Chương 4 : Mô hình nghiên cứu
4.9 Kết luận chương 4:
4.9.1 Tóm tắt kết quả nghiên cứu:
Luận văn tiến hành thu thập và phân loại các công ty phi tài chính hiện đang cịn hoạt động và khơng cịn hoạt động trên Sở GDCK thành phố Hồ Chí Minh và Sở GDCK Hà Nội. Căn cứ vào các BCTC được công bố của các công ty niêm yết, các dữ liệu thị trường và dữ liệu kinh tế vĩ mô thu thập được, luận văn thực hiện tính tốn các chỉ số tài chính cụ thể và xây dựng các biến dự liệu dựa theo các nghiên cứu trước đây về kiệt quệ tài chính. Bên cạnh đó, mơ hình hồi quy Logistic được tác giả xây dựng dựa trên cơ sở phương pháp thực nghiệm về dự báo kiệt quệ tài chính của nhóm tác giả Tinoco, Nick Wilson (2013). Qua phân tích thực nghiệm bằng chương trình Stata 12, luận văn đưa ra bốn kết luận chính như sau:
Thứ nhất, luận văn sử dụng phương pháp chuyển đổi lượng giác (TANH- transformation) để xử lý các vấn đề ngoại lai của dữ liệu theo phương pháp của
Tinoco, Nick Wilson (2013). Tác giả cũng đã sử dụng các tiêu chuẩn khác nhau để đo lường sự phù hợp của mơ hình hồi quy Logistic.
Thứ hai, việc xác định một cơng ty rơi vào tình trạng kiệt quệ tài chính trong nghiên cứu này khơng phụ thuộc vào hậu quả pháp lý cuối cùng của công ty: phá sản, như trong phần lớn các nghiên cứu trước. Thay vào đó, một cơng ty rơi vào tình trạng kiệt quệ tài chính khi lợi nhuận từ hoạt động khơng đủ để trang trải các nghĩa vụ tài chính và thị trường sẽ đánh giá tiêu cực về điều này thể hiện qua sự tăng trưởng âm trong trong giá trị thị trường. Bên cạnh đó, luận văn cũng kiểm chứng sự đóng góp của ba loại biến số vào mơ hình dự báo tình trạng kiệt quệ tài chính: biến tỷ số tài chính, biến chỉ báo kinh tế vĩ mô và biến thị trường. Từ đó, tác giả đã xây dựng được mơ hình có thể dự báo tốt khả năng kiệt quệ tài chính của một cơng ty.
Thứ ba, kết quả đã chỉ ra sự kết hợp các thông tin vĩ mô và thông tin thị trường giúp gia tăng mức độ chính xác trong việc dự báo kiệt quệ tài chính của cơng ty. Các biến NITA, ICR, PRICE, VOL có thể dùng để xây dựng một mơ hình dự báo kiệt quệ tài chính cho cơng ty với độ trễ t-1 và các biến NITA, PRICE, CPI, TBILL có thể dùng để xây dựng một mơ hình dự báo kiệt quệ tài chính cho cơng ty với độ trễ t-2.
Thứ tư, tác giả cung cấp một sự đo lường hiệu ứng cận biên cho phép lượng hóa sự tác động của từng biến giải thích lên xác suất cơng ty rơi vào tình trạng kiệt quệ tài chính. Kết quả cho thấy, các biến số kinh tế vĩ mơ có tác động mạnh nhất lên xác suất kiệt quệ tài chính của cơng ty sau đó đến các biến tài chính và cuối cùng là biến thị trường.
4.9.2 Hạn chế của đề tài và hướng nghiên cứu tiếp theo:
Khoảng thời gian được xem xét trong bài nghiên cứu của tác giả là từ năm 2008 đến năm 2012, trong đó đầu năm 2008 là thời điểm thị trường chứng khoán Việt Nam đảo chiều đi xuống rất mạnh làm cho giá cổ phiếu cuối năm 2008 xuống rất thấp. Chính yếu tố này đã tác động phần nào đến bài nghiên cứu của tác giả. Muốn khắc
phục vấn đề này, tác giả cần mở rộng số năm nghiên cứu trong những nghiên cứu sau.
Mẫu nghiên cứu của tác giả chỉ bao gồm các cơng ty phi tài chình mà chưa mở rộng ra các cơng ty tài chính, do vậy tính đại diện cho thị trường chưa cao. Hình thức sở hữu cơng ty cũng là một yếu tố cần xem xét, các cơng ty có tỷ lệ sở hữu vốn của Nhà nước cao khó có khả năng phá sản và ngược lại. Chưa thực hiện phân loại các công ty theo lĩnh vực hoạt động để xem xét tính đặc thù của ngành tác động lên xác suất kiệt quệ.
Mặt khác, trong nghiên cứu này, tác giả chưa so sánh khả năng dự báo của mơ hình hồi quy Logistic với các mơ hình dự báo kiệt quệ tài chính khác như mơ hình điểm Z của Altman, mơ hình Probit và mơ hình mạng thần kinh nhân tạo (ANN). Điều này cũng mở ra một hướng mới cho những nghiên cứu tiếp theo về mơ hình dự báo tình trạng kiệt quệ tài chính của các cơng ty.