Luận án Tiến sĩ Tài chính Ngân hàng: Nghiên cứu cách tiếp cận kế toán và cách tiếp cận thị trường trong dự báo vỡ nợ của doanh nghiệp Việt Nam.

Nghiên cứu đã hệ thống các phương pháp hiện đang được sử dụng để dự báo vỡ nợ doanh nghiệp, giúp cho các nhà nghiên cứu trong lĩnh vực này có cái nhìn toàn cảnh và đầy đủ về cơ sở lý luận dự báo vỡ nợ doanh nghiệp Việt Nam. Nghiên cứu sử dụng phương pháp kiểm định MCC và phương pháp kiểm định ROC để so sánh khả năng dự báo của một số mô hình dự báo vỡ nợ doanh nghiệp Việt Nam theo cách tiếp cận kế toán và tiếp cận thị trường đồng thời nghiên cứu đã sử dụng phương pháp phỏng vấn sâu với các chuyên gia để củng cố các kết luận về tính ứng dụng và hiệu quả của từng phương pháp dự báo nhằm gia tăng độ tin cậy của kết quả nghiên cứu. Nghiên cứu góp phần cho các nhà quản lý đưa ra các quy định liên quan tới dự báo vỡ nợ doanh nghiệp theo hướng minh bạch hóa các thông tin dự báo cho các nhà đầu tư, chủ nợ và các đối tượng liên quan.

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

Hà Nội, Năm 2019

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN

- -

NGHIÊN CỨU CÁCH TIẾP CẬN KẾ TOÁN VÀ CÁCH TIẾP CẬN THỊ TRƯỜNG TRONG DỰ BÁO

VỠ NỢ CỦA DOANH NGHIỆP VIỆT NAM

Chuyên ngành: TÀI CHÍNH - NGÂN HÀNG

LỜI CAM KẾT

Tôi đã đọc và hiểu về các hành vi vi phạm sự trung thực trong học thuật Tôi cam kết bằng danh dự cá nhân rằng chuyên đề này do tôi tự thực hiện và không vi phạm yêu cầu về sự trung thực trong học thuật

Hà Nội, ngày tháng năm 2019

Nghiên cứu sinh

Đinh Đức Minh

MỤC LỤC

LỜI CAM KẾT i

MỤC LỤC ii

DANH MỤC CÁC TỪ VIẾT TẮT iv

DANH MỤC BẢNG v

DANH MỤC HÌNH vi

PHẦN MỞ ĐẦU 1

CHƯƠNG 1: TỔNG QUAN NGHIÊN CỨU 8

1.1 Nghiên cứu dự báo vỡ nợ doanh nghiệp theo cách tiếp cận kế toán 8

1.1.1 Nghiên cứu theo cách tiếp cận kế toán trên thế giới 8

1.1.2 Nghiên cứu theo cách tiếp cận kế toán tại Việt Nam 25

1.2 Nghiên cứu dự báo vỡ nợ doanh nghiệp theo cách tiếp cận thị trường 30

1.2.1 Nghiên cứu theo cách tiếp cận thị trường trên thế giới 30

1.2.2 Một số nghiên cứu mô hình KMV- Merton tại Việt Nam 39

1.3 Các nghiên cứu so sánh cách tiếp cận kế toán và tiếp cận thị trường trong dự báo vỡ nợ doanh nghiệp 41

1.4 Kết luận Chương 1 43

CHƯƠNG 2: CỞ SỞ LÝ LUẬN VỀ DỰ BÁO VỠ NỢ CỦA DOANH NGHIỆP 44 2.1 Vỡ nợ doanh nghiệp 44

2.1.1 Khái niệm vỡ nợ và phá sản doanh nghiệp 44

2.1.2 Đặc điểm của rủi ro vỡ nợ 46

2.1.3 Nhân tố ảnh hưởng tới khả năng vỡ nợ của doanh nghiệp 48

2.1.4 Ngưỡng vỡ nợ doanh nghiệp 50

2.2 Mô hình dự báo vỡ nợ doanh nghiệp 52

2.2.1 Mô hình theo cách tiếp cận kế toán 52

2.2.2 Mô hình dự báo theo thị trường 58

2.4 Kết luận Chương 2 67

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 68

3.1 Thiết kế nghiên cứu 68

3.2 Thu thập dữ liệu 77

3.2.1 Dữ liệu nghiên cứu 77

3.2.2 Phương pháp phỏng vấn sâu 77

3.3 Kết luận Chương 3 80

CHƯƠNG 4 ÁP DỤNG MÔ HÌNH THEO CÁCH TIẾP CẬN KẾ TOÁN VÀ THỊ TRƯỜNG TRONG DỰ BÁO VỠ NỢ DOANH NGHIỆP 81

4.1 Tình hình hoạt động các doanh nghiệp niêm yết tại HOSE giai đoạn 2014-2016 81

4.1.1 Khái quát về các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam 81

4.1.2 Tình hình doanh nghiệp niêm yết tại HOSE trong giai đoạn 2014-2017 89

4.2 Áp dụng mô hình dự báo vỡ nợ đối với các doanh nghiệp trên HOSE 91

4.2.1 Áp dụng mô hình và các kết quả 91

4.2.2 Đánh giá qua kết quả kiểm định 93

4.3 Phân tích các kết quả thu được 96

4.4 Kết luận Chương 4 97

CHƯƠNG 5 MỘT SỐ KHUYẾN NGHỊ VÀ KIẾN NGHỊ 98

5.1 Một số khuyến nghị nâng cao hiệu quả sử dụng mô hình dự báo 98

5.1.1 Nâng cao chất lượng dữ liệu đầu vào của mô hình 98

5.1.2 Cải tiến mô hình lượng hóa đo lường khả năng trả nợ 100

5.1.3 Xây dựng hệ thống dữ liệu dự báo vỡ nợ doanh nghiệp 103

5.1.4 Phổ biến kiến thức về mô hình đo lường vỡ nợ doanh nghiệp 104

5.1.5 Hoàn hiện các ứng dụng từ các mô hình dự báo vỡ nợ doanh nghiệp 104

5.1.6 Tăng cường nhận thức sử dụng mô hình dự báo vỡ nợ doanh nghiệp 104

5.2 Kiến nghị 109

5.2.1 Đối với Chính Phủ 109

5.2.2 Đối với Ngân hàng nhà nước 110

5.2.3 Đối với Ủy Ban Chứng Khoán Quốc Gia 113

PHẦN KẾT LUẬN 115

DANH MỤC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ 117

DANH MỤC TÀI LIỆU THAM KHẢO 118

PHỤ LỤC 1: DANH SÁCH GỬI Ý KIẾN CÁC CHUYÊN GIA 126

PHỤ LỤC 2: BẢNG KẾT QUẢ THEO CHỈ SỐ Z-SCORE, KMV VÀ THỰC TẾ 128

PHỤ LỤC 3: KẾT QUẢ KIỂM ĐỊNH CHỈ SỐ Z-SCORE VÀ KMV THEO PHƯƠNG PHÁP ROC 162

DANH MỤC CÁC TỪ VIẾT TẮT

BCĐKT : Bảng cần đối kế toán BCTC : Báo cáo tài chính CIC : Trung tâm thông tin tín dụng Quốc Gia Việt Nam CNTT : Công nghệ thông tin

CSH : Chủ sở hữu DNNN : Doanh nghiệp nhà nước

GTSS : Giá trị sổ sách GTTT : Giá trị thị trường

TCTD : Tổ chức tín dụng TSNH : Tài sản ngắn hạn TTS : Tổng tài sản

UBCKQG : Ủy ban chứng khoán Quốc Gia

VCSH : Vốn chủ sử hữu VLĐ : Vốn lưu động

XHTD : Xếp hạng tín dụng

DANH MỤC BẢNG

Bảng 2.1: Bảng xếp hạng tín dụng theo giá trị vỡ nợ 66

Bảng 3.1: Bảng dữ liệu để tính toán giá trị Z-Score 68

Bảng 3.2: Bảng dữ liệu để tính toán giá trị MKV 69

Bảng 3.3: Bảng Ma trận nhầm lẫn (Confusion matrix) 73

Bảng 3.4: Phân loại AU ROC 76

Bảng 3.5: Số Doanh nghiệp nghiên cứu trên Sở GDCK TP HCM năm 2014-2016 77

Bảng 4.1: Số lượng doanh nghiệp niêm yết một số ngành chủ đạo trên HNX và HOSE 85

Bảng 4.2 Danh sách các doanh nghiệp huỷ niêm yết do thua lỗ trên HOSE năm 2015 86

Bảng 4.3 Danh sách các doanh nghiệp huỷ niêm yết do thua lỗ trên HNX năm 2015 87

Bảng 4.4 Quy mô thị trường chứng khoán giai đoạn 2016 - 2017 88

Bảng 4.5 Hoạt động của các doanh nghiệp niêm yết giai đoạn 2016 - 2017 89

Bảng 4.6 Giao dịch toàn thị trường qua các năm (2014, 2015, 2016, 2017) 89

Bảng 4.7 Danh sách hủy niêm yết trên HOSE do thua lỗ năm 2015 – 2017 90

Bảng 4.8: Bảng tổng hợp kết quả sử dụng mô hình Z-Score (1968) và Z – Score (1993) 91

Bảng 4.9: Bảng Ma trận nhầm lẫn (Confusion matrix) theo Z-Score (1968) 91

Bảng 4.10: Bảng Ma trận nhầm lẫn (Confusion matrix) theo Z-Score (1993) 92

Bảng 4.11: Bảng tổng hợp kết quả sử dụng mô hình KMV 92

Bảng 4.12: Bảng Ma trận nhầm lẫn (Confusion matrix) theo KMV 93

Bảng 4.13: Bảng kết quả tính toán hệ số tương quan 93

DANH MỤC HÌNH

Hình 1.1 Khái niệm cơ bản của mô hình Merton 32

Hình 1.2 Vị thế tương đương khi nắm giữ nợ 34

Hình 2.1 Phân phối rủi ro của vỡ nợ và rủi ro thị trường 47

Hình 2.2 Khái niệm cơ bản của mô hình Merton 59

Hình 2.3 Vị thế tương đương khi nắm giữ nợ 60

Hình 2.4 Khái niệm cơ bản mô hình KMV 64

Hình 2.5 Đồ thị mối quan hệ giữa EDF và DD 65

Hình 3.1 Đường cong ROC 75

Hình 3.2 Diện tích dưới đường ROC 76

Hình 4.1 Một số chỉ tiêu tài chính và tốc độ tăng trưởng của doanh nghiệp niêm yết 2010 - 2015 83

Hình 4.2 ROA, ROE của doanh nghiệp niêm yết từ 2010- 2015 83

Hình 4.3: Đường cong ROC kiểm định Z-score (1993) 94

Hình 4.4: Đường cong ROC kiểm định KMV 95

PHẦN MỞ ĐẦU

1 Sự cần thiết của nghiên cứu

Vỡ nợ doanh nghiệp là kết cục không mong đợi, nó ành hưởng trực tiếp tới quyền lợi, nghĩa vụ các nhà đầu tư, chủ nợ, người lao động và các đối tượng có liên quan Việc tìm ra phương pháp dự báo sớm và chính xác vỡ nợ doanh nghiệp được các nhà khoa học, các nhà quản lý ngày càng quan tâm do ảnh hưởng sâu, rộng và xử

lý hậu quả rất khó khăn từ các vụ vỡ nợ doanh nghiệp Việc đánh giá năng lực doanh nghiệp đặc biệt là dự báo vỡ nợ doanh nghiệp đóng vai trò quan trọng cho cả các nhà quản lý nhà nước, các NHTM, các đối tác liên quan để thúc đẩy sản xuất, kinh doanh cũng như các biện pháp để đảm bảo hoạt động ổn định, phát triển

Tại Việt Nam, các doanh nghiệp tham gia mới và ngừng kinh doanh có biến động lớn Theo Tổng cục Thống kê, số doanh nghiệp được cập nhật vào thời điểm 31/12/2017 trên phạm vi cả nước ước tính là 561.064 doanh nghiệp Trong năm 2018,

cả nước có 131.275 doanh nghiệp thành lập mới với số vốn đăng ký là 1.478.101 tỷ đồng, tăng 3,5% về số doanh nghiệp và tăng 14,1% về số vốn đăng ký Tuy nhiên trong năm 2018, số doanh nghiệp đăng ký tạm ngừng kinh doanh có thời hạn của cả nước là 27.126 doanh nghiệp, tăng 25,1% so với cùng kỳ năm 2017 nâng tổng số lũy

kế các doanh nghiệp tạm ngừng hoạt động, chờ giải thể và phá sản trong gần 100.000 doanh nghiệp Theo con số của Ủy ban Giám sát Tài chính Quốc gia thì con số nợ xấu của hệ thống công bố tháng 12/2017 thì nợ xấu toàn hệ thống ngân hàng là 9,3%

và nếu phân loại theo đúng chuẩn mực Bass II thì con số còn cao hơn Chính vì vậy Quốc hội ban hành NQ số 42/2017/QH14, Chính phủ ban hành QĐ số 1058/QĐ-TTg của Thủ tướng chính phủ về xử lý nợ xấu giai đoạn 2016-2020 trong đó triển khai đồng bộ các giải pháp cơ cấu lại hệ thống các tổ chức tín dụng gắn với xử lý nợ xấu Đối với các tổ chức tín dụng thì việc nâng cao năng lực quản trị rủi ro tín dụng thì cần lượng hóa mức độ rủi ro trong từng khâu cấp tín dụng trong đó việc cần thiết phải sử dụng các mô hình dự báo vỡ nợ đối với các doanh nghiệp

Việc đưa các mô hình dự báo vỡ nợ vào trong quy trình đánh giá để hỗ trợ định mức tín nhiệm hay ra quyết định tín dụng ở các TCTD cũng không còn quá mới lạ trên thế giới, thậm chí còn là một các bước quan trọng trong quy trình đánh giá doanh nghiệp Tính tới thời điểm hiện tại cũng có rất nhiều nghiên cứu về các phương pháp

đo lường vỡ nợ doanh nghiệp có thể kể đến như cách tiếp cận kế toán (tiêu biểu là

mô hình Z-Score, Logit, Probit ), cách tiếp cận thị trường (tiêu biểu là mô hình cấu

trúc, mô hình KMV ) hay phương pháp mạng Nơ-ron nhân tạo Tuy nhiên, các nghiên cứu dự báo vỡ nợ doanh nghiệp chủ yếu theo cách tiếp cận kế toán và cách tiếp cận thị trường như Altman (1968), Zhou & Zhao (2006), Porporato & Sandin (2007), Cerovac & Ivicic (2009), Ann - Katrin Napp (2011) Cũng có một số nhà nghiên cứu trên thế giới so sánh hai phương pháp dự báo vỡ nợ theo cách tiếp cận kế toán và theo cách tiếp cận thị trường với các số liệu doanh nghiệp cụ thể tại các nước khác nhau như Mei - Ying Liu et al (2011); Vinet Agarwal and Richard Taffler (2008) Hiện các nghiên cứu vẫn đi tìm lời giải đáp về sử dụng phương pháp nào hiệu quả hơn, hay cần sự phối hợp bổ trợ giữa hai phương để dự báo vỡ nợ doanh nghiệp

Dự báo nguy cơ vỡ nợ bằng các mô hình dự báo tại các nước được nghiên cứu,

áp dụng rộng rãi trong khi các nghiên cứu và áp dụng tại Việt Nam chưa được chú trọng Các dự báo vỡ nợ hiện phần nhiều vẫn sử dụng các phương pháp định tính do tính chính xác của thông tin đầu vào, thói quen sử dụng phương pháp truyền thống… Cùng với xu thế minh bạch hóa số liệu và các tiêu chuẩn áp dụng dần được chuẩn hóa theo các tiêu chuẩn quốc tế, các tổ chức tín dụng tại Việt Nam dần áp dụng các chuẩn mực theo các chuẩn mực quốc tế như Basel Bản thân các tổ chức tín dụng được phép lựa chọn, sử dụng phương pháp xếp hạng nội bộ cho các doanh nghiệp vay vốn để thiết lập chi phí vốn đối với các rủi ro tín dụng của các danh mục đầu tư của mình thì các

dự báo vỡ nợ phải được lượng hóa, việc áp dụng mô hình để dự báo vỡ nợ đối với các doanh nghiệp

Hiện đã có một số các nghiên cứu mô hình vào dự báo vỡ nợ đối với các doanh nghiệp tại Việt Nam có áp dụng các mô hình theo cách tiếp cận kế toán và cách tiếp cận thị trường Tuy nhiên vẫn cần thêm nhiều các nghiên cứu sâu hơn với nhiều góc cạnh để có thể áp dụng vào thực tiễn dự báo vỡ nợ doanh nghiệp tại Việt Nam trong

đó cần thiết phải có những nghiên cứu một cách toàn diện về dự báo vỡ nợ doanh nghiệp đồng thời bằng hai phương pháp kế toán và phương pháp thị trường Đối với các doanh nghiệp Việt Nam thì dự báo vỡ nợ bằng phương pháp truyền thống kế toán

có chính xác không hay cần phải thêm các phương pháp khác như phương pháp thị trường, phương pháp thị trường so với phương pháp kế toán thì phương pháp nào dự báo vỡ nợ doanh nghiệp tốt hơn tại thị trường Việt Nam Trong điều kiện Việt Nam hội nhập kinh tế quốc tế, các hoạt động kinh doanh của doanh nghiệp chịu tác động

và ảnh hưởng mạnh mẽ bởi thông lệ quốc tế thì lượng hóa các vấn đề rủi ro là xu thế tất yếu Việc nghiên cứu một mô hình lượng hóa áp dụng dự báo vỡ nợ cho các doanh

Việt Nam được sự quan tâm của không chỉ các nhà nghiên cứu mà còn đối với các đối tượng sử dụng kết quả của nghiên cứu

Chính vì vậy, Nghiên cứu sinh đã lựa chọn đề tài “Nghiên cứu cách tiếp cận kế

toán và cách tiếp cận thị trường trong dự báo vỡ nợ của doanh nghiệp Việt Nam”

là đề tài Luận án Tiến sĩ của mình

2 Mục tiêu nghiên cứu

Mục tiêu tổng quát của nghiên cứu là so sánh, lựa chọn cách tiếp cận phù hợp

để dự báo vỡ nợ doanh nghiệp Việt Nam từ đó đưa ra các giải pháp nâng cao hiệu quả

sử dụng mô hình dự báo Từ mục tiêu tổng quát trên, các mục tiêu cụ thể của Luận án như sau:

- Nghiên cứu đưa ra cơ sở lý luận về vỡ nợ và dự báo vỡ nợ doanh nghiệp, áp dụng cơ sở lý luận về dự báo vỡ nợ đối với các doanh nghiệp Việt Nam

- Tập trung nghiên cứu khả năng dự báo vỡ nợ bằng hai cách tiếp cận: kế toán qua một số mô hình kế toán tiêu biểu và cách tiếp cận thị trường bằng mô hình KMV từ đó kiểm định sự chính xác của mô hình áp dụng đối với các doanh nghiệp Việt Nam

- Các giải pháp nhằm nâng cao hiệu quả sử dụng mô hình dự báo và một số kiến nghị hạn chế vỡ nợ cho các doanh nghiệp Việt Nam

3 Câu hỏi nghiên cứu

Luận án hướng tới việc nghiên cứu và giải đáp câu hỏi cho mục tiêu tổng quát và mục tiêu cụ thể như sau:

Phương pháp tiếp cận nào phù hợp với dự báo vỡ nợ doanh nghiệp Việt Nam và vận dụng thực tiễn trong dự báo vỡ nợ doanh nghiệp Việt Nam?

Về câu hỏi cụ thể:

- Các mô hình sử dụng theo phương pháp cận kế toán và tiếp cận thị trường khi

áp dụng để dự báo vỡ nợ doanh nghiệp Việt Nam có hiệu quả không?

- Với hiện trạng doanh nghiệp Việt Nam hiện nay, áp dụng mô hình như nào cho phù hợp và hiệu quả?

- Qua kết quả thực nghiệm, các giải pháp và kiến nghị đưa ra nhằm áp dụng hiệu quả mô hình dự báo vỡ nợ đối với các doanh nghiệp Việt Nam?

4 Đối tượng và phạm vi nghiên cứu

* Đối tượng nghiên cứu: luận án nghiên cứu về các phương pháp dự báo vỡ nợ doanh nghiệp, khả năng dự báo vỡ nợ doanh nghiệp bằng phương pháp kế toán và phương pháp thị trường thông qua lý luận và kiểm chứng thực tiễn đối các doanh nghiệp Việt Nam

* Phạm vi nghiên cứu:

- Về nội dung nghiên cứu: đề tài áp dụng lý thuyết về vỡ nợ, dự báo vỡ nợ, áp dụng phương pháp kế toán bằng mô hình Z-Score và phương pháp thị trường bằng mô hình KMV đối với các doanh nghiệp niêm yết tại Sở giao dịch Chứng khoán Hồ Chí Minh (HOSE) loại trừ đối với các doanh nghiệp là các tổ chức tín dụng

- Về không gian nghiên cứu: đề tài nghiên cứu dự báo vỡ nợ đối các doanh nghiệp

cổ phần tại Việt Nam có liên hệ đối với các kết quả dự báo vỡ nợ của các nước

- Về thời gian nghiên cứu: Thông qua các số liệu kế toán và thị trường của các doanh nghiệp Sở giao dịch Chứng khoán Hồ Chí Minh (HOSE) trong 3 năm từ 2014-

2016 để dự báo vỡ nợ doanh thông qua việc áp dụng phương pháp dự báo kế toán và phương pháp dự báo thị trường Nghiên cứu sử dụng số liệu thống kê thực tế các doanh nghiệp vỡ nợ hay không vỡ nợ theo phân loại tại thời điểm sau 1 năm so với

số liệu tính toán từ mô hình dự báo

5 Phương pháp nghiêu cứu

Nghiên cứu thu thập số liệu từ các báo cáo tài chính và dữ liệu thị trường của các của các doanh nghiệp đang niêm yết tại Sở giao dịch Chứng khoán Hồ Chí Minh (HOSE) qua các thời kỳ để có các phân tích đánh giá và lấy số liệu từ năm 2014-2016 để thử nghiệm phương pháp tiếp cận kế toán với mô hình Z-Score và tiếp cận thị trường với

mô hình KMV Từ kết quả thu được từ việc sử dụng mô hình, đối chiếu với kết quả phân loại thực tế khi sử dụng phương pháp MCC và phương pháp ROC để đánh giá hiệu quả của từng mô hình

Nghiên cứu cũng tiến hành phỏng vấn sâu với các chuyên gia, các nhà quản lý

về hiện trạng sử dụng các mô hình dự báo vỡ nợ doanh nghiệp để tăng thêm các nhận định và đưa ra các giải pháp nâng cao hiệu quả sử dụng phương pháp dự báo vỡ nợ doanh nghiệp

6 Thiết kế nghiên cứu

Bước 1:

Tổng quan nghiên cứu trên thế giới và trong nước để đưa ra định hướng nghiên cứu dự báo vỡ nợ doanh nghiệp bằng phương pháp tiếp cận kế toán và tiếp

cận thị trường

Bước 2:Khung nghiên cứu theo cách tiếp cận

kế toán và tiếp cận thị trường trong dự báo vỡ nợ

doanh nghiệp

Bước 3: Thảo luận kết quả nghiên cứu

Bước 4: Khuyến nghị và kiến nghị

nghiệp Việt Nam

Từ tổng quan nghiên cứu, cơ sở lý luận

về dự báo vỡ nợ doanh nghiệp và thực

tế công tác dự báo vỡ nợ doanh nghiệp Việt Nam thiết kế chương trình phỏng vấn sâu với các chuyên gia, nhà quản lý

Dùng phương pháp MCC và ROC để

so sánh kết quả với thực tế từ việc tính

toán theo hai phương pháp áp dụng cho

dự báo vỡ nợ doanh nghiệp Việt Nam

7 Những đóng góp của Luận án

Luận án dự kiến có các đóng góp sau:

* Về mặt lý luận: Vỡ nợ doanh nghiệp đã được các nước phát triển nghiên cứu

nhiều tuy nhiên các năm gần đây các nước có nền kinh tế đang phát triển như Trung Quốc, Thái Lan mới có một số các nghiên cứu Ở Việt Nam hiện chưa nhiều các nghiên cứu về dự báo vỡ nợ doanh nghiệp hoặc các nghiên cứu vẫn chỉ ở một góc cạnh và cần

có nhiều bổ sung cho đầy đủ hệ thống lý luận nghiên cứu về dự báo vỡ nợ doanh nghiệp

Các đóng góp cụ thể về mặt lý luận:

-Việc nghiên cứu dự báo vỡ nợ theo hai phương pháp tiếp cận kế toán và cách tiếp cận thị trường đối với các doanh nghiệp Việt Nam một cách có hệ thống giúp cho các nghiên cứu sau này có một nền tảng lý luận cho việc lựa chọn mô hình nghiên cứu

về vỡ nợ doanh nghiệp tại Việt Nam

- Nghiên cứu cũng đề xuất về cách xác định ngưỡng vỡ nợ đối với các doanh nghiệp Việt Nam Việc đề xuất này sẽ là cơ sở cho các nghiên cứu, các nhà xây dựng luật pháp vận dụng, các quy trình áp dụng cho các đối tượng phải sử dụng dự báo vỡ nợ doanh nghiệp trong nghiệp vụ của mình

- Việc áp dụng phương pháp lượng hóa hiệu quả bằng mô hình dự báo vỡ nợ kết hợp với phương pháp phỏng vấn các chuyên gia để tăng tính tin cậy của kết quả

Về mặt thực tiễn:

- Nghiên cứu góp phần cho các nhà quản lý tại Việt Nam đưa ra các quy định liên quan tới dự báo vỡ nợ doanh nghiệp theo hướng minh bạch hóa các thông tin dự báo cho các nhà đầu tư, chủ nợ và các đối tượng liên quan

- Trên cơ sở lý luận và các nghiên cứu về điểm vỡ nợ, Luận án đưa ra ý kiến áp dụng điểm vỡ nợ các doanh nghiệp Việt Nam có thể vận dụng cho việc xây dựng mô hình vỡ nợ doanh nghiệp của mình

- Từ cơ sở các kết quả của thực nghiệm, nghiên cứu cũng đưa ra các khuyến nghị nhằm hiệu quả sử dụng dự báo vỡ nợ cũng như các một số khuyến nghị để hạn chế vỡ

nợ đối với các doanh nghiệp Việt Nam

8 Kết cấu của Luận án

Ngoài Phần mở đầu, Kết luận thì luận án được phân thành 5 chương chính được kết cấu như sau:

Chương 1: Tổng quan nghiên cứu

Chương 2: Cơ sở lý luận về dự báo vỡ nợ của doanh nghiệp

Chương 3: Phương pháp nghiên cứu

Chương 4: Áp dụng cách tiếp cận kế toán và cách tiếp cận trị trường trong dự báo vỡ nợ doanh nghiệp

Chương 5: Các khuyến nghị và kiến nghị

CHƯƠNG 1:

TỔNG QUAN NGHIÊN CỨU 1.1 Nghiên cứu dự báo vỡ nợ doanh nghiệp theo cách tiếp cận kế toán

1.1.1 Nghiên cứu theo cách tiếp cận kế toán trên thế giới

Phương pháp nghiên cứu vỡ nợ theo cách tiếp cận kế toán sử dụng biến độc lập

là chỉ số tính từ báo cáo tài chính của doanh nghiệp để tính điểm vỡ nợ hoặc xác suất vỡ

nợ (probability of default) từ đó phân loại các doanh nghiệp không vỡ nợ, có nguy cơ

vỡ nợ và doanh nghiệp vỡ nợ Trong cách tiếp cận này có nhiều phương pháp được phát triển trong đó có thể kể đến như: Mô hình tuyến tính đo lường xác suất (Linear probability model) gồm mô hình đơn biến của Beaver's (1966) hay mô hình đa biến của Altman's (1968), mô hình probit Ohlson's (1980), mô hình probit Zmijewski's (1984)

* Mô hình phân tích đơn biến:

Dự báo vỡ nợ doanh nghiệp là chủ đề nghiên cứu được quan tâm kể từ công trình nghiên cứu của Beaver (1966) Mặc dù dự báo vỡ nợ doanh nghiệp đã được thực hiện trước Beaver nhưng các nhà nghiên cứu còn thiếu phương pháp tiếp cận chặt chẽ Beaver

đi tiên phong trong nghiên cứu thực nghiệm về dự báo vỡ nợ doanh nghiệp sử dụng phân tích đơn biến các tỷ số tài chính đối với các doanh nghiệp vỡ nợ và doanh nghiệp không

vỡ nợ Công trình nghiên cứu của Beaver được coi là bước ngoặt cho các nghiên cứu về phân tích tỷ số trong tương lai (Horrigan, 1968) Trong phân tích đơn biến, các dự báo

vỡ nợ doanh nghiệp được dựa trên một tỷ số tài chính đơn lẻ Beaver định nghĩa vỡ nợ

là việc một doanh nghiệp mất khả năng chi trả cho các khoản nợ đến hạn Trái phiếu cố định, tài khoản thấu chi ngân hàng, hoặc cổ tức cổ phiếu ưu tiên chưa được thanh toán - đều được coi như bằng chứng cho sự vỡ nợ doanh nghiệp Beaver đã áp dụng một bài kiểm tra phân loại đơn biến, trong đó mỗi tỷ số trong 30 tỷ số tài chính khác nhau đã được sử dụng để dự báo biến của doanh nghiệp vỡ nợ và không vỡ nợ Các tỷ số được chọn lựa dựa trên cơ sở ba tiêu chí sau: (i) sự phổ biến trong nghiên cứu tổng quan; (ii) kết quả áp dụng các tỷ số này trong các nghiên cứu trước đó; và (iii) việc tuân thủ khái niệm dòng tiền Phân tích đơn biến bao gồm việc sử dụng một tỷ số tài chính đơn lẻ trong mô hình dự báo vỡ nợ Dữ liệu cho các mẫu nghiên cứu được thu thập từ Moody's Industrial Manual cho 5 năm trước vỡ nợ Beaver lựa chọn 79 mẫu của doanh nghiệp vỡ

nợ và không vỡ nợ, sử dụng phương pháp cặp đôi từng ngành dựa trên một mã gồm ba chữ số phân loại ngành tiêu chuẩn (Standard Industrial Classification - SIC) và quy mô tài sản trong các năm 1954 đến 1964 Mục đích của việc sử dụng phương pháp này là

để kiểm soát các yếu tố có thể làm ảnh hưởng tới mối quan hệ giữa các tỷ số tài chính

và khả năng vỡ nợ của doanh nghiệp

Sáu biến sau đây được Beaver lựa chọn như những biến chính xác nhất dự báo

vỡ nợ doanh nghiệp, bao gồm: tiền mặt trên tổng nợ; LN ròng/TTS; NDH/TTS; VLĐ/TTS; tỷ số thanh toán hiện hành; và khoảng phi tín dụng (hay khả năng thanh khoản) Mặc dù cách tiếp cận đơn biến có những thiếu sót nhất định, đặc biệt là thiếu sự kết hợp các tỷ số khác nhau, nhưng mô hình của Beaver đã đạt được mức độ chính xác nhất định trong dự báo Tỷ lệ phân loại tổng thể là 87%, 79%, 77%, 76% và 78% trong năm đầu tiên tới năm thứ năm trước vỡ nợ Phát hiện chính của nghiên cứu này là các

tỷ số tài chính có khả năng dự báo vỡ nợ trong ít nhất 5 năm trước vỡ nợ Beaver kết luận rằng tỷ số tiền trên tổng nợ là tỷ số dự báo tốt nhất Tuy nhiên, việc sử dụng tỷ lệ tài chính cho dự báo vỡ nợ được sử dụng thận trọng

như nhau

báo vỡ nợ

lệ phân bố tần suất và phân bố xác suất Lý thuyết về phân tích tỷ số của Beaver là mô hình dòng tiền, được coi như khung khổ cho việc giải thích các kết quả của các bài kiểm tra về tỷ lệ (Beaver, 1966) Zavrgen (1983) lại lập luận rằng nghiên cứu của Beaver có những hạn chế nhất định đối với việc thiết kế thống kê và tính hữu dụng của các các kỹ thuật đơn biến Dù vậy, nghiên cứu của Beaver có hai thành công chính: dự đoán với mức độ chính xác khá cao dù chỉ với một mô hình đơn giản và cung cấp sự thảo luận lý thuyết về các nghiên cứu thực nghiệm Các kết quả là lựa chọn tỷ số, giá trị mô hình và tính chính xác của mô hình đơn biến

* Mô hình phân tích đa khác biệt:

Nhiều mô hình dự báo vỡ nợ như vậy đã được phát triển từ khi Beaver (1966) thực hiện phân tích sử dụng kỹ thuật đơn biến Phần này sẽ khái quát một vài nghiên cứu quan trọng trong lĩnh vực dự báo vỡ nợ doanh nghiệp sử dụng kỹ thuật phân tích đa khác biệt Các nghiên cứu này đại diện chỉ cho một vài trong số nhiều nhà nghiên cứu

đã thực hiện nghiên cứu trong việc phát triển mô hình dự báo vỡ nợ sử dụng kỹ thuật thống kê phổ biến này

+ Mô hình dự báo của Altman (1968)

Trong việc phân tích tình hình tài chính doanh nghiệp, có thể nói, mô hình chỉ số

Z - Score là mô hình rủi ro tài chính nổi tiếng nhất, được áp dụng rộng rãi trên thế giới

do kết quả kiểm nghiệm khá tin cậy do Giáo sư Edward I Altman xây dựng trên cơ sở các số liệu từ các doanh nghiệp tại Mỹ Dựa vào cơ sở lý thuyết và phương pháp xây dựng mô hình của Altman, mô hình chỉ số Z được các nước, các tổ chức khác nhau trên thế giới phát triển nhằm phù hợp với môi trường và đặc điểm của các doanh nghiệp ở

từng khu vực

Edward I Altman (1968) là nhà nghiên cứu đầu tiên áp dụng kỹ thuật phân tích

đa khác biệt (Multiple Discriminant Aanalysis) để dự báo thất bại kinh doanh thông qua việc sử dụng các tỷ lệ tài chính Khác với các phân tích đơn biến dựa trên các tỷ số đơn

lẻ, ý tưởng chính của phân tích đa biến là kết hợp thông tin của nhiều tỷ số tài chính thành một chỉ số có trọng số (Laitinen, 1991) Phân tích khác biệt là một phương pháp phân tích đa biến trong phân tích số liệu Phương pháp này đặc biệt hữu ích vì mục đích

là để nhóm các biến riêng biệt thành các nhóm, ví dụ tốt hay chưa tốt, nam hay nữ, vỡ

nợ hay không vỡ nợ (Fulmer và cộng sự, 1984) Công trình nghiên cứu dự báo vỡ nợ của Altman được xây dựng dựa trên việc phân biệt khả năng vỡ nợ hay không vỡ nợ của doanh nghiệp Kỹ thuật này là phù hợp khi biến phụ thuộc là biến phân loại và các biến độc lập là các biến số liệu (Hair et al., 1998) Việc phân loại được thực hiện thông qua việc phát triển một hàm phân biệt Hàm phân biệt được xây dựng theo hướng tối thiểu hóa khả năng phân loại sai (Raghupathi và cộng sự, 1991) Kỹ thuật này dần trở thành một công cụ phổ biến nhất trong dự báo những thất bại kinh doanh của doanh nghiệp

Ưu điểm của kỹ thuật này là nó xem xét tất cả các đặc tính một cách đồng thời trong khi vẫn xét đến sự tương tác giữa các đặc tính đó Altman (1968) đã phát triển một mô hình nổi tiếng là mô hình dự báo của Altman (1968) Mô hình này đã được áp dụng để đánh giá:

(i) liệu phân tích tỷ số có tuân theo kỹ thuật thống kê?

(ii) liệu kỹ thuật phân tích đa khác biệt có thể cái thiện khả năng dự báo của các mô hình vỡ nợ?

(iii) Và liệu cách tiếp cận này có hữu ích trong các ứng dụng thực nghiệm? Theo phương pháp phân tích tỷ số truyền thống, kỹ thuật phân tích này không còn quan trọng trong môi trường học thuật do cách tiếp cận khá đơn giản của nó Lý thuyết vỡ nợ của Altman cho rằng các tỷ số được phân tích trong một khung khổ đa chiều sẽ có ý nghĩa thống kê cao hơn cách phân tích tỷ số truyền thống (Altman, 1968) Trong nghiên cứu này, mô hình Z-score sử dụng các số liệu tài chính từ giai đoạn trước

vỡ nợ như là các biến độc lập trong mô hình tách biệt Các biến phụ thuộc được đưa vào

để phân tách ra các doanh nghiệp vỡ nợ và không vỡ nợ Trong mô hình của Altman, tương tự như Beaver, các số liệu cho mẫu phân tích thu thập được từ Moody's Industrial Manual và lựa chọn các báo cáo thường niên từ một đến năm năm trước khi vỡ nợ Altman đã lựa chọn một mẫu gồm 33 doanh nghiệp vỡ nợ và 33 doanh nghiệp chưa vỡ

nợ kết hợp từng cặp theo cơ sở các năm, ngành hoạt động, và quy mô doanh nghiệp là các biến kiểm soát, lựa chọn dựa trên cơ sở phi ngẫu nhiên Phương pháp này có nhiều lợi ích, đặc biệt khi các biến kiểm soát không được bao gồm cụ thể trong mô hình (Zavgren, 1983) Mẫu các doanh nghiệp vỡ nợ được lấy trong giai đoạn 1946-1965 và quy mô tài sản từ 0,7 triệu đôla đến 25,9 triệu đôla Các doanh nghiệp nhỏ với tài sản ít hơn 1 triệu đôla được loại ra khỏi mẫu Tất cả các doanh nghiệp không vỡ nợ vẫn hoạt động sau năm 1966 Phương pháp nghiên cứu này bị hạn chế với các doanh nghiệp sản xuất và áp dụng với 22 biến tỷ số Hầu hết các tỷ số được lựa chọn dựa trên sự phổ biến

và tiềm năng trong nghiên cứu Tuy nhiên, tỷ số tiền mặt trên tổng nợ, xác định bởi Beaver (1966), không được đưa vào danh mục các biến vì thiếu nhất quán trong số liệu

Mô hình Z-score của Altman sử dụng 5 tỷ số tài chính và được đánh giá như sự dự báo khánh kiệt tài chính có tính chính xác cao

Năm tỷ số tài chính có khả năng dự báo cao nhất là: VLĐ/TTS; LN giữ lại/TTS;

LN trước thuế và lãi/TTS; GTTT của vốn cổ phần/GTSS của tổng nợ; DT/TTS Thành công của mô hình này là dựa trên các đặc điểm tài chính của doanh nghiệp vỡ nợ khác với đặc điểm tài chính của các doanh nghiệp không vỡ nợ Trong quá trình thực hiện có thể xảy ra hai lỗi phân loại Thứ nhất, các doanh nghiệp vỡ nợ có thể được phân loại thành các doanh nghiệp không vỡ nợ (lỗi loại I) Thứ hai, các doanh nghiệp không vỡ

nợ có thể bị phân loại thành các doanh nghiệp vỡ nợ (lỗi loại II) Mô hình này dự báo chính xác 95% trên các doanh nghiệp thuộc mẫu Nói cách khác, 95% các doanh nghiệp trong mẫu được phân loại chính xác thành nhóm vỡ nợ và chưa vỡ nợ dựa vào số liệu tài chính một năm trước đó

Lý thuyết cơ bản của mô hình Altman là sự kết hợp của 5 nhóm tỷ số trong việc thiết lập một mô hình vỡ nợ có thể được sử dụng để phân biệt giữa các doanh nghiệp bị

vỡ nợ và giữa các doanh nghiệp không bị vỡ nợ Altman cho rằng mô hình Z-score có thể được sử dụng để bổ sung đánh giá các khoản nợ vay, quản lý khoản phải thu và các thủ tục kiểm soát nội bộ cũng như chiến lược đầu tư (Altman, 1968) Mô hình dự báo Z-score của Altman như sau:

Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,999X5

X1 = VLĐ / TTS

• Z < 1.8, doanh nghiệp có khả năng vỡ nợ

• Với Z > 2.99, doanh nghiệp không có nguy cơ vỡ nợ

• Trường hợp còn lại, 1.8= < Z =< 2.99, doanh nghiệp rơi vào vùng cảnh báo

Độ chính xác của mô hình là 95% cho doanh nghiệp trong mẫu và 79% cho doanh nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ Tuy nhiên khả năng dự báo của mô hình giảm xuống còn 72%, 48%, 29% tương ứng với khoảng thời gian 2 năm, 3 năm, 4 năm trước vỡ nợ

Mô hình Z của Altman (1968) là thước đo tổng hợp về rủi ro tài chính từ đó nhận

diện rủi ro vỡ nợ doanh nghiệp Rất nhiều nghiên cứu và ứng dụng đã sử dụng mô hình

Z bởi tính ưu việt của nó, đó là dễ dàng tính toán, so sánh, và nhận diện rủi ro và được

các nhà nghiên cứu hiệu chỉnh cho phù hợp với các thị trường khác nhau Tuy nhiên,

mô hình Z cũng tồn tại những hạn chế nhất định

Thứ nhất, mô hình Z-Score không đưa ra được nhiều thang đo để phân loại mức

độ rủi ro của doanh nghiệp, với mỗi kết quả khác nhau thì có mức độ vỡ nợ khác nhau

Mô hình Z- score không đưa ra được chi tiết các mức độ rủi ro khác nhau dẫn đến khó khăn trong việc ra quyết định cho các nhà đầu đầu tư, rất khó áp dụng để đưa ra các chính sách cụ thể cho từng doanh nghiệp Do đó cần có mô hình để phân loại thành nhiều nhóm doanh nghiệp theo độ mức độ vỡ nợ khác nhau

Thứ hai, Việc giả định các biến Xj là hoàn toàn độc lập không phụ thuộc lẫn nhau

là không thực tế, tầm ảnh hưởng của biết số cũng thay đổi theo từng thời điểm và từng thị trường khác nhau

Thứ ba, mô hình Z- Score không tính tới nhân tố khó lượng hóa là các biết phi

tài chính nhưng lại ảnh hưởng rất lớn đến vỡ nợ doanh nghiệp như yếu tố rủi ro ngành, chủ sở hữu doanh nghiệp…

Trên cơ sở kết quả mô hình Z-Score (1968) của Altman đã có nhiều nghiên cứu

áp dụng kết quả vào từng thị trường và có sự hiệu chỉnh về các biến số cho phù hợp với

số liệu thực tế tại nhiều quốc gia

+ Mô hình dự báo của Altman (1983)

Mô hình Z-score của Altman đã được chứng minh là khá tin cậy trong các bối cảnh và quốc gia khác nhau Tuy nhiên, mô hình không được thiết kế để được sử dụng trong mọi tình huống Mô hình mẫu của nó bị hạn chế trong ngành sản xuất Năm 1983, Altman sửa đổi mô hình Z-score ban đầu cho các công ty tư nhân quy mô nhỏ xét theo giá trị tài sản Altman (1983) đã sửa đổi mô hình dự báo vỡ nợ 5 biến thay thế giá trị sổ sách của vốn chủ sở hữu cho giá trị thị trường Ông nhận thấy rằng mô hình 5 biến được điều chỉnh có thể ít tin cậy hơn mô hình gốc nhưng không đáng kể Mô hình dự báo phá sản 5 biến được điều chỉnh như sau:

Kết quả chỉ số Z- Score với 5 biến được điều chỉnh với :

- Z-score nhỏ hơn 1,23 doanh nghiệp có khả năng vỡ nợ

- Nếu Z trong khoảng 1,23 đến 2,90: doanh nghiệp ở trong vùng xám

- Nếu công ty có Z trên 2,90 thì doanh nghiệp không có khả năng vỡ nợ

+ Mô hình dự báo của Altman (1993)

Năm 1993, Altman đề xuất một sự thay đổi cuối cùng cho mô hình Z-score ban đầu Lần sửa đổi thứ hai này được gọi là mô hình dự báo vỡ nợ Z-score bốn biến được điều chỉnh của Altman Mô hình của Altman (1993) đã điều chỉnh mô hình Z-score nguyên gốc cho các doanh nghiệp phi sản xuất Ông đã loại ra biến X5 (DT/ TTS) để tối thiểu hóa ảnh hưởng của ngành mà có nhiều khả năng xảy ra khi một biến ngành nhạy cảm như vòng quay tài sản được đưa vào Mô hình này khá hữu ích trong ngành công nghiệp nơi mà có nhiều các tài sản khác nhau và các điều chỉnh quan trọng như vốn hóa cho thuê không được thực hiện Altman (1993) cũng dùng các giá trị sổ sách thay cho các giá trị thị trường Các hệ số cho tất cả các biến được thay đổi như các nhóm

và điểm cắt Các kết quả phân loại của mô hình score bốn biến cũng gần tốt như score gốc Ông thấy rằng mô hình sửa đổi thứ hai là hơi ít đáng tin cậy hơn so với mô hình ban đầu (Altman, 1993) Đối với mô hình bốn biến sửa đổi, nếu Z-score nhỏ hơn 1,10 thì doanh nghiệp có khả năng vỡ nợ Z-score giữa 1,10 và 2,60 được xác định là vùng màu xám Các công ty có Z-score trên 2,60 được phân loại là các doanh nghiệp khỏe mạnh hoặc không có nguy cơ vỡ nợ (Altman, 1993) Mô hình dự báo Z-score(1993) bốn biến đã điều chỉnh có dạng như sau:

tỷ số này có giá trị nhất trong các tỷ số thanh khoản trong dự báo vỡ nợ Tỷ số này cung cấp sức mạnh dự báo cao hơn so với hai chỉ số thanh khoản khác (tỷ số khả năng thanh toán hiện hành và tỷ số khả năng thanh toán nhanh) Độ tuổi của một doanh nghiệp là mặc nhiên được xem xét trong X2, lợi nhuận giữ lại/ TTS Tỷ số này cho thấy rằng các doanh nghiệp hoạt động lâu năm hơn thường có mức lợi nhuận tích lũy cao hơn Altman (1968) lập luận rằng các công ty có độ tuổi hoạt động thấp hơn hoặc quy mô nhỏ hơn thường có khả năng bị phân loại vào nhóm vỡ nợ cao hơn Nhiều nghiên cứu đã cho thấy tỷ lệ vỡ nợ có liên quan chặt chẽ với tuổi của doanh nghiệp

Chỉ số X3 cho thấy khả năng tạo thu nhập từ tài sản trước khi có bất kỳ sự ảnh hưởng nào của các yếu tố về thuế và đòn bẩy Tỷ số này dường như đặc biệt phù hợp với các nghiên cứu về dự báo vỡ nợ doanh nghiệp Altman (1968) đã cho rằng tỷ số này được chứng minh là nhân tố đóng góp quan trọng nhất đối với hiệu quả phân tích khác biệt của mô hình Tỷ lệ GTSS của vốn CSH trên GTSS của tổng nợ hoặc X4, là yếu tố đóng góp quan trọng thứ ba Tỷ số này là một thước đo giá trị thuần cho cả các khoản nợ ngắn hạn và dài hạn Tỷ lệ này chiếm 22,4% hiệu quả phân tích khác biệt của mô hình

+ Mô hình dự báo của Deakin (1972)

Công trình nghiên cứu về dự báo vỡ nợ doanh nghiệp đã được Deakin lần đầu

thực hiện vào năm 1972 Trước đó đã có nhiều nghiên cứu sau này lặp lại các công trình nghiên cứu về vỡ nợ doanh nghiệp Ví dụ, từ khi mô hình của Beaver (1966) có khả năng dự báo nhiều hơn mô hình của Altman (1968) trong năm trước năm vỡ nợ Deakin (1972) đã đề xuất một mô hình dự báo vỡ nợ doanh nghiệp Trong nghiên cứu này, Deakin đã lặp lại công trình của Beaver (1966) với 14 tỷ số với mức độ dự báo chính xác nhất Ông đã cải thiện sự chính xác của mô hình Altman với 14 tỷ số mà Beaver đã xác định Ông cũng sử dụng quy tắc phân loại xác suất hơn là quy tắc giá trị Ông đã lựa chọn 32 doanh nghiệp vỡ nợ sản từ năm 1964 đến năm 1970 và lựa chọn ngẫu nhiên nhóm doanh nghiệp không vỡ nợ nhưng được phù hợp bởi ngành, năm và quy mô tài sản từ Moody's Industrial Manual Ông có thể lặp lại kết quả của Beaver là sử dụng phân tích đơn biến Sự phân loại của Beaver và Deakin sử dụng tỷ lệ tiền trên tổng nợ có kết quả tương tự nhau Deakin nhận thấy rằng tiền trên tổng nợ là biến đơn tốt nhất cho các doanh nghiệp vỡ nợ và không vỡ nợ trong 5 năm trước vỡ nợ Sau đó, ông đã thực hiện phương pháp phân tích đa khác biệt 14 tỷ số tài chính sử dụng trong nghiên cứu của Beaver đã trở thành đầu vào cho chương trình phân tích khác biệt Ông đã đạt được độ chính xác cao hơn nhiều so với việc lặp lại nghiên cứu của Beaver Mô hình của Deakin

có tỷ lệ lỗi lần lượt là 3,1%, 4,7% và 4,7% cho ba năm đầu tiên trước vỡ nợ Tuy nhiên, các tỷ lệ lỗi đã tăng lên lần lượt là 20,3% và 17,2% trong năm thứ tư và năm thứ năm Ông kết luận rằng việc ứng dụng các kỹ thuật thống kê như phân tích khác biệt có thể được sử dụng để dự báo vỡ nợ doanh nghiệp cách ba năm trước vỡ nợ với độ chính xác cao Kết quả này dường như là sự cải thiện hơn mô hình của Altman (1968) - vốn chỉ có thể dự báo chính xác trong hai năm đầu tiên trước vỡ nợ Tuy nhiên, mô hình này đã được xác nhận bởi một mẫu mới gồm 11 doanh nghiệp vỡ nợ và 23 doanh nghiệp không

vỡ nợ được lựa chọn ngẫu nhiên Deakin (1972) đã phân loại chính xác 78% số doanh nghiệp thành hai nhóm vỡ nợ và không vỡ nợ cho năm đầu tiên trước vỡ nợ Tính chính xác tăng lên đến 94%, 88%, 77% và 85% từ năm thứ hai tới năm thứ năm trước vỡ nợ Ông đã kết luận rằng ứng dụng phân tích khác biệt có thể được sử dụng để dự báo vỡ

nợ doanh nghiệp với độ chính xác tương đối cao

Trong nghiên cứu năm 1977, Deakin đã sử dụng một nhóm năm biến tài chính

để xem xét khả năng dự báo phá sản của mô hình Các tỷ số này (các biến) là phân tích nhân tố, được đưa ra bởi Libby (1975) Năm biến tài chính bao gồm: LN ròng/ TTS; TSNH/TTS; Tiền/TTS; TSNH/Nợ ngắn hạn; DT/TSNH Mục đích chính của Deakin

là cung cấp dấu hiệu về tần số và tính chất của việc phân loại sai các công ty không vỡ

nợ Trong nghiên cứu này, Deakin đã định nghĩa thất bại của doanh nghiệp là vỡ nợ,

tính thanh khoản, và sự tổ chức lại Một mẫu gồm 63 doanh nghiệp vỡ nợ bao gồm 32 doanh nghiệp từ nghiên cứu năm 1972 của ông và 31 doanh nghiệp từ danh sách các doanh nghiệp vỡ nợ trong năm 1970 và 1971 được đưa ra bởi Altman năm 1971 Một mẫu gồm 80 doanh nghiệp không vỡ nợ được lựa chọn trên cơ sở ngẫu nhiên nhưng phù hợp theo năm lấy số liệu Số liệu cho các mẫu này được thu thập từ Moody's Industrial Manual trong hai năm trước vỡ nợ Deakin đã chỉ ra rằng tỷ lệ phân loại trong mô hình của ông đã sử dụng cả phương pháp phân tích khác biệt tuyến tính (Linear discriminant analysis - LDA) và phân tích biệt thức bậc hai (Quadratic discriminant analysis - QDA) Các biến và hệ số hồi quy của mô hình phân loại tuyến tính của Deakin (1977) đã phân loại dự báo vỡ nợ như sau:

là vỡ nợ; (ii) phân loại là không vỡ nợ nếu cả mô hình tuyến tính và mô hình bậc hai đều cho ra kết quả phân loại là không vỡ nợ; (iii) phân tích kỹ hơn nếu các mô hình này cho

ra kết quả mâu thuẫn nhau Ông cho rằng loại quy trình ra quyết định như vậy làm tối thiểu hóa tỷ lệ tổng thể phân loại sai, mặc dù kích cỡ nhóm được nghiên cứu là không được kiểm soát và có thể quá lớn Sau đó, Deakin xác nhận mô hình năm biến trên mẫu gồm 1.780 doanh nghiệp cho năm tài chính 1971 Số liệu được thu thập từ 1.800 hồ sơ của COMPUSTAT Điều này dẫn đến 290 công ty hay 16,3% được phân loại là nhóm thất bại, trong khi 173 công ty hay 9,7% không được phân loại vì các kết quả phân loại

từ hai mô hình tuyến tính và bậc hai mâu thuẫn, và 1.317 doanh nghiệp hay 74% được phân loại vào nhóm không vỡ nợ Để xác định mức độ chính xác của những kết quả này, ông đã xem xét lịch sử tài chính của 290 doanh nghiệp được dự báo là vỡ nợ và 100

doanh nghiệp trong 1.317 doanh nghiệp được dự báo là không vỡ nợ trong 3,5 năm tới

từ năm 1972 đến năm 1975 Chỉ có 18 doanh nghiệp hay 6,2% đã đệ đơn xin vỡ nợ Tuy nhiên, 66 doanh nghiệp trong số 290 doanh nghiệp được dự báo vỡ nợ đã không trải qua tình trạng vỡ nợ Ngoài ra, trong số 100 doanh nghiệp thuộc danh sách 1.317 doanh nghiệp được dự báo không vỡ nợ, không có doanh nghiệp nào vỡ nợ Mức độ chính xác trong phân loại các doanh nghiệp vỡ nợ dao động từ 20,5% đến 79,2% Deakin

đã áp dụng mô hình năm biến cho 47 doanh nghiệp vỡ nợ trong giai đoạn từ 1972 đến

1974 Mô hình này bao gồm các nguyên tắc trong mô hình tuyến tính và mô hình bậc hai, thì khá chính xác trong việc phân loại một doanh nghiệp vỡ nợ, với mức độ phân loại chính xác là 83%, 2% phân loại sai và 15% không phân loại được Ông đã kết luận rằng sử dụng các tỷ số tài chính trong mô hình phân loại khác biệt cơ bản có thể dự báo nguy cơ vỡ nợ doanh nghiệp với độ chính xác cao, và vì ước tính của mô hình về số lượng các doanh nghiệp thất bại thì vượt quá số lượng doanh nghiệp thất bại thực tế, nên

mô hình có tính hữu dụng hạn chế khi việc phân loại nhầm các doanh nghiệp không vỡ

nợ thì khá tốn kém

+ Mô hình dự báo của Edmister (1972)

Các nghiên cứu của Beaver (1966), Altman (1968), và Deakin (1972) chỉ ra rằng việc phân tích các tỷ số được lựa chọn rất hữu ích trong việc dự báo vỡ nợ của các doanh nghiệp có quy mô tài sản trung bình và lớn, do khó thu thập được đầy đủ số liệu từ các công ty quy mô nhỏ Vào năm 1972, Robert O Edmister cố gắng áp dụng một kỹ thuật tương tự mô hình của Altman cho các doanh nghiệp quy mô nhỏ Mục đích của nghiên cứu của Edminster là để phát triển và kiểm tra một số phương pháp phân tích tỷ số tài chính để dự báo nguy cơ vỡ nợ của các doanh nghiệp nhỏ Trong nghiên cứu này, vỡ nợ doanh nghiệp được xác định là rủi ro tín dụng thông qua việc sử dụng số liệu từ hồ sơ cho vay của Hội Quản lý doanh nghiệp nhỏ (Small Business Administration - SBA) Mẫu nghiên cứu bao gồm 42 doanh nghiệp có rủi ro tín dụng và 42 doanh nghiệp không

có rủi ro tín dụng từ dữ liệu của SBA trong giai đoạn 1954 - 1969 Nghiên cứu này xem xét 19 tỷ số tài chính và 5 phương pháp phân tích hiện hành Các tỷ số đã được phát hiện

là những biến độc lập quan trọng trong dự vỡ nợ doanh nghiệp trong các nghiên cứu thực nghiệm trước đó Edmister đã tối thiểu hóa các vấn đề về đa cộng tuyến bằng cách loại bỏ các biến có tương quan cao và bằng cách sử dụng phương pháp phân tích đa khác biệt tuyến tính từng bước trong nghiên cứu của mình Khung khổ phương pháp luận của ông đã tập trung vào việc kiểm tra mức độ tỷ số, xu hướng trong 3 năm của một tỷ số

và sự kết hợp xu thế của các ngành cho từng tỷ số và mức độ ngành cho mỗi tỷ số như

là một biến độc lập cho các doanh nghiệp quy mô nhỏ bị vỡ nợ Ông đã áp dụng kỹ thuật hồi quy không - một Mối quan hệ giữa các hệ số hồi quy là một hệ số tỷ lệ trong trường hợp hai nhóm Ông đã phát triển một mô hình hàm số khác biệt có 7 biến Mô hình này

đã đạt được sự chính xác trong phân loại đến 93% và nó dường như là một phương pháp thành công để phân tích khác biệt cho những doanh nghiệp nhỏ vỡ nợ và không vỡ nợ Những kết quả thu được cho thấy rằng sức mạnh dự báo của các tỷ số có tính tích lũy Sức mạnh dự báo của các tỷ số phân tích phụ thuộc vào cả phương pháp phân tích lựa chọn và sự lựa chọn tỷ số Kết quả tương tự Altman (1968) khi cho thấy sự cải thiện mức độ chính xác trong dự báo vượt qua mô hình của Beaver (1966) trong năm đầu tiên trước vỡ nợ Tuy nhiên, không giống như Beaver và Altman - những người đã phát hiện rằng một báo cáo tài chính là đủ cho sự phân loại chính xác, Edmister kết luận rằng cần phải có ba báo cáo tài chính trong 3 năm liên tiếp để có thể phân tích hiệu quả các doanh nghiệp quy mô nhỏ

Mô hình phân tích doanh nghiệp quy mô nhỏ của Edmister như sau:

Z = 0,951 - 0,423X1 - 0,293X2 -0,482X3 + 0,277X4 - 0,425X5 - 0,352X6 - 0,924X7

Trong đó:

Z = Biến phụ thuộc, nhận giá trị 1 đối với các doanh nghiệp không vỡ nợ và 1 cho các doanh nghiệp vỡ nợ

X1 = 1 nếu Tiền / Nợ ngắn hạn <0,05; 0 nếu ngược lại

X2 = 1 Vốn CSH / Doanh thu < 0,07; 0 nếu ngược lại

X3 = 1 nếu (Vốn lưu động ròng / Doanh thu) / Trung bình ngành < -0,02; 0 nếu ngược lại

X4 = 1 nếu (Nợ ngắn hạn/ Vốn CSH) / Trung bình ngành < 0,48; 0 nếu ngược lại X5 = 1 nếu (Hàng tồn kho / Doanh thu) / Trung bình ngành <0,04 và có xu hướng tăng; 0 nếu ngược lại

X6 = 1 nếu Tỷ số khả năng thanh toán nhanh / Trung bình ngành < 0,34 và có xu hướng giảm; 0 nếu ngược lại

X7 = 1 nếu Tỷ số khả năng thanh toán nhanh / Trung bình ngành có xu hướng

tăng; 0 nếu ngược lại

+ Mô hình dự báo của Blum (1974)

Năm 1974, Marc Blum đã phát triển mô hình doanh nghiệp vỡ nợ (Failing

Company Model - FCM) để hỗ trợ các bộ phận chống độc quyền của Bộ Tư pháp trong việc đánh giá khả năng vỡ nợ của doanh nghiệp Blum đã xây dựng một mô hình phân tích đa khác biệt để đánh giá khả năng vỡ nợ Nghiên cứu của ông đã định nghĩa vỡ nợ dựa trên các tiêu chí là mất khả năng chi trả các khoản nợ đến hạn, bước vào thủ tục hoặc quy trình vỡ nợ, hoặc thỏa thuận với các chủ nợ để giảm nợ Blum đã thu thập số liệu trong ít nhất 3 đến 8 năm cho 115 doanh nghiệp vỡ nợ từ năm 1954 đến năm 1968 Chỉ những doanh nghiệp lớn (có khoản nợ tối thiểu là 1 triệu đôla tại thời điểm vỡ nợ) được lựa chọn vì các doanh nghiệp nhỏ hơn thì hiếm khi tuân theo chính sách chống độc quyền Trong số các doanh nghiệp vỡ nợ được nghiên cứu, 90% đệ đơn vỡ nợ theo Đạo luật vỡ nợ Liên bang, và 10% là theo các thỏa thuận cá nhân Để phù hợp giữa các doanh nghiệp vỡ nợ và không vỡ nợ, ông đã lựa chọn mẫu theo từng cặp trên cơ sở ngành, doanh thu, công nhân viên và năm tài chính Phân tích khác biệt đã được sử dụng để xác định tính chính xác trong phân loại của các tỷ số Trong nghiên cứu của Blum, việc lựa chọn các biến được dựa trên khái niệm doanh nghiệp vỡ nợ như là các nguồn lực tài chính với xác suất vỡ nợ được thể hiện qua dòng tiền kỳ vọng Mô hình đã được xây dựng với ba yếu tố theo khung khổ dòng tiền: tính thanh khoản; khả năng sinh lợi và khả năng biến đổi Blum đã lựa chọn 12 biến để đo lường hệ số hồi quy này của dòng tiền Kết quả chỉ ra rằng các doanh nghiệp vỡ nợ và không vỡ nợ có thể được dự báo dựa trên một mô hình thống kê đa biến bao gồm các tỷ số tài chính được coi như các biến độc lập Mô hình Marc Blum đạt mức chính xác từ 93% đến 95% khi vỡ nợ diễn ra trong một năm của kỳ báo cáo Độ chính xác giảm xuống 80% vào năm thứ hai trước

vỡ nợ, và xuống khoảng 70% vào các năm thứ ba, thứ tư, và thứ năm trước vỡ nợ Sự khác biệt giữa các doanh nghiệp vỡ nợ và không vỡ nợ không có ý nghĩa thống kê vào năm thứ sáu trước vỡ nợ

+ Mô hình dự báo của Fulmer, Moon, Gavin, and Erwin (1984)

Mô hình nghiên cứu với 30 doanh nghiệp vừa và nhỏ trong các ngành sản xuất, bán lẻ và dịch vụ Kết quả mô hình 9 biến để dự báo để phân loại doanh nghiệp vỡ

nợ và không vỡ nợ như sau:

V3 = LN trước thuế và lãi vay / Vốn CSH

V9 = Logarit của LN trước thuế và lãi vay / Lãi vay

Trong mô hình 9 biến của Fulmer và cộng sự, các doanh nghiệp có H-score nhỏ hơn 0 được phân loại thành doanh nghiệp vỡ nợ, và các doanh nghiệp có H-score lớn hơn 0 được phân loại thành các doanh nghiệp không vỡ nợ Mô hình này đã đạt được mức độ phân loại chính xác tổng thể lần lượt là 98% và 81% cho năm thứ nhất và năm thứ hai trước vỡ nợ Mặc dù độ chính xác của mô hình tương đối cao với mẫu lựa chọn tuy nhiên do lượng doanh nghiệp nghiên cứu ít, chỉ trên một số ngành nghề và là doanh nghiệp nhỏ nên mô hình không đại diện cho các doanh nghiệp

+ Nghiên cứu của Ben McClure (2004)

Qua nghiên cứu của mình, ông khẳng định ích lợi của mô hình Z-Score vì tính tiện lợi của mô hình dự trên các số liệu có sẵn Ông đưa ra các khuyến nghị đối với các nhà đầu tư nên thường xuyên kiểm tra điểm số Z-Score cho danh mục đầu tư của mình để hỗ trợ trong các quyết định Do có những khuyến khuyết của mô hình nên việc kiểm tra không nhất thiết phải sử dụng để dự báo vỡ nợ doanh nghiệp mà thông qua biến động của chỉ số Z-Score để đánh giá biến động sức khỏe của doanh nghiệp tốt lên hay xấu đi

Mặc dù nghiên cứu cho việc vận dụng mô hình Z-Score cho các nhà đầu tư sử dụng trong các quyết định của mình nhưng nghiên cứu vẫn chưa đưa ra được cụ thể là với chỉ số như vậy thì mức độ rủi ro ở mức nào và có đầu tư hay không đầu tư cho từng doanh nghiệp này

* Mô hình phân tích logit và probit

Một số nhà nghiên cứu gần đây đã sử dụng các mô hình xác suất đa biến có điều kiện trong nghiên cứu dự báo vỡ nợ doanh nghiệp Hai kỹ thuật thống kê là phân tích logit và probit dựa vào một hàm xác suất tích lũy cung cấp xác suất có điều kiện của một quan sát thuộc về một nhóm nhất định, căn cứ vào các đặc điểm tài chính của quan sát đó (Jones, 1987; Zopounidis và Dimitras, 1998) Cả hai kỹ thuật logit và probit đều

được sử dụng trong phân loại và hồi quy và là các mô hình xác suất phi tuyến, trong đó biến phụ thuộc (các nghiên cứu về phá sản doanh nghiệp bao gồm phá sản và không phá sản) không phải là biến liên tục nhưng đại diện cho một lựa chọn cụ thể (Kmenta, 1971) Ngoài ra, kỹ thuật xác suất tối đa (maximum likelihood techniques) cũng được sử dụng thông qua việc ước tính một nhóm các hệ số hồi quy có nhiều khả năng làm tăng mức

độ ý nghĩa của các quan sát trong số liệu vỡ nợ Trong các nghiên cứu về dự báo vỡ nợ doanh nghiệp, phân tích logit đo lường trọng số của các biến độc lập và chấm điểm cho mỗi doanh nghiệp Mô hình Z-score có thể được sử dụng để xác định xác suất một doanh nghiệp sẽ vỡ nợ, khi đó xác suất vỡ nợ là:

P(B) = 1/(l+e -z )

Z = Chỉ số xác suất được xác định bởi các tỷ số tài chính và trọng số nhân tố Các hệ số hồi quy Pi được đo lường để tối đa hóa xác suất vỡ nợ chung của các doanh nghiệp vỡ nợ và xác suất của các doanh nghiệp không vỡ nợ (Jones, 1987) Phân tích probit cũng tương tự như phân tích logit, ngoại trừ trong các ước tính xác suất thì phân tích logit sử dụng hàm logistic tích lũy, trong khi phân tích probit sử dụng hàm phân phối chuẩn tích lũy (Dismitras và cộng sự, 1996)

+ Mô hình dự báo của Ohlson (1980)

Nghiên cứu của Ohlson (1980) là nghiên cứu đầu tiên sử dụng hồi quy đa logistic (Multiple Logistic Regression – Logit) để xây dựng mô hình xác suất vỡ

nợ trong dự báo vỡ nợ doanh nghiệp Ông đã lựa chọn 105 doanh nghiệp công nghiệp vỡ nợ trong giai đoạn 1970 - 1976 Tất cả các doanh nghiệp vỡ nợ phải được giao dịch trên thị trường chứng khoán (SEC) hoặc giao dịch trên thị trường OTC trong giai đoạn 3 năm trước vỡ nợ và 2.058 doanh nghiệp không vỡ nợ được lựa chọn ngẫu nhiên Mẫu các doanh nghiệp không vỡ nợ được thu thập từ COMPUSTAT Mục đích của nghiên cứu này là xây dựng ba mô hình có thể dự báo

vỡ nợ của doanh nghiệp trong 3 năm trước khi vỡ nợ thực sự Các mô hình được xây dựng theo 9 biến độc lập sau:

X6 = LN ròng / TTS

X7 = Ngân quỹ từ hoạt động kinh doanh / Tổng nợ

X8 = 1 nếu lợi nhuận ròng < 0 trong hai năm cuối cùng; 0 nếu ngược lại

X9 = (Thu nhập ròng (t) – Thu nhập ròng(t-1)) / (Thu nhập ròng(t) + Thu nhập ròng(t-1))

Mô hình đã đạt được độ chính xác phân loại tổng thể là 85,1%, trong đó 87,6% cho các doanh nghiệp vỡ nợ và 82,6% cho các doanh nghiệp không vỡ nợ Nghiên cứu cho thấy rằng hiệu quả của mô hình logit không tốt hơn mô hình phân tích đa khác biệt Ohlson kết luận rằng các khiếm khuyết của mô hình do vấn đề đa cộng tuyến giữa các biến gây nên

+ Mô hình dự báo của Zmijewski (1984)

Trong nghiên cứu của Zmijewski (1984), hai vấn đề mang tính phương pháp luận

đã được xem xét có mối liên quan tới sự ước tính các mô hình dự báo vỡ nợ, đó là

vỡ nợ và 800 doanh nghiệp không vỡ nợ, mô hình của Zmijewski là mô hình được

sử dụng phổ biến nhất bởi các nhà nghiên cứu kế toán (Grice & Dugan, 2003) Zmijewski đã sử dụng kỹ thuật probit để xây dựng mô hình dự báo nguy cơ vỡ nợ doanh nghiệp Tỷ lệ chính xác của mô hình Zmijewski cho mẫu ước tính là 99% Tổng thể các doanh nghiệp trong nghiên cứu của Zmijewski bao gồm tất cả các doanh nghiệp niêm yết trên thị trường chứng khoán New York và thị trường chứng khoán

Mỹ trong giai đoạn 1972 – 1978 và có mã SIC nhỏ hơn 6000 Điều đó có nghĩa là các doanh nghiệp thuộc ngành tài chính, dịch vụ và quản lý công không được xem xét trong nghiên cứu này

Zmijewski định nghĩa các doanh nghiệp vỡ nợ là hành động đệ đơn vỡ nợ Các doanh nghiệp bị vỡ nợ được xác định là bị vỡ nợ nếu đã đệ đơn kiến nghị vỡ

nợ trong giai đoạn này và được xác định là không bị vỡ nợ nếu không đệ đơn Mẫu ước tính cuối cùng trong nghiên cứu của Zmijewski bao gồm 40 doanh nghiệp vỡ

nợ và 800 doanh nghiệp không vỡ nợ và một mẫu để dành (hold-out sample) gồm

41 doanh nghiệp vỡ nợ và 800 doanh nghiệp không vỡ nợ Hàm probit được xây dựng với các biến và ước tính các hệ số hồi quy từ nghiên cứu của Zmijewski được xác định như sau:

Zmijewski = – 4,3 – 4,5X 1 + 5,7X 2 + 0,004X 3

X2 = Tổng nợ / TTS

X3 = TSNH/NNH

Trong khi Altman sử dụng tỷ số LN trước thuế và lãi vay/TTS (EBIT/TA) để đo lường khả năng sinh lợi thì Zmijewski sử dụng tỷ số lợi nhuận ròng/TTS (NI/TA) Cũng giống như hàm logit, hàm probit đưa ra các giá trị 0 và 1 Zmijewski đã phân loại chính xác các doanh nghiệp theo cách khác Ohlson (1980) Các doanh nghiệp với xác suất lớn hơn hoặc bằng 0,5 được phân vào nhóm phá sản hoặc có dữ liệu hoàn chỉnh Các doanh nghiệp có xác suất nhỏ hơn 0,5 được phân vào nhóm không vỡ nợ hoặc có số liệu chưa hoàn chỉnh Mô hình probit của Zmijewski được ưa thích trong so sánh với MDA vì hàm probit đưa ra hai giá trị là 0 và 1 và dễ suy luận kết quả Đây cũng là trường hợp của mô hình logit Như đã đề cập trước đó, Zmijewski (1984) đã cố gắng tránh lựa chọn lệch (choice-based sample bias) Ông đã quan sát thấy rằng hầu hết các mô hình dự báo

vỡ nợ trước đó đều có hiện tượng này

+ Mô hình của Fulmer (1984):

Fulmer (1984) nghiên cứu với 30 doanh nghiệp vỡ nợ và 30 doanh nghiệp không

vỡ nợ tại Mỹ với quy mô doanh nghiệp nhỏ Mô hình được Fulmer đưa ra như sau:

H = 5,528 (V1) + 0,212 (V2) + 0,073 (V3) + 1,270 (V4) - 0,120 (V5) + 2,335 (V6) + 0,575 (V7) + 1,083 (V8) + 0,894 (V9) - 6,075

thì điểm yếu của mô hình là mẫu không đại diện cho các doanh nghiệp nên gặp khó khi

áp dụng thực tế

+ Mô hình dự báo của Zavgren (1985)

Nghiên cứu đã sử dụng kỹ thuật logit để phát triển và kiểm tra một mô hình dự báo vỡ nợ mới Zavgren đã lựa chọn một mẫu các doanh nghiệp vỡ nợ và không vỡ nợ

sử dụng phương pháp cặp đôi theo ngành và quy mô tài sản Mẫu nghiên cứu bao gồm

45 doanh nghiệp vỡ nợ và 45 doanh nghiệp không vỡ nợ đều thuộc ngành sản xuất Nghiên cứu không bao gồm ngành bán sỉ và bán lẻ trong mẫu Số liệu 5 năm được thu thập cho mỗi doanh nghiệp Thông tin báo cáo tài chính được lấy từ các hồ sơ COMPUSTAT Các tỷ số được lựa chọn dựa trên nghiên cứu của Pinches và cộng sự (1973) – người đã sử dụng phân tích nhân tố để tìm ra các tỷ số tài chính phù hợp nhất Các tỷ số và mô hình của Zavgren phân loại dự báo vỡ nợ như sau:

Y i = - 0,23883 – 0,00108X 1 + 0,01583X 2 + 0,1078X 3 – 0,03074X 4

– 0,0086X 5 + 0,0435X 6 – 0,0011X 7

P = (1 + exp{-Yi}-1), do đó Yi = log[P / (1 -P)]

X1 = Vòng quay hàng tồn kho (Hàng tồn kho / DT)

X2 = Vòng quay khoản phải thu (Khoản phải thu / Hàng tồn kho)

X3 = Tỷ lệ tiền (Tiền / TTS)

X4 = Khả năng thanh khoản ngắn hạn (TSNH /NNH)

X5 = Lợi tức đầu tư (Tổng thu nhập / Tổng vốn)

X6 = Đòn bẩy tài chính (Nợ / Tổng vốn)

X7 = Vòng quay vốn (DT /Tài sản đầu tư ròng)

Mô hình có tỷ lệ chính xác trong dự báo phân loại doanh nghiệp lần lượt là 82%, 83%, 72%, 73% và 80% trong 5 năm trước vỡ nợ Tuy nhiên, hiệu quả mô hình logit vẫn không được cải thiện Sự chính xác trong phân loại cho những năm trước thấp hơn đáng kể so với mô hình của Altman (1968, 1983 và 1993) Zavgren đã xác lập mô hình

từ một mẫu để dành bao gồm 16 doanh nghiệp vỡ nợ và 16 doanh nghiệp không vỡ nợ trong hai năm 1979 và 1980 Số liệu được thu thập từ thị trường chứng khoán New York

Mô hình có tỷ lệ sai lệch 31% khi áp dụng cho mẫu để dành (hold-out sample), hay 69% chính xác trong dự báo phân loại doanh nghiệp trong 5 năm

Có thể nhận thấy trong suốt thời gian qua, các nhà nghiên cứu theo cách tiếp cận

kế toán trên thế giới chủ yếu tập trung giải quyết hai mục tiêu:

(1) Đánh giá các điều kiện mà tại đó mô hình hoạt động hiệu quả

(2) Tập trung vào các biến giải thích có thể dùng được để thiết kế mô hình phù hợp

1.1.2 Nghiên cứu theo cách tiếp cận kế toán tại Việt Nam

Ở Việt Nam những nghiên cứu về mô hình cảnh báo vỡ nợ mới chỉ được quan tâm và đề cập đến từ sau cuộc khủng hoảng tài chính châu Á năm 1997 Đầu tiên phải

kể đến công ty chứng khoán Tân Việt đã tính toán và cung cấp chỉ số Z của các công ty

cổ phần niêm yết cho nhà đầu tư Tuy nhiên, chứng khoán Tân Việt sử dụng mô hình Z nguyên bản của Altman xây dựng trên bộ số liệu của 66 công ty Hoa Kỳ từ năm 1946 đến năm 1965 nên có thể không chính xác do sự khác biệt về thời gian, điều kiện kinh

tế, môi trường pháp lý giữa hai quốc gia

Nghiên cứu của Đinh Thế Hiển (2008) đã điều chỉnh các tham số của phương trình Z’’ phù hợp với điều kiện kinh tế Việt Nam, trong đó đề cao tác động của cơ cấu đầu tư tài sản hơn hệ số sinh lời tổng tài sản

Chỉ số Z'' điều chỉnh Việt Nam = 2,11 + 4,59 X1 + 2,2S X2 + 4,03 X3 + 0,84 X4

Tuy sự điều chỉnh này dựa trên các căn cứ khoa học (đã được tác giả luận giải cụ thể) song chỉ với hai trường hợp cụ thể là công ty cổ phần dầu Tường An (TAC) và công

ty văn hóa phẩm Phương Nam (PNC), kết quả phân tích chưa đảm bảo tính đại diện cho tổng thể các doanh nghiệp Việt Nam

+ Nghiên cứu của Lâm Minh Chánh (2007), ‘Chỉ số Z - công cụ phát hiện nguy

cơ phá sản và xếp hạng định mức tín dụng’ và ‘Dùng chỉ số Z để ước tính hệ số tín

nhiệm’, Báo nhịp cầu đầu tư, số 41 và 42 Trong cả hai bài nghiên cứu tác giả chỉ đưa

ra các khái niệm cũng như cách tính toán các biến và chỉ số Z cho từng loại hình của công ty dựa trên các mô hình của Altman (2000) Tác giả chưa đưa ra các đánh giá, kiểm định xem mô hình có thích hợp để sử dụng ở thị trường Việt Nam hay không

+ Nghiên cứu của Nguyễn Trọng Hòa (2009) đã sử dụng mô hình phân tích

phân biệt và mô hình logit để phân tích xây dựng mô hình xếp hạng tín dụng đối với các doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi Với quan điểm doanh nghiệp

có nguy cơ vỡ nợ khi xảy ra một trong các tình huống: Không có khả năng thực hiện nghĩa vụ tín dụng với bên đối tác; Vốn hoạt động thuần thường xuyên nhỏ hơn không; Giá trị thị trường của DN nhỏ hơn tổng nợ phải trả Nghiên cứu đã tiến hành phân tích

37 chỉ tiêu tài chính được lấy từ các BCTC của 286 công ty trên cả hai sàn giao dịch

TP.Hồ Chí Minh (HOSE) và Hà Nội (HASTC) tại ngày 31/12/2007 Tác giả đã chia mẫu ban đầu thành 5 mẫu thành phần để ước lượng hàm phân biệt và hàm phân bố logistic với các điều kiện nguy cơ vỡ nợ khác nhau để xây dựng mô hình Kết quả cả 5 nhóm thành phần đều xây dựng được các hàm ước lượng khác nhau phù hợp cho từng nhóm với các đặc điểm riêng Và với 37 biến ban đầu thì chỉ có các biến được chọn như sau: tiền mặt trên tổng tài sản, vốn hoạt động thuần trên nợ ngắn hạn, vốn chủ sở hữu trên tổng tài sản, giá vốn hàng bán trên doanh thu thuần, chi phí quản lý doanh nghiệp trên doanh thu thuần, hàng tồn kho trên DT thuần, các khoản phải thu (DT thuần/ 365), lợi nhuận sau thuế trên doanh thu thuần, lợi nhuận sau thuế trên vốn chủ sở hữu Từ đó kết hợp xếp hạng các doanh nghiệp thành 9 hạng từ loại rất tốt (AAA) đến loại rất yếu kém (C) Trong báo cáo về xếp hạng tín nhiệm các DN đã lên sàn chứng khoán, tác giả Nguyễn Trọng Hòa (2009) dựa trên kết quả thực nghiệm đã đưa ra được mô hình theo hàm phân biệt như sau:

Z = - 0,52 - 3,118X4 + 2,763 X8 - 0,55X22 - 0,163X24 + 6,543X29 + 0,12X53

X4 - Tổng vốn vay/TTS;

X8 - Vốn hoạt động thuần/TTS;

X22 - Các khoản phải thu/DT thuần;

X24 - Các khoản phải thu /nợ phải trả;

X29 - LN trước lãi vay và thuế/TTS;

X53 - LN sau thuế/vốn CSH

Với việc kết hợp các tỷ số, tác giả cho rằng chỉ số Z càng lớn thì càng chứng tỏ

DN có khả năng tài chính tốt, kinh doanh hiệu quả Từ đó đưa ra các điểm cắt để phân lớp xếp hạng DN Trong nghiên cứu của Nguyễn Trọng Hòa căn cứ để lựa chọn biến, phân loại doanh nghiệp, xác định ngưỡng…còn nhiều tranh cãi về tính khoa học trong nghiên cứu

+ Nghiên cứu của Hoàng Tùng (2011) về phân tích rủi ro tín dụng DN bằng

mô hình logit, tác giả dựa trên bảy chỉ tiêu với mẫu 463 DN niêm yết và đưa ra mô hình

dự báo như sau:

Z = -0,749 + 0,074Hs + 2,458Ts_TSNH - 5,985Ts_No - 2,060DBN +

0, 992Ts_LNDT + 145,363ROA + 26,151ROE

Trong đó: Z = Chỉ số tổng hợp

Hs - Số vòng quay tài sản (DT/TTS);

Ts_TSNH - Tỷ suất tài sản ngắn hạn (TSNH/TTS);

Ts_No - Tỷ suất nợ (nợ phải trả/TTS);

DBN - đòn bẩy nợ (nợ phải trả/Vốn CSH);

Ts_LNDT - tỷ suất LN doanh thu (LN/DT);

ROA - tỷ suất sinh lời tài sản (LN/TTS);

ROE - tỷ suất lợi nhuận vốn CSH (LN/Vốn CSH)

Nghiên cứu đã đưa ra kết quả dự báo về rủi ro trả nợ của các doanh nghiệp như sau: Nếu Z < 0,5 thì doanh nghiệp không có khả năng trả nợ (có rủi ro), ngược lại nếu

Z > 0,5 doanh nghiệp có khả năng trả nợ (không rủi ro)

+ Nghiên cứu của Nguyễn Thành Cường, Phạm Thế Anh (2010) đã sử dụng

mô hình điểm Z của Altman để đánh giá và đã đưa ra được một số giải pháp góp phần giảm thiểu rủi ro vỡ nợ của các doanh nghiệp chế biến thủy sản đang niêm yết trên TTCKVN, đồng thời hỗ trợ cho các ngân hàng nâng cao hiệu quả quản trị rủi ro tín dụng trong hoạt động ngân hàng Tuy nhiên nghiên cứu cũng chưa đưa ra được kết luận hay đánh giá xem mô hình có thể áp dụng được ở thị trường Việt Nam hay không Mô hình chỉ đưa ra các đánh giá dựa trên các tiêu chí của Altman đối với từng doanh nghiệp, đề xuất lấy kết quả làm căn cứ để các ngân hàng xếp hạng tín dụng cho doanh nghiệp khi tiến hành xét cấp tín dụng

+ Nghiên cứu của Khổng Thanh Hòa (ĐH Kinh tế Quốc dân, 2008) đã làm

đề tài “Ứng dụng mô hình chỉ số Z trong phân tích tài chính công ty niêm yết trên thị

yết trên sàn giao dịch chứng khoán Hồ Chí Minh và Hà Nội, lặp lại các thao tác phân tích như Altman để ước lượng mô hình Z Với giá trị phân biệt 1,0689, chỉ số Z của Việt Nam được đề nghị xác định theo phương trình:

ZVietnam = 0,204X1 + 1,3S6X2 + 2,211 X3 + 0,009X4 + 0,488X5

Độ phù hợp của mô hình là 70% Tuy nhiên, do thị trường nợ và thị trường trái phiếu của Việt Nam chưa phát triển nên ngay từ đầu tác giả đã không phân loại được chính xác các doanh nghiệp vỡ nợ và không vỡ nợ như cách làm của Altman Biến giả đo lường tình trạng tài chính (Distress) nhận giá trị 1 (tương đương với tiềm

ẩn tình trạng tài chính khốn khó) nếu doanh nghiệp có trong danh sách bị kiểm soát của Sở giao dịch chứng khoán Thành phố Hồ Chí Minh hoặc có kết quả sản xuất kinh doanh âm (bị lỗ) hoặc lợi nhuận sau thuế dưới 10% so với kế hoạch đặt ra Distress

nhận giá trị 0 (không tiềm ẩn tình trạng tài chính khốn khó) khi không rơi vào các trường hợp trên Đây chưa phải thang đo phù hợp cho nguy cơ mất khả năng thanh toán của doanh nghiệp

+ Nghiên cứu của Đào Thị Thanh Bình (Đại học Hà Nội, năm 2011) tiến

hành nghiên cứu tương tự với mẫu nghiên cứu gồm 60 doanh nghiệp cổ phần niêm yết thuộc lĩnh vực sản xuất, lấy tiêu chí “lợi nhuận sau thuế thấp nhất trong 4 quý - tính đến quý 2 năm 2010” làm căn cứ để phân biệt công ty “Xấu” và “Tốt” Đồng thời, bỏ biến Doanh thu/Tổng tài sản, thay bằng Giá trị vốn hóa thị trường/Giá trị vốn hóa sổ sách; bổ sung thêm 3 biến: Tổng nợ/Tổng tài sản; Lợi nhuận ròng/Doanh thu và Lợi nhuận ròng/Tài sản cố định Độ chính xác của nghiên cứu là 86%, thu được phương trình có dạng:

0,411X 7 + 6,641X 8 - 1,888

Giá trị phân biệt được xác định là 0,575 và 0,975 Sau khi tính chỉ số Z cho 46 công ty trong nhóm, đối chiếu với kết quả xếp hạng tín dụng của Standard & Poor, phát hiện sự khác biệt rõ ràng giữa nhóm “Đầu” và “Đáy” Kết quả của nghiên cứu này có giá trị tham khảo tốt cho các công trình tiếp theo, tuy vậy, khả năng ứng dụng thấp do quy mô mẫu nhỏ và căn cứ phân biệt doanh nghiệp không hợp lý, ảnh hưởng tới tính phù hợp của kết quả

Nghiên cứu của Nguyễn Phúc Cảnh và Vũ Xuân Hùng (2014) về khả năng ứng dụng của mô hình Z-Score tại các NHTM Việt Nam nhưng chủ yếu nghiên cứu về lý thuyết và có thực kiểm định trên Công ty cổ phần Bánh kẹo Bibica dựa theo số liệu báo cáo năm 2011 làm ví dụ Kết quả kết luận chỉ số Z-Score có khả năng áp dụng và dự báo tốt khả năng vỡ nợ của các doanh nghiệp, từ đó giúp doanh nghiệp phát hiện sớm khả năng vỡ nợ

Nghiên cứu của Trầm Thị Xuân Hương và cộng sự (2015) đã sử dụng nhiều

phương pháp hồi quy như phương pháp Pooled OLS, FEM, REM, RGLS để làm sáng

tỏ tác động của các loại rủi ro tài chính như rủi ro thanh khoản, rủi ro tín dụng, rủi ro lãi suất đến hiệu quả hoạt động của các ngân hàng ở Việt Nam đến năm 2020 Trong bài tác giả đã đề cập đến quản trị của các tổ chức tài chính chủ yếu là các NHTM ở Việt Nam theo tiêu chuẩn Basel II và Basel III cụ thể mẫu là 30 ngân hàng tại Việt Nam trong giai đoạn 2011-2013 Thông qua việc sử dụng kết hợp các yếu tố liên quan đến rủi ro thì bài nghiên cứu đã đưa ra kết quả là biến LLR, LAD, LEV đồng biến và các biến LLP, LTD, NIR, CTI nghịch biến với biến phụ thuộc Z-score hay cụ thể hơn bài nghiên

cứu đã cho thấy những rủi ro tài chính đã ảnh hưởng như thế nào đến hiệu quả hoạt động, rủi ro phá sản của ngân hàng như thế nào Qua đó, các tác giả đề ra các khuyến nghị về việc phát triển hệ thống ngân hàng ở Việt Nam đến năm 2020 để phù hợp với tiêu chuẩn Basel II và Basel III và có thể hội nhập thế giới

+ Nghiên cứu của Phạm Thị Tường Vân (2016) trong “Xem xét khả năng

sử dụng mô hình Z-score trong đánh giá tình hình hoạt động của doanh nghiệp Việt Nam”, đã ứng dụng mô hình Z” (trên cơ sở mẫu lớn với hơn 1.000 quan sát trong thời gian 5 năm từ 2010 đến 2014 và hơn 200 quan sát trong 1 năm) và rút ra kết luận các doanh nghiệp quy mô nhỏ (tổng nguồn vốn dưới 200 tỷ đồng) mặc dù hoạt động có hiệu quả nhưng xu hướng cũng chịu tác động nhiều hơn so với 2 nhóm doanh nghiệp còn lại (nhóm có tổng nguồn vốn từ 200 tỷ đồng đến dưới 500 tỷ đồng

và nhóm có tổng nguồn vốn từ 2.500 tỷ đồng trở lên) Trong đó, yếu tố nội tại tác động lớn nhất đến doanh nghiệp là tính thanh khoản (XI) và tuổi đời của doanh nghiệp (X2), bên cạnh các yếu tố khách quan, chịu sự tác động của tình hình kinh

tế - xã hội trong và ngoài nước

+ Nghiên cứu của Nguyễn Thanh Dương (2013) sử dụng mô hình Z- Score để

phân tích hoạt động rủi ro trong hoạt động Ngân hàng Nghiên cứu sử dụng 7 biến độc lập trong mô hình nghiên cứu định lượng để kiểm tra trên số liệu 36 NHTM tại Việt Nam Kết quả nghiên cứu cũng chỉ ro được sự tác động đặc trưng bởi các chỉ tiêu thuộc Ngân hàn, các chỉ tiêu quan trọng như lãi thuần trên tài sản, vốn CSH… Nghiên cứu cho thấy việc tăng vốn CSH theo đúng quy định là điều kiện tiên quyết để hạn chế rủi ro vỡ

nợ Ngân hàng

+ Nghiên cứu của Tristan Nguyễn và Trung Dũng Đoàn (2018) đã nghiên

cứu về sức khỏe của ngành xây dựng tại Việt Nam dựa trên mẫu 32 công ty ngành xây dựng niêm yết trên HOSE giai đoạn 2013-2014 bằng cách so sánh hai mô hình Altman Z-Score (1968) và mô hình EM Z-Score (Emerging Market Score Model)- mô hình có các biến tương tự như mô hình Z-Score nhưng với hệ số góc khác mô hình Z- Score gốc Kết quả cho thấy cả hai mô hình đều đo lường rủi ro vỡ nợ tốt nhưng mô hình EM Z-Score phù hợp hơn khi áp dụng tại nước đang phát triển như Việt Nam

Mặc dù có rất nhiều các nghiên cứu nhằm cải thiện khả năng dự đoán vỡ nợ so với mô hình Z-score ban đầu, các mô hình nghiên cứu theo hướng kế toán có các ưu và nhượng điểm sau:

❖Ưu điểm

+ Dễ áp dụng do mô hình đơn giản và các thông tin đầu vào về tài chinh của doanh nghiệp có sẵn trên thông tin đại chúng

+ Được chấp nhận và sử dụng rộng rãi trên thực tế

+ Các cách hạch toán khác nhau có thể cho ra kết quả khác nhau

1.2 Nghiên cứu dự báo vỡ nợ doanh nghiệp theo cách tiếp cận thị trường

1.2.1 Nghiên cứu theo cách tiếp cận thị trường trên thế giới

Phương pháp truyền thống trong cách tiếp cận này là các bộ tiêu chí đánh giá tín dụng trong ngân hàng như tiêu chí 5C để đánh giá người đi vay của ngân hàng (Characteristic- Capital- Capacity- Collateral- Cycle Condition) Nhân viên tín dụng sẽ dựa trên năm yếu tố trên để phân tích, đánh giá người đi vay và ra quyết định cho vay Tuy nhiên phương thức này khá chủ quan, khó quy chuẩn dẫn đến việc cùng một người

đi vay nhưng có thể được đánh giá khác nhau theo môi nhân viên tín dụng và theo môi ngân hàng như định mức đến tại các tổ chức xếp hạng tín dụng bài bản như Standard & Poor (1860), Moody (1909), Fitch (1914) Dù vậy, do dữ liệu tại thời điểm đó đa phần vẫn còn khó thu thập, các định nghĩa về vỡ nợ còn mới mẻ nên các xếp hạng vẫn dựa trên định tính là chủ yếu

Một phương pháp khác cũng trong cách tiếp cận này là dựa trên định giá quyền chọn Phương pháp này khá nổi tiếng do có cơ sở lý thuyết đầy đủ, là nền tảng lớn cho nhiều phương pháp đi sau Trong phương pháp này, mô hình cơ bản nhất là mô hình cấu trúc (Structural Model) đo lường rủi ro vỡ nợ được xây dựng bởi Merton (1974) dựa trên công thức định giá quyền chọn của Black, Scholes và Merton (1973) Giả định bảng cân đối kế toán của doanh nghiệp ở dạng tối giản khi chỉ có tổng nợ là trái phiếu doanh nghiệp không nhận được trái tức (Zero coupon bond), tài sản được giao dịch trên thị trường hoàn hảo (Frictionless market), không

có rủi ro lãi suất, doanh nghiệp sẽ phá sản khi tài sản nhỏ hơn nợ Nhiều mô hình mới đã được xây dựng dựa trên nền tảng mô hình nhưng mở rộng hơn để khắc phục các hạn chế Trong giả định của mô hình cấu tạo các mô hình thuộc nhóm First

Passage Time (Black and Cox model, 1976; AT1P Models, 2004-2009) hay mô hình KMV giải quyết hạn chế: Trong mô hình của Merton để biết doanh nghiệp có vỡ

nợ hay không chỉ có thể xác định khi khoản nợ đáo hạn do đó mô hình đã được điều chỉnh để xây dựng một mức ngưỡng vỡ nợ sớm (Threshold) tức là tại bất cứ thời điểm nào khi giá trị tài sản của doanh nghiệp giảm xuống thấp hơn một giá trị nhất định thì doanh nghiệp được cho là vỡ nợ Giả định nợ của doanh nghiệp chỉ bao gồm trái phiếu doanh nghiệp không nhận được trái tức là không phù hợp trên thực

tế nên các nhà nghiên cứu đã cho thêm các dạng thức khác của nợ vào mô hình như

mô hình quyền chọn hỗn hợp (Geske;1977-1979) và mô hình KMV (Crosbie and Bohn (2002) Mô hình lãi suất ngẫu nhiên có thể thêm vào mô hình Merton hay các dạng mở rộng khác của mô hình để giải quyết giả định lãi suất không đổi Một số

mô hình cấu trúc mở rộng còn cho thêm biến động ngẫu nhiên (Stochastic volatility), khuếch tán bước nhảy (Jump diffusion) để nhạy hơn với thị trường nhưng đòi hỏi phân tích khá phức tạp như mô hình SBTV (Brigo et al, 2004, 2006 and 2009) Nhóm mô hình rút gọn (Reduced form models) bao gồm hệ thống phân tích nợ của KPMG (KPMG’s Loan Analysis System) và phương pháp quản lý rủi

ro của Kamakura (Kamakura’s Risk Manager) được xây dựng để khắc phục giả thuyết của mô hình cấu trúc là tài sản phải giao dịch trên thị trường hoàn hảo bằng giả định chỉ một số loại nợ của doanh nghiệp được giao dịch

Ngoài ra, một phương pháp khác nữa là tính xác suất vỡ nợ nội sinh (Implied probabilities of default) dựa trên cấu trúc kỳ hạn của chênh lệch lãi suất giữa trái phiếu phi rủi ro và rủi ro và so sánh với thực tiễn doanh nghiệp vỡ nợ Jonkhart (1979) là người đầu tiên đặt nền móng cho phương pháp này và sau đó được điều chỉnh thêm bởi Iben and Litterman (1989) Tuy nhiên phương pháp này cũng còn nhiều hạn chế do các giả định khó đạt được trên thực tế

* Mô hình cấu trúc (Structural model)

Mô hình cấu trúc hay còn được gọi là mô hình Merton được xây dựng bởi Merton vào năm 1974 dựa trên công thức định giá quyền chọn của Black, Scholes và Merton (1973) Mô hình coi vốn chủ sở hữu của doanh nghiệp giống như một quyền chọn mua

và sử dụng công thức Black, Scholes và Merton để định giá quyền chọn Mô hình đặt ra giả định như sau:

❖ Tài sản của doanh nghiệp được giao dịch trên thị trường hoàn hảo, không có

kinh doanh chênh lệch giá (Arbitrage) Giá trị tài sản của doanh nghiệp có thể quan sát được tại bất kì thời điểm nào

❖ Giá trị tài sản tại thời điểm T theo phân phối chuẩn loga với giá trị trung bình

Trong đó:

+ A: độ lệch chuẩn của tài sản và cố định

+ : hằng số cố định

+ dz: giá trị ngẫu nhiên theo phân phối chuẩn (Standardize normal distribution)

Hình 1.1 Khái niệm cơ bản của mô hình Merton