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 : skknchat@gmail.com 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.
Trong bài này, tác giả phát triển mô hình logit bằng cách sử dụng phương pháp “forward screeming Wald” là phương pháp đưa tuần tự các biến nhập vào mô hình logit theo từng bước. Với một giá trị mặc định của các biến với một mức ý nghĩa là 0,05 hoặc nhỏ hơn sẽ được giữ lại, nếu không loại bỏ. Vì vậy, với phương pháp này cuối cùng có thể đảm bảo rằng các biến còn lại trong mô hình có tác động đáng kể đến kết quả dự báo và đảm bảo sự đơn giản của mô hình và chỉ có các biến quan trọng nhất được lựa chọn. Các nghiên cứu thực nghiệm cho thấy rằng tỷ lệ chính xác dự đoán của mô hình logit cho trong và ngoài mẫu tương ứng là 88% và 80%.
Mô hình này có độ chính xác dự báo tương đối cao cho các công ty trong mẫu. Mức TIEU LUAN MOI download : skknchat@gmail.com 4 độ chính xác cũng tương đối cao đối với các dự đoán cho các công ty ngoài mẫu cho thấy sự ổn định của mô hình. Các mô hình logit cảnh báo sớm về tài chính hiện nay được xây dựng bởi các chỉ số tài chính. Độ chính xác của các mô hình này chưa được xác minh bởi các nghiên cứu từ quan điểm của các chỉ số phi tài chính.
Mặc dù mô hình của tác giả có độ chính xác dự báo khá tốt nhưng nó có thể không đảm bảo dự đoán đáng tin cậy cho các bộ dữ liệu khác. Vì vậy, tác giả sử dụng một phương pháp kiểm định khác trong đó sử dụng các chỉ số hiệu quả phi tài chính từ một mô hình phân tích bao dữ liệu (DEA) để xác minh những dự đoán của các mô hình logit đã đề xuất. Hiệu quả DEA được đo bằng tỷ lệ đầu ra và đầu vào. Đây là một chỉ số vật chất/phi tài chính (ví dụ: đầu vào là 3 nhân viên, 1 máy bánh mì, đầu ra là 80 hộp bánh) chứ không phải là một chỉ số tài chính (ví dụ: tổng lợi nhuận $ 1000, lợi nhuận trên tài sản = Tổng lợi nhuận / tổng tài sản = 9%).
Các chỉ số hiệu quả này là gần gũi hơn với hoạt động của công ty so với các chỉ số tài chính. Nó thật hơn cả chỉ số tài chính bởi vì nó là khó khăn hơn để kiểm soát và thao tác điều chỉnh. Theo như chúng ta biết, là chỉ số phi tài chính, các chỉ số hiệu quả của DEA hiếm khi được sử dụng để xác minh những dự đoán của khủng hoảng tài chính cho các công ty. Nghiên cứu của tác giả sử dụng chỉ số hiệu quả mô hình DEA nhằm mục đích để thực hiện một số kiểm tra bổ sung cho dự đoán của mô hình logit.
Sử dụng các chỉ số hiệu quả, kết quả của mô hình cho trong và ngoài mẫu được kiểm tra lần lượt là 72% và 66% tương ứng. Những đóng góp chính của bài viết này bao gồm: (1) phát triển một số mô hình logit mới có độ dự báo chính xác khá cao và ổn định; (2) đề xuất một phương pháp mới sử dụng các chỉ số hiệu quả phi tài chính để xác minh dự đoán của mô hình logit, điều này đảm bảo độ tin cậy của dự báo chính xác của mô hình logit. Các phần còn lại của bài báo được tổ chức như sau: Chương 2 nêu ra các cơ sở lý thuyết, các tài liệu nghiên cứu trước đây liên quan đến đề tài. Trong chương 3, xây dựng mô hình logit cảnh báo sớm về tài chính thông qua kiểm tra các công ty trong TIEU LUAN MOI download : skknchat@gmail.com 5 và ngoài mẫu.
Chương 4 xác minh độ tin cậy dự báo của mô hình logit từ quan điểm của tính hiệu quả qua mô hình DEA. Trong chương 5, tác giả tóm tắt các kết quả và đưa ra phần kết luận. TIEU LUAN MOI download : skknchat@gmail.com 6 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Các nghiên cứu về dự báo tình hình tài chính đầu tiên, được biết đến, là được thực hiện bởi Ramster và Foster (1931), Fitzpatrick (1932), Winakor và Smith (1935), và Merwin (1942) (Ugurlu và Aksoy, 2006). Do hạn chế về kỹ thuật tính toán nên các ông chỉ so sánh giá trị tỷ số tài chính giữa các công ty có vấn đề về tài chính và các công ty có tình hình tài chính lành mạnh và phát hiện ra rằng tỷ số tài chính của các công ty có vấn đề về tài chính là kém hơn so với các công ty có tài chính lành mạnh.
Đến cuối những năm 1960 và đầu những năm 1970, các nghiên cứu mang tính đột phá về dự báo tài chính mới xuất hiện, đó là các nghiên cứu của Beaver (1966) và Altman (1968). Tiếp sau đó là nhiều nghiên cứu khác nhau được thực hiện tại Mỹ và nhiều nước khác. Trong phần này, tác giả sẽ trình bày các bằng chứng thực nghiệm về một số mô hình dự báo về tài chính đã được phát triển trên thế giới. Mô hình dựa trên phân tích phân biệt Phân tích phân biệt (DA) là một kỹ thuật thống kê được sử dụng để phân loại một quan sát vào một trong một số nhóm dựa trên các đặc điểm độc lập1 (biến độc lập) của từng quan sát.
Trong vấn đề dự báo tài chính, phân tích phân biệt được sử dụng để phân loại một công ty vào nhóm có vấn đề về tài chính hoặc nhóm tài chính lành mạnh. Điều này có thể đạt được bằng việc tối đa hóa tỷ số của phương sai giữa các nhóm trên phương sai trong nhóm2. Ở dạng đơn giản, phân tích phân biệt là một sự kết hợp tuyến tính của các biến độc lập (các tỷ số tài chính) để phân loại một công ty vào các nhóm, với phương trình có dạng như sau: 𝑍 = 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑛 𝑋𝑛 (2.1) 1 Trong nghiên cứu về dự báo tài chính, đặc điểm độc lập của từng quan sát là các tỷ số tài chính của công ty. Trong một số lĩnh vực khác như y học, đặc điểm độc lập của từng quan sát là: giới tính, độ tuổi, tình trạng hôn nhân, cân nặng, chiều cao, tiền sử về loại bệnh nào đó, v.v… của người được xét nghiệm.
𝑆𝑆(𝐵) ∑ 𝑛(𝑥̅ −𝑋̅𝐺𝑀 )2 2 Nghĩa là tối đa hóa tỷ số: = ∑ 𝑑𝑓∙𝑠 2 𝑆𝑆(𝑊) TIEU LUAN MOI download : skknchat@gmail.