Mơ hình (t) AUC Mơ hình 1 0.7924 Mơ hình 2 0.8778 Mơ hình 3 0.8818 Mơ hình 4 0.9219 Chi-square(3) 132.96 Prob>chi-square 0.0000
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Hình 4.1: So sánh các đường ROC trong các mơ hình (t)
Kết quả trong bảng 4.5 cho thấy, giá trị p – value = 0.000 và Chi-square trong kiểm định Mann – Whitney =132.96 (lớn) cho thấy giả thuyết H0 (các giá trị AUC của bốn mơ hình là bằng nhau) có thể bị bác bỏ ở mức ý nghĩa 0%, hay nói cách khác là các giá trị AUC khác nhau một cách có ý nghĩa thống kê. Do vậy, có sự cải thiện khả năng dự báo của mơ hình khi bổ sung biến giải thích. Điều này củng cố thêm cho kết luận ở phần trƣớc, sự kết hợp các thông tin vĩ mô và thông tin thị trƣờng giúp gia tăng mức độ chính xác trong việc dự báo kiệt quệ tài chính của doanh nghiệp.
Tóm lại, ngồi các thơng tin tài chính từ doanh nghiệp, các biến số vĩ mô cho thấy môi trƣờng mà doanh nghiệp hoạt động, các thông tin thị trƣờng hàm chứa một lƣợng lớn thông tin khơng có sẵn trong các báo cáo tài chính nhƣng lại đƣợc thị trƣờng đặc biệt quan tâm. Sự kết hợp này đóng vai trị gia tăng mức độ chính xác trong việc dự báo xác suất kiệt quệ tài chính của doanh nghiệp.
4.2.2. Mơ hình t-1: hồi quy với độ trễ 1 năm, năm t-1
Kết quả ở bảng 4.2 đã chỉ ra, khi xem xét các mơ hình tại thời điểm trƣớc 1 năm, nhằm dự báo sớm khả năng kiệt quệ tài chính của doanh nghiệp, các biến chỉ số tài chính (TFOTL, COVERAGE, NOCREDINT) và 2 biến vĩ mô (CPI, TBILL) thể hiện vai trò dự báo khá tốt trong mơ hình, trong khi các biến thị trƣờng cũng góp phần dự báo sớm kiệt quệ tài chính, tuy vậy, các biến thị trƣờng không thật sự ổn định trong mơ hình. Trong phần này, luận văn tiếp tục kiểm tra xem, việc bổ sung các biến vĩ mơ, biến thị trƣờng vào mơ hình các biến tài chính có cải thiện khả năng dự báo trƣớc của mơ hình hay khơng.
Kết quả trong bảng 4.4 cho thấy, trong các mơ hình (t-1) các giá trị AUC và Gini rank gia tăng từ mơ hình 1 đến mơ hình 4, điều này cho thấy việc thêm vào mơ hình hoặc là các biến số vĩ mô hoặc là các biến chỉ số thị trƣờng vào mơ hình chỉ các biến tỷ số tài chính đã làm gia tăng mức độ dự báo của mơ hình. Ngồi ra, hệ số Pseudo- R2 gia tăng giá trị qua các mơ hình (t) 2, 3 và 4, tức là có sự cải thiện khi bổ sung các biến vĩ mô và thị trƣờng vào mơ hình. Goodness of fit tests với
Hosmer-Lemeshow, giá trị của Hosmer-Lemeshow chi-square(8) nhận các giá trị nhỏ và p-value lớn, điều này cho thấy mơ hình phù hợp với dữ liệu.
Bảng 4.6: Đo lường độ phù hợp của mơ hình t-1
Thƣớc đo Mơ hình 1 Mơ hình 2 Mơ hình 3 Mơ hình 4
AUC 0.6772 0.7786 0.7545 0.8276
Gini rank coefficient 0.3544 0.5572 0.5090 0.6552
Pseudo- R2 0.0732 0.1588 0.1345 0.2330
Hosmer-Lemeshow goodness of fit test
H-Lemeshow chi2(8) 20.1 7.23 18.09 8.96
Prob. Chi-Sq(8) 0.01 0.5118 0.0206 0.3457
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Thực hiện kiểm định phi tham số Mann – Whitney nhằm kiểm định xem sự khác nhau giữa các giá trị AUC. Giả thuyết H0 của kiểm định Mann – Whitney nhƣ sau:
H0: area(mơ hình 1(t-1)) = area(mơ hình 2(t-1)) = area(mơ hình 3(t-1)) = area(mơ hình 4(t-1))
Bảng 4.7: Bảng kết quả kiểm định Mann – Whitney
Mơ hình (t) AUC Mơ hình 1 0.6772 Mơ hình 2 0.7786 Mơ hình 3 0.7545 Mơ hình 4 0.8276 Chi-square(3) 101.18 Prob>chi-square 0.0000
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Kết quả trong bảng 4.7 cho thấy, giá trị p – value = 0.000 và Chi-square trong kiểm định Mann – Whitney =101.18 (lớn) cho thấy giả thuyết H0 (các giá trị AUC của bốn mơ hình là bằng nhau) có thể bị bác bỏ ở mức ý nghĩa 0%, hay nói cách khác là các giá trị AUC khác nhau một cách có ý nghĩa thống kê. Do vậy, có sự cải thiện khả năng dự báo của mơ hình khi bổ sung biến giải thích trong mơ hình (t-1).
Hình 4.2: So sánh các đường ROC trong các mơ hình (t-1)
Nguồn kết quả hồi quy thực hiện từ chương trình Stata
4.2.3. Mơ hình t-2: hồi quy với độ trễ 2 năm, năm t-2
Kết quả trong bảng 4.3 cho thấy, 3 biến chỉ số tài chính (TFOTL, COVERAGE, NOCREDINT) tiếp tục thể hiện vai trò dự báo kiệt quệ tài chính sớm tới 2 năm. Trong khi các biến vĩ mơ (CPI, TBILL) khơng cịn thể hiện vai trò dự báo. Cuối cùng, các biến thị trƣờng cũng góp phần dự báo sớm kiệt quệ tài chính. Tiếp theo, tƣơng tự các mơ hình t và t-1, sau khi thực hiện các phép tính tốn các giá trị kiểm định với mơ hình t-2, tác giả cũng tìm thấy kết luận tƣơng tự. Kết quả bảng 4.5, bảng 4.7 cho thấy, các giá trị AUC, Gini rank coefficient, Pseudo- R2 đều có sự gia tăng qua các mơ hình 1, 2, 3, 4 khi bổ sung biến. Nhƣ vậy, việc thêm vào mơ hình hoặc là các biến số vĩ mô hoặc là các biến chỉ số thị trƣờng vào mơ hình chỉ các biến tỷ số tài chính đã làm gia tăng mức độ dự báo của mơ hình dùng biến trễ 2 năm (hay mơ hình dự báo sớm 2 năm).
Bảng 4.8: Đo lường độ phù hợp của mơ hình t-2
Thƣớc đo Mơ hình 1 Mơ hình 2 Mơ hình 3 Mơ hình 4
AUC 0.5720 0.6785 0.7125 0.7236
Gini rank coefficient 0.1440 0.3570 0.4250 0.4472
Pseudo- R2 0.0146 0.0585 0.0887 0.1000
Hosmer-Lemeshow goodness of fit test
H-Lemeshow chi2(8) 11.21 19.84 14.7 19.52
Prob. Chi-Sq(8) 0.1899 0.011 0.0653 0.0123
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Thực hiện kiểm định phi tham số Mann – Whitney nhằm kiểm định xem sự khác nhau giữa các giá trị AUC. Giả thuyết H0 của kiểm định Mann – Whitney nhƣ sau:
H0: area(mơ hình 1(t-2)) = area(mơ hình 2(t-2)) = area(mơ hình 3(t-2)) = area(mơ hình 4(t-2))
Bảng 4.9: Bảng kết quả kiểm định Mann – Whitney
Mơ hình (t) AUC Mơ hình 1 0.5720 Mơ hình 2 0.6785 Mơ hình 3 0.7125 Mơ hình 4 0.7236 Chi-square(3) 38.86 Prob>chi-square 0.0000
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Kết quả trong bảng 4.9 cho thấy, giá trị p – value = 0.000 và Chi-square trong kiểm định Mann – Whitney =38.86 (lớn) cho thấy giả thuyết H0 (các giá trị AUC của bốn mơ hình là bằng nhau) có thể bị bác bỏ ở mức ý nghĩa 0%, hay nói cách khác là các giá trị AUC khác nhau một cách có ý nghĩa thống kê. Do vậy, có sự cải thiện khả năng dự báo của mơ hình khi bổ sung biến giải thích trong mơ hình (t-2).
Hình 4.3: So sánh các đường ROC trong các mơ hình (t-2)
Nguồn kết quả hồi quy thực hiện từ chương trình Stata
4.2.4. Tổng hợp kết quả kiểm định phù hợp của mơ hình
Tổng hợp các kết quả kiểm định độ phụ hợp của mơ hình nhận thấy việc bổ sung các biến vĩ mơ, biến thị trƣờng vào mơ hình biến tài chính đã giúp cải thiện mức độ chính xác của dự báo. Theo đó, ngồi các thơng tin tài chính từ doanh nghiệp, các biến số vĩ mô cho thấy môi trƣờng mà doanh nghiệp hoạt động, các thông tin thị trƣờng hàm chứa một lƣợng lớn thơng tin khơng có sẵn trong các báo cáo tài chính nhƣng lại đƣợc thị trƣờng đặc biệt quan tâm. Sự kết hợp này đóng vai trị gia tăng mức độ chính xác trong việc dự báo xác suất kiệt quệ tài chính của doanh nghiệp.
4.3. Diễn giải kết quả hồi quy, đo lƣờng hiệu ứng cận biên (marginal effects)
Nhƣ đã thảo luận ở phần trƣớc, các thơng số ƣớc lƣợng từ các mơ hình nhị phân khơng giống nhƣ các mơ hình tuyến tính, nó khơng giải thích trực tiếp và mô tả trực tiếp mối quan hệ giữa các biến độc lập và biến phụ thuộc (Long và Freese, 2003). Mơ hình dự báo xác suất kiệt quệ tài chính và phá sản là mơ hình nhị phân, các giá trị của hệ số ƣớc lƣợng khơng thể giải thích những tác động của biến độc lập riêng
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
Mơ hình 1 (t-2) ROC area: 0.572 Mơ hình 2 (t-2)ROC area: 0.6785 Mơ hình 3 (t-2) ROC area: 0.7125 Mơ hình 4 (t-2) ROC area: 0.7236 Reference
rẽ lên sự thay đổi của biến phụ thuộc trong mơ hình vì bản chất phi tuyến của chúng. Phƣơng pháp đo lƣờng hiệu ứng cận biên (marginal effects) đƣợc sử dụng để diễn giải kết quả hồi quy. Khi xem xét hiệu ứng cận biên của từng biến đối với xác suất để cơng ty rơi vào tình trạng kiệt quệ tài chính, hiệu ứng cận biên sẽ thay đổi cùng với sự thay đổi trong miền giá trị của biến độc lập đang xem xét. Khi xem xét tác động của từng biến, các biến độc lập còn lại sẽ đƣợc giữ cố định tại giá trị trung bình trong miền xác định của từng biến, giá trị trung bình của các biến độc lập này đã đƣợc trình bày trong phần thống kê mơ tả.
Bảng 4.10: Bảng kết quả Hiệu ứng cận biên của từng biến trong mơ hình t
Variable Mơ hình t (1) (2) (3) (4) TFOTL -0.04 0.02 0.03 0.04 TLTA 0.07 0.07 0.01 0.00 NOCREDINT -0.05 -0.02 -0.01 -0.01 COVERAGE -1.11 -0.57 -0.44 -0.26 CPI 6.58 3.89 TBR -10.70 -6.63 PRICE -0.01 -0.001 ABNRET -0.27 -0.19 SIZE -0.37 -0.05 MCTD -0.26 -0.06
Nguồn kết quả hồi quy thực hiện từ chương trình Stata
Đối với mơ hình hồi quy khơng dùng biến trễ (mơ hình t), bảng 4.10, cột 4, ý nghĩa của các giá trị đƣợc giải thích nhƣ sau: Đối với các biến tài chính, ví dụ nhƣ biến COVERAGE, khi giá trị TANH của biến khả năng chi trả lãi vay tăng 1% thì xác suất để cơng ty rơi vào kiệt quệ tài chính giảm khoảng 0.26%, trong điều kiện các biến độc lập khác giữ cố định tại mức giá trị trung bình. Hoặc đối với biến lạm phát, khi lạm phát trong nền kinh tế gia tăng 1%, làm cho xác suất rơi vào tình trạng kiệt quệ của doanh nghiệp tăng lên 3.89%. Hoặc đối với nhóm biến thị trƣờng, khi giá cổ phiếu tăng thêm 1%, làm giảm xác suất kiệt quệ của doanh nghiệp 0.001%. Kết quả đƣợc đọc tƣơng tự cho các biến và các mơ hình cịn lại, đƣợc trình bày trong bảng 4.10 dƣới đây.
Bảng 4.11: Bảng kết quả hiệu ứng cận biên của từng biến trong mơ hình t-1 và t-2
Variable Mơ hình (t-1) Mơ hình (t-2)
TFOTL -0.23 -0.20 -0.17 -0.12 -0.05 -0.13 -0.12 -0.14 TLTA 0.06 0.07 0.04 0.01 0.08 0.05 0.06 0.04 NOCRE -0.03 -0.04 -0.02 -0.03 -0.02 -0.03 -0.03 -0.03 COVER -0.26 -0.31 -0.21 -0.24 -0.15 -0.21 -0.16 -0.19 CPI -2.16 -2.43 -0.84 -0.68 TBR 10.66 10.63 -3.68 -1.45 PRICE 0.00 0.00 0.01 0.01 ABNRET -0.34 -0.37 -0.15 -0.14 SIZE -0.53 -0.77 -0.92 -0.84 MCTD -.301 -0.0102 1.16 0.905
Nguồn kết quả hồi quy thực hiện từ chương trình Stata
Xem xét một cách tổng quát giữa các mơ hình (t, t-1, t-2), giữa các biến số tài chính, chỉ báo kinh tế vĩ mô và biến số thị trƣờng, ta thấy rằng các biến số kinh tế vĩ mơ có tác động mạnh nhất lên xác suất kiệt quệ tài chính của doanh nghiệp sau đó đến các biến tài chính và cuối cùng là biến thị trƣờng. Điều này gợi ý rằng, bối cảnh kinh tế vĩ mô sẽ tác động trực tiếp đến các doanh nghiệp hoạt động trong đó nền kinh tế đó. Sau đó, sự thích nghi của doanh nghiệp nhƣ thế nào, đƣợc thể hiện qua các chỉ số tài chính và cuối cùng là thị trƣờng và các bên liên quan sẽ đánh giá lại hiệu quả này thông qua giá cả trên thị trƣờng.
4.4. Mơ hình dự báo khả năng xảy ra kiệt quệ tài chính áp dụng cho các cơng ty tại Việt Nam ty tại Việt Nam
Từ các kết quả tổng hợp ở trên bao gồm:
Mức ý nghĩa thống kê của các biến trong các mơ hình t, t-1, t-2.
Mức độ phù hợp của các biến đƣa vào mơ hình và mức ý nghĩa của các mơ hình.
Mức ý nghĩa và sự cải thiển khi bổ sung thêm biến giải thích vào các mơ hình.
Luận văn rút ra mơ hình dự báo thích hợp cho Việt Nam nhƣ sau:
4.4.1. Mơ hình dự báo trong thời điểm t
Các biến đƣợc đƣa vào mơ hình bao gồm: 2 biến tài chính, TFOTL (Dịng tiền từ hoạt động kinh doanh trên tổng nợ), COVERAGE (Khả năng thanh tốn lãi vay), 2 biến vĩ mơ, CPI (Lạm phát), TBILL (Lãi suất trái phiếu chính phủ - (Tbill 1 năm)), và 2 biến thị trƣờng PRICE (Giá cổ phiếu) và ABNRET (TSSL vƣợt trội). Sau đó hồi quy lại phƣơng trình với tồn bộ các biến, kết quả nhƣ sau:
Bảng 4.12: Kết quả hồi quy mơ hình dự báo tại thời điểm t
Variable Mơ hình t TFOTL 0.8121** (z-Statistic) (1.9025) COVERAGE -5.1009*** (z-Statistic) (-9.6186) CPI 76.6199*** (z-Statistic) (7.8934) Tbill -130.806*** (z-Statistic) (-6.7351) PRICE -0.0290** (z-Statistic) (-2.0175) ABNRET -3.7128*** (z-Statistic) (-10.2175) Pseudo R2 0.4790 AUC 0.9211
Gini rank coefficient 0.8422 Hosmer-Lemeshow goodness of fit test H-Lemeshow chi2(8) 14.09
Prob. Chi-Sq(8) 0.0795
Total obs 1892
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Phƣơng trình dự báo xác suất để xảy ra kiệt quệ tài chính tại thời điểm t là:
FD = 1-@CLOGISTIC(-(C(1) + C(2)*TFOTL + C(3)*COVERAGE + C(4)*CPI + C(5)*TBILL + C(6)*PRICE + C(7)*ABNRET))
Phƣơng trình dự báo xác suất để xảy ra kiệt quệ tài chính tại thời điểm với các hệ số cho trƣờng hợp Việt Nam là:
FD = 1-@CLOGISTIC(-(5.0324 + 0.8121*TFOTL - 5.1009*COVERAGE + 76.61988*CPI - 130.8063*TBILL - 0.02900*PRICE - 3.71277*ABNRET))
4.4.2. Mơ hình dự báo sớm một năm (t -1)
Các biến đƣợc đƣa vào mơ hình bao gồm: 3 biến tài chính, TFOTL (Dịng tiền từ hoạt động kinh doanh trên tổng nợ), NOCREDINT(Biến thanh khoản), COVERAGE (Khả năng thanh tốn lãi vay), 2 biến vĩ mơ, CPI (Lạm phát), TBILL (Lãi suất trái phiếu chính phủ - Tbill 1 năm)), và 3 biến thị trƣờng PRICE (Giá cổ phiếu) và ABNRET (TSSL vƣợt trội) và biến SIZE (quy mô). Sau đó tác giả hồi quy lại phƣơng trình với tồn bộ các biến, kết quả nhƣ sau:
Bảng 4.12: Kết quả hồi quy mơ hình dự báo tại thời điểm t-1
Variable Mơ hình t-1 TFOTL(-1) -0.851*** (z-Statistic) (-2.452) NOCREDINT(-1) -0.209*** (z-Statistic) (-2.678) COVERAGE(-1) -1.726*** (z-Statistic) (-8.283) CPI(-1) -17.512*** (z-Statistic) (-7.479) TBILL(-1) 76.643*** (z-Statistic) (11.230) PRICE(-) 0.030*** (z-Statistic) (3.253) ABNRET(-1) -2.693*** (z-Statistic) (-9.072) SIZE(-1) -5.505*** (z-Statistic) (-3.305) Pseudo R2 0.233 AUC 0.8277
Gini rank coefficient 0.6554 Hosmer-Lemeshow goodness of fit test H-Lemeshow chi2(8) 9.77
Prob. Chi-Sq(8) 0.2814
Total obs 1386
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
FD = 1-@CLOGISTIC(-(C(1) + C(2)*TFOTL(-1) + C(3)*NOCREDINT(-1) + C(4)*COVERAGE(-1) + C(5)*CPI(-1) + C(6)*TBILL(-1) + C(7)*PRICE(-1) + C(8)*ABNRET(-1) + C(9)*SIZE(-1)))
Phƣơng trình dự báo xác suất để xảy ra kiệt quệ tài chính tại thời điểm (t-1) với các hệ số cho trƣờng hợp Việt Nam là:
FD = 1-@CLOGISTIC(-(-6.2337 - 0.8514*TFOTL(-1) - 0.2092*NOCREDINT(- 1) - 1.7255*COVERAGE(-1) - 17.5123*CPI(-1) + 76.6425*TBILL(-1) + 0.02969*PRICE(-1) - 2.6926*ABNRET(-1) - 5.5047*SIZE(-1)))
4.4.3. Mơ hình dự báo sớm hai năm (t -2)
Các biến đƣợc đƣa vào mơ hình bao gồm: 3 biến tài chính, TFOTL (Dịng tiền từ hoạt động kinh doanh trên tổng nợ), COVERAGE (Khả năng thanh toán lãi vay), 1 biến vĩ mô là CPI (Lạm phát), và 4 biến thị trƣờng PRICE (Giá cổ phiếu) và ABNRET (TSSL vƣợt trội), SIZE (quy mơ) và MCTD (Vốn hóa thị trƣờng / Tổng nợ). Sau đó tác giả hồi quy lại phƣơng trình với tồn bộ các biến, kết quả nhƣ sau:
Bảng 4.13: Kết quả hồi quy mơ hình dự báo tại thời điểm t-2
Variable Mơ hình t-2 TFOTL(-2) -0.704** (z-Statistic) (-1.957) NOCREDINT(-2) -0.189** (z-Statistic) (-2.256) COVERAGE(-2) -1.004** (z-Statistic) (-3.924) CPI(-2) -5.754*** (z-Statistic) (-3.347) PRICE(-2) 0.055*** (z-Statistic) (5.172) ABNRET(-2) -0.785*** (z-Statistic) (-3.160) SIZE(-2) -4.571*** (z-Statistic) (-2.945) MCTD(-2) 5.106*** (z-Statistic) (4.213) Pseudo R2 0.09906 AUC 0.7211
Gini rank coefficient 0.4422
Hosmer-Lemeshow goodness of fit test H-Lemeshow chi2(8) 16.04
Prob. Chi-Sq(8) 0.0418
Total obs 912
Nguồn: kết quả hồi quy từ chương trình Eview và Stata
Phƣơng trình dự báo xác suất để xảy ra kiệt quệ tài chính tại thời điểm t-2 là:
FD = 1-@CLOGISTIC(-(C(1) + C(2)*TFOTL(-2) + C(3)*NOCREDINT(-2) + C(4)*COVERAGE(-2) + C(5)*CPI(-2) + C(6)*PRICE(-2) + C(7)*ABNRET(-2) + C(8)*SIZE(-2) + C(9)*MCTD(-2)))
Phƣơng trình dự báo xác suất để xảy ra kiệt quệ tài chính tại thời điểm (t-1) với các hệ số cho trƣờng hợp Việt Nam là:
FD = 1-@CLOGISTIC(-(-0.7612 - 0.7041*TFOTL(-2) - 0.188*NOCREDINT(-