CHƯƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.5 CÁC PHƯƠNG PHÁP KIỂM ĐỊNH KHÁC
Một luận điểm có thể là đả kích đối với bài nghiên cứu này là việc sử dụng đơn thuần chỉ số đo lường thành quả tổng hợp (F_SCORE) là phương thức chính để lựa chọn danh mục các cơng ty triển vọng. Để giảm bớt lo ngại về điều này kết quả thống kê trong Bảng 4.6 cho thấy toàn bộ danh mục BM cao được chia tách thành 2 đại lượng để đo lường sức khỏe và hiệu suất công ty: đo lường mức độ kiệt quệ tài chình (Altman’s z-score) và những thay đổi của tỷ suất sinh lợi trong quá khứ (được đo lường thông qua chỉ số lợi nhuận trên tổng tài sản). Nếu những cách tính đơn giản này có thể phân biệt được cơng ty triển vọng tốt và xấu thì những lo ngại về “sự chọn lọc đặc biệt” nhằm đưa ra kết quả tốt, có thể loại bỏ. Thêm vào đó, bài nghiên cứu cũng kiểm chứng liệu việc sử dụng chỉ số tổng hợp như F_SCORE có “mạnh” hơn sớ với cách tiếp cận 2 biến số nêu trên hay không.
Cũng sử dụng cùng một phương pháp như khi lọc độ lớn, thị giá và khối lượng giao dịch của công ty, tác giả phân loại công ty thành 3 phần: cao, vừa và thấp đối với tỷ suất sinh lợi cơng ty. Cịn để phân tích mức độ kiệt quệ tài chính của cơng ty tác giả sử dụng hệ số Altman Z – Score cũng để phân tách thành 3 nhóm cụ thể như sau:
+ Z > 2.99 -“Safe” Zones
+ 1.81 < Z < 2.99 -“Grey” Zones + Z < 1.81 -“Distress” Zones
Kết quả trong Bảng 4.6 cho thấy khi áp dụng Z-Score một nửa công ty ở trạng thái thấp nhất – Distress Zones, và các cơng ty có tỷ suất sinh lợi thấp cũng chiếm tỷ trọng lớn nhất.
Bảng 4.6: Kết quả sử dụng phương pháp tính điểm Altman Z-Score
Bảng 4.6A: Đo lường mức độ kiệt quệ tài chính:
Distress Zone Grey Zone Safe Zone
Mean Return Median Return N Mean Return Median Return N Mean Return Median Return N By financial distress partiton All firms 0.0290 (0.0605) 167 16 0.0960 (0.1841) 0.0938 (0.2190) 93 16 0.0745 (0.3570) 0.0468 (0.2157) 74 3
Differentiation based on F_SCORE Low Score (0.1659) (0.1610)
High Score 0.1599 0.0082 26 0.2659 0.2306 14 0.2073 0.1377 9
High - Low Diff 0.3258 0.1693 0.4500 0.4496 0.5643 0.3534
t - stat/(p-value) 0.0335 0.0016 0.0572
(Nguồn: Số liệu do tác giả thu thập và tính tốn)
Bảng 4.6B: Thay đổi tỷ suất sinh lợi trong quá khứ
High ΔROA Medium ΔROA Low ΔROA
Mean Median N Mean Median N Mean Median N
By profitability partition All firm 0.2766 0.1547 83 0.1162 0.0334 99 (0.1617) (0.1721) 102
Differentiation based on F_SCORE Low Score 0.1546 0.0083 9 (0.0307) (0.0307) 2 (0.1798) (0.1630) 15
High Score 0.2110 0.1449 22 0.4107 0.2335 26 0.0476 (0.0243) 9
High - Low Diff. 0.0564 0.1366 0.4414 0.2642 0.2275 0.1387
Bảng 4..6C: Yếu tố cấu thành nên ΔROA:
ΔTURN
Low Medium High High - Low
ΔMARGIN Low Mean (0.1048) (0.1003) (0.0267) 0.0781 Median (0.1494) (0.0819) (0.0615) 0.0878 N 30 31 30 Medium Mean 0.1167 0.1316 0.2513 0.1345 Median (0.1842) (0.0580) 0.1848 0.3690 N 34 15 45 High Mean 0.0016 0.1395 0.1448 0.1431 Median 0.0023 (0.0140) 0.1502 0.1479 N 45 22 32
High - Low Mean 0.1065 0.2398 0.1715
Median 0.1517 0.0679 0.2117
Portfolio - level returns
Mean 0.1000 0.2500 Median 0.7500 %Positive N
Strong firms 0.1920 (0.1303) (0.0208) 0.1481 0.2955 0.6970 99
Weak firms (0.0241) (0.5524) (0.2802) (0.1120) 0.0436 0.3684 95
Strong-Weak 0.2161 0.4221 0.2594 0.2602 0.2519 0.3285
t-stat/p-value 0.0537
(Nguồn: Số liệu do tác giả thu thập và tính tốn)
Bảng 4.6A và Bảng 4.6B trong bảng này thể hiện mối quan hệ giữa tỷ suất sinh lợi 1 năm so với thị trường đã điều chỉnh và 2 phương thức tính dựa trên dữ liệu tài chính: Độ kiệt quệ tài chính và thay đổi trong tỷ suất lợi nhuận. Đối với tỷ suất lợi nhuận, dữ liệu sữ dụng là thay đổi trong tỷ suất sinh lợi hàng năm (DROA). Mỗi năm sẽ sử dụng toàn bộ dữ liệu của các công ty, chia làm 3 mục theo tỷ lệ 33.3 và 66.7 phần trăm và đặt tên thành 3 phần: Cao, vừa và thấp. Cách tính tỷ suất sinh lợi đã được giải thích trong bảng 3. Cịn đối với việc xác định tính chất, mức độ kiệt quệ tài chính của
cơng ty, tác giả sử dụng chỉ số Z-Score và chia làm 3 mục theo tiêu chí như bên trên đã đề cập.
Đầu tiên, những cơng ty có ít rủi ro kiệt quệ tài chính thì tạo ra lợi nhuận tương lai cao hơn so với các công ty đang trong giai đoạn khủng hoảng (mức lợi nhuận bình quân đã điều chỉnh thị trường trong 1 năm là 0.0745 so với 0.029). Kết quả này phù hợp với nghiên cứu của Dichev (1998), người đã đưa ra kết luận về mối tương quan nghịch giữa mức độ kiệt quệ tài chính và lợi nhuận cổ phiếu của danh mục gồm các công ty trên The Center for Research in Security Prices của Mỹ, đối mặt với rủi ro phá sản.
Thứ hai, các cơng ty có BM cao với kết quả tỷ suất sinh lợi quá khứ cao thì kiếm được tỷ suất lợi nhận cao hơn trong năm tiếp đó. Kết quả được thể hiện trong Mục B, các cơng ty có chênh lệch ROA cao thì mức tỷ suất bình quân cao nhất trong nhóm (0.2766) cao hơn so với mức vừa (0.1162) và mức thấp (-0.1617).
Những kết quả từ việc kiểm định trên góp phần cũng cố cho việc sử dụng F_SCORE như một dữ liệu điều kiện đầu vào dùng để chọn lọc danh mục. Bên cạch việc chứng minh mức độ kiệt quệ tài chính và thay đổi trong tỷ suất sinh lợi quá khứ có thể sử dụng để lọc các công ty từ kết quả nêu trên. Bài nghiên cứu cũng đi sâu trong việc áp dụng F_SCORE lên các khoản mục này nhằm kiểm định liệu chỉ số đơn giản này có thể tách biệt, lọc ra những công ty tốt hay khơng. Q trình kiểm định việc áp F_SCORE vào 3 phần danh mục dựa trên mức độ kiệt quệ tài chính, kết quả cho thấy, high F_SCORE đã thành công trong việc loại bỏ những công ty yếu ra khỏi danh mục. Mức tỷ suất sinh lợi bình quân của các cơng ty có high F_SCORE đều ở mức cao, hơn hẳn bình qn tồn danh mục và vượt trội so với các cơng ty low F_SCORE. Mức chênh lệch bình qn giữa high và low dao động trong khoảng 32% - 56% với mức ý nghĩa trên 90%.
Tương tự khi áp dụng F_SCORE vào dữ liệu tăng trưởng tỷ suất sinh lợi trong quá khứ của công ty, các công ty high F_SCORE đều thể hiện mức lợi nhuận vượt trội so vơi low F_SCORE. Dù vậy hiệu quả khi áp F_SCORE vào không thể hiện tốt một cách hoàn hảo như trong kiểm định mức độ kiệt quệ tài chính. Thứ nhất, đối với cơng ty có delta ROA cao, các cơng ty High F_SCORE dù tốt hơn so với low F_SCORE nhưng danh mục này không thể hiện sự vượt trội khi so sánh với tổng thể toàn danh mục (21.1% so với mức bình quân tồn cơng ty là 27.66%). Thứ hai, khi kiểm định độ tin cậy sự khác biệt giữa High và low F_SCORE, thì chỉ số p-value ở mức cao cho thấy độ tin cậy của kết quả kiểm định chỉ ở mức thấp. Độ tin cậy của mức ΔROA cao, trung bình và thấp lần lượt là 36.3%, 63.2% và 85.2%.
Trước tình trạng sau kiểm định cho thấy khả năng “kém tin tưởng” khi phân tích riêng lẻ từng chỉ số mà cụ thể là ΔROA, tác giả tiến hành kiểm định sự kết hợp hai dữ liệu nhằm đo lường thành quả công ty. Trong Bảng C, tác giả tiến hành kiểm định tỷ suất sinh lợi trong 1 năm sau điều chỉnh dựa trên sự kết hợp của 2 dữ liệu kết hợp cấu thành nên thay đổi lợi nhuận trên tổng tài sản (ΔROA): Thay đổi trong tỷ số doanh thu/tổng tài sản và thay đổi trong tỷ số lợi nhuận/Doanh thu.
Dữ liệu cấu thành nên bảng dưới đây là tỷ suất sinh lợi 1 năm sau điều chỉnh từ công ty với 2 yếu tố cấu thành nên ΔROA: thay đổi trong tỷ số doanh thu/tổng tài sản và thay đổi trong tỷ số lợi nhuận/Doanh thu. Công ty được sử dụng là dữ liệu đồng nhất với kết quả mục A và B. Công ty được định nghĩa là mạnh/yếu khi nằm trong phần mục tam giác trên/dưới đã tô đậm.
Thông qua việc tiến hành phân tách thành phần của ΔROA thành 2 yếu tố trong Bảng 4.6C, kết quả kiểm định cho thấy sự hiệu quả hơn trong việc
tìm ra những cơng ty mạnh hơn là chỉ phân tích một dữ liệu đơn thuần như trong Bảng 4.6B. Đầu tiên, công ty mạnh cấu thành khi xét riêng lẻ ở cả 2 yếu tố là ΔMARGIN và ΔTURN đều có thể đem lại mức lợi nhuận tương lai tốt hơn. Điều này thể hiện qua mức bình quân chênh lệch giữa High và Low. Thứ hai, khi tác giả tiến hành kết hợp 2 yếu tố này lại phân chia thành công ty mạnh và yếu (tam giác dưới và trên) thì tỷ suất sinh lợi tương lai của công ty mạnh ở mức cao. Tỷ suất sinh lợi bình qn của các cơng ty mạnh (yếu) thì vượt trội (thấp hơn hẳn) so với tổng thể cơng ty. Chênh lệch bình qn tỷ suất sinh của công ty mạnh và yếu là 21.61% với độ tin cậy 94%.
Kết quả từ Bảng 4.6 cho thấy khả năng tách biệt nhóm cơng ty mạnh ra khỏi nhóm cơng ty yếu khơng thể kết luận khi chỉ sử dụng đơn thuần một yếu tố. Bên cạnh đó việc kết hợp nhiều yếu tố có thể có được kết quả lọc dữ liệu tốt hơn. Ngoài ra lợi nhuận tương lai của cơng ty có thể dự báo được thông qua dữ liệu quá khứ của công ty khi sử dụng dữ liệu quá khứ. Sự kết hợp giữa các chỉ số liên quan với nhau thông qua F_SCORE hay phân tích Dupont có thể cải thiện đáng kể trong việc tìm ra các cơng ty tốt thay vì chỉ sử dụng một dữ liệu duy nhất trong quá trình chọn lọc.