Xây dựng mô hình logit cảnh báo tài chính cho doanh nghiệp Việt Nam - Nghiên cứu của Trường Đại ...

Luận văn thạc sĩ trình bày mô hình logit cảnh báo sớm tình hình tài chính cho doanh nghiệp Việt Nam và kiểm định hiệu quả qua mô hình DEA.

• Tác giả: Nguyễn Thy Phương
• Người hướng dẫn: GS.TS Trần Ngọc Thơ
• Trường học: Trường Đại Học Kinh Tế TP. Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Mô Hình Logit Cảnh Báo Tài Chính Cho Doanh Nghiệp Việt
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Mô hình dựa trên phân tích phân biệt
• 1.2. Phân tích phân biệt đơn biến của Beaver (1966)
• 1.3. Mô hình Z-score của Altman (1968)
• 1.4. Mô hình phân tích logit
• 1.5. Mô hình phân tích logit của Ohlson (1980)
• 1.6. Mô hình phân tích logit của Shuangjie Li, Shao Wang (2014)
• 1.7. Mô hình phân tích bao dữ liệu DEA (Data Envelopment Analysis)
• 1.7.1. Sơ lược về sự hình thành, quá trình phát triển của phương pháp phân tích bao dữ liệu (DEA)
• 1.7.2. Mô hình DEA trong nghiên cứu của của Shuangjie Li, Shao Wang (2014)
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 3. CHƯƠNG 3: XÂY DỰNG MÔ HÌNH LOGIT
• 3.1. Chỉ số và dữ liệu
• 3.2. Mô hình logit cảnh báo sớm về tài chính
• 3.3. Kiểm định trong mẫu
• 3.4. Kiểm định ngoài mẫu
• 4. CHƯƠNG 4: XÁC MINH TÍNH HIỆU QUẢ QUA MÔ HÌNH PHÂN TÍCH BAO DỮ LIỆU (DEA)
• 4.1. Kiểm định trong mẫu
• 4.2. Kiểm định ngoài mẫu
• 5. CHƯƠNG 5: KẾT LUẬN
• PHỤ LỤC
• appendix.1. Danh sách 50 công ty trong mẫu nghiên cứu
• appendix.2. Danh sách 50 công ty ngoài mẫu nghiên cứu
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về mô hình logit cảnh báo tài chính cho doanh nghiệp Việt

Mô hình logit cảnh báo tài chính là một công cụ quan trọng giúp các doanh nghiệp Việt Nam nhận diện sớm các rủi ro tài chính. Mô hình này sử dụng các chỉ số tài chính để dự đoán khả năng kiệt quệ của doanh nghiệp. Việc áp dụng mô hình logit không chỉ giúp doanh nghiệp bảo vệ tài sản mà còn nâng cao khả năng cạnh tranh trên thị trường. Nghiên cứu cho thấy rằng mô hình logit có độ chính xác cao trong việc dự đoán tình hình tài chính của các doanh nghiệp.

1.1. Mô hình logit và ứng dụng trong cảnh báo tài chính

Mô hình logit là một phương pháp thống kê được sử dụng để phân loại và dự đoán khả năng xảy ra sự kiện. Trong bối cảnh tài chính, mô hình này giúp xác định khả năng kiệt quệ của doanh nghiệp dựa trên các chỉ số tài chính. Các nghiên cứu đã chỉ ra rằng mô hình logit có thể đạt được độ chính xác lên đến 88% trong việc dự đoán tình hình tài chính.

1.2. Lợi ích của mô hình logit cho doanh nghiệp Việt Nam

Mô hình logit mang lại nhiều lợi ích cho doanh nghiệp Việt Nam, bao gồm khả năng phát hiện sớm các rủi ro tài chính, giảm thiểu thiệt hại và nâng cao hiệu quả quản lý tài chính. Việc áp dụng mô hình này giúp doanh nghiệp có thể đưa ra các quyết định kịp thời nhằm cải thiện tình hình tài chính.

II. Thách thức trong việc áp dụng mô hình logit tại doanh nghiệp Việt

Mặc dù mô hình logit có nhiều ưu điểm, nhưng việc áp dụng nó tại các doanh nghiệp Việt Nam cũng gặp phải nhiều thách thức. Các vấn đề như chất lượng dữ liệu, sự phức tạp trong việc lựa chọn biến và sự thay đổi trong môi trường kinh doanh có thể ảnh hưởng đến độ chính xác của mô hình. Do đó, cần có những nghiên cứu sâu hơn để cải thiện tính khả thi của mô hình logit trong bối cảnh Việt Nam.

2.1. Vấn đề về chất lượng dữ liệu trong mô hình logit

Chất lượng dữ liệu là một yếu tố quan trọng ảnh hưởng đến độ chính xác của mô hình logit. Nhiều doanh nghiệp Việt Nam vẫn chưa có hệ thống quản lý dữ liệu hiệu quả, dẫn đến việc thu thập và xử lý dữ liệu gặp khó khăn. Điều này có thể làm giảm độ tin cậy của các dự đoán tài chính.

2.2. Sự phức tạp trong việc lựa chọn biến trong mô hình

Việc lựa chọn các biến phù hợp để đưa vào mô hình logit là một thách thức lớn. Các doanh nghiệp cần phải xác định các chỉ số tài chính quan trọng nhất để đảm bảo mô hình hoạt động hiệu quả. Sự thiếu hiểu biết về các chỉ số này có thể dẫn đến việc xây dựng mô hình không chính xác.

III. Phương pháp xây dựng mô hình logit cảnh báo tài chính hiệu quả

Để xây dựng mô hình logit cảnh báo tài chính hiệu quả, cần thực hiện một quy trình chặt chẽ từ việc thu thập dữ liệu đến việc phân tích và kiểm định mô hình. Các bước này bao gồm xác định biến độc lập, thu thập dữ liệu, xây dựng mô hình và kiểm định độ chính xác của mô hình. Việc áp dụng phương pháp này sẽ giúp tăng cường độ tin cậy của mô hình logit.

3.1. Quy trình thu thập và xử lý dữ liệu

Quy trình thu thập dữ liệu cần được thực hiện một cách hệ thống và có kế hoạch. Doanh nghiệp cần xác định các nguồn dữ liệu đáng tin cậy và thực hiện các bước xử lý dữ liệu để đảm bảo tính chính xác. Việc này sẽ giúp mô hình logit hoạt động hiệu quả hơn.

3.2. Xây dựng và kiểm định mô hình logit

Sau khi thu thập dữ liệu, bước tiếp theo là xây dựng mô hình logit. Doanh nghiệp cần sử dụng các phần mềm thống kê để thực hiện phân tích và kiểm định mô hình. Việc kiểm định độ chính xác của mô hình là rất quan trọng để đảm bảo rằng các dự đoán tài chính là đáng tin cậy.

IV. Ứng dụng thực tiễn của mô hình logit trong doanh nghiệp Việt

Mô hình logit đã được áp dụng thành công tại nhiều doanh nghiệp Việt Nam, giúp họ nhận diện sớm các rủi ro tài chính và đưa ra các biện pháp khắc phục kịp thời. Các nghiên cứu thực nghiệm cho thấy rằng mô hình logit có thể đạt được độ chính xác cao trong việc dự đoán tình hình tài chính của các doanh nghiệp. Điều này cho thấy rằng mô hình logit là một công cụ hữu ích trong việc quản lý rủi ro tài chính.

4.1. Các trường hợp thành công trong ứng dụng mô hình logit

Nhiều doanh nghiệp đã áp dụng mô hình logit và đạt được những kết quả tích cực trong việc quản lý tài chính. Các trường hợp này cho thấy rằng mô hình logit có thể giúp doanh nghiệp phát hiện sớm các dấu hiệu kiệt quệ tài chính và đưa ra các quyết định kịp thời.

4.2. Kết quả nghiên cứu về độ chính xác của mô hình logit

Nghiên cứu cho thấy rằng mô hình logit có độ chính xác lên đến 88% trong việc dự đoán tình hình tài chính của các doanh nghiệp. Điều này chứng tỏ rằng mô hình logit là một công cụ hiệu quả trong việc cảnh báo sớm về tài chính cho doanh nghiệp Việt Nam.

V. Kết luận và triển vọng tương lai của mô hình logit

Mô hình logit cảnh báo tài chính đã chứng minh được tính hiệu quả trong việc dự đoán tình hình tài chính của doanh nghiệp Việt Nam. Tuy nhiên, để nâng cao độ chính xác và khả năng ứng dụng của mô hình, cần có thêm nhiều nghiên cứu và cải tiến. Tương lai, mô hình logit có thể được kết hợp với các phương pháp phân tích khác để tạo ra một hệ thống cảnh báo tài chính toàn diện hơn.

5.1. Tương lai của mô hình logit trong cảnh báo tài chính

Mô hình logit có tiềm năng lớn trong việc phát triển thành một công cụ cảnh báo tài chính toàn diện hơn. Việc kết hợp với các phương pháp phân tích khác có thể giúp nâng cao độ chính xác và khả năng ứng dụng của mô hình.

5.2. Đề xuất nghiên cứu tiếp theo về mô hình logit

Cần thực hiện các nghiên cứu tiếp theo để cải thiện mô hình logit, bao gồm việc áp dụng các chỉ số phi tài chính và các phương pháp phân tích mới. Điều này sẽ giúp tăng cường độ tin cậy và khả năng dự đoán của mô hình trong bối cảnh doanh nghiệp Việt Nam.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh kinh tế toàn cầu và Việt Nam có nhiều biến động phức tạp, việc dự báo sớm tình hình tài chính của các doanh nghiệp trở thành một nhu cầu cấp thiết nhằm giảm thiểu rủi ro phá sản và tổn thất kinh tế. Theo báo cáo ngành, số lượng doanh nghiệp Việt Nam gặp khó khăn tài chính và có nguy cơ phá sản gia tăng liên tục trong những năm gần đây, gây ảnh hưởng tiêu cực đến nền kinh tế quốc dân. Mục tiêu của luận văn là xây dựng một mô hình logit cảnh báo sớm tình hình tài chính cho các doanh nghiệp Việt Nam, đồng thời kiểm định tính hiệu quả của mô hình này thông qua phương pháp phân tích bao dữ liệu (DEA) sử dụng các chỉ số hiệu quả phi tài chính. Nghiên cứu tập trung vào dữ liệu tài chính của 50 công ty niêm yết trên hai sàn HoSE và HNX trong giai đoạn 2011-2014, trong đó có 25 công ty thuộc nhóm ST (có lợi nhuận âm liên tiếp hai năm) và 25 công ty bình thường cùng ngành. Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao độ chính xác dự báo rủi ro tài chính, giúp doanh nghiệp, nhà đầu tư, chủ nợ và các cơ quan quản lý có thể chủ động phòng ngừa và ứng phó kịp thời với các nguy cơ tài chính, từ đó góp phần ổn định thị trường và phát triển bền vững.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình dự báo tài chính đã được phát triển và ứng dụng rộng rãi trên thế giới. Đầu tiên là mô hình phân tích phân biệt (DA) của Beaver (1966) và Altman (1968), trong đó Altman xây dựng mô hình Z-score với 5 chỉ số tài chính quan trọng nhằm phân loại doanh nghiệp có nguy cơ phá sản. Tiếp theo là mô hình phân tích logit của Ohlson (1980), sử dụng hàm logistic để ước lượng xác suất rủi ro tài chính, vượt qua các hạn chế của DA như giả định phân phối chuẩn và ma trận hiệp phương sai. Mô hình logit được lựa chọn vì tính phi tuyến tính, dễ hiểu, không yêu cầu dữ liệu đa dạng và có độ chính xác cao. Ngoài ra, nghiên cứu còn ứng dụng mô hình phân tích bao dữ liệu (DEA) để đánh giá hiệu quả phi tài chính của doanh nghiệp, từ đó kiểm định lại tính chính xác của mô hình logit. DEA là phương pháp toán học xây dựng đường giới hạn sản xuất dựa trên dữ liệu đầu vào và đầu ra, giúp đo lường hiệu quả hoạt động tương đối của các doanh nghiệp mà không cần giả định hàm số cụ thể.

Các khái niệm chính bao gồm:

• Mô hình logit: mô hình xác suất phi tuyến tính dự báo rủi ro tài chính dựa trên các biến tài chính.
• Chỉ số tài chính: các tỷ số như lợi nhuận trên tổng tài sản, tỷ lệ nợ trên tài sản, tốc độ tăng trưởng lợi nhuận ròng, v.v.
• Phân tích bao dữ liệu (DEA): phương pháp đo lường hiệu quả dựa trên tỷ lệ đầu ra trên đầu vào, sử dụng các chỉ số phi tài chính như số lao động, chi phí kinh doanh, lợi nhuận ròng.
• Chỉ số hiệu quả phi tài chính: các chỉ số không thể thao túng dễ dàng, phản ánh hoạt động thực tế của doanh nghiệp.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ báo cáo tài chính của 50 công ty niêm yết trên sàn HoSE và HNX, gồm 25 công ty thuộc nhóm ST (có lợi nhuận âm liên tiếp hai năm 2012-2013) và 25 công ty bình thường cùng ngành. Dữ liệu năm 2011 được sử dụng để dự báo tình hình tài chính năm 2014. Cỡ mẫu gồm 50 công ty trong mẫu và 50 công ty ngoài mẫu để kiểm định tính ổn định của mô hình.

Phương pháp phân tích bao gồm:

• Xây dựng mô hình logit dự báo rủi ro tài chính với 13 chỉ số tài chính thuộc 6 nhóm: lợi nhuận, tăng trưởng, lưu chuyển, tiền mặt, cấu trúc và bán hàng. Phương pháp lựa chọn biến là “forward screening Wald” nhằm giữ lại các biến có ý nghĩa thống kê (p ≤ 0,05).
• Kiểm định mô hình logit trong và ngoài mẫu để đánh giá độ chính xác dự báo.
• Sử dụng mô hình DEA với hai bộ biến đầu vào (tổng tài sản, chi phí kinh doanh, số lao động) và đầu ra (thu nhập chính, lợi nhuận ròng) để tính chỉ số hiệu quả phi tài chính.
• So sánh và kiểm định lại kết quả dự báo của mô hình logit bằng các chỉ số hiệu quả DEA nhằm đảm bảo độ tin cậy và tính khách quan của dự báo.

Timeline nghiên cứu kéo dài từ năm 2011 đến 2014, bao gồm thu thập dữ liệu, xây dựng mô hình, kiểm định và phân tích kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác dự báo của mô hình logit: Mô hình logit được xây dựng với 2 biến quan trọng nhất là tỷ số lợi nhuận trên tổng tài sản (X2) và tốc độ tăng trưởng lợi nhuận ròng (X5). Tỷ lệ chính xác dự báo trong mẫu đạt 88%, ngoài mẫu đạt 80%, cho thấy mô hình có khả năng dự báo khá cao và ổn định.

2. Kiểm định bằng mô hình DEA: Sử dụng các chỉ số hiệu quả phi tài chính từ mô hình DEA để kiểm định lại kết quả dự báo logit, tỷ lệ chính xác trong mẫu là 72%, ngoài mẫu là 66%. Mặc dù thấp hơn so với dự báo logit, nhưng kết quả này vẫn cho thấy sự phù hợp và tính khách quan của mô hình.

3. Mối tương quan giữa chỉ số logit và hiệu quả DEA: Hệ số tương quan giữa tỷ số lợi nhuận trên tổng tài sản và chỉ số hiệu quả DEA đạt khoảng 0,74-0,82, trong khi hệ số tương quan giữa tốc độ tăng trưởng lợi nhuận ròng và hiệu quả DEA là 0,29-0,49, cho thấy sự liên hệ chặt chẽ giữa các chỉ số tài chính và hiệu quả phi tài chính.

4. Phân biệt nhóm công ty ST và công ty bình thường: Chỉ số hiệu quả DEA trung bình của nhóm công ty ST thấp hơn nhóm công ty bình thường, minh chứng cho khả năng phân loại chính xác của mô hình.

Thảo luận kết quả

Nguyên nhân của độ chính xác cao trong dự báo logit là do việc lựa chọn biến kỹ lưỡng qua phương pháp forward screening Wald, chỉ giữ lại các biến có ảnh hưởng đáng kể đến rủi ro tài chính. Kết quả này phù hợp với các nghiên cứu quốc tế về mô hình logit trong dự báo tài chính. Việc sử dụng mô hình DEA để kiểm định lại dự báo logit là một bước tiến mới, giúp khắc phục hạn chế của các mô hình chỉ dựa trên chỉ số tài chính dễ bị thao túng. Kết quả kiểm định cho thấy mô hình logit không chỉ chính xác mà còn có tính ổn định và đáng tin cậy khi được xác minh qua các chỉ số phi tài chính. Dữ liệu có thể được trình bày qua biểu đồ so sánh tỷ lệ chính xác dự báo trong và ngoài mẫu của mô hình logit và DEA, cũng như bảng hệ số tương quan giữa các chỉ số tài chính và hiệu quả DEA để minh họa mối liên hệ chặt chẽ giữa các biến.

Đề xuất và khuyến nghị

1. Xây dựng hệ thống cảnh báo sớm tài chính dựa trên mô hình logit: Doanh nghiệp và cơ quan quản lý nên áp dụng mô hình logit với các chỉ số tài chính trọng yếu để phát hiện sớm nguy cơ tài chính, giảm thiểu rủi ro phá sản. Thời gian triển khai trong vòng 1 năm, chủ thể là phòng tài chính doanh nghiệp và các tổ chức tín dụng.

2. Kết hợp kiểm định bằng chỉ số hiệu quả phi tài chính (DEA): Để tăng tính khách quan và độ tin cậy của dự báo, cần áp dụng mô hình DEA kiểm tra lại kết quả dự báo logit định kỳ hàng năm. Chủ thể thực hiện là các cơ quan kiểm toán độc lập hoặc bộ phận kiểm soát nội bộ doanh nghiệp.

3. Đào tạo và nâng cao năng lực phân tích tài chính cho cán bộ quản lý: Tổ chức các khóa đào tạo về mô hình logit và DEA cho cán bộ tài chính, giúp họ hiểu và vận dụng hiệu quả các công cụ dự báo tài chính. Thời gian đào tạo kéo dài 6 tháng, chủ thể là các trường đại học, trung tâm đào tạo chuyên ngành.

4. Phát triển phần mềm hỗ trợ dự báo tài chính tích hợp mô hình logit và DEA: Xây dựng công cụ phần mềm giúp tự động hóa quá trình thu thập dữ liệu, phân tích và cảnh báo rủi ro tài chính, giúp doanh nghiệp và nhà đầu tư dễ dàng tiếp cận và sử dụng. Thời gian phát triển dự kiến 1-2 năm, chủ thể là các công ty công nghệ tài chính.

Đối tượng nên tham khảo luận văn

1. Doanh nghiệp Việt Nam, đặc biệt các công ty niêm yết: Giúp nhận diện sớm các dấu hiệu suy giảm tài chính, từ đó có biện pháp điều chỉnh kịp thời nhằm duy trì hoạt động ổn định và phát triển bền vững.

2. Nhà đầu tư và chủ nợ: Cung cấp công cụ đánh giá rủi ro tài chính của doanh nghiệp, hỗ trợ quyết định đầu tư và cho vay chính xác hơn, giảm thiểu tổn thất tài chính.

3. Cơ quan quản lý và chính sách: Hỗ trợ xây dựng các chính sách giám sát và hỗ trợ doanh nghiệp, góp phần ổn định thị trường tài chính và thúc đẩy phát triển kinh tế.

4. Các nhà nghiên cứu và sinh viên chuyên ngành tài chính – ngân hàng: Là tài liệu tham khảo quý giá về ứng dụng mô hình logit và DEA trong dự báo tài chính, đồng thời mở ra hướng nghiên cứu mới về kiểm định dự báo bằng chỉ số phi tài chính.

Câu hỏi thường gặp

1. Mô hình logit là gì và tại sao được chọn trong nghiên cứu này?
   Mô hình logit là mô hình xác suất phi tuyến tính dùng để dự báo rủi ro tài chính dựa trên các biến tài chính. Nó được chọn vì dễ hiểu, không yêu cầu giả định phân phối chuẩn, có độ chính xác và ổn định cao, phù hợp với dữ liệu doanh nghiệp Việt Nam.

2. DEA là gì và vai trò của nó trong nghiên cứu?
   DEA (Data Envelopment Analysis) là phương pháp phân tích bao dữ liệu dùng để đo lường hiệu quả hoạt động dựa trên tỷ lệ đầu ra trên đầu vào. Trong nghiên cứu, DEA được dùng để kiểm định lại kết quả dự báo của mô hình logit bằng các chỉ số hiệu quả phi tài chính, giúp tăng tính khách quan.

3. Dữ liệu nghiên cứu được thu thập như thế nào?
   Dữ liệu được lấy từ báo cáo tài chính của 50 công ty niêm yết trên sàn HoSE và HNX, gồm 25 công ty có lợi nhuận âm liên tiếp hai năm và 25 công ty bình thường cùng ngành, với dữ liệu năm 2011 dùng để dự báo năm 2014.

4. Độ chính xác của mô hình logit và DEA như thế nào?
   Mô hình logit đạt độ chính xác dự báo trong mẫu là 88% và ngoài mẫu là 80%. Kiểm định bằng DEA cho kết quả chính xác trong mẫu là 72% và ngoài mẫu là 66%, cho thấy mô hình có độ tin cậy cao.

5. Làm thế nào doanh nghiệp có thể áp dụng kết quả nghiên cứu?
   Doanh nghiệp có thể xây dựng hệ thống cảnh báo sớm dựa trên mô hình logit với các chỉ số tài chính trọng yếu, đồng thời sử dụng mô hình DEA để kiểm tra hiệu quả hoạt động phi tài chính, từ đó phát hiện và xử lý kịp thời các rủi ro tài chính.

Kết luận

• Đã xây dựng thành công mô hình logit dự báo sớm tình hình tài chính cho doanh nghiệp Việt Nam với độ chính xác trong mẫu 88% và ngoài mẫu 80%.
• Đề xuất phương pháp kiểm định dự báo bằng mô hình DEA sử dụng các chỉ số hiệu quả phi tài chính, tăng tính khách quan và độ tin cậy của dự báo.
• Kết quả kiểm định cho thấy tỷ lệ chính xác của mô hình DEA là 72% trong mẫu và 66% ngoài mẫu, phù hợp với mục tiêu nghiên cứu.
• Mô hình logit và DEA kết hợp tạo thành công cụ hữu hiệu giúp doanh nghiệp, nhà đầu tư và cơ quan quản lý nhận diện sớm rủi ro tài chính.
• Khuyến nghị triển khai hệ thống cảnh báo sớm tài chính tích hợp mô hình logit và DEA, đồng thời đào tạo cán bộ và phát triển phần mềm hỗ trợ trong vòng 1-2 năm tới.

Hành động tiếp theo là áp dụng mô hình vào thực tiễn doanh nghiệp và mở rộng nghiên cứu với dữ liệu đa ngành để nâng cao tính ứng dụng. Đề nghị các tổ chức tài chính, doanh nghiệp và nhà nghiên cứu quan tâm phối hợp triển khai và phát triển mô hình nhằm góp phần ổn định và phát triển kinh tế bền vững.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM ------------ Nguyễn Thy Phương XÂY DỰNG MÔ HÌNH LOGIT CẢNH BÁO SỚM TÌNH HÌNH TÀI CHÍNH CHO CÁC DOANH NGHIỆP VIỆT NAM VÀ KIỂM ĐỊNH LẠI TÍNH HIỆU QUẢ THÔNG QUA MÔ HÌNH BAO DỮ LIỆU DEA LUẬN VĂN THẠC SĨ KINH TẾ TP.Hồ Chí Minh – Năm 2014 TIEU LUAN MOI download : [e-mail] BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM ------------ Nguyễn Thy Phương XÂY DỰNG MÔ HÌNH LOGIT CẢNH BÁO SỚM TÌNH HÌNH TÀI CHÍNH CHO CÁC DOANH NGHIỆP VIỆT NAM VÀ KIỂM ĐỊNH LẠI TÍNH HIỆU QUẢ THÔNG QUA MÔ HÌNH BAO DỮ LIỆU DEA Chuyên ngành: Tài chính – Ngân hàng Mã số: 60340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: GS.TS TRẦN NGỌC THƠ TP.Hồ Chí Minh – Năm 2014 TIEU LUAN MOI download : [e-mail] LỜI CAM ĐOAN Tôi xin cam đoan luận văn Thạc Sĩ Kinh Tế “Xây dựng mô hình logit dự báo sớm tình hình tài chính cho các doanh nghiệp Việt Nam và kiểm định lại tính hiệu quả thông qua mô hình bao dữ liệu DEA” là công trình nghiên cứu của riêng tôi, có sự hỗ trợ từ người hướng dẫn khoa học là GS. Trần Ngọc Thơ, và chưa từng được công bố trước đây. Các số liệu được sử dụng để phân tích, đánh giá trong luận văn có nguồn gốc rõ ràng và được tổng hợp từ những nguồn thông tin đáng tin cậy. Nội dung luận văn đảm bảo không sao chép bất cứ công trình nghiên cứu trong nước nào khác. HCM, ngày 16 tháng 10 năm 2014 Tác giả Nguyễn Thy Phương TIEU LUAN MOI download : [e-mail] MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC HÌNH DANH MỤC CÁC BẢNG TÓM TẮT .5 CHƯƠNG 1: GIỚI THIỆU .2 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT . Mô hình dựa trên phân tích phân biệt . Phân tích phân biệt đơn biến của Beaver (1966). Mô hình Z-score của Altman (1968) . Mô hình phân tích logit. Mô hình phân tích logit của Ohlson (1980) . Mô hình phân tích logit của Shuangjie Li, Shao Wang (2014) . Mô hình phân tích bao dữ liệu DEA (Data Envelopment Analysis) . Sơ lược về sự hình thành, quá trình phát triển của phương pháp phân tích bao dữ liệu (DEA) . Mô hình DEA trong nghiên cứu của của Shuangjie Li, Shao Wang (2014) .19 CHƯƠNG 3: XÂY DỰNG MÔ HÌNH LOGIT . Chỉ số và dữ liệu . Mô hình logit cảnh báo sớm về tài chính . Kiểm định trong mẫu .50 TIEU LUAN MOI download : skknchat@gmail. Kiểm định ngoài mẫu.54 CHƯƠNG 4: XÁC MINH TÍNH HIỆU QUẢ QUA MÔ HÌNH PHÂN TÍCH BAO DỮ LIỆU (DEA) . Kiểm định trong mẫu . Kiểm định ngoài mẫu.65 CHƯƠNG 5: KẾT LUẬN .71 TÀI LIỆU THAM KHẢO PHỤ LỤC Phụ lục 1: Danh sách 50 công ty trong mẫu nghiên cứu Phụ lục 2: Danh sách 50 công ty ngoài mẫu nghiên cứu TIEU LUAN MOI download : [e-mail] DANH MỤC CÁC TỪ VIẾT TẮT DEA – Mô hình phân tích bao dữ liệu DA – Phân tích phân biệt HNX – Sàn giao dịch chứng khoán Hà Nội HoSE – Sở giao dịch chứng khoán Thành Phố Hồ Chí Minh TIEU LUAN MOI download : [e-mail] DANH MỤC CÁC HÌNH Hình Trang Hình 3.1: Phân phối xác suất dự báo của mô hình logit . 54 TIEU LUAN MOI download : [e-mail] DANH MỤC CÁC BẢNG Bảng Trang Bảng 2.1: Kết quả dự báo của mô hình Altman (1968) .2: So sánh kết quả của mô hình ZETA (1977) và mô hình Z-score của Altman (1968) .3: Tương tự quan giữa chỉ số mô hình logit và chỉ số hiệu quả .4: Gán điểm đánh giá tính hiệu quả dự báo của mô hình logit .1: Mô tả biến của nhóm công ty ST.2: Mô tả biến của nhóm công ty bình thường .3: Mô tả thống kê của nhóm công ty ST.4: Mô tả thống kê của nhóm công ty bình thường .5: Kết quả mô hình logit .6: Kết quả dự báo của mô hình logit cho 50 công ty trong mẫu .7: Kết quả dự báo của mô hình logit cho 50 công ty ngoài mẫu .8: Mô tả phân tích ACC .9: TPR và FPR .1: Tương tự quan giữa các chỉ số mô hình logit và chỉ số hiệu quả .2: Kết quả dự báo của mô hình DEA cho 50 công ty trong mẫu .3: Kết quả dự báo của mô hình DEA cho 50 công ty trong mẫu .4: Số thứ tự các công ty có dự báo lệch .70 TIEU LUAN MOI download : [e-mail] 1 TÓM TẮT Các mô hình cảnh báo sớm về tài chính nhằm mục đích giúp các công ty nhận ra cuộc khủng hoảng tài chính và làm giảm các rủi ro tài chính từ các thông điệp của mô hình. Các mô hình cảnh báo hiện nay chủ yếu được xây dựng trên một hệ thống các chỉ số tài chính và độ chính xác của dự báo chỉ được xác nhận qua các chỉ số tài chính chứ không phải là các chỉ số phi tài chính. Các vấn đề xảy ra trong tình huống này là các chỉ số tài chính được điều khiển và thao túng bởi các nhân viên cấp quản lý của công ty, và do đó, chỉ sử dụng các chỉ số tài chính không thể đảm bảo độ tin cậy của các mô hình. Để xử lý vấn đề này, bài viết phát triển mô hình logit mới có độ chính xác khá tốt trong dự báo. Quan trọng hơn, tác giả đề xuất một phương pháp mới để xác minh độ chính xác dự báo của mô hình logit bằng cách sử dụng các chỉ số hiệu quả phi tài chính vào mô hình phân tích bao dữ liệu (DEA). Một nghiên cứu thực nghiệm trên bộ dữ liệu các công ty Việt Nam cho thấy rằng mức độ dự đoán chính xác của mô hình đề xuất trong và ngoài mẫu lần lượt là 88% và 80%, một kết quả tương đối cao. Và sử dụng các chỉ số hiệu quả phi tài chính để kiểm định lại kết quả dự đoán của mô hình logit trong và ngoài mẫu tương ứng là 72% và 66%. Kết quả cho thấy rằng mô hình logit đề xuất cảnh báo sớm về tài chính khá chính xác và ổn định; phương pháp tiếp cận trong đó sử dụng các chỉ số hiệu quả phi tài chính để xác minh lại các kết quả của mô hình logit dự báo về tài chính đã đảm bảo đáng kể độ tin cậy của mô hình. TIEU LUAN MOI download : [e-mail] 2 CHƯƠNG 1: GIỚI THIỆU Cuộc khủng hoảng kinh tế tài chính gây nên những tổn thất to lớn trên thế giới hiện nay đang thu hút sự quan tâm không chỉ của chính phủ các nước mà còn của giới nghiên cứu trên toàn thế giới. Cuộc khủng hoảng kinh tế đã và đang được mổ xẻ, phân tích từ nhiều góc độ khác nhau. Các công ty trên toàn thế giới đã nhận thấy các chỉ số tài chính của họ đã xấu đi rất nhiều trước khi áp dụng các biện pháp cải thiện tài chính và thường mất cảnh giác, dẫn tới phá sản. Ngày nay, nhiều người nhận ra rằng các công ty cần phải được xây dựng một hệ thống dự báo rủi ro tài chính để nhận ra cuộc khủng hoảng sắp đến, có những hành động ngay tại thời điểm bắt đầu và để ngăn chặn sự suy giảm hơn nữa. Một phần chính của việc xây dựng một hệ thống dự báo rủi ro tài chính là xây dựng mô hình dự báo rủi ro tài chính. Việc dự báo này không chỉ có ý nghĩa đối với doanh nghiệp, cổ đông, nhà quản lý, mà còn có ý nghĩa đặc biệt đối với nhà đầu tư, chủ nợ, chính phủ, người lao động… Ở Việt Nam, trong những năm qua, với tình hình kinh tế biến động không ngừng, số lượng doanh nghiệp trong nước lâm vào tình trạng khó khăn dẫn đến phá sản liên tục gia tăng. Chi phí của nó gây ra cho nền kinh tế là không hề nhỏ. Trước tình hình này, một mô hình dự báo về tài chính phù hợp cho các doanh nghiệp Việt Nam là một nhu cầu thực sự bức thiết nhằm giúp các doanh nghiệp phát hiện sớm hoặc cảnh báo sớm khả năng rơi vào kiệt quệ và phá sản để tránh nguy cơ mất vốn. Có nhiều kỹ thuật cảnh báo sớm về tài chính thống kê khác nhau bao gồm các mô hình đơn biến, mô hình tuyến tính đa biến, mô hình xác suất tuyến tính, mô hình logit và mô hình probit đã được phát triển và được áp dụng trong những trường hợp thực tế trên thế giới. Đặc biệt, bằng cách sử dụng mô hình logit để giải quyết các vấn đề trong mô hình cảnh báo sớm về tài chính đã nhận được nhiều sự quan tâm của các nhà nghiên cứu trên toàn thế giới và được khuyến khích bởi nhiều nhà nghiên cứu. Những mô hình logit sử dụng một loạt các chỉ số tài chính quan trọng, TIEU LUAN MOI download : [e-mail] 3 chẳng hạn như chỉ số nghĩa vụ về tài sản, đòn bẩy tài chính, và chỉ số dòng tiền để dự báo tình hình tài chính của công ty trong tương lai. Trong những năm qua, các nghiên cứu đã sử dụng nhiều mô hình thông minh để thực hiện cảnh báo sớm về tài chính. Tuy nhiên, hai mô hình thống kê là mô hình logit và mô hình phân tích đa biến phân biệt là rất phổ biến trong việc cảnh báo sớm về tài chính vì sự dễ dàng trong sử dụng mô hình và giải thích. Các mô hình logit được sử dụng thường xuyên hơn và rộng rãi hơn bởi vì nó ít đòi hỏi hơn so với mô hình phân tích đa biến phân biệt. Bài viết này đề xuất một mô hình logit để dự đoán rủi ro tài chính do (1) mô hình logit đã được sử dụng rộng rãi và giảng dạy, đó là một mô hình xác suất phi tuyến tính phù hợp cho vấn đề cảnh báo sớm về tài; (2) mô hình logit là tương đối dễ hiểu và có sẵn trong hầu như tất cả các chương trình phần mềm; nó không cần các giả định cho mô hình đa biến, nhưng đưa ra một mối quan hệ rõ nét giữa các biến giải thích và phản ứng dựa trên những số liệu cho. Mô hình Logit dễ dàng giải thích lý do tại sao một cuộc khủng hoảng tài chính sẽ hoặc sẽ không xảy ra; (3) mô hình logit có độ chính xác cao hơn và ổn định hơn so với nhiều mô hình khác; (4) mô hình logit không yêu cầu dữ liệu đa dạng và chất lượng và do đó, có nhiều ứng dụng hơn so với các kỹ thuật thông minh khác trong những tình huống mà không có dữ liệu chất lượng cao, chẳng hạn như trong ngành công nghiệp tài chính của Việt Nam và các nước đang phát triển khác.