Luận văn thạc sĩ mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp tiếp cận bằng mô hình binary logistic

Nghiên cứu mô hình binary logistic trong ước lượng xác suất kiệt quệ tài chính doanh nghiệp, cung cấp cái nhìn sâu sắc về quản lý rủi ro tài chính.

• Tác giả: Huỳnh Thảo Nguyên
• Người hướng dẫn: TS. Hà Văn Dũng
• Trường học: Trường Đại Học Công Nghệ TP. HCM
• Chuyên ngành: Tài Chính Doanh Nghiệp
• Đề tài: Mô Hình Ước Lượng Xác Suất Kiệt Quệ Tài Chính Của Doanh Nghiệp: Tiếp Cận Bằng Mô Hình Binary Logistic
• Loại tài liệu: luận văn
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Lời mở đầu
• 1.2. Mục tiêu nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Kết cấu đề tài
• 2. CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN
• 2.1. Các nghiên cứu trước đây
• 2.2. Phân tích các chỉ số truyền thống
• 2.3. Mô hình Z’Score
• 2.3.1. Bước 1: Sự chọn mẫu
• 2.3.2. Bước 2: Lựa chọn biến
• 2.3.3. Bước 3: Giải thích biến số
• 3. CHƯƠNG 3: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGHIỆP
• 3.1. Ước lượng xác xuất kiệt quệ tài chính của các doanh nghiệp: cách tiếp cận bằng mô hình Binary Logistic
• 3.2. Xây dựng mô hình
• 3.3. Diễn giải các biến độc lập trong phân tích hồi quy
• 3.4. Kiện toàn mô hình
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU CỦA MÔ HÌNH HỒI QUY BINARY LOGISTIC
• 4.1. Thực trạng các doanh nghiệp
• 4.2. Kết quả mô hình
• 4.3. Độ phù hợp của mô hình
• 4.4. Mức độ chính xác của mô hình
• 4.5. Kiểm định Wald
• 4.6. Kết quả nghiên cứu đưa ra mô hình hồi quy Binary Logistic với phương trình như sau
• 4.7. Hệ số hồi quy tỷ số ROA
• 4.8. Hệ số hồi quy MVE/TL
• 4.9. Hệ số hồi quy D/A
• 4.10. Hệ số hồi quy TIE
• 4.11. Kết quả nghiên cứu
• 4.12. NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản
• 4.13. Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường của vốn chủ sở hữu /Tổng nợ
• 4.14. Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản
• 4.15. TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay
• 4.16. Vận dụng mô hình Binary Logistic vào mục đích dự báo
• 4.17. Ví dụ 1: CTCP xuất nhập khẩu thủy sản Bến Tre - ABT có số liệu như sau
• 4.18. Ví dụ 2: CTCP Bê tông BECAMEX – ACC
• 4.19. Ví dụ 3: CTCP xuất nhập khẩu thủy sản An Giang – AGF
• 5. CHƯƠNG 5: CÁC GIẢI PHÁP NÂNG CAO KHẢ NĂNG DỰ BÁO VÀ GIẢI QUYẾT MỘT CÁCH HIỆU QUẢ TÌNH TRẠNG KHÁNH KIỆT Ở VIỆT NAM
• 5.1. Nâng cao tính minh bạch và trách nhiệm của thông tin
• 5.2. Phát triển hệ thống đánh giá xếp hạng tín nhiệm doanh nghiệp Việt Nam theo tiêu chuẩn quốc tế
• 5.3. Hoàn thiện luật phá sản và các văn bản hướng dẫn có liên quan cả về mặt lý luận và khả năng thực hiện
• 5.4. Tập trung vào những giải pháp tăng cường tính thực thi của luật phá sản
• 5.5. Sớm ban hành quy định hướng dẫn thủ tục phá sản cho các DN
• 5.6. Ban hành các quy định hỗ trợ nâng cao hiệu quả hoạt động của DATC
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Mô Hình Dự Đoán Kiệt Quệ Tài Chính

Trong bối cảnh kinh tế toàn cầu đầy biến động, việc dự báo chính xác khả năng kiệt quệ tài chính trở thành yếu tố sống còn đối với các doanh nghiệp. Kiệt quệ tài chính doanh nghiệp không chỉ ảnh hưởng đến hoạt động kinh doanh mà còn tác động tiêu cực đến thị trường chứng khoán và nền kinh tế nói chung. Nhiều doanh nghiệp đã phải đối mặt với tình trạng hủy niêm yết do thua lỗ kéo dài, cho thấy sự cần thiết của các mô hình dự báo hiệu quả. Bài viết này sẽ đi sâu vào mô hình dự đoán kiệt quệ tài chính, đặc biệt là ứng dụng của mô hình hồi quy logistic trong việc đánh giá rủi ro tài chính doanh nghiệp. Việc áp dụng các mô hình này giúp các nhà quản lý đưa ra quyết định kịp thời, phòng ngừa rủi ro và bảo vệ giá trị doanh nghiệp.

1.1. Tại Sao Dự Đoán Kiệt Quệ Tài Chính Lại Quan Trọng

Dự đoán kiệt quệ tài chính giúp doanh nghiệp chủ động ứng phó với các nguy cơ tiềm ẩn. Việc này cho phép doanh nghiệp có thời gian để tái cấu trúc, tìm kiếm nguồn vốn mới hoặc thực hiện các biện pháp cắt giảm chi phí. Ngược lại, việc không dự đoán được kiệt quệ tài chính có thể dẫn đến phá sản, gây thiệt hại lớn cho cổ đông, nhân viên và các bên liên quan. Theo nghiên cứu của Opler và Titman (1994), các công ty gặp khó khăn tài chính thường mất thị phần đáng kể vào tay đối thủ cạnh tranh.

1.2. Các Yếu Tố Ảnh Hưởng Đến Kiệt Quệ Tài Chính

Nhiều yếu tố có thể dẫn đến kiệt quệ tài chính, bao gồm cả yếu tố bên trong và bên ngoài doanh nghiệp. Các yếu tố bên trong bao gồm quản lý yếu kém, chiến lược kinh doanh sai lầm, và cấu trúc vốn không hợp lý. Các yếu tố bên ngoài bao gồm biến động kinh tế vĩ mô, cạnh tranh gay gắt, và thay đổi chính sách. Việc xác định và đánh giá các yếu tố này là bước quan trọng trong quá trình xây dựng mô hình dự báo.

II. Thách Thức Trong Dự Đoán Kiệt Quệ Tài Chính Doanh Nghiệp

Mặc dù có nhiều mô hình dự báo kiệt quệ tài chính, việc áp dụng chúng vào thực tế vẫn gặp nhiều thách thức. Một trong những thách thức lớn nhất là sự phức tạp của dữ liệu tài chính và sự thay đổi liên tục của môi trường kinh doanh. Các chỉ số tài chính có thể bị ảnh hưởng bởi nhiều yếu tố khác nhau, khiến cho việc phân tích và dự đoán trở nên khó khăn hơn. Ngoài ra, các mô hình dự báo thường dựa trên dữ liệu lịch sử, do đó có thể không chính xác trong việc dự đoán các sự kiện bất ngờ hoặc các thay đổi đột ngột trong thị trường. Việc lựa chọn biến số tài chính phù hợp và xây dựng mô hình có độ chính xác cao là một bài toán khó đối với các nhà nghiên cứu và chuyên gia tài chính.

2.1. Hạn Chế Của Các Mô Hình Dự Báo Truyền Thống

Các mô hình dự báo truyền thống, như mô hình Altman Z-score, có thể không còn phù hợp trong bối cảnh kinh tế hiện đại. Các mô hình này thường dựa trên một số ít chỉ số tài chính và không tính đến các yếu tố định tính quan trọng. Ngoài ra, các mô hình truyền thống có thể không chính xác đối với các doanh nghiệp có cấu trúc vốn hoặc ngành nghề kinh doanh đặc biệt. Do đó, cần phải phát triển các mô hình dự báo mới, linh hoạt hơn và có khả năng thích ứng với sự thay đổi của thị trường.

2.2. Vấn Đề Dữ Liệu Và Tính Minh Bạch Thông Tin

Chất lượng dữ liệu là yếu tố then chốt trong việc xây dựng mô hình dự báo chính xác. Tuy nhiên, việc thu thập và xử lý dữ liệu tài chính có thể gặp nhiều khó khăn, đặc biệt là đối với các doanh nghiệp vừa và nhỏ. Ngoài ra, tính minh bạch của thông tin tài chính cũng là một vấn đề quan trọng. Nếu thông tin tài chính không đầy đủ hoặc không chính xác, các mô hình dự báo sẽ không thể đưa ra kết quả đáng tin cậy.

III. Phương Pháp Dự Đoán Kiệt Quệ Mô Hình Hồi Quy Logistic

Mô hình hồi quy logistic là một công cụ mạnh mẽ để dự đoán khả năng kiệt quệ tài chính của doanh nghiệp. Mô hình logistic cho phép phân tích mối quan hệ giữa các biến số tài chính và khả năng doanh nghiệp rơi vào tình trạng khó khăn tài chính. Ưu điểm của mô hình logistic là khả năng xử lý các biến số định tính và định lượng, cũng như khả năng dự đoán xác suất xảy ra sự kiện. Trong mô hình, biến phụ thuộc là biến nhị phân (0 hoặc 1), thể hiện tình trạng kiệt quệ tài chính của doanh nghiệp. Các biến độc lập là các chỉ số tài chính như khả năng thanh toán, hiệu quả hoạt động, và khả năng sinh lời.

3.1. Ưu Điểm Của Mô Hình Hồi Quy Logistic Trong Tài Chính

Mô hình hồi quy logistic có nhiều ưu điểm so với các phương pháp dự báo khác. Mô hình này không yêu cầu các biến số phải tuân theo phân phối chuẩn, và có thể xử lý các biến số không tuyến tính. Ngoài ra, mô hình logistic cho phép đánh giá mức độ ảnh hưởng của từng biến số đến khả năng kiệt quệ tài chính. Điều này giúp các nhà quản lý tập trung vào các yếu tố quan trọng nhất để cải thiện tình hình tài chính của doanh nghiệp.

3.2. Các Bước Xây Dựng Mô Hình Logistic Dự Đoán Kiệt Quệ

Việc xây dựng mô hình logistic bao gồm nhiều bước, từ thu thập dữ liệu đến đánh giá hiệu quả của mô hình. Bước đầu tiên là thu thập dữ liệu tài chính của các doanh nghiệp, bao gồm cả các doanh nghiệp đã phá sản và các doanh nghiệp vẫn hoạt động tốt. Bước tiếp theo là lựa chọn các biến số phù hợp và xây dựng mô hình. Sau đó, cần phải đánh giá độ chính xác của mô hình bằng cách sử dụng các chỉ số như AUC (Area Under the Curve) và độ chính xác phân loại.

3.3. Diễn Giải Các Biến Độc Lập Trong Mô Hình Hồi Quy Logistic

Các biến độc lập trong mô hình hồi quy logistic cần được diễn giải một cách cẩn thận để hiểu rõ tác động của chúng đến khả năng kiệt quệ tài chính. Ví dụ, hệ số hồi quy của tỷ số ROA (Lợi nhuận sau thuế/ Tổng tài sản) cho biết mức độ ảnh hưởng của khả năng sinh lời đến khả năng kiệt quệ tài chính. Hệ số âm cho thấy ROA càng cao, khả năng kiệt quệ tài chính càng thấp.

IV. Ứng Dụng Thực Tiễn Kết Quả Nghiên Cứu Mô Hình Logistic

Nghiên cứu sử dụng mô hình hồi quy Binary Logistic để ước lượng xác suất kiệt quệ tài chính của các doanh nghiệp niêm yết trên sàn HOSE và HNX. Dữ liệu được thu thập từ báo cáo tài chính của 84 công ty đang hoạt động bình thường và 84 công ty đã bị hủy niêm yết. Kết quả cho thấy mô hình có độ phù hợp cao và khả năng dự báo chính xác. Các biến số quan trọng nhất bao gồm ROA, MVE/TL (Giá trị thị trường của vốn chủ sở hữu /Tổng nợ), D/A (tổng nợ/ tổng tài sản), và TIE (Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay).

4.1. Đánh Giá Độ Phù Hợp Và Chính Xác Của Mô Hình

Độ phù hợp của mô hình được đánh giá thông qua các kiểm định thống kê như Hosmer-Lemeshow test. Mức độ chính xác của mô hình được đánh giá bằng cách so sánh kết quả dự đoán với thực tế. Mô hình có độ chính xác cao khi dự đoán đúng tình trạng kiệt quệ tài chính của các doanh nghiệp trong mẫu.

4.2. Phân Tích Ảnh Hưởng Của Các Chỉ Số Tài Chính

Kết quả nghiên cứu cho thấy các chỉ số tài chính như ROA, MVE/TL, D/A, và TIE có ảnh hưởng đáng kể đến khả năng kiệt quệ tài chính. ROA và MVE/TL có tác động ngược chiều, trong khi D/A có tác động cùng chiều. Điều này có nghĩa là các doanh nghiệp có khả năng sinh lời cao và cấu trúc vốn lành mạnh có khả năng kiệt quệ tài chính thấp hơn.

4.3. Vận Dụng Mô Hình Logistic Vào Dự Báo Thực Tế

Mô hình Logistic có thể được sử dụng để dự báo khả năng kiệt quệ tài chính của các doanh nghiệp cụ thể. Ví dụ, bằng cách nhập các chỉ số tài chính của CTCP xuất nhập khẩu thủy sản Bến Tre - ABT vào mô hình, có thể ước lượng xác suất doanh nghiệp này rơi vào tình trạng khó khăn tài chính.

V. Giải Pháp Nâng Cao Khả Năng Dự Báo Và Phòng Ngừa Rủi Ro

Để nâng cao khả năng dự báo và phòng ngừa kiệt quệ tài chính, cần có các giải pháp đồng bộ từ phía doanh nghiệp, cơ quan quản lý, và các tổ chức tín dụng. Doanh nghiệp cần tăng cường quản trị rủi ro, nâng cao tính minh bạch thông tin, và cải thiện hiệu quả hoạt động. Cơ quan quản lý cần hoàn thiện khung pháp lý về phá sản và tăng cường giám sát hoạt động của các doanh nghiệp. Các tổ chức tín dụng cần phát triển hệ thống đánh giá xếp hạng tín nhiệm doanh nghiệp theo tiêu chuẩn quốc tế.

5.1. Tăng Cường Minh Bạch Và Trách Nhiệm Giải Trình Thông Tin

Tính minh bạch và trách nhiệm giải trình thông tin là yếu tố quan trọng để ngăn ngừa kiệt quệ tài chính. Doanh nghiệp cần công bố thông tin đầy đủ, chính xác và kịp thời về tình hình tài chính và hoạt động kinh doanh. Các cơ quan quản lý cần tăng cường kiểm tra và xử lý các hành vi gian lận, che giấu thông tin.

5.2. Phát Triển Hệ Thống Xếp Hạng Tín Nhiệm Doanh Nghiệp

Hệ thống xếp hạng tín nhiệm doanh nghiệp giúp các nhà đầu tư và các tổ chức tín dụng đánh giá rủi ro và đưa ra quyết định đầu tư và cho vay hợp lý. Việc phát triển hệ thống xếp hạng tín nhiệm theo tiêu chuẩn quốc tế sẽ giúp nâng cao tính minh bạch và hiệu quả của thị trường tài chính.

5.3. Hoàn Thiện Luật Phá Sản Và Các Văn Bản Hướng Dẫn

Luật phá sản cần được hoàn thiện để đảm bảo quyền lợi của các bên liên quan và tạo điều kiện cho việc tái cấu trúc doanh nghiệp. Các văn bản hướng dẫn cần được ban hành kịp thời để giải thích rõ các quy định của luật và tạo điều kiện thuận lợi cho việc thực thi.

VI. Kết Luận Tương Lai Của Mô Hình Dự Đoán Kiệt Quệ

Mô hình dự đoán kiệt quệ tài chính đóng vai trò quan trọng trong việc bảo vệ giá trị doanh nghiệp và ổn định thị trường tài chính. Trong tương lai, các mô hình này sẽ ngày càng được hoàn thiện và ứng dụng rộng rãi hơn. Sự phát triển của công nghệ thông tin và trí tuệ nhân tạo sẽ tạo ra những cơ hội mới để xây dựng các mô hình dự báo chính xác và hiệu quả hơn. Tuy nhiên, cần lưu ý rằng mô hình dự báo chỉ là một công cụ hỗ trợ, và quyết định cuối cùng vẫn thuộc về các nhà quản lý.

6.1. Ứng Dụng Trí Tuệ Nhân Tạo Trong Dự Đoán Tài Chính

Trí tuệ nhân tạo (AI) có tiềm năng lớn trong việc cải thiện khả năng dự báo tài chính. Các thuật toán AI có thể phân tích lượng lớn dữ liệu và phát hiện các mối quan hệ phức tạp mà con người khó có thể nhận ra. AI cũng có thể được sử dụng để xây dựng các mô hình dự báo tự động và thích ứng với sự thay đổi của thị trường.

6.2. Tầm Quan Trọng Của Quản Trị Rủi Ro Trong Doanh Nghiệp

Quản trị rủi ro là yếu tố then chốt để ngăn ngừa kiệt quệ tài chính. Doanh nghiệp cần xây dựng hệ thống quản trị rủi ro hiệu quả, bao gồm việc xác định, đánh giá, và kiểm soát các rủi ro tiềm ẩn. Quản trị rủi ro không chỉ giúp doanh nghiệp tránh được khó khăn tài chính mà còn tạo ra giá trị gia tăng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: Giới thiệu. CHƯƠNG 2: Tổng quan lý thuyết và các nghiên cứu trước đây về kiệt quệ tài chính. CHƯƠNG 3: Phân tích các nhân tố ảnh hưởng đến kiệt quệ tài chính của doanh nghiệp. CHƯƠNG 4: Kết quả nghiên cứu của mô hình hồi quy Binary Logistic.

CHƯƠNG 5: Các giải pháp nâng cao khả năng dự báo và giải quyết một cách hiệu quả tình trạng khánh kiệt tài chính ở Việt Nam. 3 c Chương 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN 2. Các nghiên cứu trước đây: - Opler và Titman (1994) cho thấy rằng các công ty kiệt quệ tài chính (đòn bẩy cao) bị mất thị phần đáng kể vào đối thủ m ạnh trong thời kỳ suy thoái của ngành. Sự sụt giảm doanh số bán hàng mà Apple và Chrysler phải đối mặt trong thời kỳ khó khăn tài chính sẽ cho ta bằng chứng về những thiệt hại nặng nề như vậy.

- Trong một mẫu của 3 1 giao dịch có đòn bẩy cao (HLTs), Andrade và Kaplan (1998) minh họa ảnh hưởng của kiệt quệ kinh tế bắt nguồn từ kiệt quệ tài chính và ước tính chi phí kiệt quệ tài chính khoảng 10-20% giá trị công ty. - Asquith, Gertner và Scharfstein (1994 ) cho rằng trung bình các công ty kiệt quệ về tài chính bán 12% tài sản của họ như một phần trong nhữ ng kế hoạch tái cấu của họ. - Chevalier (1995a,b) sử dụng thông tin chi tiết từ các ngành siêu th ị địa phương để cung cấp bằng chứ ng để hỗ trợ cho hành vi thâu tóm trên thị trư ờng. Bà cho rằng t iếp theo sau hành động mua và sáp nhập các siêu thị bằng vốn vay (LBOs), giá sẽ giảm tại các thị trư ờng địa phương nơi m à các công ty đối thủ có đòn bẩy thấp và tập trung.

Hơn nữa, sự giảm giá này liên quan đến việc các công ty LBO thoát khỏi thị trư ờng địa phương. Những phát hiện này cho thấy rằng các đối thủ nỗ lực để săn mồi trên dây chuyền LBO. - Bằng việc sử dụng các bãi bỏ quy định của ngành vận t ải đường bộ như là một cú sốc ngoại sinh, Zingales (1998 ) nghiên cứ u sự tương tác giữ a cấu trúc tài chính và sự cạnh tranh ở thị trường sản phẩm và cho thấy rằng đòn bẩy làm giảm khả năng sống sót của công ty sau khi có sự gia tăng trong cạnh tranh. Thông điệp chung từ các bài nghiên cứu trên là kiệt quệ tài chính có thể phát sinh chi phí thực tế tại công ty bằng việc suy yếu vị thế cạnh tranh của họ trên thị trường sản phẩm 4 c 2.

Phân tích các chỉ số truyền thống: Sự nhận biết hoạt động của doanh nghiệp và những khó khăn chính là một chủ đề có thể được giải quyết cụ thể khi phân tích các chỉ số tài chính. Trước khí phát triển các thước đo định lượng hoạt động của doanh nghiệp, một số tổ chức đã thiết lập để cung cấp các mô hình định tính các thông tin mà đánh giá tình trạng tín dụng của các thương gia cụ thể. Chẳng hạn, tiền thân của Hãng dịch vụ thông tin quốc tế Dun & Bradstreet nổi tiếng ngày nay, được thành lập năm 1849 chuyên cung cấp các điều tra tín dụng độc lập, tập hơp các nghiên cứu chính thức liên quan đến dự báo thất bại doanh nghiệp được thực hiện trong những thập niên 1930. Bên cạnh đó GGSaver 1967 là tác phẩm kinh điển trong lĩnh vực phân tích các chỉ số và phá sản, các mô hình này đã thiết lập trên nền móng các nỗ lực sử dụng kỹ thuật đa biến cho các tác giả khác đi theo.

Mô hình Z-Score của Altman cũng đã sử dụng kỹ thuật phân tích đa biến này. Một nghiên cứu tiếp theo của Deakin (1972) đã sử dụng 14 biến như GGSaver đã phân tích, nhưng Deakin đã áp dụng những biến này trong một loạt các phân tích đa biệt thức. Những nghiên cứu trên đã ngầm chỉ ra một khả năng nhất định của các chỉ số như các công cụ dự báo phá sản. Nhìn chung, các chỉ số đo lường khả năng sinh lời (profitability), khả năng thanh khoản (liquidity), và khả năng toán (solvency) được thừa nhận như những chỉ báo quan trọng.

Mô hình Z’Score: Mô hình Z-score là mô hình được công nhận và sử dụng rộng rãi trên thế giới. Chỉ số này được phát minh bởi Giáo sư Edward I. Khi nghiên cứu thiết lập mô hình Z- Score, Altman đă thực hiện các bước như sau: 2. Bước 1: Sự chọn mẫu Mẫu ban đầu bao gồm 66 công ty với 33 công ty ở mỗi nhóm.

Nhóm phá sản (kiệt quệ) (nhóm 1) là những nhà sản xuất đã nộp đơn phá sản theo chương 10 của Luật Phá Sản Hoa Kỳ trong giai đoạn 1946 đến 1965. Nhóm hai bao gồm một mẫu ghép đôi của các doanh nghiệp sản xuất được chọn từ cơ sở phân loại ngẫu nhiên. Các công ty được phân lớp bởi ngành và kích cỡ doanh nghiệp, với phạm vi tài sản được giới hạn nghiêm ngặt từ 1 5 c triệu USD đến 25 triệu USD. Giá trị tài sản trung bình của các công ty trong nhóm 2 (9.6 triệu USD) lớn hơn một ít so với nhóm 1, nhưng để hai nhóm có kích cỡ tài sản như nhau là điều dường như không cần thiết.

Các công ty trong nhóm 2 vẫn còn hoạt động trong thời gian phân tích. Dữ liệu đuợc xây dựng từ Sổ Tay Ngành của tổ chức Moody và từ các báo cáo được chọn lọc hằng năm. Quyết định loại bỏ các công ty nhỏ (tài sản dưới 1 triệu USD) và các công ty rất lớn ra khỏi mẫu là cần thiết cho phạm vi tài sản các công ty trong nhóm 1. Những chỉ trích thường thấy là đối với các chỉ số tài chính, về bản chất, số liệu thống kê cho thấy chúng chịu sự ảnh hưởng của yếu tố kích cỡ doanh nghiệp, và do đó nên loại bỏ tác động của yếu tố này trong phân tích.

Mô hình Z-Score xuất hiện có thể đáp ứng được nhu cầu này. Bước 2: Lựa chọn biến: Sau khi hình thành được khái niệm nhóm và chọn được công ty, chọn danh sách gồm 22 chỉ số, 5 chỉ số đã được chọn vì chúng đã thể hiện tốt nhất trong việc liên kết dự đốn phá sản công ty. Các chỉ số này không bao gồm tất cả các biến số quan trọng nhất được đo lường một cách độc lập. Để đạt được tập hợp các biến số cuối cùng, các thủ tục sau đã được sử dụng: (1) quan sát mức ý nghĩa thống kê của các chức năng thay thế khác nhau, bao gồm việc xác định phần đóng góp tương đối của các biến số độc lập; (2) đánh giá sự tương quan giữa các biến số có liên quan; (3) quan sát độ chính xác về mặt dự báo của các tập hợp biến; và (4) đánh giá của các chuyên gia.

Biệt thức cuối cùng đuợc thể hiện như sau: Z  0.999 X 5 Trong đó: X1= working capital/total assets = Vốn lưu động/ Tổng tài sản, X2= Retained earning/ total assets = Lợi nhuận giữ lại/ Tổng tài sản X3= Eanring GGSfore tax and interest/ total assets = Lợi nhuận trước thuế và lãi vay/ Tổng tài sản, X4= Market value equity/ book value of total liabilities = Giá trị thị trường của vốn CSH/ giá trị sổ sách của nợ phải trả, 6 c X5= Sales/total assets = Tổng doanh thu/ Tổng tài sản, và Z= overall index = chỉ số tổng hợp Chú ý rằng, mô hình không có một hằng số nào (số giới hạn). Đó bởi vì các phần mềm cụ thể được sử dụng, và kết quả là, điểm số giới hạn tương ứng giữa hai nhóm không phải là 0. Phần mềm khác, như SAS và SPSS, có một hằng số, mà nó chuẩn hĩa điểm giới hạn ở 0 nếu số mẫu của hai nhóm là bằng nhau. Bước 3: Giải thích biến số:  X1, working capital/total assets (WC/TA) = Vốn lưu động/ Tổng tài sản Chỉ số working capital/ total assets, thường được tìm thấy trong các nghiên cứu về các trục trặc DN, là một công cụ đo lường độ thanh khoản ròng của các tài sản của công ty tương ứng với tổng vốn.

Working capital được định nghĩa như là sự khác nhau giữa current assets – tài sản lưu động và current liabilities- nợ ngắn hạn. Tính thanh khoản và đặc điểm về kích thước được cân nhắc rõ nét. Thông thường, một công ty trải qua một thời kỳ lỗ hoạt động kéo dài sẽ có tài sản lưu động bị co lại so với tổng tài sản. Trong ba chỉ số thanh khoản được đánh giá, chỉ số này tỏ ra là chỉ số đáng giá nhất.

Hai chỉ số thanh khoản khác được kiểm tra là current ratio- chỉ số thanh tốn hiện hành và quick ratio – chỉ số thanh tốn tức thời. Chúng xem ra kém hữu ích và phụ thuộc vào khuynh hướng bảo thủ của một vài công ty thất bại.  X2, retained earnings/total assets (RE/TA) = Lợi nhuận giữ lại/ Tổng tài sản Lợi nhuận giữ lại thể hiện tổng số thu nhập được tái đầu tư hay mức lỗ của một doanh nghiệp trong suốt thời gian tồn tại của nó. Chỉ số này cũng được xem như là thặng dư kiếm được từ quá trình hoạt động.

Điều đáng chú ý là chỉ số này phụ thuộc vào sự vận động thông qua tái cấu trúc và tuyên bố chia cổ tức, vốn không phải là đối tượng nghiên cứu của nghiên cứu này, có thể hiểu rằng một xu hướng sẽ được hình thành thông qua tái tổ chức, hoặc chính sách chia cổ tức hoặc những điều chỉnh phù hợp trong các tài khoản kế tốn. Một khía cạnh mới thú vị về chỉ số lợi nhuận giữ lại là khả năng đo lường lợi nhuận tích lũy theo thời gian. Thời gian hoạt động ngắn hay dài của một công ty được cân nhắc 7 c hồn tồn ở chỉ số này. Ví dụ, các công ty trẻ thường thể hiện một chỉ số RE/TA thấp bởi vì nó chưa có thời gian để tích lũy lợi nhuận.

Vì vậy, có thể lập luận là các công ty trẻ ở một mức độ nào đó bị phân biệt đối xử trong phân tích này, và khả năng các công ty này đuợc xếp vào nhóm phá sản là cao hơn một cách tương đối so với các công ty có thời gian hoạt động nhiều hơn. Nhưng đó là điều chính xác trong thế giới thực. Các công ty dễ bị phá sản ở những năm đầu hoạt động. Trong năm 1993, khoảng 50% số các công ty bị phá sản trong từ một đến 5 năm đầu hoạt động (Dun & Bradstreet, 1994).

Thêm vào đó, chỉ số RE/TA đo lường đòn bẩy của một doanh nghiệp.