Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM

TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
KHOA TÀI CHÍNH DOANH NGHIỆP
-Tp.Hồ Chí Minh, tháng 9 năm 2013 -
9/2013
BÀI NGHIÊN CỨU
DỰ BÁO KIỆT QUỆ TÀI CHÍNH
CHO CÁC CÔNG TY SẢN XUẤT
Ở VIỆT NAM
Nhóm nghiên cứu:
1. Lê Thị Hữu
2. Nguyễn Thị Thu Hà
3. Tôn Thất Khánh
Hoàng
4. Nghiêm Phúc Hiếu
5. Đặng Phương Thảo
GVHD : TS. NGUYỄN THỊ UYÊN UYÊN
LỚP : CAO HỌC TCDN NGÀY – KHÓA 22
GVHD : TS. NGUYỄN THỊ UYÊN UYÊN
LỚP : CAO HỌC TCDN NGÀY – KHÓA 22
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
MỤC LỤC
1.2. Mục tiêu nghiên cứu và các vấn đề nghiên cứu: 4
1.3. Bố cục của bài nghiên cứu: 4
III.PHƯƠNG PHÁP NGHIÊN CỨU 12
3.1 Hàm hồi quy logistic nhằm mục đích dự báo khả năng phá sản của doanh nghiệp 12
3.2. Định nghĩa về thất bại của doanh nghiệp 13
3.3. Mẫu nghiên cứu 14
3.4. Lựa chọn biến dự đoán 15
IV.KẾT QUẢ HỒI QUY – PHÂN TÍCH 20
IV.3. Thảo luận 24
V.KẾT LUẬN 27

DANH MỤC TÀI LIỆU THAM KHẢO 29
PHỤ LỤC DANH MỤC MẪU CÔNG TY NGHIÊN CỨU 34
TÓM TẮT
Chúng tôi sử dụng dữ liệu của các công ty để dự đoán khả năng xảy ra kiệt quệ tài
chính và cung cấp các cảnh báo sớm cho các công ty trong giai đoạn 2009 – 2011 (với độ
trễ thời gian 2 năm theo Altman 1993) cho 246 công ty sản xuất được niêm yết trên hai
sàn giao dịch chứng khoán Tp. Hồ Chí Minh (HSX) và sàn giao dịch chứng khoán Hà
Nội (HNX). Mục đích của chúng tôi là sử dụng hồi quy logistic để dự báo khả năng phá
sản của các doanh nghiệp trong mẫu nghiên cứu.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 2
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Chúng tôi thấy rằng đối với các công ty sản xuất, đòn bẩy tài chính và kiệt quệ tài
chính có mối tương quan dương có ý nghĩa thống kê. Các doanh nghiệp có mức đòn bẩy
cao và xếp hạng tín dụng thấp có khả năng xảy ra kiệt quệ tài chính cao hơn, và ngược
lại. Từ những kết quả về các tỷ số dự báo khả năng xảy ra kiệt quệ tài chính của các
doanh nghiệp, chúng tôi xây dựng mô hình dự báo khả năng phá sản. Những kết quả thực
nghiệm cũng chứng minh rằng khả năng sinh lợi có tác động ngược chiều đến khả năng
kiệt quệ tài chính các công ty sản xuất. Các yếu tố có ý nghĩa trong mô hình của chúng
tôi gồm các tỷ số lợi nhuận ròng/doanh thu, EBIT/(nhu cầu vốn luân chuyển + tài sản cố
định), nhu cầu vốn luân chuyển/doanh thu, nợ dài hạn/vốn đầu tư và tổng nợ/EBIDTA .
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 3
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
I. GIỚI THIỆU
1.1. Lý do chọn đề tài:
Kiệt quệ tài chính của doanh nghiệp xảy ra khi doanh nghiệp gặp khó khăn hoặc
không thể trả được các khoản nợ. Nếu kiệt quệ tài chính ở mức độ nghiêm trọng và
không có cách giải quyết tốt có thể sẽ dẫn đến phá sản. Một doanh nghiệp đang lâm vào
tình trạng kiệt quệ tài chính có thể có các dấu hiệu nhận biết như tiền mặt giảm thường
xuyên, liên tục, không có sản phẩm mang tính cạnh tranh, không thu hồi được nợ hoặc
đang mắc nợ quá nhiều, không trích lập quỹ dự phòng tài chính, cắt giảm các khoản thù

lao, sự ra đi của các cán bộ quản lý cao cấp… Tuy vậy, đây là những dấu hiệu có thể
nhận biết khi công ty đã rơi vào giai đoạn kiệt quệ trầm trọng và trong hầu hết trường hợp
sẽ dẫn đến con đường tận cùng đó là phá sản. Trong khi đó, nếu có thể dự báo trước được
những nguyên nhân, yếu tố gây ra khủng hoảng sớm hơn thì có thể sẽ giúp cho nhà quản
lý, ban giám đốc có cái nhìn thấu đáo hơn về hiện trạng của công ty từ đó đưa ra những
giải pháp khắc phục, sửa đổi, quản trị rủi ro trước khi kiệt quệ trở nên trầm trọng hơn,
không còn cách để cứu chữa. Do đó, không ngạc nhiên khi dự báo về kiệt quệ của một
công ty tiếp tục thu hút sự chú ý và được xem xét theo quy mô và thời gian trên thế giới.
1.2. Mục tiêu nghiên cứu và các vấn đề nghiên cứu:
Mục tiêu của bài nghiên cứu này là chọn ra các biến (các tỷ số tài chính) để phân biệt
các công ty "khỏe mạnh" với các công ty bị "kiệt quệ tài chính" ở Việt Nam, từ đó dự
đoán nguy cơ phá sản. Bài nghiên cứu nhằm trả lời các câu hỏi sau:
 Những tỷ số quan trọng nhất trong việc phát hiện nguy cơ phá sản?
 Những trọng số nên được gắn với các tỷ số được lựa chọn như thế nào?
 Làm thế nào để lập ra các trọng số một cách khách quan?
1.3. Bố cục của bài nghiên cứu:
 Phần I: Giới thiệu.
 Phần II : Xem xét các chứng cứ thực nghiệm trước đây.
 Phần III : Mô tả dữ liệu và phương pháp nghiên cứu.
 Phần IV : Trình bày và thảo luận các kết quả nghiên cứu.
 Phần V : Kết luận và hạn chế của bài nghiên cứu.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 4
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
II. CÁC CHỨNG CỨ NGHIÊN CỨU THỰC NGHIỆM TRƯỚC ĐÂY:
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 về chủ đề này, theo Charitou và cộng sự không có
phương pháp thống kê tiên tiến nào để nghiên cứu. Khi ông so sánh các chỉ tiêu tài
chính của các công ty thất bại với công ty hoạt động động bình thường cho thấy rằng các
chỉ tiêu này ở các công ty bị thất bại thường mang hướng tiêu cực hơn.

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 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 là hoàn toàn có cơ sở.
Mô hình đơn biến được Wiliam Beaver sử dụng năm 1994 đạt được “khả năng chính
xác vừa phải trong việc dự đoán”. Năm 1998, Cook và Nelson cũng đã sử dụng Mô hình
đơn biến với giả định rằng “một biến duy nhất có thể được sử dụng nhằm vào mục đích
dự đoán (Cook và Nelson 1998). Mô hình đơn biến đã thành công trong việc xác định
được các yếu tố ảnh hưởng đến kiệt quệ tài chính; tuy nhiên, nó không cung cấp được
khả năng so sánh các rủi ro có liên quan. Mặc dù mô hình dự báo thất bại đơn biến có
nhiều điểm mạnh, đăc biệt là tính đơn giản của nó, nhưng phương pháp này cũng bộc lộ
một số nhược điểm trọng yếu. 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 số riêng biệt, bởi vì hầu hết các biến đều tương quan với nhau (Cybinski,
1998).
Để khắc phục “Những hạn chế khi sử dụng mô hình đơn biến” (Cook và Nelson
1998), các bài nghiên cứu sau này đã sử dụng mô hình đa biến, MDA để đánh giá khả
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 5
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
năng doanh nghiệp bị phá sản. Và sau đó, phổ biến nhất và được sử dụng nhiều nhất,
MDA được đề xuất bởi Altman, 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. Các bài nghiên cứu đã xác định những đặc điểm của doanh nghiệp kiệt
quệ được kiểm tra để xác định các yếu tố dự báo doanh nghiệp kiệt quệ, từ đó làm nổi bật
vai trò của việc phân tích các tỷ số tài chính trong dự báo kiệt quệ tài chính. Trong mô
hình Z-score (Altman, 1968), tác giả đã dùng phương pháp thống kê đa yếu tố phân biệt
MDA để tính xem mỗi biến số sẽ có trọng số là bao nhiêu, tức là mỗi nhân tố sẽ ảnh
hưởng đến kiệt quệ như thế nào. Sau khi đưa vào hơn 22 yếu tố ban đầu, 5 yếu tố đã được
chọn như là những yếu tố tiềm năng để dự báo cho kiệt quệ tài chính, bao gồm: vốn luân
chuyển/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, EBIT/tổng tài sản, giá trị thị trường
của vốn cổ phần/giá trị sổ sách của nợ, doanh thu/tổng tài sản. Năm yếu tố này không
đứng riêng lẻ, độc lập để dự báo kiệt quệ mà có sự kết hợp như trong phương trình sau:
Từ phương trình này, có thể dự đoán được khả năng kiệt quệ của doanh nghiệp.
Nếu Z >2.99 doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản. Nếu 1.8< Z
<2.99: doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản . Nếu Z <1.8:
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 6
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao. Từ chỉ số Z, Altman sau
này phát triển và đưa ra mô hình Z
’
, Z
’’
vào năm 1983, 1993. Trong đó mô hình Z áp
dụng cho doanh nghiệp nhà nước, mô hình Z’ áp dụng cho doanh nghiệp tư nhân và mô
hình Z’’ có thể áp dụng cho hầu hết các ngành và các loại hình doanh nghiệp.
Sau một thập kỷ từ khi bắt đầu sử dụng MDA, 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".
Mục đích của nghiên cứu này là để xây dựng, phân tích và thử nghiệm một mô
hình phân loại phá sản mới, trong đó xem xét rõ ràng hơn những thất bại kinh
doanh. Mô hình Zeta đã có hiệu quả trong việc phân loại các công ty bị phá sản đến 5
năm trước khi thất bại dựa trên một mẫu bao gồm các nhà sản xuất và nhà bán lẻ.
Zeta được nghiên cứu để xây dựng một cách tiếp cận rõ ràng về những sự phát triển gần
đây ảnh hưởng đến thất bại trong kinh doanh, và có hiệu quả phân loại các công ty bị phá
sản trước đến 5 năm trên mẫu bao gồm các tập đoàn, nhà sản xuất và bán lẻ. Kết quả
nghiên cứu của Altman cho thấy mô hình Zeta phân loại hiệu quả với độ chính xác 91%
trước khi doanh nghiệp phá sản 1 năm và trên 76,8% từ năm thứ 5 trở lên trước khi doanh
nghiệp phá sản. Tuy nhiên, vì tính độc quyền của mô hình nên Altman không cung cấp
đầy đủ các trọng số của mô hình mà chỉ cung cấp 7 biến số mà mô hình sử dụng:
EBIT/Tổng tài sản, mức ổn định thu nhập, EBIT/chi phí lãi vay, lợi nhuận giữ lại tích
lũy/tổng tài sản, tài sản ngắn hạn/tổng tài sản, vốn hóa cổ phần thường/tổng vốn hóa, quy
mô công ty (được đo lường bởi tổng tài sản). Trong năm 2000, các mô hình này đã được
đưa ra thảo luận thêm một lần nữa.
Deakin (1972) đã 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
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 7
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
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), 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 Ohlson, Martin
(1977) sử dụng mô hình nhị phân 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. Sau đó, Chritine Zavgren đã
phát triển một mô hình để xứ lý vấn đề này, mô hình của bà sử dụng phân tích nhị phân
để dự đoán sự phát sản. Mô hình nhị phân phát triển bởi Zavgren (1985) đã được thử
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 8
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
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 / 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
một năm trước khi thất bại tương tự như Ohlson. Tuy nhiên, do việc sử dụng các phân
tích nhị phân, mô hình của Zavgren được xem như là có tính thiết thực hơn (Lo 1986,
151). Xa hơn nữa, phân tích nhị phân thật sự cung cấp được khả năng đo lường thực tế
khả năng phá sản bằng tỷ lệ phần trăm. Ngoài ra, tỷ số được tính toán có thể được xem
như là một tỷ số để đo lường hiệu quả quản trị, ví dụ, một chính sách quản trị hiệu quả
không thể đưa một công ty đến bờ vực phá sản. Trong khoảng thời gian 1980 và 1990, xu
hướng của các bài nghiên cứu là sử dụng mô hình phân tích nhị phân để ủng hộ xu hướng
phân tích đa biến (Stickney 1996, 510). Sau đó, phân tích nhị phân được so sánh với các
công cụ phân tích tiên tiến trong thời điểm đó và mạng thần kinh. Các nghiên cứu đã cho
thấy rằng các phương pháp tiếp cận là tương tự nhau và nên được sử dụng kết hợp. Năm
2003, Darayseh và cộng sự đã sử dụng phân tích nhị phân 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 nhị phân có thể dự đoán chính xác 88% các trường hợp công ty
phá sản.
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 Shard 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 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),
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 9
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
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 cộng sự (1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập
hợp thô bởi Dimitras và cộng sự (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).
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
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 10
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
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.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 11
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
III. PHƯƠNG PHÁP NGHIÊN CỨU
3.1 Hàm hồi quy logistic nhằm mục đích dự báo khả năng 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 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:
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 12
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
P(C) = Xác suất doanh nghiệp thứ i khỏe mạnh
Β
0
= Hệ số chặn
X
1
…X
n
= Các tỷ số tài chính
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 khỏe 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 hai phạm trù tài chính và kinh tế học. Năm 1993, Altman trình bày ba quan niệm
khái quát về việc thất bại doanh nghiệp: “thất bại kinh tế”, “mất khả năng thanh toán”
và “phá sản”. 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 nghiệt ngã 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
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 13
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
bại của doanh nghiệp với các tiêu chuẩn trong kinh doanh như lãi suất các khoản vay,
thấu chi tài khoản ngân hàng, hay các tuyên bố phá sản.
Để tiến hành nghiên cứu này, vì kiệt quệ tài chính là dấu hiệu đầu tiên của việc thất
bại, chúng tôi áp dụng cùng định nghĩa được đưa ra trong nguồn dữ liệu chúng tôi (Ngân
hàng thương mại) bằng quan điểm rằng doanh nghiệp được xem là kiệt quệ tài chính khi
có lợi nhuận âm trong hai năm liên tiếp và tỷ số nợ trên vốn chủ sở hữu lớn hơn một.
3.3. Mẫu nghiên cứu
Theo 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, mục tiêu tiên quyết của nghiên cứu này là dự đoán sự kiệt quệ tài chính cho
khoảng thời gian 5 năm. Tuy nhiên, do sự giới hạn của dữ liệu, nghiên cứu sử dụng dữ
liệu tài chính của 2 năm trước khi lâm vào kiệt quệ tài chính để thiết lập các điều kiện
1
.
Các tỷ số tài chính trong cùng một kỳ được sử dụng nhằm mục đích tránh việc sử dụng

dữ liệu tài chính của các doanh nghiệp vừa mới bị phá sản (vì mục đích của bài nghiên
cứu là để dự đoán tình trạng phá sản).
Mặt khác, các nghiên cứu về việc phân loại các ngành kinh tế rõ ràng cho thấy rằng
các doanh nghiệp ở các ngành kinh tế khác nhau có cấu trúc hoàn toàn khác nhau, ứng
với cấu trúc như vậy phải có những mô hình khác nhau thể hiện. Vì sự giới hạn thời gian
và dữ liệu, các dữ liệu tài chính cần thiết cho bài nghiên cứu này được cung cấp từ hai
sàn giào dịch chứng khoán niêm yết HSX và HNX ở Việt Nam chỉ dành cho các doanh
nghiệp sản xuất. Theo đó, mẫu được sử dụng bao gồm 246 doanh nghiệp với 219 doanh
nghiệp trong tình trạng khoẻ mạnh trong năm 2010, 2011 được phân vào nhóm khoẻ
mạnh và 27 doanh nghiệp khoẻ mạnh trong năm 2009 và thất bại trong năm 2010 hay
2011 phân vào nhóm thất bại, độ trễ ở đây được tính là 2 năm trước khi xảy ra kiệt quệ
(theo nghiên cứu Altman 1993 ông sử dụng đỗ trễ 20 tháng khi xây dựng mô hình kiệt
quệ của mình).
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 lớp TCDN Cao học Ngày K22 14
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
3.4. Lựa chọn biến dự đoán
Năm 1996, Dimitras và cộng 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 báo
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 khó đó lường và chúng được tính toán dựa trên các
thông tin được công bố rộng rãi trên thị trường (Micha, 1984; Laitinen, 1992; Dirickx &
Van Landeghem, 1994). Ngoài ra, trong một nghiên cứu được công bố năm 1998,
Mossman và cộng sự 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.
Liên quan đến quy trình lựa chọn, và theo nghiên cứu của Theodossiou (1991), sự lựa
chọn các biến độc lập cho mô hình dự báo phá sản là quyết định khó khăn nhất của tất cả
các nghiên cứu vì các lý thuyết tài chính vốn dĩ không cho thấy rằng biến nào nên được

sử dụng trong mô hình. Ngoài ra, sự phân tích các nghiên cứu thực nghiệm đã được thực
hiện về dự báo sự thất bại của doanh nghiệp cho thấy rằng không có một nhóm chỉ số rõ
ràng thể hiện cho khả năng phân loại cao 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 khả năng loại trừ các biến giải thích vừa liên quan đến khía
cạnh kinh tế doanh nghiệp và có ý nghĩa thống kê, trước hết chúng tôi 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 trong mô hình nghiên cứu sự thất bại trong kinh doanh của các doanh
nghiệp
2
. Từ đó, để xác định cụ thể các tỷ số tài chính có ý nghĩa và liên quan khả dĩ đến
điều kiện tài chính của doanh nghiệp, nghiên cứu so sánh thống kê mô tả cho cả các
doanh nghiệp phá sản lẫn không phá sản. Thông qua việc thực hiện quy trình này, nhóm
tỷ số phân biệt đã được hình thành, bao gồm 16 tỉ số cho các doanh nghiệp sản xuất
(Bảng 3.1).
3
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).
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 lớp TCDN Cao học Ngày K22 15
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Bảng 3.1: Các tỷ số thống kê cho doanh nghiệp sản xuất
Trong đó, doanh nghiệp loại H là doanh nghiệp khoẻ mạnh, còn doanh nghiệp loại F là
doanh nghiệp thất bại.
Biến Công thức Loại

Trung
bình
Trung
vị
Lớn
nhất
Nhỏ
nhất
Độ lệch
chuẩn
R
1
Lợi nhuận gộp/Doanh thu
H 0.2142 0.1838 0.6804 0.0206 0.1320
F 0.1239 0.1276 0.2953 0.0080 0.0657
R
2
EBIDTA/Doanh thu
H 0.2747 0.1310
14.487
6 0.0111 1.0359
F 0.1259 0.0768 2.1207 -0.6199 0.4354
R
3
EBIT/Doanh thu
H 0.2307 0.0985 14.3107 0.0026 1.0223
F 0.0876 0.0529 1.8756 -0.6204 0.3918
R
5
Thu nhập ròng/Doanh thu

H 0.1511 0.0513 13.9078 -0.0449 0.9406
F -0.0955 0.0000 0.0637 -0.9957 0.2514
R
6
Doanh thu/(Nhu cầu vốn luân
chuyển + Tài sản cố định)
H 2.3198 1.8498 17.1607 0.1482 2.0820
F 1.9179 1.0572 19.0562 -3.1113 3.7435
R
9
EBIT/(Nhu cầu vốn luân
chuyển + Tài sản cố định)
H 0.3068 0.1770 9.2627 0.0047 0.6901
F 0.1204 0.0559 1.9302 -0.2650 0.3821
R
10
Dòng tiền thuần/Doanh thu
H 0.0157 0.0036 0.8482 -0.4236 0.1139
F -0.0709 -0.0530 0.0534 -0.6216 0.1307
R
11
Vốn luân chuyển *12/Doanh
thu
H 0.2312 0.1446 3.6428 -0.8710 0.4155
F 0.0517 0.1752 3.8942 -9.0654 2.0633
R
12
Nhu cầu vốn luân
chuyển*12/Doanh thu
H 0.3329 0.2636 3.4468 -0.3694 0.3422

F 0.6028 0.4381 3.9207 -0.3297 0.7972
R
14
Chi phí sản xuất/Doanh thu
H 0.7728 0.8078 0.9745 0.0399 0.1414
F 0.8691 0.8665 0.9920 0.7045 0.0690
R
15
Chi phí tài chính/EBIDTA
H 0.5708 0.2775 43.5077 0.0000 2.9399
F -0.4409 0.4556 5.8531 -25.4619 5.2007
R
16
Chi phí tài chính/Doanh thu
H 0.0554 0.0362 1.0595 0.0000 0.0892
F 0.1417 0.0752 0.8798 0.0006 0.2095
R
17
Vốn cổ phần/Tổng tài sản
H 0.5419 0.4888 6.6786 0.1020 0.4641
F 0.3408 0.3126 0.8467 0.0425 0.2112
R
22
Nợ dài hạn/Vốn đầu tư
H 0.1521 0.0752 0.9467 0.0000 0.1881
F 0.3667 0.3810 0.8867 0.0000 0.2669
R
25
Nợ dài hạn/Vốn cổ phần
H 0.3582 0.0813 17.7678 0.0000 1.3068

F 1.0953 0.6156 7.8231 0.0000 1.6158
R
26
(Nợ ngắn hạn+Nợ dài
hạn)/EBIDTA
H 4.1559 3.1615 55.0383 0.0680 4.4785
F 11.6357 12.1731 78.8952 -58.6663 27.1818
Tỷ số lợi nhuận gộp/doanh thu R
1
phản ánh khoản thu nhập gộp của một công ty so
với doanh thu của nó. Hệ số này càng cao thì càng tốt vì nó phản ánh hiệu quả hoạt động
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 16
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
của công ty. Trên thực tế mức lợi nhuận gộp giữa các ngành là khác nhau, còn trong bản
thân một ngành thì công ty nào quản lý và sử dụng yếu tố đầu vào tốt hơn thì sẽ có hệ số
lợi nhuận cao hơn. Đây là một trong các biện pháp quan trọng đo lường khả năng tạo lợi
nhuận của công ty năm nay so với các năm khác.
Tỷ số EBIDTA/Doanh thu R
2
phản ánh lợi nhuận trước lãi vay, thuế và khấu hao so
với doanh thu của nó. EBITDA là một chỉ tiêu đánh giá tỷ suất sinh lợi của doanh nghiệp,
bằng thu nhập trừ các chi phí, nhưng chưa trừ tiền trả lãi, thuế và khấu hao. EBITDA có
thể được sử dụng để phân tích và so sánh mức lãi giữa các công ty hoặc các ngành bởi
chỉ số này đã loại bỏ được ảnh hưởng do các quyết định về mặt kế toán và tài chính gây
ra. EBITDA thường được sử dụng phổ biến trong các ngành có tài sản giá trị lớn, cần
chiết khấu trong thời gian dài, đặc biệt trong lĩnh vực công nghệ thông tin. Lý do chính
EBITDA được sử dụng phổ biến là chỉ số này cho thấy mức lợi nhuận cao hơn thông
thường. Công ty sẽ khiến cho bức tranh tài chính của mình thêm sáng sủa bằng cách đưa
thêm chỉ số EBITDA, đánh lạc hướng sự chú ý của nhà đầu tư khỏi tỷ lệ nợ và chi phí
hoạt động cao. Tuy nhiên, đôi khi doanh nghiệp bị thiệt hại lợi nhuận quá nhiều do chi

phí khấu hao quá lớn, lúc đó EBITDA lại có thể là tiêu chí tốt để đánh giá thực lực của
doanh nghiệp.
Tỷ số EBIT/Doanh thu R
3
thể hiện khả năng sinh lợi của EBIT như thế nào so với tổng
doanh thu công ty thực hiện được. Tỷ số càng cao thì càng tốt vì hiệu quả hoạt động công
ty thể hiện càng cao. EBIT là một chỉ tiêu dùng để đánh giá khả năng thu được lợi nhuận
của công ty, bằng thu nhập trừ đi các chi phí, nhưng chưa trừ tiền (trả) lãi và thuế thu
nhập. EBIT còn có thể tính bằng cách lấy tổng doanh thu trừ tổng biến phí (chi phí mà tỷ
lệ của nó trong tổng chi phí sản xuất ra một sản phẩm sẽ thay đổi khi sản lượng thay đổi)
và trừ tiếp tổng định phí (phần chi phí kinh doanh không thay đổi theo quy mô sản xuất,
nếu xét trong một khuôn khổ công suất sản xuất nhất định). Nói cách khác, EBIT là tất cả
khoản lợi nhuận trước khi tính vào các khoản thanh toán tiền lãi và thuế thu nhập. Một
yếu tố quan trọng đóng vai trò giúp cho EBIT được sử dụng rộng rãi là nó đã loại bỏ sự
khác nhau giữa cấu trúc vốn và tỷ suất thuế giữa các công ty khác nhau. Do đó, EBIT làm
rõ hơn khả năng tạo lợi nhuận của công ty và dễ dàng giúp người đầu tư so sánh các công
ty với nhau.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 17
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Tỷ số thu nhập ròng/Doanh thu R
5
đo lường kết quả sửu dụng tài sản của công ty để
tạo ra lợi nhuận. Hệ số càng cao càng tốt vì nó phản ánh công ty tạo ra được bao nhiêu
đồng lợi nhuận từ một đồng doanh thu thu được trong quá trình hoạt động kinh doanh.
Nếu như công ty tạo ra càng nhiều doanh thu nhưng lợi nhuận lại không đạt được theo ý
muốn thì phải xem lại cách quản lý và hoạt động của mình để tìm cách quản trị tốt hơn.
Tỷ số doanh thu/(Nhu cầu vốn luân chuyển + Tài sản cố định) R6 và tỷ số EBIT/(Nhu
cầu vốn luân chuyển + Tài sản cố định) R
9
là những tỷ số đo lường khả năng sinh lợi và

quản lý tài sản. Nó thể hiện cách thức công ty kết hợp sử dụng các tài sản lưu động và cố
định của mình để mang lại nguồn thu cho công ty (bằng doanh thu hoặc bằng lợi nhuận
trước lãi vay và thuế). Nếu tỷ số càng cao càng cho thấy khả năng sử dụng tốt những tài
sản này và ngược lại vì nguồn đầu ra của công ty là một trong các cách thức để tài trợ cho
nguồn đầu vào một cách nhanh chóng nhất. Rõ ràng, một công ty đang trên đà phát triển
không hề muốn tỷ số này nhỏ một cách bất thường chút nào, vì điều đó sẽ ảnh hưởng đến
khả năng tài trợ vốn của các chủ sở hữu và chủ nợ của nó.
Tỷ số dòng tiền thuần/doanh thu R
10
là một tỷ số thuộc nhóm chỉ tiêu đánh giá dòng
tiền, nó thể hiện khả năng thu tiền mặt từ doanh thu có tốt hay không. Nếu tỷ số này thấp
chứng tỏ hoạt động của công ty có thể cao nhưng nguồn thu lại quá thấp, công ty có thể
có chế độ công nợ bán chịu đối với khách hàng tốt, dẫn đến các khoản phải thu vượt quá
mức, trong khi tiền mặt thu về chưa kịp lúc, điều đó có thể dẫn tới tình trạng mất thanh
khoản tức thời nếu tình hình vẫn tiếp tục diễn ra. Một tỷ số cao cho thấy khả năng sinh
lợi và thanh khoản của công ty là khá tốt.
Tỷ số vốn luân chuyển*12/doanh thu R
11
và tỷ số nhu cầu vốn luân chuyển*12/doanh
thu R12 thuộc nhóm chỉ tiêu đo lường hiệu quả quản lý nguồn tài nguyên của công ty hay
hiệu năng quản trị tài sản ngăn hạn công ty như thế nào. Nếu tỷ số này càng thấp cho thấy
nguồn vốn lưu động của công ty ty bỏ ra không cao nhưng được sử dụng một cách linh
hoạt để đem lại nguồn doanh thu đáng kể và ngược lại. Tuy nhiên nó lại không thể đánh
giá được hiệu suất sử dụng toàn bộ nguồn vốn của công ty.
Tỷ số chi phí sản xuất/doanh thu R
14
, Chi phí tài chính/EBIDTA R
15
, chi phí tài
chính/doanh thu R16 là nhóm chỉ số đánh giá tỷ suất chi phí so với khả năng sinh lợi.

Chúng phản ánh trong một thời kỳ nhất định, để đạt được một đồng doanh thu hay lợi
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 18
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
nhuận, doanh nghiệp cần phải bỏ ra bao nhiêu đồng chi phí. Chỉ tiêu này có thể sử dụng
để so sánh giữa các thời kỳ với nhau trong một công ty hoặc giữa các công ty trong cùng
một thời kỳ với nhau. Tỷ số này thấp cho thấy sự hiệu quả sử dụng chi phí, tỷ số càng cao
thể hiện gánh nặng tài chính lẫn hoạt động của công ty khi phải bỏ quá nhiều chi phí kể
cả tài chính lẫn sản xuất để tạo ra một đồng đầu ra từ doanh thu.
Tỷ số vốn cổ phần/tổng tài sản R
17
, nợ dài hạn/Vốn đầu tư R
22
, nợ dài hạn/vốn cổ
phần R
25
, là nhóm tỷ số cơ cầu nguồn vốn doanh nghiệp. Nó cho biết đặc điểm công ty sẽ
thiên về nợ hay vốn cổ phần, và nếu là nợ thì thuộc loại nợ ngắn hạn hay dài hạn. Tỷ lệ
này sẽ phụ thuộc rất lớn vào hoạt động và chính sách của từng công ty cũng như của từng
ngành. Ví dụ tỷ số vốn cổ phần trên tổng tài sản càng cao chứng tỏ công ty có chính sách
thiên về tài trợ bằng vốn cổ phần mà ít sử dụng đòn bẩy nhằm tránh né rủi ro mắc phải và
ngược lại. Một nhà đầu tư có khẩu vị chấp nhận rủi ro sẽ ít cân nhắc khả năng đầu tư vào
công ty hơn so với các công ty khác cùng ngành.
Tỷ số cuối cùng (Nợ ngắn hạn+Nợ dài hạn)/EBIDTA R
26
thể hiện khả năng sinh lợi
của công ty khi thực hiện đòn bẩy tài chính.Nó cho biết để tạo ra một đồng lợi nhuận
EBIDTA thì công ty phải sử dụng bao nhiêu đồng từ đi vay kể cả ngắn hạn lẫn dài hạn.
Việc sử dụng nợ nhiều hay ít, thường xuyên hay không cũng phụ thuộc vào chính sách và
đặc điểm công ty. Trước khi đưa ra quyết định có nên sử dụng nợ hay không, công ty nên
xem xét đến khả năng thanh khoản từ dòng tiền và triển vọng của công ty trong tương lai.

Quyết định cấu trúc vốn này cần được tối ưu và linh hoạt trong suốt vòng đời từ giai đoạn
khởi sự cho đến lúc chấm dứt của bất kì công ty nào.
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 19
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
IV.KẾT QUẢ HỒI QUY – PHÂN TÍCH
IV.1. Kết quả hồi quy
Chúng tôi áp dụng hồi quy logistic để phân tích hồi quy, dựa vào kết quả của mô
hình, các dấu hiệu của các hệ số của các biến và ý nghĩa thống kê của các biến để đưa ra
các yếu tố có ảnh hưởng đến khả năng xảy ra kiệt quệ tài chính trong các công ty sản xuất
được niêm yết trên hai sàn HOSE và HNX. Bảng 4.1 trình bày kết quả của hồi quy Logit
ước tính xác suất của kiệt quệ tài chính của các công ty trong tương lai 2 năm tới. Kết quả
mô hình cho thấy có rất nhiều yếu tố có dấu như kì vọng, mặc dù không phải tất cả các
biến đều có ý nghĩa. Chúng tôi tìm thấy có 5 biến có ý nghĩa (tại mức ý nghĩa 1% và 5%)
trong mô hình bao gồm: R
5
(Lợi nhuận ròng/Doanh thu), R
9
(EBIT/Nhu cầu vốn luân
chuyển + Tài sản cố định), R
12
(Nhu cầu vốn luân chuyển/Doanh thu),

R
22
(Nợ dài
hạn/Vốn đầu tư), R
26
(Tổng nợ / EBIDTA).
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 20
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM

Bảng 4.1: kết quả hồi quy logistic với 16 biến
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1
a
R1 -10.730 26.520 .164 1 .686 .000
R2 -21.058 21.318 .976 1 .323 .000
R3 29.958 25.314 1.401 1 .237 1.025E13
R5 -73.865 26.766 7.616 1 .006*** .000
R6 .188 .220 .732 1 .392 1.207
R9 -21.084 7.575 7.747 1 .005*** .000
R10 -10.632 8.364 1.616 1 .204 .000
R11 -1.298 2.608 .248 1 .619 .273
R12 5.355 2.328 5.289 1 .021** 211.588
R14 -6.264 19.541 .103 1 .749 .002
R15 685 .872 .617 1 .432 .504
R16 -20.908 19.722 1.124 1 .289 .000
R17 1.225 4.190 .086 1 .770 3.405
R22 12.874 3.991 10.407 1 .001*** 3.901E5
R25 657 .475 1.918 1 .166 .518
R26 .133 .081 2.703 1 .100* 1.143
Constant 1.775 19.976 .008 1 .929 5.900
a. Variable(s) entered on step 1: R1, R2, R3, R5, R6, R9, R10, R11, R12, R14, R15, R16,
R17, R22, R25, R26.
Bảng 4.2 cho chúng ta thấy hệ số sig của mô hình tiến về 0, chứng tỏ mô hình có ý
nghĩa ở mức ý nghĩa thống kê 1%. Thêm vào đó hệ số -2 log likelihood của mô hình xấp
xỉ 38.88, ở mức khá hợp lý cho thấy mức độ phù hợp của mô hình.
Bảng 4.2: Ý nghĩa mô hình hồi quy logistic (16 biến)
Omnibus Tests of Model Coefficients
Chi-square df Sig.

Step 1 Step 131.355 16 .000
Block 131.355 16 .000
Model 131.355 16 .000
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 21
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Model Summary
Step
-2 Log
likelihood
Cox & Snell
R Square Nagelkerke R Square
1 38.880
a
.414 .828
a. Estimation terminated at iteration number 12 because parameter
estimates changed by less than .001.
Sau khi đã chọn được các biến có ảnh hưởng đến khả năng xảy ra kiệt quệ tài chính
của một doanh nghiệp, để xác định một cách rõ ràng hơn về các tác động của các nhân tố
đến khả năng xảy ra kiệt quệ tài chính của doanh nghiệp, chúng tôi tiến hành chạy hồi
quy binary logistic một lần nữa cho 5 biến đã tìm thấy ở trên. Kết quả được trình bày
trong bảng 4.3.
Tại bảng 4.4, kiểm định Omnibus tests cho chúng ta thấy hệ số sig. của mô hình tiến
về 0 chứng tỏ các biến đưa vào trong mô hình là phù hợp ở mức ý nghĩa thống kê 1%,
trong khi đó -2log likelihood xấp xỉ 64.629 (Càng tiến về 0 mô hình càng phù hợp), một
mức phù hợp hợp lý cho thấy mô hình có khả năng giải thích cho biến phụ thuộc là khá
tốt.
Mô hình logit được viết như sau:
Log(y) = -3.259 - 49.553 R
5
– 12.386 R

9
+ 2.303 R
12
+5.017 R
22
+ 0.069 R
26
Bảng 4.3: Kết quả hồi quy logistic
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 22
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1
a
R5 -49.553 17.953 7.619 1 .006 .000
R9 -12.386 5.975 4.297 1 .038 .000
R12 2.303 1.094 4.433 1 .035 10.006
R22 5.017 1.537 10.651 1 .001 150.942
R26 .069 .027 6.819 1 .009 1.072
Constant -3.259 1.011 10.382 1 .001 .038
a. Variable(s) entered on step 1: R5, R9, R12, R22,
R26.
Bảng 4.4: Ý nghĩa mô hình
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 105.966 5 .000
Block 105.966 5 .000
Model 105.966 5 .000
Model Summary
Step

-2 Log
likelihood
Cox & Snell
R Square
Nagelkerke
R Square
1 64.269
a
.350 .701
a. Estimation terminated at iteration number 11
because parameter estimates changed by less
than .001.
Đối với hồi quy logistic, nếu xác xuất dự đoán không chính xác vượt quá một giá trị
xác định là 0,5 thì mô hình được cho là không có khả năng dự báo chính xác. Dựa vào
bảng 4.5 cho thấy xác suất các công ty không rơi vào tình trạng kiệt quệ tài chính là
97,7% và các công ty rơi vào tình trạng kiệt quệ tài chính là 63,0%. Mức độ dự báo chính
xác của toàn mô hình là 93,9% một con số rất cao càng khẳng định khả năng dự báo
chính xác và bền vững của mô hình đã cho.
Bảng 4.5: Mức độ dự báo chính xác
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 23
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Classification Table
a
Observed
Predicted
DIS Percentage
Correct0 1
Step 1 DIS 0 214 5 97.7
1 10 17 63.0
Overall Percentage 93.9

a. The cut value is .500
IV.2. Kiểm tra độ tương quan, hiện tượng đa cộng tuyến giữa các biến
Để đảm bảo tính đúng đắn của mô hình, chúng tôi tiến hành kiểm tra tính tương quan
giữa các biến đã được xác định trong phần 4.2 bao gồm: R
5
(Lợi nhuận ròng/Doanh thu),
R
9
(EBIT/Nhu cầu vốn luân chuyển+Tài sản cố định), R
12
(Nhu cầu vốn luân
chuyển/Doanh thu),

R
22
(Nợ dài hạn/Vốn đầu tư), R
26
(Tổng nợ / EBITA). Việc phân tích
tương quan nhằm xác định các biến có tương quan cao, từ đó phải loại bỏ ra khỏi mô
hình. Có thể nhận thấy không có hệ số tương quan nào giữa các cặp biến lớn hơn 0.9 nên
có thể khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến.
Bảng 4.6: Ma trận hệ số tương quan giữa các biến độc lập
Correlation Matrix
Constant R5 R9 R12 R22 R26
Step 1 Constant 1.000 .481 317 791 710 109
R5 .481 1.000 358 455 228 455
R9 317 358 1.000 .099 158 193
R12 791 455 .099 1.000 .520 .069
R22 710 228 158 .520 1.000 038
R26 109 455 193 .069 038 1.000

IV.3. Thảo luận
Dựa trên các phân tích của các hằng số và các hệ số khác nhau của các biến độc lập,
mô hình logit để dự đoán kiệt quệ tài chính của các công ty sản xuất có thể được viết như
sau:
Log(y) = -3.259 -49.553 R
5
– 12.386 R
9
+ 2.303 R
12
+5.017 R
22
+ 0.069 R
26
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 24
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM
Như vậy các biến có ý nghĩa với hệ số đều có dấu như mong đợi và thể hiện tác động
của các yếu tố đến kiệt quệ tài chính của doanh nghiệp.
Các hệ số R
5
và R
9
đều là các tỷ số đo lường khả năng sinh lợi công ty. 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. Khi chi
phí lãi vay và các loại thuế bị ảnh hưởng bởi các quyết định tài chính được trừ vào lợi
nhuận trước thuế do đó lợi nhuận sau thuế sẽ thể hiện tốt nhất cho số tiền sẵn có của chủ
sở hữu công ty. Khi so sánh thu nhập ròng (lợi nhuận sau lãi vay và thuế) với doanh thu,
chúng ta có thể đánh giá được quyết định hoạt động và quyết định tài chính của công ty.

Đối với nhân tố R
5
(Lợi nhuận ròng/doanh thu) hệ số tương quan mang dấu (-) cho thấy
tác động ngược chiều giữa nhân tố tỷ suất sinh lợi trên doanh thu đối với khả năng xảy ra
kiệt quệ tài chính. Hay nói cách khác, nếu một doanh nghiệp có tỷ suất sinh lợi trên
doanh thu càng cao thì khả năng xảy ra kiệt quệ tài chính càng thấp và ngược lại. Sự tồn
tại của một doanh nghiệp phụ thuộc vào khả năng sinh lợi của doanh nghiệp đó. Với tỷ
suất sinh lợi trên doanh thu cao, tức là đơn vị đem lại nhiều lợi nhuận hơn, khả năng
thanh toán có thể được cải thiện, từ đó giảm thiểu khả năng xảy ra kiệt quệ tài chính. Kết
quả này cũng phù hợp với nghiên cứu của Mourad Arfaoui và Mohamed Goaied khi dự
báo khả năng kiệt quệ cho các công ty sản xuất ở Tunisia trong bài nghiên cứu “The
prediction of corporate financial Distress in Tunisia”.
Yếu tố tiếp theo là R
9
(EBIT/(nhu cầu vốn luân chuyển+Tài sản cố định)). Hệ số này
cũng mang dấu âm, tương tự như trên nó cũng có tác động ngược chiều đến xác suất kiệt
quệ tài chính của doanh nghiệp. EBIT/(Nhu cầu vốn luân chuyển+Tài sản cố định) như là
một tỷ số thể hiện khả năng tạo ra lợi nhuận trên tài sản kinh tế của doanh nghiệp, một
công ty có khả năng sinh lợi trên tài sản càng thấp thì khả năng kiệt quệ tài chính sẽ càng
cao. Trong bài nghiên cứu “The prediction of corporate financial Distress in Tunisia”,
chúng ta có thể thấy Mourad Arfaoui và Mohamed Goaied tìm thấy khả năng sinh lợi của
công ty có ảnh hưởng đến xác suất kiệt quệ tài chính của công ty đó. Đối với các doanh
nghiệp sản xuất niêm yết trên sàn HOSE và HNX ở Việt Nam, chúng tôi còn tìm thấy
khả năng sinh lợi trên tài sản của doanh nghiệp còn ảnh hưởng đến khả năng xảy ra kiệt
| Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 25