Luận án nghiên cứu cách tiếp cận kế toán và cách tiếp cận thị trường trong dự báo vỡ nợ của doanh nghiệp việt nam

1

PHẦN MỞ ĐẦU
1. Sự cần thiết của nghiên cứu
Vỡ nợ doanh nghiệp là kết cục khơng mong đợi, nó ành hưởng trực tiếp tới
quyền lợi, nghĩa vụ các nhà đầu tư, chủ nợ, người lao động và các đối tượng có liên
quan. Việc tìm ra phương pháp dự báo sớm và chính xác vỡ nợ doanh nghiệp được
các nhà khoa học, các nhà quản lý ngày càng quan tâm do ảnh hưởng sâu, rộng và xử
lý hậu quả rất khó khăn từ các vụ vỡ nợ doanh nghiệp. Việc đánh giá năng lực doanh
nghiệp đặc biệt là dự báo vỡ nợ doanh nghiệp đóng vai trị quan trọng cho cả các nhà
quản lý nhà nước, các NHTM, các đối tác liên quan để thúc đẩy sản xuất, kinh doanh
cũng như các biện pháp để đảm bảo hoạt động ổn định, phát triển.
Tại Việt Nam, các doanh nghiệp tham gia mới và ngừng kinh doanh có biến
động lớn. Theo Tổng cục Thống kê, số doanh nghiệp được cập nhật vào thời điểm
31/12/2017 trên phạm vi cả nước ước tính là 561.064 doanh nghiệp. Trong năm 2018,
cả nước có 131.275 doanh nghiệp thành lập mới với số vốn đăng ký là 1.478.101 tỷ
đồng, tăng 3,5% về số doanh nghiệp và tăng 14,1% về số vốn đăng ký. Tuy nhiên
trong năm 2018, số doanh nghiệp đăng ký tạm ngừng kinh doanh có thời hạn của cả
nước là 27.126 doanh nghiệp, tăng 25,1% so với cùng kỳ năm 2017 nâng tổng số lũy
kế các doanh nghiệp tạm ngừng hoạt động, chờ giải thể và phá sản trong gần 100.000
doanh nghiệp. Theo con số của Ủy ban Giám sát Tài chính Quốc gia thì con số nợ
xấu của hệ thống cơng bố tháng 12/2017 thì nợ xấu toàn hệ thống ngân hàng là 9,3%
và nếu phân loại theo đúng chuẩn mực Bass II thì con số cịn cao hơn. Chính vì vậy
Quốc hội ban hành NQ số 42/2017/QH14, Chính phủ ban hành QĐ số 1058/QĐ-TTg
của Thủ tướng chính phủ về xử lý nợ xấu giai đoạn 2016-2020 trong đó triển khai
đồng bộ các giải pháp cơ cấu lại hệ thống các tổ chức tín dụng gắn với xử lý nợ xấu.
Đối với các tổ chức tín dụng thì việc nâng cao năng lực quản trị rủi ro tín dụng thì
cần lượng hóa mức độ rủi ro trong từng khâu cấp tín dụng trong đó việc cần thiết
phải sử dụng các mơ hình dự báo vỡ nợ đối với các doanh nghiệp.
Việc đưa các mơ hình dự báo vỡ nợ vào trong quy trình đánh giá để hỗ trợ định
mức tín nhiệm hay ra quyết định tín dụng ở các TCTD cũng khơng cịn q mới lạ

trên thế giới, thậm chí cịn là một các bước quan trọng trong quy trình đánh giá doanh
nghiệp. Tính tới thời điểm hiện tại cũng có rất nhiều nghiên cứu về các phương pháp
đo lường vỡ nợ doanh nghiệp có thể kể đến như cách tiếp cận kế toán (tiêu biểu là
mơ hình Z-Score, Logit, Probit...), cách tiếp cận thị trường (tiêu biểu là mơ hình cấu


2
trúc, mơ hình KMV...) hay phương pháp mạng Nơ-ron nhân tạo... Tuy nhiên, các
nghiên cứu dự báo vỡ nợ doanh nghiệp chủ yếu theo cách tiếp cận kế toán và cách
tiếp cận thị trường như Altman (1968), Zhou & Zhao (2006), Porporato & Sandin
(2007), Cerovac & Ivicic (2009), Ann - Katrin Napp (2011)... Cũng có một số nhà
nghiên cứu trên thế giới so sánh hai phương pháp dự báo vỡ nợ theo cách tiếp cận kế
toán và theo cách tiếp cận thị trường với các số liệu doanh nghiệp cụ thể tại các nước
khác nhau như Mei - Ying Liu et al (2011); Vinet Agarwal and Richard Taffler
(2008)... Hiện các nghiên cứu vẫn đi tìm lời giải đáp về sử dụng phương pháp nào hiệu
quả hơn, hay cần sự phối hợp bổ trợ giữa hai phương để dự báo vỡ nợ doanh nghiệp.
Dự báo nguy cơ vỡ nợ bằng các mơ hình dự báo tại các nước được nghiên cứu,
áp dụng rộng rãi trong khi các nghiên cứu và áp dụng tại Việt Nam chưa được chú
trọng. Các dự báo vỡ nợ hiện phần nhiều vẫn sử dụng các phương pháp định tính do
tính chính xác của thơng tin đầu vào, thói quen sử dụng phương pháp truyền thống…
Cùng với xu thế minh bạch hóa số liệu và các tiêu chuẩn áp dụng dần được chuẩn hóa
theo các tiêu chuẩn quốc tế, các tổ chức tín dụng tại Việt Nam dần áp dụng các chuẩn
mực theo các chuẩn mực quốc tế như Basel. Bản thân các tổ chức tín dụng được phép
lựa chọn, sử dụng phương pháp xếp hạng nội bộ cho các doanh nghiệp vay vốn để thiết
lập chi phí vốn đối với các rủi ro tín dụng của các danh mục đầu tư của mình thì các
dự báo vỡ nợ phải được lượng hóa, việc áp dụng mơ hình để dự báo vỡ nợ đối với các
doanh nghiệp.
Hiện đã có một số các nghiên cứu mơ hình vào dự báo vỡ nợ đối với các doanh
nghiệp tại Việt Nam có áp dụng các mơ hình theo cách tiếp cận kế toán và cách tiếp
cận thị trường. Tuy nhiên vẫn cần thêm nhiều các nghiên cứu sâu hơn với nhiều góc

cạnh để có thể áp dụng vào thực tiễn dự báo vỡ nợ doanh nghiệp tại Việt Nam trong
đó cần thiết phải có những nghiên cứu một cách tồn diện về dự báo vỡ nợ doanh
nghiệp đồng thời bằng hai phương pháp kế toán và phương pháp thị trường. Đối với
các doanh nghiệp Việt Nam thì dự báo vỡ nợ bằng phương pháp truyền thống kế tốn
có chính xác không hay cần phải thêm các phương pháp khác như phương pháp thị
trường, phương pháp thị trường so với phương pháp kế tốn thì phương pháp nào dự
báo vỡ nợ doanh nghiệp tốt hơn tại thị trường Việt Nam. Trong điều kiện Việt Nam
hội nhập kinh tế quốc tế, các hoạt động kinh doanh của doanh nghiệp chịu tác động
và ảnh hưởng mạnh mẽ bởi thơng lệ quốc tế thì lượng hóa các vấn đề rủi ro là xu thế
tất yếu. Việc nghiên cứu một mơ hình lượng hóa áp dụng dự báo vỡ nợ cho các doanh


3
Việt Nam được sự quan tâm của không chỉ các nhà nghiên cứu mà còn đối với các
đối tượng sử dụng kết quả của nghiên cứu.
Chính vì vậy, Nghiên cứu sinh đã lựa chọn đề tài “Nghiên cứu cách tiếp cận kế
toán và cách tiếp cận thị trường trong dự báo vỡ nợ của doanh nghiệp Việt Nam”
là đề tài Luận án Tiến sĩ của mình.

2. Mục tiêu nghiên cứu
Mục tiêu tổng quát của nghiên cứu là so sánh, lựa chọn cách tiếp cận phù hợp
để dự báo vỡ nợ doanh nghiệp Việt Nam từ đó đưa ra các giải pháp nâng cao hiệu quả
sử dụng mơ hình dự báo. Từ mục tiêu tổng quát trên, các mục tiêu cụ thể của Luận án
như sau:
- Nghiên cứu đưa ra cơ sở lý luận về vỡ nợ và dự báo vỡ nợ doanh nghiệp, áp
dụng cơ sở lý luận về dự báo vỡ nợ đối với các doanh nghiệp Việt Nam.
- Tập trung nghiên cứu khả năng dự báo vỡ nợ bằng hai cách tiếp cận: kế tốn
qua một số mơ hình kế tốn tiêu biểu và cách tiếp cận thị trường bằng mơ hình
KMV từ đó kiểm định sự chính xác của mơ hình áp dụng đối với các doanh nghiệp
Việt Nam.

- Các giải pháp nhằm nâng cao hiệu quả sử dụng mơ hình dự báo và một số kiến
nghị hạn chế vỡ nợ cho các doanh nghiệp Việt Nam.

3. Câu hỏi nghiên cứu
Luận án hướng tới việc nghiên cứu và giải đáp câu hỏi cho mục tiêu tổng quát và
mục tiêu cụ thể như sau:
Về câu hỏi tổng quát:
Phương pháp tiếp cận nào phù hợp với dự báo vỡ nợ doanh nghiệp Việt Nam và
vận dụng thực tiễn trong dự báo vỡ nợ doanh nghiệp Việt Nam?
Về câu hỏi cụ thể:
- Các mơ hình sử dụng theo phương pháp cận kế toán và tiếp cận thị trường khi
áp dụng để dự báo vỡ nợ doanh nghiệp Việt Nam có hiệu quả không?
- Với hiện trạng doanh nghiệp Việt Nam hiện nay, áp dụng mơ hình như nào cho
phù hợp và hiệu quả?
- Qua kết quả thực nghiệm, các giải pháp và kiến nghị đưa ra nhằm áp dụng hiệu
quả mơ hình dự báo vỡ nợ đối với các doanh nghiệp Việt Nam?


4

4. Đối tượng và phạm vi nghiên cứu
* Đối tượng nghiên cứu: luận án nghiên cứu về các phương pháp dự báo vỡ nợ
doanh nghiệp, khả năng dự báo vỡ nợ doanh nghiệp bằng phương pháp kế toán và
phương pháp thị trường thông qua lý luận và kiểm chứng thực tiễn đối các doanh nghiệp
Việt Nam.
* Phạm vi nghiên cứu:
- Về nội dung nghiên cứu: đề tài áp dụng lý thuyết về vỡ nợ, dự báo vỡ nợ, áp
dụng phương pháp kế tốn bằng mơ hình Z-Score và phương pháp thị trường bằng mơ
hình KMV đối với các doanh nghiệp niêm yết tại Sở giao dịch Chứng khốn Hồ Chí
Minh (HOSE) loại trừ đối với các doanh nghiệp là các tổ chức tín dụng.

- Về khơng gian nghiên cứu: đề tài nghiên cứu dự báo vỡ nợ đối các doanh nghiệp
cổ phần tại Việt Nam có liên hệ đối với các kết quả dự báo vỡ nợ của các nước.
- Về thời gian nghiên cứu: Thông qua các số liệu kế toán và thị trường của các
doanh nghiệp Sở giao dịch Chứng khốn Hồ Chí Minh (HOSE) trong 3 năm từ 20142016 để dự báo vỡ nợ doanh thông qua việc áp dụng phương pháp dự báo kế toán và
phương pháp dự báo thị trường. Nghiên cứu sử dụng số liệu thống kê thực tế các
doanh nghiệp vỡ nợ hay không vỡ nợ theo phân loại tại thời điểm sau 1 năm so với
số liệu tính tốn từ mơ hình dự báo.

5. Phương pháp nghiêu cứu
Nghiên cứu thu thập số liệu từ các báo cáo tài chính và dữ liệu thị trường của các
của các doanh nghiệp đang niêm yết tại Sở giao dịch Chứng khốn Hồ Chí Minh (HOSE)
qua các thời kỳ để có các phân tích đánh giá và lấy số liệu từ năm 2014-2016 để thử
nghiệm phương pháp tiếp cận kế tốn với mơ hình Z-Score và tiếp cận thị trường với
mơ hình KMV. Từ kết quả thu được từ việc sử dụng mơ hình, đối chiếu với kết quả phân
loại thực tế khi sử dụng phương pháp MCC và phương pháp ROC để đánh giá hiệu quả
của từng mơ hình.
Nghiên cứu cũng tiến hành phỏng vấn sâu với các chuyên gia, các nhà quản lý
về hiện trạng sử dụng các mơ hình dự báo vỡ nợ doanh nghiệp để tăng thêm các nhận
định và đưa ra các giải pháp nâng cao hiệu quả sử dụng phương pháp dự báo vỡ nợ
doanh nghiệp.


5

6. Thiết kế nghiên cứu
Bước 1:
Tổng quan nghiên cứu trên thế giới và trong nước để
đưa ra định hướng nghiên cứu dự báo vỡ nợ doanh
nghiệp bằng phương pháp tiếp cận kế toán và tiếp
cận thị trường

Bước 2:Khung nghiên cứu theo cách tiếp cận
kế toán và tiếp cận thị trường trong dự báo vỡ nợ
doanh nghiệp.

Số liệu từ thứ cấp từ BCTC, giá trị
thị thị trường để tính tốn dự báo vỡ
nợ bằng mơ hình Z-Score và KMV .

Từ tổng quan nghiên cứu, cơ sở lý luận
về dự báo vỡ nợ doanh nghiệp và thực
tế công tác dự báo vỡ nợ doanh nghiệp
Việt Nam thiết kế chương trình phỏng
vấn sâu với các chuyên gia, nhà quản lý.

Dùng phương pháp MCC và ROC để
so sánh kết quả với thực tế từ việc tính
tốn theo hai phương pháp áp dụng cho
dự báo vỡ nợ doanh nghiệp Việt Nam.

Thực hiện phỏng vấn sâu với trên 20
chuyên gia, nhà quản lý và tổng hợp
các ý kiến về dự báo vỡ nợ doanh
nghiệp Việt Nam.

Bước 3: Thảo luận kết quả nghiên cứu

Bước 4: Khuyến nghị và kiến nghị.


6

7. Những đóng góp của Luận án
Luận án dự kiến có các đóng góp sau:
* Về mặt lý luận: Vỡ nợ doanh nghiệp đã được các nước phát triển nghiên cứu
nhiều tuy nhiên các năm gần đây các nước có nền kinh tế đang phát triển như Trung
Quốc, Thái Lan... mới có một số các nghiên cứu. Ở Việt Nam hiện chưa nhiều các nghiên
cứu về dự báo vỡ nợ doanh nghiệp hoặc các nghiên cứu vẫn chỉ ở một góc cạnh và cần
có nhiều bổ sung cho đầy đủ hệ thống lý luận nghiên cứu về dự báo vỡ nợ doanh nghiệp.
Các đóng góp cụ thể về mặt lý luận:
-Việc nghiên cứu dự báo vỡ nợ theo hai phương pháp tiếp cận kế toán và cách
tiếp cận thị trường đối với các doanh nghiệp Việt Nam một cách có hệ thống giúp cho
các nghiên cứu sau này có một nền tảng lý luận cho việc lựa chọn mơ hình nghiên cứu
về vỡ nợ doanh nghiệp tại Việt Nam.
- Nghiên cứu cũng đề xuất về cách xác định ngưỡng vỡ nợ đối với các doanh
nghiệp Việt Nam. Việc đề xuất này sẽ là cơ sở cho các nghiên cứu, các nhà xây dựng
luật pháp vận dụng, các quy trình áp dụng cho các đối tượng phải sử dụng dự báo vỡ nợ
doanh nghiệp trong nghiệp vụ của mình.
- Việc áp dụng phương pháp lượng hóa hiệu quả bằng mơ hình dự báo vỡ nợ kết
hợp với phương pháp phỏng vấn các chuyên gia để tăng tính tin cậy của kết quả.
Về mặt thực tiễn:
- Nghiên cứu góp phần cho các nhà quản lý tại Việt Nam đưa ra các quy định liên
quan tới dự báo vỡ nợ doanh nghiệp theo hướng minh bạch hóa các thơng tin dự báo
cho các nhà đầu tư, chủ nợ và các đối tượng liên quan.
- Trên cơ sở lý luận và các nghiên cứu về điểm vỡ nợ, Luận án đưa ra ý kiến áp
dụng điểm vỡ nợ các doanh nghiệp Việt Nam có thể vận dụng cho việc xây dựng mơ
hình vỡ nợ doanh nghiệp của mình.
- Từ cơ sở các kết quả của thực nghiệm, nghiên cứu cũng đưa ra các khuyến nghị
nhằm hiệu quả sử dụng dự báo vỡ nợ cũng như các một số khuyến nghị để hạn chế vỡ
nợ đối với các doanh nghiệp Việt Nam.

7

8. Kết cấu của Luận án
Ngoài Phần mở đầu, Kết luận...thì luận án được phân thành 5 chương chính được kết
cấu như sau:

Chương 1: Tổng quan nghiên cứu
Chương 2: Cơ sở lý luận về dự báo vỡ nợ của doanh nghiệp
Chương 3: Phương pháp nghiên cứu
Chương 4: Áp dụng cách tiếp cận kế toán và cách tiếp cận trị trường trong dự
báo vỡ nợ doanh nghiệp
Chương 5: Các khuyến nghị và kiến nghị


8

CHƯƠNG 1:
TỔNG QUAN NGHIÊN CỨU
1.1. Nghiên cứu dự báo vỡ nợ doanh nghiệp theo cách tiếp cận kế toán

1.1.1. Nghiên cứu theo cách tiếp cận kế toán trên thế giới
Phương pháp nghiên cứu vỡ nợ theo cách tiếp cận kế tốn sử dụng biến độc lập
là chỉ số tính từ báo cáo tài chính của doanh nghiệp để tính điểm vỡ nợ hoặc xác suất vỡ
nợ (probability of default) từ đó phân loại các doanh nghiệp khơng vỡ nợ, có nguy cơ
vỡ nợ và doanh nghiệp vỡ nợ. Trong cách tiếp cận này có nhiều phương pháp được phát
triển trong đó có thể kể đến như: Mơ hình tuyến tính đo lường xác suất (Linear
probability model) gồm mơ hình đơn biến của Beaver's (1966) hay mơ hình đa biến của
Altman's (1968), mơ hình probit Ohlson's (1980), mơ hình probit Zmijewski's (1984)...

* Mơ hình phân tích đơn biến:
Dự báo vỡ nợ doanh nghiệp là chủ đề nghiên cứu được quan tâm kể từ cơng trình
nghiên cứu của Beaver (1966). Mặc dù dự báo vỡ nợ doanh nghiệp đã được thực hiện
trước Beaver nhưng các nhà nghiên cứu còn thiếu phương pháp tiếp cận chặt chẽ. Beaver
đi tiên phong trong nghiên cứu thực nghiệm về dự báo vỡ nợ doanh nghiệp sử dụng phân
tích đơn biến các tỷ số tài chính đối với các doanh nghiệp vỡ nợ và doanh nghiệp không
vỡ nợ. Cơng trình nghiên cứu của Beaver được coi là bước ngoặt cho các nghiên cứu về
phân tích tỷ số trong tương lai (Horrigan, 1968). Trong phân tích đơn biến, các dự báo
vỡ nợ doanh nghiệp được dựa trên một tỷ số tài chính đơn lẻ. Beaver định nghĩa vỡ nợ
là việc một doanh nghiệp mất khả năng chi trả cho các khoản nợ đến hạn. Trái phiếu cố
định, tài khoản thấu chi ngân hàng, hoặc cổ tức cổ phiếu ưu tiên chưa được thanh toán đều được coi như bằng chứng cho sự vỡ nợ doanh nghiệp. Beaver đã áp dụng một bài
kiểm tra phân loại đơn biến, trong đó mỗi tỷ số trong 30 tỷ số tài chính khác nhau đã
được sử dụng để dự báo biến của doanh nghiệp vỡ nợ và không vỡ nợ. Các tỷ số được
chọn lựa dựa trên cơ sở ba tiêu chí sau: (i) sự phổ biến trong nghiên cứu tổng quan; (ii)
kết quả áp dụng các tỷ số này trong các nghiên cứu trước đó; và (iii) việc tuân thủ khái
niệm dịng tiền. Phân tích đơn biến bao gồm việc sử dụng một tỷ số tài chính đơn lẻ
trong mơ hình dự báo vỡ nợ. Dữ liệu cho các mẫu nghiên cứu được thu thập từ Moody's
Industrial Manual cho 5 năm trước vỡ nợ. Beaver lựa chọn 79 mẫu của doanh nghiệp vỡ
nợ và không vỡ nợ, sử dụng phương pháp cặp đôi từng ngành dựa trên một mã gồm ba
chữ số phân loại ngành tiêu chuẩn (Standard Industrial Classification - SIC) và quy mô
tài sản trong các năm 1954 đến 1964. Mục đích của việc sử dụng phương pháp này là


9
để kiểm sốt các yếu tố có thể làm ảnh hưởng tới mối quan hệ giữa các tỷ số tài chính
và khả năng vỡ nợ của doanh nghiệp.
Sáu biến sau đây được Beaver lựa chọn như những biến chính xác nhất dự báo
vỡ nợ doanh nghiệp, bao gồm: tiền mặt trên tổng nợ; LN rịng/TTS; NDH/TTS;
VLĐ/TTS; tỷ số thanh tốn hiện hành; và khoảng phi tín dụng (hay khả năng thanh
khoản). Mặc dù cách tiếp cận đơn biến có những thiếu sót nhất định, đặc biệt là thiếu sự

kết hợp các tỷ số khác nhau, nhưng mơ hình của Beaver đã đạt được mức độ chính xác
nhất định trong dự báo. Tỷ lệ phân loại tổng thể là 87%, 79%, 77%, 76% và 78% trong
năm đầu tiên tới năm thứ năm trước vỡ nợ. Phát hiện chính của nghiên cứu này là các
tỷ số tài chính có khả năng dự báo vỡ nợ trong ít nhất 5 năm trước vỡ nợ. Beaver kết
luận rằng tỷ số tiền trên tổng nợ là tỷ số dự báo tốt nhất. Tuy nhiên, việc sử dụng tỷ lệ
tài chính cho dự báo vỡ nợ được sử dụng thận trọng.

Trước hết, không phải tất cả các tỷ số đều dự báo với cùng mức độ chính xác
như nhau.
Thứ hai, các tỷ số thành cơng trong việc dự báo khơng vỡ nợ thì nhiều hơn dự
báo vỡ nợ.

Thứ ba, về mục đích ra quyết định, các tỷ số tài chính nên được bổ sung bằng tỷ
lệ phân bố tần suất và phân bố xác suất. Lý thuyết về phân tích tỷ số của Beaver là mơ
hình dòng tiền, được coi như khung khổ cho việc giải thích các kết quả của các bài kiểm
tra về tỷ lệ (Beaver, 1966). Zavrgen (1983) lại lập luận rằng nghiên cứu của Beaver có
những hạn chế nhất định đối với việc thiết kế thống kê và tính hữu dụng của các các kỹ
thuật đơn biến. Dù vậy, nghiên cứu của Beaver có hai thành cơng chính: dự đốn với
mức độ chính xác khá cao dù chỉ với một mơ hình đơn giản và cung cấp sự thảo luận lý
thuyết về các nghiên cứu thực nghiệm. Các kết quả là lựa chọn tỷ số, giá trị mơ hình và
tính chính xác của mơ hình đơn biến.

* Mơ hình phân tích đa khác biệt:
Nhiều mơ hình dự báo vỡ nợ như vậy đã được phát triển từ khi Beaver (1966)
thực hiện phân tích sử dụng kỹ thuật đơn biến. Phần này sẽ khái quát một vài nghiên
cứu quan trọng trong lĩnh vực dự báo vỡ nợ doanh nghiệp sử dụng kỹ thuật phân tích đa
khác biệt. Các nghiên cứu này đại diện chỉ cho một vài trong số nhiều nhà nghiên cứu
đã thực hiện nghiên cứu trong việc phát triển mơ hình dự báo vỡ nợ sử dụng kỹ thuật
thống kê phổ biến này.

+ Mơ hình dự báo của Altman (1968)


10
Trong việc phân tích tình hình tài chính doanh nghiệp, có thể nói, mơ hình chỉ số
Z - Score là mơ hình rủi ro tài chính nổi tiếng nhất, được áp dụng rộng rãi trên thế giới
do kết quả kiểm nghiệm khá tin cậy do Giáo sư Edward I. Altman xây dựng trên cơ sở
các số liệu từ các doanh nghiệp tại Mỹ. Dựa vào cơ sở lý thuyết và phương pháp xây
dựng mơ hình của Altman, mơ hình chỉ số Z được các nước, các tổ chức khác nhau trên
thế giới phát triển nhằm phù hợp với môi trường và đặc điểm của các doanh nghiệp ở
từng khu vực.
Edward I. Altman (1968) là nhà nghiên cứu đầu tiên áp dụng kỹ thuật phân tích
đa khác biệt (Multiple Discriminant Aanalysis) để dự báo thất bại kinh doanh thông qua
việc sử dụng các tỷ lệ tài chính. Khác với các phân tích đơn biến dựa trên các tỷ số đơn
lẻ, ý tưởng chính của phân tích đa biến là kết hợp thơng tin của nhiều tỷ số tài chính
thành một chỉ số có trọng số (Laitinen, 1991). Phân tích khác biệt là một phương pháp
phân tích đa biến trong phân tích số liệu. Phương pháp này đặc biệt hữu ích vì mục đích
là để nhóm các biến riêng biệt thành các nhóm, ví dụ tốt hay chưa tốt, nam hay nữ, vỡ
nợ hay không vỡ nợ (Fulmer và cộng sự, 1984). Cơng trình nghiên cứu dự báo vỡ nợ
của Altman được xây dựng dựa trên việc phân biệt khả năng vỡ nợ hay không vỡ nợ của
doanh nghiệp. Kỹ thuật này là phù hợp khi biến phụ thuộc là biến phân loại và các biến
độc lập là các biến số liệu (Hair et al., 1998). Việc phân loại được thực hiện thông qua
việc phát triển một hàm phân biệt. Hàm phân biệt được xây dựng theo hướng tối thiểu
hóa khả năng phân loại sai (Raghupathi và cộng sự, 1991). Kỹ thuật này dần trở thành
một công cụ phổ biến nhất trong dự báo những thất bại kinh doanh của doanh nghiệp.
Ưu điểm của kỹ thuật này là nó xem xét tất cả các đặc tính một cách đồng thời trong khi
vẫn xét đến sự tương tác giữa các đặc tính đó. Altman (1968) đã phát triển một mơ hình
nổi tiếng là mơ hình dự báo của Altman (1968). Mơ hình này đã được áp dụng để đánh
giá:
(i)

liệu phân tích tỷ số có tuân theo kỹ thuật thống kê?

(ii)

liệu kỹ thuật phân tích đa khác biệt có thể cái thiện khả năng dự báo của
các mơ hình vỡ nợ?
Và liệu cách tiếp cận này có hữu ích trong các ứng dụng thực nghiệm?

(iii)

Theo phương pháp phân tích tỷ số truyền thống, kỹ thuật phân tích này khơng
cịn quan trọng trong mơi trường học thuật do cách tiếp cận khá đơn giản của nó. Lý
thuyết vỡ nợ của Altman cho rằng các tỷ số được phân tích trong một khung khổ đa
chiều sẽ có ý nghĩa thống kê cao hơn cách phân tích tỷ số truyền thống (Altman, 1968).
Trong nghiên cứu này, mô hình Z-score sử dụng các số liệu tài chính từ giai đoạn trước
vỡ nợ như là các biến độc lập trong mơ hình tách biệt. Các biến phụ thuộc được đưa vào


11
để phân tách ra các doanh nghiệp vỡ nợ và khơng vỡ nợ. Trong mơ hình của Altman,
tương tự như Beaver, các số liệu cho mẫu phân tích thu thập được từ Moody's Industrial
Manual và lựa chọn các báo cáo thường niên từ một đến năm năm trước khi vỡ nợ.
Altman đã lựa chọn một mẫu gồm 33 doanh nghiệp vỡ nợ và 33 doanh nghiệp chưa vỡ
nợ kết hợp từng cặp theo cơ sở các năm, ngành hoạt động, và quy mơ doanh nghiệp là
các biến kiểm sốt, lựa chọn dựa trên cơ sở phi ngẫu nhiên. Phương pháp này có nhiều
lợi ích, đặc biệt khi các biến kiểm sốt khơng được bao gồm cụ thể trong mơ hình
(Zavgren, 1983). Mẫu các doanh nghiệp vỡ nợ được lấy trong giai đoạn 1946-1965 và
quy mô tài sản từ 0,7 triệu đôla đến 25,9 triệu đôla. Các doanh nghiệp nhỏ với tài sản ít
hơn 1 triệu đơla được loại ra khỏi mẫu. Tất cả các doanh nghiệp không vỡ nợ vẫn hoạt

động sau năm 1966. Phương pháp nghiên cứu này bị hạn chế với các doanh nghiệp sản
xuất và áp dụng với 22 biến tỷ số. Hầu hết các tỷ số được lựa chọn dựa trên sự phổ biến
và tiềm năng trong nghiên cứu. Tuy nhiên, tỷ số tiền mặt trên tổng nợ, xác định bởi
Beaver (1966), không được đưa vào danh mục các biến vì thiếu nhất quán trong số liệu.
Mơ hình Z-score của Altman sử dụng 5 tỷ số tài chính và được đánh giá như sự dự báo
khánh kiệt tài chính có tính chính xác cao.
Năm tỷ số tài chính có khả năng dự báo cao nhất là: VLĐ/TTS; LN giữ lại/TTS;
LN trước thuế và lãi/TTS; GTTT của vốn cổ phần/GTSS của tổng nợ; DT/TTS. Thành
công của mô hình này là dựa trên các đặc điểm tài chính của doanh nghiệp vỡ nợ khác
với đặc điểm tài chính của các doanh nghiệp khơng vỡ nợ. Trong q trình thực hiện có
thể xảy ra hai lỗi phân loại. Thứ nhất, các doanh nghiệp vỡ nợ có thể được phân loại
thành các doanh nghiệp không vỡ nợ (lỗi loại I). Thứ hai, các doanh nghiệp khơng vỡ
nợ có thể bị phân loại thành các doanh nghiệp vỡ nợ (lỗi loại II). Mơ hình này dự báo
chính xác 95% trên các doanh nghiệp thuộc mẫu. Nói cách khác, 95% các doanh nghiệp
trong mẫu được phân loại chính xác thành nhóm vỡ nợ và chưa vỡ nợ dựa vào số liệu
tài chính một năm trước đó.
Lý thuyết cơ bản của mơ hình Altman là sự kết hợp của 5 nhóm tỷ số trong việc
thiết lập một mơ hình vỡ nợ có thể được sử dụng để phân biệt giữa các doanh nghiệp bị
vỡ nợ và giữa các doanh nghiệp không bị vỡ nợ. Altman cho rằng mơ hình Z-score có
thể được sử dụng để bổ sung đánh giá các khoản nợ vay, quản lý khoản phải thu và các
thủ tục kiểm soát nội bộ cũng như chiến lược đầu tư (Altman, 1968). Mơ hình dự báo
Z-score của Altman như sau:
Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,999X5

Trong đó:

Z = Chỉ số tổng hợp

X1 = VLĐ / TTS

12
X2 = LN giữ lại / TTS
X3 = LN trước thuế và lãi vay / TTS
X4 = GTTT của vốn cổ phần / GTSS của tổng nợ
X5 = DT / TTS
Altman xác định các giá trị tiêu chuẩn để nhận định tình hình tài chính của doanh
nghiệp có khả năng vỡ nợ hay khơng vỡ nợ trong vịng 2 năm tới.

• Z < 1.8, doanh nghiệp có khả năng vỡ nợ
•

Với Z > 2.99, doanh nghiệp khơng có nguy cơ vỡ nợ

• Trường hợp cịn lại, 1.8= < Z =< 2.99, doanh nghiệp rơi vào vùng cảnh báo.
Độ chính xác của mơ hình là 95% cho doanh nghiệp trong mẫu và 79% cho doanh
nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ. Tuy nhiên khả năng dự báo
của mơ hình giảm xuống cịn 72%, 48%, 29% tương ứng với khoảng thời gian 2 năm, 3
năm, 4 năm trước vỡ nợ.
Mơ hình Z của Altman (1968) là thước đo tổng hợp về rủi ro tài chính từ đó nhận
diện rủi ro vỡ nợ doanh nghiệp. Rất nhiều nghiên cứu và ứng dụng đã sử dụng mơ hình

Z bởi tính ưu việt của nó, đó là dễ dàng tính toán, so sánh, và nhận diện rủi ro và được
các nhà nghiên cứu hiệu chỉnh cho phù hợp với các thị trường khác nhau. Tuy nhiên,

mơ hình Z cũng tồn tại những hạn chế nhất định.
Thứ nhất, mơ hình Z-Score không đưa ra được nhiều thang đo để phân loại mức
độ rủi ro của doanh nghiệp, với mỗi kết quả khác nhau thì có mức độ vỡ nợ khác nhau.
Mơ hình Z- score khơng đưa ra được chi tiết các mức độ rủi ro khác nhau dẫn đến khó
khăn trong việc ra quyết định cho các nhà đầu đầu tư, rất khó áp dụng để đưa ra các

chính sách cụ thể cho từng doanh nghiệp. Do đó cần có mơ hình để phân loại thành
nhiều nhóm doanh nghiệp theo độ mức độ vỡ nợ khác nhau.

Thứ hai, Việc giả định các biến Xj là hồn tồn độc lập khơng phụ thuộc lẫn nhau
là không thực tế, tầm ảnh hưởng của biết số cũng thay đổi theo từng thời điểm và từng
thị trường khác nhau.

Thứ ba, mơ hình Z- Score khơng tính tới nhân tố khó lượng hóa là các biết phi
tài chính nhưng lại ảnh hưởng rất lớn đến vỡ nợ doanh nghiệp như yếu tố rủi ro ngành,
chủ sở hữu doanh nghiệp…
Trên cơ sở kết quả mơ hình Z-Score (1968) của Altman đã có nhiều nghiên cứu


13
áp dụng kết quả vào từng thị trường và có sự hiệu chỉnh về các biến số cho phù hợp với
số liệu thực tế tại nhiều quốc gia.

+ Mơ hình dự báo của Altman (1983)
Mơ hình Z-score của Altman đã được chứng minh là khá tin cậy trong các bối
cảnh và quốc gia khác nhau. Tuy nhiên, mơ hình khơng được thiết kế để được sử dụng
trong mọi tình huống. Mơ hình mẫu của nó bị hạn chế trong ngành sản xuất. Năm 1983,
Altman sửa đổi mơ hình Z-score ban đầu cho các công ty tư nhân quy mô nhỏ xét theo
giá trị tài sản. Altman (1983) đã sửa đổi mơ hình dự báo vỡ nợ 5 biến thay thế giá trị sổ
sách của vốn chủ sở hữu cho giá trị thị trường. Ơng nhận thấy rằng mơ hình 5 biến được
điều chỉnh có thể ít tin cậy hơn mơ hình gốc nhưng khơng đáng kể. Mơ hình dự báo phá
sản 5 biến được điều chỉnh như sau:
Z = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5

Trong đó:

Z = Chỉ số tổng hợp

X1 = VLĐ/TTS
X2 = LN giữ lại / TTS
X3 = LN trước thuế và lãi/TTS
X4 = GTSS của Vốn CSH / GTSS của tổng nợ
X5 = DT/TTS
Kết quả chỉ số Z- Score với 5 biến được điều chỉnh với :
- Z-score nhỏ hơn 1,23 doanh nghiệp có khả năng vỡ nợ
- Nếu Z trong khoảng 1,23 đến 2,90: doanh nghiệp ở trong vùng xám.
- Nếu công ty có Z trên 2,90 thì doanh nghiệp khơng có khả năng vỡ nợ.

+ Mơ hình dự báo của Altman (1993)
Năm 1993, Altman đề xuất một sự thay đổi cuối cùng cho mơ hình Z-score ban
đầu. Lần sửa đổi thứ hai này được gọi là mơ hình dự báo vỡ nợ Z-score bốn biến được
điều chỉnh của Altman. Mơ hình của Altman (1993) đã điều chỉnh mơ hình Z-score
ngun gốc cho các doanh nghiệp phi sản xuất. Ông đã loại ra biến X5 (DT/ TTS) để
tối thiểu hóa ảnh hưởng của ngành mà có nhiều khả năng xảy ra khi một biến ngành
nhạy cảm như vòng quay tài sản được đưa vào. Mơ hình này khá hữu ích trong ngành
cơng nghiệp nơi mà có nhiều các tài sản khác nhau và các điều chỉnh quan trọng như
vốn hóa cho th khơng được thực hiện. Altman (1993) cũng dùng các giá trị sổ sách
thay cho các giá trị thị trường. Các hệ số cho tất cả các biến được thay đổi như các nhóm


14
và điểm cắt. Các kết quả phân loại của mô hình Z-score bốn biến cũng gần tốt như Zscore gốc. Ơng thấy rằng mơ hình sửa đổi thứ hai là hơi ít đáng tin cậy hơn so với mơ
hình ban đầu (Altman, 1993). Đối với mơ hình bốn biến sửa đổi, nếu Z-score nhỏ hơn
1,10 thì doanh nghiệp có khả năng vỡ nợ. Z-score giữa 1,10 và 2,60 được xác định là
vùng màu xám. Các cơng ty có Z-score trên 2,60 được phân loại là các doanh nghiệp
khỏe mạnh hoặc khơng có nguy cơ vỡ nợ (Altman, 1993). Mơ hình dự báo Z-score(1993)

bốn biến đã điều chỉnh có dạng như sau:
Z= 6,567X1 + 3,26X2 + 6,72X3 + 1,05X4

Trong đó:

Z = Chỉ số tổng hợp

X1 = VLĐ / TTS
X2 = LN giữ lại / TTS
X3 = LN sau thuế và lãi /TTS
X4 = GTSS của Vốn CSH / GTSS của tổng nợ
Từ mơ hình Z-score bốn biến được điều chỉnh của Altman năm 1993, biến
VLĐ/TTS hay X3 là một thước đo của tài sản lưu động rịng (ví dụ tài sản ngắn hạn nhỏ
hơn nợ ngắn hạn) của doanh nghiệp liên quan tới tổng giá trị vốn hóa. Ơng kết luận rằng
tỷ số này có giá trị nhất trong các tỷ số thanh khoản trong dự báo vỡ nợ. Tỷ số này cung
cấp sức mạnh dự báo cao hơn so với hai chỉ số thanh khoản khác (tỷ số khả năng thanh
toán hiện hành và tỷ số khả năng thanh toán nhanh). Độ tuổi của một doanh nghiệp là
mặc nhiên được xem xét trong X2, lợi nhuận giữ lại/ TTS. Tỷ số này cho thấy rằng các
doanh nghiệp hoạt động lâu năm hơn thường có mức lợi nhuận tích lũy cao hơn. Altman
(1968) lập luận rằng các cơng ty có độ tuổi hoạt động thấp hơn hoặc quy mô nhỏ hơn
thường có khả năng bị phân loại vào nhóm vỡ nợ cao hơn. Nhiều nghiên cứu đã cho
thấy tỷ lệ vỡ nợ có liên quan chặt chẽ với tuổi của doanh nghiệp.
Chỉ số X3 cho thấy khả năng tạo thu nhập từ tài sản trước khi có bất kỳ sự ảnh
hưởng nào của các yếu tố về thuế và đòn bẩy. Tỷ số này dường như đặc biệt phù hợp
với các nghiên cứu về dự báo vỡ nợ doanh nghiệp. Altman (1968) đã cho rằng tỷ số
này được chứng minh là nhân tố đóng góp quan trọng nhất đối với hiệu quả phân tích
khác biệt của mơ hình. Tỷ lệ GTSS của vốn CSH trên GTSS của tổng nợ hoặc X4, là
yếu tố đóng góp quan trọng thứ ba. Tỷ số này là một thước đo giá trị thuần cho cả các
khoản nợ ngắn hạn và dài hạn. Tỷ lệ này chiếm 22,4% hiệu quả phân tích khác biệt
của mơ hình.

+ Mơ hình dự báo của Deakin (1972)
Cơng trình nghiên cứu về dự báo vỡ nợ doanh nghiệp đã được Deakin lần đầu


15
thực hiện vào năm 1972. Trước đó đã có nhiều nghiên cứu sau này lặp lại các cơng trình
nghiên cứu về vỡ nợ doanh nghiệp. Ví dụ, từ khi mơ hình của Beaver (1966) có khả
năng dự báo nhiều hơn mơ hình của Altman (1968) trong năm trước năm vỡ nợ. Deakin
(1972) đã đề xuất một mơ hình dự báo vỡ nợ doanh nghiệp. Trong nghiên cứu này,
Deakin đã lặp lại cơng trình của Beaver (1966) với 14 tỷ số với mức độ dự báo chính
xác nhất. Ơng đã cải thiện sự chính xác của mơ hình Altman với 14 tỷ số mà Beaver đã
xác định. Ông cũng sử dụng quy tắc phân loại xác suất hơn là quy tắc giá trị. Ông đã lựa
chọn 32 doanh nghiệp vỡ nợ sản từ năm 1964 đến năm 1970 và lựa chọn ngẫu nhiên
nhóm doanh nghiệp khơng vỡ nợ nhưng được phù hợp bởi ngành, năm và quy mô tài
sản từ Moody's Industrial Manual. Ơng có thể lặp lại kết quả của Beaver là sử dụng phân
tích đơn biến. Sự phân loại của Beaver và Deakin sử dụng tỷ lệ tiền trên tổng nợ có kết
quả tương tự nhau. Deakin nhận thấy rằng tiền trên tổng nợ là biến đơn tốt nhất cho các
doanh nghiệp vỡ nợ và không vỡ nợ trong 5 năm trước vỡ nợ. Sau đó, ơng đã thực hiện
phương pháp phân tích đa khác biệt. 14 tỷ số tài chính sử dụng trong nghiên cứu của
Beaver đã trở thành đầu vào cho chương trình phân tích khác biệt. Ông đã đạt được độ
chính xác cao hơn nhiều so với việc lặp lại nghiên cứu của Beaver. Mơ hình của Deakin
có tỷ lệ lỗi lần lượt là 3,1%, 4,7% và 4,7% cho ba năm đầu tiên trước vỡ nợ. Tuy nhiên,
các tỷ lệ lỗi đã tăng lên lần lượt là 20,3% và 17,2% trong năm thứ tư và năm thứ năm.
Ông kết luận rằng việc ứng dụng các kỹ thuật thống kê như phân tích khác biệt có thể
được sử dụng để dự báo vỡ nợ doanh nghiệp cách ba năm trước vỡ nợ với độ chính xác
cao. Kết quả này dường như là sự cải thiện hơn mô hình của Altman (1968) - vốn chỉ có
thể dự báo chính xác trong hai năm đầu tiên trước vỡ nợ. Tuy nhiên, mơ hình này đã
được xác nhận bởi một mẫu mới gồm 11 doanh nghiệp vỡ nợ và 23 doanh nghiệp không
vỡ nợ được lựa chọn ngẫu nhiên. Deakin (1972) đã phân loại chính xác 78% số doanh

nghiệp thành hai nhóm vỡ nợ và khơng vỡ nợ cho năm đầu tiên trước vỡ nợ. Tính chính
xác tăng lên đến 94%, 88%, 77% và 85% từ năm thứ hai tới năm thứ năm trước vỡ nợ.
Ông đã kết luận rằng ứng dụng phân tích khác biệt có thể được sử dụng để dự báo vỡ
nợ doanh nghiệp với độ chính xác tương đối cao.
Trong nghiên cứu năm 1977, Deakin đã sử dụng một nhóm năm biến tài chính
để xem xét khả năng dự báo phá sản của mơ hình. Các tỷ số này (các biến) là phân tích
nhân tố, được đưa ra bởi Libby (1975). Năm biến tài chính bao gồm: LN ròng/ TTS;
TSNH/TTS; Tiền/TTS; TSNH/Nợ ngắn hạn; DT/TSNH. Mục đích chính của Deakin
là cung cấp dấu hiệu về tần số và tính chất của việc phân loại sai các công ty không vỡ
nợ. Trong nghiên cứu này, Deakin đã định nghĩa thất bại của doanh nghiệp là vỡ nợ,


16
tính thanh khoản, và sự tổ chức lại. Một mẫu gồm 63 doanh nghiệp vỡ nợ bao gồm 32
doanh nghiệp từ nghiên cứu năm 1972 của ông và 31 doanh nghiệp từ danh sách các
doanh nghiệp vỡ nợ trong năm 1970 và 1971 được đưa ra bởi Altman năm 1971. Một
mẫu gồm 80 doanh nghiệp không vỡ nợ được lựa chọn trên cơ sở ngẫu nhiên nhưng
phù hợp theo năm lấy số liệu. Số liệu cho các mẫu này được thu thập từ Moody's
Industrial Manual trong hai năm trước vỡ nợ. Deakin đã chỉ ra rằng tỷ lệ phân loại
trong mơ hình của ơng đã sử dụng cả phương pháp phân tích khác biệt tuyến tính
(Linear discriminant analysis - LDA) và phân tích biệt thức bậc hai (Quadratic
discriminant analysis - QDA). Các biến và hệ số hồi quy của mô hình phân loại tuyến
tính của Deakin (1977) đã phân loại dự báo vỡ nợ như sau:
I = - 1,369 + 13,855X1 + 0,060X2 - 0,601X3 + 0,3 96X4 + 0,194X5

Trong đó:

I = Chỉ số tổng hợp

X1 = LN rịng/TTS

X2 = TSNH /TTS
X3 = Tiền/TTS
X4 = TSNH/NNH
X5 = DT/TSNH
Các kết quả đã chỉ ra rằng mơ hình tuyến tính có tỷ lệ phân loại cao, nhưng lại
cho ra kết quả tỷ lệ phân loại thấp hơn cho các doanh nghiệp bị vỡ nợ. Ông đã chấp nhận
những quy tắc quyết định sau để sử dụng trong nghiên cứu này: (i) phân loại là doanh
nghiệp vỡ nợ nếu cả mơ hình tuyến tính và mơ hình bậc hai đều cho ra kết quả phân loại
là vỡ nợ; (ii) phân loại là không vỡ nợ nếu cả mơ hình tuyến tính và mơ hình bậc hai đều
cho ra kết quả phân loại là khơng vỡ nợ; (iii) phân tích kỹ hơn nếu các mơ hình này cho
ra kết quả mâu thuẫn nhau. Ơng cho rằng loại quy trình ra quyết định như vậy làm tối
thiểu hóa tỷ lệ tổng thể phân loại sai, mặc dù kích cỡ nhóm được nghiên cứu là khơng
được kiểm sốt và có thể q lớn. Sau đó, Deakin xác nhận mơ hình năm biến trên mẫu
gồm 1.780 doanh nghiệp cho năm tài chính 1971. Số liệu được thu thập từ 1.800 hồ sơ
của COMPUSTAT. Điều này dẫn đến 290 cơng ty hay 16,3% được phân loại là nhóm
thất bại, trong khi 173 công ty hay 9,7% không được phân loại vì các kết quả phân loại
từ hai mơ hình tuyến tính và bậc hai mâu thuẫn, và 1.317 doanh nghiệp hay 74% được
phân loại vào nhóm khơng vỡ nợ. Để xác định mức độ chính xác của những kết quả này,
ơng đã xem xét lịch sử tài chính của 290 doanh nghiệp được dự báo là vỡ nợ và 100


17
doanh nghiệp trong 1.317 doanh nghiệp được dự báo là không vỡ nợ trong 3,5 năm tới
từ năm 1972 đến năm 1975. Chỉ có 18 doanh nghiệp hay 6,2% đã đệ đơn xin vỡ nợ .
Tuy nhiên, 66 doanh nghiệp trong số 290 doanh nghiệp được dự báo vỡ nợ đã khơng
trải qua tình trạng vỡ nợ. Ngồi ra, trong số 100 doanh nghiệp thuộc danh sách 1.317
doanh nghiệp được dự báo khơng vỡ nợ, khơng có doanh nghiệp nào vỡ nợ. Mức độ
chính xác trong phân loại các doanh nghiệp vỡ nợ dao động từ 20,5% đến 79,2%. Deakin
đã áp dụng mơ hình năm biến cho 47 doanh nghiệp vỡ nợ trong giai đoạn từ 1972 đến
1974. Mơ hình này bao gồm các ngun tắc trong mơ hình tuyến tính và mơ hình bậc

hai, thì khá chính xác trong việc phân loại một doanh nghiệp vỡ nợ, với mức độ phân
loại chính xác là 83%, 2% phân loại sai và 15% khơng phân loại được. Ơng đã kết luận
rằng sử dụng các tỷ số tài chính trong mơ hình phân loại khác biệt cơ bản có thể dự báo
nguy cơ vỡ nợ doanh nghiệp với độ chính xác cao, và vì ước tính của mơ hình về số
lượng các doanh nghiệp thất bại thì vượt quá số lượng doanh nghiệp thất bại thực tế, nên
mơ hình có tính hữu dụng hạn chế khi việc phân loại nhầm các doanh nghiệp khơng vỡ
nợ thì khá tốn kém.

+ Mơ hình dự báo của Edmister (1972)
Các nghiên cứu của Beaver (1966), Altman (1968), và Deakin (1972) chỉ ra rằng
việc phân tích các tỷ số được lựa chọn rất hữu ích trong việc dự báo vỡ nợ của các doanh
nghiệp có quy mơ tài sản trung bình và lớn, do khó thu thập được đầy đủ số liệu từ các
công ty quy mô nhỏ. Vào năm 1972, Robert O. Edmister cố gắng áp dụng một kỹ thuật
tương tự mơ hình của Altman cho các doanh nghiệp quy mơ nhỏ. Mục đích của nghiên
cứu của Edminster là để phát triển và kiểm tra một số phương pháp phân tích tỷ số tài
chính để dự báo nguy cơ vỡ nợ của các doanh nghiệp nhỏ. Trong nghiên cứu này, vỡ nợ
doanh nghiệp được xác định là rủi ro tín dụng thơng qua việc sử dụng số liệu từ hồ sơ
cho vay của Hội Quản lý doanh nghiệp nhỏ (Small Business Administration - SBA).
Mẫu nghiên cứu bao gồm 42 doanh nghiệp có rủi ro tín dụng và 42 doanh nghiệp khơng
có rủi ro tín dụng từ dữ liệu của SBA trong giai đoạn 1954 - 1969. Nghiên cứu này xem
xét 19 tỷ số tài chính và 5 phương pháp phân tích hiện hành. Các tỷ số đã được phát hiện
là những biến độc lập quan trọng trong dự vỡ nợ doanh nghiệp trong các nghiên cứu
thực nghiệm trước đó. Edmister đã tối thiểu hóa các vấn đề về đa cộng tuyến bằng cách
loại bỏ các biến có tương quan cao và bằng cách sử dụng phương pháp phân tích đa khác
biệt tuyến tính từng bước trong nghiên cứu của mình. Khung khổ phương pháp luận của
ơng đã tập trung vào việc kiểm tra mức độ tỷ số, xu hướng trong 3 năm của một tỷ số
và sự kết hợp xu thế của các ngành cho từng tỷ số và mức độ ngành cho mỗi tỷ số như


18

là một biến độc lập cho các doanh nghiệp quy mơ nhỏ bị vỡ nợ. Ơng đã áp dụng kỹ thuật
hồi quy không - một. Mối quan hệ giữa các hệ số hồi quy là một hệ số tỷ lệ trong trường
hợp hai nhóm. Ơng đã phát triển một mơ hình hàm số khác biệt có 7 biến. Mơ hình này
đã đạt được sự chính xác trong phân loại đến 93% và nó dường như là một phương pháp
thành cơng để phân tích khác biệt cho những doanh nghiệp nhỏ vỡ nợ và không vỡ nợ.
Những kết quả thu được cho thấy rằng sức mạnh dự báo của các tỷ số có tính tích lũy.
Sức mạnh dự báo của các tỷ số phân tích phụ thuộc vào cả phương pháp phân tích lựa
chọn và sự lựa chọn tỷ số. Kết quả tương tự Altman (1968) khi cho thấy sự cải thiện
mức độ chính xác trong dự báo vượt qua mơ hình của Beaver (1966) trong năm đầu tiên
trước vỡ nợ Tuy nhiên, không giống như Beaver và Altman - những người đã phát hiện
rằng một báo cáo tài chính là đủ cho sự phân loại chính xác, Edmister kết luận rằng cần
phải có ba báo cáo tài chính trong 3 năm liên tiếp để có thể phân tích hiệu quả các doanh
nghiệp quy mơ nhỏ.
Mơ hình phân tích doanh nghiệp quy mô nhỏ của Edmister như sau:
Z = 0,951 - 0,423X1 - 0,293X2 -0,482X3 + 0,277X4 - 0,425X5 - 0,352X6 - 0,924X7

Trong đó:
Z = Biến phụ thuộc, nhận giá trị 1 đối với các doanh nghiệp không vỡ nợ và 1
cho các doanh nghiệp vỡ nợ.
X1 = 1 nếu Tiền / Nợ ngắn hạn <0,05; 0 nếu ngược lại.
X2 = 1 Vốn CSH / Doanh thu < 0,07; 0 nếu ngược lại.
X3 = 1 nếu (Vốn lưu động ròng / Doanh thu) / Trung bình ngành < -0,02; 0 nếu
ngược lại.
X4 = 1 nếu (Nợ ngắn hạn/ Vốn CSH) / Trung bình ngành < 0,48; 0 nếu ngược lại.
X5 = 1 nếu (Hàng tồn kho / Doanh thu) / Trung bình ngành <0,04 và có xu hướng
tăng; 0 nếu ngược lại.
X6 = 1 nếu Tỷ số khả năng thanh toán nhanh / Trung bình ngành < 0,34 và có xu
hướng giảm; 0 nếu ngược lại.
X7 = 1 nếu Tỷ số khả năng thanh tốn nhanh / Trung bình ngành có xu hướng
tăng; 0 nếu ngược lại.

+ Mơ hình dự báo của Blum (1974)
Năm 1974, Marc Blum đã phát triển mô hình doanh nghiệp vỡ nợ (Failing


19
Company Model - FCM) để hỗ trợ các bộ phận chống độc quyền của Bộ Tư pháp trong
việc đánh giá khả năng vỡ nợ của doanh nghiệp. Blum đã xây dựng một mơ hình phân
tích đa khác biệt để đánh giá khả năng vỡ nợ. Nghiên cứu của ông đã định nghĩa vỡ nợ
dựa trên các tiêu chí là mất khả năng chi trả các khoản nợ đến hạn, bước vào thủ tục
hoặc quy trình vỡ nợ, hoặc thỏa thuận với các chủ nợ để giảm nợ. Blum đã thu thập số
liệu trong ít nhất 3 đến 8 năm cho 115 doanh nghiệp vỡ nợ từ năm 1954 đến năm 1968.
Chỉ những doanh nghiệp lớn (có khoản nợ tối thiểu là 1 triệu đôla tại thời điểm vỡ nợ)
được lựa chọn vì các doanh nghiệp nhỏ hơn thì hiếm khi tuân theo chính sách chống độc
quyền. Trong số các doanh nghiệp vỡ nợ được nghiên cứu, 90% đệ đơn vỡ nợ theo Đạo
luật vỡ nợ Liên bang, và 10% là theo các thỏa thuận cá nhân. Để phù hợp giữa các doanh
nghiệp vỡ nợ và không vỡ nợ, ông đã lựa chọn mẫu theo từng cặp trên cơ sở ngành,
doanh thu, cơng nhân viên và năm tài chính. Phân tích khác biệt đã được sử dụng để xác
định tính chính xác trong phân loại của các tỷ số. Trong nghiên cứu của Blum, việc lựa
chọn các biến được dựa trên khái niệm doanh nghiệp vỡ nợ như là các nguồn lực tài
chính với xác suất vỡ nợ được thể hiện qua dịng tiền kỳ vọng. Mơ hình đã được xây
dựng với ba yếu tố theo khung khổ dịng tiền: tính thanh khoản; khả năng sinh lợi và
khả năng biến đổi. Blum đã lựa chọn 12 biến để đo lường hệ số hồi quy này của dòng
tiền. Kết quả chỉ ra rằng các doanh nghiệp vỡ nợ và không vỡ nợ có thể được dự báo
dựa trên một mơ hình thống kê đa biến bao gồm các tỷ số tài chính được coi như các
biến độc lập. Mơ hình Marc Blum đạt mức chính xác từ 93% đến 95% khi vỡ nợ diễn ra
trong một năm của kỳ báo cáo. Độ chính xác giảm xuống 80% vào năm thứ hai trước
vỡ nợ, và xuống khoảng 70% vào các năm thứ ba, thứ tư, và thứ năm trước vỡ nợ. Sự
khác biệt giữa các doanh nghiệp vỡ nợ và không vỡ nợ khơng có ý nghĩa thống kê vào
năm thứ sáu trước vỡ nợ.

+ Mơ hình dự báo của Fulmer, Moon, Gavin, and Erwin (1984)
Mơ hình nghiên cứu với 30 doanh nghiệp vừa và nhỏ trong các ngành sản xuất,
bán lẻ và dịch vụ. Kết quả mơ hình 9 biến để dự báo để phân loại doanh nghiệp vỡ
nợ và không vỡ nợ như sau:
H = - 6,075 + 5,528V1 + 0,212V2 + 0,073V3 + 1,270V4
- 0,120V5 + 2,335V6 + 0,575V7 + 1,083V8 + 0,894V9

Trong đó:

H = Chỉ số tổng hợp

V1 = LN giữ lại / TTS
V2 = DT/TTS


20
V3 = LN trước thuế và lãi vay / Vốn CSH
V4 = Tiền /Tổng nợ
V5 = Nợ / TTS
V6 = NNH/TSNH
V7 = Logarit của tài sản cố định hữu hình
V8 = VLĐ / Tổng nợ
V9 = Logarit của LN trước thuế và lãi vay / Lãi vay
Trong mơ hình 9 biến của Fulmer và cộng sự, các doanh nghiệp có H-score nhỏ
hơn 0 được phân loại thành doanh nghiệp vỡ nợ, và các doanh nghiệp có H-score lớn
hơn 0 được phân loại thành các doanh nghiệp không vỡ nợ. Mô hình này đã đạt được
mức độ phân loại chính xác tổng thể lần lượt là 98% và 81% cho năm thứ nhất và năm
thứ hai trước vỡ nợ. Mặc dù độ chính xác của mơ hình tương đối cao với mẫu lựa chọn
tuy nhiên do lượng doanh nghiệp nghiên cứu ít, chỉ trên một số ngành nghề và là doanh

nghiệp nhỏ nên mơ hình khơng đại diện cho các doanh nghiệp.
+ Nghiên cứu của Ben McClure (2004)
Qua nghiên cứu của mình, ơng khẳng định ích lợi của mơ hình Z-Score vì tính
tiện lợi của mơ hình dự trên các số liệu có sẵn. Ơng đưa ra các khuyến nghị đối với
các nhà đầu tư nên thường xuyên kiểm tra điểm số Z-Score cho danh mục đầu tư của
mình để hỗ trợ trong các quyết định. Do có những khuyến khuyết của mơ hình nên
việc kiểm tra khơng nhất thiết phải sử dụng để dự báo vỡ nợ doanh nghiệp mà thông
qua biến động của chỉ số Z-Score để đánh giá biến động sức khỏe của doanh nghiệp
tốt lên hay xấu đi.
Mặc dù nghiên cứu cho việc vận dụng mơ hình Z-Score cho các nhà đầu tư sử
dụng trong các quyết định của mình nhưng nghiên cứu vẫn chưa đưa ra được cụ thể là
với chỉ số như vậy thì mức độ rủi ro ở mức nào và có đầu tư hay khơng đầu tư cho
từng doanh nghiệp này.

* Mơ hình phân tích logit và probit
Một số nhà nghiên cứu gần đây đã sử dụng các mơ hình xác suất đa biến có điều
kiện trong nghiên cứu dự báo vỡ nợ doanh nghiệp. Hai kỹ thuật thống kê là phân tích
logit và probit dựa vào một hàm xác suất tích lũy cung cấp xác suất có điều kiện của
một quan sát thuộc về một nhóm nhất định, căn cứ vào các đặc điểm tài chính của quan
sát đó (Jones, 1987; Zopounidis và Dimitras, 1998). Cả hai kỹ thuật logit và probit đều


21
được sử dụng trong phân loại và hồi quy và là các mơ hình xác suất phi tuyến, trong đó
biến phụ thuộc (các nghiên cứu về phá sản doanh nghiệp bao gồm phá sản và không phá
sản) không phải là biến liên tục nhưng đại diện cho một lựa chọn cụ thể (Kmenta, 1971).
Ngoài ra, kỹ thuật xác suất tối đa (maximum likelihood techniques) cũng được sử dụng
thông qua việc ước tính một nhóm các hệ số hồi quy có nhiều khả năng làm tăng mức
độ ý nghĩa của các quan sát trong số liệu vỡ nợ. Trong các nghiên cứu về dự báo vỡ nợ
doanh nghiệp, phân tích logit đo lường trọng số của các biến độc lập và chấm điểm cho

mỗi doanh nghiệp. Mơ hình Z-score có thể được sử dụng để xác định xác suất một doanh
nghiệp sẽ vỡ nợ, khi đó xác suất vỡ nợ là:
P(B) = 1/(l+e-z)

Trong đó:

Z = a + P1X1 + ... + PnXn

Z = Chỉ số xác suất được xác định bởi các tỷ số tài chính và trọng số nhân tố.
Các hệ số hồi quy Pi được đo lường để tối đa hóa xác suất vỡ nợ chung của các
doanh nghiệp vỡ nợ và xác suất của các doanh nghiệp không vỡ nợ (Jones, 1987). Phân
tích probit cũng tương tự như phân tích logit, ngoại trừ trong các ước tính xác suất thì
phân tích logit sử dụng hàm logistic tích lũy, trong khi phân tích probit sử dụng hàm
phân phối chuẩn tích lũy (Dismitras và cộng sự, 1996).

+ Mơ hình dự báo của Ohlson (1980)
Nghiên cứu của Ohlson (1980) là nghiên cứu đầu tiên sử dụng hồi quy đa
logistic (Multiple Logistic Regression – Logit) để xây dựng mơ hình xác suất vỡ
nợ trong dự báo vỡ nợ doanh nghiệp. Ông đã lựa chọn 105 doanh nghiệp công
nghiệp vỡ nợ trong giai đoạn 1970 - 1976. Tất cả các doanh nghiệp vỡ nợ phải được
giao dịch trên thị trường chứng khoán (SEC) hoặc giao dịch trên thị trường OTC
trong giai đoạn 3 năm trước vỡ nợ và 2.058 doanh nghiệp không vỡ nợ được lựa
chọn ngẫu nhiên. Mẫu các doanh nghiệp không vỡ nợ được thu thập từ
COMPUSTAT. Mục đích của nghiên cứu này là xây dựng ba mơ hình có thể dự báo
vỡ nợ của doanh nghiệp trong 3 năm trước khi vỡ nợ thực sự. Các mơ hình được
xây dựng theo 9 biến độc lập sau:
X1 = logarit (TTS / Chỉ số GDP)
X2 = Tổng nợ / TTS
X3 = VLĐ/TTS
X4 = NNH/ TSNH

X5 = 1 nếu tổng nợ > TTS; 0 nếu ngược lại


22
X6 = LN ròng / TTS
X7 = Ngân quỹ từ hoạt động kinh doanh / Tổng nợ
X8 = 1 nếu lợi nhuận ròng < 0 trong hai năm cuối cùng; 0 nếu ngược lại
X9 = (Thu nhập ròng (t) – Thu nhập rịng(t-1)) / (Thu nhập rịng(t) + Thu nhập
rịng(t-1))
Mơ hình đã đạt được độ chính xác phân loại tổng thể là 85,1%, trong đó 87,6%
cho các doanh nghiệp vỡ nợ và 82,6% cho các doanh nghiệp không vỡ nợ. Nghiên cứu
cho thấy rằng hiệu quả của mơ hình logit khơng tốt hơn mơ hình phân tích đa khác biệt.
Ohlson kết luận rằng các khiếm khuyết của mơ hình do vấn đề đa cộng tuyến giữa các
biến gây nên.

+ Mô hình dự báo của Zmijewski (1984)
Trong nghiên cứu của Zmijewski (1984), hai vấn đề mang tính phương pháp luận
đã được xem xét có mối liên quan tới sự ước tính các mơ hình dự báo vỡ nợ, đó là

choice-based sample biases và sample selection biases. Dựa trên 40 doanh nghiệp
vỡ nợ và 800 doanh nghiệp khơng vỡ nợ, mơ hình của Zmijewski là mơ hình được
sử dụng phổ biến nhất bởi các nhà nghiên cứu kế toán (Grice & Dugan, 2003).
Zmijewski đã sử dụng kỹ thuật probit để xây dựng mơ hình dự báo nguy cơ vỡ nợ
doanh nghiệp. Tỷ lệ chính xác của mơ hình Zmijewski cho mẫu ước tính là 99%.
Tổng thể các doanh nghiệp trong nghiên cứu của Zmijewski bao gồm tất cả các doanh
nghiệp niêm yết trên thị trường chứng khoán New York và thị trường chứng khốn
Mỹ trong giai đoạn 1972 – 1978 và có mã SIC nhỏ hơn 6000. Điều đó có nghĩa là
các doanh nghiệp thuộc ngành tài chính, dịch vụ và quản lý công không được xem
xét trong nghiên cứu này.
Zmijewski định nghĩa các doanh nghiệp vỡ nợ là hành động đệ đơn vỡ nợ.

Các doanh nghiệp bị vỡ nợ được xác định là bị vỡ nợ nếu đã đệ đơn kiến nghị vỡ
nợ trong giai đoạn này và được xác định là không bị vỡ nợ nếu không đệ đơn. Mẫu
ước tính cuối cùng trong nghiên cứu của Zmijewski bao gồm 40 doanh nghiệp vỡ
nợ và 800 doanh nghiệp không vỡ nợ và một mẫu để dành (hold-out sample) gồm
41 doanh nghiệp vỡ nợ và 800 doanh nghiệp không vỡ nợ. Hàm probit được xây
dựng với các biến và ước tính các hệ số hồi quy từ nghiên cứu của Zmijewski
được xác định như sau:
Zmijewski = – 4,3 – 4,5X1 + 5,7X2 + 0,004X3

Trong đó:

X1 = LN rịng / TTS


23
X2 = Tổng nợ / TTS
X3 = TSNH/NNH
Trong khi Altman sử dụng tỷ số LN trước thuế và lãi vay/TTS (EBIT/TA) để đo
lường khả năng sinh lợi thì Zmijewski sử dụng tỷ số lợi nhuận ròng/TTS (NI/TA). Cũng
giống như hàm logit, hàm probit đưa ra các giá trị 0 và 1. Zmijewski đã phân loại chính
xác các doanh nghiệp theo cách khác Ohlson (1980). Các doanh nghiệp với xác suất lớn
hơn hoặc bằng 0,5 được phân vào nhóm phá sản hoặc có dữ liệu hồn chỉnh. Các doanh
nghiệp có xác suất nhỏ hơn 0,5 được phân vào nhóm khơng vỡ nợ hoặc có số liệu chưa
hồn chỉnh. Mơ hình probit của Zmijewski được ưa thích trong so sánh với MDA vì
hàm probit đưa ra hai giá trị là 0 và 1 và dễ suy luận kết quả. Đây cũng là trường hợp
của mơ hình logit. Như đã đề cập trước đó, Zmijewski (1984) đã cố gắng tránh lựa chọn
lệch (choice-based sample bias). Ông đã quan sát thấy rằng hầu hết các mơ hình dự báo
vỡ nợ trước đó đều có hiện tượng này.
+ Mơ hình của Fulmer (1984):
Fulmer (1984) nghiên cứu với 30 doanh nghiệp vỡ nợ và 30 doanh nghiệp không

vỡ nợ tại Mỹ với quy mô doanh nghiệp nhỏ. Mơ hình được Fulmer đưa ra như sau:

H = 5,528 (V1) + 0,212 (V2) + 0,073 (V3) + 1,270 (V4) - 0,120 (V5) + 2,335
(V6) + 0,575 (V7) + 1,083 (V8) + 0,894 (V9) - 6,075.
Trong đó:

H = Chỉ số tổng hợp

V1 = LN giữ lại/TTS;
V2: DT/TTS;
V3: LN trước thuế và lãi vay/vốn CSH;
V4: dòng tiền/tổng số nợ;
V5: Nợ/TTS;
V6: NNH/TTS;
V7: Log [TTS hữu hình];
V8: Vốn hoạt động thuần/tổng số nợ;
V9: Log EBIT/lãi.
Với H < 0 thì doanh nghiệp vỡ nợ; mơ hình với độ chính xác đạt tỷ lệ chính xác
81% so với một năm trước khi vỡ nợ. Ngồi các vấn đề như mơ hình Z-Score gặp phải


24
thì điểm yếu của mơ hình là mẫu khơng đại diện cho các doanh nghiệp nên gặp khó khi
áp dụng thực tế.

+ Mơ hình dự báo của Zavgren (1985)
Nghiên cứu đã sử dụng kỹ thuật logit để phát triển và kiểm tra một mơ hình dự
báo vỡ nợ mới. Zavgren đã lựa chọn một mẫu các doanh nghiệp vỡ nợ và không vỡ nợ
sử dụng phương pháp cặp đôi theo ngành và quy mô tài sản. Mẫu nghiên cứu bao gồm
45 doanh nghiệp vỡ nợ và 45 doanh nghiệp không vỡ nợ đều thuộc ngành sản xuất.

Nghiên cứu không bao gồm ngành bán sỉ và bán lẻ trong mẫu. Số liệu 5 năm được thu
thập cho mỗi doanh nghiệp. Thông tin báo cáo tài chính được lấy từ các hồ sơ
COMPUSTAT. Các tỷ số được lựa chọn dựa trên nghiên cứu của Pinches và cộng sự
(1973) – người đã sử dụng phân tích nhân tố để tìm ra các tỷ số tài chính phù hợp nhất.
Các tỷ số và mơ hình của Zavgren phân loại dự báo vỡ nợ như sau:
Yi = - 0,23883 – 0,00108X1 + 0,01583X2 + 0,1078X3 – 0,03074X4
– 0,0086X5 + 0,0435X6 – 0,0011X7
P = (1 + exp{-Yi}-1), do đó Yi = log[P / (1 -P)]

Trong đó: P = Xác suất thất bại tổng thể
X1 = Vòng quay hàng tồn kho (Hàng tồn kho / DT)
X2 = Vòng quay khoản phải thu (Khoản phải thu / Hàng tồn kho)
X3 = Tỷ lệ tiền (Tiền / TTS)
X4 = Khả năng thanh khoản ngắn hạn (TSNH /NNH)
X5 = Lợi tức đầu tư (Tổng thu nhập / Tổng vốn)
X6 = Địn bẩy tài chính (Nợ / Tổng vốn)
X7 = Vịng quay vốn (DT /Tài sản đầu tư rịng)
Mơ hình có tỷ lệ chính xác trong dự báo phân loại doanh nghiệp lần lượt là 82%,
83%, 72%, 73% và 80% trong 5 năm trước vỡ nợ. Tuy nhiên, hiệu quả mô hình logit
vẫn khơng được cải thiện. Sự chính xác trong phân loại cho những năm trước thấp hơn
đáng kể so với mơ hình của Altman (1968, 1983 và 1993). Zavgren đã xác lập mơ hình
từ một mẫu để dành bao gồm 16 doanh nghiệp vỡ nợ và 16 doanh nghiệp không vỡ nợ
trong hai năm 1979 và 1980. Số liệu được thu thập từ thị trường chứng khốn New York.
Mơ hình có tỷ lệ sai lệch 31% khi áp dụng cho mẫu để dành (hold-out sample), hay 69%
chính xác trong dự báo phân loại doanh nghiệp trong 5 năm.
Có thể nhận thấy trong suốt thời gian qua, các nhà nghiên cứu theo cách tiếp cận


25
kế toán trên thế giới chủ yếu tập trung giải quyết hai mục tiêu:

(1) Đánh giá các điều kiện mà tại đó mơ hình hoạt động hiệu quả.
(2) Tập trung vào các biến giải thích có thể dùng được để thiết kế mơ hình
phù hợp.

1.1.2. Nghiên cứu theo cách tiếp cận kế toán tại Việt Nam
Ở Việt Nam những nghiên cứu về mơ hình cảnh báo vỡ nợ mới chỉ được quan
tâm và đề cập đến từ sau cuộc khủng hoảng tài chính châu Á năm 1997. Đầu tiên phải
kể đến cơng ty chứng khốn Tân Việt đã tính tốn và cung cấp chỉ số Z của các công ty
cổ phần niêm yết cho nhà đầu tư. Tuy nhiên, chứng khốn Tân Việt sử dụng mơ hình Z
ngun bản của Altman xây dựng trên bộ số liệu của 66 công ty Hoa Kỳ từ năm 1946
đến năm 1965 nên có thể khơng chính xác do sự khác biệt về thời gian, điều kiện kinh
tế, môi trường pháp lý giữa hai quốc gia.
Nghiên cứu của Đinh Thế Hiển (2008) đã điều chỉnh các tham số của phương
trình Z’’ phù hợp với điều kiện kinh tế Việt Nam, trong đó đề cao tác động của cơ cấu
đầu tư tài sản hơn hệ số sinh lời tổng tài sản.

Chỉ số Z'' điều chỉnh Việt Nam = 2,11 + 4,59 X1 + 2,2S X2 + 4,03 X3 + 0,84 X4
Tuy sự điều chỉnh này dựa trên các căn cứ khoa học (đã được tác giả luận giải cụ
thể) song chỉ với hai trường hợp cụ thể là công ty cổ phần dầu Tường An (TAC) và cơng
ty văn hóa phẩm Phương Nam (PNC), kết quả phân tích chưa đảm bảo tính đại diện cho
tổng thể các doanh nghiệp Việt Nam.
+ Nghiên cứu của Lâm Minh Chánh (2007), ‘Chỉ số Z - công cụ phát hiện nguy
cơ phá sản và xếp hạng định mức tín dụng’ và ‘Dùng chỉ số Z để ước tính hệ số tín
nhiệm’, Báo nhịp cầu đầu tư, số 41 và 42. Trong cả hai bài nghiên cứu tác giả chỉ đưa
ra các khái niệm cũng như cách tính tốn các biến và chỉ số Z cho từng loại hình của
cơng ty dựa trên các mơ hình của Altman (2000). Tác giả chưa đưa ra các đánh giá, kiểm
định xem mô hình có thích hợp để sử dụng ở thị trường Việt Nam hay khơng.
+ Nghiên cứu của Nguyễn Trọng Hịa (2009) đã sử dụng mơ hình phân tích
phân biệt và mơ hình logit để phân tích xây dựng mơ hình xếp hạng tín dụng đối với
các doanh nghiệp Việt Nam trong nền kinh tế chuyển đổi. Với quan điểm doanh nghiệp

có nguy cơ vỡ nợ khi xảy ra một trong các tình huống: Khơng có khả năng thực hiện
nghĩa vụ tín dụng với bên đối tác; Vốn hoạt động thuần thường xuyên nhỏ hơn không;
Giá trị thị trường của DN nhỏ hơn tổng nợ phải trả. Nghiên cứu đã tiến hành phân tích
37 chỉ tiêu tài chính được lấy từ các BCTC của 286 công ty trên cả hai sàn giao dịch