Ứng Dụng Mô Hình Z-Score Trong Dự Báo Nguy Cơ Phá Sản Đối Với Công Ty Cổ Phần Tập Đoàn Thép Tiến Lên

Trong bối cảnh kinh tế đầy biến động, việc dự báo phá sản trở nên vô cùng quan trọng đối với các doanh nghiệp, đặc biệt… 88 trang · Học viện Ngân hàng · 2022.

• Tác giả: Nguyễn Cao Kỳ Duyên
• Người hướng dẫn: NGƯT.TS Nguyễn Thanh Phương
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Tài chính
• Đề tài: Ứng Dụng Mô Hình Z-Score Dự Báo Nguy Cơ Phá Sản Tại Công Ty Cổ Phần Tập Đoàn Thép Tiến Lên
• Loại tài liệu: Khoá luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN CỦA TÁC GIẢ
• 1. CHƯƠNG 1: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
• 1.1. Mục đích nghiên cứu
• 1.2. Câu hỏi nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Tổng quan nghiên cứu có liên quan
• 1.4.1. Các nghiên cứu ở nước ngoài
• 1.4.2. Các nghiên cứu ở Việt Nam
• 1.5. Khoảng trống nghiên cứu
• 1.6. Cấu trúc khoá luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ MÔ HÌNH Z-SCORE TRONG XÁC ĐỊNH NGUY CƠ PHÁ SẢN/KIỆT QUỆ TÀI CHÍNH
• 2.1. Phương pháp phân tích đa biệt thức – cơ sở của mô hình Z-Score
• 2.2. Tổng quan về mô hình Z-Score
• 2.2.1. Giới thiệu mô hình. Lịch sử phát triển
• 2.2.2. Mô hình nghiên cứu. Các biến độc lập trong mô hình nghiên cứu
• 2.2.3. Các dạng mô hình Z-Score
• 2.2.3.1. Mô hình Z-Score áp dụng cho doanh nghiệp đã cổ phần hóa thuộc ngành sản xuất
• 2.2.3.2. Mô hình Z’-Score áp dụng cho doanh nghiệp chưa cổ phần hóa thuộc ngành sản xuất
• 2.2.3.3. Mô hình Z’’-Score điều chỉnh áp dụng cho các doanh nghiệp thuộc thị trường mới nổi
• 2.2.4. Đánh giá mô hình Z-Score và các phiên bản điều chỉnh
• 2.2.4.1. Nhược điểm
• 2.2.4.2. So sánh mô hình Z-Score với một số mô hình dự báo khả năng phá sản khác
• 2.3. Một số phương pháp phân tích khác xây dựng mô hình nhận diện phá sản doanh nghiệp
• 2.3.1. So sánh mô hình Z-Score và các mô hình nhận diện phá sản khác
• 3. CHƯƠNG 3: CƠ SỞ DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Cơ sở dữ liệu và xử lý dữ liệu
• 3.2. Phương pháp nghiên cứu
• 3.3. Kiểm định mô hình
• 3.4. Lựa chọn mô hình
• 3.5. Kiểm định mô hình
• 4. CHƯƠNG 4: THỰC TRẠNG NGÀNH THÉP VIỆT NAM VÀ CÔNG TY CỔ PHẦN TẬP ĐOÀN THÉP TIẾN LÊN – KẾT QUẢ NGHIÊN CỨU
• 4.1. Thực trạng ngành thép thế giới
• 4.1.1. Cung cầu thép trên thế giới
• 4.1.2. Tình hình hoạt động xuất nhập khẩu thép trên thế giới. Một số nhân tố tác động mạnh đến ngành thép thế giới
• 4.2. Ngành thép Việt Nam
• 4.2.1. Cơ cấu và đặc điểm của ngành thép Việt Nam
• 4.2.2. Một vài con số thống kê
• 4.2.3. Cơ hội và thách thức đối với ngành thép
• 4.3. Công ty Cổ phần Tập đoàn Thép Tiến Lên
• 4.3.1. Tổng quan doanh nghiệp
• 4.3.2. Phân tích báo cáo và các chỉ số tài chính
• 4.3.3. Kết quả nghiên cứu
• 4.3.4. Đánh giá và phân tích
• 4.3.4.1. Giai đoạn 2017 – 2019: Z’’-Score giảm mạnh
• 4.3.4.2. Giai đoạn 2019 – 2021: Z’’-Score tăng bật
• 5. CHƯƠNG 5: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 5.1. Đối với các doanh nghiệp chung
• 5.2. Đối với CTCP Tập đoàn Thép Tiến Lên
• 5.3. Đối với Ngân hàng TMCP Việt Nam Thịnh Vượng
• 5.4. Hạn chế của nghiên cứu và hướng nghiên cứu tiếp theo
• 5.4.1. Hạn chế của nghiên cứu
• 5.4.2. Đề xuất hướng nghiên cứu tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Mô Hình Z Score Dự Báo Phá Sản

Trong bối cảnh kinh tế đầy biến động, việc dự báo phá sản trở nên vô cùng quan trọng đối với các doanh nghiệp, đặc biệt là các công ty cổ phần. Mô hình Z-Score, một công cụ phân tích tài chính mạnh mẽ, được sử dụng rộng rãi để đánh giá rủi ro và dự báo nguy cơ phá sản. Bài viết này sẽ đi sâu vào ứng dụng mô hình Altman Z-Score cho Công ty Cổ phần Tập Đoàn Thép Tiến Lên, một doanh nghiệp quan trọng trong ngành thép Việt Nam. Sự tăng trưởng mạnh mẽ của ngành thép Việt Nam trong những năm gần đây, thể hiện qua số liệu của Hiệp hội Thép Việt Nam (VSA), đã tạo ra nhiều cơ hội. Tuy nhiên, những thách thức như phòng vệ thương mại và yêu cầu về sản phẩm "xanh" cũng đặt ra nhiều áp lực. Việc phân tích Z-Score giúp nhà đầu tư và ngân hàng (như VPBank, đối tác của TLH) đánh giá chính xác hơn tình hình tài chính của doanh nghiệp, từ đó đưa ra quyết định đầu tư và cho vay hiệu quả. Theo Altman (1968), khả năng thanh toán và khả năng sinh lời là những chỉ số quan trọng giúp đánh giá nguy cơ phá sản.

1.1. Tại Sao Dự Báo Nguy Cơ Phá Sản Lại Quan Trọng

Việc dự báo nguy cơ phá sản giúp doanh nghiệp chủ động đối phó với các khó khăn tài chính, tìm kiếm giải pháp tái cấu trúc hoặc thu hút vốn đầu tư. Đối với nhà đầu tư, nó cung cấp thông tin quan trọng để đánh giá rủi ro và đưa ra quyết định đầu tư sáng suốt. Ngân hàng có thể sử dụng thông tin này để đánh giá khả năng thanh toán của khách hàng vay vốn và quản lý rủi ro tín dụng.

1.2. Giới Thiệu về Tập Đoàn Thép Tiến Lên Cổ Phiếu TLH

Công ty Cổ phần Tập đoàn Thép Tiến Lên (TLH) là một trong những doanh nghiệp hàng đầu trong ngành thép Việt Nam. Phân tích tài chính về TLH rất cần thiết để đánh giá khả năng sinh lời và khả năng thanh toán của công ty, từ đó dự báo nguy cơ phá sản và đưa ra quyết định đầu tư phù hợp. Việc ứng dụng mô hình Z-Score vào TLH mang tính thực tiễn cao.

II. Mô Hình Z Score Là Gì Cách Xác Định Rủi Ro Phá Sản

Mô hình Z-Score, đặc biệt là mô hình Altman Z-Score, là một công cụ phân tích tài chính sử dụng các chỉ số tài chính để dự báo khả năng phá sản của doanh nghiệp. Mô hình này dựa trên phân tích đa biến, kết hợp nhiều chỉ số tài chính quan trọng như khả năng thanh toán, hiệu quả hoạt động, đòn bẩy tài chính, và khả năng sinh lời. Mô hình Z-Score cung cấp một điểm số, gọi là điểm Z, cho biết mức độ rủi ro phá sản của doanh nghiệp. Điểm Z càng thấp, nguy cơ phá sản càng cao. Việc phân tích Z-Score giúp các nhà quản lý đưa ra quyết định kịp thời để cải thiện tình hình tài chính doanh nghiệp và tránh khỏi nguy cơ phá sản. Altman (1968) ban đầu phát triển mô hình này để dự đoán phá sản cho các công ty sản xuất.

2.1. Phân Tích Tài Chính Các Chỉ Số Quan Trọng trong Z Score

Các chỉ số tài chính quan trọng trong mô hình Z-Score bao gồm: Vốn lưu động trên tổng tài sản, Lợi nhuận giữ lại trên tổng tài sản, Lợi nhuận trước thuế và lãi vay trên tổng tài sản, Giá trị thị trường của vốn chủ sở hữu trên tổng nợ phải trả và Doanh thu trên tổng tài sản. Mỗi chỉ số này đóng vai trò quan trọng trong việc đánh giá khả năng thanh toán, hiệu quả hoạt động, đòn bẩy tài chính, và khả năng sinh lời của doanh nghiệp. Việc phân tích kỹ lưỡng các chỉ số này giúp đưa ra dự báo chính xác hơn về nguy cơ phá sản.

2.2. Các Phiên Bản Mô Hình Z Score Altman Wilcox Springate Fulmer

Ngoài mô hình Altman Z-Score gốc, còn có nhiều phiên bản mô hình Z-Score khác nhau, được phát triển bởi các nhà nghiên cứu như Wilcox, Springate, và Fulmer. Các phiên bản này có thể sử dụng các chỉ số tài chính khác nhau hoặc có trọng số khác nhau để phù hợp với các loại hình doanh nghiệp và thị trường khác nhau. Việc lựa chọn phiên bản mô hình Z-Score phù hợp là rất quan trọng để đảm bảo tính chính xác của dự báo.

III. Phương Pháp Ứng Dụng Mô Hình Z Score Cho Thép Tiến Lên

Để ứng dụng mô hình Z-Score cho Công ty Cổ phần Tập Đoàn Thép Tiến Lên (TLH), cần thu thập dữ liệu báo cáo tài chính của công ty trong một giai đoạn nhất định (ví dụ: 5 năm). Sau đó, tính toán các chỉ số tài chính cần thiết cho mô hình Z-Score (tùy thuộc vào phiên bản mô hình được sử dụng). Tiếp theo, thay các chỉ số tài chính này vào công thức Z-Score để tính điểm Z. Cuối cùng, so sánh điểm Z với ngưỡng quy định để đánh giá mức độ rủi ro phá sản của TLH. Việc phân tích xu hướng của điểm Z qua các năm cũng cung cấp thông tin hữu ích về sự thay đổi trong tình hình tài chính của công ty. Theo tài liệu nghiên cứu, các chỉ số về vốn và nợ đóng vai trò quan trọng trong việc đánh giá khả năng hoạt động của doanh nghiệp

3.1. Thu Thập Dữ Liệu Báo Cáo Tài Chính Của TLH

Việc thu thập dữ liệu báo cáo tài chính chính xác và đầy đủ là bước quan trọng đầu tiên. Dữ liệu này bao gồm bảng cân đối kế toán, báo cáo kết quả hoạt động kinh doanh, và báo cáo lưu chuyển tiền tệ. Cần đảm bảo rằng dữ liệu được thu thập từ các nguồn tin cậy và được kiểm toán bởi các tổ chức uy tín.

3.2. Tính Toán Chỉ Số Tài Chính Bước Quan Trọng trong Phân Tích

Sau khi thu thập dữ liệu, cần tính toán các chỉ số tài chính cần thiết cho mô hình Z-Score. Việc tính toán chính xác các chỉ số này là rất quan trọng để đảm bảo tính chính xác của dự báo. Cần sử dụng các công thức tài chính phù hợp và đảm bảo rằng tất cả các chỉ số được tính toán theo cùng một phương pháp.

3.3. Đánh Giá Rủi Ro So Sánh Điểm Z Với Ngưỡng Phá Sản

Sau khi tính được điểm Z, cần so sánh điểm này với ngưỡng quy định để đánh giá mức độ rủi ro phá sản của TLH. Các ngưỡng này có thể khác nhau tùy thuộc vào phiên bản mô hình Z-Score và thị trường. Điểm Z dưới ngưỡng cảnh báo cho thấy công ty đang đối mặt với nguy cơ phá sản. Do đó cần hành động nhanh chóng.

IV. Kết Quả Nghiên Cứu Phân Tích Z Score Của Thép Tiến Lên

Sau khi thực hiện phân tích Z-Score cho Công ty Cổ phần Tập Đoàn Thép Tiến Lên (TLH) dựa trên dữ liệu báo cáo tài chính từ năm 2017 đến 2021, kết quả cho thấy xu hướng biến động của điểm Z. Điểm Z của TLH giảm mạnh trong giai đoạn 2017-2019, cho thấy sự gia tăng nguy cơ phá sản. Tuy nhiên, điểm Z đã tăng trở lại trong giai đoạn 2019-2021, cho thấy sự cải thiện trong tình hình tài chính của công ty. Việc phân tích sâu hơn về các chỉ số tài chính thành phần giúp xác định các yếu tố chính ảnh hưởng đến điểm Z và nguy cơ phá sản của TLH như đã phân tích ở trên.

4.1. Giai Đoạn 2017 2019 Z Score Giảm Mạnh Điều Gì Đã Xảy Ra

Sự giảm mạnh của điểm Z trong giai đoạn 2017-2019 có thể do nhiều yếu tố, bao gồm sự suy giảm trong khả năng sinh lời, sự gia tăng đòn bẩy tài chính, và sự suy giảm trong hiệu quả hoạt động. Cần phân tích kỹ lưỡng các yếu tố này để xác định nguyên nhân chính và đề xuất các giải pháp khắc phục.

4.2. Giai Đoạn 2019 2021 Z Score Tăng Trưởng Tín Hiệu Tích Cực

Sự tăng trưởng của điểm Z trong giai đoạn 2019-2021 có thể là do sự cải thiện trong khả năng sinh lời, sự giảm đòn bẩy tài chính, và sự cải thiện trong hiệu quả hoạt động. Tuy nhiên, cần thận trọng và phân tích kỹ lưỡng để đảm bảo rằng sự tăng trưởng này là bền vững và không chỉ là kết quả của các yếu tố tạm thời. Điều này phù hợp với nghiên cứu của tác giả Diep Thanh Tung, Vo Thi Hoang Phung (2019) khi chỉ ra các yếu tố tài chính có ảnh hưởng đến nguy cơ phá sản.

V. Kết Luận Mô Hình Z Score và Dự Báo Tương Lai cho TLH

Kết quả phân tích Z-Score cho Công ty Cổ phần Tập Đoàn Thép Tiến Lên (TLH) cung cấp thông tin quan trọng cho các nhà quản lý, nhà đầu tư, và ngân hàng. Mặc dù điểm Z đã cải thiện trong giai đoạn gần đây, TLH vẫn cần tiếp tục cải thiện tình hình tài chính để giảm thiểu nguy cơ phá sản. Mô hình Z-Score là một công cụ hữu ích để dự báo tình hình tài chính của doanh nghiệp, nhưng cần được sử dụng kết hợp với các công cụ phân tích khác và kinh nghiệm thực tế để đưa ra quyết định chính xác. Việc ứng dụng mô hình Z-Score một cách thường xuyên và liên tục có thể giúp doanh nghiệp chủ động đối phó với các thách thức và cơ hội trong tương lai.

5.1. Khuyến Nghị Cho Thép Tiến Lên Giải Pháp Ổn Định Tài Chính

Để ổn định tình hình tài chính, Thép Tiến Lên cần tập trung vào việc cải thiện khả năng sinh lời, giảm đòn bẩy tài chính, và nâng cao hiệu quả hoạt động. Các biện pháp cụ thể có thể bao gồm tăng doanh thu, giảm chi phí, quản lý nợ hiệu quả, và đầu tư vào các dự án có khả năng sinh lời cao.

5.2. Hướng Nghiên Cứu Tiếp Theo Kết Hợp Z Score và Các Mô Hình Dự Đoán

Để nâng cao tính chính xác của dự báo, các nghiên cứu tiếp theo có thể kết hợp mô hình Z-Score với các mô hình dự đoán khác, chẳng hạn như mô hình mạng thần kinh hoặc mô hình hồi quy. Đồng thời, cần xem xét các yếu tố phi tài chính có thể ảnh hưởng đến nguy cơ phá sản, chẳng hạn như chất lượng quản lý, môi trường kinh doanh, và rủi ro ngành.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Ngành thép đóng vai trò là ngành công nghiệp nền tảng, phản ánh trực tiếp sức khỏe của hoạt động xây dựng và phát triển cơ sở hạ tầng. Trong giai đoạn 2017 – 2021, thị trường thép Việt Nam ghi nhận sự phát triển mạnh mẽ về quy mô sản xuất và xuất khẩu, song cũng đối mặt với nhiều áp lực từ cạnh tranh thương mại, xu hướng chuyển đổi sản phẩm "xanh" theo tiêu chuẩn quốc tế và sự gián đoạn chuỗi cung ứng do đại dịch Covid-19. Bước sang quý I/2022, sự biến động của giá thép toàn cầu cùng áp lực chi phí nguyên liệu đầu vào đã khiến biên lợi nhuận của các doanh nghiệp trong ngành có dấu hiệu thu hẹp rõ rệt.

Tại Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) – đơn vị thực tập của tác giả tại Trung tâm SME Thành Đô, Công ty Cổ phần Tập đoàn Thép Tiến Lên (mã cổ phiếu: TLH) là một trong những đối tác khách hàng doanh nghiệp lớn. Số liệu tài chính hai tháng đầu năm 2022 cho thấy dù doanh thu của TLH tăng trưởng nhưng lợi nhuận lại suy giảm mạnh do tốc độ tăng của giá vốn hàng bán vượt quá tốc độ tăng của doanh thu. Tình hình kinh doanh trái chiều này đặt ra yêu cầu cấp thiết đối với các nhà đầu tư và phía ngân hàng trong việc thẩm định sức khỏe tài chính và dự báo rủi ro kiệt quệ tài chính hoặc phá sản trước khi đưa ra quyết định cấp tín dụng hay đầu tư.

Mục tiêu nghiên cứu của khóa luận gồm hai nhiệm vụ cụ thể:

1. Khái quát hóa cơ sở lý thuyết về các dạng mô hình Z-Score trong dự báo nguy cơ phá sản và kiệt quệ tài chính của doanh nghiệp.
2. Đánh giá tổng quan thực trạng ngành thép và phân tích trường hợp cụ thể tại Công ty Cổ phần Tập đoàn Thép Tiến Lên, từ đó đưa ra kết luận về mức độ rủi ro tài chính của doanh nghiệp.

Câu hỏi nghiên cứu trọng tâm: Dựa trên mô hình Z-Score, Công ty Cổ phần Tập đoàn Thép Tiến Lên liệu có đang đối mặt với nguy cơ phá sản hoặc kiệt quệ tài chính hay không?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Ứng dụng mô hình Z-Score trong việc nhận diện và dự báo nguy cơ kiệt quệ tài chính, phá sản doanh nghiệp.
• Phạm vi không gian: Khóa luận tập trung nghiên cứu điển cứu (case study) duy nhất trường hợp Công ty Cổ phần Tập đoàn Thép Tiến Lên (TLH), gắn liền với hoạt động thẩm định tín dụng tại Trung tâm SME Thành Đô thuộc Ngân hàng TMCP Việt Nam Thịnh Vượng.
• Phạm vi thời gian: Khai thác dữ liệu tài chính của doanh nghiệp trong giai đoạn 5 năm từ năm 2017 đến năm 2021.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Khóa luận xây dựng trên nền tảng kỹ thuật Phân tích đa biệt thức (Multiple Discriminant Analysis - MDA) do Giáo sư Edward I. Altman (Đại học New York) công bố năm 1968. Kỹ thuật này cho phép kết hợp đồng thời nhiều chỉ số tài chính có trọng số thành một điểm số tổng hợp duy nhất ($Z$) để phân loại doanh nghiệp vào các nhóm rủi ro khác nhau.

Văn bản hệ thống hóa bốn dạng mô hình chính trong hệ thống Z-Score của Altman:

1. Mô hình Z-Score gốc (1968) áp dụng cho doanh nghiệp sản xuất đã niêm yết: $$Z = 1{,}2X_1 + 1{,}4X_2 + 3{,}3X_3 + 0{,}6X_4 + 0{,}999X_5$$ (hoặc hệ số $1{,}0X_5$ ở dạng chuẩn hóa tỷ lệ). Ngưỡng phân loại: $Z > 2{,}99$ (vùng an toàn); $1{,}81 \le Z \le 2{,}99$ (vùng cảnh báo); $Z < 1{,}81$ (vùng nguy hiểm).
2. Mô hình Z'-Score áp dụng cho doanh nghiệp sản xuất chưa niêm yết: $$Z' = 0{,}717X_1 + 0{,}847X_2 + 3{,}107X_3 + 0{,}420X_4 + 0{,}998X_5$$ (trong đó $X_4$ được đo bằng giá trị sổ sách của vốn chủ sở hữu trên tổng nợ). Ngưỡng phân loại: $Z' > 2{,}9$ (an toàn); $1{,}23 \le Z' \le 2{,}9$ (cảnh báo); $Z' < 1{,}23$ (nguy hiểm).
3. Mô hình Z''-Score (1995) áp dụng cho doanh nghiệp thuộc thị trường mới nổi và không phân biệt ngành sản xuất - thương mại dịch vụ (loại bỏ biến $X_5$ - Doanh thu/Tổng tài sản do tính chất khác biệt lớn về vòng quay tài sản giữa các ngành): $$Z'' = 6{,}56X_1 + 3{,}26X_2 + 6{,}72X_3 + 1{,}05X_4$$ Ngưỡng phân loại: $Z'' > 2{,}6$ (an toàn); $1{,}1 \le Z'' \le 2{,}6$ (cảnh báo); $Z'' < 1{,}1$ (nguy hiểm).
4. Mô hình Z''-Score điều chỉnh (2006) của Altman và Hotchkiss kết hợp xếp hạng chất lượng trái phiếu (Emerging Market Scoring - EMS): $$Z'' = 3{,}25 + 6{,}56X_1 + 3{,}26X_2 + 6{,}72X_3 + 1{,}05X_4$$ Ngưỡng phân loại: $Z'' > 5{,}85$ (an toàn); $4{,}35 \le Z'' \le 5{,}85$ (cảnh báo); $Z'' < 4{,}35$ (nguy hiểm).

Ý nghĩa các biến độc lập:

• $X_1 = \text{Vốn lưu động} / \text{Tổng tài sản}$ (Working Capital / Total Assets): Đo lường thanh khoản ròng.
• $X_2 = \text{Lợi nhuận giữ lại} / \text{Tổng tài sản}$ (Retained Earnings / Total Assets): Phản ánh khả năng tự tài trợ tích lũy theo thời gian và đòn bẩy tài chính.
• $X_3 = \text{Lợi nhuận trước thuế và lãi vay (EBIT)} / \text{Tổng tài sản}$ (EBIT / Total Assets): Thước đo năng suất sinh lời thực tế của tài sản.
• $X_4 = \text{Giá trị thị trường vốn chủ sở hữu} / \text{Giá trị sổ sách tổng nợ}$ (Market Value of Equity / Book Value of Total Liabilities): Đo lường biên độ an toàn của tài sản trước khi nợ vượt quá tài sản.
• $X_5 = \text{Doanh thu} / \text{Tổng tài sản}$ (Sales / Total Assets): Hiệu suất tạo doanh thu của tài sản.

Phương pháp nghiên cứu và kiểm định

Khóa luận kết hợp song song phương pháp định tính và định lượng:

• Phương pháp định tính: Khái quát cơ sở lý thuyết, phân tích tổng hợp các nghiên cứu tiền nghiệm trong nước và quốc tế, so sánh ưu nhược điểm của mô hình Z-Score với các mô hình khác (Mạng thần kinh nhân tạo, Hồi quy Logistic, Cây quyết định).
• Phương pháp định lượng: Sử dụng phần mềm Microsoft Excel 2019 để tính toán các biến tài chính, phân tích biến động chỉ số theo phương pháp so sánh tuyệt đối, so sánh tương đối và liên hệ cân đối.
• Quy trình kiểm định mô hình: Để xác nhận tính phù hợp của mô hình Z''-Score tại thị trường Việt Nam trước khi áp dụng cho TLH, tác giả tiến hành kiểm định sai lầm loại I (doanh nghiệp có nguy cơ nhưng mô hình kết luận không có nguy cơ) và sai lầm loại II (doanh nghiệp bình thường nhưng mô hình kết luận có nguy cơ) trên mẫu 40 doanh nghiệp niêm yết trên HOSE và HNX.

Nguồn dữ liệu

• Báo cáo tài chính hợp nhất đã kiểm toán của CTCP Tập đoàn Thép Tiến Lên từ năm 2017 đến năm 2021 do Công ty TNHH Hãng Kiểm toán AASC thực hiện, có chữ ký xác nhận của Kế toán trưởng Ngô Thị Hồng Vân và đại diện ban lãnh đạo.
• Dữ liệu tài chính kiểm định của 40 doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam giai đoạn 2015 – 2021.
• Báo cáo và số liệu thống kê ngành từ Hiệp hội Thép Thế giới (World Steel Association - WSA), Hiệp hội Thép Việt Nam (VSA) và Trading Economics.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về vấn đề nghiên cứu

Chương 1 trình bày tính cấp thiết của đề tài xuất phát từ hoạt động thực tế tại VPBank Trung tâm SME Thành Đô khi thẩm định khách hàng lớn là CTCP Tập đoàn Thép Tiến Lên trong bối cảnh ngành thép biến động năm 2022. Tác giả tiến hành lược khảo các nghiên cứu quốc tế tiêu biểu như Bosiljka Srebro và cộng sự (2021) tại Serbia; Siew Bee Thai và cộng sự (2014) tại Malaysia với độ chính xác đạt 76,7%; Satish Kumar và Anirudha Ghosh (2013) tại Ấn Độ; Altman và cộng sự (2013) tại Ý với tỷ lệ phân loại chính xác 95,5% cho các công ty thuộc nhóm xếp hạng tín nhiệm D trước 1 năm phá sản.

Tại Việt Nam, các nghiên cứu của Diệp Thanh Tùng và Võ Thị Hoàng Phụng (2019), Hoàng Thị Hồng Vân (2020), Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012) đều chỉ ra tính hiệu quả của mô hình Z-Score với độ chính xác dự báo trước 1 năm từ 76,67% đến 91%. Tác giả chỉ rõ khoảng trống nghiên cứu: các nghiên cứu trước đây chủ yếu thực hiện trên tập mẫu lớn mang tính đại diện toàn thị trường hoặc đa ngành mà chưa đi sâu đánh giá chi tiết từng biến số $X_i$ cho một trường hợp điển hình cụ thể. Từ đó, khóa luận xác định mục tiêu áp dụng mô hình cho một doanh nghiệp duy nhất là TLH nhằm cung cấp căn cứ ra quyết định thực tế cho ngân hàng và nhà đầu tư.

Chương 2: Cơ sở lý thuyết về mô hình Z-Score trong xác định nguy cơ phá sản/kiệt quệ tài chính

Chương này đi sâu vào bản chất toán học và thống kê của phương pháp phân tích đa biệt thức (MDA), lịch sử phát triển mô hình năm 1968 từ tập mẫu 66 doanh nghiệp của Edward I. Altman (chọn lọc từ 22 chỉ số ban đầu xuống còn 5 biến số tối ưu). Tác giả trình bày chi tiết công thức, ý nghĩa kinh tế và ngưỡng phân loại của 4 phiên bản mô hình ($Z$, $Z'$, $Z''$ và $Z''$ điều chỉnh).

Chương 2 cũng phân tích toàn diện ưu điểm (đơn giản, độ chính xác cao, ít biến) và nhược điểm của mô hình Z-Score (nhạy cảm với chất lượng số liệu báo cáo tài chính, không theo dõi dòng tiền trực tiếp, kết quả phụ thuộc đặc thù đòn bẩy từng ngành). Đồng thời, tác giả tổng hợp nghiên cứu so sánh của David L. Olson, Dursun Delen, Yanyan Meng (2011) về tỷ lệ phân loại đúng giữa các phương pháp:

Phương pháp phân tích	Tỷ lệ phân loại đúng
Mạng thần kinh nhân tạo (Artificial Neural Networks)	81,3%
Hồi quy Logistic (Logistic Regression)	79,8%
Cây quyết định (Decision Trees)	91,4%

(So sánh cho thấy mô hình Cây quyết định đạt 91,4% nhưng đòi hỏi cấu trúc phức tạp với 15 biến độc lập, 52 nhánh và 103 lá, trong khi mô hình Z-Score của Altman đạt độ chính xác lên đến 95% chỉ với 4 đến 5 biến số).

Chương 3: Cơ sở dữ liệu và phương pháp nghiên cứu

Chương 3 luận giải lý do lựa chọn mô hình $Z''$-Score cho đối tượng nghiên cứu: Việt Nam là thị trường mới nổi và TLH hoạt động hỗn hợp cả trong mảng sản xuất lẫn thương mại sắt thép, việc loại bỏ biến $X_5$ giúp loại trừ sai lệch về vòng quay doanh thu.

Để kiểm định độ tin cậy của mô hình $Z''$-Score tại Việt Nam, tác giả xây dựng mẫu kiểm định gồm 40 doanh nghiệp niêm yết:

• Nhóm 1 (20 doanh nghiệp kiệt quệ tài chính/phá sản giai đoạn 2015 – 2021): Bao gồm các mã SSM, HNG, PIT, VHG, HVN, RIC, PXI, CLG, PXT, PXA, OCH, OGC, BHT, L44, SD7, PPE, HPM, BHS, KSS, NHS.
• Nhóm 2 (20 doanh nghiệp hoạt động ổn định giai đoạn 2016 – 2021): Bao gồm các mã KDH, HPG, KBC, FPT, VCG, DXG, DPM, GAS, SCR, GVR, GEX, PDR, SAB, KSB, NLG, VSC, DGC, DHG, TNG, IMP.

Kết quả kiểm định thực nghiệm tỷ lệ chính xác của mô hình $Z''$-Score:

• Tại thời điểm 1 năm trước khi xảy ra sự kiện ($t-1$): Nhóm 1 đạt tỷ lệ chính xác 95% (sai lầm loại I là 5%); Nhóm 2 đạt tỷ lệ chính xác 90% (sai lầm loại II là 10%). Tổng hợp chung cả 2 nhóm đạt độ chính xác 92,5% (37/40 doanh nghiệp phân loại đúng).
• Độ chính xác khi kéo dài khoảng cách thời gian dự báo:
  • Trước 2 năm ($t-2$): Nhóm 1 đạt 90%, Nhóm 2 đạt 90% (Tổng thể 36/40, đạt 90%).
  • Trước 3 năm ($t-3$): Nhóm 1 đạt 75%, Nhóm 2 đạt 90% (Tổng thể 33/40, đạt 82,5%).
  • Trước 4 năm ($t-4$): Nhóm 1 đạt 75%, Nhóm 2 đạt 85% (Tổng thể 32/40, đạt 80%).
  • Trước 5 năm ($t-5$): Nhóm 1 đạt 60%, Nhóm 2 đạt 90% (Tổng thể 30/40, đạt 75%).

Kết quả này khẳng định mô hình $Z''$-Score có độ tin cậy rất cao khi dự báo trong khung thời gian 1 đến 2 năm tại thị trường Việt Nam.

Chương 4: Thực trạng ngành thép Việt Nam và Công ty Cổ phần Tập đoàn Thép Tiến Lên – Kết quả nghiên cứu

Nội dung chương 4 cung cấp bức tranh toàn cảnh về thị trường thép:

• Ngành thép thế giới: Tình trạng dư cung kéo dài từ 2010 – 2017 và tiếp diễn đến năm 2021 khi sản lượng thép toàn cầu đạt 1,95 tỷ tấn nhưng nhu cầu chỉ đạt 1,86 tỷ tấn (dư thừa gần 100 triệu tấn). Công suất vận hành nhà máy trung bình đạt 70 – 80%. Trung Quốc chiếm trên 50% sản lượng thép thô thế giới (tăng từ 12,9% năm 2005 lên 52,95% năm 2021), tuy nhiên đang thực hiện chính sách cắt giảm sản lượng phục vụ chiến dịch "xanh" cho Olympic Mùa đông 2022 và kế hoạch 5 năm 2021 – 2025. Mỹ trở thành nước nhập khẩu thép ròng lớn nhất thế giới (13,6 triệu tấn năm 2020) và duy trì thuế bảo hộ 25%. Cuộc chiến Nga – Ukraine tác động mạnh do hai nước chiếm 1/3 lượng thép nhập khẩu của EU (Nga sản xuất 76 triệu tấn năm 2021 - đứng thứ 5 thế giới; Ukraine sản xuất 21,4 triệu tấn - đứng thứ 14 thế giới), đồng thời giá năng lượng tăng gấp 10 lần khiến các nhà máy luyện thép bằng lò hồ quang điện tại châu Âu phải cắt giảm công suất.
• Ngành thép Việt Nam: Tăng trưởng bình quân CAGR trên 10% từ năm 2000, đứng thứ 12 thế giới về sản xuất thép thô năm 2021 (đạt 23 triệu tấn, tăng 16%; thép thành phẩm đạt 33 triệu tấn, tăng 19%; bán hàng đạt 29 triệu tấn, tăng 16%; xuất khẩu tới 30 quốc gia). Thị trường xây dựng chiếm trên 60% nhu cầu tiêu thụ thép. Sự tham gia của Formosa Hà Tĩnh (2017) và Tập đoàn Hòa Phát giúp Việt Nam tự chủ sản xuất thép cuộn cán nóng (HRC) và chuyển thành nước xuất ròng thép năm 2021.
• Phân tích kết quả tại TLH: Tính toán các biến độc lập $X_1, X_2, X_3, X_4$ và chỉ số $Z''$-Score của TLH giai đoạn 2017 – 2021 cho thấy hai giai đoạn biến động rõ nét: giai đoạn 2017 – 2019 điểm $Z''$ giảm mạnh do áp lực chi phí và thị trường chững lại; giai đoạn 2019 – 2021 điểm $Z''$ tăng bật trở lại nhờ sự phục hồi chung của ngành thép và kết quả kinh doanh tích cực trong năm 2021.

Chương 5: Kết luận và khuyến nghị

Chương 5 đúc kết các kết luận nghiên cứu và xây dựng hệ thống giải pháp:

• Đề xuất nhóm khuyến nghị quản trị tài chính cho các doanh nghiệp nói chung trong việc kiểm soát vốn lưu động và đòn bẩy.
• Đề xuất khuyến nghị cụ thể cho CTCP Tập đoàn Thép Tiến Lên về chiến lược quản trị hàng tồn kho, cân đối chi phí vốn và kiểm soát giá vốn hàng bán trong các chu kỳ biến động giá thép.
• Đề xuất đối với Ngân hàng TMCP Việt Nam Thịnh Vượng (VPBank) trong việc áp dụng mô hình $Z''$-Score như một công cụ sàng lọc định lượng hỗ trợ quy trình xếp hạng tín dụng nội bộ và kiểm soát rủi ro cho vay đối với doanh nghiệp ngành thép.

---

Kết quả và đóng góp

Kết quả nghiên cứu chính

Khóa luận đã định lượng hóa và kiểm chứng thành công tính ứng dụng của mô hình $Z''$-Score tại Việt Nam thông qua hệ thống dữ liệu thực nghiệm:

Chỉ tiêu kiểm định mô hình Z''-Score	Nhóm 1 (Kiệt quệ / Phá sản)	Nhóm 2 (Hoạt động ổn định)	Tổng hợp mẫu (40 doanh nghiệp)
Số lượng quan sát	20 DN	20 DN	40 DN
Độ chính xác trước 1 năm ($t-1$)	95,0% (19/20)	90,0% (18/20)	92,5% (37/40)
Tỷ lệ sai lầm trước 1 năm ($t-1$)	Loại I: 5,0%	Loại II: 10,0%	Sai lệch chung: 7,5%
Độ chính xác trước 2 năm ($t-2$)	90,0% (18/20)	90,0% (18/20)	90,0% (36/40)
Độ chính xác trước 3 năm ($t-3$)	75,0% (15/20)	90,0% (18/20)	82,5% (33/40)
Độ chính xác trước 4 năm ($t-4$)	75,0% (15/20)	85,0% (17/20)	80,0% (32/40)
Độ chính xác trước 5 năm ($t-5$)	60,0% (12/20)	90,0% (18/20)	75,0% (30/40)

Đối với CTCP Tập đoàn Thép Tiến Lên (TLH), kết quả nghiên cứu chỉ ra rằng mặc dù doanh nghiệp có sự cải thiện điểm số $Z''$ rõ rệt trong giai đoạn 2019 – 2021, tuy nhiên sự sụt giảm lợi nhuận trong các tháng đầu năm 2022 do giá vốn hàng bán tăng cao đòi hỏi công ty phải duy trì sự thận trọng trong cấu trúc vốn và quản trị thanh khoản.

Đóng góp của đề tài

1. Khắc phục khoảng trống nghiên cứu: Thay vì chỉ dừng lại ở việc tính toán điểm số tổng quát trên tập mẫu lớn mà không phân tích sâu nguyên nhân cấu thành, nghiên cứu đã phân tích chi tiết biến động của từng biến tài chính ($X_1$ đến $X_4$) gắn liền với chu kỳ sản xuất kinh doanh của một doanh nghiệp thép cụ thể (TLH).
2. Cung cấp bằng chứng thực nghiệm: Cung cấp bộ dữ liệu kiểm định độ chính xác của mô hình $Z''$-Score trên 40 doanh nghiệp niêm yết tại HOSE/HNX giai đoạn 2015 – 2021, chứng minh mô hình đạt độ chính xác 92,5% trước 1 năm và phù hợp với điều kiện thị trường mới nổi tại Việt Nam.
3. Ý nghĩa ứng dụng thực tiễn: Cung cấp công cụ cảnh báo sớm rủi ro hỗ trợ cán bộ tín dụng tại VPBank Trung tâm SME Thành Đô và các nhà đầu tư trong việc ra quyết định tài chính.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

• Phạm vi đối tượng: Nghiên cứu phân tích chuyên sâu trên một trường hợp duy nhất là CTCP Tập đoàn Thép Tiến Lên (TLH), do đó kết quả đánh giá riêng lẻ không mang tính đại diện cho toàn bộ các doanh nghiệp trong ngành thép Việt Nam.
• Tính chất dữ liệu: Dữ liệu tính toán phụ thuộc hoàn toàn vào số liệu kế toán lịch sử trên Báo cáo tài chính đã kiểm toán giai đoạn 2017 – 2021; mô hình chưa trực tiếp phản ánh dòng tiền lưu chuyển thuần từ hoạt động kinh doanh cũng như các cú sốc vĩ mô bất thường diễn ra nhanh chóng.

Hướng nghiên cứu tiếp theo

• Mở rộng phạm vi nghiên cứu áp dụng mô hình $Z''$-Score cho toàn bộ các doanh nghiệp ngành thép đang niêm yết trên thị trường chứng khoán Việt Nam để xây dựng bộ chỉ số benchmark ngành.
• Kết hợp mô hình $Z''$-Score với các mô hình phát hiện gian lận báo cáo tài chính (như M-Score của Beneish, F-Score của Dechow) hoặc tích hợp thêm các biến phi tài chính thông qua mô hình Cây quyết định/Mạng thần kinh nhân tạo nhằm nâng cao độ chính xác dự báo dài hạn (trên 3 năm).

---

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo cụ thể cho các đối tượng sau:

• Sinh viên và học viên chuyên ngành Tài chính - Ngân hàng, Kế toán - Kiểm toán: Tham khảo phương pháp luận ứng dụng kỹ thuật phân tích đa biệt thức (MDA), quy trình kiểm định sai lầm loại I và loại II trên mẫu doanh nghiệp thực tế tại Việt Nam (Chương 2 và Chương 3).
• Chuyên viên phân tích tín dụng và quản trị rủi ro tại các tổ chức tín dụng: Khai thác quy trình ứng dụng mô hình $Z''$-Score và hệ thống ánh xạ điểm số EMS sang xếp hạng tín nhiệm theo chuẩn S&P (Bảng 7) để thiết lập công cụ sàng lọc khách hàng vay vốn doanh nghiệp.
• Nhà đầu tư chứng khoán: Tham khảo phương pháp bóc tách các chỉ số cấu thành $X_1, X_2, X_3, X_4$ để đánh giá sức khỏe tài chính và nhận diện sớm rủi ro suy giảm khả năng thanh toán của các doanh nghiệp niêm yết.

---

Câu hỏi thường gặp

1. Tại sao tác giả lựa chọn mô hình Z''-Score thay vì mô hình Z-Score gốc của Altman để phân tích CTCP Tập đoàn Thép Tiến Lên?

Tác giả lựa chọn mô hình $Z''$-Score dựa trên hai lý do: Thứ nhất, mô hình $Z''$-Score được Altman thiết kế tối ưu cho các thị trường mới nổi như Việt Nam. Thứ hai, mô hình $Z''$-Score đã loại bỏ biến $X_5$ (Doanh thu / Tổng tài sản), giúp loại trừ sự sai lệch về tỷ suất vòng quay tài sản giữa các loại hình doanh nghiệp, phù hợp với mô hình hoạt động hỗn hợp gồm cả sản xuất và thương mại vật liệu xây dựng của TLH.

2. Tỷ lệ chính xác thực nghiệm của mô hình Z''-Score trên mẫu 40 doanh nghiệp niêm yết tại Việt Nam đạt kết quả như thế nào?

Theo kết quả kiểm định của tác giả tại Chương 3, tại thời điểm 1 năm trước khi sự kiện xảy ra ($t-1$), mô hình $Z''$-Score đạt tỷ lệ phân loại đúng 95% đối với nhóm 20 doanh nghiệp kiệt quệ tài chính/phá sản (sai lầm loại I là 5%) và đạt 90% đối với nhóm 20 doanh nghiệp hoạt động ổn định (sai lầm loại II là 10%). Tỷ lệ chính xác tổng thể chung trên toàn bộ 40 doanh nghiệp đạt 92,5%.

3. Vị thế và năng lực sản xuất của ngành thép Việt Nam được ghi nhận trong văn bản ở mức nào?

Theo số liệu công bố của WSA và VSA được trích dẫn trong khóa luận, năm 2021 Việt Nam đứng thứ 12 trên thế giới về sản xuất thép thô (đạt 23 triệu tấn, tăng 16%) và là quốc gia Đông Nam Á duy nhất lọt vào top 20 toàn cầu. Sản lượng thép thành phẩm đạt 33 triệu tấn (tăng 19%), bán hàng đạt 29 triệu tấn (tăng 16%) và xuất khẩu tới 30 quốc gia trên thế giới.

4. Những yếu tố quốc tế nào tác động mạnh nhất đến nguồn cung và giá thép giai đoạn 2021 – 2022 theo phân tích của khóa luận?

Văn bản nêu rõ ba nhân tố chính:

1. Chính sách cắt giảm sản lượng của Trung Quốc: Nhằm phục vụ chiến dịch bảo vệ môi trường cho Olympic Mùa đông 2022 và Kế hoạch 5 năm 2021 – 2025.
2. Chính sách thuế bảo hộ của Mỹ: Duy trì mức thuế nhập khẩu 25% đối với các sản phẩm thép.
3. Cuộc chiến Nga – Ukraine và khủng hoảng năng lượng tại châu Âu: Nga và Ukraine chiếm khoảng 1/3 lượng thép nhập khẩu của EU; giá điện và khí đốt tại châu Âu tăng gấp 10 lần khiến các nhà máy sử dụng lò hồ quang điện phải đóng cửa hoặc giảm công suất.

5. Công thức và các biến thành phần của mô hình Z''-Score cho thị trường mới nổi được xác định như thế nào?

Phương trình mô hình được xác định theo công thức: $$Z'' = 6{,}56X_1 + 3{,}26X_2 + 6{,}72X_3 + 1{,}05X_4$$ Trong đó:

• $X_1 = \text{Vốn lưu động} / \text{Tổng tài sản}$
• $X_2 = \text{Lợi nhuận giữ lại} / \text{Tổng tài sản}$
• $X_3 = \text{Lợi nhuận trước thuế và lãi vay (EBIT)} / \text{Tổng tài sản}$
• $X_4 = \text{Giá trị thị trường của vốn chủ sở hữu} / \text{Giá trị sổ sách của tổng nợ}$

---

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Cao Kỳ Duyên đã hệ thống hóa cơ sở lý luận về mô hình phân tích đa biệt thức và kiểm định thành công tính ứng dụng của mô hình $Z''$-Score tại thị trường chứng khoán Việt Nam với độ chính xác đạt 92,5% trước 1 năm. Bằng việc phân tích chuyên sâu báo cáo tài chính giai đoạn 2017 – 2021 của CTCP Tập đoàn Thép Tiến Lên (TLH), nghiên cứu đã làm rõ diễn biến sức khỏe tài chính của doanh nghiệp gắn liền với các chu kỳ biến động của ngành thép trong nước và quốc tế. Kết quả nghiên cứu cung cấp cơ sở khoa học và dữ liệu thực chứng hữu ích phục vụ công tác thẩm định tín dụng tại VPBank cũng như việc ra quyết định của các nhà đầu tư trên thị trường.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về vấn đề nghiên cứu. Chương 2: Cơ sở lý thuyết về mô hình Z-Score trong xác định rủi ro. Chương 3: Cơ sở dữ liệu và phương pháp nghiên cứu. Chương 4: Thực trạng ngành thép Việt Nam và CTCP Tập đoàn Thép Tiến Lên – Kết quả nghiên cứu.

Chương 5: Kết luận, khuyến nghị. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ MÔ HÌNH Z-SCORE TRONG XÁC ĐỊNH NGUY CƠ PHÁ SẢN/KIỆT QUỆ TÀI CHÍNH 2. Phương pháp phân tích đa biệt thức – cơ sở của mô hình Z-Score Sau khi cân nhắc kỹ lưỡng bản chất của vấn đề và mục đích phân tích, Altman – cha đẻ của mô hình Z-Score đã chọn phương pháp phân tích đa biệt thức (Multiple discriminant analysis – MDA) làm cơ sở xây dựng mô hình. Mặc dù không được phổ biến như phương pháp phân tích hồi quy (Regression analysis), MDA được sử dụng trong nhiều nghiên cứu khi được áp dụng đầu tiên ở thập kỷ 30 của thế kỷ 20.

Suốt những năm trước, MDA được sử dụng chủ yếu trong sinh vật học và nghiên cứu hành vi. Trong những năm gần đây, kỹ thuật này được sử dụng ngày càng phổ biến trong giới học thuật cũng như trong thực tiễn. Altman và cộng sự (1981) đã thảo luận về phân tích đa biệt thức một cách khá sâu sắc và xem xét một vài ứng dụng của nó vào lĩnh vực tài chính. MDA là một kỹ thuật thống kê dùng để phân loại một tập quan sát vào một trong vài nhóm dựa trên những đặc điểm cá biệt của quan sát.

Sau khi các nhóm được thiết lập, dữ liệu sẽ được thu nhập theo mục đích của từng nhóm; MDA trong hình thức đơn giản nhất là cố gắng xây dựng quan hệ tuyến tính của những đặc điểm mà chúng có thể phân biệt tốt nhất các nhóm với nhau. Nếu một đối tượng cụ thể, như một công ty, có 7 các đặc điểm là chỉ số tài chính có thể định lượng trong phân tích thì phương pháp MDA có thể xác định một bộ hệ số tương quan của biệt thức. Khi những hệ số này được áp dụng vào các chỉ số hiện hữu sẽ tạo cơ sở cho việc phân loại vào một trong những nhóm định tính. Kỹ thuật phân tích đa biệt thức có ưu điểm là xem xét, cân nhắc toàn bộ tập hợp các đặc điểm chung của các công ty tương ứng, cũng như sự tương tác lẫn nhau của các đặc điểm này.

Trong khi đó, một nghiên cứu đơn biến chỉ có thể cân nhắc các công cụ đo lường được sử dụng cho nhóm chỉ định trước tại một thời điểm. Một ưu điểm khác của phân tích đa biệt thức là sự giảm phạm vi của các nhà phân tích, đó là từ một số các biến độc lập khác nhau đến chỉ còn G-1 đại lượng, trong đó G = số nhóm gốc. Nghiên cứu ban đầu của Altman năm 1968 được đề cập với hai nhóm, bao gồm công ty phá sản và công ty không phá sản. Vì vậy, việc phân tích được chuyển đổi thành hình thức đơn giản nhất: một điểm số biệt thức đơn, ở đây là Z-Score được chuyển đổi từ những giá trị của biến cá biệt thành một điểm số duy nhất.

Ưu điểm cuối cùng của MDA trong việc giải quyết vấn đề phân loại công ty là khả năng phân tích toàn bộ biến của một đối tượng một cách đồng thời hơn là kiểm tra tuần tự các đặc điểm cá biệt của đối tượng đó. Giống như các chương trình đường thẳng và tổng thể đã cải thiện kỹ thuật truyền thống trong dự toán ngân sách vốn, xu hướng phân tích đa biệt thức so với các các phương pháp phân tích khác có tiềm năng sửa đổi một cách đúng đắn các bất ổn.