VAI TRÒ CỦA CÁC TỶ SỐ TÀI CHÍNH TRONG PHÁT HIỆN KIỆT QUỆ TÀI CHÍNH - BẰNG CHỨNG TỪ CÁC CÔNG TY PHI TÀI CHÍNH TẠI VIỆT NAM.PDF

LUẬN VĂN THẠC SĨ KINH TẾ






TP. HỒ CHÍ MINH - NĂM 2013
VAI TRÒ CỦA CÁC TỶ SỐ TÀI CHÍNH TRONG
PHÁT HIỆN KIỆT QUỆ TÀI CHÍNH – BẰNG

CHỨNG TỪ CÁC CÔNG TY PHI TÀI CHÍNH TẠI
VIỆT NAM


HOÀNG THỊ MINH THƯ
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
****************

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
****************




HOÀNG THỊ MINH THƯ
VAI TRÒ CỦA CÁC TỶ SỐ TÀI CHÍNH TRONG
PHÁT HIỆN KIỆT QUỆ TÀI CHÍNH – BẰNG
CHỨNG TỪ CÁC CÔNG TY PHI TÀI CHÍNH TẠI
VIỆT NAM

Chuyên ngành: Tài chính - Ngân hàng
Mã số: 60340201
LUẬN VĂN THẠC SĨ KINH TẾ
Người hướng dẫn khoa học: PGS.TS. NGUYỄN THỊ LIÊN HOA
TP. HỒ CHÍ MINH - NĂM 2013

LỜI CAM ĐOAN


Tôi xin cam đoan: bài nghiên cứu này là kết quả nghiên cứu của chính cá
nhân tôi, được thực hiện dưới sự hướng dẫn khoa học của PGS.TS Nguyễn Thị
Liên Hoa – Giảng viên Trường Đại học Kinh tế Thành phố Hồ Chí Minh.




Học
viên






Hoàng Thị Minh Thư


MỤC LỤC




Nội dung:

Trang

LỜI CAM ĐOAN.
MỤC LỤC
DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT
DANH MỤC BẢNG BIỂU
TÓM TẮT 1

1. GIỚI THIỆU 2
1.1. LÝ DO NGHIÊN CỨU ĐỀ TÀI 2
1.2. CÂU HỎI NGHIÊN CỨU 3
1.3. MỤC TIÊU CỦA BÀI NGHIÊN CỨU 4
1.4. PHẠM VI NGHIÊN CỨU 4
1.5. KẾT CẤU CỦA BÀI NGHIÊN CỨU 4
2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 5
2.1. KHÁI QUÁT VỀ LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH 5
2.1.1. Các thuật ngữ cơ bản 5
2.1.2. Chi phí kiệt quệ tài chính 5
2.1.3. Sự hữu dụng của dự báo phá sản doanh nghiệp 7
2.2. BẰNG CHỨNG THỰC NGHIỆM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP
8

2.2.1. Nghiên cứu của William Beaver - “Các chỉ số tài chính dự báo phá sản” -
1966 8

2.2.2. Nghiên cứu của Eward Altman – “ Các chỉ số tài chính, phân tích khác biệt
và dự báo phá sản doanh nghiệp” - 1968 9

2.2.3. Các nghiên cứu điển hình khác 13
2.2.4. Nghiên cứu của Abbas, Qaiser và Rashid, Abdul –“Mô hình dự báo phá sản
cho các doanh nghiệp phi tài chính – Trường hợp của Pakistan” - 2011 15

2.2.5. Nghiên cứu của Akbar, Behzad, Seyed và Mohammad –“Sử dụng mô hình
Logit trong dự báo phá sản doanh nghiệp – Bằng chứng từ các doanh nghiệp niêm
yết tại Iran” - 2012 16

2.3. THẢO LUẬN VỀ CÁC NGHIÊN CỨU DỰ BÁO PHÁ SẢN DOANH
NGHIỆP TRÊN THẾ GIỚI VÀ HẠN CHẾ CỦA CÁC NGHIÊN CỨU NÀY 17

3. PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU 19
3.1. PHƯƠNG PHÁP NGHIÊN CỨU, PHẠM VI NGHIÊN CỨU 19
3.2. MÔ HÌNH NGHIÊN CỨU 22
4. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 31
4.1. KẾT QUẢ ÁP DỤNG MÔ HÌNH CHỈ SỐ Z 31
4.2. KẾT QUẢ ÁP DỤNG PHƯƠNG PHÁP PHÂN TÍCH TỶ LỆ SO SÁNH 44
4.3. KẾT QUẢ ÁP DỤNG PHƯƠNG PHÁP PHÂN TÍCH TỶ LỆ XU HƯỚNG . 47
4.4. KẾT QUẢ ÁP DỤNG MÔ HÌNH LOGIT 49
5.KẾT LUẬN 55
5.1. TỔNG HỢP CÁC KẾT QUẢ NGHIÊN CỨU 55
5.2. CÁC HẠN CHẾ CỦA ĐỀ TÀI NGHIÊN CỨU 56
5.3. ĐỀ XUẤT HƯỚNG NGHIÊN CỨU TIẾP THEO 57
DANH MỤC TÀI LIỆU THAM KHẢO 58





DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

CTCP: Công ty cổ phần.


DN: Doanh nghiệp.


HOSE: Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh.
HNX: Sàn giao dịch chứng khoán Hà Nội.
MDA – Multivariate discriminant analysis: Phân tích đa khác biệt.


DANH MỤC BẢNG BIỂU



Trang


Bảng 3.1: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam 21
Bảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ lệ xu
hướng 26

Bảng 4.1a: Trung bình và độ lệch chuẩn của nhóm các chỉ số đòn bẩy của các công
ty phá sản 32

Bảng 4.1b: Trung bình và độ lệch chuẩn của nhóm các chỉ số thanh khoản của các
công ty phá sản 33

Bảng 4.1c:Trung bình và độ lệch chuẩn của nhóm các chỉ số khả năng sinh lời của
các công ty phá sản 33

Bảng 4.1d: Trung bình và độ lệch chuẩn của nhóm các chỉ số hiệu quả sử dụng tài
sản của các công ty phá sản 34

Bảng 4.2a: Trung bình và độ lệch chuẩn của nhóm các chỉ số đòn bẩy của các công
ty không phá sản 35

Bảng 4.2.b: Trung bình và độ lệch chuẩn của nhóm các chỉ số thanh khoản của các
công ty không phá sản 36

Bảng 4.2.c: Trung bình và độ lệch chuẩn của nhóm các chỉ số khả năng sinh lời của
các công ty không phá sản 36

Bảng 4.2.d: Trung bình và độ lệch chuẩn của nhóm các chỉ số hiệu quả sử dụng tài
sản của các công ty không phá sản 37

Bảng 4.3a: Kiểm định sự bằng nhau của trung bình và phương sai của nhóm các chỉ
số đòn bẩy. 38

Bảng 4.3b: Kiểm định sự bằng nhau của trung bình và phương sai của nhóm các chỉ
số thanh khoản. 38

Bảng 4.3c: Kiểm định sự bằng nhau của trung bình và phương sai của nhóm các chỉ
số sinh lời 39



Bảng 4.3d: Kiểm định sự bằng nhau của trung bình và phương sai của nhóm các chỉ
số hiệu quả sử dụng tài sản. 39

Bảng 4.4: Các biến đưa vào mô hình nghiên cứu tại Việt Nam 40
Bảng 4.5: Hệ số của mô hình nghiên cứu tại Việt Nam 41
Bảng 4.6: Giá trị Z tối ưu trong nghiên cứu tại Việt Nam 41
Bảng 4.7: Kết quả phân loại của mô hình nghiên cứu tại Việt Nam 42
Bảng 4.8: Wilks' Lambda của mô hình nghiên cứu tại Việt Nam 44
Bảng 4.9: Kết quả phân loại của phương pháp phân tích tỷ lệ cho các công ty phá
sản tại Việt Nam 45

Bảng 4.10: Kết quả phân loại của phương pháp phân tích tỷ lệ cho các công ty
không phá sản tại Việt Nam 46

Bảng 4.11: Kết quả phân loại của phương pháp phân tích tỷ lệ xu hướng cho các
công ty phá sản tại Việt Nam 48

Bảng 4.12: Tổng hợp kết quả các phương pháp nghiên cứu tại Việt Nam 49
Bảng 4.13: Kiểm định T sự bằng nhau của giá trị trung bình 50
Bảng 4.14: Kết quả mô hình hồi quy Logit 51
Bảng 4.15: Kết quả phân loại mô hình Logit 51
Bảng 4.16: Kết quả kiểm định Wald 52
Bảng 4.17: Kết quả kiểm định forward Wald 53
Bảng 4.18: Kết quả phân loại của kiểm định forward Wald 53



1

TÓM TẮT
Bài nghiên cứu nhằm xác định mối quan hệ giữa các tỷ số tài chính và kiệt quệ tài
chính của các công ty phi tài chính niêm yết trên thị trường chứng khoán Việt Nam
trong giai đoạn từ năm 2008 đến tháng 9 năm 2013. Hay nói một cách khác, bài

nghiên cứu này kiểm định rằng có hay không các tỷ số tài chính có thể dự báo được
tín hiệu kiệt quệ tài chính trong bối cảnh hoạt động kinh doanh bình thường.
Phương pháp sử dụng trong nghiên cứu này bao gồm phương pháp phân tích đa biệt
thức (MDA), phương pháp so sánh tỷ lệ, phương pháp phân tích tỷ lệ xu hướng và
mô hình Logit. Kết quả của phương pháp MDA là tỷ lệ dự đoán chính xác là 70%
và phương pháp mô hình Logit là 88,9%.
Kết quả thực nghiệm cho thấy rằng, các tỷ số tài chính có đủ sức mạnh để dự đoán
dấu hiệu kiệt quệ tài chính trên thị trường chứng khoán tại Việt Nam. Kết quả này
cũng phù hợp với các nghiên cứu gần đây của Beaver cho thị trường Châu Âu,
nghiên cứu của Abbas và cộng sự tại Pakistan, nghiên cứu Akbar, Behzad, Seyed và
Mohammad tại Iran. Các kết quả thực nghiệm của nghiên cứu này có thể được sử
dụng như một bàn đạp để cho các nhà nghiên cứu trong tương lai - những người
quan tâm trong việc tìm kiếm dự đoán tốt nhất cho sự phá sản phát triển một mô
hình dự báo và đánh giá độ chính xác phân loại của nó.

2

1. GIỚI THIỆU
1.1. LÝ DO NGHIÊN CỨU ĐỀ TÀI
Có rất nhiều lý do khiến cho một doanh nghiệp biến mất khỏi thị trường. Nguyên
nhân có thể là bị kiệt quệ tài chính, thanh lý hoặc bị sát nhập vào một công ty khác.
Trong bối cảnh hội nhập kinh tế ngày càng sâu rộng, sự cạnh tranh giữa các doanh
nghiệp (DN) trên thị trường ngày càng lớn nên sự rút lui hay phá sản của một bộ
phận DN là điều không thể tránh khỏi. Đặc biệt, do những tác động tiêu cực của
cuộc khủng hoảng kinh tế toàn cầu hiện nay, tình trạng khó khăn của nền kinh tế đã
và đang dẫn tới sự phá sản hàng loạt của các DN, kể cả các DN ở các nước phát
triển và các nước đang phát triển trong đó có Việt Nam. DN phá sản sẽ gây ra nhiều
tác động tiêu cực cho cả xã hội và nền kinh tế.
Về mặt kinh tế: Một doanh nghiệp bị phá sản trong điều kiện ngày nay có thể dẫn
đến những tác động tiêu cực. Khi quy mô của doanh nghiệp phá sản càng lớn, tham

gia vào quá trình phân công lao động của ngành nghề đó càng sâu và rộng, số lượng
bạn hàng ngày càng đông, thì sự phá sản của nó có thể dẫn đến sự phá sản hàng loạt
của các doanh nghiệp bạn hàng theo "hiệu ứng domino" - phá sản dây chuyền.
Về mặt xã hội: Phá sản doanh nghiệp để lại những hậu quả tiêu cực nhất định về
mặt xã hội bởi nó làm tăng số lượng người thất nghiệp, làm cho sức ép về việc làm
ngày càng lớn và có thể làm nảy sinh các tệ nạn xã hội, thậm chí các tội phạm.
Về mặt chính trị: Phá sản dây chuyền sẽ dẫn tới sự suy thoái và khủng hoảng nền
kinh tế quốc gia, thậm chí khủng hoảng kinh tế khu vực và đây là nguyên nhân trực
tiếp dẫn đến những khủng hoảng sâu sắc về chính trị.
Từ những phân tích trên, chúng ta thấy DN bị phá sản sẽ trở thành vấn đề thu hút sự
quan tâm của nhiều bên liên đới, bao gồm những người có lợi ích trực tiếp từ DN
như cổ đông, công nhân viên, chủ nợ và cả những người ít liên quan trực tiếp tới
DN như các nhà quản lý và chính phủ. Như vậy phá sản doanh nghiệp có thể gây ra
3

những chấn thương đáng kể (tức là chi phí cao và tổn thất nặng nề) đến các bên liên
quan, nên việc dự đoán nó là rất có lợi. Điều này thúc đẩy các nhà nghiên cứu phải
đi tìm những công cụ để phát hiện các triệu chứng bất lợi trước khi một thực thể
công ty biến mất. Fitzpatrick (1931) và Merwin (1942) là những nhà nghiên cứu
đầu tiên đã cố gắng để xác định sức mạnh tiềm năng của các chỉ số tài chính như là
tín hiệu dự báo kiệt quệ tài chính. Sau đó, Altman (1968) đã giới thiệu phương pháp
phức tạp và tinh vi hơn đó là phương pháp phân tích đa biệt thức, sử dụng các chỉ
tiêu tài chính như một công cụ để báo hiệu kiệt quệ tài chính.
Mục đích của bài nghiên cứu này là để kiểm tra khả năng dự báo kiệt quệ tài chính
của các tỷ số tài chính bằng các kỹ thuật đã được nghiên cứu, phát triển và được
chấp nhận rộng rãi. Để làm được điều này, bài nghiên cứu sử dụng phương pháp
phân tích tỷ lệ so sánh, phân tích tỷ lệ xu hướng, mô hình chỉ số Z và mô hình
Logit. Cần lưu ý rằng bài nghiên cứu này không nhằm mục đích để tìm các chỉ số
tốt nhất cho dự báo kiệt quệ tài chính tại Việt Nam, mặc dù một số chi tiết kỹ thuật
của mô hình logit và mô hình chỉ số Z được ước tính để tìm ra sức mạnh giải thích

tốt nhất trong việc dự đoán khả năng kiệt quệ tài chính.
1.2. CÂU HỎI NGHIÊN CỨU
Các câu hỏi đề cập đến trong bài nghiên cứu này là:
Thông tin báo cáo tài chính có thể được sử dụng để phân biệt giữa nguy cơ phá sản
và không phá sản các công ty Việt Nam trong điều kiện hoàn cảnh kinh tế bình
thường không?
Câu hỏi nghiên cứu được phát triển để đáp ứng với các vấn đề nghiên cứu. Ngoài ra,
các câu hỏi sẽ giúp xác định rõ ràng hơn ranh giới nghiên cứu.

4

1.3. MỤC TIÊU CỦA BÀI NGHIÊN CỨU
Để điều tra thông tin báo cáo tài chính có đủ phân loại có khả năng phá sản và
không phá sản của các công ty trong bối cảnh Việt Nam trong hoàn cảnh kinh tế
bình thường.
1.4. PHẠM VI NGHIÊN CỨU
Phạm vi nghiên cứu của đề tài này là các công ty cổ phần thuộc khu vực phi tài
chính bị hủy niêm yết trên sàn chứng khoán HOSE và HNX bởi Ủy ban chứng
khoán và sàn giao dịch từ năm 2008 đến tháng 9 năm 2013 vì tính thanh khoản yếu
kém hay hoạt động kinh doanh thua lỗ kéo dài.
1.5. KẾT CẤU CỦA BÀI NGHIÊN CỨU
Đề tài nghiên cứu này được người viết trình bày theo thứ tự như sau:
Phần 1: Giới thiệu.
Phần 2: Tổng quan các nghiên cứu trước đây.
Phần 3: Phương pháp và mô hình nghiên cứu
Phần 4: Kết quả nghiên cứu
Phần 5: Kết luận và hướng phát triển của đề tài nghiên cứu.
5

2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY

2.1. KHÁI QUÁT VỀ LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH
Trong phần này, người viết giới thiệu về các thuật ngữ cơ bản được sử dụng trong
dự báo phá sản doanh nghiệp, các chi phí kiệt quệ tài chính và tính hữu ích của mô
hình dự báo phá sản doanh nghiệp. Mặt khác, phần này người viết cũng nhằm mục
đích mô tả các yếu tố quan trọng trong dự báo phá sản doanh nghiệp.
2.1.1. Các thuật ngữ cơ bản
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. Như vậy kiệt quệ tài chính bao gồm nguy cơ phá sản và sự phá sản.
2.1.2. Chi phí kiệt quệ tài chính
Trên quan điểm của lý thuyết đánh đổi, giá trị doanh nghiệp sẽ được phân chia
thành ba phần:
Giá trị doanh
nghiệp
=
Giá trị doanh nghiệp khi
được tài trợ hoàn toàn
bằng vốn cổ phần
+
Hiện giá của
tấm chắn
thuế
-
Hiện giá của
chi phí kiệt
quệ tài chính

Chi phí kiệt quệ tài chính tùy thuộc vào xác suất kiệt quệ và độ lớn của chi phí phải
gánh chịu nếu kiệt quệ tài chính xảy ra.

6

Giá trị công ty
PV (chi phí kiệt


PV (tấm chắn thuế)
quệ tài chính)

Giá trị công ty khi



có thuế và nợ
















Giá trị thực

của công ty





Giá trị công ty được tài




trợ 100% vốn cổ phần

0






D/E*


(D/E)

Tỷ lệ nợ tối ưu














Hình 2.1 – Cấu trúc vốn tối ưu và giá trị doanh nghiệp

Nguồn: Trần Ngọc Thơ và cộng sự, 2007. Tài chính doanh nghiệp hiện đại. Hồ
Chí Minh: nhà xuất bản Thống kê, trang 380.

Hình trên cũng cho thấy sự đánh đổi giữa lợi ích thuế và chi phí kiệt quệ tài chính
ấn định cấu trúc vốn tối ưu như thế nào. Khi tỷ lệ nợ ngày càng tăng, cùng với sự
gia tăng từ lợi ích tấm chắn thuế thì chi phí kiệt quệ tài chính cũng gia tăng. Đến
một lúc nào đó, khi mà với mỗi tỷ lệ nợ tăng thêm, hiện giá lợi ích từ tấm chắn thuế
không cao hơn hiện giá chi phí kiệt quệ tài chính thì việc vay nợ không còn mang
lại lợi ích cho doanh nghiệp mà ngược lại còn làm cho tổng giá trị doanh nghiệp
giảm dần. Theo lý thuyết này, một doanh nghiệp nên gia tăng nợ cho đến khi giá trị
từ hiện giá của tấm chắn thuế vừa đủ để được bù trừ bằng gia tăng trong hiện giá
của các chi phí kiệt quệ tài chính.
Chi phí kiệt quệ tài chính bao gồm:
7

(i) Chi phí kiệt quệ tài chính nhưng chưa đưa đến phá sản: chi phí xuất phát từ
các quyết định sai lầm trong quá trình hoạt động và đầu tư có thể được đưa ra do
các mâu thuẫn quyền lợi giữa trái chủ và cổ đông khi doanh nghiệp rơi vào tình
trạng kiệt quệ tài chính. Các cổ đông hành động vì quyền lợi cá nhân có thể chuyển
rủi ro từ họ sang cho các chủ nợ gánh chịu, bằng cách thi hành các trò chơi làm
giảm tổng giá trị của doanh nghiệp. Các trò chơi ở đây có thể là “ dịch chuyển rủi
ro”, “từ chối đóng góp cổ phần”, “ thu tiền và bỏ chạy”, “ thả mồi bắt bóng”, “ kéo
dài thời gian”… Sự gia tăng các chi phí soạn thảo, giám sát và thực thi các hợp
đồng vay khi ngăn ngừa các trò chơi này.
(ii) Chi phí phá sản: Các chi phí trực tiếp gắn liền với việc phá sản như chi phí
pháp lý, hành chính, chi phí kế toán và các chi phí gián tiếp phản ánh các khó khăn
trong việc quản lý một công ty đang bị tái tổ chức như chi phí do mất khách hàng,
mất nhân viên có năng lực…
2.1.3. Sự hữu dụng của dự báo phá sản doanh nghiệp
Rõ ràng là phá sản doanh nghiệp có thể gây ra chấn thương đáng kể cho các bên
liên quan. Nghiên cứu của Fitzpatrick (1931) cho rằng có bảy nhóm các bên liên
quan bị ảnh hưởng bởi phá sản doanh nghiệp đó là người lao động, cộng đồng, cổ
đông, các chủ nợ, ngân hàng, người sở hữu trái phiếu, hội đồng quản trị và chính

phủ. Sự hữu ích của dự báo phá sản doanh nghiệp có thể giúp cho các bên liên quan
tránh hoặc ít nhất là giảm thiểu các tác động bất lợi của phá sản doanh nghiệp.
Dự báo phá sản doanh nghiệp được sử dụng rộng rãi trong những mục tiêu khác
nhau của các bên liên quan. Ví dụ như nhà quản lý, chủ sở hữu sử dụng dự đoán phá
sản doanh nghiệp như là một công cụ cảnh báo sớm và có thể sẽ có những hành
động thích hợp để tránh phá sản doanh nghiệp. Các nhà đầu tư, cổ đông sử dụng dự
báo kiệt quệ tài chính để ngăn chặn những thiệt hại đáng kể họ phải chịu khi công ty
thanh lý phá sản. Chủ nợ (tức ngân hàng và các tổ chức tài chính) sử dụng các kỹ
thuật dự báo phá sản doanh nghiệp trong việc kiểm tra mức độ rủi ro danh mục đầu
tư của họ hoặc có thể để đánh giá xác suất của sự thất bại nếu cho vay mới. Kiểm
8

toán viên sử dụng phương pháp dự báo phá sản trong việc đánh giá có hay không
một công ty đang trên bờ vực của sự phá sản. Cuối cùng, cơ quan quản lý sử dụng
các kỹ thuật khác nhau để giám sát tình hình tài chính của các công ty theo quy
định.
Đây là những khía cạnh quan trọng của dự báo phá sản doanh nghiệp. Phần tiếp
theo người viết sẽ trình bày tóm tắt lại các kết quả nghiên cứu của một số tác giả
trên thế giới về dự báo phá sản doanh nghiệp, cụ thể như sau:
2.2. BẰNG CHỨNG THỰC NGHIỆM VỀ DỰ BÁO PHÁ SẢN DOANH
NGHIỆP
2.2.1. Nghiên cứu của William Beaver - “Các chỉ số tài chính dự báo phá sản” -
1966
Bằng nghiên cứu thực nghiệm 79 doanh nghiệp kinh doanh thất bại và một số lượng
tương ứng các doanh nghiệp kinh doanh thành công (các cặp doanh nghiệp này
cùng ngành và quy mô tài sản tương tự) cho giai đoạn từ năm 1954-1964, bài
nghiên cứu đã phân tích, đánh giá từng chỉ số tài chính nhằm đưa ra những tiêu chí
dự báo phá sản doanh nghiệp thông qua việc quan sát các chỉ số tài chính này. Tổng
cộng đã có 30 chỉ số tài chính được chia thành 5 nhóm (các tỷ số dòng tiền, tỷ số
doanh thu thuần, tỷ số nợ phải trả trên tổng tài sản, chỉ số tài sản thanh khoản trên

tổng tài sản, chỉ số tài sản thanh khoản nhanh, các tỷ số vòng quay) đã được sử
dụng.
Kết quả cho thấy các doanh nghiệp lâm vào tình trạng khủng hoảng tài chính là các
doanh nghiệp có ít tiền mặt, ít hàng tồn kho nhưng nhiều nợ phải thu. Nghiên cứu
của Beaver cũng chỉ ra rằng tỷ lệ lưu chuyển tiền thuần/tổng nợ phải trả là chỉ tiêu
quan trọng nhất trong việc dự báo dấu hiện khủng hoảng và phá sản doanh nghiệp.
Chỉ tiêu này phản ảnh tính cân đối giữa khả năng tạo tiền của doanh nghiệp với số
nợ mà doanh nghiệp phải thanh toán, và do đó nó thể hiện rõ ràng nhất khả năng
thanh toán của doanh nghiệp. Bên cạnh khả năng sinh lời của tài sản (thu nhập
9

thuần/tổng tài sản) và hệ số nợ (tổng nợ phải trả/tổng tài sản) cũng là những chỉ tiêu
quan trọng trong việc phát hiện dấu hiệu khủng hoảng và phá sản doanh nghiệp bởi
vì các chỉ tiêu này phản ảnh hiệu quả hoạt động kinh doanh của doanh nghiệp và
mức độ rủi ro tài chính mà doanh nghiệp đang mắc phải.
2.2.2. Nghiên cứu của Eward Altman – “ Các chỉ số tài chính, phân tích khác biệt
và dự báo phá sản doanh nghiệp” - 1968
Bài nghiên cứu đã sử dụng phương pháp tiếp cận đa biệt thức thay thế cho các
phương pháp phân tích chỉ số truyền thống trước đây. Có thể nói Altman là người
tiên phong giới thiệu phương pháp tiếp cận đa biệt thức trong lĩnh vực dự báo phá
sản doanh nghiệp. Altman đã nghiên cứu mẫu bao gồm 66 công ty với 33 công ty ở
mỗi nhóm. Nhóm phá sản (kiệt quệ) (nhóm 1) là những công ty đã nộp đơn phá sản
theo chương 10 của Luật Phá Sản Hoa Kỳ trong giai đoạn từ 1946 đến 1965. Nhóm
2 bao gồm một mẫu ghép đôi của các công ty với điều kiện cùng ngành và kích cỡ
doanh nghiệp. Phạm vi tài sản của các công ty trong nhóm 2 cũng bị giới hạn
nghiêm ngặt từ 1 triệu USD đến 25 triệu USD.
Sau đó, Atlman đã tiến hành thu thập các bảng báo cân đối kế toán và báo cáo kết
quả hoạt động kinh doanh và một danh sách gồm 22 biến hữu ích được thu thập để
đánh giá. Các biến được phân thành 5 nhóm, bao gồm nhóm các chỉ số thanh khoản,
nhóm chỉ số lợi nhuận, nhóm chỉ số đòn bẩy, nhóm chỉ số khả năng thanh toán và

nhóm chỉ số hoạt động. Kết quả có 5 tỷ số đã được chọn vì chúng thể hiện tốt nhất
trong việc liên kết dự báo phá sản các công ty. Biệt thức cuối cùng được thể hiện
như sau:
Z = 0,012X
1
+ 0,014X
2
+ 0,033X
3
+ 0,006X
4
+ 0,999X
5

Trong đó:
X1 = Working capital/Total assets = Vốn luân chuyển/Tổng tài sản,
X2 = Retained earning/ Total assets = Lợi nhuận giữ lại/Tổng tài sản,
X3 = Earning before tax and interest/Total assets = EBIT/Tổng tài sản,
10

X4 = Market value equity/Book value of total liabilities = Giá trị thị trường
của vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả,
X5 = Sales/Total assets = Tổng doanh thu/Tổng tài sản,
Z = Overal index = chỉ số tổng hợp.
Trong mô hình này, các biến từ đến X1 đến X4 đều phải được tính toán bằng giá trị
phần trăm. Riêng biến X5 được giữ nguyên, không tính tỷ lệ phần trăm.
Các điểm ngưỡng cho chỉ số Z như sau:
Z < 1,81: Phá sản
1,81 < Z < 2,99: Không rõ ràng
2,99 < Z: Lành mạnh

Mẫu ban đầu gồm 33 công ty mỗi nhóm, được sử dụng bằng cách sử dụng dữ liệu
báo cáo tài chính thu thập một năm trước khi phá sản. Bởi vì các hệ số biệt thực và
các phân phối nhóm được xây dựng từ mẫu nghiên cứu này, nên sự phân loại được
kỳ vọng rất cao. Điều này xảy ra bởi vì các công ty được phân loại bằng sử dụng
chức năng đa biệt thức, thực tế, là dựa vào các công cụ đo lường riêng lẻ cho cùng
các công ty này. Ma trận phân loại cho mẫu gốc được biểu diễn trong bảng 2.1:
Bảng 2.1: Ma trận phân loại mẫu gốc trong mẫu nghiên cứu Atlman (1968)




Thực tế
Dự đoán




Nhóm 1
Nhóm 2




Nhóm 1
31
2

Nhóm 2
1
32

Số đúng
Phần trăm
chính xác
Phần trăm không
chính xác
Mẫu n


Kiểu I
31
94
6
33


Kiểu II
32
97
3
33


Tổng
63
95
5

66


11

Mô hình thể hiện cực kỳ chính xác trong việc phân loại đúng 95% cho tổng các
công ty trong mẫu. Còn nhóm I sai số chỉ có 6% trong lúc nhóm II thậm chí còn ít
hơn 3%. Những kết quả này là rất tốt như kỳ vọng.
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 = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,999X5
Với mô hình dạng này, các biến từ đến X1 đến X4 không phải tính toán bằng giá trị
phần trăm.
Các điểm ngưỡng cho chỉ số Z như sau:
Z < 1,81: Phá sản
1,81 < Z < 2,99: Không rõ ràng
2,99 < Z: Lành mạnh
Mô hình Z - Score của Altman (1993) đã ước đoán chính xác 66% doanh nghiệp bị
phá sản và 78% doanh nghiệp không bị phá sản trước đó một năm. Nhờ những dự
đoán khá chính xác của mô hình này nên chỉ số được sử dụng không chỉ tại Mỹ mà
còn được phổ biến tại nhiều quốc gia trên thế giới. Tuy nhiên, mô hình này không
chỉ ra được thời gian phá sản dự kiến, vì việc phá sản của một doanh nghiệp còn
phụ thuộc vào tình hình kinh tế, việc phá sản hợp pháp không bao giờ có thể xảy ra
mà bất chấp tình hình khủng hoảng. 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 loại
hình cho các loại hình doanh nghiệp khác:
Mô hình Z’- score dùng cho các doanh nghiệp chưa cổ phần hóa, ngành sản xuất:
Z’ = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5
12

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.
Z’ > 2,9 : Lành mạnh
1,23 < Z’ < 2,9: Không rõ ràng
Z’ < 1,23 : Phá sản
Ngoài ra từ mô hình gốc Z-Score của mình, Altman đã thực hiện phân tích đặc điểm
và độ chính xác của một mô hình khi không có biến X5 – Sales/Total assets – doanh
thu/tổng tài sản nhằm giảm thiểu ảnh hưởng do ngành. Tỷ số doanh thu/tổng tài sản
thay đổi rất lớn theo ngành, tỷ số này ở các công ty thương mại dịch vụ lớn hơn so
với các công ty sản xuất vì các công ty thương mại cần ít vốn hơn. Thêm vào đó,
Altman cũng dùng mô hình này để đánh giá tình trạng tài chính của các của các DN
ngoài Hoa Kỳ. Cụ thể, Altman, Hatzell và Peck (1995) đã áp dụng mô hình Z’’-
Score cho các công ty thuộc các nền kinh tế mới nổi, đặc biệt các công ty Mexico
đã phát hành trái phiếu Euro tính theo USD. Giá trị sổ sách của vốn chủ sở hữu
được dùng cho biến X4 trong trường hợp này. Kết quả phân loại đồng nhất với mô
hình 5 biến Z’-Score. Mô hình mới Z’’-Score là:
Z’’ = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4
Các điểm ngưỡng cho mô hình này như sau:
Z
’’
< 1,1: Phá sản
1,1 < Z
’’
< 2,6: Không rõ ràng
2,6 < Z
’’
: Lành mạnh
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 X 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.
13

Tuy nhiên, phiên bản sửa đổi mới nhất được gọi là mô hình điểm thị trường mới nổi
(EMS) (Altman & Hotchkiss 2006), được phát triển cho các doanh nghiệp hoạt
động ở các nước đang phát triển. Mô hình thị trường mới nổi (EMS) được phát triển
vào giữa những năm 1990 để đạt được cải thiện độ chính xác khi dự đoán xác suất
vỡ nợ của các công ty phi sản xuất và các công ty trong thị trường mới nổi. Mô hình
EMS chỉ bao gồm bốn biến cùng với một giá trị không đổi như sau:
EMS = Z’’ + 3,25 = 6,56 X1+ 3,26 X2+ 6,72 X3+ 1,05X4 +3,25
Các điểm ngưỡng cho chỉ số Z như sau:
EMS < 4,15: Phá sản
4,15 < EMS < 5,85: Không rõ ràng
5,85 < EMS: Lành mạnh
Mô hình EMS được áp dụng để kiểm định cả trường hợp của Enron và Worldcom
và mô hình cũng cho thấy những dấu hiệu xấu được cảnh báo. Điểm EMS của
Enron dưới mức an toàn ở tháng 6/2001 trước khi nộp đơn phá sản vào tháng
12/2001 theo chương 11 của luật phá sản Hoa Kỳ, trong khi đó số điểm EMS của
Wordcom dưới mức an toàn ở cuối quý I của năm 2002, trước khi nộp đơn phá sản
vào giữa tháng 7/2002 (Altman & Hotchkiss 2006). Điều này cho thấy một kết quả
ấn tượng đối với các mô hình EMS khi áp dụng cho các công ty phi sản xuất. Ngoài
ra, rõ ràng là ứng dụng của mô hình tại các thị trường mới nổi ví dụ Mexico, Brazil
và Argentina mang lại kết quả thành công trong việc dự đoán sự sụp đổ của công ty
(Altman & Hotchkiss 2006).
2.2.3. Các nghiên cứu điển hình khác
Deakin (1972) sử dụng 14 tỷ lệ tương tự như Beaver (1968) được sử dụng trong
nghiên cứu của mình. Một mẫu gồm 32 công ty phá sản ở Mỹ và 32 công ty không
phá sản từ năm 1962 và 1966 đã được lựa chọn trong nghiên cứu này. Việc kết hợp
dựa trên ba tiêu chí: phân loại ngành công nghiệp, quy mô tài sản, và năm của dữ

14

liệu tài chính có sẵn. 14 chỉ số đã được lựa chọn để đại diện cho một tập hợp các
yếu tố dự báo trong nghiên cứu này. Kết quả cho thấy tổng thể dự đoán chính xác
của mô hình là 97% khi sử dụng báo cáo tài chính cuối cùng trước khi phá sản.
Edmister (1972) đã tiến hành nghiên cứu tập trung vào mô hình tỷ lệ tài chính cho
các công ty kinh doanh nhỏ đã phá sản. Các mẫu được lấy dữ liệu từ giữa năm 1954
và năm 1969. Một mẫu của 42 công ty ở Mỹ và có tổng cộng bảy chỉ tiêu tài chính
đã được lựa chọn. Edmister (1972) phát hiện bảy tỷ lệ phân loại một cách chính xác
39 trong tổng số 42 công ty. Có nghĩa là, sức mạnh tổng thể dự đoán của mô hình là
93%.
Trong nghiên cứu Blum (1974), mẫu nghiên cứu bao gồm 115 công ty ở Mỹ đã phá
sản và 115 công ty ở Mỹ không phá sản trong những năm 1954-1968. Các tiêu
chuẩn phù hợp giữ hai nhóm này là ngành công nghiệp, doanh số bán hàng, số
lượng nhân viên và năm tài chính. Blum (1974) tạo chức năng phân biệt 12 biến.
Kết quả cho thấy tổng thể dự đoán của mô hình chính xác ở mức khoảng 94% khi
sử dụng báo cáo một năm trước khi thất bại.
Mặc dù MDA đã được sử dụng trong phần lớn các nghiên cứu trước đó (ví dụ, trong
các nghiên cứu của Altman 1968; Blum 1974; Deakin 1972; Edmister 1972; và
Norton & Smith 1979), giá trị của kết quả của nó đã bị chỉ trích vì các giả định
thống kê của nó chẳng hạn như một phân phối chuẩn của tỷ lệ và sự bằng nhau của
các ma trận hiệp phương sai của các tỷ lệ cho cả hai nhóm. Các giả định chặt chẽ về
việc áp dụng phân tích đa biệt thức dẫn các nhà nghiên cứu để phát triển các công
cụ thống kê đa biến khác để khắc phục những hạn chế này. Sau những năm 1980,
MDA đã bắt đầu mất phổ biến với các nhà nghiên cứu và đã được thay thế bởi mô
hình ít đòi hỏi kỹ thuật thống kê. Một trong những kỹ thuật thống kê đòi hỏi ít giả
định hạn chế là phân tích logit (Balcaen & Ooghe 2006).
Nghiên cứu của Ohlson (1980) áp dụng một ước tính xác suất phá sản và phát triển
mô hình logit từ 105 công ty bị phá sản ở Mỹ và 2.058 các công ty không bị phá sản
15

ở Mỹ trong giai đoạn từ 1970-1976. Mô hình Ohlson (1980) bao gồm 9 biến mở
rộng. Bài nghiên cứu tìm ra mô hình logit dự đoán chính xác 96% một năm trước
khi phá sản.
Ugurlu và Aksoy (2006) sử dụng cả hai mô hình logit và một mô hình MDA để điều
tra doanh nghiệp phá sản và so sánh sự chính xác của hai mô hình trong một thị
trường mới nổi, Thổ Nhĩ Kỳ. Một mẫu của 27 phá sản và 27 công ty không phá sản
đã được chọn trên thị trường chứng khoán Istanbul trong 1996-2003. Dữ liệu tài
chính 1996-2003 đã được thu thập để phát triển các biến. 11 biến được đưa vào mô
hình logit và 10 biến được đưa vào mô hình dựa trên MDA. Bài nghiên cứu cho
thấy mô hình logit vượt trội so với mô hình MDA.
2.2.4. Nghiên cứu của Abbas, Qaiser và Rashid, Abdul –“Mô hình dự báo phá sản
cho các doanh nghiệp phi tài chính – Trường hợp của Pakistan” - 2011
Đây là một trong những nghiên cứu thực nghiệm mà người viết đã chọn làm nền
tảng để tiến hành thực hiện bài nghiên cứu của mình. Nghiên cứu tiến hành đã
nghiên cứu các chỉ số tài chính có vai trò quan trọng trong dự báo phá sản DN ở khu
vực phi tài chính của Pakistan dựa vào mẫu dữ liệu các công ty phá sản trong giai
đoạn 1996 – 2006.
Mẫu nghiên cứu bao gồm tất cả các công ty cổ phần thuộc khu vực phi tài chính bị
hủy niêm yết trên sàn chứng khoán Karachi (KSE) do thanh khoản hoặc chấm dứt
hoạt động theo lệnh của tòa án; hoặc bị chấm dứt hoạt động của một công ty bởi Ủy
ban chứng khoán và sàn giao dịch (Pakistan Securities and Exchange Commission
of Pakistan (SECP). Đồng thời, công ty phá sản phải có một công ty tương tự nhưng
không bị phá sản ở cùng ngành và có tổng tài sản gần bằng nhau ở thời điểm 1 năm
trước khi phá sản và các công ty này có thông tin tài chính ít nhất 5 năm. Như vậy,
tổng cộng có 52 công ty bao gồm 26 công ty phá sản và 26 công ty không phá sản
được sử dụng trong bài nghiên cứu.
16

Bài nghiên cứu sử dụng 24 tỷ số tài chính như những biến độc lập và chia thành bốn

nhóm chỉ số: khả năng sinh lợi, tính thanh khoản, đòn bẩy tài chính và hiệu quả sử
dụng tài sản, và được kiểm nghiệm độc lập cho các công ty phá sản và không phá
sản trong vòng 5 năm trước khi phá sản.
Kết quả nghiên cứu của nhóm tác giả đã rút ra giá trị Z cuối cùng được theo công
thức sau:
Z = 1,147 X1 + 0,701 X2 - 0,732 X3
Trong đó:
Z: giá trị phân biệt
X1: doanh thu/tổng tài sản
X2: EBIT/nợ ngắn hạn
X3: chỉ số dòng tiền mặt
Điểm giữa của trọng tâm nhóm phá sản và không phá sản là 0, cho thấy trong mỗi
năm trước phá sản, xu hướng của công ty có giá trị Z > 0 thì không phá sản, trong
khi công ty có Z < 0 thì tiến dần tới phá sản. Công ty có Z=-0,724 được xếp vào
nhóm phá sản và công ty có Z=0,724 được xếp vào nhóm không phá sản. Mô hình
phân loại chính xác đến 76,9%, cho thấy khả năng phân loại cao của 3 biến tài chính
có ý nghĩa trong mẫu phân tích. Độ chính xác này hàm ý tiềm năng áp dụng vào
thực tế của mô hình trong dự báo phá sản ở Pakistan.
2.2.5. Nghiên cứu của Akbar, Behzad, Seyed và Mohammad –“Sử dụng mô hình
Logit trong dự báo phá sản doanh nghiệp – Bằng chứng từ các doanh nghiệp niêm
yết tại Iran” - 2012
Đây cũng là một trong những nghiên cứu thực nghiệm người viết sử dụng để tiến
hành bài nghiên cứu của mình. Đối tượng nghiên cứu bao gồm 49 công ty phá sản
và 49 công ty không phá sản trong thời kỳ từ năm 2005 đến năm 2007. Bài nghiên
17

cứu sử dụng mô hình Logit để dự báo phá sản. Tổng cộng có 19 tỷ số tài chính được
sử dụng trong mô hình.
Kết quả cho thấy mô hình phân loại chính xác 92% công ty không bị phá sản và
85% các công ty bị phá sản trong mẫu đã được nghiên cứu. Trong đó, các biến tỷ lệ

lợi nhuận ròng/tổng tài sản, biến tỷ lệ lợi nhuận giữ lại/tổng tài sản và tỷ số nợ có
ảnh hưởng quan trọng tới việc dự đoán phá sản tại Iran.
2.3. THẢO LUẬN VỀ CÁC NGHIÊN CỨU DỰ BÁO PHÁ SẢN DOANH
NGHIỆP TRÊN THẾ GIỚI VÀ HẠN CHẾ CỦA CÁC NGHIÊN CỨU NÀY
Các nghiên cứu của các tác giả nêu ở mục 2.2 đều nhằm mục đích tìm ra mô hình
dự báo phá sản DN. Các tác giả này đều sử dụng kỹ thuật phân tích các tỷ số tài
chính để dự báo tình trạng phá sản của một DN. Ở mỗi nghiên cứu, các tác giả sử
dụng nhiều tỷ số tài chính khác nhau để đưa vào phân tích nhưng tựu trung lại các
tỷ số tài chính này đều đại diện cho 4 khía cạnh tài chính quan trọng của doanh
nghiệp là tính thanh khoản, đòn bẩy tài chính, khả năng sinh lợi và hiệu quả sử dụng
tài sản. Theo đó:
– Các tỷ số đo lường tính thanh khoản được tính toán và sử dụng để quyết định
xem liệu một doanh nghiệp nào đó có khả năng thanh toán các nghĩa vụ phải trả
ngắn hạn hay không? Chỉ số này càng thấp ám chỉ DN sẽ gặp khó khăn đối với việc
thực hiện các nghĩa vụ của mình nhưng một chỉ số thanh toán hiện hành quá cao
cũng không luôn là dấu hiệu tốt, bởi vì nó cho thấy tài sản của doanh nghiệp bị cột
chặt vào “tài sản lưu động” quá nhiều và như vậy thì hiệu quả sử dụng tài sản của
doanh nghiệp là không cao.
– Các tỷ số đòn bẩy tài chính sẽ đo lường mức độ nợ, khả năng trả nợ của DN.
Các tỷ số này để chỉ sự kết hợp giữa nợ phải trả và vốn chủ sở hữu trong việc điều
hành chính sách tài chính của doanh nghiệp. Đòn bẩy tài chính sẽ rất lớn trong các
doanh nghiệp có tỷ trọng nợ phải trả cao hơn tỷ trọng của vốn chủ sở hữu. Ngược