Mục đích chính của nghiên cứu là xây dựng mô hình dự báo rủi ro phá sản phù hợp với các doanh nghiệp niêm yết Việt Nam bằng phương pháp phân tích phân biệt trên cơ sở vận dụng mô hình Z-
GIỚI THIỆU TỔNG QUAN
Lý do chọn đề tài
Trong quá trình hoạt động, doanh nghiệp phải đối mặt với nhiều rủi ro, trong đó rủi ro phá sản là lớn nhất, đặc biệt đối với những doanh nghiệp không cạnh tranh hiệu quả Phá sản là hiện tượng kinh tế xã hội cần thiết để loại bỏ những doanh nghiệp yếu kém và thúc đẩy sự hoàn thiện của các doanh nghiệp khác Tuy nhiên, số lượng doanh nghiệp phá sản đang tăng nhanh, với 27.126 doanh nghiệp tạm ngừng kinh doanh và 16.314 doanh nghiệp hoàn tất thủ tục giải thể trong năm 2018 Hệ lụy từ phá sản không chỉ ảnh hưởng đến doanh nghiệp mà còn đến nền kinh tế và xã hội, như gia tăng tỷ lệ thất nghiệp và mất lòng tin của người dân Chính phủ đã ban hành nhiều chính sách hỗ trợ doanh nghiệp, như giảm lãi suất và gia hạn thuế, nhằm giúp doanh nghiệp vượt qua khó khăn Tuy nhiên, sự chủ động và chiến lược kinh doanh hợp lý của từng doanh nghiệp vẫn là yếu tố quyết định cho sự tồn tại và phát triển Việc nhận biết sớm dấu hiệu rủi ro phá sản là cần thiết để doanh nghiệp có thể điều chỉnh kịp thời, từ đó duy trì hoạt động và phát triển bền vững.
Việc phân tích tình hình tài chính giúp các nhà quản lý doanh nghiệp đưa ra các quyết định chiến lược hiệu quả trong môi trường cạnh tranh Các yếu tố quan trọng cần quan tâm bao gồm khả năng dự báo phá sản, một lĩnh vực nghiên cứu đã bắt đầu từ những năm 1960 Nghiên cứu của William Beaver (1966) đã thiết lập nền tảng cho việc phân tích chỉ số và xếp hạng phá sản, với việc sử dụng 30 tỷ số tài chính để so sánh giữa 79 doanh nghiệp phá sản và 79 doanh nghiệp hoạt động bình thường Kết quả cho thấy chỉ số dòng tiền trên tổng nợ là biến dự báo tốt nhất, đạt độ chính xác 87% một năm trước khi doanh nghiệp phá sản.
Vào năm 1968, Edward I Altman đã phát triển mô hình chỉ số Z, sử dụng phương pháp phân tích phân biệt (MDA) để dự đoán xác suất phá sản của công ty, đạt độ chính xác lên đến 96% một năm trước khi xảy ra sự cố Sau đó, ông đã mở rộng mô hình với Z’ và Z’’ để áp dụng cho nhiều loại hình doanh nghiệp khác nhau Mặc dù đã ra đời hơn 45 năm, mô hình Z-score vẫn được sử dụng rộng rãi trên toàn cầu như một công cụ chính trong việc dự đoán và phân tích tình hình tài chính Nhiều nghiên cứu quốc tế đã áp dụng mô hình Z-score, như Reiszn và Perlich (2007) phát triển mô hình ước tính xác suất phá sản, Nikolaos G (2009) đánh giá tình hình tài chính của 373 doanh nghiệp xây dựng ở Hy Lạp, và các nghiên cứu khác từ Altman, Danovi, Falini (2010), Kingsley Opoku Appiah (2011), và Wang Yi (2012) về quản lý tài chính và dự đoán khủng hoảng tại các quốc gia khác nhau.
Mặc dù nghiên cứu về rủi ro phá sản của doanh nghiệp đã được thực hiện ở nhiều quốc gia, nhưng kết quả không thể áp dụng cho doanh nghiệp Việt Nam do sự khác biệt về hoạt động, chính sách quản lý và môi trường cạnh tranh Một số nghiên cứu trong nước đã chỉ ra rủi ro phá sản của doanh nghiệp Việt Nam, như nghiên cứu của Nguyễn Thành Cường và Phạm Thế Anh (2010) sử dụng Z-score để đánh giá rủi ro phá sản của các doanh nghiệp chế biến thủy sản niêm yết; Nguyễn Trà Ngọc Vy và Nguyễn Văn Công (2013) áp dụng mô hình Z-score của GS.E.I.Altman cho các công ty dược phẩm; Nguyễn Đăng Tùng và Bùi Thị Len (2015) đánh giá rủi ro phá sản trong hệ thống ngân hàng thương mại Việt Nam; và Nguyễn Thị Thu Trang cùng các đồng tác giả (2017) xây dựng mô hình Z-score cho quản trị rủi ro tại các trang trại sản xuất gia cầm ở Thái Bình.
Nghiên cứu về rủi ro phá sản trong doanh nghiệp Việt Nam hiện tại còn hạn chế, chủ yếu tập trung vào mô hình Z-score của Altman trong một số lĩnh vực cụ thể, thiếu sự tổng quát và đa chiều Các nghiên cứu chưa làm rõ các yếu tố ảnh hưởng đến rủi ro phá sản và mức độ tác động của chúng Điều này mở ra cơ hội cho việc xây dựng mô hình dự báo rủi ro phá sản cho doanh nghiệp niêm yết tại Việt Nam, đồng thời đề xuất giải pháp ngăn ngừa rủi ro này Vì vậy, tác giả đã chọn đề tài "Vận dụng mô hình Z-score dự báo rủi ro phá sản của các doanh nghiệp niêm yết tại Việt Nam".
Mục tiêu nghiên cứu
Mục tiêu chung của luận văn là vận dụng mô hình dự báo rủi ro phá sản cho các doanh nghiệp niêm yết
Mục tiêu của nghiên cứu này là xác định các yếu tố ảnh hưởng đến rủi ro phá sản của các doanh nghiệp niêm yết, bao gồm mức độ và chiều tác động của những yếu tố này Đồng thời, nghiên cứu cũng sẽ đề xuất các giải pháp hiệu quả nhằm ngăn ngừa và hạn chế rủi ro phá sản trong các doanh nghiệp niêm yết.
Câu hỏi nghiên cứu
Để đạt mục tiêu đề ra, câu hỏi đặt ra trong quá trình nghiên cứu bao gồm:
- Những nhân tố nào tác động đến rủi ro phá sản, mức độ và chiều ảnh hưởng của các nhân tố đó như thế nào?
- Các doanh nghiệp niêm yết Việt nam cần làm gì để nâng cao khả năng tài chính, ngăn ngừa và hạn chế rủi ro phá sản?
Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu của luận văn là rủi ro phá sản của các doanh nghiệp niêm yết Nghiên cứu tập trung vào 230 doanh nghiệp niêm yết trên sàn HOSE thuộc các ngành phi tài chính, với dữ liệu tài chính được kiểm toán trong giai đoạn từ năm 2011 đến nay.
Dữ liệu và phương pháp nghiên cứu
Nghiên cứu sử dụng số liệu thứ cấp từ báo cáo tài chính hợp nhất và báo cáo thường niên đã được kiểm toán của 230 doanh nghiệp niêm yết trên sàn HOSE, trong khoảng thời gian từ năm 2011 đến 2018.
Luận văn áp dụng kết hợp phương pháp định tính và định lượng để nghiên cứu Phương pháp định tính bao gồm thống kê mô tả, phân tích và đánh giá tổng quan các đặc trưng dữ liệu của các biến độc lập Trong khi đó, phương pháp định lượng sử dụng phân tích phân biệt với sự hỗ trợ của phần mềm SPSS 20.0 nhằm xây dựng mô hình dự báo rủi ro phá sản cho các doanh nghiệp niêm yết dựa trên các chỉ số tài chính.
Ý nghĩa khoa học và thực tiễn
Luận văn này xây dựng mô hình dự báo rủi ro phá sản cho doanh nghiệp Việt Nam dựa trên mô hình Z-score của Altman (1968) Mặc dù đã có một số nghiên cứu về rủi ro phá sản tại Việt Nam, nhưng chúng còn hạn chế và chủ yếu tập trung vào các doanh nghiệp trong cùng ngành, thiếu các nghiên cứu tổng quát về hệ thống doanh nghiệp Hơn nữa, các nghiên cứu hiện tại chưa xác định rõ các yếu tố ảnh hưởng đến rủi ro phá sản, mức độ và chiều tác động của chúng, cũng như yếu tố nào có ảnh hưởng mạnh nhất Luận văn mong muốn cung cấp thêm bằng chứng thực nghiệm về phân tích rủi ro phá sản, góp phần vào kho tàng nghiên cứu giá trị liên quan đến vấn đề này trong doanh nghiệp.
Bài luận văn chỉ ra các yếu tố ảnh hưởng đến rủi ro phá sản của doanh nghiệp, đồng thời phân tích mức độ và chiều tác động của từng yếu tố Dựa trên những kết quả nghiên cứu này, luận văn đề xuất một số giải pháp nhằm ngăn ngừa và hạn chế rủi ro phá sản cho các công ty niêm yết, từ đó hỗ trợ các nhà quản lý trong việc đưa ra các chính sách và quyết định hợp lý để giảm thiểu rủi ro trong quá trình hoạt động.
Kết cấu bài nghiên cứu
Bài luận văn có kết cấu gồm 5 chương sau:
Chương 1: Giới thiệu tổng quan
Chương 1 nêu lên tính cấp thiết của đề tài và dựa trên những nghiên cứu thực nghiệm đi trước để đưa ra chủ đề nghiên cứu cho bài luận văn, trình bày khái quát mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp sử dụng, ý nghĩa khoa học và thực tiễn của đề tài, bố cục của nghiên cứu góp phần đem lại cái nhìn tổng quan hơn về bài nghiên cứu.
CƠ SỞ LÝ THUYẾT
Rủi ro phá sản
2.1.1 Khái niệm rủi ro phá sản
Trong nền kinh tế thị trường, sự tham gia và rời khỏi thị trường của doanh nghiệp là yếu tố cốt lõi của cạnh tranh, giúp tối ưu hóa nguồn lực và loại bỏ các tác nhân không hiệu quả Cạnh tranh không chỉ thúc đẩy sự phát triển của doanh nghiệp mà còn khuyến khích việc cải thiện hiệu quả sản xuất kinh doanh, quyết định sự tồn tại và phát triển của doanh nghiệp Tuy nhiên, việc tham gia hay rời khỏi thị trường không phải lúc nào cũng là quy luật tự nhiên, mà là kết quả của sự thay đổi trong hoạt động kinh doanh và nguồn lực Sự suy giảm trong hoạt động kinh doanh có thể dẫn đến rủi ro phá sản, và khi tình trạng kiệt quệ trở nên nghiêm trọng, doanh nghiệp có thể phải đối mặt với việc phá sản như một biện pháp cuối cùng để giải thoát trách nhiệm Các quy định về phá sản doanh nghiệp khác nhau tùy theo đặc trưng kinh tế của mỗi quốc gia, như quy định phá sản được nêu trong Luật phá sản tại Anh.
Theo Luật Doanh nghiệp 2002 và Luật Phá sản 2014, phá sản được chia thành hai giai đoạn: quản lý và thanh lý Doanh nghiệp được coi là mất khả năng thanh toán khi tổng nợ đến hạn vượt quá 750 GBP mà không có phản hồi từ công ty sau ba tuần yêu cầu thanh toán, hoặc khi tổng tài sản nhỏ hơn tổng nợ Tại Hoa Kỳ, Tòa án sẽ quyết định cơ cấu lại hoặc thanh lý tài sản theo Chương 7 và Chương 13 của Luật Phá sản Ở Việt Nam, doanh nghiệp chỉ được coi là phá sản khi Tòa án ra quyết định sau ba tháng không thanh toán nợ, nhằm bảo vệ quyền lợi của chủ nợ và tạo cơ hội cho doanh nghiệp khắc phục tình hình Phá sản không chỉ là dấu hiệu pháp lý về tình trạng tài chính mà còn nhằm ngăn chặn gian lận và bảo vệ quyền lợi của nhà đầu tư Trong quá trình thanh lý, tài sản sẽ được bán để trả nợ, với các tổ chức tín dụng được ưu tiên thanh toán trước Khác biệt trong khái niệm phá sản giữa các quốc gia đã dẫn đến nhiều nghiên cứu về mô hình dự báo phá sản, với các tiêu chí khác nhau như tình trạng tài chính, khả năng trả nợ và giá trị tài sản.
Theo Nguyễn Trọng Hòa (2007), các công ty gặp thất bại tài chính thường rơi vào tình trạng kiểm soát đặc biệt khi có thu nhập tích lũy âm liên tục trong hơn 2 năm, hoặc khi giá trị tài sản ròng trên cổ phiếu thấp hơn giá trị sổ sách Ngoài ra, tình trạng thu nhập âm trong một năm kèm theo vốn cổ phần thấp hơn vốn điều lệ, hoặc việc nhận cảnh báo liên tiếp từ kiểm toán viên cũng là những dấu hiệu cho thấy công ty đang gặp khó khăn tài chính.
Theo nghiên cứu năm 2009, doanh nghiệp sẽ gặp rủi ro phá sản khi không đủ khả năng thanh toán nghĩa vụ nợ, hoặc khi vốn hoạt động thuần liên tục ở mức âm; ngoài ra, nếu giá trị thị trường của doanh nghiệp thấp hơn tổng nợ phải trả cũng sẽ dẫn đến tình trạng này.
Phá sản không có một định nghĩa chính xác, nhưng nguyên nhân chính dẫn đến rủi ro này là khả năng thanh toán yếu kém, tức là công ty không thể thực hiện nghĩa vụ nợ Ở Việt Nam, việc áp dụng Luật Phá sản cho thấy rất ít công ty tuyên bố phá sản, dẫn đến khó khăn trong việc thu thập số liệu và kích cỡ mẫu cho phân tích Do đó, trong nghiên cứu này, các công ty phá sản sẽ được thay thế bằng các công ty bị hủy niêm yết bắt buộc trên HOSE do thua lỗ trong 3 năm liên tiếp hoặc tổng lỗ lũy kế vượt quá vốn chủ sở hữu theo báo cáo tài chính kiểm toán gần nhất, với trọng tâm chỉ vào hiệu quả hoạt động mà không xét đến vi phạm công bố thông tin hay thời gian nộp báo cáo tài chính.
Phân tích rủi ro phá sản thường dựa trên các yếu tố như mức độ thanh khoản, đòn bẩy tài chính, năng lực hoạt động, tốc độ tăng trưởng và chênh lệch dòng tiền thông qua các chỉ tiêu tài chính Nghiên cứu trong và ngoài nước đã chỉ ra rằng các chỉ tiêu tài chính đóng vai trò quan trọng trong việc đánh giá hiệu quả hoạt động và năng lực tài chính của doanh nghiệp Các nghiên cứu của Altman và cộng sự (1977, 2000, 2007) khẳng định rằng mô hình dự báo phá sản luôn bao gồm các chỉ tiêu phản ánh tình hình tài chính.
Rủi ro phá sản liên quan chặt chẽ đến khả năng thanh toán của doanh nghiệp, tức là khả năng sử dụng tài sản để đáp ứng nhu cầu thanh toán Doanh nghiệp có khả năng thanh toán cao là điều kiện cần thiết cho sự ổn định và phát triển, trong khi khả năng thanh toán thấp có thể dẫn đến phá sản Để đo lường mức độ thanh khoản, có thể sử dụng các chỉ tiêu như khả năng thanh toán tổng quát, khả năng thanh toán nhanh, khả năng thanh toán ngắn hạn, vốn hoạt động thuần ngắn hạn và vốn hoạt động thuần trên tổng tài sản Nghiên cứu của Altman (1968) cho thấy chỉ tiêu vốn hoạt động thuần trên tổng tài sản có giá trị nhất trong việc đánh giá rủi ro phá sản, điều này cũng được Merton (1974) xác nhận Tuy nhiên, không phải tất cả các chỉ tiêu thanh khoản đều có mối quan hệ rõ ràng với xác suất rủi ro phá sản của doanh nghiệp.
Một số công thức tính mức độ thanh khoản như sau:
Hệ số khả năng thanh toán nợ ngắn hạn được tính bằng tổng giá trị thuần tài sản ngắn hạn chia cho tổng nợ ngắn hạn Chỉ tiêu này phản ánh khả năng của doanh nghiệp trong việc thanh toán các khoản nợ ngắn hạn dựa trên giá trị tài sản ngắn hạn hiện có Hệ số càng cao cho thấy khả năng thanh toán nợ ngắn hạn của doanh nghiệp càng tốt, ngược lại, hệ số thấp có thể chỉ ra rủi ro tài chính.
Hệ số khả năng thanh toán nhanh được tính bằng Tiền và các khoản tương đương tiền chia cho Tổng nợ ngắn hạn, cho thấy khả năng thanh toán nhanh của doanh nghiệp đối với các khoản công nợ ngắn hạn Một chỉ tiêu cao cho thấy doanh nghiệp có khả năng thanh toán dồi dào, nhưng nếu duy trì lâu dài có thể dẫn đến tình trạng vốn bằng tiền nhàn rỗi, ứ động và hiệu quả sử dụng vốn thấp Ngược lại, chỉ tiêu thấp cho thấy doanh nghiệp không đủ khả năng thanh toán các khoản công nợ.
Vốn hoạt động thuần ngắn hạn được tính bằng tổng giá trị thuần của tài sản ngắn hạn trừ đi tổng số nợ ngắn hạn Khi vốn hoạt động thuần ngắn hạn cao, khả năng thanh toán của doanh nghiệp cũng tăng lên Tuy nhiên, nếu vốn hoạt động thuần quá cao, hiệu quả sử dụng vốn sẽ bị giảm Để phân tích chỉ tiêu này, cần so sánh giữa kỳ hiện tại và kỳ trước nhằm đánh giá quy mô, tốc độ tăng giảm và tác động đến khả năng thanh toán của doanh nghiệp.
Đòn bẩy tài chính là công cụ quan trọng để đánh giá khả năng thanh toán nợ của doanh nghiệp Khi doanh nghiệp gia tăng mức nợ, rủi ro mất khả năng trả nợ cũng tăng theo Các chỉ tiêu đòn bẩy tài chính có thể được tính toán bằng các công thức cụ thể, giúp doanh nghiệp quản lý rủi ro tài chính hiệu quả hơn.
Hệ số nợ so với tổng nguồn vốn được tính bằng cách chia nợ phải trả cho tổng số nguồn vốn, giúp xác định số đồng nợ trong mỗi đồng vốn tài trợ của doanh nghiệp Chỉ tiêu này càng thấp thì doanh nghiệp càng thể hiện tính chủ động trong hoạt động kinh doanh của mình.
Hệ số nợ so với tổng vốn chủ sở hữu được tính bằng tổng nợ phải trả chia cho tổng vốn chủ sở hữu, cho thấy cơ cấu nguồn tài trợ tài sản của doanh nghiệp Cụ thể, chỉ tiêu này cho biết mỗi đồng tài sản được tài trợ bằng vốn chủ sở hữu tương ứng với bao nhiêu đồng tài trợ bằng nợ phải trả Khi chỉ tiêu này càng thấp, điều đó chứng tỏ rằng phần lớn tài sản của doanh nghiệp được đầu tư từ vốn chủ sở hữu, từ đó tăng cường tính chủ động trong các quyết định kinh doanh.
Tối đa hóa lợi nhuận là mục tiêu quan trọng của mọi doanh nghiệp, do đó, khả năng sinh lợi luôn được các nhà phân tích chú trọng khi đánh giá rủi ro phá sản Khả năng sinh lợi phản ánh mức lợi nhuận đạt được trên mỗi đơn vị chi phí hoặc đầu ra, qua đó đánh giá hiệu quả sử dụng nguồn lực trong việc tạo ra lợi nhuận Lợi nhuận càng lớn giúp doanh nghiệp có khả năng thanh toán nợ, giảm thiểu rủi ro phá sản Các chỉ tiêu lợi nhuận như lợi nhuận sau thuế, lợi nhuận trước thuế và lợi nhuận trước thuế và lãi vay được sử dụng tùy thuộc vào mục đích phân tích, trong đó lợi nhuận sau thuế là phổ biến nhất Lợi nhuận sau thuế, sau khi đã bù đắp chi phí và nghĩa vụ với nhà nước, càng cao thì khả năng sinh lợi càng lớn, đồng nghĩa với hiệu quả kinh doanh cao Ngược lại, nếu lợi nhuận sau thuế trên mỗi đơn vị chi phí thấp, khả năng sinh lợi sẽ giảm, dẫn đến hiệu quả kinh doanh kém.
Phân tích năng lực hoạt động của doanh nghiệp là quá trình đánh giá hiệu quả sử dụng nguồn lực đầu vào để tạo ra kết quả kinh doanh Việc này không chỉ giúp hiểu rõ trình độ của các nhà quản lý mà còn là cơ sở quan trọng để cải thiện hoạt động doanh nghiệp Năng lực hoạt động kém có thể dẫn đến khó khăn tài chính và nguy cơ phá sản Công thức xác định năng lực hoạt động là một yếu tố thiết yếu trong quá trình này.
Mô hình dự báo rủi ro phá sản Altman
Rủi ro phá sản đã thu hút sự chú ý từ những năm 60 của thế kỷ trước, với nhiều nghiên cứu về mô hình dự báo phá sản doanh nghiệp, khởi đầu là nghiên cứu của William Beaver (1966) Beaver phân tích 30 tỷ số tài chính của các công ty có rủi ro phá sản và không, chia thành 5 nhóm chỉ tiêu: dòng tiền/tổng nợ, thu nhập ròng/tổng tài sản, tổng nợ/tổng tài sản, vốn hoạt động thuần/tổng tài sản và khả năng thanh toán Ông đã chọn 79 công ty phá sản từ 1954 đến 1964 và áp dụng phương pháp bắt cặp để so sánh với các công ty không kiệt quệ cùng ngành Kết quả cho thấy các công ty gặp khủng hoảng tài chính thường có ít tiền mặt, ít hàng tồn kho nhưng nhiều nợ phải thu, với 3 tỷ số chính là tổng nợ/tổng tài sản, thu nhập ròng/tổng tài sản và dòng tiền/tổng nợ, trong đó chỉ số dòng tiền/tổng nợ là quan trọng nhất Việc so sánh các chỉ số tài chính với mức trung bình của Beaver giúp xác định dấu hiệu khủng hoảng một cách đơn giản và tiết kiệm thời gian.
Edward I Altman (1968) cho rằng phương pháp xác định rủi ro phá sản của Beaver quá đơn giản và không phản ánh đầy đủ sự phức tạp của phá sản, vì không thể chỉ dựa vào một tỷ số tài chính đơn lẻ Khi các chỉ số mâu thuẫn, việc phân tích cũng trở nên khó khăn Để khắc phục nhược điểm này, Altman đã phát triển mô hình dự báo dựa trên phương pháp MDA, kết hợp 22 tỷ số tài chính từ 66 công ty trong lĩnh vực sản xuất, bao gồm 33 công ty đã phá sản và 33 công ty không phá sản Nhóm phá sản bao gồm các công ty đã nộp đơn theo chương 10 của Luật Phá sản Hoa Kỳ giai đoạn 1946-1965, với quy mô tài sản trung bình 6,4 triệu USD Nhóm không phá sản được chọn từ các công ty hoạt động bình thường đến năm 1966, với quy mô tài sản từ 1 triệu đến 25 triệu USD Altman đã loại bỏ các công ty có quy mô nhỏ do thiếu dữ liệu và lựa chọn 22 chỉ số tài chính từ bảng cân đối kế toán và báo cáo kết quả kinh doanh, phân thành 5 nhóm: thanh khoản, lợi nhuận, đòn bẩy, khả năng thanh toán và hoạt động Mặc dù nghiên cứu của Beaver (1976) chỉ ra rằng chỉ số dòng tiền/tổng nợ là chỉ số dự báo mạnh nhất, nhưng Altman không xem xét chỉ số này do thiếu dữ liệu nhất quán Từ 22 tỷ số, 5 chỉ số được chọn vì chúng thể hiện tốt nhất khả năng dự đoán phá sản công ty.
Mô hình điểm số Z được thiết lập như sau:
Trong đó: X1 = WC/TA = Vốn lưu động/Tổng tài sản
X2 = RE/TA = Lợi nhuận giữ lại/Tổng tài sản
X3 = EBIT/TA = Lợi nhuận trước thuế và lãi vay/Tổng tài sản
X4 = MVE/BVL = Giá trị thị trường vốn chủ sở hữu/Tổng nợ
X5 = S/TA = Tổng doanh thu/Tổng tài sản Để đánh giá rủi ro phá sản của các doanh nghiệp, chỉ số Z được so sánh với các điểm ngưỡng như sau:
Nếu Z > 2,99: doanh nghiệp trong vùng an toàn - chưa có rủi ro phá sản
Nếu 1,81 < Z < 2,99: doanh nghiệp trong vùng cảnh báo – có thể có rủi ro phá sản Nếu Z < 1,81: doanh nghiệp trong vùng nguy hiểm - có rủi ro phá sản cao
Mô hình Altman, ra đời vào năm 1968, đã đạt được độ chính xác 95% trong việc phân loại các công ty trong mẫu Nhờ vào khả năng dự đoán chính xác, chỉ số Z-score đã được áp dụng và phát triển rộng rãi tại nhiều quốc gia trên toàn thế giới.
Năm 1983, Altman phát triển mô hình dự báo phá sản thứ hai, trong đó biến X4 (giá trị thị trường của vốn chủ sở hữu/tổng nợ) được thay thế bằng giá trị sổ sách của vốn chủ sở hữu/tổng nợ Sự điều chỉnh này giúp mô hình mới có thể áp dụng cho cả các công ty không niêm yết trên thị trường chứng khoán Để phân biệt với mô hình Z-score được xây dựng từ năm 1968, mô hình này được gọi là mô hình đánh giá chỉ số Z’.
Trong đó X4 = giá trị sổ sách của vốn chủ sở hữu/tổng nợ; các biến số khác giống mô hình Z năm 1968 Các điểm ngưỡng cho chỉ số Z’ như sau:
Nếu Z’ > 2,9: doanh nghiệp trong vùng an toàn – chưa có rủi ro phá sản
Nếu 1,23 < Z’ < 2,9: doanh nghiệp trong vùng cảnh báo – có thể có rủi ro phá sản Nếu Z’ < 1,23: doanh nghiệp trong vùng nguy hiểm - có rủi ro phá sản cao
Năm 1995, Altman đã cải tiến mô hình dự báo phá sản được phát triển từ năm 1968, tạo ra một công cụ hữu ích cho các doanh nghiệp phi sản xuất Mô hình này có khả năng áp dụng cho hầu hết các ngành và loại hình doanh nghiệp khác nhau.
Giống như mô hình Z’, biến X4 trong mô hình Z’ sử dụng giá trị sổ sách của vốn chủ sở hữu, trong khi biến X5 không được áp dụng trong mô hình Z”, dẫn đến sự thay đổi hệ số của các biến khác so với mô hình Z’.
Các điểm ngưỡng cho chỉ số Z” như sau:
Nếu Z” > 2,6: doanh nghiệp trong vùng an toàn – chưa có rủi ro phá sản
Nếu 1,2 < Z” < 2,6: doanh nghiệp trong vùng cảnh báo - có thể có rủi ro phá sản Nếu Z” < 1,2: doanh nghiệp trong vùng nguy hiểm - có rủi ro phá sản cao
Mô hình Z-score là công cụ dễ áp dụng, phân loại doanh nghiệp theo nhiều tiêu chí như công ty niêm yết, không niêm yết, sản xuất và phi sản xuất Nó không chỉ dựa vào các chỉ số tài chính từ báo cáo mà còn xem xét các yếu tố bên ngoài như tỷ lệ giữa giá trị thị trường vốn chủ sở hữu và tổng nợ, phản ánh giá trị thị trường cổ phiếu Dù chủ yếu được sử dụng để phân loại doanh nghiệp có nguy cơ phá sản, mô hình Z-score cũng hữu ích trong việc đánh giá các công ty đang gặp rủi ro tài chính nhưng chưa đến mức phá sản (Bragg, 2002).
Tổng quan các công trình nghiên cứu
2.3.1 Các nghiên cứu ngoài nước
Nghiên cứu của Altman và cộng sự (2007) về tình trạng khó khăn tài chính của các công ty trên thị trường chứng khoán Trung Quốc xác định rằng các công ty gặp khó khăn tài chính thường bị đưa vào diện kiểm soát đặc biệt khi có dấu hiệu như thu nhập tích lũy âm trong hơn hai năm liên tiếp, giá trị tài sản ròng trên cổ phiếu thấp hơn giá trị sổ sách, thu nhập âm trong một năm với vốn cổ phần thấp hơn vốn điều lệ, hoặc nhận cảnh báo liên tục từ kiểm toán viên Nghiên cứu đã khảo sát 15 biến tài chính liên quan đến lợi nhuận, tính thanh khoản, khả năng thanh toán, hiệu quả quản lý tài sản, tăng trưởng bền vững và cơ cấu vốn, từ đó xây dựng mô hình dự báo rủi ro phá sản cho các công ty Trung Quốc.
Chỉ số Z được tính bằng các yếu tố như X6 (tổng nợ/tổng tài sản), X7 (lợi nhuận ròng/tổng tài sản), X8 (vốn hoạt động thuần/tổng tài sản) và X9 (lợi nhuận giữ lại/tổng tài sản) Nếu Z < 0,5, công ty có nguy cơ phá sản cao; nếu Z > 0,9, công ty được coi là an toàn Trong trường hợp 0,5 < Z < 0,9, công ty cần được theo dõi do có nguy cơ tài chính.
Ko (1982) đã phát triển mô hình Z-score nhằm xây dựng một mô hình dự báo riêng cho Nhật Bản, sử dụng dữ liệu nghiên cứu từ năm 1960 đến 1980 Kết quả nghiên cứu đã cung cấp một mô hình dự báo hiệu quả cho nền kinh tế Nhật Bản trong giai đoạn này.
Trong bài viết này, các chỉ số tài chính quan trọng được đề cập bao gồm: X1 là tỷ lệ EBIT trên doanh thu; X2 là tỷ lệ luân chuyển hàng tồn kho trong 2 năm so với 3 năm; X3 là độ lệch chuẩn của lợi nhuận; X4 là tỷ lệ vốn lưu động trên tổng nợ; và X5 là tỷ lệ giá trị thị trường trên tổng nợ Những chỉ số này giúp đánh giá hiệu quả tài chính và quản lý rủi ro của doanh nghiệp.
Fulmer (1984) áp dụng phương pháp phân tích phân biệt để đánh giá 40 chỉ tiêu tài chính của 80 công ty tại Mỹ, trong đó được chia thành hai nhóm: 40 công ty thành công và 40 công ty thất bại Nghiên cứu này nhằm xác định các yếu tố tài chính ảnh hưởng đến sự thành công hay thất bại của các doanh nghiệp.
Nghiên cứu về 40 công ty thành công đã phát triển một mô hình với độ chính xác 98% trong việc phân loại các công ty một năm trước khi thất bại, và đạt 81% độ chính xác so với một năm trước khi phá sản.
Hàm số 1,083V8 + 0,894V9 – 6,075 được xác định với các biến số như sau: V1 đại diện cho tỷ lệ lợi nhuận giữ lại so với tổng tài sản; V2 là tỷ lệ doanh thu so với tổng tài sản; V3 thể hiện lợi nhuận trước thuế và lãi vay so với vốn chủ sở hữu; V4 là tỷ lệ dòng tiền so với tổng nợ; và V5 là tỷ lệ nợ so với tổng tài sản.
V6 là tỷ lệ nợ ngắn hạn so với tổng tài sản; V7 là log của tổng tài sản hữu hình; V8 là tỷ lệ vốn hoạt động thuần so với tổng nợ; V9 là log của EBIT so với lãi Nếu H nhỏ hơn 0, công ty sẽ được phân loại theo tiêu chí nhất định.
Grice và Ingram (2001) đã kiểm tra tính hiệu quả của mô hình Z-score trong việc dự báo rủi ro phá sản của 148 công ty thất bại và 824 công ty ổn định tại Hoa Kỳ Nghiên cứu cho thấy độ chính xác của mô hình này đạt 57,6%, thấp hơn so với 83,5% mà Altman (1968) đã chứng minh Đặc biệt, độ chính xác trong dự báo khả năng phá sản của các công ty sản xuất (69,1%) cao hơn so với các công ty phi sản xuất (57,8%) khi áp dụng mô hình chỉ số này.
Pongsatat và cộng sự (2004) đã kiểm chứng mô hình Altman (1968) và Ohlson
Nghiên cứu được thực hiện vào năm 1980 với mẫu gồm 60 công ty phá sản và 60 công ty không phá sản tại Thái Lan trong giai đoạn 1988-2003 Kết quả cho thấy mô hình Altman có độ chính xác dự báo cao hơn so với mô hình Ohlson đối với các công ty phá sản.
Arindam Bandyopadhyay (2006) sử dụng cách tiếp cận logistic và chỉ số Z của
Altman để phát triển mô hình dự báo phá sản với khả năng phân loại cao đến 91% cho những công ty ở Ấn Độ:
Z = -2,337 + 0,736 (WK_TA) + 6,95 (CASHPROF_TA) + 0,864 (SOLVR) +
Trong nghiên cứu này, các chỉ số tài chính được phân tích bao gồm OPPROF_TA (lợi nhuận hoạt động/tổng tài sản) và SALES_TA (vòng quay vốn qua tổng doanh thu/tổng tài sản), với tổng giá trị là 7,554 + 1,544 Các chỉ số khác như WK_TA (vốn hoạt động thuần/tổng tài sản), CASHPROF_TA (lợi nhuận tiền mặt/tổng tài sản), và SOLVR (hệ số khả năng thanh toán) cũng được xem xét Phương pháp phân tích logit cho thấy, nếu chỉ số Z lớn hơn 0, công ty sẽ không gặp rủi ro phá sản, trong khi chỉ số MVE_BVL (giá trị thị trường của vốn chủ sở hữu/tổng nợ) cũng được sử dụng để đánh giá tình hình tài chính.
< 0 thì phá sản trong vòng một năm
Riesz và Perlich (2007) đã phát triển mô hình ước tính xác suất phá sản của công ty dựa trên các lựa chọn rào cản thương mại, so sánh với mô hình điểm số Z và Z’’ của Altman Nghiên cứu sử dụng dữ liệu từ 5.784 công ty trong ngành công nghiệp tại Châu Âu trong giai đoạn 1988 – 2002 Kết quả cho thấy mô hình điểm số Z và Z’’ hiệu quả hơn trong dự báo ngắn hạn (khoảng 1 năm) trước khi phá sản Tuy nhiên, đối với dự báo trung và dài hạn, mô hình lựa chọn rào cản thương mại tỏ ra vượt trội hơn so với mô hình Altman.
Pindado và cộng sự (2008) đã phát triển mô hình dự báo nguy cơ khánh kiệt tài chính FDL bằng phương pháp dữ liệu bảng, nghiên cứu trên 1.583 công ty Hoa Kỳ và 2.259 công ty từ các quốc gia G-7 trong giai đoạn 1990 - 2002 Mô hình Z-score được sử dụng làm khung chuẩn, cho thấy mô hình FDL có độ ổn định và khả năng phân loại quốc gia cùng các thời kỳ khác nhau vượt trội hơn Khi ước lượng lại mô hình Z-score, chỉ có khả năng sinh lợi và lợi nhuận giữ lại vẫn giữ được mức ý nghĩa cho các năm và các quốc gia khác nhau.
Nikolaos G (2009) đã áp dụng mô hình Z-score để đánh giá 373 doanh nghiệp xây dựng tại Hy Lạp, kết luận rằng công cụ này rất hữu ích trong việc quản lý, điều hành và thực hiện tái cấu trúc hoặc sáp nhập công ty, đặc biệt khi doanh nghiệp có khả năng cải thiện tình hình tài chính trong thời gian ngắn.
Wu và cộng sự (2010) đánh giá hiệu quả 5 mô hình (Altman, 1968; Ohlson,
Nghiên cứu của Zmijewski (1984), Shumway (2001) và Hillegeist cùng các cộng sự (2004) đã sử dụng dữ liệu cập nhật mới nhất từ các công ty niêm yết tại Hoa Kỳ để phát triển mô hình tích hợp kết hợp giữa dữ liệu kế toán, dữ liệu thị trường và các đặc điểm của doanh nghiệp Kết quả cho thấy mô hình Z-score có hiệu quả kém hơn so với bốn mô hình khác.
Edward.I.Altman, Alessandro Danovi và Alberto Falini (2010) đã ứng dụng mô hình Z-score để phân tích chỉ số tài chính của các công ty Ý giai đoạn 2000 đến
PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu
3.1.1 Thiết lập mô hình nghiên cứu Để ước lượng mô hình dự đoán phá sản, bốn kỹ thuật thống kê thường được sử dụng gồm logit, probit, xác suất tuyến tính và phân tích biệt số Tuy nhiên, Altman và Saunders (1998) sử dụng phương pháp phân tích biệt số và xem đây là kỹ thuật hàng đầu thế giới, chiếm ưu thế trong tất cả bốn phương pháp thống kê vì nó có khả năng tiên đoán tương đối cao trong dự báo phá sản
Phương pháp phân tích biệt số, lần đầu tiên được áp dụng vào những năm 1930, chủ yếu trong khoa học hành vi và sinh vật học, đã dần mở rộng sang các lĩnh vực tài chính như định mức tín dụng khách hàng và phân loại đầu tư Đây là một phương pháp thống kê giúp phân loại quan sát vào các nhóm độc lập dựa trên những đặc điểm riêng biệt của chúng.
Nó được sử dụng để phân loại hoặc dự báo những vấn đề mà biến độc lập xuất hiện ở dạng định tính
Phương pháp phân tích biệt số mang lại lợi ích nổi bật trong việc phân loại nhờ khả năng phân tích đồng thời toàn bộ biến, thay vì kiểm định từng đặc trưng riêng lẻ Trong bối cảnh có hai nhóm, yếu tố dự báo được xác định thông qua giá trị D cho mỗi trường hợp sử dụng chức năng phân biệt Các trường hợp có giá trị nhỏ hơn D sẽ được phân loại vào một nhóm, trong khi những giá trị lớn hơn sẽ thuộc nhóm khác Trọng tâm nhóm được xác định bởi giá trị trung bình của chỉ số phân biệt cho một loạt biến độc lập, với số trọng tâm tương ứng với số nhóm, và điểm gãy là giá trị trung bình của hai trọng điểm Nhờ những ưu điểm này, phương pháp phân tích biệt số được coi là phù hợp nhất trong nghiên cứu phá sản.
Trong nghiên cứu này, tác giả áp dụng phương pháp phân tích phân biệt để so sánh hai nhóm công ty: một nhóm có rủi ro phá sản và một nhóm không có rủi ro phá sản Chỉ số phân biệt Z được sử dụng để ước lượng mức độ rủi ro phá sản của các công ty, trong đó giá trị Z thấp hơn tương ứng với xác suất phá sản cao hơn của công ty.
Sau khi phân tích ba phiên bản chỉ số Z, Z’ và Z”, dựa trên các lý thuyết và nghiên cứu đã được tổng hợp trong chương 2, tác giả đã quyết định lựa chọn mô hình chỉ số phù hợp nhất.
Mô hình Z-score của Altman (1968) được áp dụng để kiểm định các doanh nghiệp niêm yết tại Việt Nam, đặc biệt trong lĩnh vực sản xuất kinh doanh Chỉ số Z cho thấy tính chính xác cao và phù hợp với đặc trưng của thị trường mới nổi như Việt Nam Luận văn này kế thừa các nghiên cứu trước để xây dựng mô hình dự báo thích hợp cho các công ty niêm yết, nhằm đáp ứng mục tiêu nghiên cứu ban đầu.
Zit = β0 + β1WC_TA+ β2RE_TA + β3EBIT_TA+ β4MVE_BVL + β5S_TA + μit
Zit: biến phụ thuộc mô tả tình trạng rủi ro phá sản của công ty i tại thời điểm t β0: hệ số chặn β1, β2, β3, β4, β5 : hệ số phân biệt
WC_TA, RE_TA, EBIT_TA, MVE_BVL, S_TA : các biến độc lập μit: số hạng sai số; i: công ty thứ i, i = 1,…, 230; t: năm nghiên cứu
Các biến độc lập được thu thập từ báo cáo tài chính của doanh nghiệp, trong khi biến phụ thuộc Z được tính toán cho từng công ty để so sánh với điểm phân biệt do mô hình xác định Nếu chỉ số Z của công ty vượt qua điểm phân biệt, công ty sẽ được dự báo không gặp rủi ro phá sản trong tương lai Ngược lại, nếu chỉ số Z thấp hơn điểm phân biệt, công ty sẽ đối mặt với rủi ro phá sản.
Dale Southerton (2011) chỉ ra rằng điểm phân biệt được tính như sau:
ZCE = (N0Z0 + N1Z1)/(N0 + N1) Trong đó: ZCE: điểm phân biệt
N0: số quan sát thuộc nhóm rủi ro phá sản trong mẫu
N1: số quan sát thuộc nhóm không rủi ro phá sản trong mẫu
Z0: trung bình giá trị biệt số thuộc nhóm rủi ro phá sản
Theo Burns (2008), để đảm bảo mô hình có ý nghĩa, cần kiểm định hai giả thiết: thứ nhất, trung bình giá trị biệt số giữa các nhóm không rủi ro phá sản không bằng nhau; thứ hai, phương sai giữa các nhóm phải bằng nhau.
3.1.2 Các biến trong mô hình nghiên cứu
Biến phụ thuộc (Z) là một biến định tính phản ánh tình trạng tài chính của doanh nghiệp, với hai giá trị nhị phân: 0 thể hiện có rủi ro phá sản và 1 thể hiện không có rủi ro phá sản.
Biến độc lập trong nghiên cứu tài chính là các chỉ số quan trọng, bao gồm 5 biến do Altman (1968) đề xuất Những biến này được trích xuất từ các mục khác nhau trong bảng cân đối kế toán, báo cáo kết quả kinh doanh và phần thuyết minh báo cáo tài chính của doanh nghiệp.
Thanh khoản đóng vai trò quan trọng trong hiệu quả hoạt động và rủi ro tín dụng của doanh nghiệp Thiếu thanh khoản có thể dẫn đến mất cơ hội lợi nhuận, hạn chế khả năng điều hành, và thậm chí gây ra tình trạng kiệt quệ tài chính hoặc phá sản Ngược lại, thanh khoản giúp doanh nghiệp linh hoạt trong môi trường thay đổi Do đó, tính thanh khoản được coi là biến độc lập trong mô hình dự báo phá sản của các nhà nghiên cứu như Altman (1968) và Zhang (2007), cho thấy nó ảnh hưởng đến xác suất rủi ro phá sản Trong nghiên cứu này, khả năng thanh khoản được đo qua hệ số vốn lưu động trên tổng tài sản (WC_TA), phản ánh độ thanh khoản ròng của tài sản so với tổng vốn Vốn lưu động là chênh lệch giữa tài sản ngắn hạn và nợ ngắn hạn; khi doanh nghiệp gặp khó khăn, tài sản ngắn hạn thường giảm, dẫn đến tăng nguy cơ phá sản, như đã chỉ ra bởi Merton (1974) và Beaver (1966).
Giả thuyết nghiên cứu: kỳ vọng vốn lưu động/tổng tài sản tác động ngược chiểu với nguy cơ xảy ra rủi ro phá sản của công ty
Hệ số vòng quay tổng tài sản là chỉ số quan trọng để đánh giá hiệu quả sử dụng tài sản của công ty, được tính bằng công thức: Doanh thu thuần chia cho Tổng tài sản Chỉ số này cho thấy mỗi đồng tài sản tạo ra bao nhiêu doanh thu; hệ số càng cao, hiệu quả sử dụng tài sản càng tốt Tuy nhiên, để đánh giá chính xác, cần so sánh với hệ số vòng quay tài sản bình quân trong ngành, giúp xác định năng lực quản lý trong điều kiện cạnh tranh Mặc dù tỷ số doanh thu bán hàng thuần trên tổng tài sản có ý nghĩa thấp nhất trong mô hình, nhưng nó vẫn là một trong những tỷ số quan trọng nâng cao khả năng phân biệt của mô hình Nghiên cứu của Eljelly và cộng sự (2001) cho thấy rằng việc sử dụng hiệu quả nguồn lực dẫn đến lợi nhuận cao hơn và giảm nguy cơ phá sản.
Giả thuyết nghiên cứu: kỳ vọng doanh thu thuần/tổng tài sản tác động ngược chiểu với nguy cơ xảy ra phá sản của công ty
Lợi nhuận hoạt động phản ánh hiệu quả sử dụng các yếu tố trong quá trình sản xuất kinh doanh để tạo ra lợi nhuận cho doanh nghiệp Nghiên cứu này áp dụng hai chỉ số quan trọng là lợi nhuận giữ lại trên tổng tài sản (RE_TA) và lợi nhuận trước thuế và lãi vay trên tổng tài sản (EBIT_TA) để đo lường hiệu suất tài chính.
Lợi nhuận giữ lại trên tổng tài sản (RE_TA) phản ánh tổng số lợi nhuận tái đầu tư hoặc tổn thất của công ty trong suốt quá trình hoạt động, cho thấy mức thặng dư phát sinh và phụ thuộc vào tái cấu trúc và chính sách cổ tức Chỉ số này là thước đo lợi nhuận tích lũy theo thời gian, với các công ty trẻ thường có chỉ số RE_TA thấp do chưa tích lũy đủ lợi nhuận, dẫn đến nguy cơ phá sản cao hơn Theo Dun và Bradstreet (1994), khoảng 50% số công ty sẽ phá sản trong 1 đến 5 năm đầu Ngoài ra, chỉ số RE_TA cũng phản ánh khả năng tài trợ tài sản bằng lợi nhuận giữ lại, cho thấy công ty không cần sử dụng nhiều nợ.
Giả thuyết nghiên cứu: kỳ vọng lợi nhuận giữ lại trên tổng tài sản tác động ngược chiểu với nguy cơ xảy ra phá sản của công ty
Lợi nhuận trước thuế và lãi vay trên tổng tài sản (EBIT_TA) là chỉ số quan trọng phản ánh khả năng sinh lợi cơ bản của công ty, không bị ảnh hưởng bởi thuế và lãi vay Tỷ số EBIT_TA cao cho thấy hiệu quả hoạt động kinh doanh tốt Theo Gu (2002), các công ty liên tục thua lỗ có nguy cơ cao dẫn đến phá sản.
Dữ liệu nghiên cứu
Mẫu nghiên cứu bao gồm các công ty niêm yết trên HOSE có báo cáo tài chính đã được kiểm toán công khai từ năm 2011 đến 2018 và đủ dữ liệu tài chính cho nghiên cứu Mô hình Z-score có độ tin cậy thấp trong việc dự báo rủi ro phá sản của các định chế tài chính do đặc thù trong cách hạch toán nợ của ngân hàng và công ty chứng khoán, khiến các biến độc lập không phản ánh đúng bản chất tài chính của loại hình này Do đó, danh sách công ty được chọn sẽ loại trừ các công ty thuộc ngành tài chính - ngân hàng.
Mẫu nghiên cứu được chia thành hai nhóm: nhóm công ty có rủi ro phá sản và nhóm công ty không có rủi ro phá sản Các công ty niêm yết sẽ được xếp vào nhóm có rủi ro phá sản khi bị hủy niêm yết bắt buộc, thường xảy ra khi công ty rơi vào tình trạng kiệt quệ tài chính Tuy nhiên, việc hủy niêm yết không đồng nghĩa với việc công ty chắc chắn gặp rủi ro phá sản, vì có thể do thay đổi chiến lược quản lý tài chính hoặc vi phạm công bố thông tin Trong nghiên cứu này, công ty được xác định có rủi ro phá sản nếu bị hủy niêm yết do thua lỗ trong ba năm liên tiếp hoặc tổng số lỗ lũy kế vượt quá vốn chủ sở hữu theo báo cáo tài chính được kiểm toán gần nhất Ngược lại, những công ty có chứng khoán giao dịch bình thường sẽ được xếp vào nhóm không có rủi ro phá sản.
Sau khi xác định mẫu nghiên cứu, tác giả tiến hành thu thập dữ liệu từ các công ty liên quan đến các biến độc lập trong mô hình trong khoảng thời gian khác nhau Mục tiêu là đánh giá khả năng dự báo rủi ro phá sản dựa trên thông tin trong quá khứ, với dữ liệu được thu thập trong vòng 3 năm trước khi công ty bị hủy niêm yết Nếu công ty gặp rủi ro phá sản vào năm t, dữ liệu sẽ được thu thập từ năm t-1 Nghiên cứu này sử dụng các quan sát tại 3 thời điểm: 1 năm (t-1), 2 năm (t-2) và 3 năm (t-3) trước khi công ty bị hủy niêm yết.
3) Ví dụ trong mẫu ước lượng, dữ liệu nghiên cứu của công ty bị hủy niêm yết năm
Dữ liệu nghiên cứu của công ty bị hủy niêm yết sẽ được thu thập theo từng giai đoạn ba năm Cụ thể, dữ liệu của năm 2016 sẽ được thu thập từ 2015 đến 2013, dữ liệu năm 2015 từ 2014 đến 2012, và dữ liệu năm 2014 từ 2013 trở về trước.
Trong nghiên cứu mô hình dự báo, bộ mẫu nghiên cứu thường được chia thành mẫu ước lượng và mẫu kiểm định để đảm bảo tính khoa học Mẫu ước lượng được sử dụng để ước lượng hệ số và xây dựng mô hình, trong khi mẫu kiểm định dùng để kiểm tra khả năng dự báo của mô hình Tuy nhiên, do hạn chế về số lượng mẫu, tác giả không chia thành hai phần mà sử dụng bộ mẫu ước lượng để kiểm tra lại khả năng dự báo Mẫu ước lượng sẽ được nghiên cứu trong giai đoạn 2011-2016, và mô hình sẽ được kiểm tra lại trong giai đoạn 2017-2018 Danh sách công ty cùng mã chứng khoán được chọn vào mẫu trong 3 năm được trình bày trong phụ lục 1.
KẾT QUẢ NGHIÊN CỨU
Kết quả thống kê mô tả biến
Bảng 4.1: Thống kê mô tả các biến độc lập của mô hình
Biến Trung bình Độ lệch chuẩn
Trong bảng số liệu, tỷ lệ vốn lưu động trên tổng tài sản dao động từ 0,2190 đến 0,2319, cho thấy sự khác biệt trong khả năng thanh khoản của các doanh nghiệp Tỷ lệ lợi nhuận giữ lại trên tổng tài sản nằm trong khoảng từ 0,0235 đến 0,0897, phản ánh khả năng tái đầu tư của doanh nghiệp Lợi nhuận trước thuế và lãi vay trên tổng tài sản có giá trị từ 0,0855 đến 0,1168, cho thấy hiệu quả hoạt động kinh doanh Cuối cùng, giá trị thị trường vốn chủ sở hữu trên tổng nợ có sự chênh lệch lớn, từ 2,8647 đến 14,0288, cho thấy sự khác biệt về sức mạnh tài chính giữa các doanh nghiệp.
Tổng doanh thu/Tổng tài sản 0,9901 0,9105 0,0010 8,0957
Nguồn: Kết quả phân tích từ phần mềm SPSS Bảng 4.2: Thống kê mô tả các biến độc lập của hai nhóm
Nhóm rủi ro phá sản Nhóm không rủi ro phá sản
Trung bình Độ lệch chuẩn
Trung bình Độ lệch chuẩn
Tổng tài sản có sự biến động với các giá trị từ -0,0088 đến 1,2914, cho thấy sự dao động đáng kể trong tài chính Lợi nhuận giữ lại trên tổng tài sản dao động từ -1,5874 đến 0,2821, cho thấy một số công ty gặp khó khăn trong việc duy trì lợi nhuận Tỷ lệ lợi nhuận trước thuế và lãi vay trên tổng tài sản cũng phản ánh sự không ổn định với giá trị từ -1,5872 đến 0,9970 Trong khi đó, giá trị thị trường vốn chủ sở hữu trên tổng nợ cho thấy sự khác biệt lớn, với mức cao nhất đạt 326,9052, cho thấy một số công ty có sự ổn định tài chính tốt hơn so với những công ty khác.
Nguồn: Kết quả phân tích từ phần mềm SPSS
Trước khi tiến hành phân tích mô hình dự báo, việc thực hiện các thống kê mô tả là cần thiết để đánh giá sơ bộ đối tượng nghiên cứu Bảng 4.1 và 4.2 trình bày thống kê mô tả về giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất của các biến độc lập trong mô hình Nhìn chung, giá trị trung bình của hai nhóm công ty có và không có rủi ro phá sản tương đối khác nhau, với giá trị trung bình của nhóm công ty có rủi ro phá sản thấp hơn, thậm chí có thể âm so với nhóm không có rủi ro.
Vốn lưu động trên tổng tài sản (WC_TA) của các công ty trong mẫu có giá trị trung bình là 0,2190 với độ lệch chuẩn 0,2319 Giá trị thấp nhất ghi nhận là -0,5279 từ CTCP Lương thực thực phẩm Vĩnh Long năm 2015, trong khi giá trị cao nhất đạt 1,2914 từ CTCP TIE.
Năm 2014 cho thấy sự khác biệt rõ rệt về hệ số thanh khoản ngắn hạn giữa các công ty thuộc các lĩnh vực khác nhau Sự khác biệt này có thể được lý giải bởi sự khác nhau về tài sản ngắn hạn và mức độ sử dụng nợ ngắn hạn trong cấu trúc nợ của từng công ty.
Giá trị trung bình của các công ty có rủi ro phá sản thấp hơn so với các công ty không rủi ro phá sản, cho thấy rằng các công ty này gặp khó khăn trong việc tạo ra doanh thu từ hoạt động kinh doanh Các công ty rủi ro phá sản thường có tính thanh khoản tài sản thấp hơn và sử dụng nhiều nợ, trong khi dòng tiền từ hoạt động sản xuất không đủ hoặc bị lỗ, dẫn đến khó khăn trong việc chi trả lãi vay Điều này tiềm ẩn nguy cơ rủi ro tài chính khi công ty không có đủ tiền để thanh toán Ngược lại, các công ty không rủi ro phá sản có sức khỏe tài chính tốt hơn và khả năng đảm bảo nghĩa vụ thanh toán cao hơn.
Vòng quay tổng tài sản (S_TA) có giá trị trung bình là 0,9901 với độ lệch chuẩn 0,9105 Giá trị nhỏ nhất ghi nhận được là 0,0010 từ CTCP đầu tư và công nghiệp Tân tạo năm 2013, trong khi giá trị lớn nhất đạt 8,0957 từ CTCP thương nghiệp Cà Mau cùng năm Kết quả cho thấy rằng các công ty có rủi ro phá sản có vòng quay tài sản thấp hơn so với các công ty không có rủi ro, đồng thời có sự khác biệt đáng kể giữa các công ty và trong các giai đoạn hoạt động.
Lợi nhuận giữ lại trên tổng tài sản (RE_TA) có giá trị trung bình là 0,2346 với độ lệch chuẩn 0,0897, trong đó giá trị nhỏ nhất đạt -1,5874 (CTCP thiết bị y tế Việt Nhật năm 2015) và giá trị lớn nhất là 0,2821 (CTCP MHC năm 2014) Trong khi đó, lợi nhuận sau thuế và lãi vay trên tổng tài sản (EBIT_TA) có giá trị trung bình là 0,0855, độ lệch chuẩn 0,1168, với giá trị nhỏ nhất là -1,5872 (CTCP thiết bị y tế Việt Nhật năm 2015).
Vào năm 2015, giá trị lớn nhất đạt 0,9970 (CTCP tập đoàn Kido) Các công ty có nguy cơ phá sản thường có giá trị trung bình thấp hoặc âm, điều này cho thấy hiệu quả kinh doanh của họ không cao và tình hình hoạt động đang gặp nhiều khó khăn.
Giá trị thị trường vốn chủ sở hữu trên tổng nợ có giá trị trung bình là 2,8647 với độ lệch chuẩn 14,0288, cho thấy sự biến động lớn giữa các quan sát Giá trị nhỏ nhất ghi nhận là 0,0211 từ CTCP dược phẩm Vimedimex năm 2013, trong khi giá trị lớn nhất đạt 326,9052 từ CTCP khai thác và chế biến khoáng sản Lào Cai cùng năm.
Phân tích tương quan
Để kiểm tra đa cộng tuyến giữa các biến độc lập trong mô hình, luận văn sử dụng ma trận hệ số tương quan Hệ số tương quan lớn cho thấy mối quan hệ chặt chẽ giữa hai biến, trong khi hệ số nhỏ cho thấy tính độc lập của các biến dự báo, từ đó nâng cao độ tin cậy của kết quả ước lượng Hệ số dương biểu thị tương quan cùng chiều, trong khi hệ số âm cho thấy quan hệ ngược chiều giữa các cặp biến dự báo.
Khi các biến độc lập trong mô hình có mối quan hệ cộng tuyến hoàn hảo, việc ước lượng mô hình trở nên không khả thi Sự gia tăng mức độ đa cộng tuyến dẫn đến sự không ổn định của các ước lượng hệ số, đồng thời làm phóng đại sai số chuẩn của các hệ số Hệ quả là đa cộng tuyến không chỉ làm tăng nguy cơ mắc sai lầm loại II mà còn gây khó khăn trong việc phát hiện tác động của nó.
Bảng 4.3 trình bày ma trận hệ số tương quan của mô hình, thể hiện mối quan hệ giữa các cặp biến độc lập Hệ số tương quan giữa các biến độc lập dưới 0,8 cho thấy mối liên hệ giữa chúng không chặt chẽ, điều này chỉ ra rằng không có hiện tượng đa cộng tuyến nghiêm trọng xảy ra.
Bảng 4.3: Ma trận hệ số tương quan của các biến độc lập trong mô hình
Vốn lưu động/Tổng tài sản
Lợi nhuận giữ lại/Tổng tài sản
Lợi nhuận trước thuế và lãi vay/Tổng tài sản
Giá trị thị trường vốn chủ sở hữu/Tổng nợ
Tổng doanh thu/Tổng tài sản
Vốn lưu động/Tổng tài sản 1
Lợi nhuận giữ lại/Tổng tài sản 0,235 1
Lợi nhuận trước thuế và lãi vay/Tổng tài sản 0,281 0,739 1
Giá trị thị trường vốn chủ sở hữu/Tổng nợ 0,191 0,370 0,117 1
Tổng doanh thu/Tổng tài sản -0,094 0,090 0,164 -0,049 1
Nguồn: Kết quả phân tích từ phần mềm SPSS
Kiểm định đa cộng tuyến
Kết quả ma trận tương quan trong mục 4.3 cho thấy mối quan hệ giữa các biến độc lập trong mô hình không chặt chẽ, cho thấy hiện tượng đa cộng tuyến không nghiêm trọng Tuy nhiên, để đảm bảo mô hình không gặp phải khuyết tật đa cộng tuyến, tác giả đã xem xét thêm giá trị độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance Inflation Factor - VIF) cho từng biến trong mô hình.
Bảng 4.4: Hệ số phóng đại phương sai của các biến độc lập trong mô hình
Vốn lưu động/Tổng tài sản 1,138 0,878
Lợi nhuận giữ lại/Tổng tài sản 3,445 0,290
Lợi nhuận trước thuế và lãi vay/Tổng tài sản 3,650 0,274
Giá trị thị trường vốn chủ sở hữu/Tổng nợ 1,060 0,944
Tổng doanh thu/Tổng tài sản 1,062 0,942
Kết quả phân tích từ phần mềm SPSS cho thấy hệ số VIF của các biến trong bảng 4.4 đều nhỏ hơn 10, và sai số cho phép lớn hơn 0,1 Do đó, có thể kết luận rằng không tồn tại hiện tượng đa cộng tuyến trong mô hình trong ba năm trước dự báo (Ulrich).
Kết quả phân tích biệt số
Tác giả ước lượng hệ số của mô hình dự báo rủi ro phá sản thông qua phương pháp phân tích biệt số với bốn mô hình: mô hình 1 dự đoán rủi ro trong 1 năm, mô hình 2 trong 2 năm, mô hình 3 trong 3 năm, và mô hình 4 dự đoán rủi ro trung bình trong 3 năm Mục tiêu là phân tích tác động của các biến độc lập đến nguy cơ rủi ro phá sản qua các năm, đồng thời so sánh kết quả giữa mô hình 3 năm và từng năm Kết quả phân tích cho thấy hệ số chưa chuẩn hóa phản ánh tầm quan trọng của các biến, với giá trị tuyệt đối cao hơn đồng nghĩa với khả năng dự báo tốt hơn của mô hình.
Bảng 4.5: Hệ số chưa chuẩn hóa của mô hình Biến nghiên cứu
Mô hình 1 Mô hình 2 Mô hình 3 Mô hình 4 β p-value β p-value β p-value β p-value WC_TA 2,876 0,000 1,527 0,001 0,892 0,001 2,421 0,000 RE_TA 7,078 0,000 20,114 0,000 19,444 0,000 11,872 0,000 EBIT_TA 1,443 0,000 3,006 0,000 3,252 0,000 2,382 0,000 MVE_BVL -0,014 0,417 -0,013 0,235 0,004 0,641 0,002 0,268 S_TA 0,196 0,376 -0,005 0,624 -0,013 0,608 0,082 0,630
Kết quả phân tích từ phần mềm SPSS cho thấy các hệ số chưa chuẩn hóa của hàm phân biệt trong bảng 4.5 Các biến có hệ số lớn hơn sẽ đóng góp nhiều hơn vào khả năng phân biệt của mô hình Cụ thể, lợi nhuận sau thuế và lãi vay trên tổng tài sản trong mô hình 3 có hệ số ước lượng là 3,252, nhưng giảm xuống 1,443 trong mô hình 1 năm, cho thấy rằng khi số năm dự đoán giảm, tỷ số này ít đóng góp vào khả năng dự báo rủi ro phá sản Ngược lại, tỷ số vốn lưu động trên tổng tài sản lại có sự gia tăng đáng kể trong khả năng dự báo, với hệ số ước lượng trong mô hình 3 là 0,892 và tăng lên 2,876 trong mô hình 1.
Quan sát từ bảng 4.5 cho thấy tỷ số lợi nhuận giữ lại trên tổng tài sản là yếu tố có ảnh hưởng lớn nhất đến khả năng phân biệt, tiếp theo là vốn lưu động trên tổng tài sản và lợi nhuận sau thuế và lãi vay trên tổng tài sản Tất cả bốn mô hình đều có giá trị p-value cho các biến này dưới 0,05, cho thấy ý nghĩa thống kê với p-value là 0,000 Ngược lại, biến giá trị thị trường vốn chủ sở hữu trên tổng nợ và tổng doanh thu trên tổng tài sản có p-value lớn hơn 0,05, do đó không có ý nghĩa thống kê và sẽ được loại bỏ khỏi mô hình dự báo.
Kiểm định phương sai sai số thay đổi
Trong phân tích biệt số, giả thiết về sự đồng nhất của các ma trận phương sai-hiệp phương sai được đưa ra (Burns, 2008) Giả thiết H0 cho rằng các ma trận hiệp phương sai giữa các nhóm do biến phụ thuộc xác định là bằng nhau, với mức ý nghĩa 5% Tác giả đã áp dụng kiểm định Box’s M để kiểm tra giả thiết này, và kết quả được trình bày trong bảng sau.
Bảng 4.6: Kết quả kiểm định phương sai nhóm
Biến phụ thuộc Kiểm định tổng thể phương sai của hai nhóm
Nguồn: Kết quả phân tích từ phần mềm SPSS
Kết quả phân tích cho thấy F = 16,221 với p-value = 0,000, dẫn đến việc bác bỏ giả thuyết H0, cho thấy phương sai của hai nhóm là khác nhau Tuy nhiên, theo Burns (2008), với cỡ mẫu lớn, sự khác biệt trong phương sai giữa hai nhóm không được coi là quá quan trọng.
Đánh giá độ tin cậy của mô hình
Trước khi đánh giá khả năng dự báo rủi ro phá sản của mô hình, cần xem xét giá trị Eigenvalue để đánh giá khả năng giải thích của mô hình, cùng với tiêu chuẩn Wilks’ Lambda để xác định ý nghĩa của hàm phân biệt Kết quả tính toán các hệ số này được trình bày trong bảng 4.7 và 4.8.
Eigenvalue là tỷ số giữa các độ lệch chuẩn bình phương của các nhóm và độ lệch bình phương trong nội bộ nhóm Một giá trị Eigenvalue lớn cho thấy khả năng phân biệt giữa các nhóm càng tốt.
Hệ số tương quan gần 1 cho thấy mối tương quan mạnh mẽ giữa các biến Hệ số tương quan chuẩn phản ánh sự liên kết giữa các biến độc lập và hàm phân biệt, cho thấy tỷ lệ phương sai của biến phụ thuộc được giải thích, được tính bằng bình phương của hệ số tương quan chuẩn.
Nghiên cứu này phân tích dữ liệu trong 3 năm từ hai nhóm công ty: một nhóm có rủi ro phá sản và một nhóm không có rủi ro phá sản Phân tích biệt số được thực hiện để xác định các biến tài chính có ý nghĩa, đồng thời loại trừ những biến không có ý nghĩa.
Bảng 4.7: Kết quả hệ số Eigenvalues của mô hình nghiên cứu Giá trị
Eigenvalue Phương sai Lũy kế % Hệ số tương quan
Bảng 4.7 cho thấy giá trị Eigenvalue của mô hình là 0,133, chiếm 100% phương sai giải thích Hệ số tương quan chuẩn là 0,133, với bình phương hệ số này đạt 0,343, cho thấy mô hình giải thích 11,76% phương sai của biến phụ thuộc.
Bảng 4.8: Kết quả hệ số Wilks’lambda của mô hình nghiên cứu
Hệ số Wilks’Lambda Chi-square Bậc tự do Ý nghĩa thống kê
Kết quả phân tích từ phần mềm SPSS cho thấy, để xác định mức ý nghĩa của hàm phân biệt, giả thuyết H0 là tổng thể các trung bình của các hàm phân biệt trong tất cả các nhóm là bằng nhau Đại lượng Wilks’ Lambda, tỷ số giữa các độ lệch bình phương trong nội bộ nhóm và tổng các độ lệch bình phương toàn bộ, có giá trị nằm trong khoảng từ 0 đến 1 Nếu giá trị Wilks’ Lambda càng gần 1, điều này cho thấy các trung bình nhóm dường như không khác nhau Bảng 4.8 thể hiện kết quả tính toán hệ số Wilks’ Lambda của mô hình.
Kết quả từ bảng 4.8 cho thấy, giá trị Wilks’ Lambda là 0,882 tương ứng với giá trị Chi-square là 79,103 với 5 bậc tự do Mô hình có ý nghĩa thống kê với p-value là 0,000, nhỏ hơn mức ý nghĩa 5%, đủ cơ sở để bác bỏ giả thuyết H0 Do đó, có thể kết luận rằng sự phân biệt này có ý nghĩa thống kê ở mức 5% và tiến hành giải thích kết quả.
Để kiểm định khả năng dự báo của mô hình, việc xác định điểm phân biệt là rất quan trọng Điểm phân biệt giúp phân loại công ty vào nhóm có nguy cơ rủi ro phá sản hay không thông qua việc so sánh điểm số Z của công ty với điểm phân biệt (ZCE) Nếu điểm Z nhỏ hơn ZCE, công ty đang tiến gần đến vùng có rủi ro phá sản; ngược lại, nếu điểm Z lớn hơn ZCE, công ty không gặp nguy cơ này.
Công ty ZCE đang tiến gần đến khu vực không còn rủi ro phá sản Theo công thức tính điểm phân biệt được trình bày trong chương 3, điểm ZCE của mô hình nghiên cứu được xác định là -0,003.
Bảng 4.9: Kết quả tính toán điểm phân biệt của mô hình nghiên cứu
Có rủi ro phá sản -1,559
-0,003 Không có rủi ro phá sản 0,085
Kết quả phân tích từ phần mềm SPSS cho thấy rằng các quan sát có biệt số tính toán từ hàm phân biệt lớn hơn -0,003 cho thấy công ty đang tiến gần đến khu vực không phá sản Nếu biệt số lớn hơn 0,085, công ty chắc chắn thuộc nhóm không phá sản Ngược lại, các quan sát có biệt số nhỏ hơn -0,003 sẽ được phân loại vào nhóm có rủi ro phá sản, và nếu biệt số nhỏ hơn hoặc bằng -1,559, công ty sẽ rơi vào tình trạng phá sản.
Thảo luận kết quả nghiên cứu
Từ bảng 4.5 ta có kết quả mô hình hồi quy như sau:
Z = -0,642 + 2,421WC_TA + 11,872RE_TA + 2,382EBIT_TA
Ba chỉ số tài chính quan trọng ảnh hưởng đến rủi ro phá sản của công ty bao gồm: WC_TA (vốn lưu động trên tổng tài sản), RE_TA (lợi nhuận giữ lại trên tổng tài sản) và EBIT_TA (lợi nhuận sau thuế và lãi vay trên tổng tài sản).
Vốn lưu động trên tổng tài sản là yếu tố quan trọng trong việc đánh giá khả năng phá sản của công ty, với mối quan hệ ngược chiều với xác suất xảy ra phá sản Khi tỷ lệ vốn lưu động/tổng tài sản cao, rủi ro phá sản giảm, nhờ vào tính thanh khoản cao của tài sản ngắn hạn, giúp dễ dàng chuyển đổi thành tiền khi cần thiết Giá trị β cho mối quan hệ này là 2,421, có ý nghĩa thống kê ở mức 1%, cho thấy rằng khi vốn lưu động trên tổng tài sản tăng 1 đơn vị, Z sẽ tăng 2,421 đơn vị, và ngược lại Biến này đã được nhiều nhà nghiên cứu như Breaver (196) và Nguyễn Trọng Hòa (2009) sử dụng trong các mô hình dự báo, phù hợp với kết quả nghiên cứu của Xu và Zhang (2008) cũng như Nguyễn Trọng Hòa.
Biến lợi nhuận giữ lại trên tổng tài sản là chỉ số quan trọng để đánh giá khả năng tài trợ của nguồn lợi nhuận giữ lại đối với tài sản của doanh nghiệp Khi biến này có giá trị âm, nó cho thấy doanh nghiệp đang thâm hụt lợi nhuận giữ lại và không đủ khả năng tài trợ cho hoạt động của mình Tình trạng lợi nhuận giữ lại âm cũng phản ánh những vấn đề trong kinh doanh, có thể dẫn đến sự giảm sút trong lợi nhuận tích lũy và ảnh hưởng tiêu cực đến vốn chủ sở hữu Giá trị β của lợi nhuận giữ lại trên tổng tài sản là 11,872 và có ý nghĩa thống kê ở mức 1%, cho thấy rằng, trong điều kiện các yếu tố khác không đổi, khi lợi nhuận giữ lại trên tổng tài sản tăng 1 đơn vị, thì Z sẽ tăng 11,872 đơn vị và ngược lại.
Giá trị β của lợi nhuận sau thuế và lãi vay trên tổng tài sản là 2,382, có ý nghĩa thống kê ở mức 1% Điều này có nghĩa rằng, khi các yếu tố khác không đổi, nếu lợi nhuận sau thuế và lãi vay trên tổng tài sản tăng 1 đơn vị, thì Z sẽ tăng 2,382 đơn vị và ngược lại.
Phân tích hai biến độc lập liên quan đến hiệu quả hoạt động của công ty cho thấy rằng hiệu quả hoạt động có tác động ngược chiều đến xác suất rủi ro phá sản, phù hợp với nghiên cứu của Zu và Zhang (2007) cũng như Ohlson (1980) Để giảm nguy cơ rủi ro phá sản, các nhà quản trị cần xây dựng kế hoạch cụ thể nhằm nâng cao lợi nhuận, tối ưu hóa hiệu quả sử dụng tài sản và kiểm soát chi phí.
Kết quả nghiên cứu chỉ ra rằng trong số 5 biến độc lập, có 3 biến ảnh hưởng đến xác suất rủi ro phá sản của công ty Cụ thể, tỷ lệ vốn lưu động trên tổng tài sản, lợi nhuận giữ lại trên tổng tài sản và lợi nhuận trước thuế và lãi vay trên tổng tài sản có tác động ngược chiều đến nguy cơ phá sản, phù hợp với kỳ vọng ban đầu Trong đó, tỷ lệ vốn lưu động trên tổng tài sản và lợi nhuận giữ lại trên tổng tài sản là những yếu tố quan trọng nhất trong mô hình dự báo, tương đồng với nghiên cứu của Jeroen Oude Avenhuis (2013).