Luận văn thạc sĩ nghiên cứu kiệt quệ tài chính các nhân tố tác động và mô hình dự báo cho các công ty cổ phần tại tp hcm 001

Luận văn thạc sĩ kinh tế nghiên cứu nghiên cứu kiệt quệ tài chính các nhân tố tác động và mô hình dự báo cho các công ty cổ phần tại tp, khảo sát thực trạng, phân tích nguyên

• Tác giả: Lương Trọng Đức
• Người hướng dẫn: PGS. Nguyễn Ngọc Định
• Trường học: Trường Đại Học Kinh Tế Thành Phố Hồ Chí Minh
• Chuyên ngành: Tài chính – Ngân hàng
• Đề tài: Nghiên Cứu Kiệt Quệ Tài Chính: Các Nhân Tố Tác Động và Mô Hình Dự Báo cho Doanh Nghiệp Tại TP Hồ Chí Minh
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2012
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG SỬ DỤNG
• PHẦN GIỚI THIỆU
• 1. Chương 1: Tổng quan lý thuyết
• 1.1. Tổng quan các nghiên cứu trước đây
• 1.1.1. Nghiên cứu “Predicting Financial Distress of companies: Revisiting the Z- score and Zeta models”, Edward I.
• 1.1.2. Nghiên cứu “ How costly is Financial Distress ? Evidence from highly leveraged transaction (HLTs) that became distress”, của Gregor Andrade và Steven N.
• 1.1.3. Nghiên cứu “Comparing Financial Distress and Bankrupcy” của Platt, H.
• 1.1.4. Nghiên cứu “Identifying Financial Distress Condition in Indonesia” của Brahmana, Rayenda K Brahmana, 2007
• 1.1.5. Nghiên cứu “Financial Distress in the great Gepression” (2011), của John R.Graham, Solani Hazarika và Narasimhan
• 1.2. Mô hình nghiên cứu
• 1.2.1. Các yếu tố tác động đến kiệt quệ tài chính
• 1.2.1.1. Tỷ lệ nợ (tỷ lệ đòn bẩy)
• 1.2.1.2. Khả năng sinh lợi
• 1.2.1.3. Tuổi và quy mô công ty
• 1.2.1.4. Xếp hạng tín dụng
• 1.2.1.5. Khả năng thanh khoản và đầu tư ròng
• 1.2.2. Giới thiệu mô hình
• 2. Chương 2: Phương pháp nghiên cứu
• 2.1. Biến phụ thuộc
• 2.2. Biến giải thích
• 2.3. Biến kiểm soát
• 2.4. Mô hình nghiên cứu
• 3. Chương 3: Nội dung và kết quả nghiên cứu
• 3.1. Các yếu tố dự báo kiệt quệ tài chính
• 3.1.1. Thống kê mô tả biến, kiểm tra tự tương quan
• 3.1.2. Kiểm tra độ tương quan và mức ý nghĩa các biến
• 3.1.3. Kết quả mô hình
• 3.2. Mô hình dự báo kiệt quệ tài chính cho các doanh nghiệp Việt Nam
• Kết luận và khuyến nghị
• Một số khuyến nghị
• Khuyến nghị về áp dụng mô hình
• Khuyến nghị về giải pháp cho doanh nghiệp kiệt quệ
• Một số hạn chế
• Phụ lục 1: Hồi quy Binary Logistic
• Phụ lục 2: Hệ thống ký hiệu xếp hạng
• Phụ lục 3: Dữ liệu mô hình
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Kiệt Quệ Tài Chính Doanh Nghiệp Tổng Quan Nghiên Cứu

Kiệt quệ tài chính (Financial Distress) là tình trạng doanh nghiệp gặp khó khăn trong việc thanh toán các khoản nợ, ảnh hưởng đến hoạt động kinh doanh và có thể dẫn đến phá sản. Việc nghiên cứu kiệt quệ tài chính là vô cùng quan trọng, đặc biệt trong bối cảnh kinh tế biến động. Các dấu hiệu cảnh báo sớm giúp doanh nghiệp chủ động ứng phó, giảm thiểu rủi ro. Nhiều nghiên cứu đã được thực hiện để xác định các yếu tố tác động và xây dựng mô hình dự báo. Bài viết này tập trung vào phân tích các yếu tố ảnh hưởng đến kiệt quệ tài chính của các công ty cổ phần tại TP Hồ Chí Minh, đồng thời đề xuất mô hình dự báo phù hợp với điều kiện thực tế của Việt Nam. Bài viết tham khảo nghiên cứu của Lương Trọng Đức, Đại học Kinh tế TP.HCM, năm 2012.

1.1. Dấu Hiệu Nhận Biết Kiệt Quệ Tài Chính

Các dấu hiệu kiệt quệ tài chính có thể kể đến như tiền mặt giảm sút liên tục, thiếu sản phẩm cạnh tranh, nợ phải thu khó đòi, thiếu quỹ dự phòng, bán tài sản quan trọng, cắt giảm lương thưởng. Tuy nhiên, đây thường là những dấu hiệu muộn. Việc xác định sớm các yếu tố nguyên nhân là vô cùng quan trọng để có biện pháp can thiệp kịp thời. Phân tích báo cáo tài chính là một phương pháp hiệu quả để đánh giá tình hình và đưa ra dự báo. Nghiên cứu này tập trung vào các yếu tố định lượng, có thể đo lường từ báo cáo tài chính, như tỷ lệ đòn bẩy, khả năng thanh toán, quy mô, lợi nhuận.

1.2. Tầm Quan Trọng của Dự Báo Kiệt Quệ Tài Chính

Dự báo kiệt quệ tài chính giúp các nhà quản lý, ban giám đốc có cái nhìn sâu sắc về tình trạng hoạt động của doanh nghiệp. Từ đó, đưa ra các giải pháp khắc phục, điều chỉnh chiến lược kinh doanh kịp thời trước khi tình trạng trở nên nghiêm trọng hơn. Hơn nữa, việc dự báo chính xác còn giúp các nhà đầu tư đưa ra quyết định đầu tư đúng đắn, giảm thiểu rủi ro thua lỗ. Chính phủ và các cơ quan quản lý cũng có thể sử dụng các mô hình dự báo để đánh giá rủi ro hệ thống, từ đó có chính sách điều hành kinh tế vĩ mô phù hợp. Nghiên cứu của Altman (2000) và các tác giả khác đã chứng minh giá trị của việc xây dựng và ứng dụng các mô hình dự báo kiệt quệ tài chính.

II. Cách Xác Định Yếu Tố Tác Động Kiệt Quệ Tài Chính

Xác định yếu tố tác động đến kiệt quệ tài chính là bước quan trọng để xây dựng mô hình dự báo. Các yếu tố này có thể thuộc về nội tại doanh nghiệp (ví dụ: quản lý, chiến lược kinh doanh, cơ cấu tài chính) hoặc yếu tố bên ngoài (ví dụ: tình hình kinh tế vĩ mô, cạnh tranh, chính sách). Nghiên cứu này tập trung vào các yếu tố nội tại doanh nghiệp, có thể đo lường bằng các chỉ số tài chính trên báo cáo. Các yếu tố này bao gồm: Tỷ lệ đòn bẩy (LEV), Khả năng sinh lợi (OPRO), Xếp hạng tín nhiệm (RAT), Quy mô doanh nghiệp (SIZ), Khả năng thanh khoản (CUA). Việc lựa chọn các yếu tố này dựa trên cơ sở lý thuyết và kinh nghiệm thực tiễn, cũng như tham khảo các nghiên cứu trước đây.

2.1. Đòn Bẩy Tài Chính Ảnh Hưởng Thế Nào

Đòn bẩy tài chính (LEV) là tỷ lệ nợ trên tổng tài sản. Tỷ lệ này cao cho thấy doanh nghiệp sử dụng nhiều nợ để tài trợ cho hoạt động kinh doanh. Điều này có thể làm tăng lợi nhuận trong giai đoạn kinh doanh thuận lợi, nhưng cũng làm tăng rủi ro khi kinh doanh gặp khó khăn. Doanh nghiệp có đòn bẩy tài chính cao sẽ phải trả lãi nhiều hơn, làm giảm lợi nhuận giữ lại để tái đầu tư. Hơn nữa, khi doanh thu giảm, doanh nghiệp có thể không đủ khả năng trả nợ, dẫn đến kiệt quệ tài chính. Do đó, tỷ lệ đòn bẩy tài chính được xem là một yếu tố quan trọng ảnh hưởng đến khả năng kiệt quệ của doanh nghiệp.

2.2. Tác Động của Khả Năng Sinh Lợi Doanh Nghiệp

Khả năng sinh lợi (OPRO) là khả năng tạo ra lợi nhuận từ hoạt động kinh doanh. Các chỉ số thường dùng để đo lường khả năng sinh lợi bao gồm: Tỷ suất lợi nhuận trên doanh thu (ROS), Tỷ suất lợi nhuận trên tài sản (ROA), Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE). Doanh nghiệp có khả năng sinh lợi cao thường có dòng tiền ổn định, đủ để trang trải các chi phí và trả nợ. Ngược lại, doanh nghiệp có khả năng sinh lợi thấp sẽ gặp khó khăn trong việc thanh toán các khoản nợ, dẫn đến kiệt quệ tài chính. Do đó, khả năng sinh lợi được xem là một yếu tố quan trọng để đánh giá tình hình tài chính của doanh nghiệp.

2.3. Vai Trò Của Xếp Hạng Tín Nhiệm Rating

Xếp hạng tín nhiệm (RAT) là đánh giá của các tổ chức độc lập về khả năng trả nợ của doanh nghiệp. Xếp hạng tín nhiệm cao cho thấy doanh nghiệp có khả năng trả nợ tốt, rủi ro vỡ nợ thấp. Ngược lại, xếp hạng tín nhiệm thấp cho thấy doanh nghiệp có rủi ro vỡ nợ cao. Các tổ chức tín dụng thường sử dụng xếp hạng tín nhiệm để đánh giá rủi ro khi cho doanh nghiệp vay vốn. Doanh nghiệp có xếp hạng tín nhiệm thấp sẽ khó tiếp cận nguồn vốn vay, hoặc phải trả lãi suất cao hơn. Điều này có thể làm tăng chi phí tài chính và ảnh hưởng đến khả năng thanh toán nợ, dẫn đến kiệt quệ tài chính. Nghiên cứu cho thấy xếp hạng tín nhiệm là một yếu tố dự báo kiệt quệ tài chính hiệu quả.

III. Mô Hình Dự Báo Kiệt Quệ Tài Chính Phương Pháp Nào

Để xây dựng mô hình dự báo kiệt quệ tài chính, nghiên cứu này sử dụng phương pháp hồi quy Logistic (Logit). Đây là một phương pháp thống kê phù hợp để dự đoán biến phụ thuộc nhị phân (ví dụ: có/không kiệt quệ). Mô hình Logit cho phép ước lượng xác suất xảy ra kiệt quệ tài chính dựa trên các yếu tố tác động đã được xác định ở trên. Mô hình này sẽ giúp xác định yếu tố nào có tác động lớn nhất đến khả năng kiệt quệ, từ đó đưa ra những khuyến nghị hữu ích cho doanh nghiệp. Mô hình Logit cũng cho phép đánh giá độ chính xác của dự báo, giúp doanh nghiệp và nhà đầu tư có thêm thông tin để đưa ra quyết định.

3.1. Ưu Điểm Của Mô Hình Hồi Quy Logistic

Mô hình hồi quy Logistic có nhiều ưu điểm so với các phương pháp khác. Thứ nhất, nó phù hợp với biến phụ thuộc nhị phân. Thứ hai, nó cho phép ước lượng xác suất xảy ra sự kiện, giúp nhà quản lý đánh giá rủi ro một cách định lượng. Thứ ba, nó dễ dàng diễn giải kết quả, giúp người sử dụng hiểu rõ tác động của từng yếu tố. Cuối cùng, nó có thể được sử dụng để dự báo kiệt quệ tài chính cho các doanh nghiệp khác nhau, với điều kiện có đủ dữ liệu.

3.2. Thu Thập và Xử Lý Dữ Liệu Nghiên Cứu

Dữ liệu sử dụng trong nghiên cứu được thu thập từ báo cáo tài chính của 252 công ty niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) trong giai đoạn 2010-2012. Dữ liệu bao gồm các chỉ số tài chính cần thiết để tính toán các yếu tố tác động (ví dụ: đòn bẩy, khả năng sinh lợi, thanh khoản). Dữ liệu cũng bao gồm thông tin về tình trạng kiệt quệ tài chính của các công ty trong giai đoạn 2011-2012. Dữ liệu được xử lý và làm sạch trước khi đưa vào mô hình Logit. Các kiểm định thống kê được thực hiện để đảm bảo tính chính xác và tin cậy của kết quả.

IV. Kết Quả Nghiên Cứu Yếu Tố Nào Quan Trọng Nhất

Kết quả nghiên cứu cho thấy tỷ lệ đòn bẩy tài chính (LEV) và xếp hạng tín nhiệm (RAT) là hai yếu tố quan trọng nhất ảnh hưởng đến khả năng kiệt quệ tài chính của các công ty cổ phần tại TP.HCM. Cụ thể, doanh nghiệp có đòn bẩy tài chính cao và xếp hạng tín nhiệm thấp có nguy cơ kiệt quệ cao hơn. Các yếu tố khác như quy mô doanh nghiệp và khả năng sinh lợi ít có tác động đáng kể. Kết quả này phù hợp với lý thuyết và kinh nghiệm thực tiễn, đồng thời cũng tương đồng với kết quả của các nghiên cứu trước đây.

4.1. Mức Độ Ảnh Hưởng Của Tỷ Lệ Đòn Bẩy

Phân tích sâu hơn cho thấy tỷ lệ đòn bẩy tài chính có tác động tiêu cực đáng kể đến khả năng kiệt quệ. Cứ mỗi một đơn vị tăng lên của tỷ lệ đòn bẩy, xác suất kiệt quệ tài chính tăng lên đáng kể. Điều này nhấn mạnh tầm quan trọng của việc quản lý nợ hiệu quả. Doanh nghiệp cần cân nhắc kỹ lưỡng trước khi vay vốn, đồng thời cần có kế hoạch trả nợ rõ ràng. Việc sử dụng đòn bẩy tài chính một cách hợp lý sẽ giúp doanh nghiệp tăng trưởng, nhưng nếu lạm dụng có thể dẫn đến rủi ro lớn.

4.2. Vai Trò Của Xếp Hạng Tín Nhiệm Trong Dự Báo

Xếp hạng tín nhiệm có tác động tích cực đến khả năng kiệt quệ tài chính. Doanh nghiệp có xếp hạng tín nhiệm cao có xác suất kiệt quệ thấp hơn. Điều này cho thấy các thông tin mà các tổ chức xếp hạng tín nhiệm công bố có giá trị trong việc dự báo kiệt quệ tài chính. Doanh nghiệp nên chủ động xây dựng hồ sơ tín dụng tốt để có được xếp hạng cao hơn, từ đó dễ dàng tiếp cận nguồn vốn vay và giảm chi phí tài chính.

V. Ứng Dụng Thực Tế Mô Hình Dự Báo Cho Doanh Nghiệp

Dựa trên kết quả nghiên cứu, một mô hình dự báo kiệt quệ tài chính đơn giản có thể được xây dựng dựa trên hai yếu tố: Tỷ lệ đòn bẩy tài chính (LEV) và Xếp hạng tín nhiệm (RAT). Mô hình này có thể được sử dụng để đánh giá rủi ro kiệt quệ cho các công ty cổ phần tại TP.HCM. Tuy nhiên, cần lưu ý rằng mô hình này chỉ là một công cụ hỗ trợ, không thể thay thế hoàn toàn cho việc phân tích và đánh giá chuyên sâu của các chuyên gia tài chính. Doanh nghiệp cần sử dụng mô hình này kết hợp với các thông tin khác để đưa ra quyết định chính xác.

5.1. Cách Sử Dụng Mô Hình Dự Báo Trong Thực Tế

Để sử dụng mô hình dự báo, doanh nghiệp cần thu thập dữ liệu về tỷ lệ đòn bẩy tài chính và xếp hạng tín nhiệm. Sau đó, áp dụng công thức của mô hình để tính toán xác suất kiệt quệ. Nếu xác suất này vượt quá một ngưỡng nhất định (ví dụ: 50%), doanh nghiệp cần cảnh giác và có biện pháp phòng ngừa. Mô hình này có thể được tích hợp vào hệ thống quản lý rủi ro của doanh nghiệp để tự động cảnh báo khi rủi ro kiệt quệ tăng cao.

5.2. Khuyến Nghị Cho Doanh Nghiệp Để Tránh Kiệt Quệ

Để tránh kiệt quệ tài chính, doanh nghiệp cần quản lý nợ một cách cẩn trọng, duy trì tỷ lệ đòn bẩy ở mức hợp lý. Doanh nghiệp cũng cần cải thiện khả năng sinh lợi, tăng doanh thu và giảm chi phí. Xây dựng hồ sơ tín dụng tốt để có được xếp hạng tín nhiệm cao. Ngoài ra, doanh nghiệp cũng cần theo dõi sát sao tình hình kinh tế vĩ mô và các yếu tố bên ngoài khác có thể ảnh hưởng đến hoạt động kinh doanh.

VI. Kết Luận Hướng Nghiên Cứu Tiếp Theo Về KTTC

Nghiên cứu này đã cung cấp những bằng chứng về các yếu tố ảnh hưởng đến kiệt quệ tài chính của các công ty cổ phần tại TP.HCM. Kết quả nghiên cứu có ý nghĩa thực tiễn trong việc giúp doanh nghiệp nhận biết sớm các dấu hiệu cảnh báo và có biện pháp phòng ngừa. Tuy nhiên, nghiên cứu này vẫn còn một số hạn chế, ví dụ như phạm vi dữ liệu còn hạn chế và mô hình dự báo còn đơn giản. Các nghiên cứu tiếp theo có thể mở rộng phạm vi dữ liệu, sử dụng các phương pháp phân tích phức tạp hơn và kết hợp các yếu tố bên ngoài để xây dựng mô hình dự báo chính xác hơn.

6.1. Hạn Chế Của Nghiên Cứu Hiện Tại

Một trong những hạn chế của nghiên cứu này là dữ liệu chỉ được thu thập từ các công ty niêm yết trên HOSE. Điều này có thể làm hạn chế khả năng tổng quát hóa kết quả cho các doanh nghiệp khác, đặc biệt là các doanh nghiệp nhỏ và vừa. Ngoài ra, mô hình dự báo chỉ sử dụng hai yếu tố là đòn bẩy và xếp hạng tín nhiệm. Các yếu tố khác như quản lý, chiến lược kinh doanh và môi trường kinh tế vĩ mô chưa được xem xét.

6.2. Đề Xuất Hướng Nghiên Cứu Mở Rộng Trong Tương Lai

Các nghiên cứu tiếp theo có thể mở rộng phạm vi dữ liệu để bao gồm các doanh nghiệp nhỏ và vừa, cũng như các doanh nghiệp hoạt động trong các lĩnh vực khác nhau. Các nghiên cứu này cũng nên sử dụng các phương pháp phân tích phức tạp hơn, ví dụ như mạng nơ-ron nhân tạo (Artificial Neural Networks) hoặc máy học (Machine Learning), để xây dựng mô hình dự báo chính xác hơn. Ngoài ra, các yếu tố bên ngoài như tình hình kinh tế vĩ mô, cạnh tranh và chính sách cũng nên được xem xét.

Nội dung chính

Tổng quan nghiên cứu

Trong giai đoạn sau khủng hoảng tài chính toàn cầu 2007 - 2009, nền kinh tế Việt Nam phải đối mặt với nhiều biến động vĩ mô nghiêm trọng. Giá dầu mỏ nhập khẩu lập đỉnh ở mức 147 USD/thùng vào tháng 07/2008, chỉ số giá tiêu dùng (CPI) tháng 08/2008 tăng 148,21% so với năm 2005 và tăng 22% so với cùng kỳ năm 2007. Trên thị trường chứng khoán, chỉ số VN-Index lao dốc mạnh từ đỉnh cao 1.171 điểm vào tháng 03/2007 xuống 395 điểm vào tháng 06/2008 và tiếp tục rớt xuống dưới ngưỡng 300 điểm vào đầu năm 2009. Lãi suất cho vay ngân hàng tăng vọt lên ngưỡng 14%/năm, làm gia tăng chi phí vốn và đè nặng lên thanh khoản của khu vực doanh nghiệp. Theo số liệu của Bộ Kế hoạch và Đầu tư cùng Phòng Thương mại và Công nghiệp Việt Nam (VCCI), trong năm 2011 có khoảng 49.000 doanh nghiệp và năm 2012 có khoảng 50.000 doanh nghiệp rời khỏi thị trường, đưa tổng số doanh nghiệp giải thể hoặc phá sản trong 2 năm lên xấp xỉ 100.000 đơn vị, tương đương 50% tổng số doanh nghiệp giải thể trong suốt 20 năm trước đó.

Trước thực trạng có ít nhất 30% doanh nghiệp dừng hoạt động và 70% doanh nghiệp còn lại gặp khó khăn nghiêm trọng về dòng tiền, luận văn thạc sĩ chuyên ngành Tài chính - Ngân hàng của tác giả Lương Trọng Đức tại Trường Đại học Kinh tế TP. Hồ Chí Minh đã tập trung giải quyết vấn đề nhận diện sớm các nhân tố tác động và xây dựng mô hình dự báo kiệt quệ tài chính. Nghiên cứu thực hiện trên mẫu dữ liệu gồm 252 công ty phi tài chính niêm yết tại Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) trong giai đoạn 2010 - 2012. Mục tiêu trọng tâm là đo lường mức độ tác động của các chỉ số tài chính, từ đó thiết lập mô hình định lượng đạt độ chính xác dự báo toàn diện lên tới 69,80%, hỗ trợ các nhà quản trị và nhà đầu tư giảm thiểu tối đa chi phí kiệt quệ tài chính.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng kết hợp các lý thuyết tài chính doanh nghiệp hiện đại và các mô hình cảnh báo phá sản kinh điển:

Thứ nhất, Lý thuyết Cấu trúc vốn cân bằng (Trade-off Theory) của Franco Modigliani và Merton Miller khẳng định rằng việc gia tăng nợ vay giúp doanh nghiệp tận dụng lợi ích từ tấm chắn thuế. Tuy nhiên, khi nợ vượt qua ngưỡng tối ưu, hiện giá của chi phí kiệt quệ tài chính sẽ tăng vọt và triệt tiêu toàn bộ lợi ích này. Thứ hai, Lý thuyết Chi phí đại diện và Trật tự phân hạng (Pecking Order Theory) của Stewart Myers năm 1977 chỉ ra rằng các doanh nghiệp có mức nợ tồn đọng quá lớn thường rơi vào tình trạng đầu tư dưới mức (underinvestment), dễ dàng bỏ qua các dự án có giá trị hiện tại thuần (NPV) dương do lợi ích chảy về phía các chủ nợ thay vì cổ đông. Thứ ba, Mô hình vòng đời và học hỏi thị trường của Boyan Jovanovic năm 1982 cùng Steven Klepper năm 1996 giải thích sự tương tác giữa quy mô, độ tuổi doanh nghiệp với khả năng thích ứng công nghệ và mức độ tiếp cận thị trường tín dụng bên ngoài.

Về mô hình định lượng, nghiên cứu kế thừa nền tảng từ mô hình Z-score năm 1968 và Zeta năm 1977 của Edward Altman dựa trên 5 tỷ số tài chính then chốt. Luận văn cũng tham khảo các bằng chứng thực nghiệm của Gregor Andrade và Steven Kaplan năm 1997 về chi phí kiệt quệ tài chính dao động từ 10% đến 23% giá trị công ty, nghiên cứu hồi quy nhị phân của Platt năm 2006, nghiên cứu của Rayenda Brahmana năm 2007 và mô hình phân tích khủng hoảng của John Graham, Solani Hazarika và Narasimhan năm 2011. Khung phân tích tập trung vào 5 khái niệm cốt lõi: kiệt quệ tài chính (DIS), tỷ lệ đòn bẩy (LEV), mức xếp hạng tín nhiệm (RAT), khả năng sinh lời hoạt động (OPRO) và tính thanh khoản tài sản lưu động (CUA).

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp định lượng với nguồn dữ liệu thứ cấp được thu thập từ báo cáo tài chính đã kiểm toán năm 2010 và dữ liệu giao dịch trên sàn HOSE giai đoạn 2010 - 2012. Từ tổng thể ban đầu gồm 327 công ty niêm yết, tác giả loại trừ các định chế tài chính, ngân hàng, công ty bảo hiểm, quỹ đầu tư và các doanh nghiệp thiếu dữ liệu xếp hạng tín nhiệm, thu được mẫu phân tích hoàn chỉnh gồm 252 công ty thuộc các ngành công nghiệp, xây dựng, sản xuất hàng tiêu dùng và kỹ thuật.

Biến phụ thuộc (DIS) là biến nhị phân định tính, nhận giá trị bằng 1 nếu doanh nghiệp rơi vào tình trạng kiệt quệ trong giai đoạn từ tháng 01/2010 đến tháng 06/2012 (dựa trên 3 tiêu chí: bị hủy niêm yết bắt buộc, bị hạ bậc tín nhiệm từ 1 bậc trở lên bởi Công ty Xếp hạng tín nhiệm CRV Việt Nam, hoặc có tỷ lệ nợ trên vốn chủ sở hữu vượt 100% kèm lợi nhuận sau thuế âm liên tiếp trong 2 năm) và nhận giá trị bằng 0 nếu an toàn. Mười biến giải thích và kiểm soát được đưa vào mô hình gồm: tỷ lệ giá trị thị trường trên sổ sách (M/B), lợi nhuận sau thuế (RET), độ biến động giá cổ phiếu 52 tuần (VOL), lợi nhuận hoạt động trước thuế và lãi vay trên tổng tài sản (OPRO), quy mô vốn hóa thị trường (SIZ), tỷ lệ đòn bẩy nợ trên tổng tài sản (LEV), thứ hạng tín nhiệm theo thang điểm từ 1 đến 9 của CRV (RAT), tỷ lệ đầu tư tài sản cố định (INV), tỷ lệ tài sản lưu động trên tổng tài sản (CUA) và số năm hoạt động (AGE). Phương pháp hồi quy Binary Logistic trên phần mềm SPSS và Excel được lựa chọn vì tính ưu việt vượt trội trong việc ước lượng hàm xác suất phân phối phi tuyến, khắc phục triệt để các hạn chế của mô hình hồi quy tuyến tính cổ điển khi biến phụ thuộc chỉ nhận giá trị nhị phân.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích thống kê mô tả và hồi quy kinh tế lượng trên mẫu 252 doanh nghiệp niêm yết đã đem lại các phát hiện cốt lõi:

Thứ nhất, tỷ lệ đòn bẩy tài chính (LEV) có tác động cùng chiều mạnh mẽ và có ý nghĩa thống kê cao nhất tới xác suất xảy ra kiệt quệ tài chính với mức ý nghĩa Sig đạt 0,047. Thống kê mô tả cho thấy mức sử dụng nợ bình quân của các công ty niêm yết chiếm tới 47,54% tổng tài sản, trong đó mức nợ cao nhất lên tới 95,80%. Việc lạm dụng nợ vay trong giai đoạn lãi suất thị trường lên tới 14%/năm đã làm gia tăng gánh nặng trả lãi cố định, trực tiếp kích hoạt nguy cơ kiệt quệ khi dòng tiền hoạt động suy giảm.

Thứ hai, mức xếp hạng tín nhiệm (Log(RAT)) có mối tương quan nghịch biến chặt chẽ với xác suất kiệt quệ tài chính với độ tin cậy tuyệt đối (Sig đạt 0,000). Mức xếp hạng tín nhiệm trung bình của mẫu đạt điểm 7 (tương đương mức tín nhiệm A). Các doanh nghiệp có mức xếp hạng tín nhiệm bị hạ bậc đối mặt với xác suất kiệt quệ tài chính tăng vọt, chứng minh thông tin xếp hạng tín nhiệm chứa đựng giá trị dự báo vượt trội so với các chỉ số kế toán đơn lẻ.

Thứ ba, mô hình hồi quy Binary Logistic với hai biến cốt lõi LEV và Log(RAT) mang lại độ chính xác dự báo toàn diện đạt 69,80%. Trong đó, mô hình dự báo chính xác 58,40% các doanh nghiệp thực sự rơi vào kiệt quệ (nhận diện đúng 66 trên 113 công ty kiệt quệ) và dự báo chính xác 79,14% các doanh nghiệp an toàn (xác định đúng 110 trên 139 công ty khỏe mạnh), với giá trị hệ số Nagelkerke R2 đạt xấp xỉ 0,30 và kiểm định Omnibus đạt mức ý nghĩa Sig bằng 0,000.

Thứ tư, các biến số tài chính truyền thống như lợi nhuận hoạt động (OPRO trung bình 9,21%), tỷ lệ thanh khoản tài sản lưu động (CUA trung bình 57,15%), quy mô vốn hóa (SIZ có công ty lớn nhất chiếm 4,49% toàn thị trường) và tuổi doanh nghiệp (AGE trung bình 13 năm, dao động từ 1 đến 59 năm) đều không duy trì được ý nghĩa thống kê độc lập khi đặt cùng đòn bẩy và xếp hạng tín nhiệm trong mô hình tổng thể.

Thảo luận kết quả

Kết quả hồi quy khẳng định rằng trong điều kiện bất ổn kinh tế vĩ mô, đòn bẩy tài chính và xếp hạng tín nhiệm là hai chiếc phong vũ biểu nhạy bén nhất để nhận diện rủi ro doanh nghiệp. Dữ liệu thực nghiệm có thể được mô tả trực quan qua ma trận phân loại dự báo (Classification Table) và đường cong phân phối xác suất kiệt quệ Logit, trong đó mức độ gia tăng biên của tỷ lệ nợ sẽ kéo theo sự dịch chuyển vọt của đường cong rủi ro.

Mặc dù trong mô hình đơn lẻ loại bỏ biến xếp hạng tín nhiệm, biến lợi nhuận hoạt động (OPRO) có tác động ngược chiều với Sig đạt 0,012, nhưng khi đưa xếp hạng tín nhiệm vào mô hình thì ý nghĩa của OPRO lại bị triệt tiêu (Sig tăng lên 0,728). Điều này được giải thích là do các tổ chức xếp hạng tín nhiệm độc lập như CRV đã tích hợp toàn diện các chỉ số sinh lời, hiệu quả quản trị và rủi ro thanh khoản vào bậc xếp hạng tín nhiệm. Kết quả này hoàn toàn tương đồng với kết luận trong nghiên cứu của John Graham và cộng sự năm 2011 tại thị trường Hoa Kỳ giai đoạn 1928 - 1938 và 2008 - 2009, chứng minh rằng nợ vay là con dao hai lưỡi gây tổn thất nặng nề khi xảy ra cú sốc kinh tế âm, trong khi xếp hạng tín nhiệm đóng vai trò là biến đại diện hoàn hảo phản ánh sức khỏe tổng thể của doanh nghiệp.

Đề xuất và khuyến nghị

Căn cứ vào kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 nhóm khuyến nghị hành động chiến lược:

1. Tái cấu trúc đòn bẩy tài chính và kiểm soát ngưỡng nợ an toàn: Ban lãnh đạo và Hội đồng quản trị doanh nghiệp cần chủ động cơ cấu lại các khoản nợ, hạ tỷ lệ nợ trên tổng tài sản (LEV) về mức an toàn dưới ngưỡng 45% đến 50%, đồng thời duy trì tỷ trọng tài sản lưu động thanh khoản (CUA) trên mức 55%. Doanh nghiệp cần xây dựng kế hoạch trả nợ chi tiết theo từng quý trong vòng 6 đến 12 tháng nhằm hạn chế tối đa rủi ro mất khả năng chi trả khi lãi suất biến động.
2. Thiết lập hệ sinh thái cảnh báo sớm dựa trên xếp hạng tín nhiệm: Giám đốc Tài chính (CFO) cần ứng dụng mô hình hồi quy Logit để xây dựng hệ thống chấm điểm tín dụng nội bộ, kết hợp định kỳ đối soát dữ liệu với Trung tâm Thông tin Tín dụng (CIC) và các tổ chức xếp hạng độc lập. Mục tiêu tối thiểu là duy trì mức xếp hạng từ hạng BBB lên hạng A (từ mức điểm 6 lên mức 7), giúp giảm xác suất rơi vào kiệt quệ tài chính hơn 35% và tạo điều kiện hạ chi phí huy động vốn.
3. Tối ưu hóa hiệu quả danh mục đầu tư tài sản cố định: Doanh nghiệp cần rà soát và kiên quyết thoái vốn khỏi các dự án đầu tư mở rộng dàn trải có tỷ suất sinh lời thấp, tập trung dòng tiền phục vụ sản xuất kinh doanh cốt lõi nhằm nâng cao tỷ suất sinh lời hoạt động (OPRO) vượt ngưỡng bình quân 9,21%. Thời gian thực hiện việc tái cơ cấu danh mục tài sản cần hoàn thành trong vòng 12 đến 18 tháng.
4. Nâng cao tính minh bạch thị trường và năng lực thẩm định tín dụng: Các ngân hàng thương mại cần sử dụng mô hình dự báo nhị phân để chuẩn hóa quy trình phân loại nợ và trích lập dự phòng rủi ro. Đồng thời, cơ quan quản lý nhà nước cần hoàn thiện khung pháp lý khuyến khích phát triển thị trường xếp hạng tín nhiệm độc lập, nâng cao tính minh bạch thông tin tài chính của các công ty cổ phần niêm yết.

Đối tượng nên tham khảo luận văn

1. Ban Tổng Giám đốc và Giám đốc Tài chính (CFO) tại các công ty cổ phần: Vận dụng mô hình định lượng để kiểm tra sức khỏe tài chính định kỳ, xác định ngưỡng đòn bẩy tối ưu và xây dựng phương án ứng phó sớm trước nguy cơ khủng hoảng thanh khoản từ 1 đến 2 năm.
2. Nhà đầu tư cá nhân và các quỹ đầu tư tổ chức trên thị trường chứng khoán: Sử dụng kết hợp hai chỉ báo tỷ lệ nợ và thứ hạng tín nhiệm làm bộ lọc rủi ro, giúp loại bỏ các mã cổ phiếu có nguy cơ bị đình chỉ hoặc hủy niêm yết bắt buộc, bảo toàn nguồn vốn đầu tư.
3. Ngân hàng thương mại và chuyên viên thẩm định tín dụng doanh nghiệp: Ứng dụng phương trình hồi quy Logit làm công cụ tham chiếu độc lập trong quá trình xếp hạng tín dụng khách hàng, định giá khoản vay và kiểm soát chặt chẽ giới hạn cấp tín dụng đối với các doanh nghiệp thâm dụng vốn vay.
4. Giảng viên, nghiên cứu viên và học viên cao học khối ngành Kinh tế - Tài chính: Tham khảo phương pháp luận xử lý dữ liệu bảng nhị phân, quy trình kiểm định tự tương quan, ma trận tương quan Pearson và kỹ thuật ước lượng mô hình Binary Logistic ứng dụng trong nghiên cứu khoa học thực nghiệm.

Câu hỏi thường gặp

1. Tình trạng kiệt quệ tài chính trong nghiên cứu được xác định cụ thể qua những tiêu chí nào? Kiệt quệ tài chính được xác định khi công ty xuất hiện ít nhất một trong ba dấu hiệu trong giai đoạn 2011 - 2012: bị hủy niêm yết trên sàn HOSE, bị tổ chức xếp hạng tín nhiệm CRV hạ bậc đánh giá từ 1 bậc trở lên, hoặc có tỷ lệ nợ trên vốn chủ sở hữu vượt 100% kèm lợi nhuận sau thuế âm liên tiếp trong 2 năm.

2. Tại sao tỷ lệ đòn bẩy (LEV) và xếp hạng tín nhiệm (RAT) lại là hai biến số chi phối toàn bộ mô hình? Đòn bẩy tài chính trực tiếp tạo ra nghĩa vụ trả nợ gốc và lãi vay cố định, khiến các công ty có tỷ lệ nợ bình quân 47,54% dễ kiệt quệ khi kinh tế suy thoái. Trong khi đó, xếp hạng tín nhiệm đã tổng hợp toàn diện cả thông tin kế toán lẫn các yếu tố phi tài chính của doanh nghiệp, mang lại độ nhạy dự báo với mức ý nghĩa tuyệt đối (Sig bằng 0,000).

3. Mô hình hồi quy Binary Logistic của luận văn đạt độ tin cậy và khả năng dự báo chính xác ra sao? Mô hình đạt độ chính xác dự báo tổng thể lên tới 69,80% trên mẫu 252 công ty niêm yết. Trong đó, mô hình dự báo đúng 58,40% số doanh nghiệp thực sự rơi vào kiệt quệ (66 trên 113 công ty) và nhận diện chính xác 79,14% số doanh nghiệp an toàn (110 trên 139 công ty), với hệ số tương quan đạt độ tin cậy cao.

4. Quy mô vốn hóa và độ tuổi hoạt động có giúp doanh nghiệp miễn nhiễm với nguy cơ kiệt quệ tài chính không? Dữ liệu thực nghiệm cho thấy quy mô (SIZ) và tuổi đời công ty (AGE trung bình 13 năm) không có ý nghĩa thống kê rõ rệt trong việc ngăn ngừa kiệt quệ tài chính. Ngay cả các doanh nghiệp lâu năm có tuổi đời lên tới 59 năm hoặc vốn hóa lớn nếu duy trì đòn bẩy nợ quá cao vẫn đối mặt với rủi ro giải thể như các công ty non trẻ.

5. Doanh nghiệp cần ưu tiên hành động gì ngay khi nhận thấy xếp hạng tín nhiệm bị suy giảm? Doanh nghiệp cần ngay lập tức kích hoạt quy trình tái cơ cấu vốn trong vòng 3 đến 6 tháng: đàm phán giãn nợ ngân hàng, dừng các khoản chi tiêu vốn cố định chưa cấp thiết, đẩy mạnh thu hồi công nợ để nâng tỷ lệ thanh khoản tài sản lưu động (CUA) vượt mức 55% nhằm cải thiện xếp hạng tín nhiệm.

Kết luận

• Luận văn đã hệ thống hóa toàn diện cơ sở lý thuyết cấu trúc vốn cân bằng, chi phí đại diện và các mô hình cảnh báo kiệt quệ tài chính quốc tế ứng dụng vào thực tiễn Việt Nam.
• Thực nghiệm trên 252 công ty niêm yết tại sàn HOSE giai đoạn 2010 - 2012 chứng minh đòn bẩy tài chính (LEV) và xếp hạng tín nhiệm (Log(RAT)) là hai nhân tố có ý nghĩa quyết định tới rủi ro kiệt quệ.
• Xây dựng thành công phương trình dự báo Binary Logistic chuyên biệt cho thị trường chứng khoán Việt Nam với độ chính xác tổng thể đạt 69,80%.
• Đóng góp hệ thống 4 giải pháp tài chính mang tính thực thi cao, hỗ trợ doanh nghiệp kiểm soát cấu trúc vốn và nâng cao năng lực quản trị rủi ro thanh khoản.
• Lộ trình triển khai khuyến nghị đặt trọng tâm vào việc tái cấu trúc nợ trong 6 đến 12 tháng, kết hợp hoàn thiện hệ thống xếp hạng tín nhiệm nội bộ định kỳ hàng quý.

Các nhà quản trị doanh nghiệp, tổ chức tín dụng và nhà đầu tư hãy áp dụng ngay mô hình dự báo kiệt quệ tài chính để chủ động rà soát danh mục đầu tư, tối ưu hóa cơ cấu nợ vay và kiến tạo nền tảng tài chính an toàn, bền vững trước mọi biến động của thị trường.

Trích đoạn nội dung tài liệu

Chương 1 : TỔNG QUAN LÝ THUYẾT 1.1 Tổng quan các nghiên cứu trước đây Kiệt quệ tài chính của doanh nghiệp xảy ra khi doanh nghiệp gặp khó khăn hoặc không thể trả được các khoản nợ. Nếu kiệt quệ ở mức độ nghiêm trọng và không có cách giải quyết tốt có thể dẫn đến phá sản. Một doanh nghiệp đang lâm vào tình trạng kiệt quệ tài chính có thể có các dấu hiệu nhận biết như : tiền mặt giảm thường xuyên, liên tục; không có sản phẩm mang tính cạnh tranh; không thu được nợ hoặc nợ quá nhiều; không lập quỹ dự phòng tài chính; bán các tài sản hàng đầu; cắt giảm các khoản thù lao; các cán bộ quản lý cao cấp ra đi …. Tuy nhiên đây là những dấu hiệu có thể nhận biết khi công ty đã rơi vào giai đoạn kiệt quệ trầm trọng và hầu hết trường hợp sẽ dẫn đến phá sản.

Trong khi đó, nếu có thể biết được những nguyên nhân, yếu tố gây ra kiệt quệ sớm hơn thì có thể giúp các nhà quản lý, ban giám đốc có cái nhìn thấu đáo hơn về hiện trạng công ty, từ đó đưa ra những giải pháp khắc phục, sửa đổi trước khi kiệt quệ trở nên trầm trọng hơn. Do đó, việc dự báo kiệt quệ tài chính của công ty đóng vai trò quan trọng được nhiều người quan tâm và nghiên cứu. Nhiều nghiên cứu đã được thực hiện về chủ đề này cả về kỹ thuật thu thập dữ liệu, kỹ thuật phân tích và cố gắng đưa ra các mô hình dự báo kiệt quệ tài chính cũng như đánh giá mức độ ảnh hưởng của các yếu tố đến sự kiệt quệ tài chính, ví dụ: Nghiên cứu của Edward I. Altman năm 2000; Gregor Andrade và Steven N.

Kaplan năm 1997; Platt năm 2006; Rayenda K Brahmana năm 2007; John R. Graham, Solani Hazarika và Narasimhan năm 2011; …. Thực tế không thể phủ nhận kiệt quệ tài chính của doanh nghiệp được xác định bởi các yếu tố khác nhau. Quá trình xác định và định lượng các yếu tố này thậm chí không phải lúc nào cũng có thể.

Và một lần nữa khẳng định kiệt quệ tài chính cũng không phải là một chủ đề dễ dàng để định lượng. Do đó, mô hình kiệt quệ tài chính sẽ luôn luôn phụ thuộc vào một số giả định có thể định lượng được. Nghiên cứu này sẽ sử dụng biến phụ thuộc là biến định tính, ý định được giả định rằng tình hình tài chính của một công ty có thể được thể hiện với các biến TIEU LUAN MOI download : skknchat@gmail.001 6 số, chẳng hạn như kỹ thuật nhị phân : đại lượng “1” đại diện cho các công ty có xảy ra kiệt quệ tài chính và “0” đại diện cho các công ty không xảy ra kiệt quệ. Điều này cũng có ý nghĩa là nghiên cứu này giả định rằng biến phụ thuộc với một lý do cụ thể có thể giải thích bởi một yếu tố khác kể cả về số lượng hoặc chất lượng.

Hầu hết các nghiên cứu chính của mô hình dự đoán kiệt quệ tài chính được hình thành dựa trên phân tích kinh tế của các tỷ số tài chính. Báo cáo tài chính được công bố chứa đựng một sự đầy đủ thông tin về thành tựu và triển vọng công ty, và cung cấp các thông số, dữ liệu để nhận biết, đo lường và kiểm soát độ lớn của các nhân tố ảnh hưởng đến tình trạng kiệt quệ tài chính của công ty. Vì vậy, phân tích chỉ số không chỉ được chọn khi giải thích các tính toán tài chính cần thiết mà còn đóng vai trò quan trọng trong sự phát triển của các mô hình dự báo kiệt quệ tài chính. Trong bài này, tác giả cũng phân tích các chỉ số tài chính của công ty để xác định mức độ tác động của các yếu tố đến khả năng kiệt quệ của doanh nghiệp.

Dựa trên các bài nghiên cứu trước đây, tác giả tập trung tiến hành phân tích tác động của các nhân tố bao gồm : tỷ suất đòn bẩy, khả năng thanh toán, quy mô, lợi nhuận, đầu tư, tính biến động của giá cổ phiếu và độ tuổi của doanh nghiệp. Tác giả sử dụng mô hình Logit để kiểm tra tác động của các nhân tố này vào năm 2010 lên khả năng xảy ra kiệt quệ tài chính bất cứ lúc nào trong năm 2011 và 2012. Trong đó biến phụ thuộc là biến kiệt quệ tài chính (DIS – Distress), DIS là một biến nhị phân, sẽ nhận giá trị “1” nếu công ty bị kiệt quệ tài chính trong giai đoạn 2011 – 2012 và nhận giá trị “0” nếu công ty không bị kiệt quệ tài chính. Tác giả thu thập mẫu là 252 công ty được niêm yết trên sàn giao dịch chứng khoán TP.

Hồ Chí Minh với các thông tin và đặc điểm công ty trong năm 2010 và thông tin về kiệt quệ trong năm 2011 – 2012. Từ những lý luận cũng như dữ liệu thực tế, tác giả thấy rằng các doanh nghiệp có mức đòn bẩy cao và xếp hạng tín dụng thấp có khả năng xảy ra kiệt quệ cao hơn và ngược lại. Các thông tin mà các tổ chức xếp hạng tín dụng công bố có sự hữu ích nhất định trong việc dự báo kiệt quệ tài chính. Kết quả tổng thể của mô hình chỉ ra rằng mô hình của tác giả có khả năng dự báo rất cao, với độ chính xác của tổng thể lên đến 69.

TIEU LUAN MOI download : skknchat@gmail.1 Nghiên cứu “Predicting Financial Distress of companies: Revisiting the Z-score and Zeta models”, Edward I. Altman (2000) Đã có nhiều bài nghiên cứu và các mô hình dự báo kiệt quệ tài chính cũng như đánh giá các yếu tố ảnh hưởng đến sự kiệt quệ tài chính của công ty. Hai mô hình Z-score (1968) và ZETA (1977) là hai mô hình phổ biến nhất. Bài nghiên cứu “Predicting Financial Distress of companies: Revisiting the Z-score and Zeta models”, Edward I.

Altman (2000) đã thảo luận về hai mô hình này. Bài nghiên cứu đã xác định những đặc điểm của doanh nghiệp kiệt quệ được kiểm tra để xác định các yếu tố dự báo doanh nghiệp kiệt quệ. Từ đó làm nổi bật vai trò của việc phân tích các chỉ số tài chính trong dự báo kiệt quệ tài chính. Trong mô hình Z-score (Altman 1968), tác giả đã dùng phương pháp thống kê đa yếu tố phân biệt MDA để tính xem mỗi biến số sẽ có quyền số bao nhiêu, tức là mỗi nhân tố sẽ ảnh hưởng đến kiệt quệ như thế nào.

Sau khi đưa hơn 22 yếu tố ban đầu, 5 yếu tố đã được chọn như là những yếu tố có tiềm năng để dự báo kiệt quệ tài chính, bao gồm : ố â ể X1 = ổ à ả ợ ậ ữ ạ X2 = ổ à ả X3 = ổ à ả á ị ị ườ ủ ố ổ ầ X4 = á ị ổ á ủ ợ X5 = ổ à ả Từ một chỉ số Z ban đầu, Altman phát triển thêm Z’ và Z” để có thể áp dụng theo từng loại hình của doanh nghiệp:  Đối với doanh nghiệp đã cổ phần hoá, ngành sản suất: Z = 1.99 : Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản TIEU LUAN MOI download : skknchat@gmail.99 : Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản - Nếu Z <1.8 : Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.  Đối với doanh nghiệp chưa cổ phần hoá, ngành sản suất: Z’ = 0.9 : Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản - Nếu 1.9: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản - Nếu Z’ <1.23 : Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.  Đối với các doanh nghiệp khác: Chỉ số Z” dưới đây có thể được dùng cho hầu hết các ngành, các loại hình doanh nghiệp. Vì sự khác nhau khá lớn của X5 giữa các ngành, nên X5 được đưa ra.6 : Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản - Nếu 1.6 : Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản - Nếu Z <1.1 : Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao.

Ngoài tác dụng cảnh báo dấu hiệu phá sản, Altman [31] đã nghiên cứu trên 700 công ty để cho ra chỉ số Z” điều chỉnh: Z”điều chỉnh = 3.05X4 Z” điều chỉnh có tương đồng khá cao với các hạng mức tín nhiệm trái phiếu của S&P. Hàm ý rằng các mô hình toán học có thể sánh ngang với phương TIEU LUAN MOI download : skknchat@gmail.001 9 pháp chuyên gia. Altman còn phát triển mô hình rủi ro tín dụng Zeta (1977) với một số cải tiến so với mô hình Z-score ban đầu, mô hình này không chỉ dự báo cho các doanh nghiệp lớn mà còn cho các doanh nghiệp vừa và nhỏ. Zeta được nghiên cứu để xây dựng một cách tiếp cận rõ ràng về những sự phát triển gần đây ảnh hưởng đến thất bại trong kinh doanh, và có hiệu quả phân loại các công ty bị phá sản trước đến 5 năm trên mẫu bao gồm các tập đoàn, nhà sản xuất và bán lẻ.

Tương tự Z-score, sau khi thực hiện các thống kê để loại bỏ các biến từ tập hợp các biến ban đầu, tác giả đã chọn được 7 nhân tố có ảnh hưởng đến dự báo kiệt quệ tài chính, đó là : lợi nhuận / tài sản ; sự ổn định của lợi nhuận ; mức nợ ; khả năng sinh lợi tích lũy ; tính thanh khoản ; vốn hóa và quy mô.2 Nghiên cứu “ How costly is Financial Distress ? Evidence from highly leveraged transaction (HLTs) that became distress”, của Gregor Andrade và Steven N.Kaplan (1997) Trong bài nghiên cứu “ How costly is Financial Distress ? Evidence from highly leveraged transaction (HLTs) that became distress”, Gregor Andrade và Steven N.Kaplan (1997) đã nghiên cứu về các yếu tố tác động đến kiệt quệ tài chính cho 31 giao dịch HLTs trong mẫu nghiên cứu của Kplan và Stein (1993a và 1993b), các công ty sau này rơi vào kiệt quệ. Tác giả định lượng và ước tính (trực tiếp và gián tiếp) chi phí kiệt quệ tài chính và các yếu tố xác định. Kết quả cho thấy, chi phí kiệt quệ tài chính trung bình ước tính khoảng 10% giá trị công ty, và chi phí cao nhất cũng không vượt 23% giá trị công ty. Lợi nhuận hoạt động biên của công ty sẽ giảm khi công ty bị kiệt quệ, nhưng sau khi kiệt quệ được giải quyết, lợi nhuận hoạt động tăng trở lại.

Phù hợp với những chi phí kiệt quệ tài chính, tác giả tìm thấy những bằng chứng của việc cắt giảm đột ngột chi tiêu vốn, bán tài sản không mong muốn, và chi phí phát sinh do chậm trể chuyển đổi trong cơ cấu quản lý. TIEU LUAN MOI download : skknchat@gmail.