Mô Hình Dự Báo Phá Sản Cho Các Doanh Nghiệp Phi Tài Chính Tại Việt Nam

Luận văn thạc sĩ nghiên cứu mô hình dự báo phá sản cho doanh nghiệp phi tài chính tại Việt Nam, cung cấp giải pháp và phân tích chi tiết.

• Tác giả: Nguyễn Thị Phương Thao
• Người hướng dẫn: Tiến Sĩ Nguyễn Thị Uyên Uyên
• Trường học: Trường Đại Học Kinh Tế Tp.hcm
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Mô Hình Dự Báo Phá Sản Cho Các Doanh Nghiệp Phi Tài Chính Tại Việt Nam
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2012
• Địa điểm: Tp.hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Lý do nghiên cứu đề tài
• 1.2. Mục tiêu nghiên cứu của đề tài
• 1.3. Phạm vi nghiên cứu của đề tài
• 1.4. Phương pháp nghiên cứu
• 1.5. Kết cấu của đề tài
• 2. CHƯƠNG 2: BẰNG CHỨNG THỰC NGHIỆM TRÊN THẾ GIỚI VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP
• 2.1. Bằng chứng thực nghiệm trên thế giới về dự báo phá sản doanh nghiệp
• 2.1.1. Nghiên cứu của William Beaver (1966)
• 2.1.2. Nghiên cứu của Eward Altman (1968)
• 2.1.3. Nghiên cứu của Eljelly (2001)
• 2.1.4. Nghiên cứu của Zheng Gu (2002)
• 2.1.5. Nghiên cứu của Abbas, Qaiser và Rashid, Abdul (2011)
• 2.2. Thảo luận về các nghiên cứu dự báo phá sản doanh nghiệp trên thế giới
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Phương pháp nghiên cứu, phạm vi nghiên cứu
• 3.2. Mô hình nghiên cứu
• 3.3. Thu thập và xử lý số liệu
• 4. CHƯƠNG 4: BẰNG CHỨNG THỰC NGHIỆM TẠI VIỆT NAM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP
• 4.1. Thực trạng và khó khăn của các DN Việt Nam trong giai đoạn 2008-2012
• 4.1.1. Thực trạng về tình hình giải thể và ngừng hoạt động của DN Việt Nam
• 4.1.2. Tình hình khó khăn của DN qua số liệu về sản xuất công nghiệp, doanh số bán hàng và xuất khẩu
• 4.1.3. Tình hình khó khăn của DN qua số liệu về nợ phải trả và tỷ lệ nợ xấu tại các NHTM
• 4.2. Bằng chứng thực nghiệm tại Việt Nam về dự báo phá sản doanh nghiệp
• 4.3. Thảo luận kết quả nghiên cứu
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI NGHIÊN CỨU
• 5.1. Các hạn chế của đề tài nghiên cứu
• 5.2. Đề xuất hướng nghiên cứu tiếp theo
• DANH MỤC TÀI LIỆU THAM KHẢO
• Phụ lục 1: Các chỉ số trong mô hình nghiên cứu của Eljelly (2001)
• Phụ lục 2: Các chỉ số trong mô hình nghiên cứu của Zheng Gu (2002)
• Phụ lục 3: Các chỉ số trong mô hình nghiên cứu của Abbas, Qaiser và Rashid, Abdul (2011)
• Phụ lục 4: Các chỉ số đưa vào phân tích trong nghiên cứu tại Việt Nam
• Phụ lục 5: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam

Tóm tắt

I. Tổng Quan Về Mô Hình Dự Báo Phá Sản Doanh Nghiệp Phi Tài Chính

Mô hình dự báo phá sản doanh nghiệp phi tài chính tại Việt Nam đang trở thành một chủ đề nóng trong bối cảnh kinh tế hiện nay. Sự gia tăng số lượng doanh nghiệp phá sản đã đặt ra nhiều thách thức cho các nhà quản lý và nhà đầu tư. Việc hiểu rõ về mô hình này không chỉ giúp nhận diện sớm các dấu hiệu nguy cơ mà còn hỗ trợ trong việc đưa ra các quyết định kinh doanh hợp lý.

1.1. Khái Niệm Về Dự Báo Phá Sản Doanh Nghiệp

Dự báo phá sản doanh nghiệp là quá trình phân tích các chỉ số tài chính nhằm xác định khả năng một doanh nghiệp sẽ gặp khó khăn tài chính trong tương lai. Các mô hình dự báo này thường dựa vào các chỉ số như tỷ lệ nợ, khả năng sinh lời và tính thanh khoản.

1.2. Tầm Quan Trọng Của Mô Hình Dự Báo

Mô hình dự báo phá sản không chỉ giúp doanh nghiệp nhận diện sớm các dấu hiệu kiệt quệ tài chính mà còn hỗ trợ các nhà đầu tư trong việc ra quyết định đầu tư. Việc áp dụng mô hình này có thể giảm thiểu rủi ro và tối ưu hóa lợi nhuận.

II. Vấn Đề Và Thách Thức Trong Dự Báo Phá Sản Doanh Nghiệp

Mặc dù có nhiều mô hình dự báo, nhưng việc áp dụng chúng vào thực tiễn tại Việt Nam vẫn gặp nhiều khó khăn. Các doanh nghiệp thường thiếu dữ liệu tài chính chính xác và đầy đủ, điều này làm giảm độ tin cậy của các mô hình dự báo.

2.1. Thiếu Dữ Liệu Tài Chính Đáng Tin Cậy

Nhiều doanh nghiệp tại Việt Nam không công khai thông tin tài chính đầy đủ, dẫn đến khó khăn trong việc thu thập dữ liệu cần thiết cho việc phân tích. Điều này ảnh hưởng trực tiếp đến khả năng dự báo chính xác.

2.2. Khó Khăn Trong Việc Áp Dụng Mô Hình

Các mô hình dự báo thường được phát triển dựa trên dữ liệu từ các quốc gia phát triển, do đó có thể không phù hợp với bối cảnh kinh tế và văn hóa tại Việt Nam. Việc điều chỉnh các mô hình này để phù hợp với thực tế địa phương là một thách thức lớn.

III. Phương Pháp Nghiên Cứu Dự Báo Phá Sản Doanh Nghiệp

Để xây dựng mô hình dự báo phá sản hiệu quả, cần áp dụng các phương pháp nghiên cứu khoa học và thực nghiệm. Việc phân tích các chỉ số tài chính là một trong những phương pháp phổ biến nhất.

3.1. Phân Tích Các Chỉ Số Tài Chính

Phân tích các chỉ số tài chính như tỷ lệ nợ, khả năng sinh lời và tính thanh khoản giúp xác định tình trạng tài chính của doanh nghiệp. Các chỉ số này cung cấp thông tin quan trọng về khả năng thanh toán và rủi ro tài chính.

3.2. Sử Dụng Mô Hình Hồi Quy Logistic

Mô hình hồi quy logistic là một công cụ mạnh mẽ trong việc dự báo phá sản. Mô hình này cho phép phân tích mối quan hệ giữa các biến độc lập và xác suất phá sản, từ đó đưa ra các dự đoán chính xác hơn.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Dự Báo Phá Sản

Mô hình dự báo phá sản đã được áp dụng thành công tại nhiều doanh nghiệp ở Việt Nam. Các kết quả nghiên cứu cho thấy mô hình này có thể giúp doanh nghiệp nhận diện sớm các dấu hiệu nguy cơ và đưa ra các biện pháp phòng ngừa kịp thời.

4.1. Kết Quả Nghiên Cứu Tại Việt Nam

Nghiên cứu cho thấy rằng mô hình dự báo phá sản có độ chính xác cao trong việc nhận diện các doanh nghiệp có nguy cơ cao. Các chỉ số tài chính như EBIT/tổng nợ và vốn luân chuyển/doanh thu đã được xác định là những yếu tố quan trọng.

4.2. Các Doanh Nghiệp Áp Dụng Thành Công

Nhiều doanh nghiệp đã áp dụng mô hình dự báo phá sản và đạt được kết quả tích cực. Việc nhận diện sớm các dấu hiệu khó khăn đã giúp họ có những biện pháp khắc phục kịp thời, từ đó giảm thiểu rủi ro và tổn thất.

V. Kết Luận Và Hướng Phát Triển Trong Nghiên Cứu Dự Báo Phá Sản

Mô hình dự báo phá sản doanh nghiệp phi tài chính tại Việt Nam cần được tiếp tục nghiên cứu và phát triển. Việc cải thiện độ chính xác của các mô hình dự báo sẽ giúp doanh nghiệp và nhà đầu tư có những quyết định đúng đắn hơn.

5.1. Hướng Nghiên Cứu Tiếp Theo

Cần tiếp tục nghiên cứu để phát triển các mô hình dự báo phù hợp với bối cảnh Việt Nam. Việc tích hợp thêm các yếu tố phi tài chính vào mô hình có thể giúp nâng cao độ chính xác.

5.2. Tầm Quan Trọng Của Việc Cập Nhật Dữ Liệu

Cập nhật dữ liệu tài chính thường xuyên và chính xác là yếu tố quan trọng để duy trì độ tin cậy của mô hình. Các doanh nghiệp cần chú trọng đến việc công khai thông tin tài chính để hỗ trợ quá trình dự báo.

Nội dung chính

Tổng quan nghiên cứu

Giai đoạn 2008–2012 ghi nhận làn sóng suy thoái kinh tế sâu rộng tại Việt Nam, kéo theo sự sụp đổ của hàng loạt tổ chức kinh doanh. Theo thống kê từ Bộ Kế hoạch và Đầu tư cùng Phòng Thương mại và Công nghiệp Việt Nam, chỉ riêng hai năm 2011 và 2012 đã có khoảng 100.000 doanh nghiệp giải thể hoặc ngừng hoạt động, tương đương một nửa tổng số doanh nghiệp rút lui khỏi thị trường trong suốt 20 năm trước đó. Khảo sát trên 8.373 doanh nghiệp của Tổng cục Thống kê vào tháng 4/2012 chỉ ra 8,4% đơn vị rơi vào cảnh phá sản, đình trệ, trong đó 69,4% phát sinh từ thua lỗ kéo dài và 28,4% do cạn kiệt vốn lưu động. Áp lực đòn bẩy tài chính gia tăng vượt bậc khi tỷ lệ nợ phải trả trên vốn chủ sở hữu bình quân của 647 công ty phi tài chính niêm yết chạm mức 1,48 lần, đẩy tỷ lệ nợ xấu hệ thống ngân hàng thương mại lên ngưỡng 8,6% đến 13%.

Vấn đề cốt lõi đặt ra là sự thiếu hụt một công cụ định lượng có khả năng nhận diện rủi ro kiệt quệ tài chính từ sớm. Mục tiêu của luận văn là thiết lập mô hình dự báo phá sản dành riêng cho khu vực doanh nghiệp phi tài chính tại Việt Nam bằng kỹ thuật phân tích biệt thức đa biến. Phạm vi nghiên cứu tập trung vào các công ty niêm yết trên Sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HOSE) và Sàn Giao dịch Chứng khoán Hà Nội (HNX) bị hủy niêm yết trong năm 2012 do thua lỗ hoặc mất thanh khoản, với chuỗi dữ liệu tài chính kéo dài từ năm 2008 đến năm 2011. Kết quả nghiên cứu mang ý nghĩa thực tiễn lớn khi xây dựng hàm biệt thức đạt độ chính xác phân loại 100% trước thời điểm phá sản 1 năm, cung cấp công cụ cảnh báo sớm hiệu quả cho các ngân hàng, nhà đầu tư và cơ quan quản lý thị trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng các lý thuyết dự báo kiệt quệ tài chính kinh điển và hiện đại trên thế giới. Khởi đầu là phương pháp phân tích đơn biến của William Beaver (1966), khẳng định tỷ số lưu chuyển tiền thuần trên tổng nợ là thước đo quan trọng nhất để phản ánh nguy cơ phá sản. Tiếp đó, Edward Altman (1968) đã cách mạng hóa lĩnh vực này với mô hình đa biến Z-Score kết hợp 5 tỷ số tài chính trọng yếu, đạt độ chính xác dự báo 95% ở mẫu gốc và duy trì độ tin cậy 84% trên các mẫu kiểm định thị trường giai đoạn 1997–1999. Các biến thể tiếp theo như mô hình Z'-Score và Z''-Score (1995) được phát triển nhằm thích ứng với doanh nghiệp chưa niêm yết và thị trường mới nổi thông qua việc loại trừ biến doanh thu trên tổng tài sản để giảm thiểu độ lệch ngành.

Bên cạnh đó, tác giả kế thừa mô hình của Eljelly (2001) về phân tích đa khác biệt tại các nền kinh tế đang phát triển và nghiên cứu của Abbas, Qaiser cùng Rashid, Abdul (2011) tại Pakistan. Hệ thống lý thuyết tập trung vào 5 khái niệm nòng cốt: kiệt quệ tài chính, phân tích biệt thức đa biến (Multivariate Discriminant Analysis - MDA), vốn luân chuyển ròng, lợi nhuận trước thuế và lãi vay (EBIT), cùng cấu trúc đòn bẩy nợ. Mô hình tiếp cận toàn diện 4 khía cạnh tài chính then chốt: tính thanh khoản, đòn bẩy tài chính, hiệu quả sử dụng tài sản và khả năng sinh lợi, nhằm sàng lọc các chỉ số có năng lực phân tách rủi ro cao nhất.

Phương pháp nghiên cứu

Nguồn dữ liệu được trích xuất từ báo cáo tài chính kiểm toán giai đoạn 2008–2011 của các doanh nghiệp niêm yết trên HOSE và HNX, thu thập thông qua cổng dữ liệu Vietstock, CafeF và Công ty Cổ phần Chứng khoán Sài Gòn. Cỡ mẫu nghiên cứu bao gồm 24 doanh nghiệp phi tài chính với 96 quan sát năm-doanh nghiệp. Phương pháp chọn mẫu áp dụng kỹ thuật bắt cặp tương đồng (Matched-pairs Sampling), bao gồm 12 công ty bị hủy niêm yết bắt buộc trong năm 2012 do thua lỗ hoặc thanh khoản yếu kém, đi kèm 12 công ty đối chứng đang hoạt động bình thường, hoạt động trong cùng ngành và có quy mô tổng tài sản tương đương tại thời điểm 1 năm trước khi hủy niêm yết.

Lý do lựa chọn phương pháp phân tích biệt thức đa biến (MDA) thông qua phần mềm SPSS phiên bản 20 bắt nguồn từ khả năng tối ưu hóa việc phân loại đồng thời nhiều biến định lượng thành một chỉ số tổng hợp Z duy nhất. Phân tích đơn biến thường dẫn đến các kết luận mâu thuẫn khi một chỉ số thể hiện sự ổn định trong khi chỉ số khác phát tín hiệu nguy hiểm. Quy trình Stepwise (từng bước) được thực thi dựa trên tiêu chuẩn Wilks' Lambda để loại bỏ hiện tượng đa cộng tuyến, chọn lọc các biến có ý nghĩa thống kê cao nhất ở mức ý nghĩa 5% từ tập hợp 23 chỉ số tài chính ban đầu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kiểm định T-test và kiểm định F-test trên 23 biến tài chính cho thấy sự khác biệt có ý nghĩa thống kê giữa nhóm phá sản và nhóm không phá sản ở 16 chỉ số (chiếm khoảng 70% tổng số biến). Các doanh nghiệp phá sản bộc lộ rõ tình trạng suy giảm năng lực thanh khoản, chi phí lãi vay ăn mòn lợi nhuận và gia tăng mất cân đối cấu trúc vốn liên tục trong 4 năm trước khủng hoảng.

Quy trình hồi quy phân biệt từng bước đã sàng lọc và xác lập mô hình dự báo tối ưu gồm 2 biến tài chính đại diện:

Hàm biệt thức Z: Z = 0,895 X1 + 0,460 X2

Trong đó:

• X1: EBIT / Tổng nợ phải trả (đại diện cho đòn bẩy tài chính và khả năng tạo lợi nhuận trang trải nghĩa vụ nợ).
• X2: Vốn luân chuyển / Doanh thu thuần (đại diện cho hiệu quả sử dụng tài sản ngắn hạn và năng lực thanh khoản).

Giá trị trọng tâm nhóm xác định giá trị Z tối ưu là -0,780 đối với nhóm doanh nghiệp phá sản và 1,098 đối với nhóm doanh nghiệp an toàn. Ngưỡng phân loại cụ thể như sau:

• Doanh nghiệp có Z nhỏ hơn -0,780: Rơi vào vùng nguy cơ phá sản cao.
• Doanh nghiệp có Z nằm trong khoảng từ -0,780 đến 1,098: Nằm trong vùng xám cảnh báo nguy hiểm, cần tái cấu trúc khẩn cấp.
• Doanh nghiệp có Z lớn hơn 1,098: Xếp vào nhóm tài chính lành mạnh, an toàn.

Độ chính xác phân loại của mô hình đạt mức tuyệt đối 100% đối với toàn bộ doanh nghiệp lành mạnh qua các năm. Đối với nhóm doanh nghiệp phá sản, mô hình đạt độ chính xác 100% ở thời điểm 1 năm trước khi giải thể; đạt 75% ở năm thứ 2; 83,3% ở năm thứ 3 và 58,3% ở năm thứ 4. Kiểm định Wilks' Lambda đạt 0,531 với Chi-square bằng 39,253 tại 2 bậc tự do (mức ý nghĩa Sig. = 0,000), khẳng định mô hình có độ tin cậy thống kê vượt trội.

Thảo luận kết quả

Biến X1 (EBIT/Tổng nợ) giữ trọng số phân biệt cao nhất với hệ số chuẩn hóa 0,895. Tỷ số này phản ánh năng lực sinh lời từ hoạt động kinh doanh cốt lõi để bù đắp các khoản nợ vay. Khi hệ số này dương và tăng cao, doanh nghiệp tạo ra tấm đệm thanh toán vững chắc, hạ thấp xác suất vỡ nợ. Ngược lại, việc chỉ số này lao dốc thể hiện gánh nặng chi phí lãi vay và chi phí hoạt động đã vượt quá khả năng tạo tiền. Biến X2 (Vốn luân chuyển/Doanh thu) đóng vai trò bổ trợ với hệ số 0,460, phản ánh tính thanh khoản ngắn hạn. Vốn luân chuyển âm chứng minh doanh nghiệp không thể đáp ứng nghĩa vụ nợ ngắn hạn bằng tài sản ngắn hạn hiện có, dẫn tới nguy cơ tê liệt dòng tiền.

Để tối ưu hóa việc theo dõi trong thực tiễn quản trị, dữ liệu vận hành của doanh nghiệp có thể được trực quan hóa qua biểu đồ phân tán hai chiều (Scatter Plot) với trục hoành là EBIT/Tổng nợ và trục tung là Vốn luân chuyển/Doanh thu. Biểu đồ này thiết lập 4 góc phần tư rủi ro, kết hợp bảng ma trận phân hạng Z-Score để bộ phận quản trị rủi ro phát hiện ngay sự dịch chuyển từ vùng an toàn sang vùng cảnh báo xám.

So sánh với nghiên cứu của Abbas và cộng sự (2011) tại Pakistan (đạt độ chính xác 76,9% với 3 biến gồm Doanh thu/Tổng tài sản, EBIT/Nợ ngắn hạn, Dòng tiền mặt), mô hình tại Việt Nam thể hiện tính cô đọng cao hơn khi chỉ sử dụng 2 biến nhưng đạt độ chính xác 100% ở kỳ hạn 1 năm. Kết quả này cũng đồng thuận với phát hiện của Zheng Gu (2002) tại Mỹ khi khẳng định EBIT/Tổng nợ là biến phân định kiệt quệ tài chính chuẩn xác nhất. Nguyên nhân cốt lõi khiến các doanh nghiệp Việt Nam sụp đổ giai đoạn 2008–2012 bắt nguồn từ cấu trúc vốn phụ thuộc quá mức vào đòn bẩy ngân hàng (tỷ lệ nợ/vốn chủ sở hữu nhóm xây dựng, bất động sản chạm 2,07 lần), đầu tư ngoài ngành dàn trải và không kiểm soát được dòng tiền luân chuyển khi lãi suất vay vượt mức 17% đến 20%/năm.

Đề xuất và khuyến nghị

Nhằm giảm thiểu tỷ lệ phá sản và nâng cao sức khỏe tài chính cho khu vực doanh nghiệp phi tài chính tại Việt Nam, luận văn đưa ra 4 nhóm giải pháp trọng tâm:

Thứ nhất, tái cơ cấu danh mục nợ và cấu trúc vốn. Doanh nghiệp cần chủ động cắt giảm tỷ lệ Nợ phải trả/Vốn chủ sở hữu xuống dưới ngưỡng an toàn 1,0 đến 1,2 lần trong lộ trình 12–18 tháng. Ban điều hành cần thoái vốn khẩn cấp khỏi các dự án đầu tư ngoài ngành kém hiệu quả, chuyển đổi nợ vay ngắn hạn có chi phí lãi suất cao sang các công cụ vốn dài hạn hoặc phát hành cổ phần chiến lược để giảm áp lực chi phí tài chính.

Thứ hai, tối ưu hóa chu chuyển vốn lưu động và quản trị hàng tồn kho. Ban giám đốc tài chính (CFO) cần nâng tỷ lệ Vốn luân chuyển/Doanh thu đạt mức tối thiểu 15%–20% trong vòng 6–12 tháng. Thực hiện thắt chặt chính sách bán chịu, rút ngắn vòng quay khoản phải thu từ mức 90 ngày xuống dưới 45 ngày, đồng thời áp dụng chính sách chiết khấu thanh toán nhanh để giải phóng lượng hàng tồn kho ứ đọng, bảo đảm dòng tiền vận hành luôn dương.

Thứ ba, thiết lập hệ thống cảnh báo sớm Z-Score trong thẩm định tín dụng. Các tổ chức tín dụng và ngân hàng thương mại cần tích hợp bộ chỉ số Z (với 2 biến EBIT/Tổng nợ và Vốn luân chuyển/Doanh thu) vào quy trình xếp hạng tín dụng nội bộ. Hoạt động rà soát điểm số Z định kỳ 3 tháng một lần đối với toàn bộ danh mục khách hàng doanh nghiệp sẽ giúp phát hiện sớm các khoản vay rơi vào vùng xám (-0,780 đến 1,098), từ đó chủ động cơ cấu lại thời hạn trả nợ và kiểm soát tỷ lệ nợ xấu toàn hệ thống dưới 3%.

Thứ tư, hoàn thiện khung giám sát tài chính và minh bạch thông tin thị trường. Ủy ban Chứng khoán Nhà nước và các Sở Giao dịch Chứng khoán cần áp dụng hệ thống chỉ báo Z-Score tự động trong giai đoạn 2013–2015. Khi chỉ số Z của một công ty niêm yết rơi xuống dưới ngưỡng 1,098 liên tiếp 2 quý, cơ quan quản lý cần yêu cầu doanh nghiệp công bố thông tin giải trình và đưa vào diện giám sát đặc biệt nhằm bảo vệ quyền lợi của cổ đông đại chúng.

Đối tượng nên tham khảo luận văn

Luận văn cung cấp khung phân tích thực nghiệm và giá trị ứng dụng rõ rệt cho 4 nhóm đối tượng chính:

Nhóm 1: Các nhà quản trị doanh nghiệp và Giám đốc tài chính (CFO). Luận văn đóng vai trò như một cẩm nang tự chẩn đoán sức khỏe tài chính. Doanh nghiệp có thể sử dụng mô hình 2 biến để định lượng xác suất kiệt quệ tài chính trước 1 đến 3 năm, từ đó hoạch định lại kế hoạch cân đối dòng tiền và chính sách vay nợ phù hợp.

Nhóm 2: Chuyên viên thẩm định tín dụng và cán bộ quản trị rủi ro tại các Ngân hàng thương mại. Tài liệu cung cấp công cụ sàng lọc khách hàng vay vốn độc lập với các chỉ tiêu kế toán truyền thống. Bằng việc theo dõi giá trị Z, ngân hàng có cơ sở định giá rủi ro khoản vay, xác định hạn mức cấp tín dụng và thiết lập điều khoản giám sát nợ chặt chẽ.

Nhóm 3: Các nhà đầu tư cá nhân, chuyên viên phân tích chứng khoán và Quỹ đầu tư. Luận văn hỗ trợ xây dựng bộ lọc phòng ngừa rủi ro hủy niêm yết đối với cổ phiếu trên sàn HOSE và HNX, giúp loại bỏ các mã chứng khoán tiềm ẩn nguy cơ vỡ nợ trước khi đưa vào danh mục đầu tư dài hạn.

Nhóm 4: Giảng viên, nhà nghiên cứu và học viên cao học chuyên ngành Tài chính - Ngân hàng. Đề tài cung cấp tài liệu tham khảo giá trị về quy trình ứng dụng kỹ thuật phân tích biệt thức đa biến (MDA) trên phần mềm SPSS, làm tiền đề mở rộng mô hình cho các nhóm ngành chuyên biệt khác tại Việt Nam.

Câu hỏi thường gặp

Mô hình dự báo phá sản trong luận văn được tính toán theo công thức nào? Mô hình sử dụng hàm biệt thức Z = 0,895 X1 + 0,460 X2, trong đó X1 là tỷ số EBIT/Tổng nợ và X2 là Vốn luân chuyển/Doanh thu. Điểm số Z tổng hợp sẽ được đối chiếu với các giá trị ngưỡng để xác định mức độ an toàn tài chính của doanh nghiệp.

Ngưỡng điểm nào cảnh báo doanh nghiệp đang rơi vào tình trạng nguy hiểm? Doanh nghiệp có điểm Z nhỏ hơn -0,780 thuộc nhóm nguy cơ phá sản cao. Khoảng điểm Z từ -0,780 đến 1,098 là vùng cảnh báo xám, báo hiệu doanh nghiệp đang gặp trục trặc thanh khoản và cần tái cấu trúc khẩn cấp. Điểm Z trên 1,098 phản ánh trạng thái tài chính lành mạnh.

Tại sao tỷ số EBIT/Tổng nợ lại có trọng số dự báo cao nhất? Tỷ số EBIT/Tổng nợ sở hữu hệ số chuẩn hóa 0,895, phản ánh trực tiếp năng lực sinh lời từ hoạt động kinh doanh cốt lõi để thực hiện nghĩa vụ trả nợ. Doanh nghiệp có thể duy trì hoạt động nếu EBIT đủ bù đắp chi phí nợ vay, ngược lại EBIT âm hoặc quá thấp sẽ dẫn đến mất thanh toán nhanh chóng.

Mô hình này có thể áp dụng cho các ngân hàng thương mại và công ty bảo hiểm không? Mô hình được xây dựng chuyên biệt cho các doanh nghiệp phi tài chính. Các định chế tài chính, ngân hàng và công ty bảo hiểm có cấu trúc bảng cân đối kế toán, tính chất vốn và quy định thanh khoản hoàn toàn khác biệt, do đó cần sử dụng các bộ chỉ số đặc thù như CAMELS thay vì mô hình này.

Độ chính xác của mô hình duy trì hiệu quả trong khung thời gian bao lâu trước khi phá sản? Mô hình đạt độ chính xác dự báo 100% ở thời điểm 1 năm trước khi doanh nghiệp phá sản. Độ chính xác đạt 75% ở năm thứ 2, 83,3% ở năm thứ 3 và đạt 58,3% ở năm thứ 4, chứng minh năng lực cảnh báo sớm rất đáng tin cậy trong phạm vi từ 1 đến 3 năm.

Kết luận

• Luận văn đã xây dựng thành công mô hình dự báo phá sản gồm 2 biến đại diện: EBIT/Tổng nợ và Vốn luân chuyển/Doanh thu, đạt độ chính xác 100% trước thời điểm phá sản 1 năm.
• Kết quả kiểm định thống kê trên 24 doanh nghiệp niêm yết với 96 quan sát (giai đoạn 2008–2011) khẳng định tính vững và độ tin cậy cao của phương pháp phân tích biệt thức đa biến (Wilks' Lambda = 0,531, Sig. = 0,000).
• Nghiên cứu chỉ ra đòn bẩy nợ quá mức và cạn kiệt vốn lưu động là hai nguyên nhân hàng đầu dẫn đến sự đổ vỡ của các doanh nghiệp phi tài chính tại Việt Nam.
• Đóng góp khoa học cốt lõi của đề tài là cung cấp một công cụ định lượng đơn giản, hiệu quả, phù hợp với đặc thù thông tin tài chính tại các thị trường mới nổi.
• Trong giai đoạn tiếp theo, các doanh nghiệp và tổ chức tài chính cần định kỳ rà soát chỉ số Z theo chu kỳ 6–12 tháng để chủ động kiểm soát rủi ro.

Hãy chủ động ứng dụng mô hình Z-Score vào hệ thống quản trị rủi ro ngay hôm nay để bảo vệ nguồn vốn và tối ưu hóa hiệu quả đầu tư bền vững.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu. Chương 2: Bằng chứng thực nghiệm trên thế giới về dự báo phá sản doanh nghiệp. Chương 3: Phương pháp nghiên cứu. Chương 4: Bằng chứng thực nghiệm tại Việt Nam về dự báo phá sản doanh nghiệp.

Chương 5: Kết luận và hướng phát triển của đề tài nghiên cứu. LUAN VAN CHAT LUONG download : add [e-mail] 13 CHƯƠNG 2: BẰNG CHỨNG THỰC NGHIỆM TRÊN THẾ GIỚI VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP 2.1 Bằng chứng thực nghiệm trên thế giới về dự báo phá sản doanh nghiệp Trong mục này, tác giả sẽ trình bày tóm tắt lại kết quả nghiên cứu của một số tác giả trên thế giới về dự báo phá sản DN. Các kết quả nghiên cứu sẽ được trình bày theo thứ tự thời gian từ quá khứ đến hiện tại, cụ thể như sau: 2.1 Nghiên cứu của William Beaver (1966) Năm 1966, William Beaver đã nghiên cứu về “Các chỉ số tài chính dự báo phá sản”. William Beaver đã dựa vào phương pháp đánh giá từng chỉ số tài chính nhằm đưa ra những tiêu chí dự báo phá sản DN thông qua quan sát các chỉ số tài chính.

Beaver phát hiện ra rằng các DN lâm vào tình trạng kiệt quệ tài chính là các DN có ít tiền mặt, ít hàng tồn kho nhưng có nhiều nợ phải thu. Nghiên cứu của Beaver chỉ ra rằng tỷ lệ tiền mặt/tổng nợ phải trả là chỉ tiêu quan trọng nhất trong việc dự báo dấu hiệu kiệt quệ tài chính và phá sản DN. Chỉ tiêu này phản ánh tính cân đối giữa khả năng tạo ra tiền của DN với số nợ mà DN phải thanh toán, và do đó sẽ thể hiện rõ ràng nhất khả năng thanh toán của DN. Bên cạnh đó, tỷ suất sinh lời của tài sản (thu nhập thuần/tổng tài sản) và hệ số nợ (tổng nợ phải trả/tổng tài sản) cũng là các chỉ tiêu quan trọng trong việc phát hiện dấu hiệu kiệt quệ và phá sản DN bởi vì các chỉ tiêu này phản ánh hiệu quả hoạt động kinh doanh của DN và mức độ rủi ro tài chính mà DN đang gặp phải.

Các kết luận của Beaver được rút ra bằng việc nghiên cứu thực nghiệm 79 DN kinh doanh thất bại và một số lượng tương ứng các DN kinh doanh thành công trong thời gian 10 năm (1954 – 1964). Mức trung bình các chỉ số tài chính của các DN trong mẫu nghiên cứu của Beaver được tổng kết ở Bảng 2.1 dưới đây: LUAN VAN CHAT LUONG download : add luanvanchat@agmail.1: Trung bình các chỉ số tài chính của các DN trong mẫu nghiên cứu của Beaver (1966) Năm trước khủng hoảng Chỉ số tài chính DN 1 năm 2 năm 3 năm 4 năm 5 năm Phá sản -0.20 Tiền mặt/tổng nợ phải trả Bình thường 0.02 Thu nhập ròng/tổng tài sản Bình thường 0.51 Nợ phải trả/tổng tài sản Bình thường 0.27 Vốn luân chuyển/tổng tài sản Bình thường 0.50 Tỷ số thanh toán hiện hành Bình thường 3.35 Kết quả nghiên cứu của Beaver cho thấy tất cả các chỉ tiêu tài chính của DN lâm vào tình trạng khủng hoảng thấp hơn rất nhiều so với một doanh nghiệp hoạt động bình thường. Dựa trên kết quả thực nghiệm của Beaver, khi muốn phát hiện dấu hiệu khủng hoảng và phá sản của một DN, chúng ta sẽ so sánh các chỉ số tài chính của DN đó với mức trung bình mà Beaver đưa ra kết luận.2 Nghiên cứu của Eward Altman (1968) Năm 1968, Eward Altman đã nghiên cứu “Các chỉ số tài chính, phân tích khác biệt và dự báo phá sản DN”. Altman chọn mẫu nghiên cứu gồm 66 công ty với 33 công phá sản là những công ty đã nộp đơn phá sản theo Chương 10 của Luật phá sản Hoa Kỳ trong giai đoạn từ năm 1946 đến năm 1965 và 33 công ty vẫn còn hoạt động trong thời gian phân tích với dữ liệu thu thập cùng các năm với các công ty phá sản.

LUAN VAN CHAT LUONG download : add [e-mail] 15 Các công ty được phân loại bởi ngành và qui mô DN với phạm vi tài sản được giới hạn từ 1 triệu USD đến 25 triệu USD. Dữ liệu được xây dựng từ báo cáo tài chính kỳ hạn một năm báo cáo trước khi phá sản. Sau đó một danh sách gồm 22 tỷ số tài chính được thu thập để đánh giá. Các tỷ số này được chia thành 4 nhóm, bao gồm: nhóm chỉ số thanh khoản, nhóm chỉ số khả năng sinh lời, nhóm chỉ số đòn bẩy tài chính và nhóm chỉ số hiệu quả sử dụng tài sản.

Kết quả có 5 tỷ số đã được chọn vì chúng thể hiện tốt nhất trong việc liên kết dự báo phá sản các công ty. Biệt thức cuối cùng được thể hiện như sau: Z = 0.999X5 Trong đó: X1 = Working capital/Total assets = Vốn luân chuyển/Tổng tài sản, X2 = Retained earning/ Total assets = Lợi nhuận giữ lại/Tổng tài sản, X3 = Earning before tax and interest/Total assets = EBIT/Tổng tài sản, X4 = Market value equity/Book value of total liabilities = Giá trị thị trường của vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả, X5 = Sales/Total assets = Tổng doanh thu/Tổng tài sản, Z = Overal index = chỉ số tổng hợp. Các điểm ngưỡng cho chỉ số Z như sau: Z < 1.99 < Z: Lành mạnh LUAN VAN CHAT LUONG download : add [e-mail] 16 Các trung vị biến của 2 nhóm DN và kết quả thống kê F thể hiện trong Bảng 2. Biến X1 đến X4 đều có mức ý nghĩa 0.001 cho thấy sự khác nhau khá quan trọng giữa các biến giữa các nhóm công ty khác nhau.

Biến X 5 không diễn đạt được sự khác biệt quan trọng giữa các nhóm và lý do để cho biến này vào nhóm các biến là chưa rõ ràng lắm. Ở mức độ đơn biến, tất cả các tỷ số của các công ty không phá sản đều có giá trị trung vị cao hơn so với các công ty phá sản.2: Biến trung vị và kiểm định mức ý nghĩa trong nghiên cứu của Altman (1968) Trung vị của nhóm Trung vị của nhóm Chỉ số F/ Biến phá sản/ không phá sản/ F Ratio Bankruptcy mean Nonbankruptcy mean X1 = WC/TA -6.001 Sau đó, Altman đã thử nghiệm mô hình Z-Score cho nhiều mẫu khác nhau trong khoảng thời gian hơn 30 năm. Dựa vào bảng 2.3, ta thấy trong mẫu thử nghiệm gần đây nhất, dựa trên 120 công ty bị vỡ nợ trong những năm 1997 – 1999, độ chính xác của các dự báo phá sản là 84%. Vì vậy, có thể thấy mô hình Z-Score vẫn giữ được độ chính xác cao và mô hình vẫn có khả năng dự báo mạnh mẽ mặc dù đã ra đời cách đây nhiều năm.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail.3: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Scores trong nghiên cứu của Altman (1968) Số năm Mẫu năm Mẫu năm Mẫu năm Mẫu gốc Mẫu đối trước khi 1969 – 1975 1976 – 1995 1997 – 1999 (33) chứng (25) phá sản (86) (110) (120) 1 88% 92% 75% 78% 84% Mặc dù mô hình gốc Z-Score của Altman vẫn giữ được độ chính xác cao trong dự báo phá sản qua nhiều năm nhưng các nhà phân tích tín dụng, những người hoạch định kinh tế tư nhân, kiểm toán viên và bản thân các công ty tư nhân đều quan ngại rằng mô hình gốc này chỉ có thể áp dụng cho các công ty đại chúng (vì X 4 cần đến dữ liệu về giá trị cổ phiếu). Do đó, Altman đã đề nghị đánh giá lại toàn bộ mô hình, dùng giá trị sổ sách của vốn chủ sở hữu thay thế giá trị thị trường trong biến X4. Điều này sẽ làm thay đổi tất cả các hệ số của biệt thức và các điểm giới hạn cũng thay đổi theo. Kết quả của mô hình Z-Score đều chỉnh với biến mới X4 là: Z’ = 0.998X5 Các điểm ngưỡng cho chỉ số Z’ như sau: Z’ < 1.90 < Z’: Lành mạnh Bởi vì thiếu các cơ sở dữ liệu của các công ty tư nhân nên Altman không thực hiện kiểm nghiệm mô hình mở rộng này trên các mẫu thứ cấp các công ty bị kiệt quệ tài chính và không kiệt quệ.

Ngoài ra từ mô hình gốc Z-Score của mình, Altman đã thực hiện phân tích đặc điểm và độ chính xác của một mô hình khi không có biến X5 – Sales/Total assets – doanh thu/tổng tài sản nhằm giảm thiểu ảnh hưởng do ngành. Tỷ số doanh thu/tổng tài sản LUAN VAN CHAT LUONG download : add [e-mail] 18 thay đổi rất lớn theo ngành, tỷ số này ở các công ty thương mại dịch vụ lớn hơn so với các công ty sản xuất vì các công ty thương mại cần ít vốn hơn. Thêm vào đó, Altman cũng dùng mô hình này để đánh giá tình trạng tài chính của các của các DN ngoài Hoa Kỳ. Cụ thể, Altman, Hatzell và Peck (1995) đã áp dụng mô hình Z’’- Score cho các công ty thuộc các nền kinh tế mới nổi, đặc biệt các công ty Mexico đã phát hành trái phiếu Euro tính theo USD.

Giá trị sổ sách của vốn chủ sở hữu được dùng cho biến X4 trong trường hợp này. Kết quả phân loại đồng nhất với mô hình 5 biến Z’-Score. Mô hình mới Z’’-Score là: Z’’ = 6.05X4 Các điểm ngưỡng cho mô hình này như sau: Z’’ < 1.6 < Z’’: Lành mạnh Tất cả các hệ số cho các biến cũng như điểm giới hạn đều thay đổi. Mô hình cụ thể này cũng hữu ích trong một nền công nghiệp mà sự tài trợ cho tài sản là khác biệt lớn giữa các công ty và đã tạo nên các điều chỉnh quan trọng.3 Nghiên cứu của Eljelly (2001) Năm 2001, Eljelly đã nghiên cứu về “Dự báo phá sản các doanh nghiệp tư nhân tại Xu-đăng”.

Eljelly đã sử dụng phương pháp phân tích đa khác biệt (MDA – Multivariate discriminant analysis) để phát triển một mô hình cải thiện từ mô hình dự báo của Altman để dự báo phá sản cho một số DN tư nhân tại Xu-đăng, một quốc gia kém phát triển tại Châu Phi. Eljelly chọn mẫu bao gồm 30 DN tư nhân đã phá sản trong giai đoạn từ năm 1970 đến năm 1996. Mỗi DN trong mẫu đều được kết hợp với một DN không phá sản trong cùng ngành, cùng năm cung cấp báo cáo tài chính và có quy mô tài sản tương LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Các tỷ số tài chính sử dụng trong phân tích này được chia thành 4 nhóm chỉ số gồm: khả năng sinh lợi, tính thanh khoản, đòn bẩy tài chính và hiệu quả sử dụng tài sản3.

Sau khi chạy dữ liệu, tác giả đã tìm ra ba chỉ số cho thấy khả năng dự báo tốt nhất theo hàm đa biến sau: Z = 0.651X3 Trong đó: X1 = Current asset/Current liabilities = Tài sản ngắn hạn/Nợ ngắn hạn, X2 = Operating profit/ Total assets = EBIT/Tổng tài sản, X3 = Cash flow/Total debt = Dòng tiền/Tổng nợ.