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.

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).