Ký hiệu Chỉ số Trọng số SIZE -0,407 TLTA 6,03 WCTA -1,43 CLCA 0,757
OENEG Biến giả (có giá trị 1 nếu tổng nợ >
tổng tài sản ngược lại bằng 0). 0,285
NITA
-2,37
FUTL
INTWO
Biến giả ( Có giá trị bằng 1 nếu
EAT < 0 trong hai năm gần nhất,
bằng 0 trong trường hợp ngược lại)
-1,72
CHIN
-0,521
Nguồn: Tác giả tự tổng hợp
Trong đó: Chỉ số giá theo GNP =
*100
VLĐR(Vốn luân chuyển) = Tài sản ngắn hạn – Nợ ngắn hạn Dòng tiền hoạt động = EBT + khấu hao
EAT(t),(t-1) = lợi nhuận sau thuế thời điểm (t) và thời điểm (t-1) Mơ hình O-score được xác định như sau:
OS = -1,32-0,407*SIZE+6,03*TLTA-1,43*WCTA+0,757*CLCA-2,37*OENEG- 1,83* NITA+0,285*FUTL-1,72*INTWO-0,521*CHIN
Khi đó xác định được xác suất phá sản của doanh nghiệp như sau:
P >0,5: Doanh nghiệp đang đối mặt với rủi ro phá sản.
P <0,5 : Doanh nghiệp tạm thời chưa đối mặt với rủi ro phá sản.
Mơ hình O-score tập trung dự báo cho nhóm doanh nghiệp phi tài chính, có khả
năng dự báo tốt tại các quốc gia. Đặc biệt, khả năng dự báo của mơ hình O-Score trên
Theo tác giả Surapol Pongsatat và các cộng sự (2004:8) nghiên cứu khả năng dự báo của hai mô hình Z-Score và O-Score trên thị trường Đơng Nam Á cho thấy: đối với nhóm doanh nghiệp quy mơ nhỏ, khả năng dự báo của mơ hình O- Score là 75% trong khi mơ hình Z- Score là 64,06%; cịn với nhóm doanh nghiệp có quy mơ lớn, khả năng dự báo của mơ hình O- Score là 69,64% trong khi mơ hình Z- Score là 58,93%.
2.4.3 Mơ hình KMV-Merton
Khác với những mơ hình trình bày trên thuộc nhóm mơ hình cho điểm (Scoring Models) thì mơ hình KMV-Merton thuộc nhóm mơ hình cấu trúc (Structure Models). Mơ hình KMV-Merton do Merton (1974), thiết lập dựa trên lý thuyết định giá quyền chọn của Fischer Black & Myron Scholes (1973). Sau đó, cơng ty KMV đã phát triển mơ hình Merton cổ điển để dự báo nguy cơ phá sản của doanh nghiệp và từ đó xuất
hiện mơ hình KMV-Merton. Mơ hình này dựa trên ý tưởng là vốn chủ sở hữu của một doanh nghiệp có thể được xem như một quyền chọn trên giá trị tài sản của doanh
nghiệp trong một khoảng thời gian nhất định. Một khi giá trị tài sản của doanh nghiệp giảm xuống dưới điểm phá sản, tại hoặc trước thời điểm cuối của khoảng thời gian
được xét, doanh nghiệp sẽ phá sản ngay lập tức. Mơ hình sẽ cho biết khả năng phá sản
của mỗi doanh nghiệp trong mẫu được chọn ở bất kỳ thời điểm nào được xét. Khoảng cách phá sản ((Distance to Default – DD):
( )
√
Trong đó: B = Nợ ngắn hạn + ½*Nợ dài hạn (B cịn gọi là điểm vỡ nợ).
= Tỉ suất lợi nhuận gộp liên tục dự kiến trên giá trị tài sản. = Độ biến động giá trị tài sản.
(V và được xác định từ hai giả định của mơ hình). Từ đó, xác định xác xuất vỡ nợ (PD):
2.5 Khái quát ngành bất động sản ở Việt Nam
2.5.1 Đặc điểm của thị trƣờng bất động sản ở Việt Nam
-Bất động sản là một loại hàng hóa đặc biệt nên thị trường bất động sản không phải là
thị trường giao dịch bản thân bất động sản mà là thị trường giao dịch các quyền và lợi ích chứa trong bất động sản
- Thị trường bất động sản là thị trường khơng hồn hảo. Sự khơng hoàn hảo của thị
trường này xác định khi đem ra so sánh với thị trường hàng tiêu dùng và thị trường của các tư liệu sản xuất khác.
- Trên thị trường bất động sản, cung về hàng hóa bất động sản phản ứng trễ hơn so với
sự biến động về cầu và giá cả bất động sản,bởi việc tạo ra hàng hóa bất động sản phức tạp, cần nhiều thời gian và bắt đầu là việc tìm hiểu thơng tin về đất đai,làm thủ túc,xin giấy phép xây dựng, thi công, thiết kế... Sự phản ứng cung không kịp cầu sẽ dẫn đến sự biến động giá cả, đòi hỏi Nhà nước phải có những can thiệp nhất định để bình ổn thị trường.
- Do đặc thù của chủng loại hàng hóa bất động sản là thường có giá trị lớn nên q
trình giao dịch bất động sản khơng thể đơn giản và nhanh chóng như các loại hàng hóa khác. Vì vậy, giao dịch bất động sản cần nhiều thời gian và chi phí cho các dịch vụ như cung cấp thơng tin, tư vấn, kiểm điịnh, thanh tốn..
- Thị trường bất động sản rất nhạy cảm, dễ biến động khi có sự biến động của các yếu
tố kinh tế , chính trị và xã hội. Thực tế cho thấy những cơn sốt nóng lạnh đã xảy ra theo nhịp độ tăng trưởng hoặc suy giảm của nền kinh tế. Những tác động về chính trị, văn
hóa, xã hội, mơi trường, phong tục tập qn... đều có ảnh hưởng đến hành vi mua bán trên thị trường.
- Thị trường bất động sản chịu sự chi phối của yếu tố pháp luật. Việc quản lý nhà nước
đối với bất động sản bằng pháp luật là cơ sở để bảo đảm an toàn cho các giao dịch bất động sản. Những thủ tục pháp lý cần thiết sẽ làm bất động sản có giá trị hơn , đảm bảo cho chúng được tham gia vào tất cả các giao dịc mà pháp luật quy định như mua bán, chuyển nhượng, cho thuê, thế chấp..
2.5.2 Một số chỉ số tài chính cập nhật đến hiện nay (ngày 30/5/2018) :
EPS 3.0 ngàn PE 16.2 lần Vốn thị trường 591,969 Tỷ KL đang lưu hành 12,594.66 triệu Giá sổ sách 20.1 ngàn ROE 15% Beta 0.71 2.5.3 Tình hình phát triển:
Năm 2017, bất động sản có một năm ổn định và tăng trưởng.
Theo TS. Cấn Văn Lực, chuyên gia tài chính năm 2017 ghi nhận sự lớn mạnh của các doanh nghiệp trong ngành bất động sản. Đến hết năm 2017, có hơn 4.500 doanh nghiệp kinh doanh bất động sản được thành lập mới, tăng 60% về số doanh nghiệp và số vốn.
Quy mơ các doanh nghiệp cũng có sự chuyển biến rõ rệt khi quy mô vốn tăng mạnh từ khoảng 20 tỷ đồng/doanh nghiệp trước đó, lên 68 tỷ đồng/doanh nghiệp trong năm
2017.
Thị trường ổn định, số lượng doanh nghiệp niêm yết trên sàn chứng khoán cũng tăng mạnh. Nhành này giữ vị trí số 1 về tốc độ tăng trưởng số lượng doanh nghiệp đăng kí mới (+62% n/n) và vốn đăng ký mới (17 tỷ USD). Bên cạnh đó, dịng vốn FDI đầu tư lĩnh vực này đạt mức cao nhất trong 7 năm qua (hơn 3 tỷ USD).
“Nguồn vốn vào thị trường bất động sản năm 2017 rất tích cực dù ngân hàng có siết
chặt tín dụng. Tổng dự nợ cho vay đầu tư bất động sản của Việt Nam đến hết tháng 10 khoảng 400.000 tỷ đồng, chiếm khoảng 6,5% tổng dư nợ. Dư nợ tín dụng lĩnh vực bất động sản và xây dựng chiếm khoảng 15,5% tổng dư nợ”, ông Lực thông tin.
2.5.4 Rủi ro ngành
Rủi ro chính của ngành bất động sản là sự mất ổn định của kinh tế vĩ mô, lãi suất tăng, lạm phát tăng dẫn tới chi phí đầu tư dự án lớn, các chính sách Nhà nước về thị trường bất động sản.
Trong ngắn hạn, rủi ro về lãi suất được cho là cao nhất đối với thị trường BĐS, khi tín dụng được kiểm sốt theo lộ trình Thơng tư 19/2017/TT-NHNN của NHNN. Theo đó, hệ số rủi ro áp dụng đối với các khoản vay kinh doanh BĐS tăng từ 150% lên 200%. Cùng với đó, tỷ lệ dùng vốn ngắn hạn cho vay trung dài hạn xuống 45% vào đầu năm 2018 và xuống 40% vào năm 2019, cũng là một áp lực lên lãi suất cho vay BĐS. Rủi ro lãi suất sẽ là áp lực lớn lên các dự án và chủ đầu tư sử dụng tỷ lệ vốn vay cao, khả năng huy động vốn tự có hoặc vốn từ khách hàng kém.
Số liệu thống kê nghành không đồng nhất: mỗi quý, các công ty nghiên cứu và tư vấn như CBRE, Savills, JLL và Hiêp hội Bất động sản Việt Nam đều công bố báo cáo thị trường BĐS, tuy nhiên số liệu thống kê thường không đồng nhất, thậm chí chệnh lệch
khá lướn, đặc biệt là số lượng sản phẩm bán được. Trong khí đó, lại khơng có một cơ sở dữ liệu chính thống nào. Tình trạng loạn số liệu này sẽ tác động không nhỏ đến người mua nhà và chủ dự án.
2.5.5 Triển vọng ngành
Do nhiều dự án bị hoãn mở bán trong năm 2017 nên cho nguồn cung năm 2018 có thể cao hoưn so với năm ngối. Tuy nhiên, tỷ lệ hấp thụ và giá bán trung bình có thể khơng tăng nhiều do nguồn cung nhiều hơn. Phân khúc căn hộ vừa túi tiền dự kiến tiếp tục dẫn đầu và là động lực chính hỗ trợ cho sự phát triển bền vững thị trường BĐS. Kết luận : mặc dù BĐS là ngành thiết yếu trong nền kinh tế, sự phát triển ổn định của ngành này là động lực quan trọng để phát triển bền vững nền kinh tế nói chung, song cũng tiềm ẩn rủi ro cao khi rất dễ tạo ra các "bong bóng" đầu cơ và có nguy cơ gây đổ vỡ cả nền kinh tế khi các "bong bóng" vỡ. Vì vậy chúng ta cần xem xét cơ cấu tài chính để tránh các rủi ro có thể xảy đến trong tương lai gần để có thể phản ứng lại một cách chủ động, không bất ngờ.
Chương 2 đã trình bày khái niệm cơ cấu tài chính cũng như các thành phần cơ bản của cơ cấu tài chính. Trong chương này tác giả cũng đề cập đến khái niệm và biểu hiện mất cân đối tài chính trong nền kinh tế Việt Nam giai đoạn hiện nay cùng với những nguyên nhân dẫn đến mất cân đối tài chính. Đây là một trong những cơ sở trong việc nghiên cứu nguy cơ phá sản trong nền kinh tế. Bên cạnh đó, tác giả cũng giới thiệu một số các lý thuyết về cơ cấu tài chính và các mơ hình dự báo phá sản được xây dựng trên thế giới từ đó dựa trên việc xem xét tính phù hợp, phương pháp và bộ dữ liệu mẫu tác giả thu thập nhằm xây dựng mơ hình dự báo nguy cơ phá sản ứng dụng trên để thị trường Việt Nam. Mục tiêu chính của bài nghiên cứu này không phải dừng lại ở xây dựng mơ hình mà từ mơ hình đã xây dựng xem xét biến cơ cấu tài chính có ảnh hưởng tới nguy cơ phá sản như thế nào.
3.1 Giới thiệu phƣơng pháp phân tích biệt số
Phân tích biệt số là một kỹ thuật phân tích dữ liệu khi biến phụ thuộc (biến tiêu chuẩn) là biến phân loại và biến độc lập (biến dự đoán) là biến định lượng (thang đo
khoảng cách hay tỉ lệ). Ví dụ, biến phụ thuộc có thể là việc chọn mua một nhãn hiệu máy vi tính (A, B hay C) và biến độc lập có thể là điểm đánh giá các thuộc tính của máy PC
trên thang đó Likert 7 điểm. Các mục tiêu của phân tích biệt số là:
- Xây dựng các hàm phân tích phân biệt (discriminant functions) hay một hàm tuyến tính kết hợp các biến độc lập sao cho phân biệt rõ nhất các biểu hiện của biến phụ thuộc (biến phụ thuộc trong trường hợp này là biến định tính chỉ có các biểu hiện khơng có các mức độ).
- Nghiên cứu xem có tồn tại sự khác biệt có ý nghĩa giữa các nhóm xét theo các biến
độc lập.
- Xác định những biến độc lập nào là nguyên nhân lớn nhất gây ra những sự khác
biệt giữa các nhóm
- Phân loại các quan sát vào trong một nhóm nào đó dựa vào các giá trị của các biệt
độc lập.
- Đánh giá tính chính xác của việc phân loại.
Phân tích biệt số được sử dụng phổ biến trong nhiều lĩnh vực như tâm lí, xã hội cũng như kinh doanh. Trong kinh doanh, phân tích biệt số có thể được sử dụng trong rất
nhiều tình huống nghiên cứu như:
- Phân biệt các khách hàng trung thành và khơng trung thành bằng các đặc tính nhân khẩu học, tâm lí hay lối sống.
- Phân biệt những người dùng nhiều, dùng trung bình và dùng ít một sản phẩm nào
đó qua mức độ họ tiêu thụ các sản phẩm khác.
- Phát hiện ra các đặc trưng tâm lí giúp phân biệt giữa những người nhạy cảm với giá và những người không nhạy cảm với giá.
xuyên của siêu thị qua quan niệm sống, lối sống.
- Và cơng ty có phá sản hay khơng qua các chỉ số đặc thù.
Có hai trường hợp phân tích biệt số là:
- Phân tích biệt số 2 nhóm (two-group discriminant analysis): khi biến độc lập chỉ có hai biểu hiện.
- Phân tích biệt số bội (multiple discriminant analysis): khi biến độc lập có ba hay nhiều biểu hiện.
3.2 Liên hệ giữa phân tích biệt số, hồi quy và Anova:
Sự giống nhau và khác nhau giữa 3 phương pháp phân tích biệt số, hồi quy
và ANOVA được tóm tắt trong bảng sau:
ANOVA Hồi qui Phân tích biệt số Giống nhau: - Số biến phụ thuộc - Số biến độc lập Một Nhiều Một Nhiều Một Nhiều Khác nhau: - Tính chất của biến phụ thuộc - Tính chất của biến độc lập Định lượng Phân loại Định lượng Định lượng Phân loại Định lượng
3.3 Mơ hình phân tích biệt số:
Mơ hình phân tích biệt số có dạng tuyến tính như sau: D = b0 + b1X1 + b2X2 + b3X3 +…+ bkXk
Trong đó:
D: biệt số
Các hệ số hay trọng số (b) được tính tốn sao cho các nhóm có các giá trị của hàm số phân biệt (biệt số D) khác nhau càng nhiều càng tốt. Điều này sẽ xảy ra khi tỉ lệ của tổng các độ lệch bình phương của biệt số giữa các nhóm (between-group sum of squares) so với tổng các độ lệch bình phương của biệt số trong nội bộ các nhóm (within-group
sum of squares) đạt cực đại. Và bất cứ kết hợp tuyến tính nào khác của các biến độc lập cũng đều tạo ra những tỉ lệ nhỏ hơn.
3.3.1 Các tham số thống kê trong phân tích biệt số:
- Canonical correlation: hệ số tương quan canonical đo lường mức độ liên hệ giữa các biệt số và các nhóm. Nó là một thước đo mối liên hệ giữa hàm phân biệt đơn và tập hợp các biến giả xác định các nhóm.
- Centroid: là trung bình của các giá trị biệt số trong mỗi nhóm, số centroid bằng với số nhóm vì mỗi nhóm có một centroid.
- Classification matrix: ma trận phân loại (ma trận dự đoán) chứa số quan sát phân loại đúng và số quan sát phân loại sai. Số quan sát phân loại đúng sẽ nằm trên đường
chéo của ma trận, và số quan sát phân loại sai nằm ngoài đường chéo. Tổng của các số nằm trên đường chéo được chia cho tổng số quan sát và được gọi là tỉ lệ đúng (tỉ lệ thành công).
- Discriminant function coefficients: các hệ số hàm phân biệt (chưa chuẩn hóa) là các quyền số (trọng số) của các biến khi các biến được đo lường bằng đơn vị tính nguyên thủy.
- Discriminant scores: các biệt số được tính bằng cách nhân các hệ số khơng chuẩn
hóa được với giá trị của các biến, sau đó lấy tổng của các tích tìm được theo phương trình ở phần trên.
- Eigenvalue: đối với mỗi hàm phân biệt thì eigenvalue là tỉ số giữa tổng các độ lệch
bình phương giữa các nhóm và tổng các độ lệch bình phương trong nội bộ nhóm
biến phân loại được sử dụng như biến độc lập, và mỗi biến dự đoán được sử dụng như
biến phụ thuộc kiểu định lượng.
- Group means and group standard deviations: trung bình nhóm và độ lệch chuẩn
nhóm được tính cho mỗi biến dự đốn cho mỗi nhóm.
- Pooled within-group correlation matric: ma trận tương quan nội bộ nhóm chung
được tính bằng cách lấy trung bình các ma trận hiệp phương sai riêng cho tất cả các
nhóm.
- Standardized discriminant funtion coefficients: các hệ số hàm phân biệt chuẩn hóa là các hệ số hàm phân biệt được sử dụng như quyền số khi các biến được chuẩn hóa có
trung bình là 0 và phương sai là 1.
- Structure correlation (discriminant loadings): tương quan kết cấu (hệ số biệt tải) cho biết các hệ số tương quan đơn giữa các biến và hàm phân biệt.