Luận văn Thạc sĩ Kinh tế: Dự báo kiệt quệ tài chính thông qua sự kết hợp các yếu tố tài chính, thị trường và vĩ mô tại các doanh nghiệp niêm yết Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH

VÕ TRUNG NHÂN

DỰ BÁO KIỆT QUỆ TÀI CHÍNH THÔNG QUA SỰ KẾT

HỢP CÁC YẾU TỐ TÀI CHÍNH, THỊ TRƯỜNG VÀ VĨ MÔ

TẠI CÁC DOANH NGHIỆP NIÊM YẾT VIỆT NAM

Chuyên ngành: Tài Chính – Ngân Hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS. Hay Sinh

Tp. Hồ Chí Minh – Năm 2015

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn

khoa học của TS.Hay Sinh. Các số liệu và kết quả được trình bày trong luận văn là

trung thực, khách quan, chưa được công bố trong bất cứ công trình nào khác.

Tp.Hồ Chí Minh, Ngày tháng năm

Tác giả luận văn

Võ Trung Nhân

TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

MỤC LỤC

TÓM TẮT ............................................................................................................................. 1

CHƯƠNG 1. GIỚI THIỆU ................................................................................................. 2

1.1 Lý do chọn đề tài ........................................................................................................ 2

1.2 Mục tiêu nghiên cứu................................................................................................... 4

1.3 Đối tượng nghiên cứu và phạm vi nghiên cứu ......................................................... 4

1.4 Phương pháp nghiên cứu........................................................................................... 5

1.5 Ý nghĩa của nghiên cứu ............................................................................................. 5

1.6 Kết cấu bài nghiên cứu .............................................................................................. 6

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ DỰ BÁO KIỆT QUỆ TÀI CHÍNH ......................... 7

2.1 Cơ sở lý thuyết về kiệt quệ tài chính......................................................................... 7

2.1.1 Bản chất của kiệt quệ tài chính .............................................................................. 7

2.1.2 Hệ quả của kiệt quệ tài chính................................................................................. 8

2.2 Tổng kết các nghiên cứu về dự báo kiệt quệ tài chính .......................................... 10

2.2.1 Các nghiên cứu sử dụng các yếu tố tài chính ...................................................... 10

2.2.2 Các nghiên cứu sử dụng các yếu tố thị trường .................................................... 15

2.2.3 Các nghiên cứu sử dụng các yếu tố vĩ mô ........................................................... 17

2.2.4 Các nghiên cứu kết hợp các yếu tố thị trường, tài chính và vĩ mô ..................... 17

2.2.5 Mô hình hồi quy Logit ......................................................................................... 25

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ............................................................. 29

3.1 Dữ liệu nghiên cứu ................................................................................................... 29

3.2 Lựa chọn các biến số trong mô hình và mô hình nghiên cứu thực nghiệ m ........ 31

3.2.1 Lựa chọn các biến số cho mô hình hồi quy Logit................................................ 31

3.2.2 Xây dựng các mô hình nghiên cứu thực nghiệm ................................................. 45

3.3 Các thước đo lường hiệu quả của mô hình và các kiể m định .............................. 46

3.3.1 Các thước đo lường hiệu quả của mô hình .......................................................... 46

3.3.2 Các kiểm định được sử dụng trong nghiên cứu ................................................... 48

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU ........................................................................ 51

4.1 Kết quả thống kê mô tả và kiểm định tương quan các biế n độc lập ................... 51

4.1.1 Kết quả thống kê mô tả ........................................................................................ 51

4.1.2 Kết quả kiểm định tương quan các biến độc lập.................................................. 55

4.2 Kết quả ước lượng mô hình hồi quy Logit ............................................................. 58

4.2.1 Kết quả ước lượng mô hình hồi quy Logit .......................................................... 58

4.2.2 Hiệu chỉnh mô hình ............................................................................................. 62

4.2.3 Kết quả đo lường hiệu ứng biên .......................................................................... 65

4.3 Kết quả lựa chọn mô hình dự báo kiệt quệ tài chính ............................................ 68

4.3.1 Kết quả đo lường khả năng dự báo của các mô hình hiệu chỉnh ......................... 70

4.3.2 Kết quả kiểm định các giá trị AUC ..................................................................... 71

4.3.3 Bảng phân loại độ chính xác................................................................................ 77

CHƯƠNG 5: KẾT LUẬN ................................................................................................. 81

TÀI LIỆU THAM KHẢO

PHỤ LỤC A: DANH SÁCH 568 CÔNG TY NIÊM YẾT

PHỤ LỤC B: KIỂM ĐỊNH SỰ KHÁC BIỆT GIỮA CÁC GIÁ TRỊ AUC CỦA CÁC MÔ

HÌNH HIỆU CHỈNH VÀ KHÔNG HIỆU CHỈNH

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

AUC: Vùng diện tích dưới đường cong ROC

EBIT: Thu nhập trước thuế, lãi vay

EBITDA: Thu nhập trước thuế, lãi vay và khấu hao

FTSE: Thị trường chứng khoán thời đại tài chính (Financial Times Stock Exchange)

HNX: Sở giao dịch chứng khoán Hà Nội

HOSE: Sở giao dịch chứng khoán Thành Phố Hồ Chí Minh

IFS: Thống kê tài chính quốc tế (International Financial Statistics)

IMF: Quỹ tiền tệ quốc tế

MDA: Phân tích đa yếu tố phân biệt (Multiple Discriminant Analysis)

ROC: Đặc trưng hoạt động tiếp nhận (Receiver Operating Characteristics)

TANH: Hàm lượng giác tang (Hyperbolic tangent)

TCTK: Tổng cục thống kê

VIF: Nhân tử phóng đại phương sai (Variance Inflation Factor)

WTO: Tổ chức thương mại thế giới

DANH MỤC CÁC BẢNG

Bảng 2.1: Tóm lược các nghiên cứu về dự báo kiệt quệ tài chính ................................. 20

Bảng 3.1: Thống kê số quan sát bị kiệt quệ và không bị kiệt quệ tài chính (bao gồm

568 doanh nghiệp, trong giai đoạn 2009-2014)................................................................ 34

Bảng 3.2: Tổng hợp các biến độc lập cho mô hình hồi quy Logit.................................. 43

Bảng 4.1: Thống kê mô tả các biến độc lập ..................................................................... 52

Bảng 4.2: Kiểm định sự khác biệt trung bình giữa hai nhóm quan sát kiệt quệ và

không kiệt quệ tài chính .................................................................................................... 53

Bảng 4.3: Ma trận hệ số tương quan và đa cộng tuyến .................................................. 57

Bảng 4.4: Kết quả ước lượng mô hình hồi quy Logit ..................................................... 59

Bảng 4.5: Kết quả hồi quy Logit của các mô hình hiệu chỉnh ....................................... 64

Bảng 4.6: Kết quả đo lường hiệu ứng biên ...................................................................... 66

Bảng 4.7: Kết quả đo lường hiệu quả của các mô hình hiệu chỉnh ............................... 69

Bảng 4.8: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 1 và MDA 3 . 72

Bảng 4.9: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 2 và MDA 3 . 73

Bảng 4.10: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 4 và MDA 3

.............................................................................................................................................. 74

Bảng 4.11: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA5 và MDA3 . 75

Bảng 4.12: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 1, MDA 2,

MDA 4, MDA 5 và MDA 3 ................................................................................................ 76

Bảng 4.13: Bảng phân loại độ chính xác .......................................................................... 79

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Hình 4.1: Đường cong ROC của MDA 1 và MDA 3 ....................................................... 72

Hình 4.2: Đường cong ROC của MDA 1 và MDA 3 ....................................................... 73

Hình 4.3: Đường cong ROC của MDA 4 và MDA 3 ....................................................... 74

Hình 4.4: Đường cong ROC của MDA 5 và MDA 3 ....................................................... 75

Hình 4.5: Đường cong ROC của MDA 1, MDA 2, MDA 4, MDA 5 và MDA 3 ........... 76

TÓM TẮT

Các nghiên cứu trước đây thường dự báo tình trạng kiệt quệ tài chính bằng các yếu

tố tài chính của doanh nghiệp, hoặc kết hợp các yếu tố tài chính và thị trường.

Nhưng có rất ít các nghiên cứu dự báo kiệt quệ tài chính khi kết hợp đồng thời các

yếu tố tài chính, thị trường và vĩ mô. Do đó, bài nghiên cứu xem xét khả năng dự

báo kiệt quệ tài chính khi có sự kết hợp đồng thời các yếu tố tài chính, thị trường và

vĩ mô vào một mô hình nghiên cứu. Đây cũng là điểm mới của nghiên cứu. Nghiên

cứu thực hiện trên một mẫu gồm 568 doanh nghiệp phi tài chính niêm yết trên thị

trường chứng khoán Việt Nam, giai đoạn 2009-2014. Trên cơ sở vận dụng mô hình

hồi quy Logit, nghiên cứu tiến hành hồi quy các mô hình chính, sau đó loại bỏ các

biến không có ý nghĩa thống kê ra khỏi mô hình, nghiên cứu tiếp tục hồi quy lại các

mô hình hiệu chỉnh để cho ra các giá trị ước lượng cuối cùng. Qua đó, nghiên cứu

đã tìm thấy bằng chứng về khả năng dự báo kiệt quệ tài chính trước 1 năm của các

yếu tố tài chính, thị trường và vĩ mô. Trong đó, yếu tố tài chính và thị trường có khả

năng dự báo tốt nhất, nhưng yếu tố vĩ mô lại thể hiện khá “mờ nhạt” năng lực dự

báo kiệt quệ tài chính. Nghiên cứu cũng đã chứng minh được rằng mô hình có sự

kết hợp đồng thời của các yếu tố tài chính, thị trường và vĩ mô là mô hình dự báo

kiệt quệ tài chính hiệu quả nhất so với các mô hình không có sự kết hợp hoặc chỉ

kết hợp 2 trong 3 yếu tố. Như vậy có thể nhận định rằng, tình trạng kiệt quệ tài

chính của doanh nghiệp phi tài chính niêm yết tại Việt Nam có thể được dự báo

đồng thời bởi các yếu tố tài chính, thị trường và vĩ mô. Hay nói cách khác khả năng

doanh nghiệp rơi vào tình trạng kiệt quệ tài chính không chỉ chịu ảnh hưởng từ các

yếu tố nội tại mà còn chịu ảnh hưởng từ các yếu tố bên ngoài như: thị trường chứng

khoán, tình hình kinh tế - vĩ mô của quốc gia.

Từ khóa: dự báo kiệt quệ tài chính, mô hình Logit

CHƯƠNG 1. GIỚI THIỆU

1.1 Lý do chọn đề tài

Vào ngày 7-11-2006 Việt Nam gia nhập WTO, và được công nhận là thành viên

chính thức của tổ chức này vào ngày 11-1-2007. Việc gia nhập WTO đã mở ra cơ

hội lớn cho hàng hóa và dịch vụ của Việt Nam với một thị trường rộng lớn hơn. Sau

hơn 8 năm gia nhập WTO, kinh tế Việt Nam đã phát triển mạnh mẽ trên mọi lĩnh

vực, đặc biệt trong lĩnh vực thương mại, dịch vụ. Bên cạnh những cơ hội mới khi

gia nhập WTO, Việt Nam sẽ phải đối mặt với những thách thức khó khăn phía

trước. Cụ thể, đó là sự cạnh tranh ngày càng trở nên “khóc liệt” hơn giữa các doanh

nghiệp trong nước với các doanh nghiệp nước ngoài, và kể cả các doanh nghiệp

trong nước với nhau ngay chính trên “sân nhà”. Một viễn cảnh xấu có thể xảy ra đối

với các doanh nghiệp là rơi vào tình trạng kiệt quệ tài chính hoặc thậm chí phá sản,

giải thể. Và điều này đã thực sự xảy ra. Theo số liệu của TCTK (2013), số doanh

nghiệp gặp khó khăn phải giải thể hoặc ngừng hoạt động là 60,737 doanh nghiệp.

Con số này còn tiếp tục gia tăng trong năm 2014, cả nước có 67,823 doanh nghiệp

gặp khó khăn buộc phải giải thể, hoặc đăng ký tạm ngừng hoạt động có thời hạn,

hoặc ngừng hoạt động chờ đóng mã số doanh nghiệp hoặc không đăng ký (TCTK ,

2014). Thị trường chứng khoán Việt Nam cũng không là một ngoại lệ. Trong 3 năm

2012, 2013 và 2014 danh sách các doanh nghiệp đăng ký xin hủy niêm yết xuất hiện

ngày càng nhiều trong các báo cáo thường niên của Sở giao dịch chứng khoán Hà

Nội và Sở giao dịch chứng khoán Thành Phố Hồ Chí Minh. Từ năm 2012 đến năm

2014, số doanh nghiệp xin hoặc bị hủy niêm yết bắt buộc lần lượt là 20, 41 và 32

doanh nghiệp. Trong đó nguyên nhân chủ yếu là hoạt động kinh doanh bị thua lỗ

liên tiếp trong 3 năm, hoặc số lỗ lũy kế lớn hơn vốn điều lệ của doanh nghiệp. Như

vậy, có thể thấy rằng nền kinh tế Việt Nam đang ngày càng hội nhập sâu rộng vào

nền kinh tế chung của thế giới. Bên cạnh những cơ hội tốt được mở ra, các doanh

nghiệp Việt Nam đang phải đối mặt với những thách thức và khó khăn trong cạnh

tranh mà có thể dẫn đến tình trạng kiệt quệ tài chính, thậm chí là phá sản, giải thể.

Ngoài ra, nguy cơ bị kiệt quệ tài chính cũng bắt nguồn từ các chi phí tài chính cố

định cao (liên quan đến vấn đề cấu trúc vốn của doanh nghiệp hoặc liên quan đến

những bất ổn của thị trường tài chính, nền kinh tế làm lãi suất tăng cao); tài sản của

doanh nghiệp kém thanh khoản (khả năng chuyển đổi tài sản thành tiền kém, tốn

nhiều chi phí) và sự yếu kém trong quản trị doanh nghiệp (Milton, 2002). Vì vậy

việc dự báo khả năng rơi vào tình trạng kiệt quệ tài chính là một trong những vấn đề

cốt lõi trong hoạt động quản trị tài chính giúp các nhà quản trị đưa ra những quyết

định đúng đắn, phù hợp nhằm “giải cứu” doanh nghiệp thoát khỏi nguy cơ lâm vào

tình trạng bị kiệt quệ tài chính, và duy trì sự tồn tại, phát triển của doanh nghiệp.

Có nhiều yếu tố ảnh hưởng đến khả năng lâm vào kiệt quệ tài chính. Trong đó có

các yếu tố ảnh hưởng từ bên trong doanh nghiệp như các yếu tố tài chính (Beaver,

1966; Altman, 1968; Ohlson ,1980); các yếu tố ảnh hưởng từ bên ngoài như các yếu

tố thị trường (Campbell và cộng sự, 2008; Pindado và cộng sự, 2008), các yếu tố vĩ

mô (Alifiah, 2014; Bhattacharjee và Han, 2014). Có nhiều nghiên cứu có sự kết hợp

giữa các yếu tố với nhau trong một mô hình nghiên cứu. Campbel và cộng sự

(2008) đã kết hợp các yếu tố tài chính và các yếu tố thị trường; Bhattacharjee và

Han (2014) kết hợp các yếu tố tài chính và các yếu tố vĩ mô; Tinoco và Wilson

(2013), Christidis và Gregory (2010) đã kết hợp cả ba yếu tố tài chính, thị trường

và vĩ mô. Nhưng có rất ít các nghiên cứu phân tích, xem xét về tính hiệu quả của

việc kết hợp đồng thời các yếu tố tài chính, thị trường và vĩ mô vào trong một mô

hình dự báo kiệt quệ tài chính (Tinoco và Wilson, 2013).

Xuất phát từ các vấn đề nêu trên, bài nghiên cứu “DỰ BÁO KIỆT QUỆ TÀI

CHÍNH THÔNG QUA SỰ KẾT HỢP CÁC YẾU TỐ TÀI CHÍNH, THỊ TRƯỜNG

VÀ VĨ MÔ TẠI CÁC DOANH NGHIỆP NIÊM YẾT VIỆT NAM” được thực hiện

nhằm xem xét tính hiệu quả của sự kết hợp 3 yếu tố tài chính, thị trường và vĩ mô

trong một mô hình dự báo kiệt quệ tài chính, đồng thời qua đó giúp các nhà quản trị

doanh nghiệp có những biện pháp phù hợp, ngăn chặn kịp thời các tổn thất có thể

xảy ra trước khi doanh nghiệp lâm vào kiệt quệ tài chính.

1.2 Mục tiêu nghiên cứu

Bài nghiên cứu này được thực hiện với mục tiêu là dự báo khả năng doanh nghiệp

rơi vào tình trạng kiệt quệ tài chính thông qua sự kết hợp đồng thời các yếu tố tài

chính, thị trường và vĩ mô. Để thực hiện mục tiêu này, bài nghiên cứu cần giải

quyết các câu hỏi nghiên cứu sau:

(1) Những dấu hiệu nào dùng làm căn cứ để xác định doanh nghiệp rơi vào tình

trạng kiệt quệ tài chính ?

(2) Các nhóm yếu tố tài chính, thị trường và vĩ mô có thể được dùng làm dự báo

kiệt quệ tài chính của doanh nghiệp trên cơ sở tiếp cận từ mô hình hồi quy Logit

hay không ? Cụ thể:

 Phân tích riêng lẻ nhóm yếu tố tài chính, thị trường

 Phân tích kết hợp các nhóm yếu tố tài chính, thị trường và vĩ mô

 Lựa chọn mô hình dự báo kiệt quệ tài chính hiệu quả nhất

1.3 Đối tượng nghiên cứu và phạm vi nghiên cứu

 Đối tượng nghiên cứu

Dự báo kiệt quệ tài chính tại các doanh nghiệp phi tài chính niêm yết trên thị trường

chứng khoán Việt Nam.

 Phạm vi nghiên cứu

Mẫu dữ liệu gồm 568 doanh nghiệp phi tài chính (các doanh nghiệp thuộc tất cả các

ngành ngoại trừ ngành tài chính) được niêm yết trên HNX và HOSE, trong giai

đoạn 6 năm từ năm 2009 đến 2014. Việc thu thập dữ liệu để tính toán các biến số

trong mô hình được lấy từ các báo cáo tài chính năm, các báo cáo thường niên đã

kiểm toán của các doanh nghiệp, giai đoạn từ 2009-2014. Nguồn dữ liệu này được

cung cấp bởi công ty cổ phần StockPlus. Dữ liệu về các biến số vĩ mô được thu thập

từ IFS cũng trong giai đoạn 2009-2014.

1.4 Phương pháp nghiên cứu

 Phương pháp thống kê mô tả

Nghiên cứu tiến hành thu thập, tổng hợp, phân tích và phân tích các dữ liệu các biến

độc lập, nhằm bước đầu đánh giá tổng quan các đặc trưng của hai nhóm quan sát

kiệt quệ và không kiệt quệ tài chính.

 Phương pháp định lượng

Để giải quyết vấn đề biến phụ thuộc là nhị phân, bài nghiên cứu sử dụng mô hình

Logit để ước lượng các tham số hồi quy, qua đó dự báo khả năng rơi vào kiệt quệ

tài chính của doanh nghiệp. Nhằm đáp ứng điều kiện của mô hình hồi quy Logit là

hiện tượng đa cộng tuyến giữa các biến độc lập không nghiêm trọng, nghiên cứu

tiến hành kiểm định hiện tượng đa cộng tuyến giữa các biến độc lập. Ngoài ra,

nghiên cứu cũng thực hiện các kiểm định khác như: kiểm định sự khác biệt trung

bình giữa hai mẫu độc lập, nhằm gia tăng nhận định về các đặc trưng giữa nhóm

kiệt quệ tài chính và không kiệt quệ tài chính; kiểm định Hosmer & Lemeshow,

nhằm kiểm định sự phù hợp của mô hình dự báo với dữ liệu mẫu; kiểm định phi

tham số Mann – Whitney, nhằm kiểm định sự khác nhau giữa các giá trị AUC của

các mô hình.

1.5 Ý nghĩa của nghiên cứu

Kết quả trong bài nghiên cứu này, có ý nghĩa nhất định đối với thực tiễn cũng như

trong nghiên cứu học thuật:

 Đối với thực tiễn

Việc đưa ra một mô hình dự báo khả năng rơi vào tình trạng kiệt quệ tài chính

của doanh nghiệp chính xác hơn giúp các doanh nghiệp có biện pháp ngăn chặn kịp

thời các tổn thất có thể xảy ra. Điều này giúp nâng cao hiệu quả hoạt động của

doanh nghiệp trong một nền kinh tế ngày càng cạnh tranh “khóc liệt”. Mặt khác,

việc dự báo khả năng rơi vào tình trạng kiệt quệ tài chính của doanh nghiệp sẽ giúp

các chủ nợ, các nhà đầu tư cũng như các tổ chức tín dụng sẽ đưa ra các quyết định

đúng đắn và phù hợp hơn.

 Đối với nghiên cứu học thuật

Bài nghiên cứu đã góp phần tạo thêm một mô hình dự báo mới bằng sự kết hợp các

yếu tố tài chính, thị trường và vĩ mô trong một mô hình. Điều này hàm ý rằng tình

trạng kiệt quệ tài chính không chỉ được dự báo từ các yếu tố tài chính, mà còn chịu

ảnh hưởng bởi các yế tố bên ngoài từ môi trường kinh tế vĩ mô và các yếu tố thị

trường.

1.6 Kết cấu bài nghiên cứu

Bài nghiên cứu được kết cấu thành 5 chương như sau:

CHƯƠNG 1: Giới thiệu tổng quan về nghiên cứu;

CHƯƠNG 2: Tổng quan lý thuyết kiệt quệ tài chính và các nghiên cứu trước đây về

dự báo kiệt quệ tài chính;

CHƯƠNG 3: Phương pháp nghiên cứu;

CHƯƠNG 4: Kết quả nghiên cứu;

CHƯƠNG 5: Kết luận.

CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH VÀ

CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ DỰ BÁO KIỆT QUỆ TÀI CHÍNH

2.1 Cơ sở lý thuyết về kiệt quệ tài chính

2.1.1 Bản chất của kiệt quệ tài chính

Kiệt quệ tài chính là tình trạng mà doanh nghiệp không thể đáp ứng các nghĩa vụ nợ

đến hạn hay đáp ứng một cách khó khăn cho các chủ nợ, đôi khi kiệt quệ tài chính

có thể dẫn đến phá sản (Trần Ngọc Thơ và cộng sự, 2007). Việc doanh nghiệp

không thể đáp ứng các nghĩa vụ nợ đến hạn có thể xuất phát từ nhiều nguyên nhân

khác nhau, cụ thể như sau:

Thứ nhất: Thiếu khả năng liên kết với thị trường vốn. Có rất nhiều ví dụ về các

doanh nghiệp có nhu cầu thanh khoản, có tiềm năng tăng trưởng, và điều “sống

còn” cuối cùng là khả năng kết nối vào các thị trường vốn. Đối với các doanh

nghiệp, không được tiếp cận với thị trường vốn khi cần thiết là một điều chắt chắn

doanh nghiệp lâm vào tình trạng khó khăn về tài chính.

Thứ hai: Sự suy giảm về hiệu suất hoạt động của doanh nghiệp là một lý do phổ

biến dẫn đến mất khả năng chi trả các khoản nợ đến hạn. Các lý do dẫn đến sự suy

giảm như vậy thì rất nhiều, chẳn hạn như: các cuộc suy thoái theo chu kỳ kinh tế,

lạm phát chi phí, cạnh tranh, luật định / bãi bỏ luật định, sản phẩm hoặc dịch vụ có

tính cạnh tranh, kế hoạch kinh doanh không thực tế, hay quản lý yếu kém. Hiếm khi

các trường hợp xảy ra đồng thời, chỉ là một trong những yếu tố trên xảy ra dẫn tới

sự suy giảm hiệu suất hoạt động. Có thể có một sự kết hợp của các yếu tố trên dẫn

đến sự xuống cấp như vậy, mà tại đó các doanh nghiệp sẽ ngừng hoạt động trong

tình trạng kiệt quệ tài chính.

Thứ ba: Sự suy yếu trong tổ chức bộ máy kế toán. Kế toán tài chính theo nguyên lý chuẩn mực kế toán (GAAP1) là một hệ thống trong đó các báo cáo được thực hiện

một cách cứng nhắc theo các quy định, trong khi đó mô tả về thực tế còn hạn chế và 1 GAAP: Generally Accepted Accounting Principles

trong nhiều trường hợp lại không thực tế. Trọng tâm của các nhà phân tích cổ phiếu

là nhằm vào những gì các con số của GAAP thể hiện, trong khi tình trạng kiệt quệ

hoặc giá trị đầu tư, trọng tâm lại là những con số mang tính ý nghĩa.

Ngoài ra nguy cơ kiệt quệ tài chính gia tăng khi doanh nghiệp có những chi phí tài

chính cố định cao (liên quan đến vấn đề sử dụng nợ), tài sản doanh nghiệp kém

thanh khoản (khả năng chuyển đổi tài sản thành tiền chậm hoặc tốn kém chi phí),

doanh thu nhạy cảm với sự biến động của nền kinh tế.

Quan điểm về kiệt quệ tài chính có thể nhìn nhận từ góc độ phá sản của doanh

nghiệp. Foster (1986) cho rằng nộp đơn xin phá sản được xem là dấu hiệu cho biết

doanh nghiệp đó đang bị kiệt quệ tài chính. Theo Jones và Hensher (2004) có hai

tình trạng mà một doanh nghiệp niêm yết trên thị trường chứng khoán được xem là

kiệt quệ tài chính. Tình trạng thứ nhất: doanh nghiệp mất khả năng thanh toán đối

với các khoản nợ đến hạn. Tình trạng thứ hai: doanh nghiệp nộp đơn xin phá sản.

Hay Bruwer và Hamman (2006) cũng xác định một doanh nghiệp lâm vào tình

trạng kiệt quệ tài chính khi nó nộp đơn xin phá sản hoặc hủy niêm yết hoặc tái cấu

trúc toàn diện bộ máy tổ chức. Như vậy trong các nghiên cứu thực nghiệm về kiệt

quệ tài chính, các nhà nghiên cứu có thể xem một doanh nghiệp lâm vào tình trạng

kiệt quệ tài chính khi nó bị phá sản.

2.1.2 Hệ quả của kiệt quệ tài chính

Doanh nghiệp khi rơi vào tình trạng kiệt quệ tài chính sẽ phải gánh chịu nhiều hệ

quả nghiêm trọng, gây tổn thất “nặng nề” cho doanh nghiệp. Các hệ quả mà kiệt quệ

tài chính có thể kể đến như sau:

Thứ nhất: Kiệt quệ tài chính gây ra các mâu thuẫn quyền lợi giữa cổ đông và chủ nợ

, làm cản trở các quyết định đúng đắn về hoạt động đầu tư và tài trợ của doanh

nghiệp. Có thể phân tích cụ thể như sau:

 Về phía các cổ đông

Họ thường từ bỏ mục tiêu thông thường là tối đa hóa giá trị thị trường của doanh

nghiệp và thay vào đó là mục tiêu hạn hẹp hơn là quyền lợi riêng của mình. Họ có

khuynh hướng thực hiện các “trò chơi” (ý đồ) riêng mà phần thiệt hại sẽ do các trái

chủ gánh chịu. Ví dụ như việc cổ đông chấp nhận các dự án mạo hiểm trên tư tưởng

“được ăn cả ngã về không” khi tài sản của doanh nghiệp không đủ để trả nợ, nếu dự

án này thành công thì doanh nghiệp vực dậy được, còn nếu thất bại thì phần thiệt

hại trái chủ sẽ gánh chịu; hay cổ đông có thể từ chối đóng góp cổ phần để đầu tư

vào các dự án tốt có lợi cho doanh nghiệp vì lợi ích này phải được chia sẻ với các

trái chủ. Ngoài ra còn có các trò chơi khác như thu tiền và bỏ chạy dưới hình thức

cổ tức bằng tiền mặt; kéo dài thời gian trả nợ hay phát hành thêm nhiều nợ để thu

lãi từ lỗ vốn của các trái chủ cũ khi tất cả nợ trở nên rủi ro hơn. Khi doanh nghiệp

càng lâm vào tình trạng khó khăn, càng không có khả năng thực hiện nghĩa vụ trả

nợ thì sự hấp dẫn của các trò chơi càng lớn và xác suất cổ đông thực hiện ý đồ của

mình càng cao, điều này rõ ràng là rất tốn kém cho doanh nghiệp vì các trò chơi này

đều mang ý nghĩa các quyết định tồi về đầu tư và hoạt động; dẫn đến sự sụt giảm

giá trị thị trường của toàn doanh nghiệp.

 Về phía các trái chủ

Họ nhận thức rằng các ý đồ đó có thể được thực hiện với rủi ro do họ gánh chịu,

nên họ đã tự bảo vệ bằng cách thực hiện các trò chơi riêng của mình. Tuy nhiên, để

thực hiện “trò chơi”, các chủ nợ cũng phải tốn k m chi phí. Biện pháp nào cũng có

cái giá phải trả riêng của nó, ta phải chi trả thêm tiền để có thể tiết kiệm được tiền.

Ngoài chi phí cho việc soạn thảo các hợp đồng phức tạp, các trái chủ còn phải tốn

thêm tiền cho các hoạt động kiểm tra, giám sát kết quả thực thi hợp đồng. Các chủ

nợ phải dự báo được chi phí này và thường đòi mức đền bù cao hơn dưới hình thức

lãi suất cao hơn, như vậy nó cũng chính là một loại chi phí đại diện của nợ – cuối

cùng sẽ do các cổ đông chi trả.

Thứ hai: Kiệt quệ tài chính còn ảnh hưởng đến tài sản của doanh nghiệp. Khi lâm

vào khó khăn, muốn thanh lý chẳng hạn, giá trị thu được từ việc thanh lý tài sản sẽ

nhỏ hơn. Các tài sản bị ảnh hưởng nghiêm trọng nhất là các tài sản vô hình như giá

trị thương hiệu, công nghệ, vốn nhân lực, hình ảnh doanh nghiệp.

Thứ ba: Khi doanh nghiệp trong tình trạng khó khăn hầu hết nhân viên luôn cảm

thấy căng thẳng, họ lo sợ mất việc nên cố gắng tìm kiếm những cơ hội nghề nghiệp

mới. Những người giỏi thường sẽ rời bỏ doanh nghiệp, những người ở lại thường

làm việc với tâm trạng không tập trung, kém hiệu quả. Như vậy, tổn thất này cũng

được xem như là chi phí kiệt quệ tài chính.

Thứ tư: Các khách hàng và các nhà cung cấp cũng sẽ không muốn gánh chịu rủi ro

khi giao dịch với những doanh nghiệp đang lâm vào kiệt quệ tài chính. Khách hàng

không sẵn lòng ứng trước tiền hàng hoặc nhà cung cấp không muốn bán chịu.

Doanh nghiệp còn có thể mất đi những đối tác quan trọng. Cả đầu ra và đầu vào đều

bị sụt giảm làm tình hình hoạt động của doanh nghiệp càng khó khăn hơn.

2.2 Tổng kết các nghiên cứu về dự báo kiệt quệ tài chính

Nội dung trong phần này, nghiên cứu sẽ trình bày các nghiên cứu thực nghiệm trên

thế giới về dự báo kiệt quệ tài chính. Qua đó nghiên cứu sẽ lựa chọn cách tiếp cận

về dự báo kiệt quệ tài chính ở góc độ mới.

2.2.1 Các nghiên cứu sử dụng các yếu tố tài chính

Một trong những người khởi xướng nghiên cứu về dự báo kiệt quệ tài chính, phá

sản đó là Fitzpatrick (1932). Trong nghiên cứu về dự báo phá sản, ông đã lựa chọn

một mẫu nghiên cứu gồm 19 doanh nghiệp và dựa trên các dấu hiệu tài chính chia

các doanh nghiệp thành hai nhóm: nhóm phá sản và nhóm không phá sản. Và ông

đã tìm thấy bằng chứng rằng tỷ số tài chính như: lãi ròng trên vốn cổ phần, vốn cổ

phần trên tổng nợ là hai tỷ số có khả năng dự báo về phá sản cao nhất. Hơn 60 năm

sau, các nghiên cứu về phá sản mới “bùng phát” trở lại. Beaver (1966), Altman

(1968), Altman và cộng sự (1977), Ohlson(1980) là những nghiên cứu “châm ngòi”

cho những xu hướng mới, mô hình mới trong dự báo kiệt quệ tài chính, phá sản.

Beaver (1966) đã tiến hành chọn mẫu gồm 79 doanh nghiệp bị phá sản thuộc 38

ngành khác nhau tại Mỹ, giai đoạn từ 1954 – 1964, mẫu được lấy từ báo cáo ngành

của hãng xếp hạng tín nhiệm Moody. Ông đã áp dụng phương pháp chọn mẫu cặp,

tức là tương ứng một doanh nghiệp vỡ nợ thì sẽ có một doanh nghiệp hoạt động

bình thường trong cùng ngành và cùng quy mô. Beaver chọn ra 30 tỷ số tài chính,

được chia thành 6 nhóm bao gồm: nhóm tỷ số dòng tiền, nhóm các tỷ số thu nhập

ròng, nhóm tỷ số đòn bẩy tài chính, nhóm tỷ số tài sản thanh khoản trên tổng tài

sản, nhóm tỷ số tài sản thanh khoản trên nợ ngắn hạn và nhóm tỷ số sinh lợi nhằm

kiểm định khả năng dự báo phá sản của các tỷ số này từ 1 đến 5 năm trước khi sự

kiện phá sản xảy ra. Kết quả cuối cùng cho thấy, các tỷ số tài chính đơn lẻ có khả

năng dự báo phá sản tốt, và khi tăng số năm dự báo lên 5 năm thì tỷ lệ phân loại sai

có tăng nhưng không đáng kể. Đặc biệt tỷ số dòng tiền hoạt động trên tổng nợ có

khả năng dự báo lên đến 87% trước 1 năm bị phá sản. Beaver đã đúc kết 6 tỷ số đại

diện cho các 6 tỷ số trên có thể dự báo được phá sản: dòng tiền hoạt động trên tổng

nợ (đại diện cho nhóm tỷ số dòng tiền), thu nhập ròng trên tổng tài sản (đại diện

nhóm các tỷ số thu nhập ròng), tổng nợ trên tổng tài sản (đại diện nhóm tỷ số đòn

bẩy tài chính), vốn luân chuyển trên tổng tài sản (đại diện nhóm tỷ số tài sản thanh

khoản trên tổng tài sản), tỷ số thanh toán hiện hành (đại diện nhóm tỷ số tài sản

thanh khoản trên nợ ngắn hạn) và tỷ số (tài sản thanh khoản nhanh trừ nợ ngắn hạn)

chia cho chi phí hoạt động hàng ngày (đại diện nhóm tỷ số sinh lợi)

Kế thừa nghiên cứu của Beaver (1966), mô hình dự báo phá sản điểm Z (Z-Score)

được Altman (1968) xây dựng dựa trên kỹ thuật Phân Tích Đa Yếu Tố Phân Biệt

(MDA). MDA là một kỹ thuật được sử dụng để phân lớp các quan sát vào trong một

nhóm dựa trên các đặc trưng của quan sát đó (Rettig, 1964). Kỹ thuật thống kê này

tạo ra một kết hợp tuyến tính – các đặc trưng sao cho phân biệt tốt nhất giữa các

nhóm. Chỉ số Z-Score trong mô hình được tính toán dựa trên 5 tỷ số tài chính – kế

toán: vốn luân chuyển trên tổn tài sản, lợi nhuận giữ lại trên tổng tài sản, thu nhập

trước thuế, lãi vay (EBIT) trên tổng tài sản, giá trị thị trường của cổ phiếu trên giá

trị sổ sách của nợ, doanh thu trên tổng tài sản. Trong nghiên cứu này Altman đã

chọn ra 66 doanh nghiệp đã cổ phần hóa trong ngành sản xuất tại Mỹ, trong đó có

33 doanh nghiệp bị phá sản trong giai đoạn 1946 – 1965. Kết quả cho thấy, điểm Z

< 1.81 được phân loại là phá sản, Z > 2.99 được phân loại là không phá sản, 1.81 <

Z < 2.99 là “khu vực xám”, khu vực cảnh báo, tức là có thể doanh nghiệp bị phá

sản hoặc không bị phá sản, điểm Z càng gần về 1.81 thì khả năng phá sản càng cao,

và ngược lại Z càng gần 2.99 thì khả năng phá sản thấp. Mô hình điểm Z của

Altman (1968) có thể cho kết quả dự báo chính xác lên đến 95% trước 1 năm sự

kiện phá sản xảy ra. Điều này cung cấp thêm bằng chứng cho sự hữu ích của các tỷ

số tài chính – kế toán trong dự báo phá sản. Gần 10 năm sau, Altman và cộng sự

(1977) đã cho ra một mô hình dự báo mới – mô hình ZETA, trong một nghiên cứu

về phá sản tại Mỹ. Mô hình đã lựa chọn các nhóm tỷ số tài chính sau để đưa vào mô

hình: nhóm tỷ số khả năng thanh khoản, nhóm tỷ số vốn hóa, nhóm tỷ suất sinh lợi,

nhóm đòn bẩy tài chính. Kết quả là mô hình ZETA có khả năng dự báo lên đến 5

năm trước khi phá sản xảy ra. Mô hình có độ chính xác khá cao, 70% trước 5 năm

khi sự kiện phá sản xảy ra, và 96% trước 1 năm. Các tỷ số có khả năng dự báo trong

mô hình ZETA là: tỷ suất sinh lợi trên tổng tài sản (ROA), tỷ số khả năng thanh

toán lãi vay (đo lường bằng EBIT / chi phí lãi vay), tỷ số thanh toán hiện hành, quy

mô doanh nghiệp (đo lường bằng tổng tài sản), tỷ số vốn hóa (đo lường bằng giá trị

vốn hóa thị trường / tổng nguồn vốn), tỷ suất sinh lợi tích lũy (đo lường bằng lợi

nhuận giữ lại / tổng tài sản).

Ohlson (1980) đã chỉ trích những giả định ràng buộc của kỹ thuật MDA như: các

biến độc lập đưa vào mô hình phải tuân theo phân phối chuẩn, ma trận hệ số tương

quan giống nhau giữa các nhóm doanh nghiệp kiệt quệ và không kiệt quệ , đồng

thời cũng đã giới thiệu một kỹ thuật thống kê kinh tế lượng dựa trên mô hình Logit.

So với phương pháp MDA, ưu điểm của phương pháp Logit là không đưa ra các giả

định về phân phối chuẩn, ma trận hệ số tương quan. Đồng thời, phương pháp này

cho biết được xác suất xảy ra kiệt quệ của doanh nghiệp là bao nhiêu trong khi đó

phương pháp MDA chỉ cho biết có kiệt quệ hay không kiệt quệ hoặc có thuộc vùng

cảnh báo kiệt quệ hay không. Ohlson (1980) đã chọn một mẫu dữ liệu gồm 105

doanh nghiệp phá sản và 2058 doanh nghiệp không phá sản tại Mỹ, thời kỳ 1970 –

1976. Ông cũng đã tuyển chọn 9 tỷ số tài chính đại diện cho 9 biến độc lập trong

mô hình Logit. Kết quả của mô hình Logit cho thấy mức độ dự báo chính xác phá

sản lần lượt là 96.1%, 95.5%, 92.8% tương ứng với khả năng dự báo là 1 năm, 2

năm, 1 hoặc 2 năm. Các tỷ số có khả năng dự báo phá sản trong mô hình của

Ohlson: quy mô doanh nghiệp [log(tổng tài sản/GNP)], tổng nợ trên tổng tài sản,

thu nhập ròng trên tổng tài sản, dòng tiền hoạt động trên tổng nợ, thay đổi trong thu

nhập ròng (thu nhập ròng năm t – thu nhập ròng năm t-1)/(|thu nhập ròng năm t| +

|thu nhập ròng năm t-1|), chênh lệch giữa tổng nợ so với tổng tài sản (bằng 1, nếu

tổng nợ lớn hơn tổng tài sản, và ngược lại thì bằng 0).

Nghiên cứu của Zmijewski (1984) cũng đã cho thấy khả năng dự báo của các tỷ số

tài chính như: tổng tài sản trên tổng nợ, thu nhập ròng trên tổng tài sản và tài sản

ngắn hạn trên nợ ngắn hạn bằng mô hình Logit, khi ông nghiên cứu về dự báo phá

sản gồm 129 doanh nghiệp phá sản tại Mỹ, giai đoạn từ 1972-1978. Shumway

(2001) đã thu thập bộ dữ liệu gồm 300 doanh nghiệp bị phá sản niêm yết tại Mỹ,

giai đoạn từ 1962-1992. Thông qua việc ứng dụng mô hình Hazard (mô hình Logit

động) để dự báo phá sản, ông kết luận các tỷ số sau có khả năng dự báo phá sản

doanh nghiệp: tỷ số tổng nợ trên tổng tài sản, tỷ số thu nhập ròng trên tổng tài sản,

EBIT trên tổng tài sản và giá trị vốn hóa thị trường trên tổng nợ.

Một số nghiên cứu khác gần đây về dự báo kiệt quệ tài chính vẫn áp dụng các tỷ số

tài chính vào mô hình nghiên cứu. Trong nghiên cứu Agarwal và Taffler (2007), hai

tác giả đã nghiên cứu dự báo phá sản các doanh nghiệp tại Anh bằng mô hình điểm

Z (giai đoạn 1968-1993), với một mẫu gồm 25,688 quan sát. Hai ông cũng đã tìm

thấy bằng chứng về khả năng dự báo phá sản của những tỷ số tài chính sau: tỷ số

thanh khoản [(tài sản có tính thanh khoản nhanh – nợ ngắn hạn) / chi phí hoạt động

hàng ngày], thu nhập trước thuế trên nợ ngắn hạn, tài sản ngắn hạn trên tổng nợ, nợ

ngắn hạn trên tổng tài sản. Một nghiên cứu khác của Altman và Sabato (2007) trên

một mẫu gồm 2,000 doanh nghiệp niêm yết tại Mỹ, giai đoạn từ 1994-2002 đã có

một kết luận về hiệu quả dự báo của các tỷ số tài chính sau thông qua ứng dụng mô

hình Logit: khả năng thanh toán lãi vay ( đo lường bằng EBITDA / chi phí lãi vay),

thu nhập giữ lại trên tổng tài sản, tiền trên tổng tài sản, nợ ngắn hạn trên giá trị sổ

sách của vốn cổ phần, EBITDA trên tổng tài sản. Nghiên cứu của Christidis và

Gregory (2010) khi ứng dụng mô hình Hazard (mô hình Logit động) trong dự báo

kiệt quệ tài chính với một mẫu quan sát gồm 589 doanh nghiệp niêm yết ở Anh

(giai đoạn 1978-2006) cũng có kết luận về các tỷ số tài chính sau có khả năng dự

báo phá sản: tổng nợ trên tổng tài sản, vốn luân chuyển trên tổng tài sản, dòng tiền

trên tổng tài sản, thay đổi trong thu nhập ròng, dòng tiền hoạt động trên tổng nợ, tỷ

số thanh toán nhanh. Monti và Garcia (2010) trong một nghiên cứu về dự báo kiệt

quệ tài chính dựa trên 45 tỷ số tài chính bằng mô hình Logit, mẫu thực hiện trên 86

doanh nghiệp tại Argentina. Hai tác giả đã tìm ra được khả năng dự báo kiệt quệ tài

chính của các tỷ số sau: tỷ số nợ ngắn hạn trên tổng tài sản , lãi vay trên tổng nợ, tỷ

suất sinh lợi từ hoạt động trên doanh thu và phần trăm thay đổi trong ROE. Bae

(2012) đã sử dụng 11 tỷ số tài chính trong nghiên cứu dự báo kiệt quệ tài chính tại

các doanh nghiệp sản xuất Hàn Quốc. Trong nghiên cứu này, Bae đã đưa vào nhiều

mô hình khác nhau: mạng thần kinh nhân tạo (ANN), MDA, Logit, RSVM, MLP,

C5.0 nhằm tìm ra mô hình dự báo tốt nhất. Trong một nghiên cứu khác của Mondal

và Roy (2013) các chỉ báo tài chính về tình trạng “sức khỏe” của doanh nghiệp

trong ngành thép tại Ấn Độ, đã cho thấy rằng tỷ lệ tăng trưởng trong lợi nhuận sau

thuế và tỷ số nợ trên vốn cổ phần có ý nghĩa cao trong dự báo tình trạng “sức khỏe”

doanh nghiệp. Lin và cộng sự (2014) đã đưa 44 tỷ số tài chính vào trong mô hình

thuật toán vector hỗ trợ (SVM), nhằm dự báo kiệt quệ tài chính, v.v.

Như vậy, qua các nghiên cứu trên có thể thấy việc dự báo kiệt quệ tài chính, phá sản

dựa trên các dấu hiệu từ các tỷ số tài chính – kế toán là từ rất sớm, và do hiệu quả

trong việc ứng dụng các tỷ số tài chính nên chúng vẫn được duy trì trong các nghiên

cứu gần đây. Các nghiên cứu chỉ khác nhau về phương pháp thống kê kinh tế lượng,

phạm vi nghiên cứu.

2.2.2 Các nghiên cứu sử dụng các yếu tố thị trường

Balcaen và Ooghe (2004) lập luận rằng nếu các nhà nghiên cứu chỉ đưa các chỉ tiêu

tài chính trong mô hình dự báo phá sản, thì họ ngầm định rằng tất cả các chỉ báo

liên quan đến phá sản - cả bên trong lẫn bên ngoài - đều được phản ánh trong các

báo cáo tài chính hàng năm. Rõ ràng là các báo cáo tài chính không bao gồm các

thông tin có liên quan đến dự báo kiệt quệ tài chính và các biến thị trường có khả

năng bổ sung vào sự thiếu hụt này (Tinoco và Wilson, 2013).

Một số các nghiên cứu trước đây đã kiểm định các yếu tố thị trường trong dự báo

phá sản như nghiên cứu của Black và Scholes (1973), Merton (1974) dựa trên cách

tiếp cận quyền chọn vốn cổ phần hay mô hình định giá quyền chọn và sử dụng mô

hình này để tính toán khả năng xảy ra kiệt quệ tài chính. Mô hình giả định rằng thị

trường biết tất cả những thông tin cần thiết về doanh nghiệp và phản ánh những

thông tin này thông qua giá cổ phiếu. Bharah và Shumway (2008), Hillegeist và

cộng sự (2004), Reisz và Perlich (2007) cũng đã đưa các biến số thị trường trong

nghiên cứu khả năng phá sản. Hillegeist và cộng sự (2004) đã cho thấy mô hình

quyền chọn của Black – Scholes – Merton cung cấp nhiều thông tin có ý nghĩa về

xác suất phá sản so với mô hình điểm Z của Altman (1968), hay mô hình điểm O

của Ohlson (1980). Hillegeist và cộng sự (2004) đã khuyến nghị rằng các nhà

nghiên cứu nên sử dụng phương pháp của Black – Scholes – Merton thay vì các

thước đo truyền thống chỉ dựa vào các yếu tố tài chính nhằm nghiên cứu về khả

năng phá sản. Keasey và Watson (1991) cũng cho thấy bằng chứng về sự chính xác

và tính kịp thời được cải thiện đáng kể trong mô hình dự báo khi có sự tham gia của

biến giá cổ phiếu. Những phát hiện của Dichew (1998), trong một nghiên cứu về đo

lường rủi ro phá sản sử dụng các mô hình của Altman (1968) và Ohlson (1980), đã

chỉ ra rằng có một mối quan hệ nghịch biến giữa tỷ suất sinh lợi cổ phiếu và khả

năng phá sản. Theo đó, tỷ suất sinh lợi cổ phiếu cao hơn tỷ suất sinh lợi của thị

trường sẽ giảm xác suất bị kiệt quệ tài chính của doanh nghiệp. Ree (1995) gợi ý

rằng, giá trị cổ phiếu có thể hữu ích trong việc dự báo xác suất phá sản vì chúng bao

gồm các thông tin về dòng tiền kỳ vọng trong tương lai. Do đó giá cổ phiếu sẽ chứa

đựng những thông tin liên quan đến xác suất rơi vào kiệt quệ tài chính, ngay cả khi

chúng không phải là một thước đo trực tiếp cho vấn đề này (Beaver và cộng sự,

2005). Thị trường chứng khoán là một nguồn thay thế thông tin vì nó chứa thông tin

từ các nguồn khác nhau ngoài báo cáo tài chính (Hillegeist và cộng sự, 2004).

Tinoco và Wilson (2013) trong một nghiên cứu về dự báo kiệt quệ tài chính các

doanh nghiệp niêm yết tại Anh, với mẫu gồm 23,218 quan sát (giai đoạn 1980 -

2011) dựa trên tiếp cận từ mô hình Logit. Hai tác giả đã tìm thấy bằng chứng về khả

năng dự báo kiệt quệ tài chính của yếu tố thị trường như: giá thị trường cổ phiếu, tỷ

suất sinh lợi vượt trội của cổ phiếu, giá trị vốn hóa trị trường của doanh nghiệp trên

tổng nợ, quy mô doanh nghiệp (đo bằng giá trị vốn hóa thị trường của doanh nghiệp

trên giá trị vốn hóa của toàn thị trường).

Như vậy những điểm mạnh mà các yếu tố thị trường mang lại trong dự báo kiệt quệ

tài chính, phá sản có thể kể đến như sau (Tinoco và Wilson, 2013):

(1) Giá trị thị trường phản ánh những thông tin chứa đựng trong các báo cáo tài

chính cộng với các thông tin không chứa trong các báo cáo tài chính (Agarwal và

Taffler, 2008), tạo nên một tập hợp thông tin toàn diện hữu ích cho việc dự báo vỡ

nợ của doanh nghiệp.

(2) Các yếu tố thị trường có thể làm tăng lên đáng kể khả năng dự báo kịp thời –

đúng lúc của mô hình do giá thị trường thì có sẵn ở cấp độ hàng ngày, trong khi dữ

liệu từ các báo cáo tài chính có sẵn và tốt nhất cũng chỉ có ở cấp độ hàng quý.

(3) Giá thị trường có thể thích hợp hơn để dự báo phá sản, bởi vì chúng phản ánh

dòng tiền mong đợi trong tương lai, trái lại, các báo cáo tài chính phản ánh kết quả

trong quá khứ của doanh nghiệp.

(4) Các yếu tố thị trường có thể cung cấp một sự đánh giá ngay lập tức các biến

động – một thước đo dự báo rủi ro phá sản mạnh mẽ mà không có trong các báo cáo

tài chính.

2.2.3 Các nghiên cứu sử dụng các yếu tố vĩ mô

Có một số quan điểm đồng thuận cho rằng tồn tại mối quan hệ giữa kiệt quệ tài

chính và chu kỳ kinh tế. Tình trạng kiệt quệ tài chính tăng cao sẽ tác động đến chu

kỳ kinh tế nói chung, bởi tạo ra các cú sốc trong chu trình cho vay tín dụng và ảnh

hưởng lan truyền đến các chỉ báo kinh tế khác (Bernanker và Gerler, 1989). Hơn thế

nữa, các tổ chức tín dụng sẽ thắt chặt các khoản cho vay đối với doanh nghiệp trong

tình trạng rủi ro thị trường tăng cao, điều này làm gia tăng chi phí sử dụng vốn của

doanh nghiệp và đẩy doanh nghiệp rơi nhanh vào tình trạng kiệt quệ tài chính. Chu

kỳ kinh tế tác động đến môi trường kinh doanh của doanh nghiệp và vì thế các biến

vĩ mô có thể mang lại khả năng dự báo tình trạng kiệt quệ tài chính như các tỷ số

tài chính truyền thống (Bruneau, 2012). Sự bất ổn trong nền kinh tế có khả năng

giải thích cao cho tình trạng kiệt quệ tài chính của doanh nghiệp (Bhattacharjee và

Han, 2014). Nhiều nhà kinh tế học cho rằng các yếu tố vĩ mô như chính sách tiền tệ

thắt chặt (Altman, 1971), lãi suất cao (Charitou và cộng sự, 2004), lạm phát cao

(Liou và Smith, 2007) có thể là nguyên nhân dẫn đến kiệt quệ tài chính. Taffler

(1982) đã đề xuất rằng, những thay đổi đáng kế của nền kinh tế và những thay đổi

lớn trong hệ thống thuế có thể gia tăng khả năng dự báo kiệt quệ tài chính. Mare

(2012) đã tìm ra bằng chứng về mối tương quan dương giữa lạm phát và xác suất

rơi vào phá sản, trong một nghiên cứu của ông về phá sản các ngân hàng tại Ý (giai

đoạn 1993-2011), với một mẫu gồm 6,279 quan sát.

2.2.4 Các nghiên cứu kết hợp các yếu tố thị trường, tài chính và vĩ mô

Bunn và Redwood (2003), trong nghiên cứu về kiệt quệ tài chính, phá sản các

doanh nghiệp tại Anh, với một mẫu gồm 100,000 quan sát (giai đoạn 1991-2001) đã

tìm thấy khả năng kết hợp của các yếu tố vĩ mô và tài chính để dự báo phá sản. Kết

quả các yếu tố có khả năng dự báo kiệt quệ tài chính trong nghiên cứu của ông như

sau: yếu tố tài chính ( bao gồm: EBIT trên chi phí lãi vay, EBIT trên doanh thu,

tổng nợ trên tổng tài sản, tài sản ngắn hạn trên nợ ngắn hạn, số lượng nhân viên),

yếu tố vĩ mô: chỉ có tốc độ tăng trưởng kinh tế (đo lường bằng GDP).

Alifiah (2014) đã tìm thấy bằng chứng về khả năng kết hợp của các yếu tố tài chính

và vĩ mô để dự báo kiệt quệ tài chính trong mô hình Logit để dự báo kiệt quệ tài

chính tại các doanh nghiệp thương mại và dịch vụ ở Malaysia, mẫu nghiên cứu của

tác giả gồm 20 doanh nghiệp (mẫu cặp), giai đoạn 2001-2010. Cụ thể kết quả các

yếu tố có khả năng dự báo kiệt quệ tài chính trong nghiên cứu của ông như sau: yếu

tố tài chính ( bao gồm: thu nhập ròng trên tổng tài sản, vốn luân chuyển trên tổng tài

sản, tổng nợ trên tổng tài sản, doanh thu thuần trên tổng tài sản), yếu tố vĩ mô: chỉ

có lãi suất cơ bản.

Christidis và Gregory (2010) đã kiểm định một tập hợp các biến số tài chính, thị

trường và vĩ mô trong một mô hình dự báo kiệt quệ tài chính cho các doanh nghiệp

niêm yết tại Anh bằng mô hình Hazard (mô hình Logit động), với mẫu gồm 589

doanh nghiệp niêm yết (giai đoạn 1978-2006). Kết quả của họ cho thấy, việc kết

hợp đồng thời các biến tài chính, thị trường và vĩ mô có khả năng dự báo kiệt quệ

tài chính. Cụ thể các biến có khả năng dự báo kiệt quệ tài chính trong nghiên cứu

của hai ông như sau: các biến tài chính (bao gồm: tổng nợ trên tổng tài sản), các

biến thị trường (bao gồm: giá thị trường cổ phiếu, tỷ suất sinh lợi vượt trội của cổ

phiếu, dòng tiền trên giá trị thị trường của tổng tài sản, sai số chuẩn của tỷ suất sinh

lợi cổ phiếu trong 6 tháng, thu nhập ròng trên giá trị thị trường của tổng tài sản, giá

trị vốn hóa trị trường trên tổng giá trị vốn hóa toàn thị trường) và biến vĩ mô (bao

gồm: chỉ số lạm phát, lãi suất tín phiếu kho bạc ngắn hạn).

Tinoco và Wilson (2013) đã tìm thấy bằng chứng mạnh mẽ về khả năng dự báo kiệt

quệ tài chính tốt hơn khi kết hợp đồng thời 3 yếu tố tài chính, thị trường và vĩ mô

trong một mô hình nghiên cứu. Hai tác giả đã dự báo bằng mô hình hồi quy Logit,

với mẫu gồm 23,218 quan sát (giai đoạn 1980 - 2011). Cụ thể các biến có khả năng

dự báo kiệt quệ tài chính trong nghiên cứu của hai ông như sau: các yếu tố tài chính

(bao gồm: tổng nợ trên tổng tài sản, dòng tiền hoạt động trên tổng nợ, biến thanh

khoản, khả năng thanh toán lãi vay ), các yếu tố thị trường (bao gồm: giá thị trường

cổ phiếu, tỷ suất sinh lợi vượt trội của cổ phiếu, quy mô doanh nghiệp, giá trị vốn

hóa trị trường của doanh nghiệp trên tổng nợ) và các yếu tố vĩ mô (bao gồm: hỉ số

giá bán lẻ, lãi suất thực tín phiếu kho bạc ngắn hạn). Kết quả nghiên cứu cho thấy

khi kết hợp đồng thời cả ba yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô trong

cùng một mô hình, độ chính xác trong dự báo của mô hình được cải thiện đáng kể

lên 92% so với mức 87% khi chỉ sử dụng một yếu tố tài chính, hoặc yếu tố tài

chính, hoặc kết hợp yếu tố tài chính và yếu tố vĩ mô, hoặc yếu tố thị trường và yếu

tố vĩ mô. Từ đó có thể thấy yếu tố tài chính, yếu tố thị trường và yếu tố vĩ mô đã bổ

sung thông tin rất hiệu quả cho nhau trong việc dự báo tình hình tài chính của doanh

nghiệp. Trong bài nghiên cứu, Tinoco và Wilson cũng tiến hành so sánh hiệu quả

dự báo của mô hình phân tích phân biệt đa biến của Altman và mô hình phân tích

logit, kết quả cho thấy phương pháp phân tích logit cho độ chính xác trong dự báo

kiệt quệ tài chính là 92% cao hơn đáng kể so với khi sử dụng phương pháp phân

tích phân biệt đa biến của Altman với độ chính xác chỉ đạt 85% khi sử dụng chung

một bộ dữ liệu.

Bảng 2.1: Tóm lược các nghiên cứu về dự báo kiệt quệ tài chính

Kết Quả

Mẫu Nghiên

Biến Phụ

Mối Tương

Tác giả

Năm

Phương Pháp

Biến Độc Lập

Cứu

Thuộc

Quan

Tỷ số lãi ròng / vốn cổ phần

-

Fitzpatrick 1932

19 doanh nghiệp Phân tích tỷ số

Phá sản

Vốn cổ phần / tổng nợ

-

Dòng tiền hoạt động / tổng nợ (đại diện cho nhóm tỷ số

-

dòng tiền)

Thu nhập ròng / tổng tài sản (đại diện nhóm các tỷ số thu

-

nhập ròng)

Tổng nợ / tổng tài sản (đại diện nhóm tỷ số đòn bẩy tài

79 doanh nghiệp

+

chính)

phá sản tại Mỹ,

Beaver

1966

Phân tích tỷ số

Phá sản

trong giai đoạn

Vốn luân chuyển / tổng tài sản (đại diện nhóm tỷ số tài

-

1954-1964

sản thanh khoản trên tổng tài sản)

Tỷ số thanh toán hiện hành (đại diện nhóm tỷ số tài sản

-

thanh khoản trên nợ ngắn hạn)

Tỷ số (tài sản thanh khoản nhanh trừ nợ ngắn hạn) / chi

-

phí hoạt động hàng ngày (đại diện nhóm tỷ số sinh lợi)

Altman

1968

66 doanh nghiệp

Phân Tích Đa

Điểm Z

Vốn luân chuyển / tổng tài sản

+

cổ phần hóa trong

Yếu Tố Phân

Lợi nhuận giữ lại / tổng tài sản

+

ngành sản xuất tại

Biệt (MDA)

Thu nhập trước thuế và lãi vay / tổng tài sản

+

Mỹ, trong đó có

Giá trị thị trường của vốn cổ phân / giá trị sổ sách của nợ

+

33 doanh nghiệp

Doanh thu / tổng tài sản

+

phá sản trong giai

Tỷ suất sinh lợi tích lũy (lợi nhuận giữ lại / tổng tài sản)

đoạn 1946 – 1965

Quy mô doanh nghiệp [log(tổng tài sản/GNP)]

-

105 doanh nghiệp

Tổng nợ / tổng tài sản

+

phá sản và 2058

Thu nhập ròng / tổng tài sản

-

doanh nghiệp

Mô hình hồi

Phá sản

Ohlson

1980

Dòng tiền hoạt động / tổng nợ

-

không phá sản tại

quy Logit

Thay đổi trong thu nhập ròng (thu nhập ròng năm t – thu

Mỹ, thời kỳ 1970

nhập ròng năm t-1)/(|thu nhập ròng năm t| + |thu nhập

-

– 1976

ròng năm t-1|)

300 doanh nghiệp

Tổng nợ / tổng tài sản

+

Mô hình

bị phá sản niêm

Thu nhập ròng / tổng tài sản

-

Hazard (mô

Shumway

2001

yết tại Mỹ, giai

Phá sản

EBIT / tổng tài sản

-

hình Logit

đoạn từ 1962-

Giá trị vốn hóa thị trường / tổng nợ

động)

-

1992

Altman và

2007

2,000 doanh

Mô hình hồi

Phá sản

Khả năng thanh toán lãi vay (EBITDA / chi phí lãi vay)

+

Sabato

nghiệp niêm yết

quy Logit

Thu nhập giữ lại / tổng tài sản

+

tại Mỹ, giai đoạn

Tiền / tổng tài sản

+

từ 1994-2002

Nợ ngắn hạn / giá trị sổ sách của vốn cổ phần

-

EBITDA / tổng tài sản

+

Tăng trưởng tổng tài sản trong 3 năm

-

Mô hình hồi

Chi tiêu vốn / doanh thu hoạt động

+

300 doanh nghiệp

Rodrigues

quy Logit và

Tỷ số thanh toán hiện hành

-

niêm yết tại Úc,

Kiệt quệ tài

và

2013

Mạng thần

giai đoạn 1999-

chính

Tỷ lệ chi trả cổ tức / EPS

-

Stevenson

kinh nhân tạo

2011

Tăng trưởng nợ ròng trong 3 năm

+

(ANN)

Giá trị vốn hóa thị trường / tổng tài sản

-

Tốc độ tăng trưởng kinh tế ( đo lường bằng GDP)

-

100,000 quan sát,

EBIT / chi phí lãi vay

+

Bunn và

các doanh nghiệp

Mô hình hồi

Kiệt quệ tài

Tổng nợ / tổng tài sản

+

2003

Redwood

tại Anh (giai đoạn

quy Probit

chính

Tài sản ngắn hạn / nợ ngắn hạn

-

1991-2001)

EBIT / doanh thu

+

Số lượng nhân viên

-

Lãi suất cơ bản

+

mẫu nghiên cứu

Mô hình hồi

Kiệt quệ tài

Alifiah

2014

gồm 20 doanh

Thu nhập ròng / tổng tài sản

-

quy Logit

chính

nghiệp tại

Vốn luân chuyển / tổng tài sản

-

Malaysia (mẫu

Tổng nợ / tổng tài sản

+

cặp), giai đoạn

Doanh thu thuần / tổng tài sản

-

2001-2010.

Tổng nợ / tổng tài sản

+

Giá thị trường cổ phiếu

-

Tỷ suất sinh lợi vượt trội của cổ phiếu

-

589 doanh nghiệp

Mô hình

Dòng tiền / giá trị thị trường của tổng tài sản

-

Christidis

niêm yết tại Anh

Hazard (mô

Kiệt quệ tài

Sai số chuẩn của tỷ suất sinh lợi cổ phiếu trong 6 tháng

+

và

2010

(giai đoạn 1978-

hình Logit

chính

Thu nhập ròng / giá trị thị trường của tổng tài sản

-

Gregory

2006)

động)

Giá trị vốn hóa trị trường của doanh nghiệp / tổng giá trị

-

vốn hóa toàn thị trường

Chỉ số lạm phát

+

Lãi suất tín phiếu kho bạc ngắn hạn

+

Dòng tiền hoạt động / tổng nợ

-

Tổng nợ / tổng tài sản

+

EBITDA / chi phí lãi vay

-

23,218 quan sát

Tinoco và

Mô hình hồi

Kiệt quệ tài

2013

(giai đoạn 1980 -

-

Wilson

quy Logit

chính

2011).

Thanh khoản [( Tài sản ngắn hạn – hàng tồn kho – nợ ngắn hạn ) / ((doanh thu – EBITDA) /365)]

Giá trị cổ phiếu

-

Tỷ suất sinh lợi vượt trội của cổ phiếu

-

Quy mô doanh nghiệp (đo bằng giá trị vốn hóa thị trường

-

của doanh nghiệp trên giá trị vốn hóa của toàn thị trường)

Chỉ số giá bán lẻ

+

Lãi suất tín phiếu kho bạc ngắn hạn)

+

Nguồn: Tổng hợp của tác giả

2.2.5 Mô hình hồi quy Logit

Kể từ những năm 1980, mô hình Logit được xem là một phương pháp tốt và được

sử dụng nhiều trong dự báo kiệt quệ tài chính của doanh nghiệp. Ohlson (1980) đã

tiên phong trong việc áp dụng mô hình này trong một nghiên cứu về dự báo phá sản

doanh nghiệp. Ông đã có những đánh giá về mô hình Logit vượt trội hơn so với mô

hình MDA, đã được phát triển bởi Altman (1968). Nhiều các nghiên cứu về sau

cũng đã ứng dụng rất thành công mô hình Logit trong dự báo về kiệt quệ tài chính

và phá sản doanh nghiệp, như: Lau (1987), Joos và cộng sự (1998), Shumway

(2001), Altman và Sabato (2007), Nam và cộng sự (2008), Campbell và cộng sự

(2008), Altman và cộng sự (2010). Ưu điểm của mô hình Logit là không đưa ra các

giả định về phân phối chuẩn và cũng không yêu cầu về sự giống nhau của ma trận

hiệp phương sai giữa các nhóm doanh nghiệp bị kiệt quệ và không kiệt quệ. Đồng

thời, phương pháp này cho biết được xác suất xảy ra kiệt quệ của doanh nghiệp là

bao nhiêu. Nhiều các nghiên cứu về sau cũng đã ứng dụng rất thành công mô hình

Logit trong dự báo về kiệt quệ tài chính và phá sản doanh nghiệp. Tuy nhiên mô

hình Logit tồn tại hạn chế như: mô hình rất nhạy cảm với các giá trị ngoại lai

(ouliers) và vấn đề tương quan cao giữa các biến.

Mặc dù tồn tại những điểm hạn chế, nhưng những hạn chế của mô hình Logit trong

nghiên cứu này có thể giảm thiểu bằng cách sử dụng hàm chuyển đổi TANH (trình

bày trong mục 3.1, chương 3), thực hiện các kiểm định về đa cộng tuyến cao giữa

các biến độc lập nhằm loại bỏ biến; đồng thời việc ứng dụng mô hình Logit có

nhiều lợi điểm hơn, phù hợp với việc sử dụng biến đầu ra là nhị phân của nghiên

cứu – hay biến phụ thuộc bị giới hạn. Do đó nghiên cứu đã lựa chọn mô hình Logit

để dự báo kiệt quệ tài chính của các doanh nghiệp niêm yết Việt Nam.

Mô hình Logit được cho như sau:

Đặt (Y1,X1),…, (Yn,Xn) là mẫu ngẫu nhiên từ một “hàm phân phối Logit có điều

kiện”.

Đặt x1j, x2j … xkj là một tập hợp k các biến độc lập được xác định bởi vector x’

Beta: là các hệ số hồi quy của mô hình

Giả định: Các biến độc lập này có sự thay đổi khoản thời gian nhỏ nhất (at least interval scaled).

Xác suất có điều kiện của biến đầu ra được xác định như sau:

Với:

Trong đó:

Do vậy ta có phương trình hồi quy Logit tổng quát như sau:

Mô hình Logit cho ra các giá trị ước lượng nằm trong khoảng (0,1), hay nói cách

khác các giá trị ước lượng sẽ được uốn cong lại theo hình chữ S, thay vì là một

đường thẳng như trong mô hình hồi quy xác suất tuyến tính. Mô hình Logit sử dụng

phân phối Logit tích lũy (cumualtive logistic distribution) để chuyển đổi sao cho các

giá trị xác suất được ước lượng sẽ tuân theo đường cong chữ S. Do mô hình Logit

không phải là mô hình hồi quy tuyến tính nên không thể áp dụng phương pháp ước

lượng thông thường OLS mà thay vào đó là phương pháp MLE (Maximum

Likelihood Estimation) - ước lượng hợp lý tối đa được sử dụng để ước lượng các hệ

số hồi quy của mô hình.

Vì phương trình hồi quy trong mô hình Logit là hàm số phi tuyến (non-linear

logistic function) nên để giải thích những tác động của biến độc lập lên biến phụ

thuộc cho các mô hình biến phụ thuộc rời rạc, trong trường hợp này là mô hình nhị

phân Logit, nghiên cứu tiến hành đo lường hiệu ứng biên của các nhân tố dự báo.

Hiệu ứng biên của 1 biến độc lập được đo lường bằng cách lấy đạo hàm riêng của

hàm phi tuyến theo biến đó nhân với hệ số ước lượng của biến đó.

Mô hình cho hiệu ứng biên của nhân tố dự báo như sau:

Các kiểm định trong mô hình hồi quy Logit

 Kiểm định hiện tượng đa cộng tuyến giữa các biến độc lập

Do hạn chế của mô hình Logit là nhạy cảm với vấn đề đa cộng tuyến giữa các biến

độc lập. Vì vậy để kết quả hồi quy từ mô hình Logit có tính vững, nghiên cứu xác

định các hệ số tương quan cặp giữa các biến độc lập và tiêu chí VIF (variance

inflation factor) – nhân tử phóng đại phương sai nhằm xác định vấn đề đa cộng

tuyến.

 Kiểm định Hosmer & Lemeshow

Là kiểm định sự phù hợp của phân phối xác suất bằng tiêu chuẩn chi2 (chi-square).

Bằng cách so sánh giá trị ước lượng với giá trị quan sát đã được phân nhóm.

Kết luận chương 2

Như vậy có thể tổng kết lại rằng, từ những nghiên cứu đầu tiên về kiệt quệ tài chính

cho đến nay, có rất nhiều các tranh luận khác nhau về yếu tố nào có khả năng dự

báo tình trạng kiệt quệ tài chính của doanh nghiệp. Đối với vấn đề xác định các yếu

tố nào có khả năng dự báo kiệt quệ tài chính, do các nghiên cứu khác nhau về không

gian, thời gian, về phương pháp thống kê kinh tế lượng dẫn đến các kết quả dự báo

khác nhau. Các yếu tố đó có thể xuất phát từ nội tại doanh nghiệp (được đo lường

bằng các yếu tố tài chính của doanh nghiệp), hoặc xuất phát từ bên ngoài doanh

nghiệp (được đo lường thông qua các chỉ tiêu kinh tế vĩ mô, các giá trị thị trường

của doanh nghiệp).

Ngoài các nghiên cứu về khả năng dự báo kiệt quệ tài chính từ các yếu tố tài chính,

thị trường, vĩ mô một cách riêng lẻ, có các nghiên cứu cũng đã xem x t việc kết hợp

các yếu tố tài chính, thị trường và vĩ mô, nhằm gia tăng khả năng dự báo kiệt quệ tài

chính. Trong đó, các nghiên cứu về sau, như nghiên cứu của Christidis và Gregory

(2010), Tinoco và Wilson (2013) đã có những bằng chứng mới về khả năng dự báo

kiệt quệ tài chính hiệu quả và chính xác hơn, khi dựa trên sự kết hợp đồng thời giữa

các yếu tố về tài chính, thị trường và vĩ mô trong một mô hình nghiên cứu. Do đó,

bài nghiên cứu này cũng sẽ dựa trên các bằng chứng thực nghiệm mới này nhằm dự

báo kiệt quệ tài chính các doanh nghiệp niêm yết tại Việt Nam thông qua sự kết hợp

đồng thời giữa các yếu tố tài chính, thị trường và vĩ mô trong một mô hình.

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Dữ liệu nghiên cứu

Bài nghiên cứu tiến hành chọn ra 568 doanh nghiệp phi tài chính (các doanh nghiệp

thuộc tất cả các ngành ngoại trừ ngành tài chính) niêm yết trên HNX và HOSE

trong kỳ quan sát kéo dài 6 năm từ 2009 đến 2014, tổng số quan sát trong nghiên

cứu có được là 2608 quan sát. Tiêu chí thu thập mẫu được sử dụng là số năm quan

sát cho từng doanh nghiệp tối thiểu là 3 năm và các doanh nghiệp trong mẫu không

thuộc ngành tài chính vì tính chất đặc thù về đòn bẩy tài chính và cấu trúc vốn của

các doanh nghiệp tài chính khác với doanh nghiệp phi tài chính. Như vậy dữ liệu

trong nghiên cứu này là dữ liệu dạng bảng, không cân đối và bị gián đoạn. Mẫu

quan sát sau khi được thu thập sẽ được chia thành hai nhóm: nhóm các doanh

nghiệp bị kiệt quệ tài chính và nhóm doanh nghiệp không bị kiệt quệ tài chính.

Dữ liệu về các biến số trong mô hình (lựa chọn các biến số cho mô hình nghiên cứu

được trình bày trong tiểu mục 3.2.1, chương 3) được thu thập như sau:

 Dữ liệu của các biến số về tài chính

Dữ liệu này được trích xuất từ báo cáo tài chính qua các năm đã được kiểm toán của

từng doanh nghiệp (thu thập từ phần mềm phân tích cổ phiếu StoxPro 3.5 (bản

quyền thương mại) thuộc sở hữu của Công ty cổ phần StoxPlus).

 Dữ liệu của các biến số thị trường

Dữ liệu này được thu thập từ phần mềm phân tích cổ phiếu StoxPro 3.5 (bản quyền

thương mại) thuộc sở hữu của Công ty cổ phần StoxPlus. Giá thị trường của mỗi cổ

phiếu sẽ lấy giá đóng cửa có điều chỉnh tại ngày giao dịch đầu năm và cuối năm.

 Dữ liệu của các biến số vĩ mô

Dữ liệu này được thu thập từ IFS2 và Ngân Hàng Thế Giới3

Quy trình chọn mẫu:

Bước 1: thu thập tất cả các doanh nghiệp niêm yết trên HNX và HOSE từ năm 2009

đến 2014

Bước 2: từ danh sách trên, tiến hành loại bỏ các doanh nghiệp: thuộc ngành tài

chính, các doanh nghiệp được niêm yết dưới 3 năm, các doanh nghiệp không có báo

cáo tài chính đủ 3 năm, báo cáo tài chính không được kiểm toán.

Bước 3: sau khi loại bỏ các doanh nghiệp theo các tiêu chí tại bước 2, tiếp tục tiến

hành chia các doanh nghiệp thành 2 nhóm: nhóm doanh nghiệp bị kiệt quệ tài chính

và nhóm không bị kiệt quệ tài chính. Việc chia doanh nghiệp vào nhóm bị kiệt quệ

tài chính sẽ theo các dấu hiệu được trình bày tại tiểu mục 3.2.1.1, chương 3. Sau khi

đã phân chia các doanh nghiệp vào 2 nhóm, cuối cùng mẫu dữ liệu bao gồm 568

doanh nghiệp, trong đó có 118 doanh nghiệp rơi vào nhóm kiệt quệ tài chính và 450

doanh nghiệp vào nhóm không kiệt quệ tài chính. Như vậy tổng số quan sát trong

bài nghiên cứu là 2608 quan sát (gồm 568 doanh nghiệp, giai đoạn 2009-2014)

Do vấn đề tồn tại các giá trị ngoại lai (hay cực biên) trong mẫu quan sát mà có thể

ảnh hưởng đến kết quả nghiên cứu, nên bài nghiên cứu này đã sử dụng kỹ thuật chuyển đổi hàm TANH4 (Hyperbolic Tangent Transformation – TANH

transformation) nhằm khắc phục tình trạng trên. Tinoco và Wilson (2013) cũng đã

tuyển chọn kỹ thuật này để khắc phục các giá trị ngoại lai (ouliers) trong mẫu quan

sát. Đây là lần đầu tiên trong mô hình dự báo kiệt quệ tài chính, kỹ thuật chuyển đổi

hàm TANH được sử dụng để giải quyết các vấn đề của giá trị ngoại lai (Tinoco và

2 http://elibrary-data.imf.org/FindDataReports.aspx?d=33061&e=169393 3 http://data.worldbank.org/ 4 Tham khảo Godfrey (2009, trang 1)

Wilson, 2013). Theo như Godfrey (2009) cho thấy việc sử dụng hàm TANH sẽ làm

cho các giá trị sau khi chuyển đổi được giới hạn trong đoạn từ [-1,1] và do đó các

kết quả nghiên cứu sẽ có ý nghĩa hơn, giảm thiểu việc tạo ra các kết quả “giả tạo”.

Phần mềm được sử dụng trong nghiên cứu này là Stata 12.

3.2 Lựa chọn các biến số trong mô hình và mô hình nghiên cứu thực nghiệm

3.2.1 Lựa chọn các biến số cho mô hình hồi quy Logit

Vì những lợi ích mà mô hình Logit mang lại (đã trình bày cụ thể trong tiểu mục

2.2.5, chương 2), nghiên cứu đã lựa chọn mô hình hồi quy Logit làm mô hình

nghiên cứu cho dự báo kiệt quệ tài chính của doanh nghiệp. Từ đây, nghiên cứu tiến

hành tuyển chọn các biến số để đưa vào mô hình Logit. Dựa trên các nghiên cứu

thành công trước đây về dự báo kiệt quệ tài chính (đã trình bày tại mục 2.2, chương

2), nghiên cứu tiến hành lựa chọn cụ thể các biến số thuộc các yếu tố tài chính, thị

trường và vĩ mô để đưa vào mô hình hồi quy Logit.

3.2.1.1 Các biến phụ thuộc trong mô hình nghiên cứu

Mẫu quan sát được chia thành hai nhóm: nhóm các doanh nghiệp bị kiệt quệ tài

chính và nhóm doanh nghiệp không bị kiệt quệ tài chính, do đó biến phụ thuộc là

biến nhị phân, ứng với doanh nghiệp bị kiệt quệ sẽ được gán giá trị là 1 và ngược lại

được gán giá trị là 0. Vì vậy, việc xác định các biến phụ thuộc chính là việc xác

định các dấu hiệu để xác định doanh nghiệp rơi vào tình trạng kiệt quệ tài chính

(Tinoco và Wilson, 2013). Để có thể đảm bảo tỷ lệ quan sát kiệt quệ tài chính trên

tổng số quan sát vào khoảng 5%, bài nghiên cứu dựa trên các dấu hiệu sau để xác

định các doanh nghiệp kiệt quệ tài chính tại Việt Nam:

 Thứ nhất: dựa trên các quy định về niêm yết

Wang và Li (2007), Ding và cộng sự (2008), Hui (2011), Zhang và cộng sự (2013),

Ma và cộng sự (2013) là những nghiên cứu đã sử dụng thành công các dấu hiệu về

niêm yết nhằm xác định kiệt quệ tài chính. Wang và Li (2007) đã đưa vào 3 quy

định về niêm yết trên thị trường chứng khoán Trung Quốc nhằm xác định doanh

nghiệp rơi vào tình trạng kiệt quệ tài chính, mà theo đó những doanh nghiệp này

được đưa vào diện “xem x t đặc biệt” (special treatment). Thứ nhất: tình trạng tài

chính được xác định là bất thường bởi Sở giao dịch chứng khoán Trung Quốc. Thứ

hai: doanh nghiệp bị thua lỗ trong hai năm liên tiếp. Thứ ba: báo cáo kiểm toán cho

thấy rằng vốn cổ phần thấp hơn vốn đăng ký của doanh nghiệp. Dựa trên các bằng

chứng thực nghiệm này, để ứng dụng vào các doanh nghiệp niêm yết trên thị trường

chứng khoán Việt Nam, nghiên cứu sử dụng các quy định về hủy niêm yết và bị

kiểm soát với nguyên nhân là thua lỗ trong hoạt động sản xuất kinh doanh của hai

Sở giao dịch chứng khoán Hà Nội và Thành Phố Hồ Chí Minh để xác định một

doanh nghiệp lâm vào kiệt quệ tài chính.

Cụ thể, căn cứ trên Quy chế niêm yết chứng khoán tại HOSE tại Điều 16, khoản 1,

mục b và Điều 19, khoản 1, mục 1.2

Tại Điều 16, khoản 1, mục b quy định như sau:

“Trường hợp quy định tại Điểm b và Điểm c Khoản 1.1 Điều 15, chứng khoán bị

đưa vào diện kiểm soát khi lợi nhuận sau thuế trên báo cáo tài chính kiểm toán năm

kế tiếp của doanh nghiệp là số âm. Trường hợp tổ chức niêm yết là đơn vị kế toán

cấp trên có các đơn vị kế toán trực thuộc thì lợi nhuận sau thuế căn cứ trên báo cáo

tài chính tổng hợp. Trường hợp tổ chức niêm yết có doanh nghiệp con thì lợi nhuận

sau thuế căn cứ vào lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ trên báo cáo

tài chính hợp nhất”

Tại Điều 19, khoản 1, mục 1.2 quy định như sau:

“Kết quả sản xuất, kinh doanh bị thua lỗ trong ba (03) năm liên tục hoặc tổng số lỗ

luỹ kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán năm gần

nhất trước thời điểm xem x t. Đối với tổ chức niêm yết có các đơn vị trực thuộc,

điều kiện “lỗ lũy kế” được xác định trên báo cáo tài chính tổng hợp. Đối với tổ chức

niêm yết có doanh nghiệp con, điều kiện “lỗ lũy kế” căn cứ vào báo cáo tài chính

hợp nhất, điều kiện “kết quả sản xuất kinh doanh” căn cứ vào lợi nhuận sau thuế

của cổ đông doanh nghiệp mẹ trên báo cáo tài chính hợp nhất”

Căn cứ trên Quy chế niêm yết chứng khoán tại HNX, tại điều 13, khoản 1, mục 1.3

và Điều 16, khoản 1, mục 1.2:

Tại Điều 13, khoản 1, mục 1.3 quy định như sau:

“Lợi nhuận sau thuế trên báo cáo tài chính kiểm toán trong 02 năm gần nhất của tổ

chức niêm yết là số âm (có tính đến ảnh hưởng của ý kiến lưu ý, ngoại trừ của đơn

vị kiểm toán); Trường hợp tổ chức niêm yết là đơn vị kế toán cấp trên có các đơn vị

kế toán trực thuộc thì lợi nhuận sau thuế căn cứ trên báo cáo tài chính tổng hợp.

Trường hợp tổ chức niêm yết có doanh nghiệp con thì lợi nhuận sau thuế căn cứ vào

lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ trên báo cáo tài chính hợp nhất;”

Tại Điều 16, khoản 1, mục 1.2 quy định như sau:

“Kết quả sản xuất, kinh doanh bị thua lỗ trong 03 năm liên tục hoặc tổng số lỗ lũy

kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán trước thời

điểm xem xét. Kết quả sản xuất kinh doanh xác định căn cứ vào chỉ tiêu “lợi nhuận

sau thuế” hoặc “lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ” (đối với trường

hợp tổ chức niêm yết có doanh nghiệp con). Trường hợp tổ chức niêm yết có các

đơn vị kế toán trực thuộc, chỉ tiêu “lợi nhuận sau thuế”, “lỗ lũy kế” căn cứ trên báo

cáo tài chính tổng hợp. Trường hợp tổ chức niêm yết có doanh nghiệp con, chỉ tiêu

“lợi nhuận sau thuế của cổ đông doanh nghiệp mẹ”, “lỗ lũy kế” căn cứ trên báo cáo

tài chính hợp nhất”.

 Thứ hai: dựa trên các thước đo tỷ số tài chính

Việc xác định doanh nghiệp rơi vào kiệt quệ tài chính còn căn cứ trên các dấu hiệu

về thu nhập trước thuế, lãi vay và khấu hao (EBITDA), giá trị thị trường cổ phiếu

của doanh nghiệp. Một doanh nghiệp được xác định là kiệt quệ tài chính khi đáp

ứng đồng thời 2 điều kiện sau: (1) khi thu nhập trước thuế, lãi vay và khấu hao

(EBITDA) nhỏ hơn chi phí lãi vay trong 1 năm quan sát và (2) giá trị thị trường cổ

phiếu của doanh nghiệp bị suy giảm trong cùng 1 năm quan sát.

Giá trị thị trường cổ phiếu của doanh nghiệp được đo lường bởi tỷ suất sinh lợi của

giá thị trường của cổ phiếu trong 1 năm quan sát.

Return =

P’ : giá đóng cửa điều chỉnh của cổ phiếu tại ngày giao dịch cuối năm

P : giá đóng cửa điều chỉnh của cổ phiếu tại ngày giao dịch đầu năm

Return : tỷ suất sinh lợi cổ phiếu

Như vậy, trả lời cho câu hỏi thứ nhất của nghiên cứu: Những dấu hiệu nào

dùng làm căn cứ để xác định doanh nghiệp rơi vào tình trạng kiệt quệ tài chính

?. Nghiên cứu sẽ áp dụng 2 dấu hiệu sau:

Thứ nhất: quy định về hủy niêm yết và bị kiểm soát với nguyên nhân là thua lỗ

trong hoạt động sản xuất kinh doanh của HNX và HOSE;

Thứ hai: khi thu nhập trước thuế, lãi vay và khấu hao (EBITDA) nhỏ hơn chi phí

lãi vay trong 1 năm quan sát và giá trị thị trường của doanh nghiệp bị suy giảm

trong cùng 1 năm quan sát.

Nếu một doanh nghiệp thỏa mãn một trong hai dấu hiệu trên thì xếp doanh nghiệp

đó vào nhóm kiệt quệ tài chính, ngược lại thì vào nhóm không kiệt quệ tài chính.

Bảng 3.1: Thống kê số quan sát bị kiệt quệ và không bị kiệt quệ tài chính (bao gồm

568 doanh nghiệp, trong giai đoạn 2009-2014)

Số quan sát không Tỷ lệ quan sát kiệt Số quan sát bị kiệt bị kiệt quệ tài quệ tài chính / Tổng số quan sát quệ tài chính Tổng quan sát chính

118 2608 4.52% 2490

Nguồn: Tổng hợp của tác giả

Tỷ lệ này hơi thấp hơn so với tỷ lệ 5% trong nghiên cứu của Tinoco và Wilson

(2013). Nhưng lại gần bằng với nghiên cứu của Pindado và cộng sự (2008) về dự

báo kiệt quệ tài chính các doanh nghiệp tại Mỹ, tỷ lệ này 4.1%.

3.2.1.2 Các biến độc lập trong mô hình nghiên cứu

Việc lựa chọn các biến độc lập để đưa vào mô hình dựa trên các nghiên cứu thực

nghiệm về dự báo kiệt quệ tài chính đã kiểm chứng về khả năng dự báo của các biến

số này, và không cần thiết phải thiết lập quá nhiều biến số để đưa vào mô hình dự

báo kiệt quệ tài chính nhằm đạt được kết quả tối ưu nhất (Tinoco và Wilson, 2013).

Do vậy trong nghiên cứu này cũng sẽ tuyển chọn các biến số về tài chính, thị trường

và vĩ mô đã được kiểm chứng về khả năng dự báo kiệt quệ tài chính từ các nghiên

cứu của Christidis và Gregory (2010) và Tinoco và Wilson (2013). (đã được trình

bày tại mục 2.2, chương 2,) để đưa vào mô hình hồi quy Logit.

 Các biến số tài chính

Dòng tiền hoạt động kinh doanh trên Tổng nợ - TFOTL

Tỷ số này đại diện cho khả năng đảm bảo các nghĩa vụ tài chính của doanh nghiệp

dựa trên dòng tiền hoạt động kinh doanh. Tỷ số này có giá trị càng cao thì doanh

nghiệp ít có khả năng rơi vào tình trạng kiệt quệ tài chính hơn. Do đó kỳ vọng mối

quan hệ nghịch biến giữa biến số này và khả năng kiệt quệ tài chính. Nhằm loại bỏ

các giá trị ngoại lai mà có thể ảnh hưởng xấu đến kết quả hồi quy, hàm TANH được

sử dụng khắc phục tình trạng này. Sau khi chuyển đổi hàm TANH, giá trị của biến

TFOTL sẽ nằm trong đoạn [-1,1]. Khi giá trị này dương hay càng lớn, cho thấy

doanh nghiệp đang trong trình trạng tốt, có khả năng đáp ứng các nghĩa vụ nợ (ngắn

hạn và dài hạn) từ dòng tiền hoạt động và ngược lại với một giá trị âm thể hiện một

tình trạng xấu, doanh nghiệp không có khả năng đáp ứng các nghĩa vụ nợ theo yêu

cầu.

Biến số này được tính toán bởi công thức sau:

TFOTL = TANH (OCF/TL)

Trong đó: OCF: dòng tiền hoạt động kinh doanh của doanh nghiệp;

TL: tổng nợ của doanh nghiệp

Tổng nợ trên Tổng tài sản – TLTA

Đây là một tỷ số được sử dụng phổ biến để đo lường mức độ sử dụng đòn bẩy tài

chính của doanh nghiệp. Nhằm loại bỏ các giá trị ngoại lai mà có thể ảnh hưởng xấu

đến kết quả hồi quy, hàm TANH được sử dụng nhằm khắc phục tình trạng này. Sau

khi chuyển đổi hàm TANH, giá trị của biến TLTA sẽ nằm trong đoạn [-1,1]. Khi giá

trị này dương hay càng lớn sẽ cho biết doanh nghiệp có mức độ sử dụng đòn bẩy tài

chính cao, mà một tỷ lệ đòn bẩy tài chính cao có thể sẽ gây ra các khó khăn về thực

hiện các nghĩa vụ nợ khi các chủ nợ có yêu cầu, và điều này đồng nghĩa với việc

doanh nghiệp có khả năng rơi vào tình trạng kiệt quệ tài chính cũng cao hơn. Do

vậy kỳ vọng mối quan hệ đồng biến giữa biến số này và khả năng kiệt quệ tài chính,

nghĩa là biến này có giá trị càng cao sẽ tác động làm tăng xac suất rơi vào kiệt quệ

tài chính của doanh nghiệp.

Biến số này được tính toán bởi công thức sau:

TLTA = TANH (TL/TA)

Trong đó: TL: tổng nợ của doanh nghiệp;

TA: tổng tài sản của doanh nghiệp

Biến thanh khoản – NOCREDINT

Đây là biến số đại diện cho khoảng thời gian mà một doanh nghiệp có thể tài trợ

cho những chi phí hoạt động kinh doanh từ các nguồn tài sản có tính thanh khoản

của chính nó.

Tương tự như hai biến số trước, hàm TANH được sử dụng để giải quyết những giá

trị bất thường mà có thể gây ảnh hưởng tiêu cực đến kết quả hồi quy. Sau khi

chuyển đổi hàm TANH, giá trị của biến NOCREDINT sẽ nằm trong đoạn [-1,1].

Khi giá trị này dương hay càng lớn sẽ cho biết doanh nghiệp càng có khả năng tài

trợ các chi phí hoạt động kinh doanh từ các nguồn tài sản có tinh thanh khoản cao,

do đó doanh nghiệp ít có khả năng rơi vào kiệt quệ tài chính hơn. Ngược lại, giá trị

này âm hay càng nhỏ cho thấy tính thanh khoản của doanh nghiệp là rất kém, và

khó khăn trong việc đáp ứng các nghĩa vụ tài chính. Do vậy kỳ vọng mối quan hệ

nghịch biến giữa biến số này và khả năng kiệt quệ tài chính, nghĩa là biến này có giá

trị càng cao sẽ tác động làm giảm khả năng kiệt quệ tài chính của doanh nghiệp.

Biến số này được tính toán bởi công thức sau:

NOCREDINT = TANH (

Trong đó: CA: tài sản ngắn hạn của doanh nghiệp

IVT: hàng tồn kho của doanh nghiệp

CL: nợ ngắn hạn của doanh nghiệp

SA: doanh thu của doanh nghiệp

EBIT: thu nhập trước thuế và lãi vay của doanh nghiệp

DE: khấu hao của doanh nghiệp

Tỷ số khả năng thanh toán lãi vay – COVERAGE

Tỷ số này đo đường khả năng thanh toán chi phí lãi vay trên những khoản nợ hiện

tại của doanh nghiệp. Tỷ số này nhỏ hơn 2 – 2.5 là một tín hiệu cảnh báo doanh

nghiệp đang gặp khó khăn về nghĩa vụ tài chính và ngược lại. Tương tự, hàm

TANH được sử dụng để giải quyết những giá trị bất thường mà có thể gây ảnh

hưởng tiêu cực đến kết quả hồi quy. Sau khi chuyển đổi hàm TANH, giá trị của biến

COVERAGE sẽ nằm trong đoạn [-1,1]. Khi giá trị này dương hay càng lớn sẽ cho

biết doanh nghiệp càng có khả năng đáp ứng nghĩa vụ về tài chính (hay cụ thể hơn

là chi phí lãi vay). Và ngược lại, giá trị này âm hay càng nhỏ cho thấy sự khó khăn

trong khả năng đáp ứng nghĩa vụ về tài chính của doanh nghiệp. Do vậy kỳ vọng

mối quan hệ nghịch biến giữa biến số này và khả năng kiệt quệ tài chính, nghĩa là

biến này có giá trị càng cao sẽ tác động làm giảm xác suất rơi vào kiệt quệ tài chính

của doanh nghiệp.

Biến số này được tính toán bởi công thức sau:

COVERAGE = TANH(

Trong đó: EBITDA: thu nhập trước thuế, lãi vay và khấu hao của doanh nghiệp

IN.EX: chi phí lãi vay của doanh nghiệp

 Các biến vĩ mô

Chỉ số giá tiêu dùng – CPI

Chỉ số giá tiêu dùng là một thước đo cho lạm phát. Lạm phát cao là hậu quả của môi

trường kinh tế bất ổn, do đó làm tăng số lượng các cuộc khủng hoảng. Lạm phát có

mối tương quan dương với khả năng kiệt quệ tài chính của doanh nghiệp, doanh

nghiệp có độ nhạy cảm với lạm phát càng cao thì xác suất bị rơi vào tình trạng kiệt

quệ tài chính cũng cao. Lạm phát góp phần làm gia tăng xác suất lâm vào tình trạng

kiệt quệ tài chính của doanh nghiệp.

Như vậy mối quan hệ giữa CPI và khả năng lâm vào kiệt quệ tài chính của doanh

nghiệp là tương quan dương. Nghĩa là biến này có giá trị càng cao sẽ tác động làm

gia tăng xác suất rơi vào kiệt quệ tài chính của doanh nghiệp.

Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm – TBR

Trong nghiên cứu này, TBR đã được điều chỉnh bởi lạm phát. Tín phiếu kho bạc có

thể được xem là khoản đầu tư có mức rủi ro thấp nhất và do chúng có tính thanh

khoản cao hơn nên tỷ suất lợi tức của chúng sẽ thấp hơn các chứng khoán dài hạn

khác. Nhiều nghiên cứu cho thấy khả năng dự báo kiệt quệ tài chính của lãi suất cơ

bản, mà nó là mức lãi suất đại diện cho thị trường. TBR là thước đo đại diện cho lãi

suất. Với một mức lãi suất thấp hơn sẽ tạo điều kiện cho các doanh nghiệp đầu tư

nhiều hơn vào các trang thiết bị, máy móc, nhà xưởng, hàng tồn kho, nghiên cứu và

phát triển, v.v. Ngược lại, với một mức lãi suất cao hơn sẽ làm cho chi phí sử dụng

nợ đắt hơn, doanh nghiệp phải trả các chi phí lãi vay cao hơn. Do đó một giá trị cao

TBR sẽ làm gia tăng khả năng rơi vào tình trạng kiệt quệ tài chính của doanh

nghiệp. Trong nghiên cứu này, đưa ra một kỳ vòng tương quan dương giữa biến

TBR và xác suất rơi vào kiệt quệ tài chính.

Tốc độ tăng trưởng tổng sản phẩm quốc nội thực - GDPR

Chu kỳ kinh tế tác động đến môi trường kinh doanh của doanh nghiệp và vì thế các

yếu tố vĩ mô có thể mang lại khả năng dự báo các thay đổi trong tình trạng kiệt quệ

tài chính như các tỷ số tài chính truyền thống. Sự bất ổn trong nền kinh tế có khả

năng giải thích cao cho tình trạng kiệt quệ tài chính của doanh nghiệp. Như vậy có

thể thấy rằng, tốc độ tăng trưởng kinh tế có mối quan hệ nghịch biến với khả năng

xảy ra kiệt quệ tài chính doanh nghiệp. Do đó trong nghiên cứu này cũng sẽ sử dụng

biến GDPR vào mô hình dự báo. Biến số này có kỳ vọng tương quan âm với xác

suất rơi vào kiệt quệ tài chính.

 Các biến thị trường

Giá cổ phiếu – PRICE

Giá cổ phiếu trong nghiên cứu này được lấy từ giá đóng cửa có điều chỉnh tại ngày

giao dịch cuối năm của mỗi doanh nghiệp, đồng thời giá trị của biến số này được

chuyển đổi sang hàm Logarit cơ số 10. Giá cổ phiếu phản ánh một lượng lớn các

thông tin được công bố có liên quan đến dòng tiền tương lai được kỳ vọng từ cổ

phiếu cũng như tính thanh khoản của doanh nghiệp. Do đó giá cổ phiếu sẽ chứa

đựng những thông tin liên quan đến xác suất rơi vào kiệt quệ tài chính, ngay cả khi

chúng không phải là một thước đo trực tiếp cho vấn đề này. Ngoài ra, tình hình tài

chính của doanh nghiệp có thể dẫn đến việc tái cấu trúc danh mục đầu tư của các

nhà đầu tư, và điều này gây ra ảnh hưởng và làm điều chỉnh giá cổ phiếu trước khi

sự kiện kiệt quệ tài chính xảy ra. Tuy nhiên, cũng có một số trường hợp giá cổ

phiếu kết hợp với các thông tin ngẫu nhiên mà không liên quan trực tiếp đến tình

trạng kiệt quệ tài chính của doanh nghiệp và điều này có thể gây “nhiễu” trong phân

tích và giảm tính chính xác trong dự báo. Mặc dù vậy, giá cổ phiếu có khả năng

tăng năng lực dự báo của mô hình. Tóm lại, giá cổ phiểu có mối quan hệ mật thiết

với xác suất kiệt quệ tài chính. Một sự gia tăng trong giá cổ phiếu sẽ làm giảm khả

năng rơi vào kiệt quệ tài chính của doanh nghiệp. Biến số này, do vậy, được kỳ

vọng có mối quan hệ nghịch biến với xác suất kiệt quệ tài chính.

Tỷ suất sinh lợi vượt trội của cổ phiếu – ABNRET

Có một mối quan hệ nghịch biến giữa tỷ suất sinh lợi cổ phiếu và khả năng phá sản.

Theo đó, tỷ suất sinh lợi cổ phiếu cao hơn tỷ suất sinh lợi của thị trường sẽ giảm xác

suất bị kiệt quệ tài chính của doanh nghiệp. Hay nói cách khác, giá trị của biến

ABNRET càng cao sẽ càng làm giảm khả năng rơi vào kiệt quệ tài chính. Hàm

TANH được sử dụng để giải quyết những giá trị bất thường mà có thể gây ảnh

hưởng tiêu cực đến kết quả hồi quy. Sau khi chuyển đổi hàm TANH, giá trị của biến

ABNRET sẽ nằm trong đoạn [-1,1]. Biến ABNRET được kỳ vọng là tương quan âm

với xác suất kiệt quệ tài chính.

Biến số này được tính toán bởi công thức sau:

ABNRET = TANH ( Returnit – Returnmt )

Trong đó: Returnit =

Pit’ : giá đóng cửa điều chỉnh của doanh nghiệp thứ i tại ngày giao dịch

cuối năm t

Pit : giá đóng cửa điều chỉnh của doanh nghiệp thứ i tại ngày giao dịch

đầu năm t

∑ Returnmt =

∑

Returnit = tỷ suất sinh lợi cổ phiếu i năm thứ t

MCit : giá trị vốn hóa thị trường của doanh nghiệp i năm thứ t

Returnmt : tỷ suất sinh lợi thị trường tại năm thứ t

Quy mô doanh nghiệp - SIZE

Quy mô doanh nghiệp có thể là một yếu tố dự báo tốt cho sự phá sản nếu đặc điểm

“giống quyền chọn” của vốn cổ phần được sử dụng như một khung lý thuyết; giá trị

cổ phần của một doanh nghiệp ở trong tình trạng khó khăn về tài chính bị giảm giá

bởi những người tham gia thị trường (những nhà đầu tư) và điều này kéo theo một

sự giảm sút trong giá trị vốn cổ phần. Sự giảm sút trong vốn cổ phần gây ra bởi

những đánh giá tiêu cực của nhà đầu tư với tình hình tài chính của doanh nghiệp có

thể di chuyển một cách hệ thống về “giá thực hiện” (hay giá trị của nợ) cho đến khi

đạt đến điểm mà doanh nghiệp không đáp ứng được các nghĩa vụ nợ (và doanh

nghiệp vỡ nợ). Xác suất phá sản của một doanh nghiệp là xác suất mà quyền chọn

mua sẽ vô giá vào ngày đáo hạn, hay nói cách khác, giá trị của tài sản (được đo

lường bằng giá trị thị trường của doanh nghiệp) nhỏ hơn mệnh giá của nợ vào cuối

thời kỳ nắm giữ. Vì vậy, một giá trị cao của biến SIZE sẽ kéo theo một xác suất phá

sản hay rơi vào kiệt quệ tài chính thấp. Nói cách khác, dấu của biến số SIZE trong

kết quả hồi quy được kỳ vọng là dấu âm, cho thấy rằng một giá trị cao của biến số

này có thể làm giảm xác suất rơi vào tình trạng kiệt quệ tài chính của doanh nghiệp.

Biến số này được tính toán như sau:

SIZE = log (MCf / MCm)

Trong đó: MCf : là giá trị vốn hóa thị trường của doanh nghiệp tại ngày giao dịch

cuối năm

MCm : là giá trị vốn hóa của toàn thị trường tại ngày giao dịch cuối

năm

Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ - MCTD

Hàm TANH được sử dụng để giải quyết những giá trị bất thường mà có thể gây ảnh

hưởng tiêu cực đến kết quả hồi quy. Sau khi chuyển đổi hàm TANH, giá trị của biến

MCTD sẽ nằm trong đoạn [0,1]. Một giá trị cao của biến MCTD cho thấy giá trị tài

sản của doanh nghiệp (được đo bằng giá trị thị trường) vượt xa tổng nợ. Ngược lại,

một giá trị thấp của biến này cho thấy giá trị thị trường của doanh nghiệp đang giảm

gần đến điểm mà tổng nợ vượt quá tài sản của nó, hay điểm vỡ nợ. Một giá trị lớn

của MCTD cho thấy ít có khả năng doanh nghiệp rơi vào kiệt quệ tài chính và

ngược lại. Biến số này được kỳ vọng tương quan âm với xác suất lâm vào tình trạng

phá sản của doanh nghiệp.

Biến số này được tính toán như sau:

MCTD = TANH (MC / TL)

Trong đó: MC: là giá trị vốn hóa thị trường của doanh nghiệp tại ngày giao dịch

cuối năm

TL: là tổng nợ của doanh nghiệp

Bảng 3.2: Tổng hợp các biến độc lập cho mô hình hồi quy Logit

Kỳ

vọng Ký hiệu Tên biến Cách thức đo lường

dấu

Nhóm biến số Tài Chính

Dòng tiền hoạt động TANH (Dòng tiền hoạt động kinh doanh /

kinh doanh trên TFOTL Tổng nợ ) (-)

Tổng nợ

Tổng nợ trên Tổng TANH (Tổng nợ / Tổng tài sản) TLTA (+) tài sản

TANH [ (Tài sản có tính thanh khoản nhanh

– nợ ngắn hạn) / Chi phí hoạt động hàng

ngày ]

NOCREDINT Biến thanh khoản (-)  Tài sản có tính thanh khoản nhanh =

Tài sản ngắn hạn – hàng tồn kho

 Chi phí hoạt động hàng ngày =

(Doanh thu – EBIT – khấu hao) / 365

Tỷ số khả năng TANH ( EBITDA / Chi phí lãi vay ) COVERAGE (-) thanh toán lãi vay

Nhóm biến Vĩ Mô

CPI Chỉ số giá tiêu dùng Chỉ số giá tiêu dùng (thang điểm 100) (+)

Lãi suất thực tín Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm TBR (+)

phiếu kho bạc kỳ

hạn 1 năm (%)

Tốc độ tăng trưởng (%)

tổng sản phẩm quốc GDPR (-)

nội thực

Nhóm biến Thị Trường

Log (Giá cổ phiếu)

Giá cổ phiếu (-) PRICE  Giá cổ phiếu: Giá đóng cửa tại ngày

giao dịch cuối năm

Tỷ suất sinh lợi vượt TANH (Tỷ suất sinh lợi của cổ phiếu - Tỷ (-) ABNRET trội của cổ phiếu suất sinh lợi của toàn thị trường )

Log ( Giá trị vốn hóa thị trường của DN tại Quy mô doanh thời điểm cuối năm / Giá trị vốn hóa của SIZE (-) nghiệp toàn thị trường tại thời điểm cuối năm )

Giá trị vốn hóa thị TANH (Giá trị vốn hóa thị trường của DN

trường của doanh MCTD tại thời điểm cuối năm / Tổng nợ ) (-)

nghiệp trên tổng nợ

Nguồn: Tổng hợp của tác giả

3.2.2 Xây dựng các mô hình nghiên cứu thực nghiệm

Sau khi lựa chọn các biến số (đầu vào và đầu ra) cho mô hình Logit. Dựa trên các

nghiên cứu thực nghiệm của Christidis và Gregory (2010), Tinoco và Wilson (2013)

nghiên cứu tiến hành xây dựng 5 mô hình nghiên cứu thực nghiệm dựa trên cơ sở

tiếp cận từ mô hình hồi quy Logit, qua đó nhằm tìm ra các yếu tố ảnh hưởng đến

khả năng rơi vào tình trạng kiệt quệ tài chính của doanh nghiệp. Đồng thời xem xét

liệu việc kết hợp 3 yếu tố tài chính, thị trường và vĩ mô vào trong một mô hình có

khả năng dự báo kiệt quệ tài chính của doanh nghiệp hay không ? và mô hình này

có phải là mô hình dự báo kiệt quệ tài chính hiệu quả nhất hay không ?, hay nói

cách khác là trả lời các câu hỏi số 2 của nghiên cứu. Các mô hình được thiết lập như

 Mô hình 1: chỉ bao gồm các yếu tố tài chính (MD1)

 Mô hình 2: kết hợp các yếu tố tài chính và vĩ mô (MD2)

 Mô hình 3: kết hợp cả 3 yếu tố tài chính, thị trường và vĩ mô (mô hình

đầy đủ) (MD3)

 Mô hình 4: chỉ bao gồm các yếu tố thị trường (MD4)

 Mô hình 5: kết hợp các yếu tố thị trường và vĩ mô (MD5)

Trong các mô hình trên, Pi: là xác suất để Y = 1 của doanh nghiệp thứ i (hay xác

suất để doanh nghiệp thứ i rơi vào kiệt quệ tài chính), t: là năm xảy ra sự kiện kiệt

quệ tài chính. Để dự báo khả năng lâm vào kiệt quệ tài chính của doanh nghiệp, các

mô hình được hồi quy với độ trễ là 1 năm (t-1), trước năm xảy ra sự kiện kiệt quệ

tài chính. Các giá trị alpha, beta, gamma, delta và theta : là các hệ số hồi quy của

các biến độc lập trong mô hình. e: là cơ số (e = 2.718281828)

3.3 Các thước đo lường hiệu quả của mô hình và các kiểm định

3.3.1 Các thước đo lường hiệu quả của mô hình

 AUC

AUC là vùng diện tích nằm dưới đường cong ROC, hay nói cách khác AUC là vùng

diện tích từ dưới đường ROC cho đến điểm có tọa độ (1,0) ở góc phải của đồ thị.

Đây được xem là thước đo trực tiếp cho độ chính xác về dự báo của mô hình, AUC

bằng 1 thể hiện một mình dự báo chính xác hoàn hảo. Hay nói cách khác nếu đường

cong ROC càng gần điểm (0,1) ở góc bên trái của đồ thị thì khả năng dự báo của mô

hình càng chính xác.

 Hệ số Gini rank

Hệ số này được tính toán bằng công thức (2*AUC - 1). Đây là hệ số được các nhà

phân tích đưa vào sử dụng nhằm đánh giá khả năng dự báo chính xác của mô hình.

Một mô hình lý tưởng, là một mô hình mà nó có khả năng phân loại hoàn hảo các

quan sát tốt và quan sát xấu, có hệ số Gini bằng 1.

 Hệ số xác định R2

Pseudo-R2 (MacFadden’s R2 ) = 1- log(LM) / log(L0)

Cox & Snell’s R2 = 1 – (L0/ LM)2/n

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

Trong đó: L0: là giá trị likelihood của mô hình chỉ có hệ số chặn (only an intercept

model), LM: là giá trị likelihood của mô hình đang được ước lượng (mô hình đang

được ước lượng trong nghiên cứu này là Logit), n: là kích thước mẫu.

Các giá trị R2 trên đều đo lường mức độ ý nghĩa của mô hình hay đo lường khả năng giải thích của các biến độc lập lên biến phụ thuộc. Giá trị R2 nhận giá trị trong

đoạn [0,1]. Giá trị này càng cao hay càng gần 1, cho thấy mô hình càng có khả năng

giải thích những thay đổi của biến phụ thuộc. Chúng có ý nghĩa như hệ số xác định R2 trong mô hình hồi quy tuyến tính, nhưng cách thức đo lường khác nhau. Các hệ

số xác định R2 này được tính toán dựa trên các giá trị likelihood của mô hình.

 Bảng phân loại độ chính xác của mô hình

Đây cũng là một thước đo đánh giá khả năng dự báo của mô hình được sử dụng

trong nhiều nghiên cứu về dự báo kiệt quệ tài chính, như trong nghiên cứu của:

Beaver (1966), Altman (1968), Ohlson (1980), Soo-Wah và cộng sự (2001), Platt và

Platt (2002), Cheng và cộng sự (2006), Altman và cộng sự (2010), Sheikhi và cộng

sự (2012), Tinoco và Wison (2013), Rodrigues và Stevenson (2013), Alifiah

(2014),… Bảng phân loại độ chính xác của mô hình cho biết một mô hình có khả

năng dự báo chính xác kiệt quệ tài chính và không kiệt quệ tài chính là bao nhiêu

phần trăm.

3.3.2 Các kiểm định được sử dụng trong nghiên cứu

 Kiểm định hiện tượng đa cộng tuyến giữa các biến độc lập

Do những hạn của mô hình Logit nên nghiên cứu xác định các hệ số tương quan cặp

giữa các biến độc lập và tiêu chí VIF (variance inflation factor) – nhân tử phóng đại

phương sai nhằm xác định vấn đề đa cộng tuyến. Hệ số tương quan cặp lớn hơn 0.8,

cho thấy vấn đề đa cộng tuyến trở nên nghiêm trọng. Nhưng trong một số tình

huống có hiện tượng đa cộng tuyến giữa các biến độc lập, nhưng hệ số tương quan

cặp giữa các biến có thể thấp. Do đó, nghiên cứu sử dụng thêm tiêu chí VIF, để có

kết luận vững hơn về hiện tượng đa cộng tuyến. VIF lớn hơn 10 cho thấy mức độ đa

cộng tuyến được xem là cao. Nếu các kết quả kiểm định VIF > 10, nghiên cứu sẽ

tiến hành loại bỏ những biến có hiện tượng công tuyến cao với các biến khác, để kết

quả hồi quy Logit vững hơn.

 Kiểm định sự khác biệt trung bình giữa hai mẫu độc lập

Nghiên cứu sử dụng kiểm định T-test và Wilcoxon rank-sum test để kiểm định sự

khác biệt trung bình giữa hai mẫu độc lập. Trong đó kiểm định Wilcoxon rank-sum

test có tính chính xác hơn so với T-test. Giả thuyết H0 của hai kiểm định là: giá trị

trung bình của biến ở nhóm kiệt quệ tài chính bằng giá trị trung bình của biến ở

nhóm không kiệt quệ tài chính. Dựa trên các giá trị p-value của kết quả kiểm định,

nếu p-value < 0.05 kết luận bác bỏ giả H0, hay chấp nhận có sự khác biệt trung bình

giữa hai mẫu độc lập ở mức ý nghĩa 5%. Việc kiểm định sự khác biệt trung bình

nhằm gia tăng nhận định về các đặc trưng giữa nhóm kiệt quệ tài chính và không

kiệt quệ tài chính.

 Kiểm định Hosmer & Lemeshow

Là kiểm định sự phù hợp của phân phối xác suất bằng tiêu chuẩn chi2 (chi-square).

Bằng cách so sánh giá trị ước lượng với giá trị quan sát đã được phân nhóm. Giả

thiết H0: giá trị ước lượng bằng giá trị quan sát. nghĩa là. Quy tắc quyết định trong

kiểm định này là với một giá trị nhỏ của chi-square (< 15) và một giá trị lớn của p-

value (> 0.05) (Tinoco và Wilson, 2013) thì chấp nhận giả thuyết H0, hay giá trị

ước lượng và giá trị quan sát không khác nhau tại mức ý nghĩa 5%. Điều này gợi ý

rằng mô hình dự báo là phù hợp với dữ liệu mẫu.

 Kiểm định phi tham số Mann – Whitney

Là kiểm định sự khác nhau giữa các giá trị AUC của các mô hình. Giả thuyết H0:

giá trị AUC của các mô hình bằng nhau. Dựa trên các giá trị p-value của kết quả

kiểm định, nếu p-value < 0.05 kết luận bác bỏ giả H0, hay nói cách khác các giá trị

AUC của các mô hình là khác nhau tại mức ý nghĩa 5%.

Kết luận chương 3

Bài nghiên cứu tiến hành chọn ra 568 doanh nghiệp phi tài chính (các doanh nghiệp

thuộc tất cả các ngành ngoại trừ ngành tài chính) niêm yết trên HNX và HOSE

trong kỳ quan sát k o dài 6 năm từ 2009 đến 2014, tổng số quan sát trong nghiên

cứu có được là 2608 quan sát. Nghiên cứu sử dụng mô hình hồi quy Logit để dự báo

kiệt quệ tài chính của các doanh nghiệp niêm yết tại Việt Nam. Nhằm đáp ứng các

điều kiện của mô hình hồi quy Logit, nghiên cứu đã đưa vào các kiểm định hiện

tượng đa cộng tuyến, sử dụng kỹ thuật chuyển đổi hàm TANH nhằm loại bỏ các giá

trị ngoại lai ra khỏi quan sát. Ngoài ra, để đánh giá lựa chọn mô hình phù hợp,

nghiên cứu cũng đã sử dụng các thước đo như: AUC, Ghini rank, các hệ số xác định R2 , bảng phân loại độ chính xác, cùng các kiểm định khác như: kiểm định Hosmer

& Lemeshow, kiểm định Mann – Whitney.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

4.1 Kết quả thống kê mô tả và kiểm định tương quan các biến độc lập

4.1.1 Kết quả thống kê mô tả

Bài nghiên cứu thực hiện trên một mẫu dữ liệu bảng không cân đối bao gồm 568

doanh nghiệp niêm yết trên HNX và HOSE trong kỳ quan sát k o dài 6 năm từ 2009

đến 2014, tổng số quan sát trong nghiên cứu có được là 2,608 quan sát. Mẫu dữ liệu

tổng thể được phân tách thành hai nhóm: nhóm các doanh nghiệp bị kiệt quệ tài

chính và nhóm doanh nghiệp không bị kiệt quệ tài chính. Chi tiết các thống kê mô

tả được trình bày trong bảng 4.1. Các thông số thống kê cho tất cả các biến bao

gồm: số quan sát (Obs.), giá trị trung bình (Mean), độ lệch chuẩn (Std. Dev.), giá trị

lớn nhất (Max), giá trị nhỏ nhất (Min). Cụ thể hơn, xem bảng 4.1, như sau:

Đối với nhóm biến số tài chính. Giá trị trung bình của biến TFOTL (Tỷ số Dòng

tiền hoạt động kinh doanh trên Tổng nợ) đối với các doanh nghiệp bị kiệt quệ tài

chính thấp hơn so với các doanh nghiệp không kiệt quệ tài chính. Điều này cho thấy

khả năng đảm bảo các nghĩa vụ tài chính đến hạn từ dòng tiền hoạt động kinh doanh

của các doanh nghiệp kiệt quệ tài chính k m hơn. Biến COVERAGE (Khả năng

thanh toán lãi vay) cũng cho ra kết quả hỗ trợ cho quan điểm này. Biến

COVERAGE cũng bổ sung thêm rằng: các doanh nghiệp kiệt quệ tài chính không

những không có khả năng thanh toán chi phí tài chính mà còn bị âm, đồng thời mức

độ biến động cũng cao hơn nhiều. Rõ ràng là các doanh nghiệp kiệt quệ đang duy trì

một tỷ lệ đòn bẩy cao và hoạt động kinh doanh kém hiệu quả. Và biến TLTA (Tổng

nợ trên Tổng tài sản hay biến đòn bẩy tài chính) cũng đã thể hiện rõ luận điểm này.

Các doanh nghiệp kiệt quệ “sở hữu” một cấu trúc vốn với tỷ lệ nợ cao hơn trong

tổng nguồn vốn hay tỷ lệ đòn bẩy cao. Trong khi đó, các doanh nghiệp không kiệt

quệ duy trì một tỷ lệ đòn bẩy tài chính một cách có kiểm soát hơn. Biến cuối cùng

trong nhóm biến số tài chính là NOCREDINT (biến Thanh khoản). Những doanh

nghiệp kiệt quệ tài chính nhận giá trị trung bình của biến số này thấp hơn so với

giá trị tương ứng của các doanh nghiệp không bị kiệt quệ tài chính. Vì biến số này

Bảng 4.1: Thống kê mô tả các biến độc lập

Variable TFOTL

TLTA

NOCREDINT COVERAGE CPI

TBR

GDPR

PRICE

ABNRET SIZE

MCTD

Tổng quan sát

Mean

0.1119021

0.480927

-0.2435896

0.8542389

123.3963

-0.5451132

5.767075

4.070844

-0.0607289

-3.622111

0.5432426

Std. Dev.

0.2971647

0.1654433

0.9661445

0.4452964

17.29188

2.445085

0.4511373

0.3703411

0.3717691

0.7211609

0.3218366

-1

0.0020875

91.85976

-5.331658

5.247367

2.845098

-0.9054054

-5.453946

0.0085816

-1

Min

0.9999993

0.9218005

143.644

2.097525

6.423238

5.227887

0.9999852

4.047946

Max

2608

Obs.

2608

Nhóm quan sát kiệt quệ tài chính

Mean

0.0258241

0.5533737

-0.627355

-0.2005428

135.4099

-0.2594298

5.566241

3.5667

-0.3456843

-4.187983

0.3063852

Std. Dev.

0.2415792

0.2042071

0.7817537

0.7392231

7.12182

1.520273

0.3374951

0.2839295

0.3002058

0.5894581

0.2923699

118.6775

-5.331658

5.247367

2.845098

-0.8256512

-5.371427

0.0085816

-0.9422146

0.0480801

-1

Min

143.644

0.8493946

6.240303

4.338456

0.9688505

-2.551034

0.9977581

0.9989794

0.9218005

Max

118

Obs.

118

Nhóm quan sát không kiệt quệ tài chính

Mean

0.1159813

0.4774938

-0.2254031

0.9042245

122.827

-0.5586516

5.776592

4.094745

-0.047225

-3.595294

0.5544671

Std. Dev.

0.2989684

0.1626294

0.9703851

0.3560307

17.42509

2.479753

0.4536702

0.3567079

0.369454

0.7158881

0.3188815

-1

0.0020875

-1

91.85976

-5.331658

5.247367

3.127105

-0.9054054

-5.453946

0.0193029

-1

Min

0.9999993

0.7521584

143.644

2.097525

6.423238

5.227887

0.9999852

4.047946

Max

2490

Obs.

2490

Ghi chú: Đây là bảng thống kê mô tả toàn bộ các biến cho các mô hình được phân chia làm 3 nhóm: tổng quan sát, nhóm quan sát kiệt quệ tài chính và nhóm quan sát không bị kiệt quệ tài chính. TFOTL: Dòng tiền hoạt động kinh doanh trên Tổng nợ, TLTA: Tổng nợ trên Tổng tài sản, NOCREDINT: Biến thanh khoản, COVERAGE: Khả năng thanh toán lãi vay, CPI: Chỉ số giá tiêu dùng, TBR: Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm, GDPR: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực, PRICE: Giá cổ phiếu, ABNRET: Tỷ suất sinh lợi vượt trội của cổ phiếu, SIZE: Quy mô doanh nghiệp, MCTD: Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ.

Nguồn: Tổng hợp của tác giả từ kết quả thống kế mô tả (phần mềm Stata 12)

Bảng 4.2: Kiểm định sự khác biệt trung bình giữa hai nhóm quan sát kiệt quệ và không kiệt quệ tài chính

Giá trị Trung Bình (Mean) của nhóm kiệt quệ tài chính

Giá trị Trung Bình (Mean) của nhóm không kiệt quệ tài chính

T-test (p-value)

Wilcoxon rank-sum test (p-value)

0.115981

0.0001

0.0007

TFOTL

0.025824

0.477494

0.0001

0.0000

0.553374

TLTA

-0.2254

0.0000

-0.62736

NOCREDINT

0.904225

0.0000

-0.20054

COVERAGE

122.827

0.0000

135.4099

CPI

-0.55865

0.0457

0.0593

-0.25943

TBR

5.776592

0.0000

5.566241

GDPR

4.094745

0.0000

3.5667

PRICE

-0.04723

0.0000

-0.34568

ABNRET

-3.59529

0.0000

-4.18798

SIZE

0.554467

0.0000

MCTD

0.306385

Ghi chú: TFOTL: Dòng tiền hoạt động kinh doanh trên Tổng nợ, TLTA: Tổng nợ trên Tổng tài sản, NOCREDINT: Biến thanh khoản, COVERAGE: Khả năng thanh toán lãi vay, CPI: Chỉ số giá tiêu dùng, TBR: Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm, GDPR: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực, PRICE: Giá cổ phiếu, ABNRET: Tỷ suất sinh lợi vượt trội của cổ phiếu, SIZE: Quy mô doanh nghiệp, MCTD: Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ.

Nguồn: Tổng hợp của tác giả từ kết quả kiểm định T-test và Wilcoxon rank-sum test (phần mềm Stata 12)

nhỏ cho thấy một tình trạng thanh khoản không ổn định của doanh nghiệp và có thể

dẫn đến một tình trạng khó khăn trong việc đáp ứng các nghĩa vụ tài chính của

doanh nghiệp đó, nên kết quả trên là phù hợp.

Đối với nhóm biến vĩ mô. Mặc dù kết quả kiểm định là có sự khác biệt trung bình

giữa các doanh nghiệp kiệt quệ và không kiệt quệ, nhưng gia trị trung bình của biến

GDPR (Tốc độ tăng trưởng tổng sản phẩm quốc nội thực) không có sự chênh lệch

cao giữa hai nhóm này. Ngược lại, đối với hai biến CPI (Chỉ số giá tiêu dùng) và

TBR (Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm) thì có sự chênh lệch khá lớn.

Các doanh nghiệp bị kiệt quệ tài chính thường rơi vào các thời kỳ nền kinh tế bị lạm

phát và lãi suất cao hơn. Hay nói cách khác, trong thời kỳ nền kinh tế bất ổn, suy

thoái khả năng các doanh nghiệp lâm vào tình trạng kiệt quệ tài chính là khá cao.

Trong nghiên cứu này, do biến TBR đã được điều chỉnh loại trừ sự tác động của lạm

phát nên giá trị trung bình của biến TBR thể hiện giá trị âm ở cả hai nhóm quan sát.

Đối với nhóm biến thị trường. Giá trị trung bình của biến PRICE (Giá cổ phiếu) đối

với các doanh nghiệp kiệt quệ tài chính thấp hơn so với các doanh nghiệp không rơi

vào kiệt quệ tài chính. Điều này cho thấy thị trường có một đánh giá thấp đối với cổ

phiểu của các doanh nghiệp bị kiệt quệ tài chính. Đối với biến ABNRET (Tỷ suất

sinh lợi vượt trội của cổ phiếu), giá trị trung bình của doanh nghiệp kiệt quệ tài

chính thấp hơn rất nhiều so với doanh nghiệp không kiệt quệ tài chính, điều này cho

thấy các doanh nghiệp này có sự bất ổn lớn hơn và rủi ro nhiều hơn so với doanh

nghiệp không kiệt quệ và tỷ suất sinh lợi của những doanh nghiệp kiệt quệ tài chính

thấp hơn tỷ suất sinh lợi của thị trường rất nhiều. Nguyên nhân bởi các doanh

nghiệp kiệt quệ thường gặp những tình huống bất lợi như: doanh thu sụt giảm,

không thể thanh toán các khoản nợ đến hạn, chậm chi trả cổ tức cho cổ đông, v.v…

Và các thông tin này phản ảnh vào giá cổ phiếu, làm giá cổ phiếu biến động bất

thường, theo chiều hướng tiêu cực. Ngược lại đối với các doanh nghiệp không kiệt

quệ tài chính, tình hình hoạt động kinh doanh ổn định, nên giá cổ phiếu ít biến động

hoặc nếu có sẽ theo chiều hướng tích cực hơn. Đối với biến quy mô SIZE (Quy mô

doanh nghiệp): giá trị trung bình của các doanh nghiệp không kiệt quệ cao hơn so

với doanh nghiệp kiệt quệ tài chính. Vì quy mô của doanh nghiệp càng lớn thì chi

phí và giá thành trên một đơn vị sản phẩm sẽ giảm, gia tăng khả năng cạnh tranh

của doanh nghiệp, hay tính lợi thế theo quy mô. Do đó những doanh nghiệp có quy

mô lớn thì khả năng rơi vào kiệt quệ tài chính sẽ thấp hơn. Trong bài nghiên cứu, do

biến SIZE được điều chỉnh theo hàm log, mà giá trị trước khi điều chỉnh theo hàm

log của biến này luôn lớn hơn 0 và nhỏ hơn 1, nên sau khi điều chỉnh theo hàm log

giá trị của biến này luôn nhỏ hơn 0. Và biến cuối cùng trong nhóm biến thị trường

là MCTD (Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ) cũng cho

thấy thị trường đánh giá cao đối với các doanh nghiệp khỏe mạnh. Nghĩa là giá cổ

phiếu của các doanh nghiệp này cao hơn so với các doanh nghiệp bị kiệt quệ tài

chính, do đó giá trị vốn hóa có khả năng cao hơn nếu doanh nghiệp không có sự

điều chỉnh giảm số lượng cổ phiếu đang lưu hành.

Bảng 4.2 trình bày các kiểm định sự khác biệt trung bình của các biến số giữa các

nhóm doanh nghiệp kiệt quệ và nhóm doanh nghiệp không kiệt quệ. Theo đó cho

thấy rằng: khi đứng riêng lẻ, các biến đều có khả năng dự báo doanh nghiệp nào là

kiệt quệ và doanh nghiệp nào là không kiệt quệ tại mức ý nghĩa 1%, riêng đối với

biến TBR là 5%. Nhìn chung, các kết quả của hai kiểm định sự khác biệt trung bình

giữa hai nhóm quan sát kiệt quệ và không quệ tài chính là khác biệt một cách có ý

nghĩa thống kê. Điều này làm cho các phân tích tổng quan giữa hai nhóm quan sát

thêm vững hơn. Tuy nhiên, các kết quả kiểm định về sự khác biệt trung bình giữa

hai nhóm quan sát chỉ cho thấy khả năng dự báo kiệt quệ tài chính của một biến số

riêng lẻ, kết quả chưa cho thấy khả năng dự báo kiệt quệ tài chính khi có sự kết hợp

giữa các biến, hay nói cách khác là kết hợp các yếu tố trong một mô hình.

4.1.2 Kết quả kiểm định tương quan các biến độc lập

Nhằm giảm thiểu hạn chế của mô hình Logit, nghiên cứu tiến hành xem xét vấn đề

tương quan và đa cộng tuyến giữa các biến độc lập với nhau.

Theo như bảng 4.3, hệ số tương quan cặp giữa các biến độc lập đa số đều nhỏ hơn

0.8. Ngoại trừ hệ số tương quan cặp giữa hai biến MCTD và TLTA là - 0.8264 khá

cao. Nghiên cứu cũng sử dụng thước đo VIF – nhân tử phóng đại phương sai nhằm

k là hệ số xác định của mô hình hồi quy phụ của một

k ), trong đó R2

xem xét vấn đề đa cộng tuyến giữa các biến độc lập trong mô hình. VIF được tính bằng 1/(1 - R2

biến độc lập lên các biến độc lập còn lại. Kết quả của VIF cho thấy tất cả các biến

đều có VIF nhỏ hơn 10, chứng tỏ vấn đề đa cộng tuyến giữa các biến không nghiêm

trọng.

Bảng 4.3: Ma trận hệ số tương quan và đa cộng tuyến

Variable

TFOTL TLTA

NOCREDINT COVERAGE CPI

TBR

GDPR

PRICE ABNRET SIZE

MCTD

Ma trận hệ số tương quan

TFOTL

-0.3189

TLTA

0.1948

-0.5611

NOCREDINT

0.0834

-0.0750

0.0772

COVERAGE

-0.0117

0.0106

-0.1666

CPI

0.0643

-0.0359

-0.0144

-0.0570

TBR

0.0417

-0.0727

-0.0282

0.1000

-0.2977

-0.2506

GDPR

0.0188

0.2410

-0.2195

0.3497

-0.3135

0.2999

0.0836

PRICE

0.2034 -0.0601

0.1084

0.1883

-0.0955

0.1690

-0.0290

0.2435

-0.2457

0.4328

ABNRET

0.1086

-0.1351

0.1058

0.1634

-0.0701

0.1388

0.1369

0.5984

0.1970

SIZE

0.3303

0.8264

0.4893

0.1498

-0.1716

0.2153

0.0538

0.5668

0.2871

0.3552

MCTD

Thống kê đa cộng tuyến 2.49

1.54

2.42

2.46

2.44

2.45

2.00

2.43

2.37

1.48

VIF

k ), trong đó R2

Ghi chú: Các giá trị trong mục Ma trận hệ số tương quan là hệ số tương quan cặp. Trong mục Thống kê đa cộng tuyến, VIF (variance inflation) là nhân tử phóng đại phương sai nhằm xem xét vấn đề đa cộng tuyến giữa các biến độc lập trong mô hình. VIF được tính toán bằng 1/(1 - R2 k là hệ số xác định của mô hình hồi quy phụ của một biến độc lập lên các biến độc lập còn lại. TFOTL: Dòng tiền hoạt động kinh doanh trên Tổng nợ, TLTA: Tổng nợ trên Tổng tài sản, NOCREDINT: Biến thanh khoản, COVERAGE: Khả năng thanh toán lãi vay, CPI: Chỉ số giá tiêu dùng, TBR: Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm, GDPR: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực, PRICE: Giá cổ phiếu, ABNRET: Tỷ suất sinh lợi vượt trội của cổ phiếu, SIZE: Quy mô doanh nghiệp, MCTD: Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ.

Nguồn: Tổng hợp của tác giả từ kết quả đo lường hệ số tương quan và đa cộng tuyến (phần mềm Stata 12)

4.2 Kết quả ước lượng mô hình hồi quy Logit

Phần thứ nhất và phần thứ hai của câu hỏi nghiên cứu số hai: Các nhóm yếu tố tài

chính, thị trường và vĩ mô có thể được dùng làm dự báo kiệt quệ tài chính của doanh

nghiệp trên cơ sở tiếp cận từ mô hình hồi quy Logit hay không ? Cụ thể:

 Phân tích riêng lẻ nhóm yếu tố tài chính, thị trường

 Phân tích kết hợp các nhóm yếu tố tài chính, thị trường và vĩ mô

Để trả lời cho hai vấn đề trong câu hỏi nghiên cứu số hai trên. Bài nghiên cứu thực hiện

hồi quy 5 mô hình dựa trên cơ sở tiếp cận từ mô hình hồi quy Logit như đã được thảo

luận trong chương 3. Sau đó tiếp tục hồi quy các mô hình hiệu chỉnh. Các kết quả hồi

quy các mô hình hiệu chỉnh nhằm đánh giá khả năng dự báo kiệt quệ tài chính của

doanh nghiệp khi kết hợp các yếu tố khác nhau: tài chính, thị trường và vĩ mô. Do trong

thực tế ngày xảy ra sự kiện kiệt quệ tài chính là không thể biết trước được, và việc dự

báo được yêu cầu sử dụng các dữ liệu có sẵn tại thời điểm hiện tại để tạo ra ước tính về

khả năng kiệt quệ tài chính. Vì vậy trong nghiên cứu này, các mô hình sẽ được ước

lượng theo độ trễ là t-1.

4.2.1 Kết quả ước lượng mô hình hồi quy Logit

Mô hình 1(chỉ bao gồm các yếu tố tài chính của doanh nghiệp): Với biến TFOTL, kết

quả cho thấy một mối quan hệ nghịch biến và có ý nghĩa thống kê giữa biến này với

xác suất doanh nghiệp rơi vào kiệt quệ tài chính, đúng như kỳ vọng dấu. Điều này có

nghĩa là một doanh nghiệp càng có nhiều khả năng đảm bảo cho các nghĩa vụ tài chính

bằng dòng tiền hoạt động kinh doanh thì càng ít có khả năng rơi vào kiệt quệ tài chính

hơn. Biến COVERAGE cũng cho ra kết quả về kỳ vọng dấu tương tự, như được dự báo

bởi lý thuyết. Kết quả này khẳng định cho lý thuyết rằng một doanh nghiệp có khả năng

đảm bảo các nghĩa vụ tài chính bằng thu nhập hoạt động càng cao thì khả năng rơi vào

kiệt quệ tài chính càng thấp. Riêng đối với biến TLTA, có kết quả kỳ vọng dấu đúng với

lý thuyết đưa ra là dấu dương và giá trị của hệ số hồi quy cũng cao nhất. Các doanh

nghiệp có đòn bẩy tài chính càng cao thì khả năng lâm vào kiệt quệ tài chính càng cao.

Bảng 4.4: Kết quả ước lượng mô hình hồi quy Logit

Variable TFOTL

Mô hình 4

Mô hình 5

TLTA

NOCREDINT

COVERAGE

Mô hình 1 -1.9895* (-3.60) 5.0110* (4.55) -0.1410 (-0.89) -2.1236*** (-13.60)

CPI

TBR

GDPR

Mô hình 2 -1.8776* (-3.29) 5.0535* (4.56) -0.0979 (-0.62) -2.0618* (-12.71) 0.0296 (2.22) -0.0795 (-1.36) 0.2994 (0.69)

PRICE

ABNRET

SIZE

MCTD

Constant

Mô hình 3 -1.7951* (-3.10) 11.4054* (5.81) -0.0480 (-0.29) -1.3952* (-7.46) 0.0325 (1.82) 0.0595 (0.89) 0.4937 (0.95) -3.8854* (-6.07) -2.9869* (-4.57) -0.1689 (-0.94) 5.0040*** (4.61) -3.0606 (-0.57) 0.4135 0.0000 1987

-3.9083*** (-8.36) -2.4698*** (-4.48) -0.0240 (-0.14) -0.1770 (-0.41) 11.6416*** (5.66) 0.2516 0.0000 1987

0.0255 (1.60) 0.1702*** (2.75) 0.4178 (0.88) -4.1039*** (-8.27) -2.9581*** (-5.20) 0.0416 (0.26) -0.2771 (-0.64) 7.2297 (1.55) 0.2695 0.0000 1987

-4.0287*** (-6.86) 0.2853 0.0000 1987

-9.5194** (-2.47) 0.3009 0.0000 1987

Pseudo-R2 Prob > chi2(k) Số quan sát Ghi chú: các mô hình được ước lượng với độ trễ một năm, trước năm mà sự kiện kiệt quệ tài chính xảy ra. Giá trị trong giấu ngoặc đơn là giá trị thống kê Z. ,, tương ứng với mức ý nghĩa 1%, 5% và 10%. Pseudo-R2: hệ số xác định Pseudo-R2 (hay còn gọi là McFadden’s R2). TFOTL: Dòng tiền hoạt động kinh doanh trên Tổng nợ, TLTA: Tổng nợ trên Tổng tài sản, NOCREDINT: Biến thanh khoản, COVERAGE: Khả năng thanh toán lãi vay, CPI: Chỉ số giá tiêu dùng, TBR: Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm, GDPR: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực, PRICE: Giá cổ phiếu, ABNRET: Tỷ suất sinh lợi vượt trội của cổ phiếu, SIZE: Quy mô doanh nghiệp, MCTD: Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ.

Nguồn: Tổng hợp của tác giả từ kết quả ước lượng mô hình hồi quy Logit (phần mềm Stata 12)

Cả 3 biến này đều có ý nghĩa thống kê tại mức 1%. Biến NOCREDINT không có ý

nghĩa thống kê trong mô hình này, và kết quả của biến này cũng tương tự đối với

mô hình 2 và mô hình 3. Mặc dù trong phân tích thống kê mô tả và kiểm định sự

khác biệt

trung bình giữa hai nhóm kiệt quệ và không kiệt quệ tài chính của biến

NOCREDINT đã cho thấy có sự khác biệt có ý nghĩa thống kê. Nhưng khi được kết

hợp với các biến số khác trong mô hình thì kết quả lại không như kỳ vọng đưa ra.

Vậy sau khi hồi quy các biến số trong mô hình 1, kết quả là có 3 biến có ý nghĩa

thống kê và đúng kỳ vọng về tương quan theo dự báo của lý thuyết.

Mô hình 2 (kết hợp các yếu tố tài chính và vĩ mô): khi kết hợp các biến số tài chính

với biến số vĩ mô, thì các biến số tài chính (TFOTA, TLTA, COVERAGE) có ý

nghĩa thống kê tại mức 1% và đúng kỳ vọng dấu ở mô hình 1 vẫn đúng trong mô

hình 2. Riêng đối với 3 biến vĩ mô được thêm vào, chỉ có biến CPI là có ý nghĩa

thống kê tại mức 5%. Biến CPI cũng cho ra kết quả kỳ vọng dấu như lý thuyết và

thống kê mô tả. CPI là một thước đo cho lạm phát, kết quả trên cũng cố cho quan

điểm rằng: lạm phát cao là hậu quả của một của môi trường kinh tế bất ổn, do đó

làm tăng số lượng các cuộc khủng hoảng (Mare, 2012). Kết quả này cũng tương tự

như kết quả trong nghiên cứu của Tinoco và Wilson (2013). Dó vậy, trong một kinh

tế bất ổn, lạm phát cao sẽ làm gia tăng xác suất lâm vào kiệt quệ tài chính của doanh

nghiệp.

Mô hình 3 (kết hợp cả 3 yếu tố tài chính, vĩ mô và thị trường - mô hình đầy đủ): khi

kết hợp các biến số tài chính, vĩ mô và thị trường, thì các biến số tài chính (TFOTA,

TLTA, COVERAGE) có ý nghĩa thống kê tại mức 1%, đúng kỳ vọng dấu ở mô

hình 1, biến số CPI có ý nghĩa thống kê tại mức 5%, đúng kỳ vọng dấu ở mô hình 2

vẫn giữ đúng kỳ vọng dấu và ý nghĩa thống kê trong mô hình 3. Riêng đối với 4

biến thị trường được thêm vào mô hình 3, có được 3 biến có ý nghĩa thống kê tại

mức 1%: PRICE, ABNRET và MCTD. Kết quả hồi quy của biến số PRICE cho

thấy một mối quan hệ nghịch biến giữa giá cổ phiếu của doanh nghiệp và khả năng

rơi vào kiệt quệ tài chính đúng như kỳ vọng dấu từ lý thuyết. Giá cổ phiểu phản ảnh

kỳ vọng của nhà đầu tư vào lợi nhuận, dòng tiền tương lai của doanh nghiệp dựa

trên thực trạng tài chính hiện tại, do đó khi giá cổ phiếu càng cao cho thấy một kỳ

vọng lạc quan của nhà đầu tư vào doanh nghiệp, chứng tỏ tình hình tài chính hiện

tại của doanh nghiệp khá tốt, không bị rơi vào kiệt quệ tài chính và ngược lại. Đối

với biến ABNRET cũng cho kết quả tương tự như biến PRICE. Điều này cũng cố

thêm quan điểm từ lý thuyết rằng: tỷ suất sinh lợi vượt trội của doanh nghiệp càng

thấp thì cho thấy khả năng doanh nghiệp rơi vào kiệt quệ tài chính càng cao. Và kết

quả hồi quy của biến ABNRET cũng đúng với phân tích thống kê mô tả. Riêng đối

với biến MCTD, mặc dù có ý nghĩa thống kê nhưng kỳ vọng dấu thì không đúng

với dự báo của lý thuyết. Điều này có thể giải thích như sau: trong giai đoạn của

nghiên cứu (2009-2014), Ngân hàng Nhà nước Việt Nam thực hiện chính sách “thắt

chặt” hoạt động tín dụng nhằm kiềm chế lạm phát theo như mục tiêu của Chính phủ

đề ra. Điều này ảnh hưởng làm hạn chế khả năng vay vốn của doanh nghiệp, đặc

biệt đối với các doanh nghiệp có tỷ lệ đòn bẩy tài chính đã cao. Do đó các doanh

nghiệp đã tìm đến kênh huy động vốn từ thị trường chứng khoán, bằng cách phát

hành thêm cổ phiếu ra thị trường. Theo số liệu báo cáo của HNX và HOSE, số

lượng các doanh nghiệp niêm yết bổ sung gia tăng trong giai đoạn này. Điều này

làm giá trị vốn hóa thị trường doanh nghiệp tăng do số lượng cổ phiếu niêm yết

tăng. Viễn cảnh này cũng diễn ra đối với các doanh nghiệp bị kiệt quệ tài chính.

Như vậy có thể thấy rằng, do đặc thù nền kinh tế Việt Nam trong giai đoạn này nên

đã tác động đến biến số MCTD không theo như kỳ vọng dấu của lý thuyết.

Mô hình 4 (chỉ bao gồm các yếu tố thị trường): chỉ có 2 biến số có ý nghĩa thống kê

và đúng kỳ vọng dấu với dự báo từ lý thuyết là PRICE và ABNRET. Rõ ràng khi

chỉ dựa vào các yếu tố thị trường vẫn có thể dự báo khả năng doanh nghiệp rơi vào

kiệt quệ tài chính. Điều này đã cũng cố thêm quan điểm sử dụng các yếu tố thị để

dự báo kiệt quệ tài chính.

Mô hình 5 (kết hợp các yếu tố thị trường và vĩ mô): kết quả cho thấy khi các biến

thị trường kết hợp với biến số vĩ mô, ngoài 2 biến PRICE và ABNRET có ý nghĩa

thống kê và kỳ vọng dấu như mô hình 5, thì chỉ có thêm một biến số vĩ mô là lãi

suất tín phiếu thực kỳ hạn 1 năm (TBR) có ý nghĩa thống kê và đúng kỳ vọng dấu từ

lý thuyết.

4.2.2 Hiệu chỉnh mô hình

Dựa trên các phân tích kết quả hồi quy tại tiểu mục 4.2.1, nghiên cứu tiến hành hiệu

chỉnh toàn bộ các mô hình bằng cách loại bỏ các biến không có ý nghĩa thống kê ra

khỏi mô hình, qua đó làm mô hình đơn giản hơn và các kết quả đo lường hiệu ứng

biên sẽ chính xác hơn. Kết quả của các mô hình hiệu chỉnh từ đây sẽ làm căn cứ để

đánh giá, lựa chọn mô hình và đo lường hiệu ứng biên. Các mô hình hiệu chỉnh cụ

thể như sau:

 Mô hình 1 hiệu chỉnh - MDA 1

 Mô hình 2 hiệu chỉnh – MDA 2

 Mô hình 3 hiệu chỉnh – MDA 3

 Mô hình 4 hiệu chỉnh – MDA 4

 Mô hình 5 hiệu chỉnh – MDA 5

Nghiên cứu tiến hành hồi quy lại các mô hình đã được hiệu chỉnh, kết quả được thể

hiện trong bảng 4.5. Kết quả hồi quy của các mô hình hiệu chỉnh cho thấy, các biến

có ý nghĩa thống kê của các mô hình trước khi hiệu chỉnh vẫn có ý nghĩa thống kê và giữ đúng kỳ vọng dấu sau khi hiệu chỉnh. Đồng thời các kết quả kiểm định5 về sự khác nhau giữa các giá trị AUC6 của các mô hình không hiệu chỉnh và hiệu chỉnh,

cho thấy không có sự khác nhau giữa chúng (P-value > 0.05, chấp nhận giả thiết H0:

giá trị AUC của mô hình hiệu chỉnh bằng mô hình không hiệu chỉnh). Kết quả kiểm

5 Kiểm định phi tham số Mann – Whitney

6 AUC được xem là một thước đo trực tiếp về độ chính xác về dự báo của mô hình

định này xem tại phụ lục B.

Bảng 4.5: Kết quả hồi quy Logit của các mô hình hiệu chỉnh

MDA 4

MDA 5

Variable TFOTL

MDA 1 -1.9369*** (-3.54)

MDA 2 -1.9605*** (-3.48)

MDA 3 -1.7857*** (-3.09)

TLTA

5.4348*** (5.43)

5.3304*** (5.31)

11.4060*** (5.16)

COVERAGE

-2.1283*** (-13.58)

-2.0224*** (-12.67)

-1.3944*** (-7.57)

CPI

0.0222** (-2.66)

0.0215* (1.94)

TBR

0.1450*** (3.42)

PRICE

-3.8831*** (-6.54)

-3.9796*** (-9.33)

-4.3090*** (-9.91)

ABNRET

-2.9941*** (-4.66)

-2.4867*** (-4.53)

-2.9301*** (-5.20)

MCTD

4.9320*** (4.69)

Constant

-4.1816*** (-7.41)

-6.9081** (-5.82)

11.9342*** (7.33)

13.2666 (8.00)

0.2843

0.2929

0.4113

0.2514

0.2654

Pseudo-R2

0.0000

Prob > chi2 (k)

1987

Số quan sát

Ghi chú: đây là bảng ước lượng các mô hình điều chỉnh, các mô hình điều chỉnh cũng được ước lượng với độ trễ một năm, trước năm mà sự kiện kiệt quệ tài chính xảy ra. Giá trị trong giấu ngoặc đơn là giá trị thống kê Z. ***,**,* tương ứng với các mức ý nghĩa 1%, 5% và 10%. Pseudo-R2: hệ số xác định Pseudo-R2 (hay còn gọi là McFadden’s R2). MDA1, MDA2, MDA3, MDA4, MDA5 là các mô hình hiệu chỉnh tương ứng từ các mô hình 1, mô hình 2, mô hình 3, mô hình 4, mô hình 5. TFOTL: Dòng tiền hoạt động kinh doanh trên Tổng nợ, TLTA: Tổng nợ trên Tổng tài sản, NOCREDINT: Biến thanh khoản, COVERAGE: Khả năng thanh toán lãi vay, CPI: Chỉ số giá tiêu dùng, TBR: Lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm, GDPR: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực, PRICE: Giá cổ phiếu, ABNRET: Tỷ suất sinh lợi vượt trội của cổ phiếu, SIZE: Quy mô doanh nghiệp, MCTD: Giá trị vốn hóa thị trường của doanh nghiệp trên Tổng nợ.

Nguồn: Tổng hợp của tác giả từ kết quả ước lượng mô hình hồi quy Logit ( phần mềm Stata 12)

4.2.3 Kết quả đo lường hiệu ứng biên

Các thông số ước lượng từ các mô hình nhị phân, không giống như những ước

lượng của mô hình tuyến tính, không thể trực tiếp giải thích được vì chúng không

cung cấp thông tin hữu ích mô tả đầy đủ mối quan hệ giữa các biến độc lập và

biến phụ thuộc nhị phân (Long & Freese, 2003). Trong các nghiên cứu về phá sản

và vỡ nợ trước đây, những mô hình dự báo kiệt quệ tài chính được xây dựng bằng

cách sử dụng mô hình nhị phân, luôn chỉ tập trung vào khả năng phân loại tổng

thể hoặc độ chính xác dự báo của các mô hình và rất hiếm khi họ cung cấp một sự

giải thích về mối quan hệ giữa các biến độc lập và biến phụ thuộc (Tinoco và

Wilson, 2013) . Nếu mô hình dự báo kiệt quệ tài chính, phá sản là nhị phân thì

những tác động của biến độc lập không thể giải thích một cách trực tiếp lên sự thay

đổi của biến phụ thuộc trong mô hình vì phương trình hồi quy của chúng là phi

tuyến, mà thay vào đó phải tính toán các giá trị hiệu ứng biên. Vì vậy để giải thích

những tác động của biến độc lập lên biến phụ thuộc cho các mô hình có biến phụ

thuộc bị giới hạn, trong nghiên cứu này là mô hình nhị phân Logit, nghiên cứu tiến

hành đo lường hiệu ứng biên của các nhân tố dự báo. Hiệu ứng biên của 1 biến được

đo lường bằng cách lấy đạo hàm riêng của hàm phi tuyến theo biến đó nhân với hệ

số ước lượng của biến đó (biến số đó phải có ý nghĩa thống kê tại mức 1%, 5% hoặc

10%).

Dựa trên kết quả của bảng 4.6 đo lường hiệu ứng biên, có thể giải thích ý nghĩa của

các giá trị như sau:

Trong mô hình 1 hiệu chỉnh, khi biến TFOTL (dòng tiền hoạt động trên tổng nợ)

giảm 1 đơn vị sẽ dẫn đến sự gia tăng trong xác suất kiệt quệ tài chính của doanh

nghiệp là 4.7878%, với điều kiện các biến độc lập khác không đổi tại mức giá trị

trung bình. Biến COVERAGE và ABNRET cũng có cách giải thích tương tự như

biến TFOTL. Đối với biến TLTA trong mô hình 1 hiệu chỉnh: khi tỷ lệ tổng nợ trên

tổng tài sản tăng 1 đơn vị sẽ dẫn đến sự gia tăng trong xác suất kiệt quệ tài chính

của doanh nghiệp là 13.434%, với điều kiện các biến độc lập khác không đổi tại

mức giá trị trung bình. Biến MCTD cũng có cách giải thích tương tự như TLTA.

Đối với biến CPI trong mô hình 2 hiệu chỉnh giải thích như sau: khi chỉ số CPI (chỉ

số giá tiêu dùng) tăng lên 1% sẽ dẫn đến sự gia tăng trong xác suất kiệt quệ tài

chính là 0.0521%, với điều kiện các biến độc lập khác không đổi tại mức giá trị

trung bình. Biến TBR trong mô hình 5 hiệu chỉnh cũng có cách giải thích tương tự

như biến CPI.

Variable

Bảng 4.6: Kết quả đo lường hiệu ứng biên

MDA 1

MDA 2

MDA 3

MDA 4

MDA 5

TFOTL

-4.78785

-4.60147

-1.80019

TLTA

13.43406

12.51054

11.49807

COVERAGE

-5.26109

-4.74674

-1.40574

CPI

0.05217

0.02174

TBR

0.20862

PRICE

-3.91452

-6.32372

-6.19734

ABNRET

-3.01828

-3.95148

-4.21417

MCTD

4.96997

Ghi chú: MDA1, MDA2, MDA3, MDA4, MDA5 là các mô hình hiệu chỉnh tương ứng từ các mô hình 1, mô hình 2, mô hình 3, mô hình 4, mô hình 5. Các giá trị được tính bằng đơn vị %. Nguồn: Tổng hợp của tác giả từ kết quả đo lường hiệu ứng biên ( phần mềm Stata 12)

Đối với biến PRICE trong mô hình 3 hiệu chỉnh giải thích như sau: khi giá cổ phiếu

giảm 1% sẽ dẫn đến sự gia tăng trong xác suất kiệt quệ tài chính là 3.9145%, với

điều kiện các biến độc lập khác không đổi tại mức giá trị trung bình.

Trong mô hình 3 hiệu chỉnh (MDA 3) có thể thấy rằng ảnh hưởng của biến TLTA là

lớn nhất đối với xác suất rơi vào kiệt quệ tài chính, lần lượt kế đến là các biến

MCTD, PRICE, ABNRET, TFOTL. Và biến có ảnh hưởng yếu nhất đến xác suất

rơi vào kiệt quệ tài chính đó là biến CPI (chỉ số giá tiêu dùng), chỉ có 0.0521%.

Nhìn nhận một cách tổng quan, tất cả các yếu tố đều có biến đại diện cho khả năng

dự báo kiệt quệ tài chính. Nhưng trong đó, yếu tố vĩ mô ít có sự đóng góp vào việc

giải thích khả năng lâm vào kiệt quệ tài chính của doanh nghiệp. Ngược lại, các yếu

tố tài chính cơ bản của doanh nghiệp và các yếu tố thị trường có mức độ giải thích

cao.

Trả lời cho phần thứ nhất và phần thứ hai của câu hỏi nghiên cứu số hai: Các

nhóm yếu tố tài chính, thị trường và vĩ mô có thể được dùng làm dự báo kiệt quệ

tài chính của doanh nghiệp trên cơ sở tiếp cận từ mô hình hồi quy Logit hay

không ? Cụ thể:

 Phân tích riêng lẻ nhóm yếu tố tài chính, thị trường

 Phân tích kết hợp các nhóm yếu tố tài chính, thị trường và vĩ mô

Như vậy, thông qua các kết quả hồi quy Logit của các mô hình hiệu chỉnh (bảng

4.5) và kết quả đo lường hiệu ứng biên (bảng 4.6), nghiên cứu tìm thấy các yếu tố

về tài chính và các yếu tố thị trường đều ảnh hưởng đến khả năng dự báo kiệt quệ

tài chính của doanh nghiệp. Riêng đối với các yếu tố vĩ mô cũng có sự đóng góp

vào khả năng dự báo kiệt quệ tài chính khi chúng được xem xét trong các mô hình

kết hợp hiệu chỉnh. Đồng thời, việc kết hợp các nhóm yếu tố tài chính, thị trường và

vĩ mô (thể hiện trong mô hình MDA 2, MDA 3, và MDA 5) cũng cho thấy khả năng

dự báo của chúng.

Cụ thể các kết quả như sau:

 Đối với yếu tố tài chính (Thể hiện qua mô hình MDA 1), có các biến số:

Dòng tiền hoạt động kinh doanh trên Tổng nợ, Tổng nợ trên Tổng tài sản

(hay đòn bẩy tài chính), Khả năng thanh toán lãi vay;

 Đối với yếu tố thị trường (Thể hiện qua mô hình MDA 4), có các biến số:

Giá cổ phiếu, Tỷ suất sinh lợi vượt trội của cổ phiếu;

 Nghiên cứu cũng tìm thấy khả năng đóng góp vào dự báo kiệt quệ tài chính

của yếu tố vĩ mô khi được hồi quy trong các mô hình hiệu chỉnh kết hợp

(MDA 2, MDA 3 và MDA 5). Biến chỉ số giá tiêu dùng - đại diện cho thước

đo lạm phát có ý nghĩa trong mô hình MDA 2 và MDA 3. Biến lãi suất thực

tín phiếu kho bạc kỳ hạn 1 năm có ý nghĩa trong mô hình MDA 5;

 Kết hợp các yếu tố tài chính và vĩ mô (Thể hiện qua mô hình MDA 2), có

các biến số: Dòng tiền hoạt động kinh doanh trên Tổng nợ, Tổng nợ trên

Tổng tài sản (hay đòn bẩy tài chính), Khả năng thanh toán lãi vay, Chỉ số giá

tiêu dùng;

 Kết hợp các yếu tố tài chính, thị trường và vĩ mô (Thể hiện qua mô hình

MDA 3), có các biến số: Dòng tiền hoạt động kinh doanh trên Tổng nợ,

Tổng nợ trên Tổng tài sản (hay đòn bẩy tài chính), Khả năng thanh toán lãi

vay, Giá cổ phiếu, Tỷ suất sinh lợi vượt trội của cổ phiếu, Giá trị vốn hóa thị

trường của doanh nghiệp trên tổng nợ, Chỉ số giá tiêu dùng;

 Kết hợp các yếu tố tài chính và vĩ mô (Thể hiện qua mô hình MDA 5), có

các biến số: Giá cổ phiếu, Tỷ suất sinh lợi vượt trội của cổ phiếu, Lãi suất

thực tín phiếu kho bạc kỳ hạn 1 năm.

4.3 Kết quả lựa chọn mô hình dự báo kiệt quệ tài chính

Phần thứ ba của câu hỏi nghiên cứu số hai: Các nhóm yếu tố tài chính, thị

trường và vĩ mô có thể được dùng làm dự báo kiệt quệ tài chính của doanh

nghiệp trên cơ sở tiếp cận từ mô hình hồi quy Logit hay không ? Cụ thể:

 Lựa chọn mô hình dự báo kiệt quệ tài chính hiệu quả nhất

Để trả lời cho vấn đề thứ ba trong câu hỏi nghiên cứu số hai trên, trong phần này

nghiên cứu sẽ sử dụng các thước đo nhằm đo lường khả năng dự báo kiệt quệ tài

chính của các mô hình hiệu chỉnh. Qua đó, lựa chọn được mô hình có khả năng dự

báo kiệt quệ tài chính hiệu quả nhất.

Bảng 4.7: Kết quả đo lường hiệu quả của các mô hình hiệu chỉnh

Thước Đo AUC

MDA 1 0.8564

MDA 2 0.8698

MDA 3 0.9241

MDA 4 0.8728

MDA 5 0.8775

Gini rank coefficient

0.7128

0.7396

0.8482

0.7456

0.755

0.2929

0.2843

0.4113

0.2514

0.2654

Pseudo-R2

Cox & Snell’s R2

0.124

0.120

0.168

0.106

0.112

Nagelkerke’s R2

0.341

0.331

0.466

0.295

0.310

4.47

9.34

5.97

7.35

7.61

Hosmer & Lemeshow goodness-of-fit chi2 (8) test Prob > chi2 (8)

0.3146

0.8120

0.6508

0.4993

0.4727

Ghi chú: MDA1, MDA2, MDA3, MDA4, MDA5 là các mô hình hiệu chỉnh tương ứng từ các mô hình 1, mô hình 2, mô hình 3, mô hình 4, mô hình 5. AUC: là vùng diện tích nằm dưới đường cong ROC (Area Under the ROC Curve), hay nói cách khác AUC là diện tích vùng từ dưới đường ROC cho đến điểm có tọa độ (1,0) ở góc phải của đồ thị. Gini rank coefficient: là hệ số Gini, được tính theo công thức (2*AUC-1), là một thước đo độ chính xác của mô hình Cox & Snell’s R2 và Nagelkerke’s R2 : hệ số xác định Cox & Snell và Nagelkerke, đây là các thước đo mức độ ý nghĩa của các mô hình hay đo lường khả năng giải thích của các biến độc lập Hosmer & Lemeshow goodness-of-fit test: thước đo kiểm định sự phù hợp của mô hình với dữ liệu mẫu chi2 (8): là giá trị tính toán dựa trên phân phối chi bình phương của kiểm định Hosmer & Lemeshow, với bậc tự do là 8,

Nguồn: Tổng hợp của tác giả từ kết quả đo lường hiệu quả của các mô hình hiệu chỉnh (phần mềm Stata 12)

4.3.1 Kết quả đo lường khả năng dự báo của các mô hình hiệu chỉnh

Các thước đo hiệu quả mô hình và kiểm định đã được giải thích rõ trong tiểu mục

3.3, chương 3. Các giá trị của kiểm định Hosmer & Lemeshow đều cho thấy cả 5

mô hình đều phù hợp với dữ liệu mẫu. Nhưng khi xem x t đến các hệ số xác định R2 của các mô hình thì có sự khác biệt đáng kể giữa mô hình 3 hiệu chỉnh và các mô hình hiệu chỉnh còn lại. Hệ số xác định Pseudo-R2 , hệ số xác định Cox & Snell’s R2 và Nagelkerke’s R2 trong bảng 4.7 cho thấy rằng mô hình 3 hiệu chỉnh (MDA 3) đều có các giá trị R2 cao nhất so với các mô hình còn lại. Các giá trị Pseudo-R2 , Cox & Snell’s R2 và Nagelkerke’s R2 trong mô hình 1 hiệu chỉnh tương ứng là 0.2843,

0.120 và 0.331 và sau đó tăng dần đến mô hình 2 hiệu chỉnh và đạt cao nhất tại mô hình 3 hiệu chỉnh (các giá trị Pseudo-R2 , Cox & Snell’s R2 và Nagelkerke’s R2

trong mô hình 3 hiệu chỉnh tương ứng là 0.4113, 0.168 và 0.466). Điều này đã cho

thấy rằng, khi bổ sung thêm các yếu tố vĩ mô và thị trường vào mô hình sẽ làm gia

tăng mức độ giải thích của các biến độc lập lên xác suất kiệt quệ tài chính và đạt

mức cao nhất so với các mô hình không có sự kết hợp hoặc chỉ có sự kết hợp 2

trong 3 yếu tố.

Mô hình 1 hiệu chỉnh chỉ bao gồm các biến số tài chính, có mức độ dự báo chính

xác được đo lường bởi tiêu chuẩn AUC là 0.8564. Việc thêm vào các biến số vĩ mô

ở mô hình 2 hiệu chỉnh đã làm gia tăng giá trị AUC lên 0.8698, nhưng rõ ràng là

mức gia tăng không đáng kể. Điều này hàm ý rằng các biến số chỉ báo kinh tế vĩ mô

ít có đóng góp vào việc cải thiện mức độ chính xác của mô hình tại Việt Nam.

Nhưng khi tiếp tục thêm các biến số thị trường vào trong mô hình 3 hiệu chỉnh thì

giá trị AUC có sự gia tăng đột biến (AUC = 0.9241, MDA 3) và cũng là giá trị AUC

cao nhất trong số các mô hình hiệu chỉnh. Kết quả này cho thấy các biến số thị

trường có đóng góp đáng kể vào khả năng dự báo kiệt quệ tài chính. Các biến số thị

trường chứa đựng một lượng lớn thông tin mà không có sẵn trong các báo cáo tài

chính nhưng lại đóng vai trò như một yếu tố bổ sung cho các thông tin được cung

cấp thông qua các tỷ số tài chính. Thông tin từ thị trường bổ sung thêm các đánh giá

về tình trạng “sức khỏe” của doanh nghiệp, làm cho các nhận định về kiệt quệ tài

chính trở nên chính xác hơn. Tóm lại, việc kết hợp các yếu tố tài chính, vĩ mô và thị

trường vào trong một mô hình sẽ làm mức độ dự báo kiệt quệ tài chính của doanh

nghiệp đạt kết quả cao nhất (hay gia tăng tính chính xác trong dự báo).

4.3.2 Kết quả kiểm định các giá trị AUC

Về mặt trực quan, có thể thấy rằng các giá trị AUC là khác nhau giữa các mô hình

hiệu chỉnh. Nhưng để có một kết luận vững hơn, nghiên cứu tiến hành kiểm định

phi tham số Mann – Whitney nhằm xem xét các giá trị AUC của các mô hình hiệu

chỉnh có sự khác nhau về mặt thống kê hay không. Cụ thể, nghiên cứu tiến hành

kiểm định sự khác nhau giữu các giá trị AUC lần lượt theo các cặp mô hình hiệu

chỉnh sau: MDA 1 và MDA 3 ; MDA 2 và MDA 3; MDA 4 và MDA 3; MDA 5 và

MDA 3; MDA 1, MDA 2, MDA 4, MDA 5 và MDA 3. Thông qua đó, chứng minh

rằng giá trị AUC của mô hình 3 hiệu chỉnh (MDA 3) là khác biệt có ý nghĩa thống

kê so với các mô hình hiệu chỉnh còn lại. Từ đó cũng cố thêm cho kết luận giá trị

AUC của mô hình 3 hiệu chỉnh là lớn nhất (có ý nghĩa thống kê) so với các mô hình

còn lại, và cho thấy việc kết hợp các yếu tố tài chính, vĩ mô và thị trường vào trong

một mô hình sẽ làm khả năng dự báo dự báo kiệt quệ tài chính của doanh nghiệp đạt

cao nhất.

Khi đường cong ROC trùng với đường 450 hay nói cách khác là giá trị AUC = 0.5

thì khả năng phân loại của mô hình bằng 0 hay mô hình hoàn toàn không có khả

năng dự báo. Ngược lại, nếu giá trị AUC = 1 cho thấy mô hình có khả năng phân

loại hoàn hảo, hay khả năng dự báo của mô hình là hoàn toàn chính xác. Do đó, mô

hình có giá trị AUC càng gần 1, thì khả năng dự báo càng chính xác.

 MDA 1 và MDA 3

Bảng 4.8: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 1 và MDA 3

MDA 1

MDA 3

AUC

0.8564

0.9241

Số quan sát

1986

Chi2 (1) = 22.10 Prob > Chi2 (1) = 0.0000

Ghi chú: kiểm định phi tham số Mann-Whitney về sự khác nhau giữa các giá trị AUC của mô hình 1 hiệu chỉnh và mô hình 3 hiệu chỉnh. Giả thuyết H0: AUC(MDA 1) = AUC(MDA 3) Nguồn: Tổng hợp của tác giả từ kết quả kiểm định phi tham số Mann-Whitney (phần mềm Stata 12)

Nguồn: Kết quả vẽ đồ thị đường cong ROC (phần mềm Stata 12)

Hình 4.1: Đường cong ROC của MDA 1 và MDA 3

Kết quả trong bảng 4.8 cho thấy, giá trị P-value = 0.0000 < 0.01 có đủ cơ sở để bác

bỏ giả thuyết H0 tại mức ý nghĩa 1%, hay nói cách khác giá trị AUC của mô hình 3

hiệu chỉnh khác biệt có ý nghĩa thống kê với mô hình 1 hiệu chỉnh.

 MDA 2 và MDA 3

Bảng 4.9: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 2 và

MDA 3

MDA 2

MDA 3

AUC

0.8698

0.9241

Số quan sát

1986

Chi2 (1) = 18.44 Prob > Chi2 (1) = 0.0000

Ghi chú: kiểm định phi tham số Mann-Whitney về sự khác nhau giữa các giá trị AUC của mô hình 2 hiệu chỉnh và mô hình 3 hiệu chỉnh. Giả thuyết H0: AUC(MDA 2) = AUC(MDA 3) Nguồn: Tổng hợp của tác giả từ kết quả kiểm định phi tham số Mann-Whitney (phần mềm Stata 12)

Nguồn: Kết quả vẽ đồ thị đường cong ROC (phần mềm Stata 12)

Hình 4.2: Đường cong ROC của MDA 1 và MDA 3

Kết quả trong bảng 4.9 cho thấy, giá trị P-value = 0.0000 < 0.01 có đủ cơ sở để bác

bỏ giả thuyết H0 tại mức ý nghĩa 1%, hay nói cách khác giá trị AUC của mô hình 3

hiệu chỉnh khác biệt có ý nghĩa thống kê với mô hình 2 hiệu chỉnh.

 MDA 4 và MDA 3

Bảng 4.10: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 4 và

MDA 3

MDA 4

MDA 3

AUC

0.8728

0.9241

Số quan sát

1986

Chi2 (1) = 25.52 Prob > Chi2 (1) = 0.0000

Ghi chú: kiểm định phi tham số Mann-Whitney về sự khác nhau giữa các giá trị AUC của mô hình 4 hiệu chỉnh và mô hình 3 hiệu chỉnh. Giả thuyết H0: AUC(MDA 4) = AUC(MDA 3)

Nguồn: Tổng hợp của tác giả từ kết quả kiểm định phi tham số Mann-Whitney (phần mềm Stata 12)

Nguồn: Kết quả vẽ đồ thị đường cong ROC (phần mềm Stata 12)

Hình 4.3: Đường cong ROC của MDA 4 và MDA 3

Kết quả trong bảng 4.10 cho thấy, giá trị P-value = 0.0000 < 0.01 có đủ cơ sở để

bác bỏ giả thuyết H0 tại mức ý nghĩa 1%, hay nói cách khác giá trị AUC của mô

hình 3 hiệu chỉnh khác biệt có ý nghĩa thống kê với mô hình 4 hiệu chỉnh.

 MDA 5 và MDA 3

Bảng 4.11: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA5 và MDA3

MDA 5

MDA 3

AUC

0.8775

0.9241

Số quan sát

1986

Chi2 (1) = 22.01 Prob > Chi2 (1) = 0.0000

Ghi chú: kiểm định phi tham số Mann-Whitney về sự khác nhau giữa các giá trị AUC của mô hình 5 hiệu chỉnh và mô hình 3 hiệu chỉnh. Giả thuyết H0: AUC(MDA 5) = AUC(MDA 3)

Nguồn: Tổng hợp của tác giả từ kết quả kiểm định phi tham số Mann-Whitney (phần mềm Stata 12)

Nguồn: Kết quả vẽ đồ thị đường cong ROC (phần mềm Stata 12)

Hình 4.4: Đường cong ROC của MDA 5 và MDA 3

Kết quả trong bảng 4.11 cho thấy, giá trị P-value = 0.0000 < 0.01 có đủ cơ sở để

bác bỏ giả thuyết H0 tại mức ý nghĩa 1%, hay nói cách khác giá trị AUC của mô

hình 3 hiệu chỉnh khác biệt có ý nghĩa thống kê với mô hình 5 hiệu chỉnh.

 MDA 1, MDA 2, MDA 4, MDA 5 và MDA 3

Bảng 4.12: Kiểm định sự khác biệt giữa giá trị AUC của mô hình MDA 1, MDA 2,

MDA 4, MDA 5 và MDA 3

MDA 1

MDA 2

MDA 3

MDA 4

MDA 5

AUC

0.8564

0.8698

0.9241

0.8728

0.8775

Số quan sát

1986

Chi2 (1) = 78.05 Prob > Chi2 (1) = 0.0000

Ghi chú: kiểm định phi tham số Mann-Whitney về sự khác nhau giữa các giá trị AUC của toàn mô hình hiệu chỉnh. Giả thuyết H0: AUC(MDA 1) = AUC(MDA 2) = AUC(MDA 4) = AUC(MDA 5) = AUC(MDA 3)

Nguồn: Tổng hợp của tác giả từ kết quả kiểm định phi tham số Mann-Whitney (phần mềm Stata 12)

Hình 4.5: Đường cong ROC của MDA 1, MDA 2, MDA 4, MDA 5 và MDA 3 Nguồn: Kết quả vẽ đồ thị đường cong ROC (phần mềm Stata 12)

Kết quả trong bảng 4.12 cho thấy, giá trị P-value = 0.0000 < 0.01 có đủ cơ sở để

bác bỏ giả thuyết H0 tại mức ý nghĩa 1%, hay nói cách khác giá trị AUC của mô

hình 3 hiệu chỉnh khác biệt có ý nghĩa thống kê với mô hình 1, 2 , 4 và 5 hiệu

chỉnh.

Vậy qua các kết quả kiểm định trên cho thấy giá trị AUC của mô hình 3 hiệu chỉnh

đều khác biệt có ý nghĩa thống kê so với các mô hình hiệu chỉnh còn lại. Đồng thời,

qua đó khẳn định giá tri AUC của mô hình 3 hiệu chỉnh là lớn nhất (có ý nghĩa

thống kê)

4.3.3 Bảng phân loại độ chính xác

Bảng phân loại độ chính xác cũng là một thước đo về hiệu quả của mô hình, nhằm

lựa chọn mô hình tốt. Có nhiều nghiên cứu trước đây thường sử dụng thước đo này

để đánh giá hiệu của mô hình dự báo kiệt quệ tài chính, phá sản, như nghiên cứu

của Beaver (1966), Altman (1968), Ohlson (1980), Soo-Wah và cộng sự (2001),

Platt và Platt (2002), Cheng và cộng sự (2006), Altman và cộng sự (2010), Sheikhi

và cộng sự (2012), Tinoco và Wison (2013), Rodrigues và Stevenson (2013),

Alifiah (2014),…… Lưu ý quan trọng trong bảng phân loại độ chính xác là điểm

cut-off (mức xác suất) mà tại đó quan sát được phân loại là kiệt quệ hay không kiệt

quệ tài chính. Nếu mô hình tính toán ra mức xác suất kiệt quệ tài chính của một

quan sát lớn hơn hoặc bằng điểm “cut-off” thì quan sát được phân loại là kiệt quệ

tài chính và ngược lại là không kiệt quệ tài chính. Nhưng điểm “cut-off” bằng bao

nhiêu lại tùy thuộc vào quan điểm nghiên cứu khác nhau của các nhà nghiên cứu.

Theo nghiên cứu của Tinoco và Wilson (2013), điểm “cut-off” là điểm mà tại đó

chênh lệch giữa tỷ lệ phân loại đúng kiệt quệ tài chính và tỷ lệ phân loại đúng

không kiệt quệ tài chính là nhỏ nhất. Lợi thế của việc xác định điểm “cut-off” theo

quan điểm này là làm gia tăng tỷ lệ phân loại đúng kiệt quệ tài chính của mô hình

(Tinoco và Wilson, 2013). Nghiên cứu cũng sẽ dựa trên luận điểm này để phân loại

độ chính xác kiệt quệ tài chính của các mô hình.

Từ bảng phân loại 4.13 cho thấy rằng, mô hình MDA 1 và MDA 2 đều có điểm

“cut-off” là 0.05, nhưng tỷ lệ phân loại đúng kiệt quệ tài chính ở mô hình MDA 2 là

79.66 % cao hơn mô hình MDA 1 là 76.27% (tăng 3.39% ). Đồng thời tỷ lệ dự báo

tổng thể tăng từ 72.97 % đến 74.74% (tăng 1.77%). Có thể thấy rằng khi thêm biến

vĩ mô vào mô hình sẽ làm tăng tỷ lệ dự báo đúng kiệt quệ tài chính, nhưng biến số

này ít có đóng góp vào việc cải thiện tỷ lệ dự báo đúng kiệt quệ tài chính (tỷ lệ gia

tăng không đáng kể). Khi tiếp tục thêm các biến số thị trường vào mô hình, để cho

ra mô hình 3 hiệu chỉnh, thì tỷ lệ phân loại đúng tổng thể có sự gia tăng đột biến từ

74.74% đến 84.34%, tỷ lệ phân loại đúng kiệt quệ tài chính cũng gia tăng từ 79.66%

đến 83.76% và tỷ lệ phân loại đúng không kiệt quệ tài chính tăng từ 74.42% đến

84.38%. Các tỷ lệ này đều cao nhất so với các mô hình còn lại. Điều này cho thấy

các biến số thị trường có đóng góp đáng kể vào khả năng dự báo kiệt quệ tài chính.

Như vậy, kết quả này hàm ý rằng khi kết hợp các biến số tài chính, vĩ mô và thị

trường vào một mô hình dự báo sẽ cho ra khả năng dự báo chính xác kiệt quệ tài

chính cao nhất.

Trả lời phần thứ ba của câu hỏi nghiên cứu số hai: Các nhóm yếu tố tài chính,

thị trường và vĩ mô có thể được dùng làm dự báo kiệt quệ tài chính của doanh

nghiệp trên cơ sở tiếp cận từ mô hình hồi quy Logit hay không ? Cụ thể:

 Lựa chọn mô hình dự báo kiệt quệ tài chính hiệu quả nhất

Thông qua kết quả so sánh của các thước đo (AUC, hệ số Ghini, các giá trị của hế

số xác định, bảng phân loại độ chính xác) và các kiểm định (kiểm định Mann –

Whitney, kiểm định Hosmer & Lemeshow) được trình bày trong mục 4.3, đã chứng

mình rằng mô hình 3 hiệu chỉnh (MDA 3) hay mô hình có sự kết hợp đồng thời các

yếu tố tố tài chính, thị trường và vĩ mô là mô hình có khả năng dự báo kiệt quệ tài

chính hiệu quả nhất.

Bảng 4.13: Bảng phân loại độ chính xác

Sensitivity

Specificity

Số lượng quan sát phân loại đúng

Số lượng quan sát phân loại sai

Điểm Cut-off

Correct (%)

(%)

Kiệt quệ tài chính

96.61 92.37 83.05 76.27 70.34 67.80 63.56 59.32 57.63 96.61 55.75 87.29 79.66 73.73 68.64 62.71 61.02 56.78 94.87 92.31 88.03 86.32 83.76 83.76 81.20 80.34 76.92 98.29 96.58 91.45 87.18 82.91 79.49 75.21 71.79 69.23 98.29 95.73 92.31 86.32 82.91 78.63 76.92 70.94 68.38

44.54 55.36 65.37 72.97 80.52 84.95 89.48 91.60 92.50 46.80 92.37 67.74 74.74 80.37 84.45 86.97 89.93 91.80 65.66 72.91 77.54 81.87 84.34 86.81 88.12 89.53 90.13 58.16 65.26 69.74 73.26 76.49 78.80 80.31 81.57 82.93 57.60 65.36 69.94 73.31 76.64 78.90 80.82 82.28 83.79

41.25 53.02 64.26 72.77 81.17 86.04 91.12 93.63 94.70 43.66 57.93 66.51 74.42 80.79 85.45 88.50 91.76 94.01 63.83 71.70 76.89 81.59 84.38 87.00 88.55 90.10 90.96 55.64 63.30 68.38 72.39 76.08 78.76 80.63 82.18 83.79 55.06 63.46 68.54 72.50 76.24 78.92 81.06 82.99 84.75

114 109 98 90 83 80 75 70 68 114 109 103 94 87 81 74 72 67 111 108 103 101 98 98 95 94 90 115 113 107 102 97 93 88 84 81 115 112 108 101 97 92 90 83 80

Không kiệt quệ tài chính 1098 878 668 509 352 261 166 119 99 1053 827 626 478 359 272 215 154 112 676 529 432 344 292 243 214 185 169 829 686 591 516 447 397 362 333 303 840 683 588 514 444 394 354 318 285

Không kiệt quệ tài chính 771 991 1201 1360 1517 1608 1703 1750 1770 816 1042 1243 1391 1510 1597 1654 1715 1757 1193 1340 1437 1525 1577 1626 1655 1684 1700 1040 1183 1278 1353 1422 1472 1507 1536 1566 1029 1186 1281 1355 1425 1475 1515 1551 1584

4 9 20 28 35 38 43 48 50 4 9 15 24 31 37 44 46 51 6 9 14 16 19 19 22 23 27 2 4 10 15 20 24 29 33 36 2 5 9 16 20 25 27 34 37

MDA 1 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 MDA 2 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 MDA 3 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 MDA 4 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 MDA 5 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 Ghi chú: Correct (%): tỷ lệ phân loại đúng tổng thể, Sensitivity (%): tỷ lệ phân loại đúng kiệt quệ tài chính, Specificity (%): tỷ lệ phân loại đúng không kiệt quệ tài chính

Nguồn: Tổng hợp của tác giả từ kết quả phân loại độ chính xác (phần mềm Stata 12)

Kết luận chương 4

Thông qua các kết quả ước lượng của các mô hình hiệu chỉnh dựa trên phương pháp

hồi quy Logit, nghiên cứu đã cho thấy các yếu tố tài chính, thị trường và vĩ mô đều

có khả năng dự báo kiệt quệ tài chính của doanh nghiệp, khi nghiên cứu riêng lẻ

hoặc kết hợp. Đồng thời, nghiên cứu cũng đã chứng minh được khả năng dự báo

kiệt quệ tài chính hiệu quả nhất trong mô hình có sự kết hợp đồng thời các yếu tố tài

chính, thị trường và vĩ mô.

CHƯƠNG 5: KẾT LUẬN

Mục tiêu của bài nghiên cứu là dự báo khả năng doanh nghiệp rơi vào tình trạng

kiệt quệ tài chính thông qua sự kết hợp đồng thời các yếu tố tài chính, thị trường và

vĩ mô. Nghiên cứu thực hiện đối với các doanh nghiệp phi tài chính niếm yết trên

thị trường chứng khoán Việt Nam, giai đoạn 2009-2014.

Nghiên cứu đã đạt được những kết quả tích cực sau:

 Nghiên cứu đã dựa trên các nghiên cứu thực nghiệm thành công về dự báo

kiệt quệ tài chính trước đây nhằm lựa chọn các dấu hiệu dùng làm căn cứ xác

định doanh nghiệp rơi vào kiệt quệ tài chính một cách linh hoạt, phù hợp với

trường hợp nghiên cứu tại Việt Nam. Cụ thể hơn, bài nghiên cứu đã dựa trên

các qui định về hủy niêm yết và bị kiểm soát với nguyên nhân là thua lỗ

trong hoạt động sản xuất kinh doanh của HNX và HOSE, kết hợp với các

dấu hiệu tài chính như: khả năng đáp ứng nghĩa vụ tài chính (EBITDA nhỏ

hơn chi phí lãi vay) và sự suy giảm trong giá trị thị trường của doanh nghiệp.

 Kết quả hồi quy tại chương 4 cho thấy: các yếu tố tài chính, thị trường và vĩ

mô đều có khả năng ảnh hưởng đến xác suất kiệt quệ tài chính của doanh

nghiệp. Cụ thể là yếu tố khả năng thanh toán lãi vay, đòn bẩy tài chính, dòng

tiền hoạt động trên tổng nợ, giá trị thị trường của doanh nghiệp, tỷ suất sinh

lợi vượt trội và giá trị vốn hóa thị trường của doanh nghiệp trên tổng nợ, chỉ

số giá tiêu dùng, lãi suất thực tín phiếu kho bạc kỳ hạn 1 năm.

 Cũng trong kết quả phân tích tại chương 4, nghiên cứu đã minh chứng được

rằng: việc kết hợp các yếu tố tài chính, thị trường và vĩ mô trong một mô

hình nghiên cứu có khả năng dự báo xác suất kiệt quệ tài chính của doanh

nghiệp trước 1 năm xảy ra sự kiện kiệt quệ tài chính là hiệu quả nhất. Trong

đó các yếu tố tài chính và thị trường đóng vai trò chủ đạo trong khả năng dự

báo so với yếu tố vĩ mô. Điều này được thể hiện cụ thể qua kết quả của mô

hình 3 hiệu chỉnh (MDA 3) so với các mô hình hiệu chỉnh còn lại.

Mặc dù đã đạt mục tiêu nghiên cứu đề ra, nhưng nghiên cứu vẫn còn tồn tại những

hạn chế nhất định. Nghiên cứu chỉ thực hiện trên HNX và HOSE. Kết quả nghiên

cứu có thể vững chắc hơn, bao quát hơn nếu như bổ sung thêm các doanh nghiệp

niêm yết trên sàn UPCOM. Thời gian dự báo trong nghiên cứu chỉ dừng lại trước 1

năm sự kiện kiệt quệ tài chính xảy ra. Việc nghiên cứu về dự báo kiệt quệ tài chính

có thể thực hiện trước 2 năm, 3 năm nhằm làm các chỉ báo thêm vững chắc hơn. Vì

là mô hình đơn giản, dễ thực hiện, nên nghiên cứu chỉ ứng dụng mô hình hồi quy

Logit để dự báo kiệt quệ tài chính. Việc dự báo kiệt quệ tài chính có thể được thực

hiện bằng các mô hình khác như: mô hình mạng thần kinh nhân tạo (ANN), mô

hình thuật toán vector hỗ trợ (Support Vector Machine - SVM), mô hình cây phân

lớp (C5.0), mô hình động (dynamic model), v.v. Nghiên cứu cũng chưa xem x t đến

các nhân tố về quản trị, con người trong doanh nghiệp. Các nhân tố này cũng có khả

năng ảnh hưởng trực tiếp đến xác suất kiệt quệ tài chính của doanh nghiệp. Nghiên

cứu của Xavier (2014) đã có những bằng chứng về sự ảnh hưởng của những nhân tố

này đến xác suất kiệt quệ tài chính. Tóm lại, những hạn chế trong đề tài nghiên cứu

có thể là một hướng mở cho các nghiên cứu tiếp theo về dự báo kiệt quệ tài chính

của doanh nghiệp.

TÀI LIỆU THAM KHẢO

Danh mục tài liệu tiếng Việt

Nguyễn Thị Ngọc Trang và cộng sự, 2008. Phân tích tài chính. Hồ Chí Minh: Nhà xuất bản lao động – xã hội.

Trần Ngọc Thơ và cộng sự, 2007. Tài chính doanh nghiệp hiện đại. Hồ Chí Minh: Nhà xuất bản thống kê.

Danh mục tài liệu tiếng Anh

Agarwal, V. & Taffler, R., 2005. Twenty-five years of z-scores in the UK: do they really work?. Cranfield school of management.

Alfaro, E. et al., 2008. Bankcruptcy forecasting: An empirical comparison of adaboost and neural networks. Decision Support Systems, 45, 110-122.

in Malaysia using macroeconomic variables.

Alifiah, M. N., 2014. Prediction of financial distress companies in the trading and International services sector Conference on Innovation, Management and Technology Research, Malaysia, 22 nd September 2013.

Alizade, M. & Muhammad, J., 2013. Non-performing loans sensitivity to macro variables: panel evidence from malaysian commercial banks. American Journal of Economics, 3(5c), 16-21.

Altman E. I. & Sabato, G., 2007. Modelling credit risk for SMEs: evidence from the U.S. market. Abacus, 43(3), 332-357.

Altman, E. I., 2000. Predicting financial distress of companies: revisiting the Z- score and ZETA models. New York University Salomon Center Working paper series.

Altman, Edward I., 1968. Financial ratios, discriminant analysis and the prediction of coporated bankcruptcy. The Journal of Finance, 23(4), 589-609.

Andrade, G. & Kaplan, Steven N., 1997. How costly is financial (not economic) distress ? evidence from highly leveraged transactions that became distressed. Lynde and Harry Bradley Foundation and Olin Foundation.

Asquith, P. et al., 1994. Anatomy of financial distress an examination of junk-bond issuers. The Quarterly Journal of Economics,7, 625-658.

Atlman, E. I., 2006. Corporate financial distress and bankruptcy. 3 rd . New Jersey: John Wiley & Sons, Inc.

Atlman, Edward I. et al., 2010. The value of non-financial information in small and medium-sized enterprise risk management. The Journal of Credit Risk, 6(2), 1-33.

Atlman, Edward I. et al., 1977. ZETA ANALYSIS – A new model to indentify bankcruptcy risk of corporations. Journal of Banking and Finance, 1, 29-54.

Barnes, P., 1987. The analysis and use of financial of ratios: a review article. Journal of Business Finance & Accounting, [online] Available at:< http://www.readcube.com/articles/10.1111%2Fj.1468- 5957.1987.tb00106.x?r3_referer=wol&tracking_action=preview_click&show_chec kout=1&purchase_referrer=onlinelibrary.wiley.com&purchase_site_license=LICE NSE_DENIED> [Accessed 18 April 2015].

at:<

Barnes, P., 1990. The prediction of takeover targets in the UK by means of multiple discriminant analysis. Journal of Business Financce & Accounting, [online] Available http://www.readcube.com/articles/10.1111%2Fj.1468- 5957.1990.tb00550.x?r3_referer=wol&tracking_action=preview_click&show_chec kout=1&purchase_referrer=onlinelibrary.wiley.com&purchase_site_license=LICE NSE_DENIED> [Accessed 18 April 2015].

Beaver, W. H. et al., 2005. Have financial statements becom less informative ? Evidence from the ability of financial ratios to predict bankruptcy. Review of Accountin Studies, 10, 93-122.

Beaver, W. H.,1966. Financial ratios as predictors of failure. Journal of Accounting Research, 71-111.

Bhattacharjee, A. & Han, J., 2014. Financial distress of chinese firms: microeconomic – macroeconomic and institutional inflences. China Economic Review, 30(2014), 244-262.

Bismark, R. & Pasaribu, F., 2011. Capital structure and corporate failure prediction. Journal of Economics and Business, 5(3), 209-220.

Black, F. & Scholes, M., 1973. The pricing of options and corporate liabilities. The Journal of Political Economy, 81(3), 637-654.

Bunn, P. & Rewood, V., 2003. Company accounts based modeling of business failures and the implications for financial stability. Working paper 210.

Campbel, J. Y. et al., 2005. In search of distress risk. Havard Institute of Economic Research. [online] Available at:.

Campbell, J. Y. et al., 2008. In search of distress risk. The Journal of Finance, 63(6), 2899-2939.

Cho, S. et al., 2009. An integrative model with subject weight based on neural network learning for bankcruptcy prediction. Expert Systems with Applications, 36(2009), 403-410.

Christdis, A. C. & Gregory, A., 2010. Some new models for financial distress prediction in the UK. Center for Finance & Investment.

Delong, E. R. et al., 1988. Comparing the area under two or more correlated receiver operating characteristic curves: A nonparametrics approach, [online] at:< Available http://www.jstor.org/discover/10.2307/2531595?uid=2134&uid=3739320&uid=381 525571&uid=2129&uid=2&uid=70&uid=3&uid=381525561&uid=60&purchase - type=article&accessType=none&sid=21104944146823&showMyJstorPss=false&se q=1&showAccess=false> [Accessed 18 April 2015].

Godfrey, M. D., 2009. The TANH transformation. Information System Laboratory, Stanford University.

Hosmer, D. W. et al., 2013. Applied logistic regression. 3rd. New Jersey: John Wiley & Sons, Inc.

Hua, Z. et al., 2007. Predicting corporate financial distress based on intergration of support vector merchine and logistic regression. Expert Systems with Applications, 33(2207), 434-440.

Lahiri, K. & Yang, L., 2012. Forecasting binary outcomes. Handbook of Economic Forecasting, 2.

Research, Available [online]

Lau, A. H., 1987. A five-state financial distress prediction model. Journal of Accounting at:< http://www.jstor.org/discover/10.2307/2491262?uid=2134&uid=3739320&uid=381 525571&uid=2&uid=70&uid=3&uid=381525561&uid=60&sid=21106656883393> [Accessed 18 April 2015].

Mansson, K. et al., 2012. On liu estimators for the Logit regression model. Economic Modelling, 29(2012), 1483-1488.

Mare, D. S., 2012. Contribution of macroeconomic factors to the prediction of small bank failures. Paper presented at 4 th International IFABS Conference, Valencia, Spain.

Merton, R. C., 1973. On the pricing of coporate debt: the risk structure of interest rates. Presented at the American Finance Association Meetings, New York.

Nagelkerke, N. J. D., 1991. A note on a general definition of the coefficient of determination. Biometrika, 78(3), 691-692.

Nam, C. W. et al., 2008. Bankcruptcy prediction using a discrete-time duration model incorporating temporal and macroeconomic dependencies. Journal of Forcasting, 27, 493-506.

Ohlson, J.,1980. Finacial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109-131.

Olson, D. L. et al., 2012. Comparative analysis of data mining methods for bankcruptcy prediction. Decision support systems, 52(2012), 464-473.

Opler, T. C. & Titman, S., 1994. Financial Distress and Corporate Performance . The Journal of Finance, [online] Available at:< http://www.jstor.org/discover/10.2307/2329214?uid=2134&uid=373 9320&uid=381 525571&uid=381525561&uid=2&uid=70&uid=3&uid=381525561&uid=60&sid=2 1106657871653> [Accessed 18 April 2015].

Pindado, J. et al.,2008. Estimating financial distress likelihood. Journal of Business Research, 61(2008), 995-1003.

Rodrigues, B. D. & Stevenson, M. J., 2013. Takeover prediction using forecasting combinations. International Journal of Forecasing, 29(2013), 628-641.

Managerial Available [online] Issues,

Rujoub, M. A. et al., 1995. Using casflow ratios to predict business failures . Journal of at:< http://www.jstor.org/discover/10.2307/40604051?uid=2493613473&uid=2134&uid =2&uid=70&uid=3&uid=2493613463&uid=60&sid=21106721963233> [Accessed 18 April 2015].

Satopaa, V. A. et al., 2014. Combining multiple probability predictions usinf a simple Logit model. International Journal of Forecasting, 30(2014), 344-356.

Schmuck, M., 2012. Financial distress and corporate turnaround. [ebook]. Munich: Springer Gabler

Shumway, T.,2001. Forecasting bankruptcy more accurately: a simple hazard model. The Journal of Business, 74(1), 101-124.

Sprcic, D. M. & Sevic, Z., 2011. Determinants of corporate hedging decision: evidence from croatian and slovenian companies. Research in International Business and Finance, 26(2012), 1-25.

Tirapat, S. & Nittayagasetwat, A., 1999. An investigation of Thai listed firms financial distress using macro and micro variables. Multinational Finance Journal, 3(2), 103-125.

Tseng, F. & Hu Y., 2010. Comparing four bankcruptcy prediction models: Logit, quadratic intervalLogit, neural and fuzzy neural networks. Expert Systems with Applications, 37(2010), 1846-1853.

Wang, Z. & Li, H., 2007. Financial distress prediction of chiness listed companies: a rough set methodology. Chinese Management Studies, 1(2), 93-110.

Whitaker, R. B., 199. The early stages of financial distress. Journal of Economics and Finance, 23(2), 123-133.

of Financial Available [online]

Wruck, K. H., 1990. Financial distress, reorganization, and organization efficiency. Journal at:< Economics, https://books.google.com.vn/books?id=ifsq2vYxNBwC&pg=PA245&lpg=PA245& dq=%22Financial+distress,+reorganization,+and+organizational+efficiency%22&s ource=bl&ots=T1JWdPJOcl&sig=XxBjDvyG6ZRcuLa1G09naJXnHFU&hl=en&sa =X&ei=x_VCVdTDN8XTmAWBloH4Bg&redir_esc=y#v=onepage&q=%22Finan cial%20distress%2C%20reorganization%2C%20and%20organizational%20efficien cy%22&f=false> [Accessed 18 April 2015].

Wu, Y. et al., 2010. A comparison of alternative bankruptcy prediction models. Journal of Contemporary Accounting & Economics, 6(2010), 34-45.

Zmijewski, M. E., 1984. Methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, [online] Available at:< http://www.jstor.org/discover/10.2307/2490859?uid=2134&uid=3739320&uid=381 525571&uid=2&uid=70&uid=3&uid=381525561&uid=60&sid=21106656883393> [Accessed 18 April 2015]

PHỤ LỤC A: DANH SÁCH 568 CÔNG TY NIÊM YẾT

STT

Tên Công Ty

Công ty Cổ phần Xuất nhập khẩu Thủy sản Bến Tre Công ty Cổ phần Xuất nhập khẩu Thủy sản Cửu Long An Giang

Công ty Cổ phần Xuất nhập khẩu Thủy sản An Giang Công ty Cổ phần Đầu tư Alphanam Công ty Cổ phần Văn hóa Tân Bình Công ty Cổ phần Khoáng sản Vinas A Lưới

Công ty Cổ phần Chiếu xạ An Phú Công ty Cổ phần Đầu tư Châu Á Thái Bình Dương Công ty Cổ phần Phát triển Phụ gia và Sản phẩm dầu mỏ

Công ty Cổ phần Liên doanh SANA WMT

Công ty Cổ phần Khoáng sản Bắc Kạn Công ty Cổ phần Thuỷ sản Bạc Liêu

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

Mã CK AAA Công ty Cổ phần Nhựa và Môi trường xanh An Phát AAM Công ty Cổ Phần Thủy Sản Mê Kông ABT ACL ADC Công ty Cổ phần Mĩ thuật và Truyền thông AGF ALP ALT ALV AMC Công ty Cổ phần Khoáng sản Á Châu ANV Công ty Cổ phần Nam Việt APC API APP ARM Công ty Cổ phần Xuất nhập khẩu Hàng không ASA ASM Công ty Cổ phần Tập đoàn Sao Mai Công ty Cổ phần Tập đoàn Dầu khí An Pha ASP Công ty Cổ phần NTACO ATA Công ty Cổ phần Việt An AVF Công ty Cổ phần 482 B82 Công ty Cổ phần BaSa BAS Công ty Cổ phần Bibica BBC Công ty Cổ phần VICEM Bao bì Bút Sơn BBS Công ty Cổ phần Xi măng Bỉm Sơn BCC Công ty Cổ phần Xây dựng và Giao thông Bình Dương BCE Công ty Cổ phần Đầu tư Xây dựng Bình Chánh BCI Công ty Cổ phần Sách và Thiết bị Bình Định BDB BED Công ty Cổ phần Sách và Thiết bị trường học Đà Nẵng BGM Công ty Cổ phần Khai thác và Chế biến Khoáng sản Bắc Giang Công ty Cổ phần Bê tông Biên Hòa BHC BHS Công ty Cổ phần Đường Biên Hòa BHV Công ty Cổ phần Viglacera Bá Hiên BKC BLF BMC Công ty Cổ phần Khoáng sản Bình Định BMP Công ty Cổ phần Nhựa Bình Minh BPC

Công ty Cổ phần Vicem Bao bì Bỉm Sơn

Công ty Cổ phần Cao su Bến Thành Công ty Cổ phần Dịch vụ Bến Thành Công ty Cổ phần Sách và Thiết bị Bình Thuận Công ty Cổ phần Beton 6 Công ty Cổ phần Chế tạo Biến thế và Vật liệu Điện Hà Nội Công ty Cổ phần Nhiệt điện Bà Rịa Công ty Cổ phần VICEM Xi măng Bút Sơn Công ty Cổ phần Thương mại – Dịch vụ Bến Thành Công ty Cổ phần Th p Bắc Việt Công ty Cổ phần VICEM Bao bì Hải Phòng Công ty Cổ phần Thế kỷ 21 Công ty Cổ phần Xây dựng 47 Công ty Cổ phần Xây dựng và Đầu tư 492

Công ty Cổ phần Lâm Nông sản Thực phẩm Yên Bái Công ty Cổ phần Đầu tư Phát triển Công nghiệp Thương mại Củ Chi Công ty Cổ phần Đầu tư và Phát triển Đô thị Dầu khí Cửu Long

Công ty Cổ phần Chương Dương Công ty Cổ phần Xây dựng và Phát triển Cơ sở Hạ tầng Công ty Cổ phần Đầu tư Hạ tầng Kỹ thuật TP.HCM Công ty Cổ phần Cơ điện Miền Trung Công ty Cổ phần Cát Lợi Công ty Cổ phần Đầu tư và Phát triển Nhà đất Cotec

Công ty Cổ phần CNG Việt Nam Công ty Cổ phần Xây dựng và Kinh Doanh Vật tư

39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80

BRC BSC BST BT6 BTH BTP BTS BTT BVG BXH C21 C47 C92 CAN Công ty Cổ phần Đồ hộp Hạ Long CAP CCI CCL CCM Công ty Cổ phần Khoáng sản và Xi măng Cần Thơ CDC CID CII CJC CLC CLG CLW Công ty Cổ phần Cấp nước Chợ Lớn CMC Công ty Cổ phần Đầu tư CMC CMG Công ty Cổ phần Tập đoàn Công nghệ CMC Công ty Cổ phần Xây dựng và Nhân lực Việt Nam CMS CMT Công ty Cổ phần Công nghệ mạng và Truyền thông CMV Công ty Cổ phần Thương nghiệp Cà Mau CMX Công ty Cổ phần Chế biến Thủy sản và Xuất nhập khẩu Cà Mau CNG CNT COM Công ty Cổ phần Vật tư Xăng dầu CPC CSC CSM CT6 CTA CTB CTC CTD

Công ty Cổ phần Thuốc sát trùng Cần Thơ Công ty Cổ phần Đầu tư và Xây dựng Thành Nam Công ty Cổ phần Công nghiệp Cao su Miền Nam Công ty Cổ phần Công trình 6 Công ty Cổ phần Vinavico Công ty Cổ phần Chế tạo Bơm Hải Dương Công ty Cổ phần Gia Lai CTC Công ty Cổ phần Xây dựng Cotec

Công ty Cổ phần Xây dựng Công trình ngầm Tổng Công ty Cổ phần Đầu tư Xây dựng và Thương mại Việt Nam Công ty Cổ phần CMC Công ty Cổ phần Đầu tư và Xây lắp Contrexim số 8 Công ty Cổ phần Gạch men Chang Yih Công ty Cổ phần Địa ốc 11 Công ty Cổ phần Phát triển Đô thị Công nghiệp số 2

Công ty Cổ phần Tập đoàn Dabaco Việt Nam Công ty Cổ phần Dược phẩm Bến Tre Công ty Cổ phần Đầu tư Phát triển - Xây dựng (DIC) số 2 Công ty Cổ phần DIC số 4 Công ty Cổ phần Dược phẩm Cửu Long Công ty Cổ phần Tập đoàn Đại Châu Công ty Cổ phần Tấm lợp Vật liệu xây dựng Đồng Nai

81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110

CTI Công ty Cổ phần Đầu tư Phát triển Cường Thuận IDICO CTM Công ty Cổ phần Đầu tư, Xây dựng và Khai thác Mỏ VINAVICO CTN CTX CVT CX8 CYC D11 D2D DAC Công ty Cổ phần Viglacera Đông Anh DAD Công ty Cổ phần Đầu tư và Phát triển Giáo dục Đà Nẵng Công ty Cổ phần Sách Giáo dục tại TP.Đà Nẵng DAE DAG Công ty Cổ phần Tập đoàn Nhựa Đông Á DBC DBT DC2 DC4 DCL DCS DCT DDM Công ty Cổ phần Hàng hải Đông Đô DHA Công ty Cổ phần Hóa An DHC Công ty Cổ phần Đông Hải Bến Tre DHG Công ty Cổ phần Dược Hậu Giang DHI DHT DIC DID DIG DIH

111

DL1

Công ty Cổ phần In Diên Hồng Công ty Cổ phần Dược phẩm Hà Tây Công ty Cổ phần Đầu tư và Thương mại DIC Công ty Cổ phần DIC – Đồng Tiến Tổng Công ty Cổ phần Đầu tư Phát triển Xây dựng Công ty Cổ phần Đầu tư Phát triển Xây dựng - Hội An Công ty Cổ phần Đầu tư Phát triển Dịch vụ Công trình Công cộng Đức Long Gia Lai Công ty Cổ phần Tập đoàn Đức Long Gia Lai Công ty Cổ phần Địa ốc Đà Lạt

112 113 114 115 116 117 118 119 120 121

DLG DLR DMC Công ty Cổ phần Xuất nhập khẩu Y tế DOMESCO DNC Công ty Cổ phần Điện nước Lắp máy Hải Phòng DNM Tổng Công ty Cổ phần Y tế Danameco Công ty Cổ phần Nhựa Đồng Nai DNP DNY Công ty Cổ phần Th p DANA Ý Công ty Cổ phần Nhựa Đà Nẵng DPC Tổng Công ty Phân bón và Hóa chất Dầu khí DPM Công ty Cổ phần Cao su Đồng Phú DPR

Công ty Cổ phần Vận tải Sản phẩm Khí Quốc tế Công ty Cổ phần Chế biến Gỗ Thuận An Công ty Cổ phần Thuận Thảo

Công ty Cổ phần Nông dược H.A.I Công ty Cổ phần Tập Đoàn Hapaco Công ty Cổ phần Hacisco

122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163

DQC Công ty Cổ phần Bóng đèn Điện Quang Công ty Cổ phần Cao su Đà Nẵng DRC DRH Công ty Cổ phần Đầu tư Căn Nhà Mơ Ước Công ty Cổ phần Công viên nước Đầm Sen DSN Công ty Cổ phần Sách và Thiết bị Giáo dục Nam Định DST Công ty Cổ phần Đệ Tam DTA Công ty Cổ phần Đại Thiên Lộc DTL Công ty Cổ phần Kỹ nghệ Đô Thành DTT Công ty Cổ phần Đầu tư và Phát triển Cảng Đình Vũ DVP DXG Công ty Cổ phần Dịch vụ và Xây dựng Địa ốc Đất Xanh DXV Công ty Cổ phần VICEM Vật liệu Xây dựng Đà Nẵng DZM Công ty Cổ phần Chế tạo máy Dzĩ An Công ty Cổ phần Sách Giáo dục tại Thành phố Hà Nội EBS Công ty Cổ phần Đầu tư Tài chính Giáo dục EFI Công ty Cổ phần Đầu tư và Phát triển Giáo dục Hà Nội EID Công ty Cổ phần Đầu tư Phát triển Công nghệ điện tử - Viễn thông ELC Công ty Cổ phần Everpia Việt Nam EVE Công ty Cổ phần Xuất nhập khẩu Lâm Thủy Sản Bến Tre FBT Công ty Cổ phần Docimexco FDG Công ty Cổ phần Fiditour FDT Công ty Cổ phần Tập đoàn FLC FLC Công ty Cổ phần Thực phẩm Sao Ta FMC Công ty Cổ phần FPT FPT Tổng Công ty Khí Việt Nam - Công ty Cổ phần GAS Công ty Cổ phần Chế biến Gỗ Đức Thành GDT Công ty Cổ phần Ô tô Giải Phóng GGG Công ty Cổ phần Sản xuất Kinh doanh Xuất nhập khẩu Bình Thạnh GIL Công ty Cổ phần Kỹ thuật điện Toàn Cầu GLT GMC Công ty Cổ phần Sản xuất Thương mại May Sài Gòn GMD Công ty Cổ phần Đại lý Liên hiệp Vận chuyển GMX Công ty Cổ phần Gạch ngói Gốm xây dựng Mỹ Xuân GSP GTA GTT HAD Công ty Cổ phần Bia Hà Nội – Hải Dương HAG Công ty Cổ phần Hoàng Anh Gia Lai HAI HAP HAS HAX Công ty Cổ phần Dịch vụ Ô tô Hàng Xanh HBC HBE

Công ty Cổ phần Xây dựng và Kinh doanh Địa ốc Hòa Bình Công ty Cổ phần Sách - Thiết bị trường học Hà Tĩnh

Công ty Cổ phần Bê tông Hoà Cầm - Intimex

Công ty Cổ phần Hồng Hà Long An Công ty Cổ phần Thuỷ điện Nậm Mu Công ty Cổ phần Hữu Liên Á Châu Công ty Cổ phần Than Hà Lầm - TKV Công ty Cổ phần Tập đoàn Hoàng Long Công ty Cổ phần Viglacera Hạ Long I

Công ty Cổ phần Du lịch - Dịch vụ Hội An Công ty Cổ phần Tập đoàn Hòa Phát

164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205

HCC HDA Công ty Cổ phần Hãng sơn Đông Á HDC Công ty Cổ phần Phát triển Nhà Bà Rịa Vũng Tàu HDG Công ty Cổ phần Tập đoàn Hà Đô HDO Công ty Cổ phần Hưng Đạo Container HHC Công ty Cổ phần Bánh kẹo Hải Hà HHG Công ty Cổ phần Hoàng Hà HHL HJS HLA HLC HLG HLY HMC Công ty Cổ phần Kim khí Thành phố Hồ Chí Minh HMH Công ty Cổ phần Hải Minh HNM Công ty Cổ phần Sữa Hà Nội HOM Công ty Cổ phần Xi măng VICEM Hoàng Mai HOT HPG HQC Công ty Cổ phần Tư vấn - Thương mại - Dịch vụ Địa ốc Hoàng Quân Công ty Cổ phần Cao su Hòa Bình HRC Công ty Cổ phần Vật tư Tổng hợp và Phân bón Hóa sinh HSI Công ty Cổ phần Phát hành sách và Thiết bị trường học Hưng Yên HST Công ty Cổ phần Xi măng Hà Tiên 1 HT1 Công ty Cổ phần Thương mại Hóc Môn HTC Công ty Cổ phần Đầu tư Phát triển Hạ tầng IDICO HTI Công ty Cổ phần Kỹ thuật và Ô tô Trường Long HTL Công ty Cổ phần In sách giáo khoa Hoà Phát HTP Công ty Cổ phần Đầu tư và Xây dựng HUD1 HU1 Công ty Cổ phần Đầu tư và Xây dựng HUD3 HU3 Công ty Cổ phần Tasco HUT HVG Công ty Cổ phần Hùng Vương HVT Công ty Cổ phần Hóa chất Việt Trì HVX Công ty Cổ phần Xi măng Vicem Hải Vân ICF ICG IDI IDV IFS IJC ILC IMP

Công ty Cổ phần Đầu tư Thương mại Thủy sản Công ty Cổ phần Xây dựng Sông Hồng Công ty Cổ phần Đầu tư và Phát triển Đa Quốc Gia I.D.I Công ty Cổ phần Phát triển Hạ tầng Vĩnh Phúc Công ty Cổ phần Thực phẩm Quốc tế Công ty Cổ phần Phát triển Hạ tầng Kỹ thuật Công ty Cổ phần Hợp tác lao động với nước ngoài Công ty Cổ phần Dược phẩm IMEXPHARM

Công ty Cổ phần Tư vấn Đầu tư IDICO Công ty Cổ phần Bao bì và In Nông nghiệp Công ty Cổ phần Đầu tư và Công nghiệp Tân Tạo Công ty Cổ phần Đầu tư – Kinh doanh nhà Công ty Cổ phần Công nghệ Tiên Phong Công ty Cổ phần Thiết bị Y tế Việt Nhật

Tổng Công ty Phát triển Đô thị Kinh Bắc

Công ty Cổ phần Công nghiệp Khoáng sản Bình Thuận Công ty Cổ phần Khoáng sản và Xây dựng Bình Dương Công ty Cổ phần Đầu tư DNA Công ty Cổ phần Đầu tư và Phát triển KSH Tổng Công ty Cổ phần Khoáng sản Na Rì Hamico Công ty Cổ phần KASATI Công ty Cổ phần Đầu tư Khoáng sản Tây Bắc Công ty Cổ phần Đường Kon Tum Công ty Cổ phần Đầu tư Thiết bị và Xây lắp Điện Thiên Trường Công ty Cổ phần Lilama 10 Công ty Cổ phần Licogi 14 Công ty Cổ phần Đầu tư và Xây dựng số 18 Công ty Cổ phần Cơ khí Lắp máy Lilama Công ty Cổ phần Lilama 45.3 Công ty Cổ phần Lilama 45.4 Công ty Cổ phần Lilama 69-1 Công ty Cổ phần Lilama 69.2 Công ty Cổ phần Chế biến Hàng Xuất khẩu Long An Công ty Cổ phần Supe Phốt phát và Hóa chất Lâm Thao Công ty Cổ phần Sách và Thiết bị Trường học Long An

206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247

INC INN ITA ITC ITD JVC KAC Công ty Cổ phần Đầu tư Địa ốc Khang An KBC KDC Công ty Cổ phần Kinh Đô KDH Công ty Cổ phần Đầu tư và Kinh doanh nhà Khang Điền KHA Công ty Cổ phần Xuất nhập khẩu Khánh Hội KHB Công ty Cổ phần Khoáng sản Hòa Bình Công ty Cổ phần Khoáng sản và Vật liệu Xây dựng Hưng Long KHL KHP Công ty Cổ phần Điện lực Khánh Hòa KKC Công ty Cổ phần Sản xuất và Kinh doanh Kim khí KMR Công ty Cổ phần Mirae KMT Công ty Cổ phần Kim khí Miền Trung KSA KSB KSD KSH KSS KST KTB KTS KTT L10 L14 L18 L35 L43 L44 L61 L62 LAF LAS LBE LBM Công ty Cổ phần Khoáng sản và Vật liệu xây dựng Lâm Đồng LCD LCG LCS LDP

Công ty Cổ phần Lắp máy - Thí nghiệm cơ điện Công ty Cổ phần LICOGI 16 Công ty Cổ phần Licogi 16.6 Công ty Cổ phần Dược Lâm Đồng - Ladophar

Công ty Cổ phần Xây lắp Cơ khí và Lương thực Thực phẩm

248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289

Công ty Cổ phần Đầu tư Cầu đường CII LGC Công ty Cổ phần Đầu tư và Phát triển Đô thị Long Giang LGL Công ty Cổ phần Đầu tư và Xây dựng Thủy lợi Lâm Đồng LHC Công ty Cổ phần Long Hậu LHG Công ty Cổ phần Licogi 13 LIG Công ty Cổ phần Bột giặt Lix LIX Công ty Cổ phần Lilama 3 LM3 Công ty Cổ phần Lilama 7 LM7 Công ty Cổ phần Lilama 18 LM8 Công ty Cổ phần Lilama 5 LO5 Công ty Cổ phần Mía đường Lam Sơn LSS Công ty Cổ phần Điện nhẹ Viễn Thông LTC LUT Công ty Cổ phần Đầu tư Xây dựng Lương Tài MAC Công ty Cổ phần Cung ứng và Dịch vụ Kỹ thuật Hàng hải MAX Công ty Cổ phần Khai khoáng và Cơ khí Hữu Nghị Vĩnh Sinh MCC Công ty Cổ phần Gạch ngói cao cấp MCF MCG Công ty Cổ phần Cơ điện và Xây dựng Việt Nam MCO Công ty Cổ phần MCO Việt Nam MCP Công ty Cổ phần In và Bao bì Mỹ Châu MDC Công ty Cổ phần Than Mông Dương - Vinacomin MDG Công ty Cổ phần Miền Đông MEC Công ty Cổ phần Someco Sông Đà MHC Công ty Cổ phần MHC MHL Công ty Cổ phần Minh Hữu Liên Công ty Cổ phần Kỹ nghệ Khoáng sản Quảng Nam MIC MIM Công ty Cổ phần Khoáng sản và Cơ khí MKV Công ty Cổ phần Dược Thú Y Cai Lậy MMC Công ty Cổ phần Khoáng sản Mangan MNC Công ty Cổ phần Mai Linh miền Trung MPC Công ty Cổ phần Tập Đoàn Thủy sản Minh Phú MSN Công ty Cổ phần Tập đoàn Ma San MTG Công ty Cổ phần MT Gas NAG Công ty Cổ phần Nagakawa Việt Nam NAV Công ty Cổ phần Nam Việt Công ty Cổ phần Đầu tư Năm Bảy Bảy NBB Công ty Cổ phần Than Núi B o - Vinacomin NBC Công ty Cổ phần Nhiệt Điện Ninh Bình NBP NDN Công ty Cổ phần Đầu tư Phát triển Nhà Đà Nẵng NET NGC NHA

Công ty Cổ phần Bột giặt Net Công ty Cổ phần Chế biến Thủy sản Xuất khẩu Ngô Quyền Tổng Công ty Đầu tư Phát triển Nhà và Đô thị Nam Hà Nội

Công ty Cổ phần Đường Ninh Hòa

Công ty Cổ phần Thủy Điện Nà Lơi

Công ty Cổ phần May Phú Thịnh Nhà Bè Công ty Cổ phần Giống cây trồng Trung Ương Công ty Cổ phần Ngân Sơn Công ty Cổ phần Phát triển Đô thị Từ Liêm Công ty Cổ phần Nhựa Thiếu niên Tiền Phong

Công ty Cổ phần Truyền thông số 1 Công ty Cổ phần Dược Phẩm OPC Công ty Cổ phần Pin Ắc quy Miền Nam Công ty Cổ phần Xuyên Thái Bình Công ty Cổ phần Đầu tư Phát triển Gas Đô thị Công ty Cổ phần Vận tải Dầu khí Cửu Long Công ty Cổ phần Du lịch Dầu khí Phương Đông Công ty Cổ phần Cảng Đồng Nai Công ty Cổ phần Phát triển Bất động sản Phát Đạt Tổng Công ty Cổ phần Dịch vụ Tổng hợp Dầu khí Công ty Cổ phần Dầu khí Đông Đô Công ty Cổ phần Gas Petrolimex Công ty Cổ phần Kinh doanh Khí hoá lỏng miền Nam Công ty Cổ phần Xây dựng Phục Hưng Holdings Công ty Cổ phần Hồng Hà Việt Nam Công ty Cổ phần Cao su Phước Hòa Công ty Cổ phần Xuất nhập khẩu Petrolimex Công ty Cổ phần Thương mại và Vận tải Petrolimex Hà Nội Tổng Công ty Hoá dầu Petrolimex - Công ty Cổ phần Công ty Cổ phần Cơ khí Xăng dầu Công ty Cổ phần Văn hóa Phương Nam Công ty Cổ phần Vàng bạc Đá quý Phú Nhuận

290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331

NHC Công ty Cổ phần Gạch ngói Nhị Hiệp NHS NHW Công ty Cổ phần Ngô Han NLC NNC Công ty Cổ phần Đá Núi Nhỏ NPS NSC NST NTL NTP NVC Công ty Cổ phần Nam Vang NVN Công ty Cổ phần Nhà Việt Nam OCH Công ty Cổ phần Khách sạn và Dịch vụ Đại Dương ONE OPC PAC PAN PCG PCT PDC PDN PDR PET PFL PGC PGS PHC PHH PHR PIT PJC PLC PMS PNC PNJ POM Công ty Cổ phần Th p Pomina POT PPC PPG PPI PPP PRC

Công ty Cổ phần Thiết bị Bưu điện Công ty Cổ phần Nhiệt điện Phả Lại Công ty Cổ phần Sản xuất Thương mại Dịch vụ Phú Phong Công ty Cổ phần Phát triển hạ tầng và Bất động sản Thái Bình Dương Công ty Cổ phần Dược phẩm Phong Phú Công ty Cổ phần Portserco

Công ty Cổ phần Vận tải và Dịch vụ Petrolimex Sài Gòn Công ty Cổ phần Đầu tư và Xây lắp Dầu khí Sài Gòn Công ty Cổ phần Phú Tài Công ty Cổ phần Đầu tư và Xây dựng Bưu điện Công ty Cổ phần Đầu tư Hạ tầng và Đô thị Dầu khí Công ty Cổ phần Sản xuất, Thương mại và Dịch vụ ô tô PTM Công ty Cổ phần Vận tải và Dịch vụ Petrolimex Hải Phòng Công ty Cổ phần Đầu tư PV2 Công ty Cổ phần Tổng Công ty Xây lắp Dầu khí Nghệ An Tổng Công ty Dung dịch Khoan và Hoá phẩm Dầu khí - Công ty Cổ phần Tổng Công ty Cổ phần Khoan và Dịch vụ khoan Dầu khí Tổng Công ty Tư vấn Thiết kế Dầu khí- CTCP Công ty Cổ phần Kinh doanh Khí hóa lỏng Miền Bắc Công ty Cổ phần Địa ốc Dầu khí Tổng Công ty Cổ phần Dịch vụ Kỹ thuật Dầu khí Việt Nam Tổng Công ty Cổ phần Vận tải Dầu khí Tổng Công ty Cổ phần Xây lắp Dầu khí Việt Nam Công ty Cổ phần Đầu tư và Thương mại Dầu khí Nghệ An Công ty Cổ phần Xây dựng Công nghiệp và Dân dụng Dầu khí Công ty Cổ phần Đầu tư Xây dựng thương mại dầu khí IDICO

Công ty Cổ phần Kết cấu Kim loại và Lắp máy Dầu khí Công ty Cổ phần Xây lắp Đường ống Bể chứa Dầu khí

Công ty Cổ phần Sách và Thiết bị trường học Quảng Ninh Công ty Cổ phần Công trình Giao thông Vận tải Quảng Nam Công ty Cổ phần Bóng đèn Phích nước Rạng Đông Công ty Cổ phần Địa ốc Chợ Lớn Công ty Cổ phần Nhựa Rạng Đông Công ty Cổ phần Cơ điện Lạnh Công ty Cổ phần Quốc Tế Hoàng Gia Công ty Cổ phần Sông Đà 12 Công ty Cổ phần Sông Đà 27 Công ty Cổ phần Sông Đà 505 Công ty Cổ phần Sông Đà 7.04 Công ty Cổ phần Sông Đà 9.09

332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373

PSC PSG PTB PTC PTL PTM PTS PV2 PVA PVC PVD PVE PVG PVL PVS PVT PVX PXA PXI PXL PXM Công ty Cổ phần Xây lắp Dầu khí Miền Trung PXS PXT QHD Công ty Cổ phần Que hàn điện Việt Đức QNC Công ty Cổ phần Xi măng và Xây dựng Quảng Ninh QST QTC RAL RCL RDP REE RIC S12 S27 S55 S74 S99 SAM Công ty Cổ phần Đầu tư và Phát triển SACOM SAV SBA SBC SBT

Công ty Cổ phần Hợp tác Kinh tế và Xuất nhập khẩu Savimex Công ty Cổ phần Sông Ba Công ty Cổ phần Vận tải và Giao nhận Bia Sài Gòn Công ty Cổ phần Mía đường Thành Thành Công Tây Ninh

374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415

SC5 SCC SCJ SCL SD1 SD2 SD4 SD5 SD6 SD7 SD9 SDA SDB SDC SDD SDE SDG SDH SDJ SDN SDP SDT SDU SDY SEB SEC SED SFC SFI SFN SGC SGT SHI SHN SIC SJ1 SJC SJD SJE SJM SJS SKS

Công ty Cổ phần Xây dựng số 5 Công ty Cổ phần Xi măng Sông Đà Công ty Cổ phần Xi măng Sài Sơn Công ty Cổ phần Sông Đà Cao Cường Công ty Cổ phần Sông Đà 1 Công ty Cổ phần Sông Đà 2 Công ty Cổ phần Sông Đà 4 Công ty Cổ phần Sông Đà 5 Công ty Cổ phần Sông Đà 6 Công ty Cổ phần Sông Đà 7 Công ty Cổ phần Sông Đà 9 Công ty Cổ phần SIMCO Sông Đà Công ty Cổ phần Sông Đà 207 Công ty Cổ phần Tư vấn Sông Đà Công ty Cổ phần Đầu tư và Xây lắp Sông Đà Công ty Cổ phần Kỹ thuật điện Sông Đà Công ty Cổ phần Sadico Cần Thơ Công ty Cổ phần Xây dựng hạ tầng Sông Đà Công ty Cổ phần Sông Đà 25 Công ty Cổ phần Sơn Đồng Nai Công ty Cổ phần Đầu tư và Thương mại Dầu khí Sông Đà Công ty Cổ phần Sông Đà 10 Công ty Cổ phần Đầu tư Xây dựng và Phát triển Đô thị Sông Đà Công ty Cổ phần Xi măng Sông Đà Yaly Công ty Cổ phần Đầu tư và Phát triển Điện Miền Trung Công ty Cổ phần Mía đường Nhiệt điện Gia Lai Công ty Cổ phần Đầu tư và Phát triển Giáo dục Phương Nam Công ty Cổ phần Nhiên liệu Sài Gòn Công ty Cổ phần Đại lý Vận tải Safi Công ty Cổ phần Dệt lưới Sài Gòn Công ty Cổ phần Xuất nhập khẩu Sa Giang Công ty Cổ phần Công nghệ Viễn thông Sài Gòn Công ty Cổ phần Quốc tế Sơn Hà Công ty Cổ phần Đầu tư Tổng hợp Hà Nội Công ty Cổ phần Đầu tư - Phát triển Sông Đà Công ty Cổ phần Thủy sản số 1 Công ty Cổ phần Sông Đà 1.01 Công ty Cổ phần Thủy điện Cần Đơn Công ty Cổ phần Sông Đà 11 Công ty Cổ phần Sông Đà 19 Công ty Cổ phần Đầu tư Phát triển Đô thị và Khu công nghiệp Sông Đà Công ty Cổ phần Công trình giao thông Sông Đà

416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457

SMA Công ty Cổ phần Thiết bị Phụ tùng Sài Gòn Công ty Cổ phần Đầu tư Thương mại SMC SMC Công ty Cổ phần Vật liệu Điện và Viễn thông Sam Cường SMT Công ty Cổ phần Sông Đà 10.1 SNG Công ty Cổ phần S.P.M SPM Công ty Cổ phần Bao bì Nhựa Sài Gòn SPP Công ty Cổ phần Khoáng sản Sài Gòn - Quy Nhơn SQC Công ty Cổ phần Tập đoàn Sara SRB Công ty Cổ phần Cao su Sao Vàng SRC Công ty Cổ phần Kỹ nghệ lạnh SRF Công ty Cổ phần Giống cây trồng Miền Nam SSC Công ty Cổ phần Vận tải Biển Hải Âu SSG Công ty Cổ phần Chế tạo kết cấu th p VNECO.SSM SSM Công ty Cổ phần Sách và Thiết bị trường học Tp. Hồ Chí Minh STC Công ty Cổ phần Sông Đà – Thăng Long STL Công ty Cổ phần Công nghiệp Thương mại Sông Đà STP Công ty Cổ phần Vận chuyển Sài Gòn Tourist STT Công ty Cổ phần Dịch vụ tổng hợp Sài Gòn SVC Công ty Cổ phần Bao bì Biên Hòa SVI Công ty Cổ phần SOLAVINA SVN Công ty Cổ phần Công nghệ Sài Gòn Viễn Đông SVT Công ty Cổ phần Dầu Thực vật Tường An TAC Công ty Cổ phần Thuỷ điện Thác Bà TBC Công ty Cổ phần Xi măng Thái Bình TBX Công ty Cổ phần Than Cọc Sáu – Vinacomin TC6 TCL Công ty Cổ phần Đại lý Giao nhận Vận tải Xếp dỡ Tân Cảng TCM Công ty Cổ phần Dệt may - Đầu tư - Thương mại Thành Công Công ty Cổ phần Vận tải Đa phương thức Duyên Hải TCO Công ty Cổ phần Công nghiệp Gốm sứ TAICERA TCR Công ty Cổ phần Than Cao Sơn - TKV TCS Công ty Cổ phần Cáp treo Núi Bà Tây Ninh TCT Công ty Cổ phần Kinh doanh và Phát triển Bình Dương TDC Công ty Cổ phần Phát triển Nhà Thủ Đức TDH TDN Công ty Cổ phần Than Đèo Nai - Vinacomin TDW Công ty Cổ phần Cấp nước Thủ Đức TH1 THB THG THT THV TIC TIE

Công ty Cổ phần Xuất nhập khẩu Tổng hợp I Việt Nam Công ty Cổ phần Bia Thanh Hóa Công ty Cổ phần Đầu tư và Xây dựng Tiền Giang Công ty Cổ phần Than Hà Tu - Vinacomin Công ty Cổ phần Tập đoàn Thái Hòa Việt Nam Công ty Cổ phần Đầu tư Điện Tây Nguyên Công ty Cổ phần TIE

458

TIX

Công ty Cổ phần Sản xuất Kinh doanh Xuất nhập khẩu Dịch vụ và Đầu tư Tân Bình Công ty Cổ phần Dịch vụ Vận tải và Thương mại Công ty Cổ phần Xây dựng và Kinh doanh Địa ốc Tân Kỷ Công ty Cổ phần Công nghiệp Tung Kuang Công ty Cổ phần Viễn thông Thăng Long Công ty Cổ phần Tập đoàn Thiên Long Công ty Cổ phần Tập đoàn Th p Tiến Lên

Công ty Cổ phần Thủy điện Thác Mơ Công ty Cổ phần Transimex-Saigon Công ty Cổ phần Ô tô TMT Công ty Cổ phần Thương mại Xuất nhập khẩu Thiên Nam Công ty Cổ phần Đầu tư và Thương mại TNG Công ty Cổ phần Tài Nguyên Công ty Cổ phần Nhựa Tân Đại Hưng Công ty Cổ phần Nhựa Tân Phú Công ty Cổ phần Traphaco Công ty Cổ phần Cao su Tây Ninh Công ty Cổ phần Thủy sản số 4 Công ty Cổ phần Vật tư Kỹ thuật Nông nghiệp Cần Thơ Công ty Cổ phần Xi măng Tiên Sơn Hà Tây Công ty Cổ phần Dịch vụ Kỹ thuật Viễn thông Công ty Cổ phần Gạch men Thanh Thanh Công ty Cổ phần Tập đoàn Kỹ nghệ Gỗ Trường Thành Công ty Cổ phần Bao bì Nhựa Tân Tiến Công ty Cổ phần Tư vấn và Xây dựng Điện 1 Công ty Cổ phần Tư vấn Xây dựng Điện 2 Công ty Cổ phần Tư vấn Xây dựng Điện 3 Công ty Cổ phần Tư vấn Xây dựng Điện 4 Công ty Cổ phần Than Vàng Danh - Vinacomin

Công ty Cổ phần Dây và Cáp điện Taya Việt Nam

459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498

TJC TKC TKU TLC TLG TLH TMC Công ty Cổ phần Thương mại Xuất nhập khẩu Thủ Đức TMP TMS TMT TNA TNG TNT TPC TPP TRA TRC TS4 TSC TSM TST TTC TTF TTP TV1 TV2 TV3 TV4 TVD TXM Công ty Cổ phần VICEM Thạch cao Xi Măng TYA UDC Công ty Cổ phần Xây dựng và Phát triển đô thị Tỉnh Bà Rịa - Vũng Tàu UIC UNI V12 V15 V21 VAT VBC VC1

Công ty Cổ phần Đầu tư Phát triển Nhà và Đô thị IDICO Công ty Cổ phần Viễn Liên Công ty Cổ phần Xây dựng số 12 Công ty Cổ phần Xây dựng số 15 Công ty Cổ phần Vinaconex 21 Công ty Cổ phần Viễn thông Vạn Xuân Công ty Cổ phần Nhựa – Bao bì Vinh Công ty Cổ phần Xây dựng số 1

Công ty Cổ phần Xây dựng số 2 Công ty Cổ phần Xây dựng số 3 Công ty Cổ phần xây dựng số 5 Công ty Cổ phần Vinaconex 6 Công ty Cổ Phần Xây dựng số 7 Công ty Cổ phần Xây dựng số 9 Công ty Cổ phần Vinaconex 25 Công ty Cổ phần Vinacaf Biên Hòa Tổng Công ty Cổ phần Xuất nhập khẩu và Xây dựng Việt Nam

Công ty Cổ phần Đầu tư và Phát triển Du lịch Vinaconex Công ty Cổ phần VICOSTONE

Công ty Cổ phần Thực phẩm Lâm Đồng Công ty Cổ phần Xây dựng điện VNECO1 Công ty Cổ phần Xây dựng Điện VNECO 2 Công ty Cổ phần Xây dựng điện VNECO 3 Công ty Cổ phần Đầu tư và Xây dựng VNECO 9 Công ty Cổ phần Đầu tư và Xây dựng Điện MÊ CA VNECO Công ty Cổ phần Khử trùng Việt Nam Công ty Cổ phần Vận tải và Thuê tàu Công ty Cổ phần Cảng Rau Quả Công ty Cổ phần Ống th p Việt Đức VG PIPE

Công ty Cổ phần Viglacera Hạ Long Tập đoàn Vingroup - Công ty Cổ phần Công ty Cổ phần Đầu tư Phát triển Thương mại Viễn Đông Công ty Cổ phần Công nghệ Viễn thông VI TE CO Công ty Cổ phần Vận tải Xăng dầu VIPCO Công ty Cổ phần Th p Việt Ý Công ty Cổ phần Viglacera Tiên Sơn

Công ty Cổ phần Lương thực Thực phẩm Vĩnh Long

499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540

VC2 VC3 VC5 VC6 VC7 VC9 VCC VCF VCG VCH Công ty Cổ phần Đầu tư Xây dựng và Phát triển Hạ tầng Vinaconex VCM Công ty Cổ phần Nhân lực và Thương mại Vinaconex VCR VCS VCV Công ty Cổ phần Vận tải Vinaconex VDL VE1 VE2 VE3 VE9 VES VFG VFR VGP VGS VHC Công ty Cổ phần Vĩnh Hoàn VHG Công ty Cổ phần Đầu tư Cao su Quảng Nam VHH Công ty Cổ phần Đầu tư Kinh doanh nhà Thành Đạt VHL VIC VID VIE VIP VIS VIT VKC Công ty Cổ phần Cáp nhựa Vĩnh Khánh VLF VMC Công ty Cổ phần VIMECO VMD Công ty Cổ phần Y Dược phẩm Vimedimex VNA Công ty Cổ phần Vận tải biển Vinaship VNC Công ty Cổ phần Tập đoàn Vinacontrol VNE VNF

Tổng Công ty Cổ phần Xây dựng điện Việt Nam Công ty Cổ phần Vận tải Ngoại thương

Công ty Cổ phần Đầu tư Bất động sản Việt Nam

Công ty Cổ phần Ánh Dương Việt Nam Công ty Cổ phần Giao nhận Vận tải Ngoại Thương Công ty Cổ phần Vận tải Biển Việt Nam Công ty Cổ phần Đầu tư và Phát triển Năng lượng Việt Nam Công ty Cổ phần Vạn Phát Hưng Công ty Cổ phần Bao bì Dầu thực vật Công ty Cổ phần Xây lắp và Địa ốc Vũng Tàu Công ty Cổ phần Container Việt Nam Công ty Cổ phần Container Phía Nam Công ty Cổ phần Thủy điện Vĩnh Sơn - Sông Hinh Công ty Cổ phần Đầu tư và Xây dựng Cấp thoát nước Công ty Cổ phần Vận tải biển và Bất động sản Việt Hải Công ty Cổ phần Vận tải và Thuê Tàu biển Việt Nam Công ty Cổ phần Viettronics Tân Bình Công ty Cổ phần Viễn Thông VTC Công ty Cổ phần Thức ăn Chăn nuôi Việt Thắng Công ty Cổ phần Vang Thăng Long Công ty Cổ phần Vận tải Xăng dầu VITACO Công ty Cổ phần Viglacera Từ Sơn Công ty Cổ phần VICEM Vật tư Vận tải Xi măng Công ty Cổ phần Vật liệu xây dựng Bến Tre

VNG Công ty Cổ phần Du Lịch Thành Thành Công VNH Công ty Cổ phần Thủy hải sản Việt Nhật VNI VNM Công ty Cổ phần Sữa Việt Nam VNN Công ty Cổ phần Đầu tư Vietnamnet VNS VNT VOS VPC VPH VPK VRC VSC VSG VSH VSI VSP VST VTB VTC VTF VTL VTO VTS VTV VXB XMC Công ty Cổ phần Bê tông và Xây dựng Vinaconex Xuân Mai Công ty Cổ phần Xi măng và Khoáng sản Yên Bái YBC

541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568

PHỤ LỤC B: KẾT QUẢ KIỂM ĐỊNH SỰ KHÁC BIỆT GIỮA CÁC GIÁ TRỊ



Kết quả kiểm định sự khác biệt giữa AUC(mda1) và AUC(md1)

ROC -Asymptotic Normal--

Obs Area Std. Err. [95% Conf. Interval]

------------------------------------- ------------------------------------

mda1 1987 0.8564 0.0181 0.82082 0.89193

md1 1987 0.8570 0.0184 0.82095 0.89308

-------------------------------------------------------------------------

Ho: area(mda1) = area(md1)

chi2(1) = 0.09 Prob>chi2 = 0.7629



Kết quả kiểm định sự khác biệt giữa AUC(mda2) và AUC(md2)

ROC -Asymptotic Normal--

Obs Area Std. Err. [95% Conf. Interval]

-------------------------------------------------------------------------

mda2 1987 0.8698 0.0165 0.83757 0.90209

md2 1987 0.8745 0.0162 0.84268 0.90638

-------------------------------------------------------------------------

Ho: area(mda2) = area(md2)

chi2(1) = 0.84 Prob>chi2 = 0.3600

AUC CỦA CÁC MÔ HÌNH HIỆU CHỈNH VÀ KHÔNG HIỆU CHỈNH



Kết quả kiểm định sự khác biệt giữa AUC(mda3) và AUC(md3)

ROC -Asymptotic Normal--

Obs Area Std. Err. [95% Conf. Interval]

-------------------------------------------------------------------------

md3 1986 0.9246 0.0116 0.90189 0.94739

mda3 1986 0.9241 0.0118 0.90096 0.94714

-------------------------------------------------------------------------

Ho: area(md3) = area(mda3)

chi2(1) = 0.26 Prob>chi2 = 0.6114



Kết quả kiểm định sự khác biệt giữa AUC(mda4) và AUC(md4)

ROC -Asymptotic Normal--

Obs Area Std. Err. [95% Conf. Interval]

-------------------------------------------------------------------------

mda4 1986 0.8728 0.0127 0.84793 0.89772

md4 1986 0.8734 0.0125 0.84884 0.89796

-------------------------------------------------------------------------

Ho: area(mda4) = area(md4)

chi2(1) = 2.00 Prob>chi2 = 0.1572



Kết quả kiểm định sự khác biệt giữa AUC(mda5) và AUC(md5)

ROC -Asymptotic Normal--

Obs Area Std. Err. [95% Conf. Interval]

-------------------------------------------------------------------------

mda5 1986 0.8775 0.0129 0.85228 0.90272

md5 1986 0.8787 0.0125 0.85414 0.90328

-------------------------------------------------------------------------

Ho: area(mda5) = area(md5)

chi2(1) = 0.48 Prob>chi2 = 0.4889