Khóa luận tốt nghiệp: Mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp - Tiếp cận bằng mô hình Binary

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

KHOA KẾ TOÁN – TÀI CHÍNH – NGÂN HÀNG

LUẬN VĂN TỐT NGHIỆP

MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI

CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN BẰNG

MÔ HÌNH BINARY LOGISTIC.

Ngành: TÀI CHÍNH DOANH NGHIỆP

Giảng viên hướng dẫn: TS. HÀ VĂN DŨNG

Sinh viên thực hiện: Huỳnh Thảo Nguyên 1211190701

Lớp: 12DTDN04

TP. Hồ Chí Minh, năm 2016

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM

KHOA KẾ TOÁN – TÀI CHÍNH – NGÂN HÀNG

LUẬN VĂN TỐT NGHIỆP

MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI

CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN BẰNG

MÔ HÌNH BINARY LOGISTIC.

Ngành: TÀI CHÍNH DOANH NGHIỆP

Giảng viên hướng dẫn: TS. HÀ VĂN DŨNG

Sinh viên thực hiện: Huỳnh Thảo Nguyên 1211190701

Lớp: 12DTDN04

i

TP. Hồ Chí Minh, năm 2016

LỜI CAM ĐOAN

Em xin cam đoan đây là đề tài do chính em thực hiện sau khi tham khảo nhiều nguồn

tài liệu và được sự hướng dẫn của giảng viên. Em xin hoàn toàn chịu trách nhiệm trước nhà

trường về sự cam đoan này.

TP. Hồ Chí Minh, ngày 26 tháng 6 năm 2016

(Tác giả)

ii

HUỲNH THẢO NGUYÊN

LỜI CẢM ƠN

Em xin gởi lời cảm ơn chân thành nhất đến nhà trường, khoa Kế toán – Tài chính –

Ngân hàng đã tạo điều kiện thuận lợi cho em thực hiện đề tài này

Em xin bày tỏ lòng biết ơn sâu sắc đến TS. Hà Văn Dũng. Thầy đã tận tình hướng

dẫn, cung cấp tư liệu, tư vấn, động viên khích lệ và định hướng cho em trong suốt quá trình

thực hiện và hoàn thành khóa luận.

Tôi cảm ơn các bạn lớp 12DTDN04 đã giúp đỡ tôi giải quyết những vấn đề, những

khó khăn trong quá trình viết bài luận.

Tuy đã có nhiều cố gắng, nhưng chắc chắn luận văn của em còn có rất nhiều thiếu sót.

Rất mong nhận được sự góp ý của các nhà trường và các thầy cô.

iii

Xin chân thành cảm ơn!

DANH MỤC TỪ VIẾT TẮT

Từ viết tắt Diễn giải

iv

2LL BCTC CP CTCP DN DNNN D/A EBIT GDCK HNX HOSE MVE P/B Qu_Ra ROE ROS RE S TA TCTD TL TTCK UBCK 2 Log Likelihood Báo cáo tài chính Cổ phiếu Công ty cổ phần Doanh nghiệp Doanh nghiệp nhà nước Debt to Total assets Ratio Earnings before interst and taxes Giao dịch chứng khoán Sở giao dịch chứng khoán Hà Nội Sở giao dịch chứng khoán Tp.HCM Market value of equity Price/Book Value Quick Ratio Return on Equity Return on sale Retained earnings Sales Total Assets Tổ chức tín dụng Book value of Total liabilities Thị trường chứng khoán Ủy ban chứng khoán

DANH MỤC BẢNG

Bảng 2.1 Biến trung vị và kiểm nghiệm mức ý nghĩa ............................................................ 10

Bảng 2.2 Kết quả phân loại mẫu gốc ...................................................................................... 12

Bảng 2.3: Kết quả phân loại mẫu cho thời gian hai năm trước khi phá sản ........................... 12

Bảng 2.4: Kết quả sắp xếp mẫu thứ cấp các công ty phá sản ................................................. 13

Bảng 2.5: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Score (1968) ............... 16

Bảng 2.6: Mô hình điều chỉnh Z’-Score: Phân loại kết quả, trung bình nhóm, ranh giới điểm phân biệt .................................................................................................................................. 18

Bảng 3.1: Tổng hợp tác động từng biến đến Y trong hồi quy: .............................................. 27

Bảng 3.2: Variables in the Equation ....................................................................................... 27

Bảng 4.1: Danh sách công ty bị hủy niêm yết năm 2012 ....................................................... 30

Bảng 4.2: Doanh nghiệp bị hủy niêm yết do kinh doanh sa sút năm 2013 ............................ 33

Bảng 4.3: Danh sách công ty bị hủy niêm yết 6 tháng đầu năm 2014.................................... 35

Bảng 4.4: Omnibus Test of Model Coefficient....................................................................... 37

Bảng 4.5: Model Summary ..................................................................................................... 38 Bảng 4.6: Classification Tablea ............................................................................................... 38

v

Bảng 4.7: Variables in the Equation ....................................................................................... 39

MỤC LỤC

LỜI CAM ĐOAN .....................................................................................................................ii

LỜI CẢM ƠN ......................................................................................................................... iii

DANH MỤC TỪ VIẾT TẮT .................................................................................................. iv

DANH MỤC BẢNG................................................................................................................. v

MỤC LỤC ............................................................................................................................... vi

Chương 1: GIỚI THIỆU ......................................................................................................... 1

1.1. Lời mở đầu: ................................................................................................................. 1

1.2. Mục tiêu nghiên cứu .................................................................................................... 2

1.3. Đối tượng và phạm vi nghiên cứu: .............................................................................. 2

1.3.1. Đối tượng: ............................................................................................................. 2

1.3.2. Phạm vi nghiên cứu .............................................................................................. 2

1.4. Phương pháp nghiên cứu: ............................................................................................ 2

1.5. Kết cấu đề tài: .............................................................................................................. 3

Chương 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN .................................................................................. 4

2.1. Các nghiên cứu trước đây: .......................................................................................... 4

2.2. Phân tích các chỉ số truyền thống: ............................................................................... 5

2.2.1. Mô hình Z’Score:.................................................................................................. 5

2.2.1.1. Bước 1: Sự chọn mẫu .................................................................................... 5

2.2.1.2. Bước 2: Lựa chọn biến: ................................................................................. 6

2.2.1.3. Bước 3: Giải thích biến số: ............................................................................ 7

2.2.1.4. Bước 4: Kiểm tra biến số: ............................................................................ 10

2.2.1.5. Mẫu ban đầu: ............................................................................................... 11

2.2.1.6. Kiểm định báo cáo hai năm trước khi phá sản: ........................................... 12

2.2.1.7. Mẫu thứ cấp của các công ty phá sản: ......................................................... 13

2.2.1.8. Kiểm định mô hình dựa trên mẫu tiếp theo gồm các công ty kiệt quệ tài chính: 13

2.2.1.9. Mẫu thử nghiệm thứ nhì của công ty phá sản: ............................................. 14

vi

2.2.1.10. Độ chính xác dài hạn: .................................................................................. 15

2.2.1.11. Chỉ số Z-Score trung bình chéo thời gian: ................................................... 16

2.2.1.12. Mô hình Z-Score áp dụng cho các công ty tư nhân ..................................... 16

2.2.2. Mô hình Z-Score tự điều chỉnh: ......................................................................... 17

2.2.2.1. Kết luận về mô hình Z-Score: ...................................................................... 18

2.2.3. Giới thiệu mô hình hồi quy Binary logistic ........................................................ 19

2.2.3.1. Ứng dụng của mô hình hồi quy Binary logistic .......................................... 19

2.2.3.2. Mô hình Binary Logistic: ............................................................................. 19

2.2.3.3. Các phương pháp đưa biến độc lập vào mô hình hổi quy Binary Logistic . 22

Chương 3: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGHIỆP ................................................................................................ 24

3.1. Ước lượng xác xuất kiệt quệ tài chính của các doanh nghiệp: cách tiếp cận bằng mô hinhg Binary Logistic: ......................................................................................................... 24

3.1.1. Xây dựng mô hình: ............................................................................................. 24

3.1.1.1. Diễn giải các biến độc lập trong phân tích hồi quy: .................................... 24

3.1.2. Kiện toàn mô hình: ............................................................................................. 26

Chương 4: KẾT QUẢ NGHIÊN CỨU CỦA MÔ HÌNH HỒI QUY BINARY LOGISTIC29

4.1. Thực trạng các doanh nghiệp .................................................................................... 29

4.2. Kết quả mô hình ........................................................................................................ 37

4.2.1. Độ phù hợp của mô hình: ................................................................................... 37

4.2.2. Mức độ chính xác của mô hình .......................................................................... 38

4.2.3. Kiểm định Wald.................................................................................................. 39

4.3. Kết quả nghiên cứu đưa ra mô hình hồi quy Binary Logistic với phương trình như sau: 40

4.3.1. Hệ số hồi quy tỷ số ROA: ................................................................................... 40

4.3.2. Hệ số hồi quy MVE/TL ...................................................................................... 40

4.3.3. Hệ số hồi quy D/A .............................................................................................. 41

4.3.4. Hệ số hồi quy TIE ............................................................................................... 41

4.4. Kết quả nghiên cứu: .................................................................................................. 42

4.4.1. NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản : ..................... 42

vii

4.4.2. Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường của vốn chủ sở hữu /Tổng nợ: .............................................................................. 43

4.4.3. Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản: ....................... 43

4.4.4. TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay: ....................... 43

4.5. Vận dụng mô hình Binary Logistic vào mục đích dự báo: ....................................... 44

4.5.1. Ví dụ 1: CTCP xuất nhập khẩu thủy sản Bến Tre - ABT có số liệu như sau: .... 44

4.5.2. Ví dụ 2: CTCP Bê tông BECAMEX – ACC ...................................................... 44

4.5.3. Ví dụ 3: CTCP xuất nhập khẩu thủy sản An Giang – AGF ............................... 45

Chương 5: CÁC GIẢI PHÁP NÂNG CAO KHẢ NĂNG DỰ BÁO VÀ GIẢI QUYẾT MỘT CÁCH HIỆU QUẢ TÌNH TRẠNG KHÁNH KIỆT Ở VIỆT NAM. ........................... 46

5.1. Nâng cao tính minh bạch và trách nhiệm của thông tin: ........................................... 46

5.2. Phát triển hệ thống đánh giá xếp hạng tín nhiệm doanh nghiệp Việt Nam theo tiêu chuẩn quốc tế ....................................................................................................................... 48

5.3. Hoàn thiện luật phá sản và các văn bản hướng dẫn có liên quan cả về mặt lý luận và khả năng thực hiện ............................................................................................................... 49

5.3.1. Tập trung vào những giải pháp tăng cường tính thực thi của luật phá sản ......... 49

5.3.2. Sớm ban hành quy định hướng dẫn thủ tục phá sản cho các DN ....................... 51

5.3.3. Ban hành các quy định hỗ trợ nâng cao hiệu quả hoạt động của DATC ............ 54

KẾT LUẬN ............................................................................................................................. 58

TÀI LIỆU THAM KHẢO ...................................................................................................... 59

viii

PHỤ LỤC ................................................................................................................................ 62

MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI CHÍNH CỦA

DOANH NGHIỆP: TIẾP CẬN BẰNG MÔ HÌNH BINARY

LOGISTIC.

Chương 1:

GIỚI THIỆU

1.1. Lời mở đầu:

Kinh tế thế giới những năm gần đây biến động mạnh mẽ, mang đến cho các doanh

nghiệp nhiều cơ hội cũng như thách thức, khó khăn trong hoạt động kinh doanh. Trong một

môi trường phát triển năng động, việc dự báo chính xác khả năng rơi vào tình trạng kiệt quệ

tài chính là một trong những vấn đề cốt lõi giúp các nhà quản lý đưa ra những quyết định

phù hợp, duy trì sự tồn tại và thúc đẩy sự phát triển của doanh nghiệp.

Kết thúc năm 2013, có 37 doanh nghiệp hủy niêm yết, kể cả tự nguyện lẫn bắt buộc

trên 2 sàn chứng khoán. Đây là con số kỷ lục từ khi thị trường chứng khoán VN ra đời đến

nay. Ngoài các doanh nghiệp (DN) bị hủy niêm yết cổ phiếu (CP) bắt buộc do thua lỗ liên

tục 3 năm hay vi phạm quy định công bố thông tin, số lượng DN tự nguyện rời khỏi sàn lên

đến gần một nửa con số 37 DN trên. Đáng chú ý là nhiều DN đưa lý do xin hủy niêm yết vì

giá CP đã xuống thấp hơn giá trị sổ sách của công ty hay DN không thể huy động được vốn

thông qua thị trường chứng khoán (TTCK). Theo thống kê của Vietstock, chỉ mới 6 tháng

đầu năm 2014 mà có 25 mã cổ phiếu trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này

đã vượt qua kỷ lục năm 2012 với 22 mã.. Nguyên nhân chủ yếu khiến 25 mã cổ phiếu này bị

hủy niêm yết là do thua lỗ 3 năm liên tiếp và đơn vị kiểm toán không chấp nhận báo cáo tài

chính hoặc từ chối đưa ra ý kiến sau khi công bố báo cáo tài chính kiểm toán năm 2013.

Không ngừng lại ở đó, năm 2015 có 33 doanh nghiệp bị hủy niêm yết. Kết thúc 4 tháng đầu

năm 2016 đã có 2 doanh nghiệp tiếp tục buộc bị ngừng giao dịch trên sàn. Và khả năng chưa

dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên tiếp, chờ “phán quyết”

cuối cùng vào kết quả kinh doanh 2016.

Các nguyên nhân dẫn đến kiệt quệ tài chính ngày càng phức tạp. Không những xuất

phát từ chính nội bộ doanh nghiệp mà còn xuất phát từ các yếu tố bên ngoài như các biến số

1

thị trường và vĩ mô. Vì vậy cần một mô hình, cách thức dự báo tình trạng kiệt quệ tài chính

chính xác hơn nhằm giúp các nhà quản lý đưa ra quyết định đúng đắn, nâng cao chất lượng

công ty.. Nhận ra những yêu cầu bức thiết nói trên, tôi quyết định chọn đề tài “MÔ HÌNH

ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN

BẰNG MÔ HÌNH BINARY” làm đề tài luận văn của mình.

1.2. Mục tiêu nghiên cứu

- Tìm ra các nhân tố ảnh hưởng đến kiệt quệ tài chính của các doanh nghiệp

- Vận dụng mô hình hồi quy Binary Logistic để ước lượng xác xuất kiệt quệ tài chính

của doanh nghiệp. Từ đó xem xét mức độ ảnh hưởng của các nhân tố ảnh hưởng đến

tình hình doanh nghiệp.

- Đưa ra những giải pháp nhằm nâng cao hiệu quả hoạt động của doanh nghiệp

1.3. Đối tượng và phạm vi nghiên cứu:

1.3.1. Đối tượng:

Mô hình ước lượng xác suất kiệt quệ tài chính của doanh nghiệp dựa trên những

doanh nghiệp đã bị hủy niêm yết do kinh doanh thua lỗ và lỗ lũy kế vượt quá vốn điều lệ.

Đồng thời cũng tương đồng với các doanh nghiệp hủy niêm yết là các doanh nghiệp có quy

mô tương tự đang hoạt động tốt trên thị trường

1.3.2. Phạm vi nghiên cứu

Sử dụng nguồn dữ liệu từ cơ sở dữ liệu các năm của các công ty được niêm yết trên

sở giao dich chứng khoán HOSE và HNX. Thu thập số liệu từ báo cáo tài chính của 84 công

ty đang hoạt động bình thường và 84 công ty hủy niêm yết trên sàn giao dịch. Trong nghiên

cứu này, tôi phân loại quan sát thành hai loại: những quan sát rơi vào tình trạng kiệt quệ tài

chính được gán giá trị biến phụ thuộc là 0; những quan sát không bị kiệt quệ hay tình hình

tài chính ổn định được gán giá trị biến phụ thuộc là 1. Để giải quyết vấn đề biến phụ thuộc là

nhị phân, em sử dụng mô hình Binary Logistic trong bài nghiên cứu này.

1.4. Phương pháp nghiên cứu:

Phương pháp thống kê, phương pháp so sánh, phương pháp phân tích những số liệu

về kết quả hoạt động kinh doanh, kết quả huy động vốn, doanh số, tình hình nội bộ các

2

doanh nghiệp.v.v…

Chọn mẫu là các doanh nghiệp, trong đó gồm: các doanh nghiệp bị hủy niêm yết do

thua lỗ, các doanh nghiệp hoạt động kinh doanh ổn định có quy mô tương đương.

Sử dụng phương pháp thống kê phân tích số liệu.

Sử dụng phần mềm tin học ứng dụng SPSS 22.0.

Tổng hợp toàn bộ thông tin dữ liệu đã thu thập và tiến hành làm sạch dữ liệu.

Chạy mô hình.

Chạy các kiểm định

Tiến hành phân tích các yếu tố.

Xem xét mức độ ảnh hưởng của các yếu tố như thế nào đến sức khỏe của doanh

nghiệp. Đưa ra nhận xét cá nhân về tình hình tài chính của doanh nghiệp giúp nhà quản lý có

cái nhìn tổng quan về công ty với dựa trên những chỉ số cơ bản nhất.

1.5. Kết cấu đề tài:

CHƯƠNG 1: Giới thiệu.

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

CHƯƠNG 3: Phân tích các nhân tố ảnh hưởng đến kiệt quệ tài chính của doanh nghiệp.

CHƯƠNG 4: Kết quả nghiên cứu của mô hình hồi quy Binary Logistic.

CHƯƠNG 5: Các giải pháp nâng cao khả năng dự báo và giải quyết một cách hiệu quả

3

tình trạng khánh kiệt tài chính ở Việt Nam.

Chương 2:

TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU

TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN

2.1. Các nghiên cứu trước đây:

- Opler và Titman (1994) cho thấy rằng các công ty kiệt quệ tài chính (đòn bẩy cao) bị

mất thị phần đáng kể vào đối thủ m ạnh trong thời kỳ suy thoái của ngành. Sự sụt

giảm doanh số bán hàng mà Apple và Chrysler phải đối mặt trong thời kỳ khó khăn

tài chính sẽ cho ta bằng chứng về những thiệt hại nặng nề như vậy. - Trong một mẫu

của 3 1 giao dịch có đòn bẩy cao (HLTs), Andrade và Kaplan (1998) minh họa ảnh

hưởng của kiệt quệ kinh tế bắt nguồn từ kiệt quệ tài chính và ước tính chi phí kiệt quệ

tài chính khoảng 10-20% giá trị công ty.

- Asquith, Gertner và Scharfstein (1994 ) cho rằng trung bình các công ty kiệt quệ về

tài chính bán 12% tài sản của họ như một phần trong nhữ ng kế hoạch tái cấu của họ.

- Chevalier (1995a,b) sử dụng thông tin chi tiết từ các ngành siêu th ị địa phương để

cung cấp bằng chứ ng để hỗ trợ cho hành vi thâu tóm trên thị trư ờng. Bà cho rằng t

iếp theo sau hành động mua và sáp nhập các siêu thị bằng vốn vay (LBOs), giá sẽ

giảm tại các thị trư ờng địa phương nơi m à các công ty đối thủ có đòn bẩy thấp và

tập trung. Hơn nữa, sự giảm giá này liên quan đến việc các công ty LBO thoát khỏi

thị trư ờng địa phương. Những phát hiện này cho thấy rằng các đối thủ nỗ lực để săn

mồi trên dây chuyền LBO. - Phillips (1995) nghiên cứ u sự tương tác giữ a thị trường

sản phẩm và cơ cấu tài chính ở bốn ngành công nghiệp và tìm thấy bằng chứng nhất

quán rằng nợ sẽ làm suy yếu vị trí cạnh tranh của các công ty (xem thêm Kovenock

- Bằng việc sử dụng các bãi bỏ quy định của ngành vận t ải đường bộ như là một cú sốc

và Phillips - 1997; Arping - 2000).

ngoại sinh, Zingales (1998 ) nghiên cứ u sự tương tác giữ a cấu trúc tài chính và sự

cạnh tranh ở thị trường sản phẩm và cho thấy rằng đòn bẩy làm giảm khả năng sống

sót của công ty sau khi có sự gia tăng trong cạnh tranh. Thông điệp chung từ các bài

nghiên cứu trên là kiệt quệ tài chính có thể phát sinh chi phí thực tế tại công ty bằng

4

việc suy yếu vị thế cạnh tranh của họ trên thị trường sản phẩm

2.2. Phân tích các chỉ số truyền thống:

Sự nhận biết hoạt động của doanh nghiệp và những khó khăn chính là một chủ đề có

thể được giải quyết cụ thể khi phân tích các chỉ số tài chính. Trước khí phát triển các thước

đo định lượng hoạt động của doanh nghiệp, một số tổ chức đã thiết lập để cung cấp các mô

hình định tính các thông tin mà đánh giá tình trạng tín dụng của các thương gia cụ thể.

Chẳng hạn, tiền thân của Hãng dịch vụ thông tin quốc tế Dun & Bradstreet nổi tiếng ngày

nay, được thành lập năm 1849 chuyên cung cấp các điều tra tín dụng độc lập, tập hơp các

nghiên cứu chính thức liên quan đến dự báo thất bại doanh nghiệp được thực hiện trong

những thập niên 1930.

Bên cạnh đó GGSaver 1967 là tác phẩm kinh điển trong lĩnh vực phân tích các chỉ

số và phá sản, các mô hình này đã thiết lập trên nền móng các nỗ lực sử dụng kỹ thuật đa

biến cho các tác giả khác đi theo. Mô hình Z-Score của Altman cũng đã sử dụng kỹ thuật

phân tích đa biến này. Một nghiên cứu tiếp theo của Deakin (1972) đã sử dụng 14 biến như

GGSaver đã phân tích, nhưng Deakin đã áp dụng những biến này trong một loạt các phân

tích đa biệt thức.

Những nghiên cứu trên đã ngầm chỉ ra một khả năng nhất định của các chỉ số như

các công cụ dự báo phá sản. Nhìn chung, các chỉ số đo lường khả năng sinh lời

(profitability), khả năng thanh khoản (liquidity), và khả năng toán (solvency) được thừa

nhận như những chỉ báo quan trọng.

2.2.1. Mô hình Z’Score:

Mô hình Z-score là mô hình được công nhận và sử dụng rộng rãi trên thế giới. Chỉ

số này được phát minh bởi Giáo sư Edward I. Altman. Khi nghiên cứu thiết lập mô hình Z-

Score, Altman đă thực hiện các bước như sau:

2.2.1.1. Bước 1: Sự chọn mẫu

Mẫu ban đầu bao gồm 66 công ty với 33 công ty ở mỗi nhóm. Nhóm phá sản (kiệt

quệ) (nhóm 1) là những nhà sản xuất đã nộp đơn phá sản theo chương 10 của Luật Phá Sản

Hoa Kỳ trong giai đoạn 1946 đến 1965. Nhóm hai bao gồm một mẫu ghép đôi của các

doanh nghiệp sản xuất được chọn từ cơ sở phân loại ngẫu nhiên. Các công ty được phân lớp

5

bởi ngành và kích cỡ doanh nghiệp, với phạm vi tài sản được giới hạn nghiêm ngặt từ 1

triệu USD đến 25 triệu USD. Giá trị tài sản trung bình của các công ty trong nhóm 2 (9.6

triệu USD) lớn hơn một ít so với nhóm 1, nhưng để hai nhóm có kích cỡ tài sản như nhau là

điều dường như không cần thiết. Các công ty trong nhóm 2 vẫn còn hoạt động trong thời

gian phân tích. Dữ liệu đuợc xây dựng từ Sổ Tay Ngành của tổ chức Moody và từ các báo

cáo được chọn lọc hằng năm. Quyết định loại bỏ các công ty nhỏ (tài sản dưới 1 triệu USD)

và các công ty rất lớn ra khỏi mẫu là cần thiết cho phạm vi tài sản các công ty trong nhóm

1. Những chỉ trích thường thấy là đối với các chỉ số tài chính, về bản chất, số liệu thống kê

cho thấy chúng chịu sự ảnh hưởng của yếu tố kích cỡ doanh nghiệp, và do đó nên loại bỏ

tác động của yếu tố này trong phân tích. Mô hình Z-Score xuất hiện có thể đáp ứng được

nhu cầu này.

2.2.1.2. Bước 2: Lựa chọn biến:

Sau khi hình thành được khái niệm nhóm và chọn được công ty, chọn danh sách

gồm 22 chỉ số, 5 chỉ số đã được chọn vì chúng đã thể hiện tốt nhất trong việc liên kết dự

đốn phá sản công ty. Các chỉ số này không bao gồm tất cả các biến số quan trọng nhất được

đo lường một cách độc lập. Để đạt được tập hợp các biến số cuối cùng, các thủ tục sau đã

được sử dụng: (1) quan sát mức ý nghĩa thống kê của các chức năng thay thế khác nhau,

bao gồm việc xác định phần đóng góp tương đối của các biến số độc lập; (2) đánh giá sự

tương quan giữa các biến số có liên quan; (3) quan sát độ chính xác về mặt dự báo của các

tập hợp biến; và (4) đánh giá của các chuyên gia.

Biệt thức cuối cùng đuợc thể hiện như sau:

Trong đó:

X1= working capital/total assets = Vốn lưu động/ Tổng tài sản,

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

X3= Eanring GGSfore tax and interest/ total assets = Lợi nhuận trước thuế và

lãi vay/ Tổng tài sản,

X4= Market value equity/ book value of total liabilities = Giá trị thị trường của

6

vốn CSH/ giá trị sổ sách của nợ phải trả,

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

và Z= overall index = chỉ số tổng hợp

Chú ý rằng, mô hình không có một hằng số nào (số giới hạn). Đó bởi vì các phần

mềm cụ thể được sử dụng, và kết quả là, điểm số giới hạn tương ứng giữa hai nhóm không

phải là 0. Phần mềm khác, như SAS và SPSS, có một hằng số, mà nó chuẩn hĩa điểm giới

hạn ở 0 nếu số mẫu của hai nhóm là bằng nhau.

2.2.1.3. Bước 3: Giải thích biến số:

 X1, working capital/total assets (WC/TA) = Vốn lưu động/ Tổng tài sản

Chỉ số working capital/ total assets, thường được tìm thấy trong các nghiên cứu về

các trục trặc DN, là một công cụ đo lường độ thanh khoản ròng của các tài sản của công ty

tương ứng với tổng vốn. Working capital được định nghĩa như là sự khác nhau giữa current

assets – tài sản lưu động và current liabilities- nợ ngắn hạn. Tính thanh khoản và đặc điểm

về kích thước được cân nhắc rõ nét. Thông thường, một công ty trải qua một thời kỳ lỗ hoạt

động kéo dài sẽ có tài sản lưu động bị co lại so với tổng tài sản. Trong ba chỉ số thanh

khoản được đánh giá, chỉ số này tỏ ra là chỉ số đáng giá nhất. Hai chỉ số thanh khoản khác

được kiểm tra là current ratio- chỉ số thanh tốn hiện hành và quick ratio – chỉ số thanh tốn

tức thời. Chúng xem ra kém hữu ích và phụ thuộc vào khuynh hướng bảo thủ của một vài

công ty thất bại.

 X2, retained earnings/total assets (RE/TA) = Lợi nhuận giữ lại/ Tổng tài sản

Lợi nhuận giữ lại thể hiện tổng số thu nhập được tái đầu tư hay mức lỗ của một

doanh nghiệp trong suốt thời gian tồn tại của nó. Chỉ số này cũng được xem như là thặng

dư kiếm được từ quá trình hoạt động. Điều đáng chú ý là chỉ số này phụ thuộc vào sự vận

động thông qua tái cấu trúc và tuyên bố chia cổ tức, vốn không phải là đối tượng nghiên

cứu của nghiên cứu này, có thể hiểu rằng một xu hướng sẽ được hình thành thông qua tái tổ

chức, hoặc chính sách chia cổ tức hoặc những điều chỉnh phù hợp trong các tài khoản kế

tốn.

Một khía cạnh mới thú vị về chỉ số lợi nhuận giữ lại là khả năng đo lường lợi nhuận

7

tích lũy theo thời gian. Thời gian hoạt động ngắn hay dài của một công ty được cân nhắc

hồn tồn ở chỉ số này. Ví dụ, các công ty trẻ thường thể hiện một chỉ số RE/TA thấp bởi vì

nó chưa có thời gian để tích lũy lợi nhuận. Vì vậy, có thể lập luận là các công ty trẻ ở một

mức độ nào đó bị phân biệt đối xử trong phân tích này, và khả năng các công ty này đuợc

xếp vào nhóm phá sản là cao hơn một cách tương đối so với các công ty có thời gian hoạt

động nhiều hơn. Nhưng đó là điều chính xác trong thế giới thực. Các công ty dễ bị phá sản

ở những năm đầu hoạt động. Trong năm 1993, khoảng 50% số các công ty bị phá sản trong

từ một đến 5 năm đầu hoạt động (Dun & Bradstreet, 1994).

Thêm vào đó, chỉ số RE/TA đo lường đòn bẩy của một doanh nghiệp. Những công

ty với mức RE cao, so với TA, có thể tài trợ tài sản thông qua việc giữ lại lợi nhuận và

không sử dụng nhiều nợ.

 X3, Earnings Before Interest and taxes/Total assets (EBIT/TA)=Lợi nhuận trước

thuế và lãi vay/Tổng tài sản (chỉ số hiệu suất sử dụng tài sản)

Chỉ số này đo lường năng suất thật của tài sản doanh nghiệp, một cách độc lập với

thuế và vay nợ. Bởi vì sự sinh tồn tối hậu của một doanh nghiệp là dựa vào khả năng tạo ra

tiền của tài sản, chỉ số này xuất hiện rất hay trong nghiên cứu liên quan đến thất bại doanh

nghiệp. Hơn nữa, việc mất khả năng thanh tốn trong các trường hợp phá sản xảy ra khi tổng

nợ lớn hơn giá trị đúng của tài sản công ty với giá trị được xác định dựa trên khả năng sinh

lợi của tài sản. Chỉ số này có khả năng chỉ báo tốt hơn các chỉ số sinh lợi khác, kể cả dịng

tiền.

 X4, Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị

thị trường của vốn chủ sở hữu /Giá trị sổ sách của nợ Vốn chủ sở hữu:

Được đo lường bởi giá trị thị truờng của tất cả cổ phiếu, cổ phiếu ưu đãi và cổ phiếu

thường, trong khi nợ bao gồm cả nợ ngắn hạn và nợ dài hạn.

Chỉ số này đo mức độ có thể sụt giảm về mặt giá trị của tài sản công ty (đo lường

bởi giá trị thị trường của vốn chủ sở hữu và nợ) trước khi nợ vượt quá tài sản và công ty

mất khả năng thanh tốn. Ví dụ, một công ty với giá trị thị trường của vốn chủ sở hữu là

1000 USD, và nợ là 500 USD có thể chịu được sự sụt giảm 2/3 giá trị tài sản trước khi mất

8

khả năng thanh tốn (sụt 2/3 tài sản tức là tổng giá trị tài sản còn lại

=1/3*(1000+500)=500 USD). Tuy nhiên, cùng một công ty với 250 USD giá trị vốn chủ sở

hữu sẽ bị mất khả năng thanh tốn nếu tài sản giảm chỉ còn 1/3 giá trị. Chỉ số này bổ sung

kích thước giá trị thị trường mà hầu hết các nghiên cứu phá sản khác không đề cập đến.

 X5, Sales/Total assets (S/TA) = Tổng doanh thu/ Tổng tài sản

Chỉ số doanh thu trên tổng tài sản là một chỉ số tài chính tiêu chuẩn minh họa cho

khả năng tạo ra thu nhập của tài sản doanh nghiệp. Nó là một thước đo khả năng quản trị

trong môi trường cạnh tranh. Chỉ số cuối cùng này khá quan trọng nhưng nó là chỉ số kém

quan trọng nhất dựa trên cơ sở cá thể. Thật ra, dựa trên các kiểm định mức ý nghĩa bằng

thống kê đơn biến, nó không nên xuất hiện. Tuy nhiên, bởi vì mối quan hệ duy nhất của

của nó với các biến số khác của mô hình, chỉ số sales/total assets xếp hạng thứ hai trong

việc góp phần vào khả năng phân biệt tổng thể của mô hình. Tuy nhiên, có sự khác biệt lớn

về doanh thu giữa các ngành, và Altman sẽ phát triển một mô hình thay thế (Z”) mà không

có chỉ tiêu X5 ở phần sau.

 ĐIỂM CẦN CHÚ Ý

Trong nhiều năm trời, các công ty tìm thấy một dạng thể hiện tiện nghi hơn của mô

hình là:

Để đánh giá khả năng phá sản của các công ty, chỉ số Z của chúng được so sánh với

các mức điểm được xác định trước như dưới đây

Z < 1.81: Phá sản

1.81 < Z < 2.99: Không rõ ràng

2.99 < Z : Lành mạnh

Sử dụng công thức này, thì các biến từ X1 đến X4 được sử dụng dưới dạng số tuyệt

đối, ví dụ 0.10 thay vì 10% và làm tròn hệ số cuối bằng 1.0 (từ 0.99). Biến số cuối tiếp tục

được viết dưới dạng số tuyệt đối. Điểm số cho các công ty đơn lẻ và các nhóm phân loại

tương ứng và điểm ngưỡng vẫn khác nhau thấy rõ. Định dạng này đã được sử dụng trong

9

một vài tình huống thực tế, ví dụ như công trình của Altman và Lafleur (1981).

Bảng 2.1 Biến trung vị và kiểm nghiệm mức ý nghĩa

Biến Chỉ số FF Ration Trung vị của Trung vị của

nhóm phá sản/ nhóm không phá

Bankrupt Group sản/ Nonbankrupt

GTTan X1= WC/TA -6.1% Group GTTan 41.4% 32.5*

X2= RE/TA -62.6% 35.5% 58.86*

X3=EBIT/TA -31.8% 15.4% 26.56*

X4= MVE/BVL 40.1% 247.7% 32.26*

X5= S/TA 1.5 1.9 2.84

N=33

F1.60(0.01)= 12.0; F1.60(0.01)=7.00; F1.60(0.01)= 4.00

2.2.1.4. Bước 4: Kiểm tra biến số:

Một kiểm nghiệm xác định khả năng phân biệt của mô hình là kiểm nghiệm F-

value, bằng cách lấy chỉ số tổng bình phương (sums of squares) của nhóm này so với tổng

bình phương của nhóm khác. Khi chỉ số này cực đại, nó có tác dụng phân tán trung vị của

nhóm rộng ra, và đồng thời, giảm sự phân tán của các điểm cá thể (giá trị Z của công ty) ra

xa trung vị của nhóm tương ứng. Một cách lơ gíc, kiểm nghiệm này (còn gọi là kiểm

nghiệm F) là phù hợp vì mục tiêu của phương pháp phân tích đa nhân tố là nhận dạng và

sử dụng những biến số mà chúng phân biệt tốt nhất các nhóm khác nhau và đồng dạng

nhất trong nhóm.

Trung bình nhóm của hai nhóm mẫu gốc là

Chỉ số Z của nhóm 1= - 0.254 ( với F = 20.7) = (1.2*(-6.1%)) + (1.4*(-62.6%))

+ (3.3*(-31.8%)) + (0.6* 40.1%) + (1* 1.5)

Chỉ số Z của nhóm 2= + 4.8882 (với F4n (0.01) =3.84) = (1.2*41.4%) +

(1.4*35.5%) + (3.3*15.4%) + (0.6*247.7%) + (1* 1.9)

Kiểm nghiệm mức ý nghĩa do vậy bác bỏ giả thiết rỗng mà các quan sát phát sinh

10

từ cùng một đám đông.

Các trung vị biến ở một báo cáo tài chính trước khi phá sản và kết quả thống kê F

được biểu diễn trong bảng 1. Biến X1 đến biến X4 đều có mức ý nghĩa 0.001, diễn đạt sự

khác nhau cực kỳ quan trọng giữa các biến giữa các nhóm công ty khác nhau. Biến X5

không diễn đạt được sự khác biệt quan trọng giữa các nhóm và lý do để cho biến này vào

nhóm các biến là chưa rõ ràng lắm. Ở một mức độ nghiêm ngặt về đơn biến, tất cả các chỉ

số đều có giá trị cao hơn ở các công ty không phá sản. Cũng như thế, tất cả các hệ số biệt

thức đều có dấu hiệu rất khả quan như mong đợi. Bởi thế, một công ty có khả năng phá

sản càng cao thì điểm số biệt thức của nó càng thấp. Rõ ràng rằng bốn trong năm biến số

diễn đạt sự khác nhau quan trọng giữa các nhóm, nhưng tầm quan trọng của phương pháp

đa biệt thức là ở khả năng tách nhóm thông qua sự đo lường đa biến số.

Một khi các giá trị của các hệ số biệt thức được ước lượng, ta có thể tính tốn điểm

biệt thức của mỗi quan sát trong mẫu, hay các công ty, và ấn định các quan sát vào một

nhóm dựa vào điểm số này. Sự cần thiết của quy trình là so sánh hồ sơ của một công ty cá

thể với hồ sơ của một nhóm lựa chọn. Sự so sánh được đo lường bởi giá trị “chi bình

phương” và các chỉ định được thực hiện dựa vào sự tương tự tương đối của các điểm số

công ty so với điểm số nhóm.

2.2.1.5. Mẫu ban đầu:

Mẫu ban đầu gồm 2 nhóm với 33 công ty mỗi nhóm, được kiểm tra bằng cách sử

dụng dữ liệu báo cáo tài chính thu thập một năm trước khi phá sản. Bởi vì các hệ số biệt

thức và các phân phối nhóm được xây dựng từ mẫu này, nên sự phân loại thành công được

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

năng biệt thức, thực tế, là dựa vào các công cụ đo lường riêng lẻ cho cùng các công ty này.

Ma trận phân loại cho mẫu gốc được biểu diễn trong bảng 2.

Mô hình thể hiện cực kỳ chính xác trong việc phân loại đúng 95% cho tổng số các

công ty trong mẫu. Còn nhóm I sai số chỉ có 6% trong lúc nhóm II thậm chí còn ít hơn với

11

3%. Những kết quả này là rất tốt như kỳ vọng

Bảng 2.2 Kết quả phân loại mẫu gốc

Phần Phần Dự đoán trăm Số trăm Mẫu Thực không đúng chính n tế Nhóm chính Nhóm 2 xác 1 xác

Kiểu I Kiểu II Kiểu III 31 1 Nhóm Nhóm 1 2 2 32 31 32 63 91 97 95 6 3 5 33 33 66

2.2.1.6. Kiểm định báo cáo hai năm trước khi phá sản:

Cuộc kiểm định thứ hai quan sát khả năng của mô hình cho các công ty sử dụng các

dữ liệu báo cáo tài chính thu thập được hai năm trước khi phá sản. Thời kỳ hai năm là một

sự cường điệu bởi vì thời gian chết giữa lúc bắt và lúc hồn thành bình quân cho việc các

công ty được sắp xếp là khoảng 20 tháng, với hai công ty có thời gian chết là 13 tháng. Kết

quả được biểu diễn trong bảng 3. Sự giảm chính xác là điều có thể hiểu được bởi vì các biểu

hiện của sự phá sản tiềm tàng là kém rõ hơn. Tuy nhiên 72% phân định chính xác là bằng

chứng rằng sự phá sản có thể tiên đốn trước 2 năm. Sai số của nhóm II lớn hơn một chút (6%

so với 3%) trong kiểm nghiệm này, nhưng như thế vẫn là cực kỳ chính xác.

Bảng 2.3: Kết quả phân loại mẫu cho thời gian hai năm trước khi phá sản

Mẫu n Thực tế Dự đoán Số Phần Phần

đúng trăm trăm Nhóm 1 Nhóm 2

chính không

xác chính

Nhóm 1 23 9 xác

Nhóm 2 2 31

Kiểu I 23 72 28 32

12

Kiểu II 31 94 6 33

Kiểu III 54 83 17 65

2.2.1.7. Mẫu thứ cấp của các công ty phá sản:

Để kiểm tra mô hình một cách nghiêm ngặt cho các công ty phá sản và các công ty

không phá sản, hai mẫu mới được giới thiệu. Mẫu thứ nhất được tập hợp gồm 25 công ty

bị phá sản. Những công ty này có mức tài sản tương tự với các công ty của nhóm phá sản

ban đầu. Trên cơ sở của các thông số được thiết lập trong mô hình biệt thức để phân loại

các công ty trong mẫu thứ cấp này, sự chính xác trong việc dự đốn cho mẫu này ở thời

điểm một năm trước khi phá sản được mô tả trong bảng 4. Những kết quả thu được gây

ngạc nhiên vì một nhóm đáng lẽ không được kỳ vọng nhiều lại trở nên tốt hơn so với mẫu

ban đầu (96% so với 94%). Hai lý do có thể chấp nhận là khuynh hướng đi lên tồn tại một

cách thông thường trong thử nghiệm mẫu đầu tiên không được thể hiện ở trong nghiên cứu

này và hoặc mô hình như đã mô tả từ trước không được tối ưu.

Bảng 2.4: Kết quả sắp xếp mẫu thứ cấp các công ty phá sản

Nhóm phá sản Dự đoán

Không Số đúng Phần trăm đúng Phần trăm sai Phá sản phá

24 1 sản

Kiểu I (tổng cộng) 24 96 4 N=25

2.2.1.8. Kiểm định mô hình dựa trên mẫu tiếp theo gồm các công ty kiệt quệ tài

chính:

Trong kiểm nghiệm lần thứ 3 tiếp theo Altman đã kiểm tra 86 công ty kiệt quệ tài

chính từ 1969 đến 1975, 110 công ty bị phá sản từ 1976 – 1995 và 120 công ty phá sản từ

1997 – 1999. Altman đã tìm ra rằng mô hình chỉ số Z, sử dụng điểm giới hạn là 2,675, dự

đốn được chính xác từ 82% - 94%. Một nghiên cứu thử nghiệm lặp lại cho đến năm 1999,

độ chính xác của mô hình Z - Score trên mẫu các công ty bị kiệt quệ tài chính giao động từ

80% - 90%, dựa trên dữ liệu của một kỳ báo cáo trước khi phá sản.

13

Tuy nhiên, sai lầm kiểu II (sắp các công ty vô nhóm phá sản nhưng không phá sản)

đã tăng một cách đáng kể từ 15% - 20% cho mọi công ty và 10% của các công ty lớn nhất

có điểm số Z dưới 1,81. Tuy nhiên những thử nghiệm gần đây cho thấy rằng điểm số Z

trung bình tăng một cách đáng kể với mức tăng bình quân từ 4 đến 5 cấp trong giai đoạn

1970 – 1995 lên đến 10 cấp năm 1999. Nhưng cấp trung bình vẫn không tăng nhiều. Phần

tăng quan trọng trong chỉ số Z trung bình là do giá cổ phiếu tăng một cách chóng mặt và

điều này làm ảnh hưởng đến chỉ số X4. Altman ủng hộ việc sử dụng mức thấp hơn của

vùng chưa rõ ràng (1.81) như là một điểm giới hạn thực tế của chỉ số Z hơn là điểm giới

hạn của chỉ số 2.675. Điểm số sau là kết quả của mức độ lỗi tổng thể thấp hơn trong thử

nghiệm ban đầu. Theo số liệu thống kê, năm 1999 tỷ lệ của các công ty trong nền công

nghiệp Hoa Kỳ có điểm số Z dưới 1.81 là hơn 20%

2.2.1.9. Mẫu thử nghiệm thứ nhì của công ty phá sản:

Một mẫu các công ty được chọn bởi tình trạng phá sản của nó (nhóm I) hoặc mức độ

tương tự với nhóm I về mọi phương diện trừ việc vần tồn tại. Nhưng câu hỏi đặt ra là điều gì

làm cho các công ty này tuy gặp các khĩ khăn về tạo ra lợi nhuận, nhưng lại không đến nỗi

phải phá sản? Sự phân loại phá sản của các công ty thuộc diện này là một ví dụ của lỗi loại

II. Một thử nghiệm chặt chẽ riêng biệt tính hiệu quả của mô hình biệt thức sẽ tìm ra một mẫu

lớn các công ty gặp phải vấn đề về thu nhập và sau đó được quan sát kết quả phân loại của

mô hình Z tương ứng.

Để thực hiện những thử nghiệm trên, một mẫu 66 công ty được chọn lựa trên cơ sở

báo cáo thu nhập thuần trong những năm 1958 – 1961, với 33 công ty mỗi loại.

Trên 65% các công ty này đã trải qua 2 – 3 năm có lợi nhuận âm từ 3 năm trước đó.

Các công ty được chọn lựa không tính đến kích cỡ tài sản, với 2 tiêu chuẩn là chúng phải là

công ty sản xuất và bị lỗ từ 1958 – 1961. Những công ty này sau đó được đánh giá bằng mô

hình biệt thức để xác định khả năng phá sản của chúng. Kết quả cho thấy 14 trong 66 công

ty được xếp loại đã bị phá sản, còn 52 công ty còn lại được xếp đúng. Vì vậy mô hình biệt

thức đã xếp loại đúng được 79% các công ty trong mẫu. Tỷ lệ này rất ấn tượng khi một ai

đó để ý rằng những công ty này đã tạo thành một mẫu thứ cấp được thừa nhận là hoạt động

kém hơn mức trung bình. Thử nghiệm t cho mức ý nghĩa của kết quả là 4.8; mức ý nghĩa ở

14

0.001. Một khía cạnh thú vị khác của thử nghiệm này là mối quan hệ của các công ty tạm

thời bị bệnh này và khu vực không xác định. Khu vực không xác định là phạm vi của chỉ số

Z mà việc sắp sai nhóm có thể xảy ra.

Trong 14 công ty bị xếp sai nhóm trong mẫu thứ nhì, 10 công ty có chỉ số Z nằm

giữa 1.81 và 2.67, điều này chỉ ra rằng mặc dù chúng được xếp loại vào nhóm bị phá sản,

sự dự đốn phá sản lại không rõ ràng như khi phần lớn xảy ra trong mẫu đầu tiên của các

công ty bị phá sản. Thực ra, chỉ có 1/3 trong số 66 công ty trong mẫu sau cùng có chỉ số Z

nằm trong khu vực đan xen vào nhau, mà nhấn mạnh rằng quá trình chọn lựa là thành công

khi chọn ra các công ty có biểu hiện bị giảm giá trị (thua lỗ). Mặc dù các thử nghiệm đều

dựa vào dữ liệu từ hơn 40 năm về trước, chúng vẫn thể hiện sự mạnh mẽ của mô hình khi

sử dụng vào năm 2000.

2.2.1.10. Độ chính xác dài hạn:

Kết quả trước cung cấp bằng chứng quan trọng về độ tin cậy các kết luận xây dựng

từ các mẫu ban đầu. Một sự mở rộng hợp lý sẽ là xem xét hiệu quả tổng thể của mô hình

biệt thức cho một khoảng thời gian lâu hơn trước khi xảy ra phá sản.

Để trả lời câu hỏi này, dữ liệu được thu thập cho 33 công ty ban đầu từ năm thứ 3,

năm thứ 4 và năm thứ 5 trước khi xảy ra phá sản. Một cơ sở mặc định là, khi thời gian tăng

lên, khả năng dự báo tương đối của mọi mô hình đều giảm xuống. Điều này là chính xác

trong các nghiên cứu đơn biến đã trích dẫn trước đó, và cũng đúng cho các mô hình đa biệt

thức. Dựa vào những kết quả trên, có thể thấy mô hình Z-Score là một mô hình dự báo phá

sản chính xác đến 2 năm trước khi khi xảy ra kiệt quệ tài chính và độ chính xác sẽ giảm

nhiều khi khoảng thời gian dự báo kéo dài hơn. Altman cũng đã thực hiện một phân tích xu

hướng dựa trên các chỉ số riêng lẻ của mô hình. Hai kết luận quan trọng nhất của khuynh

hướng này là (1) mọi chỉ số được quan sát biểu hiện một khuynh hướng khi sự phá sản đến

gần, và (2) thay đổi rõ nét nhất trong phần lớn các chỉ số này xảy ra giữa năm thứ ba và

năm thứ hai trước khi phá sản. Mức độ thay đổi được đo lường bởi sự thay đổi hàng năm

của giá trị chỉ số. Quan sát sau đặc biệt quan trọng bởi vì nó cung cấp bằng chứng tương

thích với những kết luận được rút ra từ mô hình biệt thức. Vì vậy, các thông tin quan trọng

thừa hưởng từ xu hướng đo lường của các chỉ số riêng lẻ gánh vác được tầm quan trọng

15

tương xứng khi được kết hợp với các phân tích biệt thức bổ sung.

2.2.1.11. Chỉ số Z-Score trung bình chéo thời gian:

Như bảng 2.5 cho thấy, Altman đã thử nghiệm mô hình Z-Score cho nhiều mẫu khác

nhau trong khoảng thời gian hơn 30 năm. Trong mỗi thử nghiệm, độ chính xác của kiểu I, sử

dụng điểm giới hạn là 2.67 nằm trong phạm vi từ 82-94%, dựa vào dữ liệu từ một năm báo

cáo tài chính trước khi phá sản xảy ra hay mất khả năng chi trả cho các trái phiếu nợ. Thực

vậy, trong thử nghiệm gần đây nhất, dựa trên 120 công ty bị vỡ nợ trong những năm 1997-

1999, độ chính xác của các dự báo phá sản là 94% (113 trong tổng 120). Sử dụng điểm giới

hạn 1.81, tỷ lệ chính xác vẫn ở mức ấn tượng là 84%. Tỷ lệ chính xác 94%, với mức giới

hạn 2.67 là có thể so sánh được với độ chính xác trong mẫu đầu tiên mà đã dùng để xây

dựng mô hình này. Vì vậy, có thể kết luận rằng mô hình Z-Score vẫn giữ được độ chính xác

cao và mô hình vẫn có khả năng dự báo mạnh mẽ mặc dù đã ra đời cách đây nhiều năm. Tuy

nhiên, trong thập kỷ 90 thế kỷ 20, mức chính xác của kiểu II, đã tăng đến 15-20% đối với

các công ty sản xuất được liệt kê trong dữ liệu thống kê Hoa Kỳ.

Bảng 2.5: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Score (1968)

Số Mẫu Mẫu Mẫu năm năm Mẫu năm năm 1969 -1975 Mẫu đối trước gốc 1976 – 1997- chứng (25) phá (33) 1995 -110 1999 -120 -86 sản

94% 85% 94% 96% (92%) 82%(78%) 1

2 3 4 5 (88%) 72% 48% 29% 36% (78%) (84%)

Ghi chú: 2.67 là điểm giới hạn ( độ chính xác khi dùng điểm giới hạn 1.81 nằm

trong ngoặc đơn)

2.2.1.12. Mô hình Z-Score áp dụng cho các công ty tư nhân

Có lẽ yêu cầu thường xuyên nhất mà Altman nhận được từ những người quan tâm

16

đến việc sử dụng mô hình Z-Score là “làm thế nào để áp dụng mô hình này cho các công

ty trong lĩnh vực tư nhân?”. Các nhà phân tích tín dụng, những người hoạch định kinh tế

tư nhân, kiểm tốn viên, và bản thân các công ty đều quan ngại rằng mô hình gốc chỉ có thể

áp dụng cho các công ty đại chúng (bởi vì X4 cần đến dữ liệu về giá trị cổ phiếu). Và chính

xác hồn tồn là mô hình Z-Score là một mô hình dành cho các công ty đại chúng và việc

điều chỉnh không phù hợp sẽ không có giá trị khoa học. Chẳng hạn như, điều chỉnh rõ ràng

nhất là dùng giá trị sổ sách của vốn chủ sở hữu bằng giá trị thị trường và tính lại X4. Trước

khi vấn đề này chính thức được bàn luận, các nhà phân tích có ít cơ hội để chọn lựa để làm

điều này bởi vì bộ giá trị thay thế chưa sẵn sàng.

2.2.2. Mô hình Z-Score tự điều chỉnh:

Không đơn giản là chèn một thông số đại diện vào mô hình sẵn có để tính chỉ số Z,

Altman đề nghị một sự đánh giá lại tồn bộ mô hình, dùng giá trị sổ sách của vốn chủ sở

hữu thay thế giá trị thị trường trong biến X4. Điều này sẽ làm thay đổi tất cả các hệ số của

biệt thức (không chỉ thay đổi ở thông số của biến mới) và tiêu chuẩn phân loại và các điểm

giới hạn cũng thay đổi theo. Đây là điều thực sự đã xảy ra. Kết quả của mô hình Z-Score

điều chỉnh với biến mới X4 là:

Z’ = 0.717X1 +0.847X2+ 3.107X3+0.420X4+0.998X5

Các điểm ngưỡng cho chỉ số Z’ này như sau: Phásản Z’ < 1.23

Không rõ ràng 1.23

Phương trình mới này trơng khác với mô hình trước đó; chẳng hạn như hệ số của

biến X1 đã thay đổi từ 1.2 thành 0.7. Nhưng mô hình trơng khá tương tự như mô hình đã

sử dụng giá trị thị trường. Biến số thực sự đã được điều chỉnh, X4 đã cho thấy hệ số đổi

thành 0.42 so với lúc đầu là 0.6001; đó là vì, với thay đổi này nó ít ảnh hưởng hơn lên chỉ

số Z. X3 và X5 hầu như là không đổi. Thử nghiệm biến đơn bằng thử nghiệm F cho giá trị

sổ sách của X4 (25.8) thì thấp hơn 32.26 khi dùng giá trị thị trường nhưng kết quả đo

lường bằng véc tơ cho thấy rằng đo lường bằng giá trị sổ sách vẫn là nhân tố quan trọng

thứ ba trong phương trình 5 biến số.

Bảng 1.6 liệt kê độ chính xác phân loại, trung bình nhóm, các điểm số giới hạn điều

chỉnh cho mô hình Z’-Score. Độ chính xác của nhóm I vẫn chỉ thấp hơn chút ít so với mô

17

hình sử dụng giá trị thị trường của vốn chủ sở hữu (91% so với 94%) nhưng độ chính xác

của nhóm II là rõ ràng (97%). Trung bình của nhóm không phá sản trong mô hình Z’-

Score thấp hơn trong mô hình gốc (4.14 so với 4.8882). Vì vậy, sự phân phối điểm chỉ số

là chặt chẽ hơn với phần đan xen nhóm rộng hơn. Phần không nhận biết được (ignorance

zone) thì rộng hơn. Tuy nhiên, bởi vì ranh giới phân biệt thấp hơn 1.23 so với 1.81

trong mô hình gốc. Nên mô hình chỉnh sửa có lẽ kém tin cậy hơn so với mô hình gốc,

nhưng chỉ kém một chút. Bởi vì thiếu các cơ sở dữ liệu của các công ty tư nhân, Altman

không thực hiện kiểm nghiệm mô hình mở rộng này trên các mẫu thứ cấp các công ty bị

kiệt quệ tài chính và không kiệt quệ.

Ghi chú: Trung bình nhóm phá sản = 0.15; trung bình của nhóm không phá sản 4.14

Z’ < 1.21= Vùng I (không có lỗi khi phân loại phá sản)

Z’ > 2.90= Vùng II (không có lỗi khi phân loại không phá sản)

Vùng không nhận biết=1.23 đến 2.90

Bảng 2.6: Mô hình điều chỉnh Z’-Score: Phân loại kết quả, trung bình nhóm, ranh giới điểm

phân biệt

Phân loại Thực tế Phá sản Không phá sản Tổng cộng 33 Phá sản 30 -90.90% 3 -9.10%

33 Không phá sản 1 -3.00% 32 -97.00%

2.2.2.1. Kết luận về mô hình Z-Score:

Altman đã xây dựng các mô hình cho ba dạng công ty khác nhau, ông đã tiến hành

thử nghiệm nhiều lần dựa trên nhiều mẫu công ty trong khoảng thời gian 30 năm và kết

luận rằng mô hình này vẫn giữ được độ chính xác cao mặc dù được thiết lập từ năm 1968.

Cho đến nay mô hình Z-Score vẫn là mô hình được sử dụng rộng rãi nhất trên thế giới để

đánh giá khả năng phá sản của các doanh nghiệp bởi tính đơn giản và độ chính xác của nó,

dù rằng sau này có các mô hình chính xác hơn xuất hiện như mô hình Zeta, mô hình

CART (Classification and Regression Trees)… Mô hình Z-Score được thừa nhận có khả

18

năng dự báo chính xác đến 2 năm trước khi doanh nghiệp phá sản.

2.2.3. Giới thiệu mô hình hồi quy Binary logistic

2.2.3.1. Ứng dụng của mô hình hồi quy Binary logistic

Hồi quy Binary logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác

suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được.

Có rất nhiều hiện tượng trong tự nhiên chúng ta cần đoán khả năng xảy ra một

sự kiện nào đó mà ta quan tâm (chính là xác suất xảy ra), ví dụ sản phẩm mới có được

chấp nhận hay không, người vay trả được nợ hay không, mua hay không mua… Những

biến nghiên cứu có hai biểu hiện như vậy gọi là biến hay phiên (dichotomous), hai biểu

hiện này sẽ được mã háo thành hai giá trị 0 và 1 và ở dưới dạng này gọi là biến nhị phân.

Khi biến phụ thuộc ở dạng nhị phân thì nó không thể được nghiên cứu với dạng hồi quy

thông thường vì nó sẽ xâm phạm các giả định, rất dễ thấy là khi biến phụ thuộc chỉ

có hai biểu hiện thì thật không phù hợp khi giả định rằng phần dư có phân phối chuẩn,

mà thay vào đó nó sẽ có phân phối nhị thức, điều này sẽ làm mất hiệu lực thống kê của các

kiểm định trong phép hồi quy thông thường của chúng ta. Một khó khăn khác khi dùng hồi

quy tuyến tính thông thường là giá trị dự đoán được của biến phụ thuộc không thể được

diễn dịch như xác suất ( giá trị ước lượng của biến phụ thuộc trong hồi quy Binary

logistic phải rơi vào khoảng (0;1)).

2.2.3.2. Mô hình Binary Logistic:

Với hồi quy Binary logistic, thông tin chúng ta cần thu thập về biến phụ thuộc là

một sự kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị 0 và 1,

với 0 là không xảy ra sự kiện ta quan tâm và 1 là có xảy ra, và tất nhiên là cả thông tin về

các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự

đoán xác suất sự kiện xảy ra theo quy tắc nếu xác suất được dự đoán lớn hơn 0.5 thì

kết quả dự đoán sẽ cho là “có” xảy ra sự kiện, ngược lại thì kết quả dự đoán sẽ cho là

“không”.

Ta sẽ nghiên cứu mô hình hàm Binary logistic trong trường hợp đơn giản nhất là

19

khi chỉ có một biến độc lập X. Ta có mô hình hàm Binary logistic như sau:

Trong công thức này E(Y/X) là xác suất để Y = 1 (là xác suất để sự kiện xảy ra) khi

biến độc lập X có giá trị cụ thể là Xi. Kí hiệu biểu thức ( ) là z, ta viết lại mô hình

hàm Binary logistic như sau:

Vậy thì xác xuất không xảy ra sự kiện là:

Thực hiện phép so sánh giữa xác xuất một sự kiện xảy ra với xác xuất sự kiện đó

không xảy ra, tỷ lệ chênh lệch này thể hiện qua công thức:

Lấy Log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta được

kết quả:

Nên kết quả cuối cùng là:

Diễn dịch các hệ số hồi quy của mô hình Binary Logistic

Tên gọi hồi quy Binary logistic xuất phát từ quá trình biến đổi lấy logarit của thủ

tục này. Sự chuyển hóa cho các hệ số của hồi Binary logistic có nghĩa hơi khác với hệ số

hồi quy trong trường hợp thông thường với các biến phụ thuộc dạng thập phân.

Đó là: từ công thức (*) ta hiểu hệ số ước lượng B1 thực ra là sự đo lường những

thay đổi trong tỷ lệ (được lấy logarit) cùa các xác suất xảy ra sự kiện với 1 đơn vị thay đổi

20

trong biến phụ thuộc X1

Chương trình SPSS sẽ tự động thực hiện tính toán các hệ số và cho hiện cả hệ số thật

lẫn hệ số đã được chuyển đổi. Chú ý cách diễn dịch dấu của hệ số, một hệ số dương làm

tăng tỷ lệ xác xuất dự đoán trong khi hệ số âm làm giảm tỷ lệ xác xuất dự đoán.

 Độ phù hợp của mô hình:

Hồi quy Binary logistic cũng đòi hỏi ta phải đánh giá độ phù hợp của mô hình. Đo

lường độ phù hợp tổng quát của mô hình Binary logistic được dựa trên chỉ tiêu -2LL (viết

tắt của -2 log likelihood), thước đo này có ý nghĩa giống như SSE (sum of squares of error)

nghĩa là càng nhỏ càng tốt. Bạn không cần quan tâm nhiều đến việc -2LL tính toán như thế

nào nhưng nhớ rằng quy tắc đánh giá độ phù hợp căn cứ trên -2LL ngược với quy tắc

dựa trên hệ số xác định mô hình , nghĩa là giá trị -2LL càng nhỏ càng thể hiện độ phù

hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số) khi đó mô hình có một độ

phù hợp hoàn hảo.

Chúng ta còn có thể xác định được mô hình dự đoán tốt đến đâu qua bảng phân

loại (clasification table) do SPSS đưa ra, bảng này sẽ so sánh số trị số thực và trị số dự

đoán cho từng biểu hiện và tính tỷ lệ dự đoán đúng sự kiện.

 Kiểm định ý nghĩa thống kê của các hệ số Hồi quy Binary logistic:

Kiểm định ý nghĩa thống kê của các hệ số Hồi quy Binary logistic cùng đòi hỏi kiểm

định giả thuyết hệ số hồi quy khác không. Bạn hình dung nếu hệ số hồi quy và đều

bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay

không xảy ra như nhau, lúc đó mô hình hồi quy của chúng ta vô dụng trong việc dự đoán.

Trong hồi quy tuyến tính chúng ta sử dụng kiểm định t để kiểm định giả thuyết

. Còn với hồi quy Binary logistic, đại lượng Wald Chi Square được sử dụng để

kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Cách thức sử dụng mức ý nghĩa

Sig. cho kiểm định Wald cũng theo quy tắc thông thường. Wald Chi Square được tính

bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy

21

mẫu) Binary logistic chia cho sai số chuẩn của hệ số hồi quy này, sau đó bình phương

lên theo công thức sau:

 Kiểm định mức độ phù hợp tổng quát:

Ở hồi quy Binary logistic, tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô

hình ngoại trừ hằng số cũng được kiểm định xem có thực sự có ý nghĩa trong việc gỉai thích

cho biến phụ thuộc không. Với hồi quy tuyến tính bội ta dùng thống kê F để kiểm định giả

thuyết , còn với hồi quy Binary logistic ta dùng kiểm định

Chi- bình phương. Căn cứ vào mức ý nghĩa mà SPSS đưa ra trong bảng Omnibus Tests of

. Model Coefficients để quyết định bác bỏ hay chấp nhận

2.2.3.3. Các phương pháp đưa biến độc lập vào mô hình hổi quy Binary

Logistic

Với phương pháp hồi quy từng bước (Stepwise), số thống kê được sử dụng cho các

biến được đưa vào và dời ra căn cứ trên số thống kê likelihood-ratio (tỷ lệ thích hợp) hay số

 Enter: đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào

thống kê Wald. Cũng có thể chọn một trong các phương pháp thay thế sau:

 Forward: Conditional là phương pháp đưa vào dần theo điều kiện. Nó kiểm

trong một bước.

tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước

 Forward: LR là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ

lượng thông số có điều kiện.

trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng khả năng xảy ra

 Forward: Wald là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ

tối đa (maximum – likelihood estimates)

 Backwald: Conditional là phương pháp loại trừ dần theo điều kiện. Nó

trên xác suất của số thống kê Wald.

kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa

22

trên ước lượng của những thông số có điều kiện.

 Backwald: LR là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên

xác suất của số thống kê Likelihood-ratio dựa trên những ước lượng khả năng xảy

ra tối đa. Backwald: Wald là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên

23

xác suất của số thống kê Wald.

Chương 3:

PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN

KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGHIỆP

3.1. Ước lượng xác xuất kiệt quệ tài chính của các doanh nghiệp: cách tiếp cận

bằng mô hinhg Binary Logistic:

3.1.1. Xây dựng mô hình:

Để xác định xác xuất kiệt quệ tài chính của các doanh nghiệp cần xác địnhđược

những nhân tố, chỉ số ảnh hưởng, phản ánh tình hình của các doanh nghiệp. Trong nghiên

cứu này tôi sử dụng mô hình hồi quy Binary Logistic với phương trình sau:

Trong đó: biến Y là tình hình tài chính là biến phụ thuộc có hai giá trị 0 và 1 (0 là

bị hủy niêm yết, 1 là không bị hủy niêm yết hay tình hình tài chính ổn định)

Thực hiện quá trình thu thập số liệu từ 172 doanh nghiệp, trong đó bao gồm 86 doanh

nghiệp bị hủy niêm yết và 86 doanh nghiệp hiện đang niêm yết và họat động bình thường

có khối lượng cổ phiếu tương ứng, tiến hành nhập dữ liệu vào phần mêm SPSS để chạy

mô hình.

3.1.1.1. Diễn giải các biến độc lập trong phân tích hồi quy:

 Working capital/total assets (WC/TA) = Vốn lưu động/ Tổng tài sản

Chỉ số working capital/ total assets, thường được tìm thấy trong các nghiên cứu về

các trục trặc DN, là một công cụ đo lường độ thanh khoản rịng của các tài sản của công ty

tương ứng với tổng vốn. Working capital được định nghĩa như là sự khác nhau giữa current

assets – tài sản lưu động và current liabilities- nợ ngắn hạn.

 NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản :

Tỷ số càng cao cho thấy doanh nghiệp làm ăn càng hiệu quả. Còn nếu tỷ số nhỏ hơn

0, thì doanh nghiệp làm ăn thua lỗ. Mức lãi hay lỗ được đo bằng phần trăm của giá trị bình

quân tổng tài sản của doanh nghiệp. Tỷ số cho biết hiệu quả quản lý và sử dụng tài sản để

tạo ra thu nhập của doanh nghiệp.

 Earnings before Interest and taxes/Total assets (EBIT/TA)=Lợi nhuận trước thuế và

24

lãi vay/Tổng tài sản (chỉ số hiệu suất sử dụng tài sản)

Chỉ số này đo lường năng suất thật của tài sản doanh nghiệp, một cách độc lập với

thuế và vay nợ. Bởi vì sự sinh tồn tối hậu của một doanh nghiệp là dựa vào khả năng tạo ra

tiền của tài sản, chỉ số này xuất hiện rất hay trong nghiên cứu liên quan đến thất bại doanh

nghiệp.

 Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường

của vốn chủ sở hữu /Giá trị sổ sách của nợ:

Chỉ số này được đo lường bởi giá trị thị truờng của tất cả cổ phiếu, cổ phiếu ưu đãi và

cổ phiếu thường, trong khi nợ bao gồm cả nợ ngắn hạn và nợ dài hạn. Chỉ số này đo mức độ

có thể sụt giảm về mặt giá trị của tài sản công ty (đo lường bởi giá trị thị trường của vốn chủ

sở hữu và nợ) trước khi nợ vượt quá tài sản và công ty mất khả năng thanh toán.

 Sales/Total assets (S/TA) = Tổng doanh thu/ Tổng tài sản:

Chỉ số doanh thu trên tổng tài sản là một chỉ số tài chính tiêu chuẩn minh họa cho khả

năng tạo ra thu nhập của tài sản doanh nghiệp. Nó là một thước đo khả năng quản trị trong

mơi trường cạnh tranh.

 Price/Book value (P/B)= Giá thị trường/ giá trị sổ sách:

Tỷ lệ được sử dụng để so sánh giá của một cổ phiếu so với giá trị ghi sổ của cổ phiếu

đó. Tỷ lệ này được tính toán bằng cách lấy giá đóng cửa hiện tại của cổ phiếu chia cho giá trị

ghi sổ tại quý gần nhất của cổ phiếu đó.

 Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản:

Tỷ số này cho biết có bao nhiêu phần trăm tài sản của doanh nghiệp là từ đi vay. Qua

đây biết được khả năng tự chủ tài chính của doanh nghiệp. Tỷ số này mà quá nhỏ, chứng tỏ

doanh nghiệp vay ít. Điều này có thể hàm ý doanh nghiệp có khả năng tự chủ tài chính cao.

Song nó cũng có thể hàm ý là doanh nghiệp chưa biết khai thác đòn bẩy tài chính, tức là

chưa biết cách huy động vốn bằng hình thức đi vay. Ngược lại, tỷ số này mà cao quá hàm ý

doanh nghiệp không có thực lực tài chính mà chủ yếu đi vay để có vốn kinh doanh. Điều này

cũng hàm ý là mức độ rủi ro của doanh nghiệp cao hơn.

25

 Return on Sale (ROS) = Lợi nhuận sau thuế/ Doanh thu thuần:

Tỷ số này cho biết lợi nhuận chiếm bao nhiêu phần trăm trong doanh thu. Tỷ số này

mang giá trị dương nghĩa là công ty kinh doanh có lãi; tỷ số càng lớn nghĩa là lãi càng lớn.

Tỷ số mang giá trị âm nghĩa là công ty kinh doanh thua lỗ.

Tuy nhiên, tỷ số này phụ thuộc vào đặc điểm kinh doanh của từng ngành. Vì thế, khi

theo dõi tình hình sinh lợi của công ty, người ta so sánh tỷ số này của công ty với tỷ số bình

quân của toàn ngành mà công ty đó tham gia. Mặt khác, tỷ số này và số vòng quay tài sản có

xu hướng ngược nhau. Do đó, khi đánh giá tỷ số này, người phân tích tài chính thường tìm

hiểu nó trong sự kết hợp với số vòng quay tài sản.

 Return on Equity (ROE) = Lợi nhuận sau thuế / Vốn chủ sở hữu:

Tỷ số lợi nhuận trên vốn chủ sở hữu ROE cho biết cứ 100 đồng vốn chủ sở hữu của

công ty cổ phần này tạo ra bao nhiều đồng lợi nhuận. Nếu tỷ số này mang giá trị dương, là

công ty làm ăn có lãi; nếu mang giá trị âm là công ty làm ăn thua lỗ.

 TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay:

Hệ số khả năng thanh toán lãi vay cho biết mức độ lợi nhuận đảm bảo khả năng trả lãi

như thế nào. Nếu công ty quá yếu về mặt này, các chủ nợ có thể đi đến gây sức ép lên công

ty, thậm chí dẫn tới phá sản công ty

 Quick Ratio (Khả năng thanh toán nhanh)= Tiền và các khoản tương đương tiền/ Nợ

ngắn hạn:

Chỉ số thanh toán tiền mặt cho biết bao nhiêu tiền mặt và các khoản tương đương tiền

(ví dụ chứng khoán khả mại) của doanh nghiệp để đáp ứng các nghĩa vụ nợ ngắn hạn. Nói

cách khác chỉ số thanh toán tiền mặt cho biết, cứ một đồng nợ ngắn hạn thì có bao nhiêu tiền

mặt và các khoản tương đương tiền đảm bảo chi trả.

3.1.2. Kiện toàn mô hình:

Đầu tiên ta chạy mô hình tương quan với tất cả các biến, ta loại các biến P/B, ROS,

ROE, QU_RA vì không có tác động đến biến phụ thuộc Y (Xem phụ lục 1.1)

Còn lại 7 biến, ta tiếp tục chạy mô hình hồi quy từng biến để xem tác động của từng

26

biến độc lập tác động đến biến phụ thuộc Y, ta có bảng tổng hợp như sau:

Bảng 3.1: Tổng hợp tác động từng biến đến Y trong hồi quy:

Y

WC/TA 1.611

0.001 Sig

ROA 28.112

Sig 0.000

EBIT/TA 28.808

Sig 0.000

MVE/TL 0.287

Sig 0.003

S/TA 0.438

Sig 0.032

D/A -1.251

Sig 0.006

TIE 0.473

Sig 0.000

(Nguồn: Tác giả)

Ta thấy các biến độc lập đều có ảnh hưởng đến biến Y. Và tiến hành chạy mô hình,

được kết quả như sau:

Bảng 3.2: Variables in the Equation

B S.E. Wald Sig. Exp(B) df

Step 1a WCTA .403 1.341 .090 .764 1.496 1

ROA 29.225 8.701 11.282 1 .001 4924576261924.4

EBITTA 6.173 6.799 .824 .364 479.691 1

MVETL 1.612 .609 7.014 .008 5.011 1

STA .168 .408 .169 .681 1.182 1

27

DA 8.716 3.182 7.501 .006 6099.086 1

TIE .163 .080 4.204 .040 1.177 1

Constant -7.978 2.698 8.742 .003 .000 1

a. Variable(s) entered on step 1: WCTA, ROA, EBITTA, MVETL, STA, DA, TIE.

(Nguồn: Tác giả)

Đối với hồi quy tuyến tính sử dụng kiểm định t để kiểm định giả thuyết H0: k=0. Còn

đối với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý

nghĩa thống kê của hệ số hồi quy tổng thể.

Ta nhìn thấy giá trị (sig.) của WC/TA, EBIT/TA, S/TA có giá trị lớn hơn mức ý

nghĩa  = 0,05  sự thay đổi của các biến trên không có ý nghĩa thống kế

Kết quả bảng trên cho thấy mức độ ảnh hưởng của các biến ROA, MVE/TL, D/A,

TIE có giá trị (sig.) nhỏ hơn mức ý nghĩa  = 0,05  bác bỏ H0. Mối liên hệ giữa biến

phụ thuộc và các biến độc lập này có ý nghĩa với mức độ tin cậy nhìn chung > 95%. Như

28

vậy mô hình này là mô hình tối ưu trong nghiên cứu này, ta tiến hành phân tích và nhận xét.

Chương 4:

KẾT QUẢ NGHIÊN CỨU CỦA MÔ HÌNH HỒI QUY

BINARY LOGISTIC

4.1. Thực trạng các doanh nghiệp

Những năm gần đây, số lượng doanh nghiệp bị hủy niêm yết bắt buộc tăng mạnh

hơn số doanh nghiệp niêm yết mới. Trong hầu hết những trường hợp doanh nghiệp hủy

niêm yết, các nguyên nhân chủ yếu đều do hoạt động kinh doanh thua lỗ và lỗ lũy kế ba

năm liên tục. Theo quy định về hủy bỏ niêm yết chứng khoán của các công ty đại chúng

được trích theo quy định tại Điều 60 – Mục 1- Chương 5 của nghị định số 58/2012/NĐ-CP

do Thủ tướng ký ban hành ngày 20/07/2012 và có hiệu lực kể từ ngày 15/09/2012. Theo

đó các trường hợp công ty bị hủy niêm yết bắt buộc như sau:

- Tổ chức niêm yết tại Sở GDCK không đáp ứng được các điều kiện niêm yết.

- Tổ chức niêm yết ngừng hoặc bị ngừng các hoạt động sản xuất, kinh doanh

chính từ 1 năm trở lên.

- Tổ chức niêm yết bị thu hồi Giấy chứng nhận đăng ký kinh doanh hoặc Giấy

phép hoạt động trong lĩnh vực chuyên ngành.

- Cổ phiếu không có giao dịch tại Sở GDCK trong thời hạn 12 tháng.

- Kết quả sản xuất, kinh doanh bị thua lỗ trong 3 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 xét.

- Tổ chức niêm yết chấm dứt sự tồn tại do sáp nhập, hợp nhất, chia, tách, giải thể

hoặc phá sản; quỹ đầu tư chứng khoán chấm dứt hoạt động.

- Trái phiếu đến thời gian đáo hạn hoặc trái phiếu niêm yết được tổ chức phát

hành mua lại toàn bộ trước thời gian đáo hạn.

- Tổ chức kiểm toán không chấp nhận thực hiện kiểm toán hoặc có ý kiến không

chấp nhận hoặc từ chối cho ý kiến đối với báo cáo tài chính năm gần nhất của tổ chức

niêm yết.

- Tổ chức được chấp thuận niêm yết không tiến hành các thủ tục niêm yết tại Sở

29

GDCK trong thời hạn 3 tháng kể từ ngày được chấp thuận niêm yết.

- Tổ chức niêm yết vi phạm chậm nộp báo cáo tài chính năm trong 3 năm liên

tiếp.

- UBCK, Sở GDCK phát hiện tổ chức niêm yết giả mạo hồ sơ niêm yết hoặc

hồsơ niêm yết chứa đựng những thông tin sai lệch nghiêm trọng ảnh hưởng đến quyết

định của nhà đầu tư.

- Tổ chức niêm yết vi phạm nghiêm trọng nghĩa vụ công bố thông tin và các

trường hợp mà Sở GDCK hoặc UBCK xét thấy cần thiết phải hủy niêm yết nhằm bảo vệ

quyền lợi của nhà đầu tư.

Trong phạm vi bài nghiên cứu sẽ chọn mẫu quan sát các công ty bị hủy niêm yết do

kinh doanh thua lỗ 3 năm liên tục. DVD, VTA, FPC là 3 công ty đầu tiên bị hủy niêm yết

do liên tiếp vi phạm quy định về công bố thông tin trong năm 2011. Cũng trong thời gian

này, có 4 công ty bị cảnh báo do vi phạm về công bố thông tin và 575 công ty niêm yết bị

nhắc nhở bằng văn bản và công bố vi phạm trên website của UBCK.

Đến năm 2012, trên sàn chứng khoán có tổng cộng 18 cổ phiếu đã bị hủy niêm yết.

Có nhiều nguyên nhân dẫn đến việc hủy niêm yết của doanh nghiệp như vi phạm nghiêm

trọng về công bố thông tin như SD3, SGTT, MCV; hủy niêm yết để sáp nhập trong trường

hợp của HBB sáp nhập vào SHB và S64, SSS sáp nhập vào SD6; VMG 12 tháng

không có giao dịch; VIA không đủ điều kiện là công ty đại chúng; VKP, AGC… lỗ lớn 3

năm liên tiếp; CSG, TRI giải thể, SVI hủy niêm yết trên HNX để chuyển qua HOSE.

Rất nhiều công ty đã bị hoặc tự nguyện hủy niêm yết trong thời gian vừa qua. Nhiều

nhà đầu tư mắc kẹt với những cổ phiếu không mong muốn này. Tuy nhiên, ở 1 khía cạnh

nào đó, sự đào thải là cần thiết cho thị trường chứng khoán (TTCK) về dài hạn. Sở GDCK

Hà Nội (HNX) đưa ra là trường hợp của CTCP Dược Trung ương GTTdiplantex (GTTD).

Đây là trường hợp khá đặc biệt khi GTTD chưa giao dịch đã hủy niêm yết. Cụ thể, GTTD

sẽ bị hủy niêm yết hơn 5 triệu cổ phiếu, tương đương hơn 50 tỷ đồng từ ngày 07/08/2012.

Lý do là GTTdiplantex đã không hoàn tất thủ tục niêm yết trong thời hạn 3 tháng kể từ

ngày được chấp thuận niêm yết.

30

Bảng 4.1: Danh sách công ty bị hủy niêm yết năm 2012

TT MCK Tên công ty Sàn VĐL

1 TRI CTCP Nước giải khát Sài Gòn HSX 275.5

2 MKP CTCP Hóa – Dược phẩm GTTkophar HSX 101.2

3 MCV CTCP Cavico Việt Nam khai thác mỏ & Xây dựng HSX 120.9

4 VKP CTCP Nhựa Tân Hóa HSX 80.0

5 CAD CTCP Chế biến & XNK Thủy sản CadoviGTTx HSX 88.0

6 BAS CTCP Basa HSX 96.0

7 CSG CTCP Cáp Sài Gòn HSX 297.4

8 SVI CTCP Bao bì Thiên Hòa HNX 89.2

9 HBB Ngân hàng TMCP Nhà Hà Nội HNX 4,050.0

10 V11 CTCP Xây dựng số 11 HNX 84.4

11 AGC CTCP Cà phê An Giang HNX 83.0

12 S64 CTCP Sông Đà 6.04 HNX 20.0

13 SSS CTCP Sồng Đà 6.06 HNX 25.0

14 SDS CTCP Xây lắp và Đầu tư Sông Đà HNX 28.0

15 VMG CTCP TM & DV Dầu khí Vũng Tàu HNX 96.0

16 VSP CTCP Vận tải Biển & BĐS Việt Hải HNX 380.8

17 SGTT CTCP Chứng khoán SGTT HNX 225.0

18 SD3 CTCP Sông Đà 3 HNX 160.0

(Nguồn: VietstockFinance)

31

Trước đó, HNX đã chấp thuận cho Mediplantex vào ngày 14/6 và dự kiến cổ

phiếu MED sẽ chào sàn vào ngày 22/6 với giá tham chiếu 15.500 đồng/cp.

Trên thực tế, trường hợp MED bị hủy niêm yết phần nhiều do doanh nghiêp chủ

động trì hoãn để chờ thời điểm thích hợp và thuận lợi hơn trong bối cảnh TTCK đang

giảm sút. Nhưng dù sao, nó cũng cho thấy 1 sự thắt chặt trong công tác quản lý niêm

yết của các cơ quan chức năng.

Trong tháng 7 vừa qua, TTCK đã chứng kiến sự "ra đi" của khá nhiều doanh

nghiệp. Ngày 26/7 vừa qua, HNX công bố quyết định về việc hủy niêm yết 9,6 triệu cổ

phiếu VMG của CTCP Thương mại và Dịch vụ Dầu khí Vũng Tàu. Quyết định huỷ

niêm yết có hiệu lực ngay trong ngày. Lý do được đưa ra là VMG không có giao dịch

tại HNX trong thời hạn 12 tháng.

Công ty này có kết quả kinh doanh khá tệ hại. Trong quý II/2012, công ty mẹ

VMG lỗ 1,37 tỷ đồng, nâng lỗ 6 tháng lên 2,06 tỷ đồng. Và tính lũy kế đến hết quý

II/2012 tổng lỗ lên tới hơn 54 tỷ đồng. Cổ phiếu VMG không có giao dịch trong suốt

năm qua và đứng giá ở mức 4.300 đồng/cp (từ ngày 26/7/2011).

CTCP Xây dựng số 11 (V11) cũng thuộc diện làm ăn kém hiệu quả. Công ty đã

lên kế hoạch hủy niêm yết tự nguyện để tái cấu trúc doanh nghiệp. Tuy nhiên, tình hình

kinh doanh và đặc biệt là báo cáo tài chính riêng và hợp nhất năm 2011 của V11 bị đơn

vị kiểm toán không thể đưa ra ý kiến nhận xét đã khiến HNX buộc phải rời sàn trước

khi V11 xin hủy niêm yết tự nguyện. Cụ thể, 8,4 triệu cổ phiếu V11 (tương đương 84

tỷ đồng) buộc phải rời sàn kể từ ngày 17/8 tới. Trong năm 2011, V11 lỗ gần 31 tỷ đồng

và dự kiến lỗ tiếp 22 tỷ trong năm 2012.

Trước đó, các trường hợp hủy niêm yết vì kinh doanh thua lỗ yếu kém khá nhiều

như: VKP (từ 25/6, do lỗ 3 năm liên tiếp), AGC (từ 17/7, vốn chủ sở hữu âm), CAD (từ 4/6

do lỗ 3 năm liên tiếp), VSP (từ 1/6 do lỗ 3 năm liên tiếp), MCV (từ 10/5 do liên tục vi

phạm công bố thông tin), TRI (từ 10/4 do thua lỗ nhiều, doanh nghiệp tự rút lui)...

Đầu tháng 8, Hội đồng Quản trị Công ty Cổ phần Cáp Sài Gòn (CSG) cũng đã đồng

thuận việc giải thể công ty, huỷ niêm yết cổ phiếu. Trong quý II/2012, CSG đã thoát lỗ nhờ

hoạt động tài chính. Tình hình sản xuất kinh doanh chính của CSG gặp khá nhiều vấn đề.

32

Doanh thu thuần quý II đạt vỏn vẹn 18,82 tỷ đồng, giảm 35,88% so với cùng kỳ năm 2011

và lỗ gôp 1,8 tỷ đồng.

Một số công ty khác cũng tính tới chuyện rời sàn do làm ăn kém hiệu quả và dường

như không thấy được lợi ích "như mong muốn" trên sàn chứng khoán như: LGC,

SGT, SQC...

Đến năm 2013, có thể nói năm qua, thị trường đã đào thải khá nhiều doanh nghiệp

yếu kém giúp cho chất lượng hàng hóa trên sàn ngày càng cải thiện hơn. Theo thống kê của

Vietstock, trên cả hai sàn có 16 doanh nghiệp phải rời sàn do hoạt động kinh doanh sa sút

dẫn đến lỗ 3 năm liên tiếp hay lỗ lũy kế vượt vốn điều lệ. Đó là những cái tên đã rất đình

đám trong các năm trước về nợ đầm đìa hay lỗ khủng như THV,SBS, DDM, FBT…

Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu

trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với 22

mã. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên

tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh 2014.

Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu

trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với 22

mã. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên

tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh 2014.

Nguyên nhân chủ yếu khiến 25 mã cổ phiếu này bị hủy niêm yết là do thua lỗ 3 năm

liên tiếp và đơn vị kiểm toán không chấp nhận báo cáo tài chính hoặc từ chối đưa ra ý kiến

sau khi công bố báo cáo tài chính kiểm toán năm 2013.

Riêng PHS và NIS hủy niêm yết tự nguyện và duy nhất I40 bị hủy niêm yết bắt

buộc do không đáp ứng được điều kiện là công ty đại chúng quy định.

Cụ thể, SJM, MMC, VCV, VHH, ILC, SDB và MIC bị hủy niêm yết bắt buộc là do

kết quả sản xuất kinh doanh thua lỗ trong 3 năm liên tục 2011, 2012, 2013. FDG,

CNT, CLP và BHV cũng bị hủy niêm yết do lỗ lũy kế vượt quá vốn điều lệ thực góp tại

ngày 31/12/2013.

Bảng 4.2: Doanh nghiệp bị hủy niêm yết do kinh doanh sa sút năm 2013

33

Đvt: Triệu đồng

Sàn Lý do hủy niêm yết Mã LNST LNST LNST

CK DDM HOSE Không đủ ĐK 2010 (74,316) 2011 184 2012 (69,141)

FBT HOSE Không đủ ĐK (51,043) 6,021 (55,098)

IFS HOSE Không đủ ĐK 7,243 (57,393) (143,518)

S27 HNX Không đủ ĐK 1,118 (13,893) (7,757)

SBS HOSE Không đủ ĐK 101,410 (788,357) (135,157)

SCC HNX Không đủ ĐK (898) (3,490) (3,300)

SD8 HNX Không đủ ĐK 1,964 329 (34,307)

SDJ HNX Không đủ ĐK 4,293 (7,412) (51,330)

SHC HNX Không đủ ĐK (59,559) 1,952 2,909

SVS HNX Không đủ ĐK (21,372) (38,218) (34,610)

TNC HNX Không đủ ĐK (30,414) (35,908) (35,365)

VCH HNX Không đủ ĐK 3,389 (36,337) (35,380)

VES HOSE Không đủ ĐK (4,688) (6,893) (16,214)

VSG HOSE Không đủ ĐK (10,268) (19,771) (15,378)

NTB HOSE Kiểm toán từ chối cho ý kiến 38,887 (1,151) (67,080)

STN HNX Lỗ lũy kế vượt quá VLĐ (30,575) (50,058) (13,644)

THV HNX Lỗ lũy kế vượt quá VLĐ 34,802 (210,289) (392,874)

(Nguồn: Vietstocfinance)

Trong khi đó, với kết quả sản xuất kinh doanh thua lỗ 3 năm liên tục 2011, 2012,

2013 và đồng thời lỗ lũy kế vượt quá số vốn điều lệ thực góp tại ngày 31/12/2013 thì

HHL, GGG, BHC, NVC và YBC cũng buộc phải rời sàn.

Đặc biệt, báo cáo tài chính 2013 của ba “anh em” họ dầu khí là PXM, PVA và PSG

ngoài việc lỗ lũy kế vượt vốn, lỗ 3 năm liên tiếp thì đều bị đơn vị kiểm toán từ chối đưa ra

ý kiến và không chấp thuận BCTC.

34

Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu

trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với

22 mã.

Bảng 4.3: Danh sách công ty bị hủy niêm yết 6 tháng đầu năm 2014

Lãi/Lỗ Số lượng Thị giá Th lũy kế Ngày Ngày thực cổ phiếu bị 23/06/ án tính đến Stt MCK Sàn ĐKCC hiện hủy niêm 2014 g 31/12/20 yết (Đồng) 13 (Tr.đ)

1.1 S91 OTC 06/01/2014 07/01/2014 2,940,000 12,800 1 1.2 PHS OTC 09/01/2104 10/01/2014 34,745,000 2,200

2 I40 OTC 12/02/2014 13/02/2014 1,539,120 2,100

3 NIS OTC 17/03/2014 18/03/2014 3,000,000 9,500 1,511

4 SJM Upcom 24/04/2014 25/04/2014 5,000,000 1,800 -45,938

5.1 MMC OTC 07/05/2014 08/05/2014 3,160,000 2,000 -12,938

5.2 HHL OTC 07/05/2014 08/05/2014 2,748,270 900 -28,198

5.3 FDG OTC 14/05/2014 15/05/2014 13,200,000 1,600 -165,229

5.4 CNT OTC 14/05/2014 15/05/2014 10,015,069 2,200 -135,209

5.5 PXM OTC 14/05/2014 15/05/2014 15,000,000 900 -265,744

5.7 VCV OTC 19//05/2014 20/05/2014 11,007,183 1,200 -101,065

5.8 BHV OTC 19/05/2014 20/05/2014 1,000,013 3,700 -25,678

5.9 VHH OTC 19//05/2014 20/05/2014 6,000,000 1,900 -8,370

5.1 GGG OTC 22/05/2014 23/05/2014 1,500,000 1,000 -158,017

5.12 QCC OTC 23//05/2014 24/05/2014 9,635,456 3,100 -569

5.13 BHC OTC 23/05/2014 24/05/2014 4,500,000 1,300 -50,324

5.14 NVC OTC 23/05/2014 24/05/2014 16,000,000 900 -337,880

5.15 YBC OTC 27/05/2014 28/05/2014 4,837,430 5,200 -52,738

5.16 ILC OTC 27/05/2014 28/05/2014 4,074,052 3,900 -51,890

5.17 S96 OTC 29/05/2014 30/05/2014 11,155,532 3,500 -51,935

35

6 6.1 SDB OTC 03/06/2014 04/06/2014 11,000,000 1,200 -101,491

6.2 PSG OTC 03/03/2014 04/06/2014 35,000,000 800 -561,107

6.3 PVA OTC 06/06/2014 07/06/2014 21,846,000 1,900 -208,095

6.4 MIC OTC 20/06/2014 21/06/2014 5,486,046 5,200 -33,117

(Nguồn: VietstockFinance)

Trong năm 2015, tình trạng kinh doanh thua lỗ triền miên trong thời gian dài là lý

do phổ biến khiến hàng loạt cổ phiếu niêm yết trên sàn bị buộc phải rời sàn chứng khoán

sau nhiều năm góp mặt.

Trong đó đầu tiên phải nói đến Vận tải và Thuê tàu biển Việt Nam (VST), doanh

nghiệp này đã có nhiều quý thua lỗ liên tiếp. Với kết quả kinh doanh thua lỗ trong 3 năm

liên tiếp, HoSE đã huỷ niêm yết cổ phiếu VST từ ngày 8/5. Năm 2015 mặc dù dự kiến sẽ

bán 2 tàu nhưng lợi nhuận sẽ vẫn lỗ 109,04 tỷ đồng.

Hay như trường hợp của Hữu Liên Á Châu (HLA), với kết quả lỗ lũy kế vượt vốn

điều lệ thực góp, cổ phiếu HLA đã bị hủy niêm yết bắt buộc theo quyết định từ phía Sở

GDCK TPHCM sau khoảng 6 năm niêm yết. Thương hiệu Hữu Liên chính thức có mặt trên

thị trường vào năm 1978 với mô hình hoạt động của một cơ cở sản xuất các phụ tùng xe đạp,

xe máy. Hữu Liên Á Châu chính thức hoạt động dưới hình thức công ty cổ phần kể từ

20/01/2001 với vốn điều lệ ban đầu là 5 tỷ đồng với sản phẩm chủ lực của HLA khi đó là

ống thép. Giai đoạn 2009-2011, tốc độ gia tăng doanh thu của HLA khoảng 13% nhưng đến

năm 2012 thì nhảy vọt lên 54%, thời kỳ được coi là đỉnh cao của HLA kể từ khi thành lập

với doanh thu đạt gần 5.000 tỷ đồng. Sự sụt giảm mạnh trong nhu cầu và giá thép biến động

lớn đã khiến doanh nghiệp này liên tục thua lỗ sau đó và phải chịu án hủy niêm yết. Theo

BCTC quý 3/2015 (niên độ 01/04 đến 30/6), HLA tiếp tục báo lỗ 47 tỷ đồng (kết thúc quý

2/2015, HLA đã lỗ lũy kế lên tới 916 tỷ đồng).

Một doanh nghiệp thép khác là thép Bắc Việt (BVG) cũng có tình hình kinh doanh

khá bi đát, doanh số sụt giảm, chi phí tài chính vẫn cao, hoạt động liên doanh không đem lại

hiệu quả, dẫn đến kết quả lỗ 3 năm liên tiếp và phải hủy niêm yết trên HNX. Trong vòng 5

năm trở lại đây, nền kinh tế suy thoái nên bất động sản và các công trình xây dựng... là

nguồn tiêu thụ sắt thép, kết cấu, các sản phẩm cơ khí... đầu ra của BVG gần như đóng băng

và hoạt động cầm chừng. Ngoài ra còn có tới 23 doanh nghiệp khác cũng đã bị hủy niêm yết

36

do kinh doanh thua lỗ trong 3 năm niêm yết.

Không ngừng lại ở đó, kết thúc 4 tháng đầu năm 2016 đã có 2 doanh nghiệp tiếp tục

buộc bị ngừng giao dịch trên sàn. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh

nghiệp đang thua lỗ 2 năm liên tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh

2016.

Trước tình hình các doanh nghiệp ngày càng sa sút, để giúp cho nhà quản lý cũng như các tổ chức tín dụng, đặc biệt ngân hàng có cái nhìn tổng quan, đưa ra những quyết định đúng đắn, mang lại hiệu quả cao trong kinh doanh. Nên chú ý đến các nhân tố ảnh hưởng đến doanh nghiệp như các yếu tố tài chính và yếu tố phi tài chính.

Sau đây là kết quả nghiên cứu được từ mô hình Binary Logistic:

4.2. Kết quả mô hình

4.2.1. Độ phù hợp của mô hình:

Bảng 4.4: Omnibus Test of Model Coefficient

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 149.482 7 .000

Block 149.482 7 .000

Model 149.482 7 .000

(Nguồn: Tác giả)

Kết quả kiểm định giả thuyết về độ phù hợp ở bảng trên có mức ý nghĩa với số quan

37

sát sig = 0.000 nên an toàn, nên ta bác bỏ giả thuyết:

Bảng 4.5: Model Summary

Model Summary

-2 Log likelihood Cox & Snell R Square Nagelkerke R Square Step

1 88.961a .581 .774

a. Estimation terminated at iteration number 10 because parameter estimates changed by less than .001.

(Nguồn: Tác giả)

Trong bảng trên cho thấy giá trị của -2LL = 88.961 không cao lắm, như vậy thế hiện

một độ phù hợp khá tốt của tổng thể.

4.2.2. Mức độ chính xác của mô hình

Bảng 4.6: Classification Tablea

Classification Tablea

Predicted

Y

0 1 Percentage Correct Observed

76 10 88.4 Step 1 Y 0

10 76 88.4 1

Overall Percentage 88.4

a. The cut value is .500

(Nguồn: Tác giả)

Bảng này cho thấy trong 86 trường hợp bị hủy niêm yết thì mô hình dự đoán trúng 76

38

trường hợp vậy tỷ lệ dự đoán đúng là 878.4%, còn 86 trường hợp đang niêm yết và hoạt

động ổn định thì mô hình cũng dự đoán đúng 76 trường hợp, tỷ lệ đạt 88.4%. Từ đó thấy

toàn bộ mô hình dự đoán khá chính xác.

4.2.3. Kiểm định Wald

Bảng 4.7: Variables in the Equation

Variables in the Equation

B

S.E. Wald

df

Sig.

Exp(B)

Step 1a WCTA .403

1.341

.090

1

.764

1.496

ROA

49245762619

29.225

8.701

11.282

1

.001

24.441

EBITTA 6.173

6.799

.824

.364

479.691

1

MVETL 1.612

.609

7.014

.008

5.011

1

STA .168

.408

.169

.681

1.182

1

DA 8.716

3.182

7.501

.006

6099.086

1

TIE .163

.080

4.204

.040

1.177

1

Constant -7.978

2.698

8.742

.003

.000

1

a. Variable(s) entered on step 1: WCTA, ROA, EBITTA, MVETL, STA, DA, TIE.

(Nguồn: Tác giả)

Ta nhìn thấy giá trị (sig.) của WC/TA, EBIT/TA, S/TA có giá trị lớn hơn mức ý

nghĩa  = 0,05  sự thay đổi của các biến trên không có ý nghĩa thống kế

Kết quả bảng trên cho thấy mức độ ảnh hưởng của các biến ROA, MVE/TL, D/A,

TIE có giá trị (sig.) nhỏ hơn mức ý nghĩa  = 0,05  bác bỏ H0. Mối liên hệ giữa biến

phụ thuộc và các biến độc lập này có ý nghĩa với mức độ tin cậy nhìn chung > 95%. Vậy ta

39

bác bỏ giả thuyết:

Như vậy hệ số hồi quy tìm được có ý nghĩa và mô hình đã đưa ra sẽ sử dụng tốt.

4.3. Kết quả nghiên cứu đưa ra mô hình hồi quy Binary Logistic với phương

trình như sau:

Như vậy sau khi đưa mô hình vào chạy bằng phần mềm SPSS thì sức khỏe của

doanh nghiệp bị ảnh hưởng của các nhân tố: ROA, MVE/TL, D/A, TIE vì có mức ý nghĩa <

5%. Còn các yếu tố WC/TA, EBIT/TA, S/TA có mức ý nghĩa > 5% nên sự thay đổi của các

yếu tố này không tác động đến mô hình cũng như các doanh nghiệp đang nghiên cứu.

Diễn dịch ý nghĩa của các hệ số hồi quy có ý nghĩa với mô hình Binary Logistic:

4.3.1. Hệ số hồi quy tỷ số ROA:

Tỷ số lợi nhuận ròng trên tài sản (đo lường khả năng sinh lợi trên mỗi đồng tài sản

của doanh nghiệp) càng tốt, nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn lại là như

nhau thì log của tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng

29.225 đơn vị (lần).

Để phân tích rõ hơn ta viết lại với phương trình sau:

Ta căn cứ thêm thông tin ở cột Exp(B) (tức là hay gần bằng ) để diễn dịch

thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác

không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ

sẽ tăng lần.

4.3.2. Hệ số hồi quy MVE/TL

Giá trị vốn hóa thị trường là thước đo quy mô của một doanh nghiệp, là tổng giá thị

trường của doanh nghiệp đó, được xác định bằng số tiền bỏ ra để mua lại toàn bộ doanh

40

nghiệp này trong điều kiện hiện tại. Nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn

lại là như nhau thì log của tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh

sẽ tăng 1.612 đơn vị ( lần).

Để phân tích rõ hơn ta viết lại với phương trình sau:

Ta căn cứ thêm thông tin ở cột Exp(B) (tức là hay gần bằng ) để diễn dịch

thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác

không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ

sẽ tăng 5.001 lần.

4.3.3. Hệ số hồi quy D/A

Tỷ số tổng nợ trên tổng tài sản (đo lường năng lực sử dụng và quản lý nợ của doanh

nghiệp), nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn lại là như nhau thì log của

tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng 8.716 đơn vị (

lần).

Để phân tích rõ hơn ta viết lại với phương trình sau:

Ta căn cứ thêm thông tin ở cột Exp(B) (tức là hay gần bằng ) để diễn dịch

thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác

không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ

sẽ tăng 6016.493 lần.

4.3.4. Hệ số hồi quy TIE

Tỷ số khả năng trả lãi vay đo lường khả năng sử dụng lợi nhuận thu được từ quá

trình kinh doanh để trả lãi các khoản mà công ty đã vay. Nếu công ty quá yếu về mặt này,

các chủ nợ có thể đi đến gây sức ép lên công ty, thậm chí dẫn tới phá sản công ty. Xét thấy,

nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn lại là như nhau thì log của tỷ lệ xác

41

xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng 0.163 đơn vị ( lần).

Để phân tích rõ hơn ta viết lại với phương trình sau:

Ta căn cứ thêm thông tin ở cột Exp(B) (tức là hay gần bằng ) để diễn dịch

thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác

không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ sẽ

tăng 1.177 lần.

4.4. Kết quả nghiên cứu:

Như đã trình bày ở trên thì bài nghiên cứu này sử dụng mô hình hồi quy Binary

Logistic để ước lượng khả năng kiệt quệ tài chính của doanh nghiệp, từ đó cho người quản

lý cũng như nhà đầu tư có nhận định tổng quan, xác thực khi đưa ra quyết định có liên quan

đến doanh nghiệp. Kết quả nghiên cứu cho thấy kiệt quệ tài chính bị ảnh hưởng bởi các yếu

tố:

4.4.1. NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản :

Tỷ số cung cấp cho nhà đầu tư thông tin về các khoản lãi được tạo ra từ lượng vốn

đầu tư (hay lượng tài sản). ROA đối với các công ty cổ phần có sự khác biệt rất lớn và phụ

thuộc nhiều vào ngành kinh doanh. Đó là lý do tại sao khi sử dụng ROA để so sánh các công

ty, tốt hơn hết là nên so sánh ROA của mỗi công ty qua các năm và so giữa các công ty

tương đồng nhau.Tài sản của một công ty được hình thành từ vốn vay và vốn chủ sở hữu. Cả

hai nguồn vốn này được sử dụng để tài trợ cho các hoạt động của công ty. Hiệu quả của việc

chuyển vốn đầu tư thành lợi nhuận được thể hiện qua ROA. ROA càng cao thì càng tốt vì

công ty đang kiếm được nhiều tiền hơn trên lượng đầu tư ít hơn.

Ví dụ nếu công ty A có thu nhập ròng là 1 triệu USD, tổng tài sản là 5 triệu USD, khi

đó ROA là 20%. Tuy nhiên nếu công ty B cũng có khoản thu nhập tương tự trên tổng tài sản

là 10 triệu USD, ROA của B sẽ là 10%. Như vậy công ty A hiệu quả hơn trong việc biến đầu

tư thành lợi nhuận.Các nhà đầu tư cũng nên chú ý tới tỷ lệ lãi suất mà công ty phải trả cho

42

các khoản vay nợ. Nếu một công ty không kiếm được nhiều hơn số tiền mà chi cho các hoạt

động đầu tư, đó không phải là một dấu hiệu tốt. Ngược lại, nếu ROA mà tốt hơn chi phí vay

thì có nghĩa là công ty đang bỏ túi một món hời.

4.4.2. Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị

thị trường của vốn chủ sở hữu /Tổng nợ:

Chỉ số này được đo lường bởi giá trị thị truờng của tất cả cổ phiếu, cổ phiếu ưu đãi và

cổ phiếu thường, trong khi nợ bao gồm cả nợ ngắn hạn và nợ dài hạn. Chỉ số này đo mức độ

có thể sụt giảm về mặt giá trị của tài sản công ty (đo lường bởi giá trị thị trường của vốn chủ

sở hữu và nợ) trước khi nợ vượt quá tài sản và công ty mất khả năng thanh toán.

4.4.3. Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản:

Tổng nợ gồm toàn bộ khoản nợ ngắn hạn và dài hạn tại thời điểm lập báo cáo tài

chính (các khoản phải trả, vay ngắn hạn, nợ dài hạn do đi vay hay phát hành trái phiếu dài

hạn). Tổng tài sản: Toàn bộ tài sản của công ty tại thời điểm lập báo cáo.

Đối với các chủ nợ thường thích một tỷ số nợ vừa phải vì tỷ số nợ càng thấp thì khả

năng thanh toán nợ của con nợ khi đáo hạn cao. Đối với các nhà quản trị, cổ đông thường

thích tỷ số nợ cao vì tỷ số nợ càng cao nghĩa là công ty chỉ góp một phần vốn nhỏ trên tổng

vốn thì sự rủi ro trong kinh doanh chủ yếu do chủ nợ gánh chịu. Mặt khác, các nhà quản trị

chỉ đưa ra lượng vốn nhỏ nhưng lại được sử dụng một lượng tài sản lớn. Khi công ty tạo ra

lợi nhuận trên tiền vay nhiều hơn so với số tiền lãi phải trả thì phần lợi nhuận dành cho các

chủ sở hữu sẽ tăng rất nhanh.

4.4.4. TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay:

Khả năng trả lãi vay của doanh nghiệp thấp cũng thể hiện khả năng sinh lợi của tài

sản thấp. Khả năng thanh toán lãi vay thấp cho thấy một tình trạng nguy hiểm, suy giảm

trong hoạt động kinh tế có thể làm giảm Lãi trước thuế và lãi vay xuống dưới mức nợ lãi mà

công ty phải trả, do đó dẫn tới mất khả năng thanh toán và vỡ nợ. Tuy nhiên rủi ro này được

hạn chế bởi thực tế Lãi trước thuế và lãi vay không phải là nguồn duy nhất để thanh toán lãi.

Các doanh nghiệp cũng có thể tạo ra nguồn tiền mặt từ khấu hao và có thể sử dụng nguồn

vốn đó để trả nợ lãi. Những gì mà một doanh nghiệp cần phải đạt tới là tạo ra một độ an toàn

43

hợp lý, bảo đảm khả năng thanh toán cho các chủ nợ của mình. Chỉ riêng hệ số khả năng

thanh toán lãi vay thì chưa đủ để đánh giá một công ty vì hệ số này chưa đề cập đến các

khoản thanh toán cố định khác như trả tiền nợ gốc, chi phí tiền thuê, và chi phí cổ tức ưu đãi.

4.5. Vận dụng mô hình Binary Logistic vào mục đích dự báo:

Mô hình Binary Logistic có thể giúp các tổ chức tín dụng, nhà đầu tư, nhà quản trị

doanh nghiệp có cái nhìn tổng quan, và quyết định đúng đắn liên quan đến doanh nghiệp:

Sau đây ta xét một vài ví dụ cụ thể:

4.5.1. Ví dụ 1: CTCP xuất nhập khẩu thủy sản Bến Tre - ABT có số liệu như

sau:

ROA MVE/TL D/A 0.35 3.25 0.02 TIE WC/TA EBIT/TA S/TA 0.20 13.31 0.03 0.66

 Mô hình giúp dự đoán tình hình tài chính của công ty đang phát triển rất ổn định, đạt

97.21%. Nhà đầu tư nắm giữ cổ phiếu của công ty sẽ thu được lợi nhuận cao, nhà quản trị

công ty thu được nhiều lợi nhuận, là mục tiêu tốt của các nhà đầu tư và đối tác kinh tế (Sự

dự đoán này có khả năng chính xác 88.4%).

4.5.2. Ví dụ 2: CTCP Bê tông BECAMEX – ACC

ROA MVE/TL D/A

0.04 2.78 0.27 TIE WC/TA EBIT/TA S/TA 0.28 61.26 0.05 0.51

 Mô hình giúp dự đoán tình hình tài chính của công ty đang phát triển hoàn toàn ổn định,

44

đạt gần như bằng 1. Nhà đầu tư nắm giữ cổ phiếu của công ty sẽ thu được lợi nhuận cao, nhà

quản trị công ty thu được nhiều lợi nhuận, là mục tiêu tốt của các nhà đầu tư và đối tác kinh

tế (Sự dự đoán này có khả năng chính xác 88.4%).

4.5.3. Ví dụ 3: CTCP xuất nhập khẩu thủy sản An Giang – AGF

ROA MVE/TL D/A 0.001 0.19 0.69 TIE WC/TA EBIT/TA S/TA 0.45 0.00 0.04 0.70

 Theo số liệu thu thập Lợi nhuận của công ty hiện tại đang ở con số âm, và mô hình đã

phản ánh rõ mức ổn định của công ty chỉ ở mức 19.96%, con số này tương đối thấp, dự báo

công ty đang gặp khó khăn, nhà quản trị cần chú ý. Bên cạnh đó, nhà đầu tư nắm giữ cổ

phần nên giảm số cổ phần nắm giữ để giảm thiểu rủi ro (Sự dự đoán này có khả năng chính

xác 88.4%).

TÓM TẮT CHƯƠNG 4:

Chương 4 với nội dung chính là xây dựng mô hình hồi quy BinaryLogistic để phân

tích các nhân tố ảnh hưởng đến khánh kiệt tài chính của doanh nghiệp

Sau khi trải qua quá trình khảo sát, tổng hợp số liệu để sử dụng phần mềm SPSS 22.0,

kết quả nghiên cứu đã đưa ra được mô hình gồm 5 biến (4 biến độc lập và 1 biến phụ thuộc).

Mô hình có dạng sau:;

45

Từ đó phân tích các nhân tố tác động đến Y (sức khỏe tài chính của doanh nghiệp).

Chương 5:

CÁC GIẢI PHÁP NÂNG CAO KHẢ NĂNG DỰ BÁO

VÀ GIẢI QUYẾT MỘT CÁCH HIỆU QUẢ TÌNH TRẠNG

KHÁNH KIỆT Ở VIỆT NAM.

5.1. Nâng cao tính minh bạch và trách nhiệm của thông tin:

Tính minh bạch là nguyên tắc để tạo lập một môi trường, trong đó các thông tin về

thực trạng hiện tồn, về các quyết định và các hoạt động đều dễ dàng tiếp cận, đều có thấy

được và hiểu được đối với tất cả đối tượng tham gia thị trường. Việc công bố liên quan tới

quá trình và phương pháp luận cung cấp thông tin, làm cho các quyết định chính sách được

mọi người biết đến nhờ quá trình truyền bá kịp thời và công khai.

Tính trách nhiệm là yêu cầu đối với các đối tượng tham gia thị trường, bao gồm cả

các cơ quan quản lý, phải lý giải được các hoạt dộng và các chính sách của mình và phải

chịu trách nhiệm đối với quyết định và kết quả tạo ra.

Tính minh bạch là điều kiện cần để duy trì tính trách nhiệm giữa ba nhóm thành viên

thị trường chính: những người đi vay và những người cho vay, các tổ chức phát hành và

đầu tư, các cơ quan quản lý nhà nước và các tổ chức tài chính quốc tế.

Tính minh bạch và tính trách nhiệm là những chủ đề được tranh cãi sôi nổi trong

nhiều cuộc thảo luận về các chính sách kinh tế trong hơn mười lăm năm qua. Các nhà

hoạch định chính sách đã quen với tính bảo mật. Tính bảo mật đã được xem như là một yếu

tố cần thiết cho việc thực thi quyền lực, cùng với lợi ích kèm theo là che dấu được khả năng

yếu kém của các nhà hoạch định chính sách. Tuy nhiên, tính bảo mật còn ngăn không cho

các chính sách có được những ảnh hưởng đáng có. Nền kinh tế thế giới và các luồng tài

chính thay đổi theo hướng khiến quá trình quốc tế hóa và phụ thuộc lẫn nhau ngày càng

tăng, đã và đang đặt vấn đề công khai lên hàng đầu khi hoạch định chính sách kinh tế.

Các chính phủ mỗi nước, bao gồm cả các ngân hàng trung ương, nhận định ngày

càng làm rõ tính minh bạch sẽ làm tăng khả năng dự đoán và vì thế nâng cao hiệu quả của

các quyết định chính sách. Tính minh bạch còn buộc các định chế phải đối mặt với tình

hình thực tế và làm tăng trách nhiệm của các quan chức, đặc biệt là khi họ biết họ phải luận

46

chứng quan điểm, quyết định và cuối cùng là hành động của mình. Do vậy, sẽ khích lệ

được việc đưa ra những chính sách kịp thời.

Chi phí giám sát sẽ giảm thấp nếu các hành động đều quyết định rõ ràng và dễ hiểu.

Việc công chúng giám sát các tổ chức nhà nước, các cổ đông và người lao động giám sát

việc quản lý công ty, các chủ nợ giám sát người đi vay và những người gửi tiền giám sát

các ngân hàng đều trở nên dễ dàng hơn. Vì vậy, những quyết định kém chất lượng sẽ không

được bỏ qua và phải được giải thích.

Tính minh bạch và tính trách nhiệm luôn hỗ trợ lẫn nhau. Tính minh bạch củng cố

tính trách nhiệm bằng cách làm cho việc giám sát được dễ dàng hơn, và tính trách nhiệm thì

củng cố tính minh bạch qua việckhuyến khích các cơ quan làm sao để các lý do giải thích

cùng hành động của mình đều được mọi người biết đến và hiểu rõ. Tính minh bạch cùng

với tính trách nhiệm sẽ:

- Đặt ra một nếp sống làm việc cho phép nâng cao chất lượng, việc ra quyết định trong

khu vực công cộng .

- Mang lại chính sách hiệu quả hơn bằng việc nâng cao sự hiểu biết của khu vực tư

nhân về phản ứng của các nhà hoạch định chính sách đối với các sự kiện khác nhau

trong tương lai.

- Việc cung cấp thông tin minh bạch và có trách nhiệm về các đối tượng tham gia thị

trường và về cách hoạt động kinh doanh của những đối tượng này là rất cần thiết cho

một thị trường hoạt động trật tự và hiệu quả, và đó là một trong những tiền đề quan

trọng nhất để tạo nên kỷ luật thị trường.

Tính minh bạch không thể làm thay đổi bản chất của hệ thống tài chính hoặc những

rủi ro nằm trong hệ thống tài chính đó. Nó không thể ngăn ngừa khủng hoảng tài chính

nhưng nó có thể làm dịu đi phản ứng của các đối tượng tham gia thị trường trước những

thông tin bất lợi. Tính minh bạch, vì thế giúp cho các đối tượng này dự đoán và đánh giá

được thông tin xấu và làm giảm nhẹ khả năng gây hoảng loạn và bế tắc.

Điều quan trọng là công khai tất cả các thông tin về chính sách thu hút đầu tư, quy

47

hoạch, định hướng, kế hoạch phát triển kinh tế của tỉnh, các thống kê về tình hình kinh tế -

xã hội của địa phương, các thủ tục hành chính cụ thể…là yêu cầu quan trọng. Để mọi DN,

đặc biệt là các DN nhỏ và vừa có thể tiếp cận, những thông tin này được niêm yết công

khai, thuận tiện cho người cần sử dụng như đưa lên internet qua trang web của tỉnh, cung

cấp các thông tin có liên quan bằng CD room, đĩa mềm, phát hành các bản tin định kì miễn

phí, thành lập các bộ phận hỗ trợ cung cấp thông tin tại cơ quan xúc tiến đầu tư và liên quan

đến hoạt động đầu tư…

Việc tiếp cận thông tin cần phải bình đẳng giữa các nhà đầu tư, các DN, các quy

hoạch đều được công khai cho tất cả mọi người. Thủ tục hành chính, thủ tục đầu tư đều

được công bố công khai và được thực hiện một cách nhất quán. Để đảm bảo quy trình này

cần thành lập bộ máy để tiếp nhận nhanh chóng các phản hồi từ nhà đầu tư và DN. Bên

cạnh đó chính quyền cần thường xuyên hay định kì, cần tổ chức đối thoại công khai, cởi

mở, cầu thị và thực chất giữa cơ quan nhà nước có liên quan và các DN.

Nếu quản trị công ty tốt, không chỉ DN được lợi mà chính phủ còn đảm bảo được sự

ổn định trong điều hành nền kinh tế. Phía DN quản trị tốt, sẽ giảm chi phí vốn do các ngân

hàng dễ dàng cho vay vốn và cổ đông thì sẵn sàng góp vốn. Thông qua việc thu hút vốn

thuận lợi, DN có khả năng ổn định tài chính, đầu tư để tăng khả năng tăng trưởng. Phía

chính phủ thực thi cho các DN áp dụng quản trị công ty tốt sẽ ổn định được thị trường vốn,

tăng đầu tư, tạo ra nhiều việc làm và tăng trưởng kinh tế. Quan trọng nữa là bảo vệ các nhà

đầu tư sẽ thúc đẩy ổn định tài chính.

5.2. Phát triển hệ thống đánh giá xếp hạng tín nhiệm doanh nghiệp Việt Nam

theo tiêu chuẩn quốc tế

Theo nhìn nhận của các chuyên gia từ CRV ( Công ty xếp hạng tín nhiệm DN VN)

thì với hiện trạng cơ sở dữ liệu cũng như tình hình thực tế các DN hiện tại của VN, mô hình

đánh giá của Standard & Poors, Moodys…là phù hợp nhất. Đối với ngành xếp hạng tín

nhiệm DN tại Việt Nam, câu khẩu hiệu: Độc lập, khách quan, trung thực mới chỉ là điều

kiện cần. Đó là lí do để CRV phải kỳ công xây dựng một công trình đánh giá khoa học, bài

bản sát thực. Trên cơ sở nghiên cứu quy trình của các tập đoàn lớn Standard & Poors,

Moodys…CRV sẽ xây dựng cho mình một quy trình đánh giá phù hợp với điều kiẹn hoàn

48

cảnh thực tiễn Việt Nam. Với sự tham vấn của các chuyên gia tài chính hàng đầu trong và

ngoài nước, CRV liên tục chỉnh sửa để hoàn thiện không ngừng quy trình đó.

Tại Việt Nam, việc xếp hạng tín dụng là công việc khá mới mẻ, nên chắc chắn sẽ

không tránh khỏi các sai sót trong việc điều tra thu thập số liệu thống kê, cũng như lúng

túng về mặt phương pháp luận, các thức triển khai thực hiện. Tuy nhiên với nhu cầu ngày

càng cấp bách về thông tin tín dụng ngân hàng. Trong thời gian tới ngành xếp hạng tín

dụng Việt Nam sẽ có những bước phát triển mạnh mẽ nhằm theo kịp xu hướng hội nhập

kinh tế toàn cầu.

5.3. Hoàn thiện luật phá sản và các văn bản hướng dẫn có liên quan cả về mặt

lý luận và khả năng thực hiện

5.3.1. Tập trung vào những giải pháp tăng cường tính thực thi của luật phá sản

Quy định rõ ràng về quyền hạn và nghĩa vụ, cũng như các biện pháp chế tài đối với

Giám Đốc DN, đặc biệt là DNNN: Theo lý thuyết hành vi (GGShaviour theory), bất cứ

một cá nhân nào luôn hành động vì lợi ích của bản thân họ. Bất cứ một tổ chức, một doanh

nghiệp nào hoạt động đều có mục đích và vì lợi ích của họ. Lợi ích của một cá nhân và tập

thể có thể rơi vào một trong ba trường hợp đó là: Lợi ích của cá nhân hoàn toàn khác biệt

với lợi ích của tập thể; lợi ích của cá nhân có phần trùng lắp với lợi ích tập thể; và lợi ích cá

nhân hoàn toàn trùng khớp với lợi ích tập thể. Trong ba trường hợp này, trường hợp thứ hai

là phổ biến nhất. Khi hành động ở vùng giao nhau thì tập thể sẽ có lợi, ngược lại thì tập thể

sẽ không có lợi, thậm chí còn bị thiệt hại rất lớn. Cũng theo lý thuyết hành vi hay lý thuyết

trò chơi, một cá nhân sẽ luôn chọn phương án hành động nếu hành động của họ chỉ mang

lại lợi ích cho họ mà không có tổn thất hoặc gần như họ không mất gì. Vì vậy, để hành

động cá nhân có lợi cho tổ chức, thì tổ chức hay DN phải tạo ra cơ chế sao cho vùng giao

nhau là lớn nhất, luôn luôn khuyến khích đồng thời với chế tài (chính sách cây gậy và củ cà

rốt) để các cá nhân hành động trong vùng giao nhau mà không hành động ở vùng riêng.

Điều này làm cho lợi ích của tổ chức và cá nhân là nhất quán với nhau. Tuy nhiên, trong

một DN, mâu thuẫn giữa người điều hành và người sở hữu (agency problem) là vấn đề rất

khó giải quyết do vấn đề khác biệt về lợi ích, vấn đề thông tin bất cân xứng thường hay xảy

ra. Để giải quyết vấn đề này thì các chủ sở hữu hay thực hiện nhất là dùng chính sách

thưởng cổ phiếu để các nhà điều hành của DN hành động theo hướng làm cực đại giá trị

49

của công ty, hoặc dùng chính sách thưởng theo doanh số, lợi nhuận mà cá nhân đó làm ra.

Nếu không có chính sách như vậy, thì hành động của các nhà điều hành này sẽ thiếu đi sự

toàn tâm toàn ý vì lợi ích chung. Những vấn đề, mâu thuẫn trên đều rơi vào hầu hết các

DNNN ở Việt Nam hiện nay.

Trong DNNN, sở hữu doanh nghiệp là toàn dân. Chính phủ đại diện cho toàn dân

quản lý phần vốn, tài sản này. Chính phủ giao cho hội đồng quản trị hay giám đốc quản lý,

sử dụng phần vốn nhà nước tại các DN. Luật DNNN năm 1995 quy định người điều hành

DNNN có nghĩa vụ sử dụng có hiệu quả, bảo toàn và phát triển vốn do nhà nước giao, bao

gồm cả phần vốn đầu tư vào DN khác nếu có; nhận và sử dụng có hiệu quả tài nguyên, đất

đai và các nguồn lực khác do nhà nước giao cho DN. Nhưng Luật DNNN năm 1995 không

quy định rõ việc bãi miễn những người điều hành DN khi DN hoạt động kinh doanh không

hiệu quả, Luật DNNN năm 2003 có quy định người điều hành DN bị miễn nhiệm, chấm dứt

hợp đồng trước thời hạn trong các trường hợp để công ty lỗ hai năm liên tiếp hoặc không

đạt chỉ tiêu tỷ suất lợi nhuận trên vốn nhà nước đầu tư hai năm liên tiếp hoặc ở trong tình

trạng lỗ lãi đan xen nhau nhưng không khắc phục được, trừ các trường hợp lỗ hoặc giảm tỷ

suất lợi nhuận trên vốn nhà nước đầu tư được cấp có thẩm quyền phê duyệt; lỗ hoặc giảm tỷ

suất lợi nhuận trên vốn nhà nước đầu tư có lý do khách quan được giải trình và được cơ

quan có thẩm quyền chấp nhận; đầu tư mở rộng sản xuất, đổi mới công nghệ. Với quy định

như vậy, khi hoạt động thực tế thì “lý do khách quan” thường được sử dụng nhất nếu DN

hoạt động không hiệu quả. Mặt khác trong Luật Phá Sản DN 2004 quy định hoạt động kinh

doanh bị thua lỗ liên tục sẽ bị làm thủ tục phá sản. Nhưng trong thực tế, hầu như chưa có

DN nào bị lỗ liên tục hai năm mà phải phá sản. Luật DNNN 2003 quy định những người

điều hành DN được hưởng chế độ lương theo năm. Mức tiền lương và tiền thưởng tương

ứng với hiệu quả hoạt động của công ty, do người quyết định bổ nhiệm quyết định hoặc

theo hợp đồng đã ký. Tiền lương được tạm ứng hàng tháng, quyết toán hàng năm. Tiền

thưởng hàng năm được tính dựa vào kết quả kinh doanh năm của công ty, chỉ trả một phần

vào cuối năm, phần còn lại được chi trả sau khi đã kết thúc nhiệm kỳ. Trong thực tế, mức

lương của các cấp điều hành DNNN rất thấp do với những người có vị trí tương tự ở các

DN có vốn đầu tư nước ngoài, DN tư nhân. Tuy nhiên đó chỉ là phần thu nhập nổi. Với cơ

chế phân quyền và chế tài trách nhiệm rất không rõ ràng làm cho những người điều hành

50

DNNN có lợi ích và quyền lực rất lớn, ngược lại trách nhiệm và nghĩa vụ thì rất chung

chung. Kết quả là nhiều người điều hành DN chỉ tập trung làm lợi cho cá nhân, thay vì cho

DN mình, và vấn đề lo củng cố quyền lực, địa vị là không thể tránh khỏi. Kết quả chung lại

là DNNN sẽ mất đi tính cạnh tranh và động lực phấn đấu, dễ dàng thua lỗ trong kinh doanh.

Khi thua lỗ triền miên lại tìm cách bào chữa cho các lý do khách quan, dựa vào mối quan

hệ sẵn với cấp chủ quản, khiến không thể áp dụng luật phá sản được. Luật DN thống nhất

đã được Quốc Hội thông qua ngày 29/11/2005 và có hiệu lực từ ngày 01/07/2006. Mục tiêu

của Luật DN thống nhất này là xem tất cả các loại hình DN là bình đẳng và có cùng một

“sân chơi”. Tuy nhiên theo điều 166, phạm vi điều chỉnh DNNN lại được dời chậm nhất

đến ngày 01/07/2010, tức bốn năm sau khi luật DN thống nhất có hiệu lực. Vì thế trước thời

điểm này, sự bình đẳng về đối xử đối với các loại hình DN là chưa thể có được. Những

phân tích trên gợi ý rằng để tăng cường tính thực thi của Luật Phá Sản, điều cần thiết là

phải tăng cường các quy định xử lý người đứng đầu các DNNN và quy trình, trách nhiệm

của cấp chủ quản trong việc chấp thuận phá sản đối với các DNNN bị khánh kiệt tài chính

không thể phục hồi.

Tính khả thi của Luật Phá sản có quan hệ tỷ lệ thuận với thời gian chính thức để giải

quyết một vụ phá sản, mức độ tốn kém của các thủ tục và giá trị có thể thu hồi. Theo báo

cáo xếp hạng môi trường kinh doanh năm 2008 do Tập Đoàn Tài Chính Quốc Tế IFC và

Ngân Hàng Thế Giới công bố, Việt Nam được xếp ở vị trí 91. Trong đó, ở tiêu chí thứ 10,

giải thể DN, báo cáo cho rằng việc giải quyết các trường hợp phá sản DN ở Việt Nam còn

kém hiệu quả, xếp hạng 121/178. Thủ tục phá sản phải mất ít nhất 5 năm, tốn kém đến 15%

giá trị tài sản của DN. Đối với những DN vỡ nợ thì các bên liên quan chỉ thu hồi được 18%

giá trị tài sản. Vì thế, rất ít DN tuân theo các quy định và thủ tục chính thức khi muốn dừng

hoạt động. Vì vậy để Luật Phá Sản thực sự có tính khả thi thì cần phải đơn giản hóa, rút

ngắn thời gian xử lý một vụ phá sản. Nâng cao giá trị thu hồi thực tế. Để làm được việc này

cần phải tiếp tục cải cách hành chính, bổ sung các hướng dẫn cần thiết cũng như cần sự vận

hành hiệu quả của một thị trường thứ cấp cho việc thanh lý các tài sản của các DN bị kiệt

quệ tài chính đến mức phải xử lý phá sản.

5.3.2. Sớm ban hành quy định hướng dẫn thủ tục phá sản cho các DN

Theo quy định của Luật Các TCTD năm 1997 và Luật Sửa đổi bổ sung một số điều

51

của Luật Các TCTD ngày 15/06/2004, “TCTD là DN được thành lập theo Luật Các TCTD

và các quy định khác của pháp luật để hoạt động ngân hàng” (Khoản 1, Điều 20). Như vậy,

TCTD là một DN trong nền kinh tế quốc dân hoạt động trong lĩnh vực ngân hàng. Các

TCTD, trong đó nòng cốt là các ngân hàng, thực hiện toàn bộ hoạt động ngân hàng và các

hoạt động kinh doanh khác có liên quan, bao gồm các hoạt động kinh doanh tiền tệ và dịch

vụ ngân hàng với nội dung thường xuyên là nhận tiền gửi, sử dụng số tiền này để cấp tín

dụng và cung ứng các dịch vụ thanh toán. Các quan hệ tín dụng được dựa trên uy tín của

các bên. Một khi uy tín của TCTD mất đi do mất khả năng thanh toán, chi trả các khoản nợ

cho người gửi tiền thì uy tín cũng như vị thế của TCTD trên thị trường bị giảm sút, và hệ

quả là khách hàng ào ạt đến rút tiền, làm trầm trọng thêm tình trạng mất khả năng thanh

toán của TCTD. Không chỉ có vậy, do tính đặc thù của hoạt động ngân hàng, các TCTD có

mối liên hệ chặt chẽ với nhau, nên nếu một TCTD lâm vào tình trạng mất khả năng thanh

toán, sẽ ảnh hưởng đến các TCTD khác, gây nên tình trạng mất khả năng thanh toán hàng

loạt (ảnh hưởng tới toàn hệ thống). Mặt khác, trong hoạt động, các TCTD cũng có những

hoạt động đầu tư khác như mua cổ phần tại các công ty, đầu tư kinh doanh bất động sản,

kinh doanh các ngành nghề khác... Do đó, khi chủ nợ có yêu cầu TCTD thanh toán các

khoản nợ đến hạn phát sinh từ quan hệ kinh tế này mà TCTD không có khả năng thanh

toán, thì TCTD có được coi là lâm vào tình trạng phá sản hay không? Chính vì vậy, việc

xác định thời điểm TCTD lâm vào tình trạng phá sản có ý nghĩa rất quan trọng. Do đó, cần

phải giải quyết các vấn đề sau: Thứ nhất, nếu xác định thời điểm TCTD mất khả năng thanh

toán các khoản nợ đến hạn sớm như quy định tại Luật Phá sản năm 2004, cần hướng dẫn cụ

thể khái niệm nợ, các khoản nợ đến hạn, giới hạn các khoản nợ cũng như trình tự xử lý các

khoản nợ để khôi phục lại khả năng chi trả của TCTD cũng như các giải pháp mà TCTD đã

áp dụng để xác định dấu hiệu TCTD lâm vào tình trạng phá sản

Thứ hai, làm rõ mối quan hệ giữa quy chế kiểm soát đặc biệt, bước chuyển từ tình

trạng kiểm soát đặc biệt sang tình trạng phá sản và tình trạng phá sản của DN theo quy định

của Luật Các TCTD năm 1997 và Luật Sửa đổi bổ sung một số điều Luật Các TCTD

15/06/2004 và theo quy định của Luật Phá sản 2004. Kiểm soát đặc biệt là việc một TCTD

được đặt dưới sự kiểm soát trực tiếp của Ngân hàng Nhà nước do có nguy cơ mất khả năng

52

thanh toán, mất khả năng chi trả

Thứ ba, cần làm rõ trách nhiệm của TCTD trong việc cung cấp thông tin về tình

trạng phá sản của TCTD cho các chủ nợ để đảm bảo quyền nộp đơn yêu cầu tuyên bố phá

sản của TCTD, bởi chính TCTD là người duy nhất biết rõ thực trạng tài chính của mình.

Khi đã bị lâm vào tình trạng phá sản, TCTD cần thông báo cho các chủ nợ biết để có sự

phối hợp giải quyết hợp lý, khôi phục lại khả năng thanh toán. Trường hợp TCTD cố tình

che giấu tình trạng phá sản thì cần có qui định Ngân hàng Nhà nước căn cứ vào tình hình

thực tế của TCTD để yêu cầu Toà án tuyên bố phá sản TCTD, vì ngoài TCTD, chỉ có Ngân

hàng Nhà nước biết được khả năng thanh toán thực sự của TCTD thông qua kiểm soát đặc

biệt. Một lần nữa, cần qui định trách nhiệm của Ban kiểm soát đặc biệt trong quá trình thực

hiện nhiệm vụ kiểm soát đặc biệt tại TCTD để xác định đúng khả năng phục hồi hay phá

sản của TCTD, hoặc xử lý đối với những hành vi cố tình báo cáo sai sự thật, che giấu tình

trạng phá sản TCTD của Ban Kiểm soát đặc biệt.

Thứ tư, nghiên cứu xác định thời điểm, tư kiểm soát tâm lý mạo hiểm của TCTD khi

họ có tham gia bảo hiểm tiền gửi. Theo qui định tại Điều 20, Nghị định số 89/1999/NĐ-CP

của Chính phủ về bảo hiểm tiền gửi, trong trường hợp TCTD tham gia bảo hiểm tiền gửi bị

phá sản thì tổ chức bảo hiểm tiền gửi trở thành chủ nợ đối với TCTD đó với khoản nợ là số

tiền mà tổ chức bảo hiểm tiền gửi đã chi trả cho người gửi tiền thay cho TCTD. Tổ chức

bảo hiểm tiền gửi được quyền tham gia quá trình quản lý và thanh lý tài sản của TCTD phá

sản đó theo qui định của Luật Phá sản. Số tiền thu hồi được từ việc thanh lý tài sản của

TCTD sẽ được bổ sung vào nguồn vốn hoạt động của tổ chức bảo hiểm tiền gửi.

Qui định trên trong Nghị định 89/1999/NĐ-CP còn quá chung chung, không phù

hợp với các qui định mới của Luật Phá sản và nếu chỉ với qui định này thì không đủ để thực

thi các qui định pháp luật khi TCTD lâm vào tình trạng phá sản nếu TCTD đó tham gia bảo

hiểm tiền gửi. Theo kinh nghiệm của các nước, khi TCTD lâm vào tình trạng phá sản, nếu

TCTD đó không có khả năng phục hồi thì: (1) Tổ chức bảo hiểm tiền gửi thanh toán tiền

gửi cho người gửi tiền với mức bảo hiểm tối đa trên cơ sở phí bảo hiểm mà TCTD đóng và

nếu không đủ thì tổ chức bảo hiểm tiền gửi phải lấy từ vốn của tổ chức bảo hiển tiền gửi;

(2) Sau khi TCTD được thanh lý, tổ chức bảo hiểm tiền gửi được xếp cùng hàng với các

53

chủ nợ không có bảo đảm và nhận về số tiền theo tỷ lệ nợ. Còn nếu TCTD có khả năng

phục hồi thì tổ chức bảo hiểm tiền gửi đứng ra bảo lãnh sẽ trả toàn bộ tiền gửi và tiếp nhận

TCTD lâm vào tình trạng phá sản hoặc tổ chức bảo hiểm tiền gửi tìm một TCTD khác để

bán hoặc sáp nhập. TCTD này sẽ nhận trách nhiệm hoàn trả tiền gửi của TCTD phá sản sau

khi mua hoặc sáp nhập. Để tăng tính hấp dẫn, tổ chức bảo hiểm tiền gửi thường đứng ra

mua lại một số tài sản xấu của TCTD phá sản hoặc cho TCTD mua hoặc sáp nhập TCTD

này vay với lãi suất ưu đãi. Để thực thi tốt Luật Phá sản đối với các TCTD, cần quy định cụ

thể các điều kiện được phục hồi và phá sản TCTD, quy chế kiểm soát hoạt động phục hồi

của TCTD cũng như kiểm soát việc mua bán, hoặc sáp nhập các TCTD... sao cho phù hợp

với điều kiện hiện tại của Việt Nam. Việc có cho phép phá sản chi nhánh, văn phòng đại

diện của TCTD nước ngoài đang hoạt động tại Việt Nam khi lâm vào tình trạng phá sản hay

không và việc TCTD trong nước tham gia bảo hiểm tiền gửi tại tổ chức bảo hiểm tiền gửi

nước ngoài thì việc tổ chức bảo hiểm tiền gửi nước ngoài tham gia như thế nào vào thủ

tục phá sản TCTD cũng là một vấn đề cần được quan tâm nghiên cứu. Để tạo sự thống nhất

trong các văn bản pháp luật về xác định TCTD lâm vào tình trạng phá sản, Chính phủ cần

sớm ban hành nghị định hướng dẫn thi hành Luật Phá sản đối với các DN kinh doanh trong

lĩnh vực ngân hàng, trên cơ sở đó, Ngân hàng Nhà nước Việt Nam cần có sự phối hợp với

Bộ Tư pháp, Toà án, Bộ Tài chính ban hành các văn bản hướng dẫn cụ thể để tạo sự thống

nhất và để cho Luật Phá sản sớm đi vào cuộc sống.

5.3.3. Ban hành các quy định hỗ trợ nâng cao hiệu quả hoạt động của DATC

Để giải quyết được cơ bản những khó khăn vướng mắc trong hoạt động xử lý nợ và

tài sản tồn đọng thời gian vừa qua, tạo điều kiện thúc đẩy nhanh hơn quá trình mua bán và

xử lý nợ mang tính đột phá trong thời gian tới, Nhà nước và các bên liên quan cần giải

quyết một số nội dung sau: Thứ nhất, về lâu dài hoạt động mua bán, xử lý nợ và tài sản tồn

đọng cần được xây dựng thành bộ luật riêng biệt nhằm tạo ra môi trường pháp lý chặt chẽ

và nâng cao năng lực hoạt động cho các bên trong quá trình xử lý nợ và tài sản. Trước mắt,

các cơ quan quản lý nhà nước cần tiếp tục xây dựng và hoàn thiện hành lang pháp lý cho

hoạt động mua bán xử lý nợ và tài sản tồn đọng bằng một hệ thống các cơ chế chính sách

xử lý đầy đủ, đồng bộ và rõ ràng.

Cơ chế đó cần xác định rõ trách nhiệm của ban giám đốc DN trong việc xử lý nợ; có

54

chế tài đủ mạnh nếu giám đốc DN không tự xử lý được nợ tồn đọng hay cố tình để công nợ

tồn đọng dây dưa, kéo dài; bắt buộc DN phải xử lý nợ nếu không sẽ tiến hành giải thể, phá

sản theo đúng quy định của pháp luật. Trong đó, cơ chế xử lý nợ và tài sản tồn đọng cũng

cần được tinh gọn trong thủ tục hành chính và thật sự hiệu quả trong khi thực hiện; cơ chế

cần đảm bảo và trao cho các chủ nợ và nhất là Công ty Mua bán nợ các quyền đặc biệt hơn

như quyền yêu cầu khách nợ và các bên có liên quan khác phải cung cấp thông tin về hoạt

động, tài chính, nhân sự; quyền giám sát, phong toả tài khoản và kê biên phát mại tài sản

đảm bảo nếu khách nợ cố tình không hợp tác thanh toán. Hiện tại, Nhà nước cần sớm ban

hành đồng bộ và hoàn thiện các cơ chế mua bán một phần hoặc toàn bộ DN; cơ cấu lại tài

chính và hoạt động của DN; xử lý tài chính trong quá trình mua bán, cơ cấu, giải thể, phá

sản, chuyển đổi sở hữu cả DN. Nhất là các cơ chế đối với các DNNN trong quá trình sắp

xếp, chuyển đổi sở hữu hiện nay nếu không cổ phần hoá được cần phải giao lại cho Công ty

Mua bán nợ tiến hành tái cơ cấu lại DN thông qua các giải pháp như giao, bán, khoán, cho

thuê trước khi thực hiện việc giải thể hoặc phá sản. Thứ hai, các DNNN và Công ty Mua

bán nợ cần đẩy mạnh công tác thông tin, tuyên truyền và học tập nâng cao nhận thức về

hoạt động mua bán, xử lý nợ và tài sản tồn đọng trong quá trình hoạt động sản xuất kinh

doanh; coi việc mua bán, xử lý nợ và tài sản là một hoạt động tái cơ cấu lại DN để nhằm

củng cố năng lực tài chính trong quá trình hội nhập và phát triển. Thứ ba, các DN cần có

quyền độc lập tự chủ về tài chính và trong hoạt động; chịu trách nhiệm và chủ động tự xử

lý các tồn tại về tài chính; phối hợp chặt chẽ với Công ty Mua bán nợ để trao đổi thông tin

và cùng xây dựng, thống nhất phương án xử lý dứt điểm các khoản nợ và tài sản tồn đọng

trên tinh thần hợp tác cùng phát triển, đảm bảo đúng quy định và hướng dẫn của pháp luật.

Thứ tư, trong quá trình mua bán, xử lý nợ và tài sản tồn đọng các bên liên quan cần kết hợp

và sử dụng linh hoạt, đồng bộ các công cụ về cơ chế chính sách, định giá.

Thứ năm, trong vai trò là một công cụ tài chính thích hợp của Nhà nước về xử lý nợ

tồn đọng của DN, Công ty Mua bán nợ cần đẩy mạnh các hoạt động nghiệp vụ và nhận

được sự phối hợp, hỗ trợ đắc lực và hiệu quả hơn nữa của các cơ quan quản lý Nhà nước

đặc biệt là các cơ quan tài chính, tư pháp và các cơ quan hành chính khác trong quá trình

mua bán nợ và xử lý các tồn tại về tài chính DN để thúc đẩy mạnh hơn nữa quá trình sắp

55

xếp, đổi mới, cổ phần hoá DNNN theo đúng mục tiêu Nhà nước đề ra.

TỔNG KẾT CHƯƠNG 5

Chương này đã bàn đến các giải pháp nâng cao khả năng dự báo và giải quyết hiệu

quả tình trạng khánh kiệt tài chính của các DN ở Việt Nam. Biện pháp đầu tiên được đề

xuất là sử dụng mô hình Z-Score để xét xem DN có đang ở trong tình trạng khánh kiệt tài

chính hay không. Theo các nhà nghiên cứu phá sản trên thế giới thì mô hình Z-Score có khả

năng dự đoán phá sản chính xác đến hai năm trước khi sự phá sản thực sự xảy ra. Tuy nhiên

ở Việt Nam cũng như ở nhiều nước đang phát triển khác, do lịch sử ngắn ngủi của thị

trường tài chính, rất khó có được một hệ thống dữ liệu nhất quán và rõ ràng trong một thời

gian dài. Vì vậy việc kiểm chứng lại sức mạnh thực sự của mô hình trong điều kiện cụ thể ở

Việt Nam chỉ có thể thực hiện được trong tương lai. Chương này cũng đã đề cập đến các

giải pháp hỗ trợ khác về lâu dài để nâng cao hiệu quả của việc dự báo và giải quyết tình

trạng khánh kiệt tài chính. Các giải pháp hỗ trợ được nêu gồm: (1) Nâng cao tính minh bạch

và trách nhiệm của thông tin: Điều này giúp tăng cường khả năng giám sát của các thể chế

bên ngoài đối với DN, qua đó có tác dụng ngăn ngừa những hành động không hợp lý của

ban điều hành; (2) Phát triển hệ thống đánh giá, xếp hạng tín nhiệm của DN Việt Nam.

Theo bảng xếp hạng môi trường kinh doanh năm 2008 của WB và IFC công bố, ở tiêu chí

5, vay vốn, các tổ chức trên đánh giá: “…hiện nay ở Việt Nam, thông tin về độ tin cậy tín

dụng của cá nhân cũng như công ty không được chia sẻ và các tổ chức đăng ký thông tin tín

dụng tư nhân chưa phát triển. Nếu không có các dữ liệu về độ tin cậy tín dụng, ngân hàng

sẽ rất e ngại việc cho vay, và vì thế việc tiếp cận tín dụng sẽ bị hạn chế…”. Như vậy có thể

thấy việc triển khai công bố các báo cáo xếp hạng tín nhiệm DN ở VN sẽ giúp nhiều cho sự

phát triển của thị trường tín dụng và giảm chi phí cùng với rủi ro cho các nhà đầu tư khi

tham gia thị trường Việt Nam. Thông qua hệ thống này việc dự báo khả năng khánh

kiệt tài chính sẽ dễ dàng hơn. Theo ý kiến của nhiều chuyên gia thì với hiện trạng cơ sở dữ

liệu cũng như tình hình thực tế các DN hiện nay của Việt Nam, mô hình đánh giá của

Standard & Poors, Moodys là phù hợp nhất; (3) Hoàn thiện Luật Phá sản và các văn bản có

liên quan. Các đề xuất cho phần này là cần tăng cường các giải pháp nâng cao tính khả thi

của Luật Phá sản thông qua các quy định xử lý người đứng đầu các DNNN và quy trình,

trách nhiệm của cấp chủ quản trong việc chấp thuận phá sản đối với các DNNN bị khánh

56

kiệt tài chính không thể phục hồi. Cần phải đơn giản hóa, rút ngắn thời gian xử lý một vụ

phá sản. Nâng cao giá trị thu hồi thực tế. Để làm được việc này cần phải tiếp tục cải cách

hành chính, bổ sung các hướng dẫn cần thiết cũng như cần sự vận hành hiệu quả của một

thị trường thứ cấp cho việc thanh lý các tài sản của các DN bị kiệt quệ tài chính đến mức

phải xử lý phá sản. Ngoài ra cần sớm ban hành quy định hướng dẫn thủ tục phá sản cho một

loại hình DN đặc thù là các TCTD, vốn rất nhạy cảm với lòng tin; (4) Ban hành các quy

định hỗ trợ nâng cao hiệu quả hoạt động của DATC, một định chế chuyên về mua bán, xử

lý nợ tồn đọng. Trong đó quan trọng nhất là về lâu dài hoạt động mua bán, xử lý nợ và tài

sản tồn đọng cần được xây dựng thành bộ luật riêng biệt nhằm tạo ra môi trường pháp lý

57

chặt chẽ và nâng cao năng lực hoạt động cho các bên trong quá trình xử lý nợ và tài sản.

KẾT LUẬN

Số lượng các công ty niêm yết có khả năng kiệt quệ tài chính tang nhanh từ 2011 đến

nay. Trong thực tiễn, các tổ chức tín dụng có thể áp dụng mô hình này để bổ sung thêm

những phương pháp thẩm định hiện có. Bên cạnh đó, nhà đầu tư nên giảm số lượng cổ phiếu

nắm giữ đối với các công ty có chỉ số thấp. Về mặt nhà quản trị, mô hình cho

thấy bốn nhân tố tác động đến sức khỏe tài chính của doanh nghiệp là: vòng quay tổng tài

sản, tỷ lệ vốn hóa thị trường trên tổng nợ, tỷ số nợ trên tổng tài sản, tỷ số khả năng thanh

toán lãi vay. Vì vậy, doanh nghiệp cần xây dựng những chiến lược dài hạn nhằm cải tiến bốn

nhân tố kể trên một cách nhịp nhàng, đồng bộ và hiệu quả.

Hướng nghiên cứu mở rộng của đề tài có thể là chọn cơ sở dữ liệu và các kỹ thuật

thống kê phù hợp để xác định lại các hệ số, biến số nhằm xây dựng một mô hình tối ưu với

58

thị trường tài chính Việt Nam.

TÀI LIỆU THAM KHẢO

SÁCH:

1. Bùi Kim Yến (2011). Phân tích và đầu tư chứng khoán. Lao động xã

hội. Hồ Chí Minh.

2. Chính phủ, Nghị định Quy định chi tiết và hướng dẫn thi hành một

số điều của Luật chứng khoán và Luật sửa đổi, bổ sung một số điều của Luật

chứng khoán số 58/2012/NĐ-CP.

3. Nguyễn Văn Ngọc (2009). Lý thuyết chung về thị trường tài chính,

ngân hàng và các chính sách tiền tệ. Đại học Kinh tế Quốc Dân. Hà Nội.

4. Quốc hội, Luật Các tổ chức tín dụng số 47/2010/QH12

5. Quốc hội, Luật phá sản số 51/2014/QH13

6. PGS.TS. Nguyễn Thị Liên Hoa (2008). Hiệp ước Basel mới và vấn

đề kiểm soát rủi ro trong các NHTM. Tạp chí PTKT, số 6/2008.

7. TS. Phan Đình Nguyên (2013). Giáo trình Lý thuyết Tài Chính –

Tiền Tệ. Nhà Xuất Bản Tài Chính.

8. Joel Bessis (2010). Risk management in banking. Wiley, 2010.

9. Agarwal, V., & Taffler, R. (2007). Twenty-five years of the Taffler

z-score model: Does it really have predictive ability Accounting and Business

Research, 37, 285–300

10. Agarwal, V., & Taffler, R. (2008). Comparing the performance of

market-based and accounting-based bankruptcy prediction models. Journal of

Banking & Finance, 32, 1541–1551.

11. Alexander, C., & Kaeck, A. (2008). Regime dependent determinants

of credit default swap spreads. Journal of Banking & Finance, 32, 1008–1021.

12. Alfaro, E., García, N., Gámez, M., & Elizondo, D. (2008).

Bankruptcy forecasting: An empirical comparison of AdaBoost and neural

networks. Decision Support Systems, 45, 110–122.

59

13. Altman, E. I. (1968). Financial ratios, discriminant analysis and the

prediction of corporate bankruptcy. Journal of Finance, 23, 589–609.

14. Altman, E. I. (2000). Predicting financial distress of companies:

Revisiting the Z-score and ZetaR models. New York University Salomon Center

working paper series.

15. Altman, E. I., & Sabato, G. (2007). Modelling credit risk for SMEs:

Evidence from the U.S. market. Abacus, 43, 332–357.

16. Altman, E. I., Sabato, G., & Wilson, N. (2010). The value of non-

financial information in small and medium-sized enterprise risk management.The

Journal of Credit Risk, 6, 1–33.

17. Anderson, R. (2007). The credit scoring toolkit: Theory and practice

for retail credit risk management and decision automation. Oxford: Oxford

University Press.

18. Andrade, G., & Kaplan, S. N. (1998). How costly is financial not

economic distress? Evidence from highly leveraged transactions that became

distressed. Journal of Finance, 53, 1443–1493.

19. Argenti, J. (1976). Corporate collapse: The causes and symptoms.

London: McGraw-Hill. Asquith, P., Gertner, R., & Scharfstein, D. (1994).

Anatomy of financial distress: An examination of junk-bond issuers. Quarterly

Journal of Economics, 109, 625–658.

20. Balcaen, S., & Ooghe, H. (2004). 35 years of studies on business

failure: An overview of the classic statistical Methodologies and their related

problems. Vlerick Leuven Gent working paper series 15.

21. Barnes, P. (1987). The analysis and use of financial ratios: A review

article. Journal of Business Finance & Accounting, 14, 449–461.

22. Barnes, P. (1990). The prediction of takeover targets in the U.K. by

Means of multiple discriminant analysis. Journal of Business Finance &

Accounting, 17, 73–84.

23. Beaver, W. H. (1966). Financial ratios as predictors of failure.

Journal of Accounting Research, 4, 71–111.

60

24. Beaver, W. H., McNichols, M. F., & Rhie, J. -W. (2005). Have

financial statements become less informative? Evidence from the ability of

financial ratios to predict bankruptcy. Review of Accounting Studies, 10, 93– 122.

25. Bharath, S. T., & Shumway, T. (2008). Forecasting default with the

Merton distance to default model. Review of Financial Studies, 21, 1339– 1369.

26. Bierens, H. J. (2008). The logit model: Estimation. Testing and

interpretation: Penn State, Department of Economics.

27. Black, F., & Scholes, M. (1973). The pricing of options and

corporate liabilities. Journal of Political Economy, 81, 637–654.

28. Campbell, J. Y., Hilscher, J., & Szilagyi, J. A. N. (2008). In search

of distress risk. Journal of Finance, 63, 2899–2939.

29. Chava, S., & Jarrow, R. A. (2004). Bankruptcy prediction with

industry effects. Review of Finance, 8, 537–569.

30. Cho, S., Kim, J., & Bae, J. K. (2009). An integrative model with

subject weight based on neural network learning for bankruptcy prediction. Expert

Systems with Applica- tions, 36, 403–410.

31. Christidis, A., & Gregory, A. (2010). Some new models for

financial distress prediction in the UK. Xfi centre for finance and investGTTnt

discussion paper no. 10.

32. Cleves, M. A. (2002). From the help desk: Comparing areas under

receiver operating characteristics curves from two or more probit or logit models.

The Stata Journal, 2, 301–313.

WEBSITE:

http://vneconomy.vn/ http://baodatviet/

http://luattaichinh.wordpress.com/

http://www.vneconomy.com/

http://www.acb.com.vn/

www.cophieu68.vn/

http://vietstock.vn/

61

www.datc.com.vn/

PHỤ LỤC

Tương quan giữa các biến: Analyze/Correlate/Bivariate

Correlations

Y

WC/TA

ROA

EBIT/TA MVE/TL

S/TA

P/B

D/A

ROS

ROE

TIE

QU_RA

Y

Pearson Correlation

1

.275**

.401**

.396**

.191*

.170*

-.221**

.115

-.023

.265**

.028

.057

Sig. (2-tailed)

.000

.000

.000

.012

.026

.004

.132

.761

.000

.721

.457

N

172

172

172

172

172

172

170

172

172

172

172

172

1

.269**

.164*

.218**

WC/TA Pearson Correlation

.275**

.062

-.092

-.737**

-.044

.027

.388**

.082

Sig. (2-tailed)

.000

.031

.422

.004

.234

.000

.568

.723

.000

.285

.000

N

172

172

172

172

172

172

170

172

172

172

172

172

ROA

Pearson Correlation

.401**

.269**

1

.973**

.049

.066

-.076

-.218**

.220**

-.042

.078

.091

Sig. (2-tailed)

.000

.000

.527

.391

.322

.004

.004

.588

.308

.237

.000

N

172

172

172

172

172

172

170

172

172

172

172

172

EBIT/TA Pearson Correlation

.396**

.164*

.973**

1

.035

.043

-.097

-.078

.224**

-.035

.057

.112

Sig. (2-tailed)

.000

.031

.646

.576

.208

.306

.003

.650

.456

.142

.000

N

172

172

172

172

172

172

170

172

172

172

172

172

MVE/TL Pearson Correlation

.191*

.218**

.066

.043

.011

.022

.206**

-.025

1

-.065

.236**

-.346**

Sig. (2-tailed)

.012

.004

.391

.397

.002

.000

.890

.779

.007

.745

.576

N

172

172

172

172

172

172

170

172

172

172

172

172

S/TA

Pearson Correlation

.170*

.062

.049

.035

-.065

.011

.047

-.020

.067

1

-.038

-.100

Sig. (2-tailed)

.026

.422

.527

.646

.619

.194

.882

.536

.796

.384

.397

N

172

172

172

172

172

172

170

172

172

172

172

172

P/B

Pearson Correlation

.028

-.038

.236**

-.024

.009

-.092

-.076

-.097

1

-.058

-.052

-.240**

62

Sig. (2-tailed)

.234

.322

.208

.002

.721

.454

.499

.002

.906

.753

.619

N

170

170

170

170

170

170

170

170

170

170

170

170

D/A

Pearson Correlation

-.221**

-.737**

-.218**

-.040

-.045

-.078

-.346**

-.100

-.058

1

.039

-.386**

Sig. (2-tailed)

.004

.615

.194

.602

.000

.559

.000

.004

.306

.000

.454

N

172

172

172

172

170

172

172

172

172

172

ROS

Pearson Correlation

.115

.039

1

.011

-.052

.008

-.014

.037

-.044

172 .220**

172 .224**

.011

Sig. (2-tailed)

.132

.882

.499

.918

.858

.630

.568

.004

.003

.890

.615

N

172

172

172

172

170

172

172

172

172

172

172

172

ROE

Pearson Correlation

-.023

-.040

.008

.047

-.240**

1

.027

.012

.027

-.042

-.035

.022

Sig. (2-tailed)

.761

.602

.536

.002

.723

.875

.723

.588

.650

.779

.918

N

172

172

172

172

170

172

172

172

172

172

172

172

TIE

Pearson Correlation

.265**

-.045

.037

.067

.009

.012

.010

1

.082

.091

.112

-.025

Sig. (2-tailed)

.000

.559

.630

.384

.906

.897

.285

.237

.142

.745

.875

N

172

172

172

172

170

172

172

172

172

172

172

172

QU_RA Pearson Correlation

.057

.027

1

.010

-.020

-.024

-.386**

-.014

.388**

.078

.057

.206**

Sig. (2-tailed)

.457

.723

.007

.796

.753

.000

.858

.000

.308

.456

.897

N

172

172

172

172

172

172

170

172

172

172

172

172

**. Correlation is significant at the 0.01 level (2-tailed).

*. Correlation is significant at the 0.05 level (2-tailed).

Chạy hồi quy từng biến: Analyze/ Regression/ Binary Logistic

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a

WCTA

1.611

.470

11.773

1

.001

5.008

1.995

12.570

Constant

-.097

.162

.357

1

.550

.908

a. Variable(s) entered on step 1: WCTA.

63

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a ROA

16171229667

100706658.0

25967366413

28.112

4.941

32.372

1

.000

76.812

44

239200.000

Constant

-.062

.223

.077

1

.782

.940

a. Variable(s) entered on step 1: ROA.

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a EBITTA

32447181074

258615532.3

40709834794

28.808

4.815

35.796

1

.000

79.315

43

610280.000

Constant

-.644

.255

6.393

1

.011

.525

a. Variable(s) entered on step 1: EBITTA.

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a MVETL

.287

.097

8.650

.003

1.332

1.100

1.612

1

Constant

-.376

.185

4.112

.043

1

.687

a. Variable(s) entered on step 1: MVETL.

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a

STA

.438

.204

4.608

.032

1.549

1.039

2.310

1

Constant

-.353

.221

2.542

.111

1

.703

a. Variable(s) entered on step 1: STA.

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

64

Step 1a DA

-1.251

.453

7.621

.286

.118

.696

1

.006

Constant

.854

.342

6.245

1

.012

2.349

a. Variable(s) entered on step 1: DA.

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a

TIE

.473

.097

23.777

.000

1.605

1.327

1.941

1

Constant

-.471

.206

5.220

.022

1

.624

a. Variable(s) entered on step 1: TIE.

Kiện toàn mô hình:

Variables in the Equation

95% C.I.for EXP(B)

B

S.E.

Wald

df

Sig.

Exp(B)

Lower

Upper

Step 1a WCTA

.403

1.341

.090

.764

1.496

.108

20.712

1

12549711111

ROA

49245762619

29.225

8.701

11.282

.001

193243.105

5449930000.0

1

24.441

00

293719726.90

EBITTA

6.173

6.799

.824

.364

479.691

.001

1

7

MVETL

1.612

.609

7.014

5.011

1.520

16.516

.008

1

STA

.168

.408

.169

1.182

.532

2.629

.681

1

DA

8.716

3.182

7.501

6099.086

11.922 3120313.743

.006

1

TIE

.163

.080

4.204

1.177

1.007

1.376

.040

1

Constant

-7.978

2.698

8.742

.003

1

.000

a. Variable(s) entered on step 1: WCTA, ROA, EBITTA, MVETL, STA, DA, TIE.

Kết quả mô hình: Analyze/ Regression/ Binary Logistic

Omnibus Tests of Model Coefficients

Chi-square

df

Sig.

Step 1 Step

149.482

7

.000

Block

149.482

7

.000

Model

149.482

7

.000

65

Model Summary

Cox & Snell R

Nagelkerke R

Step

-2 Log likelihood

Square

Square

1

88.961a

.581

.774

a. Estimation terminated at iteration number 10 because

parameter estimates changed by less than .001.

Classification Tablea

Predicted

Y

Percentage

Observed

0

1

Correct

Step 1 Y

0

10

88.4

76

1

76

88.4

10

Overall Percentage

88.4

a. The cut value is .500

Variables in the Equation

B

S.E.

Wald

df

Sig.

Exp(B)

Step 1a WCTA

.403

1.341

.090

1

.764

1.496

ROA

4924576261924

29.225

8.701

11.282

1

.001

.441

EBITTA

6.173

6.799

.824

1

.364

479.691

MVETL

1.612

.609

7.014

1

.008

5.011

STA

.168

.408

.169

1

.681

1.182

DA

8.716

3.182

7.501

1

.006

6099.086

TIE

.163

.080

4.204

1

.040

1.177

8.742

1

.003

.000

Constant

-7.978

2.698

a. Variable(s) entered on step 1: WCTA, ROA, EBITTA, MVETL, STA, DA, TIE.

66