NFD (Không kiệt quệ) FD (Kiệt quệ) Tổng %FD
1514 378 1892 19.98%
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 đƣợc cơng bố định kỳ. Mơ hình đƣợc thiết kế để có kết quả chính xác hơn so với các nghiên cứu trƣớc đây trong lĩnh vực học thuật và mơ hình phải có giá trị thực tiễn. Zmijewski (1984), Pindado (2008) và đƣợc Tinoco và Wilson (2013) nhắc lại trong nghiên cứu của mình, chỉ ra rằng, trong thực tế, một tập hợp lớn các biến là không cần thiết để các mơ hình đạt đƣợc hiệu quả tối đa. Pindado (2008), chỉ sử dụng một bộ chỉ có 3 biến tài chính để đạt đƣợc 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 nhƣ 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, nhƣ là các biến kinh tế vĩ mô hay các biến thị trƣờng, nhằm đóng góp tính kịp thời và chính xác trong việc dự báo kiệt quệ cho các công ty niêm yết. Có rất ít các nghiên cứu xem xét tác động của các loại biến trên bổ sung cho biến tài chính trƣớc đây. Tuy nhiên, một sự thay đổi trong mơi trƣờng kinh tế vĩ mơ sẽ có tác động trực tiếp đến hoạt động của doanh nghiệp và ảnh hƣởng trực tiếp đến khả năng kiệt quệ tài chính. Từ các lập luận trên, cũng tƣơng tự nhƣ cách mà Tinoco và Wilson (2013) đã làm, luận văn sẽ không đƣa ra một tập hợp rất nhiều biến để đƣa vào mơ hình trong luận văn.
Dữ liệu đƣợc xử lý, kiểm tra một cách nghiêm ngặt và sử dụng một phƣơng 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 thƣờng của phần dƣ (abnormally large residuals) và làm cho kết quả dự báo của mơ hình hồi quy nhị phân logit theo phƣơng pháp maximum likelihood khơng cịn phù hợp thậm chí là bị sai và khơng có giá trị trong mơ hình. 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 phƣơng pháp chuyển đổi lƣợng 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 đƣợc 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 lƣợng giác này.
3.2.3.1. Biến chỉ số tài chính
Dựa trên các chứng cứ thực nghiệm đang tồn tại, đặc biệt là nghiên cứu của Tinoco và Wilson (2013), các biến tài chính: Biến dịng tiền từ hoạt động kinh doanh trên tổng nợ; Biến tỷ số tổng nợ trên tổng tài sản; Biến thanh khoản; Biến Khả năng thanh toán lãi vay đƣợc lựa chọn.
Biến dòng tiền từ hoạt động kinh doanh trên tổng nợ (Total Funds from Operations to Total Liabilities - TFOTL). Tỷ số này cho thấy mức độ mà một
cơng ty có thể đáp ứng các nghĩa vụ tài chính từ dịng tiền đƣợc tạo ra từ hoạt động kinh doanh hay khơng. Dịng tiền từ hoạt động kinh doanh (TFFO - Total Funds from Operations) đƣợc tính bằng tổng của thu nhập rịng (Net Income) và các khoản chi phí phi tiền (non-cash charges or credits), nó là dịng tiền của công ty. Mẫu số là Tổng nợ, bao gồm cả nợ ngắn hạn và dài hạn của cơng ty. Dữ liệu đƣợc sử dụng để tính tốn đƣợc lấy từ bảng Cân đối kế toán và Lƣu chuyển tiền tệ của công ty. Biến này đã đƣợc sử dụng thành công bởi Marais (1979), Ohlson (1980), và mới đây nhất là Tinoco và Wilson (2013).
Nhằm loại bỏ các giá trị ngoại lai của một số quan sát trong mơ hình hồi quy logit, sau khi chuyển đổi bằng hàm lƣợng giác TANH, TFOTL sẽ nhận các giá trị từ [- 1;1], giá trị dƣơng cho thấy doanh nghiệp có một vị thế tài chính tốt và giá trị âm cho thấy doanh nghiệp đang ở vị thế mà dòng tiền từ hoạt động đƣợc tạo ra không đủ để đáp ứng các nghĩa vụ tài chính và có thể vỡ nợ. Tỷ số này có giá trị càng cao (càng gần 1), cơng ty càng ít có khả năng rơi vào tình trạng kiệt quệ tài chính. Vì vậy, tỷ số này cho một kỳ vọng dấu âm (-) trong mơ hình hồi quy.
Biến tỷ số tổng nợ trên tổng tài sản (Total Liabilities to Total Assets – TLTA)
đo lƣờng địn bẩy tài chính. Dữ liệu đƣợc sử dụng để tính tốn đƣợc lấy từ bảng Cân đối kế toán. Tổng nợ, nhƣ đã thảo luận, bao gồm các khoản nợ ngắn hạn và dài hạn. Mẫu số, tổng tài sản của công ty bao gồm: tổng tài sản ngắn hạn, phải thu dài hạn, đầu tƣ vào công ty con, công ty liên kết, các khoản đầu tƣ khác, đầu tƣ máy
móc thiết bị, và tài sản khác. Tỷ lệ này thƣờng đƣợc sử dụng để đo lƣờng đòn bẩy tài chính của một cơng ty (rủi ro tài chính) bằng cách tính tỷ lệ tài sản của cơng ty đƣợc tài trợ từ nợ ngắn hạn hay dài hạn.
Trong 3 biến tài chính trong nghiên cứu của Zmijewski (1984), TLTA đã thể hiện đƣợc kỳ vọng dấu và kết quả có ý nghĩa thống kê. Các nghiên cứu gần đây, nhƣ Shumway (2001), Chava và Jarrow (2004) thực hiện tại Mỹ, Christidis, Gregory (2010), Tinoco và Wilson (2013) thực hiện tại Anh, đã kiểm định và xác nhận tính nhất quán (consistency) của biến TLTA và biến này có đóng góp quan trọng trong mơ hình dự báo khả năng vỡ nợ, phá sản của doanh nghiệp.
Nhằm loại bỏ các giá trị ngoại lai của một số quan sát trong mơ hình hồi quy logit, sau khi chuyển đổi bằng hàm lƣợng giác TANH, TLTA sẽ nhận các giá trị từ [-1;1], khi TLTA nhận giá trị dƣơng và càng tăng về 1 cho thấy doanh nghiệp đang gia tăng địn bẩy tài chính hay sử dụng nhiều nợ hơn. Do vậy, với tỷ lệ đòn bẩy cao, doanh nghiệp sẽ gánh chịu rủi ro tài chính cao và đẩy doanh nghiệp tới khả năng bị kiệt quệ tài chính cao. Tƣơng tự vậy, một giá trị nhỏ, hoặc âm của tỷ số TLTA cho thấy tài sản của doanh nghiệp đƣợc tài trợ bởi vốn chủ sở hữu thay vì các khoản nợ. Vì vậy, tỷ số này cho một kỳ vọng dấu dƣơng (+) trong mơ hình hồi quy.
Biến thanh khoản (No Credit Interval – NOCREDINT): đƣợc sử dụng để đo
lƣờng tính thanh khoản của doanh nghiệp. Graham (2000) định nghĩa biến NOCREDINT dùng để “ƣớc tính thời gian mà cơng ty có thể tài trợ các chi phí kinh doanh hiện tại của mình từ các nguồn tài sản có thanh khoản với giả định cơng ty không thể tạo ra doanh thu nữa”. Biến này đã đƣợc sử dụng thành công bởi Tinoco và Wilson (2013). Dữ liệu đƣợc sử dụng để tính tốn đƣợc lấy từ bảng Cân đối kế toán, Kết quả hoạt động kinh doanh và Lƣu chuyển tiền tệ của công ty. Các biến đầu vào để tính biến tài chính này bao gồm: Tài sản nhanh, Tổng nợ ngắn hạn, Doanh số, EBITDA. Biến NOCREDINT đƣợc tính theo cơng thức: (Tài sản nhanh - Nợ ngắn hạn)/ Chi phí hoạt động hàng ngày. Tài sản nhanh đại diện cho tài sản có thể chuyển đổi dễ dàng và nhanh chóng thành tiền hoặc tƣơng đƣơng tiền. Công thức tính Tài sản nhanh là: Tài sản ngắn hạn - Hàng tồn kho. Chi phí hoạt động
hàng ngày bằng (Doanh số thuần - EBITDA)/ 365, cho thấy khả năng đảm bảo chi phí hoạt động bình qn hàng ngày.
Nhằm loại bỏ các giá trị ngoại lai của một số quan sát trong mơ hình hồi quy logit, sau khi chuyển đổi bằng hàm lƣợng giác TANH, NOCREDINT sẽ nhận các giá trị từ [-1;1], khi một giá trị lớn và dƣơng (tiến về 1) cho thấy khả năng ngày càng tăng của công ty trong việc tài trợ cho các hoạt động kinh doanh hàng ngày bằng nguồn tiền mặt và các tài sản có tính thanh khoản, chuyển đổi dễ dàng và nhanh chóng thành tiền hoặc tƣơng đƣơng tiền. Ngƣợc lại, một giá trị nhỏ, thậm chí âm, cho thấy tình trạng bấp bênh trong khả năng thanh khoản của công ty. Dẫn đến trong việc đáp ứng các nghĩa vụ tài chính. Vì vậy, tỷ số này cho một kỳ vọng dấu âm (-) trong mơ hình hồi quy.
Biến Khả năng thanh tốn lãi vay (Interest Coverage – COVERAGE) đo lƣờng
khả năng chi trả lãi vay của của doanh nghiệp (Altman và Sabato, 2007). Tỷ số này dùng để đo mức độ mà lợi nhuận phát sinh do sử dụng vốn để đảm bảo trả lãi vay, biến này sẽ cho thấy vốn đi vay đƣợc sử dụng tốt đến mức nào, có thể đem lại khoản lợi nhuận bao nhiêu và đủ bù đắp lãi vay hay khơng? Khả năng thanh tốn lãi vay đƣợc tính bằng EBITDA chia cho Chi phí lãi vay. Dữ liệu đƣợc sử dụng để tính tốn đƣợc lấy từ bảng Cân đối kế tốn và Lƣu chuyển tiền tệ của cơng ty. Khơng có con số tuyệt đối cho thấy tỷ lệ EBITDA/Chi phí lãi vay bao nhiêu là tốt. Thông thƣờng, một giá trị nhỏ của biến này (Tinoco và Wilson (2013) chọn mức giá trị từ 2 đến 2.5), cho thấy một doanh nghiệp có thể gặp những vấn đề với các nghĩa vụ tài chính, giá trị dƣới ngƣỡng này do đó đƣợc xem là một dấu hiệu cảnh báo nghiêm trọng. Các doanh nghiệp không tạo ra đủ tiền từ hoạt động (đo lƣờng bằng EBITDA) để đáp ứng chi phí lãi vay của nợ. Một giá trị lớn (Tinoco và Wilson (2013) hơn 2.5) cho thấy cơng ty có khả năng tạo ra tiền từ hoạt động kinh doanh để đáp ứng thanh toán lãi vay.
Nhằm loại bỏ các giá trị ngoại lai của một số quan sát trong mơ hình hồi quy logit, sau khi chuyển đổi bằng hàm lƣợng giác TANH, COVERAGE nhận các giá trị từ -1 đến 1, khi một giá trị dƣơng lớn (tiến về 1) cho thấy công ty càng có khả năng đáp
ứng các nghĩa vụ nợ, do vậy doanh nghiệp ít có khả năng rơi vào tình trạng kiệt quệ tài chính. Vì vậy, tỷ số này cho một kỳ vọng dấu âm (-) trong mơ hình hồi quy.
3.2.3.2. Các biến chỉ số kinh tế vĩ mơ
Theo Tinoco và Wilson (2013), bên cạnh nhóm biến tài chính, hai biến chỉ số vĩ mơ đƣợc lựa chọn (trong một danh sách gồm 11 biến vĩ mơ) để đƣa vào mơ hình cuối cùng là: Chỉ số giá bán lẻ (Retail Price Index – RPI) và Lãi suất trái phiếu Chính phủ Anh kỳ hạn 3 tháng điều chỉnh lạm phát (United Kingdom Short Term (3- month) Treasury Bill Rate Deflated – SHTBILLDEF). Biến RPI dùng để đo lƣờng lạm phát trong khi SHTBILLDEF đo lƣờng lãi suất trong nền kinh tế. Cũng tƣơng tự nhƣ Tinoco và Wilson (2013), khi xem xét mẫu nghiên cứu tại Việt Nam, luận văn cũng đƣa các biến lạm phát và lãi suất vào mơ hình hồi quy. Tuy nhiên, do việc khó khăn trong thu thập dữ liệu và tính có sẵn của dữ liệu tại Việt Nam, luận văn thay RPI bằng CPI – chỉ số giá tiêu dùng (Consumer Price Index) và Lãi suất trái phiếu Chính phủ kỳ hạn 3 tháng thành Lãi suất trái phiếu Chính phủ kỳ hạn 1 năm (TBILL), để đại diện cho lạm phát và lãi suất trong mơ hình. Trong nghiên cứu của Tinoco và Wilson (2013), 2 biến vĩ mơ trên đều có ý nghĩa thống kê và có đóng góp đáng kể trong việc dự báo kiệt quệ tài chính.
Chỉ số giá tiêu dùng – CPI, dùng để đo lƣờng lạm phát, dữ liệu đƣợc lấy từ tổng
cục thống kê. Chỉ có vài nghiên cứu về mơ hình dự báo kiệt quệ/ phá sản sử dụng biến lạm phát và mối quan hệ của nó với xác xuất kiệt quệ tài chính hoặc vỡ nợ cũng khác nhau. Qu, Y (2008) cho rằng, lạm phát đóng vai trị nhƣ một sự khuyến khích để một bộ phận dân cƣ chuyển từ tiết kiệm qua đầu tƣ để tránh tình trạng sức mua bị xói mịn trong tƣơng lai do lạm phát. Vì vậy, lạm phát cao cũng đƣợc xem là sẽ gia tăng khả năng chấp nhận rủi ro của nhà đầu tƣ theo cách tƣơng tự, điều này là giảm xác xuất kiệt quệ, hoặc vỡ nợ của một doanh nghiệp. Tuy nhiên, Qu, Y (2008) cũng thừa nhận, mối quan hệ trực tiếp giữa lạm phát và xác xuất vỡ nợ chƣa thực sự xác lập một cách rõ ràng do sự phức tạp trong ảnh hƣởng của lạm phát lên nền kinh tế. Mặc khác, Marie (2012), xây dựng mơ hình dự báo phá sản cho ngân hàng đã chỉ ra lạm phát có một mối quan hệ dƣơng với xác xuất vỡ nợ. Marie (2012) lập luận,
lạm phát cao là do hệ quả của một mơi trƣờng kinh tế vĩ mơ nhìn chung cịn yếu, do đó làm tăng số lƣợng các cuộc khủng hoảng ngành ngân hàng. Lúc này, có một mối quan hệ trực tiếp giữa ngân hàng và các ngành nghề trong nền kinh tế, độ lớn của mối quan hệ phụ thuộc vào việc một doanh nghiệp lựa chọn cấu trúc vốn nhƣ thế nào. Dựa trên các lập luận trên, trong luận văn này, giả thiết CPI cao sẽ làm tăng xác suất kiệt quệ và vỡ nợ của doanh nghiệp, hay biến CPI cho một kỳ vọng dấu dƣơng (+) trong mơ hình hồi quy.
Lãi suất trái phiếu Chính phủ kỳ hạn 1 năm (Treasury Bill Rate – TBILL),
biến này đại diện cho lãi suất, dữ liệu đƣợc lấy từ ngân hàng nhà nƣớc Việt Nam. Tinoco và Wilson (2013) sử dụng biến lãi suất này sau đó chiết khấu với lạm phát (deflated) để biến SHTBILLDEF phản ánh lãi suất thực trong nền kinh tế. Do sự giới hạn về tính có sẵn của dữ liệu và biến lạm phát đã đƣợc sử dụng độc lập ở trên, do vậy, tác giả không tiến hành chiết khấu mà sử dụng TBILL nhƣ biến độc lập. Biến TBILL đại diện cho lãi suất, tƣơng tự biến CPI, rất có khả năng ảnh hƣớng đến doanh nghiệp thông qua cấu trúc vốn. Một mức lãi suất thấp sẽ khuyến khích các doanh nghiệp đầu tƣ nhiều hơn, doanh nghiệp vay nhiều hơn để đầu tƣ trang thiết bị mới, gia tăng hàng tồn kho, xây dựng nhà máy, nghiên cứu và phát triển… Do vậy, lợi nhuận kỳ vọng trên vốn đầu tƣ của doanh nghiệp cũng sẽ cao hơn khi lãi suất thấp. Ngoài ra, các khoản vay ngắn hạn để bổ sung nguồn vốn lƣu động của công ty cũng sẽ bị ảnh hƣởng bởi lãi suất cao, doanh nghiệp cần đáo hạn các khoản nợ ngắn hạn, các khoản chi phí ngắn hạn, chi lƣơng… vì vậy, với mức lãi suất cao, làm cho chi phí của nợ cao hơn, doanh nghiệp trả nhiều hơn cho các khoản vay của họ. Một giá trị cao của TBILL sẽ làm gia tăng xác xuất kiệt quệ, hoặc phá sản hay biến TBILL cho một kỳ vọng dấu dƣơng (+) trong mơ hình hồi quy.
3.2.3.3. Các biến chỉ số thị trường
Luận văn bao gồm 4 biến thị trƣờng trong mơ hình nhằm đóng góp tính chính xác và kịp thời, cũng nhƣ tăng sức mạnh dự báo kiệt quệ cho các cơng ty niêm yết ngồi biến tài chính và các biến kinh tế vĩ mơ. Theo đó, dữ liệu báo cáo tài chính và các thơng tin vĩ mô khác đƣợc công bố nhƣ là đầu vào và thị trƣờng nhƣ một bộ xử lý
thông tin với các thơng tin đầu vào (Rees, 1995) và vì vậy, sự kết hợp này sẽ làm tăng độ chính xác chung của mơ hình dự báo kiệt quệ. Giả định cho việc bao gồm