Chương 1: Giới thiệu. Chương 2: Tổng quan các kết quả nghiên cứu về mô hình dự báo kiệt quệ tài chính doanh nghiệp trên thế giới. Chương 3: Mô hình dự báo kiệt quệ tài chính đề xuất. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 4 Chương 4: Nghiên cứu thực nghiệm các công ty ngành bất động sản tại Việt Nam.
- Kiểm định mô hình tác động của các nhân tố ảnh hưởng đến dự báo kiệt quệ tài chính của các công ty bất động sản Việt Nam. - Trình bày kết luận kiểm định từ mô hình nghiên cứu. Kết luận - Kết luận, kiến nghị một số giải pháp. - Hạn chế của đề tài và hướng nghiên cứu tiếp theo.7 Ý nghĩa của công trình nghiên cứu: Về mặt lý luận: hệ thống lại các lý thuyết về mô hình dự báo kiệt quệ tài chính trên thế giới.
Về mặt thực tiễn: đề tài cũng đã trình bày tác động của một số nhân tố đến việc dự báo kiệt quệ tài chính của các doanh nghiệp bất động sản Việt Nam và cung cấp được thêm một bằng chứng thực nghiệm chứng minh cho việc áp dụng mô hình dự báo kiệt quệ tài chính tại Việt Nam. LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Tổng quan các kết quả nghiên cứu về mô hình dự báo kiệt quệ tài chính doanh nghiệp trên thế giới: Beaver (1966) đã đặt những nền tảng đầu tiên cho việc phát triển mô hình định lượng dự báo sự phá sản của các công ty thông qua việc xây dựng thang kiểm tra phân loại dựa trên kiểm định t trong điều kiện đơn biến. Trong nghiên cứu thực nghiệm, Beaver đã sử dụng các chỉ tiêu tài chính thu thập từ 79 công ty (“phá sản” và “không phá sản”) trong giai đoạn 1954 - 1964 và khám phá ra chỉ một chỉ số tài chính (tiền mặt/tổng nợ) là nhân tố dự báo tốt nhất về việc phá sản doanh nghiệp.
Tiếp theo đó, các nhà nghiên cứu đã tiến hành những nghiên cứu lặp tại nhiều thị trường khác nhau và nghiên cứu phát triển mô hình, cũng như đề xuất mô hình nghiên cứu khác, tựu chung tác giả thống kê được 4 trường phái được nghiên cứu phổ biến và công nhận rộng rãi, được tóm tắt như sau: 2. Trường phái mô hình MDA: Altman (1968) đưa ra mô hình nghiên cứu MDA: Pi = α+β1X1it+ β2X2it+ β3X3it+β4X4it+ β5X5it Pi: Xác suất công ty phá sản, bằng 0 nếu công ty phá sản và bằng 1 trong trường hợp còn lại. X1: Vốn luân chuyển/ Tổng tài sản X2: Thu nhập giữ lại/ Tổng tài sản X3: Lợi nhuận trước thuế/ Tổng tài sản X4: Giá trị thị trường/ Giá trị sổ sách của các khoản nợ X5: Doanh thu/ Tổng tài sản Qua kiểm định 33 công ty phá sản và 33 công ty bình thường trong giai đoạn 1946 – 1964, tác giả khám phá ra 5 nhân tố có ý nghĩa dự báo việc phá LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 6 sản doanh nghiệp (Vốn luân chuyển/Tổng tài sản, Thu nhập giữ lại/Tổng tài sản, Lợi nhuận trước thuế/Tổng tài sản, Giá trị thị trường/Giá trị sổ sách của các khoản nợ, Doanh thu/Tổng tài sản) với độ phù hợp đến 95%. Vì lý do này, mô hình MDA được sử dụng rộng rãi bởi các nhà nghiên cứu sau này về phá sản doanh nghiệp như Altman và cộng sự (1977), Apetiti (1984), Izan (1984), Micha (1984), Shirata (1998), Ganessalingam và Kumar (2001).
Trường phái mô hình Logit: Tuy nhiên, Eisenbeis (1977), Ohlson (1980) và Jones (1987) phát hiện ra một số điều chưa thỏa đáng trong mô hình MDA khi đưa ra những giả định dựa vào tính tiêu chuẩn và độ phân tán nhóm. Điều này có lẽ dẫn đến chệch trong kiểm định ý nghĩa và dự báo tỷ lệ sai số. X2: Tổng nợ/ Tổng tài sản. X3: Vốn luân chuyển/ Tổng tài sản.
X4: Nợ ngắn hạn/ Tổng tài sản. X5: 1 nếu nợ>tài sản, ngược lại bằng 0. X6: Lãi ròng/ Tổng tài sản. X7: Dòng tiền chi hoạt động/ Tổng nợ.
X8: 1 nếu thu nhập <0 trong 2 năm, ngược lại bằng 0. X9: % thay đổi thu nhập. Trong đó ông thu thập số liệu từ 105 công ty phá sản và 2.058 công ty bình thường trong giai đoạn 1970 - 1976. Kết quả kiểm định cho thấy quy mô, LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 7 cấu trúc tài chính (Tổng nợ/Tổng tài sản), biểu hiện và thanh khoản hiện hành là những nhân tố quyết định việc phá sản doanh nghiệp.
Ngoài ra, mô hình Logit này chỉ sử dụng dữ liệu trung bình tại một giai đoạn. Do đó, chỉ thực hiện quan sát một năm cho các công ty. Các biến phụ thuộc này được phân loại thành 2 trạng thái là “kiệt quệ” và “không kiệt quệ”. Đến năm 2004, hai vấn đề kinh tế lượng của mô hình Logit tại một thời điểm được đem ra thảo luận (Hillegiesit, 2004).
Vấn đề đầu tiên là việc chọn mẫu chéo, điều này phát sinh từ việc sử dụng quan sát về các công ty phá sản một cách không ngẫu nhiên, và vấn đề thứ hai là việc mô hình thất bại khi tính toán những thay đổi theo thời gian để phản ánh những rủi ro cơ bản của việc phá sản. Điều này dẫn tới sự phụ thuộc việc thu thập dữ liệu tại một thời điểm nào đó. Shumway (2001) chỉ ra rằng những vấn đề này dẫn tới ước lượng bị chệch, không hiệu quả và mâu thuẫn nhau. Nhằm giải quyết các vấn đề này, Shumway (2001) đã dự báo sự phá sản thông qua mô hình Hazard và khám phá ra rằng mô hình này ưu việt hơn mô hình Logit được giới thiệu trước đây và mô hình MDA.
Mô hình này thật sự là mô hình Logit đa thời điểm bởi vì chức năng thật sự của 2 mô hình là giống nhau. Vì lý do đó, mô hình Hazard có thời gian rời rạc với hiệp phương sai thời gian, có thể được ước lượng thông qua các máy tính hiện tại bằng phân tích hồi quy binary logistic. Đặc tính chính của mô hình Hazard bao gồm hiệp phương sai cụ thể của công ty cần được cho phép biến thiên theo thời gian để ước lượng hiệu quả hơn và chức năng cơ bản của Hazard cũng cần, nhưng hiệp phương sai này có thể được ước lượng trực tiếp với các nhân tố vĩ mô để phản ánh những thay đổi quan trọng trong môi trường. LUAN VAN CHAT LUONG download : add luanvanchat@agmail.
Trường phái mô hình cây phân lớp, mạng nơ ron: Trong những năm gần đây, trong dự báo kiệt quệ tài chính thì các loại thuật toán khám phá được chú ý như mạng nơ ron (neural networks) và cây phân nhánh (decision tree) và được áp dụng cho các vấn đề dự báo phá sản và một số cải tiến đáng lưu ý. Những nghiên cứu về dự báo phá sản khởi đầu từ năm 1990 với Bell và cộng sự (1990), Tam và Kiang (1992), Wilson và cộng sự (1992), Coat và Fant (1993), Udo (1993), Fletcher và Goss (1993), Altman và cộng sự (1994), Boritz và Kennedy (1995), Back và cộng sự (1996), Etheridge và Sriam (1997), Yang và cộng sự (1999), Fan và Palaniswami (2000), Atiya (2001) sử dụng để dự báo kiệt quệ tài chính cho ngành ngân hàng và một số ngành nghề kinh doanh khác vẫn tiếp tục còn giá trị thực tiễn. Mạng nơ ron là một cấu trúc phi tuyến tính do đó chúng có thể phân biệt những mẫu không thể phân tách một cách tuyến tính và không cần dữ liệu để theo dõi bất kỳ sự phân phối xác suất cụ thể nào. Mạng nơ ron được khám phá là một cách phân loại tốt hơn là các phương pháp phân tích biệt số trong một số công trình dựa trên số liệu thống kê từ các công ty Mỹ (Odom và Shada, 1990; Tan và Kiang, 1990, 1992; Coats và Fant, 1993; Wilson và Sharda, 1994).
Tuy nhiên, khuyết điểm chính của các mô hình mạng nơ ron là sự khó khăn khi xây dựng mô hình, thời gian cần để hoàn tất quá trình lặp đi lặp lại và sự khó khăn trong việc diễn dịch mô hình. So với mô hình mạng nơ ron, mô hình cây phân nhánh không chỉ là cấu trúc phi tuyến tính (những mẫu không thể phân tách một cách tuyến tính và cho phép dữ liệu để theo dõi bất kỳ sự phân phối xác suất cụ thể nào), mà còn dễ dàng để diễn dịch kết quả mà LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 9 không cần có sự chuẩn bị nhiều ở dữ liệu ban đầu và xử lý tốt với lượng dữ liệu lớn trong thời gian ngắn. Zheng và Yanhui (2007) đã dùng phương pháp cây phân nhánh để dự báo kiệt quệ tài chính trong nghiên cứu của mình. Các tác giả đã giới thiệu những ưu điểm của việc sử dụng cây phân nhánh CHAID (Chi-square automatic interaction detection) khi so sánh với mô hình mạng nơ ron là phức tạp trong xây dựng và diễn dịch hoặc mô hình thống kê như là hồi quy bội và hồi quy logistic khi những mẫu cơ sở dữ liệu cần phân tách một cách tuyến tính và mẫu phải theo phân phối chuẩn đa biến.
Nghiên cứu của hai ông trên 48 công ty niêm yết trên sàn chứng khoán Trung Quốc trong giai đoạn 2003 - 2005 và khám phá ra những nhân tố ảnh hưởng đến dự báo kiệt quệ tài chính là Dòng tiền mặt từ hoạt động/Nợ hiện hành, ROA, Tăng trưởng tổng tài sản và Tỷ lệ phải thu khách hàng. Hai ông cũng lưu ý rằng thật không phù hợp khi sử dụng thông tin tài chính để dự báo kiệt quệ tài chính chỉ trước 4 năm. Tuy nhiên, kết quả này được chứng minh bởi kết quả của nghiên cứu kiểm định trong đó chỉ ra mô hình phân nhánh cây là mô hình có giá trị trong dự báo kiệt quệ tài chính ở Trung Quốc với mức độ giải thích lên tới 80%. Trường phái mô hình Z-score: Altman (1968) nghiên cứu các công ty khác nhau tại Mỹ và phát minh ra chỉ số Z (Z-score).
Chỉ số này được công nhận và sử dụng rộng rãi tại nhiều nước trên thế giới. Chỉ số này bao gồm 5 chỉ số X1 (Vốn luân chuyển/Tổng tài sản), X2 (Lợi nhuận giữ lại/Tổng tài sản), X3 (Lợi nhuận trước lãi vay và thuế/Tổng tài sản), X4 (Giá trị thị trường của vốn chủ sở hữu/Giá trị sổ sách của tổng nợ), X5 (Doanh thu/Tổng tài sản), cụ thể như trường hợp doanh nghiệp đã cổ phần hóa ngành sản xuất Altman đề xuất mô hình: LUAN VAN CHAT LUONG download : add luanvanchat@agmail.999X5 Mô hình này được diễn giải như sau: Nếu Z > 2.99: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ kiệt quệ.99: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ kiệt quệ.8: Doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ kiệt quệ cao.