Luận văn Thạc sĩ Kinh tế: Tác động của nhân tố kiệt quệ đối với tỉ suất sinh lợi của các cổ phiếu trên thị trường chứng khoán Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

--------------------))((--------------------

NGUYỄN TRIỀU ĐÔNG

TÁC ĐỘNG CỦA NHÂN TỐ KIỆT QUỆ ĐỐI VỚI TỈ SUẤT SINH LỢI CỦA CÁC CỔ PHIẾU TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

Chuyên ngành : Tài chính – Ngân hàng

Mã số : 60340201

HƯỚNG DẪN KHOA HỌC : GS. TS TRẦN NGỌC THƠ

TP. Hồ Chí Minh – Năm 2013

LUẬN VĂN THẠC SĨ KINH TẾ

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn này là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn của GS.TS Trần Ngọc Thơ. Những nội dung và số liệu được trình bày trong luận văn là trung thực và khách quan, được tác giả thu nhập từ nhiều nguồn khác nhau. Ngoài ra, trong luận văn còn sử dụng một số trích dẫn của các tác giả, nhà nghiên cứu khác, được chú thích rõ trong phần tài liệu tham khảo. Sau cùng, luận văn này chưa được công bố trong bất kỳ công trình khoa học nào.

LỜI CẢM ƠN

Tôi xin chân thành cảm ơn :

GS.TS Trần Ngọc Thơ, người đã trực tiếp hướng dẫn cho tôi với tinh thần trách nhiệm, tận tình, chu đáo để tôi có thể hoàn thành được luận văn theo đúng tiêu chuẩn và thời gian quy định

Cùng các thầy cô, học viên cùng khóa lớp cao học Tài chính doanh nghiệp đã có sự hỗ trợ, hướng dẫn về tư liệu, dữ liệu khi tôi gặp phải những khó khăn trong quá trình nghiên cứu

MỤC LỤC CHI TIẾT

DANH MỤC TỪ VIẾT TẮT

DANH MỤC HÌNH VẼ, ĐỒ THỊ

DANH MỤC BẢNG BIỂU

1. PHẦN MỞ ĐẦU .................................................................................................................... 1

1.1. Lý do chọn đề tài ............................................................................................................... 1

1.2. Mục tiêu, câu hỏi nghiên cứu ........................................................................................... 2

1.3. Đối tượng, phạm vi nghiên cứu ....................................................................................... 3

1.4. Phương pháp nghiên cứu ................................................................................................. 3

1.5. Ý nghĩa khoa học, thực tiễn ............................................................................................. 3

1.6. Hạn chế của đề tài ............................................................................................................. 4

1.7. Kết cấu bài luận văn ......................................................................................................... 5

2. SƠ LƯỢC CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ MỐI QUAN HỆ GIỮA NHÂN

TỐ KIỆT QUỆ TÀI CHÍNH VÀ TỈ SUẤT SINH LỢI CỦA CỔ PHIẾU .............................. 6

3. NGHIÊN CỨU THỰC NGHIỆM VỀ TÁC ĐỘNG CỦA RỦI RO PHÁ SẢN LÊN TỈ

SUẤT SINH LỢI CỦA CÁC DOANH NGHIỆP NIÊM YẾT ................................................ 18

3.1. Thiết kế nghiên cứu ........................................................................................................ 18

3.1.1. Dữ liệu nghiên cứu .............................................................................................. 18

3.1.2. Phương pháp nghiên cứu .................................................................................... 21

3.1.2.1. Tính toán xác suất phá sản theo điểm số O của Ohlson (1980) ................ 21

3.1.2.2. Xây dựng danh mục ..................................................................................... 22

3.1.2.3. Mô hình 3 nhân tố Fama-French và hồi quy theo chuỗi thời gian ........... 26

3.1.2.4. Hồi quy chéo Fama-Macbeth ...................................................................... 27

3.1.2.5. Hồi quy theo dữ liệu bảng ............................................................................ 29

3.1.2.5.1. Mô hình hồi quy theo các ảnh hưởng cố định ......................................... 29

3.1.2.5.2. Mô hình hồi quy theo các ảnh hưởng ngẫu nhiên ................................... 30

3.2. Kết quả nghiên cứu ......................................................................................................... 31

3.2.1. Mô tả thống kê các đặc tính của mẫu nghiên cứu ............................................ 31

3.2.2. Tỉ suất sinh lợi của các danh mục ...................................................................... 34

3.2.3. Hồi quy theo chuỗi thời gian .............................................................................. 36

3.2.4. Hồi quy chéo Fama-Macbeth ............................................................................. 38

3.2.5. Hồi quy theo dữ liệu bảng ................................................................................... 39

3.2.5.1. Hồi quy theo mô hình các ảnh hưởng cố định ........................................... 39

3.2.5.2. Hồi quy theo mô hình các ảnh hưởng ngẫu nhiên ..................................... 41

4. KẾT LUẬN .......................................................................................................................... 42

Tài liệu tham khảo

Phụ lục

DANH MỤC TỪ VIẾT TẮT

CAPM : mô hình định giá tài sản vốn

DIP : con nợ đang bị sở hữu

TEV : tổng giá trị doanh nghiệp

EBITDA : lợi nhuận trước thuế, lãi và khấu hao

EBIT : lợi nhuận trước thuế

DCF : phương pháp khấu hao dòng tiền

BE : giá trị sổ sách của cổ phiếu

ME : giá trị thị trường của cổ phiếu

FEM : mô hình ảnh hưởng cố định

ECM : mô hình các thành phần sai số

GLS : phương pháp ước lượng bình phương nhỏ nhất tổng quát

SMB : chênh lệch tỉ suất sinh lợi của nhân tố quy mô

HML : chênh lệch tỉ suất sinh lợi của nhân tố giá trị sổ sách trên giá trị thị trường

xác suất phá sản tính theo điểm số O POscore:

P/E : tỉ số giá thị trường trên thu nhập của cổ phiếu

LO, MO, HO : xác suất phá sản thấp, trung bình, cao

LBM, MBM, HBM : tỉ số giá trị sổ sách trên giá trị thị trường thấp, trung bình, cao

Hình 2.1. Biểu đồ tỉ suất sinh lợi của các công ty theo hai biến BE/ME và O-score .................................. 10 Hình 2.2. Tác động của sức mạnh thương lượng (lợi thế của cổ đông) đối với xác suất vỡ nợ ............... 15 Hình 3.3 Phân tách các doanh nghiệp theo xác suất phá sản ................................................................... 23 Hình 3.4. Phân tách các doanh nghiệp theo tỉ số BE/ME .......................................................................... 24 Hình 3.5. Phân tách các doanh nghiệp theo quy mô ................................................................................ 24 Hình 3.6. Sơ đồ phân chia các danh mục .................................................................................................. 25

DANH MỤC HÌNH VẼ ĐỒ THỊ

DANH MỤC BẢNG BIỂU

Bảng 3.1. Các biến số sử dụng trong nghiên cứu và nguồn thu thập ....................................................... 20 Bảng 3.2. Cách thức xếp hạng và phân chia các nhân tố .......................................................................... 22 Bảng 3.3. Số lượng công ty trung bình của các danh mục ....................................................................... 26 Bảng 3.4. Mô tả thống kê các biến theo năm ........................................................................................... 32 Bảng 3.5. Giá trị trung bình các biến theo danh mục ............................................................................... 33 Bảng 3.6. Tỉ suất sinh lợi trung bình của các danh mục theo tháng ......................................................... 35 Bảng 3.7. Kết quả hồi quy theo chuỗi thời gian ........................................................................................ 37 Bảng 3.8. Kết quả hồi quy chéo ................................................................................................................. 38 Bảng 3.9. Hệ số hồi quy và trị thống kê t của phương trình hồi quy chéo theo từng năm ...................... 39 Bảng 3.10. Kết quả hồi quy theo mô hình ảnh hưởng cố định ................................................................. 40 Bảng 3.11. Kết quả hồi quy theo mô hình ảnh hưởng ngẫu nhiên ........................................................... 41

1. PHẦN MỞ ĐẦU

1.1. Lý do chọn đề tài

Một điều dễ nhận thấy rằng nghiên cứu về kiệt quệ tài chính và phá sản vẫn còn khá

mới mẻ tại Việt Nam trong những năm gần đây. Hiện tượng các doanh nghiệp phá sản

hàng loạt trong hai năm qua là hệ quả tất yếu từ cuộc khủng hoảng tài chính thế giới

cũng như sự thích ứng kém trước một bối cảnh khắc nghiệt của nền kinh tế Việt

Nam.Theo báo cáo của bộ Kế hoạch và đầu tư, chỉ trong quý 1 năm 2013, cả nước có

tới 15.839 doanh nghiệp ngừng hoạt động hay phá sản, cao hơn so với 15.707 doanh

nghiệp đăng ký thành lập mới. Trước đó, phòng Thương mại và Công nghiệp Việt

Nam (VCCI) công bố con số doanh nghiệp phá sản trong năm 2012 đạt kỷ lục với

58.128 doanh nghiệp, vượt xa hơn những năm trước. Có thể nói các doanh nghiệp Việt

Nam chưa thật sự chuẩn bị tốt để đối mặt với các rủi ro tài chính mà cuộc khủng hoảng

đem lại. Tỉ trọng nợ trên vốn chủ sở hữu cao, cộng thêm cácnguồn tài trợ luôn bị giới

hạn, càng khiến cho doanh nghiệp trở nên cực kỳ khó khăn khi dòng tiền thu về ngày

càng ít, từ đó cho thấy việc phá sản là một kết quả có thể dự đoán được.

Có hai lý do khiến tôi theo đuổi các nghiên cứu về kiệt quệ tài chính và phá sản.

Thứ nhất, giống như quan điểm của một số nhà kinh tế học, tôi nhìn nhận phá sản như

là một sự chọn lọc cần thiết của nền kinh tế thị trường. Phá sản có thể xảy ra ở bất kỳ

doanh nghiệp nào mà không lệ thuộc vào quy mô của doanh nghiệp. Nguyên nhân của

kiệt quệ tài chính và phá sản thay đổi tùy theo cấu trúc cơ bản của từng doanh nghiệp

cũng như điều kiện kinh tế ở một quốc gia. Vì thế, hiểu được cơ chế và đặc tính của

kiệt quệ tài chính là một trong những bước khởi đầu quan trọng để giúp doanh nghiệp

Việt Nam có những ứng phó hoặc điều chỉnh hợp lý nhằm tái cấu trúc một cách triệt

để, vượt qua những khó khăn về tài chính, đưa doanh nghiệp trở về thời kỳ “khỏe

mạnh” ban đầu.

Thứ hai, nguồn vốn bổ sung vào những công ty đang gặp vấn đề về tài chính rất đáng được quan tâm. Thị trường trái phiếu cấp thấp1 hoặc các nhà đầu tư “xác chết”2 đã là

những khái niệm rất quen thuộc ở các nước phát triển, nhưng ở Việt Nam thì mức độ

thanh khoản rất kém, và có thể nói hầu như là không có.Tạo dựng một thị trường như

vậy sẽ mang đến hai hiệu quả tích cực. Một là có thể tạo thêm những kênh hấp dẫn cho

nhà đầu tư, khiến luồng vốn lưu thông trong nền kinh tế càng thêm năng động.Hai là

giúp cho các công ty đang trong tình trạng kiệt quệ tài chính có thêm nhiều phương án

tài trợ, từ đó có thể phục hồi và vượt qua giai đoạn khủng hoảng.

Thiết nghĩ, để có thể đạt được hai vấn đề tôi nêu ra ở trên thì cũng cần rất nhiều nghiên

cứu tiếp theo sau nữa. Bài luận văn này chỉ là một sự khởi đầu, giúp chúng ta có một

cái nhìn khái quát về hiện tượng kiệt quệ tài chính và phá sản và tác động của nó đối

với giá trị doanh nghiệp.

1.2. Mục tiêu, câu hỏi nghiên cứu

Thông qua bài nghiên cứu, mục tiêu của tôi là muốn trả lời được các câu hỏi như sau :

Tìm hiểu rõ các phương pháp đo lường nhân tố kiệt quệ tài chính trong các •

nghiên cứu học thuật trước đây, các ưu khuyết điểm của từng phương pháp như thế nào

1Trái phiếu cấp thấp (junk bond) là trái phiếu có lãi suất cao và mức xếp hạng tín dụng (credit rating) thấp 2Nhà đầu tư xác chết (vulture investors)

?! Cách tiếp cận nào đem lại độ chính xác cao nhất ?!

Tìm hiểu đặc tính của rủi ro kiệt quệ tài chính. Rủi ro kiệt quệ có phải là rủi ro •

hệ thống như một số các nghiên cứu trước đây ?!

Rủi ro kiệt quệ có được định giá bởi thị trường ? Có khả năng nào thị trường đã •

bỏ qua nhân tố này. Có khi nào nhân tố rủi ro kiệt quệ là một biến số bị bỏ sót trong mô hình định giá CAPM cùng các phiên bản mở rộng của nó3

1.3. Đối tượng, phạm vi nghiên cứu

Đối tượng nghiên cứu là các doanh nghiệp niêm yết trên thị trường chứng khoán tại

Việt Nam, phạm vi nghiên cứu giới hạn trong các vấn đề kiệt quệ tài chính và tỉ suất

sinh lợi của chứng khoán

1.4. Phương pháp nghiên cứu

Sử dụng các phương pháp mô tả thống kê, phân tích số liệu, mô hình đo lường nhân tố

kiệt quệ của Ohlson, mô hình hồi quy đa biến theo chuỗi thời gian (mô hình 3 nhân tố

của Fama-French) hoặc hồi quy chéo Fama-Macbeth… nhằm thể hiện rõ tác động của

nhân tố kiệt quệ đối với tỉ suất sinh lợi của cổ phiếu.

1.5. Ý nghĩa khoa học, thực tiễn

Ý nghĩa khoa học

Bài nghiên cứu hệ thống lại các kiến thức về mối quan hệ của kiệt quệ tài chính

và tỉ suất sinh lợi cổ phiếu thông qua các nghiên cứu học thuật nổi tiếng trên thế giới

nhằm mục tiêu giúp người đọc tiếp cận một cách chính xác về tác động của rủi ro kiệt

3Các phiên bản mở rộng của CAPM có thể kể đến như mô hình kinh doanh chênh lệch giá APT hoặc mô hình 3 nhân tố Fama – French. Trong nghiên cứu này tác giả ứng dụng mô hình 3 nhân tố Fama-French

quệ tài chính đối với doanh nghiệp.

Ý nghĩa thực tiễn

Nghiên cứu thực nghiệm đối với các công ty niêm yết tại Việt Nam đã cho thấy

rõ đặc tính của nhân tố kiệt quệ cùng với tác động của nó đối với việc định giá cổ phiếu

trên thị trường chứng khoán Việt Nam

Thông qua các nền tảng kiến thức kiệt quệ tài chính trên thế giới, các nhà làm

luật tại Việt Nam có thể điều chỉnh lại bộ luật phá sản sao cho phù hợp hơn, loại bỏ

những bất cập khiến cho doanh nghiệp từ chối hoặc cảm thấy miễn cưỡng khi có được

sự “bảo hộ” từ bộ luật này.

1.6. Hạn chế của đề tài

Nghiên cứu về kiệt quệ tài chính ở Việt Nam còn rất mới, vì vậy không thể tránh khỏi

những hạn chế trong thời gian đầu. Tương tự vậy, bài luận văn của tôi cũng có những

mặt hạn chế và thiếu sót như sau :

Chưa đi sâu vào nghiên cứu hành vi ứng xử của các doanh nghiệp Việt Nam khi •

đối mặt với kiệt quệ tài chính và phá sản. Các doanh nghiệp Việt Nam ít khi lựa chọn

luật phá sản làm điểm kết thúc hay là một sự khởi đầu lại cho mình. Điều này phần lớn

do các bất cập trong luật phá sản năm 2004 cũng như văn hóa, thói quen của các doanh

nghiệp Việt.

Nghiên cứu về tác động của nhân tố kiệt quệ đòi hỏi độ chính xác cao trong việc •

đo lường rủi ro phá sản của doanh nghiệp. Các mô hình kinh tế lượng dự đoán xác suất phá sản4 rất khó áp dụng tại Việt Nam do dữ liệu về các công ty phá sản không được

cập nhật một cách đầy đủ và chính xác. Việc sử dụng chỉ số O-score kèm với giả định

rằng nó phù hợp để đo lường xác suất phá sản của doanh nghiệp Việt Nam là một trong

4Các mô hình như logit, probit, phân tích biệt số (Multi Discrimination Analysis)

những hạn chế lớn nhất của bài nghiên cứu.

Tính thanh khoản và mức độ hiệu quả của thị trường chứng khoán Việt Nam là •

một trở ngại lớn cho độ chính xác của các kết quả nghiên cứu thực nghiệm. Thị trường

luôn bị làm giá, khống chế bởi những nhóm lợi ích cùng với những tác động liên tục từ

tình hình bất ổn của nền kinh tế vĩ mô như nợ xấu và lạm phát khiến cho các nhà đầu tư

dần dần thoái lui, từ đó thanh khoản giảm sút nhanh chóng.

Số lượng doanh nghiệp trong mẫu nghiên cứu không nhiều, dẫn đến các hình •

mẫu về tỉ suất sinh lợi chưa thể hiện một cách rõ ràng trong kết quả nghiên cứu.

1.7. Kết cấu bài luận văn

Bài nghiên cứu được chia làm 4 phần. Phần 1 giới thiệu tổng quan về mục tiêu, phương

pháp nghiên cứu, ý nghĩa khoa học của luận văn . Phần 2 trình bày các nghiên cứu học

thuật trên thế giới về mối liên hệ giữa rủi ro kiệt quệ tài chính và tỉ suất sinh lợi của cổ

phiếu để làm nền tảng tham khảo. Phần 3 đi vào nghiên cứu thực nghiệm kiểm tra tác

động của nhân tố kiệt quệ lên tỉ suất sinh lợi của các cổ phiếu niêm yết tại Việt Nam.

Phần 4 đưa ra các kết luận của tác giả.

2. SƠ LƯỢC CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ MỐI QUAN HỆ

GIỮA NHÂN TỐ KIỆT QUỆ TÀI CHÍNH VÀ TỈ SUẤT SINH LỢI CỦA CỔ

PHIẾU

Trong suốt 2 thập kỷ qua, các nghiên cứu thực nghiệm đã bác bỏ hết lần này đến lần

khác về những vấn đề cơ bản của lý thuyết định giá hiện đại và chỉ ra rằng lợi nhuận

cao của một số cổ phiếu có thể được giải thích bởi tập hợp các nhân tố rủi ro chưa quan

sát được hơn là sự dao động ngẫu nhiên của thị trường. Bất chấp những lý thuyết thuần

khiết trong lĩnh vực này, các nghiên cứu thực nghiệm có thể xác định rõ số lượng các

biến hữu ích để giải thích tỉ suất sinh lợi trung bình của các danh mục.

Từ khi Sharpe (1964), Lintner (1965), Black (1972) đặt nền móng cho lý thuyết định

giá với mô hình định giá tài sản vốn, đã có rất nhiều những nghiên cứu thực nghiệm

sau đó chỉ ra có nhiều hơn 2 biến tác động đáng kể đến tỉ suất sinh lợi trung bình của

các danh mục. Banz (1980) phân tích chuỗi dữ liệu từ 1926 – 1975 trên sàn chứng

khoán NewYork (NYSE) và cho thấy được tác động của yếu tố quy mô đối với tỉ suất

sinh lợi trung bình của các cổ phiếu. Để kiểm chứng và mở rộng thêm, Basu (1982) đã

sử dụng mô hình CAPM 2 tham số để khảo sát sự liên hệ của 2 nhân tố E/P và quy mô

đối với tỉ suất sinh lợi trung bình của các danh mục được phân chia theo 2 biến này.

Kết quả của ông khẳng định một lần nữa sự tồn tại của hiệu ứng quy mô, cộng thêm tác

động của nhân tố E/P trong việc xác định tỉ suất sinh lợi của cổ phiếu. Bhandari (1998)

thì lại cho rằng nhân tố đòn bẩy tài chính có mối liên hệ khá chặt chẽ với rủi ro và tỉ

suất sinh lợi kỳ vọng, tuy vậy trong mô hình CAPM, rủi ro do đòn bẩy tài chính tạo ra

đã được nắm bắt bởi hệ số beta.

Năm 1992, Fama và French công bố nghiên cứu tỉ mỉ của mình và đúc kết ra 3 nhân tố

có khả năng chi phối mạnh nhất đến tỉ suất sinh lợi trung bình của các danh mục. Hai

ông sử dụng cả 2 cách tiếp cận là hồi quy theo chuỗi thời gian của Black, Jensen và

Schole (1972) và hồi quy chéo của Fama – Macbeth (1973) để bác bỏ khả năng giải

thích của mô hình CAPM và chứng minh cần phải thêm vào 2 nhân tố quan trọng nữa

mới đủ khả năng giải thích các biến động trong tỉ suất sinh lợi của danh mục. Hai nhân

tố mà Fama và French thêm vào mô hình CAPM chính là nhân tố quy mô (ME) và tỉ số

giá trị sổ sách trên giá trị thị trường của cổ phiếu (BE/ME). Tuy vậy hai ông không thể

lý giải tại sao 2 nhân tố này lại tác động đến tỉ suất sinh lợi kỳ vọng của cổ phiếu, từ đó

đã khai sinh ra giả thiết về nhân tố kiệt quệ nhằm giải thích tại sao những chứng khoán

nhỏ và chứng khoán có tỉ số giá sổ sách trên thị trường cao hơn thì kiếm được lợi

nhuận cao hơn như là sự đền bù cho việc nhận lấy rủi ro kiệt quệ lớn hơn. Khi những

chứng khoán của công ty nhỏ dễ đi đến vỡ nợ trong khủng hoảng hơn những cty lớn,

chúng mang lại một lợi nhuận cao hơn như là phần đền bù cho rủi ro cao hơn.

Theo ghi chép của Argarwal và Taffler (2002), thì không có sự đồng thuận trong các

nghiên cứu về việc xác định nhân tố kiệt quệ như thế nào. Cochrane (2001) tranh luận rằng theo các mô hình định giá tài sản theo lý trí 5, nhân tố rủi ro kiệt quệ là tổng hợp

các nhân tố vĩ mô, do vậy, nhân tố rủi ro kiệt quệ có thể xem như là một rủi ro hệ thống

được thêm vào, tuy nhiên lại không được giải thích bởi mô hình CAPM.

Fama và French (2007) đưa ra 3 lý giải khả thi về giá trị của rủi ro kiệt quệ6 tùy theo

từng cách tiếp cận :

+ Mô hình định giá tài sản theo lý trí có mức độ liên quan tương đối với giá trị rủi ro

kiệt quê trong nền kinh tế. Từ nhận thức này thì xem rủi ro kiệt quệ là một rủi ro hệ

thống và được định giá trong lợi nhuận của chứng khoán.

+ Mô hình định giá tài sản phi lý trí7giải thích giá trị rủi ro kiệt quệ bởi vì nhà đầu tư

phản ứng thái quá đối với các tin tức xấu hoặc tốt hay khi đơn giản do nhà đầu tư ngại

5Rational asset pricing 6Default risk premium

rủi ro (họ không thích các cổ phiếu kiệt quệ). Phản ứng thái quá khiến giá cả điều chỉnh

nhiều hơn, chứ không phải là do các yếu tố căn bản. Điều này dẫn đến thị trường định

giá thấp các chứng khoán kiệt quệ và định giá cao các chứng khoán tăng trưởng trong

khủng hoảng.

+ Một cách giải thích ngẫu nhiên là thừa nhận mô hình CAPM nắm bắt được giá trị rủi

ro kiệt quệ, tuy nhiên nó được phát hiện một cách ngẫu nhiên do cách lựa chọn dữ liệu mắc nhiều sai sót8 hay các nhân tố đại diện cho giá trị kiệt quệ thể hiện quá kém trong

mô hình định giá tài sản vốn CAPM.

Mục tiêu chính của phần này là thảo luận các nghiên cứu thực nghiệm hiện nay để thấy

được mối liên hệ giữa rủi ro kiệt quệ và mức sinh lợi của cổ phần. Hầu hết chúng đều

chỉ ra cùng một câu hỏi : liệu rằng rủi ro kiệt quệ tài chính có được thị trường định giá

một cách chính xác, từ đó được phản ánh qua tỉ suất sinh lợi của các cổ phiếu?!. Câu

trả lời vẫn chưa rõ ràng, thường xuyên đem lại những kết luận trái ngược nhau, và do

vậy rất cần những nghiên cứu sâu thêm nữa cho vấn đề này.

Chen, Roll, Ross (1986) và Lang and Stulz (1992) cho rằng rủi ro kiệt quệ liên quan

đến các nhân tố vĩ mô và biến đổi theo chu kỳ kinh doanh. Điều này có thể hiểu được

rủi ro kiệt quệ là một rủi ro hệ thống. Ngược lại, Opler and Titman (1994) và Asquith,

Gertner, and Sharfstein (1994) tìm thấy bằng chứng cho rằng rủi ro kiệt quệ là một đặc

tính riêng của doanh nghiệp, do vậy, sẽ không có mối quan hệ đáng kể giữa rủi ro kiệt

quệ và tỉ suất sinh lợi mong đợi. Dichev (1998) cho thấy nếu giả thiết về nhân tố rủi ro

kiệt quệ là đúng và rủi ro kiệt quệ mang tính hệ thống, thì nó phải thể hiện trong tác

động của 2 nhân tố quy mô và BE/ME. Ông ta đã phân tích kết quả của các danh mục

và các hệ số trong mô hình hồi quy Fama-MacBeth và đi đến kết luận rằng rủi ro kiệt

quệ không mang tính hệ thống. Một số kết quả quan trọng từ nghiên cứu của ông như

8Thuật ngữ data dredging hay data snooping mà các nhà nghiên cứu hay nhắc đến ám chỉ sự vơ vét dữ liệu mà không cân nhắc đến các giả định lý thuyết làm nền tảng

Những công ty với xác suất vỡ nợ cao thì kiếm được một mức sinh lợi thấp hơn •

đáng kể so với mức sinh lợi bình quân từ 1980. Trung bình, những cổ phiếu rủi ro cao

thể hiện kém hơn những công ty có mức kiệt quệ thấp khoảng 1,2%/ tháng từ giữa năm

1980 và 1995. Giải thích khả thi cho điều này là thị trường không hoàn toàn phản ánh

tất cả các thông tin về tình trạng kiệt quệ trên giá cổ phiếu. Như vậy, hầu hết các công

ty kiệt quệ kiếm được mức sinh lợi thấp hơn cho đến 4 năm sau khi vỡ nợ và phá sản.

Tác động của nhân tố quy mô (giá trị vốn hóa thị trường) và BE/ME dường như •

không liên quan đến rủi ro kiệt quệ. Lợi nhuận liên quan đến rủi ro kiệt quệ không thể

giải thích hoàn toàn tác động của BE/ME thậm chí khi mà yếu tố kiệt quệ được tưởng

thưởng bởi mức sinh lợi cao. Tác động của kích cỡ hầu như biến mất sau 1980.

Do vậy, khuôn mẫu về tỉ suất sinh lợi của công ty kiệt quệ trước và sau khi vỡ nợ

không hỗ trợ cho giả thuyết nhân tố kiệt quệ và ngược lại với cách giải thích của mô

hình định giá. Các kết quả cho thấy giá trị rủi ro âm (negative risk premium) không

nhất quán với lý thuyết thị trường hiệu quả và chỉ có thể giải thích là do thị truờng đã định giá nó một cách không chính xác 9

Tương tự như Dichev (1998), Griffin và Lemmon (2002) chỉ ra một số vấn đề khi phân

tích nhân tố kiệt quệ trong mô hình Fama và French (1992). Hai tác giả tìm thấy tác

động của kiệt quệ mạnh nhất trong nhóm cổ phiếu tăng trưởng, dù cho những cổ phiếu

này có quan hệ nghịch biến với xác suất vỡ nợ. Điều tra về mức sinh lợi của các danh

mục được sắp xếp theo BE/ME và xác suất vỡ nợ, họ cho rằng doanh nghiệp với rủi ro

kiệt quệ cao thì kiếm được mức sinh lợi trung bình thấp, chủ yếu do sự thể hiện kém

của các cổ phiếu có BE/ME thấp. Griffin và Lemon đã khẳng định lại kết quả của

9Giả thuyết định giá sai (mispricing hypothesis)

Dichev về việc các công ty có rủi ro kiệt quệ cao bị thị trường định giá sai.

Hình 2.1. Biểu

u đồ tỉ suất sinh

lợi của các công

g ty theo hai biế

ến BE/ME và O-s

score

mmon (2002))

: Griffin và Lem

(Nguồn

Ha ai ông quan sát các cổ phiếu trong g danh mục c có rủi ro k kiệt quệ cao hấy rằng

đó những công g ty nhỏ với i số lượng n nhà phân tíc ch bao phủ o nhất và th thấp10 và lợ ợi nhuận hầu hết là n

ện tại kém. Những cổ p phiếu này p phải chịu m một lượng lớ ớn bất cân x xứng thông g tin làm hiệ

cho o khả năng phán xét vị ị thế thanh toán của nó ó trở nên kh hó khăn. Tó óm lại, chứn ng cứ đã

cho o thấy các n nhà đầu tư thấp tầm qu uan trọng c của các nhâ ân tố căn bả ản trong đánh giá t

hiệ ện tại và qu uá lạc quan n vào sự đề ền bù từ cá ác cơ hội p phát triển t trong tương g lai của

nhữ ững công ty y có tỉ số BE E/ME thấp và rủi ro ki iệt quệ cao.

assalou và X Xing (2004 4) lần đầu t tiên sử dụn ng mô hình định giá q quyền chọn n Merton Va

10Lo

ow analyst cove

erage

(19 974) để tính h toán chỉ b báo đo lườn ng khoảng c cách kiệt qu uệ và kiểm tra xem có phải rủi

ro kiệt quệ mang tính hệ thống cũng như nó có được định giá trong tỉ suất sinh lợi của

cổ phiếu. Thay vì dựa vào các thông tin vỡ nợ có được từ thị trường trái phiếu như các

nghiên cứu trước , hai ông sử dụng dữ liệu cổ phiếu để ước tính chỉ báo khả năng kiệt

quệ DLI (Default Likelihood Indicators) cho các công ty niêm yết. Vassalou và Xing

(2004) không chỉ kiểm tra hai yếu tố SMB và HML có đại diện cho rủi ro vỡ nợ hay

không, mà còn đặt ra câu hỏi liệu rủi ro vỡ nợ xuất hiện như một nhân tố được định giá

bởi tỉ suất sinh lợi của cổ phiếu :

(4.1) Rt = a+ bEMKTt + sSMBt+ h HMLt + d ∆(SV)t + εt

Với Rt là tỉ suất sinh lợi vượt trội của danh mục trên lãi suất phi rủi ro tại thời điểm t

(còn có thể gọi là phần bù rủi ro chứng khoán hoặc danh mục), EMKT là tỉ suất sinh lợi

vượt trội của danh mục so với thị trường (còn gọi là phần bù rủi ro thị trường) , ∆(SV)t

đo lường sự sống còn của doanh nghiệp bằng (1 – xác suất vỡ nợ)

Ngược lại với các nghiên cứu trước đó, hai tác giả xây dựng chỉ báo kiệt quệ tài chính

dựa trên phương pháp định giá quyền chọn của Black&Schole (1973) và Merton

(1974) đồng thời sử dụng phương pháp tổng quát hóa thời điểm (GMM) để kiểm tra

mô hình định giá tài sản trên. Phân tích các hệ số trong mô hình cung cấp một bằng

chứng rằng rủi ro vỡ nợ có quan hệ đồng biến với phần bù rủi ro chứng khoán, và thấy

được sự tồn tại của giá trị rủi ro kiệt quệ mang ý nghĩa thống kê. Điều này ám chỉ rủi

ro kiệt quệ mang tính hệ thống và nó được định giá trong tỉ suất sinh lợi của chứng

khoán. Dù rằng Fama và French (1996) tranh luận rằng hai nhân tố SMB và HML đại

diện cho rủi ro vỡ nợ, nhưng kết quả của Vassalou và Xing cho thấy hai nhân tố này

chỉ chứa đựng một số thông tin liên quan đến kiệt quệ. Do vậy, yếu tố kiệt quệ đáng

được xem xét trong kiểm định các mô hình định giá tài sản, vượt trên cả nhân tố quy

mô và BE/ME

Agawal và Taffler (2002) so sánh kết quả của Dichev (1998) với những kết luận từ

Vassalou và Xing (2002) và đặt ra câu hỏi liệu rằng nhân tố rủi ro kiệt quệ bị thị

trường bỏ sót hay là một biến số bị bỏ qua trong mô hình 3 nhân tố Fama-French. Hai

ông đã có một số cải tiến đáng kể dẫn đến kết quả phù hợp với cách lý giải của mô

hình định giá về rủi ro kiệt quệ. Đầu tiên, Agawal và Taffler giải thích quy luật biến

đổi theo thời gian của rủi ro vỡ nợ. Thứ hai, hai ông cân nhắc tác động dịch chuyển

của thị trường chứng khoán và tác động của sự thay đổi trong tỉ lệ tăng trưởng GDP để

kiểm tra độ chính xác của việc định giá rủi ro kiệt quệ bởi thị trường. Thứ ba, hai ông

áp dụng mô hình Fama-French cho các công ty phi tài chính niêm yết trên sàn giao

dịch chứng khoán London theo từng vùng địa lý khác nhau từ năm 1979 đến 2000.

Agarwal và Taffler mở rộng mô hình Fama-French bằng cách thêm vào nhân tố điểm

số Z (Z-score) để đo lường rủi ro kiệt quệ theo hệ nhị phân với điều kiện xảy ra hiện

tượng kiệt quệ tài chính khi Z-score ≤ 0 và không xảy ra khi Z-score > 0. Kết quả hồi

quy chéo trên các trạng thái của thị trường chứng khoán cũng như nền kinh tế chỉ ra

rằng kiệt quệ tài chính mang tính hệ thống, nó biến đổi theo tình trạng tổng quan của

nền kinh tế và được định giá bởi thị trường. Rủi ro kiệt quệ cũng độc lập với tác động

của 2 nhân tố kích cỡ và BM. Trong thời kỳ thịnh vượng, cổ phiếu của các công ty kiệt

quệ tham gia vào sự phát đạt của nền kinh tế và kiếm được tỉ suất sinh lợi cao hơn

trung bình. Tỉ lệ các cổ phiếu đi đến phá sản trong suy thoái đủ để kéo tỉ suất sinh lợi

của nhóm các công ty kiệt quệ xuống thấp, dẫn đến sự thể hiện kém của nó trên thị

trường chứng khoán.

Kalckreuth (2006) và Garlappi et al (2006) điều tra phần bù rủi ro âm của cổ phiếu các

công ty kiệt quệ và đặt câu hỏi liệu thị trường có thật sự không hiệu quả và phi lý trí

để cho rủi ro vỡ nợ liên tục bỏ sót. Cả hai nghiên cứu đều phát triển mô hình lý thuyết

cho thấy tỉ suất sinh lợi bình quân thấp trên cổ phiếu kiệt quệ có thể do một số cơ chế

bỏ sót của nền kinh tế.

Kalckreuth (2006) thắc mắc nếu thị trường tài chính hiệu quả, tại sao các công ty kiệt

quệ được định giá quá cao và lại có tỉ suất sinh lợi bình quân thấp. Ông lý giải đây là

một hiện tượng tranh chấp giữa các cổ đông, nhắm vào quyền điều hành và động lực chủ sở hữu để rút các nguồn lực ra khỏi công ty dưới hình thức không phải tiền mặt11.

Công ty càng gần phá sản thì động lực càng lớn để chiết xuất các tài sản công ty thành

những lợi ích riêng cho cổ đông (ví dụ như mua tài sản công ty với giá thương lượng

thấp). Ông cho rằng các công ty kiệt quệ ban đầu được định giá cao hơn giá trị thực

của nó, để rồi khi một nhóm cổ đông nắm được quyền điều khiển, họ sẽ “vơ vét”

những gì có thể cho riêng họ, khiến cho giá trị của chúng giảm xuống một cách nhanh

chóng. Vậy tại sao ban đầu các công ty đối mặt với tình trạng kiệt quệ tài chính lại

được định giá cao trên thị trường?! Đó chính là do cuộc chiến của những cổ đông

nhằm dành lấy quyền kiểm soát công ty. Khi kiệt quệ tài chính xảy ra, các cổ đông rải

rác khắp nơi cố gắng bán cổ phiếu của mình, đơn giản họ đánh giá được rủi ro đang

tăng dần đối với công ty. Cùng lúc đó, có những người điều hành trong cuộc cùng các

chuyên gia phân tích biết rõ sự thể công ty như thế nào ví như những giám đốc có

chức vụ cao trong công ty, những người rất muốn thâu tóm lại các công ty kiệt quệ

này. Các nhóm cổ đông tiếp tục mua vào cổ phiếu để dành quyền kiểm soát về cho

mình, do vậy đã làm lệch đi giá trị thực của cổ phiếu. Kalckreuth mô tả đây là “hành vi phá hoại”12 trong lý thuyết “người phá hoại”13của mình. Có thể nhận thấy cuộc

chiến này sẽ không xảy ra ở những công ty có cổ đông nắm quyền phủ quyết. Chính vì

vậy mà phần bù rủi ro của các công ty kiệt quệ này không bị âm như những công ty

mà quyền sở hữu không có mức độ tập trung mà ở đó sẽ xảy ra hiện tượng tranh dành

quyền điều khiển công ty.

Không như Kalckreuth (2006), Lorenzo Garlappi, Tao Shu và Hong Yan (2006) phân 11Ông gọi đó là return in-kind 12Wrecking behavior 13Wrecker theory

tích mối quan hệ giữa rủi ro vỡ nợ và tỉ suất sinh lợi trong sự có mặt của yếu tố thuận lợi của cổ đông14 - được định nghĩa như là sự kết hợp giữa quyền thương lượng của cổ

đông và hiệu quả mà nó mang lại trong việc xác định tỉ suất sinh lợi của cổ phiếu.

Trường hợp các cổ đông có nhiều thuận lợi hơn để lấy đi giá trị từ các chủ nợ sẽ làm

cho cổ phiếu có rủi ro thấp hơn, dẫn đến tỉ suất sinh lợi cũng thấp hơn. Ngược lại, đối

với những chứng khoán mà cổ đông nó có ít thuận lợi, nghiên cứu cho thấy được một

mối quan hệ đồng biến giữa xác suất vỡ nợ và tỉ suất sinh lợi kỳ vọng.

Mô hình của các tác giả dựa trên phương pháp định giá quyền chọn với vốn cổ phần

được xem như là quyền chọn mua lên giá trị tài sản của công ty và cổ động sẽ chẳng

được gì nếu phá sản xảy ra. Phá sản là tác nhân chính dẫn đến thanh lý công ty. Khi

mà việc thanh lý thường chỉ là lựa chọn cuối cùng dẫn đến việc cổ đông ra đi tay

trắng, nhiều doanh nghiệp trong tình trạng kiệt quệ cố gắn tái thương lượng các khoản

nợ và chiếm được lợi thế trong cuộc chơi mặc cả dưới điều luật phá sản của Mỹ. Sử

dụng chỉ báo EDF trong mô hình KMV để đại diện cho rủi ro vỡ nợ, nhóm tác giả đã

hình thành giả thuyết cho rằng mối quan hệ ngược chiều giữa rủi ro khánh kiệt và tỉ

suất sinh lợi mong đợi dễ nhận thấy hơn ở những công ty có :

i. giá trị tài sản lớn, có thể khiến cho các cổ đông của nó có nhiều quyền lực hơn

trong việc tái thương lượng với chủ nợ

ii. chi phí nghiên cứu và phát triển thấp, trong những điều kiện khác không đổi, nó

giúp giảm đi sự thiếu hụt trong thanh khoản, từ đó tăng cường vị thế thương lượng của

cổ đông

iii. chi phí thanh lý tài sản cao – được đại diện bởi đặc trưng cụ thể của danh mục

tài sản – đem đến cho chủ nợ động lực mạnh hơn trong việc dàn xếp các thỏa thuận

liên quan đến phá sản

14Shareholder advantage

iv. BE/ME thấp tạo động lực cho các cổ đông tái thương lượng nhằm tránh tình

trạn ng thanh lý và phá hoạ ại giá trị tăn ng trưởng củ ủa công ty

c tác giả bắ ắt đầu với c các phân tíc ch về tác độ ộng của lợi i thế cổ đôn ng trên dữ l liệu mô Các

phỏ ỏng và sau đó kiểm tr ra thực ngh hiệm trên dữ ữ liệu thật l lấy từ CRS SP, COMPU USTAT

và Các nhà ngh hiên cứu đã thành công g trong việc c khẳng địn nh giả thuyế ết trong MKMV. C

ô hình của h họ rằng thị thể định gi iá rủi ro kiệ ệt quệ một cách rõ ràn ng. Tuy mô trường có

nhi iên, mối liê ên hệ giữa x xác suất vỡ nợ và tỉ su uất sinh lợi phụ thuộc v vào sức mong đợi p

mạ ạnh đàm phá án của cổ đ đông. Doan h nghiệp vớ ới lơi thế cổ ổ đông thấp p sẽ có đườ ờng liên

hệ giữa xác su uất vỡ nợ v và tỉ suất si inh lợi mon ng đợi dốc lên. Điều n này có nghĩ ĩa càng

n gần đến v vỡ nợ, tỉ suấ ất sinh lợi m mong đợi cà àng cao. Ng gược lại, do anh nghiệp tiến với lợi

thế ế cổ đông vữ ững chắc có ó tỉ suất sin h lợi thấp h hơn, đường i quan hệ g diễn tả mối iữa xác

suấ ất vỡ nợ và tỉ suất sinh ống và tạo t thành hình n như gò đất. . lợi dốc xuố

Hình

h 2.2. Tác động c

của sức mạnh th

hương lượng (lợ

ợi thế của cổ đô

ông) đối với xác

suất vỡ nợ

Garlappi, Tao S

Shu và Hong Ya

an (2006))

(Ng

guồn : Lorenzo G

Kế t quả nghiê ên cứu cho thấy giá trị ị của rủi ro o vỡ nợ có t thể được gi iải thích mộ ột cách

oa học bởi rủi ro hệ th hống. Theo o nhóm của a Garlappi, tỉ suất sinh h lợi thấp c của các kho

chứ ứng khoán q quan sát đư ược ở nhiều u nghiên cứ ứu thực ngh iệm trước đ đó là do sức c mạnh

đàm m phán của cổ đông.

Một trong những nghiên cứu khá bao quát về định giá các cổ phiếu kiệt quệ được thực hiện bởi Campbell, Hilscher và Szilagyi, sau đó công bố trên thời báo tài chính15 năm

2008. Nghiên cứu của các tác giả đóng góp 2 vấn đề quan trọng trong lĩnh vực kiệt quệ

tài chính.

Thứ nhất, các ông đã kiểm tra khả năng dự đoán vỡ nợ hoặc phá sản của các mô hình

kinh tế lượng trước đây và cho thấy mô hình hiểm họa của Shumway (2001) và Chava

& Jarrow (2004) có khả năng giải thích tốt nhất. Với việc mở rộng cho cả các biến kế

toán và biến thị trường, mô hình hiểm họa tỏ ra thuận lợi, chính xác hơn các mô hình

điểm số được đề xuất bởi Altman (1968) và Ohlson (1980). Đồng thời, các tác giả

cũng cho thấy bằng chứng rằng rủi ro vỡ nợ không được thể hiện đầy đủ bằng phương

pháp đo lường khoảng cách đến kiệt quệ của Merton (1974). Phương pháp đo lường

khoảng cách kiệt quệ của nhóm tác giả không giống như những cách thức mà Crosbie

& Bohn (2001) hay Vassalou & Xing (2004) đã sử dụng trước đó. Tuy vậy theo một

báo cáo độc lập của Bharath và Shumway (2008), đây được xem là một phương pháp

có độ chính xác cao để xác định được khoảng cách kiệt quệ của các công ty.

Thứ hai, các tác giả cũng cho thấy những cổ phiếu với rủi ro vỡ nợ cao thì có tỉ suất

sinh lợi trung bình thấp trong giai đoạn từ 1981 đến 2003. Các danh mục cổ phiếu kiệt

quệ có tỉ suất sinh lợi trung bình thấp nhưng độ lệch chuẩn và hệ số beta cao. Chúng

đạt hiệu quả kém đi khi biến động của toàn bộ thị trường gia tăng. Có thể nói đây vẫn

còn là một thách thức cho các mô hình định giá theo lý trí trong điều kiện ổn định của

nền kinh tế cộng với sự thấu hiểu của nhà đầu tư. Qua đó, tác giả đưa ra một số lý giải

về tỉ suất sinh lợi thấp bất thường của cổ phiếu các công ty kiệt quệ như sau :

15Journal of Finance

Tác giả cho rằng có một sự tiến triển không ngờ đến trong suốt thời kỳ lấy mẫu, •

đó có thể là sự gia tăng quyền lực của chủ nợ khi phá sản hoặc gia tăng sở hữu bởi các

định chế đối với các cổ phiếu an toàn, có thể dẫn đến giá cổ phiếu của các công ty kiệt

quệ đi xuống

Giải thích thứ hai cho rằng các nhà đầu tư đánh giá sai. Họ định giá quá cao các •

cổ phiếu ngay từ lúc ban đầu bởi vì họ không nhìn thấy các triển vọng nghèo nàn trong

tương lai.

Các ông lý giải rằng những cổ phiếu công ty kiệt quệ có các đặc tính hướng đến •

những nhà đầu tư chắc chắn, ví như gia tăng cơ hội để chiết xuất lợi ích cá nhân của cổ đông bằng cách nắm quyền điều khiển công ty16. Tuy vậy, không có một bằng chứng

trực tiếp rằng các cổ phiếu kiệt quệ đem đến những lợi ích cá nhân cho các cổ đông

chiếm quyền phủ quyết.

Cuối cùng, tương tự như Griffin và Lemmon (2002), các tác giả cho thấy khi bị •

kiểm soát bởi quy mô công ty, tỉ suất sinh lợi của cổ phiếu kiệt quệ thấp hơn khi chúng

có số nhà phân tích bao phủ, sở hữu bởi định chế, P/E và doanh thu đều thấp. Những

khám phá này khó có thể giải thích bởi các mô hình theo lý trí mà thay vào đó cho

rằng các tỉ suất sinh lợi bất thường là do bị chi phối bởi các nhân tố hành vi của nhà đầu tư. Thông tin phổ biến chậm đi khi có ít hơn số nhà phân tích cho một cổ phiếu17,

bán khống cổ phiếu dường như khó hơn khi có ít hơn các định chế đầu tư sẵn sàng cho mượn cổ phần của họ 18 và cổ phiếu với P/E và doanh thu thấp dường như khá đắt đỏ

để giao dịch ở bất cứ khối lượng nào. Những hạn chế để kinh doanh chênh lệch giá

như trên giúp chúng ta hiểu được các bất thường trong cổ phiếu của các công ty kiệt

quệ vẫn tồn tại cho đến thế kỷ tiếp theo sau. 16Theo Kalckreuth (2005) 17Theo Hong, Lim và Stein (2000) 18Theo Nagel (2005)

3. NGHIÊN CỨU THỰC NGHIỆM VỀ TÁC ĐỘNG CỦA RỦI RO PHÁ SẢN

LÊN TỈ SUẤT SINH LỢI CỦA CÁC DOANH NGHIỆP NIÊM YẾT

3.1. Thiết kế nghiên cứu

Với mục tiêu khám phá tác động của nhân tố kiệt quệ đối với tỉ suất sinh lợi của cổ

phiếu, tác giả đã thực hiện các bước cơ bản như sau :

i. Tính xác suất vỡ nợ của từng công ty theo điểm số O của Ohlson

ii. Khảo sát nhân tố kiệt quệ trong mô hình Fama-French qua các danh mục (hồi

quy chuỗi thời gian của Black, Jensen, Schole) để thấy được các thay đổi của hệ

số hồi quy của các nhân tố khi xác suất phá sản gia tăng.

iii. Thực hiện hồi quy chéo Fama-Macbeth để cho thấy mức độ tác động của nhân

tố kiệt quệ lên tỉ suất sinh lợi của chứng khoán

iv. Thực hiện hồi quy trên dữ liệu bảng để kiểm tra lại kết quả từ hồi quy chéo

3.1.1. Dữ liệu nghiên cứu

Tác giả tiến hành nghiên cứu thực nghiệm nhằm tìm ra mức ý nghĩa của nhân tố kiệt

quệ trong việc xác định tỉ suất sinh lợi của cổ phiếu. Dữ liệu sử dụng trong luận văn

đượcthu thập từ nhiều nguồn khác nhau. Tuy vậy, để đảm bảo tính chính xác trong quá

trình xử lý, tác giả đã chọn lựa những nguồn dữ liệu có uy tín như báo cáo tài chính

hợp nhất đã kiểm toán của các công ty, dữ liệu của tổng cục thống kê, sở giao dịch

chứng khoán TP.HCM, Ngân hàng nhà nước Việt Nam, IMF (quỹ tiền tệ thế giới)...

Mẫu quan sát bao gồm 47 công ty niêm yết trên thị trường chứng khoán TP.HCM trong

thời gian từ năm 2007 đến năm 2011. Mục tiêu của tác giả là theo dõi các danh mục từ

47 công ty niêm yết qua từng năm để cho thấy tác động của nhân tố kiệt quệ. Các công

ty trong mẫu thuộc đa dạng các ngành nghề khác nhau, tuy nhiên tác giả đã loại trừ các

công ty thuộc lĩnh vực tài chính, ngân hàng, bảo hiểm, quỹ đầu tư..để đảm bảo độ

chính xác trong phân tích xác suất kiệt quệ tài chính hay vỡ nợ.Tác giả cũng không lấy

dữ liệu của năm 2012 bởi vì một số yếu tố khách quan như tính thanh khoản, số lượng

giao dịch thấp và nhiều công ty bị hủy niêm yết do không đảm bảo lợi nhuận hay vốn

chủ sở hữu.

Các biến số cùng với nguồn dữ liệu được sử dụng trong nghiên cứu được liệt kê như

Stt Loại dữ liệu Ký hiệu Cách thức tính toán Nguồn

IMF và

Lãi suất phi rủi Lãi suất trái phiếu kho bạc ngân hàng 1 Rf ro tính theo tháng nhà nước

Tính toán từ các chỉ số kế 2 Điểm số Ohlson O-score Báo cáo tài toán của 47 công ty niêm yết chính hợp 3 Vốn chủ sở hữu BE Tổng tài sản - tổng nợ nhất đã Số lượng cổ Lấy theo báo cáo tài chính kiểm toán OS 4 phiếu lưu hành cuối năm của từng công ty

Website Giá cổ phiếu 47 Lấy giá cổ phiếu đầu và cuối 5 hsx.com, Pit công ty niêm yết mỗi tháng từ 2007 đến 2011 fpt, fcafe

Lấy giá cổ phiếu cuối tháng Tỉ suất sinh lợi

trừ cho cổ phiếu đầu tháng 6 cổ phiếu theo Rs

tháng (Pt - Pt-1)/Pt-1

Tỉ suất sinh lợi Bình quân giá trị của 47 tỉ 7 thị trường theo Rm suất sinh lợi theo tháng Tính toán tháng từ các dữ Tỉ suất sinh lợi Bình quân giá trị của các liệu trên 8 danh mục theo công ty trong danh mục theo Rp

tháng tháng

Tỉ số giá trị sổ

9 sách trên giá trị BE/ME Vốn chủ sở hữu / Quy mô

thị trường

Quy mô (giá trị Giá cổ phiếu cuối năm nhân

10 vốn hóa thị ME với số lượng cổ phiếu lưu

trường) hành - Pi x OS

11 Xác suất vỡ nợ POscore Tính toán

12 Rủi ro hệ thống Beta Trình bày trong phần phương từ các dữ

pháp nghiên cứu 13 Nhân tố SMB SMB liệu trên

14 Nhân tố HML HML

Phần bù thị 15 MRT Rm - Rf trường

Bảng 3.1. Các biến số sử dụng trong nghiên cứu và nguồn thu thập

Các biến ME, BE/ME, O-score được tính theo năm, trong khi đó các tỉ suất sinh lợi và

lãi suất phi rủi ro được tính trên từng tháng. Các nhân tố SMB và HML được tổng hợp

từ tỉ suất sinh lợi trung bình của các danh mục được phân chia theo ME, BE/ME, POscore

và sẽ được trình bày kỹ trong phần phương pháp nghiên cứu.

3.1.2. Phương pháp nghiên cứu

3.1.2.1. Tính toán xác suất phá sản theo điểm số O của Ohlson (1980)

Có một vài lý do khiến tác giả lựa chọn phương pháp của Ohlson (1980) để tính toán

xác suất phá sản. Như trình bày trong phần phụ lục, các mô hình đo lường nhân tố kiệt

quệ tài chính được chia làm hai nhánh chính. Nhánh thứ nhất sử dụng các tỉ số kế toán

và mô hình kinh tế lượng để tạo nên đường biên phân cách giữa nhóm doanh nghiệp

phá sản và những doanh nghiệp không phá sản. Nhánh thứ hai thì lại dựa trên lý thuyết

định giá quyền chọn để tính toán xác suất kiệt quệ của doanh nghiệp trong một thời

điểm cụ thể. Cách tính dựa trên lý thuyết định giá quyền chọn sử dụng các thông tin giá

cả trên thị trường chứng khoán làm nền tảng, chính vì vậy tính hiệu quả của thị trường

là một trong những yếu tố bắt buộc phải có. Tác giả nhận thấy rằng thị trường chứng

khoán Việt Nam còn quá nhiều bất cập về thanh khoản, giao dịch, minh bạch..., do vậy

đã không tiếp cận xác suất vỡ nợ của doanh nghiệp theo phương pháp này.

Ngoài điểm số O thì điểm số Z cũng là một phương pháp đo lường nhân tố kiệt quệ,

tuy nhiên, điểm số Z sử dụng mô hình kinh tế lượng phân tích biệt số, không thể

chuyển đổi về tỉ lệ xác suất chính xác như điểm số O của Ohlson. Đúc kết lại, tác giả

hình thành nên quyết định sử dụng điểm số O để tính toán xác suất phá sản của các

doanh nghiệp trong mẫu.

Dựa trên các chỉ số kế toán thu thập được từ báo cáo tài chính hợp nhất của từng doanh

(cid:3047)ổ(cid:3041)(cid:3034)(cid:3041)ợ

nghiệp, tác giả đã tính toán điểm số O theo công thức sau :

(cid:3047)ổ(cid:3041)(cid:3034)(cid:3047)à(cid:3036)(cid:3046)ả(cid:3041)

(cid:3021)ổ(cid:3041)(cid:3034)(cid:3047)à(cid:3036)(cid:3046)ả(cid:3041)

) - 1.43 ((cid:3023)ố(cid:3041)(cid:3039)(cid:3048)â(cid:3041)(cid:3030)(cid:3035)(cid:3048)(cid:3052)ể(cid:3041) ) O-score = -1.32 – 0.407log (tổng tài sản) + 6.03 (

) - 1.72 (1 nếu Tổng nợ > tổng tài sản; 0 nếu ngược lại) + 0.076 ( (cid:3015)ợ(cid:3041)(cid:3034)ắ(cid:3041)(cid:3035)ạ(cid:3041) (cid:3021)à(cid:3036)(cid:3046)ả(cid:3041)(cid:3041)(cid:3034)ắ(cid:3041)(cid:3035)ạ(cid:3041)

(cid:3021)ổ(cid:3041)(cid:3034)(cid:3041)ợ

) – 1.83 ((cid:3004)á(cid:3030)(cid:3041)(cid:3034)(cid:3048)ồ(cid:3041)(cid:3044)(cid:3048)ỹ(cid:3047)ừ(cid:3035)(cid:3042)ạ(cid:3047)độ(cid:3041)(cid:3034)(cid:3038)(cid:3036)(cid:3041)(cid:3035)(cid:3031)(cid:3042)(cid:3028)(cid:3041)(cid:3035) (∗) ) - 2.73 ((cid:3021)(cid:3035)(cid:3048)(cid:3041)(cid:3035)ậ(cid:3043)(cid:3045)ò(cid:3041)(cid:3034) (cid:3021)ổ(cid:3041)(cid:3034)(cid:3047)à(cid:3036)(cid:3046)ả(cid:3041)

+ 0.285 (1 nếu thua lỗ ròng trong 2 năm gần nhất, 0 nếu ngược lại)

(4.2) ) - 0.521 ( (cid:3013)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)(cid:2879)(cid:3039)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)(cid:2879)(cid:2869) |(cid:3039)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)|(cid:2878) |(cid:3039)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)(cid:2879)(cid:2869)|

Từ các điểm số O tính được, tác giả chuyển đổi thành xác suất phá sản theo công thức

(cid:2869)

(cid:2869)(cid:2878)(cid:3032)(cid:3127)(cid:3264)(cid:3294)(cid:3278)(cid:3290)(cid:3293)(cid:3280)

(4.3) POscore (doanh nghiệp phá sản) =

Như vậy cuối mỗi năm, mỗi doanh nghiệp trong mẫu sẽ có một xác suất vỡ nợ tương

ứng, tổng cộng sẽ có 235 xác suất phá sản cho toàn mẫu .

3.1.2.2. Xây dựng danh mục

Để khảo sát tác động của nhân tố kiệt quệ, tác giả chia 47 công ty trong từng năm vào

18 danh mục theo ba nhân tố tham chiếu là quy mô (ME), tỉ số giá trị sổ sách trên giá

trị thị trường của cổ phiếu (BE/ME) và xác suất phá sản (POscore). Trong mỗi năm từ

2007 đến 2011, tác giả xếp hạng ba nhân tố ME, BE/ME,POscore từ thấp đến cao, sau đó

tìm điểm gãy để tách biệt các nhân tố này như sau :

Stt Nhân tố Điểm tách biệt Tổng số nhóm

1 Quy mô - ME Trung vị 2

2 Tỉ số BE/ME Tách theo 30% và 70% 3

3 3 Xác suất phá sản POscore

Tách đều thành 3 phần Bảng 3.2. Cách thức xếp hạng và phân chia các nhân tố

Nhân tố ME được tách làm hai dựa trên điểm trung vị của 47 công ty trong từng năm.

Nhân tố BE/ME được tách làm ba theo 30% số doanh nghiệp có tỉ số thấp nhất, tiếp

đến 40% doanh nghiệp có tỉ số trung bình và cuối cùng là 30% doanh nghiệp có tỉ số

cao nhất. Nhân tố POscore được tách thành 3 phần đều bằng nhau với POscore thấp,

POscore trung bình, POscore cao. Căn cứ trên giá trị của ba nhân tố theo từng năm, mỗi

doanh nghiệp sẽ được xếp vào 1 trong 18 danh mục đã được tạo ra.

Dưới đây là các biểu đồ cho thấy sự phân tách của các nhóm theo từng nhân tố tham

chiếu là Quy mô, tỉ số BE/ME, xác suất phá sản :

Xác suất phá sản

20.00% 18.00% 16.00% 14.00% 12.00% 10.00% 8.00% 6.00% 4.00% 2.00% 0.00%

2007

2008

2009

2010

2011

XS phá sản thấp

0.33%

0.24%

0.20%

0.19%

0.18%

XS phá sản cao

4.99%

7.90%

6.78%

10.51%

18.37%

Hình 3.3 Phân tách các doanh nghiệp theo xác suất phá sản

Biểu đồ 4.3 cho thấy các điểm gãy để sắp xếp các công ty vào 3 nhóm căn cứ trên xác

suất phá sản. Dữ liệu qua các năm cho thấyPOscorecủa nhóm có xác suất phá sản thấp

ngày càng giảm qua các năm, còn nhóm có xác suất phá sản cao thì chỉ số này lại càng

tăng. Điều này cho thấy sự phân hóa rõ rệt giữa nhóm thấp và nhóm cao theo thời gian

Tỉ số BE/ME

4.00

3.50

3.00

2.50

2.00

1.50

1.00

0.50

0.00

2007

2008

2009

2010

2011

BE/ME cao

0.40

1.53

0.87

1.30

2.23

BE/ME thấp

0.24

0.92

0.54

0.79

1.30

Hình 3.4. Phân tách các doanh nghiệp theo tỉ số BE/ME

Biểu đồ 4.4cho thấy xu hướng tăng BE/ME của các công ty trong mẫu. Biên độ

khoảng cách giữa nhóm cao và nhóm thấp mở rộng dần từ năm 2007, và đạt cao nhất

vào năm 2011.

Quy mô - ME

700,000,000,000 600,000,000,000 500,000,000,000 400,000,000,000 300,000,000,000 200,000,000,000 100,000,000,000

2007

2008

2009

2010

2011

Quy mô - ME

579,599,908,

172,279,976,

368,540,064,

319,200,000,

219,595,367,

Hình 3.5. Phân tách các doanh nghiệp theo quy mô

Biểu đồ 4.5 cho thấy mức trung vị của quy mô trên tổng số các công ty trong mẫu

giảm đột ngột từ năm 2007 qua năm 2008. Điều này do tác động của cuộc khủng hoảng

tài chính năm 2008 đã làm bốc hơi một giá trị rất lớn trên thị trường chứng khoán Việt

Nam. Qua năm 2009 mức trung vị có tăng nhưng lại giảm dần ở những năm sau đó.

Hình 4.6 mô tả sơ đồ phân chia 47 công ty trong từng năm theo từng chỉ tiêu và từ đó

47 công ty trong từng năm

Quy

LBM

mô

nhỏ

MBM

Quy

mô

HBM

kết hợp lại để cho ra 18 danh mục

lớn

Hình 3.6. Sơ đồ phân chia các danh mục

Số lượng công ty trung bình trong các danh mục qua 5 năm từ 2007 đến 2011 được

Quy mô nhỏ

Quy mô lớn

LBM

MBM

HBM

LBM

MBM

HBM

2.6

3.8

5.4

2.8

0.4

3.2

3.4

2.4

3.4

1.6

1.2

4.2

3.6

2.8

1.2

trình bày trong bảng 4.3như sau :

Bảng 3.3. Số lượng công ty trung bình của các danh mục

3.1.2.3. Mô hình 3 nhân tố Fama-French và hồi quy theo chuỗi thời gian

Phương pháp hồi quy theo chuỗi thời gian của Black, Jensen và Schole (1972) được sử

dụng phổ biến để phân tích tác động của các biến trong mô hình 3 nhân tố Fama-

French (1972). Mô hình ba nhân tố Fama-French được phát biểu như sau :

(4.4) Rit - Rft = αit + mit(Rmt- Rft)+ sit SMBt + hit HMLt + εit

Với : t là thời gian của mỗi quan sát, tính theo tháng

Rit là tỉ suất sinh lợi của danh mục i trong thời gian t

Rft là lãi suất phi rủi ro trong thời gian t

Rmt là tỉ suất sinh lợi của thị trường trong thời gian t

SMBt là nhân tố đại diện cho sự khác biệt về quy mô, được tính bằng cách lấy tỉ suất

sinh lợi của các danh mục có giá trị vốn hóa nhỏ (quy mô nhỏ) trừ đi tỉ suất sinh lợi của

danh các danh mục có giá trị vốn hóa lớn

HMLt là nhân tố đại diện cho sự khác biệt về giá trị sổ sách so với giá trị thị trường của

chứng khoán, được tính bằng cách lấy tỉ suất sinh lợi của các danh mục có BE/ME cao

trừ đi tỉ suất sinh lợi của danh mục có BE/ME thấp.

εt là sai số tính theo thời gian t

Để tìm được các hệ số hồi quy trong mô hình Fama-French thì trước hết tác giả phải

phân chia các thành các danh mục theo quy mô và BE/ME. Căn cứ trên 18 danh mục

được hình thành ta sẽ tính được giá trị của hai nhân tố SMB và HML như sau :

SMB = trung bình cộng tỉ suất sinh lợi của tất cả danh mục quy mô nhỏ - trung •

bình cộng tỉ suất sinh lợi của tất cả danh mục quy mô lớn (9 danh mục cho mỗi nhóm)

HML = trung bình cộng tỉ suất sinh lợi của tất cả danh mục có BE/ME cao - •

trung bình cộng tỉ suất sinh lợi của tất cả danh mục có BE/ME thấp (6 danh mục cho

mỗi nhóm)

3.1.2.4. Hồi quy chéo Fama-Macbeth

Phương pháp hồi quy chéo Fama-Macbeth được sử dụng khá phổ biến trong phân tích

dữ liệu bảng. Để xác định ý nghĩa của nhân tố kiệt quệ cùng với những biến giải thích

khác đối với tỉ suất sinh lợi của cổ phiếu, tác giả đã sử dụng phương pháp này nhằm thể hiện được tinh thần của các nghiên cứu nền tảng trước đây 19

Hồi quy chéo Fama-Macbeth là một quy trình gồm 2 bước như sau :

Ước lượng hệ số β của từng chứng khoán theo từng năm từ mô hình thị trường •

(4.5) R

it = αit + βit Rmt

19Đa số các nghiên cứu nền tảng nhận diện tác động của nhân tố kiệt quệ đối với tỉ suất sinh lợi của cổ phiếu đều sử dụng quy trình Fama-Macbeth

Với Ritlà tỉ suất sinh lợi của chứng khoán i trong thời gian t và Rmt là tỉ suất sinh lợi của

thị trường trong thời gian t

Thực hiện hồi quy chéo theo từng năm từ 2007 đến 2011 như mô hình sau: •

(cid:2192) (cid:2192)(cid:2880)(cid:2779)

+ εit (4.6) Rit - Rft = αit + γ1t βit + ∑ (cid:2237)(cid:2192),(cid:2202) (cid:2162)(cid:2191),(cid:2192)|(cid:2202)

Trong đó :

Rit - Rft là phần bù rủi ro chứng khoán, tức là tỉ suất sinh lợi vượt trội của chứng khoán

so với lãi suất phi rủi ro.

Fi là các nhân tố được đưa vào để giải thích mức độ biến động của biến phụ thuộc

Hệ số hồi quy chéo và kiểm định t tổng hợp sẽ được tínhtừ các kết quả hồi quy theo

từng nămnhư sau :

(cid:2176)

(4.7) (cid:2237)(cid:2192) = (cid:2778) ∑ (cid:2237)(cid:2842),(cid:2202)(cid:3550)(cid:2176) (cid:2202)(cid:2880)(cid:2778)

(cid:2237)(cid:2842),(cid:2202)(cid:3550) (cid:2252)(cid:2842),(cid:2202)(cid:3550)

(cid:2779)

(cid:2869)

(4.8) (cid:1872)(cid:3435)(cid:2237)(cid:2192)(cid:3439) =

(cid:3021) (cid:3047)(cid:2880)(cid:2869)

(cid:2870)(cid:3554) = (cid:2026)(cid:3115),(cid:3047)

(cid:3021)((cid:3021)(cid:2879)(cid:2869))

(4.9) ∑ (cid:3435)(cid:2237)(cid:2842),(cid:2202)(cid:3550) − (cid:2237)(cid:2192)(cid:3439)

Trong nghiên cứu này, các nhân tố giải thích bao gồm logarit tự nhiên của quy mô,

logarit tự nhiên của BE/ME và xác suất phá sản POscore theo quan sát từng năm từ 2007

đến 2011. Như vậy, phương trình hồi quy chéo Fama-Macbeth sử dụng trong bài

nghiên cứu sẽ là :

(4.10) Rit - Rft = αit + γ1t βit + γ2t Proit + γ3t Ln(Size)it + γ4t Ln(BE/ME)it + εit

Với : t là thời gian của mỗi quan sát, tính theo năm

Rit là tỉ suất sinh lợi của cổ phiếu i trong thời gian t

Rft là lãi suất phi rủi ro trong thời gian t

βit là rủi ro hệ thống của cổ phiếu i trong thời gian t, được tính từ mô hình thị trường

Proit là xác suất phá sản (POscore) của cổ phiếu i trong thời gian t

Ln(Size) là logarit tự nhiên của biến quy mô

Ln(BE/ME)là logarit tự nhiên của biến BE/ME

εitlà sai số tính theo thời gian t

3.1.2.5. Hồi quy theo dữ liệu bảng

Để kiểm tra tính chính xác của kết quả hồi quy chéo, tác giả sử dụng các mô hình hồi

quy theo dữ liệu bảng.Trong lý thuyết kinh tế lượng hiện đại, có 3 dạng hồi quy sử

dụng tất cả các dữ liệu bảng là hồi quy kết hợp (pooled regression), hồi quy theo các

ảnh hưởng cố định (fixed effects model) và hồi quy theo các ảnh hưởng thay đổi

(random effects model)

Hồi quy kết hợp là một cách thức hồi quy đơn gián, nó bỏ qua bình diện không gian và

thời gian của dữ liệu kết hợp và chỉ sử dụng phương pháp ước lượng OLS thông

thường. Điều đó có nghĩa là xếp dồn các quan sát công ty theo từng năm và chạy hồi

quy trên mẫu tổng hợp. Hồi quy kết hợp có thể bóp méo bức tranh thực tế về mối quan

hệ giữa biến phụ thuộc và các biến giải thích, chính vì vậy tác giả không dùng phương

pháp này để đối chiếu với kết quả của phương pháp hồi quy chéo Fama-Macbeth.

3.1.2.5.1. Mô hình hồi quy theo các ảnh hưởng cố định

20Least square dummy variable

Mô hình các ảnh hưởng cố định hay còn gọi là mô hình biến giả bình phương tối thiểu20 xem xét đặc điểm cá nhân của mỗi quan sát theo không gian và thời gian bằng

cách cho tung độ góc thay đổi theo từng công ty nhưng vẫn giả định rằng các hệ số độ

dốc là hằng số đối với các công ty.

Thuật ngữ “các ảnh hưởng cố định” diễn tả dù tung độ gốc có thể khác nhau đối với

các cá nhân, nhưng tung độ gốc của mỗi cá nhân đấy không thay đổi theo thời gian,

nghĩa là bất biến theo thời gian

Trong mô hình này, nhà nghiên cứu có thể sử dụng các biến giả để cố định ảnh hưởng

của thời gian lẫn không gian tùy theo mục tiêu nhắm đến.

3.1.2.5.2. Mô hình hồi quy theo các ảnh hưởng ngẫu nhiên

Cho dù dễ áp dụng, việc lập mô hình ảnh hưởng cố định có thể làm giảm bậc tự do nếu

ta có một vài đơn vị theo không gian. Ngoài ra, như Kmenta lưu ý,một vấn đề hiển

nhiên liên quan đến mô hình ảnh hưởng cố định là liệu việc thêm vào mô hình các biến

giả - và vì thế mà mất đi một số bậc tự do – có thật sự cần thiết hay không. Lập luận

làm nền tảng cho mô hình ảnh hưởng cố định là khi định dạng mô hình, ta không thể

bao gồm những biến giải thích phù hợp mà không thay đổi theo thời gian (và có thể

những biến khác có thay đổi theo thời gian nhưng có cùng giá trị đối với tất cả các đơn

vị theo không gian), và việc bao gồm biến giả là sự che đậy tình trạng không hiểu biết

của chúng ta

Nếu quả thật các biến giả tiêu biểu cho tình trạng không hiểu biết của chúng ta về mô

hình (thật sự), tại sao ta không biểu thị tình trạng không hiểu biết này thông qua số

hạng nhiễu? Đây chính xác là cách tiếp cận được đề xuất bởi những người ủng hộ cái

gọi là mô hình các thành phần sai số hay gọi là mô hình ảnh hưởng ngẫu nhiên

Tinh thần của phương pháp các ảnh hưởng ngẫu nhiên là cho phép hệ số chặn là một

biến ngẫu nhiên với giá trị trung bình β1và giá trị ngẫu nhiên β1với β1i = β1 + εi(i = 1, 2,

…, N). Khi đưa vào phương trình hồi phần sai số của giá trị ngẫu nhiên β1isẽ kết hợp

với sai số của phương trình uit để cho ra sai số kết hợp wit = εi + uit(vớiεi là thành phần

sai số theo không gian, hay theo các cá nhân, và uit là thành phần sai số theo không

gian và chuỗi thời gian kết hợp. Thuật ngữ mô hình các thành phần sai số được đặt tên

vì số hạng sai số kết hợp wit gồm hai (hay nhiều) thành phần sai số.

Giả định thông thường là các thành phần sai số không có tương quan với nhau và

không tự tương quan giữa các đơn vị theo không gian và theo chuỗi thời gian.

Cẩn thận lưu ý sự khác nhau giữa FEM và ECM. Trong FEM, mỗi đơn vị theo không

gian có giá trị tung độ gốc (cố định) riêng, tổng cộng có N giá trị như vậy cho toàn bộ

N đơn vị. Mặt khác, trong ECM, tung độ gốc β1 tiêu biểu cho trị trung bình của tất cả

các tung độ gốc và số hạng sai số εi tiêu biểu cho sự sai lệch (ngẫu nhiên) của từng

tung độ gốc so với trị trung bình này. Tuy nhiên, nên nhớ rằng εi không thể quan sát

trực tiếp được; nó được gọi là biến không thể quan sát, hay biến ẩn.

Phương pháp thích hợp nhất để ước lượng mô hình ảnh hưởng ngẫu nhiên là phương

pháp bình phương tối thiểu tổng quát (generalized least squares, GLS).

3.2. Kết quả nghiên cứu

3.2.1. Mô tả thống kê các đặc tính của mẫu nghiên cứu

Bảng 4.4 thống kê các tham số của mẫu trong giai đoạn từ 2007 đến 2011. Một điều dễ

nhận thấy là xác suất phá sản trung bình của mẫu 47 công ty tăng dần theo từng năm,

đạt đỉnh điểm vào năm 2011. Các chỉ số khác như đòn bẩy tài chính, tỉ số thanh toán

hiện hành và hệ số thanh toán lãi vay cũng hỗ trợ cho quan điểm này. Điển hình là tỉ số

thanh toán hiện hành và hệ số thanh toán lãi vay giảm lần lượt từ năm 2007 đến năm

2010, dù cho qua năm 2011 có tăng trở lại một ít. Trong khi đó thì đòn bẩy tài chính

liên tục tăng từ 2008 đến 2011 cũng là một nguyên nhân đẩy xác suất phá sản ngày một

cao.

Tỉ số thanh toán

Hệ số thanh

Xác suất

Đòn bẩy

Tỉ số

Năm

Quy mô

tài chính

hiện hành

toán lãi vay

phá sản

BE/ME

114

2007

0.434

2.576

0.081

1,712

0.335

197

2008

0.421

2.557

0.094

591

1.292

2009

0.441

2.095

0.091

1,236

0.770

2010

0.454

1.867

0.099

873

1.080

2011

0.471

1.902

0.139

573

1.826

Tham số

105

Trung bình

0.444

2.199

0.101

997

1.061

Trung vị

0.441

2.095

0.094

873

1.080

197

Lớn nhất

0.471

2.576

0.139

1,710

1.826

Nhỏ nhất

0.421

1.867

0.081

573

0.335

Độ lệch

0.019

0.346

0.023

482

0.559

chuẩn

Bảng 3.4. Mô tả thống kê các biến theo năm

Về quy mô trung bình của các công ty trong mẫu theo từng năm, bắt đầu năm 2007 với

mức giá trị vốn hóa trung bình của mẫu cao nhất, sau đó sụt giảm một lượng đáng kể

trong năm 2008. Tuy qua năm 2009 mức quy mô trung bình của mẫu tăng gấp đôi so

với năm 2008 nhưng lại giảm trở lại trong hai năm tiếp theo đó.

Cùng các biến trên nhưng được sắp xếp theo 18 danh mục trong 5 năm cho thấy mức

độ khác biệt của các biến ở từng danh mục. Giá trị thể hiện trong bảng 7 theo từng biến

là giá trị trung bình của tất cả các công ty ởmỗi danh mục từ năm 2007 đến năm 2011.

Các biến số thể hiện mức độ hợp lý khi được phân chia theo quy mô, BE/ME và xác

suất phá sản

Công ty quy mô nhỏ

Tỉ số BE/ME

Hệ số thanh toán

Đòn bẩy tài chính

Giá trị vốn hóa

hiện hành

0.260 0.283 0.201

202

167

178

2.92

2.94

6.56

0.413 0.470 0.416

238

154

181

1.59

1.48

1.87

0.614 0.637 0.636

215

158

140

1.36

1.07

1.02

Hệ số thanh toán

Tỉ số BE/ME

Xác suất phá sản

lãi vay

111

0.608 1.223 1.369

0.001

447

0.735 1.055 1.920

0.025

0.040

0.022

0.536 1.111 1.641

0.292

0.303

0.259

Công ty quy mô lớn

POscore

Tỉ số BE/ME

Hệ số thanh toán

Đòn bẩy tài chính

Giá trị vốn hóa

hiện hành

0.236 0.240 0.389

1,843

1,618

818

2.93

3.38

1.72

0.480 0.481 0.459

3,161

1,262

701

1.70

1.63

1.70

0.622 0.663 0.618

4,169

695

424

0.96

1.00

1.14

Hệ số thanh toán

Tỉ số BE/ME

Xác suất phá sản

lãi vay

367

403

0.496

1.011 1.193

0.001

0.002

194

0.475

0.881 1.759

0.024

0.033

0.028

0.578

0.830 1.677

0.241

0.257

0.246

POscore

Bảng 3.5. Giá trị trung bình các biến theo danh mục

Qua bảng phân loại trên, ta thấy khi tỉ số BE/ME càng tăng thì giá trị vốn hóa (quy mô)

của cổ phiếu càng giảm, đặc biệt rõ rệt ở nhóm doanh nghiệp nằm trong nhóm quy mô

lớn. Ngoài ra xác suất phá sản không thay đổi nhiều khi các danh mục được sắp xếp

theo tỉ số BE/ME từ thấp đến cao, đồng thời giá trị vốn hóa cũng có những biến đổi

không mang tính nhất quán ở các danh mục có xác suất phá sản từ thấp đến cao. Như

vậy, có thể rút ra được rằng phá sản có thể xảy ra ở bất cứ công ty nào trong mẫu mà

không liên quan đến quy mô cũng như tỉ số giá trị sổ sách trên giá trị thị trường của cổ

phiếu.

3.2.2. Tỉ suất sinh lợi của các danh mục

Bảng 4.6 trình bày tỉ suất sinh lợi trung bình theo tháng của 18 danh mục phân theo

quy mô, BE/ME vàPOscore cùng với kiểm định sự khác biệt giá trị trung bình của hai nhóm21

Tỉ số BE/ME

Ret(H) - Ret(L)

p-value

POscore

Công ty quy mô nhỏ

0.38% -1.54%

-2.09%

-2.47%

0.331

-1.10% -1.84%

-0.86%

0.24%

0.906

0.95% -1.00%

-0.81%

-1.76%

0.457

Ret(HO) - Ret(LO)

0.58%

0.54%

1.28%

p-value

0.799

0.644

0.412

21 Two-tail t-test

Công ty quy mô lớn

-5.38% -1.79%

-8.70%

-3.33%

0.199

-0.61% -1.44%

-1.16%

-0.55%

0.643

-3.74% -1.60%

-10.18%

-6.44%

0.130

Ret(HO) - Ret(LO)

1.64%

0.19%

-1.47%

p-value

0.467

0.896

0.714

Bảng 3.6. Tỉ suất sinh lợi trung bình của các danh mục theo tháng

Tỉ suất sinh lợi âm trong tất cả các danh mục công ty quy mô lớn, và chỉ có 2/9 danh

mục công ty quy mô nhỏ mang dấu dương, hai danh mục này nằm trong nhóm có tỉ số

BE/ME thấp. Nhìn chung, thị trường sụt giảm mạnh từ năm 2007 là nguyên nhân gây

nên tỉ suất sinh lợi âm cho hầu hết các danh mục, tuy nhiên ở công ty quy mô lớn thì

thiệt hại nặng nề hơn so với các công ty quy mô nhỏ.

So sánh tỉ suất sinh lợi của các công ty có tỉ số BE/ME cao và BE/ME thấp thì thấy

được hầu hết các công ty BE/ME thấp có tỉ suất sinh lợi bình quân cao hơn. Điều này

trái ngược với nghiên cứu của Fama-French (1973) cũng như các nghiên cứu khác có

sử dụng mô hình ba nhân tố Fama-French. Tuy nhiên, các nghiên cứu trước cho thấy tỉ

suất sinh lợi trung bình của các danh mục đều dương, tức là xu hướng trong cả giai

đoạn của mẫu là đi lên. Còn đối với 47 công ty trong giai đoạn 2007 đến 2011 thì giá

cổ phiếu xu hướng chung đều giảm, khiến tỉ suất sinh lợi của hầu hết danh mục bị âm.

Từ đó, ta thấy được tỉ suất sinh lợi của các cổ phiếu có BE/ME nhỏ sẽ giảm ít hơn tỉ

suất sinh lợi của các cổ phiếu có BE/ME lớn với mức ý nghĩa thống kê (p-value) lớn

hơn 0.1 (ngoại trừ 1 danh mục nằm ở quy mô nhỏ và POscore trung bình).

So sánh tỉ suất sinh lợi của các công ty có xác suất phá sản cao và công ty có xác suất

phá sản thấp cho thấy những công ty có POscore cao thì tỉ suất sinh lợi bình quân cao

hơn các công ty có POscorethấp (ngoại trừ 1 danh mục).Tuy rằng kiểm định mức độ

khác biệt của giá trị trung bình có p-value khá cao nhưng điều này bước đầu cho thấy

sự xuất hiện của nhân tố kiệt quệ đã gia tăng tỉ suất sinh lợi cho danh mục. Những công

ty có rủi ro phá sản càng cao thì được bù đắp bằng mức tỉ suất sinh lợi cao hơn so với

những công ty có rủi ro phá sản thấp. Tuy vậy, các nghiên cứu trước đây của Agawal

và Taffler (2002) hay Griffin và Lemmon (2002) thường cho thấy nhóm có xác suất

phá sản cao lại kiếm được mức tỉ suất sinh lợi thấp hơn nhóm có xác suất phá sản thấp,

đặc biệt có ý nghĩa thống kê (p-value <0,05) đối với nhóm công ty có tỉ số BE/ME

thấp. Vì vậy, tác giả nhìn nhận kết quả nằm trong bảng này chỉ là một dấu hiệu chỉ ra

sự tồn tại của nhân tố kiệt quệ chứ chưa thể đi đến kết luận về tác động của nó đối với

các danh mục như thế nào.

3.2.3. Hồi quy theo chuỗi thời gian

Kết quả hồi quy theo chuỗi thời gian của 18 danh mục được trình bày tóm gọn trong bảng 4.7. Hệ số xác định R2 và trị thống kê F (kiểm định F) của hầu hết danh mục đạt khá cao, cụ thể có 3/18 danh mục đạt R2 trên 0.85; 7/18 danh mục đạt trên 0.73; số còn

lại nằm dưới 0.7. Trị thống kê F dùng để kiểm định phần hồi quy (sum of square) khác

0 đều mang ý nghĩa thống kê với Sig. nhỏ hơn 0.05

Ri - Rf = αi+ mi (Rm - Rf)+ si SMBt + hi HMLt + εi

Công ty quy mô nhỏ

Công ty quy mô lớn

LBM MBM HBM

LBM

MBM

HBM

LBM MBM

HBM

LBM

MBM

HBM

α

t (α)

α

t (α)

0.00

-0.01

0.01

-1.12

0.27

1.18

0.01

-0.01

1.38

-1.00

-0.48

-0.02

-0.01

-1.17

-1.47

-1.17

0.01

-0.01

0.00

0.68

-0.72

0.37

0.03

0.00

0.01

1.48

0.40

-0.01

0.00

-0.75

-0.12

0.01

m

t(m)

m

t (m)

8.91

1.08

0.93

1.18

12.70

14.57

1.05

0.91

0.87

18.06

12.52

4.80

6.37

0.76

1.02

17.17

1.08

0.80

1.04

13.95

12.54

15.36

9.78

1.38

1.04

0.75

12.53

9.58

0.96

1.01

1.26

10.18

9.61

11.33

s

t(s)

t (s)

s

4.20

0.92

0.36

0.67

3.84

2.46

-0.25

-0.49

-0.61

-2.21

-3.41

-1.50

4.24

0.28

0.50

1.13

4.24

-0.40

-0.44

-0.62

-2.59

-3.46

-4.65

4.04

0.68

0.32

0.62

2.22

1.94

-0.46

-0.41

-0.62

-2.47

-1.99

-2.82

h

t(h)

t (h)

h

4.17

-1.25

0.00

0.64

-5.39

-0.02

-0.03

-0.33

0.78

-0.24

-2.37

2.04

3.39

-0.85

0.38

-3.43

3.39

-0.25

-0.13

-0.16

-1.68

-1.05

-1.28

1.41

-0.66

0.20

0.21

-2.47

1.26

-0.71

0.05

0.65

-3.99

0.23

3.05

R2

F-stats

R2

0.71

0.76

0.82

46.57

58.47

86.31

0.74

0.61

108.97

54.37

10.52

0.85

0.57

0.86

19.58

113.26

0.74

0.81

65.54

54.08

81.91

0.78

0.73

0.75

0.68

56.27

0.67

0.73

38.73

31.43

49.36

38.92 39.22 0.63 Bảng 3.7. Kết quả hồi quy theo chuỗi thời gian

Hệ số hồi quy m của nhân tố thị trường cho thấy tỉ suất sinh lợi của các danh mục có

xu hướng theo sát với tỉ suất sinh lợi thị trường. Trị thống kê t dùng để kiểm định giá

trị hệ số m khác 0 cũng rất cao, tất cả đều đạt mức ý nghĩa thống kê với Sig. nhỏ hơn

0,05.

Khảo sát hệ số chặn α qua các danh mục có xác suất phá sản tăng dần để xem 3 nhân tố

có giải thích được đầy đủ các tỉ suất sinh lợi của cổ phiếu hay không. Kiểm định t đều

không có ý nghĩa thống kê cho giả thuyết các hệ số α = 0.

Khi quan sát hệ số s ở những danh mục có xác suất phá sản từ thấp đến cao thì thấy nó

có xu hướng giảm dần (5/6 trường hợp), minh chứng tác động của xác suất phá sản đối

với nhân tố SMB. Xem xét trị thống kê t của hệ số s thì đa số đều nằm ở mức 2.2 trở

lên hoặc -2.1 trở xuống, chỉ có 1 danh mục có trị thống kê t là 1.13, thấp nhất trong tất

cả 18 danh mục.

Theo dõi hệ số hồi quy h qua các danh mục có xác suất phá sản tăng dần thì không

nhận thấy được mẫu hình một cách rõ ràng. Có lúc thì hệ số này tăng, nhưng cũng có

lúc giảm khi POscore chạy từ thấp lên cao. Tuy nhiên, chú ý kỹ sẽ thấy ở các danh mục

có tỉ số BE/ME cao thì h sẽ giảm còn với danh mục có tỉ số BE/ME thấp & trung bình

thì h lại tăng.

3.2.4. Hồi quy chéo Fama-Macbeth

Kết quả phương trình hồi quy chéo từ năm 2007 đến 2011 có kết quả như sau :

Rit - Rft = αit + γ1t βit + γ2t Proit + γ3t Ln(Size) + γ4t Ln(BE/ME) + εt

-0.164

-0.194

0.055

(-0.63)

(-0.95)

(0.58)

-0.107

0.874

0.057

-0.043

-0.273

(1.64)

(0.66)

(-2.18)

(-3.19)

α γ2 γ1 γ3 γ4

(-0.76) Bảng 3.8. Kết quả hồi quy chéo

Đối với phương trình một gồm hai biến giải thích là βi và Proi với hệ số hồi quy lần

lượt là 0.055 và -0.164, tuy nhiên giá trị thống kê t khá thấp, chỉ đạt 0.58 và -0.63. Đối

với phương trình hai gồm cả 4 biến giải thích là βi ,Proi ,Ln(Size )và Ln(BE/ME) thì ta

nhận thấy hệ số của xác suất phá sản có thay đổi có tăng lên, tuy nhiên vẫn mang dấu

âm. Điều đó chứng tỏ trong cả hai trường hợp hồi quy đều cho thấy xác suất phá sản

tăng lên sẽ làm giảm tỉ suất sinh lợi vượt trội của chứng khoán xuống. Tuy vậy, trị

thống kê t của hệ số hồi quy γ2t vẫn chỉ nhỉn hơn phương trình thứ nhất một ít. Với cả

hai trường hợp mức ý nghĩa thống kê cho biến Proi vẫn chưa có.

Trái ngược với nhân tố xác suất phá sản, hai biến Ln(Size) và Ln(BE/ME) có trị thống

kê đạt khá tốt, đặc biệt là Ln(BE/ME). Điều này cũng đồng nhất với một số nghiên cứu

trước đây về mức độ giải thích của 2 nhân tố này đối với sự biến thiên của tỉ suất sinh

lợi vượt trội của chứng khoán.

Để hiểu rõ hơn tại sao hệ số hồi quy của nhân tố xác suất phá sản có trị thống kê t khá

thấp thì chúng ta sẽ đi vào xem xét cụ thể các phương trình hồi quy theo từng năm

thông qua bảng 4.9 bên dưới :

Rit - Rft = αit + γ1t βit + γ2t Proit

Rit - Rft = αit + γ1t βit + γ2t Proit + γ3t Ln(Size) + γ4t Ln(BE/ME) + εt

2007

2008

2009

2010

2011

2007

2008

2009

2010

2011

0.183

-0.783

0.349

-0.400

-0.319

2.498

-0.026

-0.524

1.342

1.081

α

0.009

-0.054

0.425

0.012

-0.117

0.043

-0.027

0.391

-0.016

-0.104

β

0.567

0.040

-1.004

-0.037

-0.385

0.340

-0.058

-0.502

-0.016

-0.301

PRO

-0.095

-0.029

0.023

-0.065

-0.051

Ln(size)

-0.219

-0.148

-0.611

-0.174

-0.211

Ln(BM)

2.095

-25.60

0.987

-5.486

-4.567

1.571

-0.050

-0.117

1.416

1.464

t (α)

0.151

-2.278

1.398

0.188

-2.236

0.664

-1.114

1.322

-0.250

-2.160

t (β)

0.328

-0.958

-0.150

-2.300

0.757

-0.500

-0.480

-0.066

-1.938

t (Pro) 1.343

-1.532

-1.437

0.138

-1.838

-1.851

t (size)

-1.561

-3.109

-1.479

-1.784

-3.250

t (BM)

Bảng 3.9. Hệ số hồi quy và trị thống kê t của phương trình hồi quy chéo theo từng năm

Dễ dàng nhận ra trị thống kê t đạt cao nhất vào năm 2011, sau đó là năm 2007, các năm

còn lại đều rất thấp, đặc biệt năm 2010 chỉ có -0.150 cho phương trình 2 biến giải thích

và -0.066 cho phương trình 4 biến giải thích. Hệ số hồi quy của Proi mang giá trị âm từ

năm 2008 đến 2011, và chỉ mang giá trị dương vào năm 2007.

3.2.5. Hồi quy theo dữ liệu bảng

3.2.5.1. Hồi quy theo mô hình các ảnh hưởng cố định

Để kiểm tra lại kết quả của phương pháp hồi quy chéo, tác giả đã sử dụng mô hình các

ảnh hưởng cố định nhằm so sánh với cách tiếp cận hồi quy chéo. Kết quả hồi quy theo

các ảnh hưởng cố định được trình bày ở bảng 4.10

hồi quy theo m

Bản

g 3.10. Kết quả

ô hình ảnh hưở

ởng cố định

Tác c giả đã thự ực hiện hai lần hồi quy y, lần thứ n nhất cố định h theo thời thời gian (c chu kỳ),

tức c là tạo các c biến giả t theo từng n năm. Lần th hứ hai tác h theo từng g doanh giả cố định

ngh hiệp bằng c cách tạo biến n giả cho m mỗi doanh n nghiệp.

Có thể thấy k kết quả hồi quy các ản nh hưởng c o thời gian gần giống với mô ố định theo

nh hồi quy c chéo Fama- -Macbeth. C Các hệ số c cùng với ki iểm định t k không sai lệ ệnh quá hìn

nhi iều. Một lần n nữa ta th hấy trị thống g kê t của b biến xác su uất phá sản há thấp.

Nh hìn chung th hì mức độ phù hợp củ ủa cả mô h hình cũng k khá tốt với vẫn còn kh R2 đạt 0.5 5 và trị

thố ống kê F là ùng trị thốn ng kê Durb in-Watson chứng tỏ kh hông có 35.87, đi c khá gần 2 c

hiệ ện tượng tự n xảy ra. tương quan

Đố ối với hồi qu uy các ảnh định theo do oanh nghiệp p, hệ số của a Pro lại ch huyển từ hưởng cố đ

giá á trị âm san ương, cùng với đó là tr rị thống kê t sụt giảm rất nhiều. M Một vấn g giá trị dư

đề của mô hìn nh này là số lượng biến n giả quá nh hiều (46 biế ến giả) khiế ến cho bậc t tự do rất

o, từ đó làm m ảnh hưởn g đến độ ch hính xác củ ủa kết quả h hồi quy. Ch hính vì vậy cao kết quả

bản ng này chỉ hảo chứ khô ông dùng là àm căn cứ so sánh với i hồi quy ch héo của để tham kh

Fam ma-Macbet h.

3.2 2.5.2. Hồi quy th heo mô hình h các ảnh h hưởng ngẫ u nhiên

kết quả Dữ ữ liệu bảng cũng được chạy theo m mô hình ản nh hưởng ng gẫu nhiên đ để xem các

có tốt hơn so nh ảnh hưởn ng cố định hay không. . Giá trị ngẫ ẫu nhiên củ ủa hệ số với mô hìn

ặn trong mô ô hình được c xem xét t theo từng đ đơn vị khôn ng gian hoặ ặc thời gian n của dữ chặ

liệu u bảng, tức là theo mỗi i công ty tro ong mẫu ho oặc theo từn ng năm.

Bảng 3

3.11. Kết quả hồ

ồi quy theo mô

hình ảnh hưởng

g ngẫu nhiên

Khi chọn giá trị ngẫu nhiên của hệ số chặn theo doanh nghiệp, phân tích cho thấy hệ số

của Pro vẫn mang dấu âm nhưng có giá trị tuyệt đối nhỏ hơn kết quả trong mô hình

ảnh hưởng cố định. Giống như hệ số hồi quy, trị thống kê t của Pro cũng nhỏ hơn.

Tổng quan trong các hệ số hồi quy thì chỉ có biến Ln(BE/ME) đạt được giá trị tốt nhất cả về hệ số lẫn trị thống kê t, còn các chỉ tiêu khác về mô hình như R2 , thống kê F hay

trị thống kê Durbin-Watson đều không cao bằng phương pháp hồi quy theo các ảnh

hưởng cố định.

Khi chọn giá trị ngẫu nhiên của hệ số chặn theo từng giai đoạn thì kết quả các hệ số và

giá trị thống kê t tương tự như mô hình các ảnh hưởng cố định theo giai đoạn. Tuy vậy hệ số xác định R2 đạt rất thấp, và nhân tố kiệt quệ cũng không mang ý nghĩa thống kê.

4. KẾT LUẬN

Trong bài luận văn này, tác giả đã đóng góp cả về nền tảng lý thuyết cũng như nghiên

cứu thực nghiệm đối với các vấn đề kiệt quệ tài chính doanh nghiệp. Những điểm mới

của bài nghiên cứu có thể phân thành 2 nhóm như sau :

• Hệ thống lại các kiến thức về đo lường kiệt quệ tài chính và phá sản. Xem xét

khái niệm kiệt quệ tài chính dưới nhiều hình thức khác nhau, từ một sự kiện đơn

thuần đến một quá trình năng động với những giai đoạn được đặc tính hóa theo

các bất lợi tài chính khác nhau. Trong giới hạn về các điều kiện và dữ liệu nghiên

cứu, tác giả chưa có những bằng chứng thực nghiệm cụ thể để giúp người đọc

thấy được mức độ hiệu quả khi ứng dụng các nền tảng lý thuyết này tại Việt Nam.

• Nghiên cứu thực nghiệm chưa khẳng định ý nghĩa thống kê của nhân tố kiệt quệ

trong mô hình định giá chứng khoán. Tác động của nhân tố kiệt quệ thể hiện

không rõ ràng trên các mẫu hình tỉ suất sinh lợi. Khi kiểm tra trên quy trình Fama-

Macbeth, các hệ số của nhân tố kiệt quệ đa số đều mang dấu âm, chứng tỏ giá trị

kiệt quệ biến thiên ngược chiều với tỉ suất sinh lợi của cổ phiếu.Thực hiện hồi quy

trên dữ liệu bảng thì thấy kết quả cũng tương tự, cả hai phương pháp hiệu ứng cố

định và hiệu ứng ngẫu nhiên đều phủ nhận ý nghĩa thống kê của nhân tố kiệt quệ

tài chính đối với tỉ suất sinh lợi chứng khoán. Có nhiều nguyên do để lý giải cho

hiện tượng này. Thứ nhất, thị trường chứng khoán Việt Nam vẫn còn quá nhiều

khiếm khuyết như tình trạng bất cân xứng thông tin và các vấn đề về thanh khoản,

điều này khiến cho dữ liệu nghiên cứu không nhất quán, dẫn đến mô hình không

nắm bắt được các ảnh hưởng của nhân tố kiệt quệ lên tỉ suất sinh lợi của cổ phiếu.

Thứ hai, nhà đầu tư Việt Nam có xu hướng bầy đàn, e ngại rủi ro, mang nhiều

tính phi lí trí, từ đó đã ảnh hưởng đến việc nhìn nhận giá trị của nhân tố kiệt quệ

trong danh mục các cổ phiếu mình đang sở hữu. Thứ ba, giống như các nghiên cứu trước đây 22, giá trị của nhân tố kiệt quệ không tìm được trong các giai đoạn

của mẫu, do vậy mới hình thành nên giả thiết định giá sai của thị trường đối với

nhân tố này. Để xác định được bản chất của nhân tố kiệt quệ lên giá trị của cổ

phiếu tại thị trường Việt Nam, các nghiên cứu tiếp theo cần phải đưa vào các ảnh hưởng của điều kiện vĩ mô23 đồng thời loại bỏ các hiệu ứng tâm lý của nhà đầu tư,

từ đó mới nhìn nhận được chính xác tác động của nhân tố này lên chứng khoán

Việt Nam

Nhìn chung, bài luận văn giúp mở ra các hướng nghiên cứu mới về lĩnh vực kiệt quệ tài

chính ở Việt Nam dựa vào các nền tảng lý thuyết sẵn có của các nhà nghiên cứu nổi

tiếng trên thế giới. Tác giả hy vọng sẽ có thêm nhiều nghiên cứu tiếp theo sau để cung

cấp các bằng chứng thực nghiệm quan trọng cho thấy các đặc tính cơ bản cùng các ảnh

hưởng của nhân tố kiệt quệ tài chính đối với doanh nghiệp nói riêng và cả nền kinh tế

22Dichev (1998), Griffin và Lemmon (2002) 23Thị trường chứng khoán Việt Nam thường xuyên bị tác động bởi những bất ổn của nền kinh tế vĩ mô

nói chung.

TÀI LIỆU THAM KHẢO

Tiếng Việt

1. Cầm Văn Kình (2013), "Hơn 58.000 doanh nghiệp phá sản", Tuổi trẻ online

2. Đinh Thị Liễu (2011), Ứng dụng mô hình ba nhân tố Fama-French trên thị

trường chứng khoán Việt Nam, luận văn thạc sĩ, trường ĐHKT TP.HCM

3. Hoàng Trọng - Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu

với SPSS, NXB Hồng Đức

4. Hồ Công Ninh (2011), Vay nợ của các doanh nghiệp Việt Nam và vấn đề kiệt

quệ tài chính, luận văn thạc sĩ, trường ĐHKT TP.HCM.

5. Nguyễn Thống (2000), Kinh tế lượng ứng dụng, NXB Đại học quốc gia

TP.HCM.

6. Trần Ngọc Thơ (2003), Tài chính doanh nghiệp hiện đại, NXB thống kê

7. Tư Hoàng (2013), "Số doanh nghiệp phá sản tăng mạnh", Thời báo kinh tế Sài

Gòn.

8. Võ Ngọc Ân (2011), Vận dụng mô hình Fama-French 3 nhân tố vào thị trường

chứng khoán Việt Nam, luận văn thạc sĩ, trường ĐHKT TP.HCM.

9. Vương Đình Hoàng Quân – Hồ Thị Huệ (2008), Mô hình Fama-French : một

nghiên cứu thực nghiệm đối với thị trường chứng khoán Việt Nam.

Tiếng Anh

1. Agarwal, V., Taffler, R. (2002), The Distress Factor Hypothesis in Equity

Returns: Market Mispricing or Omitted Variable

2. Altman, E.(1968), Financial Ratios, Discriminant Analysis and the Prediction of

Corporate Bankruptcy

3. Altman, E., Hotchkiss, E. (2005): Corporate Financial Distress and Bankruptcy:

Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt. 3rd Edition,

New Jersey: John Wiley & Sons.

4. Asquith, P., Gertner, R., Sharfstein, D. (1994), Anatomy of Financial Distress:

An Explanation of Junk Bond Issuers

5. Banz, Wolf W (1981), The relationships between returns and market value of

common stock

6. Basu, Sanjoy (1983), The relationships between earning yield, market value and

returns for the NYSE common stock : Further evidence

7. Bhandari, Laxmi Chand (1988), Debt/equity ratio and expected common stock

returns : Empirical evidence

Chen, N., Roll, R., Ross, S. (1986), Economic Forces and the Stock Market. 8.

Cochrane, J. (2001), Asset Pricing. Princeton University Press, New Jersey. 9.

10. Campbell, J., Hilscher, J., Szilagyi, J. (2008), In Search of Distress Risk 11. Damodar N. Gujarati (2002), Basic Econometric, 5th Edition,McGraw-Hill Inc.

12. Dichev, I. (1998), Is the Risk of Bankruptcy a Systematic Risk?

Fama, E., French, K. (1992), The Cross-Section of Expected Stock Returns. 13.

Fama, E., French, K. (1993), Common Risk Factors in the Returns on Stocks and 14.

Bonds

15. Fama, E., MacBeth, J. (1973), Risk, Return, and Equilibrium: Empirical Tests

16. Garlappi, L., Shu, T., Yan, H. (2006), Default Risk, Shareholder Advantage, and

Stock Returns

17. Griffin, J., Lemmon, M. (2002), Book-to-Market Equity, Distress Risk, and

Stock Returns

18. Kalckreuth, U. (2006), Wrecking Behavior and the Overpricing of Distressed

Companies

19. Lang, L., Stulz R. (1992), Contagion and Competitive Intra-Industry Effects of

Bankruptcy Announcements

20. Merton, R. (1974), On the Pricing of Corporate Debt: The Risk Structure of

Interest Rates

21. Natalia Outecheva (2007), Corporate Financial Distress: An Empirical Analysis

of Distress Risk

22. Ohlson, J. (1980), Financial Ratios and Probabilistic Prediction of Bankruptcy

23. Sharpe, W. (1964), Capital Asset Prices: A Theory of Market Equilibrium Under

Conditions of Risk

24. Shumway, T. (2001), Forecasting Bankruptcy More Accurately: A Simple

Hazard Model

25. Vassalou, M., Xing, Y. (2004), Default Risk in Equity Returns.

Trang web tiếng Anh

http://forums.eviews.com 1.

http://www.fordham.edu 2.

3. http://www.investopedia.com/

http://www.wikipedia.org/ 4.

PHỤ LỤC 1 :

DANH SÁCH CÔNG TY TRONG MẪU NGHIÊN CỨU

Stt Tên công ty Lĩnh vực hoạt động Mã chứng khoán

1 XNK thủy sản ABT

Xây dựng 2 CII

Xăng dầu 3 COM

Sản xuất 4 CYC

VLXD 5 DCT

6 DHG

Xây dựng 7 DIC

XNK y tế 8 DMC

9 DRC

Sản xuất 10 DTT

11 SX thực phẩm FMC

May mặc 12 GMC

13 HAI

14 HAX Nông dược DV, thương mại

Xây dựng 15 HBC CÔNG TY CỔ PHẦN XUẤT NHẬP KHẨU THỦY SẢN BẾN TRE CÔNG TY CỔ PHẦN ĐẦU TƯ HẠ TẦNG KỸ THUẬT TP.HCM CÔNG TY CỔ PHẦN VẬT TƯ XĂNG DẦU CÔNG TY CỔ PHẦN GẠCH MEN CHANG YIH CÔNG TY CỔ PHẦN TẤM LỢP VẬT LIỆU XÂY DỰNG ĐỒNG NAI CÔNG TY CỔ PHẦN DƯỢC HẬU GIANG Sản xuất dược CÔNG TY CỔ PHẦN ĐẦU TƯ VÀ THƯƠNG MẠI DIC CÔNG TY CỔ PHẦN XUẤT NHẬP KHẨU Y TẾ DOMESCO CÔNG TY CỔ PHẦN CAO SU ĐÀ NẴNG Cao su CÔNG TY CỔ PHẦN KỸ NGHỆ ĐÔ THÀNH CÔNG TY CỔ PHẦN THỰC PHẨM SAO TA CÔNG TY CỔ PHẦN SẢN XUẤT THƯƠNG MẠI MAY SÀI GÒN CÔNG TY CỔ PHẦN NÔNG DƯỢC HAI CÔNG TY CỔ PHẦN DỊCH VỤ Ô TÔ HÀNG XANH CÔNG TY CỔ PHẦN XÂY DỰNG VÀ KINH DOANH ĐỊA ỐC HÒA BÌNH

Kim khí 16 HMC

17 HRC 18 HTV

19 Dược phẩm IMP

XD-DV 20 ITA

XNK 21 KHA

điện lực 22 KHP

23 Khoáng sản LBM

Cơ khí điện 24 LGC

SX bao bì 25 MCP

26 MHC 27 NAV

28 NSC SX Gạch Giống cây trồng

29 SX Pin PAC

30 PGC

31 PJT

32 PNC

33 PTC Vận tải xăng dầu phát hành sách Đầu tư xây dựng

34 Dầu khí PVD

35 SX Bóng đèn RAL CÔNG TY CỔ PHẦN KIM KHÍ THÀNH PHỐ HỒ CHÍ MINH CÔNG TY CỔ PHẦN CAO SU HÒA BÌNH Cao su CÔNG TY CỔ PHẦN VẬN TẢI HÀ TIÊN Vận tải CÔNG TY CỔ PHẦN DƯỢC PHẨM IMEXPHARM CÔNG TY CỔ PHẦN KHU CÔNG NGHIỆP TÂN TẠO CÔNG TY CỔ PHẦN XUẤT NHẬP KHẨU KHÁNH HỘI CÔNG TY CỔ PHẦN ĐIỆN LỰC KHÁNH HÒA CÔNG TY CỔ PHẦN VẬT LIỆU XÂY DỰNG LÂM ĐỒNG CÔNG TY CỔ PHẦN CƠ KHÍ - ĐIỆN LỮ GIA CÔNG TY CỔ PHẦN IN VÀ BAO BÌ MỸ CHÂU CÔNG TY CỔ PHẦN HÀNG HẢI HÀ NỘI Vận tải CÔNG TY CỔ PHẦN NAM VIỆT CÔNG TY CỔ PHẦN GIỐNG CÂY TRỒNG TRUNG ƯƠNG CÔNG TY CỔ PHẦN PIN ẮC QUY MIỀN NAM CÔNG TY CỔ PHẦN GAS PETROLIMEX Gas CÔNG TY CỔ PHẦN VẬN TẢI XĂNG DẦU ĐƯỜNG THỦY CÔNG TY CỔ PHẦN VĂN HÓA PHƯƠNG NAM CÔNG TY CỔ PHẦN ĐẦU TƯ VÀ XÂY DỰNG BƯU ĐIỆN TỔNG CÔNG TY CỔ PHẦN KHOAN VÀ DỊCH VỤ KHOAN DẦU KHÍ CÔNG TY CỔ PHẦN BÓNG ĐÈN PHÍCH NƯỚC RẠNG ĐÔNG

36 SX nước ngọt SCD

Nhiên liệu 37 SFC

38 Vận tải SFI

39 Thủy điện SJD

Xây dựng 40 SJS

41 XNK SMC

Thương mại 42 SVC

43 Dầu tường an TAC

44 Sản xuất gạch TCR

45 TS4

46 TTP

47 VPK CÔNG TY CỔ PHẦN NƯỚC GIẢI KHÁT CHƯƠNG DƯƠNG CÔNG TY CỔ PHẦN NHIÊN LIỆU SÀI GÒN CÔNG TY CỔ PHẦN ĐẠI LÝ VẬN TẢI SAFI CÔNG TY CỔ PHẦN THỦY ĐIỆN CẦN ĐƠN CÔNG TY CỔ PHẦN ĐẦU TƯ PHÁT TRIỂN ĐÔ THỊ VÀ KHU CÔNG NGHIỆP SÔNG ĐÀ CÔNG TY CỔ PHẦN ĐẦU TƯ THƯƠNG MẠI SMC CÔNG TY CỔ PHẦN DỊCH VỤ TỔNG HỢP SÀI GÒN CÔNG TY CỔ PHẦN DẦU THỰC VẬT TƯỜNG AN CÔNG TY CỔ PHẦN CÔNG NGHIỆP GỐM SỨ TAICERA CÔNG TY CỔ PHẦN THUỶ SẢN SỐ 4 CÔNG TY CỔ PHẦN BAO BÌ NHỰA TÂN TIẾN CÔNG TY CỔ PHẦN BAO BÌ DẦU THỰC VẬT XNK thủy sản Bao bì nhựa Tân Tiến Bao bì dầu thực vật

PHỤ LỤC 2 :

HỆ SỐ BETA VÀ KIỂM ĐỊNH T CỦA CÁC CỔ PHIẾU

Beta (rủi ro hệ thống)

Kiểm định t

2007 2008 2009 2010 2011 2007 2008 2009 2010 2011

1.89

3.38

0.92

0.85

1.94

1.34

4.17

3.37

5.27

7.88

2.51

1.00

1.22

1.29

0.94

2.85

2.74

6.50

6.24

2.14

1.00

0.99

0.40

0.61

1.30

1.64

2.65

2.48

3.75

4.66

0.87 -1.39

-1.52

0.84

0.83

1.80

4.18

4.12

7.52

2.90

8.47 11.89

1.03

0.60

0.98

1.03

1.18

2.21

1.73

4.62

0.42

0.03

0.77

0.45

0.97

0.36

0.17

4.20

2.25

1.74

1.84

2.64

1.34

0.82

1.10

5.53

4.50

3.37

4.04

3.53

1.76

0.56

0.47

0.23

0.52

3.20

2.67

2.04

1.06

1.59

2.10

1.15

1.68

1.28

1.41

3.80

2.14

2.67

9.23

2.41

0.35

1.19

0.75

0.46

0.44

0.76

2.11

3.53

2.74

1.54

-1.23

-0.99

-1.08

-0.63

-0.68 -2.58

-5.81 -3.83

-2.84 -3.25

1.18

0.97

1.12

1.21

0.44

4.03

1.90

9.10

6.52

1.14

0.45

0.69

0.74

1.31

0.74

0.43

2.70

5.72

1.87

3.57

0.38

1.52

1.73

1.10

0.96

0.86

4.56 10.91

8.67

1.59

1.42

0.73

1.16

1.03

0.71

2.42

2.03

7.70

5.44

1.52

0.84

1.68

1.30

1.41

0.92

2.47

7.08

3.65

8.43

2.89

0.32

0.56

1.17

1.34

2.07

0.85

1.19

6.08

4.29

5.78

1.10

0.71

1.17

2.03

2.48

0.54

2.22

8.10

5.85

0.57

0.49

0.52

0.37

0.73

0.79

1.38

2.26

1.65

1.62

1.81

0.54

1.49

0.37

1.04

4.66

0.92

3.15

1.05

2.34

0.69

0.68

0.81

1.36

1.78

1.86

3.61

5.09

7.36

5.78

0.02

1.79

-0.25

-0.17

-0.02

1.10 -0.59

-0.36

0.04

-0.07

1.10

1.21

1.07

1.79

0.91

3.51

4.97

4.20

5.35

1.29

1.92

1.17

0.72

0.97

0.18

1.40

4.32

2.46

2.43

0.32

0.66

0.74

1.55

0.84

0.59

1.80

3.32

4.31

3.01

1.84

1.33

2.16

1.25

1.31

1.22

1.53

3.90

6.30

9.59

3.31

0.04

1.09

0.99

1.13

1.93

0.05

4.78

4.64

4.19

3.98

0.83

0.30

1.12

1.20

1.11

1.68

1.31

4.10

6.60

4.19

2.48

0.27

0.59

0.43

0.31

2.79

1.05

1.73

2.10

1.37

Stt

Mã chứng khoán 1 ABT 2 CII 3 COM 4 CYC 5 DCT 6 DHG 7 DIC 8 DMC 9 DRC 10 DTT 11 FMC 12 GMC 13 HAI 14 HAX 15 HBC 16 HMC 17 HRC 18 HTV 19 IMP 20 ITA 21 KHA 22 KHP 23 LBM 24 LGC 25 MCP 26 MHC 27 NAV 28 NSC 29 PAC

3.09

0.94

1.26

0.87

0.85

6.38

1.83

7.86

6.92

3.25

0.17

1.36

1.52

1.34

1.45

0.48

6.95

6.21

5.39

4.61

0.38

0.79

1.33

0.87

1.25

0.68

1.86

4.00

6.22

3.54

1.89

3.38

0.92

0.85

1.93

1.34

4.17

3.37

5.27

7.61

0.70

0.22

0.72

1.00

1.40

1.10

0.66

3.13

3.82

2.36

0.64

1.43

1.16

0.87

0.38

1.08

9.29

6.01

3.90

1.82

-0.33

0.88

0.65

1.08

1.37 -0.47

2.24

1.91

4.03

3.71

0.87

0.22

1.44

1.43

1.30

1.15

0.62

3.11

6.10

3.18

1.49

0.94

0.51

2.05

1.86

4.67

4.42

1.12

6.21

3.49

0.87

1.08

0.64

0.61

1.07

1.82

5.34

2.91

4.11

3.22

3.27

1.19

1.23

2.27

0.10

3.69

5.59

2.78

6.17

0.20

1.00

1.16

1.70

0.67

1.00

1.62

7.99

6.07

3.01

2.83

0.81

1.00

1.20

1.33

1.04

1.52

2.90

3.27

8.09

2.91

0.88

0.75

1.33

0.91

0.34

2.12

1.83

3.31

2.93

0.63

1.41

0.87

0.97

0.64

0.27

3.81

4.74

5.02

2.99

1.16

1.44

2.13

1.94

1.28

1.04

3.66

10.00

4.34

5.24

2.56

1.13

0.88

1.15

1.61

0.82

1.88

3.72

3.90

4.20

4.12

0.29

1.05

1.02

0.83

0.79

0.57

3.81

3.20

9.87

2.32

30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 PGC PJT PNC PTC PVD RAL SCD SFC SFI SJD SJS SMC SVC TAC TCR TS4 TTP VPK

PHỤ LỤC 2 :

CÁC PHƯƠNG PHÁP ĐO LƯỜNG KIỆT QUỆ TÀI CHÍNH

Câu hỏi làm thế nào để đo lường được rủi ro kiệt đã có một lịch sử rất lâu đời trong các

nghiên cứu hàn lâm về tài chính. Suốt những thập kỷ gần đây, nhiều nhà nghiên cứu và

lý thuyết học đã điều tra về vấn đề này bằng cách phát triển các phương pháp dự đoán

kiệt quệ tài chính và phá sản.

Hầu hết các nghiên cứu trong lĩnh vực này có thể sắp xếp theo trình tự thời gian và

được chia vào 2 nhóm chính : trước những năm 1990 và sau những năm 1990. Kỹ

thuật tiếp cận rủi ro kiệt quệ trước những 1990 bị chi phối bơi các mô hình đơn thời

gian tĩnh24nhằm tìm ra các đặc tính riêng biệt tách rời hai nhóm kiệt quệ và không kiệt

quệ. Mở rộng cho dòng mô hình này có thể thấy ở Altman (1983), Zavgren (1983),

Foster (1986) và Jones (1987).Việc kiểm định rủi ro kiệt quệ trong suốt những năm

1990 và sau đó dẫn đến sự phát triển những mô hình năng động, có khả năng xác định

rủi ro kiệt quệ của công ty tại mỗi thời điểm. “Kỹ thuật mới” này có thể phát hiện

trong các bài nghiên cứu của Mosmann et al (1998), Cybinski (2003), Weckbach

(2004), Altman và Hotchkiss (2005).

Cybinski (2003) chỉ ra rằng trong những thập niên gần đây thì không có phương pháp

mới nào được giới thiệu. Đa số là sự mở rộng của các mô hình hiện hữu bằng cách tận

dụng các kỹ thuật mới trong thống kê cùng với bộ dữ liệu mới. Do sự thiếu vắng của lý

thuyết mới, việc mở rộng các mô hình cũ chỉ tập trung vào phân tích độ chính xác của

dự đoán.

Nhằm mang đến một sự phân loại theo trình tự thời gian, Altman và Hotchkiss (2005)

sắp xếp tất cả các kỹ thuật dự đoán kiệt quệ tài chính của công ty vào các nhóm sau :

Phân tích định tính •

Phân tích đơn biến (sử dụng các tỉ số tài chính hoặc các chỉ báo thị trường để •

tiếp cận rủi ro kiệt quệ, Beaver, 1966)

Phân tích đa biến (bao gồm các mô hình phân tích biệt số, Logit, Probit, hệ thần •

kinh nhân tạo)

Hệ thống thông minh nhân tạo (mô hình mạng lưới thần kinh của S&P) •

Các mô hình dựa trên lý thuyết định giá quyền chọn (Merton, KMV) •

Các mô hình dựa trên tỉ số hỗn hợp (Moody’s Risk Calc) •

Trong luận văn này, tôi chỉ tập trung vào những mô hình quan trọng được sử dụng 24Single-period model

nhiều trong các nghiên cứu thực nghiệm trước đây và đạt được độ chính xác khá cao

trong dự đoán rủi ro kiệt quệ. Tôi phân loại các mô hình được sử dụng rộng rãi trong

các nghiên cứu vào 2 nhóm phụ thuộc vào loại dữ liệu được dùng trong nghiên cứu đó.

Thứ nhất là các kỹ thuật dựa trên các thông tin kế toán, và thứ hai là các mô hình sử

dụng thông số thị trường.

5. Các mô hình dựa trên giá trị sổ sách

Các mô hình dựa trên sổ sách kế toán sử dụng hiệu quả các thông tin chứa đựng tình

trạng tài chính của công ty để xây dựng rủi ro kiệt quệ tài chính. Những kỹ thuật này

dựa vào một hoặc vài tỉ số tài chính được tính toán và so sánh với mức độ tiêu chuẩn

hoặc là kết hợp theo tỉ trọng các tỉ số tài chính nhằm định rõ doanh nghiệp ở đâu trong

2 nhóm : kiệt quệ hay bình thường. Các mô hình này còn được biết đến như là các mô

hình lưỡng phân hay nhị phân. Các dữ liệu tài chính như tỉ số lợi nhuận, tính thanh

khoản hay khả năng thanh toán sử dụng trong mô hình được tính toán từ các thông số

thực tế của công ty. Sự sẵn có và tương đối đơn giản trong cách thu thập các thông tin

tài chính đã khiến cho những phương pháp này trở nên thông dụng xuyên suốt nhiều

thập niên để phân tích về vấn đề kiệt quệ tài chính

5.1.1. Mô hình phân tích đơn biến dựa trên các tỉ số tài chính của Beaver (1966)

Beaver (1966), một trong những người đầu tiên tiếp cận mô hình xác định kiệt quệ tài

chính, đã ứng dụng hình thức phân tích đơn biến trong dự đoán sự khánh kiệt của

doanh nghiệp. Ông đặt ra 3 tiêu chí để lựa chọn 30 tỉ số tài chính để phân tích 79 công

ty kiệt quệ trong vòng 5 năm trước khi đi đến vỡ nợ. Ba tiêu chí đó là :

Số lượng và tần suất xuất hiện của các tỉ số này trong các nghiên cứu nền tảng •

trước đó

Tính hiệu quả của các tỉ số trong các nghiên cứu trước đó •

Sử dụng các tỉ số với khung lý thuyết về dòng tiền •

Trong phạm vi của mô hình lý thuyết dòng tiền, doanh nghiệp được xem như là “một

nguồn tích trữ về thanh khoản, được cung cấp bởi những dòng vốn chảy vào hoặc bị

thất thoát bởi những dòng tiền chảy ra”. Beaver không định nghĩa rõ ràng về rủi ro kiệt

quệ. Khi nào mà nguồn tích trữ còn đầy thì công ty vẫn duy trì được khả năng thanh

toán nợ. Nhiều khả năng nguồn dự trữ bị cạn kiệt sẽ làm gia tăng rủi ro vỡ nợ. Lý

thuyết về dòng tiền giúp ông đưa ra bốn định đề theo nguyên tắc suy luận lô gíc hơn là

nền tảng lý thuyết như sau :

(cid:131) Càng nhiều tài sản có tính thanh khoản cao thì dòng tiền từ hoạt động kinh

doanh càng lớn, rủi ro vỡ nợ càng thấp

(cid:131) Tổng lượng nợ nắm giữ càng nhiều cùng với lượng tiền chảy ra ngoài (do đầu

tư hoặc chi tiêu) càng lớn, rủi ro vỡ nợ càng cao

Beaver so sánh các mức độ trung bình giữa công ty khánh kiệt và công ty không bị kiệt

quệ và cho thấy các công ty khánh kiệt có các tỉ số tài chính thấp hơn. Thậm chí 5 năm

trước khi phá sản, tỉ số tài chính của những công ty khánh kiệt căn bản vẫn thấp hơn so

với công ty bình thường. Các tỉ số này trở nên cực kỳ xấu khi mà doanh nghiệp tiến

gần đến tình trạng vỡ nợ. Dựa trên các định đề của ông cùng với việc sử dụng nhiều

thước đo tài chính để phân loại doanh nghiệp kiệt quệ và đối chiếu trong thực tiễn, ông

đã nhận diện 6 tỉ số tài chính thích hợp nhất cho việc dự đoán kiệt quệ là : dòng tiền/

25Khoảng thời gian không cần tín dụng (No-credit interval) được định nghĩa là khoảng thời gian mà doanh nghiệp có thể tài trợ cho các chi phí hoạt động kinh doanh bằng cách sử dụng các nguồn tài sản có tính thanh khoản cao với giả định doanh thu vẫn giữ nguyên không đổi No-Credit Interval = (tài sản lưu động - nợ ngắn hạn)/ chi phí hoạt động hằng ngày

tổng nợ, lợi nhuận ròng/ tổng tài sản, tổng nợ/ tổng tài sản, vốn luân chuyển/ tổng tài sản, tỉ số thanh toán hiện hành, khoảng thời gian không cần tính dụng25

Có 2 loại sai lầm xảy ra trong việc dự đoán của mô hình. Sai lầm loại 1 là xếp loại

doanh nghiệp kiệt quệ thực sự bị sai. Sai lầm loại 2 là xếp loại công ty tốt bị sai. Trong

mô hình Beaver, một năm trước khi vỡ nợ, sai lầm loại 1 là 22% và sai lầm loại 2 là

5%. Trong khi sai lầm loại 2 không thay đổi theo thời gian, sai lầm loại 1 trở nên nhiều

hơn khi gia tăng số năm trước khi vỡ nợ.

Bất chấp mô hình Beaver thể hiện sự chính xác trong dự đoán ngắn hạn, kỹ thuật phân

tích đơn biến có một số những hạn chế. Thứ nhất, các tỉ số tài chính đơn lẻ không thể

nắm bắt được sự thay đổi theo thời gian. Điều này có nghĩa các tỉ số trên sổ sách chỉ có

khả năng dự đoán tại một thời điểm nhất định, và nó không có khả năng phân tích

những biến chuyển trong các tỉ số qua thời gian. Thứ hai, các tỉ số đơn lẻ có khi mang

lại các kết quả không nhất quán nếu ta áp dụng các tỉ số phân loại khác nhau cho cùng

một công ty. Khá nhiều các biến số dữ liệu kế toán có độ tương quan cao với nhau, cho

nên diễn đạt một tỉ số đơn lẻ một cách tách biệt có thể không đúng. Một tỉ số không thể

nắm bắt được các mối liên hệ đa chiều của doanh nghiệp.

Tóm lại, phân tích đơn biến là một công cụ chưa hoàn hảo và cần phát triển nhiều thêm

nữa. Altman (2002) đã từng đặt ra các câu hỏi như sau cho mô hình của Beaver

(cid:131) Tỉ số nào là quan trọng nhất để phát hiện ra nguy cơ phá sản?

(cid:131) Tỉ trọng như thế nào dành cho các tỉ số đã được lựa chọn?

(cid:131) Làm thế nào xác định được tỉ trọng một các khách quan?

Những điểm yếu của mô hình Beaver đã dẫn đến sự phát triển của Điểm số Z sẽ được

trình bày ngay tiếp sau đây.

5.1.2. Mô hình dự báo theo điểm số của Altman (1968)

Altman thách thức mô hình phần tích đơn biến bằng cách áp dụng kỹ thuật phân tích

biệt số để tìm thấy được sự kết hợp tuyến tính giữa các tỉ số có thể phân biệt 2 nhóm

kiệt quệ và không kiệt quệ một cách tốt nhất. Altman đã sử dụng một mẫu gồm 33

công ty phá sản từ 1946 đến 1965 và kết nối chúng với 33 công ty không kiệt quệ

trong cùng ngành và cùng kích cỡ. Tất cả các công ty đều hoạt động trong lĩnh vực sản

xuất, những công ty nhỏ có tài sản dưới 1 triệu USD bị loại ra khỏi mẫu. Tương tự

Beaver, Altman lựa chọn 22 tỉ số tài chính hay được sử dụng trong nghiên cứu hàn lâm

và mang tính hợp lý đối với nghiên cứu của ông, sắp xếp chúng thành 5 nhóm : lợi

nhuận, thanh khoản, đòn bẩy, khả năng thanh toán, và hoạt động. Sau khá nhiều kiểm

định thống kê về các mối liên hệ giữa các biến cũng như tính chính xác trong dự đoán,

Altman đã có thể chỉ ra 5 tỉ số quan trọng nhất để trở thành chỉ báo cho kiệt quệ tài

chính. Điểm số cuối cùng, hay còn được biết đến như điểm số Z có thể được tính từ

hàm biệt số sau đây :

(3.1) Z=1.2X1 + 1.4X2 + 3.3X3 +0.6X4 +0.999X5

Với X1 = vốn luân chuyển/ tổng tài sản, X2 = lợi nhuận giữ lại/ tổng tài sản, X3 =

EBIT/ tổng tài sản, X4 = giá thị trường cổ phiếu/ giá trị sổ sách của tổng nợ, X5 =

doanh thu/ tổng tài sản. Công ty với điểm số Z thấp hơn điểm cắt (cutoff score) thì bị

kiệt quệ tài chính, còn công ty nào có điểm số Z cao hơn điểm cắt thì tình trạng tài

chính tốt. Điểm số Z càng thấp, xác suất vỡ nợ càng cao.

Mô hình của Altman chính xác hơn kỹ thuật phân tích đơn biến của Beaver. Khi kiểm

tra trong mẫu của ổng thì tỉ lệ sai lầm loại 1 là 6% và loại 2 là 3%, với tổng độ chính

xác trong dự đoán là 95%.

Sau khi được công bố, nhiều nhà nghiên cứu đã kiểm tra thử độ phân loại chính xác

của điểm số Z. Begley et al (1996) nghi ngờ khả năng chính xác của mô hình trong các

thời kỳ nảy sinh những môi trường kinh tế khác nhau. Ví như sự thay đổi của luật phá

sản hay các hoạt động mua lại trong những năm 1980 khiến cho xác suất xảy ra tình

trạng phá sản cũng thay đổi theo. Do vậy, sử dụng mô hình trong những thời điểm sau

này có thể tăng nhiều sai lầm trong việc phân loại doanh nghiệp. Grice và In-gram

(2001) cho thấy độ chính xác của mô hình ban đầu thấp hơn đáng kể trong những giai

đoạn gần đây và đề nghị ước lượng lại các hệ số của hàm phân biệt bằng cách sử dụng

mẫu trong giai đoạn sau này.

Altman (2002) dẫn chứng tài liệu cho thấy sự thay đổi độ chính xác và tính hợp lý của

điểm số Z trong các thập niên gần đây. Trong khi độ chính xác trong sai lầm loại 1 vẫn

tiếp tục lớn hơn 80%, thì sai lầm loại 2 thực sự đang tăng lên. Lý do chính giải thích sự

thay đổi này là các công ty Mỹ đang trở nên rủi ro hơn. Điều này phá hỏng ý nghĩa của

các chỉ báo gốc trong mô hình điểm số Z. Ông đã ước lượng lại mô hình cho khoảng

thời gian sau này với các mẫu khác biệt nhau. Hầu hết công ty bị phân loại sai trong

mẫu cập nhật mới có điểm số Z nằm giữa 1.81 và 2.675. Altman gọi khoảng này là “vùng không biết”26 hay “vùng xám”27.

Tóm lại, điểm số Z của Altman đã cải thiện căn bản kỹ thuật nhận diện kiệt quệ tài

chính dựa trên giá trị sổ sách kế toán. Điểm số Z thể hiện sự kết hợp theo tỉ trọng để

phân biệt 2 nhóm công ty một cách tốt nhất. Độ chính xác của mô hình Altman trong

vòng 1 năm trước khi vỡ nợ cao hơn mô hình phân tích đơn biến của Beaver. Tuy vậy,

kỹ thuật phân tích biệt số vẫn có những hạn chế. Nó khá nhạy cảm với kích cỡ mẫu và

số lượng biến giải thích. Nó cũng phụ thuộc vào một số các giả định hạn chế như mức

26Zone of ignorance 27Gray area

độ tuyến tính, chuẩn tắc, độc lập trong các nhân tố dùng để dự đoán.

5.1.3. Mô hình dự báo theo điểm số của Olson (1980)

Ohlson (1980) phê phán các giả định hạn chế của mô hình phân tích biệt số và các kết

quả của kỹ thuật này, điểm số lưỡng phân thật ra chẳng nói lên được điều gì về xác

suất vỡ nợ. Để giảm nhẹ các vấn đề này, ông đã giới thiệu một kỹ thuật kinh tế lượng

dựa trên mô hình logit. Tương tự như phân tích biệt số, kỹ thuật này đặt tỉ trọng cho

biến độc lập để tổng hợp số điểm. Tuy nhiên, không giống phân tích biệt số, nó ước

lượng được xác suất vỡ nợ cho mỗi công ty trong mẫu.

Phương pháp logit hợp nhất các tác động phi tuyến tính và sử dụng hàm phân phối tích

lũy logistic (logistic cumulative distribution function) để tối đa hóa xác suất vỡ nợ của

công ty kiệt quệ và xác suất không khánh kiệt đối với công ty khoẻ mạnh trong mẫu

(cid:2869)

nghiên cứu

(cid:2869)(cid:2878)(cid:3032)(cid:3127)(cid:3301) =

(cid:2869)(cid:2878)(cid:3032)(cid:3127) ((cid:3298)(cid:3116)(cid:3126)(cid:3298)(cid:3117) (cid:3299)(cid:3117)(cid:3126) ……(cid:3126)(cid:3298)(cid:3289)(cid:3299)(cid:3289))

(3.2) F(z) =

Với Z là kết hợp tuyến tính của các biến độc lập, w0 là hằng số, wi là các hệ số, xi là

các biến độc lập. Phương pháp cực đại hóa hàm khả năng (maximum likelihood) được

áp dụng để ước tính các hệ số.

Ngoài ra, Ohlson sử dụng các dữ liệu cải tiến được lấy từ các báo cáo tài chính hằng

năm chứa đựng các thông tin về ngày công bố và cho phép so sánh được công ty vỡ nợ

trước hay sau ngày công bố. Mẫu cuối cùng bao gồm 105 công ty công nghiệp đã phá

sản trong giai đoạn từ 1970 đến 1976. Mẫu không phá sản gồm 2058 công ty công

nghiệp được lựa chọn từ COMPUSTAT. Tương tự các nhà nghiên cứu trước đây,

Ohlson lựa chọn nhân tố dự đoán dựa trên tần suất xuất hiện trong các nghiên cứu hàn

lâm, và nhận diện 4 nhân tố cơ bản mang ý nghĩa thống kê để xác định xác suất vỡ nợ

trong vòng 1 năm :

(cid:131) Kích cỡ của công ty

(cid:131) Thước đo cấu trúc tài chính

(cid:131) Thước đo tình hình hoạt động

(cid:131) Thước đo tính thanh khoản hiện thời

Cuối cùng, ông ước lượng các hệ số và tính toán điểm số Odự đoán vỡ nợ trong 1 năm 28 với 9 biến độc lập được sử dụng, 2 trong số chúng là biến giả. Sử dụng được biến

định tính là một lợi thế khác của mô hình logit so với mô hình phân tích biệt số. Điểm

(cid:3047)ổ(cid:3041)(cid:3034)(cid:3041)ợ

số O được xác định theo hàm số sau :

(cid:3047)ổ(cid:3041)(cid:3034)(cid:3047)à(cid:3036)(cid:3046)ả(cid:3041)

(cid:3021)ổ(cid:3041)(cid:3034)(cid:3047)à(cid:3036)(cid:3046)ả(cid:3041)

) - 1.43 ((cid:3023)ố(cid:3041)(cid:3039)(cid:3048)â(cid:3041)(cid:3030)(cid:3035)(cid:3048)(cid:3052)ể(cid:3041) ) O-score = -1.32 – 0.407log (tổng tài sản) + 6.03 (

(cid:3021)ổ(cid:3041)(cid:3034)(cid:3041)ợ

+ 0.285 (1 nếu thua lỗ ròng trong 2 năm gần nhất, 0 nếu ngược lại)

28Đây là mô hình 1, có độ chính xác cao nhất trong các mô hình. Ohlson thử nghiệm khả năng dự đoán trên 3 mô hình. Mô hình 1 một dự đoán vỡ nợ trong vòng 1 năm, mô hình 2 dự đoán vỡ nợ trong vòng 2 năm. Mô hình 3 dự đoán vỡ nợ trong vòng 1 hoặc 2 năm.

(3.3) ) - 0.521 ( (cid:3013)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)(cid:2879)(cid:3039)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)(cid:2879)(cid:2869) |(cid:3039)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)|(cid:2878) |(cid:3039)ợ(cid:3036)(cid:3041)(cid:3035)(cid:3048)ậ(cid:3041)(cid:3045)ò(cid:3041)(cid:3034)(cid:3038)ỳ(cid:3047)(cid:2879)(cid:2869)|

Điểm số O càng lớn, rủi ro vỡ nợ càng cao. Ohlson tìm thấy điểm gãy 0.038 tối thiểu

hóa tổng sai lầm loại 1 và loại 2 trong mẫu nghiên cứu. Sai lầm loại một xảy ra khi

điểm số O thấp hơn điểm gãy nhưng doanh nghiệp vẫn phá sản. Nếu điểm số O lớn

hơn điểm gãy nhưng doanh nghiệp không phá sản thì đó là sai lầm loại 2. Ohlson báo

cáo kích cỡ của công ty là một trong những nhân tố dự báo quan trọng nhất của kiệt

quệ tài chính. Tuy vậy, so sánh khả năng dự đoán chính xác của mô hình logit với mô

hình phân tích biệt số trong cùng một mẫu thì cho thấy kết quả cải thiện rất khiêm tốn.

Ohlson phát biểu rằng “Phân tích logit không phải là phương pháp kinh tế lượng được thiết kế để tìm được đường biên tối ưu29, đánh đổi sai lầm loại 1 đối với sai lầm loại 2.

Điều này ngược lại với mô hình biệt số vốn thỏa mãn các điều kiện dưới những giả

định thích hợp”.

Ohlson (1980) nghi ngại rằng sự lựa chọn các tỉ số kế toán khác nhau có thể cải thiện

hàm khả năng. Tuy nhiên, ông đề xuất thử nghiệm các thông tin phi kế toán như giá cổ

phiếu hay độ biến động và hy vọng nó đem đến hữu dụng cao ở các nghiên cứu trong

tương lai.

5.2. Các mô hình dựa trên thông số thị trường

Dù rằng các mô hình dựa trên số sách kế toán được sử dụng rộng rãi trong các nghiên

cứu thực nghiệm, chúng vẫn cho thấy nhiều hạn chế nghiêm trọng, đặc biệt trong việc

đo lường rõ ràng rủi ro kiệt quệ. Mô hình dựa trên thông tin thị trường đã vượt qua các

trở ngại này để ước lượng rủi ro kiệt quệ bằng sự kiết hợp cấu trúc nợ của công ty và

giá cả thị trường của tài sản. Giả định nền tảng là giá cả thi trường phải chứa đựng tất

cả các thông tin liên quan nhằm tính toán xác suất vỡ nợ. Mô hình dựa trên thị trường

29Optimal frontier

đầu tiên được giới thiệu năm 1974 bởi Merton, và từ khi có sự ra mắt của mô hình

KMV và CreditMetrics mang tính thương mại hoá cao ở những năm 1990, mô hình dự

đoán kiệt quệ tài chính dựa vào các thông số thị trường trở nên khá phổ biến đối với

các nhà đầu tư.

Hillegeist et al (2004) và Gharghori et al (2006) phân tích cả hai loại mô hình và thấy

rằng mô hình dựa trên thông số thị trường cho kết quả tốt hơn nhiều so với các mô

hình dựa trên sổ sách. Khi sử dụng các thông tin kế toán có thể đem đến các vấn đề

như sau :

Xem xét dữ liệu kế toán là nhìn ngược về quá khứ30. Nó phải được cập nhật •

thường xuyên. Vì thế, sử dụng các tỉ số kế toán trong quá khứ của những báo cáo tài

chính bị trì hoãn thì không thể xác định được rủi ro vỡ nợ tại mỗi thời điểm. Mô hình

thị trường lấy các dữ liệu về giá cả thị trường dẫn đến liên tục cập nhật các giá trị của

tài sản theo tần suất ngày, tháng, quý…

Tình trạng tài chính được xem xét dựa trên những nguyên tắc kế toán bảo thủ •

đưa đến kết quả là giá trị trên số sách của các loại tài sản bị đánh giá thấp hơn một

cách tương đối so với giá trị thị trường của chúng. Áp dụng các số đo này sẽ làm bóp

méo các điểm biệt số để nhận diện tình trạng tài chính của doanh nghiệp

Tỉ số tài chính thay đổi cơ bản qua các ngành. Do vậy, hệ số của các mô hình •

dựa trên sổ sách mang tính cụ thể cho từng ngành và từng tập mẫu sử dụng chứ không

mang tính tổng quát cho tất cả công ty trên thị trường.

Thực chất thì các mô hình dựa trên sổ sách không được phát triển trên một nền •

tảng lý thuyết nào liên hệ giữa các tỉ số kế toán với kiệt quệ tài chính. Nó chủ yếu sử

dụng các phương pháp phân tích thống kê và kinh tế lượng để suy luận về khả năng 30Backward-looking

tương thích của 2 yếu tố này. Ngược lại, mô hình dựa trên thị trường dẫn xuất từ nền

tảng lý thuyết rõ ràng, nó cung cấp các tác nhân ảnh hưởng đến kiệt quệ tài chính từ

những thông tin hàm chứa trong dữ liệu thị trường.

Mô hình dựa trên sổ sách không xem xét đến những biến động của tài sản theo •

giá trị thị trường. Nên nhớ rằng các biến động này rất quan trọng để phân tích và đo

lượng rủi ro vỡ nợ. Nó bắt được xu hướng thiệt hại trong giá trị dẫn đến doanh nghiệp

không có khả năng trả được nợ.

Điểm yếu lớn trong mô hình dựa trên thị trường nằm ở chỗ trong thực tế thị trường có

thể không phản ánh chính xác các thông tin về tình trạng tài chính của doanh nghiệp.

Giả thuyết thị trường hiệu quả làm nền tảng cho mô hình dựa trên thị trường là một giả

định rất lớn mà có thể dẫn đến những sai lệch tiềm tàng trong ước lượng xác suất vỡ

nợ. Hai trong số ba thành phần quan trọng để dự đoán rủ ro kiệt quệ là giá trị thị

trường của các loại tài sản trong tương lai và biến động của mức sinh lợi tài sản, không

quan sát trực tiếp được mà chỉ có thể ước lượng. Một điểm yếu nữa của mô hình này là

cần công ty có cổ phiếu niêm yết trên thị trường chứng khoán, do vậy những công ty tư

nhân nhỏ thì không có khả năng áp dụng.

Tuy nhiên, nhìn chung thì so với mô hình dựa trên sổ sách, mô hình dựa vào thị trường

vẫn linh hoạt hơn nhiều và cung cấp các thông tin vượt trội hơn cho nhà nghiên cứu

trong việc phân tích rủi ro kiệt quệ.

Về phương pháp, hầu hết các mô hình này lấy lý thuyết định giá quyền chọn làm nền

tảng (do vậy những kỹ thuật này còn được gọi là phương pháp dựa trên quyền chọn).

Dưới đây là 2 mô hình phổ biến được hình thành từ lý thuyết quyền chọn được khá

nhiều người ưa thích khi tiến hành nghiên cứu thực nghiệm.

5.2.1. Sử dụng công cụ Option để tính xác suất vỡ nợ của Merton (1974)

Merton (1974) ứng dụng phương pháp định giá quyền chọn được phát triển bởi Black

và Scholes (1973) lên giá trị của công ty có sử dụng tài trợ nợ, và liên hệ rủi ro vỡ nợ

với cấu trúc vốn của công ty. Theo mô hình này, vốn cổ phần được xem như là hợp

đồng quyền chọn mua theo kiểu Châu Âu lên tài sản của doanh nghiệp với giá thực

hiện tương đương giá trị nợ trên sổ sách. Lúc này, chủ nợ được xem như là người đang

nắm giữ tài sản của công ty, còn cổ đông sẽ có được quyền chọn mua để mua lại tài

sản công ty cho mình. Quyền chọn này đem đến cho cổ đông một quyền lợi, không

phải nghĩa vụ, nếu thanh toán được hết các khoản nợ thì giữ được tài sản của mình,

còn không thì tài sản thuộc về cho chủ nợ. Giả định tất cả nợ đều cùng đến hạn như

nhau và xem đó như thời hạn thực hiện quyền chọn, nếu giá trị thị trường của tài sản

doanh nghiệp lớn hơn giá trị sổ sách của nợ tại thời điểm đáo hạn, các cổ đông của

công ty thực hiện quyền mua của mình trên tài sản. Trong trường hợp này, cổ đông trả

hết nợ và công ty tiếp tục tồn tại. Ngược lại, nếu giá trị thị trường của tài sản công ty

thấp hơn giá trị nợ trên sổ sách, quyền chọn mua sẽ không còn hiệu lực và xem như giá

trị vốn cổ phần bằng 0, công ty tuyên bố vỡ nợ. Ở tình huống này, các giá trị còn lại sẽ

được chuyển cho chủ nợ. Vì thế, trong mô hình Merton, giá trị vốn cổ phần tại thời

điểm các khoản nợ đáo hạn được xác định như sau :

(3.4) VE = max (VA - X, 0)

Với VElà giá trị thị trường của cổ phần, VAlà giá trị thị trường của tổng tài sản, vàX giá

trị sổ sách của nợ

Theo lý thuyết cân bằng mua bán quyền chọn31, nợ của công ty có thể được xem như là

khoản vay không có rủi ro vỡ nợ trừ đi quyền chọn bán tài sản của cổ đông cho chủ nợ.

Vậy, giá trị đối với chủ nợ tại thời điểm đáo hạn T được thể hiện như sau :

(3.5) XT = X - max(X - VA , 0)

Xem xét phương trình trên theo cấu trúc vốn thì ta có thể hiểu rằng cổ đông sở hữu tài

sản, rồi đi vay nợ, và giữ một quyền chọn bán, cho phép họ bán tài sản để thay thế cho

khoản nợ vay. Tương tự, chủ nợ viết một hợp đồng quyền chọn bán cho cổ đông để ghi

nhận khả năng vỡ nợ của công ty. Do vậy, nếu vỡ nợ xảy ra, cổ đông sẽ chọn lựa thực

hiện quyền chọn bán của mình.

Có 2 giả định rất quan trọng của Merton, thứ nhất tổng giá trị doanh nghiệp phải theo lý thuyết chuyển động Brow32

(3.6) dVA = µVA dt + σA VA dW

Với V là tổng giá trị thị trường của công ty, µ là suất sinh lợi kép liên tục mong đợi trên giá trị công ty, σV là biến động của giá trị công ty và dW là quy trình Weiner33.

Giả định thứ hai là doanh nghiệp chỉ phát hành trái phiếu chiết khấu không hưởng

coupon đáo hạn vào thời điểm T.

Dưới 2 giả định trên, vốn cổ phần là giá của quyền chọn mua trên tài sản của công ty

31Put-call parity 32Geometric Brownian Motion 33Weiner Process

với giá thực hiện bằng mệnh giá của nợ, nó sẽ thỏa mãn phương trình sau :

(cid:2922)(cid:2924)(cid:4672)

(cid:3118)) (cid:4673)(cid:2878) ((cid:3045)(cid:2878)(cid:2868),(cid:2873) (cid:3097)(cid:3250)

(cid:3271)(cid:3250) (cid:3273)

(cid:3118)) (cid:4673)(cid:2878) ((cid:3045) (cid:2879) (cid:2868),(cid:2873) (cid:3097)(cid:3250)

(3.7) VE = VA. N(d1) – e-rT X N(d2)

(cid:3097)(cid:3250)√(cid:3021)

(3.8) d1= và d2 = d1 - σA√(cid:1846) =

Với VE là giá trị thị trường của vốn cổ phần, VA là giá trị thị trường của toàn bộ tài

sản, X là giá trị sổ sách của nợ tại thời điểm đáo hạn T, r là lãi suất phi rủi ro, σA là biến động của giá trị tài sản, N(.) là hàm mật độ tích lũy của phân phối chuẩn tắc, Xe- rT là hiện giá của khoản nợ phải thanh toán

Mô hình Merton ước lượng xác suất triệt tiêu rủi ro34 khi giá trị doanh nghiệp lớn hơn

mệnh giá của nợ tại thời điểm T. Từ đó, xác suất vỡ nợ đã trung hòa rủi được tính như

PD=1-N(d2 )(3.9)

Có thể thấy xác suất này phụ thuộc vào 5 biến số tác động đến d2 trong mô hình quyền

chọn. Khi rủi ro vỡ nợ càng cao thì d2 sẽ càng thấp, mà để d2 thấp thì :

• Giá trị tài sản VA thấp

• Mệnh giá của nợ X tại thời điểm đáo hạn cao, hoặc đòn bẩy của công ty X/ VA

cao, dẫn đến ln(VA/X) thấp.

• Biến động trong sinh lợi tài sản σA thấp

34Risk-neutral probability

Kỳ đáo hạn trung bình của nợ dài hơn •

Lãi suất phi rủi ro thấp •

Mô hình Merton tương đối đơn giản và khá hiệu quả để dự đoán rủi ro kiệt quệ. Nó

tính toán được xác suất vỡ nợ theo hướng tương lai dựa trên các biến số thị trường như

giá trị tài sản, đòn bẩy, tính biến động, cấu trúc nợ, và lãi suất phi rủi ro. Dù vậy, một

số giả định hạn chế của Merton ít khi đạt được trong thực tế như :

Cấu trúc vốn của doanh nghiệp thường khá phức tạp với nhiều phân loại nợ •

cùng thời kỳ đáo hạn khác nhau

Trong mô hình Merton, trái phiếu được xem như có coupon bằng 0, nhưng •

trong thực tế nhiều loại trái phiếu doanh nghiệp có coupon khác 0

Trong mô hình Merton, hiện tượng vỡ nợ xảy ra chỉ một lần tại thời điểm T khi •

các khoản nợ đến hạn, thực tế thì vỡ nợ có thể diễn ra trong suốt vòng đời của trái

phiếu, chính vì vậy đôi khi phải cụ thể hóa đường biên trên và biên dưới của vỡ nợ.

Cuối cùng, sự biến động trong giá trị của tài sản và lãi suất phi rủi ro không •

phải bất biến.

Những khiếm khuyết của mô hình Merton đã dẫn đến sự phát triển của các phiên bản

mở rộng nhằm đem mô hình gần với thực tế hơn. Có thể kể đến các mô hình của Black

và Cox (1976), Geske (1977), Longstaff và Schwarz (1995), Leland và Toft (1996),

Collin-Dufresne và Goldstein (2001). Black và Cox (1976) cải thiện mô hình bằng

cách loại trừ giả định vỡ nợ chỉ xảy ra vào thời điểm đáo hạn. Trong phiên bản của

mình, hai ông cho rằng tình trạng vỡ nợ có thể xảy ra mỗi khi giá trị tài sản xuống dưới

đường biên an toàn. Geske (1977) mở rộng mô hình bằng cách cho trái phiếu được

lãnh coupon và công ty có một cấu trúc nợ phức tạp hơn. Mô hình Longstaff và

Schwarz (1995) cho phép lãi suất mang tính ngẫu nhiên. Cuối cùng Collin-Dufresne và

Goldstein (2001) tiếp nối mô hình của Longstaff và Schwars cho phép sự thay đổi

trong tỉ số đòn bẩy bởi vì thực tế doanh nghiệm thường điều chỉnh mức độ nợ để đáp

lại các thay đổi trong giá trị doanh nghiệp.

Một trong những phương pháp thành công nối tiếp mô hình Merton được phát triển bởi

Kealhofer và Vasicek (1995), dưới sự tài trợ của hãng xếp hạng tín dụng nổi tiếng

Moody. Phiên bản thương mại của mô hình này được sử dụng rộng rãi cho các nhà đầu

tư cũng như áp dụng cho các nghiên cứu thực nghiệm trên thế giới.

5.2.2. Mô hình KMV (1995)

Mô hình KMV là thế hệ tiếp theo của mô hình Merton cho phép tính đa dạng trong các loại nợ 35 và thời gian đáo hạn.

Không giống mô hình Merton, công ty ở đây được xem như là một thực thể vĩnh cửu

liên tục vay nợ và trả nợ, vì vậy vốn cổ phần được xem như là quyền chọn mua vĩnh cửu có điều kiện36 lên tài sản.

Hơn nữa, tất cả các loại nợ, kể cả vốn cổ phần, đều được chi trả tiền mặt định kỳ như

coupon, cổ tức.. Tình trạng vỡ nợ có thể xảy ra trong cả 2 trường hợp trước và sau thời

điểm đáo hạn nếu như giá trị thị trường của vốn cổ phần rớt xuống dưới một giá trị

mặc định được gọi là điểm kiệt quệ. Kealhofer (2003) nhấn mạnh trong khi mô hình

Merton nhắm đến mục tiêu ước lượng giá trị nợ của công ty dựa trên giá trị tài sản và

độ biến động của tài sản, thì mô hình KMV tập trung vào mối liên hệ giữa vốn cổ phần

35Ngoài cổ phần thường, công ty có thêm cổ phần ưu đãi, các loại nợ ngắn hạn, dài hạn, nợ chuyển đổi, chứng chỉ đặc quyền… 36Quyền chọn mua vĩnh cửu có điều kiện (dow-and-out call option)

và các đặc tính tài sản, tạo nên một công cụ đo lường mạnh mẽ nhằm dự đoán xác suất

vỡ nợ.

Mô hình KMV sử dụng hai phương trình quan trọng. Phương trình thứ nhất trong mô

hình của Merton, thể hiện giá trị vốn cổ phần theo một hàm số của giá trị doanh nghiệp

(3.10) VE = f (VA; σA) ↔ VE = VA. N(d1) – e-rT X N(d2)

Phương trình thứ hai liên kết biến động của giá trị doanh nghiệp với biến động của vốn

cổ phần. Với giả định là vốn cổ phần là một hàm số của giá trị doanh nghiệp và thời

gian, vậy nó tuân theo bổ đề Lemma như sau :

(3.11) ) σA =(VA / VE) N(d1)σA σE = ((cid:3023)(cid:3250) (cid:3023)(cid:3254) )((cid:3105)(cid:2906)(cid:3133) (cid:3105)(cid:3023)(cid:3254)

Về căn bản, mô hình KMV sử dụng hai phương trình phi tuyến (3.10) và (3.11) để

chuyển đổi giá trị và biến động của vốn cổ phần thành xác suất vỡ nợ. Trong khi đó,

mô hình Merton mô tả giá trị không quan sát được như một quyền chọn của một hàm

số gồm 4 biến dễ dàng quan sát được (mệnh giá nợ, thời gian đáo hạn, giá trị tài sản và

lãi suất phi rủi ro) cùng 1 biến phải ước lượng (biến động). Còn ở mô hình KMV, giá

trị quyền chọn có thể quan sát được như tổng giá trị vốn cổ phần của công ty, trong khi

đó giá trị tài sản công ty không được quan sát trực tiếp. Chính vì vậy nên VA được suy

luận, còn vốn cổ phần thì dễ dàng tính được bằng cách nhân số lượng cổ phiếu với thị

giá, tương tự VA, σA cũng phải được suy luận.

Bước đầu tiên là phải ước lượng biến động của cổ phần σE từ các dữ liệu giá cả giao

dịch cổ phiếu trên thị trường. Bước thứ 2 là lựa chọn thời gian dự đoán và đo lường

mệnh giá của nợ (X). Bước thứ 3 là thu thập lãi suất phi rủi ro (r) và giá trị thị trường

của vốn cổ phần (VE). Sau tất cả các bước trên ta có được các biến trong hai phương

trình (1) và (2) ngoại trừ VA và σA. Bước thứ 4 (có lẽ là bước quan trọng nhất trong

thực hiện mô hình) là giải đồng thời hai phương trình (1) và (2) nhiều lần để có được

VA và σA . Tuy vậy, KMV cho rằng giải đồng thời cả hai phương trình cùng lúc có thể

đem đến kết quả không tốt. Thay vào đó, KMV sử dụng một kỹ thuật giải pháp vòng lặp đáng kể37để ước lượng giá trị thị trường và biến động thị trường của tài sản. Sau

khi đạt được giải pháp, khoảng cách đến vỡ nợ (Distance – to – default) được tính như

(cid:2922)(cid:2924)(cid:4672)

(cid:4673)(cid:2878)(µ(cid:2879)

)

(cid:3154)(cid:3133) (cid:3273)

(cid:3118) σ(cid:3133) (cid:3118)

(cid:3097)(cid:3250)√(cid:3021)

(3.12) Distance-to-Default =

Mặt khác, khoảng cách vỡ nợ tính như trên là khoảng cách được phân phối chuẩn hoá

của giá trị tài sản công ty khỏi ngưỡng vỡ nợ. Crosbie và Bohn (2003) chỉ ra rằng giả

định phân phối chuẩn trong thực tế dẫn đến ước lượng thấp các xác suất vỡ nợ thật sự.

Để trách tác động này, sau khi tính khoảng cách vỡ nợ, KMV đã tách khỏi khung lý

thuyết của Merton và chuyển đổi khoảng cách vỡ nợ thành tần suất vỡ nợ mong đợi

EDF (Expected Default Frequency) bằng cách sử dụng một bản đồ phân phối thực

nghiệm trong vòng 30 năm lịch sử các công ty đã vợ nỡ thu thập bởi KMV. Từ đó,

phân phối thực nghiệm của EDF có được từ dữ liệu vỡ nợ của KMV có đuôi mở rộng

hơn so với phân phối chuẩn

5.2.3. Mô hình hiểm họa đơn thuần38của Shumway (2001)

Tổng quan, mô hình hiểm họa chỉ ra được xác suất trên một đơn vị thời gian mà doanh

nghiệp tồn tại khi bắt đầu một chu kỳ rơi vào kiệt quệ.

Shumway (2001) xác định 3 lợi thế của mô hình hiểm họa so với các phương pháp dự

đoán tĩnh khác (trong nghiên cứu của mình, ông đã sử dụng các biến giải thích trong

37Nontrivial iterative solution 38Simple Hazard Model

mô hình của Alman 1968 và Zmijewski 1984 để áp dụng vào mô hình của mình và cho

ra kết quả vượt trội hơn hẳn).

Mô hình hiểm họa có thể điều chỉnh rủi ro vỡ nợ của mỗi doanh nghiệp theo số •

lượng giai đoạn kiệt quệ. Một số công ty có thể vỡ nợ sau nhiều năm lâm vào kiệt quệ

tài chính trong khi số khác lại vỡ nợ ngay năm đầu tiên.

Mô hình kết hợp các thay đổi theo thời gian (các biến giải thích được thay đổi •

qua thời gian)

Mô hình dự đoán hiệu quả hơn cho các mẫu lớn bằng cách tận dụng thêm nhiều •

dữ liệu. Nó có thể được xem như là mô hình hồi nhị phân logit gồm các quan sát là

mỗi công ty trong một năm. Giả sử khi mà các công ty trong mẫu có dữ liệu tài chính

trung bình là 10 năm, thì mô hình hiểm họa tận dụng được hơn 10 lần dữ liệu để ước

lượng so với các mô hình tĩnh khác. Điều này dẫn đến độ chính xác trong hệ số ước

lượng và khả năng dự đoán vượt trội.

Mô hình hiểm họa tại một thời điểm cụ thể t có thể hiểu như một xác suất vỡ nợ có

điều kiện tại thời điểm t, với tình trạng vỡ nợ không xảy ra cho đến thời điểm t. Giả sử

phá sản xảy ra vào một thời điểm cụ thể t = 1,2,3… Mẫu phá sản chứa đựng n công ty,

tất cả đều hiện hữu trong khoảng thời gian giữa t = 1 và t = T. Mỗi công ty có thể

khánh kiệt trong suốt giai đoạn của mẫu, cũng có thể sống sót qua khỏi giai đoạn này,

hoặc rời khỏi mẫu bởi một vài lý do khác như sáp nhập hay thanh lý. Định nghĩa thời

điểm khánh kiệt ti, cho mỗi doanh nghiệp i là thời điểm doanh nghiệp rời khỏi mẫu với

bầt cứ lý do gì. Gọi biến giả yi bằng 1 khi doanh nghiệp i vỡ nợ tại thời điểm ti, và bằng 0 nếu ngược lại, hàm khối xác suất 39vỡ nợ được cho bởi f (t, x; Ө) với Ө biểu

hiện véc tơ hệ số của f, và x thể hiện véc tơ của các biến giải thích được sử dụng để dự

đoán vỡ nợ.

39Probability mass function

(cid:3037)(cid:2996)(cid:2869)

S (t,x;Ө) = 1 – ∑ (3.13) (cid:1858)((cid:1862), (cid:1876); Ө)

(3.14) Φ (t,x;Ө) = (cid:3033) ((cid:3047),(cid:3051);Ө) (cid:3020) ((cid:3047),(cid:3051);Ө)

Với hàm sống sót40S(t,x;Ө) chỉ ra xác suất sống sót đến thời điểm t, hàm hiểm họa ϕ

(t,x;Ө) cho thấy xác suất vỡ nợ tại thời điểm t với điều kiện sống sót đến thời điểm t, và hàm mật độ tích lũy41F(t,x;Ө) tương ứng với hàm khối xác suất vỡ nợ f (t,x;Ө). Từ đó ta có hàm khả năng42của mô hình hiểm họa :

i S (ti,xi;Ө)

y ℓ = ∏ (cid:2038) ((cid:1872)(cid:3036), (cid:1876)(cid:3036); Ө)

(cid:3041) (cid:3036)(cid:2880)(cid:2869)

(3.15)

Để ước lượng được S(t,x;Ө) thì nhà nghiên cứu phải ước lượng hàm hiểm họa. Điều

này khá khó bởi vì mô hình hiểm họa có hàm hợp lý phi tuyết tính và thay đổi liên tục

theo thời gian. Shumway (2001) chỉ ra được mô hình hiểm họa tại từng thời điểm cụ

thể có hàm hợp lý giống như mô hình logit. Trong trường hợp này thì việc áp dụng

chương trình tính toán hàm hợp lý logit để suy ra tỉ lệ hiểm họa là mang nhiều tính khả

thi. Sau đó, ước lượng các hệ số trong mô hình hiểm họa tương đương với ước lượng

các hệ số trong mô hình logit đa thời kỳ với các sai số chuẩn được điều chỉnh.

Mô hình hiểm họa và các mô hình tĩnh có mối liên hệ khá gần nhau. Để diễn tả điều đó, Shumway định nghĩa mô hình logit đa thời kỳ43như là một mô hình logit được ước

lượng với dữ liệu của mỗi công ty trên một đơn vị thời gian nó tồn tại.

Shumway sử dụng 3 biến số thị trường trong mô hình của mình và so sánh độ chính 40Survivor function 41Cumulative density function 42Likelihood function 43Multiperiod logit model

xác từ các thông tin thị trường so với các thông tin sổ sách. Ông kết luận một nửa các

biến số sổ sách dự đoán xác suất vỡ nợ kém. Ngược lại, các biến số thị trường như tỉ

suất sinh lợi của chứng khoán, quy mô (giá trị vốn hóa thị trường của công ty) hay biến

động rủi ro cá thể, có mối liên hệ rất mạnh đến xác suất vỡ nợ, đồng thời cho phép

phân tích xác suất vỡ nợ năng động theo từng thời kiệt quệ trước khi đi đến phá sản.

Tổng kết lại, mô hình dựa vào thông tin thị trường được xem như vượt trội hơn so với

các kỹ thuật dựa trên sổ sách truyền thống. Các thông số thị trường cho phép sự hình

thành một mô hình năng động, có thể tính toán được xác suất vỡ nợ tại mỗi thời điểm.

Những ứng dụng thành công nhất từ nhánh mô hình này trong các nghiên cứu thực

nghiệm là mô hình Merton, mô hình KMV và hiểm họa đơn thuần của Shumway.