TIỂU LUẬN QUẢN TRỊ RỦI RO FINANCIAL DISTRESS & BANKRUPTCY PREDICTION AMONG LISTED COMPANIES USING ACCOUNTING MARKET & MACROECONOMIC VARIABLES

BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH
VIỆN ĐÀO TẠO SAU ĐẠI HỌC


BÀI TIỂU LUẬN
MÔN QUẢN TRỊ RỦI RO TÀI CHÍNH




FINANCIAL DISTRESS & BANKRUPTCY PREDICTION
AMONG LISTED COMPANIES
USING ACCOUNTING
MARKET & MACROECONOMIC VARIABLES



GVHD: GS.TS. TRẦN NGỌC THƠ
NHÓM 06

THÀNH VIÊN THAM GIA
1. Nguyễn Kim Đức
2. Vũ Trọng Dũng
3. Vương Thị Hồng Lâm
4. Nguyễn Thị Quỳnh Liên
5. Trương Đức Thùy
6. Võ Thị Ái Trúc

Thành phố Hồ Chí Minh, 2015
2

MỤC LỤC

TÓM TẮT 03
01. GIỚI THIỆU 03
1.1 Lý do chọn vấn đề nghiên cứu của nhóm tác giả
1.2 Mục tiêu nghiên cứu
1.3 Đối tượng và Phạm vi nghiên cứu
1.4 Ý nghĩa của bài nghiên cứu
1.5 Nội dung của bài nghiên cứu
02. LƯỢC KHẢO CÁC NGHIÊN CỨU THỰC NGHIỆM 08
2.1 Tổng quan
2.2 Các tranh luận về việc thêm biến thị trường vào mô hình dự báo kiệt quệ
2.3 Đề cập việc thêm biến kinh tế vĩ mô vào mô hình dự báo kiệt quệ
03. DỮ LIỆU VÀ ĐỊNH NGHĨA CÁC BIẾN 16
3.1 Biến kết quả
3.2 Biến độc lập
04. MÔ HÌNH 22
05. PHÂN TÍCH KẾT QUẢ 24
5.1 Hiệu ứng biến và những thay đổi trong xác suất dự đoán
5.2 Bảng phân loại chính xác
5.3 Giá trị của mô hình
5.4 Các tiêu chuẩn so sánh kết quả
06. THẢO LUẬN 45

3



TÓM TẮT
Sử dụng mẫu gồm 23.218 quan sát của các công ty niêm yết trong giai đoạn 1980-2011,
nghiên cứu này xem xét thực nghiệm sự tiện ích trong việc kết hợp các biến kế toán, thị
trường và kinh tế vĩ mô trong việc giải thích rủi ro tín dụng doanh nghiệp.
Bài viết phát triển các mô hình rủi ro cho các công ty niêm yết trong việc dự báo kiệt quệ tài
chính và xác suất phá sản. Mô hình tính toán của bài viết này sử dụng sự kết hợp các biến kế
toán, thị trường và các đại diện cho sự thay đổi môi trường kinh tế vĩ mô.
Kết quả nghiên cứu thể hiện sự tiện ích trong việc kết hợp các biến kế toán, thị trường và kinh
tế vĩ mô trong các mô hình dự báo kiệt quệ tài chính cho các công ty niêm yết.
Hiệu quả của mô hình ước tính này có sự khác biệt (against) với mô hình sử dụng MLP cũng
như khác với các đặc điểm kỹ thuật của mô hình Z-score của Altman (1968).

01. GIỚI THIỆU
1.1 Lý do chọn vấn đề nghiên cứu của Nhóm tác giả
Khủng hoảng tài chính 2008 nhấn mạnh sự thiếu sót của cách thức quản trị rủi ro trong
môi trường cho vay và đánh giá rủi ro ở cấp độ vi mô. Người cho vay và các nhà đầu tư
khác trong khu vực doanh nghiệp yêu cầu phải có sự điều chỉnh thông tin kịp thời về xác
suất rủi ro vỡ nợ doanh nghiệp khi cho vay và sử dụng các công cụ phái sinh.

Đối với ngân hàng, phát triển hiệu quả hệ thống xếp hạng nội bộ cho quản trị rủi ro doanh
nghiệp yêu cầu phải xây dựng các mô hình hướng dẫn dự báo xác suất phát sản cho từng
nhóm doanh nghiệp cụ thể. Mô hình phải có sự điều chỉnh của thay đổi môi trường vĩ mô,
tất nhiên là phù hợp với tính kịp thời và sẵn có của dữ liệu.
Việc sử dụng các mô hình rủi ro tín dụng được ghi nhận từ mô hình của Altman (1968).
Các mô hình dự báo thường dựa trên dữ liệu kế toán lịch sử đã được công bố rộng rãi
4

(Altman, 1968)
1

2
hoặc các thông tin về thị trường chứng khoán (Merton, 1974) để dự báo
xác suất phá sản.


1
Nhóm thuyết trình mở rộng về Mô hình dự báo kiệt quệ tài chính dựa trên biến kế toán theo Z-score
(Altman, 1968)
(1) Chỉ số Z (Z- score) (Altman, 1968; Altman, 1984)
Mô hình dự báo xác suất phá sản Z - score được giáo sư người Mỹ Edward I. Altman, trường kinh doanh
Leonard N. Stern, thuộc trường đại học New York phát triển vào năm 1968. Mô hình này được đánh giá là
dự báo được một cách tương đối chính xác các công ty sẽ bị phá sản trong vòng 2 năm thông qua việc xem
xét đến giá trị Z - score. Z - score là chỉ số kết hợp 5 tỷ số tài chính khác nhau với các trọng số khác nhau
dựa trên phân tích biệt số bội MDA. Công thức Z - score ban đầu (đối với doanh nghiệp đã cổ phần hóa,
ngành sản xuất) như sau:
Z = 0.012 X1 + 0.014 X2 + 0.033 X3 + 0.006 X4 + 0.999 X5
Trong đó: X1 = Vốn luân chuyển/Tổng tài sản;
X2 = Lợi nhuận giữ lại/Tổng tài sản;
X3 = EBIT/Tổng tài sản;

X4 = Giá trị thị trường của vốn CSH/Tổng nợ phải trả;
X5 = Doanh thu/Tổng tài sản.
Trong mô hình này, các biến từ X1 đến X4 đều phải được tính toán bằng giá trị phần trăm. Ví dụ, một công
ty có Vốn luân chuyển / Tổng tài sản (X1) là 15% thì số liệu được đưa vào mô hình là 15, không phải 0,15.
Riêng biến X5 (Doanh thu/Tổng tài sản) được giữ nguyên, không tính tỷ lệ phần trăm (do bản chất của X5 là
phản ánh vòng quay).
Sau nhiều năm phát triển, mô hình được thay đổi một số đặc điểm kĩ thuật để việc vận dụng được thuận tiện
hơn:
Z = 1.2 X1 + 1.4 X2 + 3.3 X3 + 0.6 X4 + 0.999 X5
Với mô hình này, các biến từ X1 đến X5 không cần tính toán bằng phần trăm.
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 : Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản cao.

Từ chỉ số Z ban đầu được sử dụng cho các doanh nghiệp đã cổ phần hóa, Altman phát triển thêm Z’, Z’’ để
có thể áp dụng cho các loại hình doanh nghiệp khác:
Mô hình Z’ dùng cho các doanh nghiệp chưa cổ phần hóa, ngành sản xuất
Z’ = 0,717 X1 + 0,847 X2 + 3,107 X3 + 0,420 X4 + 0,998 X5
Trong đó các biến đều được giữ nguyên với mô hình cũ, ngoại trừ biến X4. X4 trong chỉ số Z sử dụng giá trị
thị trường của vốn chủ sở hữu, còn trong chỉ số Z', X4 sử dụng giá trị sổ sách.
Nếu Z’ > 2.9 : Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
Nếu 1.23 < Z’ < 2.9 : Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản
Nếu Z’ < 1.23 : Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản cao.

5



Mô hình Z’’- score cho các doanh nghiệp khác:
Z’’ = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4

Giống với chỉ số Z', biến X4 trong chỉ số Z” vẫn sử dụng giá trị sổ sách của vốn chủ sở hữu. Điểm sửa đổi
của mô hình này là không sử dụng biến X5 và dẫn đến hệ số của các biến từ X1 đến X4 đều thay đổi so với
chỉ số Z'. Chỉ số Z” có thể được dùng cho hầu hết các ngành và các loại hình doanh nghiệp.
Nếu Z” > 2.6 : Doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản.
Nếu 1.1 < Z” < 2.6 : Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản.
Nếu Z” < 1.1 : Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản cao.

(2) Mô hình Z” điều chỉnh (Altman & cộng sự, 1995)
Nếu như các chỉ số Z của Altman (1984) trước đây chỉ dừng lại ở việc cảnh báo dấu hiệu phá sản thì năm
1995, Altman, Hartzell và Peck (1995) đã tiến hành nghiên cứu trên 700 công ty và để cho ra chỉ số Z’ điều
chỉnh (còn gọi là mô hình EMS). Điểm nổi bật của chỉ số Z” điều chỉnh có sự tương đồng khá cao với phân
loại trái phiếu của S&P. Điều này hàm ý các mô hình toán học có sự liên thông với phương pháp chuyên gia
trong việc phân loại rủi ro tín dụng.
Z” điều chỉnh = Z’’ + 3.25 = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4 + 3.25
Bảng A. So sánh Z” và phân loại của S&P
Z” điều chỉnh
S&P
Z” điều chỉnh
S&P
> 8.15
AAA
5.25 – 5.65
BB+
7.60 – 8.15
AA+
4.95 – 5.25
BB
7.30 – 7.60
AA
4.75 – 4.95

BB-
7.00 – 7.30
AA-
4.50 – 4.75
B+
6.85 – 7.00
A+
4.15 – 4.50
B
6.65 – 6.85
A
3.75 – 4.15
B-
6.40 – 6.65
A-
3.20 – 3.75
CCC+
6.25 – 6.40
BBB+
2.50 – 3.20
CCC
5.85 – 6.25
BBB
1.75 – 2.50
CCC-
5.65 – 5.85
BBB-
< 1.75
D
Nguồn: Altman & cộng sự, 1995

(3) Xác định xác suất vỡ nợ công ty dựa trên xếp hạng trái phiếu
Một số trái phiếu của công ty, đặc biệt ở Hoa kỳ, được đánh giá rủi ro vỡ nợ bởi các cơ quan xếp hạng (như
S&P, Fitch, Moody's). Việc đánh giá trái phiếu không chỉ cung cấp thông tin về rủi ro vỡ nợ (hoặc ít nhất là
các cơ quan xếp hạng nhận thức được về rủi ro vỡ nợ của doanh nghiệp), mà còn tạo lập cho mỗi cổ phiếu
có một lịch sử xếp hạng phong phú. Khi các trái phiếu được đánh giá cao trong nhiều thập kỷ, KTV có thể
xem xét lịch sử vỡ nợ của các trái phiếu trong mỗi bậc xếp hạng. Giả sử, nếu cơ quan xếp hạng không thay
đổi tiêu chuẩn xếp hạng của họ, thì thẩm định viên có thể sử dụng các xác suất vỡ nợ này làm dữ liệu đầu
vào cho mô hình xác định giá trị bằng dòng tiền chiết khấu. Altman và Kishore (1998) đã có những ước tính
xác suất vỡ nợ cho trái phiếu trong mỗi bậc khác nhau trong thời gian 10 năm, sau đó nghiên cứu của
Altman & Kishore (2001) đã bổ sung thêm bằng chứng thực nghiệm về xác suất vỡ nợ cho công ty trong
mỗi bậc khác nhau trong thời gian 5 năm và 10 năm. Kết quả dự toán được trình bày trong bảng B và C:


6

Các nghiên cứu gần đây tranh luận về một cách tiếp cận tổng hợp (do Trujillo-Ponce,
Samaniego_Medina và Cardone-Riportella đề xuất trên báo chí) cả dữ liệu kế toán và dữ
liệu thị trường và đề nghị rằng “dữ liệu kế toán và dữ liệu thị trường bổ sung cho nhau và
một mô hình toàn diện bao gồm cả hai loại dữ liệu này là sự lựa chọn tốt nhất”.
Môt vài nghiên cứu dùng “định nghĩa phá sản” tức là khi có thông báo vỡ nợ chính thức
về pháp lý, nghĩa vụ trả nợ và lãi (Mella-Barral & Perrauding, 1997) hay mất khả năng


Bảng B. Xếp hạng trái phiếu và Xác suất phá sản
Xếp hạng
Xác suất phá sản

5 năm
10 năm

AAA
0.03%
0,03%
AA
0,18%
0,25%
A +
0,19%
0,40%
A
0,20%
0,56%
A -
1,35%
2,42%
BBB
2,50%
4,27%
BB
9,27%
16,89%
B+
16,25%
24,82%
B
24,04%
32,75%
B-
31,10%
42,12%

CCC
39,15%
51,38%
CC
48,22%
60,40%
C+
59,36%
69,41%
C
69,65%
77,44%
C-
80,00%
87,16%

Nguồn: Altman & Kishore, 2001; Damodaran, 2002; Damodaran, 2006

Bảng C. Tỷ lệ vỡ nợ của các thứ hạng tín dụng trái phiếu
Thứ hạng
trái phiếu
Tỷ lệ vỡ nợ
Thứ hạng
trái phiếu
Tỷ lệ vỡ nợ
D
100%
BB
12.2%
C

80%
BBB
2.30%
CC
65%
A-
1.41%
CCC
46.61%
A
0.53%
B-
32.5%
A+
0.40%
B
26.36%
AA
0.28%
B+
19.28%
AAA
0.01%

Nguồn: Altman & Kishore, 1998

2
Nhóm thuyết trình mở rộng các nghiên cứu thực nghiệm có sử dụng mô hình Z-score (Altman, 1968)
Cơ sở dữ liệu chủ yếu là báo cáo tài chính nên thuận tiện cho việc thu nhập, khả năng áp dụng mô hình đơn
giản, nhanh và dễ thực hiện. Ngoài ra mô hình này đã được nghiên cứu thực nghiệm ở một số quốc gia như

Jordan (Alareeni và Branson, 2012), thị trường Tehran (Ghodrati và Moghhaddam, 2012), Thái Lan
(Haseley, 2012).


7

thanh toán trái phiếu (Geske, 1977) hay khoản vay, vỡ nợ giao dịch hoán đổi (Ericson,
Jacob & Oviedo, 2009) hay đình chỉ niêm yết.
Cách tiếp cận mô hình này đã được áp dụng rộng rãi cho các công ty niêm yết sử dụng các
thủ tục thống kê như MDA, hồi quy Logistic, hoặc mô hình rủi ro đạo đức.
Các nghiên cứu gần đây đã mở rộng định nghĩa của XSPS bao gồm sự đo lường rộng hơn
của kiệt quệ tài chính dựa trên BCTC. Hơn nữa, sự nỗ lực sử dụng các dữ liệu môi trường
vĩ mô , dữ liệu phi tài chính và các dữ liệu thời gian khác.
1.2 Mục tiêu nghiên cứu
Xây dựng mô hình dự báo kiệt quệ tài chính chính xác và kịp thời bằng cách sử dụng các
biến kế toán, thị trường và biến kinh tế vĩ mô;
Kiểm định sự đóng góp của các biến trên đối với việc tăng ý nghĩa của mô hình trong việc
dự báo kiệt quệ tài chính và phá sản.
1.3 Đối tượng và Phạm vi nghiên cứu
Đối tượng nghiên cứu: Nghiên cứu dự báo kiệt quệ tài chính và phá sản của các doanh
nghiệp niêm yết;
Phạm vi nghiên cứu: Doanh nghiệp phi tài chính niêm yết trên sàn giao dịch chứng
khoán Anh.
1.4 Ý nghĩa của bài nghiên cứu
Nghiên cứu này sẽ góp phần bổ sung cho kho tàng học thuật. Cụ thể:
Một là, nghiên cứu sẽ trình bày mô hình dự báo kiệt quệ tài chính cho các công ty niêm
yết ở Anh, bằng cách sử dụng các định nghĩa khủng hoảng dựa trên tài chính trước đây để
phát hiện giai đoạn đầu của kiệt quệ tài chính. Mô hình sử dụng phổ biến là sử dụng dữ
liệu sự kiện được cung cấp bởi “Cơ sở dữ liệu giá cổ phần London - London share price
database”. Dự báo kịp thời kiệt quệ tài chính sẽ giúp các chủ nợ ngăn ngừa các chi phí liên

quan đến nộp đơn phá sản.
Hai là, sử dụng “lý thuyết đa tầng - multi-level theoretical” và các thủ tục thực nghiệm,
nghiên cứu này cung cấp mô hình dự báo kiệt quệ tài chính một số lượng biến nhỏ hơn,
thể hiện một sự phân loại cao đáng kể và dự báo tương đối chính xác so với các nghiên
cứu trước đó.
Ba là, đây có lẽ là điều quan trọng nhất của bài nghiên cứu, mô hình đã kiểm tra giai đoạn
đầu của mô hình dự báo kiệt quệ tài chính cho các công ty đã niêm yết ở Anh với 3 loại
biến là tỷ số tài chính, chỉ số vĩ mô và biến thị trường.
1.4 Nội dung của bài nghiên cứu
Bài nghiên cứu được cấu trúc như sau, ở phần tiếp theo, tác giả sẽ thảo luận về các nghiên
cứu thực nghiệm có liên quan đến cấp tiếp cận của mô hình mà nhóm tác giả đề xuất. Họ
mô tả dữ liệu nghiên cứu và đo lường biến phụ thuộc và bộ các biến độc lập. Mô hình ước
tính được thảo luận cùng với phân tích, kết quả và thảo luận.
8


02. LƯỢC KHẢO CÁC NGHIÊN CỨU THỰC NGHIỆM
2.1 Tổng quan
Hầu hết các mô hình dự báo phá sản cho các công ty niêm yết trước đây đều sử dụng khái
niệm tiêu chí sự kiện dựa trên hậu quả pháp lý cuối cùng: hoặc là thanh lý bắt buộc ở Mỹ,
hoặc là thanh lý tự nguyện ở Anh. Đây là các sự kiện pháp lý dễ nhận thấy, một cách
khách quan và chính xác thì đây có thể sử dụng để đại diện cho biến kết quả.
Tuy nhiên, định nghĩa phá sản theo cách tiếp cận dựa trên pháp lý này không phải là
không có vấn đề. Ví dụ, khả năng thanh toán có thể là một quá trình hợp pháp dài và ngày
thất bại “hợp pháp” không đại diện cho sự kiện “thực” hoặc “kinh tế” cho thất bại.
Phân tích các công ty ở Anh thể hiện một khoảng cách thời gian đáng kể (lên đến 3 năm
hoặc bình quân là 1.17 năm) giữa thời gian mà công ty rơi vào trạng thái kiệt quệ tài chính
(dẫn đến công ty bị phá sản) với ngày mà công ty phá sản / kiệt quệ hợp pháp. Bằng
chứng thực nghiệm này cũng phù hợp với phát hiện của Theodossiou (1993), các công ty
ở Mỹ ngừng cung cấp các tài khoản khoảng 2 năm trước khi nộp đơn phá sản.

Hàm ý rằng các công ty rơi vào tình trạng kiệt quệ tài chính nghiêm trọng ở một số thời
điểm trong vòng hai năm trước khi có sự kiện phá sản hợp pháp.
Hơn nữa, nó phù hợp với các công ty ở trong trạng thái kiệt quệ tài chính nhưng không
thay đổi tình trạng pháp lý là sẽ dẫn đến phá sản.
Thêm vào đó, việc thay đổi luật phá sản đã làm thay đổi bản chất và thời gian quá trình
phá sản hợp pháp.
Wruck (1990) cho rằng có nhiều trạng thái mà doanh nghiệp có thể gặp phải trước khi
được xem như “chết”, ví dụ như kiệt quệ tài chính, khả năng thanh toán, nộp hồ sơ phá
sản, tiếp quản hành chính (để tránh nộp hồ sơ phá sản). Hơn nữa, sự suy giảm có thể được
quản lý bằng cách bán bớt tài sản hoặc giải thể hơn là phá sản chính thức.
Nghiên cứu này giới thiệu lần đầu tiên cho các công ty niêm yết ở Anh, một khái niệm
dựa trên “kiệt quệ tài chính”. Sự phát triển này đã được nhấn mạnh như là một nghiên cứu
học thuật quan trọng (Barners, 1987, 1990; Pindado, Rodrigues & De la Torre, 2008) và
đã được chứng minh bởi sự thất bại của các công ty khi gặp nghĩa vụ tài chính thì không
tránh khỏi nộp đơn phá sản.
Nghiên cứu nhận thấy kiệt quệ tài chính có thể sẽ rất tốn kém cho chủ nợ và họ mong
muốn có những hành động kịp thời để tránh hoặc giảm thiểu các chi phí này. Như vậy,
cần thiết phải có một mô hình dự báo kiệt quệ tài chính đáng tin cậy, được phát triển
không chỉ bao gồm các sự kiện phá sản như là biến đầu vào mà còn phải thể hiện khi công
ty không đáp ứng được các nghĩa vụ tài chính.
Wruck (1990) xác định kiệt quệ tài chính như một tình huống mà ở đó dòng tiền của
doanh nghiệp không đủ để trang trải nghĩa vụ tài chính hiện hành.
9

Asquith, Gertner & Scharfstein (1994)
3
phân tích trường hợp phát hành trái phiếu để ngăn
chặn phá sản và xác định kiệt quệ tài chính theo cách tương tự. Trong thực tế, các doanh
nghiệp bị xem là kiệt quệ tài chính khi EBITDA nhỏ hơn chi phí tài chính được báo cáo
(chi phí lãi vay của nợ) trong hai năm liên tiếp, bắt đầu từ năm sau khi phát hành trái

phiếu hoặc nếu bất kỳ năm nào có EBITDA nhỏ hơn 80% chi phí lãi vay.
Whitaker (1999) phân tích giai đoạn đầu của kiệt quệ tài chính và chỉ ra rằng tác động của
nó không giống nhau ở các doanh nghiệp không có khả năng đáp ứng các nghĩa vụ nợ
theo hợp đồng, và khi đó, khả năng phá sản của doanh nghiệp sẽ tăng lên. Ông ta nói rằng,
trên thực tế, tác động của kiệt quệ tài chính có thể được phát hiện trước khi doanh nghiệp
phá sản, như là một phần của sự giảm giá trị doanh nghiệp xảy ra trước khi kiệt quệ tài
chính.
Whitaker (1999) định nghĩa kiệt quệ tài chính ở năm đầu tiên khi mà dòng tiền của doanh
nghiệp nhỏ hơn nghĩa vụ nợ dài hạn hiện tại. Hơn nữa, giá trị thị trường được sử dụng để
xác nhận kiệt quệ tài chính. Nghĩa là các công ty kiệt quệ tài chính hoặc là một tỷ lệ tăng
trưởng âm trong giá trị thị trường hoặc là một tỷ lệ tăng trưởng âm trong giá trị thị trường
được điều chỉnh bởi ngành.
Bảng 01. Tổng hợp các định nghĩa về kiệt quệ tài chính


Sách Tài chính doanh nghiệp
hiện đại
“Kiệt quệ tài chính: Kiệt quệ tài chính (financial
distress) xảy ra khi doanh nghiệp không đáp ứng được
các hứa hẹn với chủ nợ hay đáp ứng một cách khó
khăn. Đôi khi kiệt quệ tài chính đưa đến phá sản, đôi
khi nó chỉ có nghĩa là công ty đang gặp khó khăn, rắc
rối về tài chính”
Wruck (1990)
“Kiệt quệ tài chính như một tình huống mà dòng tiền
của một công ty không đủ để trang trải các nghĩa vụ tài
chính”
Asquith, Gertner &
Scharfstein (1994)
Khi phân tích các phương án mà các tổ chức phát hành

trái phiếu lãi cao phải đối mặt để ngăn chặn tình trạng
phá sản và kiệt quệ tài chính. Định nghĩa về kiệt quệ


3
Nhóm thuyết trình mở rộng bài nghiên cứu của Asquith, Gertner & Scharfstein (1994)
Asquith, Gertner & Scharfstein (1994) phân tích trường hợp phát hành trái phiếu để ngăn chặn phá sản và
xác định kiệt quệ tài chính dựa trên tỷ số thanh toán lãi vay. Trong thực tế, các doanh nghiệp bị xem là kiệt
quệ tài chính khi EBITDA nhỏ hơn chi phí tài chính được báo cáo (chi phí lãi vay của nợ) trong hai năm liên
tiếp, bắt đầu từ năm sau khi phát hành trái phiếu có rủi ro cao hoặc nếu bất kỳ năm nào có EBITDA nhỏ hơn
80% chi phí lãi vay. Tuy nhiên điều này không có nghĩa là bao gồm các công ty có tỷ số thanh toán lãi vay
từ 0.8 đến 1 trong 1 năm sau khi phát hành trái phiếu. Đó là bởi vì một vài công ty nằm trong vùng này
nhưng không tiến hành các hành động đáng nghi ngờ đối với khủng hoảng như phát hành trái phiếu có rủi ro
cao, mà họ vẫn có dòng tiền thanh khoản tốt có thể chi trả lãi vay. Ngoài ra, một vài công ty có thể có lãi
suất đặc biệt cao trong năm họ phát hành nợ ra công chúng cho nên chúng tôi xác định tỷ lệ ngưỡng rủi ro
kiệt quệ tài chính là EBITDA nhỏ hơn 80% chi phí lãi vay.
10

tài chính của họ dựa vào hệ số thanh toán lãi vay.
Trong thực tế, “một công ty được phân loại là kiệt quệ
tài chính nếu thu nhập trước lãi, thuế, khấu hao và các
khoản giảm trừ (EBITDA) ít hơn so với chi phí tài
chính (Chi phí lãi vay) trong hai năm liên tiếp bắt đầu
từ sau khi phát hành trái phiếu lãi cao, hoặc, nếu trong
bất kỳ năm nào EBITDA ít hơn 80% chi phí lãi vay
của nó”.
Andrade & Kaplan (1998)
“Kiệt quệ tài chính khi EBITDA năm đầu tiên của
một công ty nhỏ hơn chi phí tài chính”.
Whitaker (1999)

“Kiệt quệ tài chính khi dòng tiền của một công ty ít
hơn nghĩa vụ nợ dài hạn hiện tại. Hơn nữa, giá trị thị
trường được sử dụng để xác nhận kiệt quệ tài chính khi
doanh nghiệp có một tỷ lệ tăng trưởng âm theo giá trị
thị trường hoặc một tỷ lệ tăng trưởng âm theo giá trị thị
trường điều chỉnh của ngành sản xuất.”
Nguồn: Tổng hợp của nhóm thuyết trình
2.2 Các tranh luận về việc thêm vào biến thị trường trong việc dự báo kiệt quệ
Các nghiên cứu gần đầy đã kiểm tra sự tiện ích của biến thị trường trong việc dự báo phá
sản bằng cách sử dụng các mô hình như Black-Scholes (1973) và Merton (1974)
4

5
tiếp
cận dựa trên quyền chọn hoặc contingent claims


4
Nhóm thuyết trình mở rộng về mô hình Merton (1974) & mô hình KMV-Merton
Mô hình KMV-Merton được giới thiệu đầu tiên vào năm 1974 bởi Merton (1974) dựa trên lý thuyết định giá
quyền chọn của Black & Scholes (1973) và những giả thuyết quan trọng do Merton thiết lập. Sau đó, công
tyKMV đã phát triển mô hình Merton cổ điển để dự báo nguy cơ phá sản của DN, và từ đó xuất hiện mô
hình KMV-Merton. Mô hình này dựa trên ý tưởng là vốn chủ sở hữu của một DN có thể được xem như một
quyền chọn dựa trên giá trị tài sản của DN trong một khoảng thời gian nhất định. Một khi giá trị tài sản của
doanh nghiệp giảm xuống dưới điểm phá sản (Default Point), tại hoặc trước thời điểm cuối của khoảng thời
gian được xét, DN sẽ phá sản ngay lập tức. Nói một cách đơn giản, mô hình KMV-Merton cho biết khả
năng phá sản của mỗi DN trong mẫu được chọn ở bất kỳ thời điểm nào được xem xét. Mô hình này có hai
giả định đặc biệt quan trọng:
Giả định đầu tiên đó là tổng già trị tài sản của DN có thể diễn tả bằng chuyển động hình học Brown
(Geometric Brownian Motion)

Giả định thứ hai của mô hình KMV-Merton là DN chỉ có một loại nợ, đó là phát hành một loại trái phiếu
không trả lãi theo kỳ (No coupon) có thời gian đến hạn là T

5
Nhóm thuyết trình mở rộng các nghiên cứu phát triển từ mô hình KMV-Merton
Sau khi mô hình KMV – Merton được công bố đã có nhiều nghiên cứu đánh giá về mô hình này. Đa số đều
tập trung vào hai giả định quan trọng của Merton trong mô hình và đưa ra những "phiên bản" mở rộng của
mô hình.

11

Bharath and Shumway (2008), Hillegeist, Keating, Cram, and Lundstedt (2004), Reisz
and Perlich (2007), and Vassalou and Xing (2004) đã sử dụng cách tiếp cận contingent
claims để ước tính khả năng thất bại của doanh nghiệp. Dữ liệu gần đây hơn dựa trên
Credit Default Swaps được sử dụng để đãi diện cho rủi ro tín dụng.
Nhiều nghiên cứu thực nghiệm đã cố gắng chứng minh sự vượt trội của mô hình dựa trên
thị trường và mô hình dựa trên kế toán và ngược lại. Tuy nhiên, kết quả thu được từ các
mô hình này (đòi hỏi nhiều giả định hạn chế) và sự so sánh hiệu quả với các mô hình dựa
trên kế toán vẫn còn nhiều tranh cãi.
Trong một nghiên cứu gần đây, Agarwal & Taffler (2008)
6
thực hiện so sánh mô hình dự
báo phá sản dựa trên kế toán và dựa trên thị trường, kết quả cho thấy các mô hình truyền
thống dựa trên các tỷ số tài chính không thua kém KMV type và mô hình dựa trên quyền
chọn cho mục đích đánh giá rủi ro tín dụng. Họ kết luận rằng, xét ở góc độ chính xác thì
có rất ít sự khác biệt giữa mô hình dựa trên thị trường và mô hình dựa trên kế toán.


Nghiên cứu của Bharath (2004) : Bharath kiểm tra hai giả thuyết. Giả thuyết đầu tiên là liệu xác suất phá sản
của mô hình Merton có tính chất thống kê hiệu quả đầy đủ để dự báo phá sản hay không. Giả thuyết thứ hai

là trong mô hình KMV-Merton, những hàm số tính toán liên quan đến xác suất mặc định mới quan trọng
còn kết quả của hai phương trình phi tuyến tính là không quan trọng và có thể được điều chính theo cách tốt
hơn. Thông qua kết quả nghiên cứu thực nghiệm , Bharath thấy rằng khá dễ dàng bác bỏ giả thuyết đầu tiên.
Bên cạnh đó, Bharath cũng chỉ ra được một mô hình tính toán rút gọn hiệu quả cho xác suất phá sản mà
không cần dựa nhiều vào việc tính toán 2 phương trình phi tuyến như ở mô hình cổ điển. Tuy nhiên, trong
khi xây dựng chứng minh giả thuyết thứ 2, Bharath lại đánh giá độ biến động của khoản nợ DN thông qua
những tính toán cố định liên quan với biến động của giá trị vốn chủ sở hữu. Điều này có thể đúng với một số
trường hợp khác nếu chúng ta xét đến DN đến từ nhiều ngành nghề khác nhau.

Nghiên cứu của Lu (2008): Ngược lại với Bharath (2004), trong nghiên cứu này, Lu tin tưởng vào khả năng
tính toán hiệu quả xác suất phá sản của mô hình Merton và qua đó phát triển mô hình KMV-Merton dựa trên
lập luận rằng khoản nợ của một doanh nghiệp phải được chia theo nợ ngắn hạn và dài hạn.

6
Nhóm thuyết trình mở rộng bài nghiên cứu của Agarwal & Taffler (2008)
Bài nghiên cứu của Agarwal & Taffler (2008) có hướng đi và đường lập luận gần giống với bài nghiên
cứu của nhóm thuyết trình

Agarwal & Taffler (2008) nghiên cứu trên mẫu là các công ty phi tài chính, trong đó có 103 công ty bị phá
sản chiếm tỷ lệ 0,67% các doanh nghiệp niêm yết trên sàn.
Nghiên cứu này bao gồm tất cả các công ty thuộc ngành công nghiệp phi tài chính của Anh được liệt kê đầy
đủ trên thị trường chứng khoán London (LSE) trong khoảng thời gian 1985-2001 với 15.384 quan sát, trong
đó có 103 công ty bị phá sản chiếm tỷ lệ 0,67%. Các doanh nghiệp niêm yết trên sàn.

Bài viết sử dụng 3 mô hình:
Một là, 2 mô hình sử dụng cho các biến thị trường: một theo Hillegeist & et al. (2004) và một theo Bharath
& Shumway (2004) (Cả 2 đều dựa trên mô hình của Black and Scholes (1973) and Merton (1974))
Hai là, Sử dụng mô hình Z-core của Atman (1968)

Bằng cách sử dụng đường cong ROC, bài nghiên cứu tìm thấy mô hình Z-core có diện tích dưới đường ROC

lớn hơn, tức cho ý nghĩa dự báo cao hơn so với mô hình sử dụng các biến thị trường.

Để kiểm tra xem mô hình Z-score làm tốt hơn so với mô hình dựa trên thị trường một cách đáng kể, diện
tích dưới đường cong ROC cho các mô hình Z-score là một lần nữa nhất so với hai mô hình dựa trên thị
trường. Các mô hình Z-score tốt hơn mạnh các mô hình thị trường dựa trên phương trình đồng thời (Z =
2,39) trong khi không có sự khác biệt đáng kể.

12

Hillegeist và cộng sự (2004) lại cung cấp một kết quả ngược lại khi cho biết mô hình định
giá quyền chọn của Black-Scholes-Merton cung cấp một lượng thông tin đáng kể hơn về
khả năng phá sản so với chỉ số Z-score của Altman và chỉ số O-score của Ohlson
7

8
. Như
phỏng đoán sớm hơn các nghiên cứu dự báo phá sản có thể được đặc trưng bởi các cách
tiếp cận cạnh tranh, nơi mà có sự phân chia rõ ràng giữa biến kế toán và biến thị trường.
Hillegeist và cộng sự (2004) đã cho ví dụ bằng cách giới thiệu các nhà nghiên cứu sử
dụng mô hình của Black-Scholes-Merton thay vì cách đo lường truyền thống là dựa trên
kế toán nhằm đại diện cho khả năng phá sản.


7
Nhóm thuyết trình mở rộng về Mô hình dự báo kiệt quệ tài chính dựa trên biến kế toán theo O-score
(Ohlson, 1980)
8
Nhóm thuyết trình mở rộng về Mô hình dự báo kiệt quệ tài chính dựa trên biến kế toán theo H-score
(Fulmer và các tác giả, 1984)
Một trong những mô hình ra đời sau nhưng cũng được đánh giá cho khả năng DBPS chính xác đến 98% khi

sử dụng để kiểm định doanh nghiệp 1 năm trướckhi phá sản và độ chính xác 81% đối với việc dự báo trên
một năm là mô hình Fulmer (Fulmer và các tác giả , 1984). Cùng với phương pháp MDA được sử dụng
trong nghiên cứu của Altman, cụ thể là kỹ thuật stepwise cho phép chọn lọc ra các biến có tác động lớn nhất
đến khả năng dự báo, mô hình Fulmer đã lựa chọn từ 40 chỉ số tài chính với bộ mẫu gồm 60 công ty trong
đó 30 công ty phá sản và 30 công ty khỏe mạnh để xây dựng mô hình DBPS gồm 9 biến.
Mô hình H-score có dạng:
H = 5,528X
1
+ 0,212X
2
+ 0,073X
3
+ 1,270X
4
– 0,120X
5
+ 2,335X
6
+ 0,575X
7
+ 1,083X
8
+ 0,894X
9
– 6,075
Trong đó các biến X
1
đến X
9
được tính toán theo các công thức sau:

X1 = Lợi nhuận giữ lại / Tổng tài sản
X2 = Doanh thu thuần / Tổng tài sản
X3 = Lợi nhuận trước thuế / Vốn chủ sở hữu
X4 = Dòng tiền / Tổng nợ
X5 = Tổng nợ / Tổng tài sản
X6 = Nợ ngắn hạn / Tổng tài sản
X7 = Log (Tài sản cố định)
X8 = Vốn luân chuyển / Tổng nợ
X9 = Log (EBIT/lãi vay)
Nếu H < 0: Doanh nghiệp sắp phá sản
Nếu H ≥ 0 : Doanh nghiệp an toàn
Mackevicius và Sneidere (2010) thực hiện trên các nhóm ngành khác nhau ở Latvia cho kết quả dự báo
83,6% đối với nhóm doanh nghiệp xây dựng, 81,2% đối với nhóm sản xuất và 90,55% đối với nhóm doanh
nghiệp ngành dịch vụ

13

Những nghiên cứu gần đây hơn đã cho rằng cả hai cách tiếp cận này có ngụ ý tương tự
nhau và cả hai đều chứa đựng các thông tin hữu ích về khả năng kiệt quệ tài chính của
doanh nghiệp. Hơn nữa, với đặc tính riêng biệt của mỗi loại biến (kế toán và thị trường) sẽ
hứa hẹn sự phát triển của một mô hình hiệu quả hơn nếu chỉ dựa trên hoặc là biến kế toán,
hoặc là biến thị trường.
Balcaen & Ooghe (2004) lập luận rằng “nếu các nhà nghiên cứu chỉ sử dụng các tỷ số tài
chính cho các mô hình dự báo phá sản thì họ đang ngầm giả định rằng các chỉ số thành
công hoặc thất bại có liên quan (cả nội sinh và ngoại sinh) được phản ánh trong các tài
khoản thường niên. Nó làm sạch báo cáo tài chính không bao gồm các thông tin có liên
quan đến dự báo kiệt quệ tài chính , và biến thị trường rất thích hợp để bổ sung cho sự
thiếu hụt này.
Rees (1995) cho rằng giá thị trường có thể là sự dự báo hữu ích cho khả năng phá sản vì
nó bao gồm các thông tin về dòng tiền kỳ vọng trong tương lai.

Hillegeist và cộng sự (2004) cho rằng thị trường chứng khoán là một nguồn thông tin thay
thế bởi vì nó chứa các thông tin từ các nguồn khác ngoài báo cáo tài chính
Beaver, McNichols & Rhie (2005) chỉ ra rằng khả năng phá sản được thể hiện trong giá
thị trường, mặc dù khả năng này không được chiết xuất trực tiếp: vì khả năng phá sản làm
tăng tính chất phi tuyến của hàm lợi ích của các cổ phiếu thông thưởng trở nên ngày càng
quan trọng hơn vì rủi ro nợ và nghĩa vụ hạn chế. Rõ ràng, việc bao gồm biến thị trường
đang hấp dẫn trên nhiều căn cứ:
Một là, giá thị trường phản ánh được các thông tin đã thể hiện và chưa thể hiện trong báo
cáo kế toán;
Hai là, sự bao gồm biến thị trường có thể làm tăng đáng kể tính kịp thời của mô hình dự
báo. Trong khi các tài khoản tài chính có sẵn ở Anh theo định kỳ hàng quý thì giá thị
trường có sẵn theo ngày;
Ba là, giá thị trường có thể thích hợp hơn để dự báo phá sản do nó phản ánh dòng tiền
được kỳ vọng trong tương lai, trong khi các báo cáo kế toán thì ngược lại, phản ánh hiệu
quả quá khứ của doanh nghiệp;
Bốn là, biến thị trường có thể cung cấp một dự báo mạnh mẽ về rủi ro phá sản và không
thể hiện trong báo cáo tài chính. Theo Beaver và cộng sự (2005), các biến động càng lớn
thì khả năng phá sản càng cao.
Một trong số ít các nghiên cứu có sử dụng biến thị trường để nâng cao tính kịp thời và
chính xác của mô hình dự báo là Campbell, Hilscher & Szilagyi (2008). Nhóm tác giả này
đã phân tích các yếu thất bại cũng như định giá các chứng khoán kiệt quệ tài chính với khả
năng kiệt quệ cao thông qua mô hình logit bao gồm có biến kế toán và biến thị trường.
Thêm vào đó, tập hợp các biến thị trường và kế toán được kiểm tra: log của suất sinh lợi
hàng tháng trên vốn chủ sở hữu có liên quan theo chỉ số S&P500, độ lệch chuẩn của suất
sinh lợi chứng khoán theo ngày trong hơn 03 tháng trong quá khứ, quy mô tương đối của
mỗi doanh nghiệp được đo lường như là log của chỉ số vốn hóa thị trường và log giá mỗi
14

cổ phiếu được cắt bớt ở mức 15 USD. Nghiên cứu này thực hiện với dữ liệu cho các công
ty đại chúng ở Mỹ.

Similarly, Chava & Jarrow (2004) kiểm tra trong phân tích của họ, thêm vào biến kế toán
của Altman (1968). Biến của bài nghiên cứu này bao gồm các biến trong nghiên cứu của
Shumway (2001). Cụ thể, biến kế toán gồm có thu nhập ròng trên tổng tài sản, tổng nợ
trên tổng tài sản. Biến thị trường gồm quy mô tương đối được định nghĩa là logarit tự
nhiên của giá trị VCSH trong mối quan hệ trong tổng giá trị VCSH thị trường
NYSE/AMEX, biến động chứng khoán được tính như là độ lệch chuẩn của 60 quan sát là
giá thị trường hàng ngày.
Trong Shumway (2001), biến thị trường tương tự được kiểm tra trong mô hình dự báo phá
sản với một vài biến động nhỏ, được gọi là độ lệch chuẩn riêng biệt của suất sinh lợi của
mỗi doanh nghiệp, giá trị này được tính toán bằng cách hồi quy suất sinh lợi theo tháng
của chứng khoán cho suất sinh lợi bình quân theo chỉ số NYSE/AMEX trong cùng kỳ
Gần đây hơn, Christidis & Gregory (2010) theo Campbell và cộng sự (2008) và kiểm tra
ba biến thị trường trong mô hình dự báo kiệt quệ tài chính cho các công ty niêm yết ở
Anh, nó cũng bao gồm một bộ các biến kế toán. Như biến thị trường, nhóm tác giả này
thay thế giá trị sổ sách bằng giá trị thị trường và kiểm tra suất sinh lợi kỳ vọng nữa năm
qua chỉ số FTSE và độ lệch chuẩn suất sinh lợi chứng khoán (được tính toán trong kỳ 6
tháng) có thể làm tăng sức mạnh của các mô hình dự báo. Kết quả nghiên cứu cho thấy giá
trị thị trường có khả năng làm tăng độ chính xác của các mô hình dự báo phá sản.
Bảng 02. Tổng hợp các kết quả nghiên cứu về việc đưa biến thị trường vào mô hình
Tác giả
Phương pháp
nghiên cứu
Kết quả nghiên cứu
Hillegeist và cộng
sự (2004)
Sử dụng mô hình lựa
chọn định giá Black -
Scholes – Merton
Z-score của Altman hoặc
O-score của Ohlson

Nên sử dụng mô hình định giá quyền
chọn Black – Scholes - Merton dựa trên
giá trị thị trường thay cho phương pháp
truyền thống dựa trên giá trị kế toán
Rees (1995)

Giá tri thị trường có thể là một yếu tố
dự báo hữu ích cho xác suất phá sản vì
chúng tính đến các thông tin về dòng
tiền dự kiến trong tương lai.
Balcaen và
Ooghe (2004)

Cả hai phương pháp mang lại kết quả
tương tự, cả hai đều chứa thông tin hữu
ích về khả năng phá sản/ kiệt quệ tài
chính của các công ty.
Nếu các nhà nghiên cứu chỉ sử dụng các
tỷ số tài chính cho các mô hình dự báo
phá sản thì họ đang ngầm giả định rằng
các chỉ số thành công hoặc thất bại có
15

liên quan (cả nội sinh và ngoại sinh)
được phản ánh trong các tài khoản
thường niên. Nó làm sạch báo cáo tài
chính không bao gồm các thông tin có
liên quan đến dự báo kiệt quệ tài chính ,
và biến thị trường rất thích hợp để bổ
sung cho sự thiếu hụt này

Hillegeist (2004)
Sử dụng Z-Score của
Altman (1968) và O-
Score của Ohlson (1980)
TTCK là một nguồn thông tin thay thế
vì nó có chứa các thông tin từ các nguồn
khác ngoài các báo cáo tài chính.
Beaver,McNichols
& Rhie (2005)

Khả năng phá sản được thể hiện trong
giá thị trường, mặc dù khả năng này
không được chiết xuất trực tiếp: vì khả
năng phá sản làm tăng tính chất phi
tuyến của hàm lợi ích của các cổ phiếu
thông thưởng trở nên ngày càng quan
trọng hơn vì rủi ro nợ và nghĩa vụ hạn
chế. Rõ ràng, việc bao gồm biến thị
trường đang hấp dẫn trên nhiều căn cứ:
Một là, giá thị trường phản ánh được
các thông tin đã thể hiện và chưa thể
hiện trong báo cáo kế toán;
Hai là, sự bao gồm biến thị trường có
thể làm tăng đáng kể tính kịp thời của
mô hình dự báo. Trong khi các tài
khoản tài chính có sẵn ở Anh theo định
kỳ hàng quý thì giá thị trường có sẵn
theo ngày;
Ba là, giá thị trường có thể thích hợp
hơn để dự báo phá sản do nó phản ánh

dòng tiền được kỳ vọng trong tương lai,
trong khi các BCTC thì ngược lại, phản
ánh hiệu quả quá khứ của doanh nghiệp;
Bốn là, biến thị trường có thể cung cấp
một dự báo mạnh mẽ về rủi ro phá sản
và không thể hiện trong báo cáo tài
chính. Theo Beaver và cộng sự (2005),
các biến động càng lớn thì khả năng phá
sản càng cao.
Nguồn: Tổng hợp của nhóm thuyết trình
16

2.3 Đề cập việc thêm biến kinh tế vĩ mô vào mô hình dự báo kiệt quệ
Sự kết hợp các dữ liệu biến thời gian trong mô hình rủi ro tín dụng sẽ nắm bắt được sự
thay đổi của môi trường kinh tế vĩ mô là quan trọng ở cả hai khía cạnh:
 Một là, nó thêm vào các yếu tố năng động cho mô hình bằng cách điều chỉnh các chỉ
số rủi ro (khả năng vỡ nợ) liên quan đến sự thay đổi của điều kiện kinh tế vĩ mô
 Hai là, các mô hình có thể được xây dựng trên cơ sở kiểm tra các ước tính PD trên
danh mục.
Có một vài nghiên cứu đã kết hợp biến độc lập vĩ mô trong mô hình dự báo (Mare, 2012
9
;
Nam, Kim, Park & Lee, 2008; Qu, 2008). Trong nghiên cứu này, tác giả kiểm soát các
điều kiện vĩ mô, lạm phát và thay đổi tỷ lệ lãi suất.

03. DỮ LIỆU VÀ ĐỊNH NGHĨA CÁC BIẾN
Dữ liệu của nghiên cứu là dữ liệu bảng của 3020 công ty niêm yết phi tài chính chính,
gồm 23.218 quan sát, bình quân 08 quan sát mỗi công ty. Nghiên cứu thu thập dữ liệu
trong giai đoạn 1980-2011.
3.1 Biến kết quả (Biến phụ thuộc – biến nhị phân)

Phân tích hứa hẹn yêu cầu một định nghĩa về kiệt quệ tài chính, được thể hiện như là kết
quả của một quá trình. Theo dòng các thảo luận trước đây và các nghiên cứu gần đây,
nhóm tác giả tập trung vào khả năng trả các nghĩa vụ tài chính (Asquith và cộng sự, 1994)
Nhóm tác giả phát triển mô hình ex-ante để xác định khả năng kiệt quệ tài chính theo
Pindado và cộng sự (2008), theo đó, có hai điều kiện chính cần được đáp ứng để phát hiện
và dự báo kiệt quệ tài chính. Một doanh nghiệp được phân loại là kiệt quệ tài chính khi:
 Một là, bất cứ khi nào khi EBITDA thấp hơn chi phí tài chính hai năm liên tiếp;
 Hai là, doanh nghiệp bị tăng trưởng âm trong giá trị thị trường trong hai năm liên tiếp.


9
Nhóm thuyết trình mở rộng bài nghiên cứu của Mare (2012)
Mare cho rằng thất bại của ngân hàng thường liên quan đến nhiều vấn đề khác nhau và có thể chia làm hai
nhóm là các nhân tố nội bộ (rủi ro điều hành…) và nhân tố bên ngoài (môi trường kinh tế…). Các nhân tố
kinh tế vĩ mô được xem xét bao gồm cả ở mức độ vùng và mức độ quốc gia, gồm có 3 nhân tố đó là:
Lãi suất tiền gửi liên ngân hàng trung bình 3 tháng như chỉ báo cho mức độ thanh khoản của hệ thống ngân
hàng.
Tỷ lệ thất nghiệp vùng cung cấp thông tin về điều kiện việc làm đối với mức độ vùng đó.
Và biến cuối cùng là mức độ tập trung hệ thống bán lẻ trong vùng.
Tiến hành kiểm định, bài nghiên cứu đã chỉ ra rằng thất bại của ngân hàng được phát hiện tốt hơn khi tính
toán đến các nhân tố kinh tế vĩ mô ở cả mức độ vùng và quốc gia…

17

Liên quan đến điều kiện đầu tiên, nếu EBITDA thấp hơn chi phí lãi vay của nợ thì nó có
thể bị kết luận là lợi nhuận hoạt động của doanh nghiệp không đủ để trang trải các nghĩa
vụ tài chính.
Liên quan đến điều kiện thứ hai, Pindado & cộng sự (2008) cho rằng các bên liên quan có
khả năng đánh giá tiêu cực một công ty bị thâm hụt hoạt động (được mô tả trong điều kiện
thứ nhất) cho đến khi có một sự cải tiến trong điều kiện tài chính được cảm nhận một lần

nữa.
Như vậy sự giảm giá trị thị trường trong hai năm liên tiếp được diễn giải như một dấu hiệu
doanh nghiệp bị tác động của kiệt quệ tài chính.
Theo Pindado & cộng sự (2008), mô hình giới thiệu một mô hình năng động, một phát
triển mới trong định nghĩa kiệt quệ tài chính hiện hành.
Biến EBITDA và chi phí lãi vay được lấy từ Thomson One Banker.
Để tính toán thay đổi giá thị trường, nghiên cứu sử dụng nguồn thông tin có sẵn, được
trích xuất từ Thomson One Banker và Datastream
Một định nghĩa dựa trên Christidis & Gregory (2010) được sử dụng. Như vậy, một doanh
nghiệp được xem là kiệt quệ tài chính không chỉ gặp hai điều kiện trước đó mà còn khi
được xem là phá sản chính thức trên nghĩa vụ của nó.
Định nghĩa biến kết quả được xây dựng dựa trên thông tin sẵn có của bộ dữ liệu năm 2012
(2012 London Share Price Database – LSPD).
Một công ty được xem là kiệt quệ tài chính bất cứ khi nào khi tình trạng của nó được xem
như bị thanh lý tự nguyện hoặc bắt buộc. Khi mà báo giá của công ty bị đình chỉ hơn 3
năm, khi công ty được tổ chức bởi người tiếp quản, trong quản trị, hoặc trong tiếp quản
hành chính hoặc khi bị hủy bỏ hoặc đình chỉ doanh nghiệp.
Để đơn giản, trong phần còn lại của nghiên cứu này, biến phụ thuộc nhị phân bao gồm cả
hai định nghĩa nêu trên của thất bại hoạt động và kiệt quệ tài chính sẽ được gọi là “chỉ số
kiệt quệ tài chính”.
Trong tổng số quan sát, có 1254 quan sát được xem như là kiệt quệ tài chính (chiếm tỷ lệ
5% - Bảng 01)
Dữ liệu kế toán sẵn có được trích xuất từ Datastream và Thomson One Banker
(Worldscope)
Biến kinh tế vĩ mô được sưu tầm từ Datastream
Biến thị trường được thu thập từ các thông tin sẵn có từ Datastream, LSPD và Worldscope
Thông tin thị trường được thêm vào công ty được tìm từ Thomson One Banker
Bảng 2 trình bày một bảng thống kê tóm tắt của 379 công ty thất bại được định nghĩa theo
khái niệm “thất bại hoạt động – corporate failture”, trong nghiên cứu này sử dụng bộ dữ
liệu LSPD năm 2012. Trong số 381 công ty thất bại, có 379 công ty được sử dụng để tính

toán.
18

Bảng B trong bảng 2 thể hiện các công ty thuộc mẫu các công ty thất bại, có độ trễ từ 0
đến 36 tháng trước ngày thất bại
Nói cách khác, công ty khó khăn và sau cùng là thất bại thì sẽ ngừng cung cấp tài khoản
trước ngày phá sản bình quân 1.17 năm.
Độ trễ nhỏ nhất của tháng là 0 (nghĩa là công ty thất bại vẫn giữ cung cấp các tài khoản
cho đến ngày thất bại) và độ trễ lớn nhất là 36 tháng (một công ty trong mẫu ngừng cung
cấp các tài khoản chính thức 3 năm trước ngày thất bại)
Bảng 03. Đo lường biến phụ thuộc
Biến
Giải thích
Nguồn sử dụng
Giá trị
Kiệt quệ tài chính
Doanh nghiệp không chỉ mất khả năng thực hiện nghĩa
vụ chính thức mà còn thỏa mãn 2 điều kiện (Pindado
và cộng sự, 2008):
1) EBITDA lớn hơn chi phí lãi vay trong 2 năm liên
tục
2) Thay đổi âm trong giá trị thị trường (Christidis &
Gregory, 2010).
Một công ty được xem là kiệt quệ tài chính bất cứ khi
nào khi tình trạng của nó được xem như bị thanh lý tự
nguyện hoặc bắt buộc. Khi mà báo giá của công ty bị
đình chỉ hơn 3 năm, khi công ty được tổ chức bởi
người tiếp quản, trong quản trị, hoặc trong tiếp quản
hành chính hoặc khi bị hủy bỏ hoặc đình chỉ doanh
nghiệp.

Hay một doanh nghiệp bị xem như kiệt quệ tài chính
khi tình trạng LSPD (2012) hiển thị bất kỳ định nghĩa
nào sau đây (cho thấy lý do tại sao chứng khoán bị
ngưng niêm yết ở sàn SEDOL): 6) Đình chỉ/ hủy bỏ
cổ phần được mua sau đó; 7/ Phá sản ( nhưng có thể
thanh toán cho bên liên quan); 20/ Đình chỉ niêm yết –
nếu bị đình chỉ hơn 3 năm, sẽ tự động hủy niêm yết;
11/ Phá sản tự nguyện, giá trị doanh nghiệp vẫn còn
và được thanh lý cho bên liên quan; 16/ Bị chỉ định
người quản lý tài sản bởi tòa án/ phá sản. Có thể
doanh nghiệp trở nên vô giá trị; 20/ Trong tình trạng
bị quản lý tài sản bởi chủ nợ; 21/ Hủy bỏ hay không
có giá trị do gian lận hay bị đình chỉ nhưng không có
giá trị do gian lận.
Kiệt quệ:
1
Bình
thường: 0
a) EBITDA
b) Chi phí lãi vay
Lợi nhuận hoạt động doanh
nghiệp không đủ để đáp ứng
Thomson One
Banker database

19

nghĩa vụ tài chính
c) Thay đổi giá
thị trường

Cổ đông đánh giá không tốt
những doanh nghiệp thâm hụt
lợi nhuận hoạt động cho đến
khi họ nhận thức điều kiện tài
chính doanh nghiệp được cải
thiện, vì vậy đây là chỉ báo
doanh nghiệp trong tình trạng
kiệt quệ tài chính
Thomson One
Banker database;
Datastream

d) Doanh nghiệp
mất khả năng
thực hiện nghĩa
vụ chính thức



Nguồn: Tổng hợp của nhóm thuyết trình
3.2 Biến độc lập
3.2.1 Tỷ số kế toán
Một loạt các biến độc lập có tiềm năng đã được lựa chọn và kiểm định dựa vào các nghiên
cứu thực nghiệm. Liên quan đến các biến kế toán gồm có 4 tỷ số: Tổng vốn hoạt động trên
tổng nợ, Tổng nợ trên tổng tài sản, khoảng thời gian phi tín dụng và Hệ số khả năng thanh
toán lãi vay đã được chọn. Biến Tổng vốn hoạt động trên tổng nợ (TFOTL) được tính toán
dựa vào nguồn dữ liệu thu thập từ Worldscope. Tổng vốn hoạt động thể hiện tổng của thu
nhập ròng và tất cả các khoản không liên quan đến tiền mặt, nó đại diện cho dòng tiền của
công ty. Còn đối với Tổng nợ, phần mẫu số của tỷ số, nó bao gồm tất cả các khoản nợ
ngắn hạn và dài hạn của công ty. Biến này đã được sử dụng một cách thành công trong

các nghiên cứu của khác chẳng hạn Marais (1979) trong một nghiên cứu của Bank of
England và Ohlson (1980). Tỷ số này cho thấy công ty nào có thể tạo nên nguồn quỹ từ
chính hoạt động của nó nhằm đáp ứng được các yêu cầu tài chính. Tỷ số này nằm trong
khoảng từ -1 đến 1, trong đó giá trị dương cho thấy một vị thế tốt của công ty và điều đó
có nghĩa công ty có thể đáp ứng được các bắt buộc tài chính; và ngược lại trong trường
hợp giá trị này âm, điều đó cho thấy công ty đang ở trong tình trạng không thể có đủ vốn
để duy trì hoạt động, cũng như là để tuân theo các bắt buộc liên quan đến tài chính và có
thể dẫn đến tình trạng vỡ nợ. Giá trị này càng lớn các cho thấy công ty càng ít liên quan
đến các gánh nặng tài chính.
Tỷ số Tổng nợ trên Tổng tài sản (TLTA) thì đo lường mức độ sử dụng đòn bẩy tài chính.
Dữ liệu phục vụ cho việc tính toán tỷ số này cũng được thu thập trên Worldscore. Tổng nợ
thì bao gồm cả nợ dài hạn và nợ ngắn hạn của công ty . Còn ở phần mẫu số, tổng tài sản
thì bao gồm tài sản ngắn hạn, các khoản phải thu dài hạn, các khoản đầu tư vài các công ty
không liên kết, các tài sản dài hạn và các tài sản khác. Tỷ số này đo lường mức độ sử dụng
đòn bẩy của công ty, tính toán này cho thấy tỷ lệ tài sản của công ty được đo lường bằng
các khoản nợ ngắn hạn và dài hạn. Zijewski (1984) đã sử dụng TLTA trong mô hình kế
20

toán 3 biến kết quả thu được cho thấy những dấu hiệu được mong đời và có ý nghĩa thống
kê. Trong những nghiên cứu gần đây, chẳng hạn như Shumway (2001) và Chava và
Jarrow (2004) ở Mỹ, và Christidis và Gregory (2010) ở Anh đã kiểm tra điều này và xác
nhận được tính thống nhất và sự đóng góp đối với các mô hình dự báo vỡ nợ. Giá trị của
TLTA nằm trong khoảng từ -1 đến 1 trong đó giá trị dương càng lớn càng cho thấy công
ty có mức sử dụng đòn bẩy càng cao. Hơn nữa, công ty có mức sử dụng đòn bẩy càng cao
càng cho thấy công ty có mức rủi ro càng cao điều đó làm tăng gánh năng tài chính của
công ty. Bởi vì khi công ty có tỷ lệ đòn bẩy cao thì đồng nghĩa vơí việc công ty sẽ gặp
phải khó khăn khi các khoảng nợ này đáo hạn. Tương tự, nếu tỷ lệ TLTA rất thấp hay âm
thì có nghĩa tài sản của công ty được tài trợ chủ yếu bằng vốn vổ phần chứ không phải nợ.
Do đó, nếu kết quả hồi quy có dấu dương cho thấy rằng tỷ số càng cao thì khả năng công
ty lâm vào tính f trạng kiệt quệ tài chính càng lớn. Bài phân tích này tiến hành kiểm tra sự

chính xác của tác động của gánh nặng tài chính đối với các công ty của Anh.
Biến Các khoảng thời gian phi tín dụng (NOCREDINT) thì được dùng để đo lường tính
thanh khoản. Graham (2000) định nghĩa rằng Các khoảng thời gian phi tín dụng là khoảng
thời gian mà công ty có thể tài trợ cho các khoản chi phí liên quan đến hoạt động của nó
chỉ bằng các tài sản có thanh khoản hiện có của nó trong trường hợp không có doanh thu.
Dữ liệu đầu vào cho việc tính toán này được lấy từ Worldscore bao gồm: Các tài sản có
tính thanh khoản cao, Tổng nợ ngắn hạn, Doanh số, EBIT và khấu hao. Biến
NOCREDINT được tính như sau: (Tài sản có tính thanh khoản cao – Nợ ngắn hạn)/ Các
khoản chi phí hoạt động hàng ngày. Trong đó tài sản có tính thanh khoản cao là các tài
sản có thể được chuyển đổi thành tiền mặt một cách nhanh chóng và dễ dàng. Công thức
để tính Tài sản có tính thanh khoản cao = Tài sản ngắn hạn – Hàng tồn kho. Tương tự, chi
phí hoạt động hàng ngày được tính bằng (Doanh số - EBIT – Khấu hao)/365. Kết quả thu
được từ công thức này chính là số ngày mà công ty có thể tài trợ cho các chi phí hoạt động
của nó trong trường hợp không có doanh thu. Tuy nhiên, như đã giải thích trước đó, tỷ số
này sẽ được chuyển đổi bằng việc sử dụng hàm TANH. Sau khi chuyển đổi thông qua
hàm TANH, giá trị của NOCREDINT sẽ nằm trong nằm trong khoảng từ -1 đến 1, trong
đó khi giá trị dương càng tăng cho thấy rằng công ty có thể tài trợ tốt các chi phí hoạt
động của nó bằng các tài sản có tính thanh khoản cao trong trường hợp doanh nghiệp
không có doanh thu. Ngược lại giá trị âm cho thấy doanh nghiệp dễ bị tác động mạnh bởi
các doanh nặng tài chính.
Khả năng thanh toán lãi vay (COVERAGE) cho thấy khả năng doanh nghiệp thanh toán
các khoản lãi vay liên quan đến các khoản nợ hiện có của nó. Tỷ số khả năng thanh toán
lãi vay được tính bằng cách lấy EBITDA chia cho chi phí lãi vay. Thông thường, nếu tỷ số
này nằm trong khoảng từ 2 đến 2.5 cho thấy doanh nghiệp có vấn đề trong việc đáp ứng
các nghĩa vụ tài chính của nó, một giá trị dưới ngưỡng này cho thấy một tình trạng đáng
báo động: Doanh nghiệp không có đủ tiền từ các hoạt động của mình để có thể thanh toán
các chi phí lãi vay. Nếu tỷ số này lớn hơn 2.5 thì tình hình ổn hơn. Trong nghiên cứu này,
tỷ số này cũng được xử lý thông qua hàm TANH. Sau khi xử lý, dữ liệu thu được sẽ nằm
trong khoảng từ -1 đến 1, khi đó giá trị càng gần 1 thì cho thấy doanh nghiệp càng đáp
ứng tốt các nghĩa vụ liên quan đến chi phí lãi vay của mình. Trường hợp ngược lại, thì

doanh nghiệp có nhiều khả năng gặp phải các vấn đề liên quan đến gánh nặng tài chính.
21

3.2.2 Biến kinh tế vĩ mô
Bên cạnh các tỷ số kế toán thì 2 biến vĩ mô cũng được chọn và được đưa vào mô hình
cuối cùng: Chỉ số giá bán lẻ (RPI) và lãi suất trái phiếu Anh ngắn hạn. Biến vĩ mô đầu
tiên, chỉ số RPI là một thước đo lạm phát, được lấy từ Datastream, và được Thomson
Financial định nghĩa như một thước đo sự thay đổi trong giá cả hàng hóa và dịch vụ được
mua với mục đích tiêu dùng của đa số các hộ gia đình ở Anh. Chỉ số RPI được công bố
hàng tháng. Cũng đã có một vài nghiên cứu kiểm định mối quan hệ của RPI và khả năng
vỡ nợ. Nghiên cứu này giả định rằng RPI càng cao thì khả năng vỡ nợ của doanh nghiệp
càng cao.
Biến vĩ mô thứ 2 được đề cập là Lãi suất trái phiếu ngắn hạn (SHTBRDEP), nó thể hiện
lãi suất trái phiếu Anh kì hạn 3 tháng. Dữ liệu cho biến này được thu thập từ website của
Bank of England trong giai đoạn từ 1985 – 2011 và từ Datastream. Trái phiếu được coi
như là tài sản ít rủi ro nhất trên thị trường và nó có tính thanh khoản cao. Do đó tỷ suất
sinh lợi của nó thấp hơn so với các chứng khoán dài hạn. Biến này đại diện cho lãi suất đi
vay của doanh nghiệp và có tác động đến cấu trúc vốn của doanh nghiệp. Lãi suất thấp có
nghĩa doanh nghiệp sẽ thuận lợi trong việc vay vốn đến để đầu tư trang thiết bị, hàng tồn
kho, R&D…. Hơn nữa lãi suất này cũng có ý nghĩa như chi phí cơ hội của việc đầu tư,
nếu lãi suất thấp sẽ khuyến khích người ta đổ tiền vào đầu tư nhiều hơn. Lãi thấp đồng
nghĩa với chi phi đi vay của doanh nghiệp cũng rẻ hơn. Do đó giá trị SHTBRDEF sẽ tác
động đến khả năng vỡ nợ của doanh nghiệp. Nếu kết quả hồi quy cho dấu dương có nghĩa
là lãi suất càng cao thì nguy cơ vỡ nợ của doanh nghiệp càng lớn.
3.2.3 Biến thị trường
Trong bài nghiên cứu này có sử dụng 4 biến thị trường. Biến đầu tiên là giá cả nguồn vốn
của công ty (PRICE). Giá trị nguồn vốn của công ty được thu thập từ Data Stream. Biến
này đại diện cho sự quan tâm của công chúng đối với dòng tiền trong tương lai cũng như
triển vộng phát triển của công ty. Do đó biến này cũng có thể xem xét khi đánh giá khả vỡ
nợ của công ty. PRICE cũng được xem như là một thành phần phản ánh các thông tin báo

cáo tài chính và các thông tin kinh tế vĩ mô. Do đó, chúng tôi cho rằng có giá thị trường
phản ánh kì vọng của nhà đầu tư đối với dòng tiền / thu nhập trong tương lai của doanh
nghiệp, và do đó nó cũng tác động đến vị thế tài chính của doanh nghiệp, do đó chúng tôi
kì vọng sẽ có mối liên hệ giữa mức giá trị cổ phần và khả năng lâm vào tình trạng gánh
nặng tài chính của doanh nghiệp. Hay nói cách khách PRICE càng cao càng làm giảm
gánh nặng tài chính của doanh nghiệp.
Biến thị trường thứ 2 chúng tôi sử dụng trong nghiên cứu này là tỷ suất sinh lợi của chứng
khoán có độ trễ (ABNRET). Để có được biến này chúng tôi lấy tỷ suất sinh lợi hàng tháng
của 12 tháng trước năm mà chúng tôi cần quan sát về hiện tượng gánh nặng tài chính trừ
cho Chỉ số FTSE All Share với kì tương ứng (t-1). Hơn nữa với các biến liên quan đến
báo cáo tài chính và các biến vĩ mô trước đó, và để xác nhận khả năng dự báo chúng tôi
cũng sẽ tiến hành tính biến ABNRET đối với 2 năm trước thời điểm cần xem xét. Các
thông tin cần thiết cần được lấy từ Datastream. Biến ABNRET cũng được xử lý thông qua
22

hàm TANH. Giá trị thu được sẽ nằm trong khoảng (-1, 1), giá trị càng gần 1 cho thấy khả
năng bị tác động bởi gánh nặng tài chính càng thấp.
Biến thị trường thứ ba là biến về kích thước của công ty được đo lường bởi vốn hóa thị
trường của doanh nghiệp. Giá trị cần thiết cho biến này được thu thập từ Datastream.
Trong bài nghiên cứu này biến SIZE được tính bằng cách lấy Log của giá trị vốn hóa của
doanh nghiệp chia cho tổng giá trị của thị trường chỉ số FTSE All Share Index. Giá trị nhỏ
nhất thu được trong cách tính này là -16.60 và giá trị lớn nhất là -2.37 và giá trị trung bình
là -10.05. Chúng tôi có thể nhận thấy rằng biến SIZE càng lớn thì khả năng lâm vào các
khó khăn tài chính càng thấp và ngược lại. Do đó chúng tôi sẽ kì vọng vào giá trị âm đối
với hệ số hồi quy của biến này.
Biến thị trường cuối cùng mà chúng tôi xem xét đó là tỷ số vốn hóa thị trường chia cho
tổng nợ (MCTD). Biến vốn hóa thị trường được lấy từ Datastream, trong khi đó biến tổng
nợ được lấy từ Thomson One Banker (Worldscope). Biến này cũng được xử lý thông qua
hàm TANH, giá trị MCTD có thể thu được nằm trong khoản từ 0 đến 1. Giá trị biến
MCTD càng lớn thì khả năng vỡ nợ của doanh nghiệp càng thấp.

04. MÔ HÌNH NGHIÊN CỨU
Mẫu được chia thành hai nhóm: doanh nghiệp bị kiệt quệ tài chính và doanh nghiệp bình
thường/ công ty không bị kiệt quệ tài chính. Đây là biến phụ thuộc và là biến nhị phân.
Mô hình biến phụ thuộc dựa trên sườn logit cho dữ liệu bảng (Altman & Sabato, 2007;
Altman, Sabato, & Wilson, 2010) và theo Shumway (2001) và Nam et al. (2008) chỉ ra
một mô hình logit bảng đúng khi rủi ro xảy ra và cho phép biến độc lập thay đổi theo thời
gian, tương đương với mô hình nguy cơ (hazard model: xác định xác suất xảy ra biến cố
trong giai đoạn cụ thể tùy thuộc vào rủi ro có thể xảy ra).
Các mô hình hồi quy logistic là như sau:
Cho (Y, X1), , (Yn, Xn) là một mẫu ngẫu nhiên từ một phân phối logit có điều kiện.
Tiếp theo, cho x1j, x2j xkj là một tập hợp k biến độc lập được ký hiệu bằng các vector
x'. Giả sử là mỗi một biến số này được đo theo thang đo khoảng cách nhỏ nhất.
Xác suất có điều kiện của biến phụ thuộc bằng Pr (Y = 1 | x) = π (x) khi đó:
Phương trình 1: Logit của mô hình hồi qui logistic

Khi đó:

23

Phương trình 2: Xác suất kiệt quệ tài chính với tập hợp điều kiện X xảy ra

Ngoài ra ước tính tính toán qua phương pháp luận thống kê này, ảnh hưởng biên tế đối với
mỗi của biến số được trình bày. Ảnh hưởng biên tế của một biến độc lập là đạo hàm riêng
của xác suất biến cố theo biến độc lập đó. Do đó đo lường ảnh hưởng biên tế hữu ích để
giải thích những ảnh hưởng của các biến độc lập lên biến phụ thuộc trong những mô hình
biến phụ thuộc riêng biệt, trong nghiên cứu này là mô hình chọn lựa logit nhị phân.
Ảnh hưởng biên tế là do đó toán học biểu diễn như sau bên dưới.
Để dễ hiễu, hãy xem xét mô hình như trên nhưng chỉ có 1 biến độc lập. Mô hình được gọi
là logit vì:

Phương trình 3: Xác suất của điều kiện của Y với chỉ 1 điều kiện X
Trong đó Xj là biến giải thích và ∝o + βo là thông số cần ước lượng và

là hàm phân phối cho phân phối logistic (logit),

Phương trình 4: Ảnh hưởng biên của chỉ biến Xj lên lên xác suất có điều kiện của Y


24

05. PHÂN TÍCH KẾT QUẢ
Chúng ta đã tìm hiểu một cách tổng quan về cách lựa chọn biến độc lập và ý nghĩa của
từng biến. Phần tiếp theo sẽ trình bày các kết quả nghiên cứu thực nghiệm đạt được.

Bảng 7 cho biết kết quả hồi quy logistic chỉ số kiệt quệ tài chính dựa trên các biến dự báo.
Theo mô hình hồi hình logistic nhị phân, những công ty có khả năng kiệt quệ tài chính
được gắn giá trị 1, những công ty có tình hình tài chính vững mạnh được gắn giá trị là 0.
Sự phân loại này đã sử dụng định nghĩa kiệt quệ cơ bản về tài chính như đã thảo luận
trước đây cho việc phân tích. Bài nghiên cứu này phát triển 3 mô hình trước đây khi đánh
giá khả năng kiệt quệ tài chính để xem xét sự đóng góp của các chỉ số vĩ mô và các biến
thị trường vào việc dự báo chính xác của mô hình dựa trên các tỷ số trên báo cáo tài chính.
 Mô hình 1 đại diện mô hình chỉ có các biến liên quan đến kế toán và kết hợp chặt chẽ
với các tỷ số của báo cáo tài chính: Tổng dòng tiền từ hoạt động kinh doanh/Tổng nợ
phải trả (TFOTL), Tổng nợ /Tổng tài sản (TLTA), Biến thanh khoản (NOCREDINT),
và hệ số thanh toán lãi vay (COVERAGE).
 Mô hình 2 gồm các biến kế toán cộng thêm vào các chỉ số kinh tế vĩ mô, bao gồm chỉ
số giá bán lẻ (RPI) và lãi suất tín phiếu T-Bill kỳ hạn ngắn có điều chỉnh lạm phát
(SHTBRDEF).
 Mô hình 3 là mô hình kết hợp đầy đủ, cùng với các biến thu thập từ báo cáo tài chính

và các chỉ số kinh tế vĩ mô, và thêm 4 biến đại diện cho thị trường, bao gồm:
 PRICE: biến giá cổ phiếu công ty được chuyển đổi sang dạng logarit.
 ABNRET: tỷ suất sinh lợi vượt trội lũy kế , được tính bằng cách lấy suất sinh lợi thặng
dư của công ty trừ đi suất sinh lợi của FTSE ALL Share trong cùng thời kỳ.
 SIZE: Quy mô công ty đo lường bằng khả năng vốn hóa tương đối so với tổng vốn hóa
thị trường của các chỉ số FTSE ALL Share.
 MCTD: tỷ số vốn hóa thị trường trên tổng nợ
25

Mô hình 4 và 5 được thể hiện ở bảng 7 đại diện cho mô hình chỉ có các yếu tố thị trường
và mô hình thị trường có thêm các biến kinh tế vĩ mô, cụ thể,
 Mô hình 4: bao gồm các biến thị trường như: PRICE, ABNRET, SIZE, MCTD
 Mô hình 5: bao gồm 2 biến vĩ mô và 5 biến thị trường.
Mục đích của việc có thêm 2 mô hình này là để có thể cùng so sánh tính chính xác về khả
năng dự báo so với mô hình 1 và mô hình 2. Nhằm muốn kiểm tra tính chính xác trong dự
báo của mô hình chỉ sử dụng các chỉ số báo cáo tài chính so với mô hình chỉ dùng các yếu
tố thị trường bằng cách sử dụng hồi quy logistic.
Như đã nói ở trên, bài nghiên cứu này phát triển những mô hình trước đây để đo lường
tính chính xác của kiệt quệ tài chính. Thực tế, thời gian của sự kiện kiệt quệ tài chính
không thể biết trước được và các nhà quản trị rủi ro được yêu cầu phải tìm kiếm dữ liệu
của các nhà phân tích tài chính để có thể ước lượng tính chính xác sự thất bại hoặc kiệt
quệ tài chính của 1 công ty. Trên cơ sở lập luận này, bài nghiên cứu này đi ước lượng xác
suất thất bại trong năm trước khi xảy ra kiệt quệ tài chính đồng loạt (t-1) cũng như 2 năm
trước khi có sự kiện kiêt quệ tài chính (t-2). Bằng cách đó, các mô hình cung cấp bằng
chứng về các yếu tố dự báo có thể phân biệt tốt nhất giữa các công ty tài chính lành mạnh
và kiệt quệ tài chính trên khía cạnh này, và mặt khác, kiểm tra sức mạnh dự báo của các
mô hình. Vì vậy, đối với mô hình xét tại (t-1) tất cả những tỷ số kế toán được tính bằng
cách sử dụng các báo cáo tài chính của năm trước khi có sự kiện kiệt quệ tài chính. Những
chỉ số vĩ mô được tính bằng thông tin thu thập tại năm được dự báo là có sự kiện kiệt quệ:
 Chỉ số giá bán bán lẻ (RPI) (At base 100) đươc tính trên cơ sở 100.

 Lãi suất trái phiếu 3 tháng (SHTBRFDEF) được điều chỉnh giảm và loại bỏ tỉ lệ lạm
phát để có được một mức lãi suất thực trong nền kinh tế.
 Đối với các biến thị trường, giá cổ phiếu (PRICE) được kết hợp trong mô hình thì lấy
giá đóng cửa chính thức tại thời kỳ (t-1), các biến đo lường lợi nhuận bất thường
(ABNRET) trong năm đươc tính bằng cách lấy lợi nhuận của công ty trong năm (t-1)
trừ đi lợi nhuận chủa chỉ số FTSE ALL Share trong năm (t-1). Lợi nhuận hàng năm
của các công ty cá nhân được tính thông qua các lợi nhuận hàng tháng tích lũy khi
hiện tượng kiệt quệ tài chính được quan sát thấy. Đối với các biến mà đo lường quy
mô công ty (SIZE) theo như Shumway (2001), mức độ vốn hóa của các công ty riêng
lẻ được đo tại thời điềm cuối năm trước khi năm có kiệt quệ tài chính xảy ra. Cuối
cùng, đối với các tỷ lệ vốn hoá thị trường để Tổng nợ (MCTD), sau này cũng đã được
tính bằng cách lấy thông tin lấy từ báo cáo tài chính công bố trong năm t - 1.
Bảng 7 cho biết kết quả ước lượng từ mô hình hồi quy nhị phân logistic của chỉ số kiệt
quệ tài chính cùng với các biến độc lập.
 Tất cả các biến trong mô hình chỉ có chỉ số kế toán có ý nghĩa ở mức 5-1% trong thời
kỳ (t-1), cho thấy rằng các tỷ số này là những dự báo hiệu quả cho xác suất xảy ra kiệt
quệ tài chính.
 Xét trong kỳ (t-2), hoặc là 2 năm trước khi có kiệt quệ tài chính được quan sát thấy, tất
cả các biến hồi quy đều vẫn có ý nghĩa thống kê , ngoại trừ biến Tổng nợ/Tổng tài sản