Sử dụng công cụ z score để đánh giá nguy cơ phá sản các doanh nghiệp việt nam

Tên đề tài: SỬ DỤNG CÔNG CỤ Z-score ĐỂ ĐÁNH GIÁ NGHUY
CƠ PHÁ SẢN CÁC DOANH NGHIỆP VIỆT NAM
I. Đặt vấn đề
Phá sản được xem như dấn chấm hết đối với một doanh nghiệp. Làm
thế nào để phát hiện sớm các dấu hiệu báo trước nguy cơ phá sản để có biện
pháp kịp thời. Bài viết này giới thiệu một trong những công cụ phổ biến nhất
để phát hiện nguy cơ phá sản. Đó là chỉ số Z. Hãy tự tính chỉ số Z để phòng
bệnh cho doanh nghiệp. ( Đối với nhà đầu tư: để chọn công ty không bị nguy
cơ phá sản)
Việc tìm ra một công cụ để phát hiện dấu hiệu báo trước sự phá sản
luôn là một trong những mối quan tâm hang đầu của các nhà nghiên cứu về
tài chánh doanh nghiệp. Có nhiều công cụ đã được phát triển để làm việc
này. Trong đó, chỉ số Z là công cụ được cả hai giới học thuật và thực hành,
công nhận và sử dụng rộng rãi nhất trên thế giới. Chỉ số này được phát minh
bởi Giáo Sư Edward I. Altman, trường kinh doanh Leonard N. Stern, thuộc
trường Đại Học New York, dựa vào việc nghiên cứu khá công phu trên số
luợng nhiều công ty khác nhau tại Mỹ. Mặc dù chỉ số Z này được phát minh
tại Mỹ, nhưng hầu hết các nuớc, vẫn có thể sử dụng với độ tin cậy khá cao.
Kỹ thuật z-score truyền thống cho "dự đoán" về tình trạng lâm nguy tài
chính doanh nghiệp, tuy nhiên, vẫn còn là một công cụ được chấp nhận cho
việc phân tích tài chính thực tế. Nó được thảo luận chi tiết trong hầu hết các
văn bản tiêu chuẩn và tiếp tục được sử dụng rộng rãi cả trong các tài liệu học
tập cho các học viên.
Kỹ thuật z-score được sử dụng như một công cụ nghiên cứu cơ bản
trong việc khám phá lĩnh vực sáp nhập và thoái vốn hoạt động (ví dụ như
Shrieves và Stevens, 1979;. Lasfer et al, 1996; Sudarsanam và Lai, 2001),
định giá tài sản và hiệu quả thị trường (ví dụ như Altman và Brenner, 1981;.
1


Katz et al, 1985; Dichev, 1998; Griffin và Lemmon, 2002; Ferguson và

Shockley, 2003), xác định cấu trúc vốn (ví dụ Wald, 1999; Graham, 2000;
Allayannis et al, 2003;.Molina , 2005), việc định giá rủi ro tín dụng (xem
Kao, 2000 cho một cái nhìn tổng quan), suy thoái chứng khoán (ví dụ như
Altman, năm 2002:.. ch 22; Marchesini et al, 2004), xếp hạng trái phiếu và
danh mục đầu tư (ví dụ như Altman, năm 1993: ch.10; Caouette et al, 1998:.
ch 19). Mô hình Z-score cũng được sử dụng rộng rãi như một công cụ trong
việc đánh giá tình hình tài chính công ty trong nghiên cứu (ví dụ như Citron
và Taffler, 1992; Carcello et al 1995,;. Mutchler et al 1997,;. Louwers, 1998;
Citron và Taffler năm 2001 và 2004;. Taffler et al, 2004).
II. Phương pháp tính chỉ số z-score
Chỉ số Z bao gồm 5 chỉ số X1, X2, X3, X4, X5:
X1 = Tỷ số Vốn Lưu Động trên Tổng Tài Sản (Working Capitals/Total
Assets).
X2 = Tỷ số Lợi Nhuận Giữ Lại trên Tổng Tài Sản (Retain
Earnings/Total Assets)
X3 = Tỷ Số Lợi Nhuận Trước Lãi Vay và Thuế trên Tổng Tài sản
(EBIT/Total Assets)
X4 = Giá Trị Thị Trường của Vốn Chủ Sỡ Hữu trên Giá trị sổ sách của
Tổng Nợ (Market Value of Total Equity / Book values of total Liabilities)
X5= Tỷ số Doanh Số trên Tổng Tài Sản (Sales/Total Assets)
Từ một chỉ số Z ban đầu, Giáo Sư Edward I. Altman đã phát triển ra Z’
và Z’’ để có thể áp dụng theo từng loại hình và ngành của doanh nghiệp, như
sau:
Đối với doanh nghiệp đã cổ phần hoá, ngành sản suất:
Z = 1.2×1 + 1.4×2 + 3.3×3 + 0.64×4 + 0.999×5

2


* 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, nguy cơ phá
sản cao.
Đối với doanh nghiệp chưa cổ phần hoá, ngành sản suất:
Z’ = 0.717X1 + 0.847X2 + 3.107X3 + 0.42X4 + 0.998X5
* 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, nguy cơ
phá sản cao.
Đối với các doanh nghiệp khác:
Chỉ số Z’’ dưới đây có thể được dùng cho hầu hết các ngành, các loại
hình doanh nghiệp. Vì sự khác nhau khá lớn của X5 giữa các ngành, nên X5
đã được đưa ra. Công thức tính chỉ số Z’’ được điều chỉnh như sau
Z’’ = 6.56×1 + 3.26×2 + 6.72×3 + 1.05×4
* Nếu Z’’ > 2.6 Doanh nghiệp nằm trong vùng an toàn, chưa có nguy
cơ phá sản
* Nếu 1.2 < 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, nguy cơ phá
sản cao.
Tăng chỉ số Z để giảm thiểu khả năng phá sản:

3


Để tăng chỉ số Z chúng ta cần tăng từng tử số và giảm mẫu số của từng

chỉ số X bên trên. Quan sát 5 chỉ số X, chúng ta có thể nhận thấy Tổng Tài
Sản là mẫu số của 4 chỉ số X1, X2, X3, X5. Do đó nếu doanh nghiệp có thể
giảm được tổng tài sản mà vẫn giữ vững quy mô, hiệu quả hoạt động thì
chắc chắn chỉ số Z sẽ tăng lên rõ rệt. Vì thế doanh nghiệp cần phải rà soát
thật kỹ để tìm ra những tài sản không hoạt động, tức là những tài sản không
góp phần trực tiếp hay gián tiếp tạo ra doanh số. Bán chúng đi, doanh nghiệp
sẽ giảm được các mẫu số của 4 chỉ số X nói trên, và đồng thời tăng được tử
số của một số chỉ số. Đối với những tài sản không có nợ hay nợ ít, khi bán đi
doanh nghiệp sẽ nhận được thêm tiền mặt, khi đó Vốn lưu động – tử số của
X1 sẽ tăng lên. Bên cạnh đó chi phí khấu hao cũng sẽ giảm xuống, dẫn đến
tỷ suất lợi nhuận tăng, tức là tử số của X2, và X3 sẽ tăng theo.
Trong trường hợp tài sản đang bị nợ, khi bán chúng đi, vốn lưu động có
thể sẽ không tăng lên liền lúc đó, nhưng tổng nợ – mẫu số X4 – sẽ giảm
xuống, chi phí lãi suất, và khấu hao cũng giảm theo. Tỷ lệ lợi nhuận vì thế sẽ
tăng lên, tử số của X2, X3 sẽ tăng lên. Và nếu quản lý tốt, chúng ta sẽ có
thêm tiền mặt. Tức là vốn lưu động sẽ tăng lên theo. Tử số X1 cũng sẽ tăng
lên theo sau đó. Rõ ràng việc bán đi những tài sản không hoạt động sẽ tạo ra
ảnh hưởng rất tốt đến sự tăng trưởng của các chỉ số X. Dĩ nhiên, không phải
tài sản nào bán đi cũng có thể đưa chỉ số Z lên. Có những tài sản khi bán đi,
sẽ làm ảnh hưởng lớn đến doanh số – tử số của chỉ số X5, và ảnh hưởng gián
tiếp đến đến các tử số của X2, X3. Khi đó lợi bất cập hại. Do đó doanh
nghiệp rất phải cẩn thận trong việc phân loại tài sản. Không phải cứ bị nguy
hiểm là lo bán tài sản. Để tăng tử số X2, X3 công ty cần phải tạo nhiều lợi
nhuận hơn qua hoạt động kinh doanh chính của mình, hay đôi khi là từ
những “phi vụ” kinh doanh không thường xuyên. Làm sao bán được nhiều

4


hàng/dịch vụ , với giá chấp nhận được, quay vòng vốn nhanh…đó là những

việc làm có tính sống còn mà công ty phải thực hiện.
Để tăng X3 – Lợi Nhuận giữ lại, doanh nghiệp cần phải để ý đến mức
chia cổ tức cho nhà đầu tư. Cổ tức chia ít đi thì Lợi Nhuận giữ lại sẽ tăng
lên. Tuy vậy, doanh nghiệp không thể giảm cổ tức đến mức quá thấp vì khi
đó nhà đầu tư sẽ phản ứng, dẫn đến giá cổ phiếu thấp, tất sẽ làm làm giảm tử
số của X4 và vì thế tăng chỉ số Z.
Để làm tăng doanh số – tử số của X5, doanh nghiệp cần phải có tăng
cường năng lực hoạt động kinh doanh của mình. Một điều cần phải quan tâm
là doanh nghiệp phải cân bằng giữa chi phí của việc tăng doanh số và biên
độ tăng của doanh số. Nếu chi phí tăng quá cao, thì tử số X1, X2, X3 sẽ
giảm, khi đó việc tăng tử số X5 sẽ là vô nghĩa vì không đủ sức bù đắp cho sự
giảm của các chỉ số X1, X2, X3.
Cuối cùng, để tăng X4, chúng ta phải tăng giá trị thị trường của vốn chủ
sỡ hữu, bằng cách tăng thị giá cổ phiếu, đối với công ty đại chúng, hoặc tăng
giá trị tài sản ròng, đối với công ty dạng khác. Tuy nhiên đây không phải là
công việc dễ thực hiện. Có một các đơn giản hơn là giảm bớt nợ. Doanh
nghiệp có thể dùng tiền mặt để trả nợ, nhưng cần thận trọng nếu lựa
chọn102376.jpg giải pháp này, vì khi đó vốn lưu động sẽ bị giảm, có thể ảnh
hưởng gián tiếp đến doanh số và lợi nhuận. Một giải pháp tốt hơn và thường
được lựa chọn là bán bớt những tài sản không hoạt động như đã trình bày ở
trên.
Tóm lại, để tăng chỉ số Z lên, tùy theo tình huống, chúng ta sẽ ra quyết
định thực hiện một hay nhiều giải pháp trên. Tuy vậy, bất cứ giải pháp nào
cũng sẽ dẫn đến tình trạng khó khăn, doanh nghiệp phải “thắt lưng buột
bụng” trong một thời gian. Vì thế phòng bệnh bao giờ cũng tốt hơn chữ

5


bệnh. Hãy luôn để mắt đến chỉ số Z và hành động ngay để tăng chỉ số này

khi nó bắt đầu “mấp mé” khu vực cảnh báo.
III. Xác xuất thất bại và mức độ âm của z-score
Hầu hết các nghiên cứu trong lĩnh vực này đã tập trung hoàn toàn vào
việc z-score có nguồn gốc là ở trên hoặc dưới một điểm cắt (cut-off) đặc
biệt. Tuy nhiên, hiện các độ lớn của z-score (âm) cung cấp thêm thông tin về
mức độ thực tế của nguy cơ thất bại trong năm tới cho các công ty có z <0?
Để tìm hiểu xem liệu việc xây dựng z-score là một giá trị có độ lớn hay
chỉ là phương pháp nhị phân dự đoán nguy cơ phá sản, chúng tôi xem xét kết
quả thất bại của các nhóm z-score âm trong thời gian 25 năm. Bảng 6 cung
cấp kết quả.
Có thể thấy, có một mối quan hệ giữa mức z-score và xác suất của sự
thất bại trong các năm tiếp theo trong đó xác xuất từ 7,3% ở nhóm tệ nhất
của z-score đến 0,8% đối với các nhóm ít âm nhất. Nhìn chung, mức thấp
nhất 20% z-score âm chiếm 42% của tất cả các thất bại và tổng hai nhóm
thấp nhất chiếm hai phần ba (68%) của tất cả các trường hợp. Một bảng kết
quả kiểm tra liên kết giữa nhóm z-score và tỷ lệ thất bại là có mức ý nghĩa
cao (χ2 =105.9).Như vậy, chúng ta đã có bằng chứng rõ ràng z-score càng
âm, xác suất thất bại càng cao; các tác dụng thiết thực của z-score rõ được
tăng cường đáng kể bằng cách tính độ lớn của nó.
IV. Mô hình z-score có thể làm gì và không thể làm gì
z-score vì một vài lý do nó xuất hiện với nhiều sự phức tạp và cố
gắng phá hủy những gì người ta không làm (ví dụ Morris, 1997). Tuy
nhiên, có nhiều vấn đề khiến người ta cảm thấy dễ hiểu lầm những gì
họ làm hay không và cái gì được mô tả, cái gì không.
6


Về cơ bản, z-score là mô tả tự nhiên. Nó được tạo thành từ một số chỉ
tiêu tài chính khá thông thường đo lường các khía cạnh quan trọng và khác
biệt của hồ sơ tài chính của một công ty, tổng hợp thành một chỉ số duy

nhất. Mô hình này là đa biến, như là tập hợp của một công ty kế toán, và nó
tập trung phản ánh các thông tin một cách ngắn gọn và rõ ràng.
z-scorechủ yếulà một thiết bịđể cung cấp thông tin một cách dễ dàng,
sử dụngnguyên tắcxem xét toàn bộ hơn là tổng hợp các phần.Điểm mạnh
của nóxuất pháttừ việc xem xétcác khía cạnhthông tin kinh tếkhác
nhaucủacông tytrongcùng một lúc, chứ không lần lượt từng cái một, như với
phân tích tỷ lệthông thường. Kỹ thuật lượng hóamức độ rủi rocủa công
tymột cách độc lập, khách quan vàcông bằng.Điều này rất khó thực hiện khi
các công ty tự đánh giá mình.

Một mô hình z-score xấu nói đúng ra không phải là một dự đoán cho
một nguy cơ phá sản và các mô hình điểm z- không nên sử dụng thực tế như
một thiết bị dự báo. các mô hình thống kê nhằm trả lời cho câu hỏi là "công
ty nào có một hồ sơ tài chính tương tự như nhóm công ty có nguy cơ phá sản
mà mô hình phân tích đã được phát triển hay chuyển đổi?" Một z-score
không tốt chỉ là một điều kiện cần chứ chưa đủ để cho rằng có nguy cơ phá
sản, như bảng 2 cho thấy.
Vì mục đích chính của các mô hình z-score, ngầm hay rõ ràng, là để dự
báo các sự kiện tương lai, giá trị duy nhất của các thử nghiệm là để đo khả
năng dự báo đúng ex ante của mô hình.1Điều này hiếm khi được thực hiện
và hầu hết các mô hình còn thiếu. Điều này có thể là do một số đáng kể các
1
7


doanh nghiệp phá sản mà không được dự báo (sai lầm loại I). Tuy nhiên,
thường là các doanh nghiệp được phân loại là có khả năng phá sản nhưng lại
không phá sản (sai lầm loại II) trong quần thể gọi tiện ích hoạt động của các
mô hình thành câu hỏi.2Ngoài ra, cần có bằng chứng thống kê chứng minh
những mô hình dự báo tốt hơn sự phân loại cơ hội, thách thức của tất cả các

trường hợp không phá sản hay các chiến lược đơn giản khác (ví dụ như lỗ
năm trước).
5. Sự ổn định tạm thời
Mensah (1984) đã chỉ ra rằng người dùng dựa trên của các mô hình kế
toán cần phù hợp vớisự thay đổi của các loại tài khoản trong môi trường
kinh tế mà họ đang áp dụng.Như vậy, hiệu quả hoạt động của chúng cần
phải được theo dõi kỹ lưỡng để đảm bảo hữu ích cho hoạt động liên tục của
chúng.Trong thực tế, khi chúng ta áp dụng mô hình Altman truyền thống
(1968) được phát triển bằng cách sử dụng dữ liệu công ty từ 1945-1963 cho
đến các công ty phi tài chínhMỹ được niêm yết tại NYSE, AMEX và
NASDAQ giữa năm 1988 và 2003,chúng ta tìm thấy gần một nửa các doanh
nghiệp (47%) có chỉ số z score ít hơn ngưỡng tối ưu của Altman là 2.675.
Thêm vào đó, 19% các công ty tham gia Chương 11 trong thời gian này đã
có z-score lớn hơn 2.675.3
Trong khi các kỹ thuật như phương pháp dao xếp (jackknife method) của Lachenbruch
(1967), áp dụng cho các dữ liệu ban đầu để kiểm tra tìm kiếm và mẫu chọn, thường được sử
dụng, suy luận để thực hiện trên dữ liệu khác trong một khoảng thời gian trong tương lai không
thể thực hiện được do tiềm ẩn khả năng thiếu dữ liệu phổ biến.
2
Ví dụ, Mô hình Ngân hàng Anh (1982) đã phân loại hơn 53% mẫu với 809 công ty là
thất bại tiềm tàng trong năm 1982 ngay sau khi nó ra đời.
3
Báo cáo của Begley et al. (1996) cho biết ngưỡng mẫu sai lầm loại I và loại II là 18,5%
và 25,1% cho các mô hình Altman (1968) và tăng 10,8% và 26,6% cho các mô hình Ohlson
8


Tuy nhiên, điều thú vị để lưu ý là, trên thực tế, mô hình đó có thể vững
chắc lâu dài và tiếp tục làm việc hiệu quả trong nhiều năm, như là cách
thuyết phục đã chứng minh ở trên.Altman (1993: 219-220) báo cáo tỷ lệ xếp

hạng 94% đúng với mô hình ZETATM của ông trong hơn 150 vụ phá sản
công nghiệp của Mỹ trong thời gian 17 năm kể từ năm 1991,với 20% lao
động trong công ty của ông ước tính rằng có điểm số ZETATM dưới
ngưỡng zero.
Trong trường hợp mô hình z-score của Vương quốc Anh xem xét trong
bài báo này, biểu đồ 2 cho thấy tỷ lệ doanh nghiệp có z scores nguy cơ thay
đổi cao rộng rãi phù hợp với tình trạng của nền kinh tế.Tuy nhiên, nó tăng
đáng kể từ khoảng 25% năm 1997 lên 41% vào năm 2003 khiến nó là một
công cụ rất thẳng thừng trong vài năm qua. Mặc dù mô hình đang được áp
dụng cho các công ty bán lẻ và công ty dịch vụ thêm vào đó là lĩnh vực
công nghiệp mà từ đó nó được phát triển, tuy nhiên, bảng 2 không cung cấp
bằng chứng rằng các mô hình z-score không còn làm việc tốt, không có điều
khoản cần thiết về các tỷ lệ sai lầm loại I, nhưng xét về sai lầm loại II rất
cao.
Các yếu tố này có chiều hướng giảm bớt khả năng dự đoán trong thời
gian gần đây bao gồm sự tăng trưởng về lĩnh vực dịch vụ liên quan đến suy
giảm số lượng doanh nghiệp niêm yết công nghiệp, 4tăng gấp đôi tỷ lệ của
các công ty làm ăn thua lỗ giữa năm 1997 và 2002, như chứng minh trong
bảng 3,với một trong bốn công ty trong năm 2002 làm thiệt hại chi phí lịch
sử, thậm chí khấu haotrước lợi thế thương mại, (iii) tăng độ sắc bén trong
(1980) sử dụng cho doanh nghiệp mẫu nhỏ bị phá sản và không bị phá sản
4
Như đã nêu ở trên, mô hình z-score của chúng tôi đã được xuất phát ban đầu bằng cách
sử dụng dữ liệu công ty độc quyền công nghiệp.
9


phân bố tỷ lệ mô hình biểu làm giảm tính đồng nhất trong cấu trúc tài chính
vững chắc, và tăng cường sử dụng các công cụ tài chính mới (Beaver et al.,
2005).Cũng có những câu hỏi về ảnh hưởng của những thay đổi đáng kể

trong chuẩn mực kế toán và báo cáo thực hành trong thời gian của các mô
hình z-score, mặc dù là mô hình được áp dụng bằng cách sử dụng dữ liệu kế
toán trên cơ sở tiêu chuẩn, bất cứ tác động tiềm năng của những thay đổi đó
đều làm bị giảm.
6. Áp dụng qua hệ số Z-score để đo lường rủi ro của các công ty chứng
khoán (CTCK) tại Việt nam
Thứ năm, 29/12/2011 | 16:10 GMT+7
Sự kiện SME bị đình chỉ tạm thời các hoạt động thanh toán bù trừ vào
tháng 12 gợi lên một câu hỏi: Hiện có bao nhiêu CTCK như SME? Liệu
SME có trả được nợ và thủ tục phá sản như thế nào?

Đo lường khả năng phá sản của các công ty là điều không dễ, đặc biệt
là các công ty tài chính, vì thông tin tài chính không được công bố rõ ràng
và các công ty này thường xuyên sử dụng các khoản mục nằm ngoài bảng kế
toán. Trong bài viết này sẽ sử dụng một công cụ đơn giản: hệ số Z-score của
10


GS. Altman, công bố vào năm 1968 để đo lường khả năng phá sản của các
công ty.
Hệ số này được tính toán dựa trên báo cáo tài chính của các công ty
trước thời điểm khủng hoảng. Một phiên bản của hệ số này là Z2 được dùng
cho các công ty dịch vụ. Hệ số Z càng nhỏ thì tình hình tài chính càng diễn
biến xấu đi. Trong đó nếu hệ số Z lớn hơn 2,6 thì công ty an toàn, không có
khả năng phá sản. Nếu nhỏ hơn 1,1 thì công ty sẽ khủng hoảng và khoảng
giữa 1,1 đến 2,6 là vùng xám.
Từ khi ra đời đến nay, hệ số Z đã được kiểm nghiệm vào thực tế với
khả năng dự báo chính xác của nó có thể lên đến 95% cho thời điểm phân
tích trước thời điểm phá sản 1 năm và 70% nếu phân tích cách đó 2 năm.
Ứng dụng mô hình Z-score vào SME với dữ liệu báo cáo kiểm toán

2010, báo cáo soát xét bán niên của năm 2011 và báo cáo tài chính quý III2011, ta thấy giá trị Z của SME liên tục suy giảm.

Như vậy đến cuối quý III, giá trị của hệ số Z đã tiệm cận với ngưỡng
phá sản 1,1. Và đó là một cảnh báo rõ ràng cho khả năng mất thanh khoản
của SME. Mở rộng hơn, bài viết này tiến hành phân tích cho 101 CTCK còn
lại trong danh sách thành viên của Sở Giao dịch chứng khoán TPHCM. Đến
quý II-2011 có 58 công ty công bố kết quả kinh doanh và con số này đến
quý III-2011 là 29 công ty.
Kết quả cho thấy trong số 29 công ty công bố kết quả kinh doanh vào
quý 3 có tới 12 công ty diễn biến xấu đi so với thời điểm đầu năm.
11


ORS là công ty có nhiều khả năng vỡ nợ nhiều nhất. Đến cuối quý 3,
tổng nợ ngắn hạn của công ty đã hơn 1.235 tỷ đồng, trong khi vốn chủ sở
hữu chỉ có 223 tỷ đồng, lỗ lũy kế đến quý III là – 6,58 tỷ trong khi năm 2010
công ty lãi 28 tỷ đồng Vì vậy khả năng ORS tiếp bước SME là rất lớn.
Ngoài ORS, các công ty khác như BSC, SHS, VDSC cũng thuộc diện gần
với ngưỡng khủng hoảng và nếu các công ty này không có chính sách cải
thiện tài chính trong thời gian tới sẽ rất nguy hiểm cho các công ty này.
Nếu nhìn về thời điểm cuối năm 2010, chúng ta sẽ thấy có tới 16 công
ty trong tổng số 102 công ty thuộc diện nguy hiểm. Trong đó đáng lưu ý là
các công ty: Chứng khoán Châu Á( điểm là 0,5), chứng khoán Beta ( 0,6),
chứng khoán Tầm Nhìn (- 6,4), chứng khoán Hà Nội (- 2,1), chứng khoán
Navibank (- 1,5), chứng khoán Phượng Hoàng (0,8), chứng khoán Phú Gia
(1,0), chứng khoán Miền Nam (- 0,5), chứng khoán Cao Su (0,2), chứng
khoán Vina(- 1,0), chứng khoán Việt Nam Thịnh Vượng (0,9), chứng khoán
Việt Quốc (0,9), chứng khoán Sài Gòn Tourist (0,8).
Tất cả các công ty này đều không có dữ liệu công khai kết quả kinh
doanh trong năm 2011 nên đang tồn tại một câu hỏi: Liệu chúng có thể cải

thiện sức khỏe hơn hay sẽ tệ hơn? Nhìn vào diễn biến ảm đạm của chứng

12


khoán năm nay có lẽ đại đa số mọi người sẽ thiên về khả năng thứ hai nhiều
hơn.
Tuy vậy, không phải mọi thứ đều là bóng đen. Vẫn có vài trường hợp
công ty đã cải thiện khả năng tài chính của mình như trường hợp của chứng
khoán Sacombank (SBSC). Cuối 2010, hệ số Z của SBSC là 1,5. Nhờ một
loạt các cuộc cải tổ mạnh mẽ mà hệ số này đến quý II tăng lên 1,7 và quý III
là 2,4, tức xa khỏi vùng nguy hiểm. Chứng khoán Đông Dương sau khi co
hẹp hoạt động môi giới, cải tổ lại bộ máy thì hệ số Z đã được cải thiện mạnh
mẽ từ vùng nguy hiểm 0,7 vào cuối quý II tăng lên 7,6 vào cuối quý III,
DDS chấp nhận giảm kinh doanh hơn là lỗ vì kinh doanh.
Rõ ràng hệ số Z mang đến cho chúng ta một cách đánh giá đơn giản về
sức khỏe của các CTCK. Kết hợp với các tỷ số khác như tỷ lệ nợ trên vốn
chủ sở hữu, lãi (lỗ), tỷ lệ vốn khả dụng sẽ giúp đánh giá toàn diện hơn về
sức khỏe của các CTCK. Tuy nhiên đến đây chúng ta lại đặt ra một câu hỏi:
Liệu chăng bắt buộc tất cả CTCK phải công bố công khai kết quả hoạt động
kinh doanh định kỳ từng quý để từ đó giúp thị trường có cơ sở đánh giá tình
hình của các CTCK? Thông tin càng minh bạch, việc tìm ra giải pháp khắc
phục sẽ tốt hơn.
Tóm lại, đến đầu năm sau, khi tất cả các công ty đều công bố kết quả
kinh doanh mọi thứ sẽ sáng sủa hơn nhưng rõ ràng ngay từ bây giờ các công
ty được đề cập ở trên sẽ là những đối tượng dễ chịu tổn thương nhất: Đó là
sẽ là những công ty dễ phá sản, bị vấn đề về thanh khoản và trở thành các
mục tiêu dễ bị thâu tóm nhất.

13

TÀI LIỆU THAM KHẢO
1. GS.TS Trương Bá Thanh – Đề cương bài giảng Phân tích tài chính –
Năm 2015

14


2. Wineet Agarwal và Richard J. Taffler – Twenty – five years of Zscore in the UK: do they really work – Năm 2005.
3. Edward I. Alman – Predicting financial distress of companies:
Revisiting the Z-score and Zeta model - Năm 2005.
4. Lâm Minh Chánh – Chỉ số Z. Công cụ phát hiện nguy cơ phá sản và
xếp hạn định mức tín dụng – Năm 2009.
5. Nguyễn Ngọc Sơn – Đo lường rủi ro các công ty chứng khoán qua
hệ số Z-score – Năm 2011.

15