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

Tài liệu nghiên cứu Ứng dụng mô hình z score trong dự báo nguy cơ phá sản đối với công ty cổ phần tập đoàn thép tiến, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• 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.

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. Rõ ràng sự kết hợp của các chỉ số được phân tích với nhau có thể loại bỏ những điểm mập mờ và phân loại sai đã thấy ở những phương pháp phân tích khác, ví dụ như phương pháp phân tích chỉ số truyền thống. Khi sử dụng các chỉ số tài chính để đánh giá khả năng phá sản công ty, có lý do để tin rằng vài chỉ số đo lường nhất định sẽ có quan hệ tương quan hay cộng tuyến cao với các chỉ số khác.

Để cho khía cạnh này không trầm trọng ở phân tích đa biệt thức, bài nghiên cứu phải lựa chọn cẩn thận các biến dự báo. Đó cũng là một ưu điểm về tính linh hoạt của mô hình sử dụng MDA với một lượng tương đối nhỏ các chỉ số đo lường được chọn mà có thể truyền đạt lượng lớn thông tin. Những thông tin này có thể biểu hiện sự 8 khác nhau rất lớn giữa các nhóm khác nhau, nhưng vấn đề là có hay không những khác biệt quan trọng là điều đáng quan tâm hơn của quá trình phân tích. Tổng quan về mô hình Z-Score 2.

Giới thiệu mô hình Mô hình Z-Score (hay còn gọi là mô hình dự báo phá sản) là số điểm tổng hợp tóm tắt các kết quả gia quyền của nhiều chỉ số tài chính, được đặt trong mối quan hệ của giá trị một điểm với giá trị trung bình bộ dữ liệu hay độ lệch chuẩn so với giá trị trung bình. Mô hình Z-Score có thể sử dụng để đo lường sức khoẻ tài chính và dự báo xác suất liệu rằng một doanh nghiệp có thể bị phá sản trong vòng 2 năm tới hay không. Số điểm mô hình đưa ra càng cao trả về kết quả nghiên cứu càng tốt. • Sự khác biệt giữa Z-Score và độ lệch chuẩn: Độ lệch chuẩn về chủ đạo cho biết cấp bậc chuyển hóa trong một tập thông tin nhất quyết.

để tính độ lệch chuẩn , đầu tiên ta tính khác biệt giữa từng điểm thông tin và trị giá bình quân. độ lệch chuẩn tiếp đó được bình phương lên, cộng toàn bộ lại và tính bình quân để làm nên phương sai. độ lệch chuẩn chỉ giản dị là căn bậc hai của phương sai, đưa nó trở lại đơn vị đo lúc đầu. Trái lại, Z-Score là độ lệch chuẩn giữa điểm thông tin đã cho đối chiếu với trị giá bình quân.

để tính Z-Score, chỉ cần trừ trị giá bình quân cho mỗi điểm thông tin và chia thành quả đó cho độ lệch chuẩn. Z score âm thì điểm thông tin đó được gọi là dưới mức trung bình. Trong đại đa số các tập thông tin lớn , 99% các điểm thông tin có trị giá Z score trong vòng từ -3 đến 3, chứng tỏ là chúng nằm trong ba độ lệch chuẩn trên và dưới trị giá bình quân. Lịch sử phát triển Mô hình Z-Score được phát triển bởi giáo sư trường Kinh doanh Stern của Đại học New York - Edward I.

9 Vào năm 1966, Altman lựa chọn mẫu thử là 66 doanh nghiệp, một nửa trong số đó là doanh nghiệp đã phá sản trong 20 năm gần nhất và nửa còn lại được chọn ngẫu nhiên trong số các doanh nghiệp đang hoạt động. Quy mô tài sản doanh nghiệp dao động từ 1 triệu đô đến 26 triệu đô thời điểm bấy giờ. Altman tiến hành tính toán 22 chỉ tiêu tài chính phổ biến cho 66 công ty (đối với các công ty đã phá sản, ông sử dụng báo cáo tài chính 1 năm trước khi phá sản). Mục tiêu của Altman là chọn ra được những biến tài chính tốt nhất trên tổng số 22 có thể dự báo chính xác tình hình hoạt động và khả năng phá sản của một công ty.

Để đạt được mục tiêu của mình, Altman đã sử dụng kỹ thuật thống kê gồm nhiều phân tích đa biệt thức (multiple discriminant analysis - MDA). Cách tiếp cận này cho thấy những đặc điểm mà chỉ tiêu tài chính có thể được sử dụng tốt nhất nhằm phân loại đối tượng: phá sản so với không phá sản, giàu so với nghèo, trẻ so với già, … Ưu điểm của MDA là nhiều đặc điểm có thể kết hợp thành một điểm duy nhất. Điểm thấp có nghĩa là thành viên trong cùng một nhóm, điểm cao có nghĩa là thành viên khác nhóm và điểm trung bình gây ra sự không chắc chắn về nhóm đối tượng nghiên cứu. Cuối cùng, để kiểm tra mô hình, Altman đã tính Z-Score cho các công ty mới phá sản và không phá sản.

Tuy nhiên, đối với những công ty không phá sản, ông đã chọn những công ty đã báo cáo tài chính thâm hụt trong những năm trước đó. Ông muốn khám phá mô hình Z-Score có thể phân biệt tốt như thế nào giữa các công ty ốm yếu và khoẻ mạnh. Altman nhận thấy rằng khoảng 95% các công ty phá sản được phân loại chính xác là phá sản. Và khoảng 80% công ty hoạt động tốt phân loại chính xác là không phá sản.

Trong số các công ty bị phân loại sai nhóm, không có công ty nào phá sản. Altman đã xem xét danh sách 22 chỉ tiêu tài chính và cuối cùng đã chọn ra 5 chỉ tiêu có kết quả tốt nhất khi chúng được áp dụng cùng nhau sau nhiều thử nghiệm. Đến năm 1993, mô hình này đã được sửa đổi thành mô hình Altman sử dụng các biến giống nhau nhân với các yếu tố khác nhau. Mô hình nghiên cứu Cấu trúc chung của mô hình Z-Score: 10 Z = 𝑉1 X1 + 𝑉2 X2 + 𝑉3 X3 + 𝑉4 X4 + 𝑉5 X5 Trong đó: X1: Vốn lưu động/Tổng tài sản.

X2: Lợi nhuận giữ lại/Tổng tài sản. X3: EBIT/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.

𝑉𝑖 : hệ số biệt thức được tính toán qua phương pháp phân tích đa biệt thức MDA. Z: chỉ số tổng hợp. Kết lại, mô hình Z-Score là một phương trình tuyến tính trong đó năm chỉ số được gắn trọng số một cách khách quan và cộng với nhau thành một chỉ số duy nhất mà nó sẽ trở thành nền tảng cho việc phân loại công ty vào nhóm phá sản hay không phá sản. Các biến độc lập trong mô hình nghiên cứu • X1: Vốn lưu động / Tổng tài sản (WC / TA: Working capital / Total assets) Chỉ số vốn lưu động / tổng tài sản, thường thấy trong các nghiên cứu về tài chính doanh nghiệp, là một công cụ đo lường độ thanh khoản ròng của các tài sản tương ứng với tổng vốn.

Tính thanh khoản và đặc điểm về kích thước được xem xét một cách rõ ràng. Thông thường, một công ty trải qua một thời kỳ hoạt động lỗ kéo dài sẽ khiến vốn lưu động bị co lại so với tổng tài sản. Trong ba chỉ số thanh khoản được Altman nghiên cứu, chỉ số này đưa ra kết quả có giá trị nhất. Hai chỉ số thanh khoản khác được kiểm tra là chỉ số thanh toán hiện hành (current ratio) và chỉ số thanh toán nhanh (quick ratio), được chỉ ra là ít hữu dũng hơn khi đưa vào mô hình.