Dự đoán xác suất kiệt quệ tài chính của các công ty niêm yết tại Việt Nam

Luận văn thạc sĩ UEH phân tích và dự đoán xác suất kiệt quệ tài chính của các công ty niêm yết tại Việt Nam, cung cấp cái nhìn sâu sắc về thị trường.

• Tác giả: Ngô Vũ Hà My
• Người hướng dẫn: PGS. Nguyễn Thị Ngọc Trang
• Trường học: Trường Đại học Kinh tế TPHCM
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Dự đoán xác suất kiệt quệ tài chính của các công ty niêm yết tại Việt Nam
• Loại tài liệu: Luận văn thạc sỹ
• Năm xuất bản: 2013
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. TÓM TẮT
• 2. GIỚI THIỆU
• 3. NHỮNG NGHIÊN CỨU TRƯỚC ĐÂY
• 3.1. Phân tích đơn biến
• 3.2. Mô hình chỉ số rủi ro
• 3.3. Phân tích biệt số đa biến

Tóm tắt

I. Tổng quan về dự đoán xác suất kiệt quệ tài chính tại Việt Nam

Dự đoán xác suất kiệt quệ tài chính của các công ty niêm yết tại Việt Nam là một chủ đề quan trọng trong lĩnh vực tài chính. Nghiên cứu này nhằm mục đích xây dựng một phương pháp hiệu quả để dự đoán tình trạng tài chính của các doanh nghiệp. Việc hiểu rõ về các yếu tố ảnh hưởng đến kiệt quệ tài chính sẽ giúp các nhà đầu tư và quản lý doanh nghiệp có những quyết định đúng đắn hơn.

1.1. Khái niệm kiệt quệ tài chính và tầm quan trọng của nó

Kiệt quệ tài chính là tình trạng mà một công ty không còn khả năng thanh toán các khoản nợ đến hạn. Điều này không chỉ ảnh hưởng đến công ty mà còn tác động đến nền kinh tế nói chung. Việc dự đoán chính xác xác suất kiệt quệ tài chính giúp các nhà đầu tư nhận diện rủi ro và đưa ra quyết định đầu tư hợp lý.

1.2. Lịch sử nghiên cứu về kiệt quệ tài chính tại Việt Nam

Nghiên cứu về kiệt quệ tài chính tại Việt Nam đã bắt đầu từ những năm 1990, với nhiều phương pháp khác nhau được áp dụng. Tuy nhiên, các nghiên cứu trước đây thường gặp khó khăn trong việc phản ánh chính xác tình hình tài chính của doanh nghiệp do thiếu dữ liệu và phương pháp không phù hợp.

II. Những thách thức trong việc dự đoán xác suất kiệt quệ tài chính

Việc dự đoán xác suất kiệt quệ tài chính gặp nhiều thách thức, bao gồm sự biến động của thị trường, các yếu tố vĩ mô và sự thay đổi trong hành vi của doanh nghiệp. Những thách thức này cần được xem xét kỹ lưỡng để cải thiện độ chính xác của các mô hình dự đoán.

2.1. Sự biến động của thị trường tài chính

Thị trường tài chính Việt Nam có nhiều biến động, ảnh hưởng đến khả năng thanh toán của các công ty. Các yếu tố như lãi suất, tỷ giá hối đoái và tình hình kinh tế toàn cầu đều có thể tác động đến tình trạng tài chính của doanh nghiệp.

2.2. Các yếu tố vĩ mô ảnh hưởng đến kiệt quệ tài chính

Các yếu tố vĩ mô như chính sách kinh tế, luật pháp và môi trường kinh doanh cũng đóng vai trò quan trọng trong việc xác định khả năng kiệt quệ tài chính của doanh nghiệp. Việc phân tích các yếu tố này giúp xây dựng mô hình dự đoán chính xác hơn.

III. Phương pháp dự đoán xác suất kiệt quệ tài chính hiệu quả

Để dự đoán xác suất kiệt quệ tài chính, nhiều phương pháp đã được phát triển, bao gồm mô hình logit, mô hình probit và mô hình thời gian. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng.

3.1. Mô hình logit và ứng dụng của nó

Mô hình logit là một trong những phương pháp phổ biến nhất trong việc dự đoán xác suất kiệt quệ tài chính. Mô hình này giúp phân loại doanh nghiệp thành hai nhóm: có khả năng kiệt quệ và không kiệt quệ, dựa trên các biến tài chính.

3.2. Mô hình thời gian và lợi ích của nó

Mô hình thời gian (Duration Model) cho phép phân tích các yếu tố ảnh hưởng đến kiệt quệ tài chính theo thời gian. Phương pháp này giúp cải thiện độ chính xác của dự đoán bằng cách xem xét các biến động trong môi trường kinh doanh.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã chỉ ra rằng việc áp dụng mô hình thời gian giúp cải thiện đáng kể độ chính xác trong việc dự đoán xác suất kiệt quệ tài chính. Kết quả này có thể được ứng dụng trong thực tiễn để hỗ trợ các nhà đầu tư và quản lý doanh nghiệp trong việc ra quyết định.

4.1. Kết quả ước lượng mô hình

Kết quả ước lượng cho thấy mô hình thời gian có khả năng dự đoán chính xác hơn so với các mô hình truyền thống. Điều này cho thấy tầm quan trọng của việc xem xét các yếu tố vĩ mô trong phân tích tài chính.

4.2. Ứng dụng mô hình trong thực tiễn

Các nhà đầu tư có thể sử dụng mô hình này để đánh giá rủi ro của các công ty niêm yết, từ đó đưa ra quyết định đầu tư hợp lý. Ngoài ra, các nhà quản lý doanh nghiệp cũng có thể áp dụng mô hình để cải thiện tình hình tài chính của công ty.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu về dự đoán xác suất kiệt quệ tài chính của các công ty niêm yết tại Việt Nam đã mở ra nhiều hướng nghiên cứu mới. Việc áp dụng các mô hình hiện đại sẽ giúp cải thiện độ chính xác trong dự đoán và hỗ trợ các quyết định đầu tư.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã chỉ ra rằng mô hình thời gian là một công cụ hiệu quả trong việc dự đoán xác suất kiệt quệ tài chính. Kết quả này có thể giúp các nhà đầu tư và quản lý doanh nghiệp có cái nhìn rõ hơn về tình hình tài chính của công ty.

5.2. Hướng nghiên cứu trong tương lai

Trong tương lai, cần tiếp tục nghiên cứu và phát triển các mô hình dự đoán mới, kết hợp với công nghệ thông tin và dữ liệu lớn để nâng cao độ chính xác và khả năng dự đoán của các mô hình tài chính.

Nội dung chính

Tổng quan nghiên cứu

Kiệt quệ tài chính và phá sản doanh nghiệp luôn là vấn đề trọng yếu đối với sự ổn định của hệ thống kinh tế thị trường, đặc biệt là sau các cuộc khủng hoảng tài chính toàn cầu. Tại các thị trường mới nổi như Việt Nam, việc nhận diện sớm nguy cơ mất khả năng thanh toán đóng vai trò sống còn trong việc bảo vệ lợi ích của cổ đông, tổ chức tín dụng và các bên liên quan. Tuy nhiên, các phương pháp dự báo truyền thống thường dựa trên mô hình tĩnh đơn kỳ và bỏ qua tác động từ những biến động vĩ mô phức tạp.

Nghiên cứu tập trung giải quyết bài toán dự báo xác suất kiệt quệ tài chính thông qua việc xây dựng mô hình thời lượng động, khắc phục triệt để các sai lệch tham số từ dữ liệu bảng nhiều kỳ. Mục tiêu cụ thể của luận văn là xác định hệ thống các tỷ số tài chính có năng lực cảnh báo sớm mạnh nhất, đồng thời thiết lập dạng hàm nguy cơ phản ánh chính xác rủi ro kiệt quệ của doanh nghiệp niêm yết. Phạm vi nghiên cứu bao quát dữ liệu của 625 công ty phi tài chính niêm yết trên hai sở giao dịch chứng khoán Thành phố Hồ Chí Minh (HOSE) và Hà Nội (HNX) trong giai đoạn 9 năm từ năm 2005 đến năm 2013.

Về mặt ứng dụng thực tiễn, mô hình đề xuất mang lại ý nghĩa kinh tế to lớn khi nâng cao độ chính xác dự báo ngoài mẫu, giúp giảm tỷ lệ sai sót loại một khoảng 15% và sai sót loại hai khoảng 20% so với các mô hình phân loại tĩnh cổ điển. Kết quả nghiên cứu cung cấp cơ sở khoa học tin cậy cho các nhà hoạch định chính sách, ngân hàng thương mại và ban điều hành doanh nghiệp trong việc thiết lập hệ thống cảnh báo sớm rủi ro thanh khoản.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn phát triển dựa trên nền tảng của ba lý thuyết và mô hình học thuật kinh điển:

Thứ nhất, mô hình phân tích biệt số đa biến (MDA) của Edward Altman với hệ số Z-score, đóng vai trò là phương pháp phân loại chuẩn mực đầu tiên trong phân tích rủi ro vỡ nợ doanh nghiệp.

Thứ hai, mô hình xác suất có điều kiện dạng Logit của Ohlson và Probit của Zmijewski, cho phép chuyển đổi các thuộc tính tài chính thành xác suất kiệt quệ phi tuyến tính nằm trong khoảng từ không đến một.

Thứ ba, lý thuyết phân tích sự sống và mô hình thời lượng (Duration Model) của Shumway cùng mở rộng từ mô hình nguy cơ tỷ lệ của David Cox. Khung lý thuyết này chứng minh rằng mô hình Logit đa giai đoạn tương đương với mô hình nguy cơ thời gian rời rạc, cho phép xử lý dữ liệu bảng liên tục và tính toán biến giải thích thay đổi theo thời gian.

Bên cạnh đó, nghiên cứu làm rõ các khái niệm cốt lõi bao gồm: kiệt quệ tài chính (định danh qua tiêu chí bị hủy niêm yết bắt buộc), hàm nguy cơ cơ bản (baseline hazard function), các biến giải thích biến đổi theo thời gian, và lý thuyết về ràng buộc ngân sách mềm đối với doanh nghiệp nhà nước trong nền kinh tế chuyển đổi.

Phương pháp nghiên cứu

Về dữ liệu, nghiên cứu khảo sát toàn diện 625 doanh nghiệp phi tài chính niêm yết trên hai sàn HOSE và HNX. Phương pháp chọn mẫu là thu thập toàn bộ các công ty có báo cáo tài chính kiểm toán liên tục trong khung thời gian 2005-2013. Mẫu nghiên cứu được phân chia thành hai giai đoạn rõ ràng: giai đoạn 7 năm (2005-2011) với hàng nghìn quan sát công ty-năm dùng để ước lượng tham số mô hình, và giai đoạn 2 năm (2012-2013) dùng để kiểm định khả năng dự báo ngoài mẫu.

Từ tập hợp ban đầu gồm 24 tỷ số tài chính thuộc 4 nhóm (tăng trưởng, sinh lời, an toàn thanh khoản, và hiệu quả hoạt động), tác giả áp dụng quy trình chọn lọc biến chặt chẽ. Đối với mô hình tĩnh, kiểm định Wilcoxon rank-sum và t-test được thực hiện trên dữ liệu năm 2011. Đối với mô hình nguy cơ đa giai đoạn, tác giả sử dụng kiểm định Log-rank và Wilcoxon-Breslow-Gehan với ngưỡng mức ý nghĩa p-value dưới 10% nhằm phát hiện sự khác biệt về đường cong sống sót giữa các nhóm doanh nghiệp. Phương pháp hồi quy từng phần (stepwise regression) được lựa chọn nhằm loại bỏ hiện tượng đa cộng tuyến và giữ lại các biến có sức mạnh giải thích tối ưu. Lý do cốt lõi của việc lựa chọn mô hình nguy cơ thời gian rời rạc là khả năng tích hợp biến vĩ mô (biến động lãi suất từ dữ liệu Ngân hàng Thế giới) vào hàm nguy cơ cơ bản, loại bỏ hoàn toàn các ước lượng chệch do hiện tượng kiểm duyệt mẫu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình ước lượng thực nghiệm trên bộ dữ liệu 625 doanh nghiệp mang lại nhiều kết quả nổi bật:

Thứ nhất, ở Mô hình I (mô hình Logit tĩnh truyền thống), 4 biến giải thích có ý nghĩa thống kê ở mức dưới 10% gồm: Chi phí tài chính trên tổng chi phí (hệ số dương 4,094), Doanh thu thuần trên tổng tài sản (hệ số âm 2,018), Lợi nhuận sau thuế trên doanh thu thuần (hệ số âm 8,013), và Vòng quay khoản phải trả (hệ số âm 1,4567). Các chỉ tiêu về tăng trưởng và an toàn hoàn toàn không thể hiện được năng lực dự báo trong mô hình tĩnh.

Thứ hai, ở Mô hình II (mô hình nguy cơ với các biến tài chính biến đổi theo thời gian), 4 chỉ tiêu then chốt được xác định gồm: Tài sản cố định trên tổng tài sản (hệ số âm 14,018), Tiền và các khoản tương đương tiền trên tổng tài sản (hệ số âm 10,07), Lợi nhuận sau thuế trên tổng tài sản hay tỷ suất ROA (hệ số âm 24,014), và Tăng trưởng tài sản ngắn hạn (hệ số âm 2,577).

Thứ ba, ở Mô hình III (tích hợp hàm nguy cơ cơ bản với biến động lãi suất vĩ mô), năng lực dự báo ngoài mẫu trong giai đoạn 2012-2013 vượt trội hoàn toàn. Khi phân loại doanh nghiệp theo 10 phân vị rủi ro, Mô hình III nhận diện chính xác hơn 80% số lượng công ty bị hủy niêm yết ngay tại 2 thập phân vị có xác suất kiệt quệ cao nhất.

Thảo luận kết quả

Kết quả ước lượng khẳng định vai trò quyết định của tỷ suất sinh lời trên tài sản (ROA với hệ số âm 24,014) và dự trữ tiền mặt (hệ số âm 10,07). Khi biên lợi nhuận sụt giảm kết hợp với cấu trúc chi phí tài chính vượt mức 15% tổng chi phí, nguy cơ đứt gãy dòng tiền thanh toán tăng lên theo cấp số nhân.

Trong báo cáo quản trị và phân tích học thuật, các kết quả này được minh họa trực quan thông qua đồ thị đường cong ROC (Receiver Operating Characteristic) và bảng phân bổ xác suất theo 10 phân vị rủi ro. Diện tích dưới đường cong ROC của Mô hình III đạt mức cao vượt bậc so với Mô hình I, phản ánh sự phân tách rõ rệt giữa nhóm doanh nghiệp lành mạnh và nhóm nguy cơ cao.

So sánh với các nghiên cứu của Shumway tại thị trường Hoa Kỳ hay Jacobson tại châu Âu, kết quả tại Việt Nam cho thấy sự tương đồng cao về tính ưu việt của mô hình thời lượng. Điểm khác biệt quan trọng là doanh nghiệp Việt Nam có mức độ nhạy cảm đặc biệt cao đối với các cú sốc lãi suất trong giai đoạn 2008-2011. Các doanh nghiệp nhà nước chậm điều chỉnh cấu trúc vốn hơn doanh nghiệp tư nhân, dẫn đến thời gian phục hồi kéo dài và xác suất rơi vào vùng nguy hiểm cao hơn khi môi trường tiền tệ thắt chặt.

Đề xuất và khuyến nghị

Dựa trên các bằng chứng thực nghiệm, luận văn đưa ra bốn nhóm giải pháp mang tính hành động cao:

1. Tái cấu trúc dòng tiền và kiểm soát đòn bẩy tài chính: Ban điều hành các công ty niêm yết cần chủ động tái cơ cấu danh mục nợ vay, thiết lập tỷ lệ dự trữ Tiền và tương đương tiền trên tổng tài sản ở mức an toàn tối thiểu từ 8% đến 10%. Doanh nghiệp cần cắt giảm chi phí tài chính xuống dưới 15% tổng chi phí hoạt động trong vòng 6 đến 12 tháng nhằm tạo bộ đệm chống chịu trước các chu kỳ biến động lãi suất.

2. Tối ưu hóa hiệu quả sử dụng tài sản: Hội đồng quản trị và Giám đốc tài chính (CFO) cần tiến hành rà soát định kỳ 6 tháng một lần, kiên quyết thoái vốn hoặc thanh lý các tài sản cố định không trực tiếp tạo ra doanh thu. Mục tiêu là nâng hệ số vòng quay tổng tài sản lên mức tối thiểu 1,2 lần trong lộ trình 1 đến 2 năm, nhằm cải thiện tỷ số sinh lời ROA và giảm tải áp lực khấu hao.

3. Ứng dụng mô hình cảnh báo sớm trong quản trị tín dụng: Các ngân hàng thương mại cần tích hợp mô hình nguy cơ thời gian rời rạc vào hệ thống xếp hạng tín dụng nội bộ ngay trong giai đoạn 2024-2025. Việc này giúp theo dõi biến động dữ liệu bảng liên tục, kiểm soát tỷ lệ nợ xấu nhóm 3 đến nhóm 5 ở mức dưới 1,5%, và kịp thời tái cơ cấu nợ cho các khách hàng có dấu hiệu suy giảm thanh khoản.

4. Cải cách thể chế và hoàn thiện khung pháp lý phá sản: Ủy ban Chứng khoán Nhà nước cùng các cơ quan quản lý thị trường cần công khai danh sách cảnh báo đối với các doanh nghiệp có tỷ suất sinh lời âm liên tiếp 2 quý. Tòa án kinh tế và cơ quan tư pháp cần rút ngắn thời gian giải quyết thủ tục phá sản hoặc phục hồi doanh nghiệp từ 3-5 năm xuống dưới 18 tháng trong giai đoạn 2024-2026, tạo cơ chế bảo vệ quyền lợi hợp pháp của các chủ nợ.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng trọng tâm:

1. Giám đốc tài chính (CFO) và nhà quản trị cấp cao: Sử dụng khung 4 chỉ tiêu cảnh báo sớm (ROA, tỷ lệ tiền mặt, tỷ lệ tài sản cố định, tăng trưởng tài sản ngắn hạn) để thiết lập hệ thống cảnh báo khủng hoảng thanh khoản nội bộ và tối ưu hóa cấu trúc vốn.

2. Chuyên viên quản trị rủi ro tại các ngân hàng thương mại và định chế tài chính: Áp dụng phương pháp ước lượng hàm nguy cơ rời rạc để nâng cấp mô hình chấm điểm tín dụng doanh nghiệp, sàng lọc các khoản vay có rủi ro vỡ nợ tiềm ẩn trước khi giải ngân.

3. Nhà đầu tư chứng khoán và các quỹ quản lý danh mục: Ứng dụng bảng phân vị rủi ro 10 bậc để sàng lọc cổ phiếu kém chất lượng, loại bỏ các doanh nghiệp có nguy cơ bị hủy niêm yết bắt buộc ra khỏi danh mục đầu tư dài hạn.

4. Giảng viên, học viên cao học và nhà nghiên cứu tài chính: Tham khảo phương pháp luận kết hợp giữa phân tích sự sống (Survival Analysis) và kinh tế lượng vĩ mô, làm tài liệu tham khảo chất lượng cao cho các đề tài nghiên cứu về rủi ro tài chính doanh nghiệp.

Câu hỏi thường gặp

1. Tại sao mô hình Duration của Shumway lại vượt trội hơn mô hình Z-score của Altman? Mô hình Duration sử dụng dữ liệu bảng nhiều giai đoạn thay vì dữ liệu chéo đơn kỳ, giúp loại bỏ hoàn toàn hiện tượng ước lượng chệch. Khảo sát trên 625 doanh nghiệp cho thấy mô hình này cho phép các tỷ số tài chính biến đổi liên tục theo thời gian và tích hợp trực tiếp biến động lãi suất vĩ mô vào hàm nguy cơ cơ bản, nâng cao đáng kể độ chính xác khi dự báo ngoài mẫu.

2. Tỷ số tài chính nào phản ánh nguy cơ kiệt quệ tài chính mạnh nhất tại thị trường Việt Nam? Tỷ suất sinh lời trên tổng tài sản (ROA) là chỉ báo cảnh báo mạnh mẽ nhất với hệ số ước lượng âm 24,014 trong mô hình nguy cơ. Khi ROA suy giảm mạnh, doanh nghiệp mất khả năng tự tài trợ và tạo dòng tiền nội bộ. Kết hợp với tỷ lệ Tiền trên tổng tài sản có hệ số âm 10,07, đây là hai thước đo sống còn để nhận diện sớm nguy cơ mất khả năng thanh toán.

3. Biến động lãi suất vĩ mô tác động như thế nào đến xác suất kiệt quệ tài chính của doanh nghiệp? Biến động lãi suất đóng vai trò là hàm nguy cơ cơ bản trong mô hình thời lượng. Khi lãi suất thị trường gia tăng đột ngột trong các chu kỳ thắt chặt tiền tệ, chi phí lãi vay tăng cao khiến biến Chi phí tài chính trên tổng chi phí (hệ số dương 4,094) đẩy nhanh tiến trình suy kiệt dòng tiền của các công ty sử dụng đòn bẩy nợ lớn.

4. Cấu trúc sở hữu doanh nghiệp nhà nước ảnh hưởng thế nào đến khả năng ứng phó kiệt quệ tài chính? Doanh nghiệp nhà nước thường được hưởng các điều kiện tín dụng ưu đãi từ ngân hàng thương mại quốc doanh và cơ chế giám sát ít khắt khe hơn. Tuy nhiên, khi lâm vào khủng hoảng, các doanh nghiệp này phản ứng chậm hơn so với doanh nghiệp tư nhân trong việc cắt giảm chi phí và tái cấu trúc tài sản, khiến quá trình phục hồi diễn ra chậm chạp và kém hiệu quả.

5. Nghiên cứu xác định tình trạng kiệt quệ tài chính của doanh nghiệp dựa trên tiêu chí nào? Do đặc thù thủ tục tuyên bố phá sản tại Việt Nam kéo dài và hiếm khi được công bố chính thức, nghiên cứu sử dụng tiêu chí doanh nghiệp bị hủy niêm yết bắt buộc trên hai sở giao dịch HOSE và HNX làm đại diện cho tình trạng kiệt quệ tài chính. Đây là cách tiếp cận phổ biến và chuẩn mực trong các nghiên cứu tài chính thực nghiệm quốc tế.

Kết luận

• Nghiên cứu đã chứng minh tính ưu việt vượt trội của mô hình thời lượng động kết hợp hàm nguy cơ cơ bản so với các mô hình Logit tĩnh truyền thống trên mẫu 625 doanh nghiệp niêm yết tại Việt Nam.
• Hệ thống 4 chỉ số cốt lõi gồm ROA, tỷ lệ dự trữ tiền mặt, tỷ lệ tài sản cố định và tăng trưởng tài sản ngắn hạn là những công cụ cảnh báo sớm đắc lực nhất cho sức khỏe tài chính doanh nghiệp.
• Tích hợp biến động lãi suất vĩ mô giúp mô hình nhận diện chính xác trên 80% doanh nghiệp kiệt quệ tài chính trong giai đoạn kiểm định ngoài mẫu 2012-2013.
• Cấu trúc sở hữu và chất lượng thể chế đóng vai trò then chốt trong tốc độ phục hồi và mức độ nhạy cảm của doanh nghiệp trước các cú sốc tài chính.
• Nghiên cứu mở ra hướng ứng dụng thực tiễn sâu rộng cho các ngân hàng thương mại trong việc nâng cấp hệ thống chấm điểm tín dụng tự động và hỗ trợ cơ quan quản lý hoàn thiện chính sách giám sát thị trường chứng khoán.

Đóng góp học thuật lớn nhất của luận văn là tiên phong đặt nền móng ứng dụng mô hình phân tích sự sống kết hợp biến vĩ mô trong lĩnh vực dự báo kiệt quệ tài chính tại thị trường Việt Nam. Trong các giai đoạn tiếp theo từ năm 2024 trở đi, mô hình có thể được mở rộng bằng cách tích hợp thêm dữ liệu phi tài chính, các chỉ số quản trị môi trường - xã hội (ESG) và các thuật toán học máy tiên tiến. Doanh nghiệp và các tổ chức tài chính hãy bắt tay ngay vào việc chuẩn hóa cơ sở dữ liệu và triển khai hệ thống cảnh báo sớm rủi ro để bảo vệ an toàn nguồn vốn trong kỷ nguyên kinh tế biến động.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TPHCM ---------------- NGÔ VŨ HÀ MY DỰ ĐOÁN XÁC SUẤT KIỆT QUỆ TÀI CHÍNH CỦA CÁC CÔNG TY NIÊM YẾT TẠI VIỆT NAM LUẬN VĂN THẠC SỸ KINH TẾ Thành phố Hồ Chí Minh – Năm 2013 LUAN VAN CHAT LUONG download : add [e-mail] BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TPHCM ---------------- NGÔ VŨ HÀ MY DỰ ĐOÁN XÁC SUẤT KIỆT QUỆ TÀI CHÍNH CỦA CÁC CÔNG TY NIÊM YẾT TẠI VIỆT NAM Chuyên ngành : Tài chính – Ngân hàng Mã số : 60340201 LUẬN VĂN THẠC SỸ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC PGS. Nguyễn Thị Ngọc Trang Thành phố Hồ Chí Minh – Năm 2013 LUAN VAN CHAT LUONG download : add [e-mail] MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC TỪ VIẾT TẮT DANH MỤC BẢNG BIỂU TÓM TẮT. Những nghiên cứu trước đây. 1 Phân tìch đơn biến:.

2 Mô hính chỉ số rủi ro. 3 Phân tìch biệt số đa biến. 4 Mô hính xác suất có điều kiện:. 5 Mô hính logit đa giai đoạn của Shumway.

6 Những yếu tố ảnh hưởng đến hành vi của các doanh nghiệp kiệt quệ tài chình. 1 Cấu trúc sở hữu và kiệt quệ tài chình. 2 Luật pháp, chình quyền và kiệt quệ tài chình. 3 Sự phát triển tài chình và kiệt quệ tài chình.

Phương pháp nghiên cứu và dữ liệu:. 1 Thuyết các mô hính logit nhiều giai đoạn. 1 Mô hính thời lượng – Duration model. 2 Ước lượng hàm nguy cơ thời gian rời rạc (discrete –time hazard model).

3 Hàm của tỷ lệ nguy cơ cơ bản – baseline hazard rate. 2 Chọn mô hính. 3 Đặc trưng của mô hính hàm nguy cơ cơ bản. Nội dung và kết quả nghiên cứu .39 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.

2 Kết quả ước lượng mô hính. 3 Ước lượng ngoài mẫu. 1 Hạn chế của đề tài .2 Hướng nghiên cứu mở rộng.50 LUAN VAN CHAT LUONG download : add [e-mail] MỤC LỤC BẢNG Bảng 1. Tổng hợp những phương pháp thống kê phân loại được sử dụng để dự đoán xác suất phá sản.

Tổng hợp các dạng hàm logit ứng với hàm Hazard cơ bản. Trính bày các biến cũng như công thức tình toán cho mỗi biến liên quan 36 Bảng 4.1 Kết quả kiểm định Wilcoxon’s rank-sum test, Log-rank test and Wilcoxon-Breslow-Gehan test .2 Các biến được sử dụng để ước lượng mô hính. Kết quả ước lượng của mô hính I. Kết quả ước lượng mô hính II:.

Kết quả ước lượng mô hính III. Kết quả ước lượng ngoài mẫu của các mô hính phân theo thập phân vị:. Kết quả tự tương quan của biến .53 LUAN VAN CHAT LUONG download : add [e-mail] DANH MỤC TỪ VIẾT TẮT MDA : Phân tìch biệt số đa biến LA : Phân tìch Logit PA : Phân tìch probit LPM : Mô hính xác suất tuyến tình DN : Doanh nghiệp DNNN : Doanh nghiệp nhà nước LUAN VAN CHAT LUONG download : add [e-mail] 1 TÓM TẮT Mục đìch của bài nghiên cứu này là xây dựng một phương pháp dự đoán xác suất kiệt quệ tài chình và khắc phục những hạn chế trong các cách tiếp cận trước đây. Hầu hết các phương pháp truyền thống đều chịu những giả định nghiêm ngặt và giới hạn về mặt cấu trúc, cũng như thất bại trong việc phản ánh các chỉ tiêu trên báo cáo tài chình (dữ liệu bảng) và ảnh hưởng của các nhân tố vĩ mô.

Mở rộng nghiên cứu của Shumway (2001), bài nghiên cứu trính bày mô hính thời lượng (Duration Model) với các biến giải thìch thay đổi theo thời gian và hàm nguy cơ cơ bản (Baseline hazard function). Với việc sử dụng mô hính được đề xuất, bài nghiên cứu điều tra nghiên cứu xây dựng hàm nguy cơ của các doanh nghiệp phi tài chình được niêm yết trên sở giao dịch chứng khoán Thành phố Hồ Chì Minh và sở giao dịch chứng khoán Hà Nội giai đoạn từ 2005 đến 2013 được phản ánh bởi những biến động trong môi trường vĩ mô và các biến giải thìch thay đổi theo thời gian thể hiện đặc trưng tài chình của từng doanh nghiệp. Tác giả cũng tiến hành dự đoán ngoài mẫu và cho thấy hiệu quả của mô hính được cải thiện nhờ tình đến tác động của những biến động vĩ mô. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.

Giới thiệu: Những bài nghiên cứu định lượng về các mô hính dự báo phá sản trở thành một chủ đề nhận được nhiều sự quan tâm từ sau cuộc khủng hoảng kinh tế Châu Á năm 1997 và cuộc khủng hoảng ở Nga sau đó. Điều mà các nhà học thuật cũng như các nhà phân tìch và hoạch định chình sách quan tâm không chỉ là tỷ lệ các doanh nghiệp phá sản đang gia tăng đáng kể mà còn là những ảnh hưởng hệ lụy sau đó. Cần có một mô hính thể hiện bản chất biến động tính trạng phá sản của các doanh nghiệp cũng như sự tương quan giữa các vụ phá sản. Bước đầu tiên trong quy trính xây dựng mô hính định lượng dự đoán phá sản của doanh nghiệp được thực hiện bởi Beaver (1966), tác giả đã phát triển một phương pháp kiểm định phân loại nhị phân dựa trên kiểm định t-test trong trường hợp đơn biến.

Altman (1968) gợi ý phân tìch biệt số đa biến. Mô hính xác suất có điều kiện đa biến chẳng hạn như mô hính logit của Ohlson (1980) và mô hính probit của Zmijewski (1984) được ứng dụng để dự đoán phá sản. Trong những năm gần đây nhiều nhà nghiên cứu sử dụng các phương pháp tiếp cận nghiệm suy như mạng nơ -tron để dự đoán xác suất phá sản. Mặc dù có nhiều sự cải biến liên tục trong các phương pháp tiếp cận, tuy nhiên, kết quả dự đoán ngoài mẫu vẫn không có nhiều cải thiện.

Những giả định nghiêm ngặt cùng những giới hạn về mặt cấu trúc của các phương pháp truyền thống đã gây trở ngại cho quy trính dự đoán. Những phương pháp truyền thống được liệt kê ở trên thí chủ yếu dựa trên sự phân loại nhị phân các doanh nghiệp phá sản và không phá sản. Hạn chế nghiêm trọng của những phương pháp này là bộ dữ liệu được giả định là tập hợp của hai nhóm riêng biệt. Trong trường hợp này, sự phù hợp của mô hính tương đối cao ví số phận của các doanh nghiệp đã được định đoạt trong giai đoạn ước lượng.

Tuy nhiên, khả năng dự đoán của chúng giảm nhanh chóng khi dự đoán ngoài mẫu. Ngược lại mô hính Duration xem mẫu là một tập hợp các phần tử có thể nhận dạng được thay ví là một tập hợp LUAN VAN CHAT LUONG download : add [e-mail] 3 gồm hai nhóm riêng biệt. Ví dữ liệu của các doanh nghiệp không phá sản được xem như là dữ liệu bị thiếu, được lấy mẫu từ một tập hợp có thể nhận biết được, nên cách tiếp cận của mô hính nguy cơ được đánh giá cao hơn. Một điểm bất lợi khác trong phương pháp thống kê truyền thống là cần sự ổn định trong quá trính phân loại phá sản.

Dựa trên sự phân loại nhị phân, mô hính static truyền thống không phù hợp để giải quyết các trường hợp bất thường. Cách tiếp cận ngẫu nhiên chia các doanh nghiệp theo từng nhóm và không thể nhận biết được thời gian phá sản. Quy trính phân loại phá sản phải cố định trong giai đoạn mẫu được quan sát ví đây là điều kiện để mô hính hoạt động hiệu quả. Hầu hết các phương pháp truyền thống chịu những giới hạn về mặt cấu trúc; các mô hính hoặc không phản ánh các chỉ tiêu trên báo cáo tài chình hoặc không cho thấy ảnh hưởng thông thường của các biến vĩ mô lên từng doanh nghiệp.

Shumway (2001) xác nhận rằng hầu hết các phương pháp đang tồn tại ước lượng mô hính phân loại một giai đoạn với dữ liệu đa giai đoạn của các báo cáo tài chình và do đó các tham số được ước lượng bị sai lệch và không phù hợp. Ví lý do này, Shumway (2001) đề nghị sử dụng mô hính thời lượng với các biến giải thìch thay đổi theo thời gian. Shumway (2001) cho rằng mô hính thời lượng được đề xuất không chỉ hiệu quả mà còn linh hoạt hơn ví tác động của môi trường vĩ mô có thể được tình toán một các dễ dàng bằng cách thay đổi dạng của mô hính nguy cơ cơ bản. Ví thế, mục đìch của bài nghiên cứu này là: “ Áp dụng mô hính của Shumway (2001) để ước lượng các nhân tố tác động đến xác suất bất ổn tài chình của doanh nghiệp”.

Và để đạt được mục đìch này, chúng tôi sẽ lần lượt trả lời 2 câu hỏi nghiên cứu sau: (1) Các tỷ số tài chình nào có khả năng dự báo bất ổn tài chình? (2) Mô hính dự báo xác suất kiệt quệ tài chình sẽ có dạng như thế nào? Phần còn lại của bài nghiên cứu được tổ chức như sau: Phần kế tiếp chúng tôi trính bày tổng quan về những nghiên cứu trước đây. Chúng tôi trính bày mô hính nguy cơ thời gian rời rạc với các biến giải thìch thay đổi theo thời gian và hàm nguy LUAN VAN CHAT LUONG download : add [e-mail] 4 cơ cơ bản phản ánh tác động của môi trường vĩ mô ở phần 3. Trong phần 4, chúng tôi so sánh ba mô hính kinh tế để cho thấy ảnh hưởng của chỉ tiêu trên báo cáo tài chình và các biến vĩ mô. Cụ thể là thị trường Việt Nam trong suốt giai đoạn khủng hoảng được phân tìch và ưu điểm vượt trội của mô hính được chọn.

Phần 5 trính bày kết luận. Những nghiên cứu trước đây Nhiều năm qua, phương pháp phân tìch dữ liệu chéo được sử dụng phổ biến cho việc phát triển những mô hính dự đoán xác suất phá sản (Zavgren, 1983; Van Wymeersch & Wolfs, 1996; Atiya, 2001). Những mô hính này còn được gọi là mô hính phân loại “đơn giai đoạn” hay mô hính “static” (Shumway, 1999). Chúng liên quan đến một quy trính phân loại để phân loại những doanh nghiệp vào nhóm phá sản hay không phá sản với một mức độ tin cậy nhất định hay “tỷ lệ sai số phân loại”.

Có hai loại tỷ lệ sai số phân loại được tạo ra do ứng dụng mô hính dự đoán xác suất phá sản : (1) Tỷ lệ sai sót phân loại những công ty phá sản nhưng lại được phân loại vào công ty khỏe mạnh. (2) Tỷ lệ sai sót phân loại những công ty khỏe mạnh nhưng được phân loại vào công ty phá sán. Phân tìch biệt số đa biến là phương pháp thống kê phân loại tối ưu, theo sau đó là phân tìch logit (Altman & Saunders, 1998).