Bảng 4 .5 Kết quả dự báo xác suất kiệt quệ tài chính của các doanh nghiệp
Bảng 4.10Thước đo hiệu quả mơ hình khi dự báo kiệt quệ trước một năm
Thước đo Mơ hình 1 Mơ hình 2 Mơ hình 3 Mơ hình 4 Mơ hình 5
AUC 0.8651 0.6402 0.7198 0.8299 0.8457 Hệ số Gini 0.7302 0.2804 0.4396 0.6598 0.6914
Correctly classified 83.07% 74.35% 73.27% 74.81% 82.81%
Kết quả thống kê cho thấy, cả ba thước đo AUC, hệ số Gini và tỷ lệ phân loại chính xác của mơ hình 1 là cao nhất trong tất cả các mơ hình. Do đó có thể thấy mơ hình sử dụng kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mơ có khả năng dự báo kiệt quệ dựa trên tốt nhất.
Tuy nhiên, để đảm bảo cho kết quả đánh giá khả năng dự báo kiệt quệ của mơ hình là đáng tin cậy, bài nghiên cứu sẽ tiến hành kiểm định sự khác nhau của giá trị AUC giữa các phương trình. Ngồi ra, từ kết quả kiểm định, bài nghiên cứu cũng cho thấy được sự thay đổi của khả năng dự báo kiệt quệ khi các yếu tố lần lượt được đưa vào mơ hình. Từ đó có thể thấy được vai trị của các yếu tố trong việc dự báo kiệt quệ tài chính của doanh nghiệp. Kiểm định dựa trên phương pháp phi tham số được sử dụng bởi DeLong và các cộng sư (1988) trên cơ sở lý thuyết phát triển của Mann-Whitney U-Statistic. Giả thiết của kiểm định H0: giá trị AUC của các mơ hình là bằng nhau, nếu giá trị P-value dưới 0.05 thì giả thiết H0 bị bác bỏ và chấp nhận giả thiết H1: các giá trị AUC là khác nhau giữa các mơ hình. Bài nghiên cứu tiến hành các so sánh như sau:
So sánh giá trị AUC giữa mơ hình 1 với Mơ hình 2 để so sánh hiệu quả dự báo kiệt quệ của mơ hình chỉ sử dụng yếu tố tài chính với mơ hình sử dụng kết hợp cả ba yếu tố tài chính, vĩ mơ và thị trường (hình 4.4).
So sánh giá trị AUC giữa mơ hình 1 với mơ hình 3 để so sánh hiệu quả dự báo kiệt quệ của mơ hình chỉ sử dụng yếu tố tài chính kết hợp yếu tố vĩ mơ với mơ hình sử dụng kết hợp cả ba yếu tố tài chính, vĩ mơ và thị trường (hình 4.5).
So sánh giá trị AUC giữa mơ hình 1 với mơ hình 4 để so sánh hiệu quả dự báo kiệt quệ của mơ hình chỉ sử dụng yếu tố thị trường với mơ hình sử dụng kết hợp cả ba yếu tố tài chính, vĩ mơ và thị trường (hình 4.6).
So sánh giá trị AUC giữa mơ hình 1 với mơ hình 5 để so sánh hiệu quả dự báo kiệt quệ của mơ hình chỉ sử dụng yếu tố thị trường kết hợp yếu tố vĩ mơ với mơ hình sử dụng kết hợp cả ba yếu tố tài chính, vĩ mơ và thị trường (hình 4.7).
Kết quả so sánh như sau:
0 .0 0 0 .2 5 0 .5 0 0 .7 5 1 .0 0 Se n si ti vi ty 0.00 0.25 0.50 0.75 1.00 1-Specificity
MH1 ROC area: 0.8651 MH2 ROC area: 0.6402 Reference
Ho: area(mơ hình 1) = area(mơ hình 2) chi2(1) = 218.24 Prob>chi2 = 0.0000
Hình 4.4: So sánh giá trị AUC của phương trình mơ hình 1 và mơ hình 2 khi dự báo kiệt quệ trước 1 năm
Từ hình 4.4 cho thấy có sự khác biệt trong giá trị AUC giữa mơ hình sử dụng đầy đủ các yếu tố tài chính, vĩ mơ và thị trường và mơ hình chỉ sử dụng yếu tố tài chính với mức ý nghĩa 1%. Trong đó, mơ hình 1 có giá trị AUC đạt 0.8651 cao hơn 0.2251 so với mô hình 2 với giá trị AUC là 0.6402. Từ đó có thể thấy việc bổ sung yếu tố vĩ mơ và yếu tố thị trường vào mơ hình đã giúp cải thiện đáng kể hiệu quả dự báo kiệt quệ tài chính của mơ hình.
0 .0 0 0 .2 5 0 .5 0 0 .7 5 1 .0 0 Se n si ti vi ty 0.00 0.25 0.50 0.75 1.00 1-Specificity
MH1 ROC area: 0.8651 MH3 ROC area: 0.7198
Reference
Ho: area(mơ hình 1) = area(mơ hình 3) chi2(1) = 173.71 Prob>chi2 = 0.0000
Hình 4.5: So sánh giá trị AUC của mơ hình 1 và mơ hình 3 khi dự báo kiệt quệ trước 1 năm
Hình 4.5 biểu thị kết quả so sánh AUC giữ mơ hình 1 và mơ hình 3 cho với giá trị P-value nhỏ hơn 1% cho thấy có sự khác biêt có ý nghĩa giữa giá trị AUC của hai phương trình. Kết quả so sánh cho thấy, mặc dù có sự cải thiện tích cực hiệu quả của mơ hình khi yếu tố vĩ mơ được thêm vào mơ hình bổ sung thơng tin cho yếu tố tài chính, hiệu quả của mơ hình vẫn thấp hơn khá lớn so với mơ hình “đầy đủ”. Do đó có thể thấy yếu tố thị trường đã cung cấp thơng tin rất hữu ích trong việc dự báo kiệt quệ tài chính của doanh nghiệp.
0 .0 0 0 .2 5 0 .5 0 0 .7 5 1 .0 0 Se n si ti vi ty 0.00 0.25 0.50 0.75 1.00 1-Specificity
MH1 ROC area: 0.8651 MH4 ROC area: 0.8299 Reference
Ho: area(mơ hình 1) = area(mơ hình 4) chi2(1) = 17.39 Prob>chi2 = 0.0000
Hình 4.6: So sánh giá trị AUC của mơ hình 1và mơ hình 4 khi dự báo kiệt quệ trước 1 năm
Hình 4.6 so sánh giá trị AUC giữa mơ hình 1 và mơ hình 2 để dự báo kiệt quệ tài chính. Kết quả khá ấn tượng so với hai so sánh trước, mơ hình sử dụng yếu tố thị trường đạt hiệu quả dự báo khá cao với giá trị AUC 0.8299 cho thấy mơ hình sử dụng yếu tố thị trường dự báo kiệt quệ tài chính tốt hơn so với mơ hình chỉ sử dụng yếu tố tài chính. Tuy nhiên, kết quả so sánh vẫn cho thấy có sự khác biệt có ý nghĩa thống kê giữa giá trị AUC của mơ hình 1 và mơ hình chỉ sử dụng yếu tố thị trường. Trong đó, giá trị AUC của mơ hình 1 là 0.8651 cao hơn mơ hình chỉ sử dụng yếu tố thị trường là 0.8299.
0 .0 0 0 .2 5 0 .5 0 0 .7 5 1 .0 0 Se n si ti vi ty 0.00 0.25 0.50 0.75 1.00 1-Specificity
MH1 ROC area: 0.8651 MH5 ROC area: 0.8457 Reference
Ho: area(mơ hình 1) = area(mơ hình 5) chi2(1) = 19.15 Prob>chi2 = 0.0000
Hình 4.7: So sánh giá trị AUC của mơ hình 1 và mơ hình 5 khi dự báo kiệt quệ trước 1 năm
Khi yếu tố vĩ mơ được kết hợp vào mơ hình chỉ sử dụng yếu tố thị trường, giá trị AUC có sự cải thiện đáng kể tăng từ 0.8299 lên 0.8457 cho thấy mơ hình bao gồm hai yếu tố thị trường và vĩ mơ đã có khả năng dự báo kiệt quệ tài chính khá tốt. Tuy nhiên, kết quả kiểm định vẫn cho thấy có sự khác biệt trong giá trị AUC của mơ hình 1 và mơ hình chỉ sử dụng kết hợp yếu tố thị trường và yếu tố tài chính. Trong đó, giá trị AUC vẫn cao hơn có ý nghĩa cho thấy yếu tố tài chính đã bổ sung thơng tin hữu ích cho yếu tố thị trường và yếu tố vĩ mô trong việc dự báo kiệt quệ tài chính.
Như vậy, từ kết quả so sánh cho thấy, mặc dù yếu tố thị trường có khả năng dự báo kiệt quệ tài chính tốt hơn yếu tố tài chính. Tuy nhiên, việc kết hợp cả ba yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mơ vào mơ hình đã giúp cải thiện đáng kể hiệu quả dự báo kiệt quệ tài chính của mơ hình. Từ đó có thể thấy các yếu tố tài chính, yếu tố vĩ mơ và yếu tố thị trường đã bổ sung thơng tin hữu ích cho nhau phản ánh
tình hình sức khỏe của doanh nghiệp và mơ hình kết hợp cả ba yếu tố trên là mơ hình dự báo kiệt quệ tài chính tốt nhất.
Bằng việc ứng dụng mơ hình kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô để dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam, tác giả đã thu được các kết quả nghiên cứu như sau:
Thứ nhất, từ kết quả dự báo xác suất kiệt quệ tài chính của các doanh nghiệp và sử
dụng bảng phân loại độ chính xác, bài nghiên cứu đã xác định được giá trị điểm cắt tối ưu của mơ hình là 0.3. Với giá trị điểm cắt này, tác giả đã dự báo đúng 370 quan sát doanh nghiệp bị kiệt quệ, đạt tỷ lệ dự báo chính xác 73.71% và 1172 quan sát doanh nghiệp khơng bị kiệt quệ, đạt tỷ lệ dự báo chính xác 81%. Tính trên tổng thể, bài nghiên cứu đã dự báo kiệt quệ tài chính của các doanh nghiệp với mức độ chính xác 79.12% khi sử dụng giá trị điểm cắt là 0.3. Đây là một mức độ dự báo chính xác rất khả quan cho thấy mơ hình có khả năng dự báo kiệt quệ tài chính trước một năm là rất tốt.
Thứ hai, từ kết quả xác định mức độ phù hợp của mơ hình, bài nghiên cứu cho thấy
hầu hết các biến sử dụng trong mơ hình đều có khả năng dự báo kiệt quệ tài chính. Và dấu của các hệ số hồi quy đều đúng như kỳ vọng của tác giả, ngoại trừ biến CPI và biến MCTD. Mặt khác, tất cả các thước đo xác định mức độ dự báo chính xác của mơ hình đều cho thấy mơ hình kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô khi áp dụng ở Việt Nam có khả năng dự báo kiệt quệ tài chính chính xác hơn 80%.
Thứ ba, từ kết quả so sánh hiệu quả dự báo kiệt quệ tài chính giữ mơ hình 1 và các
mơ hình khác, bài nghiên cứu cho thấy mơ hình sử dụng kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mơ có khả năng dự báo kiệt quệ tài chính tốt nhất trong tất cả các mơ hình.
Tóm lại, từ những kết quả nêu trên, bài nghiên cứu cho thấy mơ hình có sự kết hợp
các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô là phù hợp nhất để dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam. Ngồi ra, bài nghiên cứu cịn đưa ra các thước đo nhằm đo lường độ chính xác của mơ hình, giúp các nhà phân tích lựa chọn linh hoạt giá trị điểm cắt phù hợp với nhu cầu của mình. Từ những ưu điểm trên, bài nghiên cứu đã cung cấp một cơng cụ dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam hiệu quả và linh hoạt hơn, giúp các nhà phân tích có được thơng tin hữu ích về tình hình tài chính của doanh nghiệp. Từ đó giúp các doanh nghiệp có những biện pháp kịp thời hạn chế kiệt quệ tài chính xảy ra, giúp các nhà đầu tư, ngân hàng và các đối tác kinh doanh giảm thiểu được rủi ro và cuối cùng là giúp cho nền kinh tế ổn định hơn.
CHƯƠNG 5: KẾT LUẬN Tóm tắt kết quả nghiên cứu
Mục tiêu của bài nghiên cứu là ứng dụng mơ hình kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô để dự báo kiệt quệ tài chính của các doanh nghiệp Việt Nam. Bài nghiên cứu được thực hiện dựa trên việc kế thừa mơ hình dự báo kiệt quệ tài chính của Mario Hernandez Tinoco và Nick Wilson (2013). Mẫu nghiên cứu là 527 doanh nghiệp đã và đang được niêm yết trên Sở giao dịch chứng khoán thành phố Hồ Chí Minh (HSX) và Sàn giao dịch chứng khốn Hà Nội (HNX) trong giai đoạn từ năm 2008-2014. Bài nghiên cứu đã đạt được kết quả nghiên cứu như sau:
Thứ nhất, bài nghiên cứu đã dự báo được đúng 370 quan sát doanh nghiệp bị kiệt
quệ đạt tỷ lệ dự báo chính xác 73.71% và 1172 quan sát doanh nghiệp không bị kiệt quệ đạt tỷ lệ dự báo chính xác 81%. Tính trên tổng thể, bài nghiên cứu đã dự báo kiệt quệ tài chính của các doanh nghiệp với mức độ chính xác 79.12% khi sử dụng giá trị điểm cắt là 0.3. Đây là một mức độ dự báo chính xác rất khả quan cho thấy mơ hình có khả năng dự báo kiệt quệ tài chính trước một năm là rất tốt. Hơn nữa, từ kết quả xác định mức độ phù hợp của mơ hình, bài nghiên cứu cho thấy hầu hết các biến sử dụng trong mơ hình đều có khả năng dự báo kiệt quệ tài chính. Và dấu của các hệ số hồi quy đều đúng như kỳ vọng của tác giả, ngoại trừ biến CPI và biến MCTD. Mặt khác, tất cả các thươc đo xác định mức độ dự báo chính xác của mơ hình đều cho thấy mơ hình kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô khi áp dụng ở Việt Nam có khả năng dự báo kiệt quệ tài chính chính xác hơn 80%. Thứ hai, khi so sánh với các mơ hình chỉ sử dụng một trong hai yếu tố tài
chính và thị trường khi sử dụng cùng bộ dữ liệu; mơ hình kết hợp yếu tố tài chính với yếu tố vĩ mơ; mơ hình kết hợp yếu tố thị trường với yếu tố vĩ mô, kết quả cho thấy hiệu quả của mô hình sử dụng đồng thời cả ba yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mơ được cải thiện đáng kể. Từ đó có thể thấy, mơ hình có sự kết hợp các yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mơ là mơ hình phù hợp nhất để dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam. Thứ ba, điểm khác
biệt của mơ hình so với các bài nghiên cứu trước đây tại Việt Nam là ngoài việc dự báo một doanh nghiệp có kiệt quệ tài chính hay khơng, bài nghiên cứu cịn tính tốn được xác suất một doanh nghiệp có thể lâm vào kiệt quệ tài chính. Đồng thời, bài nghiên cứu cũng cho phép các nhà phân tích xác định giá trị điểm cắt của mơ hình phù hợp với nhu cầu của mỗi người dựa trên tổn thất do việc dự báo sai một doanh nghiệp là kiệt quệ hay khơng kiệt quệ, do đó có thể giúp cho các nhà phân tích có được sự đánh giá linh hoạt và phù hợp hơn với nhu cầu của mình. Thứ tư, từ kết quả dự báo kiệt quệ tài chính của các doanh nghiệp Việt Nam, bài nghiên cứu đã cung cấp những thông tin hữu ích về tình hình tài chính của các doanh nghiệp. Từ đó giúp cho các nhà quản lý, các nhà đầu tư, các nhà cung cấp tín dụng có những điều chỉnh kịp thời giúp doanh nghiệp tránh lâm vào kiệt quệ tài chính và giảm thiểu tổn thất do kiệt quệ tài chính gây ra.
Hạn chế của nghiên cứu
Hạn chế thứ nhất của đề tài là do thị trường chứng khoán Việt Nam mới hình thành
và phát triển chưa lâu nên việc hạn chế về số liệu phân tích là điều khách quan khó tránh khỏi. Tuy nhiên, giới hạn về thời gian lấy mẫu ngắn chỉ từ năm 2008 đến năm 2014 và số lượng doanh nghiệp trong mẫu là khá nhỏ chỉ gồm 527 doanh nghiệp so với hơn 54000 doanh nghiệp trên toàn quốc và gần 800 doanh nghiệp niêm yết trên sàn chứng khốn thì mẫu nghiên cứu chưa đủ đại diện mạnh mẽ cho tổng thể, do đo có thể làm giảm khả năng dự báo và mức ý nghĩa của mơ hình. Vì vậy, với các bài nghiên cứu sau, khi số doanh nghiệp tham gia thị trường gia tăng và thông tin minh bạch hơn có thể cải thiện kết quả mơ hình bằng việc gia tăng thêm số quan sát trong nghiên cứu.
Hạn chế thứ hai của đề tài là do không thể thu thập được dữ liệu của lãi suất tín
phiếu kho bạc kỳ hạn 3 tháng nên bài nghiên cứu đã sử dụng dữ liệu lãi suất trái phiếu chính phủ kỳ hạn một năm để tính biến lãi suất thực trong mơ hình. Mặc dù sự thay đổi này vẫn phản ánh được mối quan hệ giữa lãi suất thực thị trường với khả năng kiệt quệ tài chính của doanh nghiệp. Tuy nhiên, sự khác nhau trong kỳ hạn lãi
suất có thể sẽ dẫn tới hiệu ứng biên của yếu tố lãi suất thay đổi và cuối cùng có thể ảnh hưởng đến giá trị xác suất kiệt quệ dự báo của doanh nghiệp. Do đó, bài nghiên cứu hy vọng khi nền kinh tế của Việt Nam phát triển, thông tin lãi suất trở nên minh