Bối cảnh và vấn đề nghiên cứu

Trong chiến lược phát triển kinh tế của Việt Nam, kinh tế số giữ vai trò động lực tăng trưởng then chốt, trong đó ngành công nghệ thông tin (CNTT) đóng vai trò nền tảng dẫn dắt tiến trình chuyển đổi số quốc gia. Sự bùng nổ của trí tuệ nhân tạo, dữ liệu lớn, thương mại điện tử và các nền tảng số tạo tiền đề thuận lợi cho các doanh nghiệp CNTT mở rộng quy mô, gia tăng doanh thu và đẩy mạnh niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX). Tuy nhiên, đặc thù ngành CNTT gắn liền với chu kỳ công nghệ ngắn, áp lực đầu tư liên tục vào hoạt động nghiên cứu và phát triển (R&D), tỷ trọng tài sản vô hình chiếm ưu thế và hiệu quả kinh doanh có độ biến động cao. Bên cạnh đó, các doanh nghiệp trong nước phải đối mặt với sự cạnh tranh khốc liệt từ các tập đoàn công nghệ xuyên quốc gia có ưu thế vượt trội về tài chính và kỹ thuật. Thực tế thị trường ghi nhận một số doanh nghiệp CNTT niêm yết có dấu hiệu suy giảm lợi nhuận, dòng tiền kinh doanh suy yếu và sử dụng đòn bẩy tài chính cao, làm gia tăng rủi ro kiệt quệ tài chính và mất khả năng thanh toán. Trong khi đó, việc đánh giá rủi ro tại Việt Nam hiện chủ yếu dựa trên các chỉ tiêu tài chính đơn lẻ hoặc phân tích định tính rời rạc, thiếu vắng các công cụ định lượng tổng hợp có khả năng cảnh báo sớm mang tính hệ thống.

Khóa luận xác định mục tiêu chung là đánh giá và dự báo rủi ro phá sản của các doanh nghiệp ngành CNTT niêm yết trên thị trường chứng khoán Việt Nam thông qua mô hình Altman Z-score, xem xét mức độ phù hợp của mô hình và đề xuất các giải pháp quản trị rủi ro tài chính. Năm nhiệm vụ nghiên cứu cụ thể được xác định bao gồm:

  1. Hệ thống hóa cơ sở lý luận về rủi ro phá sản doanh nghiệp và mô hình Altman Z-score (bản chất, các phiên bản, ưu điểm và hạn chế).
  2. Thiết kế mô hình nghiên cứu phù hợp, xác định các biến số tài chính theo mô hình Altman Z-score, thu thập và xử lý dữ liệu tài chính của các doanh nghiệp CNTT niêm yết.
  3. Tính toán chỉ số Z-score và thực hiện phân tích thống kê mô tả nhằm đánh giá đặc điểm tài chính, phân bố mức độ rủi ro và xu hướng biến động qua các năm.
  4. Phân loại doanh nghiệp theo các nhóm mức độ rủi ro phá sản, đánh giá tính phù hợp và khả năng cảnh báo của mô hình thông qua đối chiếu với thực trạng tài chính thực tế.
  5. Đề xuất các hàm ý quản trị và khuyến nghị đối với doanh nghiệp, nhà đầu tư và các bên liên quan nhằm nâng cao hiệu quả phòng ngừa rủi ro tài chính.
  • Đối tượng nghiên cứu: Ứng dụng mô hình Altman Z-score trong dự báo rủi ro phá sản của các doanh nghiệp ngành CNTT niêm yết.
  • Phạm vi không gian: Các doanh nghiệp thuộc ngành CNTT niêm yết trên hai sở giao dịch HOSE và HNX (theo chuẩn phân ngành của SSI).
  • Phạm vi thời gian: Dữ liệu tài chính thu thập trong giai đoạn từ năm 2022 đến quý 4 năm 2025.
  • Phạm vi nội dung: Tập trung vào phân tích định lượng sức khỏe tài chính, nhận diện mức độ suy giảm khả năng thanh toán và dự báo nguy cơ phá sản.

Cơ sở lý thuyết và phương pháp

Khóa luận dựa trên khung pháp lý của Luật Phá sản năm 2014 (Khoản 2, Điều 4 quy định phá sản là tình trạng doanh nghiệp mất khả năng thanh toán và bị Tòa án nhân dân ra quyết định tuyên bố phá sản) và lý thuyết tài chính doanh nghiệp của Bùi Văn Vần và Vũ Văn Ninh (2023), Ngô Thế Chi và Nguyễn Trọng Cơ (2021). Về công cụ định lượng, tác giả so sánh ba mô hình dự báo phổ biến: Hồi quy Logistic (Logistic Regression), K-Nearest Neighbor (KNN) và Altman Z-score.

Mô hình Cơ chế hoạt động Ưu điểm Nhược điểm trong bối cảnh đề tài
Hồi quy Logistic Ước lượng xác suất xảy ra biến cố vỡ nợ nhị phân dựa trên hàm Logistic. Cho biết mức độ tác động của từng biến; phân loại rõ rệt hai trạng thái. Đòi hỏi tập mẫu phá sản và không phá sản đủ lớn; số ca vỡ nợ ngành CNTT niêm yết ở Việt Nam quá ít để hồi quy tin cậy.
K-Nearest Neighbor (KNN) Thuật toán học máy có giám sát, phân loại theo khoảng cách Euclid với K láng giềng gần nhất. Xử lý tốt các quan hệ phi tuyến; không cần giả định phân phối tham số ngặt nghèo. Cần dữ liệu lớn để huấn luyện; kết quả nhạy cảm với việc chọn tham số K; độ phức tạp kỹ thuật cao.
Altman Z-score Phân tích biệt số đa biến (MDA), kết hợp nhiều tỷ số tài chính thành một điểm số tổng hợp. Dễ tính toán, sử dụng trực tiếp số liệu BCTC công khai; có các ngưỡng phân định rõ ràng. Phụ thuộc vào chất lượng số liệu kế toán lịch sử; không bao quát biến số kinh tế vĩ mô.

Tác giả quyết định lựa chọn phiên bản Altman Z''-score (1995) dành cho doanh nghiệp phi sản xuất tại các thị trường mới nổi thay vì mô hình gốc (1968) hay Z'-score (1983). Quyết định này xuất phát từ đặc trưng ngành CNTT có cấu trúc tài sản chủ yếu là tài sản vô hình và tri thức, hoạt động mang tính dịch vụ - giải pháp, do đó việc loại bỏ biến vòng quay tổng tài sản ($X_5$) giúp tránh sai lệch đối với doanh nghiệp ngoài lĩnh vực sản xuất công nghiệp nặng. Mô hình có dạng toán học:

$$Z'' = 3{,}25 + 6{,}56X_1 + 3{,}26X_2 + 6{,}72X_3 + 1{,}05X_4$$

Hệ thống biến số và thang đo được thiết lập chi tiết:

  • $X_1 = \text{Vốn lưu động} / \text{Tổng tài sản}$ (đo lường tính thanh khoản ngắn hạn và mức độ linh hoạt nguồn vốn).
  • $X_2 = \text{Lợi nhuận chưa phân phối} / \text{Tổng tài sản}$ (phản ánh khả năng tích lũy lợi nhuận và năng lực tự tài trợ dài hạn).
  • $X_3 = \text{Lợi nhuận trước lãi vay và thuế (EBIT)} / \text{Tổng tài sản}$ (đo lường hiệu quả sinh lời thuần từ việc khai thác tài sản).
  • $X_4 = \text{Giá trị sổ sách của vốn chủ sở hữu} / \text{Tổng nợ phải trả}$ (đo lường đòn bẩy tài chính và mức độ an toàn vốn).

Hệ thống ngưỡng phân loại rủi ro:

  • $Z'' > 2{,}6$: Doanh nghiệp thuộc Vùng an toàn, xác suất kiệt quệ tài chính không đáng kể.
  • $1{,}1 < Z'' \le 2{,}6$: Doanh nghiệp thuộc Vùng xám (vùng cảnh báo), tiềm ẩn nguy cơ phá sản ở mức vừa phải.
  • $Z'' \le 1{,}1$: Doanh nghiệp thuộc Vùng nguy hiểm, nguy cơ mất khả năng thanh toán và phá sản rất cao.

Phương pháp nghiên cứu thực tế sử dụng nguồn dữ liệu thứ cấp từ Báo cáo tài chính kiểm toán và Báo cáo thường niên giai đoạn 2022 - quý 4/2025 công bố trên Vietstock và CafeF. Sau khi sàng lọc theo tiêu chí đầy đủ dữ liệu kiểm toán liên tục, mẫu nghiên cứu xác định được 15 doanh nghiệp niêm yết (gồm 7 công ty trên HOSE và 8 công ty trên HNX). Toàn bộ dữ liệu được chuẩn hóa và xử lý trên Microsoft Excel thông qua các phương pháp: thống kê mô tả (Mean, Min, Max, Standard Deviation), phân nhóm rủi ro và kiểm định tính phù hợp bằng cách đối chiếu cảnh báo của mô hình với thực trạng tài chính thực tế của doanh nghiệp.

Nội dung chính theo từng chương

Chương 1: Tổng quan nghiên cứu

Chương 1 hệ thống hóa các công trình nghiên cứu trong và ngoài nước về dự báo kiệt quệ tài chính. Về nghiên cứu quốc tế, tác giả phân tích các mốc phát triển từ mô hình gốc của Altman (1968) với độ chính xác 95% trước một năm, nghiên cứu kiểm định lại của Grice và Ingram (2001) cho thấy độ chính xác giảm xuống 57,6% khi đổi bối cảnh, mô hình J-UK của Almany, Aston và Ngwa (2015) bổ sung biến dòng tiền đạt độ chính xác 82,9%, nghiên cứu đa biến của Tinoco và Wilson (2013), ứng dụng Z''-score cho ngành bán lẻ của Gracia (2019), nghiên cứu tác động giá dầu đến ngành dầu khí của Rosdini và Nautika (2019), so sánh Z-score với DEA của Setiawan, Chandra và Diana (2020), đến mô hình hồi quy đa biến của Devita (2024). Về nghiên cứu trong nước, tác giả điểm qua các công trình của Lê Nguyễn Sơn Vũ (2013), Nguyễn Văn Thép và cộng sự (2023), Trần Thị Lan, Bùi Thị Loan và Bùi Thị Chi (2022), Nguyễn Thị Mai Hương (2016), Hoàng Hạnh Nguyên (2015), Lê Trung Hải và Nguyễn Thùy Dương (2020), Phan Hoàng Phúc và Nguyễn Trọng Cơ (2025). Từ đó, tác giả chỉ ra ba khoảng trống nghiên cứu chính: thiếu vắng nghiên cứu chuyên sâu cho ngành CNTT với cấu trúc tài sản vô hình lớn; việc ứng dụng Z-score chủ yếu dừng ở dự báo phá sản rời rạc thay vì theo dõi sức khỏe tài chính định kỳ; và dữ liệu chưa cập nhật giai đoạn chuyển đổi số mạnh mẽ gần đây.

Chương 2: Cơ sở lý luận về rủi ro phá sản doanh nghiệp và mô hình Altman Z-score

Chương 2 làm rõ bản chất kinh tế và pháp lý của rủi ro phá sản. Tác giả phân tích bốn nhóm nguyên nhân chính dẫn đến đổ vỡ tài chính: sai lầm trong chính sách tài chính (cấu trúc vốn mất cân đối, lạm dụng đòn bẩy ngắn hạn), yếu kém trong quản trị điều hành (đặc biệt là quản trị dòng tiền và công nợ), sự thay đổi cơ chế chính sách của Nhà nước (chính sách tiền tệ, lãi suất, thuế), và các biến động bất lợi từ thị trường vĩ mô. Chương này cũng phân tích hệ quả của phá sản đối với doanh nghiệp, cổ đông, chủ nợ, người lao động và toàn bộ nền kinh tế, đồng thời xem xét phá sản như một cơ chế thanh lọc tự nhiên của thị trường. Đi sâu vào cơ sở kỹ thuật của Altman Z-score, chương này trình bày chi tiết ba phiên bản (Z gốc 1968 cho sản xuất niêm yết, Z' 1983 cho sản xuất tư nhân, Z'' 1995 cho phi sản xuất/thị trường mới nổi), phân tích ưu thế của phương pháp phân tích biệt số đa biến và lập bảng so sánh ưu nhược điểm của từng phiên bản.

Chương 3: Thiết kế nghiên cứu

Chương 3 trình bày quy trình xây dựng mô hình định lượng thực nghiệm. Tác giả luận giải việc áp dụng mô hình Z''-score gồm bốn biến số ($X_1, X_2, X_3, X_4$) và thiết lập quy trình tính toán bốn bước trên Excel. Dữ liệu thứ cấp được thu thập từ báo cáo kiểm toán của 15 doanh nghiệp CNTT niêm yết đại diện cho ngành:

STT Mã cổ phiếu Tên doanh nghiệp Sàn niêm yết
1 FPT CTCP FPT HOSE
2 VTC CTCP Viễn thông VTC HNX
3 VLA CTCP Đầu tư và Phát triển Công nghệ Văn Lang HNX
4 UNI CTCP Đầu tư và Phát triển Sao Mai HNX
5 SMT CTCP SAMETEL HNX
6 SGT CTCP Công nghệ Viễn thông Sài Gòn HOSE
7 SAM CTCP SAM Holdings HOSE
8 POT CTCP Thiết bị Bưu điện HNX
9 ONE CTCP Công nghệ ONE HNX
10 KST CTCP KASATI HNX
11 ITD CTCP Công nghệ ITD HOSE
12 ICT CTCP Viễn thông - Tin học Bưu điện HOSE
13 ELC CTCP Công nghệ - Viễn thông ELCOM HOSE
14 CMG CTCP Tập đoàn Công nghệ CMC HOSE
15 CKV CTCP COKYVINA HNX

Chương này cũng thiết lập phương pháp phân tích thống kê mô tả nhằm xác định giá trị Min, Max, Mean, độ lệch chuẩn cho từng biến thành phần và điểm Z-score tổng hợp, làm tiền đề phân nhóm rủi ro và kiểm định tính phù hợp của mô hình.

Chương 4: Kết quả nghiên cứu

Chương 4 tính toán chi tiết chỉ tiêu tài chính và chỉ số Z-score cho từng đơn vị qua từng năm (từ Bảng 4.1 đến Bảng 4.15). Trên cơ sở đó, tác giả lập bảng thống kê mô tả các biến số giai đoạn 2022 - quý 4/2025 (Bảng 4.16), tổng hợp chỉ số Z-score toàn ngành (Bảng 4.17, Biểu đồ 4.1) và phân tích xu hướng chỉ số trung bình ngành (Biểu đồ 4.2). Kết quả phân loại rủi ro (Bảng 4.18) chỉ ra sự phân hóa sâu sắc về sức khỏe tài chính giữa các doanh nghiệp. Nhóm doanh nghiệp đầu ngành như FPT duy trì vị thế an toàn cao nhờ tỷ suất sinh lời vượt trội và cơ cấu vốn tự có lành mạnh. Ngược lại, tác giả tập trung phân tích trường hợp đặc biệt của CTCP SAMETEL (mã SMT, Bảng 4.19) - doanh nghiệp ghi nhận chỉ số Z-score thấp nhất ngành, rơi sâu vào "vùng nguy hiểm" do thua lỗ kéo dài, vốn lưu động bị thâm hụt và áp lực nợ vay lớn. Tại Bảng 4.20, tác giả kiểm định tính chính xác của mô hình bằng cách đối chiếu kết quả dự báo với tình trạng thực tế của các doanh nghiệp trong mẫu, qua đó khẳng định tính hiệu quả và khả năng cảnh báo sớm của Altman Z''-score.

Chương 5: Kết luận và hàm ý

Chương 5 đúc kết các phát hiện thực nghiệm và đề xuất các nhóm giải pháp:

  • Đối với doanh nghiệp: Cần kiểm soát chặt chẽ quy mô vốn lưu động ròng, tái cơ cấu nợ vay ngắn hạn để hạn chế mất cân đối dòng tiền, nâng cao hiệu quả sinh lời trên tài sản (EBIT/Tổng tài sản) và tối ưu hóa chính sách lợi nhuận giữ lại để tăng cường năng lực tự tài trợ.
  • Đối với nhà đầu tư: Cần tích hợp chỉ số Z''-score vào quy trình phân tích cơ bản nhằm lọc bỏ các cổ phiếu có rủi ro vỡ nợ tiềm ẩn trước khi ra quyết định giải ngân.
  • Đối với các tổ chức tín dụng: Khai thác mô hình như một công cụ thẩm định độc lập hỗ trợ xếp hạng tín dụng nội bộ và kiểm soát rủi ro cho vay đối với nhóm khách hàng công nghệ. Chương này cũng nêu rõ các giới hạn về dữ liệu và đề xuất định hướng nghiên cứu tiếp theo.

Kết quả và đóng góp

Nghiên cứu mang lại các kết quả thực nghiệm và đóng góp cụ thể:

  • Bộ dữ liệu định lượng chuyên ngành: Xây dựng thành công cơ sở dữ liệu tính toán chi tiết bốn biến tài chính ($X_1, X_2, X_3, X_4$) và điểm số Z''-score trong giai đoạn 2022 - quý 4/2025 cho 15 doanh nghiệp CNTT niêm yết trên HOSE và HNX.
  • Phân định mức độ rủi ro: Phân loại rõ ràng các doanh nghiệp trong ngành vào ba nhóm rủi ro (An toàn, Vùng xám, Nguy hiểm). Kết quả nhận diện chính xác doanh nghiệp có nguy cơ cao nhất là CTCP SAMETEL (SMT) với các chỉ số tài chính suy yếu nghiêm trọng, đồng thời chứng minh các doanh nghiệp có năng lực công nghệ và quy mô lớn (tiêu biểu là FPT) duy trì chỉ số an toàn ổn định.
  • Kiểm định tính phù hợp: Đánh giá tính chính xác của phiên bản Altman Z''-score (1995) trong điều kiện thị trường chứng khoán Việt Nam, chứng minh mô hình hoàn toàn có khả năng cảnh báo sớm tình trạng kiệt quệ tài chính trước khi doanh nghiệp rơi vào khủng hoảng thanh khoản thực sự.
  • Đóng góp học thuật và thực tiễn: Khắc phục khoảng trống nghiên cứu đơn ngành trong lĩnh vực CNTT tại Việt Nam; cung cấp khung phân tích tham chiếu cho các nhà quản trị doanh nghiệp trong việc điều hành vốn lưu động và dòng tiền, đồng thời hỗ trợ nhà đầu tư và ngân hàng thương mại nâng cao chất lượng thẩm định rủi ro tín dụng.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ rõ ba hạn chế chính dựa trên phạm vi nghiên cứu:

  • Quy mô mẫu nghiên cứu: Mẫu chỉ dừng lại ở 15 doanh nghiệp ngành CNTT niêm yết trên HOSE và HNX, chưa mở rộng sang sàn UPCoM hoặc các doanh nghiệp công nghệ chưa niêm yết, do đó mức độ khái quát cho toàn bộ cộng đồng doanh nghiệp công nghệ Việt Nam còn giới hạn.
  • Bản chất dữ liệu: Nghiên cứu thuần túy sử dụng dữ liệu kế toán thứ cấp mang tính lịch sử từ báo cáo tài chính đã kiểm toán, chưa tích hợp dữ liệu thị trường theo thời gian thực (giá cổ phiếu, biến động vốn hóa) cũng như các biến số kinh tế vĩ mô (lãi suất, lạm phát, tỷ giá).
  • Hệ số trọng số của mô hình: Tác giả sử dụng nguyên bản hệ số hồi quy của mô hình Altman Z''-score (1995) mà chưa tái ước lượng (re-estimate) hệ số trọng số biệt số đa biến cho riêng môi trường kinh tế Việt Nam.

Hướng nghiên cứu tiếp theo được đề xuất: mở rộng quy mô mẫu sang các doanh nghiệp khởi nghiệp và doanh nghiệp trên UPCoM; kết hợp các chỉ tiêu dòng tiền (OCF) và biến kinh tế vĩ mô; áp dụng thêm các thuật toán học máy hiện đại để so sánh và tối ưu hóa độ chính xác dự báo.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

  • Sinh viên và học viên cao học chuyên ngành Tài chính, Kế toán - Kiểm toán: Cung cấp quy trình hoàn chỉnh từ cơ sở lý thuyết, tổng quan nghiên cứu trong/ngoài nước đến phương pháp thu thập, chuẩn hóa và xử lý số liệu báo cáo tài chính thực tế bằng phần mềm Excel.
  • Nhà nghiên cứu về rủi ro tài chính: Phần so sánh giữa các mô hình (Logistic, KNN, Altman Z-score) tại Chương 2 và thiết kế nghiên cứu Z''-score tại Chương 3 là tư liệu giá trị để tham khảo phương pháp luận phân tích rủi ro định lượng.
  • Chuyên viên phân tích đầu tư và quản trị rủi ro tín dụng: Phương pháp đánh giá thực nghiệm và phân nhóm doanh nghiệp tại Chương 4 (đặc biệt là phân tích ca điển hình SMT) mang tính ứng dụng thực tiễn cao trong việc xây dựng bộ lọc cảnh báo rủi ro danh mục cổ phiếu hoặc kiểm soát hạn mức cho vay đối với nhóm khách hàng công nghệ.

Câu hỏi thường gặp

1. Vì sao tác giả lựa chọn phiên bản Altman Z''-score (1995) thay vì mô hình gốc Z-score (1968) hay Z'-score (1983)?
Mô hình gốc (1968) được thiết kế cho các doanh nghiệp sản xuất niêm yết tại thị trường phát triển và yêu cầu biến giá trị thị trường vốn cổ phần. Mô hình Z'-score (1983) dành cho sản xuất tư nhân. Trong khi đó, các doanh nghiệp CNTT tại Việt Nam là doanh nghiệp phi sản xuất hoạt động trên một thị trường mới nổi, sở hữu tỷ trọng tài sản vô hình lớn. Phiên bản Z''-score đã loại bỏ biến vòng quay tổng tài sản ($X_5$) để tránh gây sai lệch bất lợi cho ngành dịch vụ/công nghệ và điều chỉnh hệ số phù hợp với bối cảnh các nền kinh tế đang phát triển.

2. Mẫu nghiên cứu của khóa luận gồm bao nhiêu doanh nghiệp và được sàng lọc theo những tiêu chuẩn nào?
Mẫu nghiên cứu gồm 15 doanh nghiệp thuộc ngành công nghệ thông tin (phân loại theo tiêu chuẩn ngành của SSI), niêm yết trên HOSE (7 công ty) và HNX (8 công ty). Doanh nghiệp được chọn phải đáp ứng tiêu chí có đầy đủ báo cáo tài chính năm đã kiểm toán liên tục trong giai đoạn 2022 - quý 4/2025 và không bị hủy niêm yết hoặc thiếu hụt dữ liệu trong thời gian nghiên cứu.

3. Bốn biến số tài chính cấu thành mô hình Z''-score trong khóa luận phản ánh những khía cạnh nào?
Bốn biến số bao gồm: $X_1$ (Vốn lưu động / Tổng tài sản) phản ánh khả năng thanh khoản ngắn hạn; $X_2$ (Lợi nhuận chưa phân phối / Tổng tài sản) đo lường khả năng tích lũy vốn tự có qua các năm; $X_3$ (EBIT / Tổng tài sản) phản ánh hiệu quả khai thác tài sản để tạo ra lợi nhuận kinh doanh cốt lõi; và $X_4$ (Giá trị sổ sách vốn chủ sở hữu / Nợ phải trả) đo lường mức độ bảo đảm của vốn chủ đối với nghĩa vụ nợ.

4. Doanh nghiệp nào trong ngành CNTT niêm yết có chỉ số Z-score thấp nhất và được tác giả phân tích chuyên sâu?
Đó là Công ty Cổ phần SAMETEL (mã cổ phiếu: SMT) niêm yết trên HNX. SMT có chỉ số Z-score thấp nhất trong toàn bộ mẫu nghiên cứu, rơi vào "vùng nguy hiểm" ($Z'' \le 1{,}1$) do tình trạng suy giảm nghiêm trọng về lợi nhuận, thâm hụt vốn lưu động ròng và áp lực cơ cấu nợ lớn, qua đó minh chứng rõ rệt cho khả năng nhận diện rủi ro của mô hình.

5. Vì sao các phương pháp như Hồi quy Logistic hay K-Nearest Neighbor (KNN) không được chọn làm mô hình định lượng chính?
Hồi quy Logistic và thuật toán học máy KNN đòi hỏi tập dữ liệu lớn với số lượng quan sát các ca phá sản và không phá sản phải đủ nhiều và cân bằng. Trong khi đó, tại thị trường chứng khoán Việt Nam, số doanh nghiệp ngành CNTT niêm yết rơi vào tình trạng bị tuyên bố phá sản hoặc hủy niêm yết do vỡ nợ là rất ít, không đủ điều kiện để huấn luyện và ước lượng mô hình một cách tin cậy.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Minh Anh đã hệ thống hóa toàn diện cơ sở lý luận và kiểm định thực nghiệm thành công mô hình Altman Z''-score (1995) trên mẫu 15 doanh nghiệp ngành công nghệ thông tin niêm yết tại Việt Nam giai đoạn 2022 - quý 4/2025. Kết quả nghiên cứu khẳng định mô hình có tính thích ứng cao và khả năng cảnh báo sớm hiệu quả mức độ suy giảm sức khỏe tài chính thông qua việc phân định rõ các nhóm doanh nghiệp an toàn và nhóm đối mặt rủi ro cao. Các hàm ý quản trị và khuyến nghị được đề xuất mang giá trị thực tiễn đối với công tác điều hành vốn của doanh nghiệp, chiến lược phân bổ tài sản của nhà đầu tư và quy trình thẩm định tín dụng của các ngân hàng thương mại.