Lựa chọn mô hình dự báo xác suất vỡ nợ của doanh nghiệp vừa và nhỏ tại các ngân hàng thương mại việt nam dựa trên các chỉ số tài chính​

Cho đến nay, hiện vẫn chưa có nhiều nghiên cứu được công bố tại Việt Nam về việc lựa chọn mô hình dự báo xác suất vỡ nợ của các doanh nghiệp dựa trên các chỉ số tài chính.. Trên cơ sở củ

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH

NGUYỄN LỆ ĐOAN TRANG

LỰA CHỌN MÔ HÌNH DỰ BÁO XÁC SUẤT VỠ NỢ

CỦA DOANH NGHIỆP VỪA VÀ NHỎ TẠI CÁC

NGÂN HÀNG THƯƠNG MẠI VIỆT NAM DỰA TRÊN CÁC CHỈ SỐ TÀI CHÍNH

LUẬN VĂN THẠC SĨ KINH TẾ

TP HỒ CHÍ MINH - NĂM 2019

BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH

NGUYỄN LỆ ĐOAN TRANG

LỰA CHỌN MÔ HÌNH DỰ BÁO XÁC SUẤT VỠ NỢ

CỦA DOANH NGHIỆP VỪA VÀ NHỎ TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM DỰA TRÊN CÁC CHỈ SỐ TÀI CHÍNH

LUẬN VĂN THẠC SĨ KINH TẾ

Chuyên ngành: Tài chính - Ngân hàng

Mã số: 8 34 02 01

Người hướng dẫn khoa học: TS NGÔ VI TRỌNG

TP HỒ CHÍ MINH - NĂM 2019

LỜI CAM ĐOAN

Luận văn này chưa từng được trình nộp để lấy học vị thạc sĩ tại bất cứ một trường đại học nào Luận văn này là công trình nghiên cứu riêng của tác giả, kết quả nghiên cứu là trung thực, trong đó không có các nội dung đã được công bố trước đây hoặc các nội dung do người khác thực hiện ngoại trừ các trích dẫn được dẫn nguồn đầy đủ trong luận văn

TP Hồ Chí Minh ngày … Tháng … năm 2019

Tác giả luận văn

Nguyễn Lệ Đoan Trang

LỜI CẢM ƠN

Để hoàn thành luận văn thạc sĩ kinh tế này, tôi xin gửi lời cảm ơn sâu sắc đến giảng viên hướng dẫn khoa học: Tiến sĩ Ngô Vi Trọng, đã tận tình hướng dẫn tôi trong suốt quá trình hoàn thiện luận văn Đồng thời tôi cũng xin gửi lời cảm ơn trân trọng đến các thầy cô giáo Trường Đại học Ngân hàng TP Hồ Chí Minh đã tận tình truyền đạt kiến thức trong 2 năm học tập, vốn kiến thức được trang bị trong quá trình học là kiến thức nền tảng cho quá trình nghiên cứu đề tài Cuối cùng kính chúc các thầy cô sức khỏe và thành công trong sự nghiệp cao quý

Xin chân thành cảm ơn!

TÓM TẮT

Hệ thống xếp hạng tín dụng nội bộ luôn đóng vai trò quan trọng tại các NHTM trong việc đánh giá mức độ rủi ro tín dụng của khách hàng đồng thời hỗ trợ ngân hàng trong việc ra quyết định tín dụng cũng như trong các hoạt động quản trị rủi ro tại ngân hàng Đồng thời, Chính Phủ đã và đang xây dựng hành lang pháp lý đối với lĩnh vực XHTN nhằm nâng cao tính công khai minh bạch thông tin hỗ trợ cho các ngân hàng kiểm soát được rủi ro tín dụng ngay từ đầu cũng như hỗ trợ thị trường chứng khoán, thị trường trái phiếu thúc đẩy huy động vốn thông qua thị trường chứng khoán, bảo vệ quyền và lợi ích của nhà đầu tư Việc nghiên cứu và lựa chọn các mô hình xếp hạng phù hợp sẽ đóng góp rất nhiều đến sự phát triển của hoạt động xếp hạng tín nhiệm ở Việt Nam Tuy nhiên, các mô hình dự báo xác suất vỡ nợ hiện nay đều có những hạn chế nhất định và đang có nhiều tranh luận, không thống nhất về mức độ tin cậy của các mô hình này dẫn đến sự khó khăn trong việc lựa chọn mô hình phù hợp để dự báo xác suất vỡ nợ của doanh nghiệp Bên cạnh đó, việc xác định các chỉ số tài chính nào thực sự tác động đến kết quả xếp hạng luôn là mục tiêu, vấn đề cần nghiên cứu trong các công trình nghiên cứu về dự báo xác suất vỡ nợ Cho đến nay, hiện vẫn chưa có nhiều nghiên cứu được công bố tại Việt Nam về việc lựa chọn mô hình dự báo xác suất vỡ nợ của các doanh nghiệp dựa trên các chỉ số tài chính

Trên cơ sở của tầm quan trọng và mức độ cần thiết, mục tiêu của nghiên cứu này nhằm: (i) xác định các tiêu chí của một mô hình dự báo phù hợp; (ii) cách lựa chọn mô hình có khả năng dự báo xác suất vỡ nợ của doanh nghiệp vừa và nhỏ tại các NHTM Việt Nam dựa trên các chỉ số tài chính Kết quả đạt được từ nghiên cứu này hướng đến việc cung cấp thêm những bằng chứng khoa học định lượng nhằm trả lời câu hỏi mô hình dự báo nào mang lại kết quả tốt nhất trong việc dự báo xác suất vỡ nợ của các doanh nghiệp vừa và nhỏ tại các NHTM Việt Nam

Đóng góp quan trọng nhất của nghiên cứu này là đề ra ý tưởng cơ bản trong việc

sử dụng các chỉ tiêu tài chính để dự báo xác suất vỡ nợ của các doanh nghiệp vừa và nhỏ, qua đó góp phần nâng cao hiệu quả trong công tác kiểm soát rủi ro tín dụng của các NHTM ở Việt Nam trong thời gian tới

MỤC LỤC

DANH MỤC CÁC BẢNG viii

DANH MỤC HÌNH ix

DANH MỤC TỪ VIẾT TẮT x

CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN 1

1.1 Tính cấp thiết của đề tài 1

1.2 Vấn đề nghiên cứu 3

1.3 Mục tiêu nghiên cứu 3

1.4 Câu hỏi nghiên cứu 4

1.5 Đối tượng và phạm vi nghiên cứu 4

1.6 Phương pháp nghiên cứu 4

1.7 Đóng góp của đề tài 5

1.8 Cấu trúc của luận văn 5

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY 8

2.1 Xếp hạng tín nhiệm 8

2.2 Xác suất vỡ nợ (PD) 9

2.3 Khảo lược các mô hình dự báo xác suất vỡ nợ của doanh nghiệp 10

2.4 Tổng quan các nghiên cứu trước 16

2.4.1 Các nghiên cứu trên thế giới 16

2.3.2 Các nghiên cứu tại Việt Nam 18

CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU 21

3.1 Phương pháp xây dựng các mô hình 21

3.2 Thu thập và xử lý dữ liệu 22

3.3 Lựa chọn các biến đầu vào trong mô hình dự báo xác suất vỡ nợ 24

3.4 Các mô hình dự báo xác suất vỡ nợ được nghiên cứu 27

3.4.1 Mô hình tham số 27

3.4.2 Mô hình phi tham số 29

3.5 Phương pháp lựa chọn mô hình dự báo xác suất vỡ nợ 31

3.5.1 Ma trận Confussion 31

3.5.2 Điểm số F1 (F1-score) 34

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 35

4.1 Kết quả thống kê mô tả 35

4.2 Kết quả hồi quy 37

4.2.1 Kết quả hồi quy của các mô hình tham số 37

4.2.2 Kết quả hồi quy của mô hình phi tham số 42

CHƯƠNG 5: KẾT LUẬN 45

5.1 Ứng dụng mô hình để dự báo khả năng trả nợ của các khách hàng doanh nghiệp vừa và nhỏ tại các ngân hàng thương mại ở Việt Nam 46

5.1.1 Công cụ hỗ trợ trong việc xác định nhóm đối tượng khách hàng tiềm năng 46

5.1.2 Kết quả mô hình là cơ sở định hướng chính sách tín dụng 46

5.1.3 Vận dụng kết quả mô hình nhằm nâng cao hiệu quả quản lý rủi ro tín dụng ở các ngân hàng thương mại 48

5.2 Hạn chế của đề tài và hướng nghiên cứu tiếp theo 48

5.2.1 Hạn chế của đề tài 48

5.2.2 Hướng nghiên cứu trong tương lai 49

TÀI LIỆU THAM KHẢO 50 PHỤ LỤC

DANH MỤC CÁC BẢNG

Bảng 2.1 Khảo lược các mô hình xếp hạng tín nhiệm dự báo xác suất vỡ nợ 11 Bảng 3.1 Tổng hợp số lượng doanh nghiệp – ngành nghề kinh doanh 24 Bảng 3.2 Phân tách các công ty phá sản và không phá sản 25 Bảng 3.3 Các biến độc lập trong mô hình dự báo xác suất vỡ nợ 29 Bảng 3.4 Cấu trúc dữ liệu các biến trong mô hình Logit 30

DANH MỤC HÌNH

Hình 3.1 Mô phỏng mô hình cây quyết định 32 Hình 3.2 Mô phỏng mô hình random forest 33 Hình 4.1 Kết quả hồi quy của mô hình cây quyết định (Decision Tree) 45 Hình 4.2 Kết quả của mô hình Random Forest 46

CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN

1.1 Tính cấp thiết của đề tài

Hệ thống xếp hạng tín dụng nội bộ luôn đóng vai trò quan trọng tại các NHTM trong việc đánh giá mức độ rủi ro tín dụng của khách hàng đồng thời hỗ trợ ngân hàng trong việc ra quyết định tín dụng cũng như trong các hoạt động quản trị rủi ro tại ngân hàng Tại Việt Nam, các NHTM đang ngày càng nhận thấy tầm quan trọng của hệ thống này trong hoạt động tín dụng và quản trị rủi ro của ngân hàng, đặc biệt trong giai đoạn các NHTM Việt Nam đang cố gắng để đáp ứng các tiêu chuẩn của Basel II

Trong bối cảnh đó, tính cấp thiết của đề tài nghiên cứu này được thể hiện ở các khía cạnh

cụ thể như sau:

Thứ nhất, các mô hình XHTN hiện nay đều có những hạn chế nhất định và đang có

nhiều tranh luận, không thống nhất về mức độ tin cậy của các mô hình XHTN dẫn đến sự khó khăn trong việc lựa chọn mô hình XHTN phù hợp để dự báo xác suất vỡ nợ của doanh nghiệp (Huseyin &Bora, 2009) Theo nghiên cứu của Aysegul Iscanoglu, 2005 cũng như Hayden& Daniel, 2010 đã nêu ra nhiều mô hình nghiên cứu trong lĩnh vực XHTN như mô hình phân tích phân biệt (discriminant analysis), mô hình Logit (logistic regression), mô hình hình cây (decision tree), mô hình mạng thần kinh nhân tạo (artificial neural networks – ANN), mô hình Probit regression với các ưu và nhược điểm của từng mô hình Thực tế, đã có nhiều phân tích chuyên sâu về các mô hình nêu trên Platt (1991) đã sử dụng mô hình Logit trong kiểm định, lựa chọn các biến tài chính và cho rằng việc sử dụng các biến tài chính trung bình của ngành tốt hơn sử dụng những biến tài chính của một doanh nghiệp đơn lẻ trong dự báo phá sản của doanh nghiệp Lawrence (1992) sử dụng mô hình Logit dự báo xác suất vỡ nợ của những khoản vay có thế chấp Altman (1968) đã sử dụng mô hình phân tích phân biệt tìm một hàm tuyến tính của các biến tài chính và thị trường để có thể phân biệt một cách tốt nhất giữa 2 loại doanh nghiệp vỡ nợ và không vỡ nợ…

Thứ hai, việc xác định các chỉ số tài chính nào thực sự tác động đến kết quả xếp hạng

suất vỡ nợ Trong giai đoạn 1926 – 1936, các nhà nghiên cứu chỉ sử dụng chỉ số tài chính cơ bản để xếp hạng kèm một số chỉ số khác như Ramser &Foster (1931) với chỉ

số vốn chủ sở hữu/tổng doanh thu thuần hay Fitzpatrick (1932) sử dụng chỉ số vốn chủ

sở hữu/tài sản cố định Giai đoạn tiếp theo, Altman (1968) sử dụng 5 chỉ số tài chính trong mô hình phân tích phân biệt để dự báo khả năng vỡ nợ của các doanh nghiệp gồm vốn chủ sở hữu/giá trị sổ sách của các khoản nợ, doanh thu thuần/tổng tài sản, thu nhập hoạt động kinh doanh/tổng tài sản, lợi nhuận sau thuế/tổng tài sản và vốn lưu động/tổng tài sản Cũng sử dụng mô hình phân tích phân biệt nhưng Deakin (1972) lại chọn 14 biến tài chính sau: tiền mặt/nợ ngắn hạn, dòng tiền thực/tổng nợ, tiền mặt/doanh thu thuần, tiền mặt/tài sản cố định, hệ số khả năng thanh toán hiện hành, tài sản ngắn hạn/doanh thu thuần, tài sản ngắn hạn/tổng tài sản, thu nhập/tổng tài sản, tài sản có tính thanh khoản cao/nợ ngắn hạn, tài sản có tính thanh khoản cao/doanh thu thuần, tài sản

có tính thanh khoản cao/tổng tài sản, tổng nợ phải trả/tổng tài sản, vốn lưu động/doanh thu thuần, vốn lưu động/tổng tài sản Theo thời gian, các nhà khoa học đã tìm thêm nhiều chỉ số tài chính có khả năng tác động đến kết quả XHTN như Blum (1974) sử dụng các biến tài chính gồm tỷ suất lợi nhuận của thị trường, hệ số khả năng thanh toán nhanh, tài sản có tính thanh khoản cao/hàng tồn kho,dòng tiền/tổng nợ phải trả, giá trị sổ sách của tài sản/tổng nợ phải trả, xu hướng giảm của lợi nhuận, xu hướng giảm của tài sản có tính thanh khoản cao/hàng tồn kho hay Back, Laitinen, Sere & Wesel (1996) sử dụng 31 chỉ số khác nhau

Thứ ba, hiện tại phương pháp xếp hạng tại các ngân hàng ở Việt Nam còn mang tính

chủ quan, định tính, dựa trên đánh giá – kinh nghiệm của các cán bộ tín dụng trực tiếp quản lý khách hàng (phương pháp chuyên gia), do đó chỉ hỗ trợ cho việc ra quyết định cấp tín dụng, không phải là cơ sở để ra quyết định, vì chưa có cơ sở khoa học có độ tin cậy cao để dự báo khả năng phá sản của các doanh nghiệp Cho đến nay, hiện vẫn chưa

có nhiều nghiên cứu được công bố tại Việt Nam về việc lựa chọn mô hình dự báo xác suất vỡ nợ của các doanh nghiệp dựa trên các chỉ số tài chính

Thứ tư, Chính Phủ đã và đang xây dựng hành lang pháp lý đối với lĩnh vực XHTN nhằm

nâng cao tính công khai minh bạch thông tin hỗ trợ cho các ngân hàng kiểm soát được rủi

ro tín dụng ngay từ đầu cũng như hỗ trợ thị trường chứng khoán, thị trường trái phiếu thúc đẩy huy động vốn thông qua thị trường chứng khoán, bảo vệ quyền và lợi ích của nhà đầu

tư Việc nghiên cứu và lựa chọn các mô hình xếp hạng phù hợp sẽ đóng góp rất nhiều đến

sự phát triển của hoạt động xếp hạng tín nhiệm ở Việt Nam Cụ thể,Chính Phủ đã ban hành Nghị định số 88/2014/NĐ-CP ngày 26/09/2014 quy định về dịch vụ XHTN, điều kiện hoạt động của doanh nghiệp XHTN được thành lập và hoạt động tại Việt Nam; đồng thời theo Quyết định phê duyệt quy hoạch phát triển dịch vụ xếp hạng tín nhiệm đến 2020

và tầm nhìn đến 2030 của Thủ tướng Chính phủ số 507/QĐ-TTg ngày 17/04/2015, việc phát hành trái phiếu doanh nghiệp sẽ phải được xếp hạng tín nhiệm kể từ năm 2020

Rõ ràng, việc lựa chọn được mô hình dự đoán xác suất vỡ nợ doanh nghiệp dựa trên các chỉ số tài chính phù hợp được đề cập là một trong những biện pháp quản lý kiểm soát rủi

ro tín dụng của các NHTM Việt Nam nhằm phân loại sàng lọc khách hàng ngay từ đầu và kiểm soát rủi ro vỡ nợ của ngân hàng theo khuyến cáo của Ủy ban Basel (Basel II, 2004)

Chính vì vậy, bài luận văn tập trung nghiên cứu vấn đề “Lựa chọn mô hình dự báo xác

suất vỡ nợ của doanh nghiệp vừa và nhỏ tại các ngân hàng thương mại Việt Nam dựa trên các chỉ số tài chính” nhằm cung cấp cho các NHTM một cách có hệ thống cơ

sở lý luận và minh chứng thực nghiệm liên quan đến việc lựa chọn mô hình dự báo khả năng phá sản doanh nghiệp phù hợp để góp phần nâng cao hiệu quả trong công tác kiểm soát rủi ro tín dụng của ngân hàng trong thời gian tới

1.2 Vấn đề nghiên cứu

Lựa chọn mô hình phù hợp dự báo xác suất vỡ nợ của các doanh nghiệp vừa và nhỏ tại các NHTM Việt Nam dựa trên các chỉ số tài chính trong giai đoạn từ năm 2016 – 2018

1.3 Mục tiêu nghiên cứu

Trên cơ sở xác định các tiêu chí của một mô hình dự báo phù hợp và cách lựa chọn mô hình, từ đó bài nghiên cứu sẽ tiến hành lựa chọn mô hình có khả năng dự báo xác suất vỡ

nợ của doanh nghiệp vừa và nhỏ tại các NHTM Việt Nam dựa trên các chỉ số tài chính trong giai đoạn từ năm 2016 – 2018 Thông qua đó giúp các ngân hàng thương mại sàng

1.4 Câu hỏi nghiên cứu

Nhằm đạt được mục tiêu nêu trên, bài nghiên cứu đã đặt ra các câu hỏi nghiên cứu sau: (i) Các chỉ số tài chính nào ảnh hưởng lớn đến việc lựa chọn mô hình dự báo xác

suất vỡ nợ của các doanh nghiệp vừa và nhỏ?

(ii) Mô hình nào mang lại kết quả tốt nhất trong việc dự báo xác suất vỡ nợ của các

doanh nghiệp vừa và nhỏ?

1.5 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của luận văn là xác suất vỡ nợ của khách hàng doanh nghiệp vừa

và nhỏ tại các NHTM Việt Nam.Doanh nghiệp vừa và nhỏ là doanh nghiệp đáp ứng một trong hai tiêu chí sau: (i) tổng nguồn vốn không quá 100 tỷ đồng; (ii) tổng doanh thu của năm trước liền kề không quá 500 tỷ đồng

Phạm vi nghiên cứu: bài nghiên cứu thu thập các chỉ số tài chính từ các báo cáo tài

chính của các doanh nghiệp vừa và nhỏ tại các NHTM Việt Nam trong giai đoạn từ

2016 – 2018

1.6 Phương pháp nghiên cứu

Luận văn sử dụng phương pháp kết hợp phương pháp nghiên cứu định tính và nghiên cứu định lượng Trong đó:

Phương pháp nghiên cứu định tính: Thảo luận về quan điểm, nhận thức đánh giá của các

NHTM về vấn đề XHTN khách hàng doanh nghiệp vừa và nhỏ tại các NHTM ở Việt Nam Tìm hiểu và nghiên cứu các yếu tố ảnh hưởng đến kết quả XHTN khách hàng doanh nghiệp vừa và nhỏ ở các NHTM tại Việt Nam Từ đó xây dựng các thang đo lường

để thực hiện nghiên cứu định lượng

Phương pháp nghiên cứu định lượng: xác định lại các yếu tố tài chính ảnh hưởng và đo

lường mức độ tác động của từng yếu tố đến kết quả XHTN khách hàng doanh nghiệp vừa

và nhỏ tại các NHTM ở Việt Nam Sử dụng phương pháp hồi quy để xây dựng mô hình XHTN bao gồm các phương pháp logit, probit Bên cạnh đó, luận văn cũng sử dụng mô

hình xếp hạng theo phương pháp cây quyết định (Decision tree) và phương pháp Random Forest để đánh giá hạng tín nhiệm của các doanh nghiệp vừa và nhỏ

Ngoài ra, luận văn sử dụng kết hợp các phương pháp bao gồm: Phương pháp thống kê mô

tả nhằm tổ chức dữ liệu theo các đặc tính cần mô tả; Phương pháp so sánh đối chiếu giữa

mô hình và thực tiễn để để đưa ra kết luận; Phương pháp phân tích tổng hợp để tổng hợp

và phân tích dữ liệu liên quan trong quá trình nghiên cứu

Trên cơ sở các vấn đề và kết quả nghiên cứu được tìm thấy, bài nghiên cứu đề xuất lựa chọn mô hình XHTN phù hợp, có khả năng dự báo xác suất vỡ nợ cho các doanh nghiệp vừa và nhỏ tại các NHTM Việt Nam dựa trên các chỉ số tài chính góp phần nâng cao hiệu quả trong công tác kiểm soát rủi ro tín dụng của các NHTM ở Việt Nam trong thời gian tới

1.8 Cấu trúc của luận văn

Cấu trúc luận văn gồm 5 chương từ giới thiệu tổng quan, đưa ra cở sở lý thuyết và các nghiên cứu trước đây, mô hình xếp hạng tín nhiệm, sau đó tiến hành phân tích kết quả và cuối cùng là một số trao đổi kèm kiến nghị, chi tiết cụ thể như sau:

Chương 1 (Giới thiệu tổng quan) trình bày về tính cấp thiết của đề tài, vấn đề nghiện

cứu, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, đóng góp của đề tài và cấu trúc của luận văn nhằm cung cấp cho người đọc một bức tranh tổng thể về toàn bộ bài nghiên cứu

Chương 2 (Cơ sở lý thuyết và các nghiên cứu trước đây) trình bày những lý luận cơ

bản và các lý thuyết nền liên quan đến xếp hạng tín dụng, xác suất vỡ nợ của các doanh nghiệp và phương pháp đo lường, dự báo các nội dung này cũng như kết quả đánh giá các nghiên cứu trước đây đã được công bố để làm rõ tính cấp thiết của đề tài, đồng thời cung cấp cơ sở cho việc tiến hành đề xuất mô hình nghiên cứu và phân tích kết quả nghiên cứu

được trình bày ở các chương tiếp theo

Chương 3 (Mô hình và phương pháp nghiên cứu) trình bày chi tiết nội dung của mô

hình nghiên cứu – mô hình dự báo xác suất vỡ nợ được đề xuất, mô tả chi tiết các dữ liệu

đã thu thập và các phương pháp nghiên cứu được sử dụng để cho thấy mức độ tin cậy của kết quả nghiên cứu được trình bày ở chương tiếp theo Mô hình dự báo xác suất vỡ nợ được đề xuất sử dụng bao gồm mô hình tham số (với các mô hình logit, probit, complementary log-log) và mô hình phi tham số (gồm mô hình cây quyết định decision tree, mô hình random forest)

Chương 4 (Kết quả nghiên cứu) phân tích kết quả hồi quy từ các mô hình tham số và

phi tham số, đồng thời dựa trên các chỉ tiêu được tính toán từ ma trận confusion (Accuracy, Sensitivity, Specificity, Precision, F1 - Score) để so sánh và đánh giá khả năng

dự báo xác suất vỡ nợ của từng mô hình

Chương 5 (Kết luận và kiến nghị) tổng kết các kết quả đạt được của bài luận văn, từ

đó đề xuất các giải pháp giúp các ngân hàng thương mại nâng cao khả năng dự báo xác suất vỡ nợ của các doanh nghiệp vừa và nhỏ, theo đó kịp thời có các chính sách định hướng cũng như điều chỉnh hoạt động cấp tín dụng của các NHTM để đạt hiệu quả cao hơn và giảm thiểu rủi ro tín dụng, đảm bảo an toàn vốn Ngoài ra, bài luận văn cũng gợi

ý một số hàm ý chính sách quản trị cho chính các doanh nghiệp để giảm thiểu rủi ro phá

sản Thêm vào đó, bài luận văn cũng đưa ra những hạn chế và các vấn đề còn tồn tại, từ

đó đề xuất các hướng nghiên cứu tiếp theo

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU

TRƯỚC ĐÂY

2.1 Xếp hạng tín nhiệm

Thuật ngữ “xếp hạng tín nhiệm” (XHTN) lần đầu tiên được đưa ra bởi John Moody năm 1900 trong ấn phẩm “Moody’s Manual of Industrial and Miscellaneous Securities” khi cho rằng XHTN là ý kiến về khả năng và sự sẵn sàng của một đơn vị trong việc thanh toán đúng hạn cho một khoản nợ nhất định trong suốt thời hạn tồn tại của khoản

nợ Hệ thống xếp hạng trình bày trong báo cáo này được ký hiệu gồm 3 chữ cái ABC được xếp hạng lần lượt là AAA (mức ổn định cao nhất) đến C (mức rủi ro cao nhất)

Kể từ đó đến nay, việc sử dụng XHTN trở nên rất phổ biến và đa dạng về mục đích cũng như đối tượng xếp hạng, theo đó cách nhìn nhận cũng như quan điểm về XHTN

đã có nhiều thay đổi

Theo Michael K.Ong (2003), XHTN là một tiến trình đánh giá và phân loại mức độ tín nhiệm tương ứng với các cấp độ rủi ro khác nhau, mỗi kết quả xếp hạng là một sự phản ánh rõ ràng và ngắn gọn về khả năng thanh toán nợ của công ty được xếp hạng, đồng thời XHTN còn là quá trình sử dụng các thông tin đã biết và thông tin hiện thời để dự báo kết quả tương lai

Với quan điểm của Standard & Poor’s thì XHTN là đánh giá khả năng tín dụng của bên phải thực hiện nghĩa vụ tài chính trong tương lai dựa trên những yếu tố hiện tại và quan điểm của người đánh giá Nói cách khác, XHTN là trình bày các ý kiến về rủi ro tín dụng

Cụ thể là thể hiện ý kiến về khả năng và và sự sẵn sàng của tổ chức phát hành (Rating issuers) - chẳng hạn như một tổng công ty hoặc chính phủ tiểu bang hoặc thành phố - để đáp ứng các nghĩa vụ tài chính đầy đủ và đúng hạn XHTN cũng có thể đề cập tới chất lượng tín dụng của một khoản nợ riêng lẻ (Rating issues) - chẳng hạn như trái phiếu công

ty hoặc trái phiếu chính phủ - hoặc đánh giá nguy cơ liên quan có thể dẫn đến bị tổn thất Fitch Ratings khẳng định theo quan điểm của họ, XHTN là đánh giá mức độ khả năng thực hiện các nghĩa vụ nợ như lãi suất, cổ tức ưu đãi, các khoản bảo hiểm hay các khoản phải trả khác của một đối tượng được xếp hạng Phương pháp XHTN của Fitch là sự kết

hợp của cả yếu tố tài chính và phi tài chính Vì vậy, chỉ số đánh giá còn cho thấy khả năng sinh lợi tương lai của tổ chức được đánh giá

Một cách khái quát có thể hiểu XHTN là một tiến trình đánh giá và phân loại mức độ tín nhiệm tương ứng với các cấp độ rủi ro khác nhau, phản ánh về chất lượng, khả năng thanh toán nợ của đối tượng được xếp hạng và dự báo kết quả trong tương lai, được thể hiện thông qua hệ thống các ký hiệu xếp hạng Theo đó, XHTN cung cấp thông tin cho các nhà đầu tư biết về tình trạng tài chính và mức độ rủi ro của các định chế tài chính để

có quyết định đầu tư phù hợp Các yếu tố để đánh giá thường bao gồm yếu tố tài chính

và phi tài chính Yếu tố tài chính bao gồm các tỷ số tài chính quan trọng thông qua các báo cáo tài chính Yếu tố phi tài chính là các yếu tố khó có thể định lượng như: chính trị, ngành nghề kinh doanh, môi trường kinh tế vĩ mô…

2.2 Xác suất vỡ nợ (PD)

Xác suất vỡ nợ là một thành phần quan trọng được áp dụng trong nhiều phân tích rủi

ro tín dụng và hoạt động quản lý rủi ro Theo Basel II, nó là một tham số chính được

sử dụng trong tính toán mức vốn kinh tế có khả năng hấp thụ các rủi ro tại các tổ chức tín dụng

Theo định nghĩa được đưa ra bởi Office of the Comptroller of the Currency: “Xác suất vỡ

nợ là rủi ro mà người đi vay sẽ không thể hoặc không sẵn sàng trả nợ đầy đủ hoặc đúng hạn Rủi ro vỡ nợ bắt nguồn từ việc phân tích năng lực của bên có nghĩa vụ để trả nợ theo các điều khoản hợp đồng” PD thường liên quan đến các đặc điểm tài chính như dòng tiền không đủ bù đắp chi phí, doanh thu hoặc tỷ suất lợi nhuận hoạt động sụt giảm, đòn bẩy cao, thanh khoản giảm hoặc không đảm bảo năng lực để thực hiện các kế hoạch kinh doanh thành công Ngoài những yếu tố có thể định lượng này, sự sẵn sàng trả nợ của người đi vay cũng cần phải được đánh giá để xác định xác suất vỡ nợ

Hoặc như Tysk (2010) đã giải thích, xác suất vỡ nợ là sự đánh giá định lượng về khả năng một bên có nghĩa vụ sẽ phá sản trong một khoảng thời gian nhất định, thường là một năm Thông thường, xác suất vỡ nợ phác thảo công ty không hoàn thành trách nhiệm với khoản vay của họ hay nói cách khác là trách nhiệm thanh toán đối với các

ngân hàng Vì các nguyên nhân chính khiến các công ty mất khả năng trả nợ là thua lỗ kinh doanh hoặc thiếu tiền, nên nó cũng có thể được coi là khả năng phá sản của các công ty Để ước tính xác suất vỡ nợ, ngân hàng có thể cho điểm các công ty dựa trên khả năng trả nợ của họ, từ đó đưa ra quyết định tốt hơn trong việc cho vay

PD là một trong những tỷ lệ hiệu quả nhất để phân loại người vay Tất cả các ngân hàng, cho dù sử dụng phương pháp tiêu chuẩn hay các phương pháp tiên tiến khác đều phải cung cấp cho giám sát viên với một ước tính nội bộ của PD liên quan đế người đi vay trong phạm vi số điểm được chấm Kết quả xếp hạng dựa trên số liệu PD được xem là tương đối chính xác vì nó được tính toán trên các tỷ lệ tài chính thực tế của doanh nghiệp và có thể phản ánh tình trạng của doanh nghiệp một cách thiết thực PD có thể giúp giảm rủi ro tín dụng một cách hiệu quả nếu được xem xét đầy đủ

2.3 Khảo lược các mô hình dự báo xác suất vỡ nợ của doanh nghiệp

Trên thế giới đã có khá nhiều các nghiên cứu liên quan đến mô hình dự báo xác suất vỡ

nợ của doanh nghiệp Mỗi một mô hình sẽ có biến đầu vào, ưu và nhược điểm khác nhau, được thể hiện cụ thể trong bảng sau:

Bảng 2.1: Khảo lược các mô hình dự báo xác suất vỡ nợ

và mô hình hóa mối quan hệ tuyến tính giữa các biến Năm

1970, Orgler đã sử dụng mô hình này để xác định mối quan hệ tuyến tính giữa các đặc điểm của khách hàng với tình trạng vỡ nợ của khách hàng đó

- Phổ biến và

dễ áp dụng

- Dễ tính toán

và kết quả có thể được giải thích

- Có thể đưa ra được một kết quả tốt với

hệ thống dữ liệu ít

- Kết quả hồi quy

có thể nằm bên ngoài khoảng [0,1]

- Khả năng ngoại suy có thể thấp

- Rất nhạy cảm với những trường hợp đặc biệt

- Chức năng phân biệt phải thỏa mãn các nguyên tắc sau: Tối

đa hoá sự khác biệt giữa các nhóm khách hàng phá sản – không phá sản và khoảng cách

- Phổ biến và

dễ thực hiện

- Điểm số có thể được tính trực tiếp từ

mô hình tuyến tính ước tính

- Giảm tỷ lệ lỗi của

mô hình

- Các biến được giả định theo phân phối chuẩn, tuy nhiên điều này không hợp lý và rất khó để kiểm tra

sự ổn định của

mô hình cũng như tính hợp lý của các hệ số hồi quy

- Tương tự như hồi qui tuyến tính, giá trị tuyệt

TT Tên mô hình Tổng quan về mô hình Ưu điểm Nhược điểm

giữa các khách hàng trong cùng một nhóm là thấp nhất

- Mặc dù mô hình này có vẻ tương tự như mô hình hồi quy tuyến tính, nhưng vẫn có sự khác biệt Cụ thể: Trong mô hình hồi quy tuyến tính, đặc điểm của người đi vay được xác định và trạng thái của người đi vay là ngẫu nhiên

Trong khi đó, trong mô hình phân tích phân biệt thì trạng thái của người đi vay được xác định và đặc điểm của họ thì ngẫu nhiên

đối của mô hình không thể diễn giải được

- Mô hình logit và Probit nghiên cứu sự phụ thuộc của một biến nhị phân (biến phụ thuộc Y) vào các biến độc lập khác (Xi), qua đó có thể ước lượng xác suất vỡ nợ của một doanh nghiệp có nguy cơ phá sản là bao nhiêu trực tiếp từ mẫu

- Dễ dàng đưa

ra kết quả và kết quả thì

dễ giải thích

- Kết quả đưa

ra là xác suất vì vậy

hỗ trợ cho việc đưa ra quyết định

- Có thể kiểm định được

- Có thể vi phạm giả định chuẩn của các biến trong mô hình

- Mô hình không thể ứng dụng đối với các trường hợp DN khiếm khuyết

dữ liệu hoặc DN

có cấu trúc tài chính đặc biệt

TT Tên mô hình Tổng quan về mô hình Ưu điểm Nhược điểm

mức độ tin cậy của kết quả xếp hạng

và các biến

- Vấn đề đánh giá quá cao hoặc quá thấp có thể xuất hiện trong

mô hình

4 Mô hình cây

quyết định

(Decision Tree)

- Mô hình cây quyết định là một

mô hình phi tham số được Brieman giới thiệu lần đầu vào năm 1980, được sử dụng nhiều cho vấn đề phân loại và dự báo

vỡ nợ của các doanh nghiệp

- Cây quyết định là quá trình phân tích dữ liệu, phân lớp Cụ thể cây quyết định chia một tập dữ liệu thành các tập dữ liệu con sao cho các tập dữ liệu này đồng nhất hơn với biến phân lớp

- Cây quyết định có cấu trúc biểu diễn dưới dạng hình cây gồm nút quyết định và nút lá, đỉnh trên cùng của cây gọi là gốc Mỗi nút quyết định tương ứng với một thử nghiệm trên một thuộc tính duy nhất của

dữ liệu đầu vào và mỗi nút quyết định xử lý một kết quả

- Không có các giả định về phân phối chuẩn của các biến trong

mô hình

- Xác suất phá sản có thể tính toán được

- Trực quan, dễ nhìn, dễ dàng giải thích các kết quả

- Mối quan hệ phi tuyến giữa các biến độc lập và biến phụ thuộc được

- Sự ổn định của mô hình không thể được đánh giá bằng các bài kiểm tra thống kê

TT Tên mô hình Tổng quan về mô hình Ưu điểm Nhược điểm

của thử nghiệm Mỗi nút lá là kết quả của quyết định cho một trường hợp

- Quá trình phân nhánh hay quá trình ra quyết định ở từng bước đều được dựa trên những điều kiện, hệ số đo lường, tính toán nhất định

- Random Forest là một tập hợp của hàng trăm cây quyết định, trong đó mỗi cây quyết địnhđược tạo nên ngẫu nhiên

từ việc tái chọn mẫu (chọn random 1 phần của tập dữ liệu

để xây dựng) và random các biến từ toàn bộ các biến trong tập dữ liệu Với một cơ chế như vậy, mô hình Random Forest thường hoạt động rất

- Cho kết quả

dự báo tốt hơn so với

mô hình cây quyết định

- Mô hình vẫn

có thể làm việc được với

dữ liệu thiếu giá trị

- Khi rừng có nhiều cây hơn, có thể tránh được hiện tượng overfitting tập dữ liệu (hiện tượng

mô hình tìm

- Không thể giải thích được cơ chế hoạt động của

mô hình, Random Forest là một trong những

mô hình hộp đen (Black box)

- Phải mất nhiều thời gian hơn để phân tích dữ liệu

so với các tập dữ liệu trước đó

TT Tên mô hình Tổng quan về mô hình Ưu điểm Nhược điểm

chính xác, nhưng chúng ta không thể nào hiểu được cơ chế hoạt động bên trong mô hình vì cấu trúc quá phức tạp

được quá khớp với tập

sử dụng trong nghiên cứu dự báo vỡ nợ

- Mục tiêu của mô hình là tìm mối quan hệ giữa biến độc lập

và biến phụ thuộc Tuy nhiên,

mô hình này không ước tính các thông số, nó sử dụng ý tưởng hoạt động của nơ-ron,

là quá trình xử lý thông tin của não, vì vậy được xem là

mô hình phi tham số

- Mô hình bao gồm nhiều nút, mỗi nút gửi kết quả đến các nút mạng khác nếu nó nhận được dữ liệu vào từ một nút mạng cụ thể được kết nối Một

bộ dữ liệu được sử dụng để đào tạo các mô hình nhận ra

- Dễ dàng cho các mô hình phức tạp

- Không có những giả định hạn chế

- Cho phép sử dụng dữ liệu định tính

- Có thể kiểm soát dữ liệu thô, không có

ý nghĩa

- Có thể khắc phục được vấn đề tự tương quan

- Kết quả đưa

ra rõ ràng

- Mô hình này là một hộp đen, kết quả không được diễn giải

- Yêu cầu dữ liệu chất lượng cao

- Mẫu được đưa vào mô hình phải

đủ lớn

- Các biến phải lựa chọn theo thứ

tự ưu tiên

- Yêu cầu những định nghĩa chi tiết từ người thiết

kế mô hình

- Mất nhiều thời gian xử lý

- Rủi ro trong việc lỗi mô hình

- Mô hình rất phức tạp, khó áp dụng và phổ biến

TT Tên mô hình Tổng quan về mô hình Ưu điểm Nhược điểm

những người không trả được

nợ Điều chỉnh được thực hiện trên các kết nối giữa đầu vào, đầu ra và các nút trung gian để tạo ra mô hình cuối cùng

tại Việt Nam

2.4 Tổng quan các nghiên cứu trước

Cho đến nay đã có rất nhiều nghiên cứu liên quan đến dự báo xác suất vỡ nợ của doanh nghiệp và rủi ro phá sản của doanh nghiệp, tuy nhiên kết quả nghiên cứu được tìm thấy vẫn còn chưa thống nhất do nhiều nguyên nhân khác nhau, bao gồm sự khác nhau về đối tượng và phạm vi nghiên cứu cũng như mô hình và phương pháp nghiên cứu đã được sử dụng

2.4.1 Các nghiên cứu trên thế giới

Trên thế giới đã có khá nhiều các nghiên cứu liên quan đến dự báo xác suất vỡ nợ của doanh nghiệp và rủi ro phá sản của doanh nghiệp Cụ thể như nghiên cứu của Edward I

A (1968) về chỉ số tài chính, phân tích mô hình đa thức nhằm dự báo khả năng phá sản của doanh nghiệp Nghiên cứu có mẫu khảo sát gồm 66 doanh nghiệp được chia thành 2 nhóm gồm 33 doanh nghiệp phá sản theo Chương X của Luật phá sản Hoa Kỳ giai đoạn

1946 – 1965 và 33 doanh nghiệp không phá sản trong cùng thời kỳ, các đơn vị này vẫn tiếp tục hoạt động trong năm 1966 Tác giả đã sử dụng 22 biến độc lập chỉ số tài chính để phân tích chia thành 5 nhóm gồm: chỉ số về khả năng thanh khoản, chỉ số về khả năng sinh lời, chỉ số đòn bẩy tài chính, chỉ số và khả năng thanh toán nợ và chỉ số hoạt động Kết quả nghiên cứu từ mô hình phân tích đa thức này của Edward I A đạt mức chính xác khá cao, cụ thể dự báo đúng 94% mẫu khảo sát ban đầu Tuy nhiên, giới hạn của bài nghiên cứu này là chỉ khảo sát các doanh nghiệp sản xuất lớn (dựa vào quy mô tài sản) Tiếp theo phải kể đến nghiên cứu về dự báo thất bại doanh nghiệp của Evridiki Neophytou, Andreas Charitou & Chris Charalambous (2000) với kỹ thuật phân tích logit

đã phát triển mô hình phân loại các doanh nghiệp công nghiệp thất bại cho nước Anh Bộ

dữ liệu bao gồm 51 cặp doanh nghiệp thất bại và không thất bại ở Anh giai đoạn 1988 –

1997 Mô hình dự báo được phát triển cho đến ba năm trước khi sự kiện thất bại của doanh nghiệp diễn ra trên cơ sở ba biến tài chính là khả năng sinh lời, dòng tiền hoạt động kinh doanh và biến đòn bẩy tài chính Kết quả của mô hình có thể giải thích chính xác 83% khả năng thất bại của doanh nghiệp trước một năm Tuy nhiên, mô hình có giả định

về phân phối xác suất, giả thiết không có hiện tượng đa cộng tuyến do đó làm giảm mức

độ áp dụng của mô hình

Ravi & Pramodh (2008) đã sử dụng mô hình mạng thần kinh nhân tạo nơtron để dự báo

vỡ nợ cho các ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha, trong đó có sử dụng 9 nhân tố tài chính cho các ngân hàng Thổ Nhĩ Kỳ và 12 nhân tố tài chính cho các ngân hàng Tây Ban Nha Mức độ chính xác của mô hình xây dựng là 96,6% cho tập số liệu của các ngân hàng Tây Ban Nha và 100% cho tập số liệu của các ngân hàng Thổ Nhĩ Kỳ Tuy nhiên, do mô hình này khá phức tạp, cấu trúc của nó khó theo dõi, nằm ngoài sự kiểm soát của người xây dựng mô hình nên tính ứng dụng không cao

Bên cạnh đó, trong nghiên cứu về chỉ số tài chính và phân tích biệt số đa nhân tố dự báo

sự thất bại của các doanh nghiệp Malaysia của nhóm nghiên cứu Ben Chin-FookYap, David Gun-Fie Yong & Wai-Ching Poon(2010) đã phát triển mô hình phân tích biệt số

đa nhân tố (MDA – Multiple Discriminant Analysis) để cải thiện khả năng dự báo sự thất bại cho các doanh nghiệp Malaysia sau khoảng thời gian cơ cấu lại với điều kiện tài chính, hoạt động, kinh doanh khác nhau Nhóm tác giả sử dụng 16 biến chỉ số tài chính

để phân tích trên mẫu khảo sát gồm 64 doanh nghiệp Kết quả nghiên cứu tìm thấy 7 biến chỉ số tài chính có ý nghĩa thống kê trong việc dự báo với tỷ lệ chính xác khá cao

từ 88% đến 94% cho mỗi doanh nghiệp trước khi doanh nghiệp thất bại, bao gồm tổng tài sản trên tổng nợ phải trả, dòng tiền trên tổng nợ dài hạn, tổng nợ dài hạn trên tổng tài sản, vốn lưu động trên tổng tài sản, thu nhập giữ lại trên tổng tài sản, thu nhập trước thuế và lãi vay trên doanh thu và thu nhập ròng trên doanh thu Tuy nhiên, phương pháp này cũng có nhược điểm liên quan đến các giả định cơ bản trong mô hình (giả thiết về

phân phối chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của

mô hình cũng như làm giảm khả năng áp dụng

2.3.2 Các nghiên cứu tại Việt Nam

Tại Việt Nam, cũng có nhiều nghiên cứu liên quan đến chủ đề này, đa số được công bố trên các phương tiện thông tin đại chúng đã tiến hành nghiên cứu các nhân tố ảnh hưởng đến rủi ro phá sản của doanh nghiệp, ước tính xác suất phá sản trong thẩm định giá trị doanh nghiệp (Hay Sinh 2003, Lê Đạt Chí & Lê Tuấn Anh 2012; Lê Nguyễn Sơn Vũ 2013; Võ Hồng Đức & Nguyễn Đình Thiên 2013; nhóm tác giả thuộc ngành ngành khoa học kinh tế trường Đại học kinh tế Thành phố Hồ Chí Minh 2013; Nguyễn Minh Hà & Nguyễn Bá Hướng 2016) Các công trình đã được công bố chủ yếu sử dụng phương pháp phân tích thống kê mô tả trên cơ sở dữ liệu bảng cũng như chưa đặt trọng tâm vào việc nghiên cứu các mô hình dự báo xác suất vỡ nợ của doanh nghiệp Chính vì vậy, hiện tại vẫn còn thiếu các bằng chứng thực nghiệm từ kết quả phân tích mô hình hồi quy nhằm cung cấp thêm minh chứng vững chắc cho việc đề xuất mô hình dự báo xác suất phá sản doanh nghiệp mang lại kết quả chính xác nhất

Cụ thể hơn, nghiên cứu về ước tính xác suất phá sản trong thẩm định giá trị doanh nghiệp của Hay Sinh (2003) Theo tác giả, xác suất phá sản là một tham số tài chính có ảnh hưởng trực tiếp đến giá trị doanh nghiệp Giá được thẩm định thông qua hai phương pháp gồm phương pháp thuộc cách tiếp cận dòng tiền – xác suất phá sản chưa được ước tính là một tham số độc lập mà thường được thể hiện trong tỷ suất chiết khấu và phương pháp giá trị hiện tại có điều chỉnh (APV) – ước tính xác suất phá sản như một tham số độc lập Kết quả nghiên cứu của tác giả hướng đến mục đích thiết lập các phương pháp ước tính xác suất phá sản của một doanh nghiệp nhằm giúp phương pháp giá trị hiện tại có điều chỉnh (APV) ngày càng được áp dụng rộng rãi, góp phần làm đa dạng hóa các phương pháp trong hoạt động thẩm định giá trị doanh nghiệp tại Việt Nam

Hay, Lê Nguyễn Sơn Vũ (2013) nghiên cứu về quyết định đầu tư và rủi ro phá sản của các công ty niêm yết trên thị trường chứng khoán Việt Nam đã đưa ra các bằng chứng thực nghiệm về sự tác động của các yếu tố chỉ số tài chính đến quyết định đầu tư và rủi

ro phá sản của các công ty niêm yết trên thị trường chứng khoán Việt Nam giai đoạn

2003 – 2012 Bộ dữ liệu gồm 737 công ty thuộc các lĩnh vực khác nhau Kết quả nghiên cứu cho thấy ba yếu tố gồm thu nhập ròng âm hai năm gần nhất, khả năng thanh khoản ngắn hạn và nợ phải trả trên tổng tài sản có mối tương quan thuận chiều với chỉ số dự báo phá sản Oscore và đồng thời có mối quan nghịch giữa hai nhân tố tỷ suất sinh lợi trên tổng tài sản và tốc độ tăng trưởng thu nhập ròng với chỉ số dự báo phá sản Oscore;

và tất cả đều có ý nghĩa thống kê Trong khi đó, bốn nhân số còn lại gồm quy mô doanh nghiệp, tổng nợ phải trả trên tổng tài sản, vốn lưu động trên tổng tài sản và quỹ được lập

từ hoạt động trên tổng nợ phải trả cũng có tác động đến chỉ số dự báo phá sản Oscore nhưng không có ý nghĩa thống kê

Gần đây, Nguyễn Thị Tuyết Lan (2019) đã thực hiện nghiên cứu các nhân tố ảnh hưởng đến rủi ro phá sản của các doanh nghiệp niêm yết ngành xây dựng tại Việt Nam Mô hình được sử dụng để nghiên cứu là mô hình logit với 5 biến độc lập gồm tổng nợ phải trả trên tổng tài sản, vốn lưu động trên tổng tài sản, khả năng thanh toán ngắn hạn, tỷ suất sinh lợi trên tổng tài sản và tốc độ tăng trưởng thu nhập ròng Tổng thể mẫu khảo sát gồm 109 doanh nghiệp niêm yết thuộc ngành xây dựng tại Việt Nam trên 2 sàn là HNX và HOSE giai đoạn 2005 – 2017 Kết quả nghiên cứu cho thấy các nhân tố gồm: tổng nợ phải trả trên tổng tài sản có mối tương quan cùng chiều với rủi ro phá sản của doanh nghiệp niêm yết thuộc ngành xây dựng tại Việt Nam và ngược lại tỷ lệ sinh lợi trên tổng tài sản có ảnh hưởng ngược chiều

Qua khảo lược các nghiên cứu ở trong và ngoài nước cho thấy rằng các tổ chức tài chính

có thể ứng dụng nhiều mô hình xếp hạng tín nhiệm khác nhau để dự báo xác suất vỡ nợ của các doanh nghiệp Các mô hình dự báo này có thể là mô hình đa thức, mô hình logit,

mô hình probit, mô hình mạng thần kinh nhân tạo… Bên cạnh đó, các mô hình xếp hạng này sử dụng các yếu tố đầu vào hay các chỉ số tài chính khác nhau để dự báo khả năng phá sản của doanh nghiệp Các chỉ số tài chính thường được sử dụng như khả năng thanh toán ngắn hạn, tỷ suất sinh lợi trên tổng tài sản, tổng nợ phải trả trên tổng tài sản… Tuy nhiên, với những bộ dữ liệu được xây dựng trong các khoảng thời gian khác nhau, các kết

hưởng đến xác xuất vỡ nợ của doanh nghiệp trong các bài nghiên cứu có sự khác nhau cũng như việc vận dụng trong nghiên cứu dự báo khả năng vỡ nợ khách hàng doanh nghiệp vừa và nhỏ tại Việt Nam theo tác giả là một điểm mới Thông qua việc phân tích,

so sánh, tổng hợp các công trình nghiên cứu trên và các vấn đề có liên quan, tác giả đã chỉ

ra một số khoảng trống trong nghiên cứu, đề xuất mô hình và phương pháp nghiên cứu dự kiến cho đề tài Chi tiết về mô hình và phương pháp nghiên cứu sẽ được trình bày chi tiết trong Chương 3 – Mô hình và phương pháp nghiên cứu để làm cơ sở cho việc đánh giá mức độ tin cậy của kết quả nghiên cứu được trao đổi thảo luận trong Chương 4 – Kết quả nghiên cứu

Kết luận chương 2: Chương này tác giả đã trình bày những lý luận cơ bản và các lý

thuyết nền liên quan đến xếp hạng tín dụng, xác suất vỡ nợ của các doanh nghiệp và phương pháp đo lường, dự báo các nội dung này cũng như kết quả đánh giá các nghiên cứu trước đây đã được công bố để làm rõ tính cấp thiết của đề tài, đồng thời cung cấp cơ

sở cho việc tiến hành đề xuất mô hình nghiên cứu và phân tích kết quả nghiên cứu được trình bày ở các chương tiếp theo

CHƯƠNG 3: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Trên cơ sở những bài học kinh nghiệm được đúc kết từ các công trình nghiên cứu đã công bố trước đã trình bày ở trong Chương 2, chương này sẽ trình bày các thông tin cụ thể liên quan đến các mô hình nghiên cứu được sử dụng cũng như xử lý cùng với các phương pháp nghiên cứu phù hợp với các đặc điểm cụ thể của từng mô hình và dữ liệu nghiên cứu đã được thu thập để tiến hành kiểm định các giả thuyết nghiên cứu đã được đặt ra ban đầu ở Chương 1 Các thông tin chi tiết, cụ thể về các mô hình và phương pháp nghiên cứu được sử dụng sẽ cho thấy mức độ tin cậy của các kết quả nghiên cứu được thể hiện ở phần tiếp theo (Chương 4 – Kết quả nghiên cứu)

3.1 Phương pháp xây dựng các mô hình

Trong bài nghiên cứu này, tác giả sử dụng các mô hình tham số và phi tham số để dự báo khả năng vỡ nợ của các doanh nghiệp vừa và nhỏ tại Việt Nam trong giai đoạn 2016 – 2018 Các bước xây dựng mô hình được thực hiện như sau:

Bước 1: Thu thập và xử lý dữ liệu Dữ liệu sử dụng được lấy từ báo cáo tài chính hàng

năm có kiểm toán của khoảng 350 doanh nghiệp vừa và nhỏ thuộc 9 ngành khác nhau tại Việt Nam từ năm 2016 đến năm 2018

Bước 2: Lựa chọn các biến đầu vào của mô hình Để dự báo khả năng nợ vỡ nợ của các

doanh nghiệp, tác giả đã lựa chọn 14 biến đầu vào là các chỉ số tài chính được tính toán

từ báo cáo tài chính của các doanh nghiệp Các biến độc lập này thuộc 4 nhóm chỉ số tài chính: nhóm chỉ số về khả năng thanh khoản, nhóm chỉ số về mức độ sử dụng nợ, nhóm chỉ số về khả năng sinh lời, và nhóm chỉ số về hiệu quả hoạt động của doanh nghiệp

Bước 3: Thực hiện chạy hồi quy trên các mô hình xếp hạng tín nhiệm được lựa chọn,

bao gồm mô hình tham số và phi tham số Các mô hình tham số bao gồm mô hình logit,

mô hình probit, mô hình complementary log – log; các mô hình phi tham số bao gồm mô hình cây quyết định, mô hình random foerest

Bước 4: Sử dụng ma trận Confusionvà điểm số F1 (F1 – Score) để đánh giá kết quả hồi

quy của từng mô hình Trên cơ sở đó, lựa chọn mô hình xếp hạng tín nhiệm phù hợp và

có khả năng dự báo tốt xác suất vỡ nợ của khách hàng