Khóa luận Mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp: tiếp cận bằng mô hình Binary logistic

75 trang thiennha21 23/04/2022 2020

Download

Bạn đang xem 20 trang mẫu của tài liệu "Khóa luận Mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp: tiếp cận bằng mô hình Binary logistic", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

khoa_luan_mo_hinh_uoc_luong_xac_xuat_kiet_que_tai_chinh_cua.pdf

Nội dung text: Khóa luận Mô hình ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp: tiếp cận bằng mô hình Binary logistic

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM KHOA KẾ TOÁN – TÀI CHÍNH – NGÂN HÀNG LUẬN VĂN TỐT NGHIỆP MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN BẰNG MÔ HÌNH BINARY LOGISTIC. Ngành: TÀI CHÍNH DOANH NGHIỆP Giảng viên hướng dẫn: TS. HÀ VĂN DŨNG Sinh viên thực hiện: Huỳnh Thảo Nguyên 1211190701 Lớp: 12DTDN04 TP. Hồ Chí Minh, năm 2016
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TP. HCM KHOA KẾ TOÁN – TÀI CHÍNH – NGÂN HÀNG LUẬN VĂN TỐT NGHIỆP MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN BẰNG MÔ HÌNH BINARY LOGISTIC. Ngành: TÀI CHÍNH DOANH NGHIỆP Giảng viên hướng dẫn: TS. HÀ VĂN DŨNG Sinh viên thực hiện: Huỳnh Thảo Nguyên 1211190701 Lớp: 12DTDN04 TP. Hồ Chí Minh, năm 2016 i
LỜI CAM ĐOAN Em xin cam đoan đây là đề tài do chính em thực hiện sau khi tham khảo nhiều nguồn tài liệu và được sự hướng dẫn của giảng viên. Em xin hoàn toàn chịu trách nhiệm trước nhà trường về sự cam đoan này. TP. Hồ Chí Minh, ngày 26 tháng 6 năm 2016 (Tác giả) HUỲNH THẢO NGUYÊN ii
LỜI CẢM ƠN Em xin gởi lời cảm ơn chân thành nhất đến nhà trường, khoa Kế toán – Tài chính – Ngân hàng đã tạo điều kiện thuận lợi cho em thực hiện đề tài này Em xin bày tỏ lòng biết ơn sâu sắc đến TS. Hà Văn Dũng. Thầy đã tận tình hướng dẫn, cung cấp tư liệu, tư vấn, động viên khích lệ và định hướng cho em trong suốt quá trình thực hiện và hoàn thành khóa luận. Tôi cảm ơn các bạn lớp 12DTDN04 đã giúp đỡ tôi giải quyết những vấn đề, những khó khăn trong quá trình viết bài luận. Tuy đã có nhiều cố gắng, nhưng chắc chắn luận văn của em còn có rất nhiều thiếu sót. Rất mong nhận được sự góp ý của các nhà trường và các thầy cô. Xin chân thành cảm ơn! iii
DANH MỤC TỪ VIẾT TẮT Từ viết tắt Diễn giải 2LL 2 Log Likelihood BCTC Báo cáo tài chính CP Cổ phiếu CTCP Công ty cổ phần DN Doanh nghiệp DNNN Doanh nghiệp nhà nước D/A Debt to Total assets Ratio EBIT Earnings before interst and taxes GDCK Giao dịch chứng khoán HNX Sở giao dịch chứng khoán Hà Nội HOSE Sở giao dịch chứng khoán Tp.HCM MVE Market value of equity P/B Price/Book Value Qu_Ra Quick Ratio ROE Return on Equity ROS Return on sale RE Retained earnings S Sales TA Total Assets TCTD Tổ chức tín dụng TL Book value of Total liabilities TTCK Thị trường chứng khoán UBCK Ủy ban chứng khoán iv
DANH MỤC BẢNG Bảng 2.1 Biến trung vị và kiểm nghiệm mức ý nghĩa 10 Bảng 2.2 Kết quả phân loại mẫu gốc 12 Bảng 2.3: Kết quả phân loại mẫu cho thời gian hai năm trước khi phá sản 12 Bảng 2.4: Kết quả sắp xếp mẫu thứ cấp các công ty phá sản 13 Bảng 2.5: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Score (1968) 16 Bảng 2.6: Mô hình điều chỉnh Z’-Score: Phân loại kết quả, trung bình nhóm, ranh giới điểm phân biệt 18 Bảng 3.1: Tổng hợp tác động từng biến đến Y trong hồi quy: 27 Bảng 3.2: Variables in the Equation 27 Bảng 4.1: Danh sách công ty bị hủy niêm yết năm 2012 30 Bảng 4.2: Doanh nghiệp bị hủy niêm yết do kinh doanh sa sút năm 2013 33 Bảng 4.3: Danh sách công ty bị hủy niêm yết 6 tháng đầu năm 2014 35 Bảng 4.4: Omnibus Test of Model Coefficient 37 Bảng 4.5: Model Summary 38 Bảng 4.6: Classification Tablea 38 Bảng 4.7: Variables in the Equation 39 v
MỤC LỤC LỜI CAM ĐOAN ii LỜI CẢM ƠN iii DANH MỤC TỪ VIẾT TẮT iv DANH MỤC BẢNG v MỤC LỤC vi Chương 1: GIỚI THIỆU 1 1.1. Lời mở đầu: 1 1.2. Mục tiêu nghiên cứu 2 1.3. Đối tượng và phạm vi nghiên cứu: 2 1.3.1. Đối tượng: 2 1.3.2. Phạm vi nghiên cứu 2 1.4. Phương pháp nghiên cứu: 2 1.5. Kết cấu đề tài: 3 Chương 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN 4 2.1. Các nghiên cứu trước đây: 4 2.2. Phân tích các chỉ số truyền thống: 5 2.2.1. Mô hình Z’Score: 5 2.2.1.1. Bước 1: Sự chọn mẫu 5 2.2.1.2. Bước 2: Lựa chọn biến: 6 2.2.1.3. Bước 3: Giải thích biến số: 7 2.2.1.4. Bước 4: Kiểm tra biến số: 10 2.2.1.5. Mẫu ban đầu: 11 2.2.1.6. Kiểm định báo cáo hai năm trước khi phá sản: 12 2.2.1.7. Mẫu thứ cấp của các công ty phá sản: 13 2.2.1.8. Kiểm định mô hình dựa trên mẫu tiếp theo gồm các công ty kiệt quệ tài chính: 13 2.2.1.9. Mẫu thử nghiệm thứ nhì của công ty phá sản: 14 2.2.1.10. Độ chính xác dài hạn: 15 vi
2.2.1.11. Chỉ số Z-Score trung bình chéo thời gian: 16 2.2.1.12. Mô hình Z-Score áp dụng cho các công ty tư nhân 16 2.2.2. Mô hình Z-Score tự điều chỉnh: 17 2.2.2.1. Kết luận về mô hình Z-Score: 18 2.2.3. Giới thiệu mô hình hồi quy Binary logistic 19 2.2.3.1. Ứng dụng của mô hình hồi quy Binary logistic 19 2.2.3.2. Mô hình Binary Logistic: 19 2.2.3.3. Các phương pháp đưa biến độc lập vào mô hình hổi quy Binary Logistic . 22 Chương 3: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGHIỆP 24 3.1. Ước lượng xác xuất kiệt quệ tài chính của các doanh nghiệp: cách tiếp cận bằng mô hinhg Binary Logistic: 24 3.1.1. Xây dựng mô hình: 24 3.1.1.1. Diễn giải các biến độc lập trong phân tích hồi quy: 24 3.1.2. Kiện toàn mô hình: 26 Chương 4: KẾT QUẢ NGHIÊN CỨU CỦA MÔ HÌNH HỒI QUY BINARY LOGISTIC29 4.1. Thực trạng các doanh nghiệp 29 4.2. Kết quả mô hình 37 4.2.1. Độ phù hợp của mô hình: 37 4.2.2. Mức độ chính xác của mô hình 38 4.2.3. Kiểm định Wald 39 4.3. Kết quả nghiên cứu đưa ra mô hình hồi quy Binary Logistic với phương trình như sau: 40 4.3.1. Hệ số hồi quy tỷ số ROA: 40 4.3.2. Hệ số hồi quy MVE/TL 40 4.3.3. Hệ số hồi quy D/A 41 4.3.4. Hệ số hồi quy TIE 41 4.4. Kết quả nghiên cứu: 42 4.4.1. NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản : 42 4.4.2. Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường của vốn chủ sở hữu /Tổng nợ: 43 vii
4.4.3. Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản: 43 4.4.4. TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay: 43 4.5. Vận dụng mô hình Binary Logistic vào mục đích dự báo: 44 4.5.1. Ví dụ 1: CTCP xuất nhập khẩu thủy sản Bến Tre - ABT có số liệu như sau: 44 4.5.2. Ví dụ 2: CTCP Bê tông BECAMEX – ACC 44 4.5.3. Ví dụ 3: CTCP xuất nhập khẩu thủy sản An Giang – AGF 45 Chương 5: CÁC GIẢI PHÁP NÂNG CAO KHẢ NĂNG DỰ BÁO VÀ GIẢI QUYẾT MỘT CÁCH HIỆU QUẢ TÌNH TRẠNG KHÁNH KIỆT Ở VIỆT NAM. 46 5.1. Nâng cao tính minh bạch và trách nhiệm của thông tin: 46 5.2. Phát triển hệ thống đánh giá xếp hạng tín nhiệm doanh nghiệp Việt Nam theo tiêu chuẩn quốc tế 48 5.3. Hoàn thiện luật phá sản và các văn bản hướng dẫn có liên quan cả về mặt lý luận và khả năng thực hiện 49 5.3.1. Tập trung vào những giải pháp tăng cường tính thực thi của luật phá sản 49 5.3.2. Sớm ban hành quy định hướng dẫn thủ tục phá sản cho các DN 51 5.3.3. Ban hành các quy định hỗ trợ nâng cao hiệu quả hoạt động của DATC 54 KẾT LUẬN 58 TÀI LIỆU THAM KHẢO 59 PHỤ LỤC 62 viii
MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN BẰNG MÔ HÌNH BINARY LOGISTIC. Chương 1: GIỚI THIỆU 1.1. Lời mở đầu: Kinh tế thế giới những năm gần đây biến động mạnh mẽ, mang đến cho các doanh nghiệp nhiều cơ hội cũng như thách thức, khó khăn trong hoạt động kinh doanh. Trong một môi trường phát triển năng động, việc dự báo chính xác khả năng rơi vào tình trạng kiệt quệ tài chính là một trong những vấn đề cốt lõi giúp các nhà quản lý đưa ra những quyết định phù hợp, duy trì sự tồn tại và thúc đẩy sự phát triển của doanh nghiệp. Kết thúc năm 2013, có 37 doanh nghiệp hủy niêm yết, kể cả tự nguyện lẫn bắt buộc trên 2 sàn chứng khoán. Đây là con số kỷ lục từ khi thị trường chứng khoán VN ra đời đến nay. Ngoài các doanh nghiệp (DN) bị hủy niêm yết cổ phiếu (CP) bắt buộc do thua lỗ liên tục 3 năm hay vi phạm quy định công bố thông tin, số lượng DN tự nguyện rời khỏi sàn lên đến gần một nửa con số 37 DN trên. Đáng chú ý là nhiều DN đưa lý do xin hủy niêm yết vì giá CP đã xuống thấp hơn giá trị sổ sách của công ty hay DN không thể huy động được vốn thông qua thị trường chứng khoán (TTCK). Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với 22 mã Nguyên nhân chủ yếu khiến 25 mã cổ phiếu này bị hủy niêm yết là do thua lỗ 3 năm liên tiếp và đơn vị kiểm toán không chấp nhận báo cáo tài chính hoặc từ chối đưa ra ý kiến sau khi công bố báo cáo tài chính kiểm toán năm 2013. Không ngừng lại ở đó, năm 2015 có 33 doanh nghiệp bị hủy niêm yết. Kết thúc 4 tháng đầu năm 2016 đã có 2 doanh nghiệp tiếp tục buộc bị ngừng giao dịch trên sàn. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh 2016. Các nguyên nhân dẫn đến kiệt quệ tài chính ngày càng phức tạp. Không những xuất phát từ chính nội bộ doanh nghiệp mà còn xuất phát từ các yếu tố bên ngoài như các biến số thị trường và vĩ mô. Vì vậy cần một mô hình, cách thức dự báo tình trạng kiệt quệ tài chính 1
chính xác hơn nhằm giúp các nhà quản lý đưa ra quyết định đúng đắn, nâng cao chất lượng công ty Nhận ra những yêu cầu bức thiết nói trên, tôi quyết định chọn đề tài “MÔ HÌNH ƯỚC LƯỢNG XÁC XUẤT KIỆT QUỆ TÀI CHÍNH CỦA DOANH NGHIỆP: TIẾP CẬN BẰNG MÔ HÌNH BINARY” làm đề tài luận văn của mình. 1.2. Mục tiêu nghiên cứu - Tìm ra các nhân tố ảnh hưởng đến kiệt quệ tài chính của các doanh nghiệp - Vận dụng mô hình hồi quy Binary Logistic để ước lượng xác xuất kiệt quệ tài chính của doanh nghiệp. Từ đó xem xét mức độ ảnh hưởng của các nhân tố ảnh hưởng đến tình hình doanh nghiệp. - Đưa ra những giải pháp nhằm nâng cao hiệu quả hoạt động của doanh nghiệp 1.3. Đối tượng và phạm vi nghiên cứu: 1.3.1. Đối tượng: Mô hình ước lượng xác suất kiệt quệ tài chính của doanh nghiệp dựa trên những doanh nghiệp đã bị hủy niêm yết do kinh doanh thua lỗ và lỗ lũy kế vượt quá vốn điều lệ. Đồng thời cũng tương đồng với các doanh nghiệp hủy niêm yết là các doanh nghiệp có quy mô tương tự đang hoạt động tốt trên thị trường 1.3.2. Phạm vi nghiên cứu Sử dụng nguồn dữ liệu từ cơ sở dữ liệu các năm của các công ty được niêm yết trên sở giao dich chứng khoán HOSE và HNX. Thu thập số liệu từ báo cáo tài chính của 84 công ty đang hoạt động bình thường và 84 công ty hủy niêm yết trên sàn giao dịch. Trong nghiên cứu này, tôi phân loại quan sát thành hai loại: những quan sát rơi vào tình trạng kiệt quệ tài chính được gán giá trị biến phụ thuộc là 0; những quan sát không bị kiệt quệ hay tình hình tài chính ổn định được gán giá trị biến phụ thuộc là 1. Để giải quyết vấn đề biến phụ thuộc là nhị phân, em sử dụng mô hình Binary Logistic trong bài nghiên cứu này. 1.4. Phương pháp nghiên cứu: Phương pháp thống kê, phương pháp so sánh, phương pháp phân tích những số liệu về kết quả hoạt động kinh doanh, kết quả huy động vốn, doanh số, tình hình nội bộ các doanh nghiệp.v.v 2
Chọn mẫu là các doanh nghiệp, trong đó gồm: các doanh nghiệp bị hủy niêm yết do thua lỗ, các doanh nghiệp hoạt động kinh doanh ổn định có quy mô tương đương. Sử dụng phương pháp thống kê phân tích số liệu. Sử dụng phần mềm tin học ứng dụng SPSS 22.0. Tổng hợp toàn bộ thông tin dữ liệu đã thu thập và tiến hành làm sạch dữ liệu. Chạy mô hình. Chạy các kiểm định Tiến hành phân tích các yếu tố. Xem xét mức độ ảnh hưởng của các yếu tố như thế nào đến sức khỏe của doanh nghiệp. Đưa ra nhận xét cá nhân về tình hình tài chính của doanh nghiệp giúp nhà quản lý có cái nhìn tổng quan về công ty với dựa trên những chỉ số cơ bản nhất. 1.5. Kết cấu đề tài: CHƯƠNG 1: Giới thiệu. CHƯƠNG 2: Tổng quan lý thuyết và các nghiên cứu trước đây về kiệt quệ tài chính. CHƯƠNG 3: Phân tích các nhân tố ảnh hưởng đến kiệt quệ tài chính của doanh nghiệp. CHƯƠNG 4: Kết quả nghiên cứu của mô hình hồi quy Binary Logistic. CHƯƠNG 5: Các giải pháp nâng cao khả năng dự báo và giải quyết một cách hiệu quả tình trạng khánh kiệt tài chính ở Việt Nam. 3
Chương 2: TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY VỀ KIỆT QUỆ TÀI CHÍNH VÀ PHÁ SẢN 2.1. Các nghiên cứu trước đây: - Opler và Titman (1994) cho thấy rằng các công ty kiệt quệ tài chính (đòn bẩy cao) bị mất thị phần đáng kể vào đối thủ m ạnh trong thời kỳ suy thoái của ngành. Sự sụt giảm doanh số bán hàng mà Apple và Chrysler phải đối mặt trong thời kỳ khó khăn tài chính sẽ cho ta bằng chứng về những thiệt hại nặng nề như vậy. - Trong một mẫu của 3 1 giao dịch có đòn bẩy cao (HLTs), Andrade và Kaplan (1998) minh họa ảnh hưởng của kiệt quệ kinh tế bắt nguồn từ kiệt quệ tài chính và ước tính chi phí kiệt quệ tài chính khoảng 10-20% giá trị công ty. - Asquith, Gertner và Scharfstein (1994 ) cho rằng trung bình các công ty kiệt quệ về tài chính bán 12% tài sản của họ như một phần trong nhữ ng kế hoạch tái cấu của họ. - Chevalier (1995a,b) sử dụng thông tin chi tiết từ các ngành siêu th ị địa phương để cung cấp bằng chứ ng để hỗ trợ cho hành vi thâu tóm trên thị trư ờng. Bà cho rằng t iếp theo sau hành động mua và sáp nhập các siêu thị bằng vốn vay (LBOs), giá sẽ giảm tại các thị trư ờng địa phương nơi m à các công ty đối thủ có đòn bẩy thấp và tập trung. Hơn nữa, sự giảm giá này liên quan đến việc các công ty LBO thoát khỏi thị trư ờng địa phương. Những phát hiện này cho thấy rằng các đối thủ nỗ lực để săn mồi trên dây chuyền LBO. - Phillips (1995) nghiên cứ u sự tương tác giữ a thị trường sản phẩm và cơ cấu tài chính ở bốn ngành công nghiệp và tìm thấy bằng chứng nhất quán rằng nợ sẽ làm suy yếu vị trí cạnh tranh của các công ty (xem thêm Kovenock và Phillips - 1997; Arping - 2000). - Bằng việc sử dụng các bãi bỏ quy định của ngành vận t ải đường bộ như là một cú sốc ngoại sinh, Zingales (1998 ) nghiên cứ u sự tương tác giữ a cấu trúc tài chính và sự cạnh tranh ở thị trường sản phẩm và cho thấy rằng đòn bẩy làm giảm khả năng sống sót của công ty sau khi có sự gia tăng trong cạnh tranh. Thông điệp chung từ các bài nghiên cứu trên là kiệt quệ tài chính có thể phát sinh chi phí thực tế tại công ty bằng việc suy yếu vị thế cạnh tranh của họ trên thị trường sản phẩm 4
2.2. Phân tích các chỉ số truyền thống: Sự nhận biết hoạt động của doanh nghiệp và những khó khăn chính là một chủ đề có thể được giải quyết cụ thể khi phân tích các chỉ số tài chính. Trước khí phát triển các thước đo định lượng hoạt động của doanh nghiệp, một số tổ chức đã thiết lập để cung cấp các mô hình định tính các thông tin mà 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 chuyên cung cấp các điều tra tín dụng độc lập, tập hơp các nghiên cứu chính thức liên quan đến dự báo thất bại doanh nghiệp được thực hiện trong những thập niên 1930. Bên cạnh đó GGSaver 1967 là tác phẩm kinh điển trong lĩnh vực phân tích các chỉ số và phá sản, các mô hình này đã thiết lập trên nền móng các nỗ lực sử dụng kỹ thuật đa biến cho các tác giả khác đi theo. Mô hình Z-Score của Altman cũng đã sử dụng kỹ thuật phân tích đa biến này. Một nghiên cứu tiếp theo của Deakin (1972) đã sử dụng 14 biến như GGSaver đã phân tích, nhưng Deakin đã áp dụng những biến này trong một loạt các phân tích đa biệt thức. Những nghiên cứu trên đã ngầm chỉ ra một khả năng nhất định của các chỉ số như các công cụ dự báo phá sản. Nhìn chung, các chỉ số đo lường khả năng sinh lời (profitability), khả năng thanh khoản (liquidity), và khả năng toán (solvency) được thừa nhận như những chỉ báo quan trọng. 2.2.1. Mô hình Z’Score: Mô hình Z-score là mô hình được công nhận và sử dụng rộng rãi trên thế giới. Chỉ số này được phát minh bởi Giáo sư Edward I. Altman. Khi nghiên cứu thiết lập mô hình Z- Score, Altman đă thực hiện các bước như sau: 2.2.1.1. 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 Phá Sản Hoa Kỳ trong giai đoạn 1946 đến 1965. 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 5
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. Dữ liệu đuợc xây dựng từ Sổ Tay Ngành của tổ chức Moody và từ các báo cáo được chọn lọc hằng năm. 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. 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. Mô hình Z-Score xuất hiện có thể đáp ứng được nhu cầu này. 2.2.1.2. Bước 2: Lựa chọn biến: Sau khi hình thành được khái niệm nhóm và chọn được công ty, chọn danh sách gồm 22 chỉ số, 5 chỉ số đã được chọn vì chúng đã thể hiện tốt nhất trong việc liên kết dự đốn phá sản công ty. Các chỉ số này không bao gồm tất cả các biến số quan trọng nhất được đo lường một cách độc lập. Để đạt được tập hợp các biến số cuối cùng, các thủ tục sau đã được sử dụng: (1) quan sát mức ý nghĩa thống kê của các chức năng thay thế khác nhau, bao gồm việc xác định phần đóng góp tương đối của các biến số độc lập; (2) đánh giá sự tương quan giữa các biến số có liên quan; (3) quan sát độ chính xác về mặt dự báo của các tập hợp biến; và (4) đánh giá của các chuyên gia. Biệt thức cuối cùng đuợc thể hiện như sau: ZXXXXX 0.0121 0.014 2 0.033 3 0.006 4 0.999 5 Trong đó: X1= working capital/total assets = Vốn lưu động/ Tổng tài sản, X2= Retained earning/ total assets = Lợi nhuận giữ lại/ Tổng tài sản X3= Eanring GGSfore tax and interest/ total assets = Lợi nhuận trước thuế và lãi vay/ Tổng tài sản, X4= Market value equity/ book value of total liabilities = Giá trị thị trường của vốn CSH/ giá trị sổ sách của nợ phải trả, 6
X5= Sales/total assets = Tổng doanh thu/ Tổng tài sản, và Z= overall index = chỉ số tổng hợp Chú ý rằng, mô hình không có một hằng số nào (số giới hạn). Đó bởi vì các phần mềm cụ thể được sử dụng, và kết quả là, điểm số giới hạn tương ứng giữa hai nhóm không phải là 0. Phần mềm khác, như SAS và SPSS, có một hằng số, mà nó chuẩn hĩa điểm giới hạn ở 0 nếu số mẫu của hai nhóm là bằng nhau. 2.2.1.3. Bước 3: Giải thích biến số: X1, working capital/total assets (WC/TA) = Vốn lưu động/ Tổng tài sản Chỉ số working capital/ total assets, thường được tìm thấy trong các nghiên cứu về các trục trặc DN, là một công cụ đo lường độ thanh khoản ròng của các tài sản của công ty tương ứng với tổng vốn. Working capital được định nghĩa như là sự khác nhau giữa current assets – tài sản lưu động và current liabilities- nợ ngắn hạn. Tính thanh khoản và đặc điểm về kích thước được cân nhắc rõ nét. Thông thường, một công ty trải qua một thời kỳ lỗ hoạt động kéo dài sẽ có tài sản lưu động bị co lại so với tổng tài sản. Trong ba chỉ số thanh khoản được đánh giá, chỉ số này tỏ ra là chỉ số đáng giá nhất. Hai chỉ số thanh khoản khác được kiểm tra là current ratio- chỉ số thanh tốn hiện hành và quick ratio – chỉ số thanh tốn tức thời. Chúng xem ra kém hữu ích và phụ thuộc vào khuynh hướng bảo thủ của một vài công ty thất bại. X2, retained earnings/total assets (RE/TA) = Lợi nhuận giữ lại/ Tổng tài sản Lợi nhuận giữ lại thể hiện tổng số thu nhập được tái đầu tư hay mức lỗ của một doanh nghiệp trong suốt thời gian tồn tại của nó. Chỉ số này cũng được xem như là thặng dư kiếm được từ quá trình hoạt động. Điều đáng chú ý là chỉ số này phụ thuộc vào sự vận động thông qua tái cấu trúc và tuyên bố chia cổ tức, vốn không phải là đối tượng nghiên cứu của nghiên cứu này, có thể hiểu rằng một xu hướng sẽ được hình thành thông qua tái tổ chức, hoặc chính sách chia cổ tức hoặc những điều chỉnh phù hợp trong các tài khoản kế tốn. Một khía cạnh mới thú vị về chỉ số lợi nhuận giữ lại là khả năng đo lường lợi nhuận tích lũy theo thời gian. Thời gian hoạt động ngắn hay dài của một công ty được cân nhắc 7
hồn tồn ở chỉ số này. Ví dụ, các công ty trẻ thường thể hiện một chỉ số RE/TA thấp bởi vì nó chưa có thời gian để tích lũy lợi nhuận. Vì vậy, có thể lập luận là các công ty trẻ ở một mức độ nào đó bị phân biệt đối xử trong phân tích này, và khả năng các công ty này đuợc xếp vào nhóm phá sản là cao hơn một cách tương đối so với các công ty có thời gian hoạt động nhiều hơn. Nhưng đó là điều chính xác trong thế giới thực. Các công ty dễ bị phá sản ở những năm đầu hoạt động. Trong năm 1993, khoảng 50% số các công ty bị phá sản trong từ một đến 5 năm đầu hoạt động (Dun & Bradstreet, 1994). Thêm vào đó, chỉ số RE/TA đo lường đòn bẩy của một doanh nghiệp. Những công ty với mức RE cao, so với TA, có thể tài trợ tài sản thông qua việc giữ lại lợi nhuận và không sử dụng nhiều nợ. X3, Earnings Before Interest and taxes/Total assets (EBIT/TA)=Lợi nhuận trước thuế và lãi vay/Tổng tài sản (chỉ số hiệu suất sử dụng tài sản) Chỉ số này đo lường năng suất thật của tài sản doanh nghiệp, một cách độc lập với thuế và vay nợ. Bởi vì sự sinh tồn tối hậu của một doanh nghiệp là dựa vào khả năng tạo ra tiền của tài sản, chỉ số này xuất hiện rất hay trong nghiên cứu liên quan đến thất bại doanh nghiệp. Hơn nữa, việc mất khả năng thanh tốn trong các trường hợp phá sản xảy ra khi tổng nợ lớn hơn giá trị đúng của tài sản công ty với giá trị được xác định dựa trên khả năng sinh lợi của tài sản. Chỉ số này có khả năng chỉ báo tốt hơn các chỉ số sinh lợi khác, kể cả dịng tiền. X4, Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường của vốn chủ sở hữu /Giá trị sổ sách của nợ Vốn chủ sở hữu: Được đo lường bởi giá trị thị truờng của tất cả cổ phiếu, cổ phiếu ưu đãi và cổ phiếu thường, trong khi nợ bao gồm cả nợ ngắn hạn và nợ dài hạn. Chỉ số này đo mức độ có thể sụt giảm về mặt giá trị của tài sản công ty (đo lường bởi giá trị thị trường của vốn chủ sở hữu và nợ) trước khi nợ vượt quá tài sản và công ty mất khả năng thanh tốn. Ví dụ, một công ty với giá trị thị trường của vốn chủ sở hữu là 1000 USD, và nợ là 500 USD có thể chịu được sự sụt giảm 2/3 giá trị tài sản trước khi mất khả năng thanh tốn (sụt 2/3 tài sản tức là tổng giá trị tài sản còn lại 8
=1/3*(1000+500)=500 USD). Tuy nhiên, cùng một công ty với 250 USD giá trị vốn chủ sở hữu sẽ bị mất khả năng thanh tốn nếu tài sản giảm chỉ còn 1/3 giá trị. Chỉ số này bổ sung kích thước giá trị thị trường mà hầu hết các nghiên cứu phá sản khác không đề cập đến. X5, Sales/Total assets (S/TA) = Tổng doanh thu/ Tổng tài sản Chỉ số doanh thu trên tổng tài sản là một chỉ số tài chính tiêu chuẩn minh họa cho khả năng tạo ra thu nhập của tài sản doanh nghiệp. Nó là một thước đo khả năng quản trị trong môi trường cạnh tranh. Chỉ số cuối cùng này khá quan trọng nhưng nó là chỉ số kém quan trọng nhất dựa trên cơ sở cá thể. Thật ra, dựa trên các kiểm định mức ý nghĩa bằng thống kê đơn biến, nó không nên xuất hiện. Tuy nhiên, bởi vì mối quan hệ duy nhất của của nó với các biến số khác của mô hình, chỉ số sales/total assets xếp hạng thứ hai trong việc góp phần vào khả năng phân biệt tổng thể của mô hình. Tuy nhiên, có sự khác biệt lớn về doanh thu giữa các ngành, và Altman sẽ phát triển một mô hình thay thế (Z”) mà không có chỉ tiêu X5 ở phần sau.  ĐIỂM CẦN CHÚ Ý Trong nhiều năm trời, các công ty tìm thấy một dạng thể hiện tiện nghi hơn của mô hình là: ZXXXXX 1.2 1 1.4 2 3.3 3 0.6 4 1.0 5 Để đánh giá khả năng phá sản của các công ty, chỉ số Z của chúng được so sánh với các mức điểm được xác định trước như dưới đây Z < 1.81: Phá sản 1.81 < Z < 2.99: Không rõ ràng 2.99 < Z : Lành mạnh Sử dụng công thức này, thì các biến từ X1 đến X4 được sử dụng dưới dạng số tuyệt đối, ví dụ 0.10 thay vì 10% và làm tròn hệ số cuối bằng 1.0 (từ 0.99). Biến số cuối tiếp tục được viết dưới dạng số tuyệt đối. Điểm số cho các công ty đơn lẻ và các nhóm phân loại tương ứng và điểm ngưỡng vẫn khác nhau thấy rõ. Định dạng này đã được sử dụng trong một vài tình huống thực tế, ví dụ như công trình của Altman và Lafleur (1981). 9
Bảng 2.1 Biến trung vị và kiểm nghiệm mức ý nghĩa Biến Trung vị của Trung vị của Chỉ số FF Ration nhóm phá sản/ nhóm không phá Bankrupt Group sản/ Nonbankrupt X1= WC/TA GTTan- 6.1% Group 41.4%GTTan 32.5* X2= RE/TA -62.6% 35.5% 58.86* X3=EBIT/TA -31.8% 15.4% 26.56* X4= MVE/BVL 40.1% 247.7% 32.26* X5= S/TA 1.5 1.9 2.84 N=33 F1.60(0.01)= 12.0; F1.60(0.01)=7.00; F1.60(0.01)= 4.00 2.2.1.4. Bước 4: Kiểm tra biến số: Một kiểm nghiệm xác định khả năng phân biệt của mô hình là kiểm nghiệm F- value, bằng cách lấy chỉ số tổng bình phương (sums of squares) của nhóm này so với tổng bình phương của nhóm khác. Khi chỉ số này cực đại, nó có tác dụng phân tán trung vị của nhóm rộng ra, và đồng thời, giảm sự phân tán của các điểm cá thể (giá trị Z của công ty) ra xa trung vị của nhóm tương ứng. Một cách lơ gíc, kiểm nghiệm này (còn gọi là kiểm nghiệm F) là phù hợp vì mục tiêu của phương pháp phân tích đa nhân tố là nhận dạng và sử dụng những biến số mà chúng phân biệt tốt nhất các nhóm khác nhau và đồng dạng nhất trong nhóm. Trung bình nhóm của hai nhóm mẫu gốc là Chỉ số Z của nhóm 1= - 0.254 ( với F = 20.7) = (1.2*(-6.1%)) + (1.4*(-62.6%)) + (3.3*(-31.8%)) + (0.6* 40.1%) + (1* 1.5) Chỉ số Z của nhóm 2= + 4.8882 (với F4n (0.01) =3.84) = (1.2*41.4%) + (1.4*35.5%) + (3.3*15.4%) + (0.6*247.7%) + (1* 1.9) Kiểm nghiệm mức ý nghĩa do vậy bác bỏ giả thiết rỗng mà các quan sát phát sinh từ cùng một đám đông. 10
Các trung vị biến ở một báo cáo tài chính trước khi phá sản và kết quả thống kê F được biểu diễn trong bảng 1. Biến X1 đến biến X4 đều có mức ý nghĩa 0.001, diễn đạt sự khác nhau cực kỳ quan trọng giữa các biến giữa các nhóm công ty khác nhau. Biến X5 không diễn đạt được sự khác biệt quan trọng giữa các nhóm và lý do để cho biến này vào nhóm các biến là chưa rõ ràng lắm. Ở một mức độ nghiêm ngặt về đơn biến, tất cả các chỉ số đều có giá trị cao hơn ở các công ty không phá sản. Cũng như thế, tất cả các hệ số biệt thức đều có dấu hiệu rất khả quan như mong đợi. Bởi thế, một công ty có khả năng phá sản càng cao thì điểm số biệt thức của nó càng thấp. Rõ ràng rằng bốn trong năm biến số diễn đạt sự khác nhau quan trọng giữa các nhóm, nhưng tầm quan trọng của phương pháp đa biệt thức là ở khả năng tách nhóm thông qua sự đo lường đa biến số. Một khi các giá trị của các hệ số biệt thức được ước lượng, ta có thể tính tốn điểm biệt thức của mỗi quan sát trong mẫu, hay các công ty, và ấn định các quan sát vào một nhóm dựa vào điểm số này. Sự cần thiết của quy trình là so sánh hồ sơ của một công ty cá thể với hồ sơ của một nhóm lựa chọn. Sự so sánh được đo lường bởi giá trị “chi bình phương” và các chỉ định được thực hiện dựa vào sự tương tự tương đối của các điểm số công ty so với điểm số nhóm. 2.2.1.5. Mẫu ban đầu: Mẫu ban đầu gồm 2 nhóm với 33 công ty mỗi nhóm, được kiểm tra bằng cách sử dụng dữ liệu báo cáo tài chính thu thập một năm trước khi phá sản. Bởi vì các hệ số biệt thức và các phân phối nhóm được xây dựng từ mẫu này, nên sự phân loại thành công được kỳ vọng rất cao. Điều này xảy ra bởi vì các công ty được phân loại bằng sử dụng chức năng biệt thức, thực tế, là dựa vào các công cụ đo lường riêng lẻ cho cùng các công ty này. Ma trận phân loại cho mẫu gốc được biểu diễn trong bảng 2. Mô hình thể hiện cực kỳ chính xác trong việc phân loại đúng 95% cho tổng số các công ty trong mẫu. Còn nhóm I sai số chỉ có 6% trong lúc nhóm II thậm chí còn ít hơn với 3%. Những kết quả này là rất tốt như kỳ vọng 11
Bảng 2.2 Kết quả phân loại mẫu gốc Phần Phần trăm Dự đoán Số trăm Mẫu Thực không đúng chính n tế chính Nhóm xác Nhóm 2 xác 1 Nhóm 31 2 1Nhóm 1 32 Kiểu I 31 91 6 33 2 Kiểu II 32 97 3 33 Kiểu III 63 95 5 66 2.2.1.6. Kiểm định báo cáo hai năm trước khi phá sản: Cuộc kiểm định thứ hai quan sát khả năng của mô hình cho các công ty sử dụng các dữ liệu báo cáo tài chính thu thập được hai năm trước khi phá sản. Thời kỳ hai năm là một sự cường điệu bởi vì thời gian chết giữa lúc bắt và lúc hồn thành bình quân cho việc các công ty được sắp xếp là khoảng 20 tháng, với hai công ty có thời gian chết là 13 tháng. Kết quả được biểu diễn trong bảng 3. Sự giảm chính xác là điều có thể hiểu được bởi vì các biểu hiện của sự phá sản tiềm tàng là kém rõ hơn. Tuy nhiên 72% phân định chính xác là bằng chứng rằng sự phá sản có thể tiên đốn trước 2 năm. Sai số của nhóm II lớn hơn một chút (6% so với 3%) trong kiểm nghiệm này, nhưng như thế vẫn là cực kỳ chính xác. Bảng 2.3: Kết quả phân loại mẫu cho thời gian hai năm trước khi phá sản Số Phần Phần Mẫu n Thực tế Dự đoán đúng trăm trăm Nhóm 1 Nhóm 2 chính không xác chính xác Nhóm 1 23 9 Nhóm 2 2 31 Kiểu I 23 72 28 32 Kiểu II 31 94 6 33 12
Kiểu III 54 83 17 65 2.2.1.7. Mẫu thứ cấp của các công ty phá sản: Để kiểm tra mô hình một cách nghiêm ngặt cho các công ty phá sản và các công ty không phá sản, hai mẫu mới được giới thiệu. Mẫu thứ nhất được tập hợp gồm 25 công ty bị phá sản. Những công ty này có mức tài sản tương tự với các công ty của nhóm phá sản ban đầu. Trên cơ sở của các thông số được thiết lập trong mô hình biệt thức để phân loại các công ty trong mẫu thứ cấp này, sự chính xác trong việc dự đốn cho mẫu này ở thời điểm một năm trước khi phá sản được mô tả trong bảng 4. Những kết quả thu được gây ngạc nhiên vì một nhóm đáng lẽ không được kỳ vọng nhiều lại trở nên tốt hơn so với mẫu ban đầu (96% so với 94%). Hai lý do có thể chấp nhận là khuynh hướng đi lên tồn tại một cách thông thường trong thử nghiệm mẫu đầu tiên không được thể hiện ở trong nghiên cứu này và hoặc mô hình như đã mô tả từ trước không được tối ưu. Bảng 2.4: Kết quả sắp xếp mẫu thứ cấp các công ty phá sản Nhóm phá sản Dự đoán Không Số đúng Phần trăm đúng Phần trăm sai Phá sản phá 24 sản1 Kiểu I (tổng cộng) 24 96 4 N=25 2.2.1.8. Kiểm định mô hình dựa trên mẫu tiếp theo gồm các công ty kiệt quệ tài chính: Trong kiểm nghiệm lần thứ 3 tiếp theo Altman đã kiểm tra 86 công ty kiệt quệ tài chính từ 1969 đến 1975, 110 công ty bị phá sản từ 1976 – 1995 và 120 công ty phá sản từ 1997 – 1999. Altman đã tìm ra rằng mô hình chỉ số Z, sử dụng điểm giới hạn là 2,675, dự đốn được chính xác từ 82% - 94%. Một nghiên cứu thử nghiệm lặp lại cho đến năm 1999, độ chính xác của mô hình Z - Score trên mẫu các công ty bị kiệt quệ tài chính giao động từ 80% - 90%, dựa trên dữ liệu của một kỳ báo cáo trước khi phá sản. Tuy nhiên, sai lầm kiểu II (sắp các công ty vô nhóm phá sản nhưng không phá sản) 13
đã tăng một cách đáng kể từ 15% - 20% cho mọi công ty và 10% của các công ty lớn nhất có điểm số Z dưới 1,81. Tuy nhiên những thử nghiệm gần đây cho thấy rằng điểm số Z trung bình tăng một cách đáng kể với mức tăng bình quân từ 4 đến 5 cấp trong giai đoạn 1970 – 1995 lên đến 10 cấp năm 1999. Nhưng cấp trung bình vẫn không tăng nhiều. Phần tăng quan trọng trong chỉ số Z trung bình là do giá cổ phiếu tăng một cách chóng mặt và điều này làm ảnh hưởng đến chỉ số X4. Altman ủng hộ việc sử dụng mức thấp hơn của vùng chưa rõ ràng (1.81) như là một điểm giới hạn thực tế của chỉ số Z hơn là điểm giới hạn của chỉ số 2.675. Điểm số sau là kết quả của mức độ lỗi tổng thể thấp hơn trong thử nghiệm ban đầu. Theo số liệu thống kê, năm 1999 tỷ lệ của các công ty trong nền công nghiệp Hoa Kỳ có điểm số Z dưới 1.81 là hơn 20% 2.2.1.9. Mẫu thử nghiệm thứ nhì của công ty phá sản: Một mẫu các công ty được chọn bởi tình trạng phá sản của nó (nhóm I) hoặc mức độ tương tự với nhóm I về mọi phương diện trừ việc vần tồn tại. Nhưng câu hỏi đặt ra là điều gì làm cho các công ty này tuy gặp các khĩ khăn về tạo ra lợi nhuận, nhưng lại không đến nỗi phải phá sản? Sự phân loại phá sản của các công ty thuộc diện này là một ví dụ của lỗi loại II. Một thử nghiệm chặt chẽ riêng biệt tính hiệu quả của mô hình biệt thức sẽ tìm ra một mẫu lớn các công ty gặp phải vấn đề về thu nhập và sau đó được quan sát kết quả phân loại của mô hình Z tương ứng. Để thực hiện những thử nghiệm trên, một mẫu 66 công ty được chọn lựa trên cơ sở báo cáo thu nhập thuần trong những năm 1958 – 1961, với 33 công ty mỗi loại. Trên 65% các công ty này đã trải qua 2 – 3 năm có lợi nhuận âm từ 3 năm trước đó. Các công ty được chọn lựa không tính đến kích cỡ tài sản, với 2 tiêu chuẩn là chúng phải là công ty sản xuất và bị lỗ từ 1958 – 1961. Những công ty này sau đó được đánh giá bằng mô hình biệt thức để xác định khả năng phá sản của chúng. Kết quả cho thấy 14 trong 66 công ty được xếp loại đã bị phá sản, còn 52 công ty còn lại được xếp đúng. Vì vậy mô hình biệt thức đã xếp loại đúng được 79% các công ty trong mẫu. Tỷ lệ này rất ấn tượng khi một ai đó để ý rằng những công ty này đã tạo thành một mẫu thứ cấp được thừa nhận là hoạt động kém hơn mức trung bình. Thử nghiệm t cho mức ý nghĩa của kết quả là 4.8; mức ý nghĩa ở 0.001. Một khía cạnh thú vị khác của thử nghiệm này là mối quan hệ của các công ty tạm 14
thời bị bệnh này và khu vực không xác định. Khu vực không xác định là phạm vi của chỉ số Z mà việc sắp sai nhóm có thể xảy ra. Trong 14 công ty bị xếp sai nhóm trong mẫu thứ nhì, 10 công ty có chỉ số Z nằm giữa 1.81 và 2.67, điều này chỉ ra rằng mặc dù chúng được xếp loại vào nhóm bị phá sản, sự dự đốn phá sản lại không rõ ràng như khi phần lớn xảy ra trong mẫu đầu tiên của các công ty bị phá sản. Thực ra, chỉ có 1/3 trong số 66 công ty trong mẫu sau cùng có chỉ số Z nằm trong khu vực đan xen vào nhau, mà nhấn mạnh rằng quá trình chọn lựa là thành công khi chọn ra các công ty có biểu hiện bị giảm giá trị (thua lỗ). Mặc dù các thử nghiệm đều dựa vào dữ liệu từ hơn 40 năm về trước, chúng vẫn thể hiện sự mạnh mẽ của mô hình khi sử dụng vào năm 2000. 2.2.1.10. Độ chính xác dài hạn: Kết quả trước cung cấp bằng chứng quan trọng về độ tin cậy các kết luận xây dựng từ các mẫu ban đầu. Một sự mở rộng hợp lý sẽ là xem xét hiệu quả tổng thể của mô hình biệt thức cho một khoảng thời gian lâu hơn trước khi xảy ra phá sản. Để trả lời câu hỏi này, dữ liệu được thu thập cho 33 công ty ban đầu từ năm thứ 3, năm thứ 4 và năm thứ 5 trước khi xảy ra phá sản. Một cơ sở mặc định là, khi thời gian tăng lên, khả năng dự báo tương đối của mọi mô hình đều giảm xuống. Điều này là chính xác trong các nghiên cứu đơn biến đã trích dẫn trước đó, và cũng đúng cho các mô hình đa biệt thức. Dựa vào những kết quả trên, có thể thấy mô hình Z-Score là một mô hình dự báo phá sản chính xác đến 2 năm trước khi khi xảy ra kiệt quệ tài chính và độ chính xác sẽ giảm nhiều khi khoảng thời gian dự báo kéo dài hơn. Altman cũng đã thực hiện một phân tích xu hướng dựa trên các chỉ số riêng lẻ của mô hình. Hai kết luận quan trọng nhất của khuynh hướng này là (1) mọi chỉ số được quan sát biểu hiện một khuynh hướng khi sự phá sản đến gần, và (2) thay đổi rõ nét nhất trong phần lớn các chỉ số này xảy ra giữa năm thứ ba và năm thứ hai trước khi phá sản. Mức độ thay đổi được đo lường bởi sự thay đổi hàng năm của giá trị chỉ số. Quan sát sau đặc biệt quan trọng bởi vì nó cung cấp bằng chứng tương thích với những kết luận được rút ra từ mô hình biệt thức. Vì vậy, các thông tin quan trọng thừa hưởng từ xu hướng đo lường của các chỉ số riêng lẻ gánh vác được tầm quan trọng tương xứng khi được kết hợp với các phân tích biệt thức bổ sung. 15
2.2.1.11. Chỉ số Z-Score trung bình chéo thời gian: Như bảng 2.5 cho thấy, Altman đã thử nghiệm mô hình Z-Score cho nhiều mẫu khác nhau trong khoảng thời gian hơn 30 năm. Trong mỗi thử nghiệm, độ chính xác của kiểu I, sử dụng điểm giới hạn là 2.67 nằm trong phạm vi từ 82-94%, dựa vào dữ liệu từ một năm báo cáo tài chính trước khi phá sản xảy ra hay mất khả năng chi trả cho các trái phiếu nợ. Thực vậy, trong thử nghiệm gần đây nhất, dựa trên 120 công ty bị vỡ nợ trong những năm 1997- 1999, độ chính xác của các dự báo phá sản là 94% (113 trong tổng 120). Sử dụng điểm giới hạn 1.81, tỷ lệ chính xác vẫn ở mức ấn tượng là 84%. Tỷ lệ chính xác 94%, với mức giới hạn 2.67 là có thể so sánh được với độ chính xác trong mẫu đầu tiên mà đã dùng để xây dựng mô hình này. Vì vậy, có thể kết luận rằng mô hình Z-Score vẫn giữ được độ chính xác cao và mô hình vẫn có khả năng dự báo mạnh mẽ mặc dù đã ra đời cách đây nhiều năm. Tuy nhiên, trong thập kỷ 90 thế kỷ 20, mức chính xác của kiểu II, đã tăng đến 15-20% đối với các công ty sản xuất được liệt kê trong dữ liệu thống kê Hoa Kỳ. Bảng 2.5: Phân loại và độ chính xác của mô hình dự báo phá sản Z-Score (1968) Số Mẫu Mẫu Mẫu năm năm Mẫu năm năm Mẫu đối 1969 -1975 trước gốc 1976 – 1997- chứng (25) phá (33) 1995 1999 -86 -110 -120 sản 94% 85% 94% 1 96% (92%) 82%(78%) (88%) (78%) (84%) 2 72% 3 48% 4 29% 5 36% Ghi chú: 2.67 là điểm giới hạn ( độ chính xác khi dùng điểm giới hạn 1.81 nằm trong ngoặc đơn) 2.2.1.12. Mô hình Z-Score áp dụng cho các công ty tư nhân Có lẽ yêu cầu thường xuyên nhất mà Altman nhận được từ những người quan tâm đến việc sử dụng mô hình Z-Score là “làm thế nào để áp dụng mô hình này cho các công 16
ty trong lĩnh vực tư nhân?”. Các nhà phân tích tín dụng, những người hoạch định kinh tế tư nhân, kiểm tốn viên, và bản thân các công ty đều quan ngại rằng mô hình gốc chỉ có thể áp dụng cho các công ty đại chúng (bởi vì X4 cần đến dữ liệu về giá trị cổ phiếu). Và chính xác hồn tồn là mô hình Z-Score là một mô hình dành cho các công ty đại chúng và việc điều chỉnh không phù hợp sẽ không có giá trị khoa học. Chẳng hạn như, điều chỉnh rõ ràng nhất là dùng giá trị sổ sách của vốn chủ sở hữu bằng giá trị thị trường và tính lại X4. Trước khi vấn đề này chính thức được bàn luận, các nhà phân tích có ít cơ hội để chọn lựa để làm điều này bởi vì bộ giá trị thay thế chưa sẵn sàng. 2.2.2. Mô hình Z-Score tự điều chỉnh: Không đơn giản là chèn một thông số đại diện vào mô hình sẵn có để tính chỉ số Z, Altman đề nghị một sự đánh giá lại tồn bộ mô hình, dùng giá trị sổ sách của vốn chủ sở hữu thay thế giá trị thị trường trong biến X4. Điều này sẽ làm thay đổi tất cả các hệ số của biệt thức (không chỉ thay đổi ở thông số của biến mới) và tiêu chuẩn phân loại và các điểm giới hạn cũng thay đổi theo. Đây là điều thực sự đã xảy ra. Kết quả của mô hình Z-Score điều chỉnh với biến mới X4 là: Z’ = 0.717X1 +0.847X2+ 3.107X3+0.420X4+0.998X5 Các điểm ngưỡng cho chỉ số Z’ này như sau: Phásản Z’ < 1.23 Không rõ ràng 1.23 <Z’ <2.90 . Lành mạnh 2.90 < Z’ Phương trình mới này trơng khác với mô hình trước đó; chẳng hạn như hệ số của biến X1 đã thay đổi từ 1.2 thành 0.7. Nhưng mô hình trơng khá tương tự như mô hình đã sử dụng giá trị thị trường. Biến số thực sự đã được điều chỉnh, X4 đã cho thấy hệ số đổi thành 0.42 so với lúc đầu là 0.6001; đó là vì, với thay đổi này nó ít ảnh hưởng hơn lên chỉ số Z. X3 và X5 hầu như là không đổi. Thử nghiệm biến đơn bằng thử nghiệm F cho giá trị sổ sách của X4 (25.8) thì thấp hơn 32.26 khi dùng giá trị thị trường nhưng kết quả đo lường bằng véc tơ cho thấy rằng đo lường bằng giá trị sổ sách vẫn là nhân tố quan trọng thứ ba trong phương trình 5 biến số. Bảng 1.6 liệt kê độ chính xác phân loại, trung bình nhóm, các điểm số giới hạn điều chỉnh cho mô hình Z’-Score. Độ chính xác của nhóm I vẫn chỉ thấp hơn chút ít so với mô hình sử dụng giá trị thị trường của vốn chủ sở hữu (91% so với 94%) nhưng độ chính xác 17
của nhóm II là rõ ràng (97%). Trung bình của nhóm không phá sản trong mô hình Z’- Score thấp hơn trong mô hình gốc (4.14 so với 4.8882). Vì vậy, sự phân phối điểm chỉ số là chặt chẽ hơn với phần đan xen nhóm rộng hơn. Phần không nhận biết được (ignorance zone) thì rộng hơn. Tuy nhiên, bởi vì ranh giới phân biệt thấp hơn 1.23 so với 1.81 trong mô hình gốc. Nên mô hình chỉnh sửa có lẽ kém tin cậy hơn so với mô hình gốc, nhưng chỉ kém một chút. Bởi vì thiếu các cơ sở dữ liệu của các công ty tư nhân, Altman không thực hiện kiểm nghiệm mô hình mở rộng này trên các mẫu thứ cấp các công ty bị kiệt quệ tài chính và không kiệt quệ. Ghi chú: Trung bình nhóm phá sản = 0.15; trung bình của nhóm không phá sản 4.14 Z’ 2.90= Vùng II (không có lỗi khi phân loại không phá sản) Vùng không nhận biết=1.23 đến 2.90 Bảng 2.6: Mô hình điều chỉnh Z’-Score: Phân loại kết quả, trung bình nhóm, ranh giới điểm phân biệt Thực tế Phân loại Phá sản Không phá sản Tổng cộng 30 3 33 Phá sản -90.90% -9.10% 1 32 33 Không phá sản -3.00% -97.00% 2.2.2.1. Kết luận về mô hình Z-Score: Altman đã xây dựng các mô hình cho ba dạng công ty khác nhau, ông đã tiến hành thử nghiệm nhiều lần dựa trên nhiều mẫu công ty trong khoảng thời gian 30 năm và kết luận rằng mô hình này vẫn giữ được độ chính xác cao mặc dù được thiết lập từ năm 1968. Cho đến nay mô hình Z-Score vẫn là mô hình được sử dụng rộng rãi nhất trên thế giới để đánh giá khả năng phá sản của các doanh nghiệp bởi tính đơn giản và độ chính xác của nó, dù rằng sau này có các mô hình chính xác hơn xuất hiện như mô hình Zeta, mô hình CART (Classification and Regression Trees) Mô hình Z-Score được thừa nhận có khả năng dự báo chính xác đến 2 năm trước khi doanh nghiệp phá sản. 18
2.2.3. Giới thiệu mô hình hồi quy Binary logistic 2.2.3.1. Ứng dụng của mô hình hồi quy Binary logistic Hồi quy Binary logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được. Có rất nhiều hiện tượng trong tự nhiên chúng ta cần đoán khả năng xảy ra một sự kiện nào đó mà ta quan tâm (chính là xác suất xảy ra), ví dụ sản phẩm mới có được chấp nhận hay không, người vay trả được nợ hay không, mua hay không mua Những biến nghiên cứu có hai biểu hiện như vậy gọi là biến hay phiên (dichotomous), hai biểu hiện này sẽ được mã háo thành hai giá trị 0 và 1 và ở dưới dạng này gọi là biến nhị phân. Khi biến phụ thuộc ở dạng nhị phân thì nó không thể được nghiên cứu với dạng hồi quy thông thường vì nó sẽ xâm phạm các giả định, rất dễ thấy là khi biến phụ thuộc chỉ có hai biểu hiện thì thật không phù hợp khi giả định rằng phần dư có phân phối chuẩn, mà thay vào đó nó sẽ có phân phối nhị thức, điều này sẽ làm mất hiệu lực thống kê của các kiểm định trong phép hồi quy thông thường của chúng ta. Một khó khăn khác khi dùng hồi quy tuyến tính thông thường là giá trị dự đoán được của biến phụ thuộc không thể được diễn dịch như xác suất ( giá trị ước lượng của biến phụ thuộc trong hồi quy Binary logistic phải rơi vào khoảng (0;1)). 2.2.3.2. Mô hình Binary Logistic: Với hồi quy Binary logistic, thông tin chúng ta cần thu thập về biến phụ thuộc là một sự kiện nào đó có xảy ra hay không, biến phụ thuộc Y lúc này có hai giá trị 0 và 1, với 0 là không xảy ra sự kiện ta quan tâm và 1 là có xảy ra, và tất nhiên là cả thông tin về các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự đoán xác suất sự kiện xảy ra theo quy tắc nếu xác suất được dự đoán lớn hơn 0.5 thì kết quả dự đoán sẽ cho là “có” xảy ra sự kiện, ngược lại thì kết quả dự đoán sẽ cho là “không”. Ta sẽ nghiên cứu mô hình hàm Binary logistic trong trường hợp đơn giản nhất là khi chỉ có một biến độc lập X. Ta có mô hình hàm Binary logistic như sau: eBBX01 EYX(/) 1 eBBX01 19
Trong công thức này E(Y/X) là xác suất để Y = 1 (là xác suất để sự kiện xảy ra) khi biến độc lập X có giá trị cụ thể là Xi. Kí hiệu biểu thức ( BBX01 ) là z, ta viết lại mô hình hàm Binary logistic như sau: ez PY( 1) 1 ez Vậy thì xác xuất không xảy ra sự kiện là: ez PYPY( 0) 1 ( 1) 1 1 ez Thực hiện phép so sánh giữa xác xuất một sự kiện xảy ra với xác xuất sự kiện đó không xảy ra, tỷ lệ chênh lệch này thể hiện qua công thức: ez PY( 1) z 1 e PY( 0) ez 1 1 ez Lấy Log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta được kết quả: PY( 1) z logee log ez PY( 0) Nên kết quả cuối cùng là: PY( 1) ln B01 B x PY( 0) Diễn dịch các hệ số hồi quy của mô hình Binary Logistic Tên gọi hồi quy Binary logistic xuất phát từ quá trình biến đổi lấy logarit của thủ tục này. Sự chuyển hóa cho các hệ số của hồi Binary logistic có nghĩa hơi khác với hệ số hồi quy trong trường hợp thông thường với các biến phụ thuộc dạng thập phân. Đó là: từ công thức (*) ta hiểu hệ số ước lượng B1 thực ra là sự đo lường những thay đổi trong tỷ lệ (được lấy logarit) cùa các xác suất xảy ra sự kiện với 1 đơn vị thay đổi trong biến phụ thuộc X1 20
PY( 1) B01 B x PY( 0) Chương trình SPSS sẽ tự động thực hiện tính toán các hệ số và cho hiện cả hệ số thật lẫn hệ số đã được chuyển đổi. Chú ý cách diễn dịch dấu của hệ số, một hệ số dương làm tăng tỷ lệ xác xuất dự đoán trong khi hệ số âm làm giảm tỷ lệ xác xuất dự đoán. Độ phù hợp của mô hình: Hồi quy Binary logistic cũng đòi hỏi ta phải đánh giá độ phù hợp của mô hình. Đo lường độ phù hợp tổng quát của mô hình Binary logistic được dựa trên chỉ tiêu -2LL (viết tắt của -2 log likelihood), thước đo này có ý nghĩa giống như SSE (sum of squares of error) nghĩa là càng nhỏ càng tốt. Bạn không cần quan tâm nhiều đến việc -2LL tính toán như thế nào nhưng nhớ rằng quy tắc đánh giá độ phù hợp căn cứ trên -2LL ngược với quy tắc dựa trên hệ số xác định mô hình R2 , nghĩa là giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao. Giá trị nhỏ nhất của -2LL là 0 (tức là không có sai số) khi đó mô hình có một độ phù hợp hoàn hảo. Chúng ta còn có thể xác định được mô hình dự đoán tốt đến đâu qua bảng phân loại (clasification table) do SPSS đưa ra, bảng này sẽ so sánh số trị số thực và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đoán đúng sự kiện. Kiểm định ý nghĩa thống kê của các hệ số Hồi quy Binary logistic: Kiểm định ý nghĩa thống kê của các hệ số Hồi quy Binary logistic cùng đòi hỏi kiểm định giả thuyết hệ số hồi quy khác không. Bạn hình dung nếu hệ số hồi quy B0 và B1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy của chúng ta vô dụng trong việc dự đoán. Trong hồi quy tuyến tính chúng ta sử dụng kiểm định t để kiểm định giả thuyết H0 : k 0 . Còn với hồi quy Binary logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Cách thức sử dụng mức ý nghĩa Sig. cho kiểm định Wald cũng theo quy tắc thông thường. Wald Chi Square được tính bằng cách lấy ước lượng của hệ số hồi quy của biến độc lập trong mô hình (hệ số hồi quy mẫu) Binary logistic chia cho sai số chuẩn của hệ số hồi quy này, sau đó bình phương 21
lên theo công thức sau: 22  B WaldChi Square Se()() Se B Kiểm định mức độ phù hợp tổng quát: Ở hồi quy Binary logistic, tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình ngoại trừ hằng số cũng được kiểm định xem có thực sự có ý nghĩa trong việc gỉai thích cho biến phụ thuộc không. Với hồi quy tuyến tính bội ta dùng thống kê F để kiểm định giả thuyết H0: 1 2  k 0 , còn với hồi quy Binary logistic ta dùng kiểm định Chi- bình phương. Căn cứ vào mức ý nghĩa mà SPSS đưa ra trong bảng Omnibus Tests of Model Coefficients để quyết định bác bỏ hay chấp nhận H 0 . 2.2.3.3. Các phương pháp đưa biến độc lập vào mô hình hổi quy Binary Logistic Với phương pháp hồi quy từng bước (Stepwise), số thống kê được sử dụng cho các biến được đưa vào và dời ra căn cứ trên số thống kê likelihood-ratio (tỷ lệ thích hợp) hay số thống kê Wald. Cũng có thể chọn một trong các phương pháp thay thế sau: Enter: đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong một bước. Forward: Conditional là phương pháp đưa vào dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng thông số có điều kiện. Forward: LR là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng khả năng xảy ra tối đa (maximum – likelihood estimates) Forward: Wald là phương pháp đưa vào dần kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Wald. Backwald: Conditional là phương pháp loại trừ dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng của những thông số có điều kiện. 22
Backwald: LR là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên những ước lượng khả năng xảy ra tối đa. Backwald: Wald là phương pháp loại trừ dần kiểm tra loại biến căn cứ trên xác suất của số thống kê Wald. 23
Chương 3: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KIỆT QUỆ TÀI CHÍNH CỦA CÁC DOANH NGHIỆP 3.1. Ước lượng xác xuất kiệt quệ tài chính của các doanh nghiệp: cách tiếp cận bằng mô hinhg Binary Logistic: 3.1.1. Xây dựng mô hình: Để xác định xác xuất kiệt quệ tài chính của các doanh nghiệp cần xác địnhđược những nhân tố, chỉ số ảnh hưởng, phản ánh tình hình của các doanh nghiệp. Trong nghiên cứu này tôi sử dụng mô hình hồi quy Binary Logistic với phương trình sau: PY( 1) ln  XXXXXX      PY( 0) 0 11 22 33 44 55 nn Trong đó: biến Y là tình hình tài chính là biến phụ thuộc có hai giá trị 0 và 1 (0 là bị hủy niêm yết, 1 là không bị hủy niêm yết hay tình hình tài chính ổn định) Thực hiện quá trình thu thập số liệu từ 172 doanh nghiệp, trong đó bao gồm 86 doanh nghiệp bị hủy niêm yết và 86 doanh nghiệp hiện đang niêm yết và họat động bình thường có khối lượng cổ phiếu tương ứng, tiến hành nhập dữ liệu vào phần mêm SPSS để chạy mô hình. 3.1.1.1. Diễn giải các biến độc lập trong phân tích hồi quy: Working capital/total assets (WC/TA) = Vốn lưu động/ Tổng tài sản Chỉ số working capital/ total assets, thường được tìm thấy trong các nghiên cứu về các trục trặc DN, là một công cụ đo lường độ thanh khoản rịng của các tài sản của công ty tương ứng với tổng vốn. Working capital được định nghĩa như là sự khác nhau giữa current assets – tài sản lưu động và current liabilities- nợ ngắn hạn. NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản : Tỷ số càng cao cho thấy doanh nghiệp làm ăn càng hiệu quả. Còn nếu tỷ số nhỏ hơn 0, thì doanh nghiệp làm ăn thua lỗ. Mức lãi hay lỗ được đo bằng phần trăm của giá trị bình quân tổng tài sản của doanh nghiệp. Tỷ số cho biết hiệu quả quản lý và sử dụng tài sản để tạo ra thu nhập của doanh nghiệp. Earnings before Interest and taxes/Total assets (EBIT/TA)=Lợi nhuận trước thuế và lãi vay/Tổng tài sản (chỉ số hiệu suất sử dụng tài sản) 24
Chỉ số này đo lường năng suất thật của tài sản doanh nghiệp, một cách độc lập với thuế và vay nợ. Bởi vì sự sinh tồn tối hậu của một doanh nghiệp là dựa vào khả năng tạo ra tiền của tài sản, chỉ số này xuất hiện rất hay trong nghiên cứu liên quan đến thất bại doanh nghiệp. Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường của vốn chủ sở hữu /Giá trị sổ sách của nợ: Chỉ số này được đo lường bởi giá trị thị truờng của tất cả cổ phiếu, cổ phiếu ưu đãi và cổ phiếu thường, trong khi nợ bao gồm cả nợ ngắn hạn và nợ dài hạn. Chỉ số này đo mức độ có thể sụt giảm về mặt giá trị của tài sản công ty (đo lường bởi giá trị thị trường của vốn chủ sở hữu và nợ) trước khi nợ vượt quá tài sản và công ty mất khả năng thanh toán. Sales/Total assets (S/TA) = Tổng doanh thu/ Tổng tài sản: Chỉ số doanh thu trên tổng tài sản là một chỉ số tài chính tiêu chuẩn minh họa cho khả năng tạo ra thu nhập của tài sản doanh nghiệp. Nó là một thước đo khả năng quản trị trong mơi trường cạnh tranh. Price/Book value (P/B)= Giá thị trường/ giá trị sổ sách: Tỷ lệ được sử dụng để so sánh giá của một cổ phiếu so với giá trị ghi sổ của cổ phiếu đó. Tỷ lệ này được tính toán bằng cách lấy giá đóng cửa hiện tại của cổ phiếu chia cho giá trị ghi sổ tại quý gần nhất của cổ phiếu đó. Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản: Tỷ số này cho biết có bao nhiêu phần trăm tài sản của doanh nghiệp là từ đi vay. Qua đây biết được khả năng tự chủ tài chính của doanh nghiệp. Tỷ số này mà quá nhỏ, chứng tỏ doanh nghiệp vay ít. Điều này có thể hàm ý doanh nghiệp có khả năng tự chủ tài chính cao. Song nó cũng có thể hàm ý là doanh nghiệp chưa biết khai thác đòn bẩy tài chính, tức là chưa biết cách huy động vốn bằng hình thức đi vay. Ngược lại, tỷ số này mà cao quá hàm ý doanh nghiệp không có thực lực tài chính mà chủ yếu đi vay để có vốn kinh doanh. Điều này cũng hàm ý là mức độ rủi ro của doanh nghiệp cao hơn. Return on Sale (ROS) = Lợi nhuận sau thuế/ Doanh thu thuần: 25
Tỷ số này cho biết lợi nhuận chiếm bao nhiêu phần trăm trong doanh thu. Tỷ số này mang giá trị dương nghĩa là công ty kinh doanh có lãi; tỷ số càng lớn nghĩa là lãi càng lớn. Tỷ số mang giá trị âm nghĩa là công ty kinh doanh thua lỗ. Tuy nhiên, tỷ số này phụ thuộc vào đặc điểm kinh doanh của từng ngành. Vì thế, khi theo dõi tình hình sinh lợi của công ty, người ta so sánh tỷ số này của công ty với tỷ số bình quân của toàn ngành mà công ty đó tham gia. Mặt khác, tỷ số này và số vòng quay tài sản có xu hướng ngược nhau. Do đó, khi đánh giá tỷ số này, người phân tích tài chính thường tìm hiểu nó trong sự kết hợp với số vòng quay tài sản. Return on Equity (ROE) = Lợi nhuận sau thuế / Vốn chủ sở hữu: Tỷ số lợi nhuận trên vốn chủ sở hữu ROE cho biết cứ 100 đồng vốn chủ sở hữu của công ty cổ phần này tạo ra bao nhiều đồng lợi nhuận. Nếu tỷ số này mang giá trị dương, là công ty làm ăn có lãi; nếu mang giá trị âm là công ty làm ăn thua lỗ. TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay: Hệ số khả năng thanh toán lãi vay cho biết mức độ lợi nhuận đảm bảo khả năng trả lãi như thế nào. Nếu công ty quá yếu về mặt này, các chủ nợ có thể đi đến gây sức ép lên công ty, thậm chí dẫn tới phá sản công ty Quick Ratio (Khả năng thanh toán nhanh)= Tiền và các khoản tương đương tiền/ Nợ ngắn hạn: Chỉ số thanh toán tiền mặt cho biết bao nhiêu tiền mặt và các khoản tương đương tiền (ví dụ chứng khoán khả mại) của doanh nghiệp để đáp ứng các nghĩa vụ nợ ngắn hạn. Nói cách khác chỉ số thanh toán tiền mặt cho biết, cứ một đồng nợ ngắn hạn thì có bao nhiêu tiền mặt và các khoản tương đương tiền đảm bảo chi trả. 3.1.2. Kiện toàn mô hình: Đầu tiên ta chạy mô hình tương quan với tất cả các biến, ta loại các biến P/B, ROS, ROE, QU_RA vì không có tác động đến biến phụ thuộc Y (Xem phụ lục 1.1) Còn lại 7 biến, ta tiếp tục chạy mô hình hồi quy từng biến để xem tác động của từng biến độc lập tác động đến biến phụ thuộc Y, ta có bảng tổng hợp như sau: 26
Bảng 3.1: Tổng hợp tác động từng biến đến Y trong hồi quy: Y WC/TA 1.611 Sig 0.001 ROA 28.112 Sig 0.000 EBIT/TA 28.808 Sig 0.000 MVE/TL 0.287 Sig 0.003 S/TA 0.438 Sig 0.032 D/A -1.251 Sig 0.006 TIE 0.473 Sig 0.000 (Nguồn: Tác giả) Ta thấy các biến độc lập đều có ảnh hưởng đến biến Y. Và tiến hành chạy mô hình, được kết quả như sau: Bảng 3.2: Variables in the Equation B S.E. Wald df Sig. Exp(B) Step 1a WCTA .403 1.341 .090 1 .764 1.496 ROA 29.225 8.701 11.282 1 .001 4924576261924.4 EBITTA 6.173 6.799 .824 1 .364 479.691 MVETL 1.612 .609 7.014 1 .008 5.011 STA .168 .408 .169 1 .681 1.182 DA 8.716 3.182 7.501 1 .006 6099.086 27
TIE .163 .080 4.204 1 .040 1.177 Constant -7.978 2.698 8.742 1 .003 .000 a. Variable(s) entered on step 1: WCTA, ROA, EBITTA, MVETL, STA, DA, TIE. (Nguồn: Tác giả) Đối với hồi quy tuyến tính sử dụng kiểm định t để kiểm định giả thuyết H0: k=0. Còn đối với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể. Ta nhìn thấy giá trị (sig.) của WC/TA, EBIT/TA, S/TA có giá trị lớn hơn mức ý nghĩa = 0,05 sự thay đổi của các biến trên không có ý nghĩa thống kế Kết quả bảng trên cho thấy mức độ ảnh hưởng của các biến ROA, MVE/TL, D/A, TIE có giá trị (sig.) nhỏ hơn mức ý nghĩa = 0,05 bác bỏ H0. Mối liên hệ giữa biến phụ thuộc và các biến độc lập này có ý nghĩa với mức độ tin cậy nhìn chung > 95%. Như vậy mô hình này là mô hình tối ưu trong nghiên cứu này, ta tiến hành phân tích và nhận xét. 28
Chương 4: KẾT QUẢ NGHIÊN CỨU CỦA MÔ HÌNH HỒI QUY BINARY LOGISTIC 4.1. Thực trạng các doanh nghiệp Những năm gần đây, số lượng doanh nghiệp bị hủy niêm yết bắt buộc tăng mạnh hơn số doanh nghiệp niêm yết mới. Trong hầu hết những trường hợp doanh nghiệp hủy niêm yết, các nguyên nhân chủ yếu đều do hoạt động kinh doanh thua lỗ và lỗ lũy kế ba năm liên tục. Theo quy định về hủy bỏ niêm yết chứng khoán của các công ty đại chúng được trích theo quy định tại Điều 60 – Mục 1- Chương 5 của nghị định số 58/2012/NĐ-CP do Thủ tướng ký ban hành ngày 20/07/2012 và có hiệu lực kể từ ngày 15/09/2012. Theo đó các trường hợp công ty bị hủy niêm yết bắt buộc như sau: - Tổ chức niêm yết tại Sở GDCK không đáp ứng được các điều kiện niêm yết. - Tổ chức niêm yết ngừng hoặc bị ngừng các hoạt động sản xuất, kinh doanh chính từ 1 năm trở lên. - Tổ chức niêm yết bị thu hồi Giấy chứng nhận đăng ký kinh doanh hoặc Giấy phép hoạt động trong lĩnh vực chuyên ngành. - Cổ phiếu không có giao dịch tại Sở GDCK trong thời hạn 12 tháng. - Kết quả sản xuất, kinh doanh bị thua lỗ trong 3 năm liên tục hoặc tổng số lỗ luỹ kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán năm gần nhất trước thời điểm xem xét. - Tổ chức niêm yết chấm dứt sự tồn tại do sáp nhập, hợp nhất, chia, tách, giải thể hoặc phá sản; quỹ đầu tư chứng khoán chấm dứt hoạt động. - Trái phiếu đến thời gian đáo hạn hoặc trái phiếu niêm yết được tổ chức phát hành mua lại toàn bộ trước thời gian đáo hạn. - Tổ chức kiểm toán không chấp nhận thực hiện kiểm toán hoặc có ý kiến không chấp nhận hoặc từ chối cho ý kiến đối với báo cáo tài chính năm gần nhất của tổ chức niêm yết. - Tổ chức được chấp thuận niêm yết không tiến hành các thủ tục niêm yết tại Sở GDCK trong thời hạn 3 tháng kể từ ngày được chấp thuận niêm yết. 29
- Tổ chức niêm yết vi phạm chậm nộp báo cáo tài chính năm trong 3 năm liên tiếp. - UBCK, Sở GDCK phát hiện tổ chức niêm yết giả mạo hồ sơ niêm yết hoặc hồsơ niêm yết chứa đựng những thông tin sai lệch nghiêm trọng ảnh hưởng đến quyết định của nhà đầu tư. - Tổ chức niêm yết vi phạm nghiêm trọng nghĩa vụ công bố thông tin và các trường hợp mà Sở GDCK hoặc UBCK xét thấy cần thiết phải hủy niêm yết nhằm bảo vệ quyền lợi của nhà đầu tư. Trong phạm vi bài nghiên cứu sẽ chọn mẫu quan sát các công ty bị hủy niêm yết do kinh doanh thua lỗ 3 năm liên tục. DVD, VTA, FPC là 3 công ty đầu tiên bị hủy niêm yết do liên tiếp vi phạm quy định về công bố thông tin trong năm 2011. Cũng trong thời gian này, có 4 công ty bị cảnh báo do vi phạm về công bố thông tin và 575 công ty niêm yết bị nhắc nhở bằng văn bản và công bố vi phạm trên website của UBCK. Đến năm 2012, trên sàn chứng khoán có tổng cộng 18 cổ phiếu đã bị hủy niêm yết. Có nhiều nguyên nhân dẫn đến việc hủy niêm yết của doanh nghiệp như vi phạm nghiêm trọng về công bố thông tin như SD3, SGTT, MCV; hủy niêm yết để sáp nhập trong trường hợp của HBB sáp nhập vào SHB và S64, SSS sáp nhập vào SD6; VMG 12 tháng không có giao dịch; VIA không đủ điều kiện là công ty đại chúng; VKP, AGC lỗ lớn 3 năm liên tiếp; CSG, TRI giải thể, SVI hủy niêm yết trên HNX để chuyển qua HOSE. Rất nhiều công ty đã bị hoặc tự nguyện hủy niêm yết trong thời gian vừa qua. Nhiều nhà đầu tư mắc kẹt với những cổ phiếu không mong muốn này. Tuy nhiên, ở 1 khía cạnh nào đó, sự đào thải là cần thiết cho thị trường chứng khoán (TTCK) về dài hạn. Sở GDCK Hà Nội (HNX) đưa ra là trường hợp của CTCP Dược Trung ương GTTdiplantex (GTTD). Đây là trường hợp khá đặc biệt khi GTTD chưa giao dịch đã hủy niêm yết. Cụ thể, GTTD sẽ bị hủy niêm yết hơn 5 triệu cổ phiếu, tương đương hơn 50 tỷ đồng từ ngày 07/08/2012. Lý do là GTTdiplantex đã không hoàn tất thủ tục niêm yết trong thời hạn 3 tháng kể từ ngày được chấp thuận niêm yết. Bảng 4.1: Danh sách công ty bị hủy niêm yết năm 2012 30
TT MCK Tên công ty Sàn VĐL 1 TRI CTCP Nước giải khát Sài Gòn HSX 275.5 2 MKP CTCP Hóa – Dược phẩm GTTkophar HSX 101.2 3 MCV CTCP Cavico Việt Nam khai thác mỏ & Xây dựng HSX 120.9 4 VKP CTCP Nhựa Tân Hóa HSX 80.0 5 CAD CTCP Chế biến & XNK Thủy sản CadoviGTTx HSX 88.0 6 BAS CTCP Basa HSX 96.0 7 CSG CTCP Cáp Sài Gòn HSX 297.4 8 SVI CTCP Bao bì Thiên Hòa HNX 89.2 9 HBB Ngân hàng TMCP Nhà Hà Nội HNX 4,050.0 10 V11 CTCP Xây dựng số 11 HNX 84.4 11 AGC CTCP Cà phê An Giang HNX 83.0 12 S64 CTCP Sông Đà 6.04 HNX 20.0 13 SSS CTCP Sồng Đà 6.06 HNX 25.0 14 SDS CTCP Xây lắp và Đầu tư Sông Đà HNX 28.0 15 VMG CTCP TM & DV Dầu khí Vũng Tàu HNX 96.0 16 VSP CTCP Vận tải Biển & BĐS Việt Hải HNX 380.8 17 SGTT CTCP Chứng khoán SGTT HNX 225.0 18 SD3 CTCP Sông Đà 3 HNX 160.0 (Nguồn: VietstockFinance) Trước đó, HNX đã chấp thuận cho Mediplantex vào ngày 14/6 và dự kiến cổ 31
phiếu MED sẽ chào sàn vào ngày 22/6 với giá tham chiếu 15.500 đồng/cp. Trên thực tế, trường hợp MED bị hủy niêm yết phần nhiều do doanh nghiêp chủ động trì hoãn để chờ thời điểm thích hợp và thuận lợi hơn trong bối cảnh TTCK đang giảm sút. Nhưng dù sao, nó cũng cho thấy 1 sự thắt chặt trong công tác quản lý niêm yết của các cơ quan chức năng. Trong tháng 7 vừa qua, TTCK đã chứng kiến sự "ra đi" của khá nhiều doanh nghiệp. Ngày 26/7 vừa qua, HNX công bố quyết định về việc hủy niêm yết 9,6 triệu cổ phiếu VMG của CTCP Thương mại và Dịch vụ Dầu khí Vũng Tàu. Quyết định huỷ niêm yết có hiệu lực ngay trong ngày. Lý do được đưa ra là VMG không có giao dịch tại HNX trong thời hạn 12 tháng. Công ty này có kết quả kinh doanh khá tệ hại. Trong quý II/2012, công ty mẹ VMG lỗ 1,37 tỷ đồng, nâng lỗ 6 tháng lên 2,06 tỷ đồng. Và tính lũy kế đến hết quý II/2012 tổng lỗ lên tới hơn 54 tỷ đồng. Cổ phiếu VMG không có giao dịch trong suốt năm qua và đứng giá ở mức 4.300 đồng/cp (từ ngày 26/7/2011). CTCP Xây dựng số 11 (V11) cũng thuộc diện làm ăn kém hiệu quả. Công ty đã lên kế hoạch hủy niêm yết tự nguyện để tái cấu trúc doanh nghiệp. Tuy nhiên, tình hình kinh doanh và đặc biệt là báo cáo tài chính riêng và hợp nhất năm 2011 của V11 bị đơn vị kiểm toán không thể đưa ra ý kiến nhận xét đã khiến HNX buộc phải rời sàn trước khi V11 xin hủy niêm yết tự nguyện. Cụ thể, 8,4 triệu cổ phiếu V11 (tương đương 84 tỷ đồng) buộc phải rời sàn kể từ ngày 17/8 tới. Trong năm 2011, V11 lỗ gần 31 tỷ đồng và dự kiến lỗ tiếp 22 tỷ trong năm 2012. Trước đó, các trường hợp hủy niêm yết vì kinh doanh thua lỗ yếu kém khá nhiều như: VKP (từ 25/6, do lỗ 3 năm liên tiếp), AGC (từ 17/7, vốn chủ sở hữu âm), CAD (từ 4/6 do lỗ 3 năm liên tiếp), VSP (từ 1/6 do lỗ 3 năm liên tiếp), MCV (từ 10/5 do liên tục vi phạm công bố thông tin), TRI (từ 10/4 do thua lỗ nhiều, doanh nghiệp tự rút lui) Đầu tháng 8, Hội đồng Quản trị Công ty Cổ phần Cáp Sài Gòn (CSG) cũng đã đồng thuận việc giải thể công ty, huỷ niêm yết cổ phiếu. Trong quý II/2012, CSG đã thoát lỗ nhờ hoạt động tài chính. Tình hình sản xuất kinh doanh chính của CSG gặp khá nhiều vấn đề. Doanh thu thuần quý II đạt vỏn vẹn 18,82 tỷ đồng, giảm 35,88% so với cùng kỳ năm 2011 32
và lỗ gôp 1,8 tỷ đồng. Một số công ty khác cũng tính tới chuyện rời sàn do làm ăn kém hiệu quả và dường như không thấy được lợi ích "như mong muốn" trên sàn chứng khoán như: LGC, SGT, SQC Đến năm 2013, có thể nói năm qua, thị trường đã đào thải khá nhiều doanh nghiệp yếu kém giúp cho chất lượng hàng hóa trên sàn ngày càng cải thiện hơn. Theo thống kê của Vietstock, trên cả hai sàn có 16 doanh nghiệp phải rời sàn do hoạt động kinh doanh sa sút dẫn đến lỗ 3 năm liên tiếp hay lỗ lũy kế vượt vốn điều lệ. Đó là những cái tên đã rất đình đám trong các năm trước về nợ đầm đìa hay lỗ khủng như THV,SBS, DDM, FBT Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với 22 mã. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh 2014. Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với 22 mã. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh 2014. Nguyên nhân chủ yếu khiến 25 mã cổ phiếu này bị hủy niêm yết là do thua lỗ 3 năm liên tiếp và đơn vị kiểm toán không chấp nhận báo cáo tài chính hoặc từ chối đưa ra ý kiến sau khi công bố báo cáo tài chính kiểm toán năm 2013. Riêng PHS và NIS hủy niêm yết tự nguyện và duy nhất I40 bị hủy niêm yết bắt buộc do không đáp ứng được điều kiện là công ty đại chúng quy định. Cụ thể, SJM, MMC, VCV, VHH, ILC, SDB và MIC bị hủy niêm yết bắt buộc là do kết quả sản xuất kinh doanh thua lỗ trong 3 năm liên tục 2011, 2012, 2013. FDG, CNT, CLP và BHV cũng bị hủy niêm yết do lỗ lũy kế vượt quá vốn điều lệ thực góp tại ngày 31/12/2013. Bảng 4.2: Doanh nghiệp bị hủy niêm yết do kinh doanh sa sút năm 2013 Đvt: Triệu đồng 33
Mã Sàn Lý do hủy niêm yết LNST LNST LNST CK 2010 2011 2012 DDM HOSE Không đủ ĐK (74,316) 184 (69,141) FBT HOSE Không đủ ĐK (51,043) 6,021 (55,098) IFS HOSE Không đủ ĐK 7,243 (57,393) (143,518) S27 HNX Không đủ ĐK 1,118 (13,893) (7,757) SBS HOSE Không đủ ĐK 101,410 (788,357) (135,157) SCC HNX Không đủ ĐK (898) (3,490) (3,300) SD8 HNX Không đủ ĐK 1,964 329 (34,307) SDJ HNX Không đủ ĐK 4,293 (7,412) (51,330) SHC HNX Không đủ ĐK (59,559) 1,952 2,909 SVS HNX Không đủ ĐK (21,372) (38,218) (34,610) TNC HNX Không đủ ĐK (30,414) (35,908) (35,365) VCH HNX Không đủ ĐK 3,389 (36,337) (35,380) VES HOSE Không đủ ĐK (4,688) (6,893) (16,214) VSG HOSE Không đủ ĐK (10,268) (19,771) (15,378) NTB HOSE Kiểm toán từ chối cho ý kiến 38,887 (1,151) (67,080) STN HNX Lỗ lũy kế vượt quá VLĐ (30,575) (50,058) (13,644) THV HNX Lỗ lũy kế vượt quá VLĐ 34,802 (210,289) (392,874) (Nguồn: Vietstocfinance) Trong khi đó, với kết quả sản xuất kinh doanh thua lỗ 3 năm liên tục 2011, 2012, 2013 và đồng thời lỗ lũy kế vượt quá số vốn điều lệ thực góp tại ngày 31/12/2013 thì HHL, GGG, BHC, NVC và YBC cũng buộc phải rời sàn. Đặc biệt, báo cáo tài chính 2013 của ba “anh em” họ dầu khí là PXM, PVA và PSG ngoài việc lỗ lũy kế vượt vốn, lỗ 3 năm liên tiếp thì đều bị đơn vị kiểm toán từ chối đưa ra ý kiến và không chấp thuận BCTC. Theo thống kê của Vietstock, chỉ mới 6 tháng đầu năm 2014 mà có 25 mã cổ phiếu 34
trên cả 2 sàn HOSE và HNX hủy niêm yết. Con số này đã vượt qua kỷ lục năm 2012 với 22 mã. Bảng 4.3: Danh sách công ty bị hủy niêm yết 6 tháng đầu năm 2014 Lãi/Lỗ Số lượng Thị giá Th lũy kế Ngày Ngày thực cổ phiếu bị 23/06/ án Stt MCK Sàn tính đến ĐKCC hiện hủy niêm 2014 g 31/12/20 yết (Đồng) 13 (Tr.đ) 1.1 S91 OTC 06/01/2014 07/01/2014 2,940,000 12,800 1 1.2 PHS OTC 09/01/2104 10/01/2014 34,745,000 2,200 2 I40 OTC 12/02/2014 13/02/2014 1,539,120 2,100 3 NIS OTC 17/03/2014 18/03/2014 3,000,000 9,500 1,511 4 SJM Upcom 24/04/2014 25/04/2014 5,000,000 1,800 -45,938 5.1 MMC OTC 07/05/2014 08/05/2014 3,160,000 2,000 -12,938 5.2 HHL OTC 07/05/2014 08/05/2014 2,748,270 900 -28,198 5.3 FDG OTC 14/05/2014 15/05/2014 13,200,000 1,600 -165,229 5.4 CNT OTC 14/05/2014 15/05/2014 10,015,069 2,200 -135,209 5.5 PXM OTC 14/05/2014 15/05/2014 15,000,000 900 -265,744 5.7 VCV OTC 19//05/2014 20/05/2014 11,007,183 1,200 -101,065 5.8 BHV OTC 19/05/2014 20/05/2014 1,000,013 3,700 -25,678 5.9 VHH OTC 19//05/2014 20/05/2014 6,000,000 1,900 -8,370 5.1 GGG OTC 22/05/2014 23/05/2014 1,500,000 1,000 -158,017 5.12 QCC OTC 23//05/2014 24/05/2014 9,635,456 3,100 -569 5.13 BHC OTC 23/05/2014 24/05/2014 4,500,000 1,300 -50,324 5.14 NVC OTC 23/05/2014 24/05/2014 16,000,000 900 -337,880 5.15 YBC OTC 27/05/2014 28/05/2014 4,837,430 5,200 -52,738 5.16 ILC OTC 27/05/2014 28/05/2014 4,074,052 3,900 -51,890 5.17 S96 OTC 29/05/2014 30/05/2014 11,155,532 3,500 -51,935 6 6.1 SDB OTC 03/06/2014 04/06/2014 11,000,000 1,200 -101,491 35
6.2 PSG OTC 03/03/2014 04/06/2014 35,000,000 800 -561,107 6.3 PVA OTC 06/06/2014 07/06/2014 21,846,000 1,900 -208,095 6.4 MIC OTC 20/06/2014 21/06/2014 5,486,046 5,200 -33,117 (Nguồn: VietstockFinance) Trong năm 2015, tình trạng kinh doanh thua lỗ triền miên trong thời gian dài là lý do phổ biến khiến hàng loạt cổ phiếu niêm yết trên sàn bị buộc phải rời sàn chứng khoán sau nhiều năm góp mặt. Trong đó đầu tiên phải nói đến Vận tải và Thuê tàu biển Việt Nam (VST), doanh nghiệp này đã có nhiều quý thua lỗ liên tiếp. Với kết quả kinh doanh thua lỗ trong 3 năm liên tiếp, HoSE đã huỷ niêm yết cổ phiếu VST từ ngày 8/5. Năm 2015 mặc dù dự kiến sẽ bán 2 tàu nhưng lợi nhuận sẽ vẫn lỗ 109,04 tỷ đồng. Hay như trường hợp của Hữu Liên Á Châu (HLA), với kết quả lỗ lũy kế vượt vốn điều lệ thực góp, cổ phiếu HLA đã bị hủy niêm yết bắt buộc theo quyết định từ phía Sở GDCK TPHCM sau khoảng 6 năm niêm yết. Thương hiệu Hữu Liên chính thức có mặt trên thị trường vào năm 1978 với mô hình hoạt động của một cơ cở sản xuất các phụ tùng xe đạp, xe máy. Hữu Liên Á Châu chính thức hoạt động dưới hình thức công ty cổ phần kể từ 20/01/2001 với vốn điều lệ ban đầu là 5 tỷ đồng với sản phẩm chủ lực của HLA khi đó là ống thép. Giai đoạn 2009-2011, tốc độ gia tăng doanh thu của HLA khoảng 13% nhưng đến năm 2012 thì nhảy vọt lên 54%, thời kỳ được coi là đỉnh cao của HLA kể từ khi thành lập với doanh thu đạt gần 5.000 tỷ đồng. Sự sụt giảm mạnh trong nhu cầu và giá thép biến động lớn đã khiến doanh nghiệp này liên tục thua lỗ sau đó và phải chịu án hủy niêm yết. Theo BCTC quý 3/2015 (niên độ 01/04 đến 30/6), HLA tiếp tục báo lỗ 47 tỷ đồng (kết thúc quý 2/2015, HLA đã lỗ lũy kế lên tới 916 tỷ đồng). Một doanh nghiệp thép khác là thép Bắc Việt (BVG) cũng có tình hình kinh doanh khá bi đát, doanh số sụt giảm, chi phí tài chính vẫn cao, hoạt động liên doanh không đem lại hiệu quả, dẫn đến kết quả lỗ 3 năm liên tiếp và phải hủy niêm yết trên HNX. Trong vòng 5 năm trở lại đây, nền kinh tế suy thoái nên bất động sản và các công trình xây dựng là nguồn tiêu thụ sắt thép, kết cấu, các sản phẩm cơ khí đầu ra của BVG gần như đóng băng và hoạt động cầm chừng. Ngoài ra còn có tới 23 doanh nghiệp khác cũng đã bị hủy niêm yết do kinh doanh thua lỗ trong 3 năm niêm yết. 36
Không ngừng lại ở đó, kết thúc 4 tháng đầu năm 2016 đã có 2 doanh nghiệp tiếp tục buộc bị ngừng giao dịch trên sàn. Và khả năng chưa dừng lại khi mà còn rất nhiều doanh nghiệp đang thua lỗ 2 năm liên tiếp, chờ “phán quyết” cuối cùng vào kết quả kinh doanh 2016. Trước tình hình các doanh nghiệp ngày càng sa sút, để giúp cho nhà quản lý cũng như các tổ chức tín dụng, đặc biệt ngân hàng có cái nhìn tổng quan, đưa ra những quyết định đúng đắn, mang lại hiệu quả cao trong kinh doanh. Nên chú ý đến các nhân tố ảnh hưởng đến doanh nghiệp như các yếu tố tài chính và yếu tố phi tài chính. Sau đây là kết quả nghiên cứu được từ mô hình Binary Logistic: 4.2. Kết quả mô hình 4.2.1. Độ phù hợp của mô hình: Bảng 4.4: Omnibus Test of Model Coefficient Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 149.482 7 .000 Block 149.482 7 .000 Model 149.482 7 .000 (Nguồn: Tác giả) Kết quả kiểm định giả thuyết về độ phù hợp ở bảng trên có mức ý nghĩa với số quan sát sig = 0.000 nên an toàn, nên ta bác bỏ giả thuyết: H0:0ROA  MVE / TL  D / A  TIE 37
Bảng 4.5: Model Summary Model Summary -2 Log Cox & Snell Nagelkerke R Step likelihood R Square Square 1 88.961a .581 .774 a. Estimation terminated at iteration number 10 because parameter estimates changed by less than .001. (Nguồn: Tác giả) Trong bảng trên cho thấy giá trị của -2LL = 88.961 không cao lắm, như vậy thế hiện một độ phù hợp khá tốt của tổng thể. 4.2.2. Mức độ chính xác của mô hình Bảng 4.6: Classification Tablea Classification Tablea Predicted Y Percentage Observed 0 1 Correct Step 1 Y 0 76 10 88.4 1 10 76 88.4 Overall Percentage 88.4 a. The cut value is .500 (Nguồn: Tác giả) Bảng này cho thấy trong 86 trường hợp bị hủy niêm yết thì mô hình dự đoán trúng 76 trường hợp vậy tỷ lệ dự đoán đúng là 878.4%, còn 86 trường hợp đang niêm yết và hoạt 38
động ổn định thì mô hình cũng dự đoán đúng 76 trường hợp, tỷ lệ đạt 88.4%. Từ đó thấy toàn bộ mô hình dự đoán khá chính xác. 4.2.3. Kiểm định Wald Bảng 4.7: Variables in the Equation Variables in the Equation B S.E. Wald df Sig. Exp(B) Step 1a WCTA .403 1.341 .090 1 .764 1.496 ROA 49245762619 29.225 8.701 11.282 1 .001 24.441 EBITTA 6.173 6.799 .824 1 .364 479.691 MVETL 1.612 .609 7.014 1 .008 5.011 STA .168 .408 .169 1 .681 1.182 DA 8.716 3.182 7.501 1 .006 6099.086 TIE .163 .080 4.204 1 .040 1.177 Constant -7.978 2.698 8.742 1 .003 .000 a. Variable(s) entered on step 1: WCTA, ROA, EBITTA, MVETL, STA, DA, TIE. (Nguồn: Tác giả) Ta nhìn thấy giá trị (sig.) của WC/TA, EBIT/TA, S/TA có giá trị lớn hơn mức ý nghĩa = 0,05 sự thay đổi của các biến trên không có ý nghĩa thống kế Kết quả bảng trên cho thấy mức độ ảnh hưởng của các biến ROA, MVE/TL, D/A, TIE có giá trị (sig.) nhỏ hơn mức ý nghĩa = 0,05 bác bỏ H0. Mối liên hệ giữa biến phụ thuộc và các biến độc lập này có ý nghĩa với mức độ tin cậy nhìn chung > 95%. Vậy ta bác bỏ giả thuyết: 39
W/////C TA  ROA  EBIT TA  MVE TL  S TA  D A  TIE 0 Như vậy hệ số hồi quy tìm được có ý nghĩa và mô hình đã đưa ra sẽ sử dụng tốt. 4.3. Kết quả nghiên cứu đưa ra mô hình hồi quy Binary Logistic với phương trình như sau: PY( 1) Ln 7.978 0.403 29.225  6.173  1.612  0.168  8.716  0.163  PY( 0) W/////C TA ROA EBIT TA MVE TL S TA D A TIE Như vậy sau khi đưa mô hình vào chạy bằng phần mềm SPSS thì sức khỏe của doanh nghiệp bị ảnh hưởng của các nhân tố: ROA, MVE/TL, D/A, TIE vì có mức ý nghĩa 5% nên sự thay đổi của các yếu tố này không tác động đến mô hình cũng như các doanh nghiệp đang nghiên cứu. Diễn dịch ý nghĩa của các hệ số hồi quy có ý nghĩa với mô hình Binary Logistic: 4.3.1. Hệ số hồi quy tỷ số ROA: Tỷ số lợi nhuận ròng trên tài sản (đo lường khả năng sinh lợi trên mỗi đồng tài sản của doanh nghiệp) càng tốt, nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn lại là như nhau thì log của tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng 29.225 đơn vị (lần). Để phân tích rõ hơn ta viết lại với phương trình sau: PY( 1) 7.978 0.403 29.225  6.173  1.612  0.168  8.716  0.163  e W/////C TA ROA EBIT TA MVE TL S TA D A TIE PY( 0) Ta căn cứ thêm thông tin ở cột Exp(B) (tức là eB hay gần bằng 2.714B ) để diễn dịch thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ sẽ tăng 4.702 1012 lần. 4.3.2. Hệ số hồi quy MVE/TL Giá trị vốn hóa thị trường là thước đo quy mô của một doanh nghiệp, là tổng giá thị trường của doanh nghiệp đó, được xác định bằng số tiền bỏ ra để mua lại toàn bộ doanh nghiệp này trong điều kiện hiện tại. Nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn 40
lại là như nhau thì log của tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng 1.612 đơn vị ( lần). Để phân tích rõ hơn ta viết lại với phương trình sau: PY( 1) 7.978 0.403 29.225  6.173  1.612  0.168  8.716  0.163  e W/////C TA ROA EBIT TA MVE TL S TA D A TIE PY( 0) Ta căn cứ thêm thông tin ở cột Exp(B) (tức là eB hay gần bằng 2.714B ) để diễn dịch thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ sẽ tăng 5.001 lần. 4.3.3. Hệ số hồi quy D/A Tỷ số tổng nợ trên tổng tài sản (đo lường năng lực sử dụng và quản lý nợ của doanh nghiệp), nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn lại là như nhau thì log của tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng 8.716 đơn vị ( lần). Để phân tích rõ hơn ta viết lại với phương trình sau: Ta căn cứ thêm thông tin ở cột Exp(B) (tức là hay gần bằng ) để diễn dịch thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ sẽ tăng 6016.493 lần. 4.3.4. Hệ số hồi quy TIE Tỷ số khả năng trả lãi vay đo lường khả năng sử dụng lợi nhuận thu được từ quá trình kinh doanh để trả lãi các khoản mà công ty đã vay. Nếu công ty quá yếu về mặt này, các chủ nợ có thể đi đến gây sức ép lên công ty, thậm chí dẫn tới phá sản công ty. Xét thấy, nếu tỷ số này tăng lên 1 đơn vị trong khi các tỷ số còn lại là như nhau thì log của tỷ lệ xác xuất tình hình tài chính khỏe mạnh và không khỏe mạnh sẽ tăng 0.163 đơn vị ( lần). 41
Để phân tích rõ hơn ta viết lại với phương trình sau: PY( 1) 7.978 0.403 29.225  6.173  1.612  0.168  8.716  0.163  e W/////C TA ROA EBIT TA MVE TL S TA D A TIE PY( 0) Ta căn cứ thêm thông tin ở cột Exp(B) (tức là eB hay gần bằng 2.714B ) để diễn dịch thêm ý nghĩa của hệ số hồi quy này. Nếu tỷ lệ này tăng lên 1 đơn vị trong khi các tỷ số khác không thay đổi thì tỷ số giữa tình hình tài chính khỏe mạnh và tình hình tài chính kiệt quệ sẽ tăng 1.177 lần. 4.4. Kết quả nghiên cứu: Như đã trình bày ở trên thì bài nghiên cứu này sử dụng mô hình hồi quy Binary Logistic để ước lượng khả năng kiệt quệ tài chính của doanh nghiệp, từ đó cho người quản lý cũng như nhà đầu tư có nhận định tổng quan, xác thực khi đưa ra quyết định có liên quan đến doanh nghiệp. Kết quả nghiên cứu cho thấy kiệt quệ tài chính bị ảnh hưởng bởi các yếu tố: 4.4.1. NOPAT/total assets (ROA) = Lợi nhuận sau thuế/ Tổng tài sản : Tỷ số cung cấp cho nhà đầu tư thông tin về các khoản lãi được tạo ra từ lượng vốn đầu tư (hay lượng tài sản). ROA đối với các công ty cổ phần có sự khác biệt rất lớn và phụ thuộc nhiều vào ngành kinh doanh. Đó là lý do tại sao khi sử dụng ROA để so sánh các công ty, tốt hơn hết là nên so sánh ROA của mỗi công ty qua các năm và so giữa các công ty tương đồng nhau.Tài sản của một công ty được hình thành từ vốn vay và vốn chủ sở hữu. Cả hai nguồn vốn này được sử dụng để tài trợ cho các hoạt động của công ty. Hiệu quả của việc chuyển vốn đầu tư thành lợi nhuận được thể hiện qua ROA. ROA càng cao thì càng tốt vì công ty đang kiếm được nhiều tiền hơn trên lượng đầu tư ít hơn. Ví dụ nếu công ty A có thu nhập ròng là 1 triệu USD, tổng tài sản là 5 triệu USD, khi đó ROA là 20%. Tuy nhiên nếu công ty B cũng có khoản thu nhập tương tự trên tổng tài sản là 10 triệu USD, ROA của B sẽ là 10%. Như vậy công ty A hiệu quả hơn trong việc biến đầu tư thành lợi nhuận.Các nhà đầu tư cũng nên chú ý tới tỷ lệ lãi suất mà công ty phải trả cho các khoản vay nợ. Nếu một công ty không kiếm được nhiều hơn số tiền mà chi cho các hoạt 42
động đầu tư, đó không phải là một dấu hiệu tốt. Ngược lại, nếu ROA mà tốt hơn chi phí vay thì có nghĩa là công ty đang bỏ túi một món hời. 4.4.2. Market value of Equity/Book value of total liabilities (MVE/TL) = Giá trị thị trường của vốn chủ sở hữu /Tổng nợ: Chỉ số này được đo lường bởi giá trị thị truờng của tất cả cổ phiếu, cổ phiếu ưu đãi và cổ phiếu thường, trong khi nợ bao gồm cả nợ ngắn hạn và nợ dài hạn. Chỉ số này đo mức độ có thể sụt giảm về mặt giá trị của tài sản công ty (đo lường bởi giá trị thị trường của vốn chủ sở hữu và nợ) trước khi nợ vượt quá tài sản và công ty mất khả năng thanh toán. 4.4.3. Total Debt To Total Assets Ratio (D/A)= tổng nợ/ tổng tài sản: Tổng nợ gồm toàn bộ khoản nợ ngắn hạn và dài hạn tại thời điểm lập báo cáo tài chính (các khoản phải trả, vay ngắn hạn, nợ dài hạn do đi vay hay phát hành trái phiếu dài hạn). Tổng tài sản: Toàn bộ tài sản của công ty tại thời điểm lập báo cáo. Đối với các chủ nợ thường thích một tỷ số nợ vừa phải vì tỷ số nợ càng thấp thì khả năng thanh toán nợ của con nợ khi đáo hạn cao. Đối với các nhà quản trị, cổ đông thường thích tỷ số nợ cao vì tỷ số nợ càng cao nghĩa là công ty chỉ góp một phần vốn nhỏ trên tổng vốn thì sự rủi ro trong kinh doanh chủ yếu do chủ nợ gánh chịu. Mặt khác, các nhà quản trị chỉ đưa ra lượng vốn nhỏ nhưng lại được sử dụng một lượng tài sản lớn. Khi công ty tạo ra lợi nhuận trên tiền vay nhiều hơn so với số tiền lãi phải trả thì phần lợi nhuận dành cho các chủ sở hữu sẽ tăng rất nhanh. 4.4.4. TIE = Lợi nhuận trước thuế và lãi vay (EBIT) / Chi phí lãi vay: Khả năng trả lãi vay của doanh nghiệp thấp cũng thể hiện khả năng sinh lợi của tài sản thấp. Khả năng thanh toán lãi vay thấp cho thấy một tình trạng nguy hiểm, suy giảm trong hoạt động kinh tế có thể làm giảm Lãi trước thuế và lãi vay xuống dưới mức nợ lãi mà công ty phải trả, do đó dẫn tới mất khả năng thanh toán và vỡ nợ. Tuy nhiên rủi ro này được hạn chế bởi thực tế Lãi trước thuế và lãi vay không phải là nguồn duy nhất để thanh toán lãi. Các doanh nghiệp cũng có thể tạo ra nguồn tiền mặt từ khấu hao và có thể sử dụng nguồn vốn đó để trả nợ lãi. Những gì mà một doanh nghiệp cần phải đạt tới là tạo ra một độ an toàn hợp lý, bảo đảm khả năng thanh toán cho các chủ nợ của mình. Chỉ riêng hệ số khả năng 43
thanh toán lãi vay thì chưa đủ để đánh giá một công ty vì hệ số này chưa đề cập đến các khoản thanh toán cố định khác như trả tiền nợ gốc, chi phí tiền thuê, và chi phí cổ tức ưu đãi. 4.5. Vận dụng mô hình Binary Logistic vào mục đích dự báo: Mô hình Binary Logistic có thể giúp các tổ chức tín dụng, nhà đầu tư, nhà quản trị doanh nghiệp có cái nhìn tổng quan, và quyết định đúng đắn liên quan đến doanh nghiệp: Sau đây ta xét một vài ví dụ cụ thể: 4.5.1. Ví dụ 1: CTCP xuất nhập khẩu thủy sản Bến Tre - ABT có số liệu như sau: ROA MVE/TL D/A TIE WC/TA EBIT/TA S/TA 0.02 3.25 0.35 13.31 0.66 0.03 0.20 P( Y 1) ez e 7.978 0.403W/////C TA 29.225  ROA 6.173  EBIT TA 1.612  MVE TL 0.168  S TA 8.716  D A 0.163  TIE P( Y 0) 1 ez 1 e 7.978 0.403W/////C TA 29.225  ROA 6.173  EBIT TA 1.612  MVE TL 0.168  S TA 8.716  D A 0.163  TIE 34.8272 97.21% 1 34.8272 Mô hình giúp dự đoán tình hình tài chính của công ty đang phát triển rất ổn định, đạt 97.21%. Nhà đầu tư nắm giữ cổ phiếu của công ty sẽ thu được lợi nhuận cao, nhà quản trị công ty thu được nhiều lợi nhuận, là mục tiêu tốt của các nhà đầu tư và đối tác kinh tế (Sự dự đoán này có khả năng chính xác 88.4%). 4.5.2. Ví dụ 2: CTCP Bê tông BECAMEX – ACC ROA MVE/TL D/A TIE WC/TA EBIT/TA S/TA 0.04 2.78 0.27 61.26 0.51 0.05 0.28 P( Y 1) ez e 7.978 0.403W/////C TA 29.225  ROA 6.173  EBIT TA 1.612  MVE TL 0.168  S TA 8.716  D A 0.163  TIE P( Y 0) 1 ez 1 e 7.978 0.403W/////C TA 29.225  ROA 6.173  EBIT TA 1.612  MVE TL 0.168  S TA 8.716  D A 0.163  TIE 39037.578 99,997% 1 39037.578 Mô hình giúp dự đoán tình hình tài chính của công ty đang phát triển hoàn toàn ổn định, đạt gần như bằng 1. Nhà đầu tư nắm giữ cổ phiếu của công ty sẽ thu được lợi nhuận cao, nhà 44
quản trị công ty thu được nhiều lợi nhuận, là mục tiêu tốt của các nhà đầu tư và đối tác kinh tế (Sự dự đoán này có khả năng chính xác 88.4%). 4.5.3. Ví dụ 3: CTCP xuất nhập khẩu thủy sản An Giang – AGF ROA MVE/TL D/A TIE WC/TA EBIT/TA S/TA 0.001 0.19 0.69 0.70 0.04 0.00 0.45 P( Y 1) ez e 7.978 0.403W/////C TA 29.225  ROA 6.173  EBIT TA 1.612  MVE TL 0.168  S TA 8.716  D A 0.163  TIE P( Y 0) 1 ez 1 e 7.978 0.403W/////C TA 29.225  ROA 6.173  EBIT TA 1.612  MVE TL 0.168  S TA 8.716  D A 0.163  TIE 0.2493 19.96% 1 0.2493 Theo số liệu thu thập Lợi nhuận của công ty hiện tại đang ở con số âm, và mô hình đã phản ánh rõ mức ổn định của công ty chỉ ở mức 19.96%, con số này tương đối thấp, dự báo công ty đang gặp khó khăn, nhà quản trị cần chú ý. Bên cạnh đó, nhà đầu tư nắm giữ cổ phần nên giảm số cổ phần nắm giữ để giảm thiểu rủi ro (Sự dự đoán này có khả năng chính xác 88.4%). TÓM TẮT CHƯƠNG 4: Chương 4 với nội dung chính là xây dựng mô hình hồi quy BinaryLogistic để phân tích các nhân tố ảnh hưởng đến khánh kiệt tài chính của doanh nghiệp Sau khi trải qua quá trình khảo sát, tổng hợp số liệu để sử dụng phần mềm SPSS 22.0, kết quả nghiên cứu đã đưa ra được mô hình gồm 5 biến (4 biến độc lập và 1 biến phụ thuộc). Mô hình có dạng sau:; PY( 1) Ln 7.978 0.403 29.225  6.173  1.612  0.168  8.716  0.163  PY( 0) W/////C TA ROA EBIT TA MVE TL S TA D A TIE Từ đó phân tích các nhân tố tác động đến Y (sức khỏe tài chính của doanh nghiệp). 45
Chương 5: CÁC GIẢI PHÁP NÂNG CAO KHẢ NĂNG DỰ BÁO VÀ GIẢI QUYẾT MỘT CÁCH HIỆU QUẢ TÌNH TRẠNG KHÁNH KIỆT Ở VIỆT NAM. 5.1. Nâng cao tính minh bạch và trách nhiệm của thông tin: Tính minh bạch là nguyên tắc để tạo lập một môi trường, trong đó các thông tin về thực trạng hiện tồn, về các quyết định và các hoạt động đều dễ dàng tiếp cận, đều có thấy được và hiểu được đối với tất cả đối tượng tham gia thị trường. Việc công bố liên quan tới quá trình và phương pháp luận cung cấp thông tin, làm cho các quyết định chính sách được mọi người biết đến nhờ quá trình truyền bá kịp thời và công khai. Tính trách nhiệm là yêu cầu đối với các đối tượng tham gia thị trường, bao gồm cả các cơ quan quản lý, phải lý giải được các hoạt dộng và các chính sách của mình và phải chịu trách nhiệm đối với quyết định và kết quả tạo ra. Tính minh bạch là điều kiện cần để duy trì tính trách nhiệm giữa ba nhóm thành viên thị trường chính: những người đi vay và những người cho vay, các tổ chức phát hành và đầu tư, các cơ quan quản lý nhà nước và các tổ chức tài chính quốc tế. Tính minh bạch và tính trách nhiệm là những chủ đề được tranh cãi sôi nổi trong nhiều cuộc thảo luận về các chính sách kinh tế trong hơn mười lăm năm qua. Các nhà hoạch định chính sách đã quen với tính bảo mật. Tính bảo mật đã được xem như là một yếu tố cần thiết cho việc thực thi quyền lực, cùng với lợi ích kèm theo là che dấu được khả năng yếu kém của các nhà hoạch định chính sách. Tuy nhiên, tính bảo mật còn ngăn không cho các chính sách có được những ảnh hưởng đáng có. Nền kinh tế thế giới và các luồng tài chính thay đổi theo hướng khiến quá trình quốc tế hóa và phụ thuộc lẫn nhau ngày càng tăng, đã và đang đặt vấn đề công khai lên hàng đầu khi hoạch định chính sách kinh tế. Các chính phủ mỗi nước, bao gồm cả các ngân hàng trung ương, nhận định ngày càng làm rõ tính minh bạch sẽ làm tăng khả năng dự đoán và vì thế nâng cao hiệu quả của các quyết định chính sách. Tính minh bạch còn buộc các định chế phải đối mặt với tình hình thực tế và làm tăng trách nhiệm của các quan chức, đặc biệt là khi họ biết họ phải luận chứng quan điểm, quyết định và cuối cùng là hành động của mình. Do vậy, sẽ khích lệ 46
được việc đưa ra những chính sách kịp thời. Chi phí giám sát sẽ giảm thấp nếu các hành động đều quyết định rõ ràng và dễ hiểu. Việc công chúng giám sát các tổ chức nhà nước, các cổ đông và người lao động giám sát việc quản lý công ty, các chủ nợ giám sát người đi vay và những người gửi tiền giám sát các ngân hàng đều trở nên dễ dàng hơn. Vì vậy, những quyết định kém chất lượng sẽ không được bỏ qua và phải được giải thích. Tính minh bạch và tính trách nhiệm luôn hỗ trợ lẫn nhau. Tính minh bạch củng cố tính trách nhiệm bằng cách làm cho việc giám sát được dễ dàng hơn, và tính trách nhiệm thì củng cố tính minh bạch qua việckhuyến khích các cơ quan làm sao để các lý do giải thích cùng hành động của mình đều được mọi người biết đến và hiểu rõ. Tính minh bạch cùng với tính trách nhiệm sẽ: - Đặt ra một nếp sống làm việc cho phép nâng cao chất lượng, việc ra quyết định trong khu vực công cộng . - Mang lại chính sách hiệu quả hơn bằng việc nâng cao sự hiểu biết của khu vực tư nhân về phản ứng của các nhà hoạch định chính sách đối với các sự kiện khác nhau trong tương lai. - Việc cung cấp thông tin minh bạch và có trách nhiệm về các đối tượng tham gia thị trường và về cách hoạt động kinh doanh của những đối tượng này là rất cần thiết cho một thị trường hoạt động trật tự và hiệu quả, và đó là một trong những tiền đề quan trọng nhất để tạo nên kỷ luật thị trường. Tính minh bạch không thể làm thay đổi bản chất của hệ thống tài chính hoặc những rủi ro nằm trong hệ thống tài chính đó. Nó không thể ngăn ngừa khủng hoảng tài chính nhưng nó có thể làm dịu đi phản ứng của các đối tượng tham gia thị trường trước những thông tin bất lợi. Tính minh bạch, vì thế giúp cho các đối tượng này dự đoán và đánh giá được thông tin xấu và làm giảm nhẹ khả năng gây hoảng loạn và bế tắc. Điều quan trọng là công khai tất cả các thông tin về chính sách thu hút đầu tư, quy hoạch, định hướng, kế hoạch phát triển kinh tế của tỉnh, các thống kê về tình hình kinh tế - 47
xã hội của địa phương, các thủ tục hành chính cụ thể là yêu cầu quan trọng. Để mọi DN, đặc biệt là các DN nhỏ và vừa có thể tiếp cận, những thông tin này được niêm yết công khai, thuận tiện cho người cần sử dụng như đưa lên internet qua trang web của tỉnh, cung cấp các thông tin có liên quan bằng CD room, đĩa mềm, phát hành các bản tin định kì miễn phí, thành lập các bộ phận hỗ trợ cung cấp thông tin tại cơ quan xúc tiến đầu tư và liên quan đến hoạt động đầu tư Việc tiếp cận thông tin cần phải bình đẳng giữa các nhà đầu tư, các DN, các quy hoạch đều được công khai cho tất cả mọi người. Thủ tục hành chính, thủ tục đầu tư đều được công bố công khai và được thực hiện một cách nhất quán. Để đảm bảo quy trình này cần thành lập bộ máy để tiếp nhận nhanh chóng các phản hồi từ nhà đầu tư và DN. Bên cạnh đó chính quyền cần thường xuyên hay định kì, cần tổ chức đối thoại công khai, cởi mở, cầu thị và thực chất giữa cơ quan nhà nước có liên quan và các DN. Nếu quản trị công ty tốt, không chỉ DN được lợi mà chính phủ còn đảm bảo được sự ổn định trong điều hành nền kinh tế. Phía DN quản trị tốt, sẽ giảm chi phí vốn do các ngân hàng dễ dàng cho vay vốn và cổ đông thì sẵn sàng góp vốn. Thông qua việc thu hút vốn thuận lợi, DN có khả năng ổn định tài chính, đầu tư để tăng khả năng tăng trưởng. Phía chính phủ thực thi cho các DN áp dụng quản trị công ty tốt sẽ ổn định được thị trường vốn, tăng đầu tư, tạo ra nhiều việc làm và tăng trưởng kinh tế. Quan trọng nữa là bảo vệ các nhà đầu tư sẽ thúc đẩy ổn định tài chính. 5.2. Phát triển hệ thống đánh giá xếp hạng tín nhiệm doanh nghiệp Việt Nam theo tiêu chuẩn quốc tế Theo nhìn nhận của các chuyên gia từ CRV ( Công ty xếp hạng tín nhiệm DN VN) thì với hiện trạng cơ sở dữ liệu cũng như tình hình thực tế các DN hiện tại của VN, mô hình đánh giá của Standard & Poors, Moodys là phù hợp nhất. Đối với ngành xếp hạng tín nhiệm DN tại Việt Nam, câu khẩu hiệu: Độc lập, khách quan, trung thực mới chỉ là điều kiện cần. Đó là lí do để CRV phải kỳ công xây dựng một công trình đánh giá khoa học, bài bản sát thực. Trên cơ sở nghiên cứu quy trình của các tập đoàn lớn Standard & Poors, Moodys CRV sẽ xây dựng cho mình một quy trình đánh giá phù hợp với điều kiẹn hoàn cảnh thực tiễn Việt Nam. Với sự tham vấn của các chuyên gia tài chính hàng đầu trong và 48
ngoài nước, CRV liên tục chỉnh sửa để hoàn thiện không ngừng quy trình đó. Tại Việt Nam, việc xếp hạng tín dụng là công việc khá mới mẻ, nên chắc chắn sẽ không tránh khỏi các sai sót trong việc điều tra thu thập số liệu thống kê, cũng như lúng túng về mặt phương pháp luận, các thức triển khai thực hiện. Tuy nhiên với nhu cầu ngày càng cấp bách về thông tin tín dụng ngân hàng. Trong thời gian tới ngành xếp hạng tín dụng Việt Nam sẽ có những bước phát triển mạnh mẽ nhằm theo kịp xu hướng hội nhập kinh tế toàn cầu. 5.3. Hoàn thiện luật phá sản và các văn bản hướng dẫn có liên quan cả về mặt lý luận và khả năng thực hiện 5.3.1. Tập trung vào những giải pháp tăng cường tính thực thi của luật phá sản Quy định rõ ràng về quyền hạn và nghĩa vụ, cũng như các biện pháp chế tài đối với Giám Đốc DN, đặc biệt là DNNN: Theo lý thuyết hành vi (GGShaviour theory), bất cứ một cá nhân nào luôn hành động vì lợi ích của bản thân họ. Bất cứ một tổ chức, một doanh nghiệp nào hoạt động đều có mục đích và vì lợi ích của họ. Lợi ích của một cá nhân và tập thể có thể rơi vào một trong ba trường hợp đó là: Lợi ích của cá nhân hoàn toàn khác biệt với lợi ích của tập thể; lợi ích của cá nhân có phần trùng lắp với lợi ích tập thể; và lợi ích cá nhân hoàn toàn trùng khớp với lợi ích tập thể. Trong ba trường hợp này, trường hợp thứ hai là phổ biến nhất. Khi hành động ở vùng giao nhau thì tập thể sẽ có lợi, ngược lại thì tập thể sẽ không có lợi, thậm chí còn bị thiệt hại rất lớn. Cũng theo lý thuyết hành vi hay lý thuyết trò chơi, một cá nhân sẽ luôn chọn phương án hành động nếu hành động của họ chỉ mang lại lợi ích cho họ mà không có tổn thất hoặc gần như họ không mất gì. Vì vậy, để hành động cá nhân có lợi cho tổ chức, thì tổ chức hay DN phải tạo ra cơ chế sao cho vùng giao nhau là lớn nhất, luôn luôn khuyến khích đồng thời với chế tài (chính sách cây gậy và củ cà rốt) để các cá nhân hành động trong vùng giao nhau mà không hành động ở vùng riêng. Điều này làm cho lợi ích của tổ chức và cá nhân là nhất quán với nhau. Tuy nhiên, trong một DN, mâu thuẫn giữa người điều hành và người sở hữu (agency problem) là vấn đề rất khó giải quyết do vấn đề khác biệt về lợi ích, vấn đề thông tin bất cân xứng thường hay xảy ra. Để giải quyết vấn đề này thì các chủ sở hữu hay thực hiện nhất là dùng chính sách thưởng cổ phiếu để các nhà điều hành của DN hành động theo hướng làm cực đại giá trị của công ty, hoặc dùng chính sách thưởng theo doanh số, lợi nhuận mà cá nhân đó làm ra. 49
Nếu không có chính sách như vậy, thì hành động của các nhà điều hành này sẽ thiếu đi sự toàn tâm toàn ý vì lợi ích chung. Những vấn đề, mâu thuẫn trên đều rơi vào hầu hết các DNNN ở Việt Nam hiện nay. Trong DNNN, sở hữu doanh nghiệp là toàn dân. Chính phủ đại diện cho toàn dân quản lý phần vốn, tài sản này. Chính phủ giao cho hội đồng quản trị hay giám đốc quản lý, sử dụng phần vốn nhà nước tại các DN. Luật DNNN năm 1995 quy định người điều hành DNNN có nghĩa vụ sử dụng có hiệu quả, bảo toàn và phát triển vốn do nhà nước giao, bao gồm cả phần vốn đầu tư vào DN khác nếu có; nhận và sử dụng có hiệu quả tài nguyên, đất đai và các nguồn lực khác do nhà nước giao cho DN. Nhưng Luật DNNN năm 1995 không quy định rõ việc bãi miễn những người điều hành DN khi DN hoạt động kinh doanh không hiệu quả, Luật DNNN năm 2003 có quy định người điều hành DN bị miễn nhiệm, chấm dứt hợp đồng trước thời hạn trong các trường hợp để công ty lỗ hai năm liên tiếp hoặc không đạt chỉ tiêu tỷ suất lợi nhuận trên vốn nhà nước đầu tư hai năm liên tiếp hoặc ở trong tình trạng lỗ lãi đan xen nhau nhưng không khắc phục được, trừ các trường hợp lỗ hoặc giảm tỷ suất lợi nhuận trên vốn nhà nước đầu tư được cấp có thẩm quyền phê duyệt; lỗ hoặc giảm tỷ suất lợi nhuận trên vốn nhà nước đầu tư có lý do khách quan được giải trình và được cơ quan có thẩm quyền chấp nhận; đầu tư mở rộng sản xuất, đổi mới công nghệ. Với quy định như vậy, khi hoạt động thực tế thì “lý do khách quan” thường được sử dụng nhất nếu DN hoạt động không hiệu quả. Mặt khác trong Luật Phá Sản DN 2004 quy định hoạt động kinh doanh bị thua lỗ liên tục sẽ bị làm thủ tục phá sản. Nhưng trong thực tế, hầu như chưa có DN nào bị lỗ liên tục hai năm mà phải phá sản. Luật DNNN 2003 quy định những người điều hành DN được hưởng chế độ lương theo năm. Mức tiền lương và tiền thưởng tương ứng với hiệu quả hoạt động của công ty, do người quyết định bổ nhiệm quyết định hoặc theo hợp đồng đã ký. Tiền lương được tạm ứng hàng tháng, quyết toán hàng năm. Tiền thưởng hàng năm được tính dựa vào kết quả kinh doanh năm của công ty, chỉ trả một phần vào cuối năm, phần còn lại được chi trả sau khi đã kết thúc nhiệm kỳ. Trong thực tế, mức lương của các cấp điều hành DNNN rất thấp do với những người có vị trí tương tự ở các DN có vốn đầu tư nước ngoài, DN tư nhân. Tuy nhiên đó chỉ là phần thu nhập nổi. Với cơ chế phân quyền và chế tài trách nhiệm rất không rõ ràng làm cho những người điều hành DNNN có lợi ích và quyền lực rất lớn, ngược lại trách nhiệm và nghĩa vụ thì rất chung 50
chung. Kết quả là nhiều người điều hành DN chỉ tập trung làm lợi cho cá nhân, thay vì cho DN mình, và vấn đề lo củng cố quyền lực, địa vị là không thể tránh khỏi. Kết quả chung lại là DNNN sẽ mất đi tính cạnh tranh và động lực phấn đấu, dễ dàng thua lỗ trong kinh doanh. Khi thua lỗ triền miên lại tìm cách bào chữa cho các lý do khách quan, dựa vào mối quan hệ sẵn với cấp chủ quản, khiến không thể áp dụng luật phá sản được. Luật DN thống nhất đã được Quốc Hội thông qua ngày 29/11/2005 và có hiệu lực từ ngày 01/07/2006. Mục tiêu của Luật DN thống nhất này là xem tất cả các loại hình DN là bình đẳng và có cùng một “sân chơi”. Tuy nhiên theo điều 166, phạm vi điều chỉnh DNNN lại được dời chậm nhất đến ngày 01/07/2010, tức bốn năm sau khi luật DN thống nhất có hiệu lực. Vì thế trước thời điểm này, sự bình đẳng về đối xử đối với các loại hình DN là chưa thể có được. Những phân tích trên gợi ý rằng để tăng cường tính thực thi của Luật Phá Sản, điều cần thiết là phải tăng cường các quy định xử lý người đứng đầu các DNNN và quy trình, trách nhiệm của cấp chủ quản trong việc chấp thuận phá sản đối với các DNNN bị khánh kiệt tài chính không thể phục hồi. Tính khả thi của Luật Phá sản có quan hệ tỷ lệ thuận với thời gian chính thức để giải quyết một vụ phá sản, mức độ tốn kém của các thủ tục và giá trị có thể thu hồi. Theo báo cáo xếp hạng môi trường kinh doanh năm 2008 do Tập Đoàn Tài Chính Quốc Tế IFC và Ngân Hàng Thế Giới công bố, Việt Nam được xếp ở vị trí 91. Trong đó, ở tiêu chí thứ 10, giải thể DN, báo cáo cho rằng việc giải quyết các trường hợp phá sản DN ở Việt Nam còn kém hiệu quả, xếp hạng 121/178. Thủ tục phá sản phải mất ít nhất 5 năm, tốn kém đến 15% giá trị tài sản của DN. Đối với những DN vỡ nợ thì các bên liên quan chỉ thu hồi được 18% giá trị tài sản. Vì thế, rất ít DN tuân theo các quy định và thủ tục chính thức khi muốn dừng hoạt động. Vì vậy để Luật Phá Sản thực sự có tính khả thi thì cần phải đơn giản hóa, rút ngắn thời gian xử lý một vụ phá sản. Nâng cao giá trị thu hồi thực tế. Để làm được việc này cần phải tiếp tục cải cách hành chính, bổ sung các hướng dẫn cần thiết cũng như cần sự vận hành hiệu quả của một thị trường thứ cấp cho việc thanh lý các tài sản của các DN bị kiệt quệ tài chính đến mức phải xử lý phá sản. 5.3.2. Sớm ban hành quy định hướng dẫn thủ tục phá sản cho các DN Theo quy định của Luật Các TCTD năm 1997 và Luật Sửa đổi bổ sung một số điều của Luật Các TCTD ngày 15/06/2004, “TCTD là DN được thành lập theo Luật Các TCTD 51
và các quy định khác của pháp luật để hoạt động ngân hàng” (Khoản 1, Điều 20). Như vậy, TCTD là một DN trong nền kinh tế quốc dân hoạt động trong lĩnh vực ngân hàng. Các TCTD, trong đó nòng cốt là các ngân hàng, thực hiện toàn bộ hoạt động ngân hàng và các hoạt động kinh doanh khác có liên quan, bao gồm các hoạt động kinh doanh tiền tệ và dịch vụ ngân hàng với nội dung thường xuyên là nhận tiền gửi, sử dụng số tiền này để cấp tín dụng và cung ứng các dịch vụ thanh toán. Các quan hệ tín dụng được dựa trên uy tín của các bên. Một khi uy tín của TCTD mất đi do mất khả năng thanh toán, chi trả các khoản nợ cho người gửi tiền thì uy tín cũng như vị thế của TCTD trên thị trường bị giảm sút, và hệ quả là khách hàng ào ạt đến rút tiền, làm trầm trọng thêm tình trạng mất khả năng thanh toán của TCTD. Không chỉ có vậy, do tính đặc thù của hoạt động ngân hàng, các TCTD có mối liên hệ chặt chẽ với nhau, nên nếu một TCTD lâm vào tình trạng mất khả năng thanh toán, sẽ ảnh hưởng đến các TCTD khác, gây nên tình trạng mất khả năng thanh toán hàng loạt (ảnh hưởng tới toàn hệ thống). Mặt khác, trong hoạt động, các TCTD cũng có những hoạt động đầu tư khác như mua cổ phần tại các công ty, đầu tư kinh doanh bất động sản, kinh doanh các ngành nghề khác Do đó, khi chủ nợ có yêu cầu TCTD thanh toán các khoản nợ đến hạn phát sinh từ quan hệ kinh tế này mà TCTD không có khả năng thanh toán, thì TCTD có được coi là lâm vào tình trạng phá sản hay không? Chính vì vậy, việc xác định thời điểm TCTD lâm vào tình trạng phá sản có ý nghĩa rất quan trọng. Do đó, cần phải giải quyết các vấn đề sau: Thứ nhất, nếu xác định thời điểm TCTD mất khả năng thanh toán các khoản nợ đến hạn sớm như quy định tại Luật Phá sản năm 2004, cần hướng dẫn cụ thể khái niệm nợ, các khoản nợ đến hạn, giới hạn các khoản nợ cũng như trình tự xử lý các khoản nợ để khôi phục lại khả năng chi trả của TCTD cũng như các giải pháp mà TCTD đã áp dụng để xác định dấu hiệu TCTD lâm vào tình trạng phá sản Thứ hai, làm rõ mối quan hệ giữa quy chế kiểm soát đặc biệt, bước chuyển từ tình trạng kiểm soát đặc biệt sang tình trạng phá sản và tình trạng phá sản của DN theo quy định của Luật Các TCTD năm 1997 và Luật Sửa đổi bổ sung một số điều Luật Các TCTD 15/06/2004 và theo quy định của Luật Phá sản 2004. Kiểm soát đặc biệt là việc một TCTD được đặt dưới sự kiểm soát trực tiếp của Ngân hàng Nhà nước do có nguy cơ mất khả năng thanh toán, mất khả năng chi trả 52