5. HANWEN CHEN, JEFF ZEYUN CHEN, GERALD J LOBO VÀ YANYAN WANG (2010), The Effects of Audit Quality on Earnings Management and Cost of Capital
XÂY DỰNG MÔ HÌNH DỰ BÁO PHÁ SẢN CHOCÁC DOANH NGHIỆP NGÀNH XÂY DỰNG BẤT ĐỘNG SẢN TẠI VIỆT NAM
XÂY DỰNG BẤT ĐỘNG SẢN TẠI VIỆT NAM
Nguyễn Lê Huỳnh Như, Nguyễn Quỳnh Như, Đỗ Thị Phương Dung
Khoa Tài chính – Ngân hàng, Đại học Tơn Đức Thắng
Email: dotipidu@gmail.com
(Ngày nhận bài: 14/11/2015; Ngày duyệt đăng: 14/12/2015)
TÓM TẮT
Việc xây dựng mơ hình dự báo phá sản giúp các doanh nghiệp có một cơng cụ hữu ích để phát hiện sớm các dấu hiệu báo trước nguy cơ về rủi ro kiệt quệ tài chính. Từ đó, sẽ có những biện pháp quản lý, giám sát đúng lúc, phịng ngừa kịp thời nhằm tránh những tình huống xấu nhất có thể xảy ra, đó là phá sản. Trong bài nghiên cứu này, mơ hình Z-score của giáo sư Edward Altman được chọn làm cơ sở lý luận. Đồng thời, phương pháp nghiên cứu được sử dụng trong đề tài này là sự kết hợp giữa phương pháp phân tích tỷ số truyền thống và phương pháp phân tích tuyến tính đa biệt thức (MDA). Kết quả cuối cùng của đề tài là: Đã xây dựng được mơ hình dự báo phá sản với một biến phụ thuộc và sáu biến độc lập. Mơ hình này phù hợp với nền kinh tế Việt Nam nói chung và đặc biệt dành riêng cho các doanh nghiệp ngành xây dựng bất động sản nói riêng tại Việt Nam.
Từ khóa: Kiệt quệ tài chính, Mơ hình dự báo phá sản, Mơ hình Z-score, Ngành cây dựng –
Bất động sản, Phương pháp phân tích tuyến tính đa biệt thức (MDA).
ABSTRACT
The construction of bankruptcy forecasting models help corporations have a useful tool to detect early warning signs of the risk of exhausting financial risks. Since then, there will be measures to manage, supervise and timely prevention to avoid the worst situations can occur, it is bankruptcy. In this study, the Z-score model of professor Edward Altman was selected as a theoretical basis. Simultaneously, research methods which were used in this study is a combination of traditional analytical method and Multiple Discriminant Analysis method (MDA). The end result of this study is: building predictive models for bankruptcy with a dependent variable and six independent variables. This model is consistent with Vietnam's economy in general and specifically for the construction - real estate corporations in Vietnam.
Key words: Exhausting finance, Bankruptcy forecasting model, Z-score model, the
construction - real estate sector, Multiple Discriminant Analysis method (MDA).
GIỚI THIỆU
Hệ thống doanh nghiệp Việt Nam nói chung và các doanh nghiệp ngành xây dựng - bất động sản nói riêng, dù quy mô lớn hay nhỏ, khi phá sản cũng gây ra hệ lụy đến hàng trăm nhà đầu tư, đối tác kinh doanh, hàng ngàn người lao động theo hiệu ứng Domino. Mặt khác, hiện nay chỉ có một số ít bài nghiên cứu về vấn đề dự báo phá sản trong phạm vi ở Việt Nam thông qua việc ứng dụng mơ hình dự báo phá sản của Mỹ (Z-score hoặc Zeta) và chưa có bài nghiên cứu nào trên thế giới tập trung riêng biệt cho nền kinh tế Việt Nam, đặc biệt là về các doanh nghiệp trong lĩnh vực xây dựng - bất động sản. Mặt khác, khi ứng dụng mơ hình dự báo phá sản, được xây dựng dựa trên các dữ liệu công ty ở Mỹ,
cho nền kinh tế Việt Nam thì chưa thực sự phù hợp. Vì Mỹ là một nền kinh tế phát triển nhanh, mạnh. Trong khi Việt Nam chỉ là nền kinh tế đang phát triển và còn non trẻ. Từ những phân tích trên cho thấy: Đề tài nghiên cứu này là một trong những bước đầu tiên để lấp đầy lỗ hổng về mảng dự báo phá sản cho các doanh nghiệp ngành xây dựng - bất động sản tại Việt Nam nói riêng và nền kinh tế Việt Nam nói chung. Từ đó sẽ giúp các doanh nghiệp này giám sát đúng lúc, ngăn chặn kịp thời, phòng ngừa tối đa và hạn chế đến mức thấp nhất những ảnh hưởng dây chuyền cũng như những rủi ro dẫn tới nguy cơ thất bại (phá sản hoặc giải thể) và đề cao vị thế tài chính của doanh nghiệp mình trong nền kinh tế Việt Nam.
PHƯƠNG PHÁP NGHIÊN CỨU
Lựa chọn mẫu và thu thập dữ liệu phân tích:
Số lượng mẫu được lựa chọn là 173 cơng ty thuộc ngành xây dựng – bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Với lượng mẫu này, nhóm nghiên cứu đã tiến hành phân thành hai nhóm mẫu là: Nhóm 0 ký hiệu là nhóm các cơng ty có nguy cơ phá sản (đã hoặc đang lâm vào tình trạng kiệt quệ tài chính) và nhóm 1 ký hiệu là nhóm các cơng ty đang hoạt động bình thường (có tình hình tài chính tương đối ổn định). Thời gian mà nhóm nghiên cứu chọn và lấy mẫu là 5 năm, từ năm 2009 đến năm 2013. Dữ liệu được thu thập từ các báo cáo tài chính hàng năm và dữ liệu giá lịch sử của trên thị trường chứng khốn của các cơng ty.
Lựa chọn biến:
Các biến chủ yếu là các tỷ số tài chính truyền thống, được lấy từ các báo cáo tài chính vào cuối mỗi năm tài chính. Nhóm nghiên cứu đã cố gắng tìm và lựa chọn những biến có đặc điểm chung nhất nhằm đánh giá và dự báo chính xác hơn. Có 6 biến được lựa chọn đại diện như sau:
- Chủ động về vốn: X1 = Vốn lưu động / Tổng tài sản (WC/TA)
- Khả năng sinh lời:X2 = Lợi nhuận giữ lại / Tổng tài sản (RE/TA)
X3 = Thu nhập trước thuế và lãi vay / Tổng tài sản (EBIT/TA)
- Giá trị thị trường của vốn chủ sở hữu đối với nợ phải trả
X4 = Giá trị thị trường của vốn chủ sở hữu/ Nợ phải trả (MVE/TD)
- Khả năng tạo doanh thu: X5 = Doanh thu thuần / Tổng tài sản (S/TA)
- Hệ số vốn: X6 = Vốn chủ sở hữu/ Tổng nguồn vốn (EB/TC)
So với mơ hình Z-score của giáo sư Altman thì nhóm nghiên cứu bổ sung thêm biến X6 vào mơ hình của mình do trong quá trình thu thập dữ liệu nhóm đã phát hiện tính bất cân xứng về thông tin của doanh nghiệp. Nghĩa là, một số cơng ty có doanh thu thấp, lợi nhuận âm trong khi giá trị thị trường của một cổ phiếu lại rất cao (cao hơn nhiều so với mệnh giá cổ phiếu). Điều này là bất hợp lí vì giá trị thị trường khơng phản ánh hoặc phản ánh kém chính xác giá trị thực sự của doanh
nghiệp đó. Do đó nhóm nghiên cứu cho rằng: Việc thêm biến X6 vào mơ hình sẽ lấp bớt lỗ hổng cho những bất hợp lí này.
Phương pháp phân tích tỷ số truyền thống:
Phương pháp phân tích tỷ số truyền thống được sử dụng để xử lý dữ liệu thơ ban đầu và phân loại nhóm mẫu. Việc phân nhóm cơng ty có nguy cơ phá sản hay khơng chỉ mang tính tương đối và dựa vào các tiêu chí sau: (1) Lợi nhuận giữ lại; thu nhập trước thuế và
lãi vay: dương hay âm
(2) Chỉ số thanh toán nhanh: được so sánh với mức 0,5
(3) Chỉ số thanh toán hiện hành: được so sánh với mức 1
(4) Giá trị thị trường của cổ phiếu qua các năm: sự thay đổi biến động (tăng hay giảm).
(5) Tỷ số nợ = Tổng nợ / Tổng nguồn vốn: cao hay thấp hay ở mức trung bình.
Phương pháp phân tích tuyến tính đa biệt thức (MDA):
MDA là một kỹ thuật thống kê dùng để phân loại hoặc đưa ra dự đoán về vấn đề mà biến phụ thuộc xuất hiện trong hình thái chất lượng dựa theo những đặc điểm cá biệt của quan sát; ví dụ nam hoặc nữ, phá sản hoặc khơng phá sản. Vì vậy bước đầu tiên cần làm là thiết lập và phân loại nhóm rõ ràng. Số lượng các nhóm phân loại ban đầu có thể là hai hoặc nhiều hơn. Sau khi các nhóm được thiết lập, dữ liệu được thu thập theo mục đích của các đối tượng trong nhóm; MDA trong hình thức đơn giản nhất của nó là cố gắng xây dựng quan hệ tuyến tính của những đặc điểm mà chúng có thể phân biệt tốt nhất các nhóm mẫu với nhau. Ưu điểm cơ bản của phân tích đa biệt thức trong việc giải quyết vấn đề phân loại công ty là khả năng phân tích tồn bộ hồ sơ biến của đối tượng một cách đồng thời, cùng lúc với nhau chứ không phải là kiểm tra tuần tự các đặc điểm cá biệt của đối tượng đó. Phương pháp phân tích đa biệt thức được thực hiện thông qua phần mềm SPSS với quy trình như sau:
Bước 1: Mở phần mềm SPSS Khai báo biến ( khai báo phần Value trong cột đánh giá phân loại cơng ty: nhóm 0 = cơng ty có nguy cơ phá sản, nhóm 1 = cơng ty hoạt động bình thường, ổn định) chuyển dự liệu từ Excels qua SPSS
Bước 2: Vào Analyse chọn Classify chọn Discriminant.
Bước 3: thêm 6 biến X1, X2, X3, X4, X5, X6 vào mục Independents thêm cột đánh giá phân loại nhóm vào mục Grouping Variable nhấp chọn Define Range đánh số 0 vào phần Minimum, đánh số 1 vào phần Maximum nhấp nút Continue.
Bước 4: Ở trong hộp thoại Discriminant Analysis đánh dấu chọn vào mục Enter independents together.
Bước 5: Nhấp vào nút Statistics trong hộp thoại mới xuất hiện đánh dấu chọn các mục sau: Means, Univariable ANOVAs, Box’s M, Unstandardized, Within-groups correlation nhấp nút Continue.
Bước 6: Nhấp vào nút Classify trong hộp thoại mới xuất hiện đánh dấu chọn các mục sau: Compute from group sizes, Summary table, Leave one out classification, Within groups, Combined groups, Separate groups, Territorial map nhấp nút Continue.
Bước 7: Nhấp vào nút Save trong hộp thoại mới xuất hiện đánh dấu chọn các mục sau: Predicted group membership và Discriminant scores nhấp nút Continue. Bước 8: Ở trong hộp thoại Discriminant Analysis nhấp chuột chọn OK.
KẾT QUẢ VÀ THẢO LUẬN
Bảng A: Canonical Discriminant Function Coefficients Function X1 2,715 X2 -4,520 X3 11,139 X4 -0,632 X5 0,285 X6 8,406 Constant -3,729 Nguồn: Nhóm tác giả tự tính tốn
Bảng B: Functions at group centroids
Phân nhóm Function
Nguy cơ phá sản -1,336
Khơng phá sản 1,553
Nguồn: Nhóm tác giả tự tính tốn
Dựa vào 2 bảng từ kết quả chạy mơ hình trong phần mềm SPSS ta có được phương
trình tuyến tính đa biệt thức có hằng số như sau:
D = 2,715 X1 + (-4,520) X2 + 11,139 X3 + (-0,632) X4 + 0,285 X5 + 8,406 X6 + (-3,729) 0,632) X4 + 0,285 X5 + 8,406 X6 + (-3,729)
Giá trị D nằm trong khoản (-1,336; 1,553) - Nếu D ≥ 1,553: Công ty nằm trong vùng
an toàn
- Nếu -1,336 < D < 1,553: Công ty nằm trong vùng cảnh báo
- Nếu D ≤ -1,336 : Cơng ty nằm trong vùng có nguy cơ phá sản cao
Mơ hình kết quả nghiên cứu cuối cùng là phương trình tuyến tính đa biệt thức sau khi đã loại bỏ hằng số. Đồng thời sẽ thu được 2 ngưỡng giới hạn mới bằng các lấy 2 ngưỡng giới hạn cũ trừ đi hằng số. Ta có mơ hình dự báo phá sản được xây dựng mới như sau:
D = 2,715 X1 + (-4,520) X2 + 11,139 X3 + (-0,632) X4 + 0,285 X5 + 8,406 X6 (-0,632) X4 + 0,285 X5 + 8,406 X6
Khi đó giá trị tới hạn D nằm trong khoản (2,393; 5,282)
- Nếu D ≥ 5,282: Công ty nằm trong vùng an toàn
- Nếu 2,393 < D < 5,282: Công ty nằm trong vùng cảnh báo
- Nếu D ≤ 2,393 : Cơng ty nằm trong vùng có nguy cơ phá sản cao
Để kiểm nghiệm mơ hình thì ta sẽ thay các biến từ X1 đến X6 bằng các giá trị cụ thể từ các tỷ số tài chính của mỗi cơng ty và tính ra kết quả chỉ số D. Từ đó so sánh chỉ số D với 2 ngưỡng giới hạn là 2,393 và 5,282 để dự báo được công ty đó có nguy cơ phá sản hay khơng trong tương lai gần.
KẾT LUẬN
Đánh giá tình hình tài chính của doanh nghiệp thơng qua phân tích giá trị thực từ các tỷ số tài chính của cơng ty. Việc phân tích và đưa ra nhận định cần nhiều yếu tố kết hợp, qua đó chưa thấy sự liên kết nhau giữa các yếu tố; mặt khác mỗi nhà nghiên cứu có thể lựa chọn các chỉ số khác nhau để phân tích. Để hạn chế đánh giá khơng đúng hoặc bỏ sót một số chỉ tiêu cần thiết, nhóm nghiên cứu đã lựa chọn và xây dựng một mơ hình dự báo thông qua kỹ thuật MDA nhằm tìm ra một chỉ số chung dựa trên nhiều tỷ số tài chính độc lập. Kết quả là đã tìm ra mơ hình đánh giá tình hình tài chính, dự báo phá sản thơng qua mơ hình chỉ số D. Với chỉ số này hấu hết tất cả các đối tượng trong nền kinh tế đều có
thể tính tốn và đánh giá được thơng qua báo cáo tài chính ngay tại thời điểm đánh giá. Mơ hình chỉ số D được ứng dụng độc quyền chocác doanh nghiệp trong ngành xây dựng – bất động sản tại Việt Nam. Tuy nhiên, trong tương lai, nhóm nghiên cứu sẽ cố gắng tìm thêm những biến độc lập để có thể giải thích
thêm cho kết quả mơ hình tính tốn của hệ số biệt thức D nhằm mang lại kết quả đáng tin cậy hơn cho mơ hình dự báo phá sản này. Đồng thời sẽ phát triển thêm các mơ hình dự báo phá sản khác dành riêng cho những ngành bất ổn trong nền kinh tế Việt Nam .
TÀI LIỆU THAM KHẢO
1. ALTMAN, EDWARD I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609
2. ALTMAN, EDWARD I. (2000). Predicting financial distress of companies: Revising the Z-score and Zeta models. Stern School of Business, New York University, 9-12.
3. AGRESTI, ALAN. (1996). An introduction to categorical data analysis (Vol. 135). New