CHƯƠNG I: TỔNG QUAN VỀ PHÂN TÍCH CHỈ SỐ VÀ MÔ HÌNH DỰ BÁO 1. PHÂN TÍCH CHỈ SỐ TRUYỀN THỐNG Sự nhận biết hoạt động của doanh nghiệp và những khó khăn tài chính là một chủ đề có thể đuợc giải quyết cụ thể khi phân tích các chỉ số tài chính. Trước khi phát triển các thước đo định lượng hoạt động của doanh nghiệp, một số tổ chức đã được thiết lập để cung cấp một mô hình định tính các thông tin đánh giá tình trạng tín dụng của các thương gia cụ thể. Chẳng hạn, tiền thân của Hãng Dịch vụ thông tin quốc tế Dun & Bradstreet nổi tiếng ngày nay, được thành lập năm 1849 ở Incinnati, Ohio, chuyên cung cấp các điều tra tín dụng độc lập.
Tập hợp các nghiên cứu chính thức liên quan đến dự báo thất bại doanh nghiệp được thực hiện trong những năm thập niên 1930. Một tác phẩm kinh điển trong lĩnh vực phân tích chỉ số và xếp hạng phá sản được thực hiện bởi Beaver 1967. Các phân tích kỹ thuật đơn biến của mô hình dự báo phá sản này đã thiết lập nền móng cho các nỗ lực sử dụng kỹ thuật đa biến cho các tác giả khác đi theo. Beaver đã tìm ra một số các chỉ báo có thể phân biệt các mẫu bao gồm các công ty phá sản và không phá sản cho thời gian đến năm năm trước khi phá sản.
Mô hình Z-Score đã sử dụng kỹ thuật phân tích đa biến này. Một nghiên cứu tiếp theo của Deakin (1972) đã sử dụng 14 biến như Beaver đã phân tích, nhưng Deakin đã áp dụng những biến này trong một loạt các phân tích đa biệt thức. Những nghiên cứu đề cập trên đã ngầm chỉ ra một khả năng nhất định của các chỉ số như là các công cụ dự báo phá sản. Nhìn chung, những chỉ số đo lường khả năng sinh lợi (profitability), khả năng thanh khoản (liquidity), và khả năng thanh toán (solvency) được thừa nhận như là những chỉ báo quan trọng nhất.
Thứ tự tầm quan trọng của các loại là không rõ ràng do hầu hết mỗi nghiên cứu đều trích dẫn chỉ số khác nhau như là chỉ báo quan trọng nhất để dự báo bất ổn DN. Mặc dù những công trình trên đã thiết lập được khái quát mức độ quan trọng, cách thức thực hiện và xu hướng của những đo lường cụ thể, tuy nhiên, sự áp dụng các 10 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. PHƯƠNG PHÁP PHÂN TÍCH ĐA BIỆT THỨC Sau khi cân nhắc kỹ lưỡng bản chất của vấn đề và mục đích phân tích, Altman đã chọn phương pháp phân tích đa biệt thức (MDA=Multiple Discriminant Analysis). Mặc dù không được phổ biến như phương pháp phân tích hồi quy (regression analysis), MDA được sử dụng trong nhiều nghiên cứu từ 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 khoa học 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 đồng sự (1981) đã thảo luận về phân tích 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 quan sát vào một trong vài nhóm dựa theo những đặc điểm cá biệt của quan sát.
Nó được sử dụng chủ yếu 11 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Page - 12 Sau khi các nhóm được thiết lập, dữ liệu được thu thập theo mục đích của nhóm; MDA trong hình thức đơn giản nhất của nó là cố gắng xây dựng quan hệ tuyến tính của những đặc điểm mà chúng có thể phân biệt tốt nhất các nhóm (công ty) với nhau. Nếu một đối tượng cụ thể, như một công ty, có các đặc điểm (các chỉ số tài chính) có thể định lượng cho các công ty 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 danh. 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, ở đó G bằng với số nhóm gốc. Nghiên cứu ở đây được đề cập với hai nhóm, bao gồm nhóm các công ty phá sản và nhóm các công ty không phá sản. Vì vậy, việc phân tích được chuyển đổi hoàn toàn thành hình thức đơn giản nhất: một đại lượng.
Chức năng biệt thức, của mẫu Z=V1X1+V2X2+…+VnXn chuyển đổi những giá trị của biến cá biệt thành một điểm số biệt thức đơn, hay giá trị Z, mà về sau được dùng để xếp hạng mục tiêu, Trong đó: - V1, V2, …Vn = các hệ số biệt thức, và - X1, X2, … Xn = các biến độc lập 12 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Page - 13 Phân tích đa biệt thức tính toán hệ số biệt thức Vi, trong khi đó các biến độc lập Xi là các giá trị thực. 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 biệt thức, ta phải chọn lựa cẩn thận các biến dự báo. Đó cũng là một ưu điểm về tính mềm dẻo của mô hình với một lượng tương đối nhỏ các chỉ số đo lường đuợc chọn mà có thể truyền đạt lượng lớn thông tin.
Những thông tin này có thể biểu hiện sự 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. Có lẽ ưu điểm cơ bản của phân tích đa biệt thức 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 các 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 phân tích chỉ số truyền thống có tiềm năng sửa đổi một cách đúng đắn các bất ổn. Một cách rõ ràng, sự kết hợp các chỉ số được phân tích với nhau có thể loại bỏ những điểm mập mờ và phân loại sai có thể có như đã thấy ở những nghiên cứu phân tích chỉ số truyền thống trước đó.
Như ta sẽ thấy, mô hình Z-Score là một phân tích 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 các nhóm cần phân tích, kiệt quệ hay không kiệt quệ. MÔ HÌNH Z-SCORE Khi nghiên cứu thiết lập mô hình Z-Score, Altman đă thực hiện các bước như sau: BƯỚC 1: SỰ CHỌN MẪU Mẫu ban đầu bao gồm 66 công ty với 33 công ty ở mỗi nhóm. Nhóm phá sản (kiệt quệ) (nhóm 1) là những nhà sản xuất đã nộp đơn phá sản theo chương 10 của Luật 13 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Page - 14 Phá Sản Hoa Kỳ trong giai đoạn 1946 đến 1965. Thời kỳ 20 năm không phải là sự chọn lựa tốt nhất bởi vì các chỉ số trung bình cũng chịu những thăng trầm theo thời gian.
Một cách lý tưởng, chúng ta sẽ chọn danh sách các chỉ số ở giai đoạn t để dự báo các công ty khác trong giai đoạn tiếp theo t+1. Không may, điều này là không thể thực hiện bởi vì sự hạn chế về dữ liệu. Nhận thấy rằng nhóm này là không hoàn toàn thuần nhất, (bởi vì sự khác nhau về ngành và kích cỡ công ty), Altman đã cố gắng thực hiện sự lựa chọn cẩn thận các công ty không phá sản (không kiệt quệ). Nhóm hai bao gồm một mẫu ghép đôi của các doanh nghiệp sản xuất được chọn từ cơ sở phân loại ngẫu nhiên.
Các công ty được phân lớp bởi ngành và kích cỡ doanh nghiệp, với phạm vi tài sản được giới hạn nghiêm ngặt từ 1 triệu USD đến 25 triệu USD. Giá trị tài sản trung bình của các công ty trong nhóm 2 (9.6 triệu USD) lớn hơn một ít so với nhóm 1, nhưng để hai nhóm có kích cỡ tài sản như nhau là điều dường như không cần thiết. Các công ty trong nhóm 2 vẫn còn hoạt động trong thời gian phân tích. Cũng vậy, dữ liệu thu thập từ cùng các năm cho các công ty phá sản.
Đối với thử mẫu đầu tiên, dữ liệu được xây dựng từ các dữ liệu báo cáo tài chính kỳ hạn một năm báo cáo trước khi phá sản. Dữ liệu đuợc xây dựng từ Sổ Tay Ngành của tổ chức Moody và từ các báo cáo được chọn lọc hằng năm. Thời gian chết trung bình của các báo cáo tài chính là 7 tháng rưỡi (thời gian giữa kết thúc năm và hoàn thành báo cáo) (lead-time). Một chi tiết quan trọng là xác định cỡ tài sản của nhóm được lấy mẫu.
Quyết định loại bỏ các công ty nhỏ (tài sản dưới 1 triệu USD) và các công ty rất lớn ra khỏi mẫu là cần thiết cho phạm vi tài sản các công ty trong nhóm 1. Thêm vào đó, vụ việc phá sản của các công ty cỡ lớn là rất hiếm trước năm 1966. Điều này đã thay đổi từ năm 1970 với sự xuất hiện vài vụ phá sản rất lớn ví dụ như Penn Central R. Những vụ phá sán ở các ngành công nghiệp cũng xuất hiện ngày càng nhiều kể từ năm 1978.
Tính chung, có ít nhất 100 vụ phá sản theo chương 11 với tài sản hơn 1 tỷ USD kể từ năm 1978 (là năm ban hành luật phá sản mới) 14 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Page - 15 Những chỉ trích thường thấy là đối với các chỉ số tài chính, về bản chất, số liệu thống kê cho thấy chúng chịu sự ảnh hưởng của yếu tố kích cỡ doanh nghiệp, và do đó nên loại bỏ tác động của yếu tố này trong phân tích.