GIỚI THIỆU
Lý do chọn đề tài
Theo Tổng cục Thống kê, tốc động tăng trưởng GDP của Việt Nam năm
Năm 2019, Việt Nam ghi nhận tốc độ tăng trưởng ấn tượng đạt 7.02%, đánh dấu năm thứ hai liên tiếp kinh tế tăng trưởng trên 7% kể từ 2011 Tuy nhiên, sự biến động khó lường trên thị trường tài chính và giá dầu đã ảnh hưởng đến tăng trưởng tín dụng cũng như tâm lý và kỳ vọng của thị trường Số lượng doanh nghiệp mới thành lập trong năm cũng phản ánh những thay đổi này.
Năm 2019 ghi nhận sự tăng trưởng ấn tượng về số lượng doanh nghiệp, vốn đăng ký và số lao động so với năm 2018, với kỷ lục 138.100 doanh nghiệp mới thành lập và vốn đăng ký bình quân đạt 12,5 tỷ đồng Điều này cho thấy niềm tin của các nhà quản trị vào sự phát triển của doanh nghiệp trong tương lai Tuy nhiên, cũng trong năm 2019, số doanh nghiệp gặp khó khăn phải giải thể hoặc tạm ngừng hoạt động tăng 5,9% so với năm trước, với tỷ lệ trung bình là 40 doanh nghiệp ngừng hoạt động trên mỗi 100 doanh nghiệp mới thành lập (Theo Tổng cục thống kê).
Trước khi một công ty rơi vào tình trạng vỡ nợ, nó thường trải qua giai đoạn kiệt quệ tài chính (KQTC), khi dòng tiền giảm sút và công ty phải chịu thiệt hại nhưng chưa đến mức phá sản Việc nhận diện sớm tình trạng KQTC là rất quan trọng để tìm ra các giải pháp giúp doanh nghiệp tồn tại và phát triển bền vững.
Nhiều yếu tố ảnh hưởng đến khả năng lâm vào khủng hoảng tài chính (KQTC) của doanh nghiệp, bao gồm các yếu tố nội tại như tài chính (Altman, 1968; Ohlson, 1980) và các yếu tố bên ngoài như thị trường (Campbell và cộng sự, 2008; Pindado và cộng sự, 2008) cùng các yếu tố vĩ mô (Alifiah, 2014; Bhattacharjee và Han, 2014) Nhiều nghiên cứu đã được thực hiện để dự báo khả năng KQTC của doanh nghiệp, trong đó có các tác giả như Mario H Tinoco & Nick Wilson (2013), Mohd N Alifiah (2014), Sibusiso W Sabela và cộng sự (2018), cũng như Phil Holmes.
Nhiều nghiên cứu đã kết hợp các yếu tố tài chính, thị trường và vĩ mô để đo lường rủi ro và dự báo kết quả tài chính Campbel et al (2008) đã tích hợp các yếu tố tài chính và thị trường, trong khi Bhattacharjee và Han (2014) kết hợp yếu tố tài chính với yếu tố vĩ mô Tinoco và Wilson (2013), cùng với Christidis và Gregory (2010), đã kết hợp cả ba yếu tố này Tại Việt Nam, Lê Đạt Chí và Lê Tuấn Anh (2012) đã áp dụng phương pháp CvaR và mô hình Merton/KMV để đo lường rủi ro vỡ nợ cho các doanh nghiệp niêm yết, trong khi Huỳnh Thị Cẩm Hà, Nguyễn Thị Uyên Uyên và Lê Đào Tuyết Mai (2017) đã sử dụng mô hình cây phân lớp để dự báo kết quả tài chính cho doanh nghiệp Việt Nam Nghiên cứu của Phạm Võ Ninh Bình và cộng sự (2018) cũng đã được thực hiện trong giai đoạn này.
Từ năm 2003 đến 2016, nghiên cứu cho thấy doanh nghiệp có chỉ tiêu thanh khoản, khả năng thanh toán và tỷ suất sinh lợi cao sẽ có khả năng rơi vào khủng hoảng tài chính thấp hơn Ngoài ra, quy mô doanh nghiệp lớn cũng liên quan đến xác suất xảy ra khủng hoảng tài chính thấp hơn.
Nghiên cứu năm 2019 đã chỉ ra rằng trong giai đoạn 2009 - 2018, mô hình kết hợp ba yếu tố tài chính, thị trường và vĩ mô cho kết quả tương quan ngược chiều so với nghiên cứu của Phạm Võ Ninh Bình & Cộng sự (2018) Nhiều mô hình về KQTC đã được khảo sát, chủ yếu tập trung vào các mẫu liên tục kéo dài trên 5 năm và các nghiên cứu về KQTC trong năm liền kề trước sự kiện Tác giả cho rằng việc nghiên cứu mô hình KQTC theo chuỗi thời gian ngắn hạn sẽ giúp loại bỏ rủi ro từ thông tin tài chính và thị trường không chính xác, do sai số trong chuỗi thời gian dài dẫn đến sự chênh lệch tương quan Để giảm thiểu nguy cơ phá sản và góp phần ổn định nền kinh tế, bài nghiên cứu này tập trung vào các yếu tố ảnh hưởng đến khả năng KQTC của doanh nghiệp trên thị trường chứng khoán.
Nghiên cứu "Việt Nam" được thực hiện trong năm tài chính 2018, sử dụng các quan sát KQTC vào năm 2019 để đánh giá hiệu quả của sự kết hợp giữa yếu tố tài chính và thị trường trong mô hình dự báo KQTC Đây là một nghiên cứu ngắn hạn, dựa trên các nghiên cứu trước về khả năng KQTC qua nhiều năm, và do tính chất ngắn hạn của mô hình, tác giả đã quyết định loại bỏ các yếu tố vĩ mô.
Mục tiêu nghiên cứu
Nghiên cứu này nhằm phát triển mô hình dự báo tình trạng khả năng tài chính (KQTC) cho các công ty niêm yết tại SGDCK Tp Hồ Chí Minh (HOSE) và SGDCK Hà Nội (HNX) thông qua việc phân tích các biến tài chính và thị trường Để đạt được mục tiêu này, tác giả sẽ giải quyết ba vấn đề chính: xác định tiêu chí để nhận diện công ty rơi vào tình trạng KQTC, xác định các yếu tố ảnh hưởng đến khả năng KQTC của công ty, và xây dựng một mô hình dự báo khả năng KQTC trong năm tiếp theo bằng cách kết hợp các yếu tố tài chính và thị trường.
Đối tượng và phạm vi nghiên cứu
Mô hình dự báo tình trạng KQTC được xây dựng bằng phương pháp hồi quy Logistic, sử dụng dữ liệu chéo kết hợp từ hai nhóm biến: tỷ số tài chính và chỉ số thị trường Nghiên cứu tập trung vào các công ty phi tài chính niêm yết tại Sở GDCK TP Hồ Chí Minh (HOSE) và Sở GDCK Hà Nội (HNX) ở Việt Nam.
Dữ liệu nghiên cứu được trích xuất từ BCTC (BCTC) và giới hạn trong năm 2018, kết quả các DN lâm vào tình trạng KQTC được thống kê vào năm
2019, vì thế các biến về vĩ mô sẽ không được chọn do giới hạn về thời gian.
Dữ liệu nghiên cứu
Nghiên cứu này phân tích dữ liệu từ báo cáo tài chính của 657 công ty niêm yết trên hai sàn giao dịch Biến phụ thuộc trong nghiên cứu được xác định là biến nhị phân, với hai giá trị có thể nhận là 1 hoặc 0, nhằm đánh giá các yếu tố ảnh hưởng đến hiệu suất tài chính của các công ty này.
DN được phân loại vào tình trạng KQTC, với giá trị 0 nếu không nằm trong tình trạng này, và các biến phụ thuộc được thu thập từ các công ty gặp khó khăn về KQTC vào năm 2019 Nghiên cứu áp dụng phần mềm STATA để phân tích mối quan hệ giữa các biến, xây dựng mô hình hồi quy và thực hiện kiểm định mô hình.
Phương pháp nghiên cứu
Nghiên cứu này dựa trên dữ liệu từ các doanh nghiệp niêm yết trên sàn chứng khoán HOSE và HNX, sử dụng số liệu từ báo cáo tài chính đã được kiểm toán cho năm tài chính kết thúc vào năm 2018.
Nghiên cứu áp dụng nhiều phương pháp thống kê như phân tích tương quan để xác định mối quan hệ giữa các biến độc lập, kiểm tra độ tin cậy của mô hình qua đường cong AUC, và thực hiện kiểm định đa cộng tuyến Bên cạnh đó, nghiên cứu cũng sử dụng các phương pháp kiểm định khác nhau như t-test và Wilcoxon để so sánh sự khác biệt trung bình giữa hai mẫu, cuối cùng là phân loại độ chính xác của mô hình.
Mô hình hồi quy có dạng:
𝟏−𝒑 ) = α - β 1 NITA - β 2 WCC - β 3 STATEOWN - β 4 SIZE – β 5 PRICE + β 6 MB
P: là xác suất doanh nghiệp bị KQTC
1-p: là xác suất doanh nghiệp không bị KQTC β là hệ số hồi quy
1.6 Ý nghĩa và điểm mới của đề tài
Bài nghiên cứu này phân tích tác động của các yếu tố tài chính và thị trường đến tình trạng kết quả tài chính của doanh nghiệp niêm yết trong ngắn hạn, sử dụng dữ liệu từ 657 doanh nghiệp phi tài chính trên thị trường chứng khoán Việt Nam năm 2018 Khác với các nghiên cứu khác, bài này loại trừ các doanh nghiệp tài chính do sự khác biệt về cấu trúc vốn Nghiên cứu cũng chỉ ra rằng các biến tài chính như thu nhập ròng trên tổng tài sản và các biến thị trường như giá cổ phiếu có ảnh hưởng tương đồng đến mô hình, với mối quan hệ âm giữa tỷ số vốn hóa thị trường trên tổng nợ và các yếu tố khác trong mô hình.
Giá trị thị trường trên sổ sách và biến động giá cổ phiếu có mối tương quan dương trong mô hình, nhưng khác biệt với nghiên cứu của Phạm Thị Hồng Vân (2018) và các tác giả khác Bên cạnh đó, mô hình cũng đưa vào biến Tỷ lệ sở hữu cổ đông nhà nước, biến này lại có tương quan âm với mô hình.
Bài nghiên cứu này, mặc dù có những điểm khác biệt so với các nghiên cứu trước, mang lại ý nghĩa quan trọng trong việc dự báo khả năng KQTC cho doanh nghiệp Việt Nam Tác giả tập trung vào yếu tố tài chính và thị trường để xác định các yếu tố phù hợp, giúp doanh nghiệp nhận diện sớm nguy cơ và đưa ra quyết sách đúng đắn, giảm thiểu thiệt hại Đối với nhà đầu tư, mô hình này hỗ trợ trong việc đánh giá khả năng kiệt quệ của các công ty niêm yết, từ đó phát triển chiến lược đầu tư hiệu quả Bên cạnh đó, nghiên cứu này cũng mở ra hướng đi mới cho các nghiên cứu tiếp theo tại Việt Nam, nhằm tìm ra những biến số phù hợp với đặc thù từng ngành Kết quả nghiên cứu cho thấy, tùy thuộc vào giai đoạn và số lượng quan sát, mô hình sẽ cho ra các kết quả khác nhau, phản ánh sự không hiệu quả trong thông tin công bố về sức khỏe tài chính của doanh nghiệp.
1.7 Bố cục bài nghiên cứu
Trong bài viết này, tác giả trình bày đề tài nghiên cứu với các lý do, mục tiêu, phương pháp, đối tượng và phạm vi nghiên cứu, cùng với lý thuyết nền tảng và ý nghĩa của nghiên cứu Chương II tóm tắt lý thuyết và nghiên cứu thực nghiệm về mô hình dự báo kết quả tài chính (KQTC) ở doanh nghiệp, bao gồm quan điểm về KQTC, các quy định pháp luật, nguyên nhân doanh nghiệp rơi vào KQTC và giải pháp ứng phó Chương III giới thiệu dữ liệu nghiên cứu, các biến trong mô hình và phương pháp xây dựng mô hình dự báo KQTC cho các doanh nghiệp niêm yết Kết quả nghiên cứu từ mô hình hồi quy Logistic và các kiểm định liên quan được trình bày trong Chương IV Cuối cùng, Chương V tổng kết kết quả nghiên cứu, đưa ra kiến nghị cho doanh nghiệp Việt Nam và chỉ ra các giới hạn của nghiên cứu cùng hướng đi cho các nghiên cứu tiếp theo.
TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KQTC
Tổng quan lý thuyết
Theo lý thuyết đánh đổi (Kraus & Litezenberger, 1973), giá trị doanh nghiệp tăng lên khi hiện giá tấm chắn thuế cao và giảm khi chi phí KQTC tăng Chi phí KQTC chủ yếu phát sinh từ việc sử dụng nợ; do đó, doanh nghiệp càng sử dụng nợ nhiều, chi phí KQTC càng cao, dẫn đến nguy cơ tài chính gia tăng.
Theo lý thuyết trật tự phân hạng của Myers và Majluf (1984), doanh nghiệp nên ưu tiên sử dụng nguồn vốn vay nội bộ trước, sau đó mới đến nợ bên ngoài và cuối cùng là vốn chủ sở hữu Việc sử dụng nguồn tài trợ từ lợi nhuận giữ lại giúp doanh nghiệp giảm thiểu nguy cơ rủi ro tài chính.
Lý thuyết chi phí đại diện (Jensen & Meckling, 1976) chỉ ra sự xung đột lợi ích giữa cổ đông, nhà quản lý và chủ nợ, trong đó các nhà quản lý có thể ưu tiên lợi ích ngắn hạn, gây tổn hại cho cổ đông và chủ nợ Chi phí đại diện gia tăng khi nhà quản lý không nắm giữ cổ phần của công ty, dẫn đến ảnh hưởng tiêu cực đến cấu trúc vốn và nguy cơ kết quả tài chính của công ty.
2.1.2 Các định nghĩa về kiệt quệ tài chính Định nghĩa “kiệt quệ tài chính” của DN được nhiều nhà nghiên cứu nói đến như một giai đoạn khó khăn của DN phát sinh từ trước thời điểm DN tuyên bố phá sản đến lúc DN phá sản (Altman, 2006; Li Jiming và Du Weiwei, 2011; Tinoco và Nick Wilson, 2013) Có nhiều yếu tố ảnh hưởng đến khả năng lâm vào KQTC, trong đó có các yếu tố ảnh hưởng từ bên trong doanh nghiệp như các yếu tố tài chính (Beaver, 1966; Altman, 1968; Ohlson ,1980); các yếu tố ảnh hưởng từ bên ngoài như các yếu tố thị trường (Campbell & cộng sự, 2008; Pindado & cộng sự,
Nhiều nghiên cứu đã chỉ ra sự kết hợp giữa các yếu tố tài chính, thị trường và vĩ mô trong các mô hình nghiên cứu Cụ thể, Campbel và cộng sự (2008) đã kết hợp các yếu tố tài chính với yếu tố thị trường, trong khi Bhattacharjee và Han (2014) nghiên cứu mối quan hệ giữa yếu tố tài chính và yếu tố vĩ mô Ngoài ra, Tinoco và Wilson (2013) cùng Christidis và Gregory (2010) đã phát triển mô hình kết hợp cả ba yếu tố này.
Trong nghiên cứu về khả năng KQTC, tác giả định nghĩa KQTC bao gồm cả tình huống doanh nghiệp (DN) bị phá sản Khi DN rơi vào tình trạng KQTC, nó có thể gặp phải các vấn đề như chứng khoán bị đưa vào diện kiểm soát, bị cảnh báo, bị hủy niêm yết hoặc thậm chí là bị phá sản, theo quy định của Luật Phá sản Việt Nam năm 2014 và Nghị định số 58/2012/NĐ-CP của Chính phủ.
Có ba dấu hiệu quan trọng cho thấy một công ty đang gặp khó khăn tài chính Đầu tiên, công ty có thể mất khách hàng, nhà cung cấp và nhân viên chủ chốt, dẫn đến việc giảm thị phần vào tay đối thủ trong thời kỳ suy thoái (Opler & Titman, 1994) Thứ hai, khả năng vi phạm giao ước nợ tăng lên, khiến công ty phải từ bỏ việc thanh toán lãi hoặc vốn gốc để tránh vỡ nợ, gây ra gánh nặng về xử phạt hành chính và chi phí quản lý Cuối cùng, công ty có thể phải từ bỏ các dự án có giá trị hiện tại thuần dương do chi phí tài trợ bên ngoài quá cao, như được giải thích bởi mô hình của Froot, Scharfstein và Stein (1993) về sự bất cân đối của thị trường vốn.
Nguy cơ khủng hoảng tài chính doanh nghiệp gia tăng khi doanh nghiệp phải chịu chi phí tài chính cố định cao, đặc biệt liên quan đến việc sử dụng nợ Bên cạnh đó, tài sản kém thanh khoản và doanh thu nhạy cảm với biến động kinh tế cũng góp phần làm tăng rủi ro này.
Theo Foster (1986), việc nộp đơn xin phá sản là dấu hiệu cho thấy doanh nghiệp đang gặp khó khăn tài chính (KQTC) Jones và Hensher (2004) xác định hai tình trạng KQTC của doanh nghiệp niêm yết: mất khả năng thanh toán nợ đến hạn và nộp đơn xin phá sản Bruwer và Hamman (2006) cũng cho rằng doanh nghiệp rơi vào tình trạng KQTC khi nộp đơn xin phá sản, bị hủy niêm yết hoặc tái cấu trúc tổ chức Do đó, trong nghiên cứu về KQTC, doanh nghiệp có thể được xem là gặp khó khăn khi nó phá sản.
Khi doanh nghiệp rơi vào tình trạng khủng hoảng tài chính (KQTC), họ sẽ phải đối mặt với nhiều hậu quả nghiêm trọng, dẫn đến tổn thất nặng nề Tình trạng này tạo ra mâu thuẫn giữa quyền lợi của cổ đông và chủ nợ, cản trở các quyết định đầu tư và tài trợ đúng đắn của doanh nghiệp.
• Về phía các cổ đông
Nhiều người thường từ bỏ mục tiêu tối đa hóa giá trị thị trường của doanh nghiệp để theo đuổi những lợi ích cá nhân hẹp hơn.
Cổ đông thường thực hiện các mục đích cá nhân mà phần thiệt hại sẽ do trái chủ gánh chịu, như chấp nhận các dự án mạo hiểm với tư tưởng “được ăn cả ngã về không” Nếu dự án thành công, doanh nghiệp có thể phục hồi, nhưng nếu thất bại, trái chủ sẽ phải chịu thiệt hại Họ cũng có thể từ chối đầu tư vào các dự án có lợi cho doanh nghiệp để tránh chia sẻ lợi ích với trái chủ Ngoài ra, một số cổ đông có thể kéo dài thời gian trả nợ hoặc phát hành thêm nợ để thu lợi từ trái chủ cũ, khiến tình hình tài chính doanh nghiệp trở nên rủi ro hơn Khi doanh nghiệp gặp khó khăn và không thể thực hiện nghĩa vụ trả nợ, khả năng cổ đông thực hiện các ý tưởng này càng cao, dẫn đến quyết định đầu tư kém, làm giảm giá trị thị trường của doanh nghiệp.
• Về phía các trái chủ
Các chủ nợ nhận thức rằng việc thực hiện ý đồ của họ có thể đi kèm với rủi ro, vì vậy họ đã chủ động bảo vệ bản thân bằng cách theo đuổi các mục tiêu riêng Tuy nhiên, để thực hiện những ý định này, họ phải chịu thêm chi phí, bao gồm cả việc soạn thảo hợp đồng phức tạp và chi phí giám sát kết quả thực hiện Do đó, các chủ nợ cần dự đoán những chi phí này và thường yêu cầu mức bồi thường cao hơn thông qua lãi suất cao hơn, điều này trở thành một loại chi phí đại diện của nợ mà cuối cùng cổ đông sẽ phải gánh chịu.
Khi doanh nghiệp gặp khó khăn, nhân viên thường cảm thấy căng thẳng và lo lắng về việc mất việc, dẫn đến việc tìm kiếm cơ hội nghề nghiệp mới Những nhân viên xuất sắc có khả năng rời bỏ doanh nghiệp, trong khi những người ở lại thường làm việc với tâm trạng không tập trung và hiệu suất kém Tình trạng này tạo ra tổn thất cho doanh nghiệp, được coi là chi phí trong kết quả tài chính.
Kết quả kinh doanh tài chính (KQTC) có tác động lớn đến giá trị tài sản của doanh nghiệp Khi gặp khó khăn và cần thanh lý tài sản, giá trị thu được sẽ thường thấp hơn mong đợi Các tài sản bị ảnh hưởng nặng nề nhất bao gồm tài sản vô hình như thương hiệu, công nghệ, vốn nhân lực và hình ảnh doanh nghiệp.
Tổng kết các nghiên cứu về dự báo KQTC
Nghiên cứu này sẽ trình bày các nghiên cứu thực nghiệm liên quan đến dự báo KQTC, từ đó lựa chọn một cách tiếp cận mới về dự báo KQTC.
2.2.1 Nghiên cứu thực nghiệm trước đây
Theo nghiên cứu của Beaver (1968) và Altman (1968), trước khi doanh nghiệp (DN) bị phá sản, có sự khác biệt rõ rệt giữa các tỷ số tài chính của DN thất bại và DN hoạt động bình thường Các tỷ số tài chính này thường có xu hướng suy giảm đáng kể so với giá trị trung bình, và mức độ suy giảm càng gia tăng khi tình hình kết quả tài chính của DN trở nên nghiêm trọng hơn.
Mô hình nhị phân Binary Logistic đo lường xác suất KQTC do Ohlson
(1980) thực hiện đầu tiên tại các DN ở Mỹ Tiếp nối là các nghiên cứu của Julio Pindado và cộng sự (2008) hay nghiên cứu của Campbell và cộng sự (2011)
Nghiên cứu của Bunn và Redwood (2003) dựa trên 100.000 quan sát doanh nghiệp tại Anh trong giai đoạn 1991 – 2001 đã áp dụng mô hình Probit, trong khi Christidis và Gregory (2010) sử dụng mô hình logistic động để phân tích kết quả tài chính tại Anh từ năm 1978 đến 2006.
Huỳnh Thị Cẩm Hà, Nguyễn Thị Uyên Uyên và Lê Đào Tuyết Mai (2017) đã áp dụng mô hình cây phân lớp để dự báo kết quả tài chính cho doanh nghiệp Việt Nam Phạm Thị Hồng Vân (2018) nghiên cứu khả năng kiệt quệ tài chính của các công ty niêm yết, từ đó xây dựng mô hình thực nghiệm dựa trên ba yếu tố: tài chính, thị trường và vĩ mô Các nghiên cứu của Phạm Võ Ninh Bình, Đỗ Thành Trung, Võ Hồng Đức (2018) và Đinh Thu Ngọc (2019) cũng đề xuất sử dụng yếu tố tài chính và vĩ mô sau khi phân tích các mô hình thực nghiệm dựa trên ba nhóm yếu tố.
2.2.2 Các nghiên cứu sử dụng các yếu tố tài chính
Fitzpatrick (1932) là một trong những người tiên phong trong nghiên cứu dự báo kết quả tài chính và phá sản Ông đã nghiên cứu 19 doanh nghiệp, phân loại chúng thành hai nhóm dựa trên các dấu hiệu tài chính: nhóm phá sản và nhóm không phá sản Kết quả cho thấy tỷ số tài chính như lãi ròng trên vốn cổ phần và vốn cổ phần trên tổng nợ có khả năng dự đoán phá sản cao nhất Hơn 30 năm sau, nghiên cứu về phá sản trở lại với sự đóng góp của Beaver (1966), Altman (1968), Altman và cộng sự (1977), và Ohlson (1980), những người đã khởi xướng các mô hình mới trong dự báo kết quả tài chính Beaver (1966) đã thực hiện một nghiên cứu với mẫu gồm 79 doanh nghiệp phá sản từ 38 ngành khác nhau.
Giai đoạn từ 1954 đến 1964, Mỹ đã thực hiện một nghiên cứu dựa trên báo cáo của Moody về khả năng dự đoán phá sản doanh nghiệp Ông Beaver áp dụng phương pháp chọn mẫu cặp, trong đó mỗi doanh nghiệp vỡ nợ được đối chiếu với một doanh nghiệp hoạt động bình thường cùng ngành và quy mô Nghiên cứu đã xác định 30 tỷ số tài chính, chia thành 6 nhóm: tỷ số dòng tiền, tỷ số thu nhập ròng, tỷ số đòn bẩy tài chính, tỷ số tài sản thanh khoản trên tổng tài sản, tỷ số tài sản thanh khoản trên nợ ngắn hạn và tỷ số sinh lợi Mục tiêu là kiểm định khả năng dự báo phá sản của các tỷ số này từ 1 đến 5 năm trước khi sự kiện phá sản xảy ra.
Kết quả nghiên cứu cho thấy các chỉ số tài chính đơn lẻ có khả năng dự báo phá sản hiệu quả, với tỷ lệ phân loại sai chỉ tăng không đáng kể khi mở rộng dự báo lên 5 năm Đặc biệt, tỷ số dòng tiền hoạt động trên tổng nợ có khả năng dự báo lên đến 87% trước 1 năm bị phá sản Beaver đã xác định 6 tỷ số tài chính quan trọng có thể dự báo phá sản, bao gồm: dòng tiền hoạt động trên tổng nợ, tổng nợ trên tổng tài sản, vốn luân chuyển trên tổng tài sản, thu nhập ròng trên tổng tài sản, tỷ số thanh toán hiện hành, và tỷ số tài sản thanh khoản nhanh trừ nợ ngắn hạn chia cho chi phí hoạt động hàng ngày.
Mô hình dự báo phá sản điểm Z (Z-Score) được Altman phát triển vào năm 1968, kế thừa từ nghiên cứu của Beaver (1966) và dựa trên kỹ thuật Phân Tích Đa Yếu Tố Phân Biệt (MDA) MDA là một phương pháp thống kê nhằm phân loại các quan sát thành nhóm dựa trên các đặc trưng của chúng Chỉ số Z-Score được tính toán từ 5 tỷ số tài chính: X1 (vốn luân chuyển trên tổng tài sản), X2 (lợi nhuận giữ lại trên tổng tài sản), X3 (EBIT trên tổng tài sản), X4 (giá trị thị trường của cổ phiếu trên giá trị sổ sách của nợ), và X5 (doanh thu trên tổng tài sản) Trong nghiên cứu, Altman đã phân tích 66 doanh nghiệp cổ phần hóa trong ngành sản xuất tại Mỹ, trong đó có 33 doanh nghiệp đã phá sản trong giai đoạn 1946 – 1965.
Mô hình Z-Score dành cho các công ty sản xuất sẽ có dạng:
Kết quả phân tích cho thấy điểm Z dưới 1.81 được xem là dấu hiệu của phá sản, trong khi điểm Z trên 2.99 cho thấy doanh nghiệp không có nguy cơ phá sản Khoảng từ 1.81 đến 2.99 được gọi là “khu vực xám”, nơi doanh nghiệp có thể gặp rủi ro phá sản Càng gần điểm Z 1.81, khả năng phá sản càng cao, và ngược lại, điểm Z gần 2.99 cho thấy nguy cơ thấp hơn Mô hình điểm Z của Altman (1968) có độ chính xác dự báo lên đến 95% trước một năm xảy ra sự kiện phá sản, chứng minh tính hữu ích của các tỷ số tài chính trong việc dự đoán tình trạng phá sản.
Gần 10 năm sau, Altman và cộng sự (1977) đã cho ra một mô hình dự báo mới – mô hình ZETA, trong một nghiên cứu về phá sản tại Mỹ Mô hình đã lựa chọn các nhóm tỷ số tài chính sau để đưa vào mô hình: nhóm tỷ số khả năng thanh khoản, nhóm tỷ số vốn hóa, nhóm tỷ suất sinh lợi, nhóm đòn bẩy tài chính Kết quả là mô hình ZETA có khả năng dự báo lên đến 5 năm trước khi phá sản xảy ra Mô hình có độ chính xác khá cao, 70% trước 5 năm khi sự kiện phá sản xảy ra, và 96% trước 1 năm Các tỷ số có khả năng dự báo trong mô hình ZETA là: tỷ suất sinh lợi trên tổng tài sản (ROA), tỷ số khả năng thanh toán lãi vay (đo lường bằng EBIT / chi phí lãi vay), tỷ số thanh toán hiện hành, quy mô doanh nghiệp (đo lường bằng tổng tài sản), tỷ số vốn hóa (đo lường bằng giá trị vốn hóa thị trường / tổng nguồn vốn), tỷ suất sinh lợi tích lũy (đo lường bằng lợi nhuận giữ lại / tổng tài sản)
Ohlson (1980) đã chỉ trích các giả định của kỹ thuật MDA, bao gồm yêu cầu về phân phối chuẩn và ma trận hệ số tương quan đồng nhất giữa các nhóm doanh nghiệp Ông giới thiệu phương pháp Logit, một kỹ thuật thống kê không yêu cầu giả định về phân phối chuẩn và cho phép xác định xác suất xảy ra kiệt quệ của doanh nghiệp Ohlson đã phân tích dữ liệu từ 105 doanh nghiệp phá sản và 2058 doanh nghiệp không phá sản tại Mỹ trong giai đoạn 1970 – 1976, sử dụng 9 tỷ số tài chính làm biến độc lập trong mô hình Logit Kết quả cho thấy mô hình Logit có độ chính xác dự báo phá sản lần lượt là 96.1%, 95.5%, và 92.8% cho các khoảng thời gian 1 năm, 2 năm, và 1 hoặc 2 năm Các tỷ số dự báo phá sản trong mô hình bao gồm quy mô doanh nghiệp, tổng nợ trên tổng tài sản, thu nhập ròng trên tổng tài sản, dòng tiền hoạt động trên tổng nợ, và thay đổi trong thu nhập ròng.
|thu nhập ròng năm t-1|), chênh lệch giữa tổng nợ so với tổng tài sản (bằng 1, nếu tổng nợ lớn hơn tổng tài sản, và ngược lại thì bằng 0)
Nghiên cứu của Zmijewski (1984) đã chỉ ra rằng các chỉ số tài chính như tổng tài sản trên tổng nợ, thu nhập ròng trên tổng tài sản và tài sản ngắn hạn trên nợ ngắn hạn có khả năng dự báo phá sản hiệu quả thông qua mô hình Logit Nghiên cứu này được thực hiện trên 129 doanh nghiệp phá sản tại Mỹ trong giai đoạn 1972-1978.
Năm 2001, một nghiên cứu đã thu thập dữ liệu từ 300 doanh nghiệp niêm yết tại Mỹ bị phá sản trong giai đoạn 1962-1992 Sử dụng mô hình Hazard (mô hình Logit động) để dự báo khả năng phá sản, nghiên cứu chỉ ra rằng các tỷ số tài chính như tỷ số tổng nợ trên tổng tài sản, tỷ số thu nhập ròng trên tổng tài sản, EBIT trên tổng tài sản và giá trị vốn hóa thị trường trên tổng nợ có khả năng dự đoán hiệu quả tình trạng phá sản của doanh nghiệp.
Gần đây, nhiều nghiên cứu về dự báo KQTC đã áp dụng các tỷ số tài chính vào mô hình nghiên cứu Agarwal & Taffler (2007) đã khảo sát khả năng dự báo phá sản của 25,688 doanh nghiệp tại Anh bằng mô hình điểm Z, phát hiện rằng các tỷ số như thu nhập trước thuế trên nợ ngắn hạn và tài sản ngắn hạn trên tổng nợ có thể dự đoán chính xác tình trạng tài chính Altman và Sabato (2007) đã sử dụng mẫu 2,000 doanh nghiệp niêm yết tại Mỹ từ 1994-2002 và kết luận rằng tỷ số khả năng thanh toán lãi vay và EBITDA trên tổng tài sản có hiệu quả trong dự báo Nghiên cứu của Christidis và Gregory (2010) với 589 doanh nghiệp niêm yết ở Anh từ 1978-2006 cho thấy tổng nợ trên tổng tài sản và dòng tiền trên tổng tài sản cũng có khả năng dự đoán phá sản Cuối cùng, Monti và Garcia (2010) đã nghiên cứu 86 doanh nghiệp tại Argentina và chỉ ra rằng tỷ số nợ ngắn hạn trên tổng tài sản và tỷ suất sinh lợi từ hoạt động trên doanh thu có thể dự báo KQTC hiệu quả.
Bae (2012) đã nghiên cứu dự báo kết quả tài chính (KQTC) tại các doanh nghiệp sản xuất Hàn Quốc bằng cách sử dụng 11 nhóm biến tài chính và áp dụng nhiều mô hình khác nhau như mạng thần kinh nhân tạo (ANN), MDA, Logit, RSVM, MLP, và C5.0 để tìm ra mô hình dự báo tốt nhất Trong khi đó, Mondal và Roy (2013) đã chỉ ra rằng tỷ lệ tăng trưởng lợi nhuận sau thuế và tỷ số nợ trên vốn cổ phần là những chỉ báo tài chính quan trọng trong việc đánh giá "sức khỏe" của doanh nghiệp trong ngành thép tại Ấn Độ Lin và cộng sự (2014) cũng đã sử dụng 44 tỷ số tài chính trong mô hình thuật toán vector hỗ trợ (SVM) để dự báo KQTC.
