Mơ hình Z-Score tự điều chỉnh:

Một phần của tài liệu Khóa luận tốt nghiệp mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp tiếp cận bằng mô hình binary (Trang 26 - 27)

Chương 1 : GIỚI THIỆU

2.2. Phân tích các chỉ số truyền thống:

2.2.2. Mơ hình Z-Score tự điều chỉnh:

Không đơn giản là chèn một thơng số đại diện vào mơ hình sẵn có để tính chỉ số Z, Altman đề nghị một sự đánh giá lại tồn bộ mơ hình, dùng giá trị sổ sách của vốn chủ sở hữu thay thế giá trị thị trường trong biến X4. Điều này sẽ làm thay đổi tất cả các hệ số của biệt thức (không chỉ thay đổi ở thông số của biến mới) và tiêu chuẩn phân loại và các điểm giới hạn cũng thay đổi theo. Đây là điều thực sự đã xảy ra. Kết quả của mơ hình Z-Score điều chỉnh với biến mới X4 là:

Z’ = 0.717X1 +0.847X2+ 3.107X3+0.420X4+0.998X5 Các điểm ngưỡng cho chỉ số Z’ này như sau: Phásản Z’ < 1.23

Không rõ ràng 1.23 <Z’ <2.90 . Lành mạnh 2.90 < Z’

Phương trình mới này trơng khác với mơ hình trước đó; chẳng hạn như hệ số của biến X1 đã thay đổi từ 1.2 thành 0.7. Nhưng mơ hình trơng khá tương tự như mơ hình đã sử dụng giá trị thị trường. Biến số thực sự đã được điều chỉnh, X4 đã cho thấy hệ số đổi thành 0.42 so với lúc đầu là 0.6001; đó là vì, với thay đổi này nó ít ảnh hưởng hơn lên chỉ số Z. X3 và X5 hầu như là không đổi. Thử nghiệm biến đơn bằng thử nghiệm F cho giá trị sổ sách của X4 (25.8) thì thấp hơn 32.26 khi dùng giá trị thị trường nhưng kết quả đo lường bằng véc tơ cho thấy rằng đo lường bằng giá trị sổ sách vẫn là nhân tố quan trọng thứ ba trong phương trình 5 biến số.

Bảng 1.6 liệt kê độ chính xác phân loại, trung bình nhóm, các điểm số giới hạn điều chỉnh cho mơ hình Z’-Score. Độ chính xác của nhóm I vẫn chỉ thấp hơn chút ít so với mơ hình sử dụng giá trị thị trường của vốn chủ sở hữu (91% so với 94%) nhưng độ chính xác

18

của nhóm II là rõ ràng (97%). Trung bình của nhóm khơng phá sản trong mơ hình Z’- Score thấp hơn trong mơ hình gốc (4.14 so với 4.8882). Vì vậy, sự phân phối điểm chỉ số là chặt chẽ hơn với phần đan xen nhóm rộng hơn. Phần khơng nhận biết được (ignorance zone) thì rộng hơn. Tuy nhiên, bởi vì ranh giới phân biệt thấp hơn 1.23 so với 1.81 trong mơ hình gốc. Nên mơ hình chỉnh sửa có lẽ kém tin cậy hơn so với mơ hình gốc, nhưng chỉ kém một chút. Bởi vì thiếu các cơ sở dữ liệu của các công ty tư nhân, Altman khơng thực hiện kiểm nghiệm mơ hình mở rộng này trên các mẫu thứ cấp các công ty bị kiệt quệ tài chính và khơng kiệt quệ.

Ghi chú: Trung bình nhóm phá sản = 0.15; trung bình của nhóm khơng phá sản 4.14 Z’ < 1.21= Vùng I (khơng có lỗi khi phân loại phá sản)

Z’ > 2.90= Vùng II (khơng có lỗi khi phân loại không phá sản) Vùng không nhận biết=1.23 đến 2.90

Bảng 2.6: Mơ hình điều chỉnh Z’-Score: Phân loại kết quả, trung bình nhóm, ranh giới điểm phân biệt

Thực tế Phân loại

Phá sản Không phá sản Tổng cộng

Phá sản -90.90% 30 -9.10% 3 33

Không phá sản -3.00% 1 -97.00% 32 33

Một phần của tài liệu Khóa luận tốt nghiệp mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp tiếp cận bằng mô hình binary (Trang 26 - 27)

Tải bản đầy đủ (PDF)

(75 trang)