Dự báo kiệt quệ tài chính bằng mô hình kết hợp các yếu tố tài chính, vĩ mô và thị trường

Các nghiên cứu trước đây về kiệt quệ tài chính đa phần sử dụng dữ liệu được thu thập từ các báo cáo tài chính, nguồn dữ liệu này đại diện cho các yếu tố nội tại của công ty và các dữ liệ

TRẦN ĐÌNH THI

DỰ BÁO KIỆT QUỆ TÀI CHÍNH BẰNG MÔ HÌNH KẾT HỢP CÁC YẾU TỐ TÀI CHÍNH,

VĨ MÔ VÀ THỊ TRƯỜNG Chuyên ngành: Tài chính - Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

Người hướng dẫn khoa học: PGS TS Nguyễn Khắc Quốc Bảo

TP HỒ CHÍ MINH - NĂM 2016

yếu tố tài chính, vĩ mô và thị trường” là công trình nghiên cứu của chính tác giả Số

liệu và nội dung là hoàn toàn trung thực Luận văn được thực hiện dưới sự hướng dẫn khoa học của PGS.TS Nguyễn Khắc Quốc Bảo

Tp Hồ Chí Minh, ngày 27 tháng 10 năm 2016

Tác giả

TRẦN ĐÌNH THI

MỤC LỤC

DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT

DANH MỤC HÌNH VẼ

DANH MỤC BẢNG BIỂU

TÓM TẮT 1

CHƯƠNG 1: GIỚI THIỆU 2

1.1 Lý do chọn đề tài 2

1.2 Mục tiêu nghiên cứu 3

1.3 Đối tượng và phạm vi nghiên cứu 3

1.4 Phương pháp nghiên cứu 3

1.5 Bố cục bài nghiên cứu 4

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH 5

2.1 Tổng quan lý thuyết 5

2.1.1 Các tiếp cận về kiệt quệ tài chính 5

2.1.2 Nguyên nhân gây ra kiệt quệ tài chính: 8

2.2 Các nghiên cứu trước đây về kiệt quệ tài chính 11

2.2.1 Các nghiên cứu sử dụng biến tài chính 11

2.2.2 Các nghiên cứu sử dụng biến thị trường 16

2.2.3 Các nghiên cứu sử dụng kết hợp biến tài chính và biến thị trường 18

2.2.4 Các nghiên cứu sử dụng biến chỉ tiêu kinh tế vĩ mô 22

2.2.5 Các nghiên cứu sử dụng kết hợp biến tài chính, biến thị trường và biến kinh tế vĩ mô 22

2.3 Các phương pháp phân tích sử dụng trong nghiên cứu 25

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 27

3.1 Mô hình nghiên cứu 27

3.2.1 Lựa chọn mẫu và dữ liệu 30

3.2.2 Xác định tình trạng kiệt quệ tài chính - Biến phụ thuộc của mô hình (FD 31

3.2.3 Xác định các yếu tố tác động khả năng kiệt quệ tài chính của một doanh nghiệp 32

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 43

4.1 Thống kê mô tả các biến 43

4.1.1 Thống kê mô tả cho các biến số sử dụng trong mô hình 1-gồm các biến số tỷ số tài chính 43

4.1.2 Thống kê mô tả cho các biến số sử dụng trong mô hình 2 – gồm các biến số tỷ số tài chính và chỉ báo kinh tế vĩ mô 44

4.1.3 Thống kê mô tả cho các biến số sử dụng trong mô hình 3 – gồm các biến số tỷ số tài chính, chỉ báo kinh tế vĩ mô và thị trường 46

4.2 Phân tích mối tương quan giữa các biến 50

4.3 Kết quả mô hình hồi quy logit 51

4.3.1 Thảo luận kết quả hồi quy mô hình 1 53

4.3.2 Thảo luận kết quả hồi quy mô hình 2 54

4.3.3 Thảo luận kết quả hồi quy mô hình 3 54

4.3.4 Thảo luận kết quả hồi quy mô hình 4 55

4.3.5 Thảo luận kết quả hồi quy mô hình 5 56

4.3.6 Thảo luận kết quả hồi quy mô hình 6 56

4.4 Tổng kết các biến trong các mô hình hồi quy 57

4.5 Kết quả các mô hình hồi quy hiệu chỉnh 59

4.6 Đo lường mức độ phù hợp của các mô hình hiệu chỉnh 62

4.6.1 Các giá trị thống kê đo lường khả năng dự báo của mô hình 62

4.6.2 Kiểm định sự khác nhau về mặt thống kê của các giá trị AUC 65

4.6.3 Thông đạt kết quả hồi quy, đo lường hiệu ứng cận biên (marginal effects)… 68

CHƯƠNG 5: KẾT LUẬN 71

5.1 Tóm tắt kết quả nghiên cứu 71 5.2 Hạn chế của đề tài và hướng nghiên cứu tiếp theo 72

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

SGDCK Sở giao dịch chứng khoán

MDA Multiple Discriminant Analysis: phân tích đa biệt số

ANN Artificial Neural networks: mô hình mạng thần kinh nhân tạo

OLS Ordinary Least Squares: phương pháp bình phương sai số bé nhất

MLE Maximum likelihood estimation

AUC Area Under the ROC Curve

EBITDA Earnings before interest, taxes, depreciation và amortization

(Lợi nhuận trước thuế, trước lãi vay và khấu hao)

Hình 4.1 So sánh các đường ROC trong mô hình (t-1) 67

Bảng 3.2 Tổng kết các biến trong luận văn 42

Bảng 4.1 Mô tả thống kê các biến sử dụng trong mô hình 1-gồm các biến tỷ số tài chính 43

Bảng 4.2 mô tả cho các biến số sử dụng trong mô hình 2 – gồm các biến số tỷ số tài chính và chỉ báo kinh tế vĩ mô 45

Bảng 4.3 Mô tả các biến sử dụng trong mô hình 3-gồm các biến tỷ số tài chính, chỉ báo kinh tế vĩ mô và thị trường 47

Bảng 4.4 Ma trận hệ số tương quan và hệ số nhân tử phòng đại phương sai 50

Bảng 4.5 Kết quả mô hình hồi quy chưa hiệu chỉnh với độ trễ t,t-1 và t-2 52

Bảng 4.6 Kết quả các mô hình hồi quy hiệu chỉnh 61

Bảng 4.7 Các giá trị thống kê đo lường mức độ phù hợp của mô hình 62

Bảng 4.8 Hiệu ứng cận biên của từng biến trong các mô hình hồi quy hiệu chỉnh 69

TÓM TẮT

Bài nghiên cứu này tập trung xem xét các yếu tố tác động đến khả năng kiệt quệ tài chính của 261 doanh nghiệp niêm yết trên sàn giao dịch chứng khoán Hồ Chí Minh (HOSE) và sàn giao dịch chứng khoán Hà Nội (HNX) trong khoản thời gian từ năm 2008-2015 Hầu hết các dữ liệu này được tác giả thu thập từ sàn HOSE, HNX và tổng cục thống kê (GSO) Dữ liệu được chia làm 2 nhóm: các doanh nghiệp có khả năng kiệt quệ tài chính và các doanh nghiệp không có khả năng kiệt quệ tài chính Luận văn được tiến hành dựa trên nghiên cứu “Financial Distress And Bankruptcy Prediction Among Listed Companies Using Accounting, Market And Macroeconomic Variables” của Tinoco &Wilson (2013) Đầu tiên tác giả xem xét

mô hình hồi quy Logit của các biến số tỷ số tài chính đến khả năng kiệt quệ tài chính Sau đó, lần lượt đưa các biến vĩ mô và thị trường để xem xét mức độ đóng góp của các biến trong mô hình dự báo Luận văn thu được các kết quả như sau:

- Thứ nhất, các biến số tỷ số tài chính có khả năng dự báo tốt tình trạng kiệt quệ tài chính của doanh nghiệp Nhưng cần phải kết hợp với các biến số vĩ

mô và thị trường để tăng khả năng dự báo của mô hình Trong đó các biến thị trường có đóng góp cao nhất

- Thứ hai, các biến số vĩ mô có đóng góp nhất định vào trong mô hình dự báo xác suất kiệt quệ tài chính, nó làm tăng thêm mức độ dự báo của mô hình

- Thứ ba, mô hình dự báo kiệt quệ tài chính các doanh nghiệp ngay tại thời điểm quan sát (năm t) cho kết quả phù hợp cao nhất và chính xác nhất Mô hình dự với kiệt quệ tài chính với độ trễ 1 năm (t-1) chỉ mang tính chất gợi ý còn mô hình dự báo kiệt quệ tài chính với độ trễ 2 năm (t-2) thì đa số không mang nhiều ý nghĩa về mặt dự báo

Như vậy, tình trạng kiệt quệ tài chính của các doanh nghiệp ở Việt Nam chịu ảnh hưởng không chỉ bởi các nhân tố bên trong doanh nghiệp được thu thập từ báo cáo

tài chính mà còn chịu ảnh hưởng từ các nhân tố bên ngoài như vĩ mô và thị trường

CHƯƠNG 1: GIỚI THIỆU 1.1 Lý do chọn đề tài

Với một nền kinh tế có quá nhiều doanh nghiệp phá sản, đặc biệt đối với Việt Nam, khi yêu cầu có một môi trường kinh doanh ổn định nhằm thu hút đầu tư, đặc biệt là đầu tư từ nước ngoài thì việc có tới hàng chục nghìn doanh nghiệp hoàn tất thủ tục giải thể, chấm dứt và tạm dừng hoạt động trong một quý gây ảnh hưởng không nhỏ đến cái nhìn của các nhà đầu tư đối với môi trường kinh doanh trong nước Mặt khác, khi doanh nghiệp giải thể, tạm ngừng hoạt động cũng dẫn tới một loạt những

hệ lụy về mặt xã hội như người lao động bị mất việc làm, môi trường sinh thái bị ảnh hưởng… Chính vì thế rất cần thiết có một công cụ dự báo để hỗ trợ phần nào cho các chủ doanh nghiệp kịp thời để ra các chính sách, hoạch định để nhận thấy được khả năng rơi vào tình trạng kiệt quệ tài chính của doanh nghiệp mình trước khi lâm vào tình trạng tạm ngừng họat động, giải thể hoặc phá sản, đồng thời cũng giúp cho chủ nợ và nhà đầu tư đánh giá được mức độ rủi ro mình đang phải gánh chịu khi công ty rơi vào tình trạng kiệt quệ tài chính

Các nguyên nhân dẫn đến kiệt quệ tài chính cuối cùng dẫn đến phá sản hoặc giải thể rất phức tạp, nó không chỉ đơn thuần do các yếu tố nội tại doanh nghiệp mà còn do các yếu tố bên ngoài tác động Các nghiên cứu trước đây về kiệt quệ tài chính đa phần sử dụng dữ liệu được thu thập từ các báo cáo tài chính, nguồn dữ liệu này đại diện cho các yếu tố nội tại của công ty và các dữ liệu từ thu thập từ thị trường niêm yết như: giá, tỷ suất sinh lời cổ phiếu, vốn hóa thị trường… để dự báo xác suất kiệt quệ tài chính của các công ty Bên cạnh việc sử dụng các yếu tố nội tại và yếu tố thị trường trong dự báo xác suất kiệt quệ của công ty, một số nghiên cứu gần đây đã sử dụng kết hợp thêm yếu tố kinh tế vĩ mô Kết quả nghiên cứu và so sánh khả năng dự báo của các mô hình cho thấy sự kết hợp ba nhóm yếu tố: yếu tố nội tại, yếu tố thị trường và yếu tố kinh tế vĩ mô sẽ góp phần nâng cao độ chính xác trong mô hình dự báo khả năng kiệt quệ tài chính của công ty

Hầu hết các nghiên cứu nổi tiếng về kiệt quệ tài chính đều được thực hiện tại Mỹ và các nước châu Âu Tại Việt Nam, chủ đề nghiên cứu này vẫn còn mới và chỉ được

thực hiện bởi một số ít các nhà nghiên cứu trong nước Xuất phát từ những thực tại cấp thiết nói trên, tác giả thực hiện nghiên cứu này nhằm tìm ra một mô hình dự báo kiệt quệ tài chính chính xác và phù hợp cho các công ty niêm yết tại thị trường chứng khoán Việt Nam

1.2 Mục tiêu nghiên cứu

Hiện nay có rất nhiều nghiên cứu về mô hình dự báo kiệt quệ tài chính Tuy nhiên chúng chỉ sử dụng dữ liệu tài chính hoặc dữ liệu thị trường và sử dụng các mô hình cũng khác nhau gây ra rất nhiều tranh cãi về kết quả và ứng dụng của mô hình Bài nghiên cứu của tác giả thực hiện kết hợp các biến kế toán, biến thị trường và biến kinh tế vĩ mô vào một mô hình dự báo kiệt quệ tài chính Tác giả thực hiện bài nghiên cứu này nhằm đi tìm một bằng chứng thực nghiệm cho thấy tính hiệu quả của việc kết hợp các biến số tỷ số tài chính, biến số thị trường và biến số kinh tế vĩ

mô vào mô hình dự báo tình trạng kiệt quệ tài chính Nghiên cứu này phát triển mô hình dự báo tình trạng kiệt quệ tài chính cho các công ty niêm yết tại SGDCK Tp

Hồ Chí Minh (HOSE) và SGDCK Hà Nội (HNX)

1.3 Đối tượng và phạm vi nghiên cứu

Tác giả chọn mẫu nghiên cứu là các công ty phi tài chính niêm yết trên Sở GDCK TPHCM (HOSE) và Sở GDCK Hà Nội (HNX) để xem xét khả năng dự báo tình trạng kiệt quệ tài chính của các công ty thông qua các biến số tỷ số tài chính, chỉ báo kinh tế vĩ mô cũng như các biến số thị trường tại Việt Nam

Bài nghiên cứu này tập trung xem xét các yếu tố tác động đến khả năng kiệt quệ tài chính của 261 doanh nghiệp niêm yết trên sàn giao dịch chứng khoán Hồ Chí Minh (HOSE) và sàn giao dịch chứng khoán Hà Nội (HNX) trong khoản thời gian từ năm 2008-2015

1.4 Phương pháp nghiên cứu

Trong nghiên cứu này, tác giả phân loại các quan sát thành hai loại: những quan sát rơi vào tình trạng kiệt quệ tài chính được gán giá trị biến phụ thuộc là 1, những quan sát không bị kiệt quệ tài chính được gán giá trị biến phụ thuộc là 0 Để giải

quyết vấn đề biến phụ thuộc là biến nhị phân, tác giả sử dụng mô hình Logit trong bài nghiên cứu này

1.5 Bố cục bài nghiên cứu

Bài nghiên cứu bao gồm 5 phần:

Phần 1 – Giới thiệu Trong phần này, tác giả trình bày tổng quan các vấn đề của

bài nghiên cứu như: lý do chọn đề tài, mục tiêu nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu và bố cục của bài nghiên cứu

Phần 2 – Tổng quan lý thuyết và các nghiên cứu trước đây về kiệt quệ tài chính Tác giả xây dựng phần này với mục đích cung cấp một cái nhìn tổng quan và

xuyên suốt về quá trình phát triển của những nghiên cứu thực nghiệm về dự báo tình trạng kiệt quệ tài chính trên thế giới Từ đó có một sự định hướng rõ ràng hơn trong việc xây dựng phương pháp nghiên cứu và lựa chọn các biến số trong mô hình

dự báo kiệt quệ tài chính cho trường hợp tại Việt Nam

Phần 3 – Phương pháp nghiên cứu Phần này cung cấp một chi tiết hóa về

phương pháp nghiên cứu, dữ liệu cũng như cách xác định các biến số được sử dụng trong bài nghiên cứu của tác giả ngoài ra cũng đưa các kỳ vọng về dấu của các biến

số trong mô hình hồi quy

Phần 4 – Kết quả nghiên cứu Tác giả cũng tiến hành thống kê mô tả và phân tích

tương quan các biến số trong mô hình hồi quy Cuối cùng, Tác giả trình bày các kết quả từ mô hình hồi quy Logit, các kiểm định liên quan nhằm đánh giá mức độ chính xác trong mô hình dự báo cho các công ty tại Việt Nam

Phần 5 – Kết luận Phần này tác giả tóm tắt kết quả kết quả nghiên cứu cũng như

nêu lên hạn chế của đề tài và những hướng mở rộng tiếp theo

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU

TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH 2.1 Tổng quan lý thuyết

2.1.1 Các tiếp cận về kiệt quệ tài chính

Cùng với thời gian, định nghĩa kiệt quệ tài chính từng bước được thay đổi và củng

cố Trước đây và cho đến tận bây giờ, phá sản (bankruptcy) là một trong những khái niệm phổ biến nhất được dùng cho tình trạng các công ty đang gặp những khó khăn

về tài chính và các mô hình dự báo trước đây đều sử dụng định nghĩa kiệt quệ tài chính trên trạng thái cuối cùng mang tính chất pháp lý (tuyên bố phá sản) của doanh nghiệp Dần dần, định nghĩa về “kiệt quệ tài chính” thường được hiểu như không thực hiện nghĩa vụ thanh toán (default), thất bại (failure), mất khả năng thanh toán (insolvency) hay phá sản (bankruptcy) Theodossiou (1993) thực hiện nghiên cứu tại Mỹ cho thấy các doanh nghiệp các doanh nghiệp thường mất khả năng thanh toán khoảng 2 năm trước ngày nộp đơn phá sản Tinoco & Wilson (2013) thực hiện nghiên cứu các công ty tại Anh cho thấy có một khoảng cách về mặt thời gian đáng

kể giữa ngày công ty rơi vào tình trạng kiệt quệ tài chính cho đến ngày chính thức phá sản về mặt pháp lý (từ 1.17 năm thậm chí lên đến 3 năm) Ngoài ra, trước khi phá sản các doanh nghiệp còn thực hiện các biện pháp giải cứu hoặc bán tài sản và giải thể chứ không phải là phá sản Thuật ngữ “kiệt quệ tài chính” mang một ý nghĩa tiêu cực và hàm chứa là một khoản thời gian, miêu tả tình hình tài chính của công ty đang phải đối mặt với tình trạng thiếu hụt thanh khoản tạm thời, từ đó gây

ra những khó khăn trong việc thực hiện một phần hay toàn bộ các nghĩa vụ tài chính của công ty theo kế hoạch và có thể dẫn đến phá sản Chính vì thế, một công ty rơi vào tình trạng kiệt quệ tài chính có thể không chắc chắn dẫn đến việc nộp đơn phá sản

William Beaver (1966) là một trong những nhà nghiên cứu đầu tiên chỉ ra rằng kiệt quệ tài chính có thể xuất hiện dưới các hình thức khác nhau như: phá sản, không thực hiện nghĩa vụ thanh toán trái phiếu hay không thanh toán cổ tức cổ phần ưu

đãi Andrade & Kaplan (1998) xác định hai hình thức của kiệt quệ tài chính: thứ nhất là không thực hiện nghĩa vụ thanh toán nợ, và thứ hai là một nỗ lực cơ cấu lại

nợ để ngăn chặn tình trạng vỡ nợ Wruck (1990) định nghĩa tình trạng kiệt quệ là tình huống mà dòng tiền của một công ty không đủ để trang trải các nghĩa vụ tài chính hiện tại của nó Brown, James & Mooradian (1993) phân loại công ty rơi vào tình trạng kiệt quệ tài chính là khi nó thực hiện các biện pháp tái cơ cấu với mục đích để tránh vỡ nợ Van Gestel cùng với các đồng sự (2006) mô tả kiệt quệ tài chính là kết quả của sự thua lỗ kéo dài mà nguyên nhân là do sự gia tăng không cân xứng về công nợ kèm theo sự sụt giảm trong giá trị tài sản Aktan (2011) đã đưa ra quan điểm cho rằng một công ty được xem là kiệt quệ tài chính khi: thua lỗ trong 3 năm liên tiếp, hoặc có vốn chủ sở hữu âm, hoặc bán hết tài sản để trả nợ rồi giải thể, hoặc tòa án chấp thuận phá sản

Ngoài ra, việc nhận biết dấu hiệu kiệt quệ tài chính có thể thực hiện được thông qua việc phân tích các chỉ số tài chính của công ty Đây là phương pháp được các nhà nghiên cứu sử dụng rộng rãi và phổ biến nhất, phương pháp này thể hiện tốt trong việc dự báo kiệt quệ tài chính của công ty Denis & Denis (1995) xác định kiệt quệ tài chính xảy ra khi công ty rơi vào tình trạng hoạt động kinh doanh thua lỗ trong ít nhất 3 năm liên tiếp Kết quả nghiên cứu của họ chỉ ra rằng khi một công ty rơi vào tình trạng kiệt quệ tài chính, nó sẽ không có khả năng thanh toán cổ tức Do đó, sự sụt giảm cổ tức và hoạt động kinh doanh thua lỗ có thể được sử dụng như một dấu hiệu xác định tình trạng kiệt quệ tài chính của công ty Theo Platt & Platt (2002), một công ty rơi vào tình trạng kiệt quệ tài chính sẽ xuất hiện các dấu hiệu sau: thu nhập từ hoạt động kinh doanh âm trong nhiều năm liên tiếp, trì hoãn việc thanh toán

cổ tức, tái cơ cấu tài chính và sa thải hàng loạt Các công ty với sức khỏe tài chính kém và có nhiều vấn đề về nợ vay thì có thể dễ dàng lâm vào kiệt quệ tài chính, và hơn thế nữa một số sẽ phá sản (bankruptcy) khi khủng hoảng kinh tế xảy ra Tuy nhiên, ngay cả trong những nền kinh tế ổn định, có lợi nhuận tốt, việc quản lý không phù hợp với xu hướng hiện tại thì cũng có thể xảy ra kiệt quệ tài chính Bất ngờ hơn, đôi khi ngay cả áp dụng phương pháp quản lý khoa học, cũng không thể

giúp công ty loại bỏ được khả năng phá sản (bankruptcy) Perold (1999) nhấn mạnh rằng một công ty phòng ngừa bằng chứng khoán phái sinh thì cũng có thể phá sản, ngay cả khi được quản lý bởi một nhà khoa học đoạt giải Nobel

Asquith, Gertner, và Scharfstein (1994) phân tích các quyền chọn để dự báo phá sản

và xác định tình trạng kiệt quệ tài chính theo một cách tương tự Định nghĩa của họ

về kiệt quệ tài chính là dựa trên tỷ số khả năng chi trả lãi vay Một công ty được phân loại là kiệt quệ tài chính nếu EBITDA ít hơn so với chi phí tài chính (chi phí lãi vay) trong 2 năm liên tiếp, hoặc trong các trường hợp khác, EBITDA ít hơn 80% chi phí lãi vay Andrade & Kaplan (1998), xác định kiệt quệ tài chính xảy ra ngay tại năm đầu tiên khi EBITDA của doanh nghiệp thấp hơn chi phí tài chính Whitaker (1999) định nghĩa kiệt quệ tài chính như là năm đầu tiên mà dòng tiền doanh nghiệp thấp hơn các khoản nợ dài hạn đáo hạn Do vậy, sẽ hợp lý hơn khi xem xét trạng thái kiệt quệ tài chính dựa trên khả năng đáp ứng các nghĩa vụ tài chính

Sự kết hợp giữa biến sổ sách và biến thị trường nhằm xác định kiệt quệ tài chính trong mô hình nghiên cứu đã và đang được sử dụng rộng rãi Phương pháp này cho phép các nhà nghiên cứu nắm bắt được bản chất phức tạp và không đồng nhất của hiện tượng kiệt quệ bằng cách kết nối các yếu tố nội sinh và ngoại sinh Opler & Titman (1994) sử dụng yếu tố tốc độ tăng trưởng doanh thu trung bình và tỷ suất sinh lời cổ phiếu trung bình để xác định các công ty rơi vào tình trạng kiệt quệ tài chính Tốc độ tăng trưởng doanh thu âm và lợi suất cổ phiếu âm là dấu hiệu cho thấy những vấn đề trong hoạt động kinh doanh thường ngày của công ty Hai yếu tố trên đặc biệt hiệu quả trong thời kỳ suy thoái kinh tế bởi vì chúng không chỉ phản ánh cơ cấu hoạt động của công ty có hiệu quả hay không mà còn phản ánh hành vi tài chính của các nhà đầu tư vào cổ phiếu của công ty đó Whitaker (1999) sử dụng dòng tiền và giá trị thị trường của công ty nhằm xác định khi nào công ty rơi vào tình trạng kiệt quệ tài chính Kiệt quệ tài chính được định nghĩa là một tình trạng

mà dòng tiền của công ty không đủ để trang trải các nghĩa vụ của nó và phải chịu một sự suy giảm trong giá trị thị trường của nó Việc chỉ sử dụng yếu tố dòng tiền

để xác định công ty có rơi vào tình trạng kiệt quệ tài chính hay không có thể không chính xác bởi vì một công ty khi rơi vào tình trạng thiếu hụt thanh khoản tạm thời

nó có thể sử dụng các nguồn vốn khác ngoại sinh để khắc phục tình trạng trên Do vậy việc suy giảm giá trị thị trường của công ty có thể xem như là một yếu tố hỗ trợ cho việc phân loại các công ty kiệt quệ tài chính vì nó phản ánh các vấn đề dài hạn của dòng tiền và dẫn đến kết quả là sự suy giảm giá trị thị trường của công ty

Tóm lại, theo Jie Sun 2013 có thể diễn đạt sự phát triển của định nghĩa về kiệt quệ tài chính theo hai quan điểm chính là lý thuyết và thực nghiệm Từ quan điểm của phân tích lý thuyết, kiệt quệ tài chính có các mức độ khác nhau: kiệt quệ tài chính mức độ nhẹ chỉ là khó khăn dòng tiền tạm thời, trong khi kiệt quệ tài chính ở mức nghiêm trọng là khánh kiệt hay phá sản Kiệt quệ tài chính là quá trình thay đổi linh hoạt các trạng thái khác nhau giữa khó khăn tạm thời và phá sản; là kết quả của các bất thường xảy ra đối với hoạt động kinh doanh trong suốt một khoảng thời gian

Do yêu cầu về tính rõ ràng của tiêu chuẩn lấy mẫu nghiên cứu hoặc do những hạn chế trong dữ liệu sẵn có nên quan điểm nghiên cứu thực nghiệm về kiệt quệ tài chính có sự khác biệt Kiệt quệ tài chính được xác định dưới quan điểm thực nghiệm cho thấy khó khăn tài chính của công ty một cách rõ ràng, chẳng hạn như tình trạng thông báo phá sản hoặc bị hủy niêm yết trên sàn chứng khoán Những nghiên cứu gần đây chỉ dùng các tiêu chuẩn riêng lẻ để xác định công ty có rơi vào tình trạng kiệt quệ tài chính hay không, điều này không thể hiện được sự biến đổi linh hoạt về hình thái biểu hiện của kiệt quệ tài chính Các nghiên cứu trong tương lai cần phải tìm ra một tiêu chuẩn toàn diện hơn mà có thể phân loại các công ty theo các mức độ kiệt quệ tài chính khác nhau như nhẹ, trung bình và phá sản

2.1.2 Nguyên nhân gây ra kiệt quệ tài chính:

Kiệt quệ tài chính là một quá trình chuyển đổi linh hoạt và phức tạp Sự không thống nhất của các định nghĩa về kiệt quệ tài chính bắt nguồn từ các yếu tố khác nhau gây ra tình trạng kiệt quệ tài chính của công ty Các yếu tố này được phân thành hai loại: các yếu tố nội sinh và các yếu tố ngoại sinh Các yếu tố nội sinh bao gồm các vấn đề phát sinh từ nội sinh của công ty, do vậy chúng chỉ xuất hiện ở một

số công ty cụ thể hoặc trong một nhóm các công ty trong cùng ngành Các yếu tố ngoại sinh thường phổ biến hơn và tác động lên tất cả các công ty trên thị trường Yếu tố nội sinh đề cập đến các vấn đề nội bộ liên quan đến quản lý yếu kém của công ty bao gồm: quản lý dự án không tốt hoặc để xảy ra gian lận; phẩm chất và kĩ năng quản lý kém; hệ thống thông tin kế toán hoạt động không hiệu quả; lợi nhuận biên và hiệu quả hoạt động thấp; quản lý nguồn vốn, thanh khoản kém; chuyển giao quyền quản lý không phù hợp Theo Zwaig & Pickett (2012), quản lý không thay đổi kịp thời theo sự mở rộng nhanh chóng của hoạt động kinh doanh hoặc không thích nghi với chiến lược mới của đối thủ cạnh tranh có thể kéo theo sự thất bại công ty Việc tuyển dụng đội ngũ quản lý không cân xứng và thiếu kỹ năng cần thiết để quản lý công ty sẽ đẩy công ty rơi vào kiệt quệ tài chính, do các quyết định đầu tư sai lầm với tổn thất kinh phí lớn mà không thể khắc phục được (Galloway & Jones, 2006) Đối với các công ty mới thành lập, nguyên nhân quan trọng nhất gây

ra kiệt quệ tài chính là sự thiếu vốn ngay từ lúc khởi đầu kinh doanh Nguồn vốn trong kinh doanh có vai trò như một tấm đệm chống lại những thua lỗ bất thường

mà không thể bù đắp bởi thu nhập hiện tại (Adeyemi, 2012 ) Việc đổi mới cũng có vai trò quan trọng trong thành công hay thất bại của công ty do những rủi ro gắn với việc này (Chao và các cộng sự, 2012) Xác suất công ty rơi vào kiệt quệ tài chính do đổi mới là đặc biệt cao khi đối thủ giới thiệu sản phẩm sáng tạo và cạnh tranh làm giảm sự hấp dẫn của các sản phẩm và dịch vụ mới của công ty (Jahur & Quadir,

2012 ) Vì vậy, đổi mới có thể đem đến cho công ty một lợi thế cạnh tranh so với các đối thủ hoặc kéo theo sự sụp đổ

Các yếu tố ngoại sinh tác động lên toàn bộ thị trường bao gồm: sự cạnh tranh của các đối thủ trong thị trường; sự vỡ nợ của các đối tác kinh doanh; biến động bất lợi của tỷ giá hối đoái, lãi suất tín dụng cao; thay đổi bất lợi trong chính sách của chính phủ; khác biệt giữa lạm phát thực tế và kì vọng Những yếu tố ngoại sinh thì không phụ thuộc vào kỹ năng quản trị công ty (Karels & Prakash (1987)) Ngoài các nguyên nhân trên, Moyer (2004) cho rằng chu kì kinh tế là một nguyên nhân quan trọng dẫn đến kiệt quệ tài chính Khi chu kì kinh tế đang ở giai đoạn suy thoái, dòng

tiền thu được từ được hoạt động kinh doanh thấp sẽ làm cho công ty không thể đáp ứng hoặc đáp ứng khó khăn các nghĩa vụ nợ Điều này xảy ra đối với toàn bộ các công ty trong nền kinh tế, tuy nhiên mức độ tác động thì phụ thuộc vào đặc điểm riêng biệt của ngành và công ty

Việc xác định các nguyên nhân gây ra tình trạng kiệt quệ tài chính thường được dựa vào các nghiên cứu thực nghiệm Karels & Prakash (1987), phân loại các yếu tố gây

ra kiệt quệ tài chính thành hai nhóm: nhóm các yếu tố rủi ro nội bộ và nhóm các yếu

tố ngoại sinh Nhóm các yếu tố rủi ro nội bộ thông thường liên quan đến các kỹ năng quản lý công ty, các quyết định tài chính mà qua đó gây tác động đến tình trạng của công ty Nhóm các yếu tố ngoại sinh tác động đến công ty thông thường

là sự biến động trong chính sách kinh tế, bất ổn của thị trường lao động hay thảm họa tự nhiên

Nghiên cứu của Bibeault (1983) chỉ ra rằng có 5 yếu tố ngoại sinh gây ra tình trạng kiệt quệ tài chính của công ty là: biến động của nền kinh tế, biến động môi trường cạnh tranh, thay đổi các yếu tố xã hội và thay đổi khoa học công nghệ Kết quả nghiên cứu của ông cho thấy 41% công ty phá sản là do sự tác động của các yếu tố kinh tế vĩ mô, 31% là do môi trường cạnh tranh thay đổi, 13% là do những thay đổi bất lợi trong chính sách của chính phủ và 15% là chịu sự tác động của thay đổi xã hội và khoa học công nghệ Tuy nhiên, 80% các công ty rơi vào tình trạng kiệt quệ tài chính là do sự tác động của các yếu tố quản lý, cụ thể là thiếu năng lực quản lý Theo nghiên cứu của Whitaker (1999), các công ty rơi vào tình trạng kiệt quệ tài chính do yếu tố nội bộ (yếu kém trong quản lý) chiếm 76,8%, các công ty rơi vào tình trạng kiệt quệ tài chính do chịu tác động của cả hai yếu tố nội sinh và ngoại sinh là 37,5% Cuối cùng chỉ có 9,4% trong các công ty là do ảnh hưởng của yếu tố ngoại sinh

Nghiên cứu của Andrade và Kaplan (1998) cho thấy tỷ lệ đòn bẩy tài chính cao là nguyên nhân chính đẩy công ty rơi vào tình trạng kiệt quệ tài chính bởi vì đây là lý

do gây thiếu hụt tiền mặt trong công ty

2.2 Các nghiên cứu trước đây về kiệt quệ tài chính

2.2.1 Các nghiên cứu sử dụng biến tài chính

Các nghiên cứu từ những năm 60 của thế kỷ trước, đã sử dụng thông tin từ báo cáo tài chính để dự báo kiệt quệ, phá sản của doanh nghiệp Beaver (1966, 1968), Altman (1968, 1977), Ohlson (1980) được xem là những tác giả tiên phong trong việc sử dụng các tỷ số tài chính để dự báo phá sản trong các nghiên cứu thực nghiệm Cụ thể:

Beaver (1966) là người đặt nền móng cho việc xây dựng một mô hình thống kê phân tích các tỷ số tài chính đơn lẻ để dự báo phá sản Trong khi hầu hết các nghiên cứu vào thời điểm đó chỉ xem xét các công ty vỡ nợ là các công ty phá sản, Beaver

đã mở rộng định nghĩa về sự vỡ nợ trong nghiên cứu của mình Theo ông, vỡ nợ được định nghĩa là sự không có khả năng đáp ứng các nghĩa vụ nợ đến hạn của một công ty Bằng cách sử dụng phân tích biệt số đơn biến, ông tiến hành nghiên cứ thực nghiệm trên 79 doanh nghiệp kinh doanh vỡ nợ và một số lượng tương ứng các doanh nghiệp kinh doanh thành công trong giai đoạn từ 1954-1964 Beaver phân loại 30 chỉ số thành 6 nhóm, sau đó chọn 1 chỉ số từ mỗi nhóm có sai số phần trăm nhỏ nhất để phân tích và tập trung kiểm định vào 6 tỷ số sau: 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 hằng ngày để phân loại nhóm công ty vỡ nợ và nhóm công ty không vỡ nợ Đối với mỗi tỷ số, Beaver suy ra một ngưỡng giới hạn,

mà những công ty ở bên trên ngưỡng này hoặc ở bên dưới ngưỡng này trong trường hợp tỷ số tổng nợ trên tổng tài sản thì được phân loại là không vỡ nợ tiềm năng, còn những công ty ở dưới ngưỡng này hoặc ở bên trên ngưỡng này trong trường hợp tỷ

số tổng nợ trên tổng tài sản thì được phân loại là vỡ nợ tiềm năng Ngưỡng giới hạn này được suy ra từ việc phân tích sự khác biệt trong các tỷ số tài chính giữa các công ty vỡ nợ và các công ty không vỡ nợ và được lựa chọn dựa trên phương pháp thử và sai - sao cho xác suất của việc dự báo sai là nhỏ nhất Beaver phân tích các tỷ

số tài chính dựa trên các định đề sau: Dòng tài sản thanh khoản ròng từ hoạt động

càng lớn thì xác suất vỡ nợ càng nhỏ; Vay nợ càng nhiều thì xác suất vợ nợ càng lớn; Quỹ chi tiêu cho hoạt động càng lớn thì xác suất vợ nợ càng lớn Kết quả nghiên cứu của Beaver cho thấy các tỷ số tài chính đơn lẻ có khả năng dự báo vỡ nợ khá tốt, có thể thực hiện để dự báo 5 năm trước khi xảy ra phá sản trên thực tế

Trong một bài nghiên cứu tiếp theo “Market prices, financial ratios, and the

prediction of failure”, Beaver (1968) nhận thấy rằng thị trường chứng khoán cũng

có khả năng dự báo vỡ nợ của các công ty Beaver đã chứng minh rằng giá chứng khoán của công ty sẽ giảm đáng kể trước khi công ty vỡ nợ Ông tiến hành nghiên cứu xem liệu có phải thị trường chứng khoán sẽ dự báo vỡ nợ trước các tỷ số tài chính hay không và tìm thấy rằng thị trường chứng khoán đã phản ứng trước các tỷ

số tài chính ở một biên độ nhỏ Nghiên cứu này cho thấy, các mô hình dự báo phá sản đã bắt đầu quan tâm đến các dữ liệu thị trường

Phương pháp của Beaver có ưu điểm là tiết kiệm thời gian và dễ áp dụng nhưng để ghi nhận tính phức tạp của phá sản thì còn nhiều mâu thuẫn và nhầm lẫn bởi vì vẫn

có một số công ty có khả năng sinh lợi nghèo nàn nhưng vẫn có thể trả được nợ có thể bị phân loại là phá sản tiềm năng Hơn nữa biến dữ liệu được lấy từ nguồn là các báo cáo tài chính không tránh khỏi các sai lệch về thông tin khi các công ty khác nhau áp dụng các phương pháp kế toán khác nhau vì mục đích riêng của họ và thậm chí là hành vi gian lận trong báo cáo tài chính Altman (1968) đã cho rằng mô hình

dự báo phá sản áp dụng kỹ thuật phân tích các chỉ số tài chính đơn lẻ thì quá đơn giản và đã áp dụng phương pháp phân tích biệt số bội MDA (Multiple Discriminant

Analysis) trong bài nghiên cứu “Financial Ratios, Discriminant Analysis And

The Prediction Of Corporate Bankruptcy” về việc dự báo tình trạng kiệt quệ

tài chính của các công ty ở Mỹ Mô hình này được đánh giá là dự báo được một cách tương đối chính xác các công ty sẽ bị phá sản trong vòng 2 năm thông qua việc xem xét đến giá trị Z - score Mẫu nghiên cứu của tác giả sử dụng dữ liệu của 66 công ty và được chia là 2 nhóm: nhóm I bao gồm 33 công ty là những công ty đã nộp đơn phá sản theo chương X của Luật phá sản Quốc gia từ năm 1946 đến 1965, nhóm II bao gồm 33 công ty được lựa chọn theo phương pháp ngẫu nhiên phân tầng

và các công ty này vẫn hoạt động bình thường đến năm 1966 Các công ty được phân chia theo ngành và quy mô, với quy mô tài sản hạn chế từ 1 triệu USD tới 25 triệu USD Việc loại bỏ các công ty nhỏ (tổng tài sản thấp hơn 1 triệu USD) và các công ty cỡ lớn trong mẫu nghiên cứu chủ yếu là do quy mô tài sản của các công ty trong nhóm I Ngoài ra, các công ty có quy mô tài sản lớn phá sản rất hiếm trong thời kỳ trước năm 1966 Sau khi thu thập đầy đủ các dữ liệu tài chính, một danh sách bao gồm 22 biến số được tác giả sử dụng Các biến số được phân thành 5 nhóm: nhóm chỉ số thanh khoản, nhóm chỉ số khả năng sinh lời, nhóm chỉ số đòn bẩy tài chính, nhóm chỉ số khả năng trả nợ và nhóm chỉ số hiệu quả hoạt động kinh doanh Từ 22 biến ban đầu, tác giả chọn ra 5 biến có khả năng dự báo phá sản tốt, bao gồm:

 X1 = Vốn lưu động/Tổng tài sản

 X2 = Lợi nhuận giữ lại/ Tổng tài sản

 X3 = Lợi nhuận trước thuế và lãi vay/Tổng tài sản

 X4 = Giá trị thị trường của vốn chủ sở hữu/Giá trị sổ sách của tổng nợ

có biến tỷ lệ giá trị thị trường của vốn chủ sở hữu trên giá trị sổ sách của tổng nợ (X4) cần đến dữ liệu cổ phiếu

Altman & các cộng sự (1977), đã xây dựng tiếp một mô hình thế hệ thứ hai với những cải tiến từ mô hình Z-Score ban đầu, gọi tắt là mô hình ZETA Mô hình thế

hệ thứ hai này có khả năng dự báo phá sản một cách hiệu quả trước 5 năm dựa trên mẫu bao gồm công ty bán lẻ và công ty sản xuất Mẫu nghiên cứu bao gồm 53 công

ty phá sản và 58 công ty không phá sản trong giai đoạn từ 1969-1975 Kết quả

nghiên cứu cho thấy mô hình ZETA phân loại hiệu quả với độ chính xác 91% trước khi công ty phá sản 1 năm và trên 76,8% từ năm thứ 5 trở lên trước khi công ty phá sản Tuy nhiên, vì tính độc quyền của mô hình nên Altman không cung cấp đầy đủ các trọng số của mô hình mà chỉ cung cấp 7 biến số mà mô hình sử dụng: tỷ lệ EBIT trên tổng tài sản, mức ổn định thu nhập (đo lường bởi sai số chuẩn của ước lượng trong khoảng 5 - 20 năm theo xu hướng của tỷ lệ EBIT trên tổng tài sản), tỷ

lệ EBIT trên chi phí lãi vay, tỷ lệ lợi nhuận giữ lại tích lũy trên tổng tài sản, tỳ lệ vốn lưu động trên tổng tài sản, tỷ lệ vốn hóa cổ phần thường trên tổng vốn hóa và cuối cùng là quy mô công ty (đo lường bằng tổng tài sản) Mô hình này đã khắc phục những nhược điểm của mô hình cũ (1968), với khả năng dự báo chính xác lên đến 5 năm trước khi phá sản của một mẫu các công ty lớn hơn gồm cả lĩnh vực sản xuất và bán lẻ

Tuy nhiên, phương pháp phân tích đa biệt số cũng tồn tại một số nhược điểm Thứ nhất, tỷ số tổng hợp - tỷ số Z được suy ra từ một hàm tuyến tính, mà khi tỷ số này cao hơn hay thấp hơn một điểm giới hạn nào đó thì công ty được phân loại là không phá sản hay phá sản Tuy nhiên, trong thực tế thì một công ty có thể gặp phải vấn đề tài chính ngay cả khi các tỷ số là rất cao và rất thấp, hay nói cách khác, các tỷ số này tuân theo một hàm phi tuyến Thứ hai, MDA liên quan đến phân tích hồi qui tuyến tính với giả định rằng các biến độc lập tuân theo phân phối chuẩn đa biến và các ma trận hiệp phương sai bằng nhau Khi mẫu dữ liệu không đáp ứng đủ các giả định này thì kết quả MDA có thể không đáng tin cậy Thứ ba, biến phụ thuộc trong

mô hình MDA được giả định là một biến liên tục, điều này trái với thực tế là biến xác suất của một doanh nghiệp rơi vào kiệt quệ tài chính chỉ có giá trị trong [0;1] Cuối cùng, MDA không cho biết mức độ đóng góp của các biến riêng lẻ vào khả năng dự báo chung của mô hình Để giải quyết những vấn đề này, các mô hình thống kê xác suất có điều kiện như mô hình Logit (Logit Model - LM) và mô hình Probit (Probit Model – PM) lần lượt thay thế kỹ thuật MDA trước đó Các mô hình xác suất có điều kiện cho phép ước lượng xác suất kiệt quệ tài chính của một công

ty là biến phụ thuộc nhị phân theo một hàm của vec-tơ các biến giải thích – các

nhân tố đặc trưng của công ty bằng ước lượng phi tuyến Maximum Likelihood dựa trên giả định về hàm phân phối xác suất cho trước Cụ thể, với mô hình Logit biến phụ thuộc được giả định tuân theo hàm phân phối xác suất tích lũy logistic (logistic cumulative distribution function) Đối với mô hình Probit, biến phụ thuộc được giả định tuân theo hàm phân phối xác suất tích lũy chuẩn (normal cumulative distribution function) Phần lớn các bài nghiên cứu cho thấy các ước lượng với biến nhị phân bằng mô hình Logit sẽ đạt được mức độ chính xác cao hơn trong dự báo kiệt quệ tài chính Theodossiou (1991) đã tiến hành dự báo khả năng phá sản cho các công ty ở Hy Lạp trong giai đoạn 1975 –1986 theo cả hai phương pháp Logit và Probit Kết quả cho thấy mức độ chính xác trong dự báo khả năng phá sản mà sử dụng mô hình Logit thì cao hơn so với kết quả thu được từ mô hình Probit, tuy nhiên chênh lệch là không đáng kể

Nhằm khắc phục những hạn chế của MDA, Ohlson (1980) sử dụng một mô hình mới để để dự báo khả năng kiệt quệ tài chính của công ty, đó là mô hình hồi quy logistic Ohlson dựa vào số liệu báo cáo tài chính của 105 công ty phá sản và 2058 công ty không phá sản trong giai đoạn 1970 – 1976 tại Mỹ Các công ty nảy đã giao dịch trên thị trường Chứng khoán Mỹ ít nhất 3 năm Mô hình nghiên cứu bao gồm 9 biến độc lập như sau:

 X8 = 1 nếu lợi nhuận ròng trong 2 năm liên tiếp âm và X8 = 0 nếu ngược lại

 X9 = (NIt – NIt-1)/(|NIt|+|NIt-1|), với NIt là thu nhập ròng của giai đoạn gần nhất

Kết quả nghiên cứu cho thấy, 6 biến số có ý nghĩa thống kê và ảnh hưởng đến xác suất vỡ nợ lần lượt là: Quy mô, tỷ lệ tổng nợ trên tổng tài sản, tỷ lệ lợi nhuận ròng trên tổng tài sản, tỷ lệ dòng tiền từ hoạt động trên tổng nợ, tỷ lệ vốn lưu động trên tổng tài sản, tỷ lệ nợ ngắn hạn trên tài sản ngắn hạn Tính chính xác trong các mô hình dự báo của Ohlson lần lượt là 96.12% đối với mô hình dự báo 1 năm, 95.55% đối với mô hình dự báo 2 năm và 92.84% đối với mô hình dự báo 1 hoặc 2 năm Các kết quả dự báo từ các mô hình nghiên cứu trên đều cho thấy tầm quan trọng của biến sổ sách đối với khả năng dự báo kiệt quệ tài chính Nghiên cứu của Beaver và Altman đã bước đầu xem xét sử dụng biến thị trường trong dự báo kiệt quệ tài chính

và làm tiền đề cho các nghiên cứu sau này trong việc kết hợp biến sổ sách và biến thị trường trong dự báo kiệt quệ tài chính

2.2.2 Các nghiên cứu sử dụng biến thị trường

Như đã trình bày ở phần bên trên, các dữ liệu về thị trường có thể cung cấp các thông tin hữu ích cho mô hình dự báo phá sản Rõ ràng là các báo cáo tài chính thì không bao gồm tất cả các thông tin liên quan đến dự báo phá sản và các biến thị trường thì rất thích hợp để bổ sung vào chỗ thiếu sót này Có nhiều lý do cho việc đưa vào các dữ liệu thị trường

- Thứ nhất, giá thị trường phản ánh những thông tin chứa trong các báo cáo tài chính cộng với thông tin không chứa trong các báo cáo tài chính (Agarwal và Taffler, 2008), tạo nên một tập hợp thông tin toàn diện hữu ích

cho việc dự báo tình trạng không thực hiện nghĩa vụ

- Thứ hai, các biến thị trường có thể làm tăng lên đáng kể khả năng dự báo kịp thời – đúng lúc của mô hình do giá thị trường thì có sẵn ở cấp độ hàng ngày, trong khi dữ liệu từ các báo cáo tài chính có sẵn, tốt nhất cũng chỉ có ở

cấp độ hàng quý

- Thứ ba, giá cả thị trường có thể thích hợp hơn để dự báo khả năng phá sản

vì nó phản ánh kỳ vọng về dòng tiển trong tương lai của doanh nghiệp (báo

cáo tài chính, ngược lại phản ánh các hoạt động đã xảy ra của doanh

nghiệp)

- Thứ tư, các biến thị trường có thể cung cấp một cách đánh giá trực tiếp của

độ bất ổn (volatility) một cách đo lường mà có thể tăng sức mạnh về dự báo phá sản mà không có trong các báo cáo tài chính Theo Beaver (2005) cho

rằng, càng có nhiều bất ổn, càng có nhiều khả năng phá sản

Một số nghiên cứu đã thử nghiệm các biến thị trường trong mô hình dự báo như Black và Scholes (1973) và Merton (1974) đã phát triển mô hình dựa trên cách tiếp cận quyền chọn vốn cổ phần và sử dụng mô hình này để tính toán khả năng kiệt quệ tài chính của công ty Các điểm tích cực của mô hình MKV-Merton là: (i) Mô hình cung cấp thông tin kiệt quệ từ thực tế thị trường, (ii) có số lượng các biến rõ ràng trong mô hình và các biến không thay đổi như trong các mô hình dựa trên thống kê

kế toán, (iii) mô hình dựa trên thị trường là mô hình tương lai, chứa đựng thông tin

kỳ vọng về tương lai, (iv) có xem xét độ biến động của tài sản trong phân tích Tuy nhiên, mô hình dựa trên thị trường cũng có khuyết điểm, đó là vì dựa trên lý thuyết thị trường hiệu quả, cho rằng mọi thông tin từ thị trường đều phản ánh vào giá cổ phiếu công ty Thực tế thì thị trường không phản ánh toàn bộ thông tin về tình hình tài chính của công ty vào giá cổ phiếu Khuyết điểm khác của mô hình là chỉ xem xét các công ty đại chúng trên thị trường chứng khoán, chứ không phải đối với các công ty tư nhân Ngoài ra, mô hình còn dựa trên giả định phân phối chuẩn, trong khi thực tế, phân phối xác suất của mô hình MKV-Merton là rộng hơn so với phân phối chuẩn

Bharath và Shumway (2008), Hillegeist, Keating, Cram và Lundstedt (2004), Reisz

và Perlich (2007), Vassalou và Xing (2004) cũng đã sử dụng biến thị trường trong nghiên cứu khả năng phá sản Một số nghiên cứu khác đã cố gắng để chứng minh tính ưu việt của mô hình thị trường so với các mô hình sử dụng biến tài chính và ngược lại Tuy nhiên, kết quả thu được từ các mô hình (mà đỏi hỏi rất nhiều giả định và hạn chế) sau đó so sánh hiệu quả với các mô hình sử dụng biến tài chính vẫn còn nhiều tranh cãi Agarwal và Taffler (2008) thực hiện sự so sánh khả năng

dự báo phá sản của mô hình thị trường và mô hình kế toán Kết quả cho thấy mô hình truyền thống dựa trên các chỉ số tài chính không thua kém gì các mô hình thị trường, các mô hình quyền chọn Họ kết luận rằng, có rất ít sự khác biệt giữa các

mô hình biến thị trường và biến tài chính Hillegeist (2004) cung cấp một kết quả tương phản cho thấy mô hình quyền chọn của Black - Scholes - Merton cung cấp nhiều thông tin có ý nghĩa hơn về khả năng kiệt quệ của các mô hình điểm Z của Altman hoặc mô hình điểm O của Ohlson Hillegeist (2004), thay vào đó, đề nghị các nhà nghiên cứu sử dụng phương pháp Black-Scholes-Merton thay vì sử dụng

mô hình truyền thống chỉ các biến tài chính như là đại diện cho khả năng phá sản Nhiều nghiên cứu gần đây cho thấy rằng cả 2 phương pháp mang lại kết quả tương

tự, hay cả 2 mô hình đều có những thông tin hữu ích về khả năng kiệt quệ và vỡ nợ Balcaen và Ooghe (2004) lập luận rằng, nếu các nhà nghiên cứu chỉ bao gồm các chỉ tiêu tài chính trong mô hình dự báo phá sản, thì họ ngầm giả định rằng các chỉ báo liên quan đến phá sản, cả bên trong lẫn bên ngoài, đều được phản ánh trong các báo cáo hàng năm Rõ ràng các báo cáo tài chính không bao gồm các thông tin có liên quan và các biến thị trường rất có khả năng bổ sung cho sự thiếu hụt này Rees (1995) gợi ý rằng, giá thị trường có thể hữu ích trong việc dự báo xác suất phá sản

vì chúng bao gồm các thông tin về dòng tiền kỳ vọng trong tương lai của doanh nghiệp Đối với Hillegeist (2004), thị trường chứng khoán là một nguồn thay thế thông tin vì nó chứa các thông tin từ các nguồn khác ngoài báo cáo tài chính Beaver, McNichols và Rhie (2005) đã chỉ ra rằng, xác xuất phá sản được gắn với giá thị trường

Như vậy, dựa trên lập luận và các cơ sở lý thuyết được trình bày ,trong luận văn này, tác giả cũng sử dụng các biến thị trường trong việc xây dựng mô hình

2.2.3 Các nghiên cứu sử dụng kết hợp biến tài chính và biến thị trường

Tyler Shumway (2001) nhận thấy các hơn một nửa dữ liệu kế toán được sử dụng trong các mô hình dự báo phá sản thời kỳ đầu không có ý nghĩa thống kê Bên cạnh

đó, các dữ liệu thị trường đưa vào mô hình lại thể hiện mối tương quan chặt chẽ với khả năng phá sản của công ty, bao gồm: vốn hóa thị trường của công ty, tỷ suất sinh

lời của cổ phiếu trong quá khứ và độ lệch chuẩn của cổ tức công ty Tác giả đã đề suất một mô hình sử dụng kết hợp dữ liệu kế toán và dữ liệu thị trường nhằm tìm kiếm khả năng dự báo chính xác hơn Dữ liệu nghiên cứu bao gồm 300 công ty phá sản được thu thập trong giai đoạn 1962 – 1992 Các biến giải thích sử dụng trong bài nghiên cứu liệt kê như sau: 5 biến sử dụng trong nghiên cứu của Altman (1963) bao gồm vốn lưu động trên tổng tài sản (WC/TA), lợi nhuận giữ lại trên tổng tài sản (RE/TA), EBIT trên tổng tài sản (EBIT/TA), giá trị thị trường vốn chủ sở hữu trên tổng nợ (MVE/TL), doanh thu trên tổng tài sản (S/TA) ; 3 biến sử dụng trong nghiên cứu của Zmijewski (1984) bao gồm lợi nhuận ròng trên tổng tài sản (NI/TA), tổng nợ trên tổng tài sản (TL/TA), nợ ngắn hạn trên tài sản ngắn hạn (CA/CL) ; và 3 biến thị trường mới của Shumway bao gồm quy mô (log(vốn hóa công ty/vốn hóa toàn thị trường)), tỷ suất sinh lời cổ phiếu – tỷ suất sinh lời của toàn thị trường, độ lệch chuẩn của cổ tức công ty (Sigma) Mỗi biến Shumway đưa vào đều có giải thích cụ thể như sau Với biến tỷ lệ vốn hóa thị trường, rằng phản ứng của những nhà đầu tư sẽ tác động trực tiếp lên giá trị cổ phiếu của công ty, dẫn đến làm thay đổi giá trị thị trường của công ty do đó quy mô công ty trên thị trường

là biến quan trọng trong dự báo khả năng phá sản của doanh nghiệp Để giảm tính biến động của biến quy mô công ty, Shumway lấy log của mức vốn hóa thị trường của mỗi công ty Nếu như nhà đầu tư làm thay đổi giá trị vốn hóa thị trường của công ty làm ảnh hưởng đến sự phá sản thì tỷ suất sinh lợi thặng dư trong quá khứ của công ty cũng tác động quan trọng không kém đến khả năng phá sản Biến thị trường cuối cùng đưa vào nghiên cứu là độ lệch chuẩn của cổ tức cổ phiếu Nếu một công ty có nhiều biến động trong dòng tiền là bởi nhiều biến động trong cổ tức thì khả năng công ty xảy ra phá sản càng cao bởi xét ở góc độ nào đó thì biến này cũng

đo lường được đòn bẩy tài chính của công ty Kết quả nghiên cứu cho thấy mô hình rủi ro dự báo chính xác hơn và cho phép đo lường hiệp phương sai khi thời gian thay đổi Mô hình rủi ro cũng tiến hành ước lượng thích hợp cực đại và phân tích Bên cạnh đó, tác giả cũng chỉ ra các biến sổ sách như S/TA, WC/TA, RE/TA, CA/CL có ý nghĩa thống kê không cao và các biến NI/TA, TL/TA khi kết hợp với

biến thị trường cho kết quả dự báo chính xác hơn Sự kết hợp dữ liệu kế toán và dự liệu thị trường sẽ nâng cao khả năng dự báo chính xác của mô hình

Tiếp nối Tyler Shumway và có những thay đổi mới trong nghiên cứu, hai tác giả Chava và Jarrow (2004) đã xác minh lần nữa tính vượt trội trong mô hình dự báo phá sản của Shumway (2001) cũng như phản biện mô hình của Altman (1968) và Zmijewski (1984), nghiên cứu chứng minh tầm quan trọng của biến ảnh hưởng về ngành trong mô hình rủi ro Các nhóm ngành có khả năng ảnh hưởng đáng kể đến

hệ số chặn và hệ số độ dốc trong phương trình dự báo Hơn nữa, các công ty được nghiên cứu bao gồm cả các công ty tài chính mặc dù sự chính xác của dự báo giảm

đi không đáng kể, dữ liệu trong bài dữ liệu trong bài được sử dụng theo báo cáo hàng tháng trong khi các nghiên cứu trước chỉ sử dụng quan sát theo năm Kết quả đạt được là dự báo phá sản được hoàn thiện hơn với các quan sát trong khoảng thời gian ngắn hơn Cuối cùng tác giả chỉ ra 2 biến sổ sách ít có đóng góp trong khi các biến thị trường có ảnh hưởng lớn đến mô hình phá sản Điều này ủng hộ cho khái niệm thị trường hiệu quả đối với các thông tin kế toán được công bố

Kế thừa nghiên cứu của Tyler Shumway (2001) và Chava & Jarrow (2004), John

Y Campbell, Jens Hilscher và Jan Szilagyi (2008) đã tìm ra yếu tố quyết định sự thất bại của doanh nghiệp và sử dụng mô hình Logistic ước lượng khả năng kiệt quệ tài chính, mô hình sử dụng kết hợp các biến sổ sách và biến thị trường Các biến sổ sách được sử dụng bao gồm: lợi nhuận ròng trên giá trị thị trường tổng tài sản (NIMTA), lợi nhuận ròng trên giá trị sổ sách tổng tài sản (NITA), tổng nợ trên giá trị thị trường tổng tài sản (TLMTA), tổng nợ trên giá trị sổ sách tổng tài sản (TLTA), tiền và các khoản đầu tư ngắn hạn trên tổng tài sản (CASHMTA) và giá trị thị trường trên giá trị sổ sách của công ty (MB) Các biến thị trường được sử dụng bao gồm: log(TSSL vượt trội hàng tháng với TSSL của chỉ số S&P500), độ lệch chuẩn của tỷ suất sinh lợi cổ phần hàng ngày của mỗi công ty qua 3 tháng (SIGMA), quy mô (log(vốn hóa thị trường của công ty/vốn hóa của S&P500) và log(giá cổ phiếu) Kết quả nghiên cứu cho thấy, các công ty vay nợ nhiều, lợi nhuận thấp, vốn hóa thị trường thấp, tỷ suất sinh lời chứng khoán trong quá khứ thấp và có

nhiều biến động, nắm giữ lượng tiền mặt thấp, hệ số giá trị thị trường trên giá trị sổ sách của công ty cao và có giá cổ phiếu thấp sẽ có nguy cơ rơi vào tình trạng kiệt quệ tài chính hơn so với các công ty niêm yết khác Kết quả dự báo tình trạng kiệt quệ tài chính của công ty với thời gian là 1 năm, tuy nhiên khi dự báo ở một thời kỳ dài hơn thì các giá trị vốn hóa thị trường, hệ số giá trị thị trường trên giá trị sổ sách của công ty và biến động vốn cổ phần sẽ trở nên quan trọng hơn

John R Graham, Sonali Hazarika, Krishnamoorthy Narasimhan (2011) đã thu thập

dữ liệu của công ty công nghiệp niêm yết trên NYSE trong giai đoạn 1928 –1938 Mẫu nghiên cứu bao gồm 443 công ty phi tài chính Nhóm tác giả sử dụng dữ liệu bảng để ước lượng mô hình hồi quy Logistic Các biến giải thích được đưa vào mô hình bao gồm: giá trị thị trường trên giá trị sổ sách, lợi nhuận trên vốn chủ sở hữu,

độ lệch chuẩn biến động giá cổ phiếu 12 tháng, EBIT trên tổng tài sản, log (vốn hóa của công ty/vốn hóa toàn thị trường), tổng nợ trên giá trị sổ sách của tổng tài sản, xếp hạng tín dụng của công ty, chênh lệch giữa tài sản cố định đầu năm và cuối năm chia cho tài sản cố định đầu năm, tiền mặt, hàng tồn kho và các khoản phải thu chia cho tổng tài sản, số năm hoạt động của công ty, biến định tính nhận giá trị 1 nếu công ty thuộc lĩnh vực công nghiệp nặng và nhận giá trị 0 trong trường hợp ngược lại Kết quả nghiên cứu cho thấy, các công ty có đòn bẩy tài chính cao và mức xếp hạng trái phiếu thấp thì có khả năng rơi vào tình trạng kiệt quệ tài chính cao hơn các công ty khác Kết quả nghiên cứu cũng phù hợp với lý thuyết đánh đổi Ngoài ra, nghiên cứu còn cho thấy vai trò quan trọng của các cơ quan xếp hạng tín dụng trong việc dự báo kiệt quệ tài chính Mức độ đòn bẩy tài chính có tác động đến giá trị của công ty trong thời kỳ suy thoái Đối với các công ty sử dụng đòn bẩy tài chính cao thì giá trị của chúng giảm một nữa so với các công ty sử dụng đòn bẩy tài chính thấp Một trong những chú ý quan trọng nhất đó là chính sách hạn chế sử dụng nợ trong một nổ lực bảo vệ các cơ hội đầu tư mong manh của công ty có thể không đạt được hiệu quả như mong muốn

Các mô hình dự báo sử dụng kết hợp biến thị trường và biến sổ sách đã khắc phục các nhược điểm của các mô hình thuần biến sổ sách và đưa ra các xác suất dự báo

chính xác hơn Tầm quan trọng của việc sử dụng các biến thị trường đã được các nghiên cứu trong thời gian gần đây chứng minh Giá cả thị trường có thể thích hợp hơn để dự báo khả năng phá sản vì nó phản ánh kỳ vọng về dòng tiền trong tương lai của công ty và các biến thị trường có thể cung cấp một cách đánh giá trực tiếp của độ bất ổn (volatility), một cách đo lường mà có thể tăng sức mạnh về dự báo phá sản mà không có trong các báo cáo tài chính

2.2.4 Các nghiên cứu sử dụng biến chỉ tiêu kinh tế vĩ mô

Sự kết hợp của các biến dữ liệu vĩ mô vào các mô hình nhằm nắm bắt sự thay đổi trong môi trường kinh tế vĩ mô cũng trở nên quan trọng Các biến vĩ mô bổ sung thêm một yếu tố động trong mô hình Sự thay đổi trong các điều kiện kinh tế vĩ mô

sẽ tác động lên hoạt động của doanh nghiệp Ngoài Mare (2012); Nam, Kim, Park

và Lee (2008); Qu (2008), có rất ít các nghiên cứu kết hợp dữ liệu vĩ mô vào mô hình Gần đây, Tinoco và Wilson (2013) đã sử dụng thành công 2 biến vĩ mô bao gồm lạm phát và sự thay đổi trong lãi suất trong giai đoạn nghiên cứu của họ Trong luận văn này, tác giả cũng sử dụng các biến vĩ mô để nắm bắt sự thay đổi trong môi trường kinh tế tại Việt Nam trong giai đoạn nghiên cứu có ảnh hường gì đến khả năng hoạt động của doanh nghiệp

2.2.5 Các nghiên cứu sử dụng kết hợp biến tài chính, biến thị trường và biến kinh tế vĩ mô

Sự kết hợp của các biến dữ liệu vĩ mô vào các mô hình nhằm nắm bắt sự thay đổi trong môi trường kinh tế vĩ mô cũng trở nên quan trọng Các biến vĩ mô bổ sung thêm một yếu tố động trong mô hình Sự thay đổi trong các điều kiện kinh tế vĩ mô

sẽ tác động lên hoạt động của công ty

Sunti Tirapat và Aekkachai Nittayagasetwat (1997), mẫu nghiên cứu bao gồm các công ty niêm yết trên Sở giao dịch chứng khoán Thái Lan (SET) trải qua kiệt quệ tài chính trong năm 1997 Các công ty kiệt quệ tài chính được xác định trong bài nghiên cứu dựa theo một trong hai tiêu chí sau: các công ty bị đóng cửa bởi các cơ quan chính phủ (bao gồm ngân hàng và các công ty tài chính) hoặc có kế hoạch tái

cơ cấu được thông qua bởi NHTW Thái lan hay SET Có 459 công ty niêm yết tại

Sở giao dịch Chứng khoán Thái Lan vào năm 1996, trong đó có 55 công ty rơi vào tình trạng kiệt quệ tài chính theo các cách xác định trên Các công ty niêm yết lần đầu vào năm 1995 và các công ty có dữ liệu không đầy đủ bị loại trừ Mẫu kết quả bao gồm 341 công ty không bị kiệt quệ tài chính và 55 công ty kiệt quệ tài chính Bài nghiên cứu xây dựng mô hình dựa trên mối quan hệ tỷ suất sinh lời cổ phiếu công ty và khả năng kiệt quệ tài chính của công ty đó Nhưng vì tỷ suất sinh lời cổ phiếu thực của công ty phản ánh cả rủi ro hệ thống và rủi ro riêng biệt của công ty nên tác giả đã thực hiện làm hai bước:

- Bước thứ nhất, sử dụng mô hình đa yếu tố ước lượng tỷ suất sinh lời cổ phiếu hàng tháng của công ty i, Ri, và các hệ số β rủi ro của công ty i tương ứng với các biến số kinh tế vĩ mô, βk,i Các biến kinh tế vĩ mô đưa vào mô hình đa yếu tố lần lượt như sau: F1 là chỉ số tăng trưởng sản lượng sản xuất hàng tháng (PMI), F2 là thay đổi trong chỉ số giá tiêu dùng hàng tháng (CPI), F3 là thay đổi lãi suất hàng tháng (INT), F4 là thay đổi trong cung tiền M2 hàng tháng (MS2) Từ mô hình đa yếu tố trên tác giả tính toán tỷ suất sinh lời ước tính của từng cổ phiếu và β rủi ro của công ty i tương ứng với các biến số kinh tế vĩ mô, βk,i

- Bước thứ hai, tác giả ước lượng lần lượt hai mô hình Logistic Mô hình 1 sử dụng

tỷ suất sinh lời ước tính và mô hình sử dụng β rủi ro của công ty i tương ứng với các biến số kinh tế vĩ mô, kết hợp với các chỉ số tài chính phân loại dựa trên các tiêu chí của hệ thống đánh giá CAMEL Các biến số tài chính lần lượt như sau: X1 là tỷ lệ giá trị sổ sách của cổ phiếu trên tổng tài sản (SETA), X2 là tỷ lệ thu nhập giữ lại trên tổng tài sản (RETA), X3 là tỷ lệ lợi nhuận từ hoạt động kinh doanh trên lợi nhuận ròng (OINS), X4 là tỷ lệ vốn lưu động trên tổng tài sản (WCTA)

Kết quả nghiên cứu cho thấy, biến số SETA và tỷ suất sinh lời trong mô hình 1; biến số SETA và βcpi trong mô hình 2 là những biến quan trọng nhất và có ý nghĩa thống kê Như vậy, nghiên cứu của nhóm tác giả trên đã cho thấy có sự tác động của điều kiệu kinh tế vĩ mô đến xác suất rơi vào tình trạng kiệt quệ của các công ty

Campbell, Hilscher và Szilagyi (2008), xem xét các yếu tố quyết định đến khả năng kiệt quệ của một doanh nghiệp thông qua một mô hình Logit trong đó bao gồm các biến tài chính và thị trường Ngoài một tập hợp của 2 biến tài chính, một vài biến thị trường đã được kiểm định: log(TSSL vượt trội hàng tháng của doanh nghiệp với TSSL của S&P500), độ lệch chuẩn của TSSL hàng ngày của chứng khoán trong 3 tháng liên tiếp, quy mô của doanh nghiệp, đo bằng log(vốn hóa thị trường công doanh nghiệp/ vốn hóa của S&P500, và log(giá cổ phiếu)

Chava và Jarrow (2004), ngoài các biến tài chính của Altman (1968), các biến bao gồm trong nghiên cứu của Shumway (2001): biến tài chính, thu nhập ròng (Net Income) trên tổng tài sản, tổng nợ/ tổng tài sản; và các biến thị trường: quy mô tương đối của doanh nghiệp: Ln(giá trị thị trường vốn cổ phần của doanh nghiệp/ tổng giá trị thị trường của NYSE/AMEX), TSSL vượt trội hàng năm, được tính bằng, TSSL tích lũy hàng tháng trừ cho TSSL hàng tháng có trọng số của NYSE/AMEX và độ bất ổn của chứng khoán, được tính bằng, độ lệch chuẩn của 60 quan sát giá cổ phiếu theo tần suất hàng ngày

Christidis và Gregory (2010), theo cách của Campbell (2008) đã thử nghiệm 3 biến thị trường trong một mô hình dự báo kiệt quệ tài các công ty niêm yết tại Anh, bên cạnh cũng bao gồm một tập hợp các biến tài chính Đối với các biến thị trường, họ thay thế giá trị sổ sách của tài sản bằng giá trị thị trường và kiểm tra xem log(TSSL vượt trội nửa năm/TSSL của FTSE All Share Index) và độ lệch chuẩn của chứng khoán (tính trong giai đoạn 6 tháng) Phát hiện của họ cho thấy rằng, giá trị thị trường có khả năng tăng độ chính xác trong mô hình dự báo kiệt quệ tài chính Tinoco và Wilson (2013) sử dụng một mẫu gồm 23.218 quan sát hàng năm của các công ty được niêm yết ở UK trong giai đoạn 1980 – 2011 với sự kết hợp của dữ liệu tài chính, dữ liệu thị trường và dữ liệu vĩ mô để dự báo kiệt quệ tài chính và phá sản bằng mô hình Logistic Các biến số tỷ số tài chính thu thập từ dữ liệu kế toán bao gồm: tỷ số dòng tiền hoạt động kinh doanh trên tổng nợ, tỷ số tổng nợ trên tổng tài sản, tỷ số (tài sản ngắn hạn –hàng tồn kho – nợ ngắn hạn) trên chi phí hoạt động hàng ngày và tỷ số EBITDA trên chi phí lãi vay Các biến số thị trường: giá cổ

phiếu, tỷ suất sinh lợi vượt trội, quy mô công ty, tỷ số giá trị vốn hóa thị trường trên tổng nợ Các biến số kinh tế vĩ mô bao gồm: chỉ số giá bán lẻ và lãi suất tín phiếu kho bạc kỳ hạn ba tháng đã được điều chỉnh lạm phát Kết quả nghiên cứu cho thấy các biến số tỷ số tài chính có khả năng dự báo khá tốt tình trạng kiệt quệ tài chính của các công ty; các biến số kinh tế vĩ mô có đóng góp tích cực vào khả năng dự báo nói trên nhưng ở mức độ không cao và quan trọng nhất là các biến số tỷ số tài chính cho thấy đóng góp lớn nhất vào khả năng dự báo của mô hình Tuy nhiên, các loại biến số là không cạnh tranh loại trừ lẫn nhau trong việc đóng góp vào khả năng

dự báo của mô hình mà hoạt động bổ sung, hỗ trợ lẫn nhau

2.3 Các phương pháp phân tích sử dụng trong nghiên cứu

Trong giai đoạn đầu, Beaver (1960) là người đặt nền móng cho dự báo kiệt quệ thông qua việc phân tích các chỉ số tài chính đơn lẻ từ đó phân loại công ty kiệt quệ

và công ty không kiệt quệ Altman (1968) cho rằng mô hình dự báo kiệt quệ tài chính áp dụng kỹ thuật phân tích các chỉ số tài chính đơn lẻ thì quá đơn giản để ghi nhận tính phức tạp của sự phá sản bởi vì không thể phân loại một công ty chỉ dựa vào một chỉ số tài chính đơn lẻ ở một thời điểm Hơn nữa, phương pháp này dễ đưa

ra các kết luận mâu thuẫn và nhầm lẫn bởi vì các kết quả phân loại theo các tỷ số khác nhau là khác nhau đối với cùng một công ty Thay vào đó, Altman đã sử dụng

kỹ thuật phân tích đa biệt số (MDA – Multiple Discriminant Analysis) nhằm đưa

ra những dự báo chính xác hơn với sự kết hợp nhiều tỷ số Tuy nhiên, phương pháp MDA cũng hàm chứa trong nó những hạn chế nhất định: tỷ số Z được suy ra

từ một hàm tuyến tính, mà khi tỷ số này cao hơn hay thấp hơn một điểm giới hạn nào đó thì công ty được phân loại là không phá sản hay phá sản Trong thực tế thì một công ty có thể gặp phải vấn đề tài chính ngay cả khi các tỷ số là rất cao và rất thấp, hay nói cách khác các tỷ số này tuân theo một hàm phi tuyến Nhằm mục đích khắc phục những hạn chế của phương pháp MDA, mô hình thống kê xác suất có điều kiện (Logistic/Probit) đã được sử dụng thay thế phương pháp MDA Ohlson (1980); Shumway (2001); Altman & Sabato (2007); Campbell, Hilscher & Szilagyi (2008); Tinoco & Wilson (2013) đều áp dụng các mô hình thống kê xác suất có điều

kiện (Logistic/ Probit) Các mô hình xác suất có điều kiện cho phép ước lượng xác suất kiệt quệ tài chính của một công ty là biến phụ thuộc nhị phân Phần lớn các bài nghiên cứu cho thấy ước lượng với biến nhị phân bằng mô hình xác suất có điều kiện sẽ đạt được mức độ chính xác cao hơn trong dự báo kiệt quệ tài chính

Ngày nay với sự phát triển khoa học công nghệ và các nền nảng về trí thông minh nhân tạo, mô hình mạng thần kinh nhân tạo (Artificial Neural networks - ANN) bắt đầu áp dụng vào nghiên cứu dự báo kiệt quệ tài chính từ những năm đầu thập niên

90 Mô hình ANN là một công cụ hữu ích trong tài chính định lượng hiện đại và được biết đến như là một mô hình hóa thống kê hữu ích Tam (1991), áp dụng mô hình mạng thần kinh nhận tạo để dự báo phá sản cho các ngân hàng ở Texas Alfaro, E., García, N.,Gámez, M., &Elizondo, D (2008) đã xây dựng mô hình áp dụng mô hình mạng thần kinh nhân tạo trong nghiên cứu “Bankruptcy forecasting:

An empirical comparision of AdaBoost and neural networks” Tseng & Hu (2010) cũng áp dụng phương pháp này trong nghiên cứu “Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks” Tinoco & Wilson (2013) cũng sử dụng mô hình ANN để so sánh với kết quả dự báo theo mô hình Logistic Mô hình ANN có lợi thế là khắc phục các giả định trong các mô hình truyền thống, phương pháp này có thể phát hiện các mối quan hệ phi tuyến tính loại bỏ được các thông tin nhiễu thường xảy ra quá trình kiệt quệ và phá sản của công ty Tuy nhiên, các mô hình ANN thường phức tạp và trong khi một mô hình Logistic thì đơn giản hơn Chúng ta có thể hiểu, hoặc hình dung được những gì mà hồi quy Logit thực hiện trong khi điều đó thì rất khó với mô hình hồi quy mạng thần kinh nhân tạo Vì vậy, trong các nghiên cứu về dự báo kiệt quệ tài chính và phá sản, mô hình hồi quy Logit vẫn được sử dụng phổ biến hơn và trong bài luận văn này, tác giả chọn mô hình hồi quy Logit tương tự như Tinoco & Wilson (2013)

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Mô hình nghiên cứu

3.1.1 Mô hình hồi quy Logit

Mô hình hồi quy logit như sau: Cho (Y1, Y1), , (Yn, Xn) là một mẫu ngẫu nhiên từ một phân phối logit có điều kiện Tiếp theo, cho x1j, x2j xkj là k biến độc lập được biểu thị bằng vector x' Giả định rằng mỗi biến có thể đo được và giả định rằng xác suất có điều kiện mà biến kết quả có giá trị bằng 1 được ký hiệu là Pr (Y =

1 |x) = π(x) thì mô hình hồi quy logistic được biểu diễn là:

Để đơn giản, hãy xem xét tại các mô hình tương tự nhưng với chỉ một biến hồi quy độc lập Nó được gọi là logit bởi vì:

trong đó Xj là biến giải thích và α 0 và β 0 là các tham số chưa biết được ước tính,

và

là hàm phân phối của phân phối logistic (logit)

Nếu β 0 > 0 thì Pr[Yj = 1|Xj] = F(α 0 + β 0Xj) là một hàm tăng của Xj

Trong đó F’ là đạo hàm của

Do đó, tác động biên của Xj lên Pr[Yj = 1|Xj] thì phụ thuộc vào Xj

3.1.2 Độ phù hợp của mô hình Logit

Mục tiêu của phương pháp ML (maximum likelihood) là tối đa hóa giá trị của LLF (Log likelihood function) chứ không phải là tối thiểu hóa RSS (residual sum of squares) Do vậy, tiêu chuẩn như RSS, R2 không còn đúng với mô hình Logit Thay vào đó, có 2 cách đo lường mức độ phù hợp của mô hình hồi quy với biến phụ thuộc bị giới hạn:

 Đo lường sức mạnh dự báo (Measures of predictive power): cho thấy khả năng giải thích/ dự báo của các biến độc lập tới biến phụ thuộc

- Sử dụng R-square

Với L0 là likelihood của mô hình chỉ có hệ số chặn (only an intercept model) hay

mô hình không dự báo (no predictors) và LM là likelihood của mô hình logit

+ Pseudo- R2 (hay McFadden’s R2) = 1 - log(LM)/ log(L0)

+ Cox-Snell’s R2 = 1 - (L0/LM)2/n

+ Nagelkerke’s R2 = [(1 - (L0/LM)2/n)]/ [1-(L0)2/n]

Các giá trị R2 đều đo lường mức độ cải thiện khả năng dự báo của mô hình khi có các biến độc lập so với mô hình khi chỉ có tung độ góc và có ý nghĩa tương tự R2trong mô hình hồi quy tuyến tính

 Phân tích đường biểu diễn R.O.C (ROC curve)

+ Sử dụng AUC (Area Under the ROC Curve)

AUC (Area Under the ROC Curve) là vùng diện tích vùng từ dưới đường ROC cho

đến điểm có tọa độ (1,0) ở góc phải của đồ thị Altman và các cộng sự (2010) đã cho rằng “vùng dưới đường cong ROC (AUC) là một công cụ đo lường mức độ chính xác trong dự báo của mô hình, với giá trị bằng 1 đại diện cho một mô hình hoàn hảo” Hay nói cách khác, nếu đường ROC càng gần điểm (0,1) ở góc trái của

đồ thị thì khả năng dự báo của mô hình càng tốt Sau đó, sử dụng kiểm định phi tham số Mann - Whitney nhằm kiểm định xem sự khác nhau giữa các giá trị AUC

có thực sự khác nhau về mặt thống kê giữa các mô hình hay không

+ Sử dụng Gini rank coefficient

Theo Anderson (2007), hệ số Gini được các nhà phân tích đưa vào sử dụng như một công cụ đo đo lường ―một bảng phân loại có thể phân biệt giữa các quan sát tốt và các quan sát xấu hiệu quả đến mức độ nào Hệ số Gini được tính theo công thức (2*AUC -1) Một mô hình lý tưởng, tức là một mô hình phân loại hoàn hảo các quan sát tốt và các quan sát xấu, có hệ số Gini bằng 1

 Goodness of fit tests: sử dụng công cụ Hosmer-Lemeshow

Ragavan (2008) đã thực hiện, các đối tượng được chia thành xấp xỉ 10 nhóm theo phân vị Sự khác biệt giữa các quan sát và các quan sát kỳ vọng trong các nhóm sẽ tổng hợp trong thống kê Pearson chi-square, sau đó so sánh giá trị này với phân phối chi-square với bậc tự do là k (k là số nhóm trừ đi n) Một giá trị nhỏ của chi-square (<15) và một giá trị lớn của p-value (>0.05) gợi ý rằng mô hình phù hợp tốt với dữ liệu

Cả 2 phương pháp đều có những ưu nhược điểm khác nhau Có những mô hình R2cao, trong khi kiểm định goodness of fit tests rất tệ Ngược lại, một số mô hình kiểm định Goodness of fit cho kết quả rất tốt trong khi R2 rất thấp

3.2 Dữ liệu nghiên cứu

3.2.1 Lựa chọn mẫu và dữ liệu

Để xem xét khả năng dự báo tình trạng kiệt quệ tài chính của các công ty thông qua các biến số tỷ số tài chính, chỉ báo kinh tế vĩ c ũ n g n h ư c á c những biến số thị trường với các công ty trên thị trường chứng khoán Việt Nam, tác giả đã chọn

ra các công ty phi tài chính có niêm yết tại Sở giao dịch chứng khoán thành phố

Hồ Chí Minh và Sở giao dịch chứng khoán thành phố Hà Nội Dữ liệu của bài

nghiên cứu được thu thập chủ yếu từ nguồn dữ liệu của Vietstock và Tổng cục thống

kê Việt Nam Mẫu được chọn trong vòng 8 năm 2008 đến 2015, gồm 2088 quan sát công ty - năm

Ứng với mỗi công ty có mặt trong mẫu, tác giả tiến hành thu thập các dữ liệu sau:

 Dữ liệu kế toán (Bảng CĐKT, Kết quả HĐK và Lưu chuyển tiền tệ): Dữ liệu kế toán hàng năm của các công ty được trích xuất từ cơ sở dữ liệu của Vietstock và VCBS, sau đó tác giả kiểm tra lại với các BCTC được các công ty công bố, không có bất kỳ sai lệch đáng kể nào

 Dữ liệu vĩ mô: tác giả tham chiếu số liệu trong các báo cáo của Tổng cục thống kê, số liệu của Ngân hàng Nhà Nước Việt Nam

 Dữ liệu thị trường: Giá cổ phiếu, giá của chỉ số thị trường được thu thập từ

cơ sở dữ liệu của Vietstock và VCBS là giá đóng cửa

 Các dữ liệu liên quan khác: tác giả tham khảo website của các doanh nghiệp hoặc các bản cáo bạch niêm yết của từng doanh nghiệp và website của SGDCK TP Hồ Chí Minh (HOSE) và SGDCK Hà Nội (HNX)

Các tài liệu trên được sử dụng để tính toán cho các biến trong luận văn được trình bày dưới đây

3.2.2 Xác định tình trạng kiệt quệ tài chính - Biến phụ thuộc của mô hình (FD)

Trong bài luận văn, mẫu quan sát bao gồm các công ty kiệt quệ tài chính và các công ty không bị kiệt quệ tài chính, biến FD là biến phụ thuộc nhị phân nhận giá trị

0 cho những công ty không bị kiệt quệ tài chính và 1 là cho các công ty bị kiệt quệ tài chính Trong luận văn này, tác giả phân loại một quan sát có rơi vào tình trạng kiệt quệ tài chính hay không dựa trên đề xuất trong nghiên cứu của Pindado cùng cộng sự (2008) và Tinoco cùng Wilson (2013) Tuy nhiên, khi tác giả xem xét mẫu nghiên cứu là các công ty phi tài chính tại Việt Nam, điều kiện tương tự như nghiên cứu của Pindado cùng cộng sự (2008) và Tinoco cùng Wilson (2013) thì có rất ít các công ty rơi vào tình trạng kiệt quệ tài chính Trong khi đó, Andrade và Kaplan

(1998), trong nghiên cứu “How costly is financial not economic distress? Evidence

from highly leveraged transactions that became distressed”, đã xác định một doanh

nghiệp rơi vào trạng thái kiệt quệ tài chính ngay tại năm đầu tiên khi mà EBITDA

thấp hơn chi phí tài chính Whitaker (1999) trong nghiên cứu “The early stages of

financial distress”, cũng định nghĩa một doanh nghiệp kiệt quệ tài chính ngay tại

năm đầu tiên mà dòng tiền doanh Nghiệp tạo ra không đủ để đáo hạn các khoản nợ

dài hạn Theo Asquith, Gertner, Scharfstein (1994) trong nghiên cứu: “Anatomy of

financial distress: An examination of junk-bond issuers”, đã xác định tình trạng kiệt

quệ tài chính của một doanh nghiệp có thể xem xét khi EBITDA thấp hơn 80% chi phí tài chính của doanh nghiệp đó trong một vài trường hợp Điều này cho thấy một

sự linh động trong việc xác định tình trạng kiệt quệ tài chính của một doanh nghiệp Chính vì thế, tác giả phân loại một công ty được phân loại là kiệt quệ tài chính khi đáp ứng cả hai điều kiện sau:

- Bất cứ khi nào EBITDA của công ty thấp hơn chi phí lãi vay ngay tại năm quan sát

- Bất cứ khi nào công ty phải chịu một sự tăng trưởng âm trong giá trị thị trường trong hai năm liên tiếp