Mô hình dự báo phá sản cho các doanh nghiệp phi tài chính tại việt nam , luận văn thạc sĩ

TÓM TẮTBài nghiên cứu này dựa vào nghiên cứu năm 2011 của nhóm tác giả Abbas, Qaiser và Rashid, Abdul Đại học Quốc tế Islamic, Islamabad, Pakistan về “Mô hình dự báo phá sản cho các doan

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

-Nguyễn Thị Phương Thao

MÔ HÌNH DỰ BÁO PHÁ SẢN CHO CÁC

DOANH NGHIỆP PHI TÀI CHÍNH TẠI VIỆT NAM

Chuyên ngành: Tài chính – ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC: TIẾN SĨ: NGUYỄN THỊ UYÊN UYÊN

Tp.Hồ Chí Minh – Năm 2012

LỜI CAM ĐOAN

Tôi xin cam đoan: bài nghiên cứu này là kết quả nghiên cứu của chính cá nhân tôi,được thực hiện dưới sự hướng dẫn khoa học của Tiến sĩ Nguyễn Thị Uyên Uyên –Giảng viên Trường Đại học Kinh tế Thành phố Hồ Chí Minh

Học viên

Nguyễn Thị Phương Thao

MỤC LỤC

Trang:

Nội dung:

LỜI CAM ĐOAN 1

MỤC LỤC 2

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT 4

DANH MỤC BẢNG BIỂU 5

TÓM TẮT 7

CHƯƠNG 1: GIỚI THIỆU 8

1.1 Lý do nghiên cứu đề tài 8

1.2 Mục tiêu nghiên cứu của đề tài 10

1.3 Phạm vi nghiên cứu của đề tài 11

1.4 Phương pháp nghiên cứu 11

1.5 Kết cấu của đề tài 11

CHƯƠNG 2: BẰNG CHỨNG THỰC NGHIỆM TRÊN THẾ GIỚI VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP 12

2.1 Bằng chứng thực nghiệm trên thế giới về dự báo phá sản doanh nghiệp 12

2.1.1 Nghiên cứu của William Beaver (1966) 12

2.1.2 Nghiên cứu của Eward Altman (1968) 13

2.1.3 Nghiên cứu của Eljelly (2001) 17

2.1.4 Nghiên cứu của Zheng Gu (2002) 20

2.1.5 Nghiên cứu của Abbas, Qaiser và Rashid, Abdul (2011) 21

2.2 Thảo luận về các nghiên cứu dự báo phá sản doanh nghiệp trên thế giới 24

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 28

3.1 Phương pháp nghiên cứu, phạm vi nghiên cứu 28

3.2 Mô hình nghiên cứu 29

3.3 Thu thập và xử lý số liệu 30

CHƯƠNG 4: BẰNG CHỨNG THỰC NGHIỆM TẠI VIỆT NAM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP 32

4.1Thực trạng và khó khăn của các DN Việt Nam trong giai đoạn 2008-2012 32

4.1.1 Thực trạng về tình hình giải thể và ngừng hoạt động của DN Việt Nam 32

4.1.2 Tình hình khó khăn của DN qua số liệu về sản xuất công nghiệp, doanh số bán hàng và xuất khẩu 34

4.1.3 Tình hình khó khăn của DN qua số liệu về nợ phải trả và tỷ lệ nợ xấu tại các NHTM 38

4.2 Bằng chứng thực nghiệm tại Việt Nam về dự báo phá sản doanh nghiệp 42

4.3 Thảo luận kết quả nghiên cứu 47

CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI NGHIÊN CỨU 53

5.1 Kết luận 53

5.2Các hạn chế của đề tài nghiên cứu 54

5.3 Đề xuất hướng nghiên cứu tiếp theo 54

DANH MỤC TÀI LIỆU THAM KHẢO 56

CÁC PHỤ LỤC 58

Phụ lục 1: Các chỉ số trong mô hình nghiên cứu của Eljelly (2001) 58

Phụ lục 2: Các chỉ số trong mô hình nghiên cứu của Zheng Gu (2002) 59

Phụ lục 3: Các chỉ số trong mô hình nghiên cứu của Abbas, Qaiser và Rashid, Abdul (2011) 60

Phụ lục 4: Các chỉ số đưa vào phân tích trong nghiên cứu tại Việt Nam 61

Phụ lục 5: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam 62

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

DN: Doanh nghiệp

HOSE: Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh

HNX: Sàn giao dịch chứng khoán Hà Nội

MDA – Multivariate discriminant analysis: Phân tích đa khác biệt.TSCĐ: Tài sản cố định

VCSH: Vốn chủ sở hữu

TCTD: Tổ chức tín dụng

NHTM: Ngân hàng thương mại

NH: Ngân hàng

DANH MỤC BẢNG BIỂU

Trang:

Bảng 2.1: Trung bình các chỉ số tài chính của các DN trong mẫu nghiên cứu của

Beaver (1966) 13Bảng 2.2: Biến trung vị và kiểm định mức ý nghĩa trong nghiên cứu của Altman (1968) 15Bảng 2.3: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Scores trong

nghiên cứu của Altman (1968) 16Bảng 2.4: Mô hình đa biến cuối cùng trong nghiên cứu của Eljelly (2001) 19Bảng 2.5: Các biến đưa vào mô hình trong nghiên cứu của nhóm tác giả Abbas, Qaiser

và Rashid, Abdul (2011) 22Bảng 2.6: Hệ số hàm phân tích trong nghiên cứu của nhóm tác giả Abbas, Qaiser và

Rashid, Abdul (2011) 23Bảng 2.7: Giá trị Z tối ưu trong nghiên cứu của nhóm tác giả Abbas, Qaiser và Rashid,Abdul (2011) 23Bảng 4.1: Số lượng DN giải thể và ngừng hoạt động tích lũy từ ngày 01/01/2012 33Bảng 4.2: Tăng trưởng sản xuất, tiêu thụ và tồn kho công nghiệp chế biến – chế tạo,

tổng mức bán lẻ và doanh thu dịch vụ, kim ngạch xuất khẩu đến tháng 08/2012 35Hình 4.1: Tỷ lệ nợ/vốn chủ sở hữu theo ngành kinh doanh (%) 39Bảng 4.3: Trung bình và độ lệch tiêu chuẩn của các công ty phá sản mẫu nghiên cứu

các DN tại Việt Nam 63Bảng 4.4: Trung bình và độ lệch tiêu chuẩn của các công ty không phá sản mẫu nghiêncứu các DN tại Việt Nam 65Bảng 4.5: Kiểm định F sự bằng nhau của phương sai của mẫu nghiên cứu các DN tại

Việt Nam 67Bảng 4.6: Kiểm định T sự bằng nhau của giá trị trung bình của mẫu nghiên cứu các DNtại Việt Nam 68

Bảng 4.7: Các biến đưa vào mô hình nghiên cứu tại Việt Nam 44

Bảng 4.8: Hệ số của mô hình nghiên cứu tại Việt Nam 44

Bảng 4.9: Giá trị Z tối ưu trong nghiên tại Việt Nam 45

Bảng 4.10: Kết quả phân loại của mô hình nghiên cứu tại Việt Nam 46

Bảng 4.11: Wilks' Lambda của mô hình nghiên cứu tại Việt Nam 46

TÓM TẮT

Bài nghiên cứu này dựa vào nghiên cứu năm 2011 của nhóm tác giả Abbas, Qaiser

và Rashid, Abdul (Đại học Quốc tế Islamic, Islamabad, Pakistan) về “Mô hình dự

báo phá sản cho các doanh nghiệp phi tài chính ở Pakistan” để xác định các chỉ số

tài chính có vai trò quan trọng trong dự báo phá sản cho các doanh nghiệp ở khuvực phi tài chính của Việt Nam dựa vào mẫu dữ liệu các công ty bị hủy niêm yếttrong năm 2012 trên Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh và Sàngiao dịch chứng khoán Hà Nội với giai đoạn nghiên cứu từ năm 2008 đến năm

2011 Có 23 chỉ số tài chính bao trùm lên 4 khía cạnh tài chính quan trọng củadoanh nghiệp là khả năng sinh lợi, tính thanh khoản, đòn bẩy tài chính và hiệu quả

sử dụng tài sản được phân tích trong 4 năm trước khi doanh nghiệp phá sản Kỹthuật phân tích đa khác biệt đã đưa ra một mô hình gồm 2 biến là: EBIT/tổng nợ,vốn luân chuyển/doanh thu Các ước lượng của của mô hình cho thấy nếu công ty

có giá trị Z nhỏ hơn -0.780 thì sẽ rơi vào phá sản, trong khi đó công ty có giá trị Zlớn hơn 1.098 thì sẽ không bị phá sản Còn đối với các công ty có giá trị Z từ -0.780 đến 1.098 thì vẫn phải được cảnh báo về nguy cơ phá sản và các công ty nàynên có những hành động khắc phục càng sớm càng tốt Mô hình có mức độ chínhxác 100% khi áp dụng để dự báo phá sản cho các công ty trong mẫu ở thời điểm 1năm trước khi doanh nghiệp phá sản và mô hình này cũng có ý nghĩa thống kê chothấy tiềm năng áp dụng vào thực tế trong dự báo phá sản ở Việt Nam

Từ khóa: phá sản doanh nghiệp, mô hình dự báo, chỉ số tài chính.

CHƯƠNG 1: GIỚI THIỆU

1.1 Lý do nghiên cứu đề tài

Trong bối cảnh hội nhập kinh tế ngày càng sâu rộng, sự cạnh tranh giữa các DNtrên thị trường ngày càng lớn nên sự rút lui hay phá sản của một bộ phận DN là điềukhông thể tránh khỏi Đặc biệt, do những tác động tiêu cực của cuộc khủng hoảngkinh tế toàn cầu hiện nay, tình trạng khó khăn của nền kinh tế đã và đang dẫn tới sựphá sản hàng loạt của các DN, kể cả các DN ở các nước phát triển và các nước đangphát triển trong đó có Việt Nam DN phá sản sẽ gây ra nhiều tác động tiêu cực cho

cả xã hội và nền kinh tế

Về mặt xã hội, một DN phá sản sẽ dẫn đến một bộ phận người lao động của DN đómất việc làm, nghĩa là tỷ lệ thất nghiệp sẽ gia tăng Mặc dù phá sản không phải lànguyên nhân giải thích toàn bộ tỷ lệ thất nghiệp của nền kinh tế nhưng nó vẫn làmột trong những nguyên nhân trực tiếp và có ảnh hưởng nhanh nhất tới người laođộng Có thể lấy ví dụ về vụ tuyên bố phá sản của Ngân hàng Lehman Brothers của

Mỹ trong năm 2008 với khoản nợ 613 tỷ USD sau khi không có công ty nào chấpnhận mua lại Ngân hàng Lehman Brothers phá sản đã tác động tiêu cực đến xã hội

Mỹ vì có đến 26.200 nhân viên bị mất việc và chưa kể đến hàng loạt chủ nợ, các dự

án đầu tư khác cũng bị ảnh hưởng theo1 DN dừng hoạt động thì điều tất yếu là laođộng của DN mất việc làm và nền kinh tế luôn đòi hỏi phải có thời gian để hấp thụ

và giải quyết việc làm cho những lao động này Đối với bất kỳ nền kinh tế nào, thấtnghiệp luôn là một mối lo lắng thường trực không chỉ của các nhà quản trị DN màcòn của nhà nước, của toàn xã hội bởi vì thất nghiệp là bạn đường của nghèo đói,của bất bình đẳng, của các tệ nạn xã hội và từ đó gây ra những bất ổn cho xã hội

Về mặt kinh tế, phá sản gây ra nhiều tác động xấu đến sự phát triển ổn định của nềnkinh tế Khi một DN bị phá sản thì các DN khác là đối tác của DN này cũng chịuảnh hưởng theo kiểu dây chuyền như không bán được hàng hóa hoặc không có

1Website: http://www.bbc.co.uk/vietnamese/worldnews/story/2008/09/080916_lehman_bankruptcy.shtml

nguyên vật liệu cho sản xuất, … Đồng thời, DN phá sản còn là tác nhân gây ảnhhưởng đến tâm lý của người tiêu dùng, nhà đầu tư, từ đó làm cho thị trường trở nênbất ổn Tác động đó sẽ càng trầm trọng nếu DN bị phá sản là một DN lớn Trườnghợp phá sản của Ngân hàng Lehman Brothers không chỉ khiến hàng vạn người laođộng mất việc mà nghiêm trọng hơn là tác động đến thị trường chứng khoán toàncầu Ngay sau khi có tin Ngân hàng Lehman Brothers phá sản, các thị trường chứngkhoán đều đồng loạt giảm điểm: chỉ số Down Jones của Mỹ giảm 2.6%, chỉ sốPTSE tại thị trường chứng khoán Lodon giảm 3%; chỉ số Nikkei của Nhật giảm tới4.7%, đặc biệt là tại thị trường Nga đã phải tạm ngừng giao dịch sau khi chỉ sốMICEX giảm tới 16%2 Chỉ số chứng khoán giảm mạnh sẽ đe dọa đến sự sụp đổcủa hàng loạt các công ty khác và tiếp tục đẩy hàng nghìn người trên thế giới vàotình trạng thất nghiệp Mặt khác từ góc độ của chủ nợ, khi DN phá sản thì chủ nợcũng có thể thu hồi được khoản nợ đó nhưng đa số đều thu được những khoản tiềndưới giá trị so với ban đầu bởi vì DN khi phá sản không chỉ mắc nợ với một chủ nợ

và do sự trượt giá của đồng tiền theo thời gian

Từ những phân tích trên, chúng ta thấy DN bị phá sản sẽ trở thành vấn đề thu hút sựquan tâm của nhiều bên liên đới, bao gồm những người có lợi ích trực tiếp từ DNnhư cổ đông, công nhân viên, chủ nợ và cả những người ít liên quan trực tiếp tới

DN như các nhà quản lý và chính phủ Tất cả những đối trượng này đều luôn mongmỏi việc xây dựng các mô hình giúp dự báo trước nguy cơ phá sản của DN để sớm

có biện pháp phòng ngừa nhằm giảm thiểu những hậu quả do DN phá sản tác độnglên các nhóm đối tượng này nói riêng cũng như lên toàn xã hội nói chung

Nghiên cứu về tình hình phá sản cho thấy rằng không phải tất cả các DN đều sụp đổmột cách không lường trước được Dấu hiệu của một DN đương đầu với tình trạngkhó khăn có thể xảy ra sớm hơn nhiều so với thời gian phá sản cuối cùng Do đó,chúng ta cần có các tín hiệu cảnh báo để có thể dự báo được tình trạng phá sản của

2Website: http://www.bbc.co.uk/vietnamese/worldnews/story/2008/09/080916_lehman_bankruptcy.shtml

một DN Van Horne (1998) chỉ ra rằng phân tích chỉ số tài chính là một kỹ thuậtphổ biến để dự báo tình trạng phá sản của một DN Trong hầu hết các trường hợp,xác suất phá sản được ngụ ý trong báo cáo tài chính của một công ty và có thể đượcước tính thông qua phân tích các chỉ số tài chính Từ những năm 1960, các nghiêncứu đã cố gắng dự báo phá sản DN dựa vào việc phân tích các chỉ số tài chínhnhưng yêu cầu tìm ra một mô hình tối ưu có khả năng đạt được mức thành công caokhi dự báo phá sản vẫn chưa bao giờ lắng xuống là do những mô hình đưa ra khôngthể phù hợp với tất cả các tình huống và trường hợp phá sản.

Hiện có rất ít nghiên cứu về dự báo phá sản tại Việt Nam nên việc phân tích pháthiện các dấu hiệu kiệt quệ tài chính và dự báo phá sản cho các DN Việt Nam sẽ có ýnghĩa rất quan trọng:

– Thứ nhất, phân tích phát hiện các dấu hiệu kiệt quệ tài chính và dự báo phá sản

DN giúp các nhà quản lý hạn chế và ngăn chặn trước các khả năng xấu có thể xảy racho DN của mình,

– Thứ hai, phân tích phát hiện các dấu hiệu kiệt quệ tài chính và dự báo phá sản DN

giúp cho các nhà đầu tư ra quyết định trong việc mua, bán chứng khoán,

– Thứ ba, phân tích phát hiện các dấu hiệu kiệt quệ tài chính và dự báo phá sản DN

giúp các chủ nợ trong việc ra quyết định về các khoản nợ và quản lý các khoản nợ

1.2 Mục tiêu nghiên cứu của đề tài

Mục tiêu nghiên cứu của đề tài này là thiết lập một mô hình dự báo phá sản DNthuộc khu vực phi tài chính ở Việt Nam nhằm phát triển một hệ thống cảnh báo sớmđóng vai trò như một công cụ nhận biết các DN gặp khó khăn để sớm có biện phápphòng ngừa phá sản DN

1.3 Phạm vi nghiên cứu của đề tài

Phạm vi nghiên cứu của đề tài này là các công ty cổ phần thuộc khu vực phi tàichính bị hủy niêm yết trên sàn chứng khoán HOSE và HNX bởi Ủy ban chứngkhoán và sàn giao dịch trong năm 2012 vì tính thanh khoản yếu kém hay hoạt độngkinh doanh thua lỗ kéo dài

1.4 Phương pháp nghiên cứu

Đề tài này thực hiện theo phương pháp nghiên cứu thực nghiệm về dự báo phá sảndựa trên nghiên cứu năm 2011 của nhóm tác giả Abbas, Qaiser và Rashid, Abdul

(Đại học Quốc tế Islamic, Islamabad, Pakistan) về “Mô hình dự báo phá sản cho

các DN phi tài chính ở Pakistan” Đây là nghiên cứu gần nhất và đã kế thừa những

nghiên cứu của các tác giả Beaver vào năm 1966, Altman vào năm 1968, Eljelly vàonăm 2001 và Zheng Gu vào năm 2002 về dự báo phá sản DN

1.5 Kết cấu của đề tài

Đề tài nghiên cứu này được tác giả trình bày theo thứ tự như sau:

Chương 1: Giới thiệu

Chương 2: Bằng chứng thực nghiệm trên thế giới về dự báo phá sản doanh nghiệp.Chương 3: Phương pháp nghiên cứu

Chương 4: Bằng chứng thực nghiệm tại Việt Nam về dự báo phá sản doanh nghiệp.Chương 5: Kết luận và hướng phát triển của đề tài nghiên cứu

CHƯƠNG 2: BẰNG CHỨNG THỰC NGHIỆM TRÊN THẾ GIỚI VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP

2.1 Bằng chứng thực nghiệm trên thế giới về dự báo phá sản doanh nghiệp

Trong mục này, tác giả sẽ trình bày tóm tắt lại kết quả nghiên cứu của một số tác giảtrên thế giới về dự báo phá sản DN Các kết quả nghiên cứu sẽ được trình bày theothứ tự thời gian từ quá khứ đến hiện tại, cụ thể như sau:

2.1.1 Nghiên cứu của William Beaver (1966)

Năm 1966, William Beaver đã nghiên cứu về “Các chỉ số tài chính dự báo phá

sản” William Beaver đã dựa vào phương pháp đánh giá từng chỉ số tài chính nhằm

đưa ra những tiêu chí dự báo phá sản DN thông qua quan sát các chỉ số tài chính.Beaver phát hiện ra rằng các DN lâm vào tình trạng kiệt quệ tài chính là các DN có

ít tiền mặt, ít hàng tồn kho nhưng có nhiều nợ phải thu Nghiên cứu của Beaver chỉ

ra rằng tỷ lệ tiền mặt/tổng nợ phải trả là chỉ tiêu quan trọng nhất trong việc dự báodấu hiệu kiệt quệ tài chính và phá sản DN Chỉ tiêu này phản ánh tính cân đối giữakhả năng tạo ra tiền của DN với số nợ mà DN phải thanh toán, và do đó sẽ thể hiện

rõ ràng nhất khả năng thanh toán của DN Bên cạnh đó, tỷ suất sinh lời của tài sản(thu nhập thuần/tổng tài sản) và hệ số nợ (tổng nợ phải trả/tổng tài sản) cũng là cácchỉ tiêu quan trọng trong việc phát hiện dấu hiệu kiệt quệ và phá sản DN bởi vì cácchỉ tiêu này phản ánh hiệu quả hoạt động kinh doanh của DN và mức độ rủi ro tàichính mà DN đang gặp phải

Các kết luận của Beaver được rút ra bằng việc nghiên cứu thực nghiệm 79 DN kinhdoanh thất bại và một số lượng tương ứng các DN kinh doanh thành công trong thờigian 10 năm (1954 – 1964) Mức trung bình các chỉ số tài chính của các DN trongmẫu nghiên cứu của Beaver được tổng kết ở Bảng 2.1 dưới đây:

Bảng 2.1: Trung bình các chỉ số tài chính của các DN trong mẫu nghiên cứu của

Beaver (1966)

2.1.2 Nghiên cứu của Eward Altman (1968)

Năm 1968, Eward Altman đã nghiên cứu “Các chỉ số tài chính, phân tích khác biệt

và dự báo phá sản DN” Altman chọn mẫu nghiên cứu gồm 66 công ty với 33 công

phá sản là những công ty đã nộp đơn phá sản theo Chương 10 của Luật phá sản Hoa

Kỳ trong giai đoạn từ năm 1946 đến năm 1965 và 33 công ty vẫn còn hoạt độngtrong thời gian phân tích với dữ liệu thu thập cùng các năm với các công ty phá sản

Các công ty được phân loại bởi ngành và qui mô DN với phạm vi tài sản được giớihạn từ 1 triệu USD đến 25 triệu USD Dữ liệu được xây dựng từ báo cáo tài chính

kỳ hạn một năm báo cáo trước khi phá sản

Sau đó một danh sách gồm 22 tỷ số tài chính được thu thập để đánh giá Các tỷ sốnày được chia thành 4 nhóm, bao gồm: nhóm chỉ số thanh khoản, nhóm chỉ số khảnăng sinh lời, nhóm chỉ số đòn bẩy tài chính và nhóm chỉ số hiệu quả sử dụng tàisản Kết quả có 5 tỷ số đã được chọn vì chúng thể hiện tốt nhất trong việc liên kết

dự báo phá sản các công ty Biệt thức cuối cùng được thể hiện như sau:

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

Trong đó:

X1 = Working capital/Total assets = Vốn luân chuyển/Tổng tài sản,

X2 = Retained earning/ Total assets = Lợi nhuận giữ lại/Tổng tài sản,

X3 = Earning before tax and interest/Total assets = EBIT/Tổng tài sản,

X4 = Market value equity/Book value of total liabilities = Giá trị thị trườngcủa vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả,

X5 = Sales/Total assets = Tổng doanh thu/Tổng tài sản,

Các trung vị biến của 2 nhóm DN và kết quả thống kê F thể hiện trong Bảng 2.2.Biến X1 đến X4 đều có mức ý nghĩa 0.001 cho thấy sự khác nhau khá quan trọnggiữa các biến giữa các nhóm công ty khác nhau Biến X5 không diễn đạt được sựkhác biệt quan trọng giữa các nhóm và lý do để cho biến này vào nhóm các biến làchưa rõ ràng lắm Ở mức độ đơn biến, tất cả các tỷ số của các công ty không phásản đều có giá trị trung vị cao hơn so với các công ty phá sản.

Bảng 2.2: Biến trung vị và kiểm định mức ý nghĩa trong nghiên cứu của Altman

(1968)

Trung vị của nhóm Trung vị của nhóm Chỉ số F/

Bankruptcy mean Nonbankruptcy mean

độ chính xác cao và mô hình vẫn có khả năng dự báo mạnh mẽ mặc dù đã ra đờicách đây nhiều năm

Bảng 2.3: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Scores trong

nghiên cứu của Altman (1968)

dữ liệu về giá trị cổ phiếu) Do đó, Altman đã đề nghị đánh giá lại toàn bộ mô hình,dùng giá trị sổ sách của vốn chủ sở hữu thay thế giá trị thị trường trong biến X4.Điều này sẽ làm thay đổi tất cả các hệ số của biệt thức và các điểm giới hạn cũngthay đổi theo Kết quả của mô hình Z-Score đều chỉnh với biến mới X4 là:

Ngoài ra từ mô hình gốc Z-Score của mình, Altman đã thực hiện phân tích đặc điểm

và độ chính xác của một mô hình khi không có biến X5 – Sales/Total assets – doanhthu/tổng tài sản nhằm giảm thiểu ảnh hưởng do ngành Tỷ số doanh thu/tổng tài sản

thay đổi rất lớn theo ngành, tỷ số này ở các công ty thương mại dịch vụ lớn hơn sovới các công ty sản xuất vì các công ty thương mại cần ít vốn hơn Thêm vào đó,Altman cũng dùng mô hình này để đánh giá tình trạng tài chính của các của các DNngoài Hoa Kỳ Cụ thể, Altman, Hatzell và Peck (1995) đã áp dụng mô hình Z’’-Score cho các công ty thuộc các nền kinh tế mới nổi, đặc biệt các công ty Mexico đãphát hành trái phiếu Euro tính theo USD Giá trị sổ sách của vốn chủ sở hữu đượcdùng cho biến X4 trong trường hợp này Kết quả phân loại đồng nhất với mô hình 5biến Z’-Score Mô hình mới Z’’-Score là:

2.2.3 Nghiên cứu của Eljelly (2001)

Năm 2001, Eljelly đã nghiên cứu về “Dự báo phá sản các doanh nghiệp tư nhân tạiXu-đăng” Eljelly đã sử dụng phương pháp phân tích đa khác biệt (MDA –Multivariate discriminant analysis) để phát triển một mô hình cải thiện từ mô hình

dự báo của Altman để dự báo phá sản cho một số DN tư nhân tại Xu-đăng, mộtquốc gia kém phát triển tại Châu Phi

Eljelly chọn mẫu bao gồm 30 DN tư nhân đã phá sản trong giai đoạn từ năm 1970đến năm 1996 Mỗi DN trong mẫu đều được kết hợp với một DN không phá sảntrong cùng ngành, cùng năm cung cấp báo cáo tài chính và có quy mô tài sản tương

đương Các tỷ số tài chính sử dụng trong phân tích này được chia thành 4 nhóm chỉ

số gồm: khả năng sinh lợi, tính thanh khoản, đòn bẩy tài chính và hiệu quả sử dụngtài sản3 Sau khi chạy dữ liệu, tác giả đã tìm ra ba chỉ số cho thấy khả năng dự báotốt nhất theo hàm đa biến sau:

Z = 0.015 + 0.203X1 + 0.639X2 + 0.651X3

Trong đó:

X1 = Current asset/Current liabilities = Tài sản ngắn hạn/Nợ ngắn hạn,

X2 = Operating profit/ Total assets = EBIT/Tổng tài sản,

X3 = Cash flow/Total debt = Dòng tiền/Tổng nợ

Theo tác giả, mô hình này thuyết phục về mặc cảm tính vì mô hình đã kết hợp ba tỷ

số quan trọng nhất là tài sản ngắn hạn/nợ ngắn hạn, EBIT/tổng tài sản, dòngtiền/tổng nợ Theo đó, để công ty hoạt động tốt, công ty cần phải làm ra lợi nhuậnnhưng khả năng sinh lời này sẽ mất đi giá trị nếu công ty không có thanh khoản tốt.Tương tự, tiền mặt là tài sản có tính linh hoạt về tài chính nhất giúp công ty vượtqua khó khăn Điều này đặc biệt đúng ở quốc gia kém phát triển như Xu-đăng, ở đó,các quỹ hỗ trợ thường hiếm, thị trường tiền tệ và thị trường vốn cũng hẹp hơn

Bảng 2.4 thể hiện các tính chất của mô hình đa biến cuối cùng Giá trị χ2 khá lớntrong bảng 2.4 chỉ ra mức độ phù hợp của mô hình Theo bảng 2.4, mức độ xếphạng các biến theo đóng góp tương ứng của chúng chỉ ra rằng biến dòng tiền/tổng

nợ góp phần lớn nhất cho sức mạnh dự báo của mô hình Kết quả này không có gìđáng ngạc nhiên do chỉ số này được Beaver (1966) lựa chọn là chỉ số dự báo đơn lẻtốt nhất và nhiều người tin rằng dòng tiền là yếu tố quan trọng nhất để thanh toáncác khoản nợ Biến xếp thứ hai là biến EBIT/tổng tài sản, đây là một trong nhữngbiến dự báo hiệu quả nhất trong mô hình của Altman (1968) và Altman cùng các3Xem Phụ lục 1: Các chỉ số trong mô hình nghiên cứu của Eljelly (2001), trang 58

cộng sự (1977) Biến xếp thứ ba là biến tài sản ngắn hạn/nợ ngắn hạn, là một thước

đo tính thanh khoản và cũng là một biến giải thích chung trong nghiên cứu của cảBeaver (1966) và Altman cùng các cộng sự (1977)

Bảng 2.4: Mô hình đa biến cuối cùng trong nghiên cứu của Eljelly (2001)

Eljelly kết luận rằng mức độ phân loại chính xác 92% trong nghiên cứu của Altmankhông thể đạt được nếu áp dụng nguyên vẹn mô hình này vào một mẫu mới kháccủa các công ty tư nhân tại một nước kém phát triển, cụ thể là trường hợp tại Xu-đăng Nghiên cứu cũng cho thấy việc áp dụng các kỹ thuật và mô hình đơn giản vàoviệc dự báo phá sản tại một nền kinh tế kém phát triển có hiệu quả hơn một mô hìnhphức tạp bắt nguồn từ những nền kinh tế phát triển Hơn nữa, ba chỉ số kết hợp thểhiện trong mô hình biệt thức cuối cùng là các tỷ số tài sản ngắn hạn/nợ ngắn hạn,EBIT/tổng tài sản, dòng tiền/tổng nợ có sức thuyết phục về mặt trực giác tại các nềnkinh tế kém phát triển như Xu-đăng Nghiên cứu cũng chỉ ra rằng trong nền kinh tế

đó, khả năng sinh lợi và khả năng thanh khoản là những yếu tố quan trọng để đạtđược thành công trong kinh doanh

2.1.4 Nghiên cứu của Zheng Gu (2002)

Năm 2002, Zheng Gu nghiên cứu về “Phân tích sự phá sản của ngành công nghiệp

nhà hàng: mô hình đa biệt thức” nhằm phân tích tình hình phá sản của các DN nhà

hàng tại Mỹ Trong nghiên cứu của mình, tác giả chọn mẫu các công ty nhà hàngphá sản là các công ty phải nộp đơn theo Chương 11 của Luật Phá sản được đối xửnhư các công ty phá sản Dữ liệu báo cáo tài chính của các DN nhà hàng phá sản đãđược tìm kiếm trong Standard & Poor’s Compustat để tính các chỉ số tài chính Khiloại bỏ các công ty có các thông tin tài chính không đầy đủ hoặc không có thông tintài chính khỏi danh sách, nghiên cứu này chọn được một mẫu gồm 18 DN nhà hàng

bị phá sản Nghiên cứu này cũng thông qua mẫu kết hợp để phát triển các mô hình

dự báo phá sản các DN nhà hàng Để phù hợp với các DN nhà hàng bị phá sản, 18

DN nhà hàng không bị phá sản với quy mô tương tự về tài sản đã được lựa chọn từStandard & Poor’s Compustat Các dữ liệu tài chính được thu thập trong 1 nămtrước khi DN bị phá sản

Trong nghiên cứu này, tác giả chọn ra 12 tỷ số tài chính4 đại diện tương ứng chotính thanh khoản, đòn bẩy tài chính, khả năng sinh lợi và hiệu quả hoạt động như làcác nhân tố khả biến để ước tính mô hình MDA cho ngành công nghiệp nhà hàng.Chương trình SPSS được sử dụng để ước lượng mô hình và thủ tục từng bước phânbiệt được thực hiện để lựa chọn biến số Với mức ý nghĩa được thiết lập ở mức 0,05,thủ tục từng bước phân biệt chọn hai biến số có thể phân biệt tốt nhất các công tynhà hàng bị phá sản so với các công ty nhà hàng không phá sản Hằng số và các hệ

số của các biến số được lựa chọn được trình bày dưới đây:

Trong ước tính mô hình, chương trình SPSS đã điều chỉnh điểm phân loại DN theogiới hạn của số 0 Các công ty với số điểm Z > 0 được phân loại vào nhóm không bịphá sản, trong khi các công ty có điểm Z < 0 được phân loại vào nhóm bị phá sản.

Tỷ lệ chính xác trong việc phân loại của mô hình khoảng 92%

Zheng Gu kết luận rằng các DN nhà hàng phụ thuộc nhiều vào nợ vay thì phải chịuchi phí lãi vay cao ngoài các khoản nợ ngắn hạn khác Các công ty này sẽ có nhiềukhả năng vỡ nợ Đối với những người điều hành nhà hàng, việc áp dụng chính sách

nợ thận trọng là cần thiết để tránh phá sản Đồng thời, những người điều hành nhàhàng không nên chỉ áp dụng một chính sách nợ thận trọng, mà còn nên giảm chi phíhoạt động để làm tăng EBIT nhằm giảm nguy cơ phá sản cho DN

2.1.5 Nghiên cứu của Abbas, Qaiser và Rashid, Abdul (2011)

Năm 2011, nhóm tác giả Abbas, Qaiser và Rashid, Abdul đã nghiên cứu các chỉ sốtài chính có vai trò quan trọng trong dự báo phá sản DN ở khu vực phi tài chính củaPakistan dựa vào mẫu dữ liệu các công ty phá sản trong giai đoạn 1996 – 2006.Đối tượng của nghiên cứu này là tất cả các công ty cổ phần thuộc khu vực phi tàichính bị hủy niêm yết trên sàn chứng khoán Karachi (KSE) do thanh khoản hoặcchấm dứt hoạt động theo lệnh của tòa án; hoặc bị chấm dứt hoạt động của một công

ty bởi Ủy ban chứng khoán và sàn giao dịch (Pakistan Securities and ExchangeCommission of Pakistan (SECP)) Đồng thời, công ty phá sản phải có một công tytương tự nhưng không bị phá sản ở cùng ngành và có tổng tài sản gần bằng nhau ởthời điểm 1 năm trước khi phá sản và các công ty này có thông tin tài chính ít nhất

5 năm

Mẫu được nghiên cứu có tổng cộng 52 công ty trong đó có 26 công ty phá sản và

26 công ty không phá sản Dữ liệu được lấy từ bảng cân đối kế toán của các công tyniêm yết trên KSE do Ngân hàng trung ương Pakistan phát hành với 5 năm dữ liệutrong thời kỳ 1996 – 2006 cho cả công ty phá sản và không phá sản

Nhóm tác giả sử dụng 24 tỷ số tài chính5 như những biến độc lập được lấy từnghiên cứu của các tác giả Beaver (1966), Altman (1968), Eljelly (2001), Zheng

Gu (2002) và được chia thành 4 nhóm chỉ số: khả năng sinh lợi, tính thanh khoản,đòn bẩy tài chính và hiệu quả sử dụng tài sản, và được kiểm nghiệm độc lập chocác công ty phá sản và không phá sản trong vòng 5 năm trước khi phá sản

Quá trình phân tích khác biệt dựa vào các biến số có ý nghĩa và loại trừ những biến

số không có ý nghĩa cho những phân tích tiếp theo thể hiện ở bảng 2.5 Từ 24 biến

số, chỉ có 3 biến là các tỷ số EBIT/nợ ngắn hạn, doanh thu/tổng tài sản, chỉ số dòngtiền mặt có ý nghĩa cao tại mức ý nghĩa 5%

Bảng 2.5: Các biến đưa vào mô hình trong nghiên cứu của nhóm tác giả Abbas,

Qaiser và Rashid, Abdul (2011)

Hệ số hàm phân tích phân biệt tiêu chuẩn được xác định và sắp xếp theo thứ tựtrong bảng 2.6 Tỷ số số EBIT/nợ ngắn hạn có giá trị hệ số cao nhất 1.147, tiếp theo

là doanh thu/tổng tài sản 0.701 và thấp nhất là chỉ số dòng tiền mặt -0.732

5Xem Phụ lục 3: Các chỉ số trong mô hình nghiên cứu của Abbas, Qaiser và Rashid, Abdul (2011), trang 60

Bảng 2.6: Hệ số hàm phân tích trong nghiên cứu của nhóm tác giả Abbas, Qaiser và

có Z bằng 0.724 thì được xếp vào nhóm không phá sản

Bảng 2.7: Giá trị Z tối ưu trong nghiên cứu của nhóm tác giả Abbas, Qaiser và

Z: giá trị phân biệt

X1: doanh thu/tổng tài sản

X2: EBIT/nợ ngắn hạn

X3: chỉ số dòng tiền mặt

Điểm giữa của trọng tâm nhóm phá sản và không phá sản là 0, cho thấy trong mỗinăm trước phá sản, xu hướng của công ty có giá trị Z > 0 thì không phá sản, trongkhi công ty có Z < 0 thì tiến dần tới phá sản Công ty có Z=-0.724 được xếp vàonhóm phá sản và công ty có Z=0.724 được xếp vào nhóm không phá sản Mô hìnhphân loại chính xác đến 76.9%, cho thấy khả năng phân loại cao của 3 biến tài chính

có ý nghĩa trong mẫu phân tích Độ chính xác này hàm ý tiềm năng áp dụng vàothực tế của mô hình trong dự báo phá sản ở Pakistan

Trên đây là kết quả của một số nghiên cứu trên thế giới về dự báo phá sản DN.Chúng ta sẽ thảo luận thêm về dự báo phá sản DN từ những nghiên cứu thựcnghiệm trên thế giới ở mục 2.2

2.2 Thảo luận về các nghiên cứu dự báo phá sản doanh nghiệp trên thế giới

Về mặt ngôn ngữ, phá sản hay bị phá sản là thuật ngữ được dùng để chỉ sự chấmdứt hoạt động kinh doanh do làm ăn thua lỗ đi kèm với thanh lý tài sản và nghĩa

vụ trả nợ của một chủ thể cụ thể trong nền kinh tế Phá sản đánh dấu bởi việc chủthể đó không có khả năng thanh toán cho các chủ nợ những khoản nợ mà ngườinày đã và đang vay

Về mặt kinh tế, phá sản là khái niệm được dùng để chỉ tình trạng mất cân đối giữathu và chi (giữa tài sản có và tài sản nợ) của một DN mà điều nhận thấy rõ nhất làdoanh nghiệp này lâm vào tình trạng mất khả năng thanh toán các khoản nợ đếnhạn Tình trạng mất khả năng thanh toán này không phải là tình trạng nhất thời,không phải chỉ mất khả năng thanh toán đối với một chủ nợ mà là mất khả năngthanh toán đồng loạt đối với tất cả các chủ nợ

Các nghiên cứu của các tác giả nêu ở mục 2.1 đều nhằm mục đích tìm ra mô hình

dự báo phá sản DN Các tác giả này đều sử dụng kỹ thuật phân tích các tỷ số tàichính để dự báo tình trạng phá sản của một DN Ở mỗi nghiên cứu, các tác giả sửdụng nhiều tỷ số tài chính khác nhau để đưa vào phân tích nhưng tựu trung lại các

tỷ số tài chính này đều đại diện cho 4 khía cạnh tài chính quan trọng của doanhnghiệp là tính thanh khoản, đòn bẩy tài chính, khả năng sinh lợi và hiệu quả sửdụng tài sản Theo đó:

– Các tỷ số đo lường tính thanh khoản chỉ ra khả năng của một DN có thể đáp ứngviệc chi trả các nghĩa vụ tài chính trong ngắn hạn Các tỷ số này có thể chỉ ra ngaylập tức rủi ro mất khả năng thanh toán của DN

–Các tỷ số đòn bẩy tài chính sẽ đo lường mức độ nợ, khả năng trả nợ của

DN Các tỷ số này cho thấy nguyên nhân phá sản bắt nguồn từ chính sách tài chính của DN

– Các tỷ số đo lường khả năng sinh lợi cho thấy khả năng của một DN có thể chitrả tất cả các khoản chi phí và tạo ra lợi nhuận từ hoạt động kinh doanh và đầu tưcủa mình Các DN không thể tạo ra lợi nhuận cùng với những khoản lỗ tích lũy sẽdẫn đến phá sản

– Các tỷ số đo lường hiệu quả sử dụng tài sản cho thấy DN sử dụng tài sản hiệuquả hay có hiệu suất cao sẽ dễ tạo ra lợi nhuận và vì vậy nguy cơ phá sản sẽ thấp

Kết quả nghiên cứu của các tác giả cũng khác nhau do sự khác biệt về mẫu nghiêncứu ở các nền kinh tế khác nhau trong từng giai đoạn nghiên cứu khác nhau và

phương pháp nghiên cứu khác nhau Theo đó, năm 1966, Beaver đã sử dụng

phương pháp đánh giá từng tỷ số tài chính để kiểm tra khả năng dự báo phá sảncủa từng tỷ số tài chính và đã phát hiện ra tỷ số lưu chuyển tiền thuần/tổng nợ phảitrả là chỉ tiêu quan trọng nhất cho việc dự báo phá sản DN Chỉ tiêu này thể hiệntính thanh khoản cuả DN, nếu DN có thanh khoản thấp thì sẽ dễ phá sản hơn vàngược lại Tuy nhiên, phương pháp này có nhược điểm là khi áp dụng cho một DN

cụ thể, có thể xảy ra trường hợp các tỷ số mâu thuẫn nhau (tỷ số này bộc lộ nguy

cơ phá sản, trong khi tỷ số khác lại thể hiện sự phát triển ổn định của DN), khi đókhó có thể kết luận được Vì vậy, hầu hết các nghiên cứu sau đó đều áp

dụng phương pháp tiếp cận đa biến, phương pháp này cho phép xem xét đồng thời

các tỷ số tài chính trong việc dự báo phá sản Năm 1968, Altman lần đầu tiên đã

phát triển một mô hình đa biến để dự báo phá sản với 5 tỷ số tài chính từ một danhsách ban đầu gồm 22 tỷ số tài chính Năm tỷ số tài chính đó là vốn luânchuyển/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, EBIT/tổng tài sản, giá trị thịtrường của vốn chủ sở hữu/giá trị sổ sách của nợ phải trả và doanh thu/tổng tàisản Độ chính xác dự báo phá sản của mô hình này là 95% đối với các doanh

nghiệp trong mẫu Đến năm 2001, Eljelly nghiên cứu về việc “Dự báo phá sản

các doanh nghiệp tư nhân tại Xu-đăng” và đã phát hiện ra rằng trong nền kinh tế

kém phát triển như Xu-đăng với tỷ lệ lạm phát cao trong giai đoạn nghiên cứu vàthị trường vốn yếu kém thì khả năng sinh lợi cao và khả năng thanh khoản tốt lànhững yếu tố quan trọng để giúp DN không bị phá sản Nghiên cứu của Eljellycũng cho thấy việc áp dụng các kỹ thuật và mô hình đơn giản vào việc dự báo phásản tại một nền kinh tế kém phát triển có hiệu quả hơn một mô hình phức tạp bắt

nguồn từ những nền kinh tế phát triển Đến năm 2002, Zheng Gu nghiên cứu về

“Phân tích sự phá sản của ngành công nghiệp nhà hàng: mô hình đa biệt thức” tại

Mỹ đã cho rằng những công ty không thể tạo ra lợi nhuận và liên tiếp lỗ sẽ dễ dẫnđến phá sản Theo đó, tỷ lệ EBIT/tổng nợ phải trả của mô hình phản ánh khả năngmột DN nhà hàng có thể thanh toán tổng số tiền nợ của DN này Giá trị của tỷ lệnày cao hơn ngụ ý rằng công ty có lợi nhuận từ hoạt động kinh doanh nhiều hơn

để trang trải những khoản nợ đó hoặc các khoản nợ của DN đó thấp Năm 2011,

nhóm tác giả Abbas, Qaiser và Rashid, Abdul đã nghiên cứu về “Mô hình dự báo

phá sản cho các DN phi tài chính ở Pakistan” đã tìm ra những tỷ số tài chính có

thể dùng để thăm dò nguy cơ phá sản DN phi tài chính ở Pakistan là doanhthu/tổng tài sản, EBIT/tài sản nợ ngắn hạn, chỉ số dòng tiền mặt Ba biến số tàichính này là những yếu tố phổ biến góp phần làm công ty vỡ nợ được đề cập đếntrong các nghiên cứu về dự báo phá sản trước đó

Kết luận, phần lớn các nghiên cứu thực nghiệm trên thế giới đều cho chúng ta

thấy rằng có thể phát hiện được các dấu hiệu phá sản của DN từ các mô hình dự

báo Bên cạnh những kết quả đạt được, nghiên cứu của các tác giả này còn một sốhạn chế như cỡ mẫu nhỏ, và các tác giả chỉ tập trung phân tích các tỷ số tài chínhdựa trên các báo cáo tài chính của DN để đưa ra mô hình dự báo mà chưa xem xétđến yếu tố con người trong việc quản lý DN cũng như các tác động của điều kiệnkinh tế cũng có thể dẫn đến sự phá sản của DN.

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Phương pháp nghiên cứu, phạm vi nghiên cứu

Đề tài này thực hiện theo phương pháp nghiên cứu thực nghiệm về dự báo phá sản

DN phi tại chính tại Việt Nam dựa trên nghiên cứu năm 2011 của nhóm tác giả

Abbas, Qaiser và Rashid, Abdul (Đại học Quốc tế Islamic, Islamabad, Pakistan) về

“Mô hình dự báo phá sản cho các DN phi tài chính ở Pakistan” Đây là nghiên cứu

gần nhất và đã kế thừa những nghiên cứu của các tác giả Beaver vào năm 1966,Altman vào năm 1968, Eljelly vào năm 2001 và Zheng Gu vào năm 2002 về dự báophá sản DN

Thời gian nghiên cứu từ năm 2008 đến năm 2011, đây là giai đoạn Việt Nam cónhững bất ổn vĩ mô kéo dài từ giữa năm 2008, tăng trưởng kinh tế suy giảm từ năm

2009 và sự yếu kém của khu vực ngân hàng hiện rõ từ cuối năm 2011 dẫn đến tìnhtrạng suy giảm sức khỏe nghiêm trọng của các DN trong năm 2012 Phân tích địnhtính cùng với nghiên cứu định lượng trong giai đoạn này sẽ cho chúng ta thấy đượcnhững khó khăn của DN và phát hiện các dấu hiện nhận biết sự phá sản DN để giúp

– Công ty bị hủy niêm yết phải có một công ty tương tự nhưng không bị hủy niêmyết ở cùng ngành và có tổng tài sản gần bằng nhau 1 năm trước khi bị hủy niêmyết.

Có 16 công bị hủy niêm yết trên trên sàn chứng khoán HOSE và HNX trong năm

2012 Tuy nhiên, một số công ty bị loại ra vì không đủ dữ liệu Ngoài ra, chỉ cónhững công ty có đủ 4 năm công bố dữ liệu mới được chọn Vì vậy, mẫu đượcnghiên cứu chỉ có tổng cộng 24 công ty, trong đó có 12 công ty bị hủy niêm yết và

12 công ty đang hoạt động bình thường6 Số liệu được lấy từ Báo cáo tài chính củacác công ty niêm yết trên sàn chứng khoán HOSE và HNX với 4 năm dữ liệu trongthời kỳ 2008 - 2011

Mô hình nghiên cứu dựa trên nghiên cứu của nhóm tác giả nêu trên được trình bày

cụ thể tại mục 3.2 dưới đây

3.2 Mô hình nghiên cứu

Các nghiên cứu Altman vào năm 1968, Eljelly vào năm 2001 và Zheng Gu vàonăm 2002 về dự báo phá sản DN đều sử dụng kỹ thuật phân tích đa khác biệt(MDA – Multivariate discriminant analysis) Nghiên cứu năm 2011 của nhóm tácgiả Abbas, Qaiser và Rashid, Abdul cũng sử dụng kỹ thuật MDA và theo nhóm tácgiả thì kỹ thuật này có độ chính xác cao trong dự báo phá sản Đề tài này cũng sửdụng kỹ thuật MDA để xây dựng mô hình dự báo phá sản cho các DN phi tài chínhtại Việt Nam

Kỹ thuật MDA xác định 1 tập hợp các hệ số khác biệt và biến các biến riêng lẻthành một chỉ số khác biệt hay còn gọi là giá trị Z, sau đó giá trị Z này được dùng

để phân loại các mục tiêu Trong đề tài nghiên cứu này, 2 nhóm mục tiêu nghiêncứu là các công ty phá sản và công ty không phá sản Mô hình được phát triển từ kỹthuật MDA như sau:

6 Xem Phụ lục 5: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam, trang 62

Z = β1x1 + β2x2 + … + βnxnTrong đó:

DN bị phá sản và giá trị “2” được gán cho DN không phá sản

Sau khi lựa chọn mô hình nghiên cứu phù hợp, tác giả tiến hành thu thập và xử lý

Dựa theo nghiên cứu năm 2011 của nhóm tác giả Abbas, Qaiser và Rashid, Abdul;

đề tài này sử dụng 23 chỉ số tài chính7 như những biến độc lập được chia thành 4nhóm biến, bao gồm: nhóm chỉ số đòn bẩy tài chính gồm 9 tỷ số đo lường khả năngtrả nợ của các công ty, nhóm chỉ số thanh khoản gồm 3 tỷ số đo lường khả năng chitrả các khoản nợ ngắn hạn của công ty, nhóm chỉ số khả năng sinh lời gồm 7 tỷ số

đo lường khả năng chi trả tất cả các khoản chi phí và tạo ra lợi nhuận từ hoạt độngkinh doanh và đầu tư của DN, nhóm chỉ số hiệu quả sử dụng tài sản gồm 4 tỷ số đolường khả năng sử dụng tài sản để tạo ra lợi nhuận của DN

Sau khi thu thập dữ liệu được trích từ Báo cáo tài chính của các công ty, tác giả7Xem Phụ lục 4: Các chỉ số đưa vào phân tích trong nghiên cứu tại Việt Nam, trang 61

tính toán các tỷ số tài chính nêu trên bằng phần mềm Excel.

Cuối cùng, chương trình SPSS được sử dụng để ước lượng mô hình và thủ tục từngbước phân biệt được thực hiện để lựa chọn biến số Mô hình phát triển từ nghiêncứu này được kiểm nghiệm thông qua mẫu để xác định độ chính xác và ý nghĩa của

mô hình khác biệt

CHƯƠNG 4: BẰNG CHỨNG THỰC NGHIỆM TẠI VIỆT NAM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP

4.1 Thực trạng và khó khăn của các DN Việt Nam trong giai đoạn 2012

2008-Việc phân tích những khó khăn của DN trong giai đoạn nghiên cứu từ năm 2008đến năm 2012 sẽ giúp chúng ta có cái nhìn sâu hơn về thực trạng giải thể và ngừnghoạt động của DN cũng như những khó khăn của DN trong giai đoạn này

4.1.1 Thực trạng về tình hình giải thể và ngừng hoạt động của DN Việt Nam

Với tình hình bất ổn vĩ mô kéo dài từ giữa năm 2008, tăng trưởng kinh tế suy giảm

từ năm 2009 và sự yếu kém của khu vực ngân hàng từ năm 2011, rất nhiều DN đã bịtác động, gặp nhiều khó khăn và rơi vào cảnh thất bại, thua lỗ Trường hợp bị tácđộng nhẹ thì DN gặp khó khăn đầu ra do thị trường thu hẹp, lợi nhuận suy giảm dochi phí và lãi vay tăng lên …; trường hợp bị tác động nặng thì DN phải dừng sảnxuất, cắt giảm nhân công và thậm chí không ít DN phải đóng cửa và bán tài sản trả

nợ ngân hàng với mục đích thoát khỏi gánh nặng chi phí nợ nần nhưng sau đó vẫn

nợ sâu hơn và cuối cùng bước tới ngưỡng phá sản hàng loạt như hiện nay

Một khảo sát ngẫu nhiên khác của Tổng cục thống kê với 10,000 doanh nghiệptrong các vùng miền của tổ quốc thời gian gần đây đã cho chúng ta những thông tinrất đáng suy ngẫm: Sau gần một tháng triển khai, tính đến 29/4/2012, cơ quan điềutra đã thu được 8.373 phiếu gồm 319 DN nhà nước, 7.343 DN ngoài nhà nước và

711 DN có vốn đầu tư trực tiếp nước ngoài (FDI) Kết quả của 8.373 DN cho thấy,sau 1 năm và 3 tháng đầu năm 2012, số DN thực tế còn hoạt động chiếm 91,6%; số

DN phá sản, giải thể và doanh nghiệp ngừng sản xuất kinh doanh, đang hoàn thànhthủ tục phá sản, giải thể chiếm 8,4% (với 706 DN) Trong số 706 DN phá sản, giảithể thuộc mẫu điều tra, có 69,4% DN sản xuất kinh doanh thua lỗ; 28,4% DN thiếuvốn để sản xuất kinh doanh; 15,1% không tiêu thụ được sản phẩm; 11,7% khó khăn

về địa điểm sản xuất; 4,4% DN chuyển đổi ngành nghề và 4,7% do sáp nhập với

DN khác Điều này cho thấy trước thời điểm chủ DN hoặc người quản lý, điều hành

DN phải ra quyết định chấm dứt sự tồn tại của DN thì họ đã phải trải qua một quátrình chống chọi với những khó khăn của thị trường gồm thị trường đầu vào, thịtrường đầu ra, v.v , và đã phải chịu áp lực từ gia đình, áp lực từ xã hội với hi vọngvượt qua khó khăn

Theo Phòng Thương mại và Công nghiệp Việt Nam (VCCI), trong giai đoạn 2005 –

2010, mỗi năm bình quân có khoảng 5.000 DN tuyên bố giải thể, ngừng hoạt độngthì đến năm 2011 đã lên tới gần 50.000 DN Bộ Kế hoạch & Đầu tư dự báo trongnăm 2012 sẽ có khoảng 50.000 DN rời thị trường, cộng với 50.000 DN tuyên bốgiải thể, ngừng hoạt động của năm 2011 là khoảng 100.000 DN, con số này tươngđương với một nửa số DN rời thị trường trong vòng 20 năm kể từ khi có Luật doanhnghiệp Số lượng DN rút khỏi thị trường tăng mạnh trong năm 2011 và 2012 khiếncho chúng ta phải lưu tâm và trăn trở trước những khó khăn của nên kinh tế Bảng4.1 dưới đây cho thấy các con số thống kê có ý nghĩa hơn về số liệu DN giải thể,ngừng hoạt động hàng tháng trong năm 2012, trong đó số tuyệt đối đều cao hơn sovới cùng kỳ năm 2011

Bảng 4.1: Số lượng DN giải thể và ngừng hoạt động tích lũy từ ngày 01/01/2012

Nguồn: Cục quản lý đăng ký kinh doanh, Bộ Kế hoạch và Đầu tư công bố chính thức theo

hệ thống thông tin đăng ký DN quốc gia, “9 tháng: hơn 40.000 doanh nghiệp giải thể”.