Phân nhóm 2008 2009 2010 2011 Trung bình Số cơng ty Tỷ lệ % Số công ty Tỷ lệ % Số công ty Tỷ lệ % Số công ty Tỷ lệ % Tỷ lệ %
Khơng có nguy cơ 27 27.55 40 40.82 34 34.69 77 78.57 45.41
Trung gian 57 58.16 46 46.94 51 52.04 15 15.31 43.11
Có nguy cơ 14 14.29 12 12.24 13 13.27 6 6.12 11.48
Tổng cộng 98 100.00 98 100.00 98 100.00 98 100.00 100.00
(Nguồn: Tác giả tính tốn từ SPSS)
Kết luận chương 2
Kết quả nghiên cứu cho thấy nhiều chỉ số tài chính với mức ý nghĩa 0.0100 tạo ra sự khác biệt giữa các nhóm. Nghiên cứu cũng phát hiện ra các chỉ số tài chính quan trọng nhất nhằm phát hiện ra các cơng ty có nguy cơ tài chính và các cơng ty khơng có nguy cơ trên TTCK Việt Nam.
Hai chỉ số quan trọng là ROA và LOGMKTCAPTA được phát hiện có ý nghĩa quan trọng nhất trong việc xác định nguy cơ tài chính của các CTNY.
Kết quả nghiên cứu cũng phát hiện ra 10 chỉ số tài chính quan trọng nhất trong việc phát hiện ra nguy cơ tài chính của các cơng ty, các chỉ số tài chính này cũng phù hợp với những nghiên cứu của Beaver (1966), Altman (1968), Scott (1981), Zavgren (1983), Jones (1987) và Altman (1993).
Bằng phương pháp MDA, Luận văn đã xây dựng được hệ số Z, với Z = 0.5610 + 10.3500 ROA + 1.1200 LOGMKTCAPTA và được áp dụng chung cho 4 năm nghiên cứu với tỷ lệ chính xác đạt trên 72.42% cho các CTNY trên TTCK Việt Nam.
62
Chương 3
GIẢI PHÁP NÂNG CAO KHẢ NĂNG ỨNG DỤNG MƠ HÌNH PHÂN
TÍCH ĐA BIỆT THỨC ĐỂ ĐO LƯỜNG NGUY CƠ TÀI CHÍNH TẠI CÁC
CƠNG TY NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHỐN VIỆT NAM
3.1 Đề xuất ứng dụng mơ hình phân tích đa biệt thức để đo lường nguy cơ
tài chính tại các cơng ty niêm yết trên thị trường chứng khốn Việt
Nam
3.1.1 Cơng thức đo lường nguy cơ tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam
Sử dụng MDA để xây dựng mơ hình, kết quả đã cho ra công thức đo lường nguy cơ tài chính cho các CTNY và được chọn để cơng bố như sau:
Z = 0.5610 + 10.3500 ROA + 1.1200 LOGMKTCAPTA (3.1) Trong đó:
- Z: là hệ số Z hay Zscore hay còn gọi là chỉ số tổng hợp (overall index):
Nếu Zscore > 0.5923 thì cơng ty được phân vào nhóm khơng có nguy cơ tài chính.
Nếu -0.9636 < Zscore < 0.5923 thì cơng ty nằm trong vùng cảnh báo, được phân làm nhóm trung gian, có thể có nguy cơ tài chính.
Nếu Zscore < -0.9636 thì cơng ty được phân vào nhóm có nguy cơ tài chính.
- ROA: chỉ số thu nhập trên tổng tài sản được tính bằng cách lấy lợi nhuận ròng chia cho tổng tài sản.
- LOGMKTCAPTA: chỉ số Log của vốn hóa thị trường trên tổng tài sản, được tính bằng cơng thức lấy Log của vốn hóa thị trường chia cho tổng tài sản.
63
Điều kiện để áp dụng mơ hình MDA là các CTNY trên TTCK Việt Nam loại trừ các ngành có cấu trúc tài chính đặc thù như ngành ngân hàng, bảo hiểm và chứng khoán.
Lưu ý: Do định dạng số liệu trong việc xây dựng mơ hình, các chỉ số ROA, LOGMKTCAPTA không sử dụng đơn vị là phần trăm (%) mà phải quy đổi về số tuyệt đối để tính tốn và được làm tròn hệ số cuối bằng 1.0 (từ 0.9999). Định dạng này cũng phù hợp với các nghiên cứu trước đây như công trình của Altman (1981).
Ngày nay, hệ số Zscore được sử dụng rộng rãi và được đánh giá là hiệu quả bởi các lập luận sau:
- Có tính chính xác và dẫn đến một kết quả rõ ràng hơn đa phần các chỉ số thông thường, có khả năng khoanh vùng các phạm vi của những đánh giá khơng chắc chắn.
- Có tính nhất quán và giảm bớt được các đánh giá khơng chính xác và ngẫu nhiên của một vài cá nhân có thể mắc phải.
- Độ tin cậy có thể đánh giá thơng qua thống kê. Nó dựa vào kinh nghiệm quá khứ hơn là đơn thuần dựa vào ý kiến không rõ ràng của một cá nhân.
- Nhanh hơn và chính xác hơn so với các công cụ truyền thống khác. - Có khả năng loại trừ hai thái cực của một nhóm mẫu cơng ty, cho phép
các nhà phân tích tập trung vào khu vực chưa rõ ràng, nơi mà kinh nghiệm và phán đốn là cần thiết để bù đắp cho những gì mà máy tính cịn thiếu sót.
Hệ số Zscore cũng có một số hạn chế:
- Nhiều điểm số có kết quả khác lạ, khi các chỉ số thể hiện các giá trị bất thường chúng thường tạo ra những kết quả sai lầm. Thật nguy hiểm khi cho rằng các công cụ phức tạp có thể được sử dụng bởi những người chưa qua đào tạo. Họ có thể bị che mắt bởi sự phức tạp và chính xác bề ngồi. Những mơ hình giúp chúng ta cải thiện một bước so với dữ liệu
64
kế tốn thơ. Những người sử dụng kinh nghiệm mới có thể nhận ra mức độ khơng chính xác của thơng tin như thỉnh thoảng vẫn xảy ra. - Các mơ hình thơng thường khơng cho một kết quả rõ ràng. Một khi có
nghi ngờ phát sinh cần phải kiểm chứng bổ sung bằng các thông tin định tính.
- Hầu hết những người sử dụng thiếu một cơ sở dữ liệu đầy đủ để xây dựng những mơ hình cho riêng mình. Hệ quả là có thể mua một mơ hình được xây dựng sẵn với chi phí cao hoặc dựa vào những mơ hình chung và chúng có thể không đáp ứng đầy đủ yêu cầu cụ thể một cách chính xác.
3.1.2 Các kịch bản nghiên cứu
Các trường hợp cụ thể dưới đây được sử dụng để chứng minh cho tính hiệu quả của mơ hình MDA có khả năng dự báo được nguy cơ tài chính của các CTNY trước khi thơng tin về nguy cơ tài chính được cơng bố ra thị trường.