Dự báo kiệt quệ tài chính cho các công ty niêm yết tại việt nam

TÓM TẮTLuận văn này xem xét khả năng dự đoán xác suất xảy ra kiệt quệ tài chính của các doanh nghiệp tại Việt Nam bằng 3 nhóm biến nghiên cứu: nhóm biến kế toán, nhóm biến vĩ mô và nhóm

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ KINH TẾ

Người Hướng Dẫn Khoa Học:

PGS.TS NGUYỄN NGỌC ĐỊNH

TP HỒ CHÍ MINH – NĂM 2015

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn của PGS.TS Nguyễn Ngọc Định Các số liệu và kết quả được nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Tác giả luận văn

PHẠM THỊ NGỌC UYÊN

MỤC LỤC TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

TÓM TẮT 7

CHƯƠNG 1: GIỚI THIỆU 8

1.1 Tính cấp thiết của đề tài 8

1.2 Mục tiêu nghiên cứu và câu hỏi nghiên cứu 9

1.3 Sơ lược nội dung chính của luận văn 9

1.4 Kết cấu của luận văn 10

CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 11

2.1 Các nghiên cứu liên quan đến khái niệm kiệt quệ tài chính 11

2.2 Các nghiên cứu về các biến dự đoán kiệt quệ tài chính 13

2.3 Các mô hình sử dụng trong dự báo kiệt quệ tài chính 18

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 20

3.1 Mẫu dữ liệu 20

3.2 Các biến nghiên cứu trong mô hình 22

3.2.1 Biến Kiệt quệ tài chính 22

3.2.2 Nhóm biến kế toán 25

3.2.2.1 Biến TFOTL 25

3.2.2.2 Biến TLTA 26

3.2.2.3 Biến NOCREDINT 27

3.2.2.4 Biến COVERAGE 28

3.2.3 Nhóm biến vĩ mô 29

3.2.3.1 Chỉ số giá tiêu dùng CPI 29

3.2.3.2 Lãi suất Trái phiếu kho bạc kỳ hạn 12 tháng T_BILL 30

3.2.4 Nhóm biến thị trường 31

3.2.4.1 Giá cổ phiếu – PRICE 31

3.2.4.2 Tỷ suất sinh lợi vượt trội – ABNRET 32

3.2.4.3 Quy mô công ty – SIZE 34

3.2.4.4 Vốn hóa thị trường / Tổng nợ – MCTD 35

3.3 Phương pháp nghiên cứu 36

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 39

4.1 Thống kê mô tả 39

4.2 Ma trận hệ số tương quan 43

4.3 Phân tích kết quả hồi quy 46

4.4 Đánh giá mô hình 56

4.5 Phân tích tác động biên 64

CHƯƠNG 5: KẾT LUẬN 67

5.1 Tóm lược kết quả nghiên cứu 67

5.2 Hạn chế của đề tài 68

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT

EBITDA Thu Nhập Trước Thuế, Lãi Vay và Khấu Hao

DANH MỤC CÁC BẢNG

không bị kiệt quệ tài chính, mẫu các công ty bị kiệt quệ tài chính

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

TÓM TẮT

Luận văn này xem xét khả năng dự đoán xác suất xảy ra kiệt quệ tài chính của các doanh nghiệp tại Việt Nam bằng 3 nhóm biến nghiên cứu: nhóm biến kế toán, nhóm biến vĩ mô và nhóm biến thị trường Luận văn sử dụng mẫu quan sát bao gồm 73 công

ty trong mẫu và giai đoạn quan sát là 2006-2014 Thông qua các kết quả hồi quy, các kiểm định đánh giá độ phù hợp của mô hình cũng như phân tích tác động biên của các

mô hình, tác giả nhận thấy một mô hình kết hợp 3 nhóm biến lại với nhau có khả năng

dự báo tốt nhất đến xác suất xảy ra tình trạng kiệt quệ tài chính hơn là mô hình chỉ bao gồm nhóm biến kế toán như các nghiên cứu trước đây đã thực hiện Bên cạnh đó, khả năng dự báo càng xa trước thời điểm xảy ra kiệt quệ tài chính chỉ phù hợp với nhóm biến thị trường, sau đó là nhóm biến vĩ mô và cuối cùng mới là nhóm biến kế toán

Từ Khóa: Kiệt quệ tài chính, Hồi quy Logit, Biến kế toán, Biến vĩ mô, Biến thị

trường

CHƯƠNG 1: GIỚI THIỆU

1.1 Tính cấp thiết của đề tài

Cuộc khủng hoảng tài chính vào năm 2008 đã chỉ ra các thiếu sót trong vấn đề đánh giá và quản trị rủi ro trong môi trường cho vay Những nhà cho vay, những nhà đầu tư khác nhau và những đối tượng liên quan đến doanh nghiệp luôn muốn có được những thông tin đúng lúc về xác suất rủi ro phá sản của các doanh nghiệp Hơn thế nữa, trong thời gian gần đây trên thế giới cũng như tại Việt Nam, tình hình kinh tế ngày càng biến động và có tác động rất lớn đến tình hình hoạt động sản xuất kinh doanh của doanh nghiệp Chính vì vậy, rất cần thiết phải có những nghiên cứu để dự đoán xác suất xảy ra tình trạng kiệt quệ tài chính và phá sản của doanh nghiệp

Hiện nay có nhiều nghiên cứu lập mô hình dự đoán rủi ro kiệt quệ tài chính và phá sản nhưng hầu như các nghiên cứu đó hoặc chỉ dựa vào việc sử dụng dữ liệu kế

toán trong quá khứ được công bố một cách chính thức (Altman, 1968), hoặc dựa vào thông tin thị trường chứng khoán (Merton, 1974), hoặc vừa sử dụng dữ liệu kế toán vừa dữ liệu thị trường (Trujillo-Ponce và cộng sự, 2012) Bên cạnh đó, một số nghiên

cứu cũng đã chỉ ra nhóm biến vĩ mô cũng có khả năng dự báo kiệt quệ tài chính Chính

vì vậy, rất cần thiết trong việc kết hợp các nhóm biến này lại với nhau để xem xét khả năng dự báo của chúng như thế nào khi lần lượt kết hợp các nhóm biến lại với nhau

cũng như sử dụng một cách đơn lẻ Hernandez Tinoco và Wilson (2013) là một trong

các nghiên cứu đã đi tiên phong trong việc kết hợp các nhóm biến lại với nhau như vậy

Thực tế, để một doanh nghiệp hoạt động và phát triển một cách bền vững thì cần phải quan tâm đến không những những yếu tố xuất phát từ nội tại doanh nghiệp mà còn từ các yếu tố bên ngoài Chính vì vậy, có rất nhiều nhân tố có thể giúp dự đoán xác suất xảy ra tình trạng kiệt quệ tài chính, bao gồm xuất phát từ các yếu tố nội tại doanh nghiệp và từ các yếu tố bên ngoài Do đó, rất cần thiết phải kết hợp cả dữ liệu tài chính

của doanh nghiệp cũng như dữ liệu thị trường và dữ liệu vĩ mô của nền kinh tế để có thể tìm ra một mô hình dự báo tốt nhất giúp doanh nghiệp đề ra các phương hướng và biện pháp kịp thời và đúng đắn nhằm tránh khỏi tình trạng kiệt quệ tài chính và gia tăng giá trị doanh nghiệp Và đó chính là lý do tác giả lựa chọn đề tài này để thực hiện nghiên cứu trong luận văn

1.2 Mục tiêu nghiên cứu và câu hỏi nghiên cứu

Luận văn này xem xét khả năng dự báo xác suất xảy ra tình trạng kiệt quệ tài chính của các công ty niêm yết tại Việt Nam bằng các mô hình kết hợp dữ liệu kế toán,

dữ liệu thị trường và dữ liệu vĩ mô

Từ mục tiêu được xác định ở trên, tác giả đặt ra một số câu hỏi nghiên cứu như sau:

 Khi nào một doanh nghiệp rơi vào tình trạng kiệt quệ tài chính?

 Các nhân tố nào có thể giúp dự đoán tốt một doanh nghiệp rơi vào tình trạng kiệt quệ tài chính?

 Mô hình kết hợp nào giữa 3 loại dữ liệu có thể giúp đưa ra các dự báo tốt nhất tình trạng kiệt quệ tài chính của doanh nghiệp?

1.3 Sơ lược về phương pháp nghiên cứu trong luận văn

Nghiên cứu này sử dụng dữ liệu của 73 công ty phi tài chính niêm yết tại Sở giao dịch chứng khoán thành phố Hồ Chí Minh (HOSE) trong giai đoạn nghiên cứu 2006-

2014 Trong luận văn này, tác giả sử dụng biến phụ thuộc kiệt quệ tài chính là biến nhị phân với những quan sát chỉ ra tình trạng kiệt quệ tài chính được gán cho giá trị là 1, và những quan sát không chỉ ra tình trạng kiệt quệ tài chính được gán cho giá trị là 0 Tác giả cũng sử dụng các dữ liệu kế toán, dữ liệu thị trường và dữ liệu vĩ mô tạo thành các biến độc lập trong luận văn này Tác giả sử dụng mô hình hồi quy Logit trong luận văn này để đảm bảo phù hợp với kiểu dữ liệu như vậy Với các kết quả hồi quy đạt được

trong các mô hình hồi quy đơn lẻ cũng như các mô hình hồi quy kết hợp với nhau, tác giả diễn giải kết quả đúng theo ý nghĩa của mô hình hồi quy này

1.4 Kết cấu của luận văn

Luận văn này được tác giả viết theo kết cấu 5 chương và nội dung từng chương như sau:

 Chương 1 – Giới thiệu Trong chương này tác giả trình bày tính cấp thiết của đề tài, mục tiêu nghiên cứu và câu hỏi nghiên cứu, sơ lược về phương pháp nghiên cứu trong luận văn

 Chương 2 – Tổng quan các nghiên cứu trước đây Trong chương này tác giả trình bày các nghiên cứu trước đây liên quan đến khái niệm kiệt quệ tài chính, các nghiên cứu trước đây liên quan đến 3 nhóm biến nghiên cứu dùng để dự báo kiệt quệ tài chính

 Chương 3 – Phương pháp nghiên cứu Trong chương này tác giả trình bày cách thức thu thập dữ liệu, cách thức tính toán các biến số cũng như kỳ vọng về dấu của biến, cùng với phương pháp nghiên cứu được sử dụng trong bài

 Chương 4 – Kết quả nghiên cứu Trong chương này tác giả trình bày kết quả nghiên cứu đạt được và diễn giải kết quả nghiên cứu trong tình hình thực tế tại Việt Nam

 Chương 5 – Kết luận Trong chương này tác giả trình bày tóm tắt kết quả nghiên cứu và hạn chế của đề tài nghiên cứu này

CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY

2.1 Các nghiên cứu liên quan đến khái niệm kiệt quệ tài chính

Có sự không thống nhất trong khái niệm về kiệt quệ tài chính trong các nghiên cứu trước đây Điều này đã gây khó khăn cho các nghiên cứu liên quan đến kiệt quệ tài chính, nhất là trong nghiên cứu này khi biến kiệt quệ tài chính lại là một biến rất quan trọng Chính vì vậy, trong phần này, tác giả sẽ trình bày các nghiên cứu liên quan đến khái niệm kiệt quệ tài chính để tạo cơ sở cho tác giả tìm ra một khái niệm phù hợp và

sử dụng chúng trong việc xác định biến kiệt quệ tài chính mà chỉ ra công ty có rơi vào tình trạng kiệt quệ tài chính hay không ở trong nghiên cứu này

Hầu hết các mô hình dự báo vỡ nợ trước đây cho các công ty niêm yết đã sử dụng một định nghĩa dựa trên một sự kiện chuẩn đó là phụ thuộc vào kết quả pháp lý cuối cùng Có những sự kiện pháp lý có thể xác định được ngày tháng một cách chính xác

và khách quan Tuy nhiên, việc định nghĩa vỡ nợ mang tính pháp lý này vẫn gặp phải một số vấn đề nhất định Chẳng hạn như, việc mất khả năng thanh toán có thể là một quá trình pháp lý kéo dài và thời điểm phá sản mang tính pháp lý không thể đại diện cho thời điểm phá sản thực tế Ví dụ như trong một nghiên cứu cho các công ty tại Anh thì nhận thấy khoảng chênh lệch thời gian đáng kể (tính bình quân, có thể lên đến 3 năm hoặc 1,17 năm) giữa thời điểm một công ty rơi vào tình trạng kiệt quệ tài chính (có thể dẫn đến phá sản) và thời điểm phá sản mang tính pháp lý Kết quả nghiên cứu

này phù hợp với kết quả nghiên cứu của Theodossiou (1993) khi cho rằng các doanh

nghiệp trong mẫu quan sát ở Hoa Kỳ có khoảng thời gian chênh lệch giữa hai thời điểm này là vào khoảng hai năm Ngoài ra, những thay đổi trong luật phá sản tại các quốc gia khác nhau đã tạo ra một điều mà được gọi là "văn hóa giải cứu", mà chính điều này đã làm thay đổi bản chất và thời gian của quá trình phá sản mang tính pháp lý Các nghiên cứu trước đây nhận thấy kiệt quệ tài chính có thể rất tốn kém cho các chủ

nợ và họ muốn giảm thiểu/ ngăn chặn các chi phí này với những hành động kịp thời

Chính vì vậy rất cần thiết để phát triển một mô hình dự báo kiệt quệ tài chính đáng tin cậy hơn là một mô hình dự báo vỡ nợ đáng tin cậy

Wruck (1990) xác định kiệt quệ tài chính là tình trạng mà dòng tiền của một

công ty không đủ để trang trải các nghĩa vụ tài chính hiện tại của họ Trong khi đó,

Asquith và cộng sự (1994) lại xác định kiệt quệ tài chính dựa trên hệ số khả năng

thanh toán lãi vay Trên thực tế, một công ty được phân loại là kiệt quệ tài chính nếu thu nhập trước lãi vay, thuế, và khấu hao (EBITDA) nhỏ hơn chi phí tài chính (hay chi phí lãi vay) trong hai năm liên tiếp, hoặc trong bất kỳ năm nào có EBITDA nhỏ hơn

80% chi phí lãi vay Việc xác định này là phù hợp với nghiên cứu của Andrade và Kaplan (1998) khi xác định tình trạng kiệt quệ tài chính của một công ty tại một năm

bất kỳ có EBITDA thấp hơn chi phí tài chính

Whitaker (1999) cho rằng tác động của kiệt quệ tài chính có thể dẫn đến sự mất

mát trong giá trị doanh nghiệp trước khi xảy ra phá sản Chính vì vậy, ngoài việc xác định kiệt quệ tài chính bằng việc xem xét khả năng thanh toán các khoản nợ đến hạn bằng dòng tiền tạo ra của công ty, thì còn xác định kiệt quệ tài chính bằng cách xem xét giá trị thị trường của công ty tại một thời điểm bất kỳ, tức là xem xét tại một thời điểm mà có tỷ lệ gia tăng trong giá trị thị trường âm

Trần Ngọc Thơ và cộng sự (2007) xác định kiệt quệ tài chính xảy ra khi công ty

không thể đáp ứng các hứa hẹn với các chủ nợ hay đáp ứng một cách khó khăn Hơn thế nữa, họ cũng đề cập rằng các nhà đầu tư biết rằng các doanh nghiệp vay nợ có khả năng rơi vào tình trạng kiệt quệ tài chính và lo ngại về điều này và phản ánh điều đó vào trong giá trị thị trường của cổ phiếu của các doanh nghiệp này Điều này cũng phù hợp với nhiều nghiên cứu trước đây khi cho rằng giá trị thị trường của cổ phiếu đã phản ánh các thông tin trên báo cáo tài chính cũng như các thông tin khác bên ngoài báo cáo tài chính

Từ những nghiên cứu như được đề cập ở bên trên đã chỉ ra 2 cách để xác định tình trạng kiệt quệ tài chính mà sử dụng một cách rộng rãi, đó chính là dựa trên khả

năng đáp ứng nghĩa vụ nợ và sự gia tăng trong giá trị thị trường Trong nghiên cứu này, tác giả sẽ sử dụng 2 cách thức xác định này trong việc xác định một công ty có rơi vào tình trạng kiệt quệ tài chính hay không

2.2 Các nghiên cứu về các biến dự đoán kiệt quệ tài chính

Các nghiên cứu sử dụng nhóm biến kế toán

Các nghiên cứu dùng dự đoán kiệt quệ tài chính đã được thực hiện từ rất lâu vào khoảng những năm 1960 Tuy nhiên, các nghiên cứu ấy chỉ tập trung vào việc sử dụng

nhóm biến kế toán, điển hình như nghiên cứu của Beaver (1966) quan sát trong giai

đoạn 1954-1964 và tập trung hơn vào 6 tỷ số từ 30 tỷ số xem xét vào lúc ban đầu: tỷ số dòng tiền trên tổng nợ, tỷ số thu nhập ròng trên tổng tài sản, tỷ số tổng nợ trên tổng tài sản, tỷ số vốn luân chuyển trên tổng tài sản, tỷ số tài sản ngắn hạn trên nợ ngắn hạn, tỷ

số tài sản ngắn hạn trên chi tiêu hoạt động hàng ngày Trong nghiên cứu đó đã mở rộng khái niệm vỡ nợ là khi công ty không có khả năng đáp ứng các nghĩa vụ nợ khi đến hạn Vì vậy, mẫu quan sát của tác giả bao gồm các công ty phá sản, các công ty không trả được nợ, các công ty có tài khoản ngân hàng bị thấu chi cũng như các công ty bỏ qua các khoản chi trả cổ tức ưu đãi Kết quả nghiên cứu của tác giả đã chỉ ra một khả năng dự báo tốt dựa trên nhóm biến kế toán Tác giả đã chỉ ra rằng chỉ có 10% số quan sát bị phân loại sai theo tỷ số dòng tiền trên tổng tài sản trong mô hình dự báo 1 năm trước khi phá sản, 13% đối với tỷ số dòng tiền trên tổng nợ, 15% đối với thu nhập ròng trên tổng nợ Trong mô hình dự báo 5 năm trước khi phá sản, tỷ lệ quan sát bị phân loại sai là 28% đối với tỷ số dòng tiền trên tổng tài sản, 22% đối với tỷ số dòng tiền trên tổng nợ, 32% đối với thu nhập ròng trên tổng nợ Mặc dù nghiên cứu này đã đưa ra các kết quả dự báo tốt nhưng kỹ thuật nghiên cứu trên các tỷ số đơn lẻ vẫn gặp nhiều hạn chế do có thể đưa ra các kết quả không thống nhất với nhau giữa các tỷ số

Ohlson (1980) cũng sử dụng các biến kế toán cho bộ mẫu quan sát bao gồm 105

công ty phá sản và 2058 công ty không bị phá sản trong giai đoạn quan sát 1970-1976

Kết quả nghiên cứu đã chỉ ra rằng các biến quy mô, tỷ số tổng nợ trên tổng tài sản, tỷ

số thu nhập ròng trên tổng tài sản, tỷ số dòng tiền từ hoạt động sản xuất kinh doanh trên tổng nợ, tỷ số vốn luân chuyển trên tổng tài sản, tỷ số nợ ngắn hạn trên tài sản ngắn hạn có khả năng được sử dụng để dự báo tốt Khả năng dự báo của mô hình chính xác lên đến lần lượt là 96.12% và 95.55% cho mô hình dự báo 1 năm và 2 năm trước khi xảy ra phá sản

Các nghiên cứu sử dụng nhóm biến thị trường

Nhiều nghiên cứu trước đây đã kiểm định tính hữu dụng của nhóm biến thị trường trong việc dự đoán kiệt quệ tài chính Hơn thế nữa, có nhiều nghiên cứu thực nghiệm đã cố gắng chứng tỏ sự vượt trội của các mô hình dựa trên nhóm biến thị trường so với các mô hình dựa trên nhóm biến kế toán và ngược lại Tuy nhiên, việc so sánh thành quả đạt được của các mô hình này vẫn có nhiều tranh luận khác nhau

Agarwal và Taffler (2008) thực hiện so sánh thành quả đạt được giữa các mô hình dự

báo kiệt quệ tài chính dựa trên nhóm biến thị trường và dựa trên nhóm biến kế toán, và nhận thấy rằng các mô hình dựa trên nhóm biến kế toán không thua kém gì và gần như không có sự khác biệt so với các mô hình dựa trên nhóm biến thị trường Điều này hàm

ý rằng cả hai nhóm biến đều chứa đựng những thông tin hữu ích về khả năng dự báo

kiệt quệ tài chính của các công ty Tuy nhiên, Hillegeist và cộng sự (2004) lại chỉ ra

các kết quả trái ngược khi cho rằng các mô hình dựa trên nhóm biến thị trường cung cấp nhiều thông tin đáng kể hơn về khả năng dự báo kiệt quệ tài chính so với các mô hình dựa trên nhóm biến kế toán Bỏ ngoài việc so sánh thành quả giữa các mô hình

với nhau, các nghiên cứu trước đây, điển hình là nghiên cứu của Balcaen và Ooghe (2004), chỉ ra rằng nếu chỉ sử dụng nhóm biến kế toán thì ngầm giả định rằng tất cả

những điều dùng để dự báo kiệt quệ tài chính bao gồm những điều bên trong và bên ngoài công ty đều được phản ánh vào bên trong các báo cáo tài chính hàng năm Tuy nhiên, tất yếu một điều rằng các báo cáo tài chính không thể bao gồm tất cả các thông

tin có liên quan đến dự báo kiệt quệ tài chính, và chính vì vậy nhóm biến thị trường rất

có tiềm năng được sử dụng để hỗ trợ cho sự khiếm khuyết này

Rees (1995) cho thấy giá thị trường là một chỉ báo hữu ích cho xác suất xảy ra

tình trạng kiệt quệ tài chính vì chúng chứa đựng thông tin về dòng tiền dự kiến trong

tương lai của một công ty Ủng hộ điều này, Hillegeist và cộng sự (2004) chỉ ra rằng

thị trường chứng khoán có thể chứa đựng những nguồn thông tin khác ngoài thông tin

có sẵn trên các báo cáo tài chính Rõ ràng việc đưa vào nhóm biến thị trường là rất hữu ích bởi vì một số lý do sau: đầu tiên, giá thị trường phản ánh các thông tin chứa trong các báo cáo tài chính cộng với các thông tin khác không thể hiện thông qua báo cáo tài

chính (Agarwal & Taffler, 2008), tạo nên sự kết hợp toàn diện tiềm năng hữu ích để dự

báo khả năng xảy ra kiệt quệ tài chính của doanh nghiệp Thứ hai, việc đưa vào nhóm biến thị trường có thể làm gia tăng đáng kể tính kịp thời của các mô hình dự báo; trong khi chỉ có sẵn các tỷ số tài chính theo quý hoặc theo năm, thì giá thị trường có sẵn trên

cơ sở hàng ngày Thứ ba, giá thị trường có thể thích hợp hơn để dự đoán phá sản, vì chúng phản ánh dòng tiền dự kiến trong tương lai (ngược lại, các báo cáo tài chính phản ánh thành quả trong quá khứ của công ty) Và thứ tư, nhóm biến thị trường có thể cung cấp một đánh giá trực tiếp các biến động, một thước đo mà có thể là một chỉ báo mạnh về rủi ro xảy ra kiệt quệ tài chính và không được thể hiện trong các báo cáo tài

chính Theo Beaver và cộng sự (2005) cho rằng độ biến động càng lớn thì xác suất xảy

ra phá sản càng cao

Các nghiên cứu sử dụng nhóm biến kế toán và nhóm biến thị trường

Tuy nhiên, nhiều nghiên cứu sau đó đã nhận thấy rằng việc sử dụng một cách đơn

lẻ nhóm biến kế toán dùng để dự báo kiệt quệ tài chính là vẫn chưa đủ và vẫn cần nhiều nhóm biến nữa để có thể đạt được một dự báo tốt hơn về kiệt quệ tài chính Từ đây, việc kết hợp thêm một số nhóm biến khác lại với nhau đã trở thành một xu hướng trong

nghiên cứu Điển hình như Beaver (1968) đã nhận thấy rằng nhóm biến liên quan đến

thị trường chứng khoán có khả năng dự báo phá sản trước cả nhóm biến kế toán

Altman (1968) sử dụng kỹ thuật phân tích đa biệt số MDA Tác giả kết hợp dữ

liệu kế toán và dữ liệu thị trường cho mẫu quan sát bao gồm 66 công ty sản xuất Tác giả tạo lập tỷ số tổng hợp bằng việc sử dụng 5 tỷ số: tỷ số vốn luân chuyển trên tổng tài sản (X1), tỷ số thu nhập giữ lại trên tổng tài sản (X2), tỷ số thu nhập trước thuế và lãi vay trên tổng tài sản (X3), tỷ số giá trị thị trường của vốn cổ phần trên giá trị sổ sách của tổng nợ (X4), tỷ số doanh thu trên tổng tài sản (X5) Tỷ số tổng hợp Z được tính như sau:

Z = 0.012 X1 + 0.014 X2 + 0.033 X3 + 0.006 X4 + 0.999 X5

Các công ty có Z ≤ 2.675 được phân loại là phá sản và ngược lại thì được phân loại là các công ty không bị phá sản Mô hình này có khả năng dự báo chính xác khả năng xảy ra phá sản lên đến 83% ngay trong mô hình dự báo 2 năm trước khi phá sản

Sau đó, mô hình này đã được mở rộng thành nghiên cứu của Altman (1977) với

mẫu quan sát lớn hơn bao gồm 111 công ty trong giai đoạn 1969-1975 Tác giả nhận khả năng dự báo chính xác của nó trong mô hình dự báo 2-5 năm trước khi xảy ra phá sản gần như giống như với khả năng dự báo trong mô hình dự báo trước 1 năm xảy ra phá sản

Trong số ít các nghiên cứu đưa vào tập hợp nhóm biến thị trường và nhóm biến

kế toán để nâng cao tính kịp thời và độ vững mạnh của các mô hình dự báo kiệt quệ tài

chính đó là nghiên cứu của Campbell và cộng sự (2008) Trong nghiên cứu này, ngoài

nhóm biến kế toán, một số biến thị trường được sử dụng để kiểm định bao gồm tỷ suất sinh lợi vượt trội hàng tháng trên vốn cổ phần của từng công ty so với chỉ số S&P 500,

độ lệch chuẩn của tỷ suất sinh lợi cổ phiếu hàng ngày của mỗi công ty trong ba tháng trước đó, quy mô tương đối của mỗi công ty được đo bằng log của tỷ số vốn hóa thị trường với chỉ số S&P500, và log giá của mỗi cổ phiếu mà đã được lược bớt (truncated) trên $15

Chava và Jarrow (2004) theo nghiên cứu của Shumway (2001) sử dụng nhóm

biến kế toán bao gồm thu nhập ròng trên tổng tài sản và tổng nợ phải trả trên tổng tài

sản; và nhóm biến thị trường bao gồm quy mô tương đối được xác định bằng logarit tự nhiên của giá trị vốn cổ phần của mỗi công ty trên tổng giá trị vốn cổ phần thị trường NYSE/AMEX, tỷ suất sinh lợi vượt trội hàng năm được tính bằng tỷ suất sinh lợi hàng tháng cộng dồn của mỗi công ty trừ đi tỷ suất sinh lợi hàng tháng cộng dồn của chỉ số NYSE/AMEX có trọng số theo giá trị, và độ biến động của cổ phiếu được tính bằng cách lấy độ lệch chuẩn của tỷ suất sinh lợi trong 60 quan sát giá thị trường hàng ngày

gần nhất Shumway (2001) cũng sử dụng các biến này nhưng có một số thay đổi nhỏ,

cụ thể là độ lệch chuẩn phi hệ thống của tỷ suất sinh lợi cổ phiếu của mỗi công ty, được tính bằng cách hồi quy tỷ suất sinh lợi hàng tháng của mỗi cổ phiếu trên tỷ suất sinh lợi chỉ số NYSE/AMEX có trọng số theo giá trị trong cùng một khoảng thời gian (năm)

Gần đây hơn, Christidis và Gregory (2010), theo Campbell và cộng sự (2008) kiểm

định ba biến thị trường trong một mô hình dự báo kiệt quệ cho các công ty niêm yết tại Anh bên cạnh việc đưa vào một tập hợp các biến kế toán Họ thay thế giá trị sổ sách của tài sản bằng giá trị thị trường và kiểm định xem tỷ suất sinh lợi vượt trội nửa năm của mỗi cổ phiếu so với chỉ số FTSE và độ lệch chuẩn của tỷ suất sinh lợi cổ phiếu (tính toán trên khoảng thời gian sáu tháng) có thể giúp gia tăng năng lực dự báo của mô hình hay không Kết quả nghiên cứu của họ cho thấy rằng nhóm biến thị trường có khả năng giúp gia tăng độ chính xác của mô hình dự đoán xảy ra tình trạng kiệt quệ tài chính

Các nghiên cứu sử dụng nhóm biến vĩ mô

Việc kết hợp thêm nhóm biến vĩ mô vào mô hình dự báo khả năng xảy ra tình trạng kiệt quệ tài chính giúp phản ánh những thay đổi trong môi trường vĩ mô là rất quan trọng thể hiện ở hai khía cạnh chính yếu Đầu tiên, nó thêm một yếu tố năng động cho các mô hình mà có tác động để điều chỉnh nguy cơ rủi ro (khả năng vỡ nợ) liên quan đến việc thay đổi điều kiện kinh tế vĩ mô Thứ hai mô hình như vậy sẽ tạo cơ sở với các ước lượng PD stress test trên danh mục đầu tư Có một vài nghiên cứu đã kết

hợp yếu tố rủi ro vĩ mô vào trong phương trình hồi quy như nghiên cứu của Nam và cộng sự (2008), và Qu (2008)

Nghiên cứu sử dụng nhóm biến kế toán, nhóm biến thị trường, nhóm biến vĩ

mô

Hernandez Tinoco và Wilson (2013) đã đi tiên phong trong việc kết hợp nhóm

biến kế toán, nhóm biến thị trường và nhóm biến vĩ mô lại với nhau và dùng để dự đoán kiệt quệ tài chính Tác giả sử dụng một bộ mẫu bao gồm 23,218 quan sát công ty theo năm trong suốt giai đoạn 1980-2011 và nhận thấy các nhóm biến này hỗ trợ và bổ sung lẫn nhau trong việc dự đoán kiệt quệ tài chính và đều có khả năng dự báo kiệt quệ tài chính một cách có ý nghĩa thống kê Trong nghiên cứu này, tác giả cũng sử dụng 3 nhóm biến – nhóm biến kế toán, nhóm biến thị trường và nhóm biến vĩ mô – để dự đoán kiệt quệ tài chính cho các công ty trong mẫu quan sát tại Việt Nam

2.3 Các mô hình sử dụng trong dự báo kiệt quệ tài chính

Các nghiên cứu trước đây như được đề cập ở trên sử dụng phổ biến là mô hình hồi quy Logit hay Probit Các mô hình xác suất có điều kiện cho phép ước lượng xác suất kiệt quệ tài chính của một công ty, bởi vì biến kiệt quệ tài chính thông thường được xác định bằng tình trạng có hay không có rơi vào tình trạng kiệt quệ tài chính hơn

là việc xác định bằng một giá trị cụ thể nào đó đối với mỗi công ty Điều này đã tạo ra lợi thế cho việc ứng dụng mô hình hồi quy này khi nghiên cứu về vấn đề này hơn là các

mô hình hồi quy tuyến tính truyền thống

Ngoài ra, cũng có một số nghiên cứu sử dụng mô hình mạng thần kinh nhân tạo ANN, một phương pháp hiện đại, phức tạp hơn và có nhiều ưu điểm hơn so với mô hình hồi quy tuyến tính cổ điển Nó mô phỏng xử lý thông tin từ các dữ liệu ban đầu được đưa vào với các neural, các lớp, các hàm cũng như các thuật toán Mô hình này cũng được ứng dụng trong nghiên cứu của Hernandez Tinoco và Wilson (2013)

Trong nghiên cứu này, tác giả chỉ giới hạn trong việc sử dụng mô hình hồi quy Logit, và không sử dụng mô hình mạng thần kinh nhân tạo ANN do tính phức tạp và không được ứng dụng rộng rãi của nó so với mô hình Logit

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

Trong bài luận văn này, tác giả dựa theo nhiều nghiên cứu trước đây và chủ yếu

là dựa theo phương pháp nghiên cứu của Hernandez Tinoco và Wilson (2013) để xem

xét khả năng dự báo kiệt quệ tài chính của các biến kế toán, biến vĩ mô và biến thị trường Phần này sẽ trình bày việc thu thập và xử lý dữ liệu, các biến nghiên cứu trong luận văn cũng như cách thức thực hiện

3.1 Mẫu dữ liệu

Bài nghiên cứu này sử dụng dữ liệu bảng bao gồm 73 doanh nghiệp phi tài chính niêm yết trên thị trường HOSE trong giai đoạn năm 2006 tới năm 2014 Tác giả lựa chọn như vậy là bởi vì:

 Các doanh nghiệp trong nhóm ngành tài chính, ngân hàng, bảo hiểm được loại

bỏ khỏi mẫu dữ liệu bởi vì cấu trúc vốn, tính chất đòn bẩy của các doanh nghiệp tài chính khác với các doanh nghiệp phi tài chính, mà được đề cập bởi tác giả

Fama và French (1992) Một cách cụ thể hơn, việc sử dụng đòn bẩy cao là bình

thường đối với các doanh nghiệp trong nhóm ngành tài chính, nhưng đối với các doanh nghiệp phi tài chính thì việc sử dụng đòn bẩy cao lại chỉ ra khả năng kiệt quệ tài chính cao hơn Do vậy, các yếu tố tác động lên khả năng xảy ra kiệt quệ tài chính cũng sẽ rất khác nhau

 Sở giao dịch chứng khoán TPHCM HOSE được thành lập cách đây hơn 15 năm Tính đến cuối năm 2014, có hơn 300 mã cổ phiếu niêm yết với giá trị vốn hóa thị trường lớn vào khoảng 985,258 tỷ đồng cũng như chỉ số VN–Index đạt 545.63 điểm (http://www.hsx.vn) Trong khi đó, tính đến cuối năm 2014, Sở giao dịch chứng khoán Hà Nội HNX chỉ có giá trị vốn hóa thị trường vào khoảng 136,017 tỷ đồng và chỉ số HNX–Index đạt 82.98 điểm

(http://www.hnx.vn) Vì vậy HOSE được coi như là một đại diện tốt cho thị trường chứng khoán Việt Nam khi tác giả nghiên cứu trong luận văn này

 Số lượng công ty niêm yết trên HOSE khá ít vào cuối năm 2005 nhưng sau đó tăng mạnh trong những năm tiếp theo Vì vậy tác giả lựa chọn mốc thời gian bắt đầu từ năm 2006 đến năm 2014

 Ngoài ra, để đảm bảo dữ liệu nghiên cứu có thể dễ dàng thu thập được, mẫu quan sát đủ lớn và có ý nghĩa về mặt thống kê và dữ liệu bảng cân đối, bài luận văn này chỉ nghiên cứu các công ty được niêm yết trong giai đoạn 2006 - 2014

 Cuối cùng, việc lựa chọn HOSE và giai đoạn nghiên cứu như vậy cũng tạo nên

sự đồng bộ và thống nhất về mặt dữ liệu, đảm bảo tất cả các biến nghiên cứu có đầy đủ các quan sát

Dữ liệu nghiên cứu sẽ được tác giả tiến hành thu thập như sau:

 Dữ liệu biến kế toán được tác giả thu thập từ các báo cáo tài chính hàng năm của các công ty niêm yết mà có sẵn trên Website của HOSE http://www.hsx.vn và Website của công ty chứng khoán Rồng Việt data.vdsc.com.vn

 Dữ liệu biến vĩ mô được tác giả thu thập từ Tổ Chức Thống Kê Tài Chính Quốc

Tế IFS

 Dữ liệu biến thị trường được tác giả thu thập từ Công Ty Phú Toàn và có đối chiếu lại với dữ liệu giá cổ phiếu trên website của HOSE http://www.hsx.vn Sau đó, tác giả tính toán thành các biến nghiên cứu trong luận văn như được trình bày trong các phần dưới đây

Cuối cùng, tác giả xử lý dữ liệu nghiên cứu bằng Microsoft Excel 2010 và phần mềm Stata 12

3.2 Các biến nghiên cứu trong mô hình

3.2.1 Biến Kiệt quệ tài chính

Dựa vào các thảo luận được đề cập đến trong chương 2, tác giả tập trung vào khả năng của một công ty để thanh toán nghĩa vụ nợ và đó là căn cứ để nhận biết một doanh nghiệp có đang trong trạng thái kiệt quệ tài chính hay không (Asquith và cộng

sự, 1994) Tác giả dựa theo đề xuất trong nghiên cứu của Pindado cùng cộng sự (2008),

Hernandez Tinoco và Wilson (2013) để phân loại một quan sát công ty theo năm có rơi vào tình trạng kiệt quệ tài chính hay không Theo đó, một quan sát công ty theo năm được phân loại là trong tình trạng kiệt quệ tài chính khi thỏa một trong hai điều kiện hoặc cả hai điều kiện sau:

i Lợi nhuận trước thuế, lãi vay và khấu hao (EBITDA) thấp hơn so với chi phí lãi vay liên tục trong 02 năm quan sát

ii Có sự tăng trưởng âm trong giá trị thị trường trong 02 năm quan sát liên tiếp Đối với điều kiện thứ nhất, nếu EBITDA thấp hơn chi phí lãi vay, điều đó có nghĩa là lợi nhuận từ hoạt động kinh doanh của công ty không đủ để trang trải các nghĩa vụ tài chính Đối với điều kiện thứ hai, Pindado cùng cộng sự (2008) cho rằng thị trường và những bên có liên quan có khả năng phỏng đoán và đánh giá một cách tiêu cực về một công ty vấp phải điều kiện thứ nhất về khả năng hoạt động của công ty đó cho đến khi công ty đó cải thiện tình trạng mà được nhìn nhận một cách rõ ràng Do

đó, một sự sụt giảm trong giá trị thị trường trong hai năm liên tiếp được xem như là một chỉ báo cho thấy một công ty đang vấp phải tình trạng kiệt quệ tài chính Như trong Pindado cùng cộng sự (2008), Hernandez Tinoco và Wilson (2013), đây là một cách tiếp cận mới trong khái niệm về kiệt quệ tài chính trong các lý thuyết tài chính doanh nghiệp hiện đại Biến EBITDA và chi phí lãi vay được tác giả thu thập từ các báo cáo tài chính của các công ty niêm yết Biến tăng trưởng trong giá trị thị trường của cổ phiếu được tính toán từ giá trị thị trường của các cổ phiếu mà được tác giả thu thập từ Công ty Phú Toàn Theo đó, kiệt quệ tài chính của một doanh nghiệp trong một

năm nhất định sẽ nhận một trong hai giá trị là 0 và 1 Nếu một trong hai điều kiện trên hoặc cả hai điều kiện trên cùng được thỏa mãn thì sẽ nhận giá trị 1 và ngược lại sẽ nhận giá trị 0 nếu cả hai điều kiện trên đều không được thỏa mãn

Theo kết quả tính toán của tác giả, tác giả nhận thấy có 66 quan sát công ty theo năm trong tình trạng kiệt quệ tài chính, chiếm tỷ lệ khoảng 10% số quan sát Sở dĩ có nhiều quan sát trong tình trạng kiệt quệ tài chính ở trong mẫu này hơn các nghiên cứu khác là do phần lớn số quan sát này đã thỏa mãn điều kiện thứ hai hơn là điều kiện thứ nhất, và số quan sát thỏa mãn điều kiện thứ nhất chỉ chiếm một phần rất nhỏ trong mẫu quan sát này Tác giả thừa nhận là có một sự linh động trong việc xác định quan sát công ty theo năm nào rơi vào trong tình trạng kiệt quệ tài chính như các nghiên cứu trước đây đã chỉ ra như nghiên cứu của Andrade và Kaplan (1998) chỉ ra rằng một công ty được xác định rơi vào tình trạng kiệt quệ tài chính khi EBITDA thấp hơn chi phí lãi vay ngay năm đầu tiên

Hernandez Tinoco và Wilson (2013) đã xây dựng một mô hình dự báo kiệt quệ tài chính với 2 mục tiêu chính Đầu tiên đó là xây dựng một mô hình dự báo kiệt quệ tài chính kịp thời và chính xác hơn Các mô hình được thiết kế để đạt được các kết quả chính xác hơn so với các nghiên cứu trước đây và tạo ra một mô hình cuối cùng (parsimonious model) bởi vì chúng có giá trị thực tế hơn Xa hơn nữa, Zmijewski (1984) và Pindado cùng cộng sự (2008) đã chỉ ra rằng một bộ biến bao gồm quá nhiều biến sẽ không làm cho mô hình đạt được mức hiệu quả lớn nhất Pindado cùng cộng sự (2008) sử dụng duy nhất 3 biến kế toán để đạt được mức độ chính xác cao trong mô hình dự báo kiệt quệ tài chính của họ Các biến được sử dụng trong nghiên cứu của họ

là EBIT trên tổng tải sản, chi phí tài chính trên tổng tài sản, và lợi nhuận giữ lại trên tổng tài sản, và các tỷ số này lần lượt đại diện cho khả năng sinh lợi, chi phí tài chính,

và lợi nhuận giữ lại Zmijewski (1984) sử dụng một bộ các biến kế toán bao gồm các đại diện cho tỷ suất sinh lợi trên tài sản, đòn bẩy tài chính, và tính thanh khoản Hơn nữa, trong một nghiên cứu xem xét mối quan hệ thực nghiệm giữa rủi ro phá sản và rủi

ro hệ thống thông qua việc xây dựng điểm tổng hợp phản ánh xác suất phá sản cho một công ty tại một thời điểm cụ thể Dichev (1998) sử dụng một thước đo xuất phát từ các

mô hình kế toán hiện nay như mô hình điểm Z của Altman (1968) 5 biến, mô hình logit của Ohlson (1980) 7 biến Mục tiêu thứ hai của phân tích đó là kiểm định tính hữu dụng của các biến phi kế toán khác, cụ thể hơn là biến thị trường và biến vĩ mô Tác giả xem xét xem liệu 2 nhóm biến này có làm gia tăng năng lực dự báo mô hình hay không Đây chính là một trong số rất ít các nghiên cứu mà kết hợp 3 nhóm biến này lại với nhau Từ đó, tác giả sử dụng một bộ biến bao gồm 130 biến, sau đó thực hiện lựa chọn mô hình và cuối cùng đạt được một mô hình dự báo kiệt quệ tài chính bao gồm 10 biến Chính vì vậy, mục tiêu trong luận văn này xem xét một mô hình dự báo bao gồm

10 biến đó có khả năng dự báo tốt tình trạng kiệt quệ tài chính cho các công ty tại Việt Nam hay không

Giống như trong nghiên cứu của Hernandez Tinoco và Wilson (2013), do tồn tại các giá trị cực đoan trong các biến ở một số quan sát, tác giả sử dụng hàm chuyển đổi TANH hơn là sử dụng phương thức lược bỏ (winsorize) bởi vì trong phương thức lược

bỏ khó lòng để xác định lược bỏ ở mức bao nhiêu % để loại đi các giá trị cực đoan Theo Godfrey (2009), khi sử dụng công cụ thống kê này, các giá trị này được xác định

ở trong phạm vi [-1,1], và trong đó khi x có giá trị nhỏ thì TANH(x) ≈ x Do đó, TANH có thể được dùng để tạo ra sự chuyển đổi cho các giá trị đầu vào được đặt gần các giá trị kỳ vọng trong khi cắt giảm các giá trị bên ngoài phạm vi kỳ vọng

3.2.2 Nhóm biến kế toán

Dựa trên yếu tố nội tại của doanh nghiệp, bài nghiên cứu sẽ tập trung đánh giá khả năng xảy ra kiệt quệ tài chính thông qua bốn tỷ số sau:

 TFOTL – Tỷ số Dòng tiền từ hoạt động sản xuất kinh doanh trên Tổng nợ

 TLTA –Tỷ số Tổng nợ trên Tổng tài sản

 NOCREDINT – Tỷ số (Tài sản ngắn hạn – Hàng tồn kho – Nợ ngắn hạn) trên Chi phí hoạt động hàng ngày

 COVERAGE – Tỷ số EBITDA trên Chi phí lãi vay

3.2.2.1 Biến TFOTL

Biến TFOTL được sử dụng trong nhiều nghiên cứu trước đây như Marais (1979) tại Anh và Ohlson (1980) Biến này thể hiện khả năng đảm bảo thanh toán các nghĩa vụ tài chính của công ty dựa trên dòng tiền từ hoạt động sản xuất kinh doanh của công ty Biến số TFOTL được tính toán như sau:

TFOTL = TANH (𝐃ò𝐧𝐠 𝐭𝐢ề𝐧 𝐭ừ 𝐡𝐨ạ𝐭 độ𝐧𝐠 𝐬ả𝐧 𝐱𝐮ấ𝐭 𝐤𝐢𝐧𝐡 𝐝𝐨𝐚𝐧𝐡

Nhằm loại bỏ các giá trị cực đoan trong các biến ở một số quan sát, tác giả sử dụng hàm chuyển đổi TANH và các giá trị được xác định ở trong phạm vi [-1,1] Khi TFOTL có giá trị dương cho thấy doanh nghiệp có khả năng thanh toán các nghĩa vụ tài chính tốt và khi TFOTL có giá trị âm cho thấy doanh nghiệp đang ở tình trạng không tạo ra đủ dòng tiền từ hoạt động sản xuất kinh doanh để đáp ứng các nghĩa vụ tài chính và có khả năng xảy ra vỡ nợ Khi giá trị tỷ số tài chính này càng cao (càng gần 1), công ty càng ít có khả năng rơi vào tình trạng kiệt quệ tài chính

Vì vậy, kỳ vọng tỷ số này mang dấu âm (-) trong mô hình hồi quy và xác nhận giả thiết là giá trị của tỷ số này càng lớn thì càng làm giảm xác suất xảy ra kiệt quệ tài chính

3.2.2.2 Biến TLTA

Biến này được sử dụng trong nhiều nghiên cứu trước đây Zmijewski (1984) đưa

nó vào trong một mô hình gồm 3 biến kế toán, và nó chỉ ra phù hợp với dấu kỳ vọng và

có ý nghĩa về mặt thống kê Shumway (2001) và Chava và Jarrow (2004) tại Mỹ, và Christidis và Gregory (2010) tại Anh đã kiểm định nó và xác nhận mức độ phù hợp của

nó trong mô hình dự báo kiệt quệ tài chính Biến này được sử dụng để đo lường mức

độ đòn bẩy tài chính của công ty bằng việc tính toán tỷ lệ tài sản của công ty được tài trợ bằng việc sử dụng nợ ngắn hạn và nợ dài hạn Biến TLTA được tác giả tính toán như sau:

TLTA = TANH ( 𝐓ổ𝐧𝐠 𝐧ợ

𝑻ổ𝒏𝒈 𝒕à𝒊 𝒔ả𝒏) Nhằm loại bỏ các giá trị cực đoan trong các biến ở một số quan sát, tác giả sử dụng hàm chuyển đổi TANH và các giá trị được xác định ở trong phạm vi [-1,1] Một giá trị dương và ngày càng lớn chỉ ra một sự gia tăng trong đòn bẩy tài chính của một công ty Hơn thế nữa, một mức độ đòn bẩy tài chính cao hơn sẽ dẫn đến khả năng công

ty đó rơi vào tình trạng kiệt quệ tài chính cũng cao hơn Điều này là do một công ty có đòn bẩy tài chính cao có thể sẽ rơi vào một vị thế hết sức khó khăn nếu những chủ nợ yêu cầu công ty thanh toán những khoản nợ theo hợp đồng

Dấu kỳ vọng của biến số này là dấu dương (+), điều này hàm ý là một giá trị cao hơn của biến này (đại diện cho một mức đòn bẩy tài chính cao hơn) sẽ có tác động làm gia tăng khả năng xảy ra kiệt quệ tài chính của công ty

𝐍𝐎𝐂𝐑𝐄𝐃𝐈𝐍𝐓 = 𝐓𝐀𝐍𝐇 (𝑻à𝒊 𝒔ả𝒏 𝒄ó 𝒌𝒉ả 𝒏ă𝒏𝒈 𝒕𝒉𝒂𝒏𝒉 𝒕𝒐á𝒏 𝒏𝒉𝒂𝒏𝒉 − 𝑵ợ 𝒏𝒈ắ𝒏 𝒉ạ𝒏

𝑪𝒉𝒊 𝒑𝒉í 𝒉𝒐ạ𝒕 độ𝒏𝒈 𝒌𝒊𝒏𝒉 𝒅𝒐𝒂𝒏𝒉 𝒉à𝒏𝒈 𝒏𝒈à𝒚 )

Trong đó, tài sản có khả năng thanh toán nhanh đại diện cho các tài sản mà có thể được chuyển đổi một cách nhanh chóng và dễ dàng thành tiền mặt Tài sản có khả năng thanh toán nhanh được tính toán bằng Tài sản ngắn hạn trừ Hàng tồn kho

Chi phí hoạt động hàng ngày được tính toán bằng (Doanh thu trừ đi EBIT trừ đi Khấu hao)/ 365

Cuối cùng, biến NOCREDINT được tính toán như sau:

Nhằm loại bỏ các giá trị cực đoan trong các biến ở một số quan sát, tác giả sử dụng hàm chuyển đổi TANH và các giá trị được xác định ở trong phạm vi [-1,1] Một giá trị dương và ngày càng lớn chỉ ra năng lực công ty ngày càng gia tăng để tài trợ cho các chi phí hoạt động kinh doanh của công ty với các nguồn lực thanh khoản với mức

độ hoạt động hiện tại Một giá trị nhỏ hoặc âm của biến số này cho thấy tình trạng

thanh khoản không ổn định của công ty và có thể dẫn đến khả năng công ty không thể đáp ứng được các nghĩa vụ tài chính

Dấu kỳ vọng của biến số này là dấu âm (-), chỉ ra rằng một giá trị cao của biến có tác động ngược chiều đến khả năng rơi vào tình trạng kiệt quệ tài chính của công ty

3.2.2.4 Biến COVERAGE

Biến COVERAGE đo lường khả năng thanh toán lãi vay trên nợ hiện tại (Altman

và Sabato, 2007) Biến này được tác giả tính toán như sau:

COVERAGE = TANH ( 𝑬𝑩𝑰𝑻𝑫𝑨

𝑪𝒉𝒊 𝒑𝒉í 𝒍ã𝒊 𝒗𝒂𝒚)Nhằm loại bỏ các giá trị cực đoan trong các biến ở một số quan sát, tác giả sử dụng hàm chuyển đổi TANH và các giá trị được xác định ở trong phạm vi [-1,1] Khi chưa sử dụng hàm TANH, giá trị của biến mà nhỏ hơn 2-2.5 chỉ ra công ty gặp khó khăn trong việc đáp ứng các nghĩa vụ tài chính; một giá trị thấp hơn ngưỡng này được xem như là một tín hiệu cảnh báo nghiêm trọng: công ty không tạo ra đủ tiền từ hoạt động kinh doanh để đáp ứng chi phí lãi vay của các món nợ Một giá trị lớn hơn 2.5 được diễn giải công ty có thể tạo ra đủ tiền từ hoạt động kinh doanh để đáp ứng các khoản thanh toán lãi vay Khi sử dụng hàm TANH, một giá trị dương và ngày càng lớn cho thấy công ty càng có khả năng đáp ứng các nghĩa vụ nợ, do vậy doanh nghiệp càng

ít có khả năng rơi vào tình trạng kiệt quệ tài chính

Vì vậy, kỳ vọng dấu của biến này là âm (-), chỉ ra rằng một giá trị cao của biến có tác động ngược chiều lên xác suất xảy ra tình trạng kiệt quệ tài chính của công ty

và sẽ gặp phải khó khăn về mặt dữ liệu Do đó, thay vì sử dụng 2 biến nghiên cứu như trên, luận văn này sẽ sử dụng 2 biến tương đương đó là chỉ số giá tiêu dùng (CPI – Consumer Price Index) và Lãi suất trái phiếu Chính phủ kỳ hạn 1 năm (TBILL – Treasury Bill Rate) Các biến này được tác giả thu thập một cách dễ dàng hơn và nguồn số liệu cũng đáng tin cậy hơn thông qua tổ chức thống kê tài chính quốc tế IFS

3.2.3.1 Chỉ số giá tiêu dùng CPI

Biến CPI Được xem như là một đại diện cho yếu tố lạm phát Có một số nghiên cứu về khả năng xảy ra kiệt quệ tài chính mà có sử dụng biến này vào trong mô hình,

và mối quan hệ của nó với xác suất xảy ra kiệt quệ tài chính trong các nghiên cứu cũng khác nhau Cụ thể hơn, theo Qu (2008), lạm phát đóng vai trò như một sự khuyến khích để một bộ phận dân cư chuyển từ tiết kiệm qua đầu tư để tránh tình trạng sức mua bị suy giảm trong tương lai do lạm phát Vì vậy, lạm phát cao cũng làm gia tăng khả năng chấp nhận rủi ro của nhà đầu tư, điều này là giảm xác xuất xảy ra kiệt quệ tài chính hoặc vỡ nợ của một doanh nghiệp Mặc khác, Mare (2012) xây dựng mô hình dự báo phá sản cho ngân hàng đã chỉ ra rằng lạm phát có mối quan hệ cùng chiều với xác xuất xảy ra vỡ nợ Theo đó, lạm phát cao là do hệ quả của môi trường kinh tế vĩ mô còn yếu, dẫn tới làm gia tăng số lượng các cuộc khủng hoảng ngân hàng Lúc này, có một mối quan hệ trực tiếp giữa ngân hàng và các ngành nghề trong nền kinh tế, độ lớn

của mối quan hệ phụ thuộc vào việc một doanh nghiệp lựa chọn cấu trúc vốn như thế nào

Dựa trên các lập luận này cũng như nghiên cứu của Hernandez Tinoco và Wilson (2013), trong luận văn này, tác giả kỳ vọng dấu dương (+), hàm ý rằng CPI cao sẽ làm gia tăng xác suất xảy ra kiệt quệ tài chính và vỡ nợ của một doanh nghiệp

3.2.3.2 Lãi suất Trái phiếu kho bạc kỳ hạn 12 tháng T_BILL

Biến TBILL trong bài là đại diện cho Lãi suất Trái phiếu kho bạc kỳ han 12 tháng thường được xem như là khoản đầu tư có rủi ro ít nhất và thường được xem là lãi suất phi rủi ro, thường có tính thanh khoản cao hơn, và do đó tỷ suất sinh lợi đòi hỏi của nó thông thường thấp hơn các chứng khoán khác Trong các nghiên cứu tại các quốc gia khác, thông thường sẽ sử dụng lãi suất trái phiếu kho bạc kỳ hạn 3 tháng để nắm bắt tình trạng môi trường vĩ mô mà có tác động tiềm tàng đến xác suất xảy ra kiệt quệ tài chính của các công ty Tuy nhiên, trên thị trường chứng khoán Việt Nam trong giai đoạn quan sát của tác giả, tác giả chỉ thu thập được dữ liệu lãi suất tín phiếu kho bạc kỳ hạn 12 tháng từ IFS trên Website http://www.imfstatistics.org Chỉ báo này là một đại diện cho lãi suất mà tương tự như biến CPI, TBILL rất có khả năng ảnh hưởng đến doanh nghiệp thông qua cấu trúc vốn Lãi suất thấp sẽ khuyến khích các doanh nghiệp vay nhiều hơn để đầu tư trang thiết bị mới, gia tăng hàng tồn kho, xây dựng nhà máy, nghiên cứu và phát triển … và ngược lại, mức lãi suất cao làm cho chi phí của việc sử dụng nợ đắt hơn do các công ty phải trả nhiều tiền lãi hơn Vì vậy, các công ty vay mượn nợ có lẽ bị tác động nhiều nhất bởi mức lãi suất cao, làm cho chi phí của nợ cao hơn, doanh nghiệp sẽ trả nhiều hơn cho các khoản vay của họ Do đó, một giá trị cao của TBILL sẽ làm gia tăng xác xuất xảy ra tình trạng kiệt quệ tài chính, hoặc phá sản Biến TBILL được kỳ vọng dấu dương (+) trong mô hình hồi quy, hàm ý rằng một giá trị cao của biến này có tác động cùng chiều đến khả năng xảy ra tình trạng kiệt quệ tài chính của công ty

3.2.4 Nhóm biến thị trường

Nghiên cứu này đưa vào 4 biến thị trường trong mô hình để kiểm định xem liệu chúng có làm gia tăng năng lực dự đoán của mô hình bao gồm biến kế toán và biến vĩ

mô hay không Sau đây, tác giả lần lượt thảo luận 4 biến nghiên cứu này

3.2.4.1 Giá cổ phiếu – PRICE

Biến này được tác giả thu thập từ giá đóng cửa cổ phiếu tại thời điểm quan sát từ công ty Phú Toàn Giá cổ phiếu chứa đựng các thông tin liên quan đến dòng tiền kỳ vọng trong tương lai của một công ty (Rees, 1995) Do đó, kỳ vọng rằng giá cổ phiếu chứa đựng thông tin liên quan đến xác suất xảy ra kiệt quệ tài chính mặc dù nó không phải là một thước đo trực tiếp của xác suất đó (Beaver và cộng sự, 2005) Giá thị trường hỗ trợ thêm thông tin từ báo cáo tài chính và thông tin vĩ mô hơn là cạnh tranh hay loại trừ lẫn nhau với các biến khác trong 2 nhóm biến đầu tiên, và làm gia tăng năng lực dự báo của mô hình chung Một lý do đó là giá cổ phiếu kết hợp dữ liệu báo cáo tài chính cũng như thông tin khác được công bố ra công chúng làm đầu vào, làm cho thị trường trở nên một nơi xử lý tất cả những thông tin được công bố ra công chúng một cách hiệu quả hơn là một mình dữ liệu kế toán (Rees, 1995) và do đó làm gia tăng tính chính xác tổng thể của các mô hình dự báo kiệt quệ tài chính Giả định vị thế tài chính của công ty có thể điều chỉnh danh mục mà việc điều chỉnh này tác động đến và điều chỉnh giá cổ phiếu Cũng cần lưu ý rằng có trường hợp giá cổ phiếu kết hợp với thông tin ngẫu nhiên mà không liên quan trực tiếp đến kiệt quệ tài chính hay mất khả năng thanh toán (Rees, 1995), và dẫn đến nhiễu trong phân tích và làm giảm tính chính xác dự báo của mô hình Tuy nhiên, cũng có các nghiên cứu mà giá cổ phiếu

có tác động cùng chiều lên năng lực dự báo của mô hình (Beaver, 1966; Beaver và cộng sự, 2005; Christidis và Gregory, 2010) Hơn nữa, khi đưa vào giá cổ phiếu không những giúp gia tăng tính chính xác cao của mô hình dự báo kiệt quệ cũng như cải thiện tính kịp thời của các mô hình (Keasey và Watson, 1991)

Giá thị trường phản ánh kỳ vọng của nhà đầu tư về dòng tiền và thu nhập trong tương lai của doanh nghiệp Dòng tiền và thu nhập này bị ảnh hưởng bởi tình hình tài chính của công ty, do đó kỳ vọng có mối quan hệ chặt chẽ giữa mức giá cổ phiếu/sự dịch chuyển giá cổ phiếu và khả năng xảy ra kiệt quệ tài chính Do đó, một giá trị lớn của giá cổ phiếu (PRICE) cho thấy tình hình tài chính của công ty là khá lành mạnh, hay khả năng xảy ra kiệt quệ tài chính của công ty là khá thấp

Vì vậy, dấu kỳ vọng của biến PRICE là dấu âm (-) trong mô hình hồi quy, hàm ý rằng một giá trị cao của biến này có tác động ngược chiều đến khả năng xảy ra kiệt quệ tài chính hay vỡ nợ của công ty

3.2.4.2 Tỷ suất sinh lợi vượt trội – ABNRET

Để tính toán biến này trong luận văn, đầu tiên tác giả tính toán tỷ suất sinh lợi của mỗi cổ phiếu và tỷ suất sinh lợi thị trường như sau:

 Tỷ suất sinh lợi của cổ phiếu i tại thời điểm t:

𝑅𝑖,𝑡 = 𝑙𝑛 ( 𝑃𝑖,𝑡

𝑃𝑖,𝑡−1) Trong đó, Ri,t là tỷ suất sinh lợi của cổ phiếu i tại thời điểm t

 Tỷ suất sinh lợi thị trường tại thời điểm t:

𝑅𝑚,𝑡 = 𝑙𝑛 ( 𝑃𝑚,𝑡

𝑃𝑚,𝑡−1) Trong đó, Rm,t là tỷ suất sinh lợi thị trường tại thời điểm t

Pi,t-1 là chỉ số VN-Index tại thời điểm t - 1 Sau đó, tác giả tính toán tỷ suất sinh lợi tích lũy trong 12 tháng của mỗi chứng khoán trừ đi tỷ suất sinh lợi tích lũy của thị trường (VNINDEX) trong cùng giai đoạn quan sát Nhằm loại bỏ các giá trị cực đoan trong các biến ở một số quan sát, tác giả sử dụng hàm chuyển đổi TANH và các giá trị được xác định ở trong phạm vi [-1,1] Một giá trị ABNRET dương và ngày càng lớn cho thấy xác suất xảy ra kiệt quệ tài chính thấp

Theo Shumway (2001), giả định cơ sở lý thuyết được dùng trong nghiên cứu hiện nay để đánh giá sự kết hợp của biến này vào trong mô hình đó là chúng hữu dụng để

dự đoán vỡ nợ bởi vì các nhà đầu tư chiết khấu vốn cổ phần của các công ty trong tình trạng tài chính căng thẳng hay gần như phá sản/vỡ nợ Dichev (1998) đo lường rủi ro phá sản bằng việc sử dụng các mô hình Altman (1968) và Ohlson (1980) và chỉ ra rằng

có một mối quan hệ ngược chiều giữa tỷ suất sinh lợi vốn cổ phần và xác suất xảy ra phá sản Theo đó, tỷ suất sinh lợi của công ty cao so với tỷ suất sinh lợi VN-Index sẽ làm sụt giảm xác suất xảy ra kiệt quệ tài chính

Biến ABNRET được kỳ vọng dấu âm (-) trong mô hình hồi quy, hàm ý rằng một giá trị cao của biến này có tác động ngược chiều đến khả năng xảy ra kiệt quệ tài chính hay vỡ nợ của công ty

3.2.4.3 Quy mô công ty – SIZE

𝑽ố𝒏 𝒉ó𝒂 𝒕𝒉ị 𝒕𝒓ườ𝒏𝒈 𝒄ủ𝒂 𝑯𝑶𝑺𝑬

Giá trị thị trường của công ty = Giá cổ phiếu x Số lượng cổ phiếu đang lưu hành Vốn hóa thị trường của HOSE thể hiện tổng cộng mức vốn hóa thị trường của toàn bộ các công ty niêm yết ra công chúng có trên HOSE và được tác giả thu thập từ website của HOSE

Thước đo quy mô này thể hiện giá trị thị trường của một công ty niêm yết trong mẫu quan sát chiếm bao nhiêu phần trăm trong toàn bộ giá trị vốn hóa thị trường của HOSE

Quy mô của doanh nghiệp được đo lường bằng giá trị thị trường có thể là một chỉ báo năng lực tiềm năng cho việc dự báo phá sản Giá trị thị trường của một công ty trong tình trạng tài chính căng thẳng sẽ được chiết khấu bởi những người tham gia vào thị trường (nhà đầu tư) Theo Agarwal và Taffler (2008), xác suất phá sản là xác suất

mà giá trị của tài sản nhỏ hơn mệnh giá của nợ vào cuối thời gian nắm giữ Vì vậy, dự đoán là một giá trị cao của biến quy mô sẽ kéo theo một xác suất thấp của việc xảy ra tình trạng kiệt quệ tài chính hoặc phá sản Ngược lại, một công ty có quy mô tương đối nhỏ sẽ có xác suất xảy ra kiệt quệ tài chính hoặc phá sản cao hơn

Vì vậy, biến SIZE có kỳ vọng dấu âm (-) trong mô hình hồi quy, hàm ý rằng một giá trị cao của biến này có tác động ngược chiều đến khả năng xảy ra kiệt quệ tài chính hay vỡ nợ của công ty

Vì vậy, biến MCTD có kỳ vọng dấu âm (-) trong mô hình hồi quy, hàm ý rằng một giá trị cao của biến này có tác động ngược chiều đến khả năng xảy ra kiệt quệ tài chính hay vỡ nợ của công ty

Sau đây, tác giả tóm tắt lại kỳ vọng dấu của các biến nghiên cứu trong luận văn như sau:

Bảng 3.1: Các biến nghiên cứu

3.3 Phương pháp nghiên cứu

Trong phần này, tác giả trình bày sơ qua về mô hình hồi quy Logit như được trình bày trong Hernandez Tinoco và Wilson (2013) Sở dĩ có tên như vậy là vì nó sử dụng phân phối logit tích lũy để chuyển đổi sao cho các giá trị xác suất được ước lượng sẽ tuân theo mô hình chữ S

Xét một tập hợp (Y1, Y1), , (Yn, Xn) là một tập hợp mẫu ngẫu nhiên theo phân phối logit có điều kiện

Xét tập hợp gồm x1j, x2j xkj là một bộ k biến độc lập được biểu thị bởi vector

x'

Xác suất có điều kiện được biểu thị như sau: Pr(Y = 1| x) = π(x)

Khi đó, mô hình hồi quy được biểu thị bởi:

Và xác suất có điều kiện là:

mô hình biến phụ thuộc rời rạc, trong trường hợp này là mô hình lựa chọn biến nhị phân Chính vì vậy, tiếp theo tác giả xem xét tiếp về tác động biên cho mỗi biến Tác động biên của một biến chỉ báo được định nghĩa là đạo hàm riêng của biến cố xác suất theo biến chỉ báo quan tâm Do đó, các tác động biên được biểu thị như dưới đây

Để đơn giản, tác giả xem xét một mô hình y hệt nhưng chỉ có một biến độc lập

Với Xj là biến giải thích và α0 và β0 là tham số chưa biết và cần được ước lượng,

và hàm phân phối logit là:

Nếu β0> 0 thì Pr[Yj = 1 | Xj] = F(α0 + β0Xj) là một hàm tăng theo Xj Đạo hàm riêng của biến cố xác suất theo biến Xj là:

Với F’ là đạo hàm của hàm F Cụ thể hơn, F’ được tính như sau:

Do đó, tác động biên của biến Xj là:

Và đây chính là cơ sở lý thuyết cho mô hình hồi quy Logit và trong chương 4, tác giả sẽ trình bày kết quả nghiên cứu từ các kết quả đạt được thông qua việc thực hiện hồi quy Logit trên phần mềm Stata 12

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

4.1 Thống kê mô tả

Thông qua bảng thống kê mô tả của 3 mẫu dữ liệu quan sát: toàn bộ mẫu, mẫu các công ty không bị kiệt quệ tài chính, mẫu các công ty bị kiệt quệ tài chính trong bảng 4.1, tác giả nhận thấy một số điểm sau đây:

 Biến TFOTL cho thấy khả năng đáp ứng các nghĩa vụ nợ của một công ty từ dòng tiền hoạt động sản xuất kinh doanh của công ty tạo ra Giá trị trung bình trong toàn bộ mẫu của biến là 0.3005, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là 0.3180, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là 0.1443 Qua đó, tác giả nhận thấy giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính cao hơn so với trong mẫu các công

ty bị kiệt quệ tài chính Điều này hàm ý rằng khả năng đảm bảo các nghĩa vụ tài chính của công ty trong mẫu các công ty bị kiệt quệ tài chính kém hơn

 Biến TLTA chỉ ra mức độ sử dụng đòn bẩy tài chính của một công ty Giá trị trung bình trong toàn bộ mẫu của biến là 0.3988, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là 0.3955, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là 0.4462 Qua đó, tác giả nhận thấy các công ty trong mẫu các công ty bị kiệt quệ tài chính sử dụng đòn bẩy tài chính cao hơn so với các công ty trong mẫu các công ty không bị kiệt quệ tài chính Điều này hàm

ý rằng các công ty trong mẫu các công ty bị kiệt quệ tài chính sử dụng nợ nhiều hơn và có khả năng xảy ra kiệt quệ tài chính cao hơn

 Biến NOCREDINT cho thấy thanh khoản của một công ty Giá trị trung bình trong toàn bộ mẫu của biến là 0.0791, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là 0.1174, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là -0.2637 Qua đó, tác giả nhận thấy thanh khoản của các công ty trong mẫu các công ty bị kiệt quệ tài chính có thanh khoản kém hơn

nhiều so với thanh khoản của các công ty trong mẫu các công ty không bị kiệt quệ tài chính, và có thể dẫn đến các công ty này đáp ứng các chi phí hoạt động hàng ngày một cách rất khó khăn

 Biến COVERAGE đo lường khả năng chi trả lãi vay của một doanh nghiệp Giá trị trung bình trong toàn bộ mẫu của biến là -0.9281, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là -0.9559, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là -0.6606 Tác giả nhận thấy giá trị trung bình của tất cả các mẫu đều âm, và kết quả chỉ ra trái ngược với lý thuyết khi thống kê mô tả chỉ ra rằng các công ty trong mẫu các công ty không bị kiệt quệ tài chính âm hơn nhiều so với các công ty trong mẫu các công ty bị kiệt quệ tài chính Vì vậy, trong luận văn này có khả năng tác giả không thể nhận thấy tác động của biến COVERAGE trong việc dự đoán xác suất xảy ra kiệt quệ tài chính

 Biến CPI: Giá trị trung bình trong toàn bộ mẫu của biến là 104.6133, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là 103.0182, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là 118.8974 Qua đó, tác giả nhận thấy các công ty trong mẫu các công ty bị kiệt quệ tài chính bị tác động nhiều hơn bởi một môi trường lạm phát cao hơn

 Biến TBILL: Giá trị trung bình trong toàn bộ mẫu của biến là 8.1167, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là 7.8325, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là 10.6614 Qua đó, tác giả nhận thấy các công ty trong mẫu các công ty bị kiệt quệ tài chính bị tác động nhiều hơn bởi một môi trường lãi suất cao hơn

 Biến PRICE: Giá trị trung bình trong toàn bộ mẫu của biến là 9.6538, giá trị trung bình trong mẫu các công ty không bị kiệt quệ tài chính là 9.7388, giá trị trung bình trong mẫu các công ty bị kiệt quệ tài chính là 8.8928 Qua đó, tác giả nhận thấy giá trị trung bình của giá cổ phiếu trong mẫu các công ty bị kiệt quệ