DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA

August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
BÀI DỊCH NGHIÊN CỨU
MÔN TÀI CHÍNH DOANH NGHIỆP
GVHD: TS. Nguyễn Thị Uyên Uyên
Nhóm nghiên cứu lớp TCDN ngày 4 K22
| Nhóm nghiên cứu TCDN-Ngày 4 K22 1
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA
TÓM TẮT
Việc dự đoán chính xác khả năng kiệt quệ tài chính của công ty và cung cấp các cảnh
báo sớm đã trở thành vấn đề quan tâm không chỉ đối với các nhà quản lý mà còn có các bên
liên quan bên ngoài của một công ty. Kể từ khi có sự khác biệt rõ rệt trong quy trình kế toán
và chất lượng báo cáo tài chính giữa các công ty ở Tunisia và ở các nước khác, có thể không
hợp lý khi áp dụng mô hình phát triển ở nơi khác để dự báo khả năng kiệt quệ. Do đó, mục
đích của nghiên cứu này là sử dụng hồi quy logistic để dự báo khả năng phá sản của các
doanh nghiệp Tunisia. Áp dụng kỹ thuật thống kê cho một mẫu gồm 214 công ty bị kiệt quệ
tài chính, và 1550 "khỏe mạnh" chúng tôi xác định những chỉ tiêu tài chính tạo sự khác biệt
giữa các nhóm này, và từ đó dự đoán khủng hoảng tài chính. Kết quả chứng minh rằng lợi
nhuận, khả năng thanh toán nợ và tỷ lệ nợ là một trong những chỉ tiêu quan trọng nhất đối
với các công ty bán buôn và bán lẻ. Còn đối với các công ty sản xuất, lợi nhuận và tỷ lệ đòn
bẩy là quan trọng nhất. Tóm lại, mô hình của chúng tôi có thể giúp các nhà quản lý, các cổ
đông, các tổ chức tài chính, kiểm toán viên và cơ quan quản lý tại Tunisia dự báo khủng
hoảng tài chính.
I. GIỚI THIỆU
Nền kinh tế của các nước đang phát triển thay đổi nhanh chóng nên môi trường hoạt
động của các công ty cũng đã thay đổi rất nhiều trong hai thập kỷ qua. Trong bối cảnh hiện
nay, nhiều cuộc khủng hoảng kinh tế, tài chính xảy ra và sự cạnh tranh khốc liệt giữa các
công ty đã làm cho môi trường hoạt động của các công ty ngày càng không chắc chắn và
tiềm ẩn nhiều rủi ro. Thị trường ngày càng khắc nghiệt thì các công ty càng dễ bị phá sản

Do nhiều nguyên nhân mà khi công ty phá sản sẽ tạo ra trách nhiệm xã hội và tác động
lên nền kinh tế của một quốc gia (Ahn, Cho, và Kim, 2000). Khi đó nó tạo ra nhiều loại chi
phí, không chỉ cho các bên liên quan trong nội bộ công ty mà còn có Chính phủ và nền kinh
tế nói chung. Tuy nhiên, mặc dù có những tác động tiêu cực và tạo ra các chi phí cho nền
kinh tế, xã hội nhưng hiện tượng phá sản được coi là một thành phần thiết yếu của thị
| Nhóm nghiên cứu TCDN-Ngày 4 K22 2
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
trường hiệu quả. Khi doanh nghiệp phá sản cho phép việc tái chế các nguồn lực tài chính,
con người và vật chất vào các tổ chức hiệu quả hơn [Easterbrook, F (1990)].
Trước khi bị phá sản, các công ty sẽ rơi vào tình trạng kiệt quệ tài chính. Do đó, việc tìm
kiếm một giải pháp để khắc phục tình trạng mất khả năng thanh toán càng sớm càng tốt là
một vấn đề quan tâm đối với để chủ sở hữu, người quản lý và các nhà đầu tư, các chủ nợ và
đối tác kinh doanh, cũng như cơ quan chính phủ. Từ quan điểm quản lý, các công cụ dự báo
kiệt quệ tài chính sẽ cho phép các công ty có những hành động chiến lược kịp thời để tránh
bị phá sản. Trong lĩnh vực ngân hàng, các công cụ đánh giá điểm tín dụng tự động sẽ giúp
các ngân hàng đánh giá được những khách hàng không có khả năng thanh toán các khoản
nợ một cách hiệu quả. Còn Chính phủ có thể phát hiện các công ty có hoạt động kém hiệu
quả và có những hành động can thiệp để ngăn chặn sự phá sản (Keasey & Watson, 1991).
Mặt khác, việc sử dụng các mô hình dự báo phá sản có thể làm giảm các thông tin bất
cân xứng giữa chủ sở hữu và nhà quản lý và cung cấp cho các nhà phân tích đầu tư, các chủ
nợ và các nhà đầu tư những cảnh báo kịp thời giúp họ tránh khỏi những quyết định đầu tư
sai lầm. Trái với quan điểm Modigliani & Miller (1958), cho rằng thị trường tài chính là
hoàn hảo; quyết định đầu tư và quyết định tài chính không ảnh hưởng đến nhau, thì rõ ràng
rằng thị trường tài chính không phải là hoàn hảo. Các quỹ đầu tư và thị trường cho vay cũng
không thể tài trợ cho tất cả các dự án có lợi nhuận kỳ vọng cao. Trong bối cảnh này, việc
đánh giá các rủi ro liên quan đến các công ty và các dự án của họ là rất quan trọng
Một việc quan trọng không kém là thiết lập các mô hình dự báo thất bại để có thể đánh
giá chính xác hơn của tình hình tài chính của một công ty. Trong thực tế, nghiên cứu đã chỉ
ra rằng, việc đánh giá sức khỏe tài chính của các công ty kiểm toán độc lập hay các nhà sản

xuất khác đều không thực hiện cũng như các mô hình dự báo thất bại trong việc phân loại
các công ty đều bị hạn chế (Altman & McGough, 1974; Keasey & Watson , 1991). Trong
năm 2006, kết quả nghiên cứu được tiến hành bởi Lili Sun cho rằng một mô hình thống kê
phát triển tốt hơn ví dụ như mô hình tổn thất sẽ giúp cho đánh giá kiểm toán viên tốt hơn.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 3
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Gần đây, hiệp ước vốn Basel II đã đề cập nhiều đến sự tiến bộ của mô hình nghiên cứu
dự báo phá sản của công ty. Đặc biệt, pillar 1 của hiệp ước này, Ủy ban Basel về giám sát
ngân hàng (BCBS) đã cho phép các ngân hàng tính toán tỷ lệ an toàn vốn tối thiểu của họ để
bảo vệ các tổ chức tài chính tránh được rủi ro tín dụng và các rủi ro liên quan. Trong bối
cảnh này, các doanh nghiệp được khuyến khích áp dụng phương pháp hiệu quả hơn để quản
lý rủi ro tín dụng thông qua việc sử dụng các thông số nhất định, các mô hình đánh giá rủi
ro nội bộ của họ (Altman & Sabato, 2005). Ngoài ra, nhu cầu đối với các thông tin do các
cơ quan xếp hạng tín dụng cung cấp ngày càng cao, vì vậy các cơ quan xếp hạng sẽ phải chú
ý nhiều đến sự cải tiến các mô hình dự báo phá sản công ty (Odera và cộng sự, 2002).
Kể từ khi nghiên cứu đầu tiên của Beaver (1966), rất nhiều nghiên cứu về dự báo kiệt
quệ tài chính hoặc nguy cơ phá sản của doanh nghiệp. Trong năm 1998, Altman và các cộng
sự cho rằng " Chúng ta đang chứng kiến một sự gia tăng mạnh trong việc phân tích nguồn
dữ liệu để quản lý rủi ro tín dụng hiệu quả hơn ". Kết quả có nhiều mô hình tiên đoán chính
xác trong suốt bốn thập kỷ qua. Gần đây, sự phát triển của kỹ thuật toán kinh tế và phát triển
công nghệ năng động đã giúp phát triển các mô hình dự đoán chính xác thất bại trong năm
năm trở lên Charitou và cộng sự 2004 ).
Hai loại mô hình thường được lựa chọn trong các nghiên cứu: mô hình dựa trên giá trị sổ
sách và mô hình dựa trên giá thị trường. Mô hình thị trường dựa trên giá thị trường của một
công ty. Do đó, mô hình thị trường yêu cầu các công ty niêm yết cổ phiếu trên thị trường
chứng khoán. Ở Tunisia, phần lớn các công ty vẫn chưa niêm yết và vì vậy, các nhà phân
tích và các chuyên gia phải dựa trên dữ liệu báo cáo tài chính thay vì biến động chứng
khoán và cấu trúc vốn để dự đoán kiệt quệ tài chính của các công ty. Do đó, chúng tôi tập
trung vào mô hình dựa trên giá trị sổ sách.

Vào cuối những năm 1960, Beaver (1966) và Altman (1968) đã có những dự báo về khả
năng phá sản công ty và có ý nghĩa cho đến ngày nay. Lúc đầu, các phương pháp áp dụng
rộng rãi là phương pháp thống kê (Balcaen & Ooghe, 2006) như mô hình đơn biến thống kê,
phân tích sâu số nhân, mô hình xác suất tuyến tính, hồi quy Logit, và phân tích Probit
| Nhóm nghiên cứu TCDN-Ngày 4 K22 4
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
(Altman, 1968, Beaver, 1966; Deakin, 1972 ; Meyer & Pifer, 1970; Ohlson, 1980). Tuy
nhiên, gần đây nhiều nghiên cứu đã chứng minh rằng phương pháp tiếp cận thông minh dựa
trên phân tích dữ liệu thuật toán để xây dựng mô hình ra quyết định có thể được sử dụng
như là phương pháp thay thế cho các vấn đề phân loại [Atiya, (2001)]. Trong số các phương
pháp tiếp cận mới được sử dụng, chúng tôi phân biệt: mạng thần kinh (Altman và cộng sự,
1994.), thuật toán di truyền (Varetto, 1998), cây quyết định (Curram, 1994), phân tích tồn
tại (Laitinen và cộng sự, 1999.), Phân tích Bayes (Sarkar và cộng sự, 2001), đa chiều rộng
(Neophytou và cộng sự, 2004), các mô hình rủi ro (Shumway, 2001). Hàm nhị phân được
xác định trong Taylor’s expansion (Laitinen và cộng sự, 2000) và phân tích logit hỗn hợp
(Jones và cộng sự, 2004) cũng đã được áp dụng thành công trong dự báo khả năng tài chính
một công ty.
II. TỔNG QUAN NGHIÊN CỨU
Vấn đề suy xét và có một nhận thức đúng đắn là cần thiết trong lĩnh vực tài chính, đặc
biệt là dự đoán khả năng phá sản, lựa chọn danh mục đầu tư, sáp nhập và mua bán doanh
nghiệp… Trong những trường hợp này, thực hiện đánh giá chính xác để xác định mức độ
cạnh tranh trong các lựa chọn thay thế (các công ty, cổ phiếu…) cung cấp thông tin hữu ích
cho các nhà điều hành ra quyết định. Để làm điều đó, trong bốn thập kỷ qua, các nhà nghiên
cứu đã phát triển một loạt các mô hình có thể phân biệt chính xác các nhóm được coi là lựa
chọn thay thế.
Đối với trường hợp cụ thể của đề tài này, việc điều tra các doanh nghiệp bị thất bại
thường thực hiện phân loại theo hình thức nhị phân của các công ty bị kiệt quệ. Mục đích là
để sắp xếp các quan sát thành hai nhóm riêng biệt - các công ty thất bại hay hoạt động bình
thường (không thất bại), bởi việc sử dụng các phương pháp và các biến khác nhau như chỉ

tiêu tài chính hoặc đặc điểm khác của công ty trong một thời gian nhất định. Trong suốt quá
trình nghiên cứu, để tìm ra các chỉ tiêu đó cần phải làm giảm đến mức tối thiểu các lỗi và
nhược điểm khi dự báo.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 5
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Nhưng trước khi đưa ra một cái nhìn tổng quan về các phương pháp được sử dụng để dự
đoán sự phá sản, chúng tôi cần phải nhấn mạnh rằng, nhìn chung, tất cả các cuộc điều tra sử
dụng dữ liệu từ báo cáo tài chính của một công ty trong (một đến năm ) năm cuối cùng
trước khi bị phá sản . Trong thực tế, tất cả các phương pháp này dựa trên giả định rằng các
công ty phá sản có những đặc điểm khác biệt so với những công ty khác cùng hoạt động
trong cùng thời kỳ. Việc phân tích của các doanh nghiệp thất bại thiếu một lý thuyết thống
nhất và các chỉ số chung (chỉ tiêu tài chính hoặc kinh tế). Do đó, các mô hình được nhiều tác
giả đưa ra cho phù hợp với một số nước, một số loại ngành công nghiệp, quy mô công ty và
từng giai đoạn khảo sát.
Các nghiên cứu về phát triển mô hình thống kê để dự đoán phá sản rất phong phú và đa
dạng. Trong giai đoạn đầu nghiên cứu không có phương pháp thống kê tiên tiến nào để
nghiên cứu (Charitou và cộng sự 2004). Khi so sánh các chỉ tiêu tài chính của các công ty
thất bại với công ty hoạt động động bình thường ta thấy rằng công ty bị thất bại thấp hơn.
Sau thử nghiệm đầu tiên của Winakor và Smith (1935), vào năm 1966 Beaver đã trình bày
cách tiếp cận đơn biến của phân tích phân biệt. Để phát triển mô hình này, hơn 30 chỉ tiêu
tài chính được phân thành sáu nhóm, và 79 cặp của các công ty (thất bại/ không thất bại) đã
được sử dụng. Sau khi kiểm tra khả năng dự đoán của mỗi tỷ lệ, yếu tố phân biệt tốt nhất là
chỉ tiêu vốn luân chuyển / Tổng nợ, nó đã dự báo chính xác 90% các công ty bị phá sản vào
một năm trước đó. Thứ hai là tỷ lệ thu nhập ròng / tổng tài sản, dự báo chính xác 88%.
Những kết quả này đã cho thấy khả năng sử dụng các chỉ tiêu tài chính để dự đoán phá sản.
Mặc dù mô hình dự báo thất bại đơn biến khá đơn giản nhưng phương pháp này cũng
bộc lộ một số nhược điểm quan trọng. Thứ nhất, theo Altman (1968) và Zavgren (1983), chỉ
có một tỷ lệ tại một thời điểm có thể được sử dụng để phân loại một công ty. Thứ hai, khi sử
dụng chỉ số tài chính kế toán trong một mô hình đơn biến, rất khó để đánh giá tầm quan

trọng của mỗi tỷ lsố riêng biệt, bởi vì hầu hết các biến đều tương quan (Cybinski, 1998) với
nhau.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 6
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Để "khắc phục những khuyết tật khi sử dụng mô hình đơn biến” (Cook và Nelson 1998),
phân tích đa biến (hay MDA) đã được sử dụng để đánh giá khả năng doanh nghiệp bị phá
sản. Altman đã có bài viết đầu tiên về vấn đề này (1968). Trong bài luận này, Altman, Max
L. Heine Giáo sư Tài chính tại khoa Kinh doanh Đại học New York, đề xuất mô hình Z-
score hoặc mô hình Zeta kết hợp các cách đo lường lợi nhuận hay rủi ro khác bằng cách sử
dụng một số chỉ tiêu tài chính. Các mẫu đầu tiên gồm 66 công ty, mỗi nhóm (Thất
bại/không thất bại) gồm 33 công ty. Năm chỉ tiêu tài chính được sử dụng trong mô hình là
vốn lưu động/ tổng tài sản, lợi nhuận giữ lại / tổng tài sản, thu nhập trước thuế và lãi vay /
tổng tài sản, giá trị thị trường của vốn chủ sở hữu / giá trị sổ sách của tổng nợ phải trả, và
doanh thu / tổng tài sản. Sử dụng sai lầm loại I loại II là cơ sở để đánh giá, mô hình Altman
đã dự đoán chính xác 95% nguy cơ phá sản của các công ty sản xuất ở Mỹ trong vòng 1
năm và 72% trong vòng 2 năm. Tuy nhiên, giá trị được đưa thêm vào mô hình của Altman
không phải là các tỷ số được lựa chọn mà là các trọng số.
Trong những năm qua, đã có một lượng lớn các nghiên cứu dựa trên mô hình Z-score
của Altman. Sau một thập kỷ, Altman và cộng sự (1977) sửa đổi các mô hình Z-core ban
đầu thành một hình mới tốt hơn, được gọi là "Phân tích Zeta". Trong năm 2000, các mô
hình này đã được đưa ra thảo luận thêm một lần nữa.
Sau nghiên cứu của Altman(1968) đã có nhiều nghiên cứu trong lĩnh vực dự báo phá
sản doanh nghiệp sử dụng phân tích MDA. Deakin (1972) sử dụng 14 biến giống như
Beaver, nhưng ông đã áp dụng chúng trong một loạt các mô hình phân biệt đa biến. Mô hình
MDA dự báo chính xác 95% khả năng phá sản công ty đến tận 3 năm trước trước khi bị phá
sản. Trong năm 1980, Dambolena và Khoury trình bày một mô hình MDA sử dụng chỉ tiêu
tài chính như các biến dự báo. Các thuộc tính quan trọng trong mô hình của họ là sử dụng
sự ổn định của tỷ lệ tài chính, được đo bằng độ lệch chuẩn, ngoài các giá trị của các chỉ số.
Mô hình phân biệt Dambolena & Khoury đã dự báo chính xác 87%, 85%, và 78% tương

ứng 1 năm, 3 năm, 5 năm trước khi phá sản. Phân tích MDA cũng đã được sử dụng bởi
Edmister (1972), Blum (1974), Altman và cộng sự (1977 và 1995), Deakin (1977), Taffler
& Tisshaw (1977), van Frederikslust (1978), Bilderbeek (1979), Taffler (1982 và 1983),
| Nhóm nghiên cứu TCDN-Ngày 4 K22 7
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Ooghe và Verbaere (1985), Micha (1984), Betts & Belhoul (1987), Gombola và cộng sự
(1987), Gloubos và Grammatikos (1988), Declerc và cộng sự (1991), Laitinen (1992),
Lussier & Corman (1994), Neophytou & Molinero (2004), Canbas, Cabuk, và Kılıç (2005),
Hyunjoon Kim và Zheng Gu (2008)…
Mặc dù nghiên cứu của Altman và các nhà nghiên cứu khác đạt kết quả khả quan nhưng
các mô hình này có một nhược điểm chính: Họ giả định rằng các biến trong dữ liệu mẫu
được phân bố bình thường. Sheppard (1994) lập luận rằng "nếu tất cả các biến này không
được phân phối, các phương pháp nghiên cứu có thể dẫn đến dự đoán không phù hợp". Hơn
nữa, phân tích MDA đã bị chỉ trích vì phân loại lưỡng phân của nó không đưa ra một khả
năng thất bại nào trong việc dự đoán sự thất bại [Dimitras, Zanakis, và Zopounidis (1996)].
Để khắc phục một số vấn đề liên quan đến việc phân tích đa biến, Ohlson (1980) đã sử
dụng hồi quy để dự đoán sự thất bại của công ty. Nhưng trước khi Ohlson, Martin (1977) sử
dụng mô hình logit để dự đoán sự đổ vỡ trong hệ thống ngân hàng. Bằng cách sử dụng mẫu
của 105 công ty bị phá sản và 2.058 công ty hoạt động bình thường, Ohlson (1980) phát
hiện ra rằng nó có thể xác định bốn yếu tố cơ bản có ý nghĩa thống kê trong việc xác định
khả năng phá sản. Các yếu tố đó bao gồm quy mô công ty, cấu trúc tài chính, hiệu quả hoạt
động, tính thanh khoản hiện tại. Bốn yếu tố cơ bản xuất phát từ các nhóm đầu tiên trong
chín chỉ tiêu tài chính đưa vào mô hình đó là: Quy mô công ty, tổng nợ phải trả / tổng tài
sản, vốn luân chuyển / tổng tài sản, nợ ngắn hạn / Tài sản ngắn hạn, một biến giả cho thấy
cho dù tổng tài sản lớn hơn hoặc ít hơn tổng nợ phải trả, thu nhập ròng / tổng tài sản, nguồn
vốn từ hoạt động / tổng nợ phải trả, một biến giả thể hiện thu nhập ròng có tương quan âm
trong hai năm cuối với thất bại của công ty không và sự thay đổi trong thu nhập ròng. Kết
quả cho thấy mô hình Ohlson có thể dự đoán chính xác 92% đến 96% các trường hợp phá
sản 1-2 năm trước đó.

Năm năm sau, một mô hình logit phát triển bởi Zavgren (1985) đã được thử nghiệm
trong thời gian 5 năm trước khi thất bại. Bảy chỉ tiêu tài chính bao gồm trong mô hình này
là tổng thu nhập / tổng vốn đầu tư, doanh thu/Tài sản cố định, hàng tồn kho / doanh thu, nợ /
| Nhóm nghiên cứu TCDN-Ngày 4 K22 8
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
tổng vốn đầu tư, các khoản phải thu / hàng tồn kho, tài sản ngắn hạn / nợ ngắn hạn, và tiền
mặt / tổng tài sản. Tỷ lệ thất bại được đưa ra bởi mô hình Zavgren cho 1 năm trước khi thất
bại tương tự như Ohlson. Năm 2003, Darayseh và cộng sự đã sử dụng phân tích logit để dự
đoán sự thất bại của công ty trên cơ sở của sự kết hợp giữa một số biến số kinh tế và chỉ tiêu
tài chính công ty. Họ thấy rằng mô hình logit có thể dự đoán chính xác 88% các trường hợp
công ty phá sản. Một kỹ thuật thống kê ít đòi hỏi, đó là phân tích probit (PA), cũng được sử
dụng trong những năm 80. Nghiên cứu đầu tiên trong lĩnh vực này được thực hiện bởi
Zmijewski (1984). Tuy nhiên, số lượng các nghiên cứu sử dụng PA, trong bốn thập kỷ qua,
là không đáng kể, có lẽ bởi vì kỹ thuật này đòi hỏi nhiều tính toán (Gloubos &
Grammatikos, 1988;. Dimitras & al, 1996).
Các phương pháp nói trên được sử dụng chủ yếu trong việc dự báo thất bại của công ty
cho đến năm 1990. Tuy nhiên, những hạn chế của các phương pháp này (Altman và cộng sự
(1981)) như các giả định liên quan đến tuyến tính, sự độc lập giữa các biến dự báo và sự liên
quan biến tiêu chuẩn và biến dự đoán, cùng với những tiến bộ trong các lĩnh vực khác như
hoạt động nghiên cứu và trí tuệ nhân tạo, khiến nhiều nhà nghiên cứu cố gắng tìm hiểu các
hướng tiếp cận đúng đắn và công phu hơn. Việc sử dụng các công nghệ thay thế để dự đoán
thất bại kinh doanh đã là chủ đề của nhiều bài báo [Scott (1981), Zavgren (1983), Altman
(1984), Jones (1987), Keasey và Watson (1991), Dimitras và cộng sự (1996), và Wong và
cộng sự (2000)].
Trong số các phương pháp phức tạp hơn mạng thần kinh (NNS) đã được sử dụng nhiều
nhất trong khu vực dự đoán khả năng thanh toán của công ty trong hai thập kỷ qua. NNS là
hệ thống máy tính lấy cảm hứng từ thông tin thực tế về cách thức bộ não con người hoạt
động. Trong năm 1990, Odom và Sharda sử dụng các tỷ lệ tài chính tương tự được sử dụng
bởi Altman (1968) và ứng dụng ANN để một mẫu gồm 65 thất bại và 64 công ty không thất

bại. Một mô hình sử dụng mạng lưới thần kinh ba lớp được tạo ra với năm nút ẩn . Khi áp
dụng, mô hình xác định tất cả các công ty thất bại và không thất bại trong các mẫu đào tạo,
so với 86,8% độ chính xác của MDA. Đối với những mẫu lớn và thời gian dài, ANN trình
bày một tỷ lệ chính xác là 77% hoặc cao hơn, trong khi MDA có thể đạt mục tiêu 59% và
| Nhóm nghiên cứu TCDN-Ngày 4 K22 9
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
70%. Sau đó, một số nghiên cứu dựa trên ANN đã được thực hiện: Hansen & Messier
(1991), Salchenberger và cộng sự (1992), Tam & Kiang (1992), Tam & Khang (1992),
Sharda & Wilson (1992), Coats & Fant (1993), Serrano (1993), Hansen và cộng sự (1993),
Altman và cộng sự (1994), Wilson & Sharda (1994), Wilson & Sharda (1994), Lacher và
cộng sự (1995), Shah và Murtaza (2000), Ragothaman, S. (2003), Nguyễn Hương Giang
(2005) và Kingkarn Sookhanaphibarn, Piruna Polsiri, Worawat Choensawat và Frank C. Lin
(2007).
Ngoài ANN, một số lượng lớn các phương pháp dự đoán chính xác hơn và thông dụng
được sử dụng để dự báo thất bại của công ty. Lane và cộng sự (1986), Luoma & Laitinen
(1991) và Kauffman & Wang (2001) sử dụng "phân tích sự tồn tại", thuật toán đệ quy phân
vùng được sử dụng bởi Frydman và cộng sự (1985), Joos và cộng sự (1998), hệ thống
chuyên gia của Messier và Hansen (1988), phương pháp lập trình toán học của Gupta và al.
(1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập hợp thô bởi Dimitras
& al. (1999). Trong giai đoạn tiên tiến hơn, các thuật toán di truyền đã được sử dụng bởi
Varetto (1998) và Barney & Alii (1999), phương pháp CUSUM bởi Kahya & Theodossiou
(1999). Trong cuối những năm 1990, Support Vector Machine (SVM) đã được giới thiệu để
giải quyết vấn đề phân loại. Fan và Palaniswami (2000) áp dụng SVM để dự đoán khủng
hoảng tài chính. Hơn nữa, cách tiếp cận hỗn hợp đã được sử dụng bởi Lindsay và Campbell
(1996), Bayesian mạng mô hình khác của Sarkar và Sriram (2001), CN & Shenoy (2005),
phân tích dữ liệu (DEA) của Cielen và cộng sự (2004), mô hình logit hỗn hợp của Jones và
Hensher (2004), mô hình tổn thất đã được ủng hộ bởi Shumway (2001) và Beaver & Mc
Nichols (2005). Từ đầu những năm 2000, một số kỹ thuật mô hình khác cũng đã được sử
dụng trong nghiên cứu dự báo phá sản và đã thực hiện tốt, trong đó có phương pháp tiếp cận

Bộ Rough (McKee & Lensberg, 2002) và phương pháp tiếp cận đa chiều Scaling (Mar-
Molinero & Serrano-Cinca, 2001).
Bên cạnh các phương pháp thay thế nổi tiếng nói trên, các nhà nghiên cứu cũng đã sử
dụng một số phương pháp khác mà không dựa trên các tỷ số trong báo cáo tài chính. Một
trong số đó là phương pháp Merton dựa trên việc cập nhật thông tin thị trường, bắt đầu bởi
| Nhóm nghiên cứu TCDN-Ngày 4 K22 10
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Black và Scholes (1973) và Merton (1974) và được sử dụng bởi Charitou & Trigeorgis
(2000) và Bharath & Shumway (2004). Mặt khác, tính hữu ích của lưu chuyển tiền tệ dự
báo phá sản đã được khám phá bởi Gentry và cộng sự (1985) Aziz và Lawson (1989). Xếp
hạng trái phiếu, dựa trên cả hai thông tin đại chúng và thông tin cá nhân, được sử dụng bởi
Barthvà cộng sự (1998), Billings (1999).
Có một quan điểm liên quan đến thất bại của công ty chúng ta có thể tham khảo đó là
Zavgren (1983), người đã dùng nhiều phương pháp khác nhau để phát triển mô hình dự báo
thất bại tại Mỹ. Năm 1984, Altman trình bày tổng quan các mô hình dự báo thất bại kinh
doanh phát triển ở các nước khác nhau, trong khi Jones (1987) và Keasey & Watson (1991)
cung cấp một tài liệu nghiên cứu toàn diện về các kỹ thuật khác nhau được sử dụng để dự
đoán thất bại. Sofie Balcaen và Hubert ooghe (2004) đã phân tích việc sử dụng các phương
pháp thay thế trong thất bại kinh doanh và trình bày trong một nghiên cứu khác được tiến
hành trong năm đó, tổng quan về các phương pháp thống kê cổ điển và các vấn đề liên quan.
Trong cùng một cách, chúng ta có thể trích dẫn các nghiên cứu của Taffler (1984), Ooghe
và cộng sự (1995), Dimitras và cộng sự (1996), Altman & Narayanan (1997) và Altman &
Saunders (1998). Một cuộc khảo sát kết quả của những nghiên cứu này cho thấy rằng không
có mô hình mang lại kết quả cao trong một cách nhất quán. Ở Tunisia, các nghiên cứu của
các mô hình dự báo thất bại bắt đầu vào đầu năm 2000. Abid & Zouari (2001) và Mamoghli
& Jellouli (2002) đã sử dụng các mạng thần kinh nhân tạo. Boujelben & Hassouna (2004) -
một kỹ thuật dựa trên dòng tiền được sử dụng. Tất cả các nghiên cứu Tunisia đã nói ở trên,
không phân biệt với cách tiếp cận được sử dụng, có một trở ngại chung liên quan đến các
định nghĩa khó hiểu của các biến phụ thuộc và độc lập, độ tin cậy của thông tin tài chính và

việc khó tiếp cận nguồn dữ liệu tài chính.
III. PHƯƠNG PHÁP LUẬN
3.1 Hàm hồi quy logistic nhằm mục đích dự đoán việc phá sản của doanh nghiệp
Hàm hồi quy nhị phân là phương thức hồi quy được sử dụng khi mà biến phụ thuộc là
biến nhị phân và biến độc lập có thể ở bất cứ dạng nào. Trong phần tổng quan các nghiên
| Nhóm nghiên cứu TCDN-Ngày 4 K22 11
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
cứu trước đây, tác động của các biến dự báo thường được giải thích bởi các tỷ số khác nhau.
Nhằm mục đích dự báo việc phá sản của các doanh nghiệp, mô hình hồi quy nhị phân kết
hợp những đặc tính khác nhau hay các “thuộc tính” thành một hệ số xác suất cho từng
doanh nghiệp mà nó thể hiện “khả năng thất bại” của doanh nghiệp. Hàm nhị phân ngụ ý
rằng khả năng doanh nghiệp thực hiện việc kinh doanh có thể thành công hoặc thất bại, khi
đưa vào hàm nhị phân sẽ được phản ánh dưới giá trị 0 và 1. Hàm hồi quy nhị phân có nhiều
ưu điểm: Hàm này không cần thiết phải giả định một mối quan hệ tuyến tính giữa biến độc
lập và biến phụ thuộc, không yêu cầu các biến phải phân phối chuẩn, không cần giả định
hiệp phương sai đồng nhất, và nhìn chung không đặt ra nhiều yêu cầu phức tạp. Tuy nhiên,
hàm này yêu cầu các quan sát phải độc lập và do đó, biến độc lập có mối quan hệ tuyến tính
với biến phục thuộc trong mô hình nhị phân.
Về mặt phương pháp, việc áp dụng mô hình hồi quy nhị phân yêu cầu bốn bước. Thứ
nhất, các tỷ số tài chính sẽ được tính toán. Thứ hai, mỗi tỷ số được nhân với một hệ số đặc
trưng tương ứng với tỷ số đó. Hệ số đặc trưng này có thể âm hoặc dương. Thứ ba, kết quả
tính toán được cộng tất cả lại với nhau (y). Cuối cùng, khả năng phá sản của doanh nghiệp
được tính toán.
Trong bài nghiên cứu này, khi thể hiện hình thức nhị phân, biến nhị phân được xác định
là tỷ số của xác suất doanh nghiệp từ khỏe mạnh cho đến phá sản. Khả năng phá sản của
doanh nghiệp được thể hiện bằng tỷ số P(C)/(1-P(C)), trong đó, P(C) là xác suất doanh
nghiệp khỏe mạnh. Khi được diễn giải dưới dạng nhị phân, mô hình hồi quy được thể hiện
như là một hàm tuyến tính của các tỷ số tài chính của doanh nghiệp.
Log [P (C)/ (1–P (C))] = β

0
+ β
1
X
i1
+ . . . + β
n
X
in
(1)
Trong đó:
P(C) = Xác suất doanh nghiệp thứ i khỏe mạnh
Β
0
= Hệ số chặn
X
1
…X
n
= Các tỷ số tài chính
| Nhóm nghiên cứu TCDN-Ngày 4 K22 12
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Β
1
…β
n
= Các hệ số của tỷ số tài chính thứ từ 1 đến n
X
in

= Tỷ số tài chính thứ n

của công ty thứ i
Trong nội dung của bài, giá trị ước lượng của biến phụ thuộc nhị phân được diễn đạt là
giá trị ước tính của xác việc dự báo khả năng khỏe mạnh hay P(C). Bằng cách xác định P(C)
thông qua phương trình (1), xác suất dự báo sự khỏe mạnh hay P(C) được thể hiện như sau:
P(C) = e
y
/(1+e
y
)
Trong đó, y = β
0
+ β
1
X
in
+ . . . + β
n
X
in
Để phân loại mẫu các doanh nghiệp nằm trong nhóm phá sản và nhóm khoé mạnh, giá
trị biến nhị phân (y) của từng nhóm phải được tình toán dựa trên mô hình ước lượng và sau
đó áp dụng vào hàm xác suất, P(C) = e
y
/(1+e
y
). Đối với bài nghiên cứu này, doanh nghiệp
với giá trị P(C) bằng hoặc lớn hơn 0.5 sẽ thuộc vào nhóm phá sản và các doanh nghiệp còn
lại với P(C) thấp hơn 0.5 được phân loại thuộc nhóm doanh nghiệp khoẻ mạnh.

3.2 Định nghĩa về thất bại của doanh nghiệp
Không có một sự thống nhất trong việc định nghĩa về thất bại của doanh nghiệp trong 2
phạm trù tài chính và kinh tế học. Năm 1993, Altman trình bày 3 quan niệm khái quát về
việc thất bại trong kinh doanh: “thất bại kinh tế” (Economic Failure), “mất khả năng thanh
toán” (insolvency), “phá sản” (Bankruptcy). Thất bại kinh tế theo quan điểm của Altman là
việc nhận ra rằng thu nhập nhận được từ đầu tư là đáng kể và liên tục thấp hơn mức thu
nhập nhận được từ việc đầu tư của các hoạt động đầu tư tương tự. Tình huống mất khả năng
thanh toán xảy ra khi mà công ty không có năng lực để thanh toán các khoản nợ đến hạn.
Tình trạng phá sản là tình trạng khắc nghiệt hơn đối với một công ty, không thể giải quyết
được các nghĩa vụ nợ, yêu cầu đến sự can thiệp của toà án để giải quyết việc tái tổ chức lại
doanh nghiệp hoặc là phá sản doanh nghiệp. Cùng một luận điểm về vấn đề này, Beaver
(1996) định nghĩa việc thất bại của doanh nghiệp với các tiêu chuẩn trong kinh doanh như
lãi suất các khoản vay, thấu chi tài khoản ngân hàng, hay tuyên bố phá sản.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 13
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Để phát triển bài nghiên cứu này, và vì kiệt quệ tài chính là dấu hiệu đầu tiên của việc
thất bại, chúng tôi thay thế các định nghĩa giống nhau được cung cấp bởi các nguồn khác
nhau (Ngân hàng thương mại) bằng quan điểm rằng doanh nghiệp được xem là kiệt quệ tài
chính khi mà việc thanh toán lãi vay trở nên quá hạn (90 ngày).
3.3 Mẫu
Theo định nghĩa của Beaver năm 1966 và Molinero & Ezzamel 1991, các doanh nghiệp
thất bại có những đặc điểm khác nhau trong khoảng thời gian 5 năm trước khi lâm vào cảnh
thất bại. Do đó, điều kiện tiên quyết của nghiên cứu này là dự đoán việc kiệt quệ tài chính
cho khoảng thời gian 5 năm. Kết quả đưa đến từ việc dữ liệu bị giới hạn, tuy nhiên, bài
nghiên cứu này sử dụng dữ liệu tài chính của 1 năm trước khi lâm vào kiệt quệ tài chính để
thiết lập các điều kiện
1
. Các tỷ số tài chính trong cùng 1 kỳ được sử dụng nhằm mục đích
tránh việc sử dụng dữ liệu tài chính của các doanh nghiệp đã thực sự lâm vào tình trạng phá

sản (vì mục đích của bài nghiên cứu này là để dự đoán tình trạng phá sản).
Mặt khác, các nghiên cứu về việc phân loại các ngành kinh tế cho thấy rằng các doanh
nghiệp ở các nền kinh tế khác nhau có cấu trúc hoàn toàn khác nhau. Do vậy, các dữ liệu tài
chính cần thiết cho bài nghiên cứu này được cung cấp từ một ngân hàng thương mại ở
Tuynisia được phân chia thành 2 mẫu. Mẫu của các doanh nghiệp bán buôn và bán lẻ bao
gồm 904 doanh nghiệp trong đó 802 doanh nghiệp đang trong tình trạng khoẻ mạnh trong
các năm 2004, 2005, 2006 được phân vào nhóm khoẻ mạnh và 102 doanh nghiệp đang
trong tình trạng khoẻ mạnh trong năm 2004 và thất bại trong năm 2005 hay 2006 phân vào
nhóm thất bại. Đối với các doanh nghiệp sản xuất, mẫu được sử dụng bao gồm 860 doanh
nghiệp với 748 doanh nghiệp trong tình trạng khoẻ mạnh trong năm 2004, 2005, 2006 được
phân vào nhóm khoẻ mạnh và 112 doanh nghiệp khoẻ mạnh trong năm 2004 và thất bại
trong năm 2005 hay 2006 phân vào nhóm thất bại.
3.4 Lựa chọn biến dự đoán
1
Li-Jen Ko, Edward J. Blocher and P. Paul Lin (2003) cho thấy rằng các mô hình sử dụng tỷ số tài chính trong năm
ngay trước khi xảy ra việc phá sản thường đưa tới kết quả tốt nhất.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 14
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Năm 1996, Dimitras và đồng sự đã cho thấy rằng phần lớn các mô hình thống kê chỉ
sử dụng các thông tin kế toán hàng năm dưới dạng tỷ số tài chính nhằm mục đích dự đoán
sự thất bại của doanh nghiệp (1996). Nguyên nhân của việc sử dụng các tỷ số tài chính đến
từ sự thật rằng chúng thật sự hiện diện, được đo lường khách quan và được tính toán dựa
trên các thông tin được công bố rộng rãi (Micha, 1984; Laitinen, 1992; Dirickx & Van
Landeghem, 1994). Ngoài ra, trong 1 nghiên cứu được công bố năm 1998, Mossman và
đồng sự nhận thấy rằng các tỷ số tài chính nhằm mục đích dự đoán sự phá sản được sử dụng
nhiều hơn là dữ liệu về lợi nhuận thị trường.
Băn khoăn về quá trình lựa chọn, và theo bài nghiên cứu của Theodossiou (1991), sự
lựa chọn các biến độc lập cho mô hình dự đoán việc phá sản là việc khó khăn nhất của tất cả
các nghiên cứu về vấn đề này vì các học thuyết tài chính vốn dĩ không cho thấy rằng biến

nào nên được sử dụng trong mô hình của nó. Ngoài ra, sự phân tích các nghiên cứu thực
nghiệm đã được thực hiện về việc dự đoán sự thất bại của doanh nghiệp cho thấy rằng
không có một danh mục rõ ràng các tỷ sổ biểu hiện cho các công thức có khả năng dự đoán
chuyên biệt và có khả năng dự đoán việc phá sản có thể áp dụng chung cho toàn bộ các
nghiên cứu (Edmister, 1972).
Do vậy, nhằm mục đích giảm thiểu khả năng các biến có khả năng giải thích liên
quan đến khả năng kinh tế và có tính chất thông kê không được đưa vào mô hình, bài nghiên
cứu này, trước hết, sử dụng các biến dự báo từ rất nhiều các tỷ số tài chính đã được chứng
minh là có liên quan đến các nghiên cứu trước đây về việc nghiên cứu sự thất bại trong kinh
doanh của các doanh nghiệp
2
. Từ đó, để xác định cụ thể các tỷ sổ tài chính có khả năng
truyền tải thông tin và liên quan trực tiếp đến điều kiện tài chính của doanh nghiệp, bài
nghiên cứu so sánh tính mô tả thống kê cho cả các doanh nghiệp phá sản và không phá sản.
Thông qua việc thực hiện quy trình này, 2 nhóm tỷ số phân biệt đã được hình thành, hệ
2
Trong hầu hết các bằng chứng thực nghiệm việc lựa chọn các điều kiện cho các biến hồi quy được dựa trên sự lựa
chọn của các nghiên cứu thực nghiệm trước đó (Zavgren, 1984; Skogsvik, 1988) hoặc bằng cách kết hợp các sự lựa
chọn đó dựa trên các tiêu chí ưu tiên về học thuật (Keasey-Mc Guiness, 1988; Keasey-Watson, 1987; Edminster,
1972; Lo, 1986).
| Nhóm nghiên cứu TCDN-Ngày 4 K22 15
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
thống 17 chỉ số đầu tiên cho các doanh nghiệp bán buôn và bán lẻ (Bảng 1) và nhóm khác
bao gồm 16 chỉ số cho các doanh nghiệp sản xuất (Bảng 2).
3
Bảng 1: Các tỷ số thống kê cho doanh nghiệp bán buôn và bán lẻ
Trong đó, doanh nghiệp loại H là doanh nghiệp khoẻ mạnh, còn doanh nghiệp loại F
là doanh nghiệp thất bại.
3

Các tỷ số tài chính có thể chia thành 4 dạng cơ bản: tỷ số đo lường khả năng thanh khoản, tỷ số đo lường khả năng
quản lý tài sản, tỷ số về cấu trúc vốn, và tỷ số đo lường hiệu quả hoạt động (lợi nhuận) của doanh nghiệp.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 16
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Bảng 2: Các tỷ số thống kê cho doanh nghiệp sản xuất
IV. KẾT QUẢ VÀ PHÂN TÍCH
4.1 Các kết quả hồi quy logistic
Việc áp dụng các hồi quy logistic đưa ra tỷ lệ cuối cùng trên cơ sở ý nghĩa thống kê của các
thông số ước tính, các dấu hiệu của hệ số của mỗi biến và kết quả của mô hình. Năm biến
được tìm thấy có ý nghĩa thống kê (tại mức ý nghĩa 10%), sau đó được chọn như các biến
dự đoán tiềm năng cho công ty bán buôn và bán lẻ (bảng 3): R2 (EBIDTA / Doanh thu
thuần), R6 (Doanh số thuần/ Yêu cầu vốn luân chuyển + tài sản cố định), R15 (chi phí tài
chính / EBITDA), R16 (chi phí tài chính / doanh thu), R26 (tổng nợ / EBITDA). Đối với
lĩnh vực sản xuất, ba biến có ý nghĩa nhất (tại mức ý nghĩa 10%) được lựa chọn (bảng 4):
| Nhóm nghiên cứu TCDN-Ngày 4 K22 17
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
R1 (lợi nhuận gộp / doanh thu), R11 (vốn luân chuyển * 12/doanh thu) và R5 (lợi nhuận
ròng / doanh thu).
Bảng 3: Kết quả hồi quy mô hình logit đối với các doanh nghiệp bán sỉ và lẻ
Bảng 4: Kết quả hồi quy mô hình logit đối với các doanh nghiệp sản xuất
| Nhóm nghiên cứu TCDN-Ngày 4 K22 18
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
4.2 Phân tích tương quan
Do vấn đề đa cộng tuyến, một phân tích về tương quan giữa các biến độc lập phải được
thực hiện để loại bỏ các biến tương quan cao. Đối với các công ty bán buôn và bán lẻ chúng
tôi sẽ giới hạn việc phân tích năm chỉ số tài chính, hệ số tương quan được trình bày trong
bảng 5. Đối với các công ty sản xuất, phân tích sẽ được giới hạn trong ba tỷ số, với hệ số

tương quan giữa chúng sẽ được trình bày trong bảng 6.
Theo kết quả, không có mối quan hệ tích cực giữa các cặp biến khác nhau cho hai nhóm.
Do đó, tất cả các biến có đóng góp đáng kể cho sự giải thích của mô hình vững chắc hơn.
Bảng 5&6: Ma trận tương quan đối với doanh nghiệp bán sỉ lẻ và sản xuất
4.3 Độ chính xác phân loại
Đối với hồi quy logistic, các doanh nghiệp được cho là thất bại nếu xác suất thất bại
vượt quá một điểm cắt là 0,5. Cho toàn bộ các công ty bán buôn và bán lẻ, tỷ lệ dự đoán
công ty thất bại là 97,06 phần trăm và công ty không thất bại, 89,05 phần trăm (bảng 7).
| Nhóm nghiên cứu TCDN-Ngày 4 K22 19
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Đối với công ty sản xuất, tỷ lệ thành công của dự đoán công ty thất bại là 99,11 phần trăm
và của không thất bại, 87,09 phần trăm (bảng 8).
4.4 Thảo luận
Bảng 7 & 8: Ma trận tổng hợp phân loại đối với mẫu các doanh nghiệp bán sỉ lẻ và sản
xuất
Kể từ khi hệ số đã trình bày được áp dụng cho log của biến phụ thuộc, họ không phải
ngay lập tức phiên dịch được theo cách thông thường chúng tôi hồi quy tuyến tính. Thay
vào đó, chỉ có những dấu hiệu của các hệ số có thể cho biết các biến hoạt động tích cực hay
tiêu cực đến khả năng thất bại Pi.
 Công ty bán buôn và bán lẻ
Dựa trên các phân tích của các hằng số và các hệ số khác nhau của độc lập biến, mô hình
logit để dự đoán sự phá sản công ty bán buôn và bán lẻ có thể được viết như sau:
Log (y) = -1.76 - 8.27 R
2
- 0.06 R
6
- 0.50 R
15
+ 10.33 R

16
+ 0.05 R
26
| Nhóm nghiên cứu TCDN-Ngày 4 K22 20
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Theo dự kiến, các hệ số của các biến kiểm soát tất cả đều rất quan trọng với dấu mong
đợi cho tất cả các tỷ lệ ngoại trừ một tỷ lệ. Trên thực tế, tỷ lệ R
15
này (chi phí tài chính /
EBIDTA) thể hiện một dấu hiệu tiêu cực, có nghĩa là các công ty với hệ số chi phí tài
chính / EBIDTA thấp hơn thì có nhiều khả năng trở thành kiệt quệ về tài chính. Điều này
trái ngược với những gì được mong đợi, các lý thuyết trước nhất cho thấy rằng các công ty
có tỷ lệ (chi phí tài chính / EBIDTA) cao hơn cho thấy một nguy cơ thất bại lớn hơn. Lời
giải thích cho hiện tượng này là các công ty với mức tăng trưởng quá nhanh so với lợi
nhuận sẽ bị buộc phải tìm kiếm sự tài trợ từ nợ. Các khoản nợ cao mang lại nhiều nghĩa vụ
tài chính phải thanh toán. Khả năng các công ty thiếu vốn buộc phải tạo ra thu nhập nhiều
hơn và sử dụng nợ nhiều và nhiều hơn nữa để trả tiền những nghĩa vụ và do đó, công ty sẽ
rơi vào vòng luẩn quẩn và cuối cùng trở nên thất bại.
Một tỷ số quan trọng khác là R
6
(Doanh thu / (vốn luân chuyển + tài sản cố định)). Với
dấu (-), tỷ số vòng quay tài sản kinh tế tác động tiêu cực đến rủi ro thất bại của doanh
nghiệp. Tỷ lệ này là một tỷ lệ tài chính tiêu chuẩn minh họa khả năng tạo ra doanh thu của
tài sản kinh tế. Điều này đo lường sự quan trọng của hiệu quả sử dụng tài sản kinh tế chỉ
đơn giản là số lần tài sản kinh tế được bao phủ bởi doanh số bán hàng. Việc giảm giá trị của
tài sản cần thiết để cải thiện tỷ lệ doanh thu trên tài sản kinh tế có thể được thực hiện bằng
cách giảm đầu tư tài sản cố định hoặc bằng cách giảm vốn lưu động cần thiết cho mỗi Dinar
1 của doanh thu.
Mặt khác, kết quả của nghiên cứu nhấn mạnh tầm quan trọng của tỷ số R

2
(EBIDTA /
doanh thu), như một chỉ số về hoạt động quản lý, để phân biệt giữa các các công ty lành
mạnh và công ty thiếu thanh khoản. Trong thực tế, trong mô hình logit của chúng tôi, các
dấu (-) của tỷ lệ R
2
hệ số cho thấy tỷ suất lợi nhuận lớn hơn sẽ dẫn đến một giá trị logit (y)
nhỏ hơn và P(C) nhỏ hơn và, do đó, dự đoán một xác suất thất bại thấp. Tỷ lệ EBIDTA trên
doanh thu là một thước đo quan trọng của khả năng sinh lợi. Nó có thể được tăng lên bằng
cách tăng giá bán hoặc khối lượng hàng bán, tăng hiệu quả, hoặc giảm chi phí.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 21
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Liên quan đến tỷ lệ R
26
(tổng nợ / EBITDA) với, kết quả cho thấy rằng một công ty với
một yếu hoạt động thương mại và được phụ thuộc nhiều vào vốn vay sẽ chịu gánh nặng với
các khoản thanh toán lãi suất cao hơn và thanh toán vốn gốc đến hạn. Đối với các công ty
bán buôn và bán lẻ, áp dụng chính sách vay nợ thận trọng là rất quan trọng để làm giảm
nguy cơ phá sản.
Hệ số tỷ lệ R
16
(chi phí tài chính / doanh thu) là (+) và có ý nghĩa thống kê. Điều này có
thể được giải thích là một công ty cung cấp có nhiều khả năng trở thành kiệt quệ nếu doanh
thu không đủ để trang trải các chi phí tài chính.
Tóm lại, những thất bại của các công ty bán buôn và bán lẻ ở Tunisia được giải thích tốt
nhất bằng cách họ vay bao lâu và bao nhiêu, họ quản lý quỹ của họ như thế nào, làm thế nào
để cải thiện của họ bán hàng và có thể thanh toán các nghĩa vụ của họ nhanh như thế nào.
 Các công ty sản xuất
Cho các công ty sản xuất mô hình logit có thể được viết như sau:

Log (y) = - 2,19-1,16 R
1
- 11.73 R5 - 0.11 R
11
Tất cả các biến đã dự kiến sẽ hướng dẫn và, là có ý nghĩa thống kê ở mức cố định. R
1
(lợi nhuận gộp / doanh thu), R
5
(lợi nhuận ròng / doanh thu) là tỷ suất sinh lợi đo lường khả
năng công ty tạo ra lợi nhuận. Vì lợi nhuận là một trong những nguồn kinh phí hoạt động,
công ty tạo ra lợi nhuận càng nhiều, càng nhiều vốn lưu động hoặc tiền mặt gia tăng, làm
tăng cường sức khỏe tài chính của công ty. Nhiều công ty phải đối mặt với khủng hoảng tài
chính khi họ có lợi nhuận âm.
Tỷ suất lợi nhuận biên R
1
cho thấy quản lý việc sử dụng các nguồn tài nguyên dưới sự
kiểm soát của nó. Sự bất thường bị loại ra khỏi tính toán này như họ không đại diện cho
tổng lợi nhuận hoạt động ròng. Quản lý có thể kiểm soát biên lợi nhuận của các sản phẩm
sản xuất với giá rẻ hơn hoặc có hiệu quả hoặc bằng chiến lược mua hàng tốt hơn. Các dấu
hiệu (-) của tỷ suất biên lợi nhuận dường như phù hợp với lý thuyết giả thuyết tài chính.
Trong thực tế, tỷ lệ này là liên quan tiêu cực với xác suất của tình trạng kiệt quệ tài chính và
| Nhóm nghiên cứu TCDN-Ngày 4 K22 22
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
tương đối quan trọng trong hồi quy logistic, điều này cho thấy nó làm giảm khuynh hướng
thiên về khủng hoảng tài chính.
Khi chi phí lãi vay và các khoản thuế, cả hai bị ảnh hưởng bởi các quyết định tài chính,
được trừ vào lợi nhuận trước thuế, kết quả là thu nhập ròng. Lợi nhuận sau thuế, nghĩa là, số
tiền có sẵn cho chủ sở hữu của công ty. Điều quan trọng cần lưu ý là thu nhập ròng không
đại diện cho dòng tiền thực tế từ các hoạt động và tài chính. Thay vào đó, nó là tóm tắt quá

trình hoạt động được đo lường trong một khoảng thời gian nhất định, sử dụng các quy trình
kế toán cụ thể.
Để đánh giá cả quyết định hoạt động và các quyết định tài chính, chúng ta cần phải so
sánh thu nhập ròng (có nghĩa là, thu nhập sau khi trừ thuế và tiền lãi) với doanh thu. Làm
như vậy, chúng ta có được những biên lợi nhuận ròng R
5
. Tỷ lệ lợi nhuận ròng phản ánh
hiệu suất hoạt động của công ty. Nó chỉ ra rằng thu nhập ròng tạo ra từ mỗi Dinar của doanh
thu. Dấu (-) cho thấy rằng một công ty với tỷ lệ lợi nhuận biên ròng thấp hơn có nhiều khả
năng phải đối mặt với tình hình khủng hoảng tài chính.
Một cách khác để đo lường khả năng công ty đáp ứng nghĩa vụ của mình là R
11
vốn luân
chuyển trên doanh thu, so sánh vốn lưu động với doanh thu. Tỷ lệ này cho chúng ta biết
"đệm" sẵn sàng để đáp ứng các nghĩa vụ công ty liên quan trên doanh thu. Từ vốn lưu động
là tổng hợp tài sản cần thiết cho hoạt động hằng ngày hỗ trợ các khoản đầu tư dài hạn của
công ty, sau đó, cho hai công ty có chu kỳ hoạt động giống hệt nhau, các công ty có doanh
thu lớn hơn có nhiều vốn hơn chảy vào và ra để đáp ứng nhu cầu liên tục của hoạt động
công ty.
Với một dấu (-), tỷ lệ vốn lưu động trên doanh thu tác động ngược chiều lên khả năng
thất bại của doanh nghiệp. Điều này có nghĩa là các công ty có vốn lưu động trên doanh thu
thấp hơn thìss có nhiều khả năng trở thành khỏe mạnh.
4.5 Phân tích khả năng đàn hồi cho các biến khác nhau
Nó có thể tính toán độ đàn hồi của khủng hoảng tài chính đến tỷ lệ khác nhau như sau:
| Nhóm nghiên cứu TCDN-Ngày 4 K22 23
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
epi / xi = βk * xik (1-Pi)
 Đối với các công ty bán buôn và bán lẻ
Tính đàn hồi cao của kiệt quệ cho R

2
(EBIDTA / bán hàng) biểu thị rằng các công ty bán
buôn và bán lẻ có nhiều khả năng đạt được khỏe mạnh nếu các công ty này làm tăng doanh
số bán hàng. Thực sự, giảm 10% trong doanh số bán hàng tăng các nguy cơ kiệt quệ lên
7,618%.
 Đối với các công ty sản xuất
Tính đàn hồi cao của kiệt quệ cho lợi nhuận biên R5 cho thấy rằng các công ty sản xuất
phải quan tâm hơn đến đến hiệu suất hoạt động của công ty. Với sự sụt giảm 10% trong biên
lợi nhuận, các công ty được gia tăng 5,195% nguy cơ kiệt quệ.
V. KẾT LUẬN
Trong bài báo này, chúng tôi đã phân tích tác động các yếu tố quyết định được lựa chọn
cẩn thận về thất bại của công ty ở Tunisia. Nghiên cứu đã chỉ ra rằng mô hình dự báo phá
sản logit là một công cụ hữu ích. Tuy nhiên, kết quả của nó là chỉ chính xác như tính đầy đủ
của dữ liệu trong mô hình. Nó cũng nên lưu ý rằng dự báo phá sản không phải là một giải
pháp đo lường rủi ro hoàn chỉnh. Nó chỉ là một trong nhiều công cụ mà các nhà phân tích
| Nhóm nghiên cứu TCDN-Ngày 4 K22 24
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
nên xem xét trong đánh giá hiệu quả quản lý và các nguy cơ liên quan đến một cơ hội đầu
tư. Các kết quả cho thấy khả năng thanh toán, khả năng sinh lợi và nợ có ảnh hưởng quan
trọng đến khả năng phá sản của các công ty bán buôn, bán lẻ. Đối với các công ty sản xuất,
kết quả cho thấy đòn bẩy và kiệt quệ tài chính có tương quan dương. những phát hiện cũng
chứng minh rằng khả năng sinh lợi có tác dụng quan trọng đến khả năng kiệt quệ tài chính
của công ty sản xuất.
Một vấn đề điển hình của lý thuyết thực nghiệm về nguy cơ phá sản là kết quả không thể
khái quát hóa từ ý nghĩa của xu hướng các biến có liên quan có được mẫu cụ thể. Thêm vào
đó, sự giới hạn của thông tin có sẵn thường dẫn các nhà nghiên cứu hạn chế phạm vi phân
tích vào các biến trong báo cáo tài chính. Đối với dòng tương lai của nghiên cứu, chúng tôi
đề nghị các ứng dụng hồi quy logistic áp dụng cho các số liệu của công ty trong một
khoảng thời gian lớn hơn. Mặt khác, mô hình của chúng tôi có thể được mở rộng,bổ sung

các biến phi tài chính và biến kinh tế vĩ mô. Ngoài ra, mặc dù việc phân tích các mô hình
đưa ra giải thích biến được lựa chọn rất hữu ích trong việc dự đoán khả năng kiệt quệ của
công ty, Là cần thiết để đánh giá khả năng sống sót của công ty để một thời gian quy định
cho các công ty kiệt quệ về tài chính.
-HẾT-
| Nhóm nghiên cứu TCDN-Ngày 4 K22 25