46.ĐỀ TÀI NCKH- GVHD TH.S PHẠM ĐỨC HUY

BỘ TÀI CHÍNH
TRƯỜNG ĐẠI HỌC TÀI CHÍNH - MARKETING
BÁO CÁO TỔNG KẾT

ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN
THAM GIA XÉT GIẢI THƯỞNG
“TÀI NĂNG KINH TẾ TRẺ” – LẦN 11, 2022
Mô hình dự báo phá sản cho các doanh nghiệp niêm yết trên thị
trường chứng khoán Việt Nam
Lĩnh vực nghiên cứu: Tài chính – Ngân hàng
TP. HCM, 04/ 2022

BỘ TÀI CHÍNH
TRƯỜNG ĐẠI HỌC TÀI CHÍNH - MARKETING
BÁO CÁO TỔNG KẾT

ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN
THAM GIA XÉT GIẢI THƯỞNG
“TÀI NĂNG KINH TẾ TRẺ” – LẦN 11, 2022
Mô hình dự báo phá sản cho các doanh nghiệp niêm yết trên thị
trường chứng khoán Việt Nam
Người hướng dẫn: Th.S PHẠM ĐỨC HUY

Sinh viên thực hiện:
- NGUYỄN THỦY TIÊN
- NGUYỄN LƯƠNG THANH TÂM
- NGÔ THỊ THẢO NGUYÊN
- LÂM THỊ HỒNG NGUYÊN
- HỒ THẠCH PHƯƠNG TÂM
TP. HCM, 04 / 2022

LỜI CẢM ƠN
Trước tiên, chúng em xin gửi lời cảm ơn đến Ths. Phạm Đức Huy vì đã
trực tiếp giúp đỡ, quan tâm, chỉ dạy cho chúng em những kiến thức rất cần
thiết và bổ ích trong quá trình thực hiện đề tài nghiên cứu lần này. Nhờ có
những lời hướng dẫn của thầy nên đề tài nghiên cứu của chúng em mới có thể
hoàn thiện tốt đẹp.
Bước đầu đi vào đề tài, chúng em còn nhiều bỡ ngỡ và hạn chế nên
không tránh khỏi những thiếu sót, chúng em rất mong nhận được những ý kiến
đóng góp quý báu của quý thầy/cô để kiến thức của chúng em trong lĩnh vực
này được hoàn thiện hơn đồng thời có điều kiện bổ sung, nâng cao kiến thức
của mình.
Lời cuối cùng, chúng em xin kính chúc quý thầy/cô thật nhiều sức khỏe,
thành công và hạnh phúc. Xin chân thành cảm ơn.
MỤC LỤC
LỜI CẢM ƠN............................................................................................i
MỤC LỤC.................................................................................................ii
DANH MỤC BẢNG................................................................................iv
DANH MỤC HÌNH..................................................................................v
CHƯƠNG 1. GIỚI THIỆU NGHIÊN CỨU.............................................1
1.1. Lý do chọn đề tài............................................................................1
1.2. Nguyên nhân dẫn đến phá sản........................................................3
1.3. Mục tiêu nghiên cứu.......................................................................4
1.4. Đối tượng và phạm vi nghiên cứu..................................................5
1.5. Phương pháp nghiên cứu................................................................5
1.6. Ý nghĩa của đề tài...........................................................................5
1.7. Bố cục của đề tài.............................................................................6
TÓM TẮT CHƯƠNG 1............................................................................8
CHƯƠNG 2. TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU..................9
2.1. Tổng quan về Khả năng phá sản.....................................................9
2.1.1. Khái niệm phá sản...................................................................9
2.1.2. Hủy niêm yết.........................................................................10
2.1.3. Điều kiện hủy niêm yết chứng khoán....................................11
a) Hủy niêm yết chứng khoán bắt buộc........................................11
2.2. Các nghiên cứu về dự báo khả năng phá sản................................16
2.2.1. Các nghiên cứu nước ngoài...................................................16
2.2.2. Các nghiên cứu ở Việt Nam..................................................21
TÓM TẮT CHƯƠNG 2..........................................................................32
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU.....................................33

3.1. Quy trình nghiên cứu....................................................................33
3.2. Mô hình nghiên cứu......................................................................33
3.3. Dữ liệu nghiên cứu.......................................................................36
TÓM TẮT CHƯƠNG 3..........................................................................37
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN................38
4.1. Kết quả mô hình Z-score cho dự báo phá sản..............................38
4.2. Kết quả mô hình hồi quy..............................................................43
4.2.1. Thống kê mô tả......................................................................43
4.2.2. Ma trận hệ số tương quan......................................................44
4.2.3. Kết quả mô hình hồi quy.......................................................45
TÓM TẮT CHƯƠNG 4..........................................................................48
CHƯƠNG 5. KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH.........................49
5.1. Kết luận........................................................................................49
5.2. Hàm ý chính sách.........................................................................50
TÓM TẮT CHƯƠNG 5..........................................................................52
TÀI LIỆU THAM KHẢO.......................................................................53

DANH MỤC BẢNG
Bảng 2.1. Bảng tổng hợp căn cứ quy định pháp luật về các doanh nghiệp
bị hủy niêm yết.........................................................................................12
Bảng 2.2. Tóm tắt các bài viết nghiên cứu về đề tài phá sản trong nước và
ngoài nước................................................................................................25
Bảng 3.1. Bảng diễn giải điểm số Z.........................................................35
Bảng 4.1. Bảng tổng hợp kết quả giá trị Z theo năm...............................38
Bảng 4.2. Kết quả giá trị Z của 2 nhóm doanh nghiệp............................42
Bảng 4.3. Kết quả áp dụng mô hình Z-score cho dự báo một năm trước
phá sản.....................................................................................................42
Bảng 4.4. Thống kê mô tả các biến nhóm công ty đã phá sản.................43
Bảng 4.5: Tóm tắt kết quả các chỉ số tác động đến rủi ro phá sản...........48
DANH MỤC HÌNH
Hình 1.1. Dự báo tỷ lệ phá sản năm 2021 so với năm 2019 các nước trên thế..2
Hình 3.1. Quy trình nghiên cứu........................................................................33
Hình 4.1. Hệ số tương quan giữa các biến trong mô hình................................44
Hình 4.2. Kết quả hồi quy Logit.......................................................................46
CHƯƠNG 1. GIỚI THIỆU NGHIÊN CỨU
1.1. Lý do chọn đề tài
Trong bối cảnh toàn cầu hóa, việc nâng cao hiệu quả hoạt động của
doanh nghiệp Việt Nam nhằm tăng cường sức cạnh tranh với cách doanh
nghiệp nước ngoài là một vấn đề vô cùng quan trọng. Hơn thế nữa, nâng cao
hiệu quả hoạt động của doanh nghiệp sẽ giúp doanh nghiệp vững vàng trong
những rủi ro mà doanh nghiệp không thể lường trước được. Đặc biệt, trong bối
cảnh đại dịch COVID-19 như hiện nay, chính phủ đã quyết định áp dụng các
biện pháp giãn cách xã hội và đóng cửa tất cả hoạt động kinh doanh không
thiết yếu, điều đó đã phá vỡ cuộc sống bình thường và đã làm gián đoạn các
nhà máy, chuỗi cung ứng hàng hóa gây nên những hậu quả nặng nề mà các
doanh nghiệp không thể lường trước được.
Làn sóng phá sản các doanh nghiệp lớn trên toàn cầu được hình thành kể
từ giữa năm 2020, có thể kể đến những quóc gia lớn trên thế giới như Euler
Hermes (7/2020) số lượng công ty phá sản sẽ tăng đến 35% trong giai đoạn
2019 đến 2021; Cường quốc kinh tế thế giới như Mỹ cũng chịu những thiệt hại
vô cùng nặng nề khi số doanh nghiệp có nguy cơ phá sản được dự báo có thể
tăng đến 57% vào năm 2021 so với thời điểm trước khi bùng phát dịch Covid-
19 (năm 2019); Tại Brazil, Anh, Tây Ban Nha cũng dự kiến có thể sẽ tăng lần
lượt là 45%,43% và 41%. Trong khi đó, tại Trung Quốc, là nơi khởi phát dịch
bệnh Covid-19 đâu tiên trên thế giới, thì lại có dự báo rằng số doanh nghiệp
phá sản có thể sẽ tăng 20%.Cuối năm 2021,ước tính tất cả các khu vực trên
toàn thế giới sẽ tăng tỷ lệ vỡ nợ đến mức hai con số, trong đó mức tăng mạnh
nhất dự kiến xảy ra ở Bắc Mỹ (+ 56% so với năm 2019), tiếp theo là Trung và
Đông Châu Âu (+ 34%), Châu Mỹ Latinh (+ 33%), Tây Âu (+ 32%) và Châu
Á (+ 31%).
1
Nguồn: Sources: Nation Statistics, Solunion, Euler Hermes, Alianz Research
Hình 1.1. Dự báo tỷ lệ phá sản năm 2021 so với năm 2019 các nước
trên thế
Theo số liệu của tổng cục thống kê Việt Nam, GDP của Việt Nam tăng
trưởng 2,7 lần trong giai đoạn 2002 đến 2018, đạt trên 2.700 USD trong năm
2019. Nền kinh tế Việt Nam chịu ảnh hưởng nặng nề bởi đại dịch Covid-19
thế nhưng cũng thể hiện được sức chống chịu đáng kể, ước tính GDP năm
2020 đạt 2,9%. Trong 6 tháng đầu năm 2021, có 70.209 doanh nghiệp rút lui
khỏi thị trường, tăng 24,9% so với cùng kỳ năm 2020. Cụ thể, số lượng doanh
nghiệp tạm ngừng kinh doanh 6 tháng đầu năm là 30.607 doanh nghiệp, tăng
22,1%; có 9.942 doanh nghiệp đã giải thể, tăng 33,8% so với cùng kỳ năm
2020 (Bộ Công Thương, 2021).
Tuy đã có nhiều doanh nghiệp phá sản vì đại dịch Covid-19 nhưng vẫn
có nhiều doanh nghiệp vẫn có thể bám trụ thậm chí còn phát triển và vững
mạnh hơn. Nhiều người nhận định rằng những doanh nghiệp bám trụ được là
do họ có lượng vốn lớn và họ thuộc ngành hàng thiết yếu, nhưng đó là 1 góc
nhìn chưa thực sự khách quan. Thừa nhận rằng những doanh nghiệp có nguồn
vốn lớn thì sẽ có nguồn tài trợ trong thời gian khó khăn, nhưng nếu họ không
thực sự nghiên cứu về các chính sách sử dụng nguồn vốn sao cho hợp lý, đánh
2
giá dự báo khả năng phá sản thì họ cũng sẽ mất tất cả chỉ sau một thời gian
ngắn. Từ đây có thể thấy rằng dù trong giai đoạn dịch bệnh hay trạng thái bình
thường thì việc dự báo phá sản của một doanh nghiệp sẽ giúp doanh nghiệp có
thể lựa chọn các phương án thích hợp cho doanh nghiệp của mình để doanh
nghiệp có thể phát triển vững mạnh và không rơi vào trạng thái phá sản.
Tóm lại, việc đánh giá khả năng phá sản của các doanh nghiệp là một
vấn đề vô cùng cần thiết và quan trọng bởi vì đánh giá khả năng phá sản giúp
các doanh nghiệp có thể dự tính trước được mức độ sử dụng nguồn vốn sao
cho hợp lý cũng như việc quản lý doanh nghiệp của mình như thế nào để đạt
hiệu suất không rơi vào tình trạng phá sản. Trong bối cảnh tình hình dịch bệnh
Covid-19 diễn biến phức tạp như hiện nay, công việc sản xuất kinh doanh của
các doanh nghiệp cũng bị ảnh hưởng không ít, vì thế việc dự báo khả năng phá
sản của các doanh nghiệp trong lúc này lại càng quan trọng và cấp bách hơn
bao giờ hết. Do đó, nhóm tác giả chọn đề tài “Mô hình dự báo phá sản cho
các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam” làm bài
nghiên cứu nhằm mục đích giúp các nhà quản lý, nhà đầu tư có thêm thông tin
trong việc ra quyết định của mình.
1.2. Nguyên nhân dẫn đến phá sản
Theo báo cáo “Triển vọng cạnh tranh của donh nghiệp vừa và nhỏ năm
2020” được công bố bởi Trung tâm Thương mại quốc tế Geneve (Thụy Sĩ), đã
chỉ rõ tính nghiêm trọng của sự tác động đến các doanh nghệp vừa và nhỏ của
đại dịch Covid-19. Đã có khoảng 55% doanh nghiệp chịu tác động của dại
dịch, trong đó có khoảng 40% là các doanh nghiệp lớn và 2/3 là các doanh
nghiệp vừa và nhỏ; khoảng 1/5 doanh nghiệp nhỏ có rủ ro phá sản trong vòng
3 tháng (Nguyễn Ngọc Tú, 2020). Số doanh nghiệp hủy niêm yết do có nguy
cơ phá sản không ngừng gia tăng, không thể phủ nhận dịch bệnh Covid-19 đã
bào mòn sức khỏe tài chính của các doanh nghiệp một cách nặng nề. Theo báo
cáo, trong năm 2021 đã có 119.828 công ty tạm ngừng hoạt động, giải thể
trong năm 2021. Trong số doanh nghiệp rút lui khỏi thị trường có tới 54.960
3
doanh nghiệp tạm ngừng kinh doanh, tức là chưa rời thị trường mà tiếp tục
“đóng băng”, chờ đợi thời điểm thích hợp để tìm kiếm cơ hội kinh doanh mới.
Coivid-19 gây ra những cuộc khủng hoảng kinh tế trên nhiều nước và hệ lụy
kéo dài do dịch diễn biến càng lúc càng phức tạp. Tại đỉnh dịch Covid-19 vào
khoảng thời gian tháng 6 đến tháng 10 năm 2021, thực hiện lệnh giãn cách
theo chỉ thị số 15, chỉ thị số 16 của Nhà nước tại nhiều địa phương trong đó có
Thành phố Hồ Chí Minh, Bình Dương, là hai thành phố tập trung rất nhiều
công ty, nhà máy, xí nghiệp. Bênh cạnh đó, khó khăn chung nhất của doanh
nghiệp chính là sức mua của người dân giảm nhiều. Ngoài ra,việc thực hiện
giãn cách của Nhà nước khiến các công ty kinh doanh các mặt hàng không
thiết yếu phải đóng cửa. (Các tổ chức cung cấp nhu yếu phẩm và dịch vụ; siêu
thị, chợ, cửa hàng tiện lợi và siêu thị nhỏ phải kinh doanh trên nền tảng thương
mại điện tử trực tuyến, sử dụng dịch vụ giao hàng trực tuyến; các tổ chức cung
cấp dịch vụ ăn uống chỉ bán đồ ăn mang đi và đóng cửa hàng đêm trước 9 giờ
tối ...). Ngoài ra, với doanh nghiệp, chi phí sản xuất, phân phối là rất lớn, như:
sản xuất 3 tại chỗ, xét nghiệm cho lái xe, người lao động... Chi phí tăng trong
khi doanh thu giảm, dẫn đến sức khỏe tài chính của các doanh nghiệp này bị
bào mòn trong một khoảng thời gian dài, dẫn đến việc kiệt quệ tài chính và
phá sản. Doanh nghiệp không đạt tiêu chuẩn y tế không thể hoạt động bình
thường, bên cạnh đó nhiều doanh nghiệp vừa và nhỏ còn thiếu kỹ năng, tinh
thần trách nhiệm, tác phong thực tế. Các doanh nghiệp gặp phải nhêu trở ngại
để sắm vật tư y tế, các trang thết bị phòng/chống dịch còn nhiều phức tạp. Tất
cả những điều này đã tác động rất lớn đến hoạt động của doanh nghiệp. Ví dụ,
các doanh nghiệp cần có khả năng đối phó với những người bị ho, sốt, hoặc
thậm chí không có triệu chứng. Trường hợp có dấu hiệu thì phải kiểm dịch tại
nhà, đồng thời các công ty phải có năng lực tự kiểm tra… Các doanh nghiệp
không đạt yêu cầu phải ngừng hoạt động.
4
1.3. Mục tiêu nghiên cứu
Mục tiêu chính của nghiên cứu này là dự báo khả năng phá sản của các
doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam, để từ đó đưa ra
các biện pháp cũng như cái nhìn tổng quan toàn ngành, giúp cho doanh nghiệp
giảm thiểu rủi ro phá sản.
Mục tiêu cụ thể của nghiên cứu là:
a) Xây dựng giá trị Z từ mô hình Z-Score để dự báo khả năng phá sản
của các doanh nghiệp niêm yết trên sàn chứng khoán.
b) Mô hình O-Score gồm biến Y là biến nhị phân và các biến độc lập
gồm: Tổng nợ phải trả trên Tổng tài sản, Vốn lưu động trên Tổng
tài sản, Khả năng thanh toán ngắn hạn, Tỷ suất sinh lời trên Tổng
tài sản, Tốc độ tăng trưởng của thu nhập ròng, tác động đến khả
năng phá sản của doanh nghiệp. Nghiên cứu sử dụng mô hình hồi
quy logit để chạy hồi quy dữ liệu biến nhị phân.
1.4. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu của nhóm nghiên cứu là các doanh nghiệp phi tài
chính niêm yết trên thị trường chứng khoán Việt Nam. Phạm vi nghiên cứu là
khoảng thời gian 5 năm trong giai đoạn từ năm 2016 đến năm 2020.
1.5. Phương pháp nghiên cứu
Đề tài này sử dụng phương pháp phân tích tổng hợp lý thuyết là phương
pháp kết hợp cả kỹ năng phân tích lẫn kỹ năng tổng hợp tư liệu. Phân tích dựa
trên nền tảng là những thông tin khoa học thu được từ các nguồn tài liệu có
sẵn. Với sự hỗ trợ của phần mềm phân tích chuyên dụng Stata, mô hình hồi
quy được sử dụng để tiến hành phân tích và thực hiện các kiểm định cần thiết.
Phương pháp nghiên cứu thực nghiệm về dự báo phá sản này còn dựa trên
nghiên cứu các mô hình của các nhóm tác giả: mô hình Altman Z- score
(1968), mô hình Ohlson O- score(1980).
5
1.6. Ý nghĩa của đề tài
Ý nghĩa về khoa học, nhóm nghiên cứu dựa vào các bài nghiên cứu của
các tác giả, nhóm tác giả đi trước để dự báo khả năng phá sản của các doanh
nghiệp dựa trên mô hình Z-Score và dựa trên mô hình Z-Score đưa ra biến nhị
phân O-Score rồi sử dụng mô hình hồi quy logit để đánh giá các tác động của
các biến độc lập trong mô hình O-score lên biến phụ thuộc khả năng phá sản
của doanh nghiệp. Qua bài nghiên cứu, nhóm nghiên cứu cũng đưa ra những
đánh giá của mình về mức độ hiệu quả của việc sử dụng mô hình Z-Score để
dự báo khả năng phá sản của các doanh nghiệp niêm yết trên sàn chứng khoán.
Ý nghĩa về thực tiễn, nhóm nghiên cứu đưa dự báo khả năng phá sản của
doanh nghiệp từ đó đưa ra được các giải pháp nhằm quản lý doanh nghiệp một
cách hiệu quả hơn, cũng như thúc đẩy được nền kinh tế phát triển lâu dài và ổn
định hơn.
1.7. Bố cục của đề tài
Đề tài bao gồm 5 chương:

Chương 1. Giới thiệu nghiên cứu
Trong chương 1 nhóm tác giả giới thiệu đề tài nghiên cứu về dự báo khả
năng phá sản, giới thiệu sơ lược về tình hình kinh tế Việt Nam hiện tại, đưa ra
mục tiêu chính và mục tiêu cụ thể của bài nghiên cứu. Từ đó đó thể lựa chọn
được phương pháp nghiên cứu phù hợp nhất và có thể đưa ra dự báo chính xác
nhất. Chỉ ra các ý nghĩa mang tính lý thuyết cũng như ý nghĩa thực tiễn của
bài nghiên cứu.
Chương 2. Tổng quan các vấn đề nghiên cứu
Chương 2 đưa ra các khái niệm, các bài nghiên cứu cùng đề tài của các
tác giả, nhóm tác giả khác trong và ngoài nước, để có thể có được cái nhìn
tổng quan nhất về đề tài nghiên cứu, có thể tham khảo được phương pháp
cũng như mô hình dự báo mà các tác giả đi trước đã sử dụng để dự báo phá
sản.
Chương 3. Phương pháp nghiên cứu
6
Chương 3 áp dụng phương pháp nghiên cứu đã lựa chọn dựa trên mô
hình Z-Score và O-Score để chạy mô hình đưa ra được các dự liệu cần để dự
đoán phá sản của các công ty niêm yết trên sàn chứng khoán Việt Nam
Chương 4. Kết quả nghiên cứu và thảo luận
Chương 4 nhóm nghiên cứu đưa ra kết quả sau khi chạy dữ liệu dựa trên
2 mô hình, phân tích và nhận xét kết quả.
Chương 5. Kết luận và hàm ý chính sách
Chương 5 đưa ra những nhận xét, dự báo về khả năng phá sản của các
doanh nghiệp dựa trên kết quả dữ liệu nhận được. Nhận xét mức độ phù hợp
của hai mô hình khi dự đoán các doanh nghiệp niêm yết trên sàn chứng khoán
Việt Nam.
7
TÓM TẮT CHƯƠNG 1
Nhóm nghiên cứu đưa ra giới thiệu tổng quan về đề tài nghiên cứu, tính
cấp thiết của việc dự báo phá sản trong tình hình dịch bệnh Covid-19 nền kinh
tế Việt Nam gặp nhiều biến động. Bài nghiên cứu giúp dự báo khả năng phá
sản của các công ty, từ đây các doanh nghiệp có thể đưa ra các chính sách
quản lý doanh nghiệp sao cho phù hợp với tình hình kinh tế Việt Nam nói
riêng và nền kinh tế hội nhập nói chung.
8
CHƯƠNG 2. TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU
2.1. Tổng quan về Khả năng phá sản
2.1.1. Khái niệm phá sản
“Phá sản là một thủ tục pháp lý liên quan đến một cá nhân hoặc doanh
nghiệp không có khả năng trả các khoản nợ chưa thanh toán của họ. thủ tục
phá sản bắt đầu bằng một đơn yêu cầu trả nợ, điều này là phổ biến nhất, hoặc
thay mặt cho các chủ nợ, điều này ít phổ biến hơn. Tất cả tài sản của con nợ
đều được đo lường và đánh giá, và tài sản có thể được sử dụng để trả một phần
nợ chưa thanh toán” – theo Investopedia.com
“Phá sản giúp những người không còn khả năng trả nợ có một khởi đầu
mới bằng cách thanh lý tài sản để trả nợ hoặc lập một kế hoạch trả nợ. Luật
phá sản cũng bảo vệ các doanh nghiệp gặp khó khăn về tài chính. Phần này
giải thích quy trình phá sản và luật phá sản” – United State Courts
- “Phá sản, còn được gọi là vỡ nợ, là tình trạng pháp lý của những người,
doanh nghiệp và chính phủ có nhiều nợ hơn khả năng trả của họ. Phá sản cũng
mô tả quá trình giải quyết một tình huống mà một con nợ có mức nợ không
bền vững, được bảo vệ khỏi các chủ nợ bởi một toà án phá sản”-
Bankrate.com
- “Phá sản (Bankruptcy), thuật ngữ này thường được sử dụng để chỉ:
1. Việc cá nhân, doanh nghiệp gặp khó khăn về tài chính và có thể bị toà
án tuyên bố không còn đủ vốn và tài sản để trả nợ, do đó bị toà án tịch biên tài
sản và chia cho chủ nợ
2. Một thủ tục pháp lý trong đó tài sản của con nợ không có khả năng
thanh toán bị tịch biên để trao cho chủ nợ. Ở Anh, việc tịch biên và quản lý tài
sản ban đầu do người được uỷ nhiệm để bán tài sản và thanh toán cho các chủ
nợ tuỳ theo số tiền mà con nợ đã vay của họ, tất nhiên với thứ tự ưu tiên trả
trước do luật pháp quy định. Sau khi thủ tục phá sản đã hoàn thành, con nợ
không còn trách nhiệm gì đối với các khoản nợ trước đây của anh ta nữa” – Từ
điển kinh tế học (Nguyễn Văn Ngọc, 2012)
9
- Theo Điều 2 Luật phá sản năm 1994 quy định: “Doanh nghiệp lâm vào
tình trạng phá sản là doanh nghiệp gặp khó khăn hoặc bị thua lỗ trong hoạt
động kinh doanh sau khi đã áp dụng các biện pháp tài chính cần thiết mà vẫn
mất khả năng thanh toán nợ đến hạn”. Để xem xét một doanh nghiệp có lâm
vào tình trạng phá sản hay không phải căn cứ vào 2 điều kiện:
(i). Mất khả năng thanh toán nợ đến hạn
(ii). Hiện tượng mất khả năng thanh toán nợ đến hạn không còn là hiện
tượng nhất thời mà rất trầm trọng thuộc về bản chất vô phương cứu chữa.
Tóm lại, khả năng phá sản là hiện tượng doanh nghiệp gặp khó khăn về
tài chính hoặc bị thua lỗ trong hoạt động kinh doanh trong một thời gian dài và
có nguy cơ mất khả năng thanh toán các khoản nợ đến hạn.
2.1.2. Hủy niêm yết
Theo Nghị định số 58/2012/NĐ-CP của Thủ tướng đã ký ban hành ngày
20/07/2012, hủy niêm yết là việc loại bỏ một chứng khoán từ một sàn giao
dịch chứng khoán. Việc bãi yết chứng khoán có thể là tự nguyện hoặc không
tự nguyện và thường là kết quả của công ty ngừng hoạt động, công ty tuyên bố
phá sản, sáp nhập hay không đáp ứng các yêu cầu niêm yết. Trước khi chứng
khoán có thể được niêm yết trên một sàn giao dịch, các công ty phải tuân thủ
các hướng dẫn cụ thể còn được gọi là qui chuẩn niêm yết. Mỗi sàn giao dịch
có một bộ qui tắc và qui định riêng. Các công ty không đạt các tiêu chuẩn tối
thiểu do một sàn giao dịch đặt ra sẽ bị hủy niêm yết không tự nguyện. Tiêu
chuẩn quan trọng nhất là giá cả. Thông thường các công ty chọn giao dịch nội
bộ sau khi phân tích lợi ích chi phí cho thấy chi phí niêm yết công khai vượt
quá lợi ích mà nó đem lại.
Xét về mặt lý thuyết, việc hủy niêm yết cổ phiếu nào đó trên sàn giao
dịch chứng khoán là đều tuân theo quy luật phát triển của thị trường. Có thể
đưa ra nhận định như vậy là do sàn giao dịch là điểm gặp nhau giữa các doanh
nghiệp và nhà đầu tư, do đó, tại đây luôn phải tồn tại những quy định hết sức
chặt chẽ để đảm bảo tính minh bạch và lợi ích của các bên tham gia vào thị
10
trường chứng khoán. Thị trường luôn phải có quy chế đảm bảo quyền lợi cho
nhà đầu tư, vì thông thường nhà đầu tư luôn ở vị thế bất lợi so với doanh
nghiệp. Nhà đầu tư chỉ có thể sử dụng các thông tin có được do doanh nghiệp
cung cấp để đưa ra quyết định. Hay nói cách khác, với vai trò đảm bảo tính
công bằng trên thị trường, sàn giao dịch có nhiệm vụ buộc các doanh nghiệp
phải đưa ra các thông tin chính xác về thực trạng của doanh nghiệp mình. Như
vậy, chính sách hủy niêm yết bắt buộc (khi doanh nghiệp không còn thỏa mãn
được các điều kiện để tồn tại trên sàn giao dịch) sẽ là một cách thức mà sàn
giao dịch sử dụng để bảo vệ nhà đầu tư, đồng thời bảo vệ một cách gián tiếp
danh tiếng của mình.
Hủy niêm yết là việc chấm dứt giao dịch chứng khoán niêm yết tại Sở
giao dịch chứng khoán. Có khá nhiều nguyên nhân khiến chứng khoán bị hủy
niêm yết nhưng tựu trung lại có hai dạng là hủy niêm yết tự nguyện và bắt
buộc.
- Hủy niêm yết bắt buộc là doanh nghiệp bị buộc phải hủy niêm yết
chứng khoán theo quyết định của Sở giao dịch chứng khoán khi rơi vào các
trường hợp bắt buộc hủy niêm yết theo quy định của pháp luật.
- Hủy niêm yết tự nguyện là trường hợp chứng khoán bị hủy niêm yết
theo đề nghị của tổ chức niêm yết sau khi được Đại hội đồng cổ đông
(ĐHĐCĐ) thông qua.
Trên thực tế, mỗi sàn giao dịch (HOSE, HSX, UPCOM) đều có một bộ
quy tắc và quy định riêng. Các công ty không đáp ứng các yêu cầu tối thiểu sẽ
bị bắt buộc hủy niêm yết. Vì vậy, tương tự như khi niêm yết chứng khoán,
việc hủy niêm yết cũng cần phải đáp ứng các điều kiện nhất định.
2.1.3. Điều kiện hủy niêm yết chứng khoán
a) Hủy niêm yết chứng khoán bắt buộc
Những lí do dẫn đến hủy niêm yết không tự nguyện (hay còn gọi hủy
niêm yết bắt buộc), bao gồm: vi phạm quy định và không đáp ứng các tiêu
11
chuẩn tài chính tối thiểu. Thông thường, các doanh nghiệp bị hủy niêm yết do
không đạt các yêu cầu tài chính tối thiểu.
Xét về các tiêu chuẩn tài chính tối thiểu, một doanh nghiệp niêm yết cần
đáp ứng khả năng duy trì giá cổ phiếu tối thiểu, các tỉ lệ tài chính và doanh
thu. Khi doanh nghiệp không đáp ứng các điều kiện niêm yết, sàn giao dịch sẽ
phát hành cảnh báo không tuân thủ. Nếu công ty tiếp tục không tuân thủ các
quy định, sàn giao dịch sẽ hủy niêm yết cổ phiếu của công ty. Cụ thể, theo
quy định tại khoản 1 Điều 60 Nghị định 58/2012/NĐ-CP (được sửa đổi, bổ
sung tại khoản 20 Điều 1 Nghị định 60/2015/NĐ-CP), chứng khoán bị hủy bỏ
niêm yết bắt buộc khi xảy ra một trong các trường hợp, chi tiết theo bảng dưới
như sau.
Bảng 2.1. Bảng tổng hợp căn cứ quy định pháp luật về các doanh
nghiệp bị hủy niêm yết
Nội dung Căn cứ quy định Chi tiết
pháp luật
Công ty niêm yết Khoản 1 Điều 60 Chứng khoán là cổ phiếu:
không đáp ứng Nghị định - HOSE: Vốn điều lệ >=120 tỷ
các điều kiện theo 58/2012/NĐ-CP đồng. Tối thiểu 20% cổ phiếu có
quy định trong quyền biểu quyết do ít nhất 300 cổ
thời hạn 01 năm đông không phải cổ đông lớn nắm
giữ cổ phiếu của công ty.
HSX: Vốn điều lệ >=30 tỷ đồng.
Tối thiểu 15% cổ phiếu có quyền
biểu quyết ít nhất 100 cổ đông
không phải cổ đông lớn nắm giữ.
Chứng khoán là trái phiếu doanh
nghiệp:
- HOSE: Vốn điều lệ >=120 tỷ
đồng tính theo giá trị sổ sách.
- HSX: Vốn điều lệ >=30 tỷ đồng
12
tính theo giá trị ghi sổ sách.
Chứng khoán là chứng chỉ quỹ:
- Phải là quỹ đóng, quỹ đầu tư,...
- Có tối thiểu 100 người sở hữu
chứng chỉ quỹ hoặc ít nhất 100 cổ
đông nắm giữ cổ phiếu của công
ty.
Công ty niêm yết Khoản 1 Điều 60 Tiêu chí để quyết định hoạt động
ngừng hoặc bị Nghị định kinh doanh nào là hoạt động kinh
ngừng từ 01 năm 58/2012/NĐ-CP doanh chính của công ty niêm yết
trở lên đối với các là dựa vào doanh thu. Theo đó,
hoạt động sản hoạt động kinh doanh nào có
xuất, kinh doanh doanh thu lớn nhất trong tổng
chính doanh thu của công ty thì sẽ được
xem là hoạt động kinh doanh
chính của công ty.
Giấy chứng nhận Điều 211 Luật - Giả mạo nội dung kê khai trong
hoặc giấy phép Doanh nghiệp 2014 hồ sơ đăng ký doanh nghiệp;
kinh doanh trong Khoản 2 Điều 18 - Doanh nghiệp thành lập do
lĩnh vực chuyên Luật doanh nghiệp những người có tên trong danh
ngành bị thu hồi 2014 thành lập Điểm sách cấm thành lập doanh nghiệp;
c khoản 1 - Doanh nghiệp ngừng hoạt động
Điều 209 Luật kinh doanh nhưng không thông
Doanh nghiệp 2014 báo với Cơ quan đăng ký kinh
Thông tư doanh và cơ quan thuế trong thời
36/2018/TTBCT gian 01 năm;
quy định về thu hồi - Trong thời hạn 06 tháng, doanh
giấy phép hoạt động nghiệp không gửi báo cáo theo
điện lực quy định đến Cơ quan đăng ký
kinh doanh, thời gian tính từ ngày
13
hết hạn gửi báo cáo hoặc có yêu
cầu bằng văn bản;
- Những trường hợp khác theo
quyết định.
Trong thời hạn 12 Khoản 1 Điều 60 Tình trạng công ty niêm yết không
tháng, cổ phiếu Nghị định có bất kỳ cổ phiếu được trao đổi
công ty niêm yết 58/2012/NĐ-CP mua, bán trong vòng 12 tháng.
không có giao
dịch tại Sở giao
dịch.
Trong 03 năm Khoản 1 Điều 60 Kết quả sản xuất kinh doanh xác
liên tục, kết quả Nghị định định căn cứ vào chỉ tiêu “lợi
kinh doanh bị 58/2012/NĐ-CP nhuận sau thuế” hoặc “lợi nhuận
thua lỗ hoặc tổng sau thuế của cổ đông công ty mẹ”
số tiền lỗ luỹ kế (đối với trường hợp tổ chức niêm
vượt quá vốn điều yết có công ty con).
lệ thực góp.
Công ty niêm yết Điều 4, Điều 5, Điều Điều kiện tối thiểu buộc các công
chấm dứt hoạt 6, Điều 7 Thông tư ty niêm yết này phải đáp ứng là có
động hoặc công 202/2015/TT-BTC ROE dương. Còn đối với công ty
ty không đáp ứng về điều kiện niêm khác, việc phát hành cổ phiếu với
các điều kiện yết chứng khoán của mục đích hoán đổi cổ phiếu, vốn
niêm yết do sáp công ty hợp nhất, góp tại doanh nghiệp khác thì điều
nhập, hợp nhất,... công ty nhận sáp kiện là “Công ty niêm yết được
nhập đăng ký niêm yết bổ sung số cổ
Khoản 1 Điều 8 phiếu phát hành để hoán đổi khi
Thông tư có ROE sau khi hoán đổi đạt tối
202/2015/TT-BTC. thiểu là 05%”
Trái phiếu đến Khoản 1 Điều 60 Ngày đáo hạn của trái phiếu là
thời điểm đáo hạn Nghị định ngày mà khoản tiền gốc của trái
14
hoặc trái phiếu 58/2012/NĐ-CP phiếu, giá trị của trái phiếu sẽ
mua lại toàn bộ được thanh toán cho các nhà đầu
trước thời điểm tư, và nghĩa vụ trả trái phiếu của
đáo hạn công ty sẽ kết thúc. Khi nghĩa vụ
các bên đã được thanh toán cho
nhau, tức trái phiếu không còn tồn
tại thì việc hủy bỏ niêm yết trái
phiếu là điều tất yếu xảy ra.
Tổ chức kiểm Khoản 1 Điều 60 Tổ chức kiểm toán không thể thu
toán không chấp Nghị định thập được đầy đủ bằng chứng
nhận hoặc từ chối 58/2012/NĐ-CP thích hợp để làm cơ sở đưa ra kết
cho ý kiến đối với luận về báo cáo tài chính của công
BCTC của năm ty niêm yết.
gần nhất.
Công ty niêm yết Khoản 1 Điều 60 Báo cáo tài chính là căn cứ quan
vi phạm chậm Nghị định trọng giúp nhà đầu tư, cơ quan
nộp báo cáo tài 58/2012/NĐ-CP ban ngành có thể đánh giá khái
chính năm trong quát tình hình tài chính, triển vọng
03 năm liên tiếp về thu nhập, khả năng và trách
nhiệm thanh toán của công ty.
Việc vi phạm chậm nộp báo cáo
tài chính sẽ ảnh hưởng đến quyết
định của các đối tượng sử dụng.
Ủy ban Chứng Khoản 1 Điều 60 Đây là một trong những hành vi
khoán hoặc Sở Nghị định làm ảnh hưởng đến quyền lợi của
giao dịch phát 58/2012/NĐ-CP nhà đầu tư, thiếu minh bạch và đe
hiện công ty giả dọa sự ổn định của thị trường
mạo hoặc có chứng khoán. Do đó, cần thiết loại
những thông tin bỏ những công ty niêm yết này ra
sai lệch nghiêm
15
trọng trong hồ sơ khỏi thị trường.
niêm yết .
Công ty vi phạm Thông tư Việc công bố thông tin phải đầy
nghiêm trọng về 155/2015/TTBTC đủ, chính xác và kịp thời theo quy
công bố thông tin định của pháp luật. Hoạt động này
và các trường hợp phải do người đại diện theo pháp
xét thấy cần phải luật của công ty hoặc người được
hủy niêm yết để ủy quyền công bố thông tin thực
bảo vệ quyền lợi hiện. Thực tế, các công ty vi phạm
của nhà đầu tư. chủ yếu do chậm công bố thông
tin
Nguồn: Trần Thị Mỹ Anh (2020)
Ngoài ra, hủy niêm yết bắt buộc là dấu hiệu cho thấy sức khỏe tài chính
doanh nghiệp không tốt hoặc quản trị doanh nghiệp chưa hiệu quả.
2.2. Các nghiên cứu về dự báo khả năng phá sản
2.2.1. Các nghiên cứu nước ngoài
Korol (2013) đã sử dụng dữ liệu của 185 công ty niêm yết trên Sở giao
dịch chứng khoán Warsaw và 60 công ty niêm yết trên các sàn giao dịch
chứng khoán ở Mexico, Argentina, Peru, Brazil và Chile. Mỗi doanh nghiệp
được phân tích trên cơ sở giá trị tuyệt đối của 14 chỉ tiêu tài chính và sự thay
đổi của các chỉ tiêu này. Tác giả đã xem xét hơn 400 nghiên cứu từ khắp nơi
trên thế giới dành cho các mô hình dự báo về phá sản của doanh nghiệp, để
nghiên cứu mức độ hiệu quả của các phương pháp thống kê (phân tích phân
biệt-DA và cây quyết định- Decisional trees) và kỹ thuật trí tuệ nhân tạo
(mạng nơ-ron nhân tạo-ANN) trong việc dự đoán sự phá sản của các doanh
nghiệp ở Mỹ Latinh và Trung Âu một năm và hai năm trước khi phá sản. Mô
hình CART cũng vượt trội hơn mô hình ANN thậm chí còn phức tạp hơn, có
tác động lớn đến cả hai nhóm công ty. Đối với các công ty Mỹ Latinh, mô
hình CART vượt trội hơn mô hình ANN: 4,35 điểm phần trăm trong năm
16
trước khi phá sản (96,66% so với 92,31%) và 3,97 điểm phần trăm trong hai
năm trước khi vỡ nợ (95% so với 91,03%). Theo quan điểm của các công ty
Trung Âu, sự khác biệt về mức tăng hiệu quả giữa mô hình CART và ANN
thậm chí còn lớn hơn: 11,05 điểm phần trăm trong năm trước khi sụp đổ tài
chính (96,23% so với 85,18%) và 14,61 điểm phần trăm trong hai năm trước
đó phá sản (88,68% so với 74,07%). Dựa trên dân số 60 công ty Mỹ Latinh,
tác giả đã chỉ ra rằng có thể dự đoán hiệu quả các vụ phá sản ở các thị trường
năng động và đầy biến động như Mỹ Latinh.
Barboza và cộng sự (2017) dựa vào những mô hình học máy (Machine
Learning Models), Z-Score và gồm sáu chỉ số tài chính bổ sung cùng với kĩ
thuật rừng ngẫu nhiên (RF) dựa trên mô hình cây quyết định, còn được gọi là
cây phân loại tổng quát và cây hồi quy '(CART) để dự đoán khả năng phá sản
có liên quan đến rủi ro tín dụng. Dữ liệu được nghiên cứu từ năm 1985 đến
năm 2013 về các công ty Bắc Mỹ, tích hợp thông tin từ cơ sở dữ liệu của trung
tâm Salomon và Compustat, phân tích hơn 10.000 quan sát trong năm của
công ty sử dụng các biến số mới, chẳng hạn như biên lợi nhuận hoạt động,
thay đổi trong lợi nhuận trên vốn chủ sở hữu, thay đổi giá trên sổ sách và các
biện pháp tăng trưởng liên quan đến tài sản, doanh số và số lượng nhân viên,
như các biến dự đoán. Kết quả cho thấy dự báo phá sản có liên quan đến rủi ro
tín dụng, vốn đã được đưa vào tiêu điểm do cuộc khủng hoảng tài chính gần
đây. Các mô hình học máy đã rất thành công trong các ứng dụng tài chính, và
nhiều nghiên cứu đã xem xét việc sử dụng chúng trong dự đoán phá sản. Các
mô hình Altman và Ohlson vẫn còn phù hợp, không chỉ do khả năng dự đoán
mà còn do khuôn khổ đơn giản, thực tế và nhất quán của chúng. Tác giả cho
rằng sự thất bại của các công ty có khả năng xuất phát từ những khó khăn theo
thời gian chứ không phải chỉ trong năm trước khi phá sản. Tác giả đã sử dụng
một mẫu rất đại diện, bao gồm một số ngành, với hơn 13.000 quan sát. Do đó,
xem xét các mẫu và độ chính xác dự đoán cao, kết quả không bị giới hạn ở
một ngân hàng hoặc danh mục tín dụng cụ thể và có thể hữu ích để phân tích
thất bại trong các khoản vay doanh nghiệp Bắc Mỹ. Còn đối với các học viên,
17
kết quả của nghiên cứu bổ sung vào một tài liệu đang phát triển liên quan đến
hiệu suất tốt hơn của các kỹ thuật học máy khi so sánh với các phương pháp
tiếp cận truyền thống phổ biến trong ngành tín dụng, chẳng hạn như hồi quy
logistic.
Lifschutz và Jacobi (2010) đã tiến hành một cuộc điều tra thực nghiệm
về việc liệu có thể dựa vào hai phiên bản của Mô hình Altman (1968) để dự
đoán thất bại tài chính của 40 công ty được giao dịch công khai trên Sàn giao
dịch chứng khoán Tel-Aviv từ năm 2000 đến 2007, 20 công ty bị đình chỉ,
thanh lý hoặc tiếp nhận (các công ty không thành công) và 20 công ty ổn định
(không bị lỗi). Kết quả của nghiên cứu chỉ ra rằng mẫu và thời hạn nghiên
cứu, mô hình thích hợp để dự đoán thất bại tài chính của các công ty Israel là
phiên bản Ingbar của Mô hình Altman với giá trị giới hạn là 1 và có thêm
vùng màu xám. Trong đó, chỉ số sống sót trên 1 dự đoán khả năng sống sót
cao, trong khi chỉ số thấp hơn dự đoán khả năng sống sót thấp. Theo nghiên
cứu này, mô hình có thể dự đoán sự phá sản của các công ty với tỷ lệ chính
xác 95% một năm trước khi phá sản và với tỷ lệ chính xác 85% hai năm trước
khi phá sản
Lin và cộng sự (2007) sử dụng mẫu dữ liệu gồm 246 doanh nghiệp vừa
và nhỏ với giá cổ phiếu sẵn có năm 2001 đến năm 2004 là được chọn từ 445
công ty ban đầu muốn khám phá các mô hình Merton. Phương pháp sử dụng
để tính toán khoảng cách (Distance to Default) và tần số mặc định dự kiến
(EDF). Nghiên cứu này đã khảo sát cách tiếp cận cho điểm tín dụng (dựa trên
kế toán) và mô hình dựa trên Merton để dự đoán thất bại của các doanh nghiệp
vừa và nhỏ. Các điểm giới hạn khác nhau tương ứng với các mức định nghĩa
mặc định khác nhau đã được đề xuất và độ chính xác dự đoán của mô hình.
Nhìn chung, các mô hình chấm điểm tín dụng cho thấy hiệu suất tốt hơn khi
nhóm mẫu dữ liệu bao gồm một số lượng đáng kể các công ty ‘Xấu’ hoặc
điểm giới hạn được chọn để tỷ lệ chấp nhận tương đối thấp, nếu không, độ
chính xác dự đoán của mô hình sẽ giảm. Mô hình Merton thể hiện độ chính
xác dự đoán tốt hơn với tỷ lệ chấp nhận cao hơn
18
Delapedra-Silva (2021) dựa trên mẫu dữ liệu trích xuất từ Bloomberg và
bao gồm thông tin kế toán của bảng cân đối kế toán và tài khoản lãi lỗ của
1.066 công ty, quan sát từ giai đoạn 2006 đến 2018, hàng quý. Dữ liệu mẫu
ban đầu đề cập đến các công ty Bắc Mỹ thuộc sáu phân khúc cụ thể của lĩnh
vực cơ sở hạ tầng, dựa trên Gics, đó là: nước và vệ sinh, điện, năng lượng điện
tái tạo (ENR), hậu cần và vận tải (LOG), dầu khí (PET), và viễn thông (TEL)
với khoảng thời gian được phân tích là từ quý 1 năm 2006 đến quý 4 năm
2018, với chu kỳ là 48 quý. Tác giả thực hiện các phương pháp hồi quy
logistic (mô hình logit) và sử dụng 11 biến mô hình được thiết lập để tính toán
xác suất vỡ nợ nhằm xác định tồn tại của sự khác biệt theo ngành trong dự
đoán rủi ro vỡ nợ của các công ty cơ sở hạ tầng Mỹ dựa trên hồi quy logistic
với một biến phụ thuộc nhị phân. Sử dụng biến DD như một biến phụ thuộc
trong việc lập mô hình xác suất vỡ nợ. Nó được xác định rằng biến này có độ
nhạy khác nhau theo từng lĩnh vực. Việc điều tra xác suất vỡ nợ của các công
ty thuộc các lĩnh vực cơ sở hạ tầng khác nhau có thể góp phần tạo ra các cơ
chế phân tích rủi ro doanh nghiệp cụ thể một cách chi tiết hơn, tránh việc hoạt
động kém ở một số chỉ số của các công ty trong các lĩnh vực không nhạy cảm
với các chỉ số này
Altman và cộng sự (2013) đã sử dụng một mẫu gồm 1.602 công ty, ít
hơn 10% tổng số. Để đưa ra giả thuyết về việc áp dụng mô hình trên quy mô
lớn hơn, tác giả cần xác định các thông số có thể được điều chỉnh cho phù hợp
với các công ty quy mô lớn, nhỏ và vừa. Với một vài trường hợp ngoại lệ, các
công ty sản xuất lớn của Ý duy trì một số đặc điểm điển hình của các doanh
nghiệp vừa và nhỏ. Một số khía cạnh định tính và chiến lược không thay đổi,
chẳng hạn như lựa chọn tài chính và quản trị. Việc áp dụng chỉ số vào mẫu
trong EA đã làm nổi bật tỷ lệ cao các công ty được xếp vào vùng khó khăn.
Cái gọi là vùng xám tương đối hẹp so với mô hình Z'-Score, ít nhất là về mặt
phân loại trung bình
Mansi và cộng sự (2012) đã sử dụng bốn mô hình cơ bản, bao gồm Z-
Score, O-Score, Merton's Distance-to-Default (Merton-DD) và CHS Score dựa
19
trên mô hình dạng rút gọn, cùng với các dẫn xuất của các mô hình kế toán để
đo lường rủi ro gặp nạn. Ở nghiên cứu này, tác giả cố gắng điều hòa sự khác
biệt trong các nghiên cứu hiện có bằng cách xem xét mối quan hệ giữa các
biện pháp hạn chế tài chính và đánh giá nhận thức của thị trường về rủi ro -
chênh lệch lợi suất trái phiếu - để xác định hiệu suất tương đối của các mô
hình này. nhận thấy rằng Điểm CHS có sức mạnh giải thích lớn nhất đối với
sự thay đổi theo mặt cắt của chi phí nợ
Olson và cộng sự (2012) sử dụng một số phương pháp phân loại phổ biến
(ví dụ: mạng nơron nhân tạo, cây quyết định, máy vectơ hỗ trợ và hồi quy
logistic) được áp dụng và so sánh với nhau bằng cách sử dụng độ chính xác dự
đoán trên các mẫu dữ liệu thử nghiệm. Để làm được điều đó tác giả đã dùng
dữ liệu mẫu bao gồm 100 công ty Hoa Kỳ đã trải qua các công ty phá sản. Có
nhiều hồ sơ từ các năm khác nhau cho cùng một công ty. Đầu tiên, tác giả thu
thập được khoảng 400 tên công ty đã phá sản vào năm 2010 và tiếp theo là xác
định tên Mã của mỗi công ty bằng cách sử dụng cơ sở dữ liệu Compustat. Kết
quả thu về được là bất kỳ tập hợp dữ liệu cụ thể nào sẽ có sự phù hợp tương
đối khác nhau từ các mô hình khai thác dữ liệu khác nhau. Đó là lý do tại sao
người ta thường áp dụng hồi quy logistic, mạng nơ-ron và cây quyết định cho
dữ liệu. Các mô hình mạng nơ-ron thường cung cấp sự phù hợp rất tốt với một
tập dữ liệu cụ thể, nhưng chúng không minh bạch và không dễ vận chuyển.
Mô hình cây quyết định được thể hiện bằng các thuật ngữ dễ hiểu. Một vấn đề
phổ biến với cây quyết định là các mô hình tạo ra quá nhiều quy tắc. Điều này
có thể được kiểm soát bằng cách tăng mức hỗ trợ tối thiểu cần thiết cho một
quy tắc.
Abbas và Ahmad (2011) sử dụng các mô hình sau đây để ước tính mô
hình dự báo phá sản gồm: Logit, Probit, xác suất tuyến tính, và phân tích phân
biệt đa biến (MDA). Nhưng quan trọng hơn vẫn là MDA vì nó có khả năng dự
đoán tương đối cao trong dự đoán phá sản. Đối tượng cho nghiên cứu này là
tất cả các công ty cổ phần bị Sở Giao dịch Chứng khoán Karachi (KSE) hủy
niêm yết do thanh lý /hủy bỏ theo lệnh của tòa án trong giai đoạn 1996-2006
20
nên tổng số mẫu của cả các công ty phá sản và không phá sản được sử dụng
trong nghiên cứu này là 52, bao gồm 26 công ty phá sản và 26 công ty không
phá sản. Kết quả cho thấy rằng hầu hết các công ty phá sản trong thời gian từ
năm 1996 đến năm 2006 đều có dấu hiệu của tình trạng kiệt quệ tài chính tức
là hoạt động tài chính kém. Hơn nữa, nghiên cứu của cũng đã đóng góp vào
các tài liệu hiện có bằng cách khám phá ba biến số tài chính quan trọng là
doanh thu trên tổng tài sản, EBIT trên nợ ngắn hạn, tỷ lệ dòng tiền có thể được
sử dụng để khám phá rủi ro phá sản ở Pakistan. Ba biến số tài chính này nằm
trong số các tỷ số tài chính phổ biến góp phần gây ra thất bại trong kinh doanh
trong các tài liệu về phá sản.
Nghiên cứu của Ohlson (1980) đã đưa ra mô hình để dự đoán phá sản.
Tác giả đã thành công trong việc phát triển O-score khi sử dụng các biến kế
toán tiêu biểu cho nhân tố có ý nghĩa quan trọng trong việc dự báo khả năng
phá sản bao gồm: (i) quy mô doanh nghiệp, (ii) cấu trúc tài chính được thể
hiện bởi thước đo đòn bẩy, (iii) thước đo lợi nhuận, (iv) thước đo cho tính
thanh khoản hiện hành. Ohlson đề xuất chỉ số O trong việc phân biệt giữa
những công ty phá sản và không phá sản. Công ty có chỉ số O> 0,038 thì được
xếp là phá sản với các nhân tố khác không đổi.
2.2.2. Các nghiên cứu ở Việt Nam
Nghiên cứu của Hoàng Thị Hồng Vân (2020) áp dụng mô hình Z-Score
để đánh giá tỷ lệ dự báo đúng của mô hình với các doanh nghiệp Việt Nam
thông qua thu thập dữ liệu của 30 doanh nghiệp đang hoạt động tại thời điểm
nghiên cứu. Dữ liệu nghiên cứu gồm tất cả các công ty cổ phần bị huỷ bỏ niêm
yết trên sàn chứng khoán Hồ Chí Minh (HOSE) và Hà Nội (HNX) do thanh lý
giải thể theo lệnh của Toàn án theo quy định trong thời kỳ từ năm 2012 đến
năm 2019. Kết quả nghiên cứu chỉ ra độ chính xác của mô hình Z-Score cho
dự báo phá sản của doanh nghiệp ở Việt Nam cho 1 năm trước phá sản là
76,67% và cho 2 năm trước phá sản là 70%. Chỉ số ROA (Return on Assets)
hay còn gọi là tỷ số lợi nhuận tổng tài sản, ở nhóm không phá sản trong
21
khoảng 4%-5,5%, cao hơn gấp đôi nhóm doanh nghiệp đã phá sản (chỉ đạt
mức khoảng 2,5%) nếu áp dụng mô hình Z-Score của Altman và cộng sự
(2007) để dự báo doanh nghiệp phá sản trước 1 năm thì mô hình có thể đạt
được chính xác trung bình là 76,67% (độ chính xác cao khả năng dự báo phá
sản trước 1 hoặc 2 năm). Tương tự với chỉ số ROE (Return on Equity) lợi
nhuận trên vốn chủ sở hữu hay lợi nhuận trên vốn, ở nhóm công ty đã phá sản
ROE thường nhỏ hơn mức lãi vay ngân hàng và đối với các doanh nghiệp
đang hoạt động bình thường thì ROE thường đạt khoảng 11,2% cao hơn mức
lãi suất ngân hàng, là một chỉ số dùng để đánh giá tình hình sức khoẻ của
doanh nghiệp. Qua nghiên cứu cho thấy nhóm doanh nghiệp đã phá sản có các
chỉ số ROA, ROE đều thấp hơn các doanh nghiệp đang hoạt động một cách
đáng kể, gia tăng giá trị tài sản trung bình của nhóm doanh nghiệp đã phá sản
cũng ít hơn các doanh nghiệp đang hoạt động. Từ đó các nhà phân tích tài
chính, người sử dụng thông tin tài chính có thể sử dụng mô hình Z-Score cho
việc đánh giá và nhận định tình hình tài chính cũng như “sức khoẻ” của doanh
nghiệp để đưa ra các quyết định đúng đầu tư phù hợp.
Võ Văn Nhị, Hoàng Cẩm Trang (2013), đã xem xét mối quan hệ giữa
hành vi điều chỉnh lợi nhuận và nguy cơ phá sản của 85 công ty niêm yết trên
sàn HOSE kỳ kế toán 2011. Tác giả đã kết hợp 2 mô hình Leuz& cộng sự
(2003) để phân tích hành vi điều chỉnh lợi nhuận và mô hình chỉ số Z của
Altman (2000) để phân tích được rủi ro phá sản công ty. Tác giả chọn mẫu
nghiên cứu là các công ty niêm yết trên HOSE, các doanh nghiệp được yêu
cầu về báo cáo tài chính và các loại hình doanh nghiệp khác. Báo cáo tài chính
của các công ty được chọn phải được đăng tải trên website của HOSE với dữ
liệu ít nhất là 5 năm liên tục từ 2007 đến 2011 vì tác giả phân tích đo lường độ
lệch chuẩn dựa trên công thức xác định hành vi điều chỉnh lợi nhuận trong 5
năm liên tục. Kết quả cho thấy mức độ điều chỉnh lợi nhuận tỷ lệ thuận với
nguy cơ phá sản, tức công ty có mức điều chỉnh lợi nhuận trung bình thấp nhất
sẽ ít nguy cơ phá sản (nằm trong vùng an toàn), và ngược lại, những công ty
22
có mức điều chỉnh lợi nhuận trung bình cao hoặc rất cao sẽ được cảnh báo là
có nguy cơ phá sản hoặc phá sản.
Lê Đạt Chí và Lê Tuấn Anh (2012) đã ứng dụng được mô hình KMV-
Merton kết hợp cùng với phương pháp CvaR để nhận diện, xếp hạng và phân
tích rủi ro mà doanh nghiệp Việt Nam gặp phải trước, trong và sau khi cuộc
khủng hoảng tài chính 2008. Tác giả đã sử dụng số liệu của 179 doanh nghiệp
đã được niêm yết trên hai sàn giao dịch HOSE và HNX từ năm 2007 đến năm
2011 và thu thập, tổng hợp các bảng báo cáo tài chính gồm các giá trị thị
trường của vốn cổ phần, nợ (ngắn hạn và dài hạn) của doanh nghiệp tương ứng
với ba thời kỳ của năm 2008. Việc sử dụng kết hợp hai mô hình này đã không
còn xa lạ kho Robert Powell và David Alllen (2007-2009) thực hiện tính toán
trực tiếp trên các công ty đã được niêm yết trên thị trường chứng khoán
Autralia và thu hồi lại được những kết quả khả quan. Giá trị rủi ro có điều kiện
(CvaR- Conditional Value at Risk) là một kỹ thuật thống kê được phát triển từ
Var (Value at Risk), để giải quyết những thiếu sót của VaR và được sử dụng
tối ưu hoá danh mục đầu tư để quản lý rủi ro hiệu quả hơn. Nghiên cứu này đã
đưa ra những ưu điểm của CvaR so với VaR khi CvaR có thể tính toán được
mức rủi ro đuôi mà danh mục đầu tư có. Vì vậy nên tác giả quyết định nghiên
cứu áp dụng phương pháp CvaR với mô hình KMV-Merton bằng cách xây
dụng xác suất phá sản có điều kiện (CPD- Conditional Probability of Default),
tức là xác suất vỡ nợ (PD – Probability of Default) dựa trên điều kiện độ lệch
chuẩn của lợi tức tài sản vượt quá 95% so với độ lệch chuẩn của độ tin cậy. Từ
các khảo sát nhóm nghiên cứu đã cho thấy rõ mối tương quan giữa rủi ro và tỷ
lệ vốn cổ phần. Tuy nghiên cứu đã đưa ra được những kết quả rất quan trọng
nhưng chưa nêu được cách tính tại một thời gian cụ thể hay một doanh nghiệp
cụ thể mà tác giả chỉ áp dụng tính xác suất phá sản trong khoảng thời gian, cụ
thể là trước và sau năm 2008.
Việc sử dụng mô hình dự báo rủi ro phá sản KMV-Merton tại một thời
điểm, một doanh nghiệp tuy ít nhưng ta cũng có một nghiên cứu tiêu biểu của
Nguyễn Thị Cành và Phạm Chí Khoa (2014) đã thực nghiệm thành công mô
23
hình này đối với doanh nghiệp trong ngành Tài chính – Bảo hiểm cụ thể ở đây
là các khách hàng doanh nghiệp của Ngân hàng thương mại cổ phần Ngoại
thương Việt Nam (Vietcombank). Tác giả dựa vào dữ liệu báo cáo tài chính
của 6.398 khách hàng doanh nghiệp được phân tích trong giai đoạn sau cuộc
khủng hoảng kinh tế năm 2008, dữ liệu thu hoạch trong bốn năm từ 2008 đến
2012. Kết quả được đánh giá theo từng thứ tự (1) đánh giá trên toàn danh mục
ta thấy rằng toàn bộ khách hàng doanh nghiệp xảy ra khả năng phá sản là rất
thấp, tuy nhiên do tỉ trọng vay lớn nên tổn thất của ngân hàng trong năm với
xác suất 2,6% không phải là một con số nhỏ,(2) Đánh giá theo quy mô doanh
nghiệp: Thấy rằng nhóm doanh nghiệp nào có quy mô vay nhỏ thì xác suất
phá sản thấp hơn nhóm doanh nghiệp có quy mô vay ngân hàng nhiều, (3)
Đánh giá theo ngành nghề: Ngành có xác suất phá sản cao nhất là ngành sản
xuất, truyền tải và phân phối điện, năng lượng khác. Ngành có xác suất phá
sản thấp nhất là ngành vận tải đường bộ, đường sông nhưng xét về mức độ tổn
thất đối với ngân hàng thì nhóm ngành gây tổn thất nhất là ngành chế biến
thuỷ, hải sản. Kết quả nghiên cứu cho thấy việc sử dụng mô hình KMV-
Merton trong việc dự đoán khả năng phá sản của các khách hàng doanh nghiệp
của Ngân hàng là có hiệu quả. Nhóm nghiên cứu cũng xác nhận lại kết luận
của Lê Chí Đạt và Lê Tuấn Anh (2012) rằng xác suất phá sản các khách hàng
doanh nghiệp của ngân hàng cao hơn sẽ rơi vào nhóm khách hàng có quy mô
lớn, cũng như những ngành nghề có tập trung tín dụng cao (ngành số lượng
lớn doanh nghiệp và dư nợ lớn). Cùng với đó tác giả còn đề xuất các ngân
hàng thương mại trong nước nên thực hiện mô hình này trong việc quản trị rủi
ro tín dụng.
Ngoài việc sử dụng mô hình KMV-Merton nước ta cũng đã có một số
bài nghiên cứu về mô hình dự báo rủi ro vỡ nợ khác và các ngành khác trong
nền kinh tế. Nguyễn Thị Tuyết Lan (2019) đã áp dụng mô hình O-score cùng
với các phương pháp nghiên cứu định lượng, kỹ thuật phân tích logit để có cái
nhìn tổng thể hơn về các nhân tố gây ảnh hưởng đến sự phá sản của doanh
nghiệp cụ thể thuộc ngành Xây dựng đã được niêm yết trên sàn chứng khoán.
24
Nghiên cứu sử dụng số liệu gồm 109 công ty đã niêm yết trên hai sàn giao
dịch HOSE và HNX trong thời gian liên tục 13 năm, quy mô mẫu lên đến
1417. Sau khi xem xét mẫu khảo sát, thấy được có hai yếu tố góp phần ảnh
hưởng đến rủi ro phá sản của doanh nghiệp là tổng nợ trên tổng tài sản có tác
động cùng chiều với rủi ro phá sản của doanh nghiệp và tỷ suất sinh lời trên
tổng tài sản có tác động ngược lại. Vì hệ số tương quan nhỏ hơn 0.8 nên việc
nghiên cứu này không mắc khuyết tật đa cộng tuyến, không chệch và có hiệu
quả. Bài viết này còn gợi ý một số chính sách quản trị cho doanh nghiệp như
nâng cao hiệu quả kinh doanh hay điều chỉnh tỷ số nợ cho phù hợp với từng
thời điểm doanh nghiệp đi qua. Việc nghiên cứu thực nghiệm về các nhân tố
ảnh hưởng đến rủi ro phá sản đối với các đối tượng riêng biệt là cần thiết vì nó
phản ánh đúng tình trạng các doanh nghiệp đang gặp phải.
Bảng 2.2. Tóm tắt các bài viết nghiên cứu về đề tài phá sản trong
nước và ngoài nước
Tác Giả Nội Dung Phương Kết Quả
Pháp
Các nghiên cứu nước ngoài về phá sản
Korol (2013) Tác giả sử dụng mô Mô hình Các công ty ở Mỹ
hình CART và ANN CART Latinh và Trung
phân tích dữ liệu của Kỹ thuật trí Âu phù hợp với
185 công ty niêm yết tuệ nhân tạo mô hình CART
trên Sở giao dịch chứng (ANN) hơn. Đối với Mỹ
khoán Warsaw và 60 Latinh tính hiệu
công ty niêm yết trên quả khi dự báo
các sàn giao dịch chứng phá sản của
khoán ở CART và ANN
Mexico,Argentina,Peru, lân lượt là
Brazil và Chile, tư đây 96,23% và
xác định 85,18%; các nước
Trung Âu lần lượt
25
là 88,68% và
74,07%.
Barboza và Phân tích dữ liệu dự báo Mô hình Kết quả nghiên
cộng sự phá sản các Công ty Machine cứu cho thấy dự
( 2017) Bắc Mỹ từ năm 1985 Learning báo phá sản bị tác
đến 2013 để xác định Models động bởi rủi ro tín
những yếu tố tác động Mô hình Z- dụng, vốn đưa
đến dự báo phá sản. Score vào hoạt động.
Mô hình
CART
Lifschutz và Dự báo phá sản của 40 Hai phiên bản Kết quả cho thấy
Jacobi công ty được giao dịch của Mô hình phiên bản Ingbar
(2010) trên Sàn Tel-Aviv từ Altman của Mô hìn
năm 2000 đến 2007. (1968) Altman phù hợp
với mẫu nghiên
cứu của công ty
Israel, với tỷ lệ
chính xác đến
95% một năm
trước phá sản và
85% hai năm
trước phá sản.
Lin và cộng Nhóm tác giả sử dụng Mô hình Mô hình đưa ra
sự (2007) mẫu dữ liệu gồm 246 Merton điểm dự báo với
doanh nghiệp vừa và tỷ lệ được chấp
nhỏ với giá cổ phiếu có nhận cao, thế nên
sẵn từ năm 2001 đến việc dự báo phá
2004 để phân tích điểm sản bằng mô hình
giới hạn thất bại tài Merton này được
26
chính của các doanh đánh giá là có
nghiệp này. hiệu quả.
Delapedra- Tác giả phân tích 1006 Mô hình hồi Mô hình được
Silva (2021) công ty Bắc Mỹ, mẫu quy Logistic đánh giá là có
dữ liệu được sử dụng để biến phụ hiệu quả trong
phân tích khả năng vỡ thuộc nhị việc đánh giá rủi
nợ là từ năm 2006 đến phân. ro vỡ nợ của các
năm 2016. công ty thuộc các
lĩnh vực cơ sở hạ
tầng khác nhau tại
Bắc Mỹ.
Mansi và Sử dụng 4 mô hình khác - Mô hinh Z- Kết quả cho thấy
cộng sự nhau để đo lường rủi ro score đối với mẫu dữ
(2012) phá sản - Mô hình O- liệu tác giả sử
Score dụng thì Mô hình
- Mô hình CHS Score phù
Merton hợp nhất, tính
Distance to hiệu quả cao vì
Default CHS Score có ý
- Mô hình nghĩa lớn nhất đói
CHS Score với sự thay đổi
chi phí nợ.
Olson và Tác giả dùng mãu dữ - Mô hình hồi Kết quả cho thấy
cộng sự liệu 100 công ty đã phá quy Logistic mô hình mạng nơ
(2012) sản của Hoa Kỳ để xác - Mô hình ron phù hợp với
minh tính hiệu quả của mạng nơ-ron một tập dữ liệu cụ
các phương pháp phân - Mô hình thể nhưng không
tích dữ liệu. CART có tính minh
bạch. Còn đối với
CART lại được
27
thể hiện bằng các
thuật ngữ dễ hiểu.
Abbas và Hai tác giả sử dụng dữ - Mô hinh Kết quả phân tích
Ahmad liệu các công ty cổ phần Logit từ 26 công ty phá
(2011) bị Sở giao dịch chứng - Mô hình sản và 26 công ty
khoán Karachi hủy Probit không phá sản
niêm yết trong giai đoạn - Mô hình cho thấy ba biến
1996-2006 để xác định xác suất số tài chính quan
các biến số tài chính tác tuyến tính trọng là doanh thu
động đến rủi ro phá sản - Phân tích trên tổng tài sản,
doanh nghiệp. phân biệt EBIT trên nợ
đa biến ngắn hạn, tỷ lệ
(MDA) dòng tiền có thể
được sử dụng tác
động đến rủi ro
phá sản các doanh
nghiệp.
Ohlson Tác giả đưa ra mô hình Các nhân tố Kêt quả của
(1980) để dự báo phá sản tài chính nghiên cứu mô
doanh nghiệp. doanh nghiệp hình cho thấy
quan trọng: công ty có chỉ số
(i) quy mô O> 0,038 thì
doanh nghiệp, được xếp là phá
(ii) cấu trúc sản với các nhân
tài chính được tố khác không
thể hiện bởi đổi.
thước đo đòn
bẩy,
(iii) thước đo
28
lợi nhuận,
(iv) thước đo
cho tính thanh
khoản hiện
hành
Các nghiên cứu về đề tai phá sản khác trong nước
Hoàng Thị Sử dụng mô hình Mô hình Tính chính
Hồng Vân Z- Score để đánh giá tỷ Z- Score xác của mô hình
(2020) lệ dự báo phá sản của Z-Score cho dự
30 doanh nghiệp đang báo phá sản của
hoạt động tại Việt Nam doanh nghiệp ở
Việt Nam cho 1
năm trước phá
sản là 76,67% và
cho 2 năm trước
phá sản là 70%.
Mô hình Z-
Score, tỷ số lợi
nhuận trên tổng
tài sản và tỷ số lợi
nhuận trên vốn
chủ sở hữu là
đáng kể trong kết
quả dự báo.
29
Võ Văn Nhị, Xem xét mối quan hệ Mô hình Mức độ điều
Hoàng Cẩm giữa việc điều chỉnh lợi Leuz và cộng chỉnh lợi nhuận tỷ
Trang (2013) nhuận và nguy cơ phá sự (2003) lệ thuận với nguy
sản của 85 công ty niêm Mô hình cơ phá sản
yết trên sàn HOSE của chỉ số Z’’
kỳ kế toán 2011
Lê Đạt Chí Tác giã đã kết hợp hai Mô hình Giả quyết được
và Lê Tuấn mô hình để nhận diện, KMV- những thiếu sót
Anh (2012) xếp hạng và phân tích Merton của VaR và tối ưu
rủi ro của 179 doanh Phương pháp hóa danh mục đầu
nghiệp Việt Nam được CVaR tư để quản trị rủi
niêm yết trên sàn HOSE ro hiệu quả hơn.
và HNX trong và sau Mối tương
cuộc khủng hoảng tài quan giữa rủi ro
chính 2008 và tỷ lệ vốn cổ
phần.
Nguyễ Dự báo rủi ro tín Mô hình Việc sử
n Thị Cành dụng khách hàng của KMV- dụng mô hình
và Phạm Chí doanh nghiệp và khả Merton KMV-Merton
Khoa (2014) năng thiệt hại của ngân Mẫu trong việc dự
hàng trong ngành Tài nghiên cứu: đoán khả năng
chính – Bảo hiểm cụ thể Dữ liệu báo phá sản của các
là Ngân hàng thương cáo tài chính khách hàng doanh
mại cổ phần Ngoại của 6.398 nghiệp của Ngân
thương Việt Nam khách hàng hàng là có hiệu
(Vietcombank) doanh nghiệp quả.
được phân Xác suất
tích trong giai phá sản các khách
đoạn sau cuộc hàng doanh
khủng hoảng nghiệp của ngân
30
kinh tế năm hàng cao hơn sẽ
2008 rơi vào nhóm
khách hàng có
quy mô lớn, cũng
như những ngành
nghề có tập trung
tín dụng cao
Nguyễ Đo lường các nhân Mô hình Hai yếu tố

n Thị Tuyết tố gây ảnh hưởng đến O- Score góp phần ảnh
Lan (2019) sự phá sản của doanh Phương hưởng đến rủi ro
nghiệp thuộc ngành Xây pháp định phá sản của
dựng đã được niêm yết lượng doanh nghiệp là
trên sàng chứng khoán Mô hình tổng nợ trên tổng
Logit tài sản có tác
Mẫu động cùng chiều
nghiên cứu: với rủi ro phá sản
Gồm 109 của doanh nghiệp
công ty đã và tỷ suất sinh lời
niêm yết trên trên tổng tài sản
hai sàn giao có tác động
dịch HOSE ngược lại
và HNX trong
thời gian liên
tục 13 năm,
quy mô mẫu
lên đến 1417
31
Có thể thấy, đề tài “phá sản doanh nghiệp” từ lâu đã được nhiều nhà kinh
tế quan tâm và nghiên cứu. Họ đưa ra những góc nhìn tổng thể về dự báo phá
sản, những nhân tố tác động đến rủi ro phá sản của doanh nghiệp. Nhóm
nghiên cứu đã dựa vào kết quả nghiên cứu của những tác giả đi trước để rút
kinh nghiệm và để có thể lựa chọn mô hình dự báo phá sản phù hợp nhất với
các doanh nghiệp niêm yết trên sàn chứng khoán Việt Nam.
32
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Quy trình nghiên cứu
Nghiên cứu dự báo phá sản

Đặt vấn đề
nghiên cứu
các doanh nghiệp niêm yết
trên sàn chứng khoán
Cơ sở lý Atlman Z-Score (2007)

thuyết Ohson (1980) O-Score
Mô hình
nghiên cứu Mô hình hồi quy logit
Phân tích Nghiên cứu định

nghiên cứu
lượng
Phân tích
Các kiểm hồi quy
định
logit
Thảo luận,
phân tích
kết quả
Hình 3.2. Quy trình nghiên cứu

3.2. Mô hình nghiên cứu
Bước 1. Mô hình điểm số Z

Altman (1968) đưa ra mô hình sử dụng phương pháp phân tích đa biệt
thức đã khắc phục vấn đề mâu thuẫn giữa các chỉ số kế toán trong mô hình
đơn biến trước đó của Beaver (1966). Mô hình Altman Z- score (1968) là kết
quả nghiên cứu thực nghiệm trên 66 doanh nghiệp sản xuất từ năm 1946- 1965
(bao gồm 33 doanh nghiệp phá sản và 33 doanh nghiệp không phá sản). Mô
hình tổng quan bao gồm sự kết hợp giữa 5 tỷ lệ tài chính với các trọng số khác
nhau. Sau khi sử dụng mô hình kiểm tra lại với 25 doanh nghiệp khác cũng
cho xác suất đúng 96% (thực tế có 24 doanh nghiệp phá sản, 1 doanh nghiệp
không phá sản). Theo Altman (2000), 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 (xác suất đúng là 94% trong vòng 1 năm và 2 năm là 72%). Grice và
33
Ingram (2001) kiểm chứng sự phù hợp của mô hình Altman Z- score trong dự
báo nguy cơ phá sản của các doanh nghiệp. Nghiên cứu này chỉ ra rằng, độ
chính xác khi áp dụng mô hình Z- score để dự báo nguy cơ phá sản của doanh
nghiệp là 57,6% so với 83,5% được chứng minh bởi Altman (1968). Có thể
thấy, Z- score của Altman (1968) là một trong những mô hình hiệu quả nhất
trong dự báo phá sản được sử dụng trong nghiên cứu của nhiều tác giả trong
suốt hơn 50 năm qua. Mô hình Z-score của Altman (1968) được ứng dụng ở
nhiều nước châu Âu và hiện tại các nước châu Á cũng đang áp dụng nhiều
trong phân tích, dự báo tình hình hoạt động của doanh nghiệp, chứng tỏ được
tính ưu việt trong việc phân loại vùng rủi ro của doanh nghiệp ở nhiều lĩnh vực
khác nhau. Mô hình dự báo phá sản ban đầu được Altman (1968) xây dựng
dựa trên các phương pháp phân tích thống kê với số mẫu 66. doanh nghiệp, là
các công ty sản xuất và doanh nghiệp nhỏ, có tổng tài sản dưới 1 triệu USD.
Một nửa trong số mẫu này đã nộp đơn xin phá sản vào lúc đó. Mô hình Z-
Score ban đầu chỉ áp dụng cho các doanh nghiệp sản xuất chứ không áp dụng
cho các ngành nghề khác. Altman (2000) nghiên cứu các nhân tố tác động đến
xác suất vỡ nợ của các doanh nghiệp vừa và nhỏ tại thị trường Mỹ. Kết quả
nghiên cứu chỉ ra, có năm biến độc lập (các tỷ số tài chính) có khả năng dự
báo tốt nhất cho xác suất vỡ nợ của doanh nghiệp, đó là tỷ số: Lợi nhuận trước
thuế, lãi vay và khấu hao/tổng tài sản; Nợ ngắn hạn/giá trị sổ sách vốn cổ
phần; Lợi nhuận giữ lại/tổng tài sản; Tiền mặt/tổng tài sản; và Lợi nhuận trước
thuế, lãi vay và khấu hao/chi phí lãi vay. Mô hình Z-score của Altman (2000)
có thể được áp dụng cho nền kinh tế hiện đại để dự đoán một, hai thậm chí ba
năm trước khi doanh nghiệp phá sản nhờ tính đơn giản và độ chính xác khá
cao. Mô hình này được mở rộng hơn cho các doanh nghiệp quy mô lớn và
nhiều ngành nghề chứ không chỉ là các doanh nghiệp sản xuất quy mô nhỏ
như trong mô hình gốc năm 1968. Các chỉ tiêu sử dụng trong công thức tính
toán đều dễ dàng thu thập được trên báo cáo tài chính của doanh nghiệp và
thông tin công bố rộng rãi ra công chúng. Altman và cộng sự (2007) thực hiện
34
nghiên cứu tại Trung Quốc cũng cho kết quả dự báo khá cao, xấp xỉ 80%. Mô
hình của Altman (2000) và Altman và cộng sự (2007) bao gồm 5 biến như sau:
Z = 1,2*X1 + 1,4*X2 + 3,3*X3 + 0,6*X4 + 1,0*X5
Trong đó: Z: là giá trị đánh giá phá sản
X1 : Vốn lưu động/Tổng tài sản
X2 : Lợi nhuận chưa sau thuế chưa phân phối/Tổng tài sản
X3 : Lợi nhuận trước lãi vay và thuế/Tổng tài sản
X4 : Vốn chủ sở hữu/Tổng nợ phải trả
X5 : Doanh thu thuần/Tổng tài sản
Bảng 3.3. Bảng diễn giải điểm số Z
Z Diễn giải
Doanh nghiệp an toàn, nếu chỉ dựa trên các chỉ
2,99 < Z
tiêu tài chính dùng tính toán.
Doanh nghiệp rơi vào vùng nguy hiểm, cần chú ý
1,81 < Z < 2,99
về khả năng phá sản.
Doanh nghiệp có vấn đề nghiêm trọng về tài
Z <1,81
chính, có khả năng cao sẽ phá sản.
Nguồn: Altman và cộng sự (2007)
Bước 2. Mô hình hồi quy logit
Mô hình hồi quy logit được sử dụng để dự báo khi biến phụ thuộc ở dạng
nhị phân là 0 hoặc 1. Hồi quy Logistic, như hầu hết các phương pháp xây
dựng mô hình dự báo khác, được sử dụng để xây dựng một phương trình dựa
trên yếu tố rủi ro nhằm dự đoán khả năng có thể xảy ra hoặc xác suất xảy ra
các giả thuyết đã được đặt ra ban đầu.
Logit (pi) = 𝜷𝟎 + 𝜷𝟏𝒙𝟏 + 𝜷𝟐𝒙𝟐+. . . +𝜷𝒏𝒙n
Trong đó: p: Xác suất vỡ nợ của khách hàng; x: Yếu tố rủi ro; β0: Hệ số
chặn - β1....βn:
35
Thông số ước tính Để xác định xác suất nguy cơ phá sản của các công ty
niêm yết trên thị trường chứng khoán Việt Nam, ta chuyển đổi mô hình Logit
như sau: log(Odds)=W0+Wi*Xi
Với: Odds=P/(1-P) - P: Xác suất doanh nghiệp phá sản; 1-P: Xác suất
doanh nghiệp không có nguy cơ phá sản; Xi: Các biến vào mô hình; Wi:
Trọng số của các biến Log (odd) hay log P/(1-P) còn được gọi là logit (p) và
do đó mô hình mới có tên Logistic. Lý do hoán chuyển từ p thành logit(p) là vì
p có giá trị trong khoảng 0,1 trong khi logit(p) có giá trị vô giới hạn, do đó
thích hợp cho việc phân tích theo mô hình hồi quy tuyến tính.
Đề tài sử dụng các chỉ tiêu tài chính gồm Tổng nợ phải trả trên Tổng tài
sản, Vốn lưu động trên Tổng tài sản, Khả năng thanh toán ngắn hạn, Tỷ suất
sinh lời trên Tổng tài sản, Tốc độ tăng trưởng của thu nhập ròng, tác động đến
khả năng phá sản của doanh nghiệp.
3.3. Dữ liệu nghiên cứu
Các dữ liệu được tìm hiểu, thu thập nội dung về mô hình Z-Score, quản
trị rủi ro dựa trên các tài liệu, các công trình đã nghiên cứu. Số liệu thứ cấp
được lấy từ nguồn BCTC đã kiểm toán của 42 doanh nghiệp niêm yết trên thị
trường chứng khoán Việt Nam được chia làm 2 nhóm: Nhóm 1 là các doanh
nghiệp có nguy cơ phá sản (21 doanh nghiệp), nhóm 2 là các doanh nghiệp
không có rủi ro phá sản (21 doanh nghiệp), dữ liệu từ năm 2015 đến năm
2020.
36
Nhóm nghiên cứu đã đưa ra quy trình các bước thực hiện bài nghiên cứu.
Nhóm nghiên cứu đưa ra hai mô hình cho bài nghiên cứu là mô hình Z-Score
và mô hình O-Score, sử dụng phương pháp hồi quy Logit để chạy mô hình.
Các chỉ tiêu tài chính được sử dụng gồm Tổng nợ phải trả trên Tổng tài sản,
Vốn lưu động trên Tổng tài sản, Khả năng thanh toán ngắn hạn, Tỷ suất sinh
lời trên Tổng tài sản, Tốc độ tăng trưởng của thu nhập ròng, tác động đến khả
năng phá sản của doanh nghiệp. Nguồn dữ liệu được sử dụng gồm 2 nhóm
doanh nghiệp được niêm yết trên Sàn giao dịch chứng khoán Việt Nam, nhóm
1 là các doanh nghiệp có nguy cơ phá sản (21 doanh nghiệp), nhóm 2 là các
doanh nghiệp không có rủi ro phá sản (21 doanh nghiệp), dữ liệu từ năm 2015
đến năm 2020.
37
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Kết quả mô hình Z-score cho dự báo phá sản
Mô hình của Altman và cộng sự (2007) với 5 biến được tác giả sử dụng
để kiểm định khả năng dự báo phá sản của mô hình tại các doanh nghiệp ở
Việt Nam dựa trên dữ liệu của 42 doanh nghiệp đang hoạt động tại thời điểm
nghiên cứu. Thông tin tài chính được tổng hợp bao gồm tổng tài sản, vốn lưu
động, lợi nhuận sau thuế chưa phân phối, lợi nhuận trước thuế và lãi vay, vốn
chủ sở hữu, tổng nợ phải trả, doanh thu thuần. Các thông tin được thu thập
nhằm mục đích tính toán chỉ số trong mô hình Z-score, từ đó tính ra giá trị Z
của mỗi công ty. Dựa vào giá trị Z đã tính, nghiên cứu so sánh giá trị Z với các
điểm giới hạn để tính toán tỷ lệ dự báo phá sản của mô hình Z-score của các
doanh nghiệp trong mẫu nghiên cứu. Nếu điểm Z < 1,81 nghĩa là dự báo
doanh nghiệp rơi vào tình trạng phá sản, lúc này thuộc nhóm 1. Nếu điểm Z >
1,81 nghĩa là doanh nghiệp được dự báo vẫn còn khả năng tiếp tục hoạt động
sản xuất kinh doanh, lúc này thuộc nhóm 2. Nếu điểm nằm giữa hai khoảng
1,81< Z < 2,99 nghĩa là doanh nghiệp đang nằm trong vùng nguy hiểm, có
nguy cơ phá sản cao. Kết quả thống kê giá trị Z của các doanh nghiệp trong 6
năm được thể hiện trong Bảng dưới đây.
Bảng 4.4. Bảng tổng hợp kết quả giá trị Z theo năm
Năm
Chỉ số Z
2015 2016 2017 2018 2019 2020
Z < 1,81 22 25 25 26 24 25
1,81 < Z < 2,99 8 5 7 7 9 7
Z > 2,99 12 12 10 9 9 10
Tổng 42 42 42 42 42 42
Nguồn:Dữ liệu nhóm nghiên cứu tính toán
Năm 2015, trong tổng số 42 doanh nghiệp, có 22 doanh nghiệp có trị giá
Z < 1,81 (Z<1,81, doanh nghiệp có vấn đề nghiêm trọng về tài chính, có khả
năng cao sẽ phá sản (Altman, 2007)), 8 doanh nghiệp có giá trị Z nằm trong
khoảng 1,81 < Z< 2,99 (Doanh nghiệp rơi vào vùng nguy hiểm, cần chú ý về
38
khả năng phá sản) và có 12 doanh nghiệp có giá trị Z>2,99 (Doanh nghiệp an
toàn, nếu chỉ dựa vào chỉ tiêu tài chính).Dự báo phá sản của các doanh nghiệp
tại việt Nam trong năm 2015 là 41,62%.
toàn, nếu chỉ dựa vào chỉ tiêu tài chính).Dự báo phá sản của các doanh nghiệp
toàn, nếu chỉ dựa vào chỉ tiêu tài chính). Dự báo phá sản của các doanh nghiệp
39
Theo số liệu dự báo phá sản trên thì qua các năm tỷ lệ phá sản của các
doanh nghiệp tại Việt Nam đang ngày càng tăng lên qua thời gian. . Điều này
cho thấy, yếu tố thời gian tác động khá lớn đến kết quả dự báo. Rủi ro phá sản
doanh nghiệp là một trong những vấn đề quan trọng được các nhà quản trị tài
chính doanh nghiệp quan tâm. Như một vấn đề liên quan đến việc sống còn
của doanh nghiệp, mọi mạch chảy lưu thông của dòng tiền đề hướng tới mục
đích tối ưu hóa việc sử dụng nguồn lực tài chính của doanh nghiệp để doanh
nghiệp có thể tồn tại một cách vững mạnh và bền vững nhất. Việc các nhà
quản trị tài chính đặt mối quan tâm hàng đầu đến rủi ro phá sản của doanh
nghiệp là để có được những quyết định tài chính hợp lý và hiệu quả. Để làm
được điều này nhà quản trị doanh nghiệp cần nắm chắc những lý thuyết về đầu
tư, nguồn vốn, đồng thời phải có các nghiên cứu về các nhân tố ảnh hưởng đến
rủi ro phá sản của doanh nghiệp mình. Bài viết phân tích các nhân tố ảnh
hưởng đến rủi ro phá sản của 684 doanh nghiệp đang hoạt động tại thời điểm
nghiên cứu. Kết quả nghiên cứu cho biết các nhân tố ảnh hưởng đến rủi ro phá
sản của các doanh nghiệp niêm yết tại Việt Nam gồm: Nợ ngắn hạn trên tài
sản ngắn hạn (+) và Tỷ suất sinh lợi trên tổng tài sản (-). Trong đó nợ ngắn
hạn trên tài sản ngắn hạn có ảnh hưởng cùng chiều đến rủi ro phá sản của
doanh nghiệp. Ngược lại, Tỷ suất sinh lợi trên tổng tài sản có ảnh hưởng
ngược chiều. Kết quả này phù hợp với lý thuyết kinh tế. Trên cơ sở kết quả
nghiên cứu đạt được, bài viết gợi ý một số hàm ý chính sách quản trị cho
40
doanh nghiệp như nâng cao hiệu quả hoạt động kinh doanh hay điều chỉnh tỷ
số nợ cho hợp lý. Kết quả nghiên cứu thực nghiệm chỉ ra nhân tố tỷ suất sinh
lợi trên tổng tài sản có tác động ngược chiều lên rủi ro phá sản của doanh
nghiệp. Tỷ suất sinh lời tăng sẽ làm giảm rủi ro phá sản của các doanh nghiệp
xuống. Tỷ suất sinh lời cao tạo ra sự linh hoạt tài chính cho doanh nghiệp,
giảm trở ngại tự chủ tài chính và giúp doanh nghiệp giảm sự phụ thuộc vào
các nguồn vốn vay. Khi các doanh nghiệp có nguồn vốn nội sinh dồi dào và có
lợi nhuận ngày càng tăng thì các doanh nghiệp sẽ có được sự tự chủ tài chính
cần thiết. Để đạt được những mục tiêu này, việc cần thiết cho các doanh
nghiệp là nâng cao hiệu quả kinh doanh. Để giảm tỷ số nợ, bên cạnh những
biện pháp nhằm gia tăng vốn tự có, các doanh nghiệp cũng nên xem xét đến
hình thức khá phổ biến trên thế giới đó là thuê tài chính, hình thức này không
đòi hỏi đảm bảo có trước, vừa giúp doanh nghiệp tiếp cận hình thức tín dụng
mới, vừa giải tỏa áp lực về tài sản đảm bảo. Mặc dù nghiên cứu đã trả lời được
các câu hỏi đặt ra nhưng nghiên cứu vẫn còn có hạn chế đó là mô hình nghiên
cứu chỉ dừng lại vào phân tích ảnh hưởng của các nhân tố nội tại của các
doanh này không đòi hỏi đảm bảo có trước, vừa giúp doanh nghiệp tiếp cận
hình thức tín dụng mới, vừa giải tỏa áp lực về tài sản đảm bảo.
Mô hình của Altman và cộng sự (2007) với 5 biến được tác giả sử dụng
để kiểm định khả năng dự báo phá sản của mô hình tại các doanh nghiệp ở
Việt Nam dựa trên dữ liệu của 21 doanh nghiệp đã phá sản và 21 doanh
nghiệp đang hoạt động. Thông tin tài chính được tổng hợp bao gồm tổng tài
sản, vốn lưu động, lợi nhuận giữ lại, lợi nhuận trước thuế và lãi vay, vốn chủ
sở hữu, tổng doanh thu. Các thông tin được thu thập nhằm mục đích tính toán
chỉ số trong mô hình Z-score, từ đó tính ra giá trị Z của mỗi công ty. Dựa vào
giá trị Z đã tính, tác giả so sánh giá trị Z với các điểm giới hạn để tính toán tỷ
lệ dự báo phá sản của mô hình Z-score của các doanh nghiệp trong mẫu
nghiên cứu. Nếu điểm Z < 1,81 nghĩa là dự báo doanh nghiệp rơi vào tình
trạng phá sản, lúc này thuộc nhóm 1. Nếu điểm Z > 1,81 nghĩa là doanh
nghiệp được dự báo vẫn còn khả năng tiếp tục hoạt động sản xuất kinh doanh,
41
lúc này thuộc nhóm 2. Kết quả tính toán giá trị Z của 42 doanh nghiệp (21
doanh nghiệp đã phá sản và 21 doanh nghiệp đang hoạt động) trong 2 năm
được thể hiện trong Bảng 4.2.
Bảng 4.5. Kết quả giá trị Z của 2 nhóm doanh nghiệp
Nhóm doanh nghiệp đã phá sản Nhóm doanh nghiệp chưa phá sản
Giá trị Z 1 năm trước phá 2 năm trước 1 năm trước 2 năm trước phá
sản phá sản phá sản sản
Z > 2,99 2 3 7 6
1,81 < Z < 2,99 3 2 6 5
Z < 1,81 16 16 8 10
Tổng 21 21 21 21
Nguồn: Tính toán của nhóm tác giả
Để áp dụng mô hình Z-score cho dự báo một năm trước phá sản nhóm
tác giả chia thành nhóm 1nếu điểm Z< 1,81 nghĩa là dự báo doanh nghiệp rơi
vào tình trạng phá sản và nhóm 2 nếu điểm Z> 1,81 nghĩa là doanh nghiệp
được dự báo vẫn còn khả năng tiếp tục hoạt động sản xuất kinh doanh. Kiểu 1
là dự báo khả năng phá sản dựa trên số doanh nghiệp đã phá sản và kiểu 2 là
dự báo hoạt động bình thường cho các doanh nghiệp đang hoạt động.
Bảng 4.6. Kết quả áp dụng mô hình Z-score cho dự báo một năm
trước phá sản
Số phá sản Chính Không (%) Dự đoán phá sản

thực tế xác (%) chính xác Mẫu Nhóm
Nhóm 1 Nhóm 2
Nhóm 1 19 2
Nhóm 2 15 8
Kiểu 1 19 90% 10% 21
Kiểu 2 15 71% 29% 21
Trung bình 81% 19%
Kết quả trong bảng 4.2 và bảng 4.3 cho thấy, tại Việt Nam nếu áp dụng
mô hình Z-score của Altman để dự báo doanh nghiệp phá sản trước 1 năm thì
mô hình có thể đạt được độ chính xác trung bình là 81%. Cụ thể, trong tổng số
21 doanh nghiệp đã phá sản, có 19 doanh nghiệp được dự báo phá sản có trị Z
42
< 2,99 và 2 doanh nghiệp có giá trị Z > 2,99 nhưng vẫn trong danh sách 21
doanh nghiệp đã phá sản (hủy niêm yết), điều này có thể giải thích doanh
nghiệp ngừng hoạt động không phải là do các vấn đề về tài chính mà có thể do
các vấn đề khác (ví dụ như không đảm bảo quy định về vốn hay do bất đồng
trong công tác quản lý, điều hành giữa các chủ sở hữu…). Kết quả tính toán
chỉ số Z của nhóm doanh nghiệp đã phá sản (hủy niêm yết), mô hình đã dự
đoán đúng về thực trạng phá sản và nguy cơ phá sản của doanh nghiệp trước
khi phá sản 1 năm với tỷ lệ 90% (19/21 doanh nghiệp có chỉ số Z < 2,99. Điều
này cho thấy, trong 21 doanh nghiệp đang hoạt động, dự báo khả năng tiếp tục
hoạt động sản xuất kinh doanh của các doanh nghiệp là 71% (15/21 doanh
nghiệp có giá trị Z > 1,81). Như vậy, kết quả dự báo dấu hiệu khỏe mạnh của
doanh nghiệp bằng giá trị Z hoàn toàn đáng tin cậy.
4.2. Kết quả mô hình hồi quy
4.2.1. Thống kê mô tả
Bảng 4.7. Thống kê mô tả các biến nhóm công ty đã phá sản

Số Nhóm công ty đã phá sản Nhóm công ty đang hoạt động
Chỉ tiêu quan
sát Trung bình Độ lệch chuẩn Trung bình Độ lệch chuẩn
TATL 126 0.4827 0.2384 0.4769 0.2324
WCTA 126 0.2007 0.2300 0.2204 0.2262
CLCA 126 0.9877 0.8014 0.6113 0.3381
NITA 126 0.0525 0.0738 0.0479 0.0537
CHIN 105 (0.0166) 0.7270 (0.0504) 0.7298

Tổng thể nghiên cứu sử dụng dữ liệu của 42 công ty niêm yết trên sàn
chứng khoán (21 công ty đã phá sản và 21 công ty đang hoạt động) trong thời
gian 5 năm liên tục từ 2016 – 2020. Quy mô mẫu lên đến 210 (42*5) quan sát.
43
Từ thống kê ta thấy, có sự khác biệt đáng kể của số trung bình và độ lệch
chuẩn giữa nhóm công ty đã phá sản và công ty đang hoạt động. Xét về trung
bình các chỉ số về Tổng nợ phải trả trên tổng tài sản (TATL), Vốn lưu động
trên tổng tài sản (WCTA), Khả năng thanh khoản ngắn hạn (CLCA), Tỷ suất
sinh lợi trên tổng tài sản (NITA), Tốc độ tăng trưởng thu nhập ròng (CHIN) có
sự khác biệt đáng kể. Các công ty đã phá sản có nợ hiện tại cao, tỷ suất sinh
lợi trên tổng tài sản cao, tính thanh khoản ngắn hạn cao, vốn lưu động trên
tổng tài sản thấp, tốc độ tăng trưởng thu nhập ròng lớn hơn rất nhiều so với
nhóm công ty không có nguy cơ phá sản. Đồng thời, độ chênh lệch giữa các
công ty trong nhóm cũng rất lớn, tiêu biểu ở bảng 4.4 ta có thể thấy sự chênh
lệch lớn đó là khả năng thanh khoản ngắn hạn giữa công ty đã phá sản
(0.8014) và công ty đang hoạt động (0.3381).
4.2.2. Ma trận hệ số tương quan
Kết quả về mối tương quan giữa các biến trong mô hình nghiên cứu được
trình bày trong Bảng 4.3. Kết quả tính toán cho thấy các biến giải thích khác
nhau tác động đến biến phụ thuộc theo các hướng khác nhau. Các nhân tố tác
động đến rủi ro phá sản của doanh nghiệp đều theo chiều dương cùng hệ số
tương quan lần lượt là: Tổng nợ phải trả trên tổng tài sản (1.0000), Nợ ngắn
hạn trên tài sản ngắn hạn (0.0601) và Tốc độ tăng trưởng thu nhập ròng
(0.0252). Trong khi đó, các nhân tố tác động đến rủi ro phá sản của doanh
nghiệp niêm yết toàn ngành đều theo chiều âm cùng hệ số tương quan lần lượt
là: Vốn lưu động trên tổng tài sản (-0.6787); Tỷ suất sinh lời trên tổng tài sản
(-0.3001).
TATL WCTA CLCA NITA CHIN
TATL 1.0000
WCTA -0.6787 1.0000
CLCA 0.0601 -0.0940 1.0000
NITA -0.3001 0.2382 -0.0359 1.0000
CHIN 0.0252 -0.0341 0.0965 0.3878 1.0000
44
Hình 4.3. Hệ số tương quan giữa các biến trong mô hình
Rõ ràng, kết quả thực nghiệm về mối quan hệ giữa các biến giải thích và
biến phụ thuộc đã có những điểm khác so với lý thuyết và giả thuyết đề ra.
Nguyên ngân xuất phát từ những đặc thù riêng của doanh nghiệp toàn ngành
nói riêng và những đặc điểm của nền kinh tế Việt Nam nói chung. Điều này
cùng với những kết quả thực nghiệm khác nhau của các nghiên cứu đi trước
càng tạo nên những cơ sở vững chắc chứng minh sự cần thiết của những
nghiên cứu thực nghiệm về các nhân tố ảnh hưởng đến rủi ro phá sản đối với
các đối tượng riêng biệt. Bảng 5 cũng trình bày mối tương quan giữa từng cặp
biến giải thích trong mô hình nghiên cứu. Từ Bảng 4.3 ta thấy hệ số tương
quan giữa các biến trong mô hình đều ở mức thấp, không có hệ số tương quan
lớn hơn 0,8. Do đó ta có thể kết luận mô hình nghiên cứu không mắc khuyết
tật đa cộng tuyến hoàn hảo. Mô hình nghiên cứu sẽ đảm bảo những kết quả
ước lượng đều có tính chất tuyến tính, không chệch và hiệu quả.
4.2.3. Kết quả mô hình hồi quy
Theo kết quả bảng 4.2 Kết quả hồi quy logit và các kết quả kiểm định,
các biến TATL, WCTA, CLCA, NITA, CHIN thỏa mãn các điều kiện. Xét hệ
số coefficients cho biết sự thay đổi của Log odds của biến phụ thuộc khi biến
độc lập tăng 1 đơn vị. Cụ thể:
45
. logit Y TATL WCTA CLCA NITA CHIN
Iteration 0: log likelihood = -145.56091

Logistic regression Number of obs = 210

LR chi2(5) = 24.66
Prob > chi2 = 0.0002
Log likelihood = -133.23164 Pseudo R2 = 0.0847
Y Coef. Std. Err. z P>|z| [95% Conf. Interval]
TATL -.4523257 .8834194 -0.51 0.609 -2.183796 1.279145

WCTA -.8132355 .8863636 -0.92 0.359 -2.550476 .9240052
CLCA 1.321395 .3433727 3.85 0.000 .6483972 1.994393
NITA 2.560835 2.627797 0.97 0.330 -2.589553 7.711223
CHIN -.1030579 .2250332 -0.46 0.647 -.5441149 .3379992
_cons -.7605699 .6915054 -1.10 0.271 -2.115896 .5947558

Hình 4.4. Kết quả hồi quy Logit
Khi tổng nợ phải trả trên tổng tài sản (TATL) tăng 1 đơn bị thì Log odds
của không có nguy cơ phá sản (so với nguy cơ phá sản) giảm tương ứng
0.4523257.
Khi vốn lưu động trên tổng tài sản (WCTA) tăng 1 đơn vị thì Log odds
0.8132355.
Khi nợ ngắn hạn trên tài sản ngắn hạn (CLCA) tăng 1 đơn vị thì Log
odds của không có nguy cơ phá sản (so với nguy cơ phá sản) tăng tương ứng
1.321395.
Khi tỷ suất sinh lợi trên tổng tài sản (NITA) tăng 1 đơn vị thì Log odds
của không có nguy cơ phá sản (so với nguy cơ phá sản) tăng tương ứng
2.560835.
Khi tốc độ tăng trưởng thu nhập ròng (CHIN) tăng 1 đơn vị thì Log odds
0.1030579.
46
Rủi ro phá sản doanh nghiệp là một trong những vấn đề quan trọng được
các nhà quản trị tài chính doanh nghiệp quan tâm. Như một vấn đề liên quan
đến việc sống còn của doanh nghiệp, mọi mạch chảy lưu thông của dòng tiền
đề hướng tới mục đích tối ưu hóa việc sử dụng nguồn lực tài chính của doanh
nghiệp để doanh nghiệp có thể tồn tại một cách vững mạnh và bền vững nhất.
Việc các nhà quản trị tài chính đặt mối quan tâm hàng đầu đến rủi ro phá sản
của doanh nghiệp là để có được những quyết định tài chính hợp lý và hiệu quả.
Để làm được điều này nhà quản trị doanh nghiệp cần nắm chắc những lý
thuyết về đầu tư, nguồn vốn, đồng thời phải có các nghiên cứu về các nhân tố
ảnh hưởng đến rủi ro phá sản của doanh nghiệp mình. Bài viết phân tích các
nhân tố ảnh hưởng đến rủi ro phá sản của 684 doanh nghiệp đang hoạt động tại
thời điểm nghiên cứu. Kết quả nghiên cứu cho biết các nhân tố ảnh hưởng đến
rủi ro phá sản của các doanh nghiệp niêm yết tại Việt Nam gồm: Nợ ngắn hạn
trên tài sản ngắn hạn (+) và Tỷ suất sinh lợi trên tổng tài sản (-). Trong đó nợ
ngắn hạn trên tài sản ngắn hạn có ảnh hưởng cùng chiều đến rủi ro phá sản của
doanh nghiệp. Ngược lại, Tỷ suất sinh lợi trên tổng tài sản có ảnh hưởng
ngược chiều. Kết quả này phù hợp với lý thuyết kinh tế. Trên cơ sở kết quả
nghiên cứu đạt được, bài viết gợi ý một số hàm ý chính sách quản trị cho
doanh nghiệp như nâng cao hiệu quả hoạt động kinh doanh hay điều chỉnh tỷ
số nợ cho hợp lý. Kết quả nghiên cứu thực nghiệm chỉ ra nhân tố tỷ suất sinh
lợi trên tổng tài sản có tác động ngược chiều lên rủi ro phá sản của doanh
nghiệp. Tỷ suất sinh lời tăng sẽ làm giảm rủi ro phá sản của các doanh nghiệp
xuống. Tỷ suất sinh lời cao tạo ra sự linh hoạt tài chính cho doanh nghiệp,
giảm trở ngại tài chính nội sinh và giúp doanh nghiệp giảm sự phụ thuộc vào
các nguồn vốn vay. Khi các doanh nghiệp có nguồn vốn nội sinh dồi dào và có
lợi nhuận ngày càng tăng thì các doanh nghiệp sẽ có được sự tự chủ tài chính
cần thiết. Để đạt được những mục tiêu này, việc cần thiết cho các doanh
nghiệp là nâng cao hiệu quả kinh doanh. Để giảm tỷ số nợ, bên cạnh những
biện pháp nhằm gia tăng vốn tự có, các doanh nghiệp cũng nên xem xét đến
hình thức khá phổ biến trên thế giới đó là thuê tài chính, hình thức này không
47
đòi hỏi đảm bảo có trước, vừa giúp doanh nghiệp tiếp cận hình thức tín dụng
mới, vừa giải tỏa áp lực về tài sản đảm bảo. Mặc dù nghiên cứu đã trả lời được
các câu hỏi đặt ra nhưng nghiên cứu vẫn còn có hạn chế đó là mô hình nghiên
cứu chỉ dừng lại vào phân tích ảnh hưởng của các nhân tố nội tại của các
doanh này không đòi hỏi đảm bảo có trước, vừa giúp doanh nghiệp tiếp cận
hình thức tín dụng mới, vừa giải tỏa áp lực về tài sản đảm bảo.
48
Nhóm nghiên cứu sau khi tính toán các dữ liệu, đã đưa ra kết quả tại Việt
Nam nếu áp dụng mô hình Z-score của Altman để dự báo doanh nghiệp phá
sản trước 1 năm thì mô hình có thể đạt được độ chính xác trung bình là 81%.
mô hình đã dự đoán đúng về thực trạng phá sản và nguy cơ phá sản của doanh
nghiệp trước khi phá sản 1 năm với tỷ lệ 90% (19/21 doanh nghiệp có chỉ số Z
< 2,99. Còn đối với 21 doanh nghiệp đang hoạt động, dự báo khả năng tiếp tục
hoạt động sản xuất kinh doanh của các doanh nghiệp là 71% (15/21 doanh
nghiệp có giá trị Z > 1,81). Có thể thấy rằng kết quả dự báo dấu hiệu khỏe
mạnh của doanh nghiệp bằng giá trị Z hoàn toàn đáng tin cậy.
Bảng 4.8: Tóm tắt kết quả các chỉ số tác động đến rủi ro phá sản
Chỉ số tài chính Tên viết tắt Tác động đến rủi ro phá sản
Tổng nợ phải trả (TATL) (+) : Tác động cùng chiều

trên tổng tài sản
Vốn lưu động trên (WCTA) (+) : Tác động cùng chiều
tổng tài sản
Nợ ngắn hạn trên (CLCA) (-) : Tác động ngược chiều
tài sản ngắn hạn
Tỷ suất sinh lợi (NITA) (-) : Tác động ngược chiều
trên tổng tài sản
Tốc độ tăng (CHIN) (+) : Tác động cùng chiều
trưởng thu nhập
ròng
49
CHƯƠNG 5. KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
5.1. Kết luận
Thông qua dữ liệu đã thu thập của 21 doanh nghiệp đã phá sản và 21
doanh nghiệp đang hoạt động, bài nghiên cứu này tính toán và phân tích một
số chỉ tiêu tài chính của các doanh nghiệp. Tuy nhiên, việc phân tích thông
qua các thông tin tài chính chưa cho thấy được các dấu hiệu nhận biết doanh
nghiệp có phá sản hay không. Trong khi ứng dụng mô hình Z-score của
Altman và cộng sự (2007) vào hai nhóm doanh nghiệp cho thấy có sự khác
biệt một cách rõ ràng về khả năng phá sản của hai nhóm doanh nghiệp. Tuy
mô hình không cho kết quả dự báo tốt như các thực nghiệm được thực hiện tại
Mỹ (Altman, 2000), nhưng với khả năng dự báo chính xác đã được nhiều nhà
nghiên cứu thực hiện và kiểm chứng. Kết quả phân tích mô hình cho thấy để
dự báo doanh nghiệp phá sản trước 1 năm ở Việt Nam thì mô hình có thể đạt
được độ chính xác trung bình là 81%. Dựa vào kết quả tính toán chỉ số Z của
nhóm doanh nghiệp đã phá sản (hủy niêm yết), mô hình đã dự đoán đúng về
thực trạng phá sản và nguy cơ phá sản của doanh nghiệp trước khi phá sản 1
năm với tỷ lệ 90% và nhóm doanh nghiệp đang hoạt động, dự báo khả năng
tiếp tục hoạt động sản xuất kinh doanh của các doanh nghiệp là 71%. Điều này
cho thấy việc sử dụng mô hình Z-score trong dự báo phá sản cho các doanh
nghiệp Việt Nam là một trong những thông tin khá tin cậy. Các nhà phân tích
tài chính, người sử dụng thông tin tài chính có thể sử dụng mô hình Z-score
cho việc đánh giá và nhận định tình hình tài chính cũng như “sức khỏe” của
doanh nghiệp để đưa ra các quyết định đúng đầu tư phù hợp.
Với mục đích sử dụng mô hình hồi quy logit để dự báo nguy cơ phá sản
của các công ty niêm yết trên thị trường chứng khoán Việt Nam. Nghiên cứu
đã xây dựng một mô hình logit có khả năng đánh giá nguy cơ phá sản của các
công ty niêm yết trên thị trường chứng khoán. Mặc dù, kết quả tính toán cho
thấy các biến giải thích khác nhau tác động đến biến phụ thuộc theo các hướng
khác nhau. Các nhân tố tác động đến rủi ro phá sản của doanh nghiệp trong
50
toàn ngành đều theo chiều dương. Nhưng khi áp dụng mô hình hồi quy logit
vào dữ liệu ta thấy các biến giải thích đều không ảnh hưởng đến rủi ro phá sản
của các doanh nghiệp niêm yết tại Việt Nam. Ngoại trừ, hai tỷ số tài chính bao
gồm: Nợ ngắn hạn trên tài sản ngắn hạn (CLCA) và Tỷ suất sinh lợi trên tổng
tài sản (NITA) là có ý nghĩa trong việc đánh giá nguy cơ phá sản của doanh
nghiệp.
Nói tóm lại, nắm được các nhân tố tác động đến rủi ro phá sản của doanh
nghiệp là một trong những vấn đề then chốt để các nhà quản trị tài chính đưa
ra những chính sách đúng đắn giúp doanh nghiệp tránh được ranh giới giữa
phát triển bền vững và rủi ro phá sản trong tương lai. Bài nghiên cứu dựa trên
kết quả của hai mô hình Z-score và hồi quy. Từ đó dự báo được nguy cơ phá
sản của các doanh nghiệp. Dựa vào tỷ lệ mà mô hình Z-score đã đưa ra cùng
với 2 tỷ số tài chính then chốt của mô hình hồi quy logit các nhà quản trị tài
chính sẽ đưa ra được những chính sách chi tiết hơn phù hợp với mỗi đặc thù
của doanh nghiệp mình giúp doanh nghiệp có một nguồn lực tài chính vững
vàng, sử dụng dòng tiền hiệu quả, tối ưu và đi đúng với chỉ tiêu tài chính của
doanh nghiệp.
5.2. Hàm ý chính sách
Theo kết quả bài nghiên cứu, các công ty nên sử dụng chính sách tiền tệ
bảo thủ, tức là nguồn hình thành tài sản ngắn hạn từ nguồn vốn được tài trợ
bởi nợ ngắn hạn nhỏ, điều này giúp doanh nghiệp có khả năng thanh toán tại
bất kỳ thời điểm nào xảy ra rủi ro. Nhưng nhược điểm của chính sách này là
chi phí sử dụng vốn cao, dẫn đến hiệu quả sử dụng vốn thấp, nên có thể thấy
chi phí sử dụng vốn cao hơn lợi nhuận mang lại từ tài sản ngắn hạn.
Nếu muốn tỷ suất sinh lợi trên tổng tài sản cao, thì lợi nhuận sau thuế của
doanh nghiệp phải cao trong điều kiện tổng tài sản không đổi, có hai phương
án chính để tăng lợi nhuận sau thuế của doanh nghiệp.
Một là, giảm chi phí của doanh nghiệp trong điều kiện lợi nhuận sau thuế
không thay đổi, khi lợi nhuận sau thuế tăng tỷ suất sinh lợi trên tổng tài sản sẽ
51
tăng và giảm rủi ro phá sản của doanh nghiệp. Hiện nay, với sự phát triển
nhanh chóng của công nghiệp 4.0 nhiều công ty đã áp dụng công nghệ vào
lĩnh vực hoạt động của doanh nghiệp mình giúp giảm lao động, giảm chi phí
vận chuyển đi lại, tiết kiệm giờ công của nhân viên,.. từ đó giúp doanh nghiệp
cắt giảm đi nhiều chi phí không cần thiết . Ngoài ra có nhiều doanh nghiệp đầu
tư vào trang thiết bị chế độ đảm bảo cho người lao động để tăng tính an toàn
trong công việc từ đó giảm thiểu
Hai là, tăng doanh thu trong điều kiện định phí không đổi và biến phí
thay đổi theo số lượng sản phẩm tăng thêm. Trong thực tế, mỗi doanh nghiệp
sẽ sử dụng phương án khác nhau, do đặc thù ngành của doanh nghiệp và cách
quản lý điều hành doanh nghiệp của các nhà quản trị.sẽ sử dụng phương án
khác nhau, do đặc thù ngành của doanh nghiệp và cách quản lý điều hành
doanh nghiệp của các nhà quản trị.
52
Một trong những vấn đề then chốt để các nhà quản trị tài chính đưa ra
những chính sách đúng đắn là nắm rõ được tình hình doanh nghiệp, cũng như
nắm rõ các yếu tố tác động đến công ty, bao gồm cả yếu tố nội sinh, vi mô và
vĩ mô. Bài nghiên cứu dựa trên kết quả của hai mô hình Z-score và hồi quy.
Từ đó dự báo được nguy cơ phá sản của các doanh nghiệp. Theo kết quả bài
nghiên cứu, nhóm thực hiện nghiên cứu đưa ra lời khuyên rằng các công ty
nên sử dụng chính sách tiền tệ bảo thủ, và tùy thuộc vào tình hình doanh
nghiệp mà sẽ dùng một trong hai chính sách để tăng lợi nhuận sau thuế của
doanh nghiệp.
53
TÀI LIỆU THAM KHẢO
Hoàng Thị Hồng Vân (2020). Vận dụng mô hình Z-score trong dự báo khả
năng phá sản doanh nghiệp tại Việt Nam. Tạp chí Khoa học & Đào tạo
Ngân hàng số 217 – Tháng 6 năm 2020.
Võ Văn Nhị và Hoàng Cẩm Trang (2013). Hành vi điều chỉnh lợi nhuận và
nguy cơ phá sản của các công ty niêm yết trên Sở giao dịch Chứng khoán
TP.HCM. Tạp chí phát triển kinh tế 276S (10/2013), 48-57.
Lê Đạt Chí và Lê Tuấn Anh (2013). Kết hợp phương pháp CVaR và mô hình
Merton/KMV để đo lường rủi ro vỡ nợ-Bằng chứng thực nghiệm ở Việt
Nam. Tạp chí Phát triển và Hội nhập, (5 (15)), 10-15.
Nguyễn Thị Cành và Phạm Chí Khoa (2021). Áp dụng mô hình KMV–Merton
dự báo rủi ro tín dụng khách hàng doanh nghiệp và khả năng thiệt hại của
ngân hàng. Tạp chí Phát triển Kinh tế, 39-57.
Nguyễn Thị Tuyết Lan (2019). Các nhân tố ảnh hưởng đến rủi ro phá sản của
các doanh nghiệp niêm yết ngành Xây dựng tại Việt Nam. Tạp chí Khoa
học & Đào tạo Ngân hàng số 205 – tháng 6 năm 2019
Nguyễn Ngọc Tú. (2020). Ảnh hưởng của Covid-19 đối với doanh nghiệp vừa
và nhỏ trên thế giới. Bộ Ngoại Giao - Trang Ngoại Giao Kinh Tế Trực
Tuyến
Li, M. Y. L., & Miu, P. (2010). A hybrid bankruptcy prediction model with
dynamic loadings on accounting-ratio-based and market-based
information: A binary quantile regression approach. Journal of Empirical
Finance, 17(4), 818-833.
Korol, T. (2013). Early warning models against bankruptcy risk for Central
European and Latin American enterprises. Economic Modelling, 31, 22-
30.
Barboza, F., Kimura, H., & Altman, E. (2017). Machine learning models and
bankruptcy prediction. Expert Systems with Applications, 83, 405-417.
Lin, S., Ansell, J., & Andreeva, G. (2007). Merton models or credit scoring:
modelling default of a small business. University of Edinburgh
Management School.
Lifschutz, S., & Jacobi, A. (2010). Predicting bankruptcy: evidence from
Israel. International journal of Business and Management, 5(4), 133.
Delapedra-Silva, V. A. (2021). THE BANKRUPTCY RISK IN
INFRASTRUCTURE SECTORS: AN ANALYSIS FROM 2006 TO
2018. RAM. Revista de Administração Mackenzie, 22.
Altman, E. I., Danovi, A., & Falini, A. (2013). Z-Score Models' application to
Italian companies subject to extraordinary administration. Journal of
Applied Finance (Formerly Financial Practice and Education), 23(1).
54
Mansi, S. A., Maxwell, W. F., & Zhang, A. J. (2012). Bankruptcy prediction
models and the cost of debt. The Journal of Fixed Income, 21(4), 25-42.
Olson, D. L., Delen, D., & Meng, Y. (2012). Comparative analysis of data
mining methods for bankruptcy prediction. Decision Support
Systems, 52(2), 464-473.
Abbas, Q., & Ahmad, A. R. (2011). Modeling bankruptcy prediction for non-
financial firms: The case of Pakistan. Available at SSRN 1917458.
55

46.ĐỀ TÀI NCKH- GVHD TH.S PHẠM ĐỨC HUY

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

46.ĐỀ TÀI NCKH- GVHD TH.S PHẠM ĐỨC HUY

Uploaded by

Copyright:

Available Formats

BỘ TÀI CHÍNH

TRƯỜNG ĐẠI HỌC TÀI CHÍNH - MARKETING

BÁO CÁO TỔNG KẾT

Lĩnh vực nghiên cứu: Tài chính – Ngân hàng

TP. HCM, 04/ 2022

BÁO CÁO TỔNG KẾT

Người hướng dẫn: Th.S PHẠM ĐỨC HUY

TP. HCM, 04 / 2022

DANH MỤC BẢNG................................................................................iv

DANH MỤC HÌNH..................................................................................v

CHƯƠNG 1. GIỚI THIỆU NGHIÊN CỨU.............................................1

1.1. Lý do chọn đề tài............................................................................1

1.2. Nguyên nhân dẫn đến phá sản........................................................3

1.3. Mục tiêu nghiên cứu.......................................................................4

1.4. Đối tượng và phạm vi nghiên cứu..................................................5

1.5. Phương pháp nghiên cứu................................................................5

1.6. Ý nghĩa của đề tài...........................................................................5

1.7. Bố cục của đề tài.............................................................................6

TÓM TẮT CHƯƠNG 1............................................................................8

CHƯƠNG 2. TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU..................9

2.1. Tổng quan về Khả năng phá sản.....................................................9

2.1.1. Khái niệm phá sản...................................................................9

2.1.2. Hủy niêm yết.........................................................................10

2.1.3. Điều kiện hủy niêm yết chứng khoán....................................11

a) Hủy niêm yết chứng khoán bắt buộc........................................11

2.2. Các nghiên cứu về dự báo khả năng phá sản................................16

2.2.1. Các nghiên cứu nước ngoài...................................................16

2.2.2. Các nghiên cứu ở Việt Nam..................................................21

TÓM TẮT CHƯƠNG 2..........................................................................32

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU.....................................33

3.2. Mô hình nghiên cứu......................................................................33

3.3. Dữ liệu nghiên cứu.......................................................................36

TÓM TẮT CHƯƠNG 3..........................................................................37

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN................38

4.1. Kết quả mô hình Z-score cho dự báo phá sản..............................38

4.2. Kết quả mô hình hồi quy..............................................................43

4.2.1. Thống kê mô tả......................................................................43

4.2.2. Ma trận hệ số tương quan......................................................44

4.2.3. Kết quả mô hình hồi quy.......................................................45

TÓM TẮT CHƯƠNG 4..........................................................................48

CHƯƠNG 5. KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH.........................49

5.1. Kết luận........................................................................................49

5.2. Hàm ý chính sách.........................................................................50

TÓM TẮT CHƯƠNG 5..........................................................................52

TÀI LIỆU THAM KHẢO.......................................................................53

1.2. Nguyên nhân dẫn đến phá sản

1.4. Đối tượng và phạm vi nghiên cứu

1.5. Phương pháp nghiên cứu

1.7. Bố cục của đề tài

Đề tài bao gồm 5 chương:

2.1.1. Khái niệm phá sản

2.1.2. Hủy niêm yết

2.1.3. Điều kiện hủy niêm yết chứng khoán

a) Hủy niêm yết chứng khoán bắt buộc

2.2. Các nghiên cứu về dự báo khả năng phá sản

2.2.1. Các nghiên cứu nước ngoài

2.2.2. Các nghiên cứu ở Việt Nam

Nguyễ Đo lường các nhân Mô hình Hai yếu tố

Nghiên cứu dự báo phá sản

Cơ sở lý Atlman Z-Score (2007)

Phân tích Nghiên cứu định

Hình 3.2. Quy trình nghiên cứu

Bước 1. Mô hình điểm số Z