Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.
GIỚI THIỆU CHUNG VỀ ĐỀ TÀI
Tính cấp thiết của đề tài
Ngành thực phẩm tại Việt Nam đóng vai trò quan trọng và có tiềm năng phát triển lớn, được công nhận là một trong những thị trường thực phẩm và đồ uống hấp dẫn nhất toàn cầu, xếp thứ 10 tại châu Á vào năm 2019 Theo báo cáo của Công ty khảo sát thị trường quốc tế (BMI), tổng doanh thu bán hàng thực phẩm và đồ uống đạt 975,867 tỷ đồng vào năm 2020, đóng góp khoảng 15.8% vào GDP quốc gia Hơn nữa, chi tiêu cho thực phẩm và đồ uống chiếm tỷ trọng lớn nhất trong cơ cấu chi tiêu hàng tháng của người tiêu dùng, lên tới khoảng 35% tổng chi tiêu.
Từ năm 2019 đến nay, ngành thực phẩm đã chịu ảnh hưởng tiêu cực từ đại dịch Covid-19, với khoảng 50% doanh nghiệp cho rằng hoạt động của họ bị tác động nghiêm trọng, theo khảo sát của Vietnam Report vào tháng 8/2020 Lệnh phong tỏa và hạn chế đi lại đã làm giảm sức mua, gây khó khăn trong việc tiêu thụ sản phẩm và hạn chế hoạt động xuất khẩu của các doanh nghiệp trong ngành này.
Năm 2020, xuất khẩu nông thủy sản của doanh nghiệp thực phẩm gặp khó khăn tại nhiều thị trường như Trung Quốc, Hàn Quốc, Nhật Bản, Mỹ, EU và ASEAN, với kim ngạch giảm 4,5% so với cùng kỳ năm 2019 Nhiều mặt hàng như rau quả và cafe ghi nhận mức giảm mạnh lần lượt là 11,5% và 6,4% Đại dịch Covid-19 đã ảnh hưởng đến khả năng sản xuất do doanh nghiệp phải chia ca để đảm bảo giãn cách, và trường hợp dương tính với Covid đã làm gián đoạn quy trình sản xuất, tăng chi phí Việc mua nguyên liệu cũng trở nên khó khăn hơn do giãn cách, gây trì trệ trong sản xuất Tuy nhiên, từ giữa năm 2020, khi dịch bệnh được kiểm soát, nền kinh tế mở cửa trở lại và các gói kích cầu đã giúp cải thiện tình hình kinh doanh Dù đã có sự cải thiện, doanh nghiệp thực phẩm vẫn chịu tác động tiêu cực từ đại dịch, ảnh hưởng đến tài chính, do đó việc dự báo khả năng phá sản và khó khăn tài chính là cần thiết để doanh nghiệp có biện pháp cải thiện tình hình.
Từ những năm 1930, nghiên cứu về dự báo phá sản doanh nghiệp đã thu hút sự chú ý của nhiều nhà khoa học Năm 1968, Altman giới thiệu mô hình Z-score nhằm dự đoán khả năng phá sản của các doanh nghiệp sản xuất Sau đó, ông tiếp tục điều chỉnh mô hình này để phù hợp với nhiều loại hình doanh nghiệp khác Balcaen và Oogle (2004) nhận xét rằng mô hình Z-score, mặc dù ra đời từ lâu, vẫn là công cụ dự báo được công nhận và sử dụng rộng rãi trong cả học thuật và thực tiễn Hiện nay, mô hình Z-score đã được áp dụng phổ biến trên toàn cầu, bao gồm cả Việt Nam Do đó, tôi đã chọn nghiên cứu đề tài “Ứng dụng mô hình Z-score trong đánh giá khả năng phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam”.
Mục tiêu nghiên cứu và câu hỏi nghiên cứu
Nghiên cứu này nhằm áp dụng mô hình Z-score để đánh giá nguy cơ phá sản của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam trong bối cảnh hiện tại.
Với mục tiêu như trên, các nhiệm vụ nghiên cứu cụ thể của đề tài là:
Phá sản là một quá trình pháp lý mà trong đó một cá nhân hoặc doanh nghiệp không thể thanh toán các khoản nợ của mình Việc hiểu rõ khái niệm phá sản sẽ giúp xác định các yếu tố nghiên cứu cần thiết để đánh giá mô hình phá sản, cũng như phân tích sức ảnh hưởng và hậu quả mà nó gây ra Điều này không chỉ hỗ trợ trong việc nghiên cứu mà còn cung cấp cái nhìn sâu sắc về tác động của phá sản đối với nền kinh tế và các bên liên quan.
Mô hình Z-score là một công cụ quan trọng trong việc dự đoán khả năng phá sản của doanh nghiệp Bài viết này sẽ giới thiệu quy trình thiết lập mô hình Z-score, cùng với các kiểm nghiệm liên quan đến khả năng dự báo của nó Đồng thời, chúng tôi sẽ so sánh mô hình Z-score với một số mô hình dự báo phá sản khác đã được phát triển trên thế giới, nhằm làm rõ hiệu quả và ứng dụng của từng phương pháp trong việc đánh giá rủi ro tài chính.
Mô hình Z-score đã được phát triển và áp dụng rộng rãi để dự báo khả năng phá sản của doanh nghiệp, đặc biệt là trong ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam Bài viết này tập trung vào việc lựa chọn mô hình Z-score phù hợp nhằm đánh giá thực trạng khả năng phá sản của các doanh nghiệp thực phẩm hiện nay, đồng thời đo lường độ chính xác của mô hình trong việc dự báo sớm tình trạng phá sản.
Để nâng cao tính an toàn cho các doanh nghiệp ngành thực phẩm niêm yết tại thị trường Việt Nam, cần áp dụng một số giải pháp hiệu quả Một trong những gợi ý là ứng dụng mô hình Z-score để đánh giá sức khỏe tài chính của doanh nghiệp, từ đó nhận diện rủi ro và cải thiện quản lý tài chính Việc triển khai các biện pháp này không chỉ giúp tăng cường an toàn thực phẩm mà còn nâng cao uy tín và sự tin tưởng từ phía người tiêu dùng.
Trong nền kinh tế thị trường, quy luật cạnh tranh ảnh hưởng lớn đến hiệu quả hoạt động của doanh nghiệp; nếu không hiệu quả, doanh nghiệp có thể rơi vào tình trạng tài chính không an toàn hoặc phá sản Sự phá sản không chỉ ảnh hưởng đến doanh nghiệp mà còn tạo ra nhiều hệ lụy phức tạp, như chủ nợ không thu hồi được nợ và người lao động mất việc, không nhận được lương Vì vậy, việc nhận diện doanh nghiệp có nguy cơ phá sản là rất cần thiết Kể từ những năm 1930, đã có nhiều nghiên cứu đánh giá khả năng phá sản của doanh nghiệp, điển hình là nghiên cứu của Ramsey & Foster.
Từ những năm 1931 đến 1935, các nhà nghiên cứu như Fitzpatrick và Winakor cùng Smith đã bắt đầu nỗ lực xác định doanh nghiệp có nguy cơ phá sản Nhiều nghiên cứu đã được thực hiện trên toàn cầu với các phương pháp tiếp cận đa dạng Nổi bật trong số đó là nghiên cứu tại Mỹ của Beaver (1966) và Altman, góp phần quan trọng vào việc kiểm chứng các chỉ số cảnh báo rủi ro tài chính.
Mô hình Z-score của Altman, được áp dụng và kiểm chứng tại nhiều quốc gia, đã chứng minh hiệu quả cao trong việc nhận diện nguy cơ phá sản của doanh nghiệp Trong quá trình hoạt động, doanh nghiệp phải đối mặt với nhiều rủi ro từ cả nội bộ lẫn môi trường bên ngoài, như chính sách của nhà nước và suy thoái kinh tế, có thể ảnh hưởng nghiêm trọng đến sự phát triển và thậm chí dẫn đến tình trạng phá sản.
Năm 2020, ngành thực phẩm tại Việt Nam chịu ảnh hưởng tiêu cực từ đại dịch Covid-19, tương tự như các doanh nghiệp khác Theo BMI, hầu hết các công ty trong ngành thực phẩm - đồ uống có năng lực tài chính yếu kém, dẫn đến việc họ gặp khó khăn trong quản lý hàng tồn kho, phân phối và nguồn nhân lực, với hơn 85% doanh nghiệp bị ảnh hưởng trong thời kỳ suy thoái kinh tế Ngành thực phẩm đóng góp khoảng 15% GDP hàng năm, vì vậy việc dự báo khả năng phá sản của các doanh nghiệp, đặc biệt là những doanh nghiệp lớn đã niêm yết trên sàn chứng khoán HOSE và HNX, là rất cần thiết.
Lê Cao Hoàng Anh - Nguyễn Thu Hằng
Mô hình Z-score của Altman đã được kiểm định trong việc dự báo thất bại doanh nghiệp tại Việt Nam, với tỷ lệ dự báo đạt 91% cho 1 năm trước khi doanh nghiệp gặp khó khăn tài chính và 72% cho 2 năm trước đó Sự giảm dần của tỷ lệ dự báo theo thời gian là hợp lý, cho thấy tính khả thi của việc áp dụng mô hình Z-score để đánh giá khả năng phá sản của doanh nghiệp trong ngành thực phẩm tại Việt Nam Do đó, nghiên cứu này đặt ra câu hỏi về hiệu quả của mô hình trong bối cảnh cụ thể này.
Mô hình Z-score có thể áp dụng hiệu quả cho các doanh nghiệp ngành thực phẩm tại Việt Nam, giúp nhận diện sớm các dấu hiệu phá sản và tình trạng kiệt quệ tài chính Việc sử dụng mô hình này sẽ hỗ trợ doanh nghiệp trong việc đánh giá sức khỏe tài chính và đưa ra các biện pháp phòng ngừa kịp thời.
Doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam được nhận diện tình hình tài chính như thế nào theo mô hình Z-score?
Có thể ứng dụng mô hình Z-score vào thực tiễn như thế nào?
Đối tượng và phạm vi nghiên cứu
1.3.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài là đánh giá khả năng phá sản của các doanh nghiệp thực phẩm niêm yết trên thị trường chứng khoán Việt Nam bằng mô hình Z- score.
+ Phạm vi nghiên cứu của đề tài về mặt không gian: Các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam.
Đề tài nghiên cứu tập trung vào dữ liệu từ báo cáo tài chính của các doanh nghiệp ngành thực phẩm niêm yết trên thị trường chứng khoán Việt Nam, với thời gian thu thập dữ liệu kéo dài từ năm 2015 đến năm 2020.
Phương pháp nghiên cứu
Phương pháp nghiên cứu của luận văn chủ yếu là phương pháp nghiên cứu định tính có kết hợp thêm phương pháp nghiên cứu định lượng.
Nghiên cứu định tính tổng hợp và khái quát các nghiên cứu của Altman về mô hình Z-score trong việc nhận diện khả năng phá sản của doanh nghiệp Bài viết cũng điểm qua các nghiên cứu kiểm định mô hình Z-score trước đây và ứng dụng của nó tại Việt Nam, kèm theo đánh giá về những nghiên cứu này Ngoài ra, nghiên cứu còn trình bày một số phương pháp phân tích khác để nhận diện khả năng phá sản và kiệt quệ tài chính của doanh nghiệp, đồng thời so sánh những phương pháp này với mô hình Z-score.
Nghiên cứu định lượng là phương pháp thu thập và xử lý số liệu tài chính của doanh nghiệp, nhằm xây dựng các chỉ số quan trọng như Vốn lưu động ròng so với Tổng tài sản.
Cấu trúc của đề tài
Đề tài sẽ được chia làm 5 chương với các nội dung chính như sau:
CHƯƠNG 1: GIỚI THIỆU CHUNG VỀ ĐỀ TÀI
CƠ SỞ LÝ LUẬN
Tổng quan về phá sản
2.1.1 Khái niệm, nhận định về phá sản của doanh nghiệp
Mỗi quốc gia có quy định về phá sản khác nhau tùy thuộc vào trình độ phát triển và điều kiện kinh tế - xã hội Ở Nhật Bản, hệ thống pháp luật về phá sản được quy định trong nhiều bộ luật như Luật Phá sản (1922) và Bộ luật thương mại (1938) Tại Hoa Kỳ, phá sản được quy định trong chương 7 (thanh lý) và chương 11 (tái tổ chức), với mục đích bảo vệ cá nhân và doanh nghiệp khỏi tình trạng không trả được nợ Pháp luật phá sản của Pháp, theo Luật ngày 25-01-1985, khuyến khích sự sống sót của doanh nghiệp và phân định rõ quyền yêu cầu Toà án tuyên bố phá sản cùng thứ tự ưu tiên của chủ nợ.
Tại Việt Nam, có nhiều thuật ngữ để mô tả tình trạng phá sản của doanh nghiệp như vỡ nợ, phá sản, và khánh tận Theo từ điển Việt Nam, "phá sản" được định nghĩa là tình trạng không còn tài sản, thường là do thua lỗ trong kinh doanh, trong khi "vỡ nợ" ám chỉ việc liên tục thua lỗ và phải bán hết tài sản mà vẫn không đủ để trả nợ Như vậy, phá sản thường được hiểu là một sự việc đã xảy ra, khi doanh nghiệp không thể thanh toán các khoản nợ của mình.
Theo Từ điển Luật học, phá sản được hiểu là “tình trạng một chủ thể (cá nhân, pháp nhân) mất khả năng thanh toán nợ đến hạn” Điều này cho thấy khái niệm phá sản chỉ xác định một tình trạng mà các chủ thể gặp phải khi không còn khả năng thanh toán Do đó, “phá sản” có thể được định nghĩa đơn giản là “mất khả năng thanh toán”.
Trong tiếng Anh, "bankruptcy" và "insolvency" đều diễn tả khái niệm phá sản và mất khả năng thanh toán Mặc dù hai thuật ngữ này thường được sử dụng thay thế cho nhau, nhưng "insolvency" chủ yếu liên quan đến tình trạng tài chính, trong khi "bankruptcy" lại mang tính chất pháp lý hơn.
Tình trạng insolvency, hay còn gọi là mất khả năng thanh toán, phản ánh sức khỏe tài chính của doanh nghiệp Doanh nghiệp được xác định là mất khả năng thanh toán khi tài sản không đủ để chi trả nợ hoặc khi không thể thanh toán nợ đến hạn theo yêu cầu của chủ nợ Khi rơi vào tình trạng này, doanh nghiệp có thể tiến hành các thủ tục phục hồi hoặc bị thanh lý.
Từ "bankruptcy" trong tiếng Việt được hiểu là các thủ tục pháp lý nhằm giải quyết tình trạng mất khả năng thanh toán.
Từ các nhận định đã trình bày ở trên dễ dàng thấy được về mặt pháp lý, có thể hiểu phá sản theo hai khía cạnh sau:
Phá sản xảy ra khi một tổ chức kinh doanh không còn khả năng thanh toán nợ và bị cơ quan nhà nước tuyên bố phá sản, dẫn đến việc chấm dứt hoạt động của tổ chức đó.
Phá sản là một quy trình pháp lý mà tổ chức kinh doanh thực hiện nhằm xử lý tình trạng mất khả năng thanh toán Luật phá sản quy định các thủ tục cần thiết từ khi tổ chức bắt đầu gặp khó khăn tài chính, với mục tiêu phục hồi hoạt động hoặc thanh lý tài sản và chấm dứt hoạt động Quá trình này có thể dẫn đến nhiều hệ quả khác nhau, tùy thuộc vào khả năng phục hồi của tổ chức.
Luật Phá sản năm 2014 của Việt Nam đã đưa ra định nghĩa rõ ràng về khái niệm phá sản, theo đó, "Phá sản là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị tòa án nhân dân ra quyết định tuyên bố phá sản" Điều này cho thấy rằng, phá sản không chỉ đơn thuần là việc doanh nghiệp mất khả năng thanh toán, mà còn phải có quyết định tuyên bố của tòa án Do đó, chỉ khi doanh nghiệp vừa mất khả năng thanh toán vừa bị tòa án tuyên bố phá sản thì mới được coi là phá sản, nghĩa là những doanh nghiệp không đảm bảo khả năng thanh toán mà chưa có quyết định của tòa án thì chưa được xem là phá sản.
Theo Điều 5 của Luật Phá sản, các chủ nợ (bao gồm cả chủ nợ không có bảo đảm và có bảo đảm một phần), người lao động, công đoàn cơ sở và công đoàn cấp trên có quyền nộp đơn yêu cầu mở thủ tục phá sản sau 3 tháng kể từ ngày khoản nợ đến hạn hoặc khi doanh nghiệp không thực hiện nghĩa vụ trả lương Ngoài ra, những người đại diện theo pháp luật, chủ doanh nghiệp, chủ tịch hội đồng quản trị và chủ tịch hội đồng thành viên cũng có quyền nộp đơn khi doanh nghiệp mất khả năng thanh toán nợ.
Tại Việt Nam, việc công nhận một doanh nghiệp phá sản theo Luật Phá sản 2014 và các quy định liên quan là rất hiếm, đặc biệt đối với các doanh nghiệp sản xuất có quy mô lao động lớn Quy trình phá sản phức tạp và khó khăn, vì nó có thể tác động tiêu cực đến nhiều khía cạnh của xã hội.
2.1.2 Tiêu chí xác định tình trạng phá sản
Theo Tiến sĩ Dương Kim Thế Nguyên (2017), có các tiêu chí xác định tình trạng phá sản như sau:
Doanh nghiệp không còn khả năng thanh toán được xác định khi họ không thể thanh toán một khoản nợ đến hạn với giá trị tối thiểu theo quy định pháp luật Tại Singapore, số tiền tối thiểu này được quy định rõ ràng, phản ánh tình trạng tài chính của doanh nghiệp.
Vào năm 2005, số tiền tối thiểu để thành lập doanh nghiệp tại Singapore là 10.000 Đô la, trong khi tại Liên bang Nga, con số này là 100.000 Rúp vào năm 2002 Tiêu chí này có ưu điểm là loại trừ các khoản nợ nhỏ của doanh nghiệp mất khả năng thanh toán Tuy nhiên, nhược điểm là không thể đánh giá chính xác nguyên nhân dẫn đến tình trạng mất khả năng thanh toán tạm thời của doanh nghiệp do các yếu tố khác nhau.
Tiêu chí kế toán đánh giá tình trạng tài chính của doanh nghiệp dựa trên số liệu kế toán, cụ thể là khi tổng giá trị tài sản nợ lớn hơn tổng giá trị tài sản có, doanh nghiệp có thể bị coi là phá sản Mặc dù tiêu chí này giúp xác định tình hình tài chính, nhưng việc thực hiện kiểm toán báo cáo tài chính (BCTC) trong quá trình phá sản là một thách thức lớn Hơn nữa, tiêu chí này có thể không chính xác khi giá trị sổ sách tài sản bằng hoặc vượt giá trị nợ, nhưng các tài sản này lại khó chuyển đổi thành tiền mặt để thanh toán nợ.
Tiêu chí dòng tiền đánh giá khả năng thanh toán nợ của doanh nghiệp dựa trên dòng tiền thu được, không chỉ xét đến tài sản hiện có Điều này có nghĩa là doanh nghiệp cần có đủ tiền mặt từ các tài sản hiện tại để đảm bảo khả năng trả nợ, thay vì chỉ dựa vào giá trị tài sản.
Tổng quan về mô hình Z-score
2.2.1 Tiền đề cho nghiên cứu của Altman
2.2.1.1 Phương pháp phân tích truyền thống
Trước khi áp dụng các chỉ số cụ thể để phân tích định lượng hoạt động doanh nghiệp, nhiều tổ chức đã sử dụng thông tin đánh giá tình trạng tín dụng của các thương gia Một ví dụ điển hình là hãng dịch vụ thông tin quốc tế Dun & Bradstreet, nổi tiếng với việc cung cấp thông tin tín dụng một cách độc lập.
Các nghiên cứu từ thập niên 1930 và sau đó đã chỉ ra rằng doanh nghiệp phá sản có những chỉ số phân biệt rõ rệt so với doanh nghiệp lành mạnh Nghiên cứu của Beaver (1967) đã bắt đầu tính toán và phân tích các chỉ số tài chính để dự báo khả năng phá sản Beaver so sánh các chỉ số của doanh nghiệp phá sản với những doanh nghiệp không phá sản và có tình hình tài chính ổn định Ông đã quan sát trong vòng 5 năm trước khi doanh nghiệp phá sản và kết luận rằng phân tích các chỉ số này rất hữu ích trong việc dự đoán khả năng phá sản Những nghiên cứu này khẳng định rằng các chỉ số tài chính có thể dự báo khả năng phá sản của doanh nghiệp.
Các chỉ số đo lường khả năng sinh lời, thanh khoản và thanh toán là những yếu tố quan trọng trong việc đánh giá tình hình tài chính của doanh nghiệp Mặc dù doanh nghiệp có khả năng sinh lời kém nhưng vẫn duy trì thanh khoản tốt thì không nhất thiết phải lo ngại về nguy cơ phá sản Khi nghiên cứu khả năng phá sản, Altman đã đặt ra ba vấn đề chính: xác định tỷ lệ quan trọng trong dự báo phá sản, xây dựng tỷ lệ tương ứng với từng chỉ số, và phát triển các tỷ lệ một cách khách quan Những vấn đề này đã dẫn dắt Altman trong việc tìm kiếm mô hình dự báo phá sản hiệu quả cho doanh nghiệp.
2.2.1.2 Phương pháp phân tích đa biệt thức
Mô hình Z-score của Altman được phát triển dựa trên phương pháp Phân tích đa biệt thức (MDA), lần đầu tiên được áp dụng vào những năm 1930 Dù không phổ biến như phân tích hồi quy, MDA đã được sử dụng rộng rãi trong các lĩnh vực sinh vật học và nghiên cứu hành vi Gần đây, kỹ thuật này ngày càng trở nên phổ biến trong cả học thuật và thực tiễn, và Altman cùng các đồng sự đã quyết định ứng dụng MDA vào lĩnh vực tài chính.
MDA (Multivariate Discriminant Analysis) là một kỹ thuật thống kê dùng để phân loại các quan sát thành các nhóm dựa trên đặc điểm riêng biệt của chúng, thường được áp dụng để phân loại và dự đoán tác động của các biến trong mô hình Để thực hiện MDA, cần xác định rõ ràng các nhóm, có thể là hai hoặc nhiều hơn, và thu thập dữ liệu theo đặc điểm của từng nhóm Hình thức đơn giản nhất của MDA là thiết lập mối quan hệ tuyến tính giữa các đặc điểm giúp phân biệt tốt nhất các nhóm Khi một đối tượng có các đặc điểm định lượng, MDA sẽ cung cấp các hệ số phân biệt, từ đó hỗ trợ phân loại đối tượng vào nhóm định danh Công thức của MDA được biểu diễn dưới dạng: Z = V1X1 + V2X2 + … + VnXn.
Vn là các hệ số biệt thức X1, X2… Xn là các biến độc
Biện thức này chuyển đổi các giá trị biến riêng lẻ thành một số duy nhất (số Z) để phân tích và xếp nhóm, giúp đơn giản hóa quá trình phân tích Mục tiêu của phân tích phân biệt là xác định các hệ số Vi và giá trị điểm cắt của Z để phân loại đối tượng, trong khi các biến Xi đại diện cho các giá trị thực tế.
Mô hình Z-score của Altman là một công cụ phân tích tài chính tuyến tính, bao gồm năm biến độc lập với các hệ số tương ứng Mô hình này cho phép xác định một điểm số duy nhất, từ đó phân loại doanh nghiệp thành hai nhóm: doanh nghiệp có nguy cơ phá sản hoặc kiệt quệ tài chính và doanh nghiệp lành mạnh.
Khi áp dụng mô hình Z-score cho một doanh nghiệp, trước tiên cần xác định giá trị các biến cần thiết của doanh nghiệp Sau đó, những giá trị này được đưa vào mô hình để tính toán Điểm số Z Cuối cùng, so sánh Điểm số Z với điểm cắt sẽ giúp đánh giá và phân loại tình hình tài chính của doanh nghiệp.
2.2.2 Xây dựng mô hình Z-score
Altman đã tiến hành nghiên cứu với 66 doanh nghiệp, trong đó bao gồm 33 doanh nghiệp tuyên bố phá sản và 33 doanh nghiệp có tình hình tài chính ổn định, nhằm xây dựng mô hình phân tích tài chính.
Nhóm 1 là nhóm các doanh nghiệp phá sản, kiệt quệ tài chính, nhóm này là những doanh nghiệp sản xuất đã nộp đơn phá sản trong giai đoạn từ năm 1946 đến năm 1965 theo Luật phá sản Hoa Kỳ Trong nghiên cứu của mình, Altman đã nhận thấy rằng việc hạn chế của các doanh nghiệp được chọn ở nhóm 1 là không hoàn toàn thuần nhất do có sự khác nhau giữa các doanh nghiệp về ngành, quy mô doanh nghiệp, cũng như sự tác động không đồng nhất của môi trường kinh doanh trong suốt khoảng thời gian nghiên cứu Do đó, Altman đã lựa chón những doanh nghiệp thuộc nhóm 2 một cách cẩn thận.
Nhóm 2 là nhóm các doanh nghiệp không bị phá sản, kiệt quệ tài chính hay có tình hình tài chính lành mạnh, nhóm này là nhóm các doanh nghiệp sản xuất được lựa chọn nghiêm ngặt theo phạm vi quy mô tài sản có giá trị từ 1 triệu đến 25 triệu USD Các doanh nghiệp này vẫn còn hoạt động trong thời gian diễn ra phân tích của Altman Quyết định loại bỏ các doanh nghiệp có tài sản nhỏ hơn 1 triệu USD và các doanh nghiệp có quy mô rất lớn được Altman giải thích trong nghiên cứu của mình là để phù hợp với phạm vi tài sản của các doanh nghiệp ở nhóm 1 Vì giai đoạn trước năm 1996, việc xảy ra phá sản với một doanh nghiệp lớn là thật sự khá hiếm. 2.2.1.2 Lựa chọn biến
Sau khi xác định nhóm ban đầu, các công ty mẫu được chọn và thông tin từ bảng cân đối kế toán cùng báo cáo kết quả hoạt động kinh doanh được thu thập Để đảm bảo không bỏ sót các chỉ số quan trọng ảnh hưởng đến kết quả mô hình, Altman đã thu thập và sử dụng 22 chỉ số để đánh giá Các chỉ số này được phân loại thành 5 nhóm: thanh khoản, lợi nhuận, đòn bẩy, khả năng thanh toán và chỉ số hoạt động.
Từ danh sách 22 chỉ số ban đầu, 5 biến tổng quát nhất đã được chọn để dự đoán khả năng phá sản của công ty Để xây dựng tập hợp biến số cuối cùng, các phương pháp phân tích và lựa chọn đã được áp dụng.
- Quan sát mức ý nghĩa thống kê của công việc thay thế biến, bao gồm việc xác định đóng góp tương đối của các biến độc lập.
- Đánh giá sự tương quan của các biến.
- Quan sát độ chính xác về mặt dự báo của các tập hợp biến.
- Đánh giá của chuyên gia.
2.2.1.3 Mô hình Z-score và ý nghĩa các biến
Altman đưa ra mô hình Z-score áp dụng cho các doanh nghiệp đã cổ phần hóa trong ngành sản xuất như sau:
X1= Vốn lưu động/ Tổng tài sản,
X2= Lợi nhuận giữ lại/ Tổng tài sản
X3= Lợi nhuận trước thuế và lãi vay/Tổng tài sản
X4= Giá trị thị trường của vốn chủ sở hữu/ Giá trị sổ sách của nợ phải trả X5= Tổng doanh thu/ Tổng tài sản
Chỉ số X1 = Vốn lưu động/ Tổng tài sản là một công cụ quan trọng trong việc phân tích doanh nghiệp gặp khó khăn, giúp đo lường độ thanh khoản ròng so với tổng vốn Vốn lưu động được xác định bằng sự chênh lệch giữa tài sản ngắn hạn và nợ ngắn hạn Khi doanh nghiệp trải qua giai đoạn kinh doanh không hiệu quả, tài sản lưu động sẽ giảm so với tổng tài sản Trong ba chỉ số thanh khoản mà Altman đề cập, X1 được coi là chỉ số có giá trị nhất, bên cạnh chỉ số thanh toán hiện hành và chỉ số thanh toán nhanh.
X2= Lợi nhuận giữ lại/ Tổng tài sản
Lợi nhuận giữ lại là chỉ số quan trọng phản ánh tổng thu nhập lãi hoặc mức lỗ của doanh nghiệp, đồng thời cho thấy khả năng tích lũy lợi nhuận theo thời gian Chỉ số này có thể bị ảnh hưởng bởi các hoạt động tái cấu trúc và việc chia cổ tức Đặc biệt, các doanh nghiệp trẻ thường có chỉ số lợi nhuận giữ lại thấp do chưa có đủ thời gian để tích lũy lợi nhuận.
So sánh mô hình Z-score và một số mô hình dùng nhận diện phá sản khác
Ngoài mô hình Z-score, có nhiều phương pháp phân tích khác trên thế giới cũng được sử dụng để xây dựng mô hình nhận diện khả năng phá sản và kiệt quệ tài chính của doanh nghiệp.
Trong phần này, tác giả sẽ tóm tắt một số phương pháp phân tích được sử dụng để nhận diện khả năng phá sản và kiệt quệ tài chính của doanh nghiệp Nội dung sẽ tập trung vào việc giới thiệu và so sánh kết quả của các phương pháp này với kết quả của mô hình Z-score do Altman phát triển, mà không đi sâu vào phân tích chi tiết từng phương pháp.
2.3.1 Một số phương pháp phân tích khác xây dựng mô hình nhận diện phá sản doanh nghiệp
2.3.1.1 Phương pháp Mạng thần kinh nhân tạo
Mạng thần kinh nhân tạo (ANN) là công nghệ phân tích lấy cảm hứng từ cấu trúc sinh học của hệ thần kinh con người, cho phép mô hình hóa các hàm phi tuyến phức tạp Các ANN được tạo ra từ các nơron nhân tạo kết nối với nhau, phản ánh cách mà nơron trong não bộ hoạt động.
Vào năm 1943, McCulloch và Pitts lần đầu tiên giới thiệu Mạng thần kinh nhân tạo, một mô hình sau đó được các nhà khoa học khác phát triển và ứng dụng rộng rãi trong kỹ thuật Hiện nay, Mạng thần kinh nhân tạo đã trở thành công cụ quan trọng trong lĩnh vực kinh tế, đặc biệt trong việc dự báo và hỗ trợ ra quyết định kinh doanh.
Nghiên cứu của Philippe du Jardin (2008) đã ứng dụng mô hình mạng thần kinh nhân tạo để dự đoán khả năng phá sản của 500 doanh nghiệp tại Pháp Ông đã lựa chọn 41 tỷ lệ tài chính chia thành sáu danh mục chính: tính thanh khoản, khả năng thanh toán, cơ cấu, lợi nhuận, hiệu quả và doanh thu, nhằm mô tả hồ sơ tài chính của doanh nghiệp Kết quả cho thấy tỷ lệ phân loại đúng đạt gần 80%, một con số không tồi khi xem xét rằng các biến được rút ra ngẫu nhiên.
Mô hình Logistic (hồi quy Logistic) là một phương pháp định lượng với biến phụ thuộc là biến giả, chỉ nhận hai giá trị 0 hoặc 1 Các biến độc lập có thể là biến liên tục hoặc rời rạc Thay vì cung cấp giá trị nhị phân trực tiếp cho biến phụ thuộc, mô hình này cho ra tỷ lệ xác suất xảy ra sự kiện của biến phụ thuộc.
Mô hình này được áp dụng phổ biến trong nhiều lĩnh vực nghiên cứu để phân loại Ngoài ra, nó còn được sử dụng rộng rãi trong phân tích kinh tế nhằm xác định xác suất và khả năng xảy ra các sự kiện trong lĩnh vực kinh tế học.
Một nghiên cứu điển hình sử dụng phương pháp này là mô hình của Ohlson
Vào năm 1980, Ohlson đã phát triển mô hình hồi quy logistic để dự đoán khả năng thất bại của doanh nghiệp, nhằm khắc phục những hạn chế của mô hình phân tích phân biệt đa biến (MDA) Ông đã sử dụng dữ liệu từ các doanh nghiệp Mỹ trong giai đoạn 1970-1976 và nhấn mạnh tầm quan trọng của các yêu cầu thống kê nghiêm ngặt Mô hình của Ohlson được đánh giá là vượt qua những phê phán đối với MDA, đặc biệt là về giả định phân phối thông thường và tính chất ngẫu nhiên trong việc xác định doanh nghiệp thất bại.
Nghiên cứu của Ông dựa trên quan sát 105 doanh nghiệp phá sản và 2.058 doanh nghiệp không bị phá sản trong lĩnh vực công nghiệp từ 1970-1976, tất cả đều đã giao dịch trên thị trường chứng khoán Mỹ ít nhất 3 năm Ông đã xây dựng ba mô hình dự báo: mô hình thứ nhất dự đoán sự thất bại trong 1 năm, mô hình thứ hai trong 2 năm, và mô hình thứ ba dự đoán trong 1 hoặc 2 năm Sử dụng phương pháp hồi quy Logistic, Ohlson đã dự báo khả năng phá sản cho mỗi mô hình với độ chính xác trên 90% Doanh nghiệp được phân loại dựa vào giá trị tính toán của P (xác suất doanh nghiệp có nguy cơ phá sản), trong đó nếu P>0.5, doanh nghiệp được xếp vào nhóm rủi ro.
2.3.1.3 Phương pháp Cây quyết định
Cây quyết định là một phương pháp phân loại hiệu quả, sử dụng cấu trúc cây phân cấp để phân tích và phân loại đối tượng dựa trên các quy luật và đặc tính của chúng Mô hình này giúp phản ánh kết quả của đối tượng thông qua những quan sát cụ thể, từ đó hỗ trợ trong việc ra quyết định chính xác hơn.
Cây quyết định là một công cụ quan trọng trong cả phân loại và hồi quy Trong phân loại, nó giúp xác định các kết quả như giới tính (nam hoặc nữ) hay điều kiện thời tiết (nắng hoặc mưa) Ngược lại, trong hồi quy, cây quyết định cung cấp các giá trị cụ thể, chẳng hạn như thời gian hoàn thành công việc hoặc giá bán sản phẩm.
Phương pháp Cây quyết định được áp dụng hiệu quả trong phân loại, đặc biệt trong lĩnh vực kinh tế, nhằm phân tích khả năng phá sản của doanh nghiệp.
2.3.2 So sánh mô hình Z-score và các mô hình nhận diện phá sản khác
David L Olson, Dursun Delen và Yanyan Meng đã thực hiện một nghiên cứu so sánh các phương pháp phân tích nhằm nhận diện khả năng phá sản của doanh nghiệp, được trình bày trong bài viết “So sánh các phương pháp phân tích dữ liệu để dự đoán phá sản” (2011) Nhóm tác giả đã đánh giá mức độ hiệu quả của các mô hình nhận diện phá sản được xây dựng bằng các phương pháp khác nhau và đã thu được những kết quả đáng chú ý.
Bảng 2.5 Kết quả đánh giá các mô hình nhận diện phá sản
STT Phương pháp xây dựng mô hình Phân loại đúng
1 Mạng thần kinh nhân tạo 81,3%
Nguồn: David L Olson, Dursun Delen, Yanyan Meng, 2011
Các mô hình dựa trên phương pháp Mạng thần kinh nhân tạo và Logistic cho thấy tỷ lệ phân loại thấp, với độ chính xác chỉ khoảng 80% Điều này cho thấy hai mô hình này chưa đủ hiệu quả trong việc phân loại khả năng phá sản.
Mô hình nhận diện khả năng phá sản được xây dựng từ phương pháp Cây quyết định đạt tỷ lệ phân loại đúng 91,4%, cho thấy hiệu quả cao trong việc nhận diện khả năng phá sản Tuy nhiên, tỷ lệ này vẫn thấp hơn so với mô hình Điểm số Z của Altman, đạt 95%.
