Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM

Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM Chúng tôi sử dụng dữ liệu của các công ty để dự đoán khả năng xảy ra kiệt quệ tài chính và cung cấp các cảnh báo sớm cho các công ty trong giai đoạn 2009 – 2011 (với độ trễ thời gian 2 năm theo Altman 1993) cho 246 công ty sản xuất được niêm yết trên hai sàn giao dịch chứng khoán Tp. Hồ Chí Minh (HSX) và sàn giao dịch chứng khoán Hà Nội (HNX). Mục đích của chúng tôi là sử dụng hồi quy logistic để dự báo khả năng phá sản của các doanh nghiệp trong mẫu nghiên cứu.

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM KHOA TÀI CHÍNH DOANH NGHIỆP

Tp.Hồ Chí Minh, tháng 9 năm 2013

-9/2013

BÀI NGHIÊN CỨU

DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT

MỤC LỤC

TÓM TẮT 3

I GIỚI THIỆU 4

1.1 Lý do chọn đề tài: 4

1.2 Mục tiêu nghiên cứu và các vấn đề nghiên cứu: 4

1.3 Bố cục của bài nghiên cứu: 4

II CÁC CHỨNG CỨ NGHIÊN CỨU THỰC NGHIỆM TRƯỚC ĐÂY: 5

III PHƯƠNG PHÁP NGHIÊN CỨU 12

3.1 Hàm hồi quy logistic nhằm mục đích dự báo khả năng phá sản của doanh nghiệp 12

3.2 Định nghĩa về thất bại của doanh nghiệp 13

3.3 Mẫu nghiên cứu 14

3.4 Lựa chọn biến dự đoán 15

IV KẾT QUẢ HỒI QUY – PHÂN TÍCH 21

4.1 Kết quả hồi quy 21

4.2 Kiểm tra độ tương quan, hiện tượng đa cộng tuyến giữa các biến 25

4.3 Thảo luận 26

V KẾT LUẬN 29

DANH MỤC TÀI LIỆU THAM KHẢO 30

PHỤ LỤC DANH MỤC MẪU CÔNG TY NGHIÊN CỨU 36

TÓM TẮT

Chúng tôi sử dụng dữ liệu của các công ty để dự đoán khả năng xảy ra kiệt quệ tàichính và cung cấp các cảnh báo sớm cho các công ty trong giai đoạn 2009 – 2011 (với độ

trễ thời gian 2 năm theo Altman 1993) cho 246 công ty sản xuất được niêm yết trên hai

sàn giao dịch chứng khoán Tp Hồ Chí Minh (HSX) và sàn giao dịch chứng khoán Hà Nội (HNX) Mục đích của chúng tôi là sử dụng hồi quy logistic để dự báo khả năng phá

sản của các doanh nghiệp trong mẫu nghiên cứu

Chúng tôi thấy rằng đối với các công ty sản xuất, đòn bẩy tài chính và kiệt quệ tàichính có mối tương quan dương có ý nghĩa thống kê Các doanh nghiệp có mức đòn bẩycao và xếp hạng tín dụng thấp có khả năng xảy ra kiệt quệ tài chính cao hơn, và ngượclại Từ những kết quả về các tỷ số dự báo khả năng xảy ra kiệt quệ tài chính của cácdoanh nghiệp, chúng tôi xây dựng mô hình dự báo khả năng phá sản Những kết quả thựcnghiệm cũng chứng minh rằng khả năng sinh lợi có tác động ngược chiều đến khả năngkiệt quệ tài chính các công ty sản xuất Các yếu tố có ý nghĩa trong mô hình của chúng

tôi gồm các tỷ số lợi nhuận ròng/doanh thu, EBIT/(nhu cầu vốn luân chuyển + tài sản cố

định), nhu cầu vốn luân chuyển/doanh thu, nợ dài hạn/vốn đầu tư và tổng nợ/EBIDTA

I GIỚI THIỆU

1.1 Lý do chọn đề tài:

Kiệt quệ tài chính của doanh nghiệp xảy ra khi doanh nghiệp gặp khó khăn hoặckhông thể trả được các khoản nợ Nếu kiệt quệ tài chính ở mức độ nghiêm trọng vàkhông có cách giải quyết tốt có thể sẽ dẫn đến phá sản Một doanh nghiệp đang lâm vàotình trạng kiệt quệ tài chính có thể có các dấu hiệu nhận biết như tiền mặt giảm thườngxuyên, liên tục, không có sản phẩm mang tính cạnh tranh, không thu hồi được nợ hoặcđang mắc nợ quá nhiều, không trích lập quỹ dự phòng tài chính, cắt giảm các khoản thùlao, sự ra đi của các cán bộ quản lý cao cấp… Tuy vậy, đây là những dấu hiệu có thểnhận biết khi công ty đã rơi vào giai đoạn kiệt quệ trầm trọng và trong hầu hết trường hợp

sẽ dẫn đến con đường tận cùng đó là phá sản Trong khi đó, nếu có thể dự báo trước đượcnhững nguyên nhân, yếu tố gây ra khủng hoảng sớm hơn thì có thể sẽ giúp cho nhà quản

lý, ban giám đốc có cái nhìn thấu đáo hơn về hiện trạng của công ty từ đó đưa ra nhữnggiải pháp khắc phục, sửa đổi, quản trị rủi ro trước khi kiệt quệ trở nên trầm trọng hơn,không còn cách để cứu chữa Do đó, không ngạc nhiên khi dự báo về kiệt quệ của mộtcông ty tiếp tục thu hút sự chú ý và được xem xét theo quy mô và thời gian trên thế giới

1.2 Mục tiêu nghiên cứu và các vấn đề nghiên cứu:

Mục tiêu của bài nghiên cứu này là chọn ra các biến (các tỷ số tài chính) để phân biệt

các công ty "khỏe mạnh" với các công ty bị "kiệt quệ tài chính" ở Việt Nam, từ đó dự đoán

nguy cơ phá sản Bài nghiên cứu nhằm trả lời các câu hỏi sau:

 Những tỷ số quan trọng nhất trong việc phát hiện nguy cơ phá sản?

 Những trọng số nên được gắn với các tỷ số được lựa chọn như thế nào?

 Làm thế nào để lập ra các trọng số một cách khách quan?

1.3 Bố cục của bài nghiên cứu:

 Phần I: Giới thiệu.

 Phần II : Xem xét các chứng cứ thực nghiệm trước đây.

 Phần III : Mô tả dữ liệu và phương pháp nghiên cứu.

 Phần IV : Trình bày và thảo luận các kết quả nghiên cứu.

 Phần V : Kết luận và hạn chế của bài nghiên cứu.

II CÁC CHỨNG CỨ NGHIÊN CỨU THỰC NGHIỆM TRƯỚC ĐÂY:

Các nghiên cứu về phát triển mô hình thống kê để dự đoán phá sản rất phong phú và

đa dạng

Trong giai đoạn đầu nghiên cứu về chủ đề này, theo Charitou và cộng sự không có

phương pháp thống kê tiên tiến nào để nghiên cứu Khi ông so sánh các chỉ tiêu tài

chính của các công ty thất bại với công ty hoạt động động bình thường cho thấy rằng các

chỉ tiêu này ở các công ty bị thất bại thường mang hướng tiêu cực hơn

Vào năm 1966, Beaver đã trình bày cách tiếp cận đơn biến của phân tích phân biệt.

Để phát triển mô hình này, hơn 30 chỉ tiêu tài chính được phân thành sáu nhóm, và 79cặp các công ty (thất bại/ không thất bại) đã được sử dụng Sau khi kiểm tra khả năng dựđoán của mỗi tỷ lệ, yếu tố phân biệt tốt nhất là chỉ tiêu vốn luân chuyển / tổng nợ, nó đã

dự báo chính xác 90% các công ty bị phá sản vào một năm trước đó Thứ hai là tỷ lệ thunhập ròng / tổng tài sản, dự báo chính xác 88% Những kết quả này đã cho thấy khả năng

sử dụng các chỉ tiêu tài chính để dự đoán phá sản là hoàn toàn có cơ sở

Mô hình đơn biến được Wiliam Beaver sử dụng năm 1994 đạt được “khả năng chính

xác vừa phải trong việc dự đoán” Năm 1998, Cook và Nelson cũng đã sử dụng Mô hình

đơn biến với giả định rằng “một biến duy nhất có thể được sử dụng nhằm vào mục đích

dự đoán (Cook và Nelson 1998) Mô hình đơn biến đã thành công trong việc xác định

được các yếu tố ảnh hưởng đến kiệt quệ tài chính; tuy nhiên, nó không cung cấp đượckhả năng so sánh các rủi ro có liên quan Mặc dù mô hình dự báo thất bại đơn biến cónhiều điểm mạnh, đăc biệt là tính đơn giản của nó, nhưng phương pháp này cũng bộc lộ

một số nhược điểm trọng yếu Thứ nhất, theo Altman (1968) và Zavgren (1983), chỉ có

một tỷ lệ tại một thời điểm có thể được sử dụng để phân loại một công ty Thứ hai, khi sửdụng chỉ số tài chính kế toán trong một mô hình đơn biến, rất khó để đánh giá tầm quan

trọng của mỗi tỷ số riêng biệt, bởi vì hầu hết các biến đều tương quan với nhau (Cybinski,

1998).

Để khắc phục “Những hạn chế khi sử dụng mô hình đơn biến” (Cook và Nelson

1998), các bài nghiên cứu sau này đã sử dụng mô hình đa biến, MDA để đánh giá khả

năng doanh nghiệp bị phá sản Và sau đó, phổ biến nhất và được sử dụng nhiều nhất,

MDA được đề xuất bởi Altman, Altman đã có bài viết đầu tiên về vấn đề này (1968) Trong bài luận này, Altman Max L Heine- Giáo sư Tài chính tại khoa Kinh doanh Đại

học New York, đề xuất mô hình Z-score hoặc mô hình Zeta kết hợp các cách đo lường lợinhuận hay rủi ro khác bằng cách sử dụng một số chỉ tiêu tài chính Các mẫu đầu tiên gồm

66 công ty, mỗi nhóm (Thất bại/không thất bại) gồm 33 công ty Năm chỉ tiêu tài chínhđược sử dụng trong mô hình là vốn lưu động/ tổng tài sản, lợi nhuận giữ lại / tổng tài sản,thu nhập trước thuế và lãi vay / tổng tài sản, giá trị thị trường của vốn chủ sở hữu / giá trị

sổ sách của tổng nợ phải trả, và doanh thu / tổng tài sản Sử dụng sai lầm loại I loại II là

cơ sở để đánh giá, mô hình Altman đã dự đoán chính xác 95% nguy cơ phá sản của cáccông ty sản xuất ở Mỹ trong vòng 1 năm và 72% trong vòng 2 năm Tuy nhiên, giá trịđược đưa thêm vào mô hình của Altman không phải là các tỷ số được lựa chọn mà là cáctrọng số Trong những năm qua, đã có một lượng lớn các nghiên cứu dựa trên mô hình Z-score của Altman Các bài nghiên cứu đã xác định những đặc điểm của doanh nghiệp kiệtquệ được kiểm tra để xác định các yếu tố dự báo doanh nghiệp kiệt quệ, từ đó làm nổi bậtvai trò của việc phân tích các tỷ số tài chính trong dự báo kiệt quệ tài chính Trong mô

hình Z-score (Altman, 1968), tác giả đã dùng phương pháp thống kê đa yếu tố phân biệt

MDA để tính xem mỗi biến số sẽ có trọng số là bao nhiêu, tức là mỗi nhân tố sẽ ảnhhưởng đến kiệt quệ như thế nào Sau khi đưa vào hơn 22 yếu tố ban đầu, 5 yếu tố đã đượcchọn như là những yếu tố tiềm năng để dự báo cho kiệt quệ tài chính, bao gồm: vốn luânchuyển/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, EBIT/tổng tài sản, giá trị thị trườngcủa vốn cổ phần/giá trị sổ sách của nợ, doanh thu/tổng tài sản Năm yếu tố này khôngđứng riêng lẻ, độc lập để dự báo kiệt quệ mà có sự kết hợp như trong phương trình sau:

Từ phương trình này, có thể dự đoán được khả năng kiệt quệ của doanh nghiệp.Nếu Z >2.99 doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản Nếu 1.8< Z

<2.99: doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản Nếu Z <1.8:

doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao Từ chỉ số Z, Altman saunày phát triển và đưa ra mô hình Z’, Z’’ vào năm 1983, 1993 Trong đó mô hình Z ápdụng cho doanh nghiệp nhà nước, mô hình Z’ áp dụng cho doanh nghiệp tư nhân và môhình Z’’ có thể áp dụng cho hầu hết các ngành và các loại hình doanh nghiệp

Sau một thập kỷ từ khi bắt đầu sử dụng MDA, Altman và cộng sự (1977) sửa đổi

các mô hình Z-core ban đầu thành một hình mới tốt hơn, được gọi là " Phân tích Zeta"

Mục đích của nghiên cứu này là để xây dựng, phân tích và thử nghiệm một môhình phân loại phá sản mới, trong đó xem xét rõ ràng hơn những thất bại kinhdoanh Mô hình Zeta đã có hiệu quả trong việc phân loại các công ty bị phá sản đến 5năm trước khi thất bại dựa trên một mẫu bao gồm các nhà sản xuất và nhà bán lẻ.Zetađược nghiên cứu để xây dựng một cách tiếp cận rõ ràng về những sự phát triển gần đâyảnh hưởng đến thất bại trong kinh doanh, và có hiệu quả phân loại các công ty bị phá sảntrước đến 5 năm trên mẫu bao gồm các tập đoàn, nhà sản xuất và bán lẻ Kết quả nghiêncứu của Altman cho thấy mô hình Zeta phân loại hiệu quả với độ chính xác 91% trướckhi doanh nghiệp phá sản 1 năm và trên 76,8% từ năm thứ 5 trở lên trước khi doanhnghiệp phá sản Tuy nhiên, vì tính độc quyền của mô hình nên Altman không cung cấpđầy đủ các trọng số của mô hình mà chỉ cung cấp 7 biến số mà mô hình sử dụng:EBIT/Tổng tài sản, mức ổn định thu nhập, EBIT/chi phí lãi vay, lợi nhuận giữ lại tíchlũy/tổng tài sản, tài sản ngắn hạn/tổng tài sản, vốn hóa cổ phần thường/tổng vốn hóa, quy

mô công ty (được đo lường bởi tổng tài sản) Trong năm 2000, các mô hình này đã đượcđưa ra thảo luận thêm một lần nữa

Deakin (1972) đã sử dụng 14 biến giống như Beaver, nhưng ông đã áp dụng chúng

trong một loạt các mô hình phân biệt đa biến Mô hình MDA dự báo chính xác 95% khảnăng phá sản công ty đến tận 3 năm trước trước khi bị phá sản

Trong năm 1980, Dambolena và Khoury trình bày một mô hình MDA sử dụng chỉ

tiêu tài chính như các biến dự báo Các thuộc tính quan trọng trong mô hình của họ là sửdụng sự ổn định của tỷ lệ tài chính, được đo bằng độ lệch chuẩn, ngoài các giá trị của các

chỉ số Mô hình phân biệt Dambolena & Khoury đã dự báo chính xác 87%, 85%, và 78%

tương ứng 1 năm, 3 năm, 5 năm trước khi phá sản Phân tích MDA cũng đã được sử dụng

bởi Edmister (1972), Blum (1974), Altman và cộng sự (1977 và 1995), Deakin (1977),

Taffler & Tisshaw (1977), van Frederikslust (1978), Bilderbeek (1979), Taffler (1982 và 1983), Ooghe và Verbaere (1985), Micha (1984), Betts & Belhoul (1987), Gombola và cộng sự (1987), Gloubos và Grammatikos (1988), Declerc và cộng sự (1991), Laitinen (1992), Lussier & Corman (1994), Neophytou & Molinero (2004), Canbas, Cabuk, và Kılıç (2005), Hyunjoon Kim và Zheng Gu (2008)…

Mặc dù nghiên cứu của Altman và các nhà nghiên cứu khác đạt kết quả khả quannhưng các mô hình này có một nhược điểm chính: Họ giả định rằng các biến trong dữ

liệu mẫu được phân bố bình thường Sheppard (1994) lập luận rằng "Nếu tất cả các biến

này không được phân phối, các phương pháp nghiên cứu có thể dẫn đến dự đoán khôngphù hợp" Hơn nữa, phân tích MDA đã bị chỉ trích vì phân loại lưỡng phân của nó không

đưa ra một khả năng thất bại nào trong việc dự đoán sự thất bại [Dimitras, Zanakis, và

Zopounidis (1996)].

Để khắc phục một số vấn đề liên quan đến việc phân tích đa biến, Ohlson (1980)

đã sử dụng hồi quy để dự đoán sự thất bại của công ty Nhưng trước Ohlson, Martin

(1977) sử dụng mô hình nhị phân để dự đoán sự đổ vỡ trong hệ thống ngân hàng Bằng

cách sử dụng mẫu của 105 công ty bị phá sản và 2.058 công ty hoạt động bình thường,

Ohlson (1980) phát hiện ra rằng nó có thể xác định bốn yếu tố cơ bản có ý nghĩa thống kê

trong việc xác định khả năng phá sản Các yếu tố đó bao gồm quy mô công ty, cấu trúctài chính, hiệu quả hoạt động, tính thanh khoản hiện tại Bốn yếu tố cơ bản xuất phát từ các nhóm đầu tiên trong chín chỉ tiêu tài chính đưa vào mô hình đó là: Quy mô công ty,tổng nợ phải trả / tổng tài sản, vốn luân chuyển / tổng tài sản, nợ ngắn hạn / Tài sản ngắnhạn, một biến giả cho thấy cho dù tổng tài sản lớn hơn hoặc ít hơn tổng nợ phải trả, thunhập ròng / tổng tài sản, nguồn vốn từ hoạt động / tổng nợ phải trả, một biến giả thể hiệnthu nhập ròng có tương quan âm trong hai năm cuối với thất bại của công ty không và sự

thay đổi trong thu nhập ròng Kết quả cho thấy mô hình Ohlson có thể dự đoán chính xác 92% đến 96% các trường hợp phá sản 1-2 năm trước đó Sau đó, Chritine Zavgren đã

phát triển một mô hình để xứ lý vấn đề này, mô hình của bà sử dụng phân tích nhị phân

để dự đoán sự phát sản Mô hình nhị phân phát triển bởi Zavgren (1985) đã được thử

nghiệm trong thời gian 5 năm trước khi thất bại Bảy chỉ tiêu tài chính bao gồm trong môhình này là tổng thu nhập / tổng vốn đầu tư, doanh thu/Tài sản cố định, hàng tồn kho /doanh thu, nợ / tổng vốn đầu tư, các khoản phải thu / hàng tồn kho, tài sản ngắn hạn / nợ

ngắn hạn, và tiền mặt / tổng tài sản Tỷ lệ thất bại được đưa ra bởi mô hình Zavgren cho một năm trước khi thất bại tương tự như Ohlson Tuy nhiên, do việc sử dụng các phân tích nhị phân, mô hình của Zavgren được xem như là có tính thiết thực hơn (Lo 1986,

151) Xa hơn nữa, phân tích nhị phân thật sự cung cấp được khả năng đo lường thực tế

khả năng phá sản bằng tỷ lệ phần trăm Ngoài ra, tỷ số được tính toán có thể được xemnhư là một tỷ số để đo lường hiệu quả quản trị, ví dụ, một chính sách quản trị hiệu quảkhông thể đưa một công ty đến bờ vực phá sản Trong khoảng thời gian 1980 và 1990, xuhướng của các bài nghiên cứu là sử dụng mô hình phân tích nhị phân để ủng hộ xu hướng

phân tích đa biến (Stickney 1996, 510) Sau đó, phân tích nhị phân được so sánh với các

công cụ phân tích tiên tiến trong thời điểm đó và mạng thần kinh Các nghiên cứu đã chothấy rằng các phương pháp tiếp cận là tương tự nhau và nên được sử dụng kết hợp Năm

2003, Darayseh và cộng sự đã sử dụng phân tích nhị phân để dự đoán sự thất bại củacông ty trên cơ sở của sự kết hợp giữa một số biến số kinh tế và chỉ tiêu tài chính công ty

Họ thấy rằng mô hình nhị phân có thể dự đoán chính xác 88% các trường hợp công typhá sản

Trong số các phương pháp phức tạp hơn, mạng thần kinh (NNS) đã được sử dụng

nhiều nhất trong khu vực dự đoán khả năng thanh toán của công ty trong hai thập kỷ qua.NNS là hệ thống máy tính lấy cảm hứng từ thông tin thực tế về cách thức bộ não con

người hoạt động Trong năm 1990, Odom và Shard sử dụng các tỷ lệ tài chính tương tự được sử dụng bởi Altman (1968) và ứng dụng ANN để một mẫu gồm 65 thất bại và 64

công ty không thất bại Một mô hình sử dụng mạng lưới thần kinh ba lớp được tạo ra vớinăm nút ẩn Khi áp dụng, mô hình xác định tất cả các công ty thất bại và không thất bạitrong các mẫu đào tạo, so với 86,8% độ chính xác của MDA Đối với những mẫu lớn vàthời gian dài, ANN trình bày một tỷ lệ chính xác là 77% hoặc cao hơn, trong khi MDA cóthể đạt mục tiêu 59% và 70% Sau đó, một số nghiên cứu dựa trên ANN đã được thực

hiện: Hansen & Messier (1991), Salchenberger và cộng sự (1992), Tam & Kiang (1992),

Tam & Khang (1992), Sharda & Wilson (1992), Coats & Fant (1993), Serrano (1993), Hansen và cộng sự (1993), Altman và cộng sự (1994), Wilson & Sharda (1994), Wilson

& Sharda (1994), Lacher và cộng sự (1995), Shah và Murtaza (2000), Ragothaman, S (2003), Nguyễn Hương Giang (2005) và Kingkarn Sookhanaphibarn, Piruna Polsiri, Worawat Choensawat và Frank C Lin (2007).

Ngoài ANN, một số lượng lớn các phương pháp dự đoán chính xác hơn và thông

dụng được sử dụng để dự báo thất bại của công ty Lane và cộng sự (1986), Luoma &

Laitinen (1991) và Kauffman & Wang (2001) sử dụng "phân tích sự tồn tại", thuật toán đệ

quy phân vùng được sử dụng bởi Frydman và cộng sự (1985), Joos và cộng sự (1998), hệ thống chuyên gia của Messier và Hansen (1988), phương pháp lập trình toán học của

Gupta và cộng sự (1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập

hợp thô bởi Dimitras và cộng sự (1999) Trong giai đoạn tiên tiến hơn, các thuật toán di truyền đã được sử dụng bởi Varetto (1998) và Barney & Alii (1999), phương pháp CUSUM bởi Kahya & Theodossiou (1999) Trong cuối những năm 1990, Support Vector

Machine (SVM) đã được giới thiệu để giải quyết vấn đề phân loại Fan và Palaniswami (2000) áp dụng SVM để dự đoán khủng hoảng tài chính Hơn nữa, cách tiếp cận hỗn hợp

đã được sử dụng bởi Lindsay và Campbell (1996), Bayesian mạng mô hình khác của

Sarkar và Sriram (2001), CN & Shenoy (2005), phân tích dữ liệu (DEA) của Cielen và cộng sự (2004), mô hình logit hỗn hợp của Jones và Hensher (2004), mô hình tổn thất đã

được ủng hộ bởi Shumway (2001) và Beaver & Mc Nichols (2005) Từ đầu những năm

2000, một số kỹ thuật mô hình khác cũng đã được sử dụng trong nghiên cứu dự báo phá

sản và đã thực hiện tốt, trong đó có phương pháp tiếp cận Bộ Rough (McKee &

Lensberg, 2002) và phương pháp tiếp cận đa chiều scaling (Mar-Molinero & Cinca, 2001)

Serrano-Một cuộc khảo sát kết quả của những nghiên cứu này cho thấy rằng không có môhình mang lại kết quả cao trong một cách nhất quán Ở Tunisia, các nghiên cứu của các

mô hình dự báo thất bại bắt đầu vào đầu năm 2000 Abid & Zouari (2001) và Mamoghli

& Jellouli (2002) đã sử dụng các mạng thần kinh nhân tạo Boujelben & Hassouna

(2004) - một kỹ thuật dựa trên dòng tiền được sử dụng Tất cả các nghiên cứu Tunisia đã

nói ở trên, không phân biệt với cách tiếp cận được sử dụng, có một trở ngại chung liênquan đến các định nghĩa khó hiểu của các biến phụ thuộc và độc lập, độ tin cậy của thôngtin tài chính và việc khó tiếp cận nguồn dữ liệu tài chính.

III PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Hàm hồi quy logistic nhằm mục đích dự báo khả năng phá sản của doanh nghiệp

Hàm hồi quy nhị phân là phương thức hồi quy được sử dụng khi mà biến phụ thuộc

là biến nhị phân và biến độc lập có thể ở bất cứ dạng nào Trong phần tổng quan cácnghiên cứu trước đây, tác động của các biến dự báo thường được giải thích bởi các tỷ sốkhác nhau Nhằm mục đích dự báo việc phá sản của các doanh nghiệp, mô hình hồi quy

nhị phân kết hợp những đặc tính khác nhau hay các “thuộc tính” thành một hệ số xác suất cho từng doanh nghiệp mà nó thể hiện “khả năng thất bại” của doanh nghiệp Hàm

nhị phân ngụ ý rằng khả năng doanh nghiệp thực hiện việc kinh doanh có thể thành cônghoặc thất bại, khi đưa vào hàm nhị phân sẽ được phản ánh dưới giá trị 0 và 1 Hàm hồiquy nhị phân có nhiều ưu điểm: Hàm này không cần thiết phải giả định một mối quan hệtuyến tính giữa biến độc lập và biến phụ thuộc, không yêu cầu các biến phải phân phốichuẩn, không cần giả định hiệp phương sai đồng nhất, và nhìn chung không đặt ra nhiềuyêu cầu phức tạp Tuy nhiên, hàm này yêu cầu các quan sát phải độc lập và do đó, biếnđộc lập có mối quan hệ tuyến tính với biến phục thuộc trong mô hình nhị phân

Về mặt phương pháp, việc áp dụng mô hình hồi quy nhị phân yêu cầu bốn bước Thứnhất, các tỷ số tài chính sẽ được tính toán Thứ hai, mỗi tỷ số được nhân với một hệ sốđặc trưng tương ứng với tỷ số đó Hệ số đặc trưng này có thể âm hoặc dương Thứ ba, kếtquả tính toán được cộng tất cả lại với nhau (y) Cuối cùng, khả năng phá sản của doanhnghiệp được tính toán

Trong bài nghiên cứu này, khi thể hiện hình thức nhị phân, biến nhị phân được xácđịnh là tỷ số của xác suất doanh nghiệp từ khỏe mạnh cho đến phá sản Khả năng phá sản

của doanh nghiệp được thể hiện bằng tỷ số P(C)/(1-P(C)), trong đó, P(C) là xác suất

doanh nghiệp khỏe mạnh Khi được diễn giải dưới dạng nhị phân, mô hình hồi quy đượcthể hiện như là một hàm tuyến tính của các tỷ số tài chính của doanh nghiệp

Log [P (C)/ (1–P (C))] = β 0 + β 1 X i1 + + β n X in (1)

Trong đó:

P(C) = Xác suất doanh nghiệp thứ i khỏe mạnh

Β 0 = Hệ số chặn

X 1 …X n= Các tỷ số tài chính

Β 1 …β n= Các hệ số của tỷ số tài chính thứ từ 1 đến n

X in = Tỷ số tài chính thứ n của công ty thứ i

Trong nội dung của bài, giá trị ước lượng của biến phụ thuộc nhị phân được diễn đạt

là giá trị ước tính của xác việc dự báo khả năng khỏe mạnh hay P(C) Bằng cách xác địnhP(C) thông qua phương trình (1), xác suất dự báo sự khỏe mạnh hay P(C) được thể hiệnnhư sau:

P(C) = e y /(1+e y )

Trong đó, y = β0 + β 1 X in + + β n X in

Để phân loại mẫu các doanh nghiệp nằm trong nhóm phá sản và nhóm khỏe mạnh,giá trị biến nhị phân (y) của từng nhóm phải được tình toán dựa trên mô hình ước lượng

và sau đó áp dụng vào hàm xác suất, P(C) = e y /(1+e y ) Đối với bài nghiên cứu này, doanh

nghiệp với giá trị P(C) bằng hoặc lớn hơn 0.5 sẽ thuộc vào nhóm phá sản và các doanhnghiệp còn lại với P(C) thấp hơn 0.5 được phân loại thuộc nhóm doanh nghiệp khoẻmạnh

3.2 Định nghĩa về thất bại của doanh nghiệp

Không có một sự thống nhất trong việc định nghĩa về thất bại của doanh nghiệp tronghai phạm trù tài chính và kinh tế học Năm 1993, Altman trình bày ba quan niệm khái

quát về việc thất bại doanh nghiệp: “thất bại kinh tế”, “mất khả năng thanh toán” và

“phá sản” Thất bại kinh tế theo quan điểm của Altman là việc nhận ra rằng thu nhập

nhận được từ đầu tư là đáng kể và liên tục thấp hơn mức thu nhập nhận được từ việc đầu

tư của các hoạt động đầu tư tương tự Tình huống mất khả năng thanh toán xảy ra khi màcông ty không có năng lực để thanh toán các khoản nợ đến hạn Tình trạng phá sản là tìnhtrạng nghiệt ngã hơn đối với một công ty, không thể giải quyết được các nghĩa vụ nợ, yêucầu đến sự can thiệp của toà án để giải quyết việc tái tổ chức lại doanh nghiệp hoặc là phá

sản doanh nghiệp Cùng một luận điểm về vấn đề này, Beaver (1996) định nghĩa việc thất

bại của doanh nghiệp với các tiêu chuẩn trong kinh doanh như lãi suất các khoản vay,thấu chi tài khoản ngân hàng, hay các tuyên bố phá sản.

Để tiến hành nghiên cứu này, vì kiệt quệ tài chính là dấu hiệu đầu tiên của việc thấtbại, chúng tôi áp dụng cùng định nghĩa được đưa ra trong nguồn dữ liệu chúng tôi (Ngânhàng thương mại) bằng quan điểm rằng doanh nghiệp được xem là kiệt quệ tài chính khi

có lợi nhuận âm trong hai năm liên tiếp và tỷ số nợ trên vốn chủ sở hữu lớn hơn một

3.3 Mẫu nghiên cứu

Theo Beaver năm 1966 và Molinero & Ezzamel, 1991, các doanh nghiệp thất bại có

những đặc điểm khác nhau trong khoảng thời gian 5 năm trước khi lâm vào cảnh thất bại

Do đó, mục tiêu tiên quyết của nghiên cứu này là dự đoán sự kiệt quệ tài chính chokhoảng thời gian 5 năm Tuy nhiên, do sự giới hạn của dữ liệu, nghiên cứu sử dụng dữliệu tài chính của 2 năm trước khi lâm vào kiệt quệ tài chính để thiết lập các điều kiện1.Các tỷ số tài chính trong cùng một kỳ được sử dụng nhằm mục đích tránh việc sử dụng

dữ liệu tài chính của các doanh nghiệp vừa mới bị phá sản (vì mục đích của bài nghiêncứu là để dự đoán tình trạng phá sản)

Mặt khác, các nghiên cứu về việc phân loại các ngành kinh tế rõ ràng cho thấy rằngcác doanh nghiệp ở các ngành kinh tế khác nhau có cấu trúc hoàn toàn khác nhau, ứngvới cấu trúc như vậy phải có những mô hình khác nhau thể hiện Vì sự giới hạn thời gian

và dữ liệu, các dữ liệu tài chính cần thiết cho bài nghiên cứu này được cung cấp từ haisàn giào dịch chứng khoán niêm yết HSX và HNX ở Việt Nam chỉ dành cho các doanhnghiệp sản xuất Theo đó, mẫu được sử dụng bao gồm 246 doanh nghiệp với 219 doanhnghiệp trong tình trạng khoẻ mạnh trong năm 2010, 2011 được phân vào nhóm khoẻmạnh và 27 doanh nghiệp khoẻ mạnh trong năm 2009 và thất bại trong năm 2010 hay

2011 phân vào nhóm thất bại, độ trễ ở đây được tính là 2 năm trước khi xảy ra kiệt quệ

(theo nghiên cứu Altman 1993 ông sử dụng đỗ trễ 20 tháng khi xây dựng mô hình kiệt

quệ của mình)

1 Li-Jen Ko, Edward J Blocher and P Paul Lin (2003) cho thấy rằng các mô hình sử dụng tỷ số tài chính trong năm

ngay trước khi xảy ra việc phá sản thường đưa tới kết quả tốt nhất.

3.4 Lựa chọn biến dự đoán

Năm 1996, Dimitras và cộng sự đã cho thấy rằng phần lớn các mô hình thống kê chỉ

sử dụng các thông tin kế toán hàng năm dưới dạng tỷ số tài chính nhằm mục đích dự báo

sự thất bại của doanh nghiệp (1996) Nguyên nhân của việc sử dụng các tỷ số tài chínhđến từ sự thật rằng chúng thật sự khó đó lường và chúng được tính toán dựa trên các

thông tin được công bố rộng rãi trên thị trường (Micha, 1984; Laitinen, 1992; Dirickx &

Van Landeghem, 1994) Ngoài ra, trong một nghiên cứu được công bố năm 1998,

Mossman và cộng sự sự nhận thấy rằng các tỷ số tài chính nhằm mục đích dự đoán sựphá sản được sử dụng nhiều hơn là dữ liệu về lợi nhuận thị trường

Liên quan đến quy trình lựa chọn, và theo nghiên cứu của Theodossiou (1991), sự lựa

chọn các biến độc lập cho mô hình dự báo phá sản là quyết định khó khăn nhất của tất cảcác nghiên cứu vì các lý thuyết tài chính vốn dĩ không cho thấy rằng biến nào nên được

sử dụng trong mô hình Ngoài ra, sự phân tích các nghiên cứu thực nghiệm đã được thựchiện về dự báo sự thất bại của doanh nghiệp cho thấy rằng không có một nhóm chỉ số rõràng thể hiện cho khả năng phân loại cao và có khả năng dự đoán việc phá sản có thể áp

dụng chung cho toàn bộ các nghiên cứu (Edmister, 1972).

Do vậy, nhằm mục đích khả năng loại trừ các biến giải thích vừa liên quan đến khíacạnh kinh tế doanh nghiệp và có ý nghĩa thống kê, trước hết chúng tôi sử dụng các biến

dự báo từ rất nhiều các tỷ số tài chính đã được chứng minh là có liên quan đến các nghiêncứu trước đây trong mô hình nghiên cứu sự thất bại trong kinh doanh của các doanhnghiệp2 Từ đó, để xác định cụ thể các tỷ số tài chính có ý nghĩa và liên quan khả dĩ đếnđiều kiện tài chính của doanh nghiệp, nghiên cứu so sánh thống kê mô tả cho cả cácdoanh nghiệp phá sản lẫn không phá sản Thông qua việc thực hiện quy trình này, nhóm

tỷ số phân biệt đã được hình thành, bao gồm 16 tỉ số cho các doanh nghiệp sản xuất(Bảng 3.1).3

2 Trong hầu hết các bằng chứng thực nghiệm việc lựa chọn các điều kiện cho các biến hồi quy được dựa trên sự lựa

chọn của các nghiên cứu thực nghiệm trước đó (Zavgren, 1984; Skogsvik, 1988) hoặc bằng cách kết hợp các sự lựa chọn đó dựa trên các tiêu chí ưu tiên về học thuật (Keasey-Mc Guiness, 1988; Keasey-Watson, 1987; Edminster,

1972; Lo, 1986).

3 Các tỷ số tài chính có thể chia thành 4 dạng cơ bản: tỷ số đo lường khả năng thanh khoản, tỷ số đo lường khả năng quản lý tài sản, tỷ số về cấu trúc vốn, và tỷ số đo lường hiệu quả hoạt động (lợi nhuận) của doanh nghiệp.

Bảng 3.1: Các tỷ số thống kê cho doanh nghiệp sản xuất

Trong đó, doanh nghiệp loại H là doanh nghiệp khoẻ mạnh, còn doanh nghiệp loại F là doanh nghiệp thất bại.

bình

Trung vị

Lớn nhất

Nhỏ nhất

Độ lệch chuẩn

R 1 Lợi nhuận gộp/Doanh thu H 0.2142 0.1838 0.6804 0.0206 0.1320

thân một ngành thì công ty nào quản lý và sử dụng yếu tố đầu vào tốt hơn thì sẽ có hệ sốlợi nhuận cao hơn Đây là một trong các biện pháp quan trọng đo lường khả năng tạo lợinhuận của công ty năm nay so với các năm khác.

Tỷ số EBIDTA/Doanh thu R 2 phản ánh lợi nhuận trước lãi vay, thuế và khấu hao sovới doanh thu của nó EBITDA là một chỉ tiêu đánh giá tỷ suất sinh lợi của doanh nghiệp,bằng thu nhập trừ các chi phí, nhưng chưa trừ tiền trả lãi, thuế và khấu hao EBITDA cóthể được sử dụng để phân tích và so sánh mức lãi giữa các công ty hoặc các ngành bởi chỉ

số này đã loại bỏ được ảnh hưởng do các quyết định về mặt kế toán và tài chính gây ra.EBITDA thường được sử dụng phổ biến trong các ngành có tài sản giá trị lớn, cần chiếtkhấu trong thời gian dài, đặc biệt trong lĩnh vực công nghệ thông tin Lý do chínhEBITDA được sử dụng phổ biến là chỉ số này cho thấy mức lợi nhuận cao hơn thôngthường Công ty sẽ khiến cho bức tranh tài chính của mình thêm sáng sủa bằng cách đưathêm chỉ số EBITDA, đánh lạc hướng sự chú ý của nhà đầu tư khỏi tỷ lệ nợ và chi phíhoạt động cao Tuy nhiên, đôi khi doanh nghiệp bị thiệt hại lợi nhuận quá nhiều do chiphí khấu hao quá lớn, lúc đó EBITDA lại có thể là tiêu chí tốt để đánh giá thực lực củadoanh nghiệp

Tỷ số EBIT/Doanh thu R 3 thể hiện khả năng sinh lợi của EBIT như thế nào so với tổngdoanh thu công ty thực hiện được Tỷ số càng cao thì càng tốt vì hiệu quả hoạt động công

ty thể hiện càng cao EBIT là một chỉ tiêu dùng để đánh giá khả năng thu được lợi nhuậncủa công ty, bằng thu nhập trừ đi các chi phí, nhưng chưa trừ tiền (trả) lãi và thuế thunhập EBIT còn có thể tính bằng cách lấy tổng doanh thu trừ tổng biến phí (chi phí mà tỷ

lệ của nó trong tổng chi phí sản xuất ra một sản phẩm sẽ thay đổi khi sản lượng thay đổi)

và trừ tiếp tổng định phí (phần chi phí kinh doanh không thay đổi theo quy mô sản xuất,nếu xét trong một khuôn khổ công suất sản xuất nhất định) Nói cách khác, EBIT là tất cảkhoản lợi nhuận trước khi tính vào các khoản thanh toán tiền lãi và thuế thu nhập Mộtyếu tố quan trọng đóng vai trò giúp cho EBIT được sử dụng rộng rãi là nó đã loại bỏ sựkhác nhau giữa cấu trúc vốn và tỷ suất thuế giữa các công ty khác nhau Do đó, EBIT làm

rõ hơn khả năng tạo lợi nhuận của công ty và dễ dàng giúp người đầu tư so sánh các công

ty với nhau

Tỷ số thu nhập ròng/Doanh thu R 5 đo lường kết quả sửu dụng tài sản của công ty đểtạo ra lợi nhuận Hệ số càng cao càng tốt vì nó phản ánh công ty tạo ra được bao nhiêuđồng lợi nhuận từ một đồng doanh thu thu được trong quá trình hoạt động kinh doanh.Nếu như công ty tạo ra càng nhiều doanh thu nhưng lợi nhuận lại không đạt được theo ýmuốn thì phải xem lại cách quản lý và hoạt động của mình để tìm cách quản trị tốt hơn.

Tỷ số doanh thu/(Nhu cầu vốn luân chuyển + Tài sản cố định) R6 và tỷ số EBIT/(Nhu cầu vốn luân chuyển + Tài sản cố định) R 9 là những tỷ số đo lường khả năng sinh lợi vàquản lý tài sản Nó thể hiện cách thức công ty kết hợp sử dụng các tài sản lưu động và cốđịnh của mình để mang lại nguồn thu cho công ty (bằng doanh thu hoặc bằng lợi nhuậntrước lãi vay và thuế) Nếu tỷ số càng cao càng cho thấy khả năng sử dụng tốt những tàisản này và ngược lại vì nguồn đầu ra của công ty là một trong các cách thức để tài trợ chonguồn đầu vào một cách nhanh chóng nhất Rõ ràng, một công ty đang trên đà phát triểnkhông hề muốn tỷ số này nhỏ một cách bất thường chút nào, vì điều đó sẽ ảnh hưởng đếnkhả năng tài trợ vốn của các chủ sở hữu và chủ nợ của nó

Tỷ số dòng tiền thuần/doanh thu R 10 là một tỷ số thuộc nhóm chỉ tiêu đánh giá dòngtiền, nó thể hiện khả năng thu tiền mặt từ doanh thu có tốt hay không Nếu tỷ số này thấpchứng tỏ hoạt động của công ty có thể cao nhưng nguồn thu lại quá thấp, công ty có thể

có chế độ công nợ bán chịu đối với khách hàng tốt, dẫn đến các khoản phải thu vượt quámức, trong khi tiền mặt thu về chưa kịp lúc, điều đó có thể dẫn tới tình trạng mất thanhkhoản tức thời nếu tình hình vẫn tiếp tục diễn ra Một tỷ số cao cho thấy khả năng sinhlợi và thanh khoản của công ty là khá tốt

Tỷ số vốn luân chuyển*12/doanh thu R 11 và tỷ số nhu cầu vốn luân chuyển*12/doanh thu R12 thuộc nhóm chỉ tiêu đo lường hiệu quả quản lý nguồn tài nguyên của công ty hay

hiệu năng quản trị tài sản ngăn hạn công ty như thế nào Nếu tỷ số này càng thấp cho thấynguồn vốn lưu động của công ty ty bỏ ra không cao nhưng được sử dụng một cách linhhoạt để đem lại nguồn doanh thu đáng kể và ngược lại Tuy nhiên nó lại không thể đánhgiá được hiệu suất sử dụng toàn bộ nguồn vốn của công ty

Tỷ số chi phí sản xuất/doanh thu R 14 , Chi phí tài chính/EBIDTA R 15 , chi phí tài chính/ doanh thu R16 là nhóm chỉ số đánh giá tỷ suất chi phí so với khả năng sinh lợi Chúng

phản ánh trong một thời kỳ nhất định, để đạt được một đồng doanh thu hay lợi nhuận,

doanh nghiệp cần phải bỏ ra bao nhiêu đồng chi phí Chỉ tiêu này có thể sử dụng để sosánh giữa các thời kỳ với nhau trong một công ty hoặc giữa các công ty trong cùng mộtthời kỳ với nhau Tỷ số này thấp cho thấy sự hiệu quả sử dụng chi phí, tỷ số càng cao thểhiện gánh nặng tài chính lẫn hoạt động của công ty khi phải bỏ quá nhiều chi phí kể cả tàichính lẫn sản xuất để tạo ra một đồng đầu ra từ doanh thu.

Tỷ số vốn cổ phần/tổng tài sản R 17 , nợ dài hạn/Vốn đầu tư R 22 , nợ dài hạn/vốn cổ phần R 25, là nhóm tỷ số cơ cầu nguồn vốn doanh nghiệp Nó cho biết đặc điểm công ty sẽthiên về nợ hay vốn cổ phần, và nếu là nợ thì thuộc loại nợ ngắn hạn hay dài hạn Tỷ lệnày sẽ phụ thuộc rất lớn vào hoạt động và chính sách của từng công ty cũng như của từngngành Ví dụ tỷ số vốn cổ phần trên tổng tài sản càng cao chứng tỏ công ty có chính sáchthiên về tài trợ bằng vốn cổ phần mà ít sử dụng đòn bẩy nhằm tránh né rủi ro mắc phải vàngược lại Một nhà đầu tư có khẩu vị chấp nhận rủi ro sẽ ít cân nhắc khả năng đầu tư vàocông ty hơn so với các công ty khác cùng ngành

Tỷ số cuối cùng (Nợ ngắn hạn+Nợ dài hạn)/EBIDTA R 26 thể hiện khả năng sinh lợicủa công ty khi thực hiện đòn bẩy tài chính.Nó cho biết để tạo ra một đồng lợi nhuậnEBIDTA thì công ty phải sử dụng bao nhiêu đồng từ đi vay kể cả ngắn hạn lẫn dài hạn.Việc sử dụng nợ nhiều hay ít, thường xuyên hay không cũng phụ thuộc vào chính sách vàđặc điểm công ty Trước khi đưa ra quyết định có nên sử dụng nợ hay không, công ty nênxem xét đến khả năng thanh khoản từ dòng tiền và triển vọng của công ty trong tương lai.Quyết định cấu trúc vốn này cần được tối ưu và linh hoạt trong suốt vòng đời từ giai đoạnkhởi sự cho đến lúc chấm dứt của bất kì công ty nào

IV.KẾT QUẢ HỒI QUY – PHÂN TÍCH

IV.1 Kết quả hồi quy

Chúng tôi áp dụng hồi quy logistic để phân tích hồi quy, dựa vào kết quả của môhình, các dấu hiệu của các hệ số của các biến và ý nghĩa thống kê của các biến để đưa racác yếu tố có ảnh hưởng đến khả năng xảy ra kiệt quệ tài chính trong các công ty sản xuấtđược niêm yết trên hai sàn HOSE và HNX Bảng 4.1 trình bày kết quả của hồi quy Logitước tính xác suất của kiệt quệ tài chính của các công ty trong tương lai 2 năm tới Kết quả

mô hình cho thấy có rất nhiều yếu tố có dấu như kì vọng, mặc dù không phải tất cả cácbiến đều có ý nghĩa Chúng tôi tìm thấy có 5 biến có ý nghĩa (tại mức ý nghĩa 1% và 5%)

trong mô hình bao gồm: R 5 (Lợi nhuận ròng/Doanh thu), R 9 (EBIT/Nhu cầu vốn luân chuyển + Tài sản cố định), R 12 (Nhu cầu vốn luân chuyển/Doanh thu), R 22 (Nợ dài hạn/Vốn đầu tư), R 26 (Tổng nợ / EBIDTA)