Xuất phát từ những hệ lụy do khó khăn tài chính của công ty mang lại, việc dự báo tình trạng này từ những thông tin trong quá khứ và hiện tại là việc làm cần thiết giúp chủ doanh nghiệp
CƠ SỞ LÝ THUYẾT VÀ CÁC MÔ HÌNH DỰ BÁO KHÓ KHĂN TÀI CHÍNH DOANH NGHIỆP
Cơ sở lý thuyết về dự báo khó khăn tài chính
1.1.1 Khái ni ệ m khó kh ă n tài chính
Khó khăn tài chính và các vấn đề liên quan đến tình trạng này của doanh nghiệp luôn là mối quan tâm của các học giả toàn cầu trong nhiều thập kỷ (Hua và cộng sự, 2007; Ohlson, 1980; Tam & Kiang, 1992) Các quan điểm về khó khăn tài chính không đồng nhất và liên tục được phát triển, hoàn thiện thông qua nghiên cứu lý thuyết và thực tiễn.
Theo từ điển Oxford, "khó khăn" (distress) được định nghĩa là tình trạng "thiếu tiền và khốn khó" Gordon (1971) trong nghiên cứu đầu tiên về lý thuyết khó khăn tài chính đã chỉ ra rằng khó khăn tài chính xảy ra khi khả năng sinh lời của doanh nghiệp giảm sút, dẫn đến việc không thể hoàn trả các khoản nợ gốc và lãi.
Theo các nhà kinh tế học cổ điển, khó khăn tài chính xảy ra khi doanh nghiệp không đủ tiền để thanh toán nợ hoặc cổ tức ưu đãi, dẫn đến việc phải vay ngân hàng, bán tài sản hoặc đối mặt với nguy cơ phá sản Beaver (1966) và Carminchael (1972) cho rằng tình trạng này xuất hiện khi doanh nghiệp thiếu hụt tài sản có tính thanh khoản cao như tiền mặt và tài sản tài chính ngắn hạn Witaker (1999) và Wruck (1990) nhấn mạnh rằng khó khăn tài chính cũng xảy ra khi dòng tiền thuần của doanh nghiệp thấp hơn chi phí trả lãi dài hạn.
Khó khăn tài chính theo quan điểm của các nhà kinh tế học cổ điển chủ yếu liên quan đến sự thiếu hụt tiền mặt hoặc tài sản thanh khoản để thanh toán nợ Tuy nhiên, quan điểm này không được đồng thuận hoàn toàn Doumpos và Zopounidis (1999) đã chỉ ra rằng khó khăn tài chính không chỉ là việc không trả được nợ mà còn bao gồm tình trạng âm tài sản ròng, khi nợ vượt quá giá trị tài sản của doanh nghiệp.
Altman (1993) cho rằng phá sản doanh nghiệp là biểu hiện pháp lý của khó khăn tài chính, vì doanh nghiệp chỉ tuyên bố phá sản khi gặp khó khăn tài chính Tuy nhiên, thực tế cho thấy một số doanh nghiệp khó khăn tài chính không bao giờ phá sản, trong khi những doanh nghiệp tài chính lành mạnh lại có thể nộp đơn xin phá sản để trốn thuế hoặc tránh chi phí kiện tụng (Theodossiou và cộng sự, 1996).
Nghiên cứu của Dimitras, Zanakis, & Zopounidis (1996) xác định khó khăn tài chính là "thất bại" trong kinh doanh khi công ty không thể thanh toán cho chủ nợ, cổ đông ưu đãi và nhà cung cấp, dẫn đến ngừng hoạt động Tuy nhiên, do thiếu định nghĩa thống nhất về "thất bại", quan điểm này đã bị phản bác bởi các nhà nghiên cứu như Altman (1993) và Weston cùng cộng sự (1992).
Theo Altman (1993), "thất bại" kinh doanh được định nghĩa là khi tỷ suất lợi nhuận trên vốn đầu tư của doanh nghiệp thấp hơn nhiều so với các dự án tương tự Điều này cho thấy rằng "thất bại" không nhất thiết đồng nghĩa với việc doanh nghiệp phải ngừng hoạt động Weston và cộng sự (1992) cũng nhấn mạnh rằng "thất bại" xảy ra khi doanh nghiệp không còn cơ hội thành công, khi tỷ suất lợi nhuận thấp hơn chi phí vốn Do đó, "thất bại" không thể được xem là tình trạng ngừng hoạt động của doanh nghiệp, như đã được Dimitras, Zanakis, & Zopounidis (1996) đề cập.
Khó khăn tài chính, theo định nghĩa của Ross, Westerfield & Jaffe (2002), là tình trạng khi dòng lưu chuyển tiền tệ thuần từ hoạt động kinh doanh không đủ để đáp ứng các nghĩa vụ nợ hiện tại, buộc công ty phải thực hiện các biện pháp cần thiết để cứu vãn tình hình Tác giả đã mô hình hóa khái niệm này từ hai khía cạnh: tài sản và dòng tiền Về tài sản, sự mất khả năng thanh toán được thể hiện khi giá trị tài sản thấp hơn giá trị các khoản nợ phải trả, dẫn đến vốn chủ sở hữu âm Ngược lại, một doanh nghiệp có khả năng thanh toán tốt sẽ có tổng tài sản bằng nợ phải trả cộng với vốn chủ sở hữu Về dòng tiền, một doanh nghiệp được coi là mất khả năng thanh toán khi dòng tiền ròng từ hoạt động kinh doanh không đủ để trang trải các khoản nợ hiện tại.
Hình 1.1 Mô tả về khó khăn tài chính ở khía cạnh tài sản
DN có khả năng thanh toán tốt DN mất khả năng thanh toán
Hình 1.2 Mô tả về khó khăn tài chính ở khía cạnh dòng tiền
Khi gặp khó khăn tài chính, các công ty có thể giải quyết bằng các cách như:
1 Bán một số tài sản chính
2 Sáp nhập với công ty khác
3 Cắt giảm vốn đầu tư vào các hoạt động nghiên cứu và phát triển
4 Phát hành thêm chứng khoán mới
5 Điều đình với ngân hàng và các chủ nợ
6 Chuyển nợ sang vốn chủ sở hữu
7 Làm thủ tục xin phá sản
Cách giải quyết số 1, 2 và 3 liên quan đến tài sản trên bảng cân đối kế toán, trong khi cách số 4, 5, 6 và 7 liên quan đến nguồn vốn Điều này minh họa cho việc tái cấu trúc cơ cấu vốn doanh nghiệp Khó khăn tài chính có thể dẫn đến việc tái cấu trúc cả tài sản lẫn nguồn vốn, nhưng không nhất thiết phải dẫn đến việc chấm dứt hoạt động hay phá sản doanh nghiệp.
Mất khả năng thanh toán
Dòng tiền ròng của DN
Khó khăn tài chính của doanh nghiệp được thể hiện đa dạng và không nhất thiết dẫn đến phá sản hay đóng cửa Tuy nhiên, có thể tổng hợp các quan điểm để hình thành một khái niệm thống nhất về khó khăn tài chính, đó là tình trạng doanh nghiệp gặp thất bại trong kinh doanh, dẫn đến thiếu hụt tài sản như tiền mặt và các tài sản khác Điều này tạo ra nguy cơ không thực hiện được nghĩa vụ thanh toán, và trong trường hợp xấu nhất, doanh nghiệp có thể phải đóng cửa hoặc phá sản theo yêu cầu của chủ nợ Khái niệm này sẽ được áp dụng xuyên suốt trong nghiên cứu của luận án.
1.1.2 D ấ u hi ệ u khó kh ă n tài chính c ủ a các công ty niêm y ế t trên th ị tr ườ ng ch ứ ng khoán
Tình trạng khó khăn tài chính của doanh nghiệp thường biểu hiện qua hai dấu hiệu chính: "thất bại" trong việc thực hiện các dự án kinh doanh, có thể dẫn đến việc ngừng hoạt động, và "phá sản", khi công ty mất khả năng thanh toán và bị tòa án tuyên bố phá sản.
1.1.2.1 Khó khăn tài chính biểu hiện bằng dấu hiệu phá sản
Một trong những cách nhận dạng khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán là sử dụng dấu hiệu phá sản Dấu hiệu này đã được đề cập trong nhiều nghiên cứu về dự báo khó khăn tài chính trong các bối cảnh khác nhau, bao gồm các tác giả như Altman (1968, 1983, 1995), Lennox (1999), Shumway (2001), Brabazon & Keenan (2004), Figlewski, Frydman & Liang (2012), Agarwal & Taffler (2008), Hillegeist và cộng sự (2004), Reisz & Perlich (2007), cùng với Campbell, Hilscher & Szilagyi.
Nhiều nghiên cứu tiêu biểu đã sử dụng dấu hiệu phá sản để dự báo khó khăn tài chính của các công ty, như nghiên cứu của Norton & Smith (1979) và Zhou cùng các cộng sự (2012) đối với các công ty niêm yết tại Hoa Kỳ Ngoài ra, các nghiên cứu của Bharath & Shumway (2008), Shahedi và các cộng sự (2014), cùng Lin và các cộng sự (2014) cũng đã được thực hiện trên thị trường chứng khoán Tehran, Iran và Đài Loan.
Thuật ngữ “phá sản” có nguồn gốc từ tiếng Latin, mang ý nghĩa là sự đổ vỡ trong kinh doanh Trước đây, phá sản thường được xem như một biện pháp cưỡng chế, nhưng hiện nay, nó được coi là một hành động cần thiết để tái cấu trúc doanh nghiệp Doanh nghiệp có thể rơi vào tình trạng phá sản khi bị chủ nợ yêu cầu hoặc tự nguyện nộp đơn khi gặp khó khăn Dấu hiệu phá sản giúp thu thập dữ liệu nghiên cứu dễ dàng, mặc dù các công ty thường chậm trễ trong việc công bố thông tin tài chính Ward (2007) chỉ ra rằng biểu hiện phá sản không phản ánh đúng bản chất khó khăn tài chính, và doanh nghiệp có thể gặp khó khăn mà không nhất thiết phải phá sản Tinoco và Wilson (2013) cũng khẳng định rằng khó khăn tài chính không luôn dẫn đến phá sản, và phá sản không nhất thiết xuất phát từ khó khăn tài chính Ward (2007) nhấn mạnh rằng phá sản chỉ là dấu hiệu pháp lý, không phản ánh thực trạng tài chính của doanh nghiệp Trong luật phá sản hiện đại, doanh nghiệp có thể được bảo vệ trước yêu cầu của chủ nợ để tái cấu trúc và duy trì hoạt động.
1.1.2.2 Khó khăn tài chính biểu hiện bằng thất bại trong kinh doanh
Ngoài dấu hiệu phá sản, tình trạng khó khăn tài chính của các công ty niêm yết trên thị trường chứng khoán còn có thể nhận biết qua dấu hiệu thất bại trong kinh doanh, như đã được nghiên cứu bởi Orr (2003), Bose (2006), Altman và cộng sự (2007), Bailey và cộng sự (2011), Huang & Yang (2011), Dairui & Jia (2009), và Zhou và cộng sự (2012).
Khái niệm dự báo khó khăn tài chính doanh nghiệp
Dự báo khó khăn tài chính đã thu hút sự quan tâm của các học giả trong suốt 80 năm qua, mặc dù các mô hình dự báo chính thức đã được phát triển từ những năm 1960 (Martin, 1977; Wanke, Barros, & Faria, 2014) Khái niệm này liên quan đến thuật ngữ cảnh báo sớm, tức là việc nhận diện tình trạng khó khăn tài chính của một chủ thể trong tương lai dựa trên các chỉ báo hiện tại Mô hình dự báo khó khăn tài chính sử dụng các quan sát hiện tại của doanh nghiệp để dự đoán tình trạng tài chính của doanh nghiệp trong tương lai.
Việc dự báo khả năng lâm vào tình trạng khó khăn tài chính của doanh nghiệp là khả thi, vì khó khăn tài chính thường là kết quả của một quá trình kéo dài từ khi doanh nghiệp gặp khó khăn cho đến khi mất khả năng thanh toán Khó khăn tài chính có thể xuất phát từ hoạt động kinh doanh không hiệu quả trong một khoảng thời gian nhất định Do đó, khả năng lâm vào tình trạng khó khăn tài chính có thể được dự đoán dựa trên thực trạng tài chính và kinh doanh trước đó Ngoài ra, theo Whitaker (1999), khả năng gặp khó khăn tài chính có thể được phát hiện trước khi doanh nghiệp rơi vào tình trạng này, vì giá trị doanh nghiệp thường sẽ giảm sút trước đó.
Dự báo khó khăn tài chính dựa trên việc phân tích mối quan hệ giữa tình trạng tài chính của doanh nghiệp và các chỉ số tài chính trong báo cáo Lý thuyết này được giới thiệu lần đầu bởi Fitzpatrick vào năm 1934 và đã được phát triển qua các nghiên cứu tiếp theo của Altman.
Fitzpatrick (1934) được xem là người đầu tiên đề xuất ý tưởng về quá trình dẫn đến khó khăn tài chính của doanh nghiệp, với 5 giai đoạn chính: (1) giai đoạn ủ bệnh (incubation); (2) giai đoạn xung đột tài chính; (3) giai đoạn mất khả năng thanh toán một phần; (4) giai đoạn mất khả năng thanh toán toàn phần; và (5) giai đoạn tuyên bố mất khả năng thanh toán.
Trong giai đoạn đầu, doanh nghiệp gặp phải khó khăn tài chính mà chưa rõ ràng Sang giai đoạn hai, các nhà quản trị nhận thấy dấu hiệu khó khăn và tìm cách khắc phục Nếu không giải quyết, tình trạng tài chính sẽ xấu đi, mặc dù tổng tài sản vẫn lớn hơn tổng nợ phải trả Doanh nghiệp có thể vay thêm tiền hoặc hoãn nợ để đối phó Nếu vấn đề không được cải thiện, doanh nghiệp sẽ bước vào giai đoạn ba, mất khả năng thanh toán một phần Dù có thể áp dụng các biện pháp giải quyết, nhưng kết quả không đến ngay lập tức Một số doanh nghiệp có thể phục hồi và phát triển, trong khi những doanh nghiệp không thành công sẽ tiếp tục rơi vào tình trạng tài chính xấu hơn.
Trong giai đoạn thứ tư, tổng nợ của công ty vượt quá tổng tài sản, khiến các chủ nợ và nhà đầu tư nhận ra khó khăn tài chính của doanh nghiệp Doanh nghiệp buộc phải thừa nhận thất bại tài chính và có thể đối mặt với yêu cầu tái cơ cấu nợ hoặc thôn tính Nếu các biện pháp cứu vãn không thành công, doanh nghiệp sẽ phải xác nhận mất khả năng thanh toán ở giai đoạn thứ năm Theo Fitzpatrick (1934), dự báo khó khăn tài chính chính xác nhất xảy ra giữa giai đoạn 4 và 5 Martin (1977) cũng cho rằng nguyên nhân chính dẫn đến khó khăn tài chính là do yếu kém trong quản lý, không phải do biến động kinh tế bên ngoài Hỗ trợ từ bên ngoài khó có thể giúp doanh nghiệp có lịch sử quản lý yếu kém phục hồi.
Các nghiên cứu đã chỉ ra mối quan hệ giữa phân tích chỉ số tài chính và tình trạng khó khăn tài chính của doanh nghiệp Altman (1993) nhấn mạnh rằng các doanh nghiệp gặp khó khăn tài chính có sự khác biệt rõ rệt về các chỉ số tài chính so với những doanh nghiệp không gặp khó khăn Trước đó, Fitzpatrick (1934) đã công bố nghiên cứu đầu tiên so sánh các chỉ số tài chính giữa hai loại doanh nghiệp này Tuy nhiên, do hạn chế về phần mềm phân tích thống kê vào thời điểm đó, việc so sánh chỉ số tài chính giữa hai nhóm doanh nghiệp chỉ được thực hiện một cách đơn giản.
Cơ sở lý luận cho thấy việc dự báo khó khăn tài chính có thể thực hiện được từ các biểu hiện tài chính của doanh nghiệp trong một khoảng thời gian nhất định Các nghiên cứu sau này đã mở rộng cơ sở dự báo không chỉ dựa vào các chỉ số tài chính trong báo cáo mà còn từ các chỉ số bên ngoài như biến động thị trường và các chỉ số kinh tế vĩ mô Sự phát triển này đã làm cho việc dự báo trở nên khách quan và khoa học hơn Tuy nhiên, độ chính xác của dự báo phụ thuộc vào mô hình dự đoán, chất lượng dữ liệu thu thập và bối cảnh nghiên cứu.
Các mô hình dự báo khó khăn tài chính doanh nghiệp
1.3.1 T ổ ng quan v ề các mô hình d ự báo khó kh ă n tài chính
Nghiên cứu các mô hình dự báo khó khăn tài chính đã thu hút sự quan tâm lớn từ các học giả toàn cầu, xuất phát từ quan điểm rằng có thể phát hiện dấu hiệu cảnh báo về khó khăn tài chính của doanh nghiệp trước khi tình trạng này xảy ra (Lin và cộng sự, 2011).
Kể từ nghiên cứu đầu tiên của Beaver (1966), nhiều mô hình dự báo đã được phát triển nhằm nâng cao độ chính xác của kết quả Các mô hình này bao gồm mô hình phân tích biệt số bội (MDA) của Altman (1968, 1983, 1995), mô hình Logit của Ohlson (1980), mô hình Probit của Zmijewski (1984), và mô hình Hazard của Shumway (1999) Ngoài ra, các thuật toán máy học cũng được áp dụng, như mô hình cây quyết định Decision Tree (DT) (Tam & Kiang, 1992) và mạng thần kinh nhân tạo Neural Network (Lee, Han, & Kwon, 1996; Ozkan-Gunay & Ozkan, 2007; Tam & Kiang, 1992; Mokhatab, 2011), cùng với mô hình máy hỗ trợ Vector - Support Vector Machine (SVM) (Chandra, Ravi,& Bose, 2009; Fan & Palaniswami, 2000; Gestel và cộng sự, 2006; Wilson & Sharda, 1994).
Mặc dù có nhiều mô hình dự báo đa dạng và thường xuyên được cập nhật, chưa có mô hình nào được xác nhận là hoàn toàn vượt trội hơn các mô hình khác trong mọi bối cảnh nghiên cứu Việc tìm kiếm một mô hình dự báo chính xác vẫn là mục tiêu không ngừng của các nhà nghiên cứu, nhờ vào sự hỗ trợ của khoa học máy tính và các kỹ thuật phân tích định lượng khác nhau.
Khi dự báo khó khăn tài chính, cần đặt ra hai câu hỏi quan trọng: Thứ nhất, các dấu hiệu nào có thể chỉ ra khó khăn tài chính của doanh nghiệp? Thứ hai, phương pháp nào có thể áp dụng để dự báo từ những biểu hiện đó? Việc xác định các biến dự báo và phương pháp dự báo là hai yếu tố then chốt trong việc xây dựng mô hình dự báo, và sự lựa chọn này có thể ảnh hưởng lớn đến độ chính xác của kết quả dự báo.
Các nghiên cứu về xây dựng mô hình dự báo khó khăn tài chính doanh nghiệp chủ yếu dựa vào các chỉ số tài chính từ báo cáo tài chính, các chỉ tiêu kinh tế vĩ mô và thông tin thị trường Bảng 1.1 dưới đây tổng hợp các chỉ số được sử dụng trong các nghiên cứu này để dự báo khó khăn tài chính của doanh nghiệp.
Bảng 1.1 Bảng tổng hợp các biến sử dụng trong dự báo khó khăn tài chính
Biến Mô tả Tác giả
X 1 Chỉ số thanh toán hiện thời Beaver (1966), Zmijewski (1984), Martens và cộng sự (2008)
X 2 LCTT ròng trên tổng nợ phải trả Beaver (1966), Deakin (1972), Blum (1974),
Zmijewski (1984), Martens và cộng sự (2008)
X 3 Lưu chuyển tiền tệ trên tổng tài sản Deakin (1972), Ohlson(1980)
X 4 Lưu chuyển tiền tệ trên tổng DT Deakin (1972), Li và Sun (2009)
X 5 Hệ số nợ Beaver (1966), Deakin (1972), Ohlson(1980),
Martens và cộng sự (2008), Ding và cộng sự (2008)
X 6 Vốn lưu động trên tổng tài sản Beaver (1966), Altman (1968)
X 7 Giá trị thị trường của vốn chủ sở hữu trên tổng nợ phải trả
Altman (1968), Martens và cộng sự (2008), Li và Sun (2009)
X 8 Tài sản ngắn hạn trên tổng tài sản Deakin (1972)
X 9 Tài sản có độ thanh khoản cao trên tổng tài sản
X 10 Doanh thu trên tổng tài sản Altman (1968), Li và Sun (2009)
X 11 Nợ ngắn hạn trên doanh thu Deakin (1972)
X 12 Tài sản có độ thanh khoản cao trên tổng doanh thu
X 13 Vốn lưu động trên doanh thu Beaver (1966), Deakin (1972), Ohlson(1980),
X 14 Lợi nhuận ròng trên tổng tài sản Beaver (1966), Deakin (1972), Ohlson(1980),
X 15 Lợi nhuận giữ lại trên tổng tài sản Altman (1968), Ding và cộng sự (2008)
X 16 EBIT trên tổng tài sản Altman (1968), Li và Sun (2009)
X 17 Khoảng phi tín dụng Beaver (1966)
X 18 log(tổng tài sản) Ohlson(1980)
X 19 = 1 nếu tổng nợ phải trả lớn hơn tổng
TS; = 0 trong trường hợp ngược lại
X 20 = 1 nếu lỗ trong 2 năm liên tiếp; = 0 trong trường hợp ngược lại
X 21 ; là lợi nhuận năm gần nhất
Nguồn: tổng hợp của tác giả
Kỹ thuật dự báo là yếu tố quan trọng thứ hai cần xem xét khi xây dựng mô hình dự báo khó khăn tài chính, vì nó có thể nâng cao độ chính xác giữa các mô hình, ngay cả khi các biến dự báo không thay đổi Bảng 1.2 tổng hợp các phương pháp dự báo từ các nghiên cứu trước đây.
Bảng 1.2 Các phương pháp dự báo khó khăn tài chính
Phân tích biệt số bội MDA
Hồi quy Logit đã được nghiên cứu bởi nhiều tác giả như Ohlson (1980), Tam và Kiang (1992), Zmijewski (1984), Hua và cộng sự (2004), Lee và cộng sự (1996), Shin và cộng sự (2005), và Alifiah (2013) Bên cạnh đó, cây quyết định cũng được đề cập trong nghiên cứu của Tam và Kiang (1992).
Máy hỗ trợ vector SVM
Lin và cộng sự (2011, 2014), Geng và cộng sự (2014), Shin và cộng sự (2005), Wu và cộng sự (2007), Hua và cộng sự (2007), Ding và cộng sự (2008), Chandra và cộng sự (2009)
Phân tích tình huống CBR
Geng và cộng sự (2014), Jo và Han (1996), Sun và Hui (2006), Li và Sun (2009), Li và cộng sự (2009), Li và Sun (2008)
Nguồn: tổng hợp của tác giả
Bảng 1.1 và 1.2 minh họa sự đa dạng trong việc lựa chọn các căn cứ và phương pháp dự báo khi xây dựng mô hình dự báo khó khăn tài chính Do đó, phần tiếp theo sẽ tổng hợp và phân tích một số mô hình dự báo phổ biến từ hai góc độ: biến dự báo và phương pháp dự báo.
1.3.2 Mô hình phân tích h ồ i quy đơ n bi ế n
Beaver (1966) là một trong những người tiên phong trong nghiên cứu khó khăn tài chính, nổi bật với mô hình phân tích hồi quy đơn biến để dự báo tình trạng tài chính của doanh nghiệp Mô hình này được xây dựng dựa trên các phân tích thống kê mô tả đơn giản, chủ yếu tập trung vào việc trình bày số liệu qua các bảng biểu và sơ đồ trực quan.
1.3.2.1 Các biến dự báo trong mô hình hồi quy đơn biến
Khi lựa chọn các biến dự báo khó khăn tài chính, Beaver (1966) cho rằng các chỉ số tài chính từ báo cáo tài chính theo nguyên tắc kế toán là căn cứ tốt nhất để dự đoán khó khăn tài chính của doanh nghiệp Ông đã đưa ra một số lập luận và nguyên tắc về việc lựa chọn các chỉ số này, được gọi là “lý thuyết về phân tích chỉ số” (Theory of ratio analysis), trong đó nhấn mạnh một số nguyên tắc quan trọng.
Tiền mặt và các tài sản có tính thanh khoản cao đóng vai trò quan trọng trong việc dự báo khó khăn tài chính, vì những khó khăn này thường liên quan đến sự suy giảm khả năng thanh toán Theo Beaver (1966), khả năng thanh toán chủ yếu phụ thuộc vào các loại tài sản có tính thanh khoản cao.
Beaver (1966) hình tượng hóa doanh nghiệp như một cái hồ, trong đó nước hồ đại diện cho các tài sản có tính thanh khoản cao, và các dòng lưu chuyển tiền tệ giống như dòng nước vào và ra liên tục Khả năng thanh toán của doanh nghiệp được đánh giá dựa trên việc hồ có bị cạn nước hay không Ông đưa ra bốn nguyên tắc để lựa chọn các chỉ số trong dự báo.
(i) Hồ càng lớn hay quy mô doanh nghiệp càng lớn thì khả năng gặp khó khăn tài chính càng nhỏ
(ii) Dòng lưu chuyển tiền tệ ròng (dòng tiền vào trừ dòng tiền ra) càng lớn thì khả năng khó khăn tài chính càng nhỏ
(iii) Nợ vay càng lớn thì khả năng khó khăn tài chính càng cao
(iv) Càng nhiều dòng tiền dành cho các chi phí hoạt động thì khả năng gặp khó khăn tài chính càng cao
Trong nghiên cứu của mình, Beaver (1966) đã áp dụng 30 chỉ số tài chính từ báo cáo tài chính của doanh nghiệp để dự đoán khó khăn tài chính Các chỉ số này không chỉ bao gồm tỷ suất lợi nhuận và cấu trúc tài sản, mà còn xem xét các yếu tố như chi trả cổ tức ưu đãi, thấu chi tài khoản ngân hàng và khả năng chi trả lãi trái phiếu Sự đa dạng của các biến độc lập này đã góp phần nâng cao giá trị nghiên cứu của Beaver (1966).
Từ 30 biến ban đầu, Beaver (1966) chia chúng thành 6 nhóm: (1) nhóm các chỉ số lưu chuyển tiền tệ; (2) nhóm các chỉ số liên quan đến lợi nhuận ròng; (3) nhóm các chỉ số liên quan đến nợ trên tổng tài sản; (4) nhóm các chỉ số liên quan đến tài sản có độ thanh khoản cao trên tổng tài sản; (5) nhóm các chỉ số liên quan đến tài sản có độ thanh khoản cao trên tổng nợ phải trả và (6) nhóm các chỉ số liên quan đến quay vòng vốn và tài sản Sau khi sắp xếp các chỉ số này thành 6 nhóm khác nhau, Beaver (1966) chỉ lựa chọn mỗi chỉ số trong một nhóm để đưa vào phân tích Trong các tiêu chí dùng để lựa chọn các chỉ số, Beaver (1966) đặc biệt chú ý đến tiêu chí “tiền mặt” nghĩa là ưu tiên các chỉ số được xây dựng dựa trên cơ sở tiền mặt vì theo ông các chỉ số này có khả năng dự báo tốt hơn các chỉ số còn lại
Beaver (1966) đã lựa chọn 6 chỉ số đại diện cho 6 nhóm chỉ số để phân tích, bao gồm: lưu chuyển tiền tệ ròng trên tổng nợ, tổng nợ trên tổng tài sản, vốn lưu động trên tổng tài sản, chỉ số thanh toán hiện tại, và khoảng phi tín dụng Khoảng phi tín dụng được tính bằng hiệu số giữa tài sản ngắn hạn và nợ ngắn hạn chia cho chi phí hoạt động bình quân theo ngày.
Nghiên cứu trong nước về dự báo khó khăn tài chính
Tại Việt Nam, khó khăn tài chính thường liên quan đến nguy cơ phá sản hoặc mất khả năng thanh toán của doanh nghiệp Nhiều nghiên cứu đã áp dụng các mô hình tính điểm Z-score của Altman (1968, 1983, 1995) và mô hình ZETA (Altman, Haldeman & Narayanan, 1977) để đánh giá tín dụng và khả năng phá sản của doanh nghiệp trong bối cảnh quản trị tín dụng ngân hàng Một trong những nghiên cứu tiêu biểu là của tác giả Hay Sinh & Nguyễn Kim Đức.
(2014), Hay Sinh (2013) và Đào Thị Thanh Bình (2013)
Hay Sinh và Nguyễn Kim Đức (2014) đã ước tính xác suất phá sản để xác định giá trị của công ty Cổ phần Công nghiệp Cao su Miền Nam (CASUMINA) Để tính toán xác suất này, họ đã áp dụng mô hình điểm số Z’’ điều chỉnh của Altman (1995) kết hợp với phương pháp chuyển đổi các bậc xếp hạng tín dụng thành xác suất phá sản theo Altman & Kishore (2001) và Damodaran (2006).
Việc xác định xác suất phá sản của Công ty Cổ phần Công nghiệp Cao su Miền Nam được thực hiện qua hai bước chính Đầu tiên, Hay Sinh và Nguyễn Kim Đức (2014) đã tính toán chỉ số Z’’ điều chỉnh để phân loại trái phiếu, theo phương pháp của Altman (1995).
Z’’ điều chỉnh được tính bằng công thức Z’’ + 3,25 = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 + 3,25 Trong đó, các biến số X1, X2, X3 và X4 lần lượt đại diện cho vốn lưu động trên tổng tài sản, lợi nhuận giữ lại trên tổng tài sản, lợi nhuận trước lãi vay và thuế trên tổng tài sản, và giá trị sổ sách của vốn chủ sở hữu trên tổng tài sản.
Dựa trên dữ liệu thu thập, chỉ số Z’’ điều chỉnh của công ty được tính toán là 7,4402 Sử dụng chỉ số này để đánh giá xếp hạng tín dụng của công ty theo mối quan hệ với xếp hạng tín dụng S&P do Altman (1995) cung cấp trong bảng 1.5, cho thấy hệ số tín nhiệm của công ty đạt mức AA.
Bảng 1.5 Phân loại hệ số tín nhiệm S&P theo Z’’ có điều chỉnh
Z’’ điều chỉnh Hệ số tín nhiệm S&P Z’’ điều chỉnh Hệ số tín nhiệm S&P
Theo Hay Sinh & Nguyễn Kim Đức (2014), xác suất phá sản có thể được đo lường bằng nhiều phương pháp khác nhau, bao gồm mức độ cao, trung bình, thấp (Altman, 1984) và thứ hạng trái phiếu từ các tổ chức như S&P, Moody’s và Fitch Altman & Kishore (2001) và Damodaran (2006) cho rằng xác suất phá sản nên được thể hiện dưới dạng tỷ lệ phần trăm Trong nghiên cứu của mình, các tác giả đã chọn tỷ lệ phần trăm để thể hiện xác suất phá sản Sau khi chuyển đổi hệ số Z’’ có điều chỉnh sang xếp hạng trái phiếu S&P (bảng 1.5), thứ hạng này được chuyển đổi tương ứng với xác suất phá sản theo hướng dẫn của Altman & Kishore (2001) và Damodaran (2006) trên bảng 1.6 Với xếp hạng tín nhiệm là AA, Hay Sinh & Nguyễn Kim Đức đã đưa ra những kết luận quan trọng về xác suất phá sản.
(2014) lựa chọn xác suất phá sản tương tứng của công ty Cổ phần Công nghiệp Cao su Miền Nam là 0,25%
Bảng 1.6 Xếp hạng tín nhiệm và xác suất phá sản
Xếp hạng Xác suất phá sản
Nghiên cứu của Hay Sinh & Nguyễn Kim Đức (2014) xác định xác suất phá sản của doanh nghiệp bằng mô hình Z’’ điều chỉnh của Altman (1995) và các nghiên cứu trước đó Mặc dù vậy, các tác giả chưa giải thích rõ lý do chọn mô hình này để đánh giá xếp hạng tín nhiệm trái phiếu Họ phát hiện rằng xếp hạng tín nhiệm từ mô hình Z’’ điều chỉnh tương đồng với xếp hạng tín dụng nội bộ của ngân hàng đối với Công ty Cổ phần Công nghiệp Cao su Miền Nam Tuy nhiên, cần kiểm chứng tính tin cậy của mô hình với một mẫu công ty nhất định.
Tác giả Đào Thị Thanh Bình (2013) áp dụng phương pháp của Altman (1968) để phát triển mô hình định mức tín dụng cho các công ty sản xuất tại Việt Nam Nghiên cứu của bà cung cấp những lý giải quan trọng về vấn đề này.
Năm 2013, tác giả Đào Thị Thanh Bình cho rằng do thiếu thông tin về các công ty vỡ nợ, lợi nhuận được sử dụng như một tiêu chí để phân biệt giữa các công ty “tốt” và “xấu” Các vấn đề như doanh số bán hàng thấp, quản lý chi phí kém, hoặc điều kiện kinh tế không thuận lợi có thể dẫn đến mất khả năng thanh toán Tác giả đã sử dụng lợi nhuận thuần (lợi nhuận/tổng tài sản) làm chuẩn mực để đánh giá các công ty Nghiên cứu đã chọn mẫu 60 công ty sản xuất, chia thành hai nhóm: nhóm “Đáy” với 30 công ty có thu nhập ròng thấp nhất và nhóm “Đầu” với 30 công ty có thu nhập ròng cao nhất Kết quả cho thấy trong 17 chỉ số tài chính được kiểm tra, chỉ có 8 chỉ số có khả năng phân biệt hai loại công ty, với độ chính xác lên đến 80% khi chỉ có 2 trong 10 doanh nghiệp bị phân loại sai.
Nghiên cứu cho thấy mô hình phân loại hai nhóm công ty “Đầu” và “Đáy” rất rõ ràng, với hầu hết các công ty thuộc nhóm này được xác định một cách chính xác.
Hệ số Z của các công ty đều dưới 0,66, cho thấy tỷ lệ phân loại đúng gần 100% Trong số các công ty này, chỉ có 2 công ty nằm trong vùng “Xám”, trong khi phần lớn còn lại rơi vào vùng “Vỡ nợ” Đặc biệt, trong nhóm “Ðầu”, có 7 công ty thuộc vùng “Vỡ nợ”, 7 công ty trong vùng “Xám” và số còn lại ở vùng “An toàn” Điều này cho thấy độ chính xác của mô hình đạt 86%, với sai lầm loại II là 28%.
Kết quả nghiên cứu của Đào Thị Thanh Bình (2013) chưa thuyết phục do khó khăn tài chính chỉ được xác định đơn giản qua lợi nhuận của công ty Hơn nữa, mẫu nghiên cứu chỉ gồm 46 công ty, quá nhỏ để đảm bảo tính tin cậy Cần bổ sung thêm các biến số trong mô hình để nâng cao độ chính xác của nghiên cứu.
Nguyễn Thành Cường và Phạm Thế Anh (2010) đã sử dụng mô hình điểm số Z của Altman (1968) để đánh giá rủi ro phá sản của các công ty chế biến thủy sản niêm yết trên thị trường chứng khoán Việt Nam Nghiên cứu này dựa trên dữ liệu của 11 doanh nghiệp trong giai đoạn 2007 - 2009 nhằm tính toán và phân tích các chỉ tiêu tài chính liên quan đến khả năng gặp khó khăn tài chính.
Nguyễn Thành Cường và Phạm Thế Anh (2010) đã phân loại các doanh nghiệp trong mẫu nghiên cứu thành ba nhóm dựa trên điểm số tính toán: nhóm có nguy cơ phá sản cao, nhóm có thể có nguy cơ phá sản, và nhóm chưa có nguy cơ phá sản.
Nghiên cứu về dự báo khó khăn tài chính và rủi ro phá sản toàn cầu đã cho thấy mô hình máy hỗ trợ vector SVM là một công cụ phổ biến và hiệu quả trong lĩnh vực tài chính Tuy nhiên, chưa có nghiên cứu nào áp dụng phương pháp này để dự báo khó khăn tài chính tại Việt Nam Các ứng dụng của mô hình SVM chủ yếu tập trung vào lĩnh vực nông nghiệp, như phân lớp chụp ảnh lá cây và tin sinh học, cũng như phân loại văn bản Mặc dù những nghiên cứu này không trực tiếp liên quan đến khó khăn tài chính, nhưng các phương pháp được sử dụng có thể được tham khảo trong luận án này.
Khoảng trống nghiên cứu
Dự báo khó khăn tài chính không phải là một chủ đề mới, với nhiều nghiên cứu đã được thực hiện trong nhiều thập kỷ qua ở cả các nước phát triển và đang phát triển Các mô hình dự báo đã được cải tiến đáng kể, từ việc lựa chọn các biến dự báo cho đến các kỹ thuật và phương pháp dự báo Tuy nhiên, vẫn còn nhiều khoảng trống trong nghiên cứu về dự báo khó khăn tài chính cần được khai thác.
Việc nhận dạng và lựa chọn biến phụ thuộc để phân nhóm đối tượng nghiên cứu về khó khăn tài chính hiện vẫn chưa rõ ràng và thống nhất Các nghiên cứu khác nhau sử dụng các tiêu chí khác nhau như phá sản (Altman, 1968), lợi nhuận (Đào Thị Thanh Bình, 2013), hoặc tình trạng bị kiểm soát (Geng và cộng sự, 2014) để định nghĩa khái niệm này.
Các yếu tố ảnh hưởng đến khó khăn tài chính không chỉ được thể hiện qua các chỉ số tài chính từ báo cáo kế toán dồn tích, mà còn bao gồm các chỉ số từ báo cáo lưu chuyển tiền tệ và các chỉ số kinh tế vĩ mô như lạm phát và lãi suất Tuy nhiên, vai trò của các yếu tố bên ngoài báo cáo tài chính doanh nghiệp vẫn chưa được làm rõ.
Các mô hình dự báo, từ hồi quy đến trí tuệ nhân tạo, được sử dụng phổ biến trong nghiên cứu Tuy nhiên, mỗi mô hình có ưu, nhược điểm và điều kiện áp dụng riêng, không có mô hình tối ưu cho mọi tình huống Nghiên cứu ở các bối cảnh khác nhau với phương pháp khác nhau thường cho kết quả không đồng nhất, do đó, không thể áp dụng kết quả từ một bối cảnh này sang bối cảnh khác.
Kết quả nghiên cứu về các mô hình dự báo khó khăn tài chính chủ yếu tập trung vào đánh giá độ chính xác của các dự báo Tuy nhiên, việc sử dụng các mô hình này như công cụ hỗ trợ cho doanh nghiệp trong việc nâng cao hiệu quả quản trị vẫn chưa được chú trọng Giá trị tư vấn của các mô hình trong các nghiên cứu hiện tại còn mờ nhạt.
Vào thứ năm, tại Việt Nam, hầu hết các nghiên cứu về dự báo khó khăn tài chính chủ yếu dựa vào mô hình chấm điểm Z-score của Altman (1968).
Nghiên cứu về điểm tín dụng và dự báo rủi ro phá sản tại Việt Nam từ năm 1983 đến 1995 chủ yếu sử dụng các mô hình có trọng số được mô phỏng mà không kiểm định tính hợp lý trong bối cảnh địa phương Hơn nữa, việc áp dụng các mô hình dự báo tiên tiến như trí tuệ nhân tạo vẫn còn thiếu, mặc dù những kỹ thuật này ngày càng trở nên quan trọng trong quản lý tài chính doanh nghiệp.
Nghiên cứu này nhằm thiết kế các mô hình dự báo phù hợp với bối cảnh Việt Nam, tập trung vào biến phụ thuộc mô tả tình trạng khó khăn tài chính của các công ty niêm yết trên thị trường chứng khoán Bên cạnh đó, nghiên cứu cũng bổ sung một số biến dự báo cho các mô hình Qua việc phân tích và so sánh kết quả áp dụng các mô hình, luận án sẽ lựa chọn mô hình tối ưu nhất, có khả năng áp dụng rộng rãi cho các công ty niêm yết tại thị trường chứng khoán Việt Nam.
Tổng quan lý thuyết và các nghiên cứu về dự báo khó khăn tài chính trong và ngoài nước ở chương 1 có thể rút ra những kết luận như sau:
Các mô hình dự báo khó khăn tài chính hiện nay đã trở nên hoàn thiện và đa dạng, với nhiều lựa chọn về biến dự báo và phương pháp dự báo Một số mô hình phổ biến bao gồm mô hình hồi quy đơn biến, đa biến (mô hình biệt số), mô hình Logit và các mô hình trí tuệ nhân tạo.
Các nghiên cứu về dự báo khó khăn tài chính vẫn gặp một số hạn chế trong việc xây dựng và áp dụng kết quả từ các mô hình.
Việc xây dựng mô hình dự báo khó khăn tài chính gặp phải thách thức trong việc lựa chọn các biểu hiện tài chính chưa đồng nhất Đồng thời, vai trò của các biến bên ngoài báo cáo doanh nghiệp trong việc dự đoán khó khăn tài chính vẫn chưa được làm rõ.
Mô hình được áp dụng trong nhiều bối cảnh khác nhau, do đó, kết quả dự báo không thể được áp dụng một cách rộng rãi Hơn nữa, ý nghĩa tư vấn của kết quả mô hình đối với các bên liên quan vẫn chưa được làm rõ trong hầu hết các nghiên cứu về chủ đề này.