Tải bản đầy đủ

Ứng dụng Data Mining dự báo kiệt quệ tài chính ở các Công ty Dược niêm yết tại Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

HỒ THỊ THANH THẢO

ỨNG DỤNG DATA MINING DỰ BÁO KIỆT QUỆ TÀI
CHÍNH Ở CÁC CÔNG TY ĐƯỢC NIÊM YẾT TẠI
VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

Tp. Hồ Chí Minh – 2016


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

HỒ THỊ THANH THẢO

ỨNG DỤNG DATA MINING DỰ BÁO KIỆT QUỆ TÀI
CHÍNH Ở CÁC CÔNG TY ĐƯỢC NIÊM YẾT TẠI

VIỆT NAM

Chuyên ngành: Tài chính – Ngân hàng
Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS.TS. Nguyễn Thị Ngọc Trang

Tp. Hồ Chí Minh – 2016


LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này là kết quả nghiên cứu của chính cá nhân tôi,
được thực hiện dưới sự hướng dẫn khoa học của PGS.TS Nguyễn Thị Ngọc Trang
– Giảng viên Trường Đại học Kinh tế Thành phố Hồ Chí Minh.
TP. Hồ Chí Minh, ngày 31 tháng 10 năm 2016

Hồ Thị Thanh Thảo


MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
DANH MỤC CÁC BẢNG
DANH MỤC CÁC HÌNH VẼ
MỞ ĐẦU .....................................................................................................................1
1

Lý do nghiên cứu ..............................................................................................1

2

Mục tiêu nghiên cứu .........................................................................................1

3


Đối tượng và phạm vi nghiên cứu.....................................................................2

4

Phương pháp nghiên cứu ..................................................................................2

5

Ý nghĩa thực tiễn của đề tài ..............................................................................2

6

Kết cấu luận văn ................................................................................................2

Chương 1 – CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ DỰ BÁO KIỆT QUỆ TÀI
CHÍNH ........................................................................................................................4
1.1

Kiệt quệ tài chính và những ảnh hưởng của kiệt quệ tài chính đến các chủ thể

trong nền kinh tế......................................................................................................4
1.1.1

Kiệt quệ tài chính ....................................................................................4

1.1.2

Những ảnh hưởng của kiệt quệ tài chính đến các chủ thể trong nền kinh

tế

.................................................................................................................9

1.2

Các kỹ thuật thống kê được sử dụng phổ biến để dự báo kiệt quệ tài chính ...
.....................................................................................................................12

1.2.1

Phân tích phân biệt (DA) ......................................................................12

1.2.1.1 Phân tích phân biệt đơn biến của Beaver ..............................................12
1.2.1.2 Phân tích phân biệt đa biến của Altman ................................................14


1.2.2

Kỹ thuật phân tích Logit .......................................................................17

1.2.2.1 Phân tích Logit của Ohlson (1980) .......................................................17
1.2.2.2 Nghiên cứu của Ying Wuang và Michael Campbell (2010) .................19
1.2.2.3 Nghiên cứu của Dionysios Polemis và Dimitrios Gounopoulos (2012)
...........................................................................................................................20
1.2.3

Phương pháp máy học dựa trên trí tuệ thông minh nhân tạo. ...............22

Chương 2 – DỰ BÁO KIỆT QUỆ TÀI CHÍNH BẰNG PHƯƠNG PHÁP KHAI PHÁ
DỮ LIỆU (DATA MINING) ....................................................................................24
2.1

Tổng quan về Khai phá dữ liệu (Data mining) ............................................24

2.1.1

Khái niệm của Data mining ..................................................................24

2.1.2

Nhiệm vụ của Data Mining ...................................................................24

2.1.3

Ứng dụng của Data Mining: .................................................................25

2.2

Một số thuật toán sử dụng trong Data mining .............................................25

2.2.1

Neural network (NN) ............................................................................25

2.2.2

Thuật toán cây quyết định Decision tree (DT) .....................................27

2.2.3

Support Vector Machine (SVM) ..........................................................28

2.3

Áp dụng Data mining trong dự báo kiệt quệ tài chính ................................31

Chương 3 – PHƯƠNG PHÁP NGHIÊN CỨU.........................................................33
3.1

Thu thập dữ liệu ...........................................................................................33

3.2

Các biến sử dụng trong nghiên cứu .............................................................34

3.3

Chuẩn bị dữ liệu ..........................................................................................40

Chương 4 - KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ ..................46
4.1

Thuật toán cho kết quả dự báo tốt nhất .......................................................46

4.2

Khung thời gian nào để dự báo là tốt nhất ..................................................51


4.3

Các tỷ số nào là quan trọng nhất trong dự báo kiệt quệ tài chính ...............52

KẾT LUẬN VÀ KIẾN NGHỊ...................................................................................61
Kết luận .................................................................................................................61
Hạn chế của đề tài và hướng nghiên cứu tiếp theo ...............................................62
TÀI LIỆU THAM KHẢO ...........................................................................................1


DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
ANN

Artificial Neural Network

DT

Decision tree

NN

Neural network

SVM

Support Vector Machine


DANH MỤC CÁC BẢNG
Bảng 1.1 Mức trung bình của các chỉ số tài chính dùng phân loại doanh nghiệp trong
nghiên cứu của Beaver (1966) ..................................................................................13
Bảng 1.2 Xếp loại trái phiếu Mỹ dựa trên chỉ số mô hình EMS ..............................16
Bảng 2.1 Một số hàm truyền trong mạng neural yk = f(ak) .....................................27
Bảng 3.1 Các chỉ số tài chính được dùng để dự báo trong luận văn ........................34
Bảng 3.2 Các công ty có lợi nhuận ròng âm liên tục 2 năm 2011 và 2012 ..............41
Bảng 3.3 Các công ty có lợi nhuận ròng âm liên tục 2 năm 2012 và 2013 ..............42
Bảng 3.4 Các công ty có lợi nhuận ròng âm liên tục 2 năm 2013 và 2014 ..............44
Bảng 4.1 Kết quả dự báo của thuật toán DT khi sử dụng bộ dữ liệu gồm 26 tỷ số tài
chính ..........................................................................................................................46
Bảng 4.2 Kết quả dự báo của thuật toán NN khi sử dụng bộ dữ liệu gồm 26 tỷ số tài
chính ..........................................................................................................................47
Bảng 4.3 Kết quả dự báo của thuật toán SVM khi sử dụng bộ dữ liệu gồm 26 tỷ số
tài chính .....................................................................................................................48
Bảng 4.4 Tổng hợp kết quả dự báo của thuật toán khi sử dụng bộ dữ liệu gồm 26 tỷ
số tài chính ................................................................................................................48
Bảng 4.5 Các biến có ý nghĩa trong dự báo kiệt quệ tài chính khi sử dụng dữ liệu ở
năm t – 3 (năm 2012) ................................................................................................53
Bảng 4.7 Các biến có ý nghĩa trong dự báo kiệt quệ tài chính khi sử dụng dữ liệu ở
năm t – 1 (năm 2014) ................................................................................................55
Bảng 4.8 Các tỷ số tài chính có nghĩa quan trọng trong dự báo kiệt quệ tài chính ..56
Bảng 4.9 Kết quả dự báo của các thuật toán khi sử dụng bộ dữ liệu gồm 09 tỷ số tài
chính ..........................................................................................................................57


DANH MỤC CÁC HÌNH VẼ
Hình 2.1 Cấu trúc của một neural .............................................................................26
Hình 2.2 Support vector machine .............................................................................30
Hình 2.3 Mô tả các bước thực nghiệm để dự báo kiệt quệ tài chính ........................32
Hình 4.1 Độ chính xác của các thuật toán theo từng khung thời gian .....................49
Hình 4.2 Độ phủ của các thuật toán theo từng khung thời gian ...............................50
Hình 4.3 Trung bình độ chính xác của các thuật toán ..............................................50
Hình 4.4 Trung bình độ phủ của các thuật toán .......................................................51
Hình 4.5 Độ chính xác của các thuật toán theo từng khung thời gian .....................52
Hình 4.6 Độ chính xác của các thuật toán theo hai bộ dữ liệu(Sử dụng khung thời
gian t -1) ....................................................................................................................58
Hình 4.7 Độ chính xác của các thuật toán theo hai bộ dữ liệu (Sử dụng khung thời
gian t -2) ....................................................................................................................58
Hình 4.8 Độ chính xác của các thuật toán theo hai bộ dữ liệu (Sử dụng khung thời
gian t -3) ....................................................................................................................59


1

MỞ ĐẦU
1

Lý do nghiên cứu
Dự báo kiệt quệ tài chính là một chủ đề đáng quan tâm trong những thập kỷ qua
vì tầm quan trọng rất lớn của nó cho các công ty niêm yết, các nhà đầu tư, các chủ
nợ, các nhà quản lý và thậm chí cả nền kinh tế của một quốc gia (Wanke,Barros,
& Faria, 2014). Nếu dự đoán kiệt quệ tài chính là đáng tin cậy, các nhà quản lý
của các công ty có thể bắt đầu các biện pháp khắc phục hậu quả để tránh suy giảm
trước khi cuộc khủng hoảng xảy ra và các nhà đầu tư có thể nắm bắt được tình hình
lợi nhuận của các công ty niêm yết và điều chỉnh các chiến lược đầu tư của họ để
tối ưu hóa các khoản đầu tư.
Tuy nhiên, sự phát triển nhanh chóng của thị trường vốn và hội nhập của nền
kinh tế toàn cầu đã tăng số lượng của các công ty bị khủng hoảng tài chính trong
những năm qua. Theo thống kê của Vietstock, tính đến thời điểm tháng 8/2014 có
28 cổ phiếu trước nguy cơ bị hủy niêm yết bắt buộcvà 41 doanh nghiệp thua lỗ hai
năm liên tiếp và lỗ lũy kế vượt vốn.
Doanh nghiệp phá sản sẽ gây ra nhiều tác động tiêu cực cho cả xã hội và nền
kinh tế. Điều này gây ảnh hưởng lớn đến nền kinh tế Việt Nam vốn đang trong giai
đoạn hội nhập. Thêm vào đó, việc bắt buộc hủy niêm yết gây ra tâm lý hoang mang
cho nhà đầu tư làm ảnh hưởng đến thị trường chứng khoán Việt Nam đang phát
triển. Do đó, rất cần thiết để thiết lập sớm một hệ thống cảnh báo hiệu quả để dự
báo kiệt quệ tài chính từ đó có thể quản trị doanh nghiệp tốt hơn, góp phần phát
triển thị trường chứng khoán và nền kinh tế.

2

Mục tiêu nghiên cứu
Trong luận văn sẽ áp dụng phương pháp khai phá dữ liệu (data mining) để dự
báo kiệt quệ tài chính của các công ty Việt Nam.Từ đó xem xét những chỉ số tài
chính nào hiệu quả nhất trong dự báo và xác định khung thời gian dự báo nào là
hiệu quả nhất.


2

3

Đối tượng và phạm vi nghiên cứu
Các công ty cổ phần của Việt Nam được đưa vào diện kiểm soát đặc biệt khi
thua lỗ 2 năm liên tiếp từ năm 2011 – 2015 và những công ty không đưa vào diện
kiểm soát đặc biệt từ năm 2011 – 2015 tại Sở Giao dịch chứng khoán Tp.HCM và
Sở Giao dịch chứng khoán Hà Nội.

4

Phương pháp nghiên cứu
Sử dụng phương pháp khai phá dữ liệu (data mining) để nhận biết được sớm
những dấu hiệu của sự suy giảm lợi nhuận của công ty.Đồng thời chỉ ra những chỉ
số tài chính hiệu quả nhất trong dự báo kiệt quệ tài chính của công ty.

5

Ý nghĩa thực tiễn của đề tài
Đề tài với mục đích là để dự báo kiệt quệ tài chính thật sự có ý nghĩa đối với
nhiều chủ thể khác nhau trong nền kinh tế từ chính bản thân các doanh nghiệp đến
các đối tượng khác như nhà đầu tư, các đối tác, các ngân hàng và cả chính phủ.
Phương pháp để dự báo dễ sử dụng, dữ liệu dùng để phân tích đưa ra dự báo là
có sẳn, có thể tự thu thập dễ dàng.
Chính hai yếu tố trên đã đem lại ý nghĩa thực tiễn của đề tài.

6

Kết cấu luận văn
Luận văn được viết thành hai phần chính:
Phần mở đầu sẽ nêu rõ lý do nghiên cứu, mục tiêu nghiên cứu, đối tượng, phạm
vi, phương pháp nghiên cứu. Trong phần này cũng trình bày ý nghĩa thực tiễn của
đề tài nghiên cứu.
Phần thứ hai là nội dung chính của luận văn được chia thành ba chương.
-

Chương 1 là tổng quan vấn đề cần nghiên cứu. Trong chương này sẽ nêu
bật được Kiệt quệ tài chính là gì, ảnh hưởng của kiệt quệ tài chính đến
các chủ thể khác nhau trong nền kinh tế và tổng quan các nghiên cứu
trước đây về dự báo kiệt quệ tài chính.

-

Trong chương 2 tác giả trình bày dự báo kiệt quệ tài chính bằng phương
pháp khai phá dữ liệu. Trong nội dung chương này sẽ khái quát về


3

phương pháp khai phá dữ liệu, các thuật toán sử dụng trong khai phá dữ
liệu và ứng dụng của khai phá dữ liệu trong dự báo kiệt quệ tài chính.
-

Tiếp đến là áp dụng phương pháp khai phá dữ liệu để dự báo kiệt quệ tài
chính cho các công ty cổ phần được niêm yết trên hai sàn HOSE và HNX
sẽ được trình bày ở chương 3. Trong chương này sẽ trình bày cụ thể việc
thực nghiệm bao gồm việc thu thập dữ liệu, miêu tả các biến sử dụng
trong dự báo, thực hiện thí nghiệm, đọc hiểu và đánh giá kết quả dự báo.

Cuối cùng thay cho lời kết của luận văn là phần kết luận, hạn chế và hướng
nghiên cứu tiếp theo của đề tài.


4

Chương 1 – CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ DỰ BÁO KIỆT QUỆ
TÀI CHÍNH
1.1 Kiệt quệ tài chính và những ảnh hưởng của kiệt quệ tài chính đến các chủ
thể trong nền kinh tế
1.1.1 Kiệt quệ tài chính
Kiệt quệ tài chính là một khái niệm với nghĩa khá rộng, nó thể hiện tình trạng
các doanh nghiệp phải đối mặt với khó khăn về tài chính.Thuật ngữ phổ biến nhất
sử dụng để mô tả những tình trạng này là “thất bại” (failure), “mất thanh khoản”
(insolvency), “vỡ nợ” (default), và “phá sản” (bankruptcy).
Thất bại (failure): Altman và Hotckiss (2005) định nghĩa “thất bại”theo
chuẩnkinh tế học, nghĩa là “tỷ suất sinh lợi thực tế trên vốn đầu tư, cùng với các tỷ
số khác để đánh giá rủi ro, là thấp hơn liên tục và đáng kể so với các tỷ số của các
đầu tư tương đương trên thị trường, hoặc doanh thu không đủ bù đắp chi phí của
công ty”. Tuy nhiên, định nghĩa như trên vẫn chưa đủ, bởi vì mặc dù có doanh thu
không đủ bù đắp chi phí hoặc tỷ suất sinh lợi thực trên vốn đâu tư thấp hơn so với
tỷ số của các đầu tư tương đương trên thị trường thì một công ty trong tình huống
này cũng có thể tiếp tục hoạt động kinh doanh nếu các nhà đầu tư đồng ý chấp
nhận mức tỷ suất sinh lợi thấp. Vì vậy, rất khó để phân loại một công ty đối mặt
các tình huống ở trên như một doanh nghiệp kiệt quệ tài chính.
Một quan điểm khác, dựa theo chuẩn tài chính, “thất bại” là việc dòng tiền của
doanh nghiệp không đủ để thỏa mãn nghĩa vụ tài chính hiện tại. Các nghĩa vụ tài
chính này bao gồm việc không thể giải quyết nợ đối với các nhà cung cấp tín dụng
và người lao động, hoặc gánh chịu tổn thất từ quá trình pháp lý diễn ra dai dẳng,
hoặc không thể hoàn trả nợ gốc và lãi vay (Wruck, 1990).
Từ các quan điểm trên, “thất bại” của công ty được chia làm 2 loại, đó là: “thất
bại kinh tế” (economic failure) và “thất bại tài chính” (financial failure). Andrade
và Kaplan (1998) nhấn mạnh cần thiết phải phân biệt giữa “thất bại tài chính” và
“thất bại kinh tế”. Hai ông định nghĩa rằng một công ty vi phạm việc trả nợ là “thất


5

bại tài chính”, còn một công ty đang thua lỗ trong hoạt động kinh doanh là “thất
bại kinh tế”.
Ở một quan điểm phổ biến khác, “thất bại tài chính” được định nghĩa là việc
công ty bất lực trong việc hoàn thành các nghĩa vụ nợ.Tuy nhiên, một công ty
không đủ khả năng thanh toán các khoản nợ cũng có thể xảy ra ngay cả khi công
ty có giá trị tài sản ròng dương (Gaughan, 2011). Như vậy, có thể hiểu rằng bên
cạnh tình trạng “bất lực” của công ty trong việc trả nợ, thì tình trạng “khó khăn”
của công ty trong việc thanh toán các khoản nợ cũng được xem là “thất bại tài
chính”.
Cuối cùng, cần nhấn mạnh rằng “thất bại tài chính” không đồng nghĩa với “phá
sản” hay “giải thể”. Bởi vì, tất cả các công ty khi gặp khó khăn trong hoạt động
kinh doanh thì đều sẽ trải qua “thất bại tài chính” và “thất bại kinh tế”, nhưng chỉ
một số công ty trong số đó sẽ đi đến “phá sản” hay “giải thể” chứ không phải tất
cả.
Mất thanh khoản (insolvency): là một dạng khác đểmô tảkết quảhoạt động
kinhdoanh thất bại và kiệt quệ tài chính. Một công ty “mất thanh khoản” có thể
đượcđịnh nghĩa là không đủ khả năng để hoàn thành các nghĩa vụ tài chính bao
gồm cả các khoản nợ đối với người lao động, nhà cung cấp, chủ nợ (Shrader và
Hickman, 1993).
Mất thanh khoản thể hiện kết quả hoạt động kém liên quan đến vấn đề về thanh
khoản và giá trị ròng của doanh nghiệp âm (Zopounidis & Dimitras, 1998). Các
đối tượng thường gặp nhất trở nên mất thanh khoản là do vay nợ quá nhiều.
Định nghĩa trên giống với định nghĩa “thất bại tài chính” của Whitaker (1999)
và Wruck (1990). Thực tế, Wruck (1990) nhấn mạnh rằng, mặc dù “mất thanh
khoản” là khác biệt so với “thất bại tài chính”, nhưng 2 khái niệm này vẫn được sử
dụng thay thế lẫn nhau. Wruck (1990), Ross và cộng sự (2003) chia khái niệm
“mất thanh khoản” thành 2 dạng: do giá trị và do dòng tiền.


6

Quan điểm “mất thanh khoản do giá trị” cho rằng việc mất thanh khoản xảy ra
khi giá trị thị trường các tài sản của công ty là thấp hơn so với giá trị các khoản nợ,
theo đó, khái niệm này còn được hiểu là giá trị kinh tế ròng âm.
Ngoài ra, kiệt quệ tài chính cũng có thể bắt nguồn từ “mất thanh khoản do dòng
tiền”; nói cách khác, công ty này không thể tạo ra đủ dòng tiền để đảm bảo các
nghĩa vụ tài chính hiện tại. Trường hợp này còn được gọi là “mất thanh khoản kỹ
thuật” (technical insolvency).
Vỡ nợ (default): là một khái niệm tài chính khácliên quan đến kiệt quệtài chính.
“Vỡ nợ” được thể hiện như là tình trạng khi một công ty không thể trả được nợ
gốc hay lãi đối với chủ nợ khi chúng đến hạn, và do đó, vi phạm điều kiện của hợp
đồng tín dụng, dẫn đến các hành động pháp lý (Altman và Hotchkiss, 2005).
Ross, Westerfield và Jaffe (2002) nói rằng '' khủng hoảng tài chính là một tình
huống mà dòng tiền hoạt động của một công ty không đủ để đáp ứng nghĩa vụ hiện
tại (như tín dụng thương mại hoặc chi phí lãi vay) và công ty buộc phải nhận những
hành động trừng phạt''
Gilson và cộng sự (1990) và Altman và Hotchkiss (2005) tách khái niệm “vỡ
nợ” ra làm 2 phạm trù riêng: “vỡ nợ thanh toán” do không thể trả nợ gốc và lãi đến
hạn, và “vỡ nợ kỹ thuật” do vi phạm các điều khoản hợp đồng tín dụng của công
ty.
Ngoài ra, có sự nhầm lẫn phổ biến giữa “mất thanh khoản” và “vỡ nợ”. Cần có
sự phân biệt rõ ràng giữa hai khái niệm này. Theo đó, để phân biệt giữa “vỡ nợ”
(default) và “mất thanh khoản” (insolvency), cần tham chiếu đến thời điểm đáo
hạn (date of maturity) của nợ. Một công ty có thể ở trong tình trạng “mất thanh
khoản” trong một khoảng thời gian dài. Tuy nhiên, chỉ đến thời điểm nợ đáo hạn,
công ty mới được xem là “vỡ nợ”, và khi đối mặt với với sự kiện này, công ty sẽ
cố gắng tái thương thảo hợp đồng tín dụng và tái cấu trúc nợ (đảo nợ) trước khi
tình trạng “phá sản” (bankruptcy) bắt đầu.
Phá sản (bankruptcy): cũng là khái niệm tài chính liên quan đến kiệt quệ tài
chính.


7

Altman (1993) đưa ra một mô tả và định nghĩa hoàn chỉnh của kiệt quệ tài chính
và chỉ ra rằng phá sản là định nghĩa pháp lý gần nhất của khủng hoảng tài chính.
“Phá sản” là việc công ty đệ trình đơn xin phá sản chính thức đến tòa án và
được tòa án phê duyệt cho phép phá sản. Diễn biến sau đó sẽ theo 2 hướng: công
ty bán tài sản để trả nợ (thanh lý tài sản) hoặc nổ lực thực hiện một chương trình
tái cấu trúc (Altman và Hotchkiss, 2005).
Zmijewski (1984) định nghĩa kiệt quệ tài chính là hành động nộp đơn nộp đơn
xin phá sản. Tuy nhiên, nhiều công ty đã rơi vào kiệt quệ tài chính chưa bao giờ
nộp đơn phá sản, do quá trình sáp nhập hoặc tư nhân hóa, trong khi đó những công
ty có tình trạng tốt thường nộp đơn phá sản để tránh thuế và các vụ kiện tốn kém
(Theodossiou, Kahya, Saidi & Philippatos, 1996).
Trong các nghiên cứu thực tiễn, “phá sản” (bankruptcy), “thất bại tài chính”
(financial failure), “vỡ nợ” (default) và “kiệt quệ tài chính” (financial distress)
được sử dụng thay thế nhau. Việc sử dụng “thất bại tài chính” hay “kiệt quệ tài
chính” để cung cấp tính linh động trong phương diện nghiên cứu. “Kiệt quệ tài
chính” là một định nghĩa linh động hơn so với “phá sản” và giúp nghiên cứu gia
tăng kích cỡ mẫu; ngược lại, “phá sản” là một hình thái đặc biệt của “kiệt quệ tài
chính”, “phá sản” tập trung vào các nghiên cứu giảm kích cỡ mẫu. Việc sử dụng
“kiệt quệ tài chính” cung cấp mạnh hơn không chỉ trong thực tiễn mà còn trong lý
thuyết, bởi vì không phải tất cả các công ty kiệt quệ tài chính đều đi đến “phá
sản”.“Phá sản” chỉ là sự lựa chọn cuối cùng đối với các công ty khi mà chúng
không thể giải quyết các vấn đề tài chính (Aktas, 1993).
Ngoài ra, Karels và Prakash (1987) trong các nghiên cứu thực nghiệm của hai
ông về ước lượng thất bại tài chính, đã liệt kê các định nghĩa của thất bại tài chính,
các định nghĩa đó là giá trị ròng (net value) âm, mất thanh khoản (insolvency), vỡ
nợ (default) đối với gốc hoặc lãi, phát hành các tờ séc xấu, hoãn chi trả cổ tức, việc
quản lý chuyển giao cho các chủ nợ, v.v… Tương tự, Lin và McClean (2000) liệt
kê các định nghĩa về thất bại tài chính và kiệt quệ tài chính phổ biến như: doanh
nghiệp phải tái cấu trúc, không đủ khả năng trả lãi, báo cáo kiểm toán bị đánh giá


8

xấu, bán tài sản để trả nợ rồi giải thể, thua lỗ trong hoạt động kinh doanh, thua lỗ
năm hiện tại, thua lỗ liên tiếp 2 năm, thua lỗ liên tiếp 3 năm, v.v… Các định nghĩa
khác nhau của kiệt quệ tài chính dẫn đến việc lựa chọn mẫu khác nhau để nghiên
cứu trong lĩnh vực này.
Nhãn ST đã được sử dụng như là biểu tượng của sự kiệt quệ tài chính trong
nhiều nghiên cứu liên quan đến các công ty ở Trung Quốc (Altman, Heine, Zhang,
và Yen, 2007; Bailey, Huang, & Yang, 2011; Sun & Li, 2008a). Các công ty bị
gán nhãn ST trải qua một hoặc nhiều hơn của bốn giai đoạn đó bao gồm thiếu sót
hoặc giảm mức chi trả cổ tức hàng năm do thiếu tiền mặt, không thanh toán vốn
vay dẫn đến một vụ kiện, bị tái cấu trúc và xoá tên khỏi thị trường chứng khoán,
và chuyển giao cho công ty quản lý tài sản để xử lý (Altman et al., 2007). Có hai
lý do chính cho việc xem các công ty bị đưa vào dạng kiểm soát đặc biệt là các
công ty bị kiệt quệ tài chính. Thứ nhất, sự suy thoái tài chính của một công ty được
xem là một quá trình từng bước một, nó như là một sự kiện tiên nghiệm (ex ante)
của phá sản là một đại diện tốt của kiệt quệ tài chính (Newton (1975), Gestel cùng
cộng sự (2006), và Lau (1987)). Thứ hai, các nhà nghiên cứu ở Trung Quốc tìm
thấy nó khó khăn để có được dữ liệu liên quan đến các công ty bị phá sản do các
quá trình phá sản ở Trung Quốc. Dairui và Jia (2009) xác định các công ty kiệt quệ
tài chính là các công ty bị đưa vào diện đặc biệt (gán nhãn ST) bởi vì thiếu cơ sở
dữ liệu của phá sản công ty trên thị trường chứng khoán Trung Quốc.


9

1.1.2 Những ảnh hưởng của kiệt quệ tài chính đến các chủ thể trong nền kinh
tế
Kiệt quệ tài chính rất tốn kém khi các mâu thuẫn quyền lợi cản trở các quyết
định đúng đắn về hoạt động, đầu tư, tài trợ.Khi một doanh nghiệp gặp khó khăn,
kiệt quệ tài chính, cả chủ nợ và các cổ đông đều muốn doanh nghiệp phục hồi,
nhưng ở khía cạnh khác, quyền lợi của họ có thể mâu thuẫn nhau.Họ thường có
khuynh hướng thực hiện các “trò chơi” riêng để đảm bảo lợi ích của mình.
Điều này làm phát sinh những chi phí do tình trạng kiệt quệ tài chính gây ra.
Chi phí của kiệt quệ tài chính gồm nhiều mục cụ thể như:
-

Chi phí phá sản: gồm các chi phí trực tiếp như lệ phí tòa án và các chi
phí gián tiếp mà doanh nghiệp phải hứa hẹn nhiều hơn để được vay nợ,
các chủ nợ đòi hỏi được đền bù trước dưới hình thức các chi trả cao hơn
khi doanh nghiệp chưa mất khả năng thực hiện nghĩa vụ. Họ đòi hỏi một
lãi suất hứa hẹn cao hơn. Điều này lại càng gây khó khăn cho doanh
nghiệp đang lâm vào kiệt quệ tài chính.

-

Ngoài ra, doanh nghiệp còn phải chịu những chi phí khác như sự khó
khăn trong việc điều hành một công ty đang kiệt quệ, phá sản; các rắc rối
về mặt pháp lý của việc đang trong quá trình phá sản thường phá hỏng
các nỗ lực của ban giám đốc nhằm ngăn chặn việc kinh doanh của doanh
nghiệp không tồi tệ thêm, chẳng hạn như khi doanh nghiệp muốn bán bớt
một ít tài sản để trang trải nhưng bị chủ nợ ngăn chặn, còn vốn nhưng
không thể sử dụng.

-

Chi phí kiệt quệ tài chính nhưng chưa phá sản: là mâu thuẫn quyền lợi
giữa trái chủ và cổ đông khi doanh nghiệp gặp khó khăn. Khi doanh
nghiệp gặp khó khăn, cảchủ nợ lẫn cổ đông đều muốn doanh nghiệp phục
hồi, nhưng quyền lợi làm họ mâuthuẫn nhau trong những quyết định về
hoạt động, đầu tư. Họ thường thưc hiện các “ trò chơi”- ý đồ riêng nhằm
đảm bảo quyền lợi của mình. Các trò chơi này sẽ đưa đến các chi phí kiệt
quệ tài chính như: trò chơi chuyển dịch rủi ro, từ chối góp vốn cổ phần,


10

thu tiền bỏ chạy, kéo dài thời gian, thả mồi bắt bóng. Những “trò chơi”
này sẽ khiến kiệt quệ tài chính của doanh nghiệp ngày càng trầm trọng
và có thể đi đến phá sản.Một điều đáng lưu ý là các chi phí liên quan đến
kiệt quệ tài chính càng nghiêmtrọng hơn đối với những công ty có nhiều
tài sản vô hình. Điều này được hiểu là do các tài sản vô hình gắn với tình
hình sức khỏe doanh nghiệp sẽ mất giá trị nếu công ty rơi vào tình trạng
phá sản. Dự báo kiệt quệ/ phá sản là quan trọng đối với những công
ty này.
Nghiên cứu vềdự đoán phá sản, kiệt quệ tài chính là cần thiết cho nhiều chủ
thể trong nền kinh tế:
-

Bản thân các doanh nghiệp cần dự đoán được khả năng bị phá sản của
mình để có thể lường trước những khó khăn mà doanh nghiệp sắp đối
mặt. Việc dự đoán được nguy cơ lâm vào tình trạng kiệt quệ có thể xem
như là một cảnh báo để doanh nghiệp có thể lập kế hoạch kinh doanh phù
hợp và đưa ra những điều chỉnh hợp lý làm gia tăng giá trị doanh nghiệp,
hạn chế tối thiểu nguy cơ lâm vào tình trạng phá sản. Khi có nguy cơ bị
kiệt quệ tài chính doanh nghiệp cần kiểm tra lại tình hình tài chính của
mình đang yếu kém ở điểm nào để có phương án xử lý kịp thời như: rà
soát lại các lĩnh vực hoạt động, thu hẹp lĩnh vực hoạt động có hiệu quả
kém, cơ cấu lại cấu trúc tài chính, giảm ứ động vốn, ...

-

Các nhà đầu tư cần một số chỉ dẫn để giúp họ dự đoán tình hình tài chính
của doanh nghiệp mà họ đầu tư để có phản ứng kịp thời với đồng vốn mà
họ đã bỏ ra. Khi một nhà đầu tư đầu tư vào một doanh nghiệp, chỉ tiêu
về lợi nhuận luôn được đặt lên hàng đầu vì đó là cơ sở chính để đánh giá
khả năng sinh lời của đồng vốn mà họ đã bỏ ra. Tuy nhiên, với tình hình
kinh tế nhiều biến động việc một doanh nghiệp bị lỗ trong một thời gian
là rất dễ xảy ra. Việc dự báo kiệt quệ tài chính sẽ giúp các nhà đầu tư có
thể nắm bắt được tình hình lợi nhuận của các công ty niêm yết và điều
chỉnh các chiến lược đầu tư của họ để tối ưu hóa các khoản đầu tư. Nếu


11

thấy khả năng kiệt quệ tài chính của doanh nghiệp còn thấp, nhà đầu tư
có thể duy trì đầu tư mà chưa cần tính đến phương án thoái vốn. Ngược
lại, nhà đầu tư nên xem xét việc rút vốn khi mà khả năng kiệt quệ tài
chính của doanh nghiệp là đáng báo động.
-

Các ngân hàng cũng cần có một công cụ để đánh giá tình hình tài chính
của doanh nghiệp trước khi đưa ra những quyết định tín dụng. Những
năm gần đây, với tình hình nợ xấu nghiêm trọng các ngân hàng, các
doanh nghiệp khó khăn hơn trongtiếp cận nguồn vốn vay. Điều này gây
thiệt hại cho cả 2 phía doanh nghiệp và ngânhàng. Một phương pháp dự
báo kiệt quệ/phá sản sẽ cho các ngân hàng thêm một khía cạnhthông tin
trong việc thẩm định các hồ sơ vay vốn của doanh nghiệp. Điều này sẽ
đem lại lợi ích không chỉ cho doanh nghiệp được xem xét cấp tín dụng,
ngân hàng cho vay mà còn lợi ích cho cả nền kinh tế.

-

Xét về khía cạnh nền kinh tế thị trường, chuyện doanh nghiệp giải thể,
phá sản, ngừng hoạt động là chuyện không phải quá bất thường. Bởi vì
trong vòng đời của một doanh nghiệp khi gặp khó khăn, doanh nghiệp
có thể ngừng hoạt động sản xuất, kinh doanh trong một thời gian nhất
định. Đây là một dạng rút lui tạm thời khỏi thị trường. Tuy nhiên, khi
không thể tiếp tục hoạt động kinh doanh, doanh nghiệp phải rút lui khỏi
thị trường thông qua hình thức giải thể hoặc phá sản doanh nghiệp. Khi
đó xét về khía cạnh tổng thể nền kinh tế việc phá sản là tốt. Bởi vì nếu
doanh nghiệp không còn hoạt động nhưng không thực hiện quy trình giải
thể, phá sản dẫn tới việc Nhà nước thất thu thuế, người lao động bị xâm
hại quyền lợi… và làm sai lệch các thông tin thống kê về doanh nghiệp,
ảnh hưởng tới sự minh bạch của môi trường kinh doanh. Nhưng cũng cần
nhìn nhận rằng, việc có quá nhiều doanh nghiệp phá sản trong những
năm gần đây là rất đáng quan ngại. Bởi đi theo việc doanh nghiệp phá
sản, giải thể, kiệt quệ tài chính sẽ là một loạt người lao động mất việc
làm, bị nợ lương, thu nhập bấp bênh; là rất nhiều doanh nghiệp của các


12

công ty đối tác với công ty phá sản bị nợ tiền và cũng rơi vào khó khăn
tài chính, là các ngân hàng với hàng đống nợ xấu, là nhà nước không thu
được thuế gây bội chi ngân sách nghiêm trọng, là nền kinh tế đất nước
lâm vào suy thoái.
Không phải công ty nào gặp khó khăn về tài chính cũng đều đi đến phá
sản.Nếu doanh nghiệp có chiến lược đúng đắn, phản ứng kịp thời, xoay xở được
các khoản nợ doanh nghiệp có thể hoãn việc phá sản lại nhiều năm.Cuối cùng,
doanh nghiệp có thể phục hồi, trả hết nợ và thoát được cảnh phá sản.Dự báo được
“ngưỡng” kiệt quệ tài chính góp một phần giúp doanh nghiệp đưa ra những giải
pháp hợp lý cho tình hình tài chính, tránh được những phát sinh từ chi phí kiệt quệ
tài chính có thể kéo tình hình doanh nghiệp khó khăn hơn.
1.2 Các kỹ thuật thống kê được sử dụng phổ biến để dự báo kiệt quệ tài chính
1.2.1 Phân tích phân biệt (DA)
Phân tích phân biệt (DA) là phương pháp thường được sử dụng trước năm 1980
(Altman, 1968; Beaver, 1966).
1.2.1.1 Phân tích phân biệt đơn biến của Beaver
William Beaver đã sử dụng các tỷ số tài chính được rút ra từ việc nghiên cứu
thực nghiệm 79 doanh nghiệp phá sản và một số lượng tương ứng các doanh nghiệp
không phá sản trong thời gian 10 năm (1954 – 1964).
Nghiên cứu của Beaver chỉ ra rằng tỷ lệ tiền mặt/tổng nợ phải trả là chỉ tiêu
quan trọng nhất trong việc dự báo dấu hiệu kiệt quệ tài chính và phá sản doanh
nghiệp. Chỉ tiêu này phản ánh tính cân đối giữa khả năng tạo ra tiền của doanh
nghiệp với số nợ mà doanh nghiệp phải thanh toán, và do đó sẽ thể hiện rõ ràng
nhất khả năng thanh toán của doanh nghiệp. Ngoài ra, tỷ suất sinh lời của tài sản
và hệ số nợ (tổng nợ phải trả/tổng tài sản) cũng là các chỉ tiêu quan trọng trong
việc phát hiện dấu hiệu kiệt quệ và phá sản doanh nghiệp bởi vì các chỉ tiêu này
phản ánh hiệu quả hoạt động kinh doanh của doanh nghiệp và mức độ rủi ro tài
chính mà doanh nghiệp đang gặp phải.


13

So sánh các chỉ tiêu được rút ra từ nghiên cứu của Beaver cho thấy tất cả các
chỉ tiêu tài chính của doanh nghiệp lâm vào tình trạng khủng hoảng thấp hơn rất
nhiều so với một doanh nghiệp hoạt động bình thường.
Như vậy kết quả thực nghiệm của Beaver đã chỉ ra một cách thức để dự báo khả
năng kiệt quệ tài chính của một doanh nghiệp như sau:
Khi muốn phát hiện dấu hiệu kiệt quệ tài chính /phá sản của một doanh nghiệp,
chúng ta sẽ so sánh các chỉ số tài chính của doanh nghiệp đó với mức trung bình
được Beaver đưa ra. Mức trung bình được William Beaver đưa ra theo bảng 1.1
Mức trung bình của các chỉ số tài chính dùng phân loại doanh nghiệp trong nghiên
cứu của Beaver (1966).
Bảng 1.1 Mức trung bình của các chỉ số tài chính dùng phân loại doanh nghiệp trong
nghiên cứu của Beaver (1966)
CHỈ SỐ TÀI DOANH
CHÍNH

NGHIỆP

Tiền mặt/

NĂM TRƯỚC PHÁ SẢN
1 năm

2 năm

3 năm

4 năm

Phá sản

-0.2

-0.05

0.05

0.15

Tổng nợ

Không phá sản

0.45

0.47

0.5

Thu nhập

Phá sản

-0.23

-0.08

-0.04

0.01

0.02

ròng / Tổng

Không phá sản

0.08

0.08

0.09

0.08

0.07

Nợ phải trả

Phá sản

0.76

0.62

0.52

0.54

0.51

/ Tổng tài

Không phá sản

0.36

0.34

0.35

0.37

0.34

Vốn luân

Phá sản

0.04

0.04

0.27

0.29

0.27

chuyển /

Không phá sản

0.4

0.39

0.4

0.47

5 năm
0.2
0.52

tài sản

sản

0.39

0.43

Tổng tài sản
Tỷ số thanh

Phá sản

2.0

2.3

2.35

2.4

2.5

toán hiện

Không phá sản

3.2

3.24

3.2

3.4

3.35

hành


14

Nguồn: nghiên cứu của Beaver (1966)
1.2.1.2 Phân tích phân biệt đa biến của Altman
Khác với Beaver, Altman sử dụng phương pháp phân tích phân biệt đa biến
(MDA) để tìm ra phương trình tuyến tính của các tỷ số tài chính để xác định công
ty nào là phá sản và công ty nào là không phá sản.
Atlman sử dụng kĩ thuật phân tích phân biệt (MDA) với các biến được sử dụng
là:
X1 = Working capital/Total assets: Vốn luân chuyển/Tổng tài sản;
X2 = Retained earning/ Total assets: Lợi nhuận giữ lại/Tổng tài sản
X3 = Earning before tax and interest/Total assets: EBIT/Tổng tài sản
X4 = Market value equity/Book value of total liabilities: Giá trị thị trường của
vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả
X5= Sales/Total assets: Tổng doanh thu/Tổng tài sản
Z = Overal index: chỉ số tổng hợp
Dựa trên cơ sở số liệu của 66 doanh nghiệp tại Mỹ, trong đó 66 doanh nghiệp
được phân thành 2 nhóm, mỗi nhóm gồm 33 doanh nghiệp. Nhóm 1 gồm 33 doanh
nghiệp bị phá sản từ năm 1946 đến năm 1965.Nhóm 2 gồm 33 doanh nghiệp không
bị phá sản và vẫn hoạt động bình thường đến năm 1966.Các doanh nghiệp không
bị phá sản có quy mô, ngành nghề tương ứng từng cặp với các doanh nghiệp bị phá
sản được chọn lấy dữ liệu. Từ số liệu của bảng cân đối kế toán và báo cáo kết quả
hoạt động kinh doanh, 22 chỉ số tài chính được tính toán và phân thành 5 nhóm:
thanh khoản, lợi nhuận, đòn bẩy, khả năng thanh toán và chỉ số hoạt động. Trong
danh mục 22 chỉ số tài chính, có 5 chỉ số được lựa chọn để sử dụng vào mô hình
dự đoán khả năng phá sản.
Mô hình ước lượng của Altman như sau:
Z = 0.012 X1 + 0.014 X2 + 0.033 X3 + 0.006 X4 + 0.999 X5
Trong đó: Từ giá trị của chỉ số Z, Altman đã đưa ra chỉ tiêu dự đoán như sau:
Nếu Z>2.99: công ty chưa có nguy cơ phá sản/kiệt quệ tài chính.
Nếu 1.81

15

Nếu Z<1.81: công ty nằm trong vùng nguy hiểm, có nguy cơ cao phá phá
sản/kiệt quệ tài chính.
Mô hình dự đoán phá sản trên của Altman nhận được nhiều ý kiến là khó có thể
áp dụng đại trà cho các doanh nghiệp nhất là các doanh nghiệp chưa tiến hành cổ
phần hóa.Khắc phục điều này, Altman và các cộng sự phát triển thêm chỉ số Z ban
đầu thành chỉ số Z’ trong đó biến X4 dùng giá trị sổ sách của vốn chủ sở hữu thay
thế giá trị thị trường để có thể áp dụng cho các loại hình doanh nghiệp khác ngoài
công ty cổ phần.
Mô hình Z’- score dùng cho các doanh nghiệp chưa cổ phần hóa là:
Z’ = 0,717 X1+ 0,847 X2+ 3,107X3+ 0,420 X4+ 0,998 X5
Trong đó các biến đều được giữ nguyên với mô hình cũ, ngoại trừ biến X4.
Nếu Z’ > 2,9 : Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
Nếu 1,23< Z’ < 2,9 : Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy
cơ phá sản.
Nếu Z’ < 1,23 : Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản
cao.
Sau đó, do biến X5 (doanh thu/ tổng tài sản) khác nhau rất lớn giữa các ngành
khác nhau, Altman đã thực hiện ước lượng mô hình khi không có biến X5 nhằm
giảm thiểu ảnh hưởng do ngành. Kết quả của mô hình mới không có biến X5 là:
Z” = 6,56 X1+ 3,26 X2+ 6,72 X3 + 1,05 X4
Giống với chỉ số Z’, biến X4 trong chỉ số Z” vẫn sử dụng giá trị sổ sách của vốn
chủ sở hữu.Chỉ số Z” có thể được dùng cho hầu hết các ngành và các loại hình
doanh nghiệp.
Nếu Z” > 2,6: Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
Nếu 1,1< Z” < 2,6: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ
phá sản.
Nếu Z” < 1,1: Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản
cao.


16

Altman và cộng sự còn thực hiện nhiều nghiên cứu tiếp theo cùng lĩnh vực dự
báo phá sản. Năm 1995, Altman cùng cộng sự, từ mô hình Z- score đã phát triển
nên thành mô hình EMS (Z” điều chỉnh).Trong đó, nghiên cứu đưa ra chỉ số xếp
loại trái phiếu của Mỹ.
Bảng 1.2 Xếp loại trái phiếu Mỹ dựa trên chỉ số mô hình EMS
US bond rating equivalent based on EMS
US equivalent rating

EMS

AAA

8.15

AA+

7.6

AA

7.3

AA-

7.0

A+

6.85

A

6.65

A-

6.4

BBB+

6.25

BBB

5.85

BBB-

5.65

BB+

5.25

BB

4.95

BB-

4.75

B+

4.5

B

4.15

B-

3.75

CCC+

3.2

CCC

2.5

CCC-

1.75

D

0

Nguồn: Altman, Edward I., Predicting Financial Distress of Companies:
Revisiting the Z-Score and ZETA® Models, pp 23


x

Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Tải bản đầy đủ ngay

×