2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
3.2. Dữ liệu nghiên cứu
3.2.3. Xác định các yếu tố tác động khả năng kiệt quệ của một doanh nghiệp
Luận văn xây dựng một mơ hình tập trung vào 2 mục tiêu chính. Thứ nhất, xây dựng một mơ hình chính xác và kịp thời để dự báo kiệt quệ tài chính dựa trên các dữ liệu kế tốn có sẵn được cơng bố định kỳ. Mơ hình được thiết kế để có kết quả chính xác hơn so với các nghiên cứu trước đây trong lĩnh vực học thuật và mơ hình phải có giá trị thực tiễn. Zmijewski (1984), Pindado (2008) và được Tinoco và Wilson (2013) nhắc lại trong nghiên cứu của mình, chỉ ra rằng, trong thực tế, một tập hợp lớn các biến là khơng cần thiết để các mơ hình đạt được hiệu quả tối đa. Pindado (2008), chỉ sử dụng một bộ chỉ có 3 biến tài chính để đạt được một mức độ chính xác cao trong các mơ hình dự báo kiệt quệ tài chính của họ. Các biến sử dụng trong các nghiên cứu của họ là tỷ lệ EBIT trên Tổng tài sản, Chi phí tài chính (financial expenses) trên Tổng tài sản và Lợi nhuận giữ
lại (retained earnings) trên Tổng tài sản, để đại diện cho lợi nhuận, chi phí tài chính và lợi nhuận giữ lại. Zmijewski (1984) sử dụng các biến tài chính bao gồm tỷ suất lợi nhuận ròng trên tổng tài sản (Return on assets- ROA), địn bẩy tài chính, và tính thanh khoản (liquidity). Ngồi ra, trong một nghiên cứu thực nghiệm đi tìm mối quan hệ giữa rủi ro phá sản và rủi ro hệ thống, Dichev (1998) cũng chỉ sử dụng mơ hình bắt nguồn từ mơ hình kế tốn đang tồn tại như mơ hình 5 biến Z-score của Altman (1968) và mơ hình Logit 7 biến của Ohlson (1980). Mục đích thứ 2 của luận văn là kiểm tra tính hữu dụng của các biến phi tài chính kế tốn, như là các biến kinh tế vĩ mơ hay các biến thị trường, nhằm đóng góp tính kịp thời và chính xác trong việc dự báo kiệt quệ cho các cơng ty niêm yết. Có rất ít các nghiên cứu xem xét tác động của các loại biến trên bổ sung cho biến tài chính trước đây. Tuy nhiên, một sự thay đổi trong môi trường kinh tế vĩ mơ sẽ có tác động trực tiếp đến hoạt động của doanh nghiệp và ảnh hưởng trực tiếp đến khả năng kiệt quệ tài chính. Từ các lập luận trên, cũng tương tự như cách mà Tinoco và Wilson (2013) đã làm, tác giả sẽ rất hạn chế khi đưa ra một tập hợp rất nhiều biến để đưa vào mơ hình trong luận văn.
Dữ liệu được xử lý, kiểm tra một cách nghiêm ngặt và sử dụng một phương pháp mới để loại bỏ các quan sát ngoại lai. (Godfrey, 2009, cho rằng các giá trị ngoại lai có thể dẫn đến tình trạng lớn bất thường của phần dư (abnormally large residuals) và làm cho kết quả dự báo của mơ hình hồi quy nhị phân logit theo phương pháp maximum likelihood khơng cịn phù hợp (fit) thậm chí là bị sai và khơng có giá trị trong mơ hình. Tinoco và Wilson (2013) sử dụng cách chuyển đổi này trong các mơ hình dự báo kiệt quệ tài chính như là những người đầu tiên. Theo đó, sự tồn tại của các giá trị ngoại lai đối với một số quan sát trong cơ sở dữ liệu (có thể làm thay đổi đáng kể kết quả nghiên cứu), Tinoco và Wilson (2013) đã sử dụng phương pháp chuyển đổi lượng giác hyperbolic tangent (TANH transformation) đối với một số biến để giải quyết vấn đề về các giá trị ngoại lai này. Tinoco và Wilson (2013) đã dựa theo lập luận của Godfrey (2009), khi sử dụng công cụ chuyển đổi này, giá trị chuyển đổi sẽ nằm trong phạm vi [-
1;1] và khi x có giá trị nhỏ, thì TANH (x) ~ x. Vì vậy, TANH được sử dụng để tạo ra một phép biến đổi tuyến tính cho các giá trị đầu vào nằm gần giá trị “mong đợi” trong khi giảm giá trị của các giá trị nằm ngoài vùng mong đợi (Godfrey (2009). Trong luận văn này, tác giả cũng sử dụng cách chuyển đổi lượng giác này.