ỨNG DỤNG MÔ HÌNH PHÂN TÍCH ĐA BIỆT THỨC ĐỂ ĐO LƯỜNG NGUY CƠ TÀI CHÍNH TẠI CÁC CÔNG TY NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM.PDF

B GIÁO DC VÀ ÀO TO
TRNG I HC KINH T TP.H CHÍ MINH



HOÀNG GIANG




NG DNG MÔ HÌNH PHÂN TÍCH A BIT

THC  O LNG NGUY C TÀI CHÍNH

TI CÁC CÔNG TY NIÊM YT TRÊN TH
TRNG CHNG KHOÁN VIT NAM

Chuyên ngành:

Tài chính – Ngân hàng
Mã s: 60340201


LUN VN THC S KINH T

NGI HNG DN KHOA HC:

TS.
THÂN TH


THU TH

Y

TP.H Chí Minh – Nm 2012


i

LI CAM OAN

Tôi xin cam đoan rng đây là công trình nghiên cu ca tôi, đc thc
hin trên c s nghiên cu lý thuyt và thc tin di s hng dn khoa hc ca
TS. Thân Th Thu Thy. Các kt qu nghiên cu trong Lun vn này là trung thc
và cha tng đc ai công b trc đây.
TP. H Chí Minh, ngày 25 tháng 10 nm 2012
Tác gi

Hoàng Giang

ii

DANH MC CÁC T VIT TT
Ch vit Ting Vit Ting Anh
UBCKNN y ban chng khoán nhà nc
HOSE
S Giao dch chng khoán TP. H Chí
Minh
Hochiminh Stock
Exchange
HNX S Giao dch chng khoán TP. Hà Ni Hanoi Stock Exchange
HOSTC
Trung tâm giao dch chng khoán TP.
H Chí Minh
Hochiminh Securities
Trading Center
HASTC
Trung tâm giao dch chng khoán TP.
Hà Ni
Hanoi Securities Trading
Center
TTCK Th trng chng khoán
CTNY Công ty niêm yt
NHNN Ngân hàng nhà nc
NTNN Nhà đu t nc ngoài
CIC
Trung tâm thông tin tín dng – Ngân
hàng nhà nc Vit Nam
Credit Information

Center – State Bank of
Viet Nam
CRV
CTCP Xp hng tín nhim doanh nghip
Vit Nam
Credit Rating Vietnam
Joint Stock Company
BCTC Báo cáo tài chính



iii

DANH MC CÁC KÝ HIU
Ký hiu Din gii Ting Anh Din gii Ting Vit
MDA Multiple discriminant analysis Phân tích đa bit thc
ANN Artificial Neural Network Mng nron nhân to
Cpro Proportional chance criterion T l mu chun
MMC Maximum Chance Criterion T l mu ln
OTC Over the counter
Th trng giao dch
không qua quy
ICB Industry Classification Benchmark
Chun phân ngành
công nghip



iv

DANH MC CÁC HÌNH V VÀ BIU 

Hình 2.1: Mô phng h s Z 57
Biu đ 2.1: S lng tài khon lu ký giai đon 2000 – 2011 27
Biu đ 2.2: S lng công ty chng khoán giai đon 2000 – 2011 28
Biu đ 2.3 : S lng công ty qun lý qu giai đon 2000 – 2011 28
Biu đ 2.4: Din bin VN-Index giai đon 2000 -2011 29
Biu đ 2.5: Din bin HNX-Index giai đon 2005 – 2011 30
Biu đ 2.6: S CTNY trên HOSE, HNX giai đon 2000 – 2011 31



v

DANH MC CÁC BNG
Bng 1.1: Phân nhóm quan sát mô hình MDA 18
Bng 1.2: ng dng mô hình MDA trên th gii 22
Bng 2.1 : Mc đ, t l và tc đ tng vn hóa TTCK Vit Nam 26
Bng 2.2 : Thng kê giao dch ca NTNN giai đon 2000 – 2011 27
Bng 2.3: Ch tiêu, trng s và thang đim xp loi ca CIC 33
Bng 2.4: Bng chun xp hng tín dng doanh nghip ca CIC 34
Bng 2.5: Sai khác ln gia CIC và CRV v xp hng CTNY 2010 36
Bng 2.6: Phân ngành kinh t Mu I và Mu II 39
Bng 2.7: Nhóm ch s đòn by tài chính 40
Bng 2.8: Nhóm ch s kh nng sinh li 41
Bng 2.9: Nhóm ch s hot đng 42
Bng 2.10: Nhóm ch s thanh khon 44
Bng 2.11: Thng kê mô t các bin đc lp 47
Bng 2.12: Ý ngha thông kê các bin đc lp 48
Bng 2.13: Thng kê các bin gii thích 49

Bng 2.14: Các bin có h s tng quan Pearson cao 50
Bng 2.15: Thng kê Skewness và Kurtosis ca các bin đc lp 51
Bng 2.16: Bng tính các giá tr riêng (Eigenvalues) 52
Bng 2.17: Kt qu chn tng bc 53
Bng 2.18: H s bit ti 53
Bng 2.19: H s chun hóa và cha chun hóa 54
Bng 2.20: Kt qu phân loi 54
Bng 2.21: ánh giá mô hình 55


vi

Bng 2.22: Trng tâm ca các nhóm 56
Bng 2.23: Giá tr đim phân bit ca nhóm trung gian 57
Bng 2.24: Các ch tiêu c bn ca mu phân tích 58
Bng 2.25: Kim đnh mu phân tích giai đon 2008 – 2011 59
Bng 2.26: Các ch tiêu c bn ca mu kim tra 59
Bng 2.27: Kim đnh mu kim tra giai đon 2008 – 2011 60
Bng 2.28: Kt qu đo lng CTNY giai đon 2008-2011 61
Bng 3.1: Kt qu đo lng nguy c tài chính ca CAD, TRI và AGD 64
Bng 3.2: So sánh kt qu đo lng gia mô hình MDA và CIC 68
Bng 3.3: So sánh kt qu đo lng gia mô hình MDA và CRV 68



vii

MC LC
NG DNG MÔ HÌNH PHÂN TÍCH A BIT THC  O LNG
NGUY C TÀI CHÍNH TI CÁC CÔNG TY NIÊM YT TRÊN TH

TRNG CHNG KHOÁN VIT NAM

LI CAM OAN i
DANH MC CÁC T VIT TT ii
DANH MC CÁC KÝ HIU iii
DANH MC CÁC HÌNH V VÀ BIU  iv
DANH MC CÁC BNG v
MC LC vii
M U 1
Chng 1
5
TNG QUAN V MÔ HÌNH PHÂN TÍCH A BIT THC  O
LNG NGUY C TÀI CHÍNH TI CÁC CÔNG TY 5
1.1 Khái quát v nguy c tài chính 5
1.1.1 Khái nim nguy c tài chính 5
1.1.2 Hu qu ca nguy c tài chính 5
1.2 Nhng vn đ c bn v đo lng nguy c tài chính 5
1.2.1 Khái nim đo lng nguy c tài chính 5
1.2.2 Tm quan trng ca đo lng nguy c tài chính 6
1.2.2.1 i vi nhà đu t 6
1.2.2.2 i vi công ty 7
1.2.2.3 i vi ngân hàng 7
1.2.2.4 i vi các c quan qun lý nhà nc 7
1.2.2.5 i vi nn kinh t 8
1.2.3 Các mô hình đo lng nguy c tài chính 8
1.2.3.1 Mô hình Logit 8
1.2.3.2 Mô hình Probit 9
1.2.3.3 Phng pháp lân cn gn nht K (K – nearest neighbor) 9

viii

1.2.3.4 Mô hình phân tích đa bit thc
(Multiple Discriminant Analysis – MDA) 10
1.2.3.5 Mng nron nhân to (Artificial Neural Network - ANN) 10
1.2.4 Các nghiên cu thc nghim đo lng nguy c tài chính 11
1.3 Mô hình phân tích đa bit thc 15
1.3.1 Gii thiu mô hình phân tích đa bit thc 15
1.3.2 Mc tiêu ca mô hình phân tích đa bit thc 16
1.3.3 u nhc đim ca mô hình phân tích đa bit thc 17
1.3.4 Ni dung ca mô hình phân tích đa bit thc 17
1.3.5 Các nghiên cu thc nghim ng dng mô hình MDA trên th gii 21
Kt lun chng 1 23
Chng 2
24
KH NNG NG DNG MÔ HÌNH PHÂN TÍCH A BIT THC
 O LNG NGUY C TÀI CHÍNH TI CÁC CÔNG TY NIÊM
YT TRÊN TH TRNG CHNG KHOÁN VIT NAM 24
2.1 Tng quan v th trng chng khoán Vit Nam 24
2.1.1 Lch s hình thành và phát trin th trng chng khoán Vit Nam 24
2.1.2 Gii thiu các công ty niêm yt trên th trng chng khoán
Vit Nam 30
2.2 Thc trng đo lng nguy c tài chính các công ty niêm yt
trên th trng chng khoán Vit Nam 31
2.2.1 Trung tâm thông tin tín dng – Ngân hàng nhà nc Vit Nam 31
2.2.2 Công ty c phn xp hng tín nhim doanh nghip Vit Nam 35
2.3 ng dng mô hình phân tích đa bit thc đ đo lng nguy c tài
chính ti các công ty niêm yt trên th trng chng khoán Vit Nam 37
2.3.1 Các nguyên tc chn la mô hình nghiên cu 37
2.3.2 Phng pháp chn mu, d liu và bin nghiên cu 37

2.3.2.1 Chn mu 37
2.3.2.2 Chn d liu 38
2.3.2.3 Chn bin và chn phng pháp gim ti bin nghiên cu 39
2.3.3 Quy trình thc hin mô hình MDA 45
2.3.3.1 Thng kê mô t các bin đc lp 46
2.3.3.2 Xác đnh bin gii thích 48


ix

2.3.3.3 Kim đnh tng quan gia các bin đc lp 49
2.3.3.4 Kim đnh phân phi chun 50
2.3.4 Kt qu nghiên cu thc nghim 52
2.3.5 Kim đnh mô hình nghiên cu 58
2.3.5.1 Kim đnh mu phân tích 58
2.3.5.2 Kim đnh mu kim tra 59
2.3.6 Kt qu đo lng nguy c tài chính các công ty niêm yt 60
Kt lun chng 2 61
Chng 3
62
GII PHÁP NÂNG CAO KH NNG NG DNG MÔ HÌNH
PHÂN TÍCH A BIT THC  O LNG NGUY C TÀI CHÍNH
TI CÁC CÔNG TY NIÊM YT TRÊN TH TRNG CHNG
KHOÁN VIT NAM 62
3.1  xut ng dng mô hình phân tích đa bit thc đ đo lng nguy
c tài chính ti các công ty niêm yt trên th trng chng khoán
Vit Nam 62
3.1.1 Công thc đo lng nguy c tài chính cho các công ty niêm yt trên
th trng chng khoán Vit Nam 62
3.1.2 Các kch bn nghiên cu 64

3.1.3 Xây dng phn mm 65
3.1.4 C quan qun lý v đo lng và công b nguy c tài chính các
công ty niêm yt trên th trng chng khoán Vit Nam 66
3.1.5 Ph bin kin thc v nguy c tài chính và ý ngha ca kt qu
đo lng nguy c tài chính 67
3.1.6 So sánh kt qu đo lng nguy c tài chính các công ty niêm
yt theo mô hình MDA vi CIC và CRV 67
3.2 Các gii pháp nâng cao kh nng ng dng hiu qu mô hình phân
tích đa bit thc đ đo lng nguy c tài chính ti các công ty
niêm yt trên th trng chng khoán Vit Nam 69
3.2.1 Nâng cao cht lng báo cáo tài chính ca các công ty niêm yt 69
3.2.2 Gia tng s lng các ch s tài chính vào mô hình phân tích
đa bit thc 70
3.2.3 Xây dng các ch s tài chính trung bình ngành 71
3.2.4 Ngn chn hin tng thao túng th trng, làm giá c phiu 71


x

3.2.5 Hoàn thin Lut phá sn 72
3.2.6 Xây dng khung pháp lý hoàn thin v xp hng tín nhim 73
3.2.7 Tng cng trao đi thông tin gia các t chc đo lng
xp hng tín nhim và các công ty niêm yt 75
3.2.8 B sung ch tiêu ROA vào tiêu chun niêm yt 75
3.2.9 Nâng cao tiêu chun vn điu l khi niêm yt 76
Kt lun chng 3 76
KT LUN 77
TÀI LIU THAM KHO
1
PH LC

1

M U
1. Tính cp thit ca đ tài
Th trng chng khoán (TTCK) Vit Nam bt đu hot đng t ngày
20/07/2000, khi thành lp Trung tâm giao dch chng khoán TP.H Chí Minh
(HOSTC), biu th ca th trng là ch s VN-Index. S ra đi ca HOSTC
không nhng đã khuy đng đc không khí đu t trong công chúng mà còn góp
phn tích ly nhng kinh nghim ban đu to đà cho vic ra đi Trung tâm
GDCK TP.Hà Ni (HASTC) vào ngày 8/3/2005. Khi HOSTC m ca giao dch
phiên đu tiên thì ch có 2 công ty đc niêm yt là REE và SAM. Ch s VN-
Index lúc này bin đng khá tht thng, có lúc cao trào VN-Index tng lên gn
600 đim, lúc gim xung ch còn hn 100 đim. Bc sang nm 2006 ch s
VN-Index liên tc tng trng, t mc 600 đim gia nm 2006 đã tng lên gn
1,000 đim vào cui nm. Không dng li  đó, s kin Vit Nam gia nhp T
chc thng mi th gii (WTO) vào cui nm 2006, TTCK thc s bùng n. Th
trng liên tc tng nóng và đnh đim ca nó là ch s VN-Index tng lên 1,170
đim vào ngày 13/03/2007. Tuy nhiên, t nm 2008 đn nay, tình hình kinh t
Vit Nam gp nhiu khó khn đng thi chu s tác đng gián tip t cuc khng
hong kinh t th gii, ch s VN-Index đã liên tc đi xung. Quá trình đi xung
kéo dài cho đn na đu nm 2009 khi ch s VN-Index to đáy  mc 235 đim
và bt đu phc hi, tuy nhiên xu hng tng giá ca ch s VN-Index không kéo
dài đc lâu, sau khi đt đnh phc hi  mc 630 đim vào tháng 9/2009 ch s
này liên tc đi xung và tính đn cui nm 2011 ch còn 332 đim.
Cùng vi s phát trin ca TTCK Vit Nam, các công ty niêm yt
(CTNY) có s tng trng đáng k v s lng theo thi gian, nu nh nm 2000
ch có 2 CTNY, thì tính đn cui nm 2011, đã có 699 CTNY trên TTCK Vit
Nam, trong đó S giao dch chng khoán TP. H Chí Minh (HOSE) có 306 công

ty và S giao dch chng khoán TP. Hà Ni (HNX) có 393 công ty. Nu so sánh
vi các TTCK ca các nc phát trin thì s lng CTNY trên TTCK Vit Nam


2

cha phát trin là bao nhng vi tc đ tng trng mnh m v s lng CTNY
ch trong hn 12 nm hot đng thì qu là con s đáng khích l.
K t khi đi vào hot đng cho đn nay, TTCK Vit Nam ch có duy nht
mt trng hp np đn xin phá sn là trng hp ca CTCP dc Vin ông
(DVD). Tuy nhiên s lng CTNY có nguy c tài chính do kinh doanh thua l và
ri vào tình trng gn nh phá sn cng đang có xu hng gia tng. Giai đon
2005-2006 mi nm ch có 7 CTNY công b kt qu kinh doanh thua l, đc bit
nm 2007 ch có 2 CTNY thì đn nm 2008 con s này tng vt lên đn 44
CTNY. S lng CTNY b ngng hot đng và ri vào tình trng cnh báo nguy
c tài chính cng gia tng lên đáng k. Nu nh nm 2008 ch có CTCP Bông
Bch Tuyt (BBT) b hy niêm yt bt buc do kinh doanh thua l, thì đn cui
nm 2011 s lng CTNY b hy niêm yt bt buc do kinh doanh thua l 3 nm
liên tip đã lên đn con s 11 và d kin s còn tip tc gia tng lên trong thi
gian ti do khó khn chung ca nn kinh t.
Qua 12 nm vn hành ca TTCK Vit Nam, nhng kt qu đt đc bc
đu là không th ph nhn. Bên cnh đó, còn nhiu vn đ bt cp nh th trng
thiu tính hiu qu, b chi phi bi tâm lý bày đàn, s tuân th Lut pháp ca các
thành phn tham gia th trng còn cha tt. Hin tng thao túng th trng, làm
giá c phiu, thông tin sai s tht còn ph bin và ít b x lý trit đ. Trong bi
cnh hi nhp kinh t th gii và quy mô TTCK Vit Nam ngày càng tng, s
tham gia ca các trung gian tài chính trong và ngoài nc ngày càng phát trin,
trong điu kin kinh t th gii và trong nc còn nhiu bt n thì vic nghiên
cu, ng dng mô hình phân tích đa bit thc đ đo lng nguy c tài chính ti
các CTNY trên TTCK Vit Nam là cn thit c v lý lun và thc tin.

2. Mc đích nghiên cu và câu hi nghiên cu
Hin nay trên th gii có nhiu phng pháp đo lng nguy c tài chính,
mi phng pháp có nhng u, nhc đim khác nhau.  tài này s đ xut mô
hình hiu qu và có tính khách quan cao đ đo lng nguy c tài chính các CTNY
trên TTCK Vit Nam, qua đó h tr cho nhà đu t có cái nhìn tng quan nht v


3

nguy c tài chính các CTNY, đng thi giúp các nhà đu t tránh đc ri ro khi
các công ty b phá sn và xây dng đc mt danh mc đu t hiu qu.
Câu hi th nht, làm th nào đo lng đc nguy c tài chính ca mt
công ty?
Câu hi th hai, làm th nào đ đo lng đc xác sut xy ra nguy c tài
chính ca mt công ty?
Tr li hai câu hi trên s dn đn mt nghiên cu thc nghim v đo
lng nguy c tài chính. Mc đích ca nghiên cu này là đ kim tra tính hu ích
ca các ch s tài chính, phân tích đ d đoán, xp hng các nguy c tài chính các
CTNY trên TTCK Vit Nam.
Có nhiu nghiên cu thc nghim trong phân tích tài chính bng cách áp
dng k thut thng kê d liu ca các công ty có nguy c tài chính và các công
ty không có nguy c tài chính, các nghiên cu này đc s dng ph bin trên th
gii. Các nghiên cu này cng ch ra rng phân tích các ch s tài chính đc la
chn rt hu ích đ đo lng nguy c tài chính.
3. i tng và phm vi nghiên cu
i tng nghiên cu là nguy c tài chính các CTNY trên TTCK Vit
Nam.
Phm vi nghiên cu là TTCK Vit Nam. Vic đo lng nguy c tài chính
trên c s phân tích các ch s tài chính ca 98 CTNY trong giai đon 2008 –
2012. T các CTNY trên s phân loi ra các công ty có nguy c tài chính và

không có nguy c tài chính đ đa vào phân tích riêng theo hai nhóm riêng bit và
đa ra mt mô hình đo lng nguy c tài chính cho các CTNY.
4. Gi thit nghiên cu
Gi thit nghiên cu th nht: Các ch s tài chính rt hu ích trong vic
đo lng nguy c tài chính các CTNY trên TTCK Vit Nam.
Gi thit nghiên cu th hai: Các công ty b thua l t 1 nm tr lên trong
giai đon 2008 - 2011 s đc xp vào nhóm có nguy c tài chính và các công ty


4

không b thua l, tc lãi ròng trong giai đon 2008 - 2011 s đc xp vào nhóm
không có nguy c tài chính.
5. Phng pháp nghiên cu
Phng pháp nghiên cu đc s dng là phng pháp nghiên cu đnh
lng, phng pháp thng kê mô t. S dng mô hình phân tích đa bit thc
(MDA) đ phân tích d liu là nhng ch s tài chính ca các CTNY trong giai
đon 2008-2011, t đó đ xut mô hình đo lng nguy c tài chính các CTNY
trên TTCK Vit Nam và xp hng các CTNY nhm phc v các đi tng tham
gia trên TTCK Vit Nam.
6. Kt cu ca Lun vn
Ngoài phn m đu và phn kt lun, kt cu ca Lun vn gm 3
chng, c th:
Chng 1: Tng quan v mô hình phân tích đa bit thc đ đo lng nguy
c tài chính ti các công ty.
Chng 2: Kh nng ng dng mô hình phân tích đa bit thc đ đo lng
nguy c tài chính ti các công ty niêm yt trên th trng chng khoán Vit Nam.
Chng 3: Gii pháp nâng cao kh nng ng dng mô hình phân tích đa
bit thc đ đo lng nguy c tài chính ti các công ty niêm yt trên th trng
chng khoán Vit Nam.

5

Chng 1
TNG QUAN V MÔ HÌNH PHÂN TÍCH A BIT THC  O
LNG NGUY C TÀI CHÍNH TI CÁC CÔNG TY
1.1 Khái quát v nguy c tài chính
1.1.1 Khái nim nguy c tài chính
Theo khái nim truyn thng, nguy c tài chính là s xut hin các tình
hung dn đn vic suy gim kh nng sinh li ca công ty và trong tình hung
đc bit có th làm công ty phá sn. Khái nim v nguy c tài chính hin đi hn
bao hàm ngha rng hn và không ch tính đn nguy c tài chính mà còn bao gm
c nhng nguy c liên quan đn nhng mc tiêu hot đng và mc tiêu chin lc
ca công ty nh ri ro kinh doanh, ri ro tín dng, ri ro lãi sut…
1.1.2 Hu qu ca nguy c tài chính
Nguy c tài chính không ch gây tn tht v vn, tài sn ca công ty mà
còn nh hng xu ti mc đ tín nhim và thng hiu ca công ty.
Nguy c tài chính có th dn đn phá sn công ty và gây thit hi trc tip
cho các nhà đu t và các nhà tài tr ca công ty.
Nguy c tài chính có th gây ra nhng tn tht gián tip cho nn kinh t và
 mc đ nng hn có th gây ra nhng bt n xã hi.

Hu qu ca nguy c tài chính là nghiêm trng nu nh không đc qun
tr ri ro. Qun tr ri ro tài chính thay vì cách tip cn hu kim đã chuyn sang
cách tip cn ri ro mang tính phòng nga, d báo trc bng các mô hình đo
lng nguy c tài chính.
1.2 Nhng vn đ c bn v đo lng nguy c tài chính
1.2.1 Khái nim đo lng nguy c tài chính
Bt đu t thp k 70, đo lng và d báo nguy c tài chính đã tr thành
mt hng đi phát trin mnh m ca khoa hc xác sut thng kê. Khi đ cp đn
đo lng nguy c tài chính, ngi ta liên tng đn ngay các hot đng qun lý


6

danh mc đu t, đnh giá quyn chn và các công c tài chính khác. Vic đo
lng nguy c tài chính là mt trong nhng hot đng nhm qun tr ri ro tài
chính mà các t chc tài chính trên th gii, ngay c các quc gia cng rt quan
tâm và ng dng t rt sm.
Tùy theo góc đ nghiên cu mà ta có th có đnh ngha khác nhau v đo
lng nguy c tài chính.
o lng nguy c tài chính đc khái nim là mt b phn ca xp hng
tín nhim doanh nghip, vì thông qua vic đo lng này s phân loi, sp xp mt
đi tng hay mt nhóm đi tng có nguy c tài chính hay không có nguy c tài
chính vào bng xp hng theo chun mc đã đc quy đnh sn.
T khái nim trên cn tìm hiu thêm hai khái nim đó là công ty có nguy
c tài chính và công ty không có nguy c tài chính.
Khái nim công ty có nguy c tài chính theo tiêu chí xp hng tín dng
ca Trung tâm thông tin tín dng – Ngân hàng nhà nc Vit Nam (CIC) là công
ty hot đng kém hiu qu, t ch v tài chính yu kém, hot đng sn xut kinh
doanh thua l, có nguy c lâm vào tình trng phá sn, ri ro rt cao. Trái li, công
ty không có nguy c tài chính là công ty hot đng hiu qu cao, kh nng t ch

tài chính rt tt, trin vng phát trin lâu dài, tim lc tài chính mnh, ri ro thp
nht.
1.2.2 Tm quan trng ca đo lng nguy c tài chính
1.2.2.1 i vi nhà đu t
i vi hu ht các nhà đu t trên TTCK, trc khi quyt đnh đu t
vào công ty thì vn đ quan trng là phi nm rõ thông tin.  có đc nhng
thông tin cn thit v công ty d đnh đu t, các nhà đu t thng thu thp
nhng thông tin t báo cáo tài chính (BCTC) ca công ty đ có th đa ra quyt
đnh chính xác, nhm hn ch ri ro trong đu t. Ngày nay, vi các mô hình đo
lng nguy c tài chính, các nhà đu t có thêm công c đ giúp nhn din và
đánh giá ri ro tài chính. T đó so sánh, đánh giá mi quan h gia li nhun và
ri ro, nhm đm bo hiu qu đu t cng nh đm bo an toàn cho đng vn.


7

1.2.2.2 i vi công ty
Mt công ty đc đo lng không có nguy c tài chính thì công ty đó có
nhiu điu kin thun li trong vic m rng th trng vn, đc các nhà đu t
quan tâm, gim bt s ph thuc vào các khon vay ngân hàng. o lng nguy c
tài chính cng giúp duy trì s n đnh ngun tài tr cho công ty, các công ty
không có nguy c tài chính có th duy trì đc th trng vn hu nh trong mi
hoàn cnh, ngay c khi th trng vn có nhng bin đng bt li. Nguy c tài
chính càng thp thì chi phí vay s càng gim vì các nhà đu t sn sàng nhn mt
mc lãi sut thp hn cho mt chng khoán an toàn hn. o lng nguy c tài
chính giúp cho ngun tài tr ca công ty linh hot hn, đc bit là trong vic phát
hành các c phiu và công c n. Công ty phát hành có th c cu thi hn và
tng giá tr chng khoán phát hành mt cách thích hp.
1.2.2.3 i vi ngân hàng
o lng nguy c tài chính là c s đ qun tr ri ro tín dng nhm hn

ch và gii hn ri ro  mc mc tiêu. ng thi cng h tr ngân hàng trong
vic phân loi n và trích lp d phòng ri ro, tin ti mc đích ti đa hóa li
nhun và bo v s n đnh ca h thng ngân hàng.
1.2.2.4 i vi các c quan qun lý nhà nc
o lng nguy c tài chính giúp các c quan qun lý nhà nc thc hin
giám sát các hot đng kinh doanh, hot đng tài chính tin t ca công ty theo
khuôn kh Pháp lut góp phn thúc đy th trng tài chính ngày càng minh bch
hn, nâng cao hiu qu ca nn kinh t.
o lng nguy c tài chính giúp cho c quan qun lý nhà nc v TTCK
sàng lc và phân loi các CTNY trên th trng đ thc hin kp thi các hot
đng thanh tra, giám sát, đng thi ch đng hn trong công b thông tin v nguy
c tài chính ca các CTNY đn các thành phn tham gia trên TTCK nhm góp
phn hn ch ri ro cho th trng.



8

1.2.2.5 i vi nn kinh t
Nâng cao tính minh bch ca th trng bng cách đo lng nguy c tài
chính, xp hng các công ty có nguy c tài chính và không có nguy c tài chính
mt cách minh bch, khách quan theo chun mc. Nh s minh bch ca th
trng các nhà đu t gia tng nim tin trong các hot đng đu t và các nhà
phát hành có th to đc nhng kênh phân phi đn nhng th trng khác, kt
qu đo lng nguy c tài chính cng làm gim nhng chi phí c hi vô hình, gim
nhng tin đn tht thit…
1.2.3 Các mô hình đo lng nguy c tài chính
1.2.3.1 Mô hình Logit
Mô hình Logit nghiên cu s ph thuc ca mt bin nh phân vào các
bin đc lp khác. Mc tiêu ca các mô hình này là s dng các nhân t có nh

hng đn kh nng không có nguy c tài chính (bin đc lp) đ xác đnh kh
nng có nguy c tài chính (bin ph thuc) ca các công ty là cao hay thp. Ngha
là mô hình Logit có th c lng xác sut mt công ty có nguy c tài chính là
bao nhiêu. Cu trúc ca d liu trong mô hình nh sau:
Bin Loi
Ph thuc Nh phân
c lp Liên tc hoc ri rc
Mô hình Logit có dng:
Ln(p/(1-p)) = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ … + b
n
x
n
(1.1)
Trong đó:
- p là xác sut xy ra nguy c tài chính
- x
1
, x

2
, x
3
… x
n
là các ch s tài chính
- a, b là các h s.
Công thc tính xác sut xy ra nguy c tài chính:
 =

 
(



 



 



 …  



(1.2)

9

Trong đó:
- e là s Logarit t nhiên, hay còn gi là c s e.
Adnan và Dar (2006) đã thng kê li tt c các mô hình đo lng nguy c
tài chính trong các nghiên cu đc s dng trong quá kh và kt qu cho thy có
19 nghiên cu s dng mô hình Logit và chim khong 21% trong các mô hình
đo lng nguy c tài chính.  chính xác trung bình ca 19 nghiên cu s dng
mô hình Logit đt 87%.
1.2.3.2 Mô hình Probit
Cu trúc d liu cng tng t nh mô hình Logit, mô hình này cng c
lng đc xác sut xy ra nguy c tài chính ca mt công ty.
S khác bit gia mô hình Logit và Probit không đáng k và không có ý
ngha v mt thng kê. Charles M.Friel trong nghiên cu “Linear probability
response models: Probit and Logit” đã ch ra vn đ này.
Kt qu đo lng ca hai mô hình Logit và Probit khác nhau không đáng
k nhng vì d dùng hn trong trình bày toán hc, các mô hình Logit thng
đc s dng cho mô hình xp hng doanh nghip trong thc t.
u đim ca mô hình Logit và Probit là kt qu có th cung cp trc tip
đc xác sut công ty có nguy c tài chính là bao nhiêu.
Mô hình Logit và Probit có mt s li th:
Mô hình Logit và Probit không đòi hi các nhân t đu vào phi là phân
phi chun.
Kt qu ca mô hình hi quy Logit và Probit có th tính đc trc tip xác
sut xy ra nguy c tài chính ca mt công ty.
Mô hình Logit và Probit thng cho kt qu chính xác. Nhng nm gn
đây, mô hình này đc s dng nhiu trong nghiên cu lý thuyt và thc tin.
1.2.3.3 Phng pháp lân cn gn nht K (K – nearest neighbor)

10

Hc máy (Machine learning) là mt lnh vc ca trí tu nhân to liên quan
đn thit k và phát trin các thut toán cho phép ci thin kh nng thc thi các
chc nng da trên c s d liu. Mc tiêu chính trong nghiên cu hc máy là
đa ra nhng mô hình có kt qu đc to ra mt cách t đng t nhng quy lut
hay kiu mu t d liu. Do đó, các mô hình này đòi hi phi có d liu đu vào
ln. Có nhiu nhóm thut toán trong hc máy, mi nhóm này có mt chc nng
khác nhau,  đây ch quan tâm đn nhóm hc giám sát (supervised learning), mà
các thut toán đang đc s dng trên th gii nh là nhng k thut riêng l tt
nht là phng pháp lân cn gn nht K (K-nearest neighbor) và mng n ron
nhân to (Artificial Neural Network).
Lân cn gn nht K mt trong s nhng thut toán hc máy đn gin nht.
Thut toán này phân loi da trên phng pháp chn nhng quan sát gn nhau
trong không gian véc t đa chiu ca các bin đc lp thành mt nhóm, mc đ
gn nhau ca các quan sát ph thuc vào K. K là mt s nguyên dng và có đc
trng là nh. Tng t đi vi hi quy, bng cách phân giá tr ca quan sát gn
vi trung bình giá tr ca nhóm các quan sát nm trong khong lân cn gn nht
K. Giá tr ca bin nào càng gn mc trung bình thì t trng ca nó càng ln.
1.2.3.4 Mô hình phân tích đa bit thc (Multiple Discriminant Analysis –
MDA)
MDA đc s dng trong nhiu nghiên cu t khi đc áp dng đu tiên
 thp k 30 ca th k 20. Sut nhng nm trc, MDA đc s dng ch yu
trong sinh vt hc và khoa hc nghiên cu hành vi. Trong nhng nm gn đây, k
thut này đc s dng ngày càng ph bin trong gii hc thut cng nh trong
thc tin. Altman và cng s (1981) đã tho lun v MDA mt cách khá sâu sc
và xem xét mt vài ng dng ca nó vào lnh vc tài chính.
1.2.3.5 Mng nron nhân to (Artificial Neural Network - ANN)
ANN s dng nguyên lý tính toán song song bao gm nhiu quá trình tính
toán đn gin đc kt ni vi nhau. Trong mi quá trình này, các phép tính đc

thc hin rt đn gin, do mt nron đm trách. Nhng chính nhng nron đn


11

gin này li có th gii quyt đc nhng nhim v rt phc tp khi chúng đc
kt ni, t chc vi nhau theo mt cách hp lý nào đó.
Thc ra, nn tng ca ANN đc đa ra vào nhng nm ca thp k 50,
nhng mãi đn đu thp k 90 mi thc s đc chp nhn rng rãi và tr thành
công c hu ích. Lý do chính là con ngi đã vt qua đc mt s rào cn v lý
thuyt cng nh s phát trin mnh m v kh nng ca phn cng máy tính.
Thut ng “nhân to (artificial)” thc ra đc dùng đ ch công c tính toán bng
mng nron là sn phm trí tu ca con ngi ch không phi mng nron sinh
hc ca b não ngi. Mt điu hin nhiên rng quá trình tìm hiu não b ngi
có tính cht quyt đnh quá trình phát trin ca các mng ANN. Tuy vy, khi so
sánh vi b não ngi, c ch hot đng ca mng ANN hin nay còn  mc đ
rt đn gin. Thêm vào đó mng ANN thng đc đ cp nh là mt mng kt
ni khi kh nng tính toán đc nhn mnh hn là tính chính xác v mt sinh
hc. Nói cách khác, tính kt ni giúp mng nron thc hin nhim v ca mình
ch không phi c gng mô phng chính xác phn nào đó ca mt quá trình sinh
hc.
ANN là mt k thut phân tích khác đ xây dng mô hình đo lng. ANN
có th bt chc và nhn thc đc các trng thái thc đi vi d liu đu vào
không đy đ hoc d liu vi mt s lng bin rt ln. K thut này đc bit
phù hp vi mô hình đo lng mà không có công thc toán hc nào đc bit đ
mô t mi quan h gia các bin đu vào và đu ra. Hn na nó hu dng khi
mc tiêu đo lng là quan trng hn gii thích.
1.2.4 Các nghiên cu thc nghim đo lng nguy c tài chính
Các nghiên cu thc nghim v nguy c tài chính đu đi đn mt kt lun
rng các ch s tài chính là hu ích trong vic đo lng các nguy c tài chính.

Trong các nghiên cu đó nhìn chung các ch s v li nhun, thanh khon đc s
dng ph bin nht.  chính xác không phi là tuyt đi nhng đa phn các
nghiên cu này đã chng minh tính hiu qu trong đo lng nguy c tài chính
theo thi gian.


12

Mc tiêu nghiên cu đa phn là khác nhau, nhng phng thc đo lng
nhìn chung là tng t nhau. Scott (1981) đa ra mt quy trình thc hin mt mô
hình đo lng nguy c tài chính, theo đó các ch s tài chính đc tính toán t
BCTC đã đc công b trc khi công ty có nguy c tài chính, bc k tip là
xây dng mt hàm đo lng, trong đó các ch s tài chính đc kt hp vi nhau
và có kh nng phân bit tt nht gia công ty có nguy c tài chính và không có
nguy c tài chính. Hàm này đc kim nghim trên c hai mu phân tích và mu
kim tra. Scott cng chng minh tính hiu qu ca mô hình đo lng b suy gim
theo thi gian sau khi đc đa vào s dng.
Có hai loi mô hình truyn thng. u tiên là phng pháp đn bin,
khám phá các mi quan h gia ch s tài chính riêng bit và nguy c tài chính.
Cách th hai là phng pháp đa bin kt hp các ch s tài chính li vi nhau đ
đo lng nguy c tài chính.
Phng pháp đn bin s dng các ch s tài chính riêng bit ti mt thi
đim đ đo lng nguy c tài chính. Beaver (1966) đã chn mu theo cp đ đánh
giá đ chính xác ca các ch s tài chính. Kt qu ca nghiên cu ch ra rng có
s khác bit gia ch s tài chính ca các công ty có nguy c và không có nguy
c. Phát hin ca Beaver gi ý rng phân tích ch s tài chính có hiu qu t nm
nm trc khi công ty có nguy c tài chính, mc dù ông cnh báo rng các ch s
tài chính đc chn là có chn lc. Nghiên cu cng phát hin ra rng không phi
tt c các ch s tài chính đu đo lng chính xác các công ty có nguy c và
không có nguy c tài chính.

Zavgren (1983) quan sát thy rng nhc đim ch yu theo phng pháp
ca Beaver là s khác bit ch din ra  mt ch s tài chính ti mt thi đim
trong khi đó các bin khác nhau đu có kh nng cung cp s đa dng trong đo
lng. Mt ch s tài chính duy nht gii thích cha đy đ tình hình tài chính ca
các công ty. Mt s nghiên cu ng h phng pháp đa bin bi vì gii quyt
nhc đim này.


13

Altman (1968) là ngi đu tiên áp dng phng pháp đa bin đ đo
lng nguy c tài chính. Phng pháp này kt hp các ch s tài chính li vi
nhau vào trong mt mô hình.  xây dng mt mô hình đa bin hiu qu, phi
xác đnh đc các ch s tài chính tt nht có kh nng đo lng đc nguy c tài
chính.
Có ba phng pháp phân tích ph bin ca mô hình đa bin, đó là mô hình
phân tích đa bit thc (MDA), hi quy Logit, Probit và mô hình mng n ron
nhân to (ANN).
MDA là mt trong nhng phng pháp ph bin nht đc s dng đ đo
lng nguy c tài chính (Zavgren 1983). Phng pháp này đánh giá kh nng đo
lng ca các ch s tài chính. Jones (1987) mô t phng pháp này nh mt k
thut đim Z ca mi công ty trong mt mu bng cách kt hp các bin đc lp
li vi nhau. Mt đim Z đc la chn da vào kt qu mu. Các công ty di
đim Z đc d báo là có nguy c tài chính và ngc li nhng công ty trên đim
Z đc d báo là không có nguy c tài chính (Jones 1987). u đim ca phng
pháp này là kh nng đo lng chính xác cao.
Phng pháp MDA đã đc s dng đ phát trin mt s mô hình đo
lng, bao gm c Altman (1968), Altman, Haldeman và Narayanan (1977),
Deakin (1972, 1977), Edmister (1972), Blum (1974), Sinkey (1975) và Lincoln
(1984).

Phân tích hi quy Logit tng đng vi hi quy Probit. u đim ca nó
là các gi đnh đn gin hn so vi MDA, chng hn nh các bin ch cn phân
phi thông thng (Altman, 1993). Hi quy Logit đc s dng đ phát trin các
mô hình đo lng nh Ohlson (1980).
ANN là mt k thut phân tích khác đ xây dng mô hình đo lng. ANN
có th bt chc và nhn dng đc các trng thái thc đi vi d liu đu vào
không đy đ hoc d liu vi mt s lng bin rt ln. K thut này đc bit
phù hp vi mô hình đo lng mà không có công thc toán hc nào đc bit đn
đ miêu t mi quan h gia các bin đu vào và đu ra. Hn na nó hu dng


14

khi mc tiêu đo lng là quan trng hn gii thích. Mt trong nhng thun li ca
mô hình mng là nó có th gii quyt mi quan h phi tuyn. ANN đc Adnan
và Dar (2006) s dng đ đo lng nguy c tài chính vi đ chính xác cao.
Hamer (1983) đã kim tra các bin trong mô hình ca Altman (1968),
Deakin (1972), Blum (1974) và Ohlson (1980). Nghiên cu Hamer ch ra tt c
các mô hình đu có các bin đ đo lng li nhun, thanh khon và đòn by.
Phng pháp ca Altman và Deakin có thêm doanh thu, trong khi phng pháp
ca Blum và Ohlson là bin thay đi ca thu nhp theo thi gian. Ngoài ra,
phng pháp ca Blum có thêm mt s bin đ đo lng s thay đi trong kh
nng thanh toán theo thi gian. Altman và Blum s dng d liu giá th trng đ
tính toán ch s đòn by, trong khi phng pháp ca Ohlson và Deakin da hoàn
toàn vào thông tin trên BCTC.
Các ch s tài chính đã đc tìm thy là các yu t đo lng chính xác
nht nguy c tài chính theo phân tích đa bin (Ph lc 1). Các mô hình ca
Edmister (1972), Deakin (1972), Sinkey (1975) và Ohlson (1980) s dng s liu
k toán, trong khi d liu gm c k toán và d liu th trng xut hin trong mô
hình Z score ca Altman (1968) và mô hình Zeta ca Altman, Haldeman và

Narayanan (1977).
Scott (1981) xem xét và kt hp các mô hình hàng đu th gii li vi
nhau bao gm các mô hình ca Altman Beaver (1966, 1968), Deakin (1972),
Wilcox (1971, 1973) và Altman, Haldeman và Narayanan (1977). Ông đã so sánh
đ chính xác ca chúng và đi đn kt lun tn ti mt mô hình có kh nng đo
lng nguy c tài chính mt cách thành công nht. Ông kt lun rng “các mô
hình đa bin, các mô hình Zeta có l là thuyt phc nht. Nó có kh nng phân
bit gia các công ty có nguy c tài chính và không có nguy c tài chính vi đu
vào là các d liu k toán và d liu th trng. Hn na nó đang đc s dng
trong thc t  hn ba mi t chc tài chính. Mc dù nó không đi din cho mô
hình đo lng hoàn ho nht nhng nó đc s dng nh là mt chun mc đ
đánh giá đ chính xác ca lý thuyt ” (Scott, 1981, trang 324-325).