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 công 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 công 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 công ty. Còn để phân tích mức độ kiệt quệ tài chính của công 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 công 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 toán)
Bảng 4.6B: Thay đổi tỷ suất sinh lợi trong quá khứ
High ∆ROA Medium ∆ROA Low ∆ROA
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 ∆ROA:
∆TURN
Low Medium High High - Low ! ∆MARGIN 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 (adsbygoogle = window.adsbygoogle || []).push({});
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 toán)
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. Còn đối với việc xác định tính chất, mức độ kiệt quệ tài chính của
công 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 công 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 công 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 công 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 không. Quá 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 công ty có high F_SCORE đều ở mức cao, hơn hẳn bình quân toàn danh mục và vượt trội so với các công ty low F_SCORE. Mức chênh lệch bình quân 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 công ty có delta ROA cao, các công 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 toàn công 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 ∆ROA 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 ∆ROA, 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 (∆ROA): 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 ∆ROA: 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 ∆ROA thành 2 yếu tố trong Bảng 4.6C, kết quả kiểm định cho thấy sự hiệu quả hơn trong việc
tìm ra những công 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 ∆MARGIN và ∆TURN 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 quân của các công ty mạnh (yếu) thì vượt trội (thấp hơn hẳn) so với tổng thể công ty. Chênh lệch bình quân 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 công ty mạnh ra khỏi nhóm công ty yếu không 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 công 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 công ty tốt thay vì chỉ sử dụng một dữ liệu duy nhất trong quá trình chọn lọc.
CHƯƠNG 5: KẾT LUẬN
5.1KẾT QUẢ NGHIÊN CỨU:
Bài nghiên cứu nhằm mục đích chứng mình sử dụng phương pháp đầu tư giá trị có thể giúp tạo ra một danh mục đầu tư hiệu quả. Nếu hiệu quả, tỷ suất sinh lợi vượt trội và sự cải thiện tỷ suất sinh lợi này sẽ thể hiện như thế nào. Kết quả cho thấy, khi áp dụng lọc các công ty trên thị trường có chỉ số BM cao, sau đó chỉ sử dụng các chỉ số tài chính có sẵn, tính điểm cho các công ty này và một lần nữa lọc những công ty có điểm cao, khi đầu tư vào nhóm các công ty đã lọc ra cuối cùng này sẽ cho được tỷ suất sinh lợi vượt trội hơn so với danh mục thị trường. Kết quả nghiên cứu cũng cho thấy, tỷ suất sinh lợi trung bình của danh mục đầu tư sẽ chuyển dịch về phía bên phải.
Kết quả nghiên cứu cũng cho thấy một điểm rất thú vị đo là, cách thức phân bổ, chọn lọc các công ty không hề quan tâm đến nhóm loại công ty, các điều kiện kinh tế vi mô vĩ mô xung quanh. Phương pháp lựa chọn công ty cũng không quan tâm đến quy mô công ty hay mức độ yêu thích của công ty trên thị trường, phương pháp này tập trung lựa chọn các chỉ số tài chính có sẵn tập hợp thành một công thức tính điểm có thể áp dụng cho mọi công ty. Mặc dù mục đích của bài nghiên cứu này không phải nhằm tìm ra các chỉ số tài chính tối ưu để tính triển vọng giá trị từng công ty cụ thể, kết quả cho thấy các bằng chứng thuyết phục rằng các nhà đầu tư có thể sử dụng dữ liệu lịch sử chọn lọc nhằm loại bỏ các công ty kém hiệu quả (tỷ suất lợi nhuận tương lai thấp) ra khỏi rổ danh mục có BM cao. Bài nghiên cứu chỉ ra rằng lợi nhuận bình quân từ danh mục các công ty có BM cao của các nhà đâu tư có thể tăng ít nhất 13.88%/năm thông qua việc lựa chọn các công ty BM cao có dữ liệu tài chính tốt và mức phân phối của lợi nhuận lệch về phía bên phải. Ngoài ra, chiến lược mua các công ty có điểm cao và
bán các công ty có điểm thấp có thể đem lại mức lợi nhuận 45.98%/năm trong khoảng thời gian từ năm 2008 đến năm 2012, và chiến lược này cho thấy phù hợp ngay cả khi áp dụng vào các phương thức đầu tư khác.
Trong danh mục bao gồm các công ty có chỉ số BM cao, lợi nhuận được đóng góp phần lớn bởi các công ty nhỏ và vừa, các công ty có thị giá thấp và các công ty có độ thanh khoản cao. Mối tương quan dương của triển vọng công ty trong tương lai và lợi nhuận trên tổng tài sản công ty cùng với doanh thu cũng là một điểm nhấn trong bài nghiên cứu. Sự kết hợp của 2 chỉ số ∆MARGIN và ∆TURN nhằm tìm ra công ty mạnh và yếu cho thấy hiệu quả của việc kết hợp các chỉ số tài chính thay vì sử dụng đơn thuần các chỉ số này 1 cách đơn lẻ.
Kết quả bài nghiên cứu về việc các công ty có chỉ số BM cao cho tỷ suất sinh lợi vượt trội, đồng thời các công ty BM cao cho tỷ suất sinh lợi tốt cũng thuộc nhóm công ty vừa và nhỏ, tức các công ty ít được chú ý trên thị trường nhất. Điều này cũng phản ánh một phần tài chính hành vi của thị trường, thường quan tâm đến các công ty cho thành quả tài chính tốt trong quá khứ, các công ty lớn trên thị trường với thị giá của cổ phiếu cao hơn giá trị sổ sách.
Xét tổng thể, kết quả của bài nghiên cứu tạo nhiều điểm nhấn đáng chú ý bởi sự phân bổ lợi nhuận thì không nhất quán với quan niệm thông thường về rủi ro. Fama và French (1992) chỉ ra rằng hiệu ứng BM thì thường đi cùng với “kiệt quệ tài chính”, tuy nhiên các công ty BM cao các công ty có “sức khỏe tốt nhất” thì đồng thời cũng đem lại mức lợi nhuận cao nhất. Kết quả cũng cho thấy những công ty có “kích thước” nhỏ, thị giá thấp đóng góp phần lớn vào lợi nhuận danh mục. Kết quả này phản ánh trùng với nghiên cứu của Lee và Swaminathan (2000a, 2000b). Kết quả nghiên cứu của họ cho thấy giả thiết về “vòng đời” của lợi nhuận. Trong giai đoạn khởi
đầu, các công ty liên tục công bố kết quả hoạt động không khả quan khiến thị trường thất vọng một cách thái quá. Do vậy đến khi phục hồi lại, chính những công ty này sẽ có những bước nhảy vọt và những nhà đầu tư vào được giai đoạn khỏi đầu của công ty sẽ là những người chiến thắng. Điểm mới trong bài nghiên cứu này so với các nghiên cứu trước là kết quả cho thấy các công ty thanh khoản cao lại đem tới lợi nhuận cao nhất, một phần có thể do thị trường chứng khoán Việt Nam còn non trẻ, xu hướng tìm tới sự phổ biến, chạy theo đám đông vẫn chiếm chủ đạo.
5.2HẠN CHẾ VÀ HƯỚNG MỞ RỘNG CỦA NGHIÊN CỨU
Mặt hạn chế của bài nghiên cứu này là thị trường chứng khoán Việt Nam còn trẻ và khá nhỏ, do đó quy mô của mẫu không lớn như những bài nghiên cứu trước. Quy mô của mẫu nhỏ khiến cho việc phân loại các công ty vào nhóm điểm từ 0 đến 9 có số lượng mẫu cho mỗi nhóm khá ít. Điều này cũng ảnh hưởng một phần đến độ tin cậy của kết quả nghiên cứu. Bài nghiên cứu này cũng chỉ lấy số liệu trong 5 năm, nguồn số liệu cũng không đảm bảo tính trung thực do báo cáo tài chính khi công bố có thể đã được làm đẹp để thu hút nhà đầu tư hơn.
Hướng mở rộng của bài nghiên cứu này là bổ sung dữ liệu của biến Analyst Following. Analyst following là một biến đo lường số lượng các bài phân tích và dự phóng có uy tín về công ty đó, biến này có thể cho thấy được sự quan tâm của thị trường dành cho danh mục. Trong nghiên cứu trước của Joseph D.Piotroski, biến này được thu thập là tổng các bài báo cáo phân tích trên The Institutional Brokers' Estimate System – một hệ thống dịch vụ thu thập toàn bộ các dự báo tài chính của các công ty của Mỹ từ năm 1976. Ở Việt Nam chưa có một trung tâm hoặc công ty hoạt động chuyên nghiệp như vậy. Một vấn để mở rộng ra khác của bài nghiên cứu là liệu có thể
(adsbygoogle = window.adsbygoogle || []).push({});