Vai trò của các tỷ số tài chính trong phát hiện kiệt quệ tài chính bằng chứng từ các công ty phi tài chính tại việt nam

Hay nói một cách khác, bàinghiên cứu này kiểm định rằng có hay không các tỷ số tài chính có thể dự báo đượctín hiệu kiệt quệ tài chính trong bối cảnh hoạt động kinh doanh bình thường.Phư

HOÀNG THỊ MINH THƯ

VAI TRÒ CỦA CÁC TỶ SỐ TÀI CHÍNH

LUẬN VĂN THẠC SĨ KINH TẾ

TP HỒ CHÍ MINH - NĂM 2013

HOÀNG THỊ MINH THƯ

VAI TRÒ CỦA CÁC TỶ SỐ TÀI CHÍNH

Chuyên ngành: Tài chính - Ngân hàng

nhân tôi, được thực hiện dưới sự hướng dẫn khoa học của PGS.TS Nguyễn ThịLiên Hoa – Giảng viên Trường Đại học Kinh tế Thành phố Hồ Chí Minh.

Học viên

Hoàng Thị Minh Thư

Nội dung:

Trang LỜI CAM ĐOAN.

MỤC LỤC

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

DANH MỤC BẢNG BIỂU

TÓM TẮT 1

1 GIỚI THIỆU 2

1.1 LÝ DO NGHIÊN CỨU ĐỀ TÀI 2

1.2 CÂU HỎI NGHIÊN CỨU 3

1.3 MỤC TIÊU CỦA BÀI NGHIÊN CỨU 4

1.4 PHẠM VI NGHIÊN CỨU 4

1.5 KẾT CẤU CỦA BÀI NGHIÊN CỨU 4

2 TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 5

2.1 KHÁI QUÁT VỀ LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH 5

2.1.1 Các thuật ngữ cơ bản 5

2.1.2 Chi phí kiệt quệ tài chính 5

2.1.3 Sự hữu dụng của dự báo phá sản doanh nghiệp 7

2.2 BẰNG CHỨNG THỰC NGHIỆM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP 8

2.2.1 Nghiên cứu của William Beaver “Các chỉ số tài chính dự báo phá sản” -1966 8

2.2.2 Nghiên cứu của Eward Altman – “ Các chỉ số tài chính, phân tích khác biệt và dự báo phá sản doanh nghiệp” - 1968 9

2.2.3 Các nghiên cứu điển hình khác 13

2.2.4 Nghiên cứu của Abbas, Qaiser và Rashid, Abdul –“Mô hình dự báo phá sản cho các doanh nghiệp phi tài chính – Trường hợp của Pakistan” - 2011 15

2.3 THẢO LUẬN VỀ CÁC NGHIÊN CỨU DỰ BÁO PHÁ SẢN DOANH

NGHIỆP TRÊN THẾ GIỚI VÀ HẠN CHẾ CỦA CÁC NGHIÊN CỨU NÀY 17

3 PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU 19

3.1 PHƯƠNG PHÁP NGHIÊN CỨU, PHẠM VI NGHIÊN CỨU 19

3.2 MÔ HÌNH NGHIÊN CỨU 22

4 NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 31

4.1 KẾT QUẢ ÁP DỤNG MÔ HÌNH CHỈ SỐ Z 31

4.2 KẾT QUẢ ÁP DỤNG PHƯƠNG PHÁP PHÂN TÍCH TỶ LỆ SO SÁNH 44

4.3 KẾT QUẢ ÁP DỤNG PHƯƠNG PHÁP PHÂN TÍCH TỶ LỆ XU HƯỚNG 47 4.4 KẾT QUẢ ÁP DỤNG MÔ HÌNH LOGIT 49

5.KẾT LUẬN 55

5.1 TỔNG HỢP CÁC KẾT QUẢ NGHIÊN CỨU 55

5.2 CÁC HẠN CHẾ CỦA ĐỀ TÀI NGHIÊN CỨU 56

5.3 ĐỀ XUẤT HƯỚNG NGHIÊN CỨU TIẾP THEO 57

DANH MỤC TÀI LIỆU THAM KHẢO 58

Bảng 3.1: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam 21

Bảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ lệ xuhướng 26

Bảng 4.1a: Trung bình và độ lệch chuẩn của nhóm các chỉ số đòn bẩy của các công

Bảng 4.5: Hệ số của mô hình nghiên cứu tại Việt Nam 41

Bảng 4.6: Giá trị Z tối ưu trong nghiên cứu tại Việt Nam 41

Bảng 4.7: Kết quả phân loại của mô hình nghiên cứu tại Việt Nam 42

Bảng 4.8: Wilks' Lambda của mô hình nghiên cứu tại Việt Nam 44

Bảng 4.9: Kết quả phân loại của phương pháp phân tích tỷ lệ cho các công ty phá sản tại Việt Nam 45

Bảng 4.10: Kết quả phân loại của phương pháp phân tích tỷ lệ cho các công ty không phá sản tại Việt Nam 46

Bảng 4.11: Kết quả phân loại của phương pháp phân tích tỷ lệ xu hướng cho các công ty phá sản tại Việt Nam 48

Bảng 4.12: Tổng hợp kết quả các phương pháp nghiên cứu tại Việt Nam 49

Bảng 4.13: Kiểm định T sự bằng nhau của giá trị trung bình 50

Bảng 4.14: Kết quả mô hình hồi quy Logit 51

Bảng 4.15: Kết quả phân loại mô hình Logit 51

Bảng 4.16: Kết quả kiểm định Wald 52

Bảng 4.17: Kết quả kiểm định forward Wald 53

Bảng 4.18: Kết quả phân loại của kiểm định forward Wald 53

TÓM TẮT

Bài nghiên cứu nhằm xác định mối quan hệ giữa các tỷ số tài chính và kiệt quệ tàichính của các công ty phi tài chính niêm yết trên thị trường chứng khoán Việt Namtrong giai đoạn từ năm 2008 đến tháng 9 năm 2013 Hay nói một cách khác, bàinghiên cứu này kiểm định rằng có hay không các tỷ số tài chính có thể dự báo đượctín hiệu kiệt quệ tài chính trong bối cảnh hoạt động kinh doanh bình thường.Phương pháp sử dụng trong nghiên cứu này bao gồm phương pháp phân tích đa biệtthức (MDA), phương pháp so sánh tỷ lệ, phương pháp phân tích tỷ lệ xu hướng và

mô hình Logit Kết quả của phương pháp MDA là tỷ lệ dự đoán chính xác là 70%

và phương pháp mô hình Logit là 88,9%

Kết quả thực nghiệm cho thấy rằng, các tỷ số tài chính có đủ sức mạnh để dự đoándấu hiệu kiệt quệ tài chính trên thị trường chứng khoán tại Việt Nam Kết quả nàycũng phù hợp với các nghiên cứu gần đây của Beaver cho thị trường Châu Âu,nghiên cứu của Abbas và cộng sự tại Pakistan, nghiên cứu Akbar, Behzad, Seyed vàMohammad tại Iran Các kết quả thực nghiệm của nghiên cứu này có thể được sửdụng như một bàn đạp để cho các nhà nghiên cứu trong tương lai - những ngườiquan tâm trong việc tìm kiếm dự đoán tốt nhất cho sự phá sản phát triển một môhình dự báo và đánh giá độ chính xác phân loại của nó

1 GIỚI THIỆU

1.1 LÝ DO NGHIÊN CỨU ĐỀ TÀI

Có rất nhiều lý do khiến cho một doanh nghiệp biến mất khỏi thị trường Nguyênnhân có thể là bị kiệt quệ tài chính, thanh lý hoặc bị sát nhập vào một công ty khác.Trong bối cảnh hội nhập kinh tế ngày càng sâu rộng, sự cạnh tranh giữa các doanhnghiệp (DN) trên thị trường ngày càng lớn nên sự rút lui hay phá sản của một bộphận DN là điều không thể tránh khỏi Đặc biệt, do những tác động tiêu cực củacuộc khủng hoảng kinh tế toàn cầu hiện nay, tình trạng khó khăn của nền kinh tế đã

và đang dẫn tới sự phá sản hàng loạt của các DN, kể cả các DN ở các nước pháttriển và các nước đang phát triển trong đó có Việt Nam DN phá sản sẽ gây ra nhiềutác động tiêu cực cho cả xã hội và nền kinh tế

Về mặt kinh tế: Một doanh nghiệp bị phá sản trong điều kiện ngày nay có thể dẫnđến những tác động tiêu cực Khi quy mô của doanh nghiệp phá sản càng lớn, thamgia vào quá trình phân công lao động của ngành nghề đó càng sâu và rộng, số lượngbạn hàng ngày càng đông, thì sự phá sản của nó có thể dẫn đến sự phá sản hàng loạtcủa các doanh nghiệp bạn hàng theo "hiệu ứng domino" - phá sản dây chuyền

Về mặt xã hội: Phá sản doanh nghiệp để lại những hậu quả tiêu cực nhất định vềmặt xã hội bởi nó làm tăng số lượng người thất nghiệp, làm cho sức ép về việc làmngày càng lớn và có thể làm nảy sinh các tệ nạn xã hội, thậm chí các tội phạm

Về mặt chính trị: Phá sản dây chuyền sẽ dẫn tới sự suy thoái và khủng hoảng nềnkinh tế quốc gia, thậm chí khủng hoảng kinh tế khu vực và đây là nguyên nhân trựctiếp dẫn đến những khủng hoảng sâu sắc về chính trị

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 Như vậy phá sản doanh nghiệp có thể gây ra

những chấn thương đáng kể (tức là chi phí cao và tổn thất nặng nề) đến các bên liênquan, nên việc dự đoán nó là rất có lợi Điều này thúc đẩy các nhà nghiên cứu phải

đi tìm những công cụ để phát hiện các triệu chứng bất lợi trước khi một thực thểcông ty biến mất Fitzpatrick (1931) và Merwin (1942) là những nhà nghiên cứu đầutiên đã cố gắng để xác định sức mạnh tiềm năng của các chỉ số tài chính như là tínhiệu dự báo kiệt quệ tài chính Sau đó, Altman (1968) đã giới thiệu phương phápphức tạp và tinh vi hơn đó là phương pháp phân tích đa biệt thức, sử dụng các chỉtiêu tài chính như một công cụ để báo hiệu kiệt quệ tài chính

Mục đích của bài nghiên cứu này là để kiểm tra khả năng dự báo kiệt quệ tài chínhcủa các tỷ số tài chính bằng các kỹ thuật đã được nghiên cứu, phát triển và đượcchấp nhận rộng rãi Để làm được điều này, bài nghiên cứu sử dụng phương phápphân tích tỷ lệ so sánh, phân tích tỷ lệ xu hướng, mô hình chỉ số Z và mô hìnhLogit Cần lưu ý rằng bài nghiên cứu này không nhằm mục đích để tìm các chỉ sốtốt nhất cho dự báo kiệt quệ tài chính tại Việt Nam, mặc dù một số chi tiết kỹ thuậtcủa mô hình logit và mô hình chỉ số Z được ước tính để tìm ra sức mạnh giải thíchtốt nhất trong việc dự đoán khả năng kiệt quệ tài chính

1.2 CÂU HỎI NGHIÊN CỨU

Các câu hỏi đề cập đến trong bài nghiên cứu này là:

Thông tin báo cáo tài chính có thể được sử dụng để phân biệt giữa nguy cơ phá sản

và không phá sản các công ty Việt Nam trong điều kiện hoàn cảnh kinh tế bìnhthường không?

Câu hỏi nghiên cứu được phát triển để đáp ứng với các vấn đề nghiên cứu Ngoài ra,các câu hỏi sẽ giúp xác định rõ ràng hơn ranh giới nghiên cứu

1.3 MỤC TIÊU CỦA BÀI NGHIÊN CỨU

Để điều tra thông tin báo cáo tài chính có đủ phân loại có khả năng phá sản vàkhông phá sản của các công ty trong bối cảnh Việt Nam trong hoàn cảnh kinh tếbình thường

1.4 PHẠM VI NGHIÊN CỨU

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 từ năm 2008 đến tháng 9 năm 2013 vì tính thanh khoản yếukém hay hoạt động kinh doanh thua lỗ kéo dài

1.5 KẾT CẤU CỦA BÀI NGHIÊN CỨU

Đề tài nghiên cứu này được người viết trình bày theo thứ tự như sau:

Phần 1: Giới thiệu

Phần 2: Tổng quan các nghiên cứu trước đây

Phần 3: Phương pháp và mô hình nghiên cứu

Phần 4: Kết quả nghiên cứu

Phần 5: Kết luận và hướng phát triển của đề tài nghiên cứu

2 TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY

2.1 KHÁI QUÁT VỀ LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH

Trong phần này, người viết giới thiệu về các thuật ngữ cơ bản được sử dụng trong

dự báo phá sản doanh nghiệp, các chi phí kiệt quệ tài chính và tính hữu ích của mô

hình dự báo phá sản doanh nghiệp Mặt khác, phần này người viết cũng nhằm mục

đích mô tả các yếu tố quan trọng trong dự báo phá sản doanh nghiệp

2.1.1 Các thuật ngữ cơ bản

Kiệt quệ tài chính (financial distress) xảy ra khi doanh nghiệp không đáp ứng được

các hứa hẹn với chủ nợ hay đáp ứng một cách khó khăn Đôi khi, kiệt quệ tài chính

đưa đến phá sản, đôi khi nó chỉ có nghĩa là công ty đang gặp khó khăn, rắc rối về tài

chính Như vậy kiệt quệ tài chính bao gồm nguy cơ phá sản và sự phá sản

2.1.2 Chi phí kiệt quệ tài chính

Trên quan điểm của lý thuyết đánh đổi, giá trị doanh nghiệp sẽ được phân chia

thành ba phần:

Giá trị doanh nghiệp khi Hiện giá của Hiện giá của

= được tài trợ hoàn toàn + tấm chắn - chi phí kiệtnghiệp

Chi phí kiệt quệ tài chính tùy thuộc vào xác suất kiệt quệ và độ lớn của chi phí phải

gánh chịu nếu kiệt quệ tài chính xảy ra

Giá trị công ty

PV (tấm chắn thuế) PV (chi phí kiệtquệ tài chính)

Giá trị công ty khi

có thuế và nợGiá trị thựccủa công tyGiá trị công ty được tàitrợ 100% vốn cổ phần0

Tỷ

D/E*

lệ nợ tối ưu

(D/E)

Hình 2.1 – Cấu trúc vốn tối ưu và giá trị doanh nghiệp

Nguồn: Trần Ngọc Thơ và cộng sự, 2007 Tài chính doanh nghiệp hiện đại Hồ

Chí Minh: nhà xuất bản Thống kê, trang 380.

Hình trên cũng cho thấy sự đánh đổi giữa lợi ích thuế và chi phí kiệt quệ tài chính

ấn định cấu trúc vốn tối ưu như thế nào Khi tỷ lệ nợ ngày càng tăng, cùng với sựgia tăng từ lợi ích tấm chắn thuế thì chi phí kiệt quệ tài chính cũng gia tăng Đếnmột lúc nào đó, khi mà với mỗi tỷ lệ nợ tăng thêm, hiện giá lợi ích từ tấm chắn thuếkhông cao hơn hiện giá chi phí kiệt quệ tài chính thì việc vay nợ không còn manglại lợi ích cho doanh nghiệp mà ngược lại còn làm cho tổng giá trị doanh nghiệpgiảm dần Theo lý thuyết này, một doanh nghiệp nên gia tăng nợ cho đến khi giá trị

từ hiện giá của tấm chắn thuế vừa đủ để được bù trừ bằng gia tăng trong hiện giácủa các chi phí kiệt quệ tài chính

Chi phí kiệt quệ tài chính bao gồm:

(i) Chi phí kiệt quệ tài chính nhưng chưa đưa đến phá sản: chi phí xuất phát từcác quyết định sai lầm trong quá trình hoạt động và đầu tư có thể được đưa ra do các mâuthuẫn quyền lợi giữa trái chủ và cổ đông khi doanh nghiệp rơi vào tình trạng kiệt quệ tàichính Các cổ đông hành động vì quyền lợi cá nhân có thể chuyển rủi ro từ họ sang chocác chủ nợ gánh chịu, bằng cách thi hành các trò chơi làm giảm tổng giá trị của doanhnghiệp Các trò chơi ở đây có thể là “ dịch chuyển rủi ro”, “từ chối đóng góp cổ phần”, “thu tiền và bỏ chạy”, “ thả mồi bắt bóng”, “ kéo dài thời gian”… Sự gia tăng các chi phísoạn thảo, giám sát và thực thi các hợp

đồng vay khi ngăn ngừa các trò chơi này

(ii) Chi phí phá sản: Các chi phí trực tiếp gắn liền với việc phá sản như chi phípháp lý, hành chính, chi phí kế toán và các chi phí gián tiếp phản ánh các khó khăn trongviệc quản lý một công ty đang bị tái tổ chức như chi phí do mất khách hàng, mất nhânviên có năng lực…

2.1.3 Sự hữu dụng của dự báo phá sản doanh nghiệp

Rõ ràng là phá sản doanh nghiệp có thể gây ra chấn thương đáng kể cho các bên liênquan Nghiên cứu của Fitzpatrick (1931) cho rằng có bảy nhóm các bên liên quan bịảnh hưởng bởi phá sản doanh nghiệp đó là người lao động, cộng đồng, cổ đông, cácchủ nợ, ngân hàng, người sở hữu trái phiếu, hội đồng quản trị và chính phủ Sự hữuích của dự báo phá sản doanh nghiệp có thể giúp cho các bên liên quan tránh hoặc ítnhất là giảm thiểu các tác động bất lợi của phá sản doanh nghiệp

Dự báo phá sản doanh nghiệp được sử dụng rộng rãi trong những mục tiêu khácnhau của các bên liên quan Ví dụ như nhà quản lý, chủ sở hữu sử dụng dự đoán phásản doanh nghiệp như là một công cụ cảnh báo sớm và có thể sẽ có những hànhđộng thích hợp để tránh phá sản doanh nghiệp Các nhà đầu tư, cổ đông sử dụng dựbáo kiệt quệ tài chính để ngăn chặn những thiệt hại đáng kể họ phải chịu khi công tythanh lý phá sản Chủ nợ (tức ngân hàng và các tổ chức tài chính) sử dụng các kỹthuật dự báo phá sản doanh nghiệp trong việc kiểm tra mức độ rủi ro danh mục đầu

tư của họ hoặc có thể để đánh giá xác suất của sự thất bại nếu cho vay mới Kiểm

toán viên sử dụng phương pháp dự báo phá sản trong việc đánh giá có hay khôngmột công ty đang trên bờ vực của sự phá sản Cuối cùng, cơ quan quản lý sử dụngcác kỹ thuật khác nhau để giám sát tình hình tài chính của các công ty theo quyđịnh.

Đây là những khía cạnh quan trọng của dự báo phá sản doanh nghiệp Phần tiếptheo người viết sẽ trình bày tóm tắt lại các kết quả nghiên cứu của một số tác giảtrên thế giới về dự báo phá sản doanh nghiệp, cụ thể như sau:

2.2 BẰNG CHỨNG THỰC NGHIỆM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP

2.2.1 Nghiên cứu của William Beaver “Các chỉ số tài chính dự báo phá sản” 1966

-Bằng nghiên cứu thực nghiệm 79 doanh nghiệp kinh doanh thất bại và một số lượngtương ứng các doanh nghiệp kinh doanh thành công (các cặp doanh nghiệp nàycùng ngành và quy mô tài sản tương tự) cho giai đoạn từ năm 1954-1964, bàinghiên cứu đã phân tích, đánh giá từng chỉ số tài chính nhằm đưa ra những tiêu chí

dự báo phá sản doanh nghiệp thông qua việc quan sát các chỉ số tài chính này Tổngcộng đã có 30 chỉ số tài chính được chia thành 5 nhóm (các tỷ số dòng tiền, tỷ sốdoanh thu thuần, tỷ số nợ phải trả trên tổng tài sản, chỉ số tài sản thanh khoản trêntổng tài sản, chỉ số tài sản thanh khoản nhanh, các tỷ số vòng quay) đã được sửdụng

Kết quả cho thấy các doanh nghiệp lâm vào tình trạng khủng hoảng tài chính là cácdoanh nghiệp có ít tiền mặt, ít hàng tồn kho nhưng nhiều nợ phải thu Nghiên cứucủa Beaver cũng chỉ ra rằng tỷ lệ lưu chuyển tiền thuần/tổng nợ phải trả là chỉ tiêuquan trọng nhất trong việc dự báo dấu hiện khủng hoảng và phá sản doanh nghiệp.Chỉ tiêu này phản ảnh tính cân đối giữa khả năng tạo tiền của doanh nghiệp với số

nợ mà doanh nghiệp phải thanh toán, và do đó nó thể hiện rõ ràng nhất khả năngthanh toán của doanh nghiệp Bên cạnh khả năng sinh lời của tài sản (thu nhập

thuần/tổng tài sản) và hệ số nợ (tổng nợ phải trả/tổng tài sản) cũng là những chỉ tiêuquan trọng trong việc phát hiện dấu hiệu khủng hoảng và phá sản doanh nghiệp bởi

vì các chỉ tiêu này phản ảnh hiệu quả hoạt động kinh doanh của doanh nghiệp vàmức độ rủi ro tài chính mà doanh nghiệp đang mắc phải

2.2.2 Nghiên cứu của Eward Altman – “ Các chỉ số tài chính, phân tích khác biệt

và dự báo phá sản doanh nghiệp” - 1968

Bài nghiên cứu đã sử dụng phương pháp tiếp cận đa biệt thức thay thế cho cácphương pháp phân tích chỉ số truyền thống trước đây Có thể nói Altman là ngườitiên phong giới thiệu phương pháp tiếp cận đa biệt thức trong lĩnh vực dự báo phásản doanh nghiệp Altman đã nghiên cứu mẫu bao gồm 66 công ty với 33 công ty ởmỗi nhóm Nhóm phá sản (kiệt quệ) (nhóm 1) là những công ty đã nộp đơn phá sảntheo chương 10 của Luật Phá Sản Hoa Kỳ trong giai đoạn từ 1946 đến 1965 Nhóm

2 bao gồm một mẫu ghép đôi của các công ty với điều kiện cùng ngành và kích cỡdoanh nghiệp Phạm vi tài sản của các công ty trong nhóm 2 cũng bị giới hạn nghiêmngặt từ 1 triệu USD đến 25 triệu USD

Sau đó, Atlman đã tiến hành thu thập các bảng báo cân đối kế toán và báo cáo kếtquả hoạt động kinh doanh và một danh sách gồm 22 biến hữu ích được thu thập đểđánh giá Các biến được phân thành 5 nhóm, bao gồm nhóm các chỉ số thanh khoản,nhóm chỉ số lợi nhuận, nhóm chỉ số đòn bẩy, nhóm chỉ số khả năng thanh toán vànhóm chỉ số hoạt động Kết quả có 5 tỷ số đã được chọn vì chúng thể hiện tốt nhấttrong việc liên kết dự báo phá sản các công ty Biệt thức cuối cùng được thể hiệnnhư 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 trường

của vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả,

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

Z = Overal index = chỉ số tổng hợp

Trong mô hình này, các biến từ đến X1 đến X4 đều phải được tính toán bằng giá trị

phần trăm Riêng biến X5 được giữ nguyên, không tính tỷ lệ phần trăm

Các điểm ngưỡng cho chỉ số Z như sau:

Z < 1,81: Phá sản 1,81 < Z < 2,99: Không rõ ràng 2,99 < Z: Lành mạnh

Mẫu ban đầu gồm 33 công ty mỗi nhóm, được sử dụng bằng cách sử dụng dữ liệu

báo cáo tài chính thu thập một năm trước khi phá sản Bởi vì các hệ số biệt thực và

các phân phối nhóm được xây dựng từ mẫu nghiên cứu này, nên sự phân loại được

kỳ vọng rất cao Điều này xảy ra bởi vì các công ty được phân loại bằng sử dụng

chức năng đa biệt thức, thực tế, là dựa vào các công cụ đo lường riêng lẻ cho cùng

các công ty này Ma trận phân loại cho mẫu gốc được biểu diễn trong bảng 2.1:

Bảng 2.1: Ma trận phân loại mẫu gốc trong mẫu nghiên cứu Atlman (1968)

Mô hình thể hiện cực kỳ chính xác trong việc phân loại đúng 95% cho tổng cáccông ty trong mẫu Còn nhóm I sai số chỉ có 6% trong lúc nhóm II thậm chí còn íthơn 3% Những kết quả này là rất tốt như kỳ vọng.

Sau nhiều năm phát triển, mô hình được thay đổi một số đặc điểm kĩ thuật để việcvận dụng được thuận tiện hơn:

Mô hình Z - Score của Altman (1993) đã ước đoán chính xác 66% doanh nghiệp bịphá sản và 78% doanh nghiệp không bị phá sản trước đó một năm Nhờ những dựđoán khá chính xác của mô hình này nên chỉ số được sử dụng không chỉ tại Mỹ màcòn được phổ biến tại nhiều quốc gia trên thế giới Tuy nhiên, mô hình này khôngchỉ ra được thời gian phá sản dự kiến, vì việc phá sản của một doanh nghiệp cònphụ thuộc vào tình hình kinh tế, việc phá sản hợp pháp không bao giờ có thể xảy ra

mà bất chấp tình hình khủng hoảng Từ chỉ số Z ban đầu được sử dụng cho cácdoanh nghiệp đã cổ phần hóa, Altman phát triển thêm Z’, Z’’ để có thể áp dụng loạihình cho các loại hình doanh nghiệp khác:

Mô hình Z’- score dùng cho các doanh nghiệp chưa cổ phần hóa, ngành sản xuất:Z’ = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5

Trong đó các biến đều được giữ nguyên với mô hình cũ, ngoại trừ biến X4 X4trong chỉ số Z sử dụng giá trị thị trường của vốn chủ sở hữu, còn trong chỉ số Z’, X4

sử dụng giá trị sổ sách

Z’ > 2,9 : Lành mạnh 1,23 < Z’ < 2,9: Không rõ ràng

Z’ < 1,23 : Phá sản

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 sảnthay 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:

Giống với chỉ số Z’, biến X4 trong chỉ số Z” vẫn sử dụng giá trị sổ sách của vốn chủ

sở hữu Điểm sửa đổi của mô hình này là không sử dụng biến X và dẫn đến hệ sốcủa các biến từ X1 đến X4 đều thay đổi so với chỉ số Z’ Chỉ số Z” có thể đượcdùng cho hầu hết các ngành và các loại hình doanh nghiệp

Tuy nhiên, phiên bản sửa đổi mới nhất được gọi là mô hình điểm thị trường mới nổi(EMS) (Altman & Hotchkiss 2006), được phát triển cho các doanh nghiệp hoạtđộng ở các nước đang phát triển Mô hình thị trường mới nổi (EMS) được phát triểnvào giữa những năm 1990 để đạt được cải thiện độ chính xác khi dự đoán xác suất

vỡ nợ của các công ty phi sản xuất và các công ty trong thị trường mới nổi Mô hìnhEMS chỉ bao gồm bốn biến cùng với một giá trị không đổi như sau:

Mô hình EMS được áp dụng để kiểm định cả trường hợp của Enron và Worldcom

và mô hình cũng cho thấy những dấu hiệu xấu được cảnh báo Điểm EMS củaEnron dưới mức an toàn ở tháng 6/2001 trước khi nộp đơn phá sản vào tháng12/2001 theo chương 11 của luật phá sản Hoa Kỳ, trong khi đó số điểm EMS củaWordcom dưới mức an toàn ở cuối quý I của năm 2002, trước khi nộp đơn phá sảnvào giữa tháng 7/2002 (Altman & Hotchkiss 2006) Điều này cho thấy một kết quả

ấn tượng đối với các mô hình EMS khi áp dụng cho các công ty phi sản xuất Ngoài

ra, rõ ràng là ứng dụng của mô hình tại các thị trường mới nổi ví dụ Mexico, Brazil

và Argentina mang lại kết quả thành công trong việc dự đoán sự sụp đổ của công ty(Altman & Hotchkiss 2006)

2.2.3 Các nghiên cứu điển hình khác

Deakin (1972) sử dụng 14 tỷ lệ tương tự như Beaver (1968) được sử dụng trongnghiên cứu của mình Một mẫu gồm 32 công ty phá sản ở Mỹ và 32 công ty khôngphá sản từ năm 1962 và 1966 đã được lựa chọn trong nghiên cứu này Việc kết hợpdựa trên ba tiêu chí: phân loại ngành công nghiệp, quy mô tài sản, và năm của dữ

liệu tài chính có sẵn 14 chỉ số đã được lựa chọn để đại diện cho một tập hợp cácyếu tố dự báo trong nghiên cứu này Kết quả cho thấy tổng thể dự đoán chính xáccủa mô hình là 97% khi sử dụng báo cáo tài chính cuối cùng trước khi phá sản.Edmister (1972) đã tiến hành nghiên cứu tập trung vào mô hình tỷ lệ tài chính chocác công ty kinh doanh nhỏ đã phá sản Các mẫu được lấy dữ liệu từ giữa năm 1954

và năm 1969 Một mẫu của 42 công ty ở Mỹ và có tổng cộng bảy chỉ tiêu tài chính

đã được lựa chọn Edmister (1972) phát hiện bảy tỷ lệ phân loại một cách chính xác

39 trong tổng số 42 công ty Có nghĩa là, sức mạnh tổng thể dự đoán của mô hình là93%

Trong nghiên cứu Blum (1974), mẫu nghiên cứu bao gồm 115 công ty ở Mỹ đã phásản và 115 công ty ở Mỹ không phá sản trong những năm 1954-1968 Các tiêuchuẩn phù hợp giữ hai nhóm này là ngành công nghiệp, doanh số bán hàng, sốlượng nhân viên và năm tài chính Blum (1974) tạo chức năng phân biệt 12 biến.Kết quả cho thấy tổng thể dự đoán của mô hình chính xác ở mức khoảng 94% khi

sử dụng báo cáo một năm trước khi thất bại

Mặc dù MDA đã được sử dụng trong phần lớn các nghiên cứu trước đó (ví dụ, trongcác nghiên cứu của Altman 1968; Blum 1974; Deakin 1972; Edmister 1972; vàNorton & Smith 1979), giá trị của kết quả của nó đã bị chỉ trích vì các giả địnhthống kê của nó chẳng hạn như một phân phối chuẩn của tỷ lệ và sự bằng nhau củacác ma trận hiệp phương sai của các tỷ lệ cho cả hai nhóm Các giả định chặt chẽ vềviệc áp dụng phân tích đa biệt thức dẫn các nhà nghiên cứu để phát triển các công

cụ thống kê đa biến khác để khắc phục những hạn chế này Sau những năm 1980,MDA đã bắt đầu mất phổ biến với các nhà nghiên cứu và đã được thay thế bởi môhình ít đòi hỏi kỹ thuật thống kê Một trong những kỹ thuật thống kê đòi hỏi ít giảđịnh hạn chế là phân tích logit (Balcaen & Ooghe 2006)

Nghiên cứu của Ohlson (1980) áp dụng một ước tính xác suất phá sản và phát triển

mô hình logit từ 105 công ty bị phá sản ở Mỹ và 2.058 các công ty không bị phá sản

ở Mỹ trong giai đoạn từ 1970-1976 Mô hình Ohlson (1980) bao gồm 9 biến mởrộng Bài nghiên cứu tìm ra mô hình logit dự đoán chính xác 96% một năm trướckhi phá sản.

Ugurlu và Aksoy (2006) sử dụng cả hai mô hình logit và một mô hình MDA để điềutra doanh nghiệp phá sản và so sánh sự chính xác của hai mô hình trong một thịtrường mới nổi, Thổ Nhĩ Kỳ Một mẫu của 27 phá sản và 27 công ty không phá sản

đã được chọn trên thị trường chứng khoán Istanbul trong 1996-2003 Dữ liệu tàichính 1996-2003 đã được thu thập để phát triển các biến 11 biến được đưa vào môhình logit và 10 biến được đưa vào mô hình dựa trên MDA Bài nghiên cứu chothấy mô hình logit vượt trội so với mô hình MDA

2.2.4 Nghiên cứu của Abbas, Qaiser và Rashid, Abdul –“Mô hình dự báo phá sản cho các doanh nghiệp phi tài chính – Trường hợp của Pakistan” - 2011

Đây là một trong những nghiên cứu thực nghiệm mà người viết đã chọn làm nềntảng để tiến hành thực hiện bài nghiên cứu của mình Nghiên cứu tiến hành đãnghiên cứu các chỉ số tài chính có vai trò quan trọng trong dự báo phá sản DN ở khuvực phi tài chính của Pakistan dựa vào mẫu dữ liệu các công ty phá sản trong giaiđoạn 1996 – 2006

Mẫu nghiên cứu bao gồm tất cả các công ty cổ phần thuộc khu vực phi tài chính bịhủy niêm yết trên sàn chứng khoán Karachi (KSE) do thanh khoản hoặc chấm dứthoạt động theo lệnh của tòa án; hoặc bị chấm dứt hoạt động của một công ty bởi Ủyban chứng khoán và sàn giao dịch (Pakistan Securities and Exchange Commission

of Pakistan (SECP) Đồng thời, công ty phá sản phải có một công ty tương tự nhưngkhông bị phá sản ở cùng ngành và có tổng tài sản gần bằng nhau ở thời điểm 1 nămtrước khi phá sản và các công ty này có thông tin tài chính ít nhất 5 năm Như vậy,tổng cộng có 52 công ty bao gồm 26 công ty phá sản và 26 công ty không phá sảnđược sử dụng trong bài nghiên cứu

Bài nghiên cứu sử dụng 24 tỷ số tài chính như những biến độc lập và chia thành bốnnhóm chỉ số: khả năng sinh lợi, tính thanh khoản, đòn bẩy tài chính và hiệu quả sửdụng tài sản, và được kiểm nghiệm độc lập cho các công ty phá sản và không phásản trong vòng 5 năm trước khi phá sản.

Kết quả nghiên cứu của nhóm tác giả đã rút ra giá trị Z cuối cùng được theo côngthức sau:

Z = 1,147 X1 + 0,701 X2 - 0,732 X3

Trong đó:

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

2.2.5 Nghiên cứu của Akbar, Behzad, Seyed và Mohammad –“Sử dụng mô hình Logit trong dự báo phá sản doanh nghiệp – Bằng chứng từ các doanh nghiệp niêm yết tại Iran” - 2012

Đây cũng là một trong những nghiên cứu thực nghiệm người viết sử dụng để tiếnhành bài nghiên cứu của mình Đối tượng nghiên cứu bao gồm 49 công ty phá sản

và 49 công ty không phá sản trong thời kỳ từ năm 2005 đến năm 2007 Bài nghiên

cứu sử dụng mô hình Logit để dự báo phá sản Tổng cộng có 19 tỷ số tài chính được

sử dụng trong mô hình

Kết quả cho thấy mô hình phân loại chính xác 92% công ty không bị phá sản và85% các công ty bị phá sản trong mẫu đã được nghiên cứu Trong đó, các biến tỷ lệlợi nhuận ròng/tổng tài sản, biến tỷ lệ lợi nhuận giữ lại/tổng tài sản và tỷ số nợ cóảnh hưởng quan trọng tới việc dự đoán phá sản tại Iran

2.3 THẢO LUẬN VỀ CÁC NGHIÊN CỨU DỰ BÁO PHÁ SẢN DOANH NGHIỆP TRÊN THẾ GIỚI VÀ HẠN CHẾ CỦA CÁC NGHIÊN CỨU NÀY

Các nghiên cứu của các tác giả nêu ở mục 2.2 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 doanh nghiệp

là tính thanh khoản, đòn bẩy tài chính, khả năng sinh lợi và hiệu quả sử dụng tàisản Theo đó:

– Các tỷ số đo lường tính thanh khoản được tính toán và sử dụng để quyết định xemliệu một doanh nghiệp nào đó có khả năng thanh toán các nghĩa vụ phải trả ngắnhạn hay không? Chỉ số này càng thấp ám chỉ DN sẽ gặp khó khăn đối với việc thựchiện các nghĩa vụ của mình nhưng một chỉ số thanh toán hiện hành quá cao cũngkhông luôn là dấu hiệu tốt, bởi vì nó cho thấy tài sản của doanh nghiệp bị cột chặtvào “tài sản lưu động” quá nhiều và như vậy thì hiệu quả sử dụng tài sản của doanhnghiệp là không cao

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

tỷ số này để chỉ sự kết hợp giữa nợ phải trả và vốn chủ sở hữu trong việc điều hànhchính sách tài chính của doanh nghiệp Đòn bẩy tài chính sẽ rất lớn trong các doanhnghiệp có tỷ trọng nợ phải trả cao hơn tỷ trọng của vốn chủ sở hữu Ngược

lại, đòn bẩy tài chính sẽ thấp khi tỷ trọng nợ phải trả nhỏ hơn tỷ trọng của vốn chủ

sở hữu

– Các tỷ số đo lường khả năng sinh lợi cho thấy khả năng của một DN có thể chi trảtất cả các khoản chi phí và tạo ra lợi nhuận từ hoạt động kinh doanh và đầu tư củamình Các tỷ lệ này thu hút sự chú ý của các bên liên quan bởi vì tiền kiếm được từlợi nhuận có thể được tái đầu tư vào một công ty trong thời gian tới, chi trả cổ tứccho các cổ đông, và được sử dụng để trả hết tiền cho vay của các chủ nợ Do

đó, giá trị cao hơn của tỷ suất lợi nhuận có thể sẽ được kết hợp với khả năng thấphơn của kiệt quệ tài chính Các DN không thể tạo ra lợi nhuận cùng với nhữngkhoản lỗ tích lũy sẽ dẫn đến phá sản

– Các tỷ số đo lường hiệu quả sử dụng tài sản cho thấy DN sử dụng tài sản hiệu quảhay 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 vàphương pháp nghiên cứu khác nhau, phần lớn các nghiên cứu thực nghiệm trên thếgiới đều cho chúng ta thấy rằng có thể phát hiện được các dấu hiệu phá sản của DN

từ các mô hình dự báo Tuy nhiên, bên cạnh những kết quả đạt được, các nghiên cứucủa các tác giả này cũng có những hạn chế sau:

1) Hầu hết các nghiên cứu nổi tiếng trong lĩnh vực này được tiến hành ở các nướcphương Tây như Mỹ và, mặc dù ngoài các nghiên cứu được đề cập trong luận án, chỉ cómột số ít các nghiên cứu thực nghiệm nhỏ đã được tiến hành tại các thị trường mới nổinhư Việt Nam

2) Cho đến nay, rất ít nghiên cứu thực nghiệm đã được tập trung vào điều tra khảnăng các thông tin báo cáo tài chính để xác định phá sản và không phá sản trong các công

ty Việt Nam

3 PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU

3.1 PHƯƠNG PHÁP NGHIÊN CỨU, PHẠM VI NGHIÊN

CỨU Tiêu chuẩn chọn mẫu như sau:

Bao gồm tất cả các công ty niêm yết trên sàn chứng khoán HOSE và HXN và đượcphân loại như công nghiệp và hoặc phi công nghiệp (không bao gồm các ngân hàng

và tổ chức tài chính khác) Lý do tại sao các công ty niêm yết công khai được lựachọn là có khó khăn trong việc tiếp cận dữ liệu báo cáo tài chính của doanh nghiệp

tư nhân Việt Nam có cổ phiếu không được giao dịch công khai Các ngân hàng và tổchức tài chính khác được loại trừ khỏi nghiên cứu vì báo cáo tài chính được lập trên

cơ sở khác với các công ty phi tài chính

Một mẫu trong nghiên cứu dự báo kiệt quệ tài chính bao gồm cả các công ty phá sản

và không phá sản

Các công ty được chọn vào nhóm mẫu phá sản phải đáp ứng các tiêu chí sau:

a) Các công ty đã được niêm yết tại HOSE và HXN Mặc dù vậy, các doanh nghiệp

đã được hủy bỏ niêm yết để sáp nhập đã bị loại khỏi nhóm mẫu phá sản

b) Các doanh nghiệp phải được phân loại như công nghiệp hoặc phi công nghiệp.Các ngân hàng và tổ chức tài chính khác bị loại khỏi bộ dữ liệu do những khác biệt trongbáo cáo báo cáo tài chính

Các công ty phải đã phá sản từ năm 2008 đến tháng 9 năm 2013 Thời kỳ này đượcchọn bởi vì nghiên cứu này nhằm mục đích điều tra doanh nghiệp thất bại gần đâycủa các công ty Việt Nam trong giai đoạn hậu khủng hoảng tài chính Giai đoạn nóitrên đại diện cho khoảng thời gian mà các công ty đã phá sản nhưng dữ liệu báo cáotài chính của các doanh nghiệp này lên đến năm năm trước khi thất bại được thuthập Do đó, một loạt các dữ liệu báo cáo tài chính 11 năm (2003-2012) đã được sửdụng trong nghiên cứu này

Để điều tra về khả năng tiên đoán của dữ liệu báo cáo tài chính cho phá sản doanhnghiệp, cả hai nhóm công ty phá sản và không phá sản là bắt buộc Một mẫu cóchứa chỉ những doanh nghiệp phá sản sẽ là không đủ cho nghiên cứu này vì tỷ lệcác biện pháp truyền thống được sử dụng, ví dụ như phân tích tỷ lệ so sánh và phântích tỷ lệ xu hướng, cần phải so sánh và đối chiếu các chỉ tiêu tài chính của cả hainhóm Lý do chủ yếu là các triệu chứng của các công ty không thể được đánh giá cóhiệu quả hơn bằng cách so sánh và đối chiếu chỉ tiêu tài chính của chúng với cáccông ty không phá sản.

Tiêu chuẩn chọn công ty thuộc nhóm không thất bại:

1) Phù hợp với mỗi công ty phá sản với một công ty không phá sản bằng cách sử dụng mã ngành xác định bởi HOSE và HXN

2) Tính toán quy mô tài sản trung bình của mỗi doanh nghiệp phá sản dựa trên các

dữ liệu sẵn có trong giai đoạn điều tra

3) Tính toán quy mô tài sản trung bình cho mỗi công ty không phá sản trong cùng ngành và thời gian điều tra tương tự

4) Chọn công ty không phá sản có quy mô tài sản gần bằng với công ty phá sản như một đối tác ghép nối

Có hơn 50 công bị hủy niêm yết trên trên sàn chứng khoán HOSE và HNX tronggiai đoạn từ năm 2008 đến tháng 9 năm 2013 Tuy nhiên, một số công ty bị loại ra

vì không đủ dữ liệu Ngoài ra, chỉ có những công ty có đủ 5 năm công bố dữ liệumới được chọn Vì vậy, mẫu được nghiên cứu chỉ có tổng cộng 38 công ty, trong đó

có 19 công ty bị hủy niêm yết và 19 công ty đang hoạt động bình thường Số liệuđược lấy từ Báo cáo tài chính của các công ty niêm yết trên sàn chứng khoán HOSE

và HNX với 5 năm dữ liệu

Bảng 3.1: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam

ST Mã Chứng Tên công ty phá sản Mã Chứng Tên công ty không phá sản

5 VMG CTCP TM &DV Dầu khí SFC CTCP Nhiên liệu Sài Gòn

Lâm Thủy sản Bến Tre

12 GFC CTCP Thủy sản Gentraco ACL CTCP Xuất nhập khẩu Thủy sản

Cửu Long An Giang

Dương

và Khai thác Công trình Giao thông 584

16 SDJ CTCP Sông Đà 25 DIH CTCP Đầu tư Phát triển Xây dựng

-Hội An

18 STL CTCP Sông Đà - Thăng PDR CTCP Phát triển Bất động sản Phát

19 VCH CTCP Đầu tư và Phát triển TIG CTCP Tập đoàn Đầu tư Thăng Long

Hạ tầng Vinaconex

3.2 MÔ HÌNH NGHIÊN CỨU

Như đã nói ở phần phần 1, bài nghiên cứu này nhằm mục đích khám phá khả năngtiên đoán của các tỷ số tài chính trong việc phát hiện dấu hiệu kiệt quệ tài chính(chứ không phải để tìm ra phương pháp tốt nhất dự đoán phá sản doanh nghiệp).Phương pháp phân tích được sử dụng trong bài nghiên cứu này được áp dụng từ cácnghiên cứu trước đó của Beaver (1966) và Blum (1974) trong việc sử dụng phươngpháp so sánh tỷ lệ, phân tích tỷ lệ xu hướng và sử dụng mô hình phân tích đa biệtthức để phân loại công ty lâm vào tình trạng kiệt quệ tài chính và công ty hoạt động

ổn định Thêm nữa, mô hình logit cũng được sử dụng Chi tiết các tiêu chí sẽ đượcthảo luận như sau:

Phương pháp tỷ lệ so sánh và phân tích tỷ lệ xu hướng

Liên quan đến hai phương pháp này, các tỷ lệ tài chính sử dụng được phân chiathành bốn khu vực: các chỉ số thanh khoản, các chỉ số hiệu quả sử dụng tài sản, cácchỉ số lợi nhuận và cuối cùng là các chỉ số đòn bẩy tài chính Các chỉ số này đượcquy định cụ thể như sau:

Các chỉ số thanh khoản: Nhóm này đo lường khả năng thanh toán nợ ngắn hạn của

doanh nghiệp Do đó các công ty có tỷ lệ thanh khoản cao sẽ ít có khả năng bị ảnhhưởng của kiệt quệ tài chính Ba chỉ số tài chính thường được dùng trong nhóm nàylà:

• Tỷ số thanh khoản hiện thời: Tỷ số này được tính bằng cách lấy giá trị tài

sản ngắn hạn chia cho nợ ngắn hạn Tỷ số thanh khoản hiện thời cho biết cứ mỗi đồng nợngắn hạn mà doanh nghiệp đang giữ, thì doanh nghiệp có bao nhiêu đồng tài sản lưuđộng có thể sử dụng để thanh toán

• Tỷ số thanh khoản nhanh: Tỷ số này nhằm đo khả năng huy động tài sản

lưu động của một doanh nghiệp để thanh toán ngay các khoản nợ ngắn hạn của doanhnghiệp này Tỷ số này được tính bằng loại trừ hàng tồn kho ra khỏi tài sản ngắn hạn sau

đó chia cho nợ ngắn hạn

• Vốn luân chuyển/Tổng tài sản: Tỷ số này là một trong bốn tỷ số được sử

dụng trong mô hình EMS của Atlman Tỷ số này so sánh tài sản ngắn hạn ròng với tổngtài sản Vốn luân chuyển được tính bằng tài sản ngắn hạn trừ đi nợ ngắn hạn

Các chỉ số hiệu quả sử dụng tài sản: Các tỷ số này đo lường khả năng sử dụng

hiệu quả tài sản Các tỷ lệ trong nhóm này sẽ trả lời cho câu hỏi: Một công ty quản

lý tài sản của mình hiệu quả như thế nào? Các tỷ lệ được sử dụng trong nhóm nàylà:

• Tỷ số doanh thu trên tài sản: Tỷ số này được tính bằng cách lấy doanh thu

chia cho tổng tài sản Tỷ số thể hiện mối quan hệ giữa tổng doanh thu với quy mô doanhnghiệp Tỷ số này tăng dần theo thời gian được coi là công ty có một kết quả khả quan

• Tỷ số hoạt động: Tỷ số này được tính bằng tổng chi phí hoạt động trên

doanh thu Nó đo lường hiệu quả sử dụng chi phí hoạt động Việc giảm tỷ số này chỉ rarằng công ty đã quản lý hiệu quả chi phí trong hoạt động kinh doanh của mình

• Tỷ số vòng quay hàng tồn kho: Tỷ số này được tính bằng doanh thu chia

cho hàng tồn kho Nó thể hiện tốc độ quay vòng của hàng tồn kho là nhanh hay chậm Tỷ

số này là quan trọng vì nếu vòng quay của hàng tồn kho nhanh thì lợi nhuận cũng sẽ tăngtheo

Các chỉ số đòn bẩy tài chính: Các tỷ số này để chỉ sự kết hợp giữa nợ phải trả và

vốn chủ sở hữu trong việc điều hành chính sách tài chính của doanh nghiệp Đònbẩy tài chính sẽ rất lớn trong các doanh nghiệp có tỷ trọng nợ phải trả cao hơn tỷtrọng của vốn chủ sở hữu Ngược lại, đòn bẩy tài chính sẽ thấp khi tỷ trọng nợ phảitrả nhỏ hơn tỷ trọng của vốn chủ sở hữu Các tỷ lệ trong nhóm này là:

• Tỷ số nợ trên tổng tài sản: Tỷ số này được tính bằng cách lấy tổng nợ phải

trả trên tổng tài sản Tỷ số này cho biết có bao nhiêu phần trăm tài sản của

doanh nghiệp là từ đi vay Qua đây biết được khả năng tự chủ tài chính củadoanh nghiệp Tỷ số này mà quá nhỏ, chứng tỏ doanh nghiệp vay ít Điềunày có thể hàm ý doanh nghiệp có khả năng tự chủ tài chính cao.

• Tỷ số nợ trên vốn chủ sở hữu (D/E): Tỷ số này được tính bằng cách lấy

tổng nợ phải trả chia cho tổng vốn chủ sở hữu Tỷ số này cho biết quan hệ giữa vốn huyđộng bằng đi vay và vốn chủ sở hữu Tỷ số này nhỏ chứng tỏ doanh nghiệp ít phụ thuộcvào hình thức huy động vốn bằng vay nợ; có thể hàm ý doanh nghiệp chịu độ rủi ro thấp

• Tỷ số khả năng thanh toán lãi vay: Tỷ lệ này được tính bằng cách chia lợi

nhuận trước thuế và lãi vay (EBIT) cho lãi vay Hệ số khả năng thanh toán lãi vay chobiết mức độ lợi nhuận đảm bảo khả năng trả lãi như thế nào Nếu công ty quá yếu về mặtnày, các chủ nợ có thể đi đến gây sức ép lên công ty, thậm chí dẫn tới phá sản công ty

Các chỉ số lợi nhuận: Nhóm các chỉ số đo lường khả năng tạo ra lợi nhuận từ hoạt

động kinh doanh của công ty Các tỷ lệ thu hút sự chú ý của các bên liên quan bởi vìtiền kiếm được từ lợi nhuận có thể được tái đầu tư vào một công ty trong thời giantới, chi trả cổ tức cho các cổ đông, và được sử dụng để trả hết tiền cho vay của cácchủ nợ Do đó, giá trị cao hơn của tỷ suất lợi nhuận có thể sẽ được kết hợp với khảnăng thấp hơn của kiệt quệ tài chính Các chỉ số này bao gồm:

• Tỷ lệ lãi EBIT: Tỷ lệ lãi EBIT được tính bằng cách lấy lợi nhuận trước thuế

và lãi vay chia cho doanh thu Tỷ lệ lãi EBIT cho biết khả năng sinh lời trước chi phí lãivay và chi phí thuế

• Tỷ suất sinh lợi trên doanh thu thuần: Tỷ suất sinh lợi trên doanh thu

thuần (ROS) được tính bằng cách lấy lợi nhuận sau thuế chia cho doanh thu thuần Tỷsuất này càng lớn thì hiệu quả hoạt động của doanh nghiệp càng cao

• Tỷ số lợi nhuận ròng trên tài sản (ROA): là một chỉ số thể hiện tương quan

giữa mức sinh lợi của một công ty so với tài sản của nó ROA được tính

bằng cách lấy thu nhập ròng chia cho tổng tài sản ROA sẽ cho ta biết hiệu quả của công ty trong việc sử dụng tài sản để kiếm lời.

• Tỷ số EBIT trên tổng tài sản: Tỷ số này được tính bằng cách lấy EBIT chia

cho tổng tài sản Đây là một trong bốn chỉ số trong mô hình EMS

• Tỷ số sinh lợi trên vốn cổ phần (ROE): Tỷ số này được tính bằng cách lấy

lợi nhuận ròng chia cho vốn cổ phần Tỷ số này quan trọng nhất đối với các cổ đông vì

nó đo lường khả năng sinh lợi trên mỗi đồng vốn của cổ đông thường

• Tỷ số lợi nhuận giữ lại trên tổng tài sản: Là một trong bốn chỉ số của mô

hình EMS Tỷ lệ này đo lường mức độ của một công ty sử dụng các quỹ nội bộ tích lũy

từ hoạt động kinh doanh (vốn ít rủi ro)

Tổng cộng có 15 tỷ lệ và được tóm tắt bằng bảng 3.2 sau:

Bảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ

Vốn luân chuyển/Tổng tài sản Vốn luân chuyển/Tổng tài

sảnCác chỉ số hiệu Tỷ số doanh thu trên tài sản Doanh thu/Tổng tài sản

Tỷ số nợ trên tổng tài sản Tổng nợ phải trả/Tổng tàiCác chỉ số đòn

sản

Tỷ số nợ trên vốn chủ sở hữu Tổng nợ phải trả/Tổng vốnbẩy tài chính

Tỷ số khả năng thanh toán lãi vay EBIT/Lãi vay

Tỷ suất sinh lợi trên doanh thu Lợi nhuận ròng/Doanh thuthuần

Tỷ số lợi nhuận ròng trên tài sản Lợi nhuận ròng/Tổng tài

Tỷ số sinh lợi trên vốn cổ phần Lợi nhuận ròng/Vốn chủ

Kỹ thuật phân tích đa biệt thức (MDA)

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 đểphân loại các mục tiêu Trong đề tài nghiên cứu này, 2 nhóm mục tiêu nghiên cứu làcác công ty phá sản và công ty không phá sản Mô hình được phát triển từ kỹ thuậtMDA như sau:

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

Bài nghiên cứu sử dụng 23 tỷ số tài chính 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

Phân tích tỷ lệ so sánh

Kỹ thuật này là một trong những kỹ thuật thường được sử dụng nhất để phân tíchbáo cáo tài chính Phân tích này có thể được sử dụng trong một công ty hoặc giữacác công ty Từ quan điểm trong nội bộ công ty, nó cho phép các nhà nghiên cứu để

kiểm tra các điều kiện kinh tế của một thực thể kinh doanh Ví dụ, nó chỉ ra cho dùmột công ty có đủ tiền mặt để thanh toán nghĩa vụ hiện tại và hoặc trái phiếu dàihạn, cho dù một công ty quản lý có hiệu quả nguồn lực của mình, hay là một công

ty là một nhà sản xuất lợi nhuận hoặc người bị mất, và liệu các cổ đông được haymất từ đầu tư của họ Mặt khác, từ quan điểm giữa các công ty, phân tích chỉ ra việcmột công ty hoạt động tốt hơn hoặc tồi tệ hơn đối thủ cạnh tranh trong cùng ngành.Nói đơn giản, phân tích giữa các công ty cung cấp thông tin liên quan đến vị thếcạnh tranh tương đối của hai hoặc nhiều công ty Khi làm như vậy, những điểmmạnh và điểm yếu của tình hình tài chính của công ty được xác định bằng cách sosánh chỉ tiêu tài chính của công ty với những công ty cùng ngành

Có 15 chỉ tiêu được lựa chọn để so sánh giữa công ty phá sản và một công ty khôngphá sản trong giai đoạn điều tra

Phân tích tỷ lệ xu hướng

Cũng như phân tích tỷ lệ so sánh, phương pháp này cũng được sử dụng rộng rãi đểphân tích báo cáo tài chính Kỹ thuật này đã được sử dụng trong nghiên cứu Blum(1974) trong một bối cảnh phương Tây Tuy nhiên, chưa có bài nghiên cứu nàodùng nó để dự đoán kiệt quệ tài chính ở Việt Nam Vì vậy, nghiên cứu này có cơ hộikhám phá phân tích tỷ lệ xu hướng như một công cụ phân tích cho tín hiệu kiệt quệtài chính Như phân tích tỷ lệ so sánh, tỷ lệ xu hướng của một công ty được so sánhvới những tỷ lệ tương ứng của công ty cùng ngành tương tự

Phương pháp mô hình Logit

Với mô hình Logit, thông tin cần thu thập về biến phụ thuộc là một sự kiện nào đó

có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị 0 và 1, với 0 là không

có sự kiện, với 1 là có xảy ra

Hình 3.1: Xác suất xảy ra một sự kiện quan tâm

Pr(Y = 1)

Lưu ý:

Pr (Y=1) = Xác suất xuất hiện của một sự kiện quan tâm

Pr (Y =0) = Xác suất không xảy ra của một sự kiện quan tâm

Một vài biến tài chính của các công ty niêm yết sẽ được lựa chọn để nghiên cứu kiệtquệ tài chính Bài nghiên cứu này người viết sử dụng 18 biến tỷ số tài chính để sửdụng trong mô hình dự báo Các biến được sử dụng trong mô hình được thể hiệntrong phụ lục 2.

Giả thiết:

Có mối liên hệ mật thiết giữa các tỷ số tài chính với phát hiện phá sản của cácdoanh nghiệp phi tài chính niêm yết tại thị trường chứng khoán Việt nam

4 NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU

4.1 KẾT QUẢ ÁP DỤNG MÔ HÌNH CHỈ SỐ Z

Trong phần này, tất cả 23 biến tài chính được chia thành nhóm chỉ số đòn bẩy tàichính, nhóm chỉ số thanh khoản, nhóm chỉ số khả năng sinh lời, nhóm chỉ số hiệuquả sử dụng tài sản được kiểm nghiệm độc lập cho các công ty phá sản và khôngphá sản bằng cách tính toán trung bình và độ lệch chuẩn trong vòng 5 năm trước khiphá sản Ngoài ra, kiểm định T và kiểm định F đã được sử dụng để tìm ra sự giống

và khác biệt của các biến tài chính mỗi năm trước khi phá sản Mô hình được ướclượng thông qua SPSS phiên bản 20 bằng cách sử dụng kỹ thuật phân tích đa khácbiệt (MDA) xuất phát từ các biến số phân biệt với hệ số của chúng và sau cùng, môhình phát triển từ nghiên cứu này được kiểm nghiệm thông qua mẫu để xác định độchính xác trong việc dự báo phá sản

Sau đây là các kết quả nghiên cứu:

Trung bình và độ lệch tiêu chuẩn của các công ty phá sản:

Trung bình và độ lệch chuẩn của 23 chỉ tiêu tài chính được thể hiện trong bảng 4.1d Các công ty phá sản có chỉ số đòn bẩy tài chính cao, chỉ số thanh khoản thấp,chỉ số khả năng sinh lời và hiệu quả sử dụng tài sản thấp Hơn nữa, hầu hết các chỉ

4.1a-số của nhóm thanh khoản, lợi nhuận và hiệu quả sử dụng tài sản đã chỉ ra dấu hiệutiêu cực và xu hướng giảm, sự chuyển động của các công ty đang theo hướng tớiphá sản