghiệp, đo bằng log(vốn hóa thị trường cơng doanh nghiệp/ vốn hóa của S&P500, và log(giá cổ phiếu).
Chava và Jarrow (2004), ngồi các biến tài chính của Altman (1968), các biến bao gồm trong nghiên cứu của Shumway (2001): biến tài chính, thu nhập rịng (Net Income) trên tổng tài sản, tổng nợ/ tổng tài sản; và các biến thị trường: quy mô tương đối của doanh nghiệp: Ln(giá trị thị trường vốn cổ phần của doanh nghiệp/ tổng giá trị thị trường của NYSE/AMEX), TSSL vượt trội hàng năm, được tính bằng, TSSL tích lũy hàng tháng trừ cho TSSL hàng tháng có trọng số của NYSE/AMEX và độ bất ổn của chứng khốn, được tính bằng, độ lệch chuẩn của 60 quan sát giá cổ phiếu theo tần suất hàng ngày.
Christidis và Gregory (2010), theo cách của Campbell (2008) đã thử nghiệm 3 biến thị trường trong một mơ hình dự báo kiệt quệ tài các cơng ty niêm yết tại Anh, bên cạnh cũng bao gồm một tập hợp các biến tài chính. Đối với các biến thị trường, họ thay thế giá trị sổ sách của tài sản bằng giá trị thị trường và kiểm tra xem log(TSSL vượt trội nửa năm/TSSL của FTSE All Share Index) và độ lệch chuẩn của chứng khốn (tính trong giai đoạn 6 tháng). Phát hiện của họ cho thấy rằng, giá trị thị trường có khả năng tăng độ chính xác trong mơ hình dự báo kiệt quệ tài chính. Tinoco và Wilson (2013) sử dụng một mẫu gồm 23.218 quan sát hàng năm của các công ty được niêm yết ở UK trong giai đoạn 1980 – 2011 với sự kết hợp của dữ liệu tài chính, dữ liệu thị trường và dữ liệu vĩ mơ để dự báo kiệt quệ tài chính và phá sản bằng mơ hình Logistic. Các biến số tỷ số tài chính thu thập từ dữ liệu kế tốn bao gồm: tỷ số dịng 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 hàng ngày và tỷ số EBITDA trên chi phí lãi vay. Các biến số thị trường: giá cổ
phiếu, tỷ suất sinh lợi vượt trội, quy mơ cơng ty, tỷ số giá trị vốn hóa thị trường trên tổng nợ. Các biến số kinh tế vĩ mô bao gồm: chỉ số giá bán lẻ và lãi suất tín phiếu kho bạc kỳ hạn ba tháng đã được điều chỉnh lạm phát. Kết quả nghiên cứu cho thấy các biến số tỷ số tài chính có khả năng dự báo khá tốt tình trạng kiệt quệ tài chính của các cơng ty; các biến số kinh tế vĩ mơ có đóng góp tích cực vào khả năng dự báo nói trên nhưng ở mức độ khơng cao và quan trọng nhất là các biến số tỷ số tài chính cho thấy đóng góp lớn nhất vào khả năng dự báo của mơ hình. Tuy nhiên, các loại biến số là không cạnh tranh loại trừ lẫn nhau trong việc đóng góp vào khả năng dự báo của mơ hình mà hoạt động bổ sung, hỗ trợ lẫn nhau.