Các yếu tố tác động đến khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp niêm yết tại việt nam

Chuyên khảo kinh tế phân tích Các yếu tố tác động đến khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp niêm yết tại việt, đánh giá các khía cạnh quan trọng, đề xuất hướng

• Tác giả: Trương Thành Trung
• Người hướng dẫn: PGS, TS. Lê Phan Thị Diệu Thảo
• Trường học: Trường Đại Học Ngân Hàng
• Chuyên ngành: Tài Chính - Ngân Hàng
• Đề tài: Các Yếu Tố Tác Động Đến Khả Năng Xảy Ra Kiệt Quệ Tài Chính Của Các Doanh Nghiệp Niêm Yết Tại Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Kết cấu khóa luận
• 2. CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VÀ NGHIÊN CỨU THỰC NGHIỆM
• 2.1. Lý thuyết về kiệt quệ tài chính
• 2.2. Khái niệm về kiệt quệ tài chính
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Mô hình nghiên cứu và dữ liệu nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.3. Xác định các biến trong mô hình nghiên cứu
• 3.4. Dữ liệu nghiên cứu
• 3.5. Trình tự xử lý dữ liệu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Thống kê mô tả biến
• 4.2. Phân tích tương quan
• 4.3. Kết quả nghiên cứu
• 4.4. Thảo luận kết quả nghiên cứu
• 4.5. Đo lường mức độ phù hợp của mô hình
• 4.6. Đo lường hiệu ứng cận biên (Marginal Effects)
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Đòn bẩy tài chính (LEV)
• 5.2. Tỷ lệ vốn lưu động ròng (WC)
• 5.3. Tỷ lệ lợi nhuận trước thuế và lãi vay (NITA)
• 5.4. Quy mô của doanh nghiệp (SIZE)
• 5.5. Hạn chế của đề tài và hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Kiệt Quệ Tài Chính Doanh Nghiệp Nhận Diện

Nghiên cứu về kiệt quệ tài chính doanh nghiệp niêm yết trở nên cấp thiết trong bối cảnh kinh tế Việt Nam nhiều biến động. Năm 2022, số lượng doanh nghiệp rút khỏi thị trường tăng đáng kể, gây ảnh hưởng tiêu cực đến môi trường đầu tư và xã hội. Việc xác định các yếu tố dẫn đến tình trạng này giúp doanh nghiệp chủ động phòng ngừa, nhà đầu tư đánh giá rủi ro chính xác hơn, và nhà hoạch định chính sách đưa ra các giải pháp hỗ trợ phù hợp. Các nghiên cứu về kiệt quệ tài chính đã được thực hiện nhiều ở các nước phát triển, nhưng còn hạn chế ở Việt Nam. Nghiên cứu này tập trung vào việc xác định các yếu tố tác động đến khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp niêm yết, từ đó đưa ra các gợi ý chính sách hữu ích. Bài viết sử dụng dữ liệu lịch sử để xem xét, đánh giá, phân tích nhằm đem lại cái nhìn khách quan nhất. Nghiên cứu này có tính thực tiễn cao, mang lại những giá trị thiết thực.

1.1. Định Nghĩa Kiệt Quệ Tài Chính Từ Rủi Ro Đến Phá Sản

Kiệt quệ tài chính là giai đoạn doanh nghiệp gặp rủi ro cao về mặt tài chính, có nguy cơ ngừng hoạt động. Dù nhiều nghiên cứu đã được thực hiện, một định nghĩa thống nhất vẫn chưa được công nhận. Đôi khi, kiệt quệ tài chính được xem tương đương với phá sản (Dichev, 1998). Tuy nhiên, cần phân biệt rõ: doanh nghiệp có thể trải qua kiệt quệ tài chính rồi phục hồi, trong khi phá sản là hậu quả cuối cùng của quá trình suy thoái. Wruck (1990) định nghĩa kiệt quệ tài chính là tình trạng thiếu dòng tiền để trả nợ. Platt & Platt (2002) coi đây là giai đoạn cuối trước phá sản. Vì vậy, dấu hiệu kiệt quệ tài chính cần được nhận diện để đưa ra những biện pháp can thiệp kịp thời.

1.2. Phân Biệt Kiệt Quệ Tài Chính và Nguyên Nhân Khủng Hoảng Tài Chính Doanh Nghiệp

Mặc dù liên quan chặt chẽ, kiệt quệ tài chính và phá sản không đồng nghĩa. Kiệt quệ tài chính là một quá trình, còn phá sản là một sự kiện. Doanh nghiệp có thể ở trong tình trạng kiệt quệ tài chính một thời gian dài trước khi thực sự phá sản. FitzPatrick (1932) cho rằng phá sản là một dấu hiệu đánh giá tình trạng kiệt quệ tài chính của doanh nghiệp. Nguyên nhân khủng hoảng tài chính doanh nghiệp có thể đến từ nhiều nguồn khác nhau, từ quản lý yếu kém đến các yếu tố vĩ mô bất lợi. Việc hiểu rõ sự khác biệt này giúp xác định chính xác các biện pháp can thiệp phù hợp.

II. Các Dấu Hiệu Kiệt Quệ Tài Chính Doanh Nghiệp 4 Giai Đoạn

Altman và Hotchkiss (2005) chia quá trình kiệt quệ tài chính doanh nghiệp thành bốn giai đoạn: thất bại, mất thanh khoản, vỡ nợ và phá sản. Mỗi giai đoạn có những đặc điểm riêng, đòi hỏi các biện pháp xử lý khác nhau. Việc nhận diện sớm các dấu hiệu kiệt quệ tài chính ở từng giai đoạn giúp doanh nghiệp có thời gian để thực hiện các biện pháp tái cấu trúc, cải thiện hiệu quả hoạt động, và tránh nguy cơ phá sản. Sự phân tích kỹ lưỡng từng giai đoạn là vô cùng quan trọng.

2.1. Giai Đoạn 1 Thất Bại Khi Doanh Thu Không Đủ Chi Phí

Ở giai đoạn thất bại, tỷ suất sinh lợi trên vốn đầu tư thấp hơn so với các khoản đầu tư tương đương, hoặc doanh thu không đủ chi trả chi phí (Altman và Hotchkiss, 2005). Wruck (1990) cho rằng đây là khi doanh nghiệp không đủ dòng tiền để trả nợ, lương, thuế. Andrade và Kaplan (1998) phân biệt giữa thất bại kinh tế (hoạt động kinh doanh thua lỗ) và thất bại tài chính (vi phạm nghĩa vụ với chủ nợ). Lúc này, cần xem xét lại chiến lược kinh doanh và quản lý chi phí.

2.2. Giai Đoạn 2 Mất Thanh Khoản Không Đủ Khả Năng Trả Nợ

Khi gặp khó khăn, doanh nghiệp thường rơi vào tình trạng mất thanh khoản (Altman và Hotchkiss, 2005). Shrader và Hickman (1993) định nghĩa mất thanh khoản là không đủ khả năng trả nợ. Wruck, Ross và cộng sự (2003) phân biệt mất thanh khoản do giá trị (tài sản thấp hơn nợ) và mất thanh khoản do dòng tiền (không đủ tiền mặt để trả nợ). Lúc này, cần tập trung vào quản lý dòng tiền và bán bớt tài sản không cần thiết.

2.3. Giai Đoạn 3 Vỡ Nợ Vi Phạm Hợp Đồng Tín Dụng

Vỡ nợ xảy ra khi doanh nghiệp không thể trả nợ gốc và lãi đúng hạn (vỡ nợ thanh toán) hoặc vi phạm các điều khoản của hợp đồng tín dụng (vỡ nợ kỹ thuật) (Altman và Hotchkiss, 2005). Gilson và cộng sự (1990), Altman và Hotchkiss (2006) nhấn mạnh sự khác biệt giữa hai loại vỡ nợ này. Lúc này, cần đàm phán với chủ nợ để tái cấu trúc nợ hoặc xin gia hạn.

III. Yếu Tố Tác Động Kiệt Quệ Tài Chính Phân Tích Rủi Ro Chi Tiết

Nghiên cứu xác định các yếu tố tác động đến kiệt quệ tài chính của doanh nghiệp niêm yết tại Việt Nam, bao gồm các yếu tố tài chính, vĩ mô và thị trường. Dữ liệu được thu thập từ báo cáo tài chính của 184 công ty niêm yết trên HOSE và HNX từ năm 2012 đến 2022. Sử dụng mô hình Logit để phân tích, nghiên cứu này cung cấp cái nhìn toàn diện về các yếu tố ảnh hưởng đến doanh nghiệp và mức độ tác động của chúng.

3.1. Tỷ Lệ Nợ Trên Vốn Chủ Sở Hữu Cao Đòn Bẩy Tài Chính

Tỷ lệ nợ trên vốn chủ sở hữu (LEV) là một trong những yếu tố quan trọng nhất ảnh hưởng đến khả năng kiệt quệ tài chính. Doanh nghiệp có tỷ lệ nợ cao thường phải chịu áp lực trả nợ lớn, dễ gặp khó khăn khi hoạt động kinh doanh không hiệu quả. Sử dụng đòn bẩy tài chính cao làm tăng rủi ro phá sản. Vì vậy, quản lý nợ quá hạn hiệu quả là rất quan trọng.

3.2. Hiệu Quả Hoạt Động Kinh Doanh Tỷ Lệ Lợi Nhuận Trước Thuế

Tỷ lệ lợi nhuận trước thuế và lãi vay (NITA) phản ánh khả năng sinh lời của doanh nghiệp. Doanh nghiệp có NITA thấp thường gặp khó khăn trong việc trả nợ và duy trì hoạt động. Hiệu quả hoạt động kinh doanh là yếu tố then chốt để đảm bảo sự ổn định tài chính của doanh nghiệp. Cần có các biện pháp để nâng cao lợi nhuận và giảm chi phí.

3.3. Các Yếu Tố Vĩ Mô Lãi Suất Ngân Hàng và Lạm Phát

Các yếu tố vĩ mô như lãi suất ngân hàng và lạm phát cũng có thể ảnh hưởng đến khả năng kiệt quệ tài chính của doanh nghiệp. Lãi suất cao làm tăng chi phí vay vốn, còn lạm phát làm giảm sức mua của người tiêu dùng. Chính vì vậy, các doanh nghiệp cần có những biện pháp phòng bị trước sự biến động của các yếu tố vĩ mô.

IV. Mô Hình Dự Báo Kiệt Quệ Tài Chính Altman Z score Áp Dụng

Nghiên cứu sử dụng mô hình dự báo kiệt quệ tài chính để đánh giá khả năng xảy ra kiệt quệ tài chính của doanh nghiệp. Các mô hình này dựa trên các chỉ số tài chính và các yếu tố khác để đưa ra dự báo. Trong đó, mô hình Altman Z-score được sử dụng rộng rãi để dự báo khả năng phá sản của doanh nghiệp. Tuy nhiên, cần điều chỉnh Altman Z score Việt Nam cho phù hợp với điều kiện kinh tế Việt Nam.

4.1. Ưu Điểm và Hạn Chế của Mô Hình Altman Z score trong Dự Báo

Mô hình Altman Z-score là một công cụ hữu ích để dự báo kiệt quệ tài chính, nhưng cũng có những hạn chế nhất định. Mô hình này dựa trên các chỉ số tài chính lịch sử, có thể không phản ánh đầy đủ tình hình hiện tại của doanh nghiệp. Do đó, cần sử dụng mô hình này kết hợp với các phương pháp phân tích khác để có được kết quả chính xác hơn.

4.2. Ứng Dụng Altman Z score Trong Chứng Khoán Lọc Cổ Phiếu Rủi Ro

Các nhà đầu tư có thể sử dụng Altman Z score trong chứng khoán để lọc các cổ phiếu có nguy cơ phá sản cao. Những cổ phiếu này thường có Z-score thấp, cho thấy tình hình tài chính yếu kém. Tuy nhiên, cần lưu ý rằng Z-score chỉ là một trong nhiều yếu tố cần xem xét khi đầu tư cổ phiếu.

V. Biện Pháp Phòng Ngừa Kiệt Quệ Tài Chính Quản Trị Tài Chính

Để phòng ngừa kiệt quệ tài chính, doanh nghiệp cần chú trọng đến quản trị tài chính hiệu quả. Điều này bao gồm việc kiểm soát dòng tiền, quản lý nợ hợp lý, nâng cao hiệu quả hoạt động kinh doanh, và xây dựng chiến lược kinh doanh linh hoạt. Bên cạnh đó, doanh nghiệp cũng cần theo dõi sát sao các yếu tố vĩ mô và thị trường để có những điều chỉnh kịp thời.

5.1. Tái Cấu Trúc Tài Chính Giải Pháp Khi Doanh Nghiệp Khó Khăn

Tái cấu trúc tài chính là một giải pháp quan trọng khi doanh nghiệp gặp khó khăn về tài chính. Điều này có thể bao gồm việc đàm phán với chủ nợ để tái cấu trúc nợ, phát hành cổ phiếu mới, hoặc bán bớt tài sản không cần thiết. Mục tiêu của tái cấu trúc tài chính là cải thiện tình hình tài chính của doanh nghiệp và giúp doanh nghiệp vượt qua giai đoạn khó khăn.

5.2. Nâng Cao Đạo Đức Kinh Doanh và Quản Trị Công Ty

Đạo đức kinh doanh và quản trị công ty tốt cũng đóng vai trò quan trọng trong việc phòng ngừa kiệt quệ tài chính. Doanh nghiệp cần tuân thủ các quy định của pháp luật, minh bạch trong hoạt động tài chính, và xây dựng văn hóa doanh nghiệp lành mạnh. Điều này sẽ giúp doanh nghiệp tạo được niềm tin với các bên liên quan và thu hút vốn đầu tư.

VI. Kết Luận Kiệt Quệ Tài Chính Doanh Nghiệp và Hướng Nghiên Cứu

Nghiên cứu đã xác định các yếu tố tác động đến khả năng kiệt quệ tài chính của doanh nghiệp niêm yết tại Việt Nam và đưa ra các gợi ý chính sách. Tuy nhiên, nghiên cứu này còn có những hạn chế nhất định, chẳng hạn như phạm vi dữ liệu còn hạn chế và mô hình phân tích chưa hoàn thiện. Trong tương lai, cần có thêm các nghiên cứu để bổ sung và hoàn thiện hơn nữa các mô hình dự báo kiệt quệ tài chính cho doanh nghiệp Việt Nam.

6.1. Hạn Chế Của Nghiên Cứu và Hướng Nghiên Cứu Tiếp Theo

Một trong những hạn chế của nghiên cứu là phạm vi dữ liệu chỉ giới hạn ở các công ty niêm yết trên HOSE và HNX. Trong tương lai, cần mở rộng phạm vi nghiên cứu sang các doanh nghiệp chưa niêm yết và các loại hình doanh nghiệp khác. Bên cạnh đó, cần kết hợp các phương pháp phân tích định tính và định lượng để có được cái nhìn toàn diện hơn về kiệt quệ tài chính.

6.2. Tầm Quan Trọng của Nghiên Cứu Trong Bối Cảnh Kinh Tế Hiện Nay

Nghiên cứu về kiệt quệ tài chính doanh nghiệp có tầm quan trọng đặc biệt trong bối cảnh kinh tế hiện nay, khi các doanh nghiệp đang phải đối mặt với nhiều thách thức và khó khăn. Kết quả nghiên cứu này có thể giúp các doanh nghiệp chủ động phòng ngừa và giảm thiểu rủi ro kiệt quệ tài chính, góp phần vào sự phát triển bền vững của nền kinh tế.

Nội dung chính

Giới thiệu dự án

Trong bối cảnh nền kinh tế toàn cầu và Việt Nam trải qua giai đoạn biến động mạnh mẽ sau đại dịch COVID-19, đứt gãy chuỗi cung ứng và biến động lãi suất, sức khỏe tài chính của các doanh nghiệp đối mặt với nhiều áp lực nghiêm trọng. Theo số liệu từ Tổng cục Thống kê, chỉ riêng trong năm 2022, Việt Nam ghi nhận 143.198 doanh nghiệp rút lui khỏi thị trường (tăng 19,5% so với năm 2021), trong đó các doanh nghiệp tạm ngừng kinh doanh ngắn hạn chiếm tới 51%. Việc doanh nghiệp rơi vào tình trạng kiệt quệ tài chính (Financial Distress) không chỉ gây tổn thất vốn cho cổ đông, gia tăng nợ xấu cho hệ thống ngân hàng mà còn tạo ra hiệu ứng domino tiêu cực lên toàn bộ nền kinh tế.

Đồ án khóa luận nghiên cứu ứng dụng "Các yếu tố tác động đến khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp niêm yết tại Việt Nam" (Mã ngành: 7 34 02 01) được thực hiện nhằm xây dựng khung phân tích định lượng toàn diện, kết hợp đa chiều giữa các chỉ số kế toán nội tại, biến động giá trị thị trường và chỉ báo kinh tế vĩ mô để dự báo xác suất kiệt quệ tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam.

                           +------------------------------------------+
                           |       BỘ DỮ LIỆU BẢNG (2012 - 2022)      |
                           |   184 Doanh nghiệp phi tài chính HOSE/HNX|
                           |           2.024 Quan sát (Firm-Years)    |
                           +--------------------+---------------------+
                                                |
              +---------------------------------+---------------------------------+
              |                                 |                                 |
              v                                 v                                 v
   +---------------------+           +---------------------+           +---------------------+
   |  NHÓM TỶ SỐ NỘI TẠI |           |   NHÓM THỊ TRƯỜNG   |           |    NHÓM VĨ MÔ       |
   | OCF, OCFTL, LEV,    |           | PRICE, ABNRET,      |           | CPI (Lạm phát),     |
   | WC, RETA, NITA      |           | SIZE (Vốn hóa)      |           | TBILL (Trái phiếu)  |
   +----------+----------+           +----------+----------+           +----------+----------+
              |                                 |                                 |
              +---------------------------------+---------------------------------+
                                                |
                                                v
                           +------------------------------------------+
                           |     MÔ HÌNH HỒI QUY BINARY LOGIT         |
                           |  $P(FD=1) = \Lambda(\beta_0 + \beta X)$   |
                           +--------------------+---------------------+
                                                |
                                                v
                           +------------------------------------------+
                           |      ĐÁNH GIÁ ĐỘ CHÍNH XÁC & ỨNG DỤNG    |
                           |  AUC > 0.85 | Gini > 60% | Early Warning |
                           +------------------------------------------+

Problem Statement

Hầu hết các hệ thống cảnh báo sớm tại các định chế tài chính và doanh nghiệp Việt Nam hiện nay vẫn phụ thuộc vào các chỉ số phân tích đơn lẻ hoặc áp dụng trực tiếp các mô hình cổ điển như Altman Z-score (1968) vốn được thiết kế cho các thị trường phát triển từ nhiều thập kỷ trước. Cách tiếp cận này bộc lộ ba điểm nghẽn nghiêm trọng:

1. Thiếu tính cập nhật và thích ứng: Bỏ qua sự can thiệp của môi trường vĩ mô (lạm phát, biến động lãi suất điều hành) đặc thù của nền kinh tế mới nổi.
2. Độ trễ thông tin từ Báo cáo tài chính (BCTC): Các chỉ số kế toán thuần túy có độ trễ lớn (theo quý hoặc năm), không phản ánh kịp thời kỳ vọng và tâm lý thị trường thông qua diễn biến giá cổ phiếu.
3. Bỏ qua vai trò sống còn của dòng tiền thực: Quá chú trọng vào lợi nhuận danh nghĩa (Accrual Accounting) thay vì dòng tiền hoạt động thuần túy (Operating Cash Flow - OCF), dẫn đến việc đánh giá sai lệch thanh khoản thực tế.

Project Objectives

1. Xác định các yếu tố trọng yếu: Định danh và đo lường mức độ tác động của 11 biến số thuộc 3 nhóm: Chỉ số tài chính BCTC (OCF, OCFTL, LEV, WC, RETA, NITA), Chỉ số thị trường (PRICE, ABNRET, SIZE) và Chỉ số vĩ mô (CPI, TBILL).
2. Ước lượng định lượng xác suất: Xây dựng mô hình Binary Logit tối ưu dựa trên phương pháp ước lượng Hợp lý cực đại (Maximum Likelihood Estimation - MLE) trên dữ liệu bảng (Panel Data) giai đoạn 2012 - 2022.
3. Kiểm định và đo lường độ nhạy: Phân tích hiệu ứng cận biên (Marginal Effects) và đánh giá năng lực phân loại dự báo thông qua diện tích dưới đường cong ROC (AUC) và hệ số phân hạng Gini.
4. Xây dựng giải pháp ứng dụng: Đề xuất khung cảnh báo sớm (Early Warning System) hỗ trợ ngân hàng quản trị rủi ro tín dụng và doanh nghiệp tái cấu trúc tài chính.

Scope and Limitations

• Phạm vi không gian & đối tượng: 184 doanh nghiệp phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX).
• Phạm vi thời gian: Giai đoạn 11 năm liên tục từ 2012 đến 2022, thu được bộ dữ liệu bảng cân bằng gồm 2.024 quan sát (Firm-years).
• Giới hạn nghiên cứu: Không bao gồm các định chế tài chính (ngân hàng, bảo hiểm, công ty chứng khoán) do đặc thù cơ cấu bảng cân đối kế toán khác biệt.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí	Altman Z-Score (1968)	Ohlson O-Score (1980)	Mô hình Logit Đa Chiều Đề Xuất
Phương pháp kinh tế lượng	Phân tích phân biệt đa biến (MDA)	Hồi quy Logistic (Logit)	Hồi quy Logistic Đa biến trên Dữ liệu bảng (Panel Logit)
Biến số thị trường	Hạn chế (chỉ có Vốn hóa / Tổng nợ)	Rất ít (chủ yếu dựa vào dữ liệu kế toán)	Toàn diện: PRICE, ABNRET (Chuẩn hóa hàm Tanh), SIZE
Yếu tố kinh tế vĩ mô	Không tích hợp	Không tích hợp	Tích hợp trực tiếp: CPI, TBILL (Lợi suất TPCP 1 năm)
Tiêu chuẩn Kiệt quệ	Phá sản pháp lý tại Mỹ	Phá sản / Tái cấu trúc nợ tại Mỹ	$EBITDA < \text{Chi phí lãi vay}$ (Chuẩn Andrade & Kaplan, 1998)
Độ nhạy thị trường mới nổi	Thấp, dễ xảy ra sai lầm loại I (Type I Error)	Trung bình, tính phi tuyến tính cao	Tối ưu hóa cao cho TTCK Việt Nam giai đoạn 2012 - 2022

                                  MA TRẬN YÊU CẦU DỰ ÁN (MoSCoW)
+---------------------------------------------------------------------------------------------------+
| MUST HAVE (Bắt buộc)                                                                              |
| - Pipeline trích xuất BCTC & dữ liệu giao dịch 184 công ty từ FiinPro (2012-2022).                 |
| - Thuật toán làm sạch dữ liệu, xử lý outliers bằng biến đổi hàm Hyperbolic Tangent (Tanh).        |
| - Mô hình Binary Logit ước lượng bằng Maximum Likelihood Estimation (MLE) trên Stata 17.0.        |
| - Kiểm định đa cộng tuyến (VIF < 5.0) và kiểm định tương quan Pearson.                            |
+---------------------------------------------------------------------------------------------------+
| SHOULD HAVE (Nên có)                                                                              |
| - Ước lượng Hiệu ứng cận biên (Marginal Effects $dy/dx$) tại giá trị trung bình đại diện.         |
| - Đánh giá năng lực phân loại bằng ROC Curve, diện tích AUC và Hệ số Gini.                        |
| - Đánh giá tách biệt tác động cộng gộp: (1) Chỉ số kế toán -> (2) Thêm Thị trường -> (3) Thêm Vĩ mô|
+---------------------------------------------------------------------------------------------------+
| COULD HAVE (Có thể mở rộng)                                                                       |
| - Tích hợp mô hình máy học phi tuyến tính: XGBoost, Random Forest để đối chiếu Benchmark.         |
| - API Endpoint trả về xác suất rủi ro tài chính $P(FD)$ thời gian thực.                           |
+---------------------------------------------------------------------------------------------------+
| WON'T HAVE (Chưa thực hiện đợt này)                                                               |
| - Xử lý dữ liệu văn bản phi cấu trúc (Thuyết minh BCTC, Báo cáo thường niên bằng NLP/LLM).        |
+---------------------------------------------------------------------------------------------------+

Thiết kế hệ thống và mô hình toán học

Mô hình nghiên cứu được xây dựng dựa trên phương pháp tiếp cận của Tinoco & Wilson (2013), mở rộng trên cấu trúc hàm phân phối Logistic xác suất lũy tích:

$$P(FD_{i,t} = 1 | X_{i,t}, Z_{i,t}, C_{i,t}) = \Lambda(Y^_{i,t}) = \frac{e^{Y^{i,t}}}{1 + e^{Y^*{i,t}}} = \frac{1}{1 + e^{-(\beta_0 + \sum \beta_j X_{j,i,t} + \sum \gamma_k Z_{k,i,t} + \sum \delta_m C_{m,i,t})}}$$

Trong đó, phương trình hồi quy tuyến tính của biến tiềm ẩn (Latent Variable) $Y^*_{i,t}$ được thiết lập cụ thể:

$$\begin{aligned} Y^*{i,t} = \beta_0 &+ \beta_1 OCF{i,t} + \beta_2 OCFTL_{i,t} + \beta_3 LEV_{i,t} + \beta_4 WC_{i,t} + \beta_5 RETA_{i,t} + \beta_6 NITA_{i,t} \ &+ \beta_7 PRICE_{i,t} + \beta_8 ABNRET_{i,t} + \beta_9 SIZE_{i,t} + \beta_{10} CPI_{i,t} + \beta_{11} TBILL_{i,t} + u_{i,t} \end{aligned}$$

+--------------------------------------------------------------------------------------------------+
|                            ĐẶC TẢ KỸ THUẬT CÁC BIẾN SỐ TRONG MÔ HÌNH                             |
+---------+-------------------+---------------------------------------------------------+----------+
| Ký hiệu | Nhóm biến         | Công thức toán học / Nguồn trích xuất                   | Kỳ vọng  |
+---------+-------------------+---------------------------------------------------------+----------+
| FD      | Phụ thuộc         | = 1 nếu EBITDA < Chi phí lãi vay; = 0 nếu ngược lại     | N/A      |
| OCF     | Tài chính (BCTC)  | Dòng tiền thuần HĐKD / Doanh thu thuần                  | Âm (-)   |
| OCFTL   | Tài chính (BCTC)  | Dòng tiền thuần HĐKD / Tổng nợ phải trả                 | Âm (-)   |
| LEV     | Tài chính (BCTC)  | Tổng nợ phải trả / Tổng tài sản (Debt/Assets)           | Dương (+)|
| WC      | Tài chính (BCTC)  | Vốn lưu động ròng / Tài sản ngắn hạn (NWC/CA)           | Âm (-)   |
| RETA    | Tài chính (BCTC)  | Lợi nhuận giữ lại lũy kế / Tổng tài sản                 | Âm (-)   |
| NITA    | Tài chính (BCTC)  | Lợi nhuận trước thuế & lãi vay (EBIT) / Tổng tài sản    | Âm (-)   |
| PRICE   | Thị trường        | ln(Giá cổ phiếu đóng cửa tại ngày 31/12)                | Âm (-)   |
| ABNRET  | Thị trường        | tanh(TSSL tích lũy 12M cổ phiếu - TSSL 12M VN-INDEX)   | Âm (-)   |
| SIZE    | Thị trường        | Vốn hóa thị trường công ty / Tổng vốn hóa toàn thị trường| Âm (-)   |
| CPI     | Kinh tế vĩ mô     | Tỷ lệ lạm phát hàng năm từ Tổng cục Thống kê            | Dương (+)|
| TBILL   | Kinh tế vĩ mô     | Lợi suất trúng thầu Trái phiếu Chính phủ kỳ hạn 1 năm   | Dương (+)|
+---------+-------------------+---------------------------------------------------------+----------+

Methodology và Technology Stack

• Quy trình nghiên cứu định lượng: Tuân thủ quy trình chuẩn Econometric Research Lifecycle:
  1. Data Ingestion: Thu thập dữ liệu từ nền tảng FiinPro Terminal qua định dạng chuẩn hóa .xlsx và cấu trúc bảng quan sát.
  2. Data Cleansing & Transformation: Xử lý giá trị ngoại lai (Winsorizing / Tanh transformation), xử lý Missing values, kiểm tra tính cân bằng bảng.
  3. Statistical Diagnostics: Phân tích thống kê mô tả (Mean, SD, Min, Max), ma trận hệ số tương quan Pearson, kiểm định hệ số phóng đại phương sai (VIF).
  4. Econometric Modeling: Ước lượng Binary Logit bằng Stata 17.0 với thuật toán Newton-Raphson MLE.
  5. Post-Estimation & Validation: Kiểm định Wald, Pseudo $R^2$, xây dựng đường cong ROC, tính toán diện tích dưới đường cong (AUC), chỉ số phân hạng Gini ($Gini = 2 \times AUC - 1$) và ước lượng hiệu ứng cận biên ($dy/dx$).

+--------------------------------------------------------------------------------------------------+
|                            TECHNOLOGY & TOOLCHAIN SPECIFICATIONS                                 |
+----------------------+----------------------+----------------------------------------------------+
| Công nghệ / Công cụ  | Phiên bản            | Mục đích và chức năng trong đồ án                  |
+----------------------+----------------------+----------------------------------------------------+
| Stata Statistical SW | Stata/MP 17.0        | Xử lý dữ liệu bảng, ước lượng Logit, MLE, ROC/AUC  |
| FiinPro Financial DB | FiinPro Enterprise   | Trích xuất BCTC kiểm toán & dữ liệu thị trường     |
| Python Engine        | Python 3.10.x        | Scripts tiền xử lý ma trận và biến đổi Tanh         |
| Microsoft Excel      | MS Excel 365         | Tổng hợp cấu trúc dữ liệu thô ban đầu              |
+----------------------+----------------------+----------------------------------------------------+

---

Implementation và kết quả

Development Process và Code Snippets

Toàn bộ quy trình ước lượng và kiểm định kinh tế lượng được tự động hóa thông qua các Stata Do-files chuẩn hóa:

* ==============================================================================
* KHÓA LUẬN TỐT NGHIỆP: DỰ BÁO KIỆT QUỆ TÀI CHÍNH BẰNG HỒI QUY LOGIT
* Tác giả: Trương Thành Trung | Hướng dẫn: PGS.TS. Lê Phan Thị Diệu Thảo
* Dữ liệu: 184 Doanh nghiệp niêm yết (2012 - 2022) | N = 2024 quan sát
* ==============================================================================

clear all
set more off

* 1. Thiết lập cấu trúc dữ liệu bảng (Panel Data Setup)
use "financial_distress_vietnam_2012_2022.dta", clear
xtset firm_id year

* 2. Kiểm định tương quan và Đa cộng tuyến (VIF)
regress fd ocf ocftl lev wc reta nita price abnret size cpi tbill
estat vif

* 3. Ước lượng Mô hình Hồi quy Binary Logit toàn phần
logit fd ocf ocftl lev wc reta nita price abnret size cpi tbill, vce(robust)
estimates store LOGIT_FULL

* 4. Ước lượng Hiệu ứng cận biên (Marginal Effects dy/dx)
margins, dydx(*) atmeans

* 5. Kiểm định năng lực phân loại dự báo (ROC Curve & AUC)
lroc, title("Đường cong ROC - Mô hình Dự báo Kiệt quệ Tài chính")
qui predict p_hat if e(sample), pr
roctab fd p_hat, graph summary

* 6. Kiểm định mức độ phù hợp tổng thể (Goodness-of-Fit)
estat classification, cutoff(0.5)
estat ic

Testing và Statistical Diagnostics

+--------------------------------------------------------------------------------------------------+
|               KẾT QUẢ THỐNG KÊ MÔ TẢ THEO PHÂN NHÓM DOANH NGHIỆP (2012 - 2022)                   |
+---------+----------------------------+----------------------------+------------------------------+
| Biến số | Toàn bộ mẫu (N = 2.024)    | Nhóm Kiệt quệ (N = 271)    | Nhóm An toàn (N = 1.753)     |
|         | Mean (Std. Dev.)           | Mean (Std. Dev.)           | Mean (Std. Dev.)             |
+---------+----------------------------+----------------------------+------------------------------+
| OCF     | 0.0567 (0.0860)            | 0.0124 (0.0912)            | 0.0636 (0.0831)              |
| OCFTL   | 0.1610 (0.2415)            | 0.0381 (0.2014)            | 0.1800 (0.2411)              |
| LEV     | 0.5215 (0.1984)            | 0.6842 (0.1645)            | 0.4963 (0.1912)              |
| WC      | 0.1001 (0.2140)            | -0.0452 (0.2810)           | 0.1226 (0.1904)              |
| RETA    | 0.0714 (0.0945)            | -0.0312 (0.1415)           | 0.0873 (0.0710)              |
| NITA    | 0.0776 (0.0682)            | 0.0145 (0.0512)            | 0.0874 (0.0645)              |
| PRICE   | 9.3526 (0.8412)            | 8.7120 (0.7615)            | 9.4516 (0.8120)              |
| ABNRET  | 0.0126 (0.3120)            | -0.1145 (0.3412)           | 0.0322 (0.3015)              |
| SIZE    | 0.0092 (0.0241)            | 0.0031 (0.0085)            | 0.0101 (0.0255)              |
| CPI     | 0.0373 (0.0185)            | 0.0412 (0.0192)            | 0.0367 (0.0183)              |
| TBILL   | 0.0394 (0.0210)            | 0.0425 (0.0215)            | 0.0389 (0.0208)              |
+---------+----------------------------+----------------------------+------------------------------+

Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) của tất cả các biến độc lập đều dao động trong khoảng từ $1,02$ đến $2,18$ (VIF trung bình = $1,46$), thấp hơn rất nhiều so với ngưỡng cảnh báo $5,0$. Điều này chứng minh mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.

+--------------------------------------------------------------------------------------------------+
|                    KẾT QUẢ HỒI QUY LOGIT VÀ PHÂN TÍCH HIỆU ỨNG CẬN BIÊN (MARGINAL EFFECTS)       |
+---------+--------------------+----------------+--------------------+----------------+------------+
| Biến    | Hệ số Hồi quy (β)  | Sai số chuẩn   | Thống kê z-value   | p-value        | dy/dx      |
+---------+--------------------+----------------+--------------------+----------------+------------+
| OCF     | -2.8415            | 0.8120         | -3.50              | 0.0005 ***     | -0.2412    |
| OCFTL   | -1.4120            | 0.4215         | -3.35              | 0.0008 ***     | -0.1200    |
| LEV     | +4.6152            | 0.5124         | +9.01              | 0.0000 ***     | +0.3920    |
| WC      | -1.8941            | 0.4310         | -4.39              | 0.0000 ***     | -0.1610    |
| RETA    | -3.1250            | 0.6512         | -4.80              | 0.0000 ***     | -0.2654    |
| NITA    | -8.4512            | 1.0125         | -8.35              | 0.0000 ***     | -0.7180    |
| PRICE   | -0.3842            | 0.1120         | -3.43              | 0.0006 ***     | -0.0326    |
| ABNRET  | -0.8125            | 0.2415         | -3.36              | 0.0008 ***     | -0.0691    |
| SIZE    | -14.2510           | 4.1250         | -3.45              | 0.0006 ***     | -1.2114    |
| CPI     | +8.4120            | 3.1250         | +2.69              | 0.0071 **      | +0.7150    |
| TBILL   | +7.6510            | 2.8140         | +2.72              | 0.0065 **      | +0.6504    |
| _cons   | +0.8125            | 1.1245         | +0.72              | 0.4701         | --         |
+---------+--------------------+----------------+--------------------+----------------+------------+
* Ghi chú: *** p < 0.001, ** p < 0.01. Thống kê Wald Chi2(11) = 318.42 (p = 0.0000), Pseudo R2 = 0.3862.

Kết quả đạt được

• Khả năng dự báo vượt trội: Mô hình hồi quy đa chiều Logit kết hợp đạt diện tích dưới đường cong ROC (AUC = 0.8842), vượt xa tiêu chuẩn mô hình tốt (AUC > 0.80) và vượt trội so với mô hình chỉ sử dụng biến BCTC thuần túy (AUC = 0.8015).
• Hệ số Gini đạt 76.84% ($Gini = 2 \times 0.8842 - 1 = 0.7684$), khẳng định mức độ phân hạng rủi ro chính xác cao.
• Xác nhận vai trò của các biến then chốt:
  • NITA (Khả năng sinh lời trên tài sản) và LEV (Đòn bẩy tài chính) là hai yếu tố nội tại có cường độ tác động mạnh nhất. Mỗi sự gia tăng 1% trong tỷ suất sinh lời $EBIT / \text{Tổng tài sản}$ giúp giảm xác suất kiệt quệ tài chính tới 0,718%.
  • SIZE và ABNRET phản ánh chính xác hiệu ứng kỷ luật thị trường: Doanh nghiệp vốn hóa lớn và có tỷ suất sinh lợi vượt trội giúp giảm thiểu đáng kể xác suất rơi vào khó khăn.
  • Các chỉ báo vĩ mô CPI và TBILL mang dấu dương có ý nghĩa thống kê ở mức 1%, chứng minh môi trường lạm phát cao và lãi suất gia tăng là tác nhân cộng hưởng làm trầm trọng thêm rủi ro kiệt quệ tài chính.

---

Đổi mới và đóng góp

1. Chuẩn hóa đo lường kiệt quệ tài chính phù hợp với thị trường Việt Nam: Thay vì sử dụng biến cố phá sản pháp lý (rất hiếm khi xảy ra do thủ tục pháp lý kéo dài tại Việt Nam), đề tài áp dụng tiêu chuẩn kỹ thuật $EBITDA < \text{Chi phí lãi vay}$ của Andrade & Kaplan (1998), phản ánh chuẩn xác tình trạng mất cân đối dòng tiền thực tế.
2. Tích hợp ba trụ cột phân tích (Kế toán - Thị trường - Vĩ mô): Khắc phục hoàn toàn điểm yếu của các mô hình kế toán truyền thống đơn lập. Việc bổ sung biến thị trường và vĩ mô giúp cải thiện 10,32% độ chính xác của chỉ số AUC (tăng từ $0,8015$ lên $0,8842$).
3. Ứng dụng kỹ thuật chuẩn hóa hàm Hyperbolic Tangent (Tanh): Áp dụng biến đổi $ABNRET = \tanh(R_i - R_m)$ để khử triệt để ảnh hưởng của các giá trị ngoại lai (Fat tails / Outliers) trong tỷ suất sinh lợi cổ phiếu trên thị trường chứng khoán Việt Nam mà không làm mất tính liên tục của chuỗi dữ liệu.

                           SO SÁNH HIỆU SUẤT DỰ BÁO (AUC & GINI)
   1.00 +-----------------------------------------------------------------------+
        |                                                               [0.8842]|
   0.80 |                                               [0.8015]         ###### |
        |                               [0.7240]         ######          ###### |
   0.60 |               [0.6512]         ######          ######          ###### |
        |                ######          ######          ######          ###### |
   0.40 |                ######          ######          ######          ###### |
        |                ######          ######          ######          ###### |
   0.20 |                ######          ######          ######          ###### |
        +-----------------------------------------------------------------------+
                     Altman Z-Score   Chỉ số BCTC     BCTC + Market    Mô hình Toàn phần
                        (1968)          Đơn thuần        (Tinoco)       (Nghiên cứu này)

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Use Cases)

1. Ngân hàng thương mại - Thẩm định và giám sát tín dụng: Tích hợp phương trình xác suất Logit vào hệ thống xếp hạng tín nhiệm nội bộ (Internal Credit Rating System) để tự động hóa việc chấm điểm rủi ro vỡ nợ của khách hàng doanh nghiệp theo từng kỳ công bố BCTC hoặc khi có biến động mạnh về giá cổ phiếu và lãi suất điều hành.
2. Công ty quản lý quỹ & Nhà đầu tư chứng khoán: Thiết lập bộ lọc rủi ro danh mục (Portfolio Risk Screening), chủ động thoái vốn khỏi các mã cổ phiếu có xác suất kiệt quệ tài chính $P(FD) > 35%$ trước khi doanh nghiệp bị đưa vào diện kiểm soát hoặc đình chỉ giao dịch.
3. Hội đồng quản trị & Giám đốc tài chính (CFO): Sử dụng ma trận độ nhạy hiệu ứng cận biên để lập kế hoạch tái cấu trúc tài chính: Giữ tỷ lệ đòn bẩy $LEV < 50%$, gia tăng tỷ lệ dự trữ lợi nhuận giữ lại $RETA$ và tối ưu hóa vòng quay vốn lưu động $WC$.

Lộ trình triển khai hệ thống cảnh báo sớm (Early Warning System Roadmap)

+---------------------------------------------------------------------------------------------------+
| Giai đoạn 1: Chuẩn hóa Dữ liệu (Tháng 1 - 2)                                                      |
| - Thiết lập Data Pipeline kết nối FiinPro API lấy BCTC kiểm toán, giá đóng cửa và chỉ số vĩ mô.  |
| - Xây dựng Module ETL làm sạch dữ liệu tự động, kiểm tra Missing Data & Outliers.                 |
+---------------------------------------------------------------------------------------------------+
| Giai đoạn 2: Tích hợp Động cơ Tính toán (Tháng 3 - 4)                                             |
| - Triển khai thuật toán Logit Scoring Engine dưới dạng Microservice (Python/FastAPI).             |
| - Thiết lập Dashboard hiển thị phân loại rủi ro 3 mức: Xanh (<15%), Vàng (15-35%), Đỏ (>35%).    |
+---------------------------------------------------------------------------------------------------+
| Giai đoạn 3: Kiểm thử và Vận hành (Tháng 5 - 6)                                                   |
| - Backtesting trên tập dữ liệu kiểm chứng out-of-sample.                                          |
| - Đào tạo cán bộ quản trị rủi ro tín dụng và tích hợp vào quy trình phê duyệt cho vay.            |
+---------------------------------------------------------------------------------------------------+

---

Hạn chế và hướng phát triển

• Hạn chế về cỡ mẫu ngành: Nghiên cứu chưa phân tách chi tiết từng tiểu ngạch (bất động sản, xây dựng, bán lẻ, sản xuất chế tạo) do giới hạn số lượng doanh nghiệp niêm yết đủ điều kiện dữ liệu liên tục 11 năm.
• Chưa tích hợp biến số quản trị công ty (Corporate Governance): Các biến phi tài chính như tỷ lệ sở hữu của ban điều hành, quy mô hội đồng quản trị, sự thay đổi công ty kiểm toán chưa được đưa vào mô hình.
• Hướng nghiên cứu mở rộng:
  1. Ứng dụng các mô hình học máy hiện đại (XGBoost, LightGBM, CatBoost) kết hợp giải thuật giải thích mô hình SHAP (SHapley Additive exPlanations) để nắm bắt các mối quan hệ phi tuyến tính phức tạp.
  2. Mở rộng khung dữ liệu sang các doanh nghiệp chưa niêm yết (SMEs) thông qua việc hiệu chỉnh các biến số thị trường tương đương.

---

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------------+
|                                 GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG                           |
+----------------------+----------------------------------------------------------------------------+
| Đối tượng            | Giá trị ứng dụng và Lợi ích định lượng                                     |
+----------------------+----------------------------------------------------------------------------+
| Sinh viên & Học viên | Tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, xử lý   |
| Tài chính - Kinh tế  | dữ liệu bảng (Panel Data) và kỹ thuật lập trình kinh tế lượng trên Stata.  |
+----------------------+----------------------------------------------------------------------------+
| Chuyên viên PT Rủi ro| Khung tham chiếu công thức thực chứng để xây dựng mô hình xếp hạng tín nhiệm|
| & Data Analysts      | nội bộ với AUC đạt 0.8842, giảm 25% tỷ lệ cảnh báo sai (False Positives).  |
+----------------------+----------------------------------------------------------------------------+
| Lãnh đạo Doanh nghiệp| Cung cấp công cụ định lượng chính xác độ nhạy rủi ro để tối ưu cơ cấu nợ   |
| & CFO                | vay (LEV) và điều hành dòng tiền hoạt động thuần (OCF).                   |
+----------------------+----------------------------------------------------------------------------+
| Giảng viên &         | Bằng chứng thực nghiệm giá trị về mối quan hệ giữa biến động kinh tế vĩ mô |
| Nhà nghiên cứu       | (CPI, TBILL) và sức khỏe tài chính doanh nghiệp tại thị trường mới nổi.   |
+----------------------+----------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình là gì?

Hệ thống yêu cầu môi trường tính toán tối thiểu 4 Core CPU, 8GB RAM, cài đặt phần mềm Stata 16.0/17.0 hoặc runtime Python 3.9+ với các thư viện statsmodels, scikit-learn, pandas, numpy. Nguồn cấp dữ liệu cần tối thiểu các chỉ tiêu BCTC năm đã kiểm toán, dữ liệu giá đóng cửa cổ phiếu ngày 31/12 và số liệu CPI, lợi suất TPCP từ Tổng cục Thống kê / Ngân hàng Nhà nước.

2. Giới hạn quy mô dữ liệu và giải pháp mở rộng (Scalability)?

Mô hình hiện tại xử lý tối ưu trên tập dữ liệu bảng 2.024 quan sát. Khi mở rộng cho toàn bộ hơn 1.600 doanh nghiệp trên cả 3 sàn (HOSE, HNX, UPCoM) với tần suất theo quý, giải pháp đề xuất là chuyển đổi thuật toán ước lượng sang Python / PySpark chạy trên kiến trúc điện toán đám mây để tính toán song song.

3. Mô hình có thể tích hợp với các hệ thống ERP / Core Banking hiện có không?

Hoàn toàn khả thi. Động cơ tính toán có thể được đóng gói thành RESTful API nhận payload đầu vào là 11 chỉ số tài chính - vĩ mô và trả về kết quả JSON chứa xác suất $P(FD)$, phân hạng rủi ro và các chỉ báo cảnh báo thành phần chỉ trong dưới 200ms.

4. Nhu cầu bảo trì và cập nhật tham số mô hình như thế nào?

Cần thực hiện tái ước lượng tham số hồi quy ($\beta_j$) định kỳ 1 năm/lần sau khi toàn bộ doanh nghiệp công bố BCTC kiểm toán năm để cập nhật các thay đổi về mặt cấu trúc kinh tế và môi trường lãi suất mới.

5. Chi phí triển khai và thời gian hoàn vốn (ROI)?

Đối với một định chế tài chính, việc ứng dụng mô hình giúp giảm thiểu nguy cơ phát sinh nợ xấu nhóm 3-5. Với chi phí triển khai hệ sinh thái phân tích dữ liệu ước tính chỉ chiếm một phần rất nhỏ so với giá trị một khoản vay doanh nghiệp trung bình, tỷ suất hoàn vốn (ROI) có thể đạt được ngay trong năm đầu tiên vận hành nhờ việc ngăn ngừa kịp thời các khoản cấp tín dụng rủi ro cao.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Trương Thành Trung (Trường Đại học Ngân hàng TP.HCM) đã giải quyết thành công bài toán dự báo rủi ro kiệt quệ tài chính cho các doanh nghiệp niêm yết tại Việt Nam giai đoạn 2012 - 2022. Bằng việc chứng minh mối liên hệ chặt chẽ giữa các chỉ số dòng tiền thực (OCF, OCFTL), đòn bẩy (LEV), khả năng sinh lời (NITA), tín hiệu thị trường (SIZE, PRICE, ABNRET) và bối cảnh vĩ mô (CPI, TBILL), nghiên cứu đã mang lại một công cụ định lượng khoa học, tin cậy và có tính ứng dụng thực tiễn cao cho thị trường tài chính Việt Nam.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC YẾU TỐ TÁC ĐỘNG ĐẾN KHẢ NĂNG XẢY RA KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGIỆP NIÊM YẾT TẠI VIỆT NAM Ngành: Tài chính - Ngân hàng Mã số: 7 34 02 01 TRƢƠNG THÀNH TRUNG TP. HỒ CHÍ MINH, NĂM 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC NGÂN HÀNG TP.HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC YẾU TỐ TÁC ĐỘNG ĐẾN KHẢ NĂNG XẢY RA KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGIỆP NIÊM YẾT TẠI VIỆT NAM Ngành: Tài chính - Ngân hàng Mã số: 7 34 02 01 Họ và tên sinh viên : TRƢƠNG THÀNH TRUNG Mã số sinh viên : 050608200750 Lớp sinh hoạt: HQ8-GE15 NGƢỜI HƢỚNG DẪN KHOA HỌC PGS, TS. LÊ PHAN THỊ DIỆU THẢO TP. HỒ CHÍ MINH, NĂM 2023 LỜI CAM ĐOAN Tôi xin cam đoan luận văn với tên đề tài “ Các yếu tố tác động đến khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp niêm yết tại Việt Nam” là công trình nghiên cứu của chính tác giả.

Số liệu và nội dung là hoàn toàn trung thực. Bài nghiên cứu được thực hiện dưới sự hướng dẫn khoa học của PGS,TS. Lê Phan Thị Diệu Thảo. Tác giả Trƣơng Thành Trung LỜI CẢM ƠN Lời đầu tiên, tôi xin gửi lời cảm ơn đến quý thầy cô và các bạn sinh viên Trường Đại học Ngân hàng với lòng biết ơn sâu sắc nhất, tôi xin gửi đến thầy cô Khoa Tài chính - Ngân hàng Trường Đại học Ngân hàng TP.

HCM đã tận tình dạy dỗ, đào tạo và truyền đạt cho tôi. Và đặc biệt trong chương trình khóa luận tốt nghiệp với sự hướng dẫn của PGS, TS. Lê Phan Thị Diệu Thảo đã giúp đỡ tôi rất nhiều trong công tác chọn đề tài, triển khai đề tài, cũng như hướng dẫn chu đóa và tận tình trong suốt quá trình thực hiện khóa luận vừa qua. Mặc dù đã cố gắng thực hiện đề tài một cách hoàn chỉnh nhất, nhưng vốn kiến thức, kinh nghiệm và khả năng trình bày của bản thân còn hạn chế, không thể tránh khỏi những thiếu sót nhất định mà bản thân chưa thấy được.

Tôi rất mong nhận được góp ý của quý Thầy Cô để tôi có thể hoàn thành bài khóa luận tốt nghiệp tốt hơn. Cuối cùng, tôi xin kính chúc quý thầy cô dồi dào sức khoẻ và thành công trong công việc, đạt nhiều thành tựu với sự nghiệp giảng dạy của mình. Tôi xin chân thành cảm ơn! Tác giả Trƣơng Thành Trung MỤC LỤC DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG TÓM TẮT ABSTRACT CHƢƠNG 1. GIỚI THIỆU NGHIÊN CỨU.

Lý do chọn đề tài. Mục tiêu nghiên cứu. Mục tiêu tổng quát. Mục tiêu cụ thể.

Câu hỏi nghiên cứu. Đối tƣợng và phạm vi nghiên cứu. Đối tượng nghiên cứu. Phạm vi nghiên cứu.

Phƣơng pháp nghiên cứu. Kết cấu khóa luận .TỔNG QUAN LÝ THUYẾT VÀ NGHIÊN CỨU THỰC NGHIỆM. Lý thuyết về kiệt quệ tài chính. Khái niệm về kiệt quệ tài chính.

Các lý thuyết kiệt quệ tài chính. Tổng quan nghiên cứu thực nghiệm .1 Nghiên cứu nước ngoài .Nghiên cứu tại Việt Nam .14 CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU. Mô hình nghiên cứu và dữ liệu nghiên cứu. Mô hình nghiên cứu.

Xác định các biến trong mô hình nghiên cứu. Dữ liệu nghiên cứu. Trình tự xử lý dữ liệu .33 CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU. Thống kê mô tả biến.

Phân tích tƣơng quan. Kết quả nghiên cứu. Thảo luận kết quả nghiên cứu. Đo lƣờng mức độ phù hợp của mô hình.

Đo lƣờng hiệu ứng cận biên (Marginal Effects) .46 CHƢƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ. Đòn bẩy tài chính (LEV). Tỷ lệ vốn lưu động ròng (WC). Tỷ lệ lợi nhuận trước thuế và lãi vay (NITA).

Quy mô của doanh nghiệp (SIZE). Hạn chế của đề tài và hƣớng nghiên cứu tiếp theo .51 TÀI LIỆU THAM KHẢO PHỤ LỤC DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Ký hiệu, chữ viết tắt Ý nghĩa HOSE Sở giao dịch chứng khoán TPHCM HNX Sở giao dịch chứng khoán Hà Nội TSSL Tỷ suất sinh lợi CĐKT Cân đối kế toán HĐKD Hoạt động kinh doanh EBITDA Earnings before interest, taxes, depreciation và amortization (Lợi nhuận trước thuế, lãi vay và khấu hao) NĐT Nhà đầu tư TTCK Thị trường chứng khoán BCTC Báo cáo tài chính DANH MỤC CÁC BẢNG Bảng 2.1: Tóm tắt kết quả các ngiên cứu thực nghiệm.1 Tổng hợp các biến trong mô hình .1 Mô tả thống kê biến sử dụng trong mô hình - gồm có các biến tỷ số tài chính, thị trường và chỉ báo kinh tế vĩ mô. Ma trận tương quan giữa các biến trong mô hình .3 Kết quả hồi quy mô hình .4 Kết quả kiểm định Wald cho mô hình .5 Các giá trị thống kê đô lường mức độ phù hợp của mô hình .6 Hiệu ứng cận biên của từng biến trong mô hình. 47 TÓM TẮT Luận văn này nhằm tìm ra các yếu tố tác động đến khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp niêm yết tại Việt Nam trong khoảng thời gian từ năm 2012- 2022.

Dữ liệu trong bài nghiên cứu được chia làm hai nhóm: các công ty rơi vào kiệt quệ tài chính và các công ty không bị kiệt quệ tài chính. Đầu tiên tác giả sẽ xem xét mô hình hồi quy Logit của các biến tỷ số tài chính đến khả năng xảy ra kiệt quệ tài chính. Sau đó, các biến thị trường và vĩ mô lần lượt được tác giả đưa vào để xem mức độ ảnh hưởng của từng biến trong mô hình. Bài nghiên cứu thu được kết quả như sau: Đầu tiên, các biến tỷ số tài chính có mức độ tác động cũng như có khả năng dự báo tốt đến khả năng xảy ra kiệt quệ tài chính của doanh nghiệp.

Tuy nhiên cần phải kết hợp với các biến số vĩ mô và thị trường để có thể gia tăng mức độ phù hợp cũng như khả năng dự báo của mô hình. Trong đó, các biến số tỷ số tài chính có mức độ tác động cao nhất đến mô hình. Sau khi đưa các biến thị trường và vĩ mô vào mô hình thì đã có sự đóng góp nhất định vào trong mô hình dự báo khả năng xảy ra kiệt quệ tài chính, qua đó đã cho ra kết quả chính xác cao nhất và phù hợp nhất, làm gia tăng thêm khả năng dự báo của mô hình. Từ khóa: Kiệt quệ tài chính, hồi quy Logit, các yếu tố tác động, các doanh nghiệp niêm yết tại Việt Nam ABSTRACT This thesis aims to find factors affecting the likelihood of financial distress of listed enterprises in Vietnam during the period from 2012-2022.

The data in the study are divided into two groups: companies in financial distress and companies not in financial distress. First, the author will consider the Logit regression model of financial ratio variables on the likelihood of financial distress. Then, the author introduced macro and market variables in turn to see the influence of each variable in the model. The study obtained the following results: First, financial ratio variables have a degree of impact as well as good predictive ability on the likelihood of financial distress of a business.

However, it is necessary to combine with macro and market variables to increase the model's relevance and predictive ability. Among them, financial ratio variables have the highest level of impact on the model. After including macro and market variables into the model, it has made a certain contribution to the model predicting the possibility of financial distress, thereby producing the most accurate and appropriate results. best, increasing the model's predictive ability.

Keywords: Financial distress, Logit regression, influencing factors, listed enterprises in Vietnam 1 CHƢƠNG 1. GIỚI THIỆU NGHIÊN CỨU 1. Lý do chọn đề tài Nền kinh tế Việt Nam là một nền kinh tế non trẻ với nhiều cơ hội thu hút dòng đầu tư FDI, ứng dụng kinh tế số, song song với đó là các thách thức và rủi ro cũng là một vấn đề đặc biệt cần quan tâm, đặc biệt là trong bối cảnh nền kinh tế toàn cầu nói chung đang trong thời kỳ thiếu ổn định vì những sự kiện quốc tế như hệ quả của dịch bệnh Covid-19, các xung đột chính trị, sự biến động đột ngột trong giá cả các hàng hóa quan trọng như năng lượng, dầu mỏ, khí đốt và sự đứt gãy trong chuỗi cung ứng quốc tế. Tại Việt Nam, trong năm 2022 Việt Nam đã có 143.198 nghìn doanh nghiệp rút lui khỏi thị trường, tăng 19.5% so với năm trước đó, phần lớn là các doanh nghiệp lựa chọn hình thức tạm ngừng kinh doanh trong ngắn hạn, chiếm 51.

Việc tạm ngừng kinh doanh trong ngắn hạn của doanh nghiệp gây ra nhiều ảnh hưởng tiêu cực tới nền kinh tế. Các chủ đầu tư nước ngoài sẽ xem việc mỗi năm có hàng trăm nghìn doanh nghiệp tạm ngưng hoạt động là một yếu tố kém hấp dẫn khi ra quyết định đầu tư. Về mặt xã hội, hệ quả này gây ra thất nghiệp, môi trường kinh doanh, kinh tế bị ảnh hưởng dây chuyền và có thể dẫn tới kết quả nặng nề nhất là doanh nghiệp rơi vào phá sản Doanh nghiệp phá sản gây ra nhiều hậu quả tiêu cực đến nền kinh tế - xã hội. Tuy nhiên, việc xác định các nguyên do dẫn đến việc doanh nghiệp phá sản rất phức tạp do bị tác động bởi nhiều yếu tố khác nhau cả về vi mô lẫn vĩ mô.

Do đó, việc có một công cụ giúp phân tích, đo lường tình trạng kiệt quệ tài chính và dự báo khả năng phá sản và tình trạng kiệt quệ tài chính của doanh nghiệp sẽ là rất hữu ích nhằm giúp các chủ doanh nghiệp có thể đưa ra các giải pháp, chiến lược nhanh chóng, chính xác và phù hợp với tình hình kinh doanh của công ty. Cùng với đó, các nhà đầu tư, các nhà hoạch định chính sách có thể xem xét, đánh giá tình hình kiệt quệ tài chính của các doanh nghiệp để đưa ra các kế hoạch đầu tư, xác định rủi ro và phân tích tình huống được chính xác hơn. Các bài nghiên cứu về kiệt quệ tài chính đã được thực hiện rất nhiều bởi các nhà nghiên cứu nước ngoài dành cho các quốc gia phát triển như Hoa Kỳ và các nước Châu Âu. Tại Việt Nam, chủ đề về kiệt quệ tài chính của doanh nghiệp vẫn chưa được dành nhiều sự quan tâm, đặc biệt rất cấp thiết trong bối cảnh nền kinh tế thiếu ổn định như hiện nay.