Luận văn ThS: Dự báo phá sản doanh nghiệp BĐS Việt Nam bằng Z-Score & H-Score

Nghiên cứu ứng dụng mô hình Z-score và H-score trong dự báo khả năng phá sản doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt.

• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Tài Chính Ngân Hàng
• Đề tài: Luận Văn Thạc Sĩ Tài Chính Ngân Hàng Ứng Dụng Mô Hình Z Score Và H Score Trong Dự Báo Khả Năng Phá Sản Của Các Doanh Nghiệp Bất Động Sản Niêm Yết Trên Thị Trường Chứng Khoán Việt
• Loại tài liệu: Luận Văn
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• TÓM TẮT KẾT QUẢ NGHIÊN CỨU CỦA LUẬN VĂN
• 1. CHƯƠNG 1: GIỚI THIỆU CHUNG
• 1.1. Tính cấp thiết của đề tài
• 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 của đề tài
• 1.6. Đóng góp của nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ PHÁ SẢN DOANH NGHIỆP VÀ MÔ HÌNH DỰ BÁO PHÁ SẢN DOANH NGHIỆP
• 2.1. Phá sản doanh nghiệp
• 2.2. Dự báo phá sản doanh nghiệp
• 2.3. Các mô hình dự báo phá sản doanh nghiệp
• 2.3.1. Mô hình Z-score
• 2.3.2. Mô hình H-score
• 2.3.3. Các mô hình dự báo phá sản khác
• 2.4. Tổng quan các nghiên cứu về các mô hình dự báo khả năng phá sản của doanh nghiệp
• 2.4.1. Tổng quan các công trình nghiên cứu nước ngoài
• 2.4.2. Tổng quan các công trình nghiên cứu trong nước
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Thu thập số liệu
• 3.2. Phân tích và xử lý số liệu
• 3.3. Quy trình nghiên cứu
• 3.4. Phương pháp nghiên cứu
• 3.5. Mô hình nghiên cứu
• 3.5.1. Mô hình Z-score
• 3.5.2. Mô hình H-score
• 3.6. Độ chính xác của kết quả dự báo
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VỀ ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM
• 4.1. Mô tả số liệu
• 4.1.1. Mô hình Z-score
• 4.1.2. Mô hình H-score
• 4.2. Thực trạng của ngành bất động sản và các doanh nghiệp bất động sản
• 4.2.1. Vai trò của ngành bất động sản trong nền kinh tế
• 4.2.2. Tình hình thị trường bất động sản
• 4.2.3. Tình hình hoạt động của các doanh nghiệp bất động sản niêm yết
• 4.3. Kết quả nghiên cứu
• 4.3.1. Kết quả dự báo phá sản
• 4.3.1.1. Phân loại theo quy mô tài sản của doanh nghiệp
• 4.3.1.2. Phân loại theo giá thị trường của cổ phiếu
• 4.3.1.3. Kết quả trung bình Z-score và H-score qua các năm
• 4.3.1.4. Các công ty dự báo phá sản trong 2 mô hình
• 4.3.2. Độ chính xác của 2 mô hình
• 4.3.3. Kiểm định sự khác biệt trong khả năng dự báo phá sản của 2 mô hình
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ
• 5.1. Đối với doanh nghiệp
• 5.2. Đối với các nhà đầu tư
• 5.3. Đối với các tổ chức tài chính
• 5.4. Hạn chế của nghiên cứu và hướng nghiên cứu trong tương lai
• DANH MỤC TÀI LIỆU THAM KHẢO
• PHỤ LỤC 1: DANH SÁCH 56 CÔNG TY BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM GIAI ĐOẠN 2017-2020

Tóm tắt

I. Toàn cảnh luận văn dự báo phá sản doanh nghiệp BĐS

Trong bối cảnh kinh tế toàn cầu đầy biến động, đặc biệt sau đại dịch Covid-19, nguy cơ phá sản doanh nghiệp đã trở thành một vấn đề cấp bách. Luận văn thạc sĩ tài chính ngân hàng này tập trung vào việc ứng dụng mô hình Z-score và H-score trong dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Nghiên cứu cung cấp một công cụ định lượng hữu ích cho các nhà quản lý, nhà đầu tư và tổ chức tín dụng trong việc đánh giá rủi ro tín dụng và ra quyết định. Việc dự báo kiệt quệ tài chính sớm giúp các bên liên quan có những biện pháp can thiệp kịp thời, góp phần ổn định thị trường và bảo vệ lợi ích kinh tế. Luận văn này không chỉ hệ thống hóa cơ sở lý luận về các mô hình dự báo kinh điển mà còn bổ sung bằng chứng thực nghiệm quan trọng tại một thị trường mới nổi như Việt Nam. Thông qua việc phân tích báo cáo tài chính của 56 công ty trong giai đoạn 2017-2020, nghiên cứu chỉ ra sự khác biệt về độ chính xác giữa hai mô hình và xác định các yếu tố tài chính cốt lõi ảnh hưởng đến sức khỏe tài chính doanh nghiệp. Đây là một tài liệu tham khảo giá trị, thuộc lĩnh vực nghiên cứu khoa học tài chính và luận văn tài chính doanh nghiệp, mang lại góc nhìn sâu sắc và các khuyến nghị thực tiễn.

1.1. Bối cảnh cấp thiết của việc dự báo kiệt quệ tài chính

Làn sóng phá sản toàn cầu gia tăng mạnh mẽ từ năm 2020, với dự báo của Euler Hermes (2020) cho thấy tỷ lệ này có thể tăng 35% trong giai đoạn 2019-2021. Phá sản không chỉ là thất bại của một doanh nghiệp mà còn gây ra hậu quả nghiêm trọng cho nhiều bên: chủ nợ mất vốn, nhà đầu tư thua lỗ, nhân viên mất việc làm và ảnh hưởng dây chuyền đến toàn bộ nền kinh tế. Đặc biệt, đối với ngành bất động sản, giá trị tài sản lớn và tác động sâu rộng đến an sinh xã hội khiến việc dự báo khả năng vỡ nợ trở nên cực kỳ quan trọng. Nghiên cứu của Bùi Quang Minh (2022) nhấn mạnh rằng việc nhận diện sớm các dấu hiệu yếu kém tài chính là cần thiết để có các biện pháp quản trị rủi ro tài chính hiệu quả, giúp doanh nghiệp phục hồi hoặc giảm thiểu thiệt hại cho các bên liên quan.

1.2. Mục tiêu và đóng góp của nghiên cứu khoa học tài chính

Mục tiêu chính của luận văn là kiểm định tính phù hợp và so sánh hiệu quả của hai mô hình định lượng trong tài chính là Z-score và H-score khi áp dụng cho các công ty niêm yết trên sàn HOSE, HNX. Nghiên cứu đóng góp vào hệ thống tri thức học thuật bằng cách cung cấp kết quả thực nghiệm tại Việt Nam, một thị trường có những đặc thù riêng. Cụ thể, nghiên cứu đã: (1) Hệ thống hóa lý thuyết về phá sản và các mô hình dự báo; (2) Áp dụng và tính toán chỉ số Z-score, H-score cho 56 doanh nghiệp bất động sản; (3) Đánh giá và so sánh độ chính xác của hai mô hình; (4) Đưa ra các kiến nghị thiết thực cho các nhà quản lý, nhà đầu tư và tổ chức tài chính nhằm nâng cao sức khỏe tài chính doanh nghiệp và giảm thiểu rủi ro.

II. Thách thức trong việc đánh giá rủi ro tín dụng ngành BĐS

Ngành bất động sản Việt Nam, dù có nhiều tiềm năng, vẫn luôn đối mặt với những thách thức và biến động lớn. Việc đánh giá rủi ro tín dụng cho các doanh nghiệp trong ngành này là một bài toán phức tạp do đặc thù về chu kỳ kinh doanh dài, đòn bẩy tài chính cao và sự phụ thuộc vào chính sách vĩ mô. Phá sản của một doanh nghiệp bất động sản có thể tạo ra hiệu ứng domino, ảnh hưởng tiêu cực đến hệ thống ngân hàng, các nhà cung cấp, và đặc biệt là người mua nhà. Do đó, sự thiếu hụt các công cụ dự báo chính xác và đáng tin cậy là một rào cản lớn. Các phương pháp đánh giá truyền thống đôi khi không đủ nhạy để nắm bắt các dấu hiệu suy yếu sớm. Chính vì vậy, việc áp dụng các mô hình định lượng trong tài chính như Z-score và H-score trở thành một giải pháp cần thiết. Các mô hình này, dựa trên phân tích báo cáo tài chính, cung cấp một cái nhìn khách quan về khả năng vỡ nợ, giúp các bên liên quan có cơ sở vững chắc hơn để ra quyết định, từ đó tăng cường hoạt động quản trị rủi ro tài chính và góp phần làm minh bạch hóa thị trường chứng khoán Việt Nam.

2.1. Hậu quả của phá sản đối với thị trường chứng khoán Việt Nam

Một vụ phá sản trong ngành bất động sản không chỉ tác động đến bản thân doanh nghiệp mà còn lan rộng ra toàn thị trường chứng khoán Việt Nam. Nó gây mất niềm tin cho nhà đầu tư, dẫn đến bán tháo cổ phiếu không chỉ của công ty đó mà còn của các công ty khác trong cùng ngành. Hậu quả là sự sụt giảm giá trị vốn hóa thị trường, gây tổn thất tài chính cho các nhà đầu tư và làm giảm tính hấp dẫn của thị trường. Hơn nữa, các tổ chức tín dụng cấp vốn cho dự án có thể đối mặt với nợ xấu gia tăng, ảnh hưởng đến sự ổn định của hệ thống tài chính. Vì vậy, việc có một hệ thống cảnh báo sớm về khả năng vỡ nợ là vô cùng quan trọng.

2.2. Sự cần thiết của các mô hình phân tích báo cáo tài chính

Để vượt qua những thách thức trong đánh giá rủi ro, việc sử dụng các mô hình dự báo dựa trên phân tích báo cáo tài chính là hết sức cần thiết. Các mô hình như Z-score và H-score cho phép chuyển hóa những con số phức tạp trong bảng cân đối kế toán và báo cáo kết quả kinh doanh thành một chỉ số duy nhất, dễ diễn giải. Chúng giúp lượng hóa nguy cơ kiệt quệ tài chính một cách khoa học, thay vì chỉ dựa vào cảm tính hay các phân tích định tính. Việc áp dụng các mô hình này giúp chuẩn hóa quy trình đánh giá rủi ro tín dụng, tạo ra một thước đo chung để so sánh sức khỏe tài chính giữa các doanh nghiệp khác nhau trong ngành.

III. Phương pháp mô hình Altman Z score dự báo phá sản tối ưu

Mô hình Altman Z-score, do giáo sư Edward I. Altman phát triển năm 1968, là một trong những công cụ dự báo phá sản tiên phong và được sử dụng rộng rãi nhất trên toàn cầu. Đây là một mô hình phân tích phân biệt đa biến, sử dụng một tập hợp các chỉ số tài chính để phân loại doanh nghiệp vào các vùng rủi ro khác nhau. Luận văn của Bùi Quang Minh (2022) đã lựa chọn mô hình Z-score phiên bản 1995, được điều chỉnh đặc biệt cho các doanh nghiệp phi sản xuất và các thị trường mới nổi. Mô hình này đã loại bỏ biến "Doanh thu / Tổng tài sản" (X5) do sự khác biệt lớn giữa các ngành, giúp tăng tính chính xác khi áp dụng cho các doanh nghiệp bất động sản niêm yết. Công thức của mô hình Z-score (1995) là: Z" = 6.56X₁ + 3.26X₂ + 6.72X₃ + 1.05X₄. Việc áp dụng mô hình này đòi hỏi quá trình thu thập và xử lý dữ liệu cẩn thận từ các báo cáo tài chính đã được kiểm toán. Kết quả tính toán Z-score giúp đưa ra những cảnh báo sớm về nguy cơ kiệt quệ tài chính, là cơ sở quan trọng cho công tác quản trị rủi ro tài chính.

3.1. Công thức và cách diễn giải các phiên bản Z score

Mô hình Altman Z-score có nhiều phiên bản để phù hợp với các loại hình doanh nghiệp khác nhau. Phiên bản gốc (1968) dành cho công ty sản xuất niêm yết. Phiên bản Z' (1983) dành cho công ty tư nhân. Phiên bản Z" (1995) được điều chỉnh cho các doanh nghiệp phi sản xuất và thị trường mới nổi. Luận văn này sử dụng phiên bản Z" (1995) với cách phân loại như sau: Nếu Z" > 2.6, doanh nghiệp nằm trong vùng an toàn. Nếu 1.1 < Z" < 2.6, doanh nghiệp thuộc vùng cảnh báo. Nếu Z" < 1.1, doanh nghiệp có nguy cơ phá sản cao. Cách phân loại này cung cấp một ngưỡng định lượng rõ ràng để đánh giá rủi ro tín dụng.

3.2. Ý nghĩa của các chỉ số tài chính trong mô hình Z score

Mỗi biến số trong mô hình Z-score phản ánh một khía cạnh quan trọng của sức khỏe tài chính doanh nghiệp. X₁ (Vốn lưu động / Tổng tài sản) đo lường khả năng thanh khoản. X₂ (Lợi nhuận giữ lại / Tổng tài sản) phản ánh khả năng sinh lời và mức độ tích lũy vốn qua thời gian. X₃ (Lợi nhuận trước lãi vay và thuế / Tổng tài sản) thể hiện hiệu quả sử dụng tài sản để tạo ra lợi nhuận. X₄ (Giá trị sổ sách của vốn chủ sở hữu / Tổng nợ) đo lường mức độ đòn bẩy tài chính. Sự kết hợp của các chỉ số tài chính này tạo nên một bức tranh tổng thể và đáng tin cậy về nguy cơ phá sản.

IV. Hướng dẫn áp dụng mô hình H score Taffler dự báo hiệu quả

Bên cạnh Z-score, mô hình H-score Taffler, được phát triển bởi Fulmer, cũng là một công cụ mạnh mẽ để dự báo khả năng phá sản. Mô hình này được xây dựng với mục tiêu khắc phục một số hạn chế của các mô hình trước đó, đặc biệt là khi áp dụng cho các doanh nghiệp có quy mô nhỏ hơn. Mô hình H-score phức tạp hơn Z-score, sử dụng tới 9 biến số tài chính khác nhau để đưa ra dự báo. Công thức của mô hình là một phương trình tuyến tính phức hợp: H = 5.528V₁ + 0.212V₂ + ... + 0.894V₉ - 6.075. Các biến số trong mô hình H-score bao quát nhiều khía cạnh hơn, từ khả năng sinh lời, hiệu quả hoạt động, cấu trúc vốn đến dòng tiền. Việc đưa biến dòng tiền vào phân tích là một ưu điểm lớn, vì dòng tiền thường được xem là chỉ báo sức khỏe tài chính doanh nghiệp đáng tin cậy hơn lợi nhuận kế toán. Cách diễn giải của mô hình H-score khá đơn giản: Nếu H > 0, doanh nghiệp được coi là an toàn; nếu H < 0, doanh nghiệp có nguy cơ phá sản. Nghiên cứu thực nghiệm trong luận văn đã chứng tỏ hiệu quả vượt trội của mô hình này tại thị trường chứng khoán Việt Nam.

4.1. Cấu trúc 9 biến số trong mô hình H score của Fulmer

Mô hình H-score Taffler bao gồm 9 biến số, mỗi biến phản ánh một góc độ tài chính riêng biệt: Lợi nhuận giữ lại/Tổng tài sản (V₁), Doanh thu/Tổng tài sản (V₂), EBIT/Vốn chủ sở hữu (V₃), Dòng tiền hoạt động/Tổng nợ (V₄), Tổng nợ/Tổng tài sản (V₅), Nợ ngắn hạn/Tổng tài sản (V₆), Logarit của tài sản hữu hình (V₇), Vốn lưu động/Tổng nợ (V₈), và Logarit của (EBIT/Lãi vay) (V₉). Sự đa dạng của các biến số này giúp mô hình nắm bắt được các sắc thái tinh vi hơn trong bức tranh tài chính của doanh nghiệp, góp phần nâng cao độ chính xác trong dự báo kiệt quệ tài chính.

4.2. So sánh ưu nhược điểm giữa Z score và H score

Cả hai mô hình đều là những công cụ hữu ích, tuy nhiên chúng có những điểm khác biệt. Z-score đơn giản, dễ tính toán và diễn giải, nhưng có thể kém chính xác hơn đối với một số ngành hoặc thị trường đặc thù. Ngược lại, mô hình H-score phức tạp hơn do có nhiều biến số, nhưng lại bao quát được nhiều khía cạnh tài chính hơn, đặc biệt là dòng tiền. Theo nghiên cứu của Liêu Minh Lý (2014) và kết quả trong luận văn này, H-score thường cho độ chính xác cao hơn Z-score tại thị trường Việt Nam. Lựa chọn mô hình nào phụ thuộc vào mục tiêu phân tích, nguồn lực và đặc điểm của đối tượng nghiên cứu.

V. Kết quả dự báo phá sản DN BĐS Việt Nam 2017 2020

Nghiên cứu áp dụng hai mô hình trên mẫu gồm 56 doanh nghiệp bất động sản niêm yết trên sàn HOSE, HNX trong giai đoạn 2017-2020 đã mang lại những kết quả đáng chú ý. Phát hiện quan trọng nhất là sự khác biệt đáng kể về độ chính xác giữa hai mô hình. Cụ thể, mô hình H-score Taffler cho thấy khả năng dự báo vượt trội với tỷ lệ chính xác lên đến 99.11%, trong khi độ chính xác của mô hình Altman Z-score (phiên bản 1995) thấp hơn. Kết quả này khẳng định tính phù hợp cao của mô hình H-score đối với đặc thù của các doanh nghiệp bất động sản tại Việt Nam trong giai đoạn nghiên cứu. Phân tích sâu hơn cho thấy các chỉ số tài chính liên quan đến lợi nhuận, vốn lưu động và đòn bẩy tài chính là những yếu tố có ảnh hưởng lớn nhất đến khả năng vỡ nợ. Các công ty được cả hai mô hình dự báo nằm trong vùng nguy hiểm thường có đặc điểm chung là tình hình tài chính yếu kém, lợi nhuận âm, vốn lưu động âm hoặc sử dụng đòn bẩy quá mức. Đây là những phát hiện quan trọng, cung cấp bằng chứng thực nghiệm để củng cố cho công tác quản trị rủi ro tài chính.

5.1. Phân tích dữ liệu bảng và độ chính xác của hai mô hình

Nghiên cứu sử dụng dữ liệu bảng (panel data) từ 56 công ty trong 4 năm, tạo ra tổng cộng 224 quan sát. Việc sử dụng dữ liệu bảng cho phép phân tích sự thay đổi về sức khỏe tài chính doanh nghiệp theo cả không gian (giữa các công ty) và thời gian. Kết quả kiểm định cho thấy mô hình H-score dự báo đúng 222/224 trường hợp, đạt độ chính xác 99.11%. Trong khi đó, mô hình Z-score có độ chính xác thấp hơn. Sự chênh lệch này cho thấy tầm quan trọng của việc lựa chọn mô hình phù hợp với bối cảnh cụ thể của thị trường và ngành.

5.2. Các yếu tố chính ảnh hưởng đến khả năng vỡ nợ của DN

Kết quả nghiên cứu chỉ ra rằng các doanh nghiệp có nguy cơ phá sản cao thường bị ảnh hưởng bởi ba nhóm yếu tố chính. Thứ nhất là khả năng sinh lời kém (thể hiện qua lợi nhuận âm). Thứ hai là vấn đề thanh khoản (vốn lưu động âm, cho thấy tài sản ngắn hạn không đủ bù đắp nợ ngắn hạn). Thứ ba là cấu trúc vốn không hợp lý (đòn bẩy tài chính quá cao, tạo áp lực trả nợ lớn). Việc xác định các yếu tố này giúp doanh nghiệp tập trung vào cải thiện những khía cạnh cốt lõi để nâng cao năng lực tài chính.

VI. Kiến nghị quản trị rủi ro tài chính cho doanh nghiệp BĐS

Từ những kết quả phân tích thực nghiệm, luận văn đã đưa ra các kiến nghị cụ thể và hữu ích nhằm tăng cường công tác quản trị rủi ro tài chính cho các bên liên quan. Đối với các nhà quản lý doanh nghiệp, việc thường xuyên sử dụng các mô hình như Z-score và H-score để tự đánh giá sức khỏe tài chính doanh nghiệp là rất cần thiết. Dựa vào đó, doanh nghiệp có thể chủ động điều chỉnh cấu trúc vốn, quản lý dòng tiền và nâng cao hiệu quả hoạt động để cải thiện các chỉ số cảnh báo. Đối với nhà đầu tư, các mô hình này là công cụ sàng lọc hiệu quả để nhận diện các cổ phiếu có rủi ro cao, tránh những khoản đầu tư thua lỗ tiềm tàng. Đối với các tổ chức tài chính và ngân hàng, việc tích hợp kết quả từ các mô hình định lượng trong tài chính vào quy trình đánh giá rủi ro tín dụng sẽ giúp nâng cao chất lượng danh mục cho vay. Tóm lại, việc ứng dụng các mô hình dự báo không chỉ là một bài tập học thuật mà còn mang lại giá trị thực tiễn to lớn, góp phần vào sự phát triển bền vững của cả doanh nghiệp và toàn bộ thị trường chứng khoán Việt Nam.

6.1. Đề xuất cho nhà quản lý nhà đầu tư và tổ chức tài chính

Nhà quản lý nên tập trung vào việc duy trì tỷ lệ vốn lưu động dương, tối ưu hóa đòn bẩy tài chính và cải thiện hiệu suất sinh lời. Nhà đầu tư nên thận trọng với các công ty có chỉ số Z-score dưới 1.1 hoặc H-score âm liên tục trong nhiều kỳ. Các tổ chức tín dụng có thể xây dựng một hệ thống xếp hạng tín dụng nội bộ dựa trên các mô hình này để đưa ra quyết định cấp vốn chính xác hơn, đặc biệt đối với các doanh nghiệp bất động sản niêm yết.

6.2. Hạn chế và hướng phát triển cho luận văn tài chính tương lai

Mặc dù đạt được nhiều kết quả quan trọng, nghiên cứu vẫn có một số hạn chế như mẫu nghiên cứu chỉ giới hạn trong ngành bất động sản và giai đoạn 2017-2020. Hướng nghiên cứu trong tương lai có thể mở rộng phạm vi ra nhiều ngành khác, cập nhật dữ liệu mới nhất, hoặc kết hợp các mô hình định lượng với các yếu tố phi tài chính (chất lượng quản trị, môi trường kinh doanh). Ngoài ra, việc xây dựng một mô hình dự báo phá sản riêng, được điều chỉnh theo đặc thù của Việt Nam dựa trên các kỹ thuật như phân tích hồi quy logistic hay học máy, cũng là một hướng đi đầy hứa hẹn cho các luận văn tài chính doanh nghiệp tiếp theo.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh kinh tế toàn cầu nhiều biến động, làn sóng kiệt quệ tài chính đã gia tăng mạnh mẽ với dự báo tỷ lệ phá sản toàn cầu tăng khoảng 35% trong giai đoạn 2019 - 2021 theo báo cáo của Euler Hermes. Tại Mỹ, số vụ phá sản doanh nghiệp tăng ước tính 57%, đồng thời ghi nhận 236 tập đoàn lớn với khoản nợ trên 50 triệu USD nộp đơn xin bảo hộ phá sản trong năm 2020. Đối với khu vực Châu Á - Thái Bình Dương, báo cáo từ Jones Lang LaSalle ghi nhận dòng vốn đầu tư bất động sản giảm 32% trong nửa đầu năm 2020, riêng quý 2 ghi nhận mức sụt giảm 39%. Ngành bất động sản Việt Nam giữ vai trò then chốt khi đóng góp lớn vào tăng trưởng tổng sản phẩm quốc nội (GDP) và có mối liên kết lan tỏa tới hơn 40 ngành kinh tế phụ trợ. Tuy nhiên, các cú sốc thanh khoản và áp lực nợ vay tạo ra rủi ro vỡ nợ tiềm tàng, đòi hỏi một cơ chế cảnh báo sớm đáng tin cậy.

Luận văn thạc sĩ chuyên ngành Tài chính - Ngân hàng tập trung giải quyết bài toán cấp thiết: Đo lường và dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam. Mục tiêu cụ thể là ứng dụng, so sánh và kiểm định độ chính xác thực nghiệm của hai mô hình định lượng kinh điển gồm mô hình Z-score của Edward Altman và mô hình H-score của George Fulmer. Phạm vi nghiên cứu bao quát dữ liệu tài chính của 56 doanh nghiệp bất động sản niêm yết trên hai Sở Giao dịch Chứng khoán HOSE và HNX trong khung thời gian 4 năm từ 2017 đến 2020, tạo ra tổng thể 224 quan sát. Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp công cụ nhận diện rủi ro đạt độ chính xác lên đến 99,11%, giúp các nhà quản trị doanh nghiệp, ngân hàng thương mại và nhà đầu tư giảm thiểu tổn thất vốn, nâng cao tỷ lệ an toàn tài chính và lành mạnh hóa thị trường địa ốc.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Cơ sở pháp lý nền tảng của nghiên cứu dựa trên Khoản 1 và Khoản 2 Điều 4 Luật Phá sản năm 2014, quy định doanh nghiệp mất khả năng thanh toán khi không thực hiện nghĩa vụ chi trả nợ trong thời hạn 3 tháng kể từ ngày đến hạn và bị Tòa án nhân dân tuyên bố phá sản. Về mặt học thuật, nghiên cứu vận dụng lý thuyết cấu trúc vốn tối ưu, lý thuyết kiệt quệ tài chính và trường phái phân tích đa biến MDA. Khái niệm cốt lõi bao gồm vốn lưu động ròng, đòn bẩy tài chính, khả năng sinh lời trên tổng tài sản (ROA) và biên lợi nhuận trước thuế và lãi vay (EBIT).

Mô hình thứ nhất là mô hình Z-score phiên bản năm 1995 của Edward Altman dành cho nhóm ngành phi sản xuất và thị trường mới nổi, sử dụng hàm hồi quy gồm 4 biến tài chính: Z bằng 6,56 nhân biến vốn lưu động trên tổng tài sản, cộng 3,26 nhân biến lợi nhuận giữ lại trên tổng tài sản, cộng 6,72 nhân biến EBIT trên tổng tài sản, cộng 1,05 nhân biến giá trị sổ sách của vốn chủ sở hữu trên nợ phải trả. Doanh nghiệp có chỉ số Z trên 2,6 thuộc vùng an toàn, từ 1,1 đến 2,6 thuộc vùng cảnh báo và dưới 1,1 thuộc vùng nguy hiểm.

Mô hình thứ hai là mô hình Fulmer H-score năm 1984 gồm 9 biến tài chính đo lường toàn diện dòng tiền thuần từ hoạt động kinh doanh, nợ ngắn hạn, tài sản hữu hình và khả năng chi trả lãi vay. Ngưỡng phân loại của H-score xác định doanh nghiệp an toàn khi chỉ số H lớn hơn 0 và cảnh báo nguy cơ phá sản khi H nhỏ hơn 0. Bên cạnh đó, nghiên cứu đối chiếu với khung lý thuyết của mô hình Springate S-score năm 1978 và Zmijewski X-score năm 1984 để hoàn thiện góc nhìn đánh giá.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng thực nghiệm với nguồn dữ liệu thứ cấp được trích xuất từ báo cáo tài chính đã kiểm toán giai đoạn 2017 - 2020 của các công ty bất động sản niêm yết tại HOSE và HNX. Cỡ mẫu nghiên cứu gồm 56 doanh nghiệp với tổng số 224 quan sát năm tài chính. Phương pháp chọn mẫu được thực hiện theo kỹ thuật lấy mẫu có chủ đích dựa trên 4 tiêu chí nghiêm ngặt: doanh nghiệp hoạt động chính trong lĩnh vực bất động sản, công bố đầy đủ báo cáo tài chính kiểm toán liên tục từ năm 2017 đến 2020, có niên độ tài chính kết thúc vào ngày 31 tháng 12 và trình bày báo cáo bằng đồng Việt Nam.

Quy trình phân tích số liệu được xử lý tự động trên phần mềm Excel thông qua việc tính toán các chỉ tiêu trung gian gồm vốn lưu động ròng, lợi nhuận giữ lại, EBIT và dòng tiền thuần. Lý do lựa chọn phương pháp phân tích định lượng kết hợp kiểm định phi tham số Z-Test với mức ý nghĩa 5% là nhằm đảm bảo tính khách quan, loại bỏ các thiên kiến chủ quan và cho phép đo lường chính xác ma trận nhầm lẫn giữa tỷ lệ dự báo đúng so với tình trạng thực tế của doanh nghiệp. Phương pháp này cũng giúp kiểm soát chặt chẽ sai số loại I (dự báo phá sản nhưng thực tế an toàn) và sai số loại II (dự báo an toàn nhưng thực tế lâm vào kiệt quệ tài chính).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, mô hình H-score thể hiện ưu thế vượt trội với tỷ lệ dự báo chính xác đạt 99,11% trên tổng số 224 quan sát, trong khi mô hình Z-score phiên bản 1995 có độ phân tán dữ liệu rất lớn. Giá trị trung bình của Z-score trong mẫu đạt 3,91 với độ lệch chuẩn 3,32, dao động biên độ cực rộng từ mức âm 6,24 đến 24,76.

Thứ hai, nghiên cứu phát hiện sự khác biệt rõ rệt khi phân loại theo thị giá cổ phiếu: 100% doanh nghiệp có nguy cơ kiệt quệ tài chính đều thuộc nhóm có giá thị trường của cổ phiếu thấp hơn mệnh giá 10.000 đồng một cổ phiếu. Ngược lại, nhóm doanh nghiệp duy trì thị giá cổ phiếu trên mệnh giá có tỷ lệ an toàn tài chính vượt mức 95%.

Thứ ba, các biến số tài chính quyết định trực tiếp đến nguy cơ vỡ nợ gồm tỷ lệ vốn lưu động trên tổng tài sản có giá trị trung bình 0,29 và tỷ lệ lợi nhuận giữ lại trên tổng tài sản ở mức rất thấp chỉ đạt bình quân 0,02 với biên độ dao động từ âm 0,90 đến 0,25. Chỉ tiêu sinh lời EBIT trên tổng tài sản đạt trung bình 0,06 nhưng độ lệch chuẩn lên tới 0,08, cho thấy sự suy giảm nghiêm trọng về hiệu quả hoạt động ở các đơn vị yếu kém.

Thứ tư, đòn bẩy tài chính thể hiện qua biến vốn chủ sở hữu trên nợ phải trả có giá trị trung bình 1,48 nhưng dao động đột biến từ 0,11 đến 20,40. Nhóm doanh nghiệp rơi vào vùng cảnh báo đều có tỷ lệ nợ phải trả trên tổng tài sản vượt ngưỡng 70%, đồng thời ghi nhận dòng tiền thuần từ hoạt động kinh doanh liên tục âm trong nhiều niên độ.

Thảo luận kết quả

Nguyên nhân căn bản khiến các doanh nghiệp bất động sản rơi vào vùng nguy hiểm xuất phát từ việc sử dụng đòn bẩy nợ quá mức kết hợp với tình trạng ứ đọng vốn tại các dự án xây dựng dở dang. Khi thị trường gặp khó khăn do dịch bệnh hoặc siết tín dụng, dòng tiền kinh doanh bị âm khiến hệ số thanh toán nhanh sụt giảm nghiêm trọng. Mô hình H-score cho kết quả vượt trội hơn Z-score là do H-score tích hợp trực tiếp biến dòng tiền kinh doanh và biến đo lường khả năng chi trả chi phí lãi vay. Điều này phản ánh thực chất hơn năng lực trả nợ của doanh nghiệp bất động sản tại Việt Nam, nơi các nghĩa vụ vay vốn ngắn hạn chiếm tỷ trọng chi phối. Kết quả này tương đồng với các công trình nghiên cứu trước đây của Liêu Minh Lý năm 2014 trên thị trường chứng khoán Việt Nam và nghiên cứu của George Fulmer tại các nền kinh tế đang phát triển.

Trong luận văn, toàn bộ các diễn biến tài chính được trực quan hóa thông qua biểu đồ phân phối tần suất của chỉ số Z-score và H-score, phản ánh độ lệch chuẩn và độ tập trung của mẫu nghiên cứu. Đồng thời, cấu trúc dữ liệu được trình bày chi tiết qua bảng ma trận nhầm lẫn, bảng thống kê mô tả 5 biến của Z-score cùng 9 biến của H-score, và biểu đồ so sánh biên lợi nhuận gộp cùng tốc độ tăng trưởng doanh thu giai đoạn 2017 - 2020. Việc biểu diễn số liệu bằng bảng đối chiếu tỷ lệ nợ phải trả trên tổng tài sản giúp nhận diện trực quan xu hướng suy thoái tài chính theo từng năm.

Đề xuất và khuyến nghị

Thứ nhất, tái cấu trúc cơ cấu nợ và kiểm soát đòn bẩy tài chính: Ban điều hành doanh nghiệp cần chủ động cơ cấu lại các khoản vay, giảm tỷ lệ Nợ trên Vốn chủ sở hữu xuống mức an toàn dưới 1,5 lần trước quý 4 năm 2023. Doanh nghiệp cần cơ cấu lại danh mục tài sản, kiểm soát tỷ lệ nợ ngắn hạn trên tổng tài sản dưới ngưỡng 40%, đồng thời duy trì hệ số thanh toán hiện hành trên 1,5 lần để đảm bảo khả năng thanh khoản tức thời.

Thứ hai, nâng cao hiệu quả luân chuyển vốn và đẩy nhanh tiến độ kinh doanh: Khối kinh doanh và phát triển dự án cần triển khai chiến lược bán hàng linh hoạt, áp dụng chính sách chiết khấu thanh toán sớm để giải phóng hàng tồn kho và các khoản chi phí xây dựng cơ bản dở dang. Mục tiêu là gia tăng dòng tiền thuần từ hoạt động kinh doanh đạt mức dương tối thiểu 5% doanh thu thuần hàng năm, hoàn thành trong chu kỳ 12 tháng kế tiếp.

Thứ ba, hoàn thiện hệ thống cảnh báo sớm rủi ro tín dụng tại ngân hàng: Khối Quản trị rủi ro các ngân hàng thương mại cần tích hợp ngay mô hình H-score và Z-score phiên bản 1995 vào hệ thống xếp hạng tín dụng nội bộ trong vòng 6 tháng tới. Ngân hàng cần áp dụng bộ lọc định lượng nhằm siết chặt điều kiện giải ngân đối với các doanh nghiệp có chỉ số H nhỏ hơn 0 hoặc Z dưới 1,1, đồng thời yêu cầu bổ sung tài sản bảo đảm thanh khoản cao nhằm duy trì tỷ lệ nợ xấu bất động sản dưới 2,0% trong toàn hệ thống.

Thứ tư, thiết lập quy trình thẩm định độc lập cho nhà đầu tư: Hội đồng đầu tư và các quỹ tài chính cần sử dụng kết hợp chỉ số Z-score và H-score định kỳ hàng quý trước khi ra quyết định giải ngân. Nhà đầu tư nên kiên quyết thoái vốn hoặc loại trừ khỏi danh mục các cổ phiếu bất động sản có thị giá duy trì dưới mệnh giá 10.000 đồng kéo dài trên 6 tháng kèm theo tình trạng âm vốn lưu động ròng.

Đối tượng nên tham khảo luận văn

Nhóm thứ nhất là Giám đốc tài chính (CFO) và các nhà quản trị doanh nghiệp bất động sản. Luận văn cung cấp khung đo lường thực chứng giúp ban lãnh đạo tự đánh giá sức khỏe tài chính định kỳ, phát hiện sớm các nguy cơ mất cân đối dòng tiền trước 1 đến 2 năm, từ đó chủ động xây dựng phương án cơ cấu nợ và huy động vốn an toàn.

Nhóm thứ hai là các chuyên viên phân tích đầu tư và nhà đầu tư trên thị trường chứng khoán. Công trình mang đến bộ công cụ định lượng thực chiến với độ chính xác 99,11% để sàng lọc rủi ro, phân loại sức khỏe các mã cổ phiếu địa ốc và đưa ra quyết định tái cơ cấu danh mục hiệu quả trong các giai đoạn thị trường điều chỉnh.

Nhóm thứ ba là cán bộ thẩm định tín dụng và chuyên gia quản trị rủi ro tại các ngân hàng thương mại. Luận văn là tài liệu tham khảo giá trị để chuẩn hóa quy trình chấm điểm tín nhiệm doanh nghiệp bất động sản, giảm thiểu tỷ lệ nợ quá hạn và tối ưu hóa điều kiện cấp hạn mức tín dụng.

Nhóm thứ tư là giảng viên, học viên cao học và sinh viên các chuyên ngành Tài chính - Ngân hàng, Kế toán - Kiểm toán. Đề tài cung cấp phương pháp luận nghiên cứu thực nghiệm hoàn chỉnh, kỹ thuật xử lý dữ liệu bảng và ứng dụng kiểm định thống kê chuyên sâu trong phân tích rủi ro tài chính doanh nghiệp.

Câu hỏi thường gặp

Mô hình Z-score phiên bản 1995 có điểm cải tiến nào so với mô hình ban đầu năm 1968?

Mô hình năm 1995 đã loại bỏ biến doanh thu trên tổng tài sản nhằm triệt tiêu sự sai lệch đặc thù giữa các ngành, đồng thời điều chỉnh lại toàn bộ hệ số trọng số. Nhờ đó, mô hình đo lường chính xác cho các doanh nghiệp phi sản xuất và thị trường mới nổi như Việt Nam với độ tin cậy thực nghiệm đạt trên 70% trước thời điểm suy kiệt 2 năm.

Tại sao mô hình H-score lại đạt độ chính xác lên đến 99,11% trong nghiên cứu này?

Mô hình Fulmer H-score sử dụng tới 9 biến tài chính, trong đó tập trung sâu vào biến dòng tiền thuần từ hoạt động kinh doanh và khả năng thanh toán chi phí lãi vay. Do đặc thù ngành bất động sản sử dụng vốn vay lớn và chu kỳ dòng tiền kéo dài, việc đo lường dòng tiền trực tiếp giúp H-score phản ánh chuẩn xác nguy cơ kiệt quệ tài chính hơn Z-score.

Thị giá cổ phiếu dưới mệnh giá phản ánh rủi ro phá sản như thế nào?

Số liệu thực nghiệm chỉ ra 100% doanh nghiệp nằm trong vùng nguy hiểm đều có giá cổ phiếu dưới 10.000 đồng. Thị giá dưới mệnh giá phản ánh sự đánh giá tiêu cực của thị trường về năng lực tạo lợi nhuận, cấu trúc nợ và tính minh bạch tài chính, tạo nên áp lực thoái vốn và gia tăng xác suất vỡ nợ của công ty.

Doanh nghiệp bất động sản thường có những dấu hiệu tài chính cảnh báo sớm nào?

Dấu hiệu điển hình bao gồm vốn lưu động ròng bị âm liên tục, tỷ lệ lợi nhuận giữ lại trên tổng tài sản giảm về mức tiệm cận 0, dòng tiền hoạt động kinh doanh âm kéo dài trên 2 năm và hệ số nợ ngắn hạn chiếm trên 60% tổng nguồn vốn, khiến chỉ số H-score giảm xuống dưới mức 0.

Ngân hàng thương mại nên ứng dụng kết quả nghiên cứu vào quy trình cấp tín dụng ra sao?

Ngân hàng nên kết hợp chỉ số H-score và Z-score thành ma trận cảnh báo rủi ro tín dụng đa tầng. Khi doanh nghiệp có chỉ số H âm hoặc Z dưới 1,1, hệ thống sẽ tự động hạ xếp hạng tín nhiệm, yêu cầu nâng tỷ lệ tài sản thế chấp lên trên 150% giá trị khoản vay hoặc cắt giảm hạn mức nợ ngắn hạn.

Kết luận

Luận văn thạc sĩ đã mang lại những đóng góp khoa học và thực tiễn sâu sắc thông qua các nội dung trọng tâm sau:

• Tổng hợp toàn diện cơ sở lý luận và kiểm định thực nghiệm thành công hai mô hình Z-score và H-score trên mẫu 56 doanh nghiệp bất động sản niêm yết với 224 quan sát.
• Chứng minh tính ưu việt của mô hình H-score với độ chính xác đạt 99,11%, vượt trội trong việc phát hiện sớm dấu hiệu bất ổn dòng tiền và kiệt quệ tài chính.
• Khẳng định mối quan hệ mật thiết giữa sự suy giảm vốn lưu động, lợi nhuận giữ lại, thị giá cổ phiếu dưới mệnh giá với xác suất phá sản doanh nghiệp.
• Xây dựng hệ thống khuyến nghị thực thi đồng bộ với mục tiêu cụ thể, giúp doanh nghiệp hạ hệ số nợ dưới 1,5 lần và ngân hàng duy trì nợ xấu dưới 2,0%.
• Đề xuất lộ trình mở rộng nghiên cứu trong giai đoạn 2023 - 2025 thông qua việc kết hợp các thuật toán học máy trí tuệ nhân tạo nhằm nâng cao năng lực dự báo đa chiều.

Để chủ động phòng ngừa rủi ro vỡ nợ và nâng cao năng lực cạnh tranh trên thị trường tài chính, các nhà quản lý doanh nghiệp, chuyên viên đầu tư và định chế tài chính hãy áp dụng ngay bộ công cụ dự báo Z-score và H-score vào quy trình quản trị rủi ro ngay hôm nay.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG LUẬN VĂN THẠC SĨ UNG DUNG MO HINH Z-SCORE VA H-SCORE TRONG DU BAO KHA NANG PHA SAN CUA CAC DOANH NGHIEP BAT DONG SAN NIEM YET TREN THI TRUONG CHUNG KHOAN VIET NAM Ngành: Tài chính - Ngân hàng 2022 | PDF | 94 Pages [e-mail] BÙI QUANG MINH Hà Nội - 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG LUẬN VĂN THẠC SĨ ỨNG DỤNG MÔ HÌNH Z-SCORE VA H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BÁT ĐỘNG SẢN NIÊM YÉT TRÊN THỊ TRUONG CHUNG KHOÁN VIỆT NAM Ngành: Tài chính - Ngân hàng Mã số: 8340201 Họ và tên học viên: Bùi Quang Minh Người hướng dẫn: TS Nguyễn Đỗ Quyên Hà Nội - 2022 LỜI CAM ĐOAN Tôi xin cam đoan luận văn thạc sĩ đề tai Ứng dụng mô hình Z-score và H- score trong dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam” là công trình nghiên cứu do tôi thực hiện với sự hướng dẫn của TS Nguyễn Đỗ Quyên. Thông tỉn và số liệu sử dụng trong. luận văn là trung thực và được trích dẫn đầy đủ. Hà Nội, ngày tháng năm 2022 Tác giả Bùi Quang Minh i LỜI CẢMƠN Tác giả xin gửi lời cảm ơn chân thành và lòng biết ơn sâu sắc tới TS Nguyễn Đỗ Quyên, cảm ơn cô đã hướng dẫn tận tình và tạo mọi điều kiện tốt nhất dé tác giả có thể hoàn thành bài luận văn này.

Do thời gian nghiên cứu và kiến thức còn hạn chế nên luận văn không thể tránh khỏi những thiếu sót. Vì vậy, tác giả kính mong nhận được sự đóng góp ý kiến của quý thầy cô cũng và bạn đọc để hoàn thiện hơn bài luận văn. Trân trọng cảm ơn! Hà Nội, ngày tháng năm 2022 Tác giá Bùi Quang Minh iii MỤC LỤC Trang LỜI CAM ĐOAN i LỜI CẢM ƠN. es os l - _ DANH MỤC CÁC TỪ VIET TAT.

vi Nk cree _. DANH MỤC BẢNG - - - - _ cu viii TOM TAT KET QUA NGHIEN CUU CUA LUAN VAN. eee ix CHUONG 1: GIỚI THIỆU CHUNG. Tính cấp thiết của đề tài.

Mục tiêu nghiên cứu --7 1.3, Đối tượng và phạm vi nghiên cứu. Phương pháp nghiên cứu.5, Kết cấu của đề tài -8 1. Đóng góp của nghiên cứu. re 8 CHUONG 2: CƠ SỞ LÝ LUẬN VỀ PHÁ SẢN DOANH NGHIỆP VÀ MÔ HÌNH DỰ BAO PHA SAN DOANH NGHIỆP,.

Phá sản doanh nghiệp. Dự báo phá sản doanh nghiệp. Các mô hình dự báo phá sản doanh nghiệp. Mô hình Z-scorc.

Mô hình H-score 17 2. Các mô hình dự báo phá sản khác. Tổng quan các nghiên cứu về các mô hình dự báo khả năng phá sản của doanh nghiệp. Tổng quan các công trình nghiên cứu nước ngoài.

Tổng quan các công trình nghiên cứu trong nước. 21 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 31 3. Thu thap s6 ligu. Phân tích và xử lý số liệu.

Quy trình nghiên cứu. Phương pháp nghiên cứu. Mô hình nghiên cứu. Mô hình Z-seore.2, Mồ hình H-score.

Độ chính xác của kết quả dự báo. - 36 CHƯƠNG 4: KÉT QUẢ NGHIÊN CỨU VÈ ỨNG DỤNG MÔ HÌNH Z- SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIEP BAT DONG SAN NIEM YET TREN TH] TRUONG CHUNG KHOÁN VIỆT NAM. Mô tả số liệu 37 4. Mô hình Z-score.

Mô hình H-score. Thực trạng của ngành bắt động sản và các doanh nghiệp bất động sản 48 4. Vai trò của ngành bắt động sản trong nằn kinh tế. Tình hình thị trường bắt động sản.

Tình hình hoạt động của các doanh nghiệp bắt động sản niêm yế. Kết quả nghiên cứu. Kết quả dự báo phá sản. Phân loại theo quy mô tài sản của doanh nghiệp.

Phân loại theo giá thị trường của cô phiếu. Kết quả trung bình Z-score và H-score qua các năm - 58 43. Các công ty die bao phé san trong 2 mé hinh. Độ chính xác của 2 mô hình.

Kiểm định sự khác biệt trong khã năng dự báo phá sản của 2 mô hình 63 CHUONG 5: KET LUẬN VÀ KIÊN NGHỊ 65 5. Đối với doanh nghiệp. Đối với các nhà đâu tư. Đối với các tổ chức tài chính.

Hạn chế của nghiên cứu và hướng nghiên cứu trong tương lai.Ì DANH MỤC TÀI LIỆU THAM KHẢO.72 PHU LUC 1: DANH SÁCH 56 CONG TY BAT DONG SAN NIEM YET TREN TH] TRUONG CHUNG KHOAN VIET NAM GIAI DOAN 2017-2020 80 vi DANH MUC CAC TU VIET TAT GDP Tổng sản phẩm quốc nội Sở giao dịch chứng khoán Hà Nội HOSE Sở giao dịch chứng khoán thành phố Hồ Chí Minh ROA Lợi nhuận ròng trên tổng tài sản vii DANH MUC HiNH Hình 3. Quy trình nghiên cứu. Biểu đồ tần suất giá trị Z-score. Biểu đồ tần suất giá trị X¡.

Biểu đồ tần suất giá trị Xo. Biểu đồ tần suất Hình 4. Biểu đồ tần suất Hình 4. Biêu đồ tân suất giá trị H-score.

Biêu đô tan suat gid tri Vy eee AD Hình 4. Biêu đô tân suất giá trị we AB Hinh 4. Biéu do tan suất giá trị V›:. Biểu đồ tần suất giá trị V5.

Biểu đỗ tin suất giá trị Vs Hình 4. Biểu đồ tần suất giá trị V„ Hình 4. Biểu đồ tần suất giá trị V; Hình 4. Biểu đồ tần suất giá tri Vs Hình 4.

Biểu đồ tần suất gid tri Vo Hình 4. Tăng trưởng doanh thu của các doanh nghiệp bắt động sản niêm yết. Tăng trưởng lợi nhuận gộp của các doanh nghiệp bắt động sản niêm yết - Hình 4. Biên lợi nhuận gộp của các doanh nghiệp bắt động sản niêm yết s4 Hình 4.

Vòng quay hàng tồn kho và xây dựng cơ bản dở dang của các doanh nghiệp bắt động sản niêm yết Hình 4. Kết quả Z-score trung bình từng năm trong giai đoạn 2017-2020. Kết quả H-score trung bình từng năm trong giai đoạn 2017-2020.58 viii DANH MUC BANG Bang 3. Bang cdc tiéu chi chon mau nghién citu.

Độ chính xác của mô hình Z-score. Bảng thống kê mô tả các biến mô hình Z-scorc. Bảng tương quan giữa các biển mô hình Z-score. Bảng thống kê mô tả các biến mô hình H-score.

Bảng tương quan giữa các biển mô hình H-score. Một số chỉ tiêu đóng góp của ngành bất động sản. Tác động của ngành bắt động sản đến một số ngành khác. Quy mô vốn hóa các ngành trên sàn HOSE.

Số lượng các dự án bất động sản được cấp phép năm 2020 va 2021. Số lượng các dự án bắt động sản hoàn thành năm 2020 và 2021. Dư nợ tin dung bat động sản năm 221. Kết quả dự báo phá sản của mô hình Z-score và H-score.

Kết quả Z-score phân loại theo quy mô tài sản của doanh nghiệp. Kết quả H-score phân loại theo quy mô tài sản của doanh nghiệp. Kết qua Z-score phan loại theo giá thi trường của cổ phiếu. Két qua H-score phan loai theo gia thị trường của cô phiếu.

Kết quả Z-score của các công ty nằm trong vùng phá sản. Kết quả H-score của các công ty nằm trong vùng phá sản. ROA của một số công ty có kết quả dự báo phá sản trong giai đoạn 2017-2020. Bảng ma trận nhằm lẫn theo Z-score.

Bảng ma trận nhằm lẫn theo H-score. Bảng tổng hợp độ chính xác của 2 mô hình. Két quả kiểm định Z-Test với mức ý nghĩa 5%. Tỷ lệ nợ phải trả trên tông tài sản của một số công ty bắt động sản giai đoạn 2017-2020.ØĐ ix TOM TAT KET QUA NGHIEN CUU CUA LUAN VAN Luận văn áp dụng mô hình Z-score và mô hình H-score để dự báo phá sản cho.

các doanh nghiệp bắt động sản niêm yết tại Việt Nam. Nghiên cứu này sử dụng mẫu. bao gồm 56 công ty trong lĩnh vực bất động sản niêm yết trên thị trường chứng khoán Việt Nam tại Sở giao dịch chứng khoán thành phố Hồ Chí Minh và Sở giao. dịch chứng khoán Hà Nội trong giai đoạn 2017-2020.

Kết quả nghiên cứu cho thấy rằng, có sự khác biệt về khả năng dự báo phá sản giữa mô hình Z-score và mô hình H-score. Mô hình H-score có độ chính xác cao hơn với tỷ lệ 99,11%, còn mô hình Z-score có. Cả 2 mô hình đều dự báo nhóm doanh nghiệp. có giá cô phiéu trên thị trường nhỏ hơn mệnh giá có nguy cơ phá sản cao hơn nhóm.

doanh nghiệp có giá cổ phiếu trên thị trường lớn hơn mệnh gỉ Các yếu tố ảnh hưởng lớn đến khả năng phá sản của doanh nghiệp là lợi nhuận, vốn lưu động và đòn bẩy tài chính. Các công ty nằm trong vùng nguy hiểm, được dự báo phá sản có. đặc điểm chung là tình hình tài chính kém lành mạnh, bị âm lợi nhuận, âm vốn lưu đông hoặc sử dụng đòn bẩy tài chính không hợp lý. Từ đó, tác giả đưa ra một số kiến nghị dành cho các nhà quản lý doanh nghiệp, nhà đầu tư và các tổ chức tài chính.

CHUONG 1: GIGI THIEU CHUNG 1. Tính cấp thiết của đề tài Theo Trung tâm thông tin Kinh tế - Xã hội Quốc gia và Bộ Kế hoạch và Dau tu, làn sóng phá sản của các công ty lớn trên thế giới đã hình thành từ giữa năm 2020, khi đại dịch Covid-19 ảnh hưởng đến hầu hết các quốc gia lớn trên thế giới. Euler Hermes (tháng 7/2020) dự đoán rằng tỷ lệ phá sản sẽ tăng lên 35% từ năm 2019 đến năm 2021. Trong số các cường quốc kinh tế trên thế giới, Mỹ sẽ bị ảnh.

hưởng nặng nề vì số lượng doanh nghiệp phá sản dự kiến sẽ tăng lên 57% vào năm 2021 so với năm 2019, trước khi dai dich Covid-19 xay ra. Các vụ phá sản cũng dự kiến sẽ tăng 45% ở Brazil, 43% ở Anh và 41% ở Tây Ban Nha, trong khi ở Trung Quốc, nơi đại dịch bùng phát, số vụ phá sản dự kiến sẽ tăng 20%. Trong một số ngành cụ thể như hàng không, du lịch, khách sạn, bán lẻ. các báo cáo nghiên cứu đã đề cập đến việc các doanh nghiệp trong các ngành này sẽ phải gánh chịu hậu quả nặng nề của đại dịch Covid-19.

Năm 2020, có 236 doanh nghiệp với khoản nợ trên 50 triệu USD đã nộp đơn xin bảo hộ phá sản trên tat ca các lĩnh vực của nền kinh tế. Đây là mức cao nhất kể từ năm 2009, khi có 281 hồ Sơ. Phá sản là một vấn đề nghiêm trọng vì nó tạo ra thảm họa cho nhiều bên bao. gồm các chủ nợ, nhà đầu tư, chủ doanh nghiệp, nhân viên, khách hàng và lan rộng.

ảnh hưởng đến toàn bộ nền kinh tế. Chủ nợ và nhà đầu tư mát tài chính, nhân viên mắt việc làm và khách hàng có thê mắt tiền, đặc biệt là khách hàng của các công ty bất động sản thường thanh toán trước. Nói cách khác, phá sản không chỉ riêng doanh nghiệp bị tổn thất mà còn ảnh hưởng đến tài chính của các bên liên quan.