Xây dựng mô hình dự báo phá sản cho các doanh nghiệp ngành xây dựng bất động sản tại Việt Nam

Bản tin Khoa học Trẻ số 1(2), 2015

66

XÂY DỰNG MÔ HÌNH DỰ BÁO PHÁ SẢN CHO CÁC DOANH NGHIỆP NGÀNH
XÂY DỰNG BẤT ĐỘNG SẢN TẠI VIỆT NAM
Nguyễn Lê Huỳnh Như, Nguyễn Quỳnh Như, Đỗ Thị Phương Dung
Khoa Tài chính – Ngân hàng, Đại học Tôn Đức Thắng
Email:
(Ngày nhận bài: 14/11/2015; Ngày duyệt đăng: 14/12/2015)
TĨM TẮT
Việc xây dựng mơ hình dự báo phá sản giúp các doanh nghiệp có một cơng cụ hữu ích để
phát hiện sớm các dấu hiệu báo trước nguy cơ về rủi ro kiệt quệ tài chính. Từ đó, sẽ có những
biện pháp quản lý, giám sát đúng lúc, phòng ngừa kịp thời nhằm tránh những tình huống xấu
nhất có thể xảy ra, đó là phá sản. Trong bài nghiên cứu này, mơ hình Z-score của giáo sư
Edward Altman được chọn làm cơ sở lý luận. Đồng thời, phương pháp nghiên cứu được sử
dụng trong đề tài này là sự kết hợp giữa phương pháp phân tích tỷ số truyền thống và phương
pháp phân tích tuyến tính đa biệt thức (MDA). Kết quả cuối cùng của đề tài là: Đã xây dựng
được mơ hình dự báo phá sản với một biến phụ thuộc và sáu biến độc lập. Mơ hình này phù
hợp với nền kinh tế Việt Nam nói chung và đặc biệt dành riêng cho các doanh nghiệp ngành
xây dựng bất động sản nói riêng tại Việt Nam.
Từ khóa: Kiệt quệ tài chính, Mơ hình dự báo phá sản, Mơ hình Z-score, Ngành cây dựng –
Bất động sản, Phương pháp phân tích tuyến tính đa biệt thức (MDA).
ABSTRACT
The construction of bankruptcy forecasting models help corporations have a useful tool to
detect early warning signs of the risk of exhausting financial risks. Since then, there will be
measures to manage, supervise and timely prevention to avoid the worst situations can occur,
it is bankruptcy. In this study, the Z-score model of professor Edward Altman was selected as
a theoretical basis. Simultaneously, research methods which were used in this study is a
combination of traditional analytical method and Multiple Discriminant Analysis method
(MDA). The end result of this study is: building predictive models for bankruptcy with a

dependent variable and six independent variables. This model is consistent with Vietnam's
economy in general and specifically for the construction - real estate corporations in
Vietnam.
Key words: Exhausting finance, Bankruptcy forecasting model, Z-score model, the
construction - real estate sector, Multiple Discriminant Analysis method (MDA).
GIỚI THIỆU
Hệ thống doanh nghiệp Việt Nam nói chung
và các doanh nghiệp ngành xây dựng - bất
động sản nói riêng, dù quy mơ lớn hay nhỏ,
khi phá sản cũng gây ra hệ lụy đến hàng trăm
nhà đầu tư, đối tác kinh doanh, hàng ngàn
người lao động theo hiệu ứng Domino. Mặt
khác, hiện nay chỉ có một số ít bài nghiên
cứu về vấn đề dự báo phá sản trong phạm vi
ở Việt Nam thông qua việc ứng dụng mơ
hình dự báo phá sản của Mỹ (Z-score hoặc
Zeta) và chưa có bài nghiên cứu nào trên thế
giới tập trung riêng biệt cho nền kinh tế Việt
Nam, đặc biệt là về các doanh nghiệp trong
lĩnh vực xây dựng - bất động sản. Mặt khác,
khi ứng dụng mơ hình dự báo phá sản, được
xây dựng dựa trên các dữ liệu cơng ty ở Mỹ,

cho nền kinh tế Việt Nam thì chưa thực sự
phù hợp. Vì Mỹ là một nền kinh tế phát triển
nhanh, mạnh. Trong khi Việt Nam chỉ là nền
kinh tế đang phát triển và còn non trẻ. Từ
những phân tích trên cho thấy: Đề tài nghiên
cứu này là một trong những bước đầu tiên để
lấp đầy lỗ hổng về mảng dự báo phá sản cho

các doanh nghiệp ngành xây dựng - bất động
sản tại Việt Nam nói riêng và nền kinh tế
Việt Nam nói chung. Từ đó sẽ giúp các
doanh nghiệp này giám sát đúng lúc, ngăn
chặn kịp thời, phòng ngừa tối đa và hạn chế
đến mức thấp nhất những ảnh hưởng dây
chuyền cũng như những rủi ro dẫn tới nguy
cơ thất bại (phá sản hoặc giải thể) và đề cao
vị thế tài chính của doanh nghiệp mình trong
nền kinh tế Việt Nam.


Bản tin Khoa học Trẻ số 1(2), 2015

PHƯƠNG PHÁP NGHIÊN CỨU
Lựa chọn mẫu và thu thập dữ liệu phân
tích:
Số lượng mẫu được lựa chọn là 173 công ty
thuộc ngành xây dựng – bất động sản niêm
yết trên thị trường chứng khốn Việt Nam.
Với lượng mẫu này, nhóm nghiên cứu đã tiến
hành phân thành hai nhóm mẫu là: Nhóm 0
ký hiệu là nhóm các cơng ty có nguy cơ phá
sản (đã hoặc đang lâm vào tình trạng kiệt quệ
tài chính) và nhóm 1 ký hiệu là nhóm các
cơng ty đang hoạt động bình thường (có tình
hình tài chính tương đối ổn định). Thời gian
mà nhóm nghiên cứu chọn và lấy mẫu là 5
năm, từ năm 2009 đến năm 2013. Dữ liệu
được thu thập từ các báo cáo tài chính hàng

năm và dữ liệu giá lịch sử của trên thị trường
chứng khoán của các công ty.
Lựa chọn biến:
Các biến chủ yếu là các tỷ số tài chính truyền
thống, được lấy từ các báo cáo tài chính vào
cuối mỗi năm tài chính. Nhóm nghiên cứu đã
cố gắng tìm và lựa chọn những biến có đặc
điểm chung nhất nhằm đánh giá và dự báo
chính xác hơn. Có 6 biến được lựa chọn đại
diện như sau:
- Chủ động về vốn: X1 = Vốn lưu động /
Tổng tài sản (WC/TA)
- Khả năng sinh lời:X2 = Lợi nhuận giữ lại /
Tổng tài sản (RE/TA)
X3 = Thu nhập trước thuế và lãi vay / Tổng
tài sản (EBIT/TA)
- Giá trị thị trường của vốn chủ sở hữu đối
với nợ phải trả
X4 = Giá trị thị trường của vốn chủ sở hữu/
Nợ phải trả (MVE/TD)
- Khả năng tạo doanh thu: X5 = Doanh thu
thuần / Tổng tài sản (S/TA)
- Hệ số vốn: X6 = Vốn chủ sở hữu/ Tổng
nguồn vốn (EB/TC)
So với mơ hình Z-score của giáo sư Altman
thì nhóm nghiên cứu bổ sung thêm biến X6
vào mơ hình của mình do trong q trình thu
thập dữ liệu nhóm đã phát hiện tính bất cân
xứng về thơng tin của doanh nghiệp. Nghĩa
là, một số cơng ty có doanh thu thấp, lợi

nhuận âm trong khi giá trị thị trường của một
cổ phiếu lại rất cao (cao hơn nhiều so với
mệnh giá cổ phiếu). Điều này là bất hợp lí vì
giá trị thị trường khơng phản ánh hoặc phản
ánh kém chính xác giá trị thực sự của doanh

67
nghiệp đó. Do đó nhóm nghiên cứu cho rằng:
Việc thêm biến X6 vào mơ hình sẽ lấp bớt lỗ
hổng cho những bất hợp lí này.
Phương pháp phân tích tỷ số truyền
thống:
Phương pháp phân tích tỷ số truyền thống
được sử dụng để xử lý dữ liệu thơ ban đầu và
phân loại nhóm mẫu. Việc phân nhóm cơng
ty có nguy cơ phá sản hay khơng chỉ mang
tính tương đối và dựa vào các tiêu chí sau:
(1)Lợi nhuận giữ lại; thu nhập trước thuế và
lãi vay: dương hay âm
(2)Chỉ số thanh toán nhanh: được so sánh với
mức 0,5
(3)Chỉ số thanh toán hiện hành: được so sánh
với mức 1
(4)Giá trị thị trường của cổ phiếu qua các
năm: sự thay đổi biến động (tăng hay
giảm).
(5)Tỷ số nợ = Tổng nợ / Tổng nguồn vốn:
cao hay thấp hay ở mức trung bình.
Phương pháp phân tích tuyến tính đa biệt
thức (MDA):

MDA là một kỹ thuật thống kê dùng để phân
loại hoặc đưa ra dự đoán về vấn đề mà biến
phụ thuộc xuất hiện trong hình thái chất
lượng dựa theo những đặc điểm cá biệt của
quan sát; ví dụ nam hoặc nữ, phá sản hoặc
khơng phá sản. Vì vậy bước đầu tiên cần làm
là thiết lập và phân loại nhóm rõ ràng. Số
lượng các nhóm phân loại ban đầu có thể là
hai hoặc nhiều hơn. Sau khi các nhóm được
thiết lập, dữ liệu được thu thập theo mục đích
của các đối tượng trong nhóm; MDA trong
hình thức đơn giản nhất của nó là cố gắng
xây dựng quan hệ tuyến tính của những đặc
điểm mà chúng có thể phân biệt tốt nhất các
nhóm mẫu với nhau. Ưu điểm cơ bản của
phân tích đa biệt thức trong việc giải quyết
vấn đề phân loại công ty là khả năng phân
tích tồn bộ hồ sơ biến của đối tượng một
cách đồng thời, cùng lúc với nhau chứ không
phải là kiểm tra tuần tự các đặc điểm cá biệt
của đối tượng đó. Phương pháp phân tích đa
biệt thức được thực hiện thơng qua phần
mềm SPSS với quy trình như sau:
Bước 1: Mở phần mềm SPSS  Khai báo
biến ( khai báo phần Value trong cột đánh giá
phân loại cơng ty: nhóm 0 = cơng ty có nguy
cơ phá sản, nhóm 1 = cơng ty hoạt động bình
thường, ổn định)  chuyển dự liệu từ Excels
qua SPSS

Bản tin Khoa học Trẻ số 1(2), 2015
Bước 2: Vào Analyse  chọn Classify 
chọn Discriminant.
Bước 3: thêm 6 biến X1, X2, X3, X4, X5, X6
vào mục Independents  thêm cột đánh giá
phân loại nhóm vào mục Grouping Variable
 nhấp chọn Define Range  đánh số 0 vào
phần Minimum, đánh số 1 vào phần
Maximum  nhấp nút Continue.
Bước 4: Ở trong hộp thoại Discriminant
Analysis đánh dấu chọn vào mục Enter
independents together.
Bước 5: Nhấp vào nút Statistics  trong hộp
thoại mới xuất hiện đánh dấu chọn các mục
sau: Means, Univariable ANOVAs, Box’s M,
Unstandardized, Within-groups correlation
 nhấp nút Continue.
Bước 6: Nhấp vào nút Classify  trong hộp
thoại mới xuất hiện đánh dấu chọn các mục
sau: Compute from group sizes, Summary
table, Leave one out classification, Within
groups, Combined groups, Separate groups,
Territorial map  nhấp nút Continue.
Bước 7: Nhấp vào nút Save  trong hộp
thoại mới xuất hiện đánh dấu chọn các mục
sau: Predicted group membership và
Discriminant scores  nhấp nút Continue.
Bước 8: Ở trong hộp thoại Discriminant
Analysis nhấp chuột chọn OK.

KẾT QUẢ VÀ THẢO LUẬN
Bảng A: Canonical Discriminant Function
Coefficients
X1
X2
X3
X4
X5
X6
Constant

Function
2,715
-4,520
11,139
-0,632
0,285
8,406
-3,729

Nguồn: Nhóm tác giả tự tính tốn
Bảng B: Functions at group centroids
Phân nhóm

Function

Nguy cơ phá sản

-1,336

Khơng phá sản

1,553

Nguồn: Nhóm tác giả tự tính tốn
Dựa vào 2 bảng từ kết quả chạy mơ hình
trong phần mềm SPSS ta có được phương

68
trình tuyến tính đa biệt thức có hằng số như
sau:
D = 2,715 X1 + (-4,520) X2 + 11,139 X3 + (0,632) X4 + 0,285 X5 + 8,406 X6 + (-3,729)
Giá trị D nằm trong khoản (-1,336; 1,553)
- Nếu D ≥ 1,553: Cơng ty nằm trong vùng
an tồn
- Nếu -1,336 < D < 1,553: Công ty nằm
trong vùng cảnh báo
- Nếu D ≤ -1,336 : Công ty nằm trong vùng
có nguy cơ phá sản cao
Mơ hình kết quả nghiên cứu cuối cùng là
phương trình tuyến tính đa biệt thức sau khi
đã loại bỏ hằng số. Đồng thời sẽ thu được 2
ngưỡng giới hạn mới bằng các lấy 2 ngưỡng
giới hạn cũ trừ đi hằng số. Ta có mơ hình dự
báo phá sản được xây dựng mới như sau:
D = 2,715 X1 + (-4,520) X2 + 11,139 X3 +
(-0,632) X4 + 0,285 X5 + 8,406 X6
Khi đó giá trị tới hạn D nằm trong khoản
(2,393; 5,282)
- Nếu D ≥ 5,282: Cơng ty nằm trong vùng

an tồn
- Nếu 2,393 < D < 5,282: Công ty nằm
trong vùng cảnh báo
- Nếu D ≤ 2,393 : Cơng ty nằm trong vùng
có nguy cơ phá sản cao
Để kiểm nghiệm mơ hình thì ta sẽ thay các
biến từ X1 đến X6 bằng các giá trị cụ thể từ
các tỷ số tài chính của mỗi cơng ty và tính ra
kết quả chỉ số D. Từ đó so sánh chỉ số D với
2 ngưỡng giới hạn là 2,393 và 5,282 để dự
báo được cơng ty đó có nguy cơ phá sản hay
khơng trong tương lai gần.
KẾT LUẬN
Đánh giá tình hình tài chính của doanh
nghiệp thơng qua phân tích giá trị thực từ các
tỷ số tài chính của cơng ty. Việc phân tích và
đưa ra nhận định cần nhiều yếu tố kết hợp,
qua đó chưa thấy sự liên kết nhau giữa các
yếu tố; mặt khác mỗi nhà nghiên cứu có thể
lựa chọn các chỉ số khác nhau để phân tích.
Để hạn chế đánh giá khơng đúng hoặc bỏ sót
một số chỉ tiêu cần thiết, nhóm nghiên cứu đã
lựa chọn và xây dựng một mơ hình dự báo
thơng qua kỹ thuật MDA nhằm tìm ra một
chỉ số chung dựa trên nhiều tỷ số tài chính
độc lập. Kết quả là đã tìm ra mơ hình đánh
giá tình hình tài chính, dự báo phá sản thơng
qua mơ hình chỉ số D. Với chỉ số này hấu hết
tất cả các đối tượng trong nền kinh tế đều có

Bản tin Khoa học Trẻ số 1(2), 2015

69

thể tính tốn và đánh giá được thông qua báo thêm cho kết quả mơ hình tính tốn của hệ số
cáo tài chính ngay tại thời điểm đánh giá. Mô biệt thức D nhằm mang lại kết quả đáng tin
hình chỉ số D được ứng dụng độc quyền cậy hơn cho mơ hình dự báo phá sản này.
chocác doanh nghiệp trong ngành xây dựng – Đồng thời sẽ phát triển thêm các mô hình dự
bất động sản tại Việt Nam. Tuy nhiên, trong báo phá sản khác dành riêng cho những
tương lai, nhóm nghiên cứu sẽ cố gắng tìm ngành bất ổn trong nền kinh tế Việt Nam
thêm những biến độc lập để có thể giải thích
.
TÀI LIỆU THAM KHẢO
1.
ALTMAN, EDWARD I. (1968). Financial ratios, discriminant analysis and the
prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609
2.
ALTMAN, EDWARD I. (2000). Predicting financial distress of companies: Revising
the Z-score and Zeta models. Stern School of Business, New York University, 9-12.
3.
AGRESTI, ALAN. (1996). An introduction to categorical data analysis (Vol. 135). New
York: Wiley