dự báo khó khăn tài chính bằng các chỉ số tài chính sử dụng mô hình hồi quy xu hướng mô hình hồi quy logistic – nghiên cứu trên thị trường chứng khoán việt nam

iii TÓM TẮT Luận văn được thực hiện với mục tiêu nghiên cứu là xác định mối quan hệ giữa các tỷ số tài chính và khó khăn tài chính đồng thời xây dựng mô hình hồi quy xu hướng và mô hình

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH

- -

Thành phố Hồ Chí Minh, năm 2015

THÁI THỊ THU NGUYỆT

DỰ BÁO KHÓ KHĂN TÀI CHÍNH BẰNG CÁC CHỈ SỐ

TÀI CHÍNH SỬ DỤNG MÔ HÌNH HỒI QUY XU HƯỚNG

& MÔ HÌNH HỒI QUY LOGISTIC – NGHIÊN CỨU

TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

LUẬN VĂN THẠC SỸ TÀI CHÍNH- NGÂN HÀNG

Chuyên ngành : Tài chính – Ngân hàng

Mã số chuyên ngành : 60 34 02 01

Người hướng dẫn khoa học:

TS PHẠM PHÚ QUỐC

iii

TÓM TẮT

Luận văn được thực hiện với mục tiêu nghiên cứu là xác định mối quan hệ giữa các tỷ số tài chính và khó khăn tài chính đồng thời xây dựng mô hình hồi quy xu hướng và mô hình hồi quy logistic để khám phá khả năng dự báo và chiều hướng tác động của các tỷ số tài chính của các công ty niêm yết trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh Trong đó, việc phân loại công ty khó khăn tài chính dựa trên tiêu chí lợi nhuận sau thuế âm Các công ty được phân vào nhóm khó khăn tài chính khi có ít nhất một trong hai biến cố sau xảy ra: bị cảnh báo (lợi nhuận sau thuế âm một năm) hoặc bị kiểm soát (lợi nhuận sau thuế âm hai năm) Các công ty được phân vào nhóm không khó khăn tài chính khi đáp ứng các điều kiện sau: không bị cảnh báo, không bị kiểm soát hay không bị hủy niêm yết; và báo cáo tài chính của công ty đầy

đủ dữ liệu trong giai đoạn 2009-2014

Bằng phương pháp phân tích định lượng, nghiên cứu sử dụng mô hình hồi quy

xu hướng kết hợp với mô hình hồi quy logistic trên mẫu nghiên cứu được thu thập từ báo cáo tài chính của 274 công ty phi tài chính được niêm yết trên sàn HOSE từ năm

2006 đến năm 2014 bao gồm 1618 quan sát để tính toán được 30 tỷ số tài chính ban đầu thuộc 7 nhóm tỷ số tài chính Thông qua các phân tích kết quả hồi quy xu hướng, kết quả thống kê mô tả, ma trận hệ số tương quan và kết quả hồi quy logistic, nghiên cứu đã tìm thấy những bằng chứng thống kê về khả năng dự báo khó khăn tài chính của 12 tỷ số tài chính Cụ thể, 9 tỷ số tài chính có tác động nghịch chiều với khó khăn tài chính bao gồm 2 tỷ số nhóm khả năng thanh khoản CASHCL, WCTA; 1 tỷ số nhóm hiệu quả hoạt động SATA; 4 tỷ số nhóm khả năng sinh lợi EBITTA, ROE, GPSA, RETA; 1 tỷ số nhóm giá trị thị trường EPS và 1 tỷ số nhóm tăng trưởng RETE Ngược lại, có 3 tỷ số tài chính nhóm quản lý nợ TLTA, TLTE, INTE có tác động cùng chiều với khó khăn tài chính; Ngoài ra, dựa vào hệ số hồi quy và R2 hiệu chỉnh của mô hình hồi quy logistic, kết quả nghiên cứu cho thấy EPS, ROE, EBITTA, RETA là các yếu tố có tác động mạnh đến khó khăn tài chính

và mô hình 7 biến tìm được trong nghiên cứu này (52.50% đến 68.47%)

Từ kết quả nghiên cứu, luận văn đã đưa ra những kiến nghị giúp cho nhà quản trị công ty, nhà đầu tư và nhà cung cấp tín dụng phòng ngừa và kiểm soát được rủi ro khó khăn tài chính cũng như những vấn đề hạn chế của luận văn và đề xuất hướng nghiên cứu tiếp theo

v

MỤC LỤC

Trang

Lời cam đoan i

Lời cảm ơn ii

Tóm tắt iii

Danh mục hình vii

Danh mục bảng viii

Danh mục từ viết tắt ix

CHƯƠNG 1 – TỔNG QUAN NGHIÊN CỨU 1

1.1 - Lý do nghiên cứu 1

1.2 - Vấn đề nghiên cứu 2

1.3 - Mục tiêu nghiên cứu 2

1.4 - Câu hỏi nghiên cứu 3

1.5 - Phạm vi và đối tượng nghiên cứu 3

1.6 - Phương pháp nghiên cứu 4

1.7 - Kết cấu luận văn 4

CHƯƠNG 2 – CƠ SỞ LÝ THUYẾT 6

2.1 - Khái niệm về công ty khó khăn tài chính 6

2.2 - Các nghiên cứu trước ở nước ngoài 10

2.3 - Nghiên cứu trước ở Việt Nam 18

2.4 - So sánh với các nghiên cứu trước 20

CHƯƠNG 3 – PHƯƠNG PHÁP NGHIÊN CỨU 26

3.1 - Phương pháp nghiên cứu 26

3.2 - Mô hình và các giả thuyết nghiên cứu 28

3.2.1 - Mô hình hồi quy xu hướng 28

vi

3.2.2 - Mô hình hồi quy logistic 29

3.2.3 - Biến và các giả thuyết nghiên cứu 30

3.3 - Dữ liệu nghiên cứu 39

CHƯƠNG 4 – KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 40

4.1 - Mô hình hồi quy xu hướng 40

4.2 - Mô hình hồi quy logistic 49

4.2.1 - Thống kê mô tả 47

4.2.2 - Ma trận hệ số tương quan 53

4.2.3 - Kết quả hồi quy logistic 56

4.2.4 - Kiểm định mức độ phù hợp của mô hình logistic 71

4.3 - Thảo luận kết quả nghiên cứu 74

CHƯƠNG 5 – KẾT LUẬN VÀ KIẾN NGHỊ 78

5.1 - Kết luận 78

5.2 - Kiến nghị 80

5.3 - Hạn chế và hướng nghiên cứu tiếp 80

TÀI LIỆU THAM KHẢO 82

PHỤ LỤC PHỤ LỤC 92

vii

DANH MỤC HÌNH

Trang Hình 3.1 Mô hình nghiên cứu đề xuất 31 Hình 4.1 Tỷ số tài chính của nhóm công ty không khó khăn (nhóm 0)

và nhóm công ty bị cảnh báo (nhóm 1W) trong năm 2009 – 2014 52

Hình 4.2 Tỷ số tài chính của nhóm công ty không khó khăn (nhóm 0)

và nhóm công ty bị kiểm soát (nhóm 1C) trong năm 2009 – 2014 52

Hình 4.3 R2 hiệu chỉnh và độ chính xác của mô hình logistic của nhóm công ty

không khó khăn (nhóm 0) và nhóm công ty bị cảnh báo (nhóm 1W)

trong năm 2009 – 2014 72

Hình 4.4 R2 hiệu chỉnh và độ chính xác của mô hình logistic của nhóm công ty

không khó khăn (nhóm 0) và nhóm công ty bị kiểm soát (nhóm 1C)

trong năm 2009 – 2014 73

viii

DANH MỤC BẢNG

Trang

Bảng 2.1 Tóm tắt kết quả các nghiên cứu trước 22

Bảng 3.1 Mô tả các biến nghiên cứu 36

Bảng 4.1A Kết quả hồi quy xu hướng các biến nghiên cứu 3 năm trước khó khăn tài chính 43

Bảng 4.1B Kết quả hồi quy xu hướng các biến nghiên cứu trong giai đoạn 2009-2014 48

Bảng 4.2 Thống kê mô tả 51

Bảng 4.3A Ma trận hệ số tương quan các biến công ty bị cảnh báo và công ty không khó khăn 54

Bảng 4.3B Ma trận hệ số tương quan các biến công ty bị kiểm soát và công ty không khó khăn 55

Bảng 4.4 Kết quả mô hình hồi quy logistic công ty bị cảnh báo 60

Bảng 4.5 Kết quả mô hình hồi quy logistic công ty bị kiểm soát 63

Bảng 4.6 Thống kê kết quả mô hình hồi quy logistic 67

Bảng 4.7 Kiểm định kết quả mô hình hồi quy logistic 70

ix

DANH MỤC TỪ VIẾT TẮT

CASPSHARE : Dòng tiền trên cổ phiếu lưu hành

DEBTTOTAL : Tổng nợ trên tổng tài sản

EBITDI : Tổng lợi nhuận trước thuế và lãi vay với khấu hao trên lãi

vay EBITI : Lợi nhuận trước thuế và lãi vay trên lãi vay

x

METL : Giá trị thị trường của vốn chủ sở hữu trên tổng nợ

tính

xi

SALEPERRE : Doanh thu trên khoản phải thu

xii

TETL : Giá trị sổ sách của vốn chủ sở hữu trên tổng nợ

1

CHƯƠNG 1 : TỔNG QUAN NGHIÊN CỨU

Chương này sẽ trình bày khái quát về lý do nghiên cứu và xác định vấn đề nghiên cứu, đến việc đặt ra mục tiêu và câu hỏi nghiên cứu Tiếp theo là phương pháp nghiên cứu, phạm vi và đối tượng nghiên cứu cũng như kết cấu của luận văn

1.1 Lý do nghiên cứu

Dự báo khó khăn tài chính là một công cụ rất quan trọng đối với quản trị rủi ro công ty Nghiên cứu các công ty khó khăn tài chính là cơ sở quan trọng nhằm chỉ ra các dấu hiệu cảnh báo sớm có thể giúp nhà quản trị ngăn chặn và phòng ngừa rủi ro phá sản của công ty cũng như nhà đầu tư, các nhà cung cấp tín dụng có cơ sở chọn lựa các công ty để đầu tư hoặc cho vay Ở các nước phát triển, chủ đề dự báo khó khăn tài chính đã trở thành một lĩnh vực nghiên cứu trong tài chính công ty hơn bốn mươi năm qua và có rất nhiều nghiên cứu được công bố từ những nghiên cứu tiên phong của Beaver (1966), Altman (1968), Ohlson (1980)

Trên thế giới, có rất nhiều nghiên cứu cung cấp bằng chứng thực nghiệm về

dự báo khó khăn tài chính thông qua các tỷ số tài chính và các phương pháp phân loại khác nhau để dự báo khó khăn tài chính như phương pháp pháp đơn biến (Beaver, 1966), phương pháp hàm phân biệt đa biến (Altman, 1968), phương pháp logistic (Ohlson, 1980) và phương pháp máy học được sử dụng trong những năm gần đây như phương pháp Support Vector Machine (SVM) (Bae, 2012; Li và Sun, 2011; Lin, Liang

và Cheng, 2011; Wu, Fang và Goo, 2010) Beaver (1966) và Altman (1968) là những nhà nghiên cứu đầu tiên xác định các đặc điểm của công ty khó khăn tài chính so với các công ty không khó khăn tài chính

Tại Việt Nam, theo báo cáo tình hình kinh tế - xã hội năm 2014 của Tổng cục thống kê, cả nước có 67.823 doanh nghiệp gặp khó khăn buộc phải giải thể, hoặc đăng

ký tạm ngừng hoạt động có thời hạn, hoặc ngừng hoạt động chờ đóng mã số doanh nghiệp hoặc không đăng ký, tăng 11,67% so với năm 2013, bao gồm 9.501 doanh nghiệp đã hoàn thành thủ tục giải thể, 58.322 doanh nghiệp khó khăn phải ngừng hoạt động, tăng 14,5% so với năm trước Trong đó, 11.723 doanh nghiệp đăng ký tạm

Tuy nhiên, ở Việt Nam chưa có nhiều nghiên cứu sử dụng dữ liệu bảng và mô hình hồi quy xu hướng để nghiên cứu dự báo khó khăn tài chính Vì thế, nghiên cứu phân tích khả năng dự báo của các tỷ số tài chính từ các báo cáo tài chính bằng các phương pháp khác nhau giúp phân biệt công ty khó khăn tài chính tại Việt Nam là cần

thiết Từ những lý do nêu trên, tác giả chọn đề tài nghiên cứu : “Dự báo khó khăn tài

chính bằng các chỉ số tài chính sử dụng mô hình hồi quy xu hướng và mô hình hồi quy logistic - Nghiên cứu trên thị trường chứng khoán Việt Nam”

1.2 Vấn đề nghiên cứu

Đề tài tập trung phân tích khả năng dự báo khó khăn tài chính của các tỷ số kế toán tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam bằng

mô hình hồi quy xu hướng và mô hình hồi quy logistic

1.3 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu của đề tài là :

 Xác định mối quan hệ giữa các tỷ số tài chính và khó khăn tài chính

 Khám phá khả năng dự báo và chiều hướng tác động của các tỷ số tài chính đến khó khăn tài chính của các công ty niêm yết trên Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh bằng mô hình hồi quy xu hướng và mô hình hồi quy logistic

3

1.4 Câu hỏi nghiên cứu

 Các tỷ số kế toán tài chính nào có khả năng dự báo khó khăn tài chính của các công ty niêm yết trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh ?

 Chiều hướng tác động của các tỷ số tài chính này đến khó khăn tài chính bằng mô hình hồi quy xu hướng và mô hình hồi quy logistic như thế nào ?

Xuất phát vấn đề nghiên cứu, mục tiêu nghiên cứu và câu hỏi nghiên cứu, đề tài tập trung vào phạm vi và đối tượng nghiên cứu như sau :

1.5 Phạm vi và đối tượng nghiên cứu

Đối tượng nghiên cứu là các công ty phi tài chính niêm yết trên sàn HOSE được phân thành hai nhóm trong giai đoạn từ năm 2009 đến năm 2014 bao gồm nhóm công ty khó khăn tài chính (nhóm 1)1 và nhóm công ty không khó khăn tài chính (nhóm 0) Các công ty được phân vào nhóm 1 khi có ít nhất một trong hai biến cố sau xảy ra: bị cảnh báo hoặc bị kiểm soát Các công ty được phân vào nhóm 0 khi đáp ứng các điều kiện sau: (i) Công ty không bị cảnh báo, bị kiểm soát hay bị hủy niêm yết; (ii) Báo cáo tài chính của công ty đầy đủ dữ liệu trong giai đoạn 2009-2014

Mẫu nghiên cứu được thu thập từ báo cáo tài chính của 274 công ty phi tài chính được niêm yết trên sàn HOSE từ năm 2006 đến năm 2014 Dữ liệu nghiên cứu được thu thập qua hai nguồn dữ liệu (Sở Giao dịch Chứng khoán TPHCM và Công ty Vietstock) để xác định công ty có khó khăn tài chính hay không trong năm 2009 –

2014

Mẫu nghiên cứu chỉ giới hạn các công ty phi tài chính trên sàn HOSE là do : (i) Dữ liệu về công ty được công bố công khai, dễ dàng thu thập và đã qua kiểm toán nên đảm bảo độ tin cậy; (ii) Để giảm sự chênh lệch giữa các chỉ số tài chính vì tiêu

1 Dựa trên quyết định 168/QĐ-SGDHCM ngày 7/12/2007 Ban hành Quy chế niêm yết chứng khoán tại Sở Giao dịch chứng khoán Tp.HCM, quyết định 04/QD-SGDHCM ngày 17/04/2009 và nghị định 58/2012/NĐ-CP ngày 20/07/2012

4

chuẩn niêm yết trên sàn HOSE và HNX có sự khác biệt về quy mô vốn điều lệ, điều kiện lợi nhuận, điều kiện công bố thông tin, điều kiện hủy niêm yết; (iii) Các công ty đang hoạt động trong lĩnh vực tài chính như ngân hàng, bảo hiểm, các công ty chứng khoán và các quỹ đầu tư có cấu trúc tài chính và chế độ kế toán khác biệt đáng kể so với các công ty phi tài chính

1.6 Phương pháp nghiên cứu

Có hai vấn đề tác động sâu sắc đến hiệu quả dự báo của mô hình là phương pháp chọn lựa để tìm được các biến thích hợp và xây dựng được mô hình dự báo phù hợp với các biến đó (Lin, Lang và Chen, 2011)

Trước hết, đề tài chọn lựa phương pháp hồi quy xu hướng (Granger & Newbold, 1986; Granger, 1989) và kiểm định T (Gudmund và Helmut, 1987) để lựa chọn các tỷ số tài chính có khả năng dự báo khó khăn tài chính

Thứ hai, xây dựng mô hình dự báo bằng phương pháp hồi quy logistic Từ đó

có thể xác định chiều hướng tác động của các tỷ số tài chính đến khó khăn tài chính của các công ty niêm yết trên Sở giao dịch chứng khoán Thành phố Hồ Chí Minh

1.7 Kết cấu luận văn

Nghiên cứu được kết cấu gồm 5 chương như sau:

Chương 1: Giới thiệu tổng quan nghiên cứu Chương này sẽ trình bày khái quát về lý do nghiên cứu và xác định vấn đề nghiên cứu, đến việc đặt ra mục tiêu và câu hỏi nghiên cứu, kế tiếp là phương pháp nghiên cứu, phạm vi và đối tượng nghiên cứu cũng như kết cấu của luận văn

Chương 2: Cơ sở lý thuyết Chương này sẽ trình bày cơ sở lý luận có liên quan đến nội dung nghiên cứu và các nghiên cứu trước về khả năng dự báo của các tỷ số kế toán tài chính

Chương 3: Phương pháp nghiên cứu Chương 3 sẽ trình bày phương pháp

nghiên cứu, mô hình và giả thuyết nghiên cứu cũng như dữ liệu nghiên cứu

5

Chương 4: Kết quả nghiên cứu Chương 4 sẽ trình bày kết quả nghiên cứu thực nghiệm bao gồm kết quả phân tích hồi quy xu hướng, thống kê mô tả, ma trân hệ

số tương quan và kết quả hồi quy logistic đồng thời thảo luận kết quả nghiên cứu

Chương 5: Kết luận và kiến nghị Trong chương này nêu lên các kết quả nghiên cứu rút ra từ quá trình phân tích và đưa ra những kiến nghị Đồng thời chương

này cũng trình bày những hạn chế của đề tài và đề xuất hướng nghiên cứu tiếp theo

6

CHƯƠNG 2 : CƠ SỞ LÝ THUYẾT

Chương hai nghiên cứu cơ sở lý thuyết trong các nghiên cứu trước trên thế giới và tại Việt nam về khả năng dự báo khó khăn tài chính bằng các tỷ số tài chính dựa trên báo cáo tài chính thông qua sử dụng các mô hình dự báo khác nhau, từ đó xác định vấn đề chưa được nghiên cứu tại Việt Nam Chương hai gồm 4 mục Mục 2.1 trình bày khái niệm về công ty khó khăn tài chính Mục 2.2 trình bày các nghiên cứu trước ở nước ngoài Mục 2.3 trình bày các nghiên cứu trước ở Việt Nam Mục 2.4 so sánh với các nghiên cứu trước

Trong nghiên cứu tài chính, các nghiên cứu về phân tích tỷ số tài chính dựa trên báo cáo tài chính nhằm xác định và phân biệt các đặc điểm của công ty khó khăn tài chính đã có từ lâu (Fitzpatrick, 1931; Merwin, 1942) Nhưng những nghiên cứu của Beaver (1966) và Altman (1968) có ảnh hưởng sâu rộng trong lĩnh vực này Họ đã phát hiện ra khả năng dự báo khó khăn tài chính của các tỷ số tài chính Dựa trên nghiên cứu nền tảng này, các nghiên cứu về sau sử dụng các mô hình khác nhau nhằm tìm ra các tỷ số tài chính có khả năng dự báo tốt nhất khó khăn tài chính của công ty

2.1 Khái niệm về công ty khó khăn tài chính

Có rất nhiều định nghĩa về công ty khó khăn tài chính được các nhà nghiên cứu sử dụng trong các nghiên cứu trước Định nghĩa hẹp như phá sản, đóng cửa và định nghĩa rộng như thất bại, khó khăn

Trong các nghiên cứu trước, các tác giả sử dụng khái niệm phá sản theo luật định bởi vì nó cung cấp điều kiện khách quan cho phép các nhà nghiên cứu dễ dàng phân loại mẫu nghiên cứu (Charitou, Neophytou & Charalambous, 2004) Đó là các tác giả Altman (1968); Beaver, McNichols & Rhie (2005); Charitou, Neophytou & Charalambous (2004); Chi & Tang (2006); Gentry, Newbold & Whitford (1985); Hamer (1983); He & Kamath (2006); McKee (2000); Norton & Smith (1979); Platt

& Sun (2011); Merwin (1942); Pindado & Rodrigues (2005); Purnanandam, (2008)

Các tác giả sử dụng kết hợp cả hai định nghĩa khó khăn tài chính theo luật định và theo điều kiện tài chính như Blum (1974); Hing & Lau (1987); Jones & Hensher (2004); Leksrisakul (2004); Reisz & Perlich (2007); Ugurlu & Aksoy (2006)

Ở Việt Nam, Luật Phá sản năm 2004 chỉ quy định chung chung “doanh nghiệp, hợp tác xã không có khả năng thanh toán được các khoản nợ đến hạn khi chủ

nợ có yêu cầu coi là lâm vào tình trạng phá sản”, thì theo điều 4, Luật Phá sản 20142

đã có những thay đổi theo hướng rõ ràng và cụ thể hơn, doanh nghiệp được cho là mất khả năng thanh toán “khi không thực hiện nghĩa vụ thanh toán khoản nợ trong thời hạn

ba tháng kể từ ngày đến hạn thanh toán”, trong khi đó phá sản là “tình trạng của doanh nghiệp mất khả năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố phá sản”

Doanh nghiệp bị tuyên bố phá sản khi (i) doanh nghiệp không còn tài sản để thanh toán lệ phí nộp đơn yêu cầu mở thủ tục phá sản hay chi phí phá sản, (ii) hội nghị chủ nợ đã được hoãn nhưng khi triệu tập lại vẫn không đáp ứng điều kiện theo quy định, (iii) hội nghị chủ nợ không thông qua được nghị quyết trong lần họp đầu hay không tổ chức lại được hội nghị chủ nợ để thông qua phương án phục hồi hoạt động kinh doanh hay không thông qua được nghị quyết về phương án này, hoặc (iv) doanh nghiệp không xây dựng được phương án phục hồi hoạt động kinh doanh trong thời hạn quy định, không thực hiện được phương án phục hồi hoạt động kinh doanh hoặc vẫn

2 Ngày 19-6-2014, Luật Phá sản 2014 (Luật số 51/2014/QH13) đã được Quốc hội thông qua và có hiệu lực thi hành kể từ ngày 1-1-2015

Sở Giao dịch xét thấy cần thiết bảo vệ quyền lợi của nhà đầu tư

Cổ phiếu bị kiểm soát 6 khi công ty không khắc phục được tình trạng dẫn đến chứng khoán bị cảnh báo; vi phạm nghiêm trọng các quy định về chứng khoán và thị trường chứng khoán; trong trường hợp Sở Giao dịch xét thấy cần thiết bảo vệ quyền lợi của nhà đầu tư

Cổ phiếu bị hủy niêm yết bắt buộc là trường hợp công ty niêm yết không còn đáp ứng được các quy định như vốn điều lệ giảm xuống dưới 80 tỷ đồng7, ngừng hoặc

bị ngừng hoạt động sản xuất kinh doanh chính từ một năm trở lên; sản xuất kinh doanh

bị lỗ 3 năm liên tiếp và tổng số lỗ lũy kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán năm gần nhất trước thời điểm xem xét; bị thu hồi giấy chứng nhận đăng ký kinh doanh hoặc giấy phép hoạt động trong lĩnh vực chuyên ngành; Cổ phiếu không có giao dịch tại Sở Giao dịch Chứng khoán trong vòng 12 tháng; chấm

3 Điều 105 – 107, Chương 9 Luật Phá sản 2014

4 Theo điều số 14, Nghị định 14/2007/NĐ-CP ngày 19/1/2007 quy định chi tiết thi hành một số điều của Luật Chứng khoán và điều 60, mục 1, chương V của Nghị định số 58/2012/NĐ-CP ngày 20/07/2012

5 Quyết định 04/QD-SGDHCM ngày 17/04/2009

6 Quyết định 04/QD-SGDHCM ngày 17/04/2009

7 Quyết định 168/QD-SGDHCM ngày 07/12/2007 về việc ban hành quy chế niêm yết chứng khoán tại Sở Giao dịch Chứng khoán TPHCM

9

dứt sự tồn tại do sáp nhập, hợp nhất, chia, giải thể hoặc phá sản; Tổ chức kiểm toán có

ý kiến không chấp nhận hoặc từ chối cho ý kiến đối với báo cáo tài chính năm gần nhất; chậm nộp báo cáo tài chính năm trong 3 năm liên tiếp8; và một số quy định khác

Trường hợp hủy niêm yết tự nguyện là trường hợp tổ chức niêm yết đề nghị hủy bỏ niêm yết và có nghị quyết đại hội cổ đông đồng ý9

Ở Việt Nam, trong các nghiên cứu trước có các tác giả phân biệt công ty khó khăn tài chính theo luật định (Nguyễn Bảo Khang, 2012; Trần Thị Kim Phượng, 2012; Nguyễn Thị Phương Thao, 2012) Tuy nhiên, vì các công ty bị phá sản hay bị hủy niêm yết theo luật định rất ít nên có tác giả định nghĩa khó khăn tài chính theo điều kiện tài chính như không có khả năng thực hiện nghĩa vụ tín dụng đối với bên đối tác, vốn lưu động âm, vốn hóa thị trường nhỏ hơn tổng nợ (Đào Thị Trang, 2013) Bên cạnh đó, có tác giả kết hợp cả hai điều kiện như công ty bị hủy niêm yết, bị cảnh báo

và chỉ tiêu vốn cổ phần nhỏ hơn tổng nợ, lợi nhuận sau thuế âm hai năm liên tục (Lương Trọng Đức, 2012); công ty bị hủy niêm yết, bị cảnh báo và lợi nhuận trên tổng tài sản âm, vốn lưu động âm, vốn hóa thị trường nhỏ hơn tổng nợ (Dương Văn Khải, 2013)

Tóm lại, dựa trên các nghiên cứu trước và kết hợp tình hình thực tế ở Việt Nam, nghiên cứu này phân biệt công ty thuộc nhóm khó khăn tài chính khi có ít nhất một trong hai tiêu chí sau :

(1) Lợi nhuận sau thuế âm 1 năm (công ty bị cảnh báo)

(2) Lợi nhuận sau thuế âm 2 năm liên tục (công ty bị kiểm soát)

8 Điều 60, mục 1, chương V của Nghị định số 58/2012/NĐ-CP do Thủ tướng ký ban hành ngày 20/07/2012

9 65% số phiếu biểu quyết của tất cả các cổ đông dự họp theo Quyết định 168/QD-SGDHCM và 50% số phiếu biểu quyết của các cổ đông không phải là cổ đông lớn theo Nghị định số 58/2012/NĐ-CP

10

2.2 Các nghiên cứu trước ở nước ngoài

Trải qua gần 50 năm qua, dự báo khó khăn tài chính đã phát triển thành một nhánh nghiên cứu chính trong tài chính công ty Có rất nhiều nghiên cứu sử dụng các chỉ số kế toán tài chính để dự báo khó khăn tài chính như Beaver (1966), Altman (1968), Altman, Hatzell & Peck (1995), Ohlson (1980), Li & Sun (2011); Lin, Liang

& Cheng (2011), Bae (2012), Horta & Camanho (2013) và Lin & ctg (2014) Các nhà nghiên cứu ở các nước khác nhau đã không ngừng tìm kiếm các tỷ số tài chính có khả năng dự báo tốt nhất khó khăn tài chính bằng các mô hình khác nhau (Bảng 2.1)

Mô hình dự báo khó khăn tài chính đơn biến nhấn mạnh đến tín hiệu tác động riêng biệt của từng tỷ số tài chính đến khó khăn tài chính Công ty được phân thành hai loại, khó khăn tài chính và không khó khăn tài chính, thông qua điểm phân biệt tối ưu Đây là điểm mà tại đó tỷ lệ mắc sai lầm là nhỏ nhất Nếu công ty nào có giá trị chỉ số dưới điểm phân biệt, được phân vào công ty khó khăn tài chính và ngược lại, nếu công

ty có giá trị chỉ số trên điểm phân biệt thì được phân vào công ty không khó khăn tài chính

Beaver (1966) là nhà nghiên cứu tiên phong trong việc sử dụng các tỷ số tài chính bằng phương pháp phân tích đơn biến để dự báo khó khăn tài chính công ty Ông nghiên cứu 79 công ty phá sản và 79 không phá sản có cùng ngành và cùng quy

mô tài sản ở thị trường Mỹ từ nguồn dữ liệu của Moody trong giai đoạn 1954-1964 Ông phân biệt các công ty có khả năng phá sản khi có một trong các dấu hiệu như công ty thông báo phá sản, công ty không thanh toán được được các trái phiếu đến hạn, số tiền chi vượt quá số tiền trong tài khoản ngân hàng, không chi trả cổ tức cho các cổ phiếu ưu đãi Mô hình gồm 6 biến: tài sản ngắn hạn trên nợ ngắn hạn (CACL), vốn lưu động ròng trên tổng tài sản (WCTA), khoảng phi tín dụng (No credit interval : NCI), dòng tiền trên tổng nợ (CFTL), lợi nhuận sau thuế trên tổng tài sản (ROA), tổng

nợ trên tổng tài sản (TLTA) Kết quả cho thấy có sự khác biệt có ý nghĩa giữa các công ty phá sản và không phá sản trong thời gian khảo sát, như công ty phá sản có chỉ

số dòng tiền trên tổng nợ, chỉ số chỉ số lợi nhuận sau thuế trên tổng tài sản thấp hơn so

11

với công ty không phá sản Hơn nữa, nghiên cứu khuyến nghị phân tích tỷ số tài chính

ít nhất 5 năm trước khi xảy ra phá sản thì hữu ích cho dự báo công ty phá sản

Phương pháp đơn biến đòi hỏi giả định nghiêm ngặt, đó là mối quan hệ giữa khó khăn tài chính và các tỷ số tài chính là quan hệ tuyến tính Tuy nhiên, giả định này thường bị vi phạm trong thực tế vì các tỷ số tài chính có mối quan hệ phi tuyến tính với khó khăn tài chính (Keasey & Watson, 1991) Ngoài ra, các tỷ số tài chính còn có mối tương quan với nhau nên khó mà đánh giá tỷ số tài chính nào là quan trọng khi phân tích từng biến riêng lẻ Vì thế, phương pháp đơn biến trong phân tích tỷ số tài chính có thể mắc sai lầm loại I (công ty khó khăn tài chính được dự báo là công ty không khó khăn tài chính) và nguy cơ dự báo không chính xác (Altman, 1968; Dimitras, Zanakis & Zopounidis, 1996)

Để khắc phục những khiếm khuyết của mô hình đơn biến, mô hình đa biến được phát triển và sử dụng trong dự báo khó khăn tài chính Mô hình phân biệt đa biến (MDA) là phương pháp được sử dụng để phân loại quan sát vào một trong những nhóm được xác định trước dựa vào đặc điểm riêng biệt của quan sát (Altman, 1968) Phương pháp này giúp nhà nghiên cứu có thể tìm ra bộ tỷ số tài chính tối ưu nhằm phân biệt tốt nhất các quan sát

Altman (1968) là người đầu tiên sử dụng phương pháp nghiên cứu đa biến trong dự báo công ty phá sản, với mẫu nghiên cứu gồm 33 công ty phá sản và 33 công

ty không bị phá sản có cùng ngành và cùng quy mô tổng tài sản tại Mỹ trong giai đoạn 1946-1965 Công ty phá sản trong mẫu nghiên cứu của Altman (1968) là các công ty

bị phá sản theo chương X của luật phá sản Mỹ năm 1938 Tổng cộng có 22 tỷ số tài chính đã được lựa chọn trên cơ sở các nghiên cứu trước Kết quả Altman tìm ra mô hình chỉ số Z với 5 tỷ số tài chính là : X1: vốn lưu động ròng trên tổng tài sản (WCTA), X2 : lợi nhuận giữ lại trên tổng tài sản (RETA), X3: thu nhập trước thuế và lãi vay trên tổng tài sản (EBITTA), X4: giá trị thị trường của vốn chủ sở hữu trên tổng

nợ (METL), X5: doanh thu trên tổng tài sản (SATA) Mô hình chỉ số Z của Altman (1968): Z = 0,012X1 + 0,014X2 + 0,033X3+0,006X4 + 0,999X5 Nếu Z nhỏ hơn 1,81 thì công ty lâm vào phá sản Nếu Z nằm trong khoảng [1,8; 2,99] là công ty có dấu

12

hiệu phá sản Nếu Z lớn hơn 2,99 công ty không bị phá sản Để kiểm tra độ tin cậy của

mô hình, Altman (1968) tạo ra 5 bộ dữ liệu con, mỗi bộ gồm 16 công ty Kết quả kiểm định 2 mẫu con cho thấy tỷ lệ mắc sai lầm loại I (công ty phá sản dự báo thành công ty không phá sản) là 4% so với tỷ lệ mắc sai lầm của mẫu là 6% Tiếp theo, ông tiến hành kiểm tra tỷ lệ mắc sai lầm loại II (công ty không phá sản dự báo thành công ty phá sản) thì có 14 công ty dự báo sai trong mẫu 66 công ty, tỉ lệ sai lầm loại II là 21%, mô hình

dự báo chính xác 79% một năm trước khi phá sản Khi kiểm tra năng lực dự báo dài hạn của mô hình chỉ số Z thì độ chính xác của mô hình dự báo trước 1 đến 5 năm lần lượt là 95%, 72%, 48%, 29% và 36% Ông kết luận mô hình chỉ số Z chỉ có khả năng

dự báo từ 1 đến 2 năm trước khi phá sản

Để ứng dụng mô hình cho công ty chưa niêm yết, Altman (1993) hiệu chỉnh tử

số của biến X4 thành giá trị sổ sách của vốn chủ sở hữu trên tổng nợ (TETL) Kết quả

là mô hình có sự thay đổi trọng số của các biến Mô hình tỷ số Z của Altman (1993) : Z’=0,717X1 + 0,847X2 + 3,107X3+0,420X4 + 0,998X5 Nếu Z’ nhỏ hơn 1,23 thì công ty lâm vào khó khăn tài chính

Mô hình EMS là mô hình điều chỉnh mới nhất của Altman được áp dụng cho các công ty hoạt động ở các nước đang phát triển Mô hình EMS (Altman, Hatzell và Peck, 1995) được phát triển nhằm cải thiện độ chính xác của mô hình khi dự báo xác suất phá sản của doanh nghiệp trong thị trường mới nổi Mô hình EMS gồm 4 biến: X1: vốn lưu động trên tổng tài sản (WCTA), X2 : lợi nhuận giữ lại trên tổng tài sản (RETA), X3: thu nhập trước thuế và lãi vay trên tổng tài sản (EBITTA), X4: vốn chủ

sở hữu trên tổng nợ (TETL) EMS = 3,25 + 6,56X1 + 3,226X2 + 6,72X3+1,05X4 Nếu EMS nhỏ hơn 4,15 thì công ty lâm vào khó khăn tài chính Mô hình EMS được áp dụng cho thị trường mới nổi như Mexico, Brazil và Argentina và dự báo thành công các công ty phá sản (Altman và Hotchkiss, 2006)

Altman, Zhang & Yen (2007) nghiên cứu mô hình dự báo khó khăn tài chính ở Trung Quốc bằng phương pháp MDA Trong nghiên cứu này, tác giả chọn công ty khó khăn tài chính là các công ty niêm yết bị kiểm soát đặc biệt (ST) theo quy định của Sở giao dịch chứng khoán Trung Quốc, nghĩa là các công ty có lợi nhuận tích lũy âm hai

13

năm liên tục hay giá trị tài sản ròng trên cổ phiếu (NAV) thấp hơn mệnh giá Mẫu nghiên cứu gồm 120 công ty niêm yết thuộc 16 ngành trên thị trường chứng khoán Thẩm Quyến và Thượng Hải Mẫu nghiên cứu thứ nhất gồm 30 công ty bị kiểm soát đặc biệt (ST) vào năm 1998, 1999 và 30 công ty không khó khăn tài chính Mẫu thứ 2 (mẫu kiểm định) gồm 21 công ty ST và lựa chọn ngẫu nhiên 39 công ty không ST Tác giả đưa vào nghiên cứu 15 tỷ số tài chính thuộc các nhóm khả năng sinh lợi, khả năng thanh khoản, thanh toán, hiệu quả sử dụng tài sản, tăng trưởng, cấu trúc vốn Tương tự

mô hình Z’’ của Altman & Hotchkiss (2006) và mô hình EMS của Altman, Hatzell & Peck (1995), kết quả mô hình gồm 4 biến là tổng nợ trên tổng tài sản (TLTA), lợi nhuận sau thuế trên tổng tài sản (ROA), vốn lưu động trên tổng tài sản (WCTA) và lợi nhuận giữ lại trên tổng tài sản (RETA) Mô hình dự báo chính xác 87% hai năm trước phá sản

Buggakupta (2004) và Kiatkhajornvoung (2008) sử dụng mô hình MDA nghiên cứu các công ty Thái Lan Kết quả mô hình Buggakupta (2004) gồm 4 biến : doanh thu trên tổng tài sản (SATA), tổng vốn chủ sở hữu trên tổng nợ (TETL), nợ ngắn hạn trên tổng tài sản (CLTA) và nợ dài hạn trên tổng tài sản (LDTA) Mô hình Kiatkhajornvoung (2008) gồm 3 biến : thu nhập hoạt động trên tổng tài sản (EBITTA), vốn cổ phần trên tổng tài sản và thu nhập sau thuế hai năm Nghiên cứu cho thấy tỷ số đòn bẩy và lỗ thường xuyên là dấu hiệu cảnh báo khó khăn tài chính

Mặc dù mô hình MDA được sử dụng chủ yếu trong các nghiên cứu trước (Altman, 1968; Blum, 1974; Deakin, 1972; Edmister, 1972), độ tin cậy của kết quả bị chỉ trích vì các giả định như tỷ số tài chính phải phân phối chuẩn và ma trận đồng phương sai của các tỷ số tài chính phải đồng nhất ở cả hai nhóm (Balcaen & Ooghe, 2006; Coats & Fant 1993; Dimitras & ctg., 1999; Goudie, 1987; Hamer, 1983; Ohlson, 1980; Taffler, 1982) Sau những năm 1980, mô hình MDA bắt đầu ít phổ biến và được thay thế bằng mô hình logistic ít đòi hỏi các giả định (Balcaen và Ooghe, 2006)

Ohlson (1980) xây dựng mô hình logistic trong mẫu nghiên cứu 105 công ty phá sản và 2058 công ty không phá sản niêm yết trên thị trường chứng khoán New York, thị trường chứng khoán Mỹ và thị trường OTC ở Mỹ từ năm 1970-1976 Công

14

ty phá sản theo qui định trong chương X, XI của Luật phá sản Mỹ hoặc công ty đang tiến hành thủ tục phá sản Mô hình gồm 9 biến: log(tổng tài sản trên GNP), tổng nợ trên tổng tài sản (TLTA), vốn lưu động trên tổng tài sản (WCTA), nợ ngắn hạn trên tài sản ngắn hạn (CLCA), biến giả bằng 1 nếu tổng nợ lớn hơn tổng tài sản, lợi nhuận sau thuế trên tổng tài sản (ROA), dòng tiền hoạt động trên tổng nợ (OCFTL), biến giả bằng 1 nếu lợi nhuận ròng âm 2 năm liên tục và thay đổi lợi nhuận thuần (NIGR) Kết quả dự báo chính xác 96% một năm trước khi phá sản

Lu & Wang (2010) nghiên cứu 34 công ty sản xuất bị kiểm soát đặc biệt (ST)

từ năm 2007 đến 2009 và 74 công ty sản xuất không bị khó khăn tài chính, tổng cộng

có 949 quan sát từ năm 2000 đến 2008 trên thị trường chứng khoán Trung Quốc Từ

26 biến nghiên cứu ban đầu, sau khi kiểm định phương sai trung bình của 2 nhóm bằng kiểm định Mann-Whitney, 22 biến còn lại được đưa vào mô hình hồi quy stepwise logistic dữ liệu bảng Kết quả mô hình hồi quy logistic có 8 biến có ý nghĩa gồm : vốn lưu động trên tổng tài sản (WCTA), lợi nhuận hoạt động trên lợi nhuận hoạt động sau thuế, lợi nhuận giữ lại trên tổng tài sản (RETA), thu nhập trên cổ phần (EPS), tăng trưởng tổng tài sản (TAGR), vòng quay khoản phải thu (SAAR), tỉ lệ sở hữu nhà nước

và tỉ lệ sở hữu cổ đông lớn Ngoại trừ biến tỉ lệ sở hữu cổ đông lớn có tác động cùng chiều, các biến đều có tác động ngược chiều với khó khăn tài chính

Kwak, Cheng & Ni (2012) nghiên cứu mô hình dự báo công ty phá sản trước

và sau Luật Sarbanes-Oxley Mỹ ban hành năm 2002 Mẫu nghiên cứu gồm 306 quan sát trong 3 năm, trong đó có 130 quan sát (35 công ty) là công ty nộp đơn xin phá sản trong năm 2008 và 2009 Trước tiên, tác giả kiểm định các tỷ số tài chính của mô hình Altman (1968) và mô hình Ohlson (1980) bằng mô hình logistic Sau đó nghiên cứu sử dụng mô hình 13 biến bao gồm kết hợp các biến trong mô hình 5 biến của Altman (1968), mô hình 9 biến của Ohlson (1980) và thêm 3 biến mới vào mô hình là lợi nhuận thị trường trung bình hàng năm của công ty, biến giả IC bằng 1 nếu công ty có kiểm soát nội bộ kém và biến giả DIV bằng 1 nếu công ty không chia cổ tức Kết quả nghiên cứu cho thấy mô hình dự báo chính xác 80% với 7 biến có ý nghĩa bao gồm : tổng nợ trên tổng tài sản (TLTA), vốn lưu động trên tổng tài sản (WCTA), quy mô

2010 Tác giả chia mẫu nghiên cứu làm 2 mẫu con Mẫu thứ nhất (dự báo) bao gồm

199 công ty khó khăn và 308 công ty không khó khăn từ năm 2000 – 2007 Mẫu thứ 2 (kiểm định) bao gồm 154 công ty khó khăn và 398 công ty không khó khăn từ năm

2008 – 2010 Đầu tiên nghiên cứu sử dụng 22 tỷ số tài chính gồm 4 nhóm : thanh khoản, đòn bẩy, hoạt động và khả năng sinh lợi và 4 biến giả phân loại là lãi 2 năm, lãi

3 năm, lỗ 2 năm, lỗ 3 năm Sau khi kiểm định thống kê, 8 biến có ý nghĩa được đưa vào mô hình 1 Mô hình 2 gồm 8 biến của mô hình 1 và 4 biến giả Tiếp theo, tác giả chạy mô hình hồi quy stepwise MDA và stepwise logistics cho mô hình 1 và mô hình

2 Kết quả mô hình MDA mô hình 2 (5 biến gồm tiền mặt trên tổng tài sản (CASHTA), nợ ngắn hạn trên tổng vốn chủ sở hữu (CLTE), tổng nợ trên tổng tài sản (TLTA), biến giả hai năm lỗ và 3 năm lãi) và mô hình logistic mô hình 1 (3 biến gồm vốn lưu động trên tổng tài sản (WCTA), tổng nợ trên tổng tài sản (TLTA) và lợi nhuận sau thuế trên doanh thu (ROS)) có thể dự báo chính xác lần lượt là 62,3% và 57,8% Nếu kết hợp cả 2 mô hình thì độ chính xác tăng lên 70,1%

Mô hình SVM sử dụng nguyên tắc của mô hình tối thiểu hóa rủi ro nhằm tìm kiếm đường siêu liên kết tối ưu sao cho khoảng cách đường biên phân biệt giữa hai lớp

là lớn nhất Mô hình SVM đã được ứng dụng vào nghiên cứu tài chính trong những năm gần đây (Bae, 2012; Li & Sun, 2011; Lin, Liang & Cheng, 2011; Wu, Fang & Goo, 2010)

Nghiên cứu của Li & Sun (2011) sử dụng 30 tỷ số tài chính từ báo cáo tài chính của 153 công ty niêm yết trên thị trường chứng khoán Thẩm Quyến và thị trường chứng khoán Thượng Hải từ năm 2000 – 2005 Công ty khó khăn tài chính là công ty có lợi nhuận âm hai năm liên tục Kết quả nghiên cứu tìm ra 8 tỷ số tài chính

có khả năng dự báo khó khăn tài chính là lợi nhuận sau thuế trên doanh thu (ROS), lợi

16

nhuận hoạt động trên tổng tài sản (EBITTA), lợi nhuận sau thuế trên tổng tài sản (ROA), lợi nhuận sau thuế trên tài sản ngắn hạn (ROCA), lợi nhuận sau thuế trên tài sản cố định (ROFA), lợi nhuận sau thuế trên vốn chủ sở hữu (ROE), thu nhập trên cổ phần (EPS), tài sản ròng trên cổ phần Kết quả nghiên cứu chứng minh rằng mô hình SVM tuyến tính với hàm nhân kernel RBF hiệu quả hơn các mô hình khác như độ chính xác cao (trên 89%) và độ lệch chuẩn thấp (nhỏ hơn 2,88%)

Wu, Fang & Goo (2010) nghiên cứu 22 công ty khó khăn và 66 công ty không khó khăn từ năm 2001- 2002 trên thị trường chứng khoán Đài Loan Từ 19 biến ban đầu, nghiên cứu sử dụng phương pháp chọn lựa biến bằng kiểm định Mann-Whitney-Wilcoxon, loại 4 biến, còn lại 15 biến gồm: tài sản ngắn hạn trên nợ ngắn hạn (CACL), tỷ số thanh khoản nhanh (QACL), lợi nhuận sau thuế trên doanh thu (ROS), tổng lợi nhuận trên doanh thu (GPSA), lợi nhuận sau thuế trên vốn chủ sở hữu (ROE), thu nhập hoạt động trên doanh thu (EBITSA), EPS, tăng trưởng doanh thu (SAGR), vòng quay tài sản cố định (SAFA), tổng nợ trên tổng tài sản (TLTA), nợ dài hạn trên tài sản cố định (LDFA), tổng nợ trên vốn chủ sở hữu (TLTE), lợi nhuận trước thuế và lãi vay trên lãi vay (EBITI), dòng tiền trên tổng nợ (CFTL), mức độ đòn bẩy tài chính Kết quả cho thấy mô hình SVM (97,38%) vượt trội hơn mô hình MDA (45,13%) và

Bae (2012) phân tích báo cáo tài chính của 1888 công ty sản xuất bao gồm 944 công ty khó khăn tài chính và 944 công ty không khó khăn tài chính của các công ty

17

sản xuất từ năm 1999-2005 ở Hàn Quốc Từ 54 biến nghiên cứu ban đầu, chọn lọc được 11 biến từ hồi quy stepwise logistic Các biến trong mô hình gồm : lãi vay trên doanh thu (INSA), lợi nhuận sau thuế trên doanh thu (ROS), lợi nhuận hoạt động trên doanh thu (EBITSA), lợi nhuận sau thuế trên tổng tài sản (ROA), nợ ngắn hạn trên tổng tài sản (CLTA), tăng trưởng tài sản cố định (FAGR), vòng quay tổng tài sản (SATA), chi phí tài chính thuần, vốn lưu động trên tổng tài sản (WCTA), tăng trưởng tài sản ngắn hạn (CAGR) và lợi nhuận sau thuế trên vốn chủ sở hữu (ROE) Kết quả thực nghiệm cho thấy mô hình RSVM (radial basis function support vector machines) vượt trội hơn các mô hình khác như MDA, Logistic, mạng nơron MLP (multi layer perceptron) Độ chính xác của mô hình RSVM là 82.35% , mô hình logistic là 78.45%,

và mô hình MLP là 78.31%

Moradi, Sardasht & Ebrahimpour (2012) nghiên cứu độ chính xác của mô hình SVM so với mô hình MDA với mẫu nghiên cứu gồm 204 công ty niêm yết trên thị trường chứng khoán Tehran, Iran từ năm 1999-2009 Mô hình SVM có độ chính xác 93.6% và mô hình MDA có độ chính xác 87.24% Mô hình gồm 11 biến : doanh thu trên tổng tài sản (SATA), tổng nợ trên tổng tài sản (TLTA), vốn lưu động trên tổng tài sản (WCTA), tài sản thanh khoản nhanh trên tổng tài sản (QATA), dòng tiền hoạt động (OCFTL), tiền mặt trên nợ ngắn hạn (CASHCL), chi phí tài chính trên doanh thu, lợi nhuận sau thuế trên chi phí doanh thu, ROA, tổng lợi nhuận trước thuế và lãi vay với khấu hao trên lãi vay (EBITDI), vòng quay khoản phải thu (SAAR)

Horta và Camanho (2013) phân tích dữ liệu năm 2009 của 1.582 công ty khó khăn tài chính và 10.599 công ty không khó khăn tài chính trong ngành xây dựng ở Bồ Đào Nha từ năm 2008-2010 Mô hình sử dụng 4 nhóm tỷ số tài chính và nhóm đặc điểm ngành xây dựng Mô hình gồm 9 biến : lợi nhuận sau thuế trên tổng tài sản (ROA), tổng lợi nhuận trên doanh thu (GPSA), lợi nhuận sau thuế trên vốn chủ sở hữu (ROE), tài sản ngắn hạn trên nợ ngắn hạn (CACL), vốn lưu động trên tổng tài sản (WCTA), doanh thu trên tài sản ngắn hạn (SACA), hoạt động chính, quy mô công ty

và vị trí công ty Kết quả thực nghiệm cho thấy độ chính xác của mô hình SVM (83%) vượt trội hơn mô hình Logistic (80%)

18

2.3 Các nghiên cứu trước ở Việt Nam

Ở Việt nam, dự báo các công ty khó khăn tài chính cũng bắt đầu được quan tâm nghiên cứu trong những năm gần đây (Bảng 2.1)

Nguyễn Thị Phương Thao (2012) nghiên cứu mô hình dự báo phá sản cho các công ty phi tài chính tại Việt Nam Mẫu tổng cộng có 24 công ty cổ phần trong đó có

12 công ty bị hủy niêm yết trên sàn chứng khoán HOSE và HNX trong năm 2012 vì tính thanh khoản yếu kém hay hoạt động kinh doanh thua lỗ kéo dài và 12 công ty đang hoạt động bình thường, với dữ liệu nghiên cứu trong 4 năm từ năm 2008 đến năm

2011 Bằng phương pháp MDA, từ 23 biến tỷ số tài chính, chỉ có 2 biến là tỷ số EBIT trên tổng nợ (EBITTL) và vốn lưu động ròng trên doanh thu (WCSA) có mức ý nghĩa 5% Kết quả nghiên cứu cho rằng nếu Z nhỏ hơn -0,78 thì công ty rơi vào phá sản, nếu Z lớn hơn 1,098 công ty không bị phá sản, nếu Z trong khoảng [-0,78;1,098] không phân biệt được công ty phá sản hay không phá sản

Lương Trọng Đức (2012) sử dụng mô hình logistic nghiên cứu các nhân tố tác động và mô hình dự báo kiệt quệ tài chính cho các công ty cổ phần tại thành phố Hồ Chí Minh Tác giả sử dụng dữ liệu của 252 công ty niêm yết trên sàn giao dịch chứng khoán TP Hồ Chí Minh (HOSE), giai đoạn 2010 – 2012, Mô hình gồm 10 biến : giá trị thị trường trên giá trị sổ sách (MB), lợi nhuận sau thuế (RET), sự biến động của giá chứng khoán (VOL), lợi nhuận hoạt động (OPRO), quy mô công ty (Log(SIZE)), tỷ số đòn bẩy (LEV), mức xếp hạng tín dụng (Log(RAT)), đầu tư (INV), tài sản lưu động (CUA), tuổi công ty (Log(AGE)), đưa vào mô hình hồi quy logistic năm 2010, phát hiện tỷ lệ đòn bẩy và xếp hạng tín dụng của doanh nghiệp có ý nghĩa trong mô hình dự báo

Trần Thị Kim Phượng (2012) dùng mô hình logistic nghiên cứu các yếu tố tác động đến khó khăn tài chính với mẫu nghiên cứu gồm các công ty niêm yết ở Việt Nam năm 2007-2011 Tác giả sử dụng 8 biến : vốn lưu động trên tổng tài sản (WOCA), Lợi nhuận gộp trên doanh thu thuần (GROPROM), EPS, tổng nợ trên tổng tài sản (DEBTTOTAL), dòng tiền trên cổ phiếu lưu hành (CASPSHARE), vòng quay

19

tổng tài sản (SALETA), doanh thu trên tiền mặt (SALEPERCA), doanh thu trên khoản phải thu (SALEPERRE) đưa vào mô hình dự báo Kết quả mô hình cho thấy EPS, SALETA, CASPSHARE là 3 chỉ số quan trọng tác động khó khăn tài chính công ty

Có 6 biến tác động âm (EPS, SALETA, SALEPERRE, CASPSHARE, WOCA, GROPROM) và 2 biến có tác động dương (DEBTTOTAL, SALEPERCA) đến xác xuất xảy ra khó khăn tài chính

Nguyễn Bảo Khang (2012) nghiên cứu các yếu tố tác động đến rủi ro phá sản của doanh nghiệp trên địa bàn tỉnh Đồng Nai bằng mô hình logistic Mẫu nghiên cứu gồm 700 doanh nghiệp, tác giả phân thành 3 mẫu: (i) Mẫu dự báo 1 năm trước khi phá sản gồm 130 doanh nghiệp phá sản và 566 doanh nghiệp còn hoạt động trong năm 2008; (ii) Mẫu dự báo 2 năm trước khi phá sản gồm 122 doanh nghiệp phá sản và 444 doanh nghiệp còn hoạt động trong năm 2009; (iii) Mẫu dự báo 3 năm trước khi phá sản gồm 150 doanh nghiệp phá sản và 294 doanh nghiệp còn hoạt động trong năm

2010 Từ 12 biến số trong mô hình hồi quy logit, có 4 biến có ý nghĩa là tài sản ngắn hạn trên tổng tài sản (CLTA), lợi nhuận sau thuế trên vốn chủ sở hữu (ROE), tài sản ngắn hạn trên doanh thu (CASA), doanh thu trên tổng tài sản (SATA) Mô hình dự báo chính xác từ 90,3% đến 95,5%

Đào Thị Trang (2013) nghiên cứu đánh giá khả năng lâm vào tình trạng phá sản của doanh nghiệp niêm yết trên HOSE Nguồn dữ liệu là báo cáo tài chính cuối năm 2010 của 197 doanh nghiệp đang niêm yết tại HOSE đến 31/12/2011 và có thời gian niêm yết tối thiểu 2 năm Mẫu nghiên cứu được chia làm 2 nhóm : nhóm 1 là các doanh nghiệp có nguy cơ phá sản và nhóm 2 là các doanh nghiệp không có nguy cơ phá sản Dấu hiệu nhận biết một doanh nghiệp lâm vào tình trạng phá sản khi có ít nhất một trong các biến cố sau: không có khả năng thực hiện nghĩa vụ tín dụng đối với bên đối tác (nợ nhóm 3), vốn lưu động thường xuyên nhỏ hơn không (tài sản ngắn hạn – nợ ngắn hạn), giá trị thị trường (GTTT) của doanh nghiệp nhỏ hơn tổng nợ phải trả (GTTT – tổng nợ) Tác giả sử dụng phương pháp logistic để dự báo khả năng phá sản với mô hình gồm 6 biến độc lập: tổng nợ phải trả trên tổng tài sản (TLTA), vốn lưu động ròng trên tổng tài sản (WCTA), nợ ngắn hạn trên tài sản ngắn hạn (CLCA),

20

doanh thu trên tổng tài sản (SATA), Lợi nhuận sau thuế trên vốn chủ sở hữu (ROE), lợi nhuận sau thuế trên tổng tài sản (ROA) Kết quả cho thấy có 3 biến có ý nghĩa 10%: TLTA, SATA, CLCA Mô hình dự báo chính xác 92%

Tóm lại, kết quả các nghên cứu trước chứng minh rằng các tỷ số kế toán tài chính có khả năng dự báo khó khăn tài chính Các tỷ số này thuộc các nhóm tỷ số: (1) nhóm tỷ số khả năng thanh khoản, (2) nhóm tỷ số hiệu quả hoạt động, (3) nhóm tỷ số khả năng quản lý nợ, (4) nhóm tỷ số khả năng sinh lợi, (5) nhóm tỷ số khả năng tăng trưởng, (6) nhóm tỷ số dòng tiền và (7) nhóm tỷ số giá trị thị trường

2.4 So sánh với các nghiên cứu trước

Từ các nghiên cứu trên thế giới, chúng ta thấy rằng vài thập kỷ qua các nhà nghiên cứu trong lĩnh vực này đã tìm kiếm các tỷ số kế toán tài chính có khả năng dự báo khó khăn tài chính công ty Cả biến giải thích mới và phương pháp thống kê mới

đã được sử dụng để tìm kiếm các tỷ số tài chính có khả năng dự báo tốt nhất Tuy nhiên, phần lớn các nghiên cứu nổi tiếng về dự báo khó khăn tài chính đã được tiến hành ở các nước phát triển, nhưng ở Việt Nam chỉ mới bắt đầu nghiên cứu khó khăn tài chính trong những năm gần đây Cho đến nay, hầu hết các nghiên cứu thực nghiệm

ở Việt Nam (i) chỉ chạy mô hình hồi quy dữ liệu chéo trong một năm để dự báo khó khăn tài chính của công ty; tương đối ít nghiên cứu sử dụng dữ liệu bảng để dự báo (ii) chưa có nghiên cứu nào sử dụng mô hình hồi quy xu hướng trong nghiên cứu khó khăn tài chính Do đó, so với các nghiên cứu trong nước, tác giả sử dụng mô hình hồi quy xu hướng và mô hình hồi quy logistic trên bộ dữ liệu bảng từ năm 2009 đến năm

2014 để xác định các tỷ số tài chính đặc trưng cho từng nhóm tỷ số có khả năng dự báo khó khăn tài chính của công ty niêm yết tại Việt Nam

Tóm lại, chương hai đã tìm hiểu và trình bày khái niệm về công ty khó khăn tài chính cũng như đưa ra các nghiên cứu trước cho thấy mối quan hệ giữa các tỷ số

kế toán tài chính và khó khăn tài chính thông qua các mô hình hồi quy khác nhau như

mô hình hồi quy đơn biến, mô hình hồi quy MDA, mô hình hồi quy logistic và mô hình SVM Ngoài ra, chương 2 cũng chỉ ra sự khác biệt của nghiên cứu này so với các nghiên cứu trước, đó là sử dụng kết hợp mô hình hồi quy xu hướng và mô hình hồi quy logistic trên bộ dữ liệu bảng từ năm 2009 đến năm 2014

21

Bảng 2.1 Tóm tắt kết quả các nghiên cứu trước

Nghiên cứu trước ở nước ngoài

quả : công ty phá sản có CFTL, ROA thấp hơn so với công ty không phá sản

X1: WCTA, X2 : RETA, X3: EBITTA, X4: METL, X5: SATA

Z = 0,012X1 + 0,014X2 + 0,033X3+0,006X4 + 0,999X5

4 Altman, Zhang &Yen 2007 MDA Mô hình gồm 4 biến WCTA , ROA, RETA và TLTA

5 Kiatkhajornvoung 2008 MDA Mô hình gồm 3 biến : EBITTA, EPS và thu nhập thuần hai năm

6 Ohlson 1980 Logistic Mô hình gồm 9 biến: WCTA, CLCA, log(tổng tài sản trên GNP),

TLTA, biến giả bằng 1 nếu tổng nợ lớn hơn tổng tài sản, ROA, OCFTL, biến giả bằng 1 nếu lợi nhuận ròng âm 2 năm liện tục và NIGR

22

7 Lu & Wang 2010 Logistic Mô hình gồm 8 biến : WCTA, lợi nhuận hoạt động trên lợi nhuận hoạt

động sau thuế, RETA, EPS, TAGR, SAAR, tỉ lệ sở hữu nhà nước và tỉ

lệ sở hữu cổ đông lớn (+)

8 Kwak, Cheng & Ni 2012 Logistic Kết quả tìm thấy 7 biến có ý nghĩa bao gồm : WCTA,TLTA, SIZE,

NIGR, LOSS : biến giả bằng 1 nếu lợi nhuận ròng âm hoặc lợi nhuận ròng năm trước âm, IC : biến giả bằng 1 nếu công ty có kiểm soát nội

bộ kém và DIV : biến giả bằng 1 nếu công ty không chia cổ tức

9 Li & Sun 2011 MDA, SVM Kết quả nghiên cứu tìm ra 8 tỷ số tài chính có khả năng dự báo khó

khăn tài chính: ROS, EBITTA, ROA, ROCA, ROFA, ROE, EPS, tài sản thuần trên cổ phần Kết quả mô hình SVM tuyến tính với hàm nhân kernel RBF hiệu quả hơn các mô hình khác như độ chính xác cao (trên 89%) và độ lệch chuẩn thấp (nhỏ hơn 2,88%)

23

11 Wu, Fang và Goo 2010 MDA , SVM,

Logistic, Probit

15 biến gồm : CACL, QACL, ROS, GPSA, ROE, EBITSA, EPS, SAGR, SATA, TLTA, LDFA (nợ dài hạn trên tài sản cố định), TLTE, EBITI, CFTL, mức độ đòn bẩy tài chính Kết quả cho thấy mô hình SVM (97,38%) vượt trội hơn mô hình MDA (45,13%), Logistic (85,58%), Probit (84,46%)

12 Lin, Liang và Cheng 2011 Logistic,

MDA, SVM

Kết quả cho thấy mô hình SVM với 5 biến gồm TLTA, WCTA, ROA, thuế suất và EPS 4 quý có khả năng dự báo chính xác 85%

INSA, ROE , ROS, EBITSA, ROA, FAGR, SATA, chi phí tài chính thuần, CAGR

14 Moradi, Sardasht &

15 Horta và Camanho 2013 Logistic,

MDA, SVM

Mô hình gồm 9 biến : CACL, WCTA , SACA, ROA, GPSA, ROE, hoạt động chính, quy mô công ty và vị trí công ty Kết quả thực nghiệm cho thấy độ chính xác của mô hình SVM (83%) vượt trội hơn

mô hình Logistic (80%)

24

Nghiên cứu trước ở Việt Nam

16 Nguyễn Thị Phương

Thao

2012 MDA Mô hình MDA gồm 2 biến là tỷ số WCSA và EBITTL.nếu Z nhỏ hơn

-0,78 thì công ty rơi vào phá sản, nếu Z lơn hơn 1,098 công ty không

bị phá sản, nếu Z trong khoảng [-0,78;1,098] không phân biệt được công ty phá sản hay không phá sản

17 Lương Trọng Đức 2012 Logistic Mô hình gồm 2 biến tỷ số đòn bẩy (LEV), mức xếp hạng tín dụng

Log(RAT) có ý nghĩa

18 Trần Thị Kim Phượng 2012 Logistic EPS, SALETA, CASPSHARE là 3 chỉ số quan trọng tác động khó

khăn tài chính công ty Có 6 biến tác động âm (EPS , SALETA , SALEPERRE, CASPSHARE , WOCA, GROPROM) và 2 biến có tác động dương (DEBTTOTAL, SALEPERCA) đến xác xuất xảy ra khó khăn tài chính

19 Nguyễn Bảo Khang 2012 Logistic 4 biến có ý nghĩa : CASA, SATA, CATA, ROE

20 Đào Thị Trang 2013 Logistic 3 biến có ý nghĩa : CLCA, SATA,TLTA,

MDA : hàm phân biệt đa biến; SVM : hàm máy vector hỗ trợ ; NN : hàm mạng nơron

Nguồn : Tác giả tự tổng hợp

25

CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU

Dựa vào các nghiên cứu trước đã trình bày trong chương 2, chương 3 sẽ trình bày phương pháp nghiên cứu, mô hình và giả thuyết nghiên cứu cùng với dữ liệu nghiên cứu Chương 3 gồm ba mục Mục 3.1 trình bày phương pháp nghiên cứu Mục 3.2 mô hình và giả thuyết nghiên cứu Mục 3.3 mô tả mẫu dữ liệu nghiên cứu

3.1 Phương pháp nghiên cứu

Bằng phương pháp phân tích định lượng, nghiên cứu sử dụng mô hình hồi quy xu hướng kết hợp với mô hình hồi quy logistic dữ liệu bảng chạy trên phần mềm Eview 8.0

Thứ nhất, đề tài sử dụng phương pháp phân tích hồi quy xu hướng để lựa chọn các tỷ

số tài chính có khả năng dự báo khó khăn tài chính Cụ thể như :

Đầu tiên, tác giả chọn lọc được 30 tỷ số tài chính dựa vào tần suất sử dụng của các nghiên cứu trước và tính thuận tiện của dữ liệu (Bảng 3.1)

Tiếp theo, tác giả tạo ra bộ dữ liệu thứ nhất là các công ty khó khăn tài chính Dữ liệu thu thập 3 năm trước khi khó khăn tài chính xảy ra vào bất kỳ năm nào (năm t) trong giai đoạn 2009 – 2014 Ví dụ công ty ALP gặp khó khăn tài chính vào năm 2012 thì dữ liệu sẽ được thu thập từ năm 2009 đến 2012, công ty ANV gặp khó khăn tài chính vào năm 2009 thì

dữ liệu sẽ được thu thập từ năm 2006 đến 2009 Trên cơ sở đó, nghiên cứu phân tích hồi quy

xu hướng 30 tỷ số tài chính của công ty khó khăn tài chính để lựa chọn ra các tỷ số tài chính

có ý nghĩa thống kê và có khả năng dự báo khó khăn tài chính

Cuối cùng, tác giả tạo ra bộ dữ liệu thứ hai bao gồm các công ty khó khăn tài chính và không khó khăn tài chính trong giai đoạn 2009 – 2014 Từ các tỷ số tài chính có ý nghĩa của

bộ dữ liệu thứ nhất, nghiên cứu phân tích hồi quy xu hướng các tỷ số tài chính trên bộ dữ liệu

Qui trình phân tích dữ liệu được thực hiện như sau :

Thứ nhất, nghiên cứu sử dụng mô hình hồi quy xu hướng để phát hiện ra các tỷ số tài chính có khả năng dự báo và có sự khác biệt giữa công ty khó khăn tài chính và công ty không khó khăn tài chính

Thứ hai, nghiên cứu dựa trên thống kê mô tả để nhận biết các đặc điểm khác biệt của nhóm công ty khó khăn tài chính và nhóm công ty không khó khăn tài chính thông qua giá trị trung bình và độ lệch chuẩn

Thứ ba, nghiên cứu dựa trên ma trận hệ số tương quan giữa các biến độc lập để kiểm tra và tìm ra những cặp biến có hệ số tương quan cao Nếu hệ số tương quan giữa các biến vượt quá 0,8, mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng (Gujarati, 2004; Kennedy, 2008) Do đó, để tránh hiện tượng đa cộng tuyến, cặp biến nào có hệ số tương quan cao sẽ được tách riêng trong các mô hình hồi quy logistic

Thứ tư, nghiên cứu sử dụng mô hình hồi quy logistic để phát hiện ra các tỷ số tài chính có khả năng dự báo khó khăn tài chính

Thứ năm, nghiên cứu sẽ tiến hành kiểm định Hosmer–Lemeshow để đảm bảo sự phù hợp của mô hình hồi quy logistic

27

3.2 Mô hình và các giả thuyết nghiên cứu

3.2.1 Mô hình hồi quy xu hướng

Phân tích chuỗi thời gian nhằm mục tiêu nghiên cứu hành vi trong quá khứ của một biến số và sử dụng những thông tin này để dự đoán những thay đổi trong tương lai Phân tích chuỗi thời gian phát triển rất mạnh mẽ vào đầu những năm 1980 (Granger & Newbold, 1986; Granger, 1989) Các phương pháp này được các nhà kinh tế lượng, các nhà kinh tế vĩ mô, các chuyên gia tài chính rất quan tâm

Chuỗi thời gian là một biến số được quan sát theo trình tự thời gian Xt là giá trị quan sát ở thời kỳ t Một trong tính chất cơ bản của Xt là tăng trưởng dài hạn Khi đó chúng ta có thể xây dựng mô hình giản đơn mô tả xu thế của Xt và có thể dùng mô hình để dự báo Một trong những mô hình chuỗi thời gian thường được sử dụng là mô hình hồi quy xu hướng tuyến tính

Mô hình hồi quy xu hướng tuyến tính theo thời gian như sau :

Trong đó:

β0: hằng số của mô hình hồi qui

βi: hệ số hồi qui xu hướng

i: các công ty trong mẫu nghiên cứu

t : năm nghiên cứu

Xit: các biến độc lập của công ty i trong năm t

uit : sai số

Xit = ß0 + ßit + uit (3.1)

28

3.2.2 Mô hình hồi quy logistic

Mô hình hồi quy logistic là phương pháp phân lớp được sử dụng rộng rãi trong các nghiên cứu dự báo khó khăn tài chính công ty (Horta và Camanho, 2013) Trong mô hình hồi quy logistic, mối quan hệ giữa các biến phụ thuộc và các biến dự báo được giả định là phi tuyến Mô hình hồi quy logistic là phương pháp phân lớp thích hợp khi biến phụ thuộc là biến định tính (phân loại) và biến độc lập là định lượng (Hair & ctg., 2006) Ngoài ra, mô hình hồi quy logistic không đòi hỏi giả định các biến độc lập có phân phối chuẩn như mô hình MDA (Hair & ctg., 2006) Do đó, mô hình hồi quy logistic được sử dụng trong nghiên cứu này để

dự báo khó khăn tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam

Mô hình Binary logistic cho nhiều biến độc lập được mô tả như sau:

Trong đó:

Pi : xác suất xảy ra khó khăn tài chính của công ty i

β0: hằng số của mô hình hồi qui

βi: hệ số ước lượng hồi qui từng biến

29

biến với Pi Vì vậy, nếu βi mang dấu dương thì khi tăng Xi sẽ làm tăng khả năng Y nhận giá trị

1, tức là tăng xác suất xảy ra khó khăn tài chính; ngược lại, nếu βi mang dấu âm thì khi tăng

Xi sẽ làm giảm xác suất xảy ra khó khăn tài chính

Nếu gọi “c” là giá trị điểm cắt (thường chọn c=0.5), nếu công ty có P(Y=1) lớn hơn c thì công ty đó được phân loại là có khả năng khó khăn tài chính; ngược lại nếu công ty có P(Y=1) nhỏ hơn c thì công ty đó được phân loại là công ty không khó khăn tài chính

3.2.3 Biến và các giả thuyết nghiên cứu :

Căn cứ vào kết quả nghiên cứu trước ở chương 2 cho thấy các tỷ số kế toán tài chính

có tác động đến khó khăn tài chính bao gồm các nhóm tỷ số sau : (1) nhóm tỷ số khả năng thanh khoản, (2) nhóm tỷ số hiệu quả hoạt động, (3) nhóm tỷ số khả năng quản lý nợ, (4) nhóm tỷ số khả năng sinh lợi, (5) nhóm tỷ số khả năng tăng trưởng, (6) nhóm tỷ số dòng tiền

và (7) nhóm tỷ số giá trị thị trường (xem bảng 3.1)

Mô hình nghiên cứu tổng quát (hình 3.1)

Xác suất khó khăn tài chính = f (tỷ số khả năng thanh khoản, tỷ số hiệu quả hoạt động, tỷ số khả năng quản lý nợ, tỷ số khả năng sinh lợi, tỷ số khả năng tăng trưởng, tỷ số dòng tiền, tỷ số giá trị thị trường)

3.2.3.1 Biến phụ thuộc

Biến Y biểu thị khó khăn tài chính, là biến nhị phân Y nhận giá trị “1” nếu công ty xảy ra khó khăn tài chính tại bất kỳ lúc nào từ năm 2009 đến năm 2014 Y nhận giá trị “0” trong trường hợp ngược lại Dựa vào các nghiên cứu trước ở chương 2 kết hợp với dữ liệu thực tế tại Việt Nam, một công ty được xác định là khó khăn tài chính nếu công ty gặp một trong các biến cố sau trong khoảng thời gian từ 2009-2014 : (i) Lợi nhuận sau thuế âm 1 năm

(công ty bị cảnh báo); (ii) Lợi nhuận sau thuế âm 2 năm liên tục (công ty bị kiểm soát)