August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
BÀI DỊCH NGHIÊN CỨU
MÔN TÀI CHÍNH DOANH NGHIỆP
GVHD: TS. Nguyễn Thị Uyên Uyên
Nhóm nghiên cứu lớp TCDN ngày 4 K22
| Nhóm nghiên cứu TCDN-Ngày 4 K22 1
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA
TÓM TẮT
Việc dự đoán chính xác khả năng kiệt quệ tài chính của công ty và cung cấp các cảnh
báo sớm đã trở thành vấn đề quan tâm không chỉ đối với các nhà quản lý mà còn có các bên
liên quan bên ngoài của một công ty. Kể từ khi có sự khác biệt rõ rệt trong quy trình kế toán
và chất lượng báo cáo tài chính giữa các công ty ở Tunisia và ở các nước khác, có thể không
hợp lý khi áp dụng mô hình phát triển ở nơi khác để dự báo khả năng kiệt quệ. Do đó, mục
đích của nghiên cứu này là sử dụng hồi quy logistic để dự báo khả năng phá sản của các
doanh nghiệp Tunisia. Áp dụng kỹ thuật thống kê cho một mẫu gồm 214 công ty bị kiệt quệ
tài chính, và 1550 "khỏe mạnh" chúng tôi xác định những chỉ tiêu tài chính tạo sự khác biệt
giữa các nhóm này, và từ đó dự đoán khủng hoảng tài chính. Kết quả chứng minh rằng lợi
nhuận, khả năng thanh toán nợ và tỷ lệ nợ là một trong những chỉ tiêu quan trọng nhất đối
với các công ty bán buôn và bán lẻ. Còn đối với các công ty sản xuất, lợi nhuận và tỷ lệ đòn
bẩy là quan trọng nhất. Tóm lại, mô hình của chúng tôi có thể giúp các nhà quản lý, các cổ
đông, các tổ chức tài chính, kiểm toán viên và cơ quan quản lý tại Tunisia dự báo khủng
hoảng tài chính.
I. GIỚI THIỆU
Nền kinh tế của các nước đang phát triển thay đổi nhanh chóng nên môi trường hoạt
động của các công ty cũng đã thay đổi rất nhiều trong hai thập kỷ qua. Trong bối cảnh hiện
nay, nhiều cuộc khủng hoảng kinh tế, tài chính xảy ra và sự cạnh tranh khốc liệt giữa các
công ty đã làm cho môi trường hoạt động của các công ty ngày càng không chắc chắn và
tiềm ẩn nhiều rủi ro. Thị trường ngày càng khắc nghiệt thì các công ty càng dễ bị phá sản

xuất khác đều không thực hiện cũng như các mô hình dự báo thất bại trong việc phân loại
các công ty đều bị hạn chế (Altman & McGough, 1974; Keasey & Watson , 1991). Trong
năm 2006, kết quả nghiên cứu được tiến hành bởi Lili Sun cho rằng một mô hình thống kê
phát triển tốt hơn ví dụ như mô hình tổn thất sẽ giúp cho đánh giá kiểm toán viên tốt hơn.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 3
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Gần đây, hiệp ước vốn Basel II đã đề cập nhiều đến sự tiến bộ của mô hình nghiên cứu
dự báo phá sản của công ty. Đặc biệt, pillar 1 của hiệp ước này, Ủy ban Basel về giám sát
ngân hàng (BCBS) đã cho phép các ngân hàng tính toán tỷ lệ an toàn vốn tối thiểu của họ để
bảo vệ các tổ chức tài chính tránh được rủi ro tín dụng và các rủi ro liên quan. Trong bối
cảnh này, các doanh nghiệp được khuyến khích áp dụng phương pháp hiệu quả hơn để quản
lý rủi ro tín dụng thông qua việc sử dụng các thông số nhất định, các mô hình đánh giá rủi
ro nội bộ của họ (Altman & Sabato, 2005). Ngoài ra, nhu cầu đối với các thông tin do các
cơ quan xếp hạng tín dụng cung cấp ngày càng cao, vì vậy các cơ quan xếp hạng sẽ phải chú
ý nhiều đến sự cải tiến các mô hình dự báo phá sản công ty (Odera và cộng sự, 2002).
Kể từ khi nghiên cứu đầu tiên của Beaver (1966), rất nhiều nghiên cứu về dự báo kiệt
quệ tài chính hoặc nguy cơ phá sản của doanh nghiệp. Trong năm 1998, Altman và các cộng
sự cho rằng " Chúng ta đang chứng kiến một sự gia tăng mạnh trong việc phân tích nguồn
dữ liệu để quản lý rủi ro tín dụng hiệu quả hơn ". Kết quả có nhiều mô hình tiên đoán chính
xác trong suốt bốn thập kỷ qua. Gần đây, sự phát triển của kỹ thuật toán kinh tế và phát triển
công nghệ năng động đã giúp phát triển các mô hình dự đoán chính xác thất bại trong năm
năm trở lên Charitou và cộng sự 2004 ).
Hai loại mô hình thường được lựa chọn trong các nghiên cứu: mô hình dựa trên giá trị sổ
sách và mô hình dựa trên giá thị trường. Mô hình thị trường dựa trên giá thị trường của một
công ty. Do đó, mô hình thị trường yêu cầu các công ty niêm yết cổ phiếu trên thị trường
chứng khoán. Ở Tunisia, phần lớn các công ty vẫn chưa niêm yết và vì vậy, các nhà phân
tích và các chuyên gia phải dựa trên dữ liệu báo cáo tài chính thay vì biến động chứng
khoán và cấu trúc vốn để dự đoán kiệt quệ tài chính của các công ty. Do đó, chúng tôi tập
trung vào mô hình dựa trên giá trị sổ sách.

tiêu tài chính hoặc đặc điểm khác của công ty trong một thời gian nhất định. Trong suốt quá
trình nghiên cứu, để tìm ra các chỉ tiêu đó cần phải làm giảm đến mức tối thiểu các lỗi và
nhược điểm khi dự báo.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 5
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Nhưng trước khi đưa ra một cái nhìn tổng quan về các phương pháp được sử dụng để dự
đoán sự phá sản, chúng tôi cần phải nhấn mạnh rằng, nhìn chung, tất cả các cuộc điều tra sử
dụng dữ liệu từ báo cáo tài chính của một công ty trong (một đến năm ) năm cuối cùng
trước khi bị phá sản . Trong thực tế, tất cả các phương pháp này dựa trên giả định rằng các
công ty phá sản có những đặc điểm khác biệt so với những công ty khác cùng hoạt động
trong cùng thời kỳ. Việc phân tích của các doanh nghiệp thất bại thiếu một lý thuyết thống
nhất và các chỉ số chung (chỉ tiêu tài chính hoặc kinh tế). Do đó, các mô hình được nhiều tác
giả đưa ra cho phù hợp với một số nước, một số loại ngành công nghiệp, quy mô công ty và
từng giai đoạn khảo sát.
Các nghiên cứu về phát triển mô hình thống kê để dự đoán phá sản rất phong phú và đa
dạng. Trong giai đoạn đầu nghiên cứu không có phương pháp thống kê tiên tiến nào để
nghiên cứu (Charitou và cộng sự 2004). Khi so sánh các chỉ tiêu tài chính của các công ty
thất bại với công ty hoạt động động bình thường ta thấy rằng công ty bị thất bại thấp hơn.
Sau thử nghiệm đầu tiên của Winakor và Smith (1935), vào năm 1966 Beaver đã trình bày
cách tiếp cận đơn biến của phân tích phân biệt. Để phát triển mô hình này, hơn 30 chỉ tiêu
tài chính được phân thành sáu nhóm, và 79 cặp của các công ty (thất bại/ không thất bại) đã
được sử dụng. Sau khi kiểm tra khả năng dự đoán của mỗi tỷ lệ, yếu tố phân biệt tốt nhất là
chỉ tiêu vốn luân chuyển / Tổng nợ, nó đã dự báo chính xác 90% các công ty bị phá sản vào
một năm trước đó. Thứ hai là tỷ lệ thu nhập ròng / tổng tài sản, dự báo chính xác 88%.
Những kết quả này đã cho thấy khả năng sử dụng các chỉ tiêu tài chính để dự đoán phá sản.
Mặc dù mô hình dự báo thất bại đơn biến khá đơn giản nhưng phương pháp này cũng
bộc lộ một số nhược điểm quan trọng. Thứ nhất, theo Altman (1968) và Zavgren (1983), chỉ
có một tỷ lệ tại một thời điểm có thể được sử dụng để phân loại một công ty. Thứ hai, khi sử
dụng chỉ số tài chính kế toán trong một mô hình đơn biến, rất khó để đánh giá tầm quan

ứng 1 năm, 3 năm, 5 năm trước khi phá sản. Phân tích MDA cũng đã được sử dụng bởi
Edmister (1972), Blum (1974), Altman và cộng sự (1977 và 1995), Deakin (1977), Taffler
& Tisshaw (1977), van Frederikslust (1978), Bilderbeek (1979), Taffler (1982 và 1983),
| Nhóm nghiên cứu TCDN-Ngày 4 K22 7
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Ooghe và Verbaere (1985), Micha (1984), Betts & Belhoul (1987), Gombola và cộng sự
(1987), Gloubos và Grammatikos (1988), Declerc và cộng sự (1991), Laitinen (1992),
Lussier & Corman (1994), Neophytou & Molinero (2004), Canbas, Cabuk, và Kılıç (2005),
Hyunjoon Kim và Zheng Gu (2008)…
Mặc dù nghiên cứu của Altman và các nhà nghiên cứu khác đạt kết quả khả quan nhưng
các mô hình này có một nhược điểm chính: Họ giả định rằng các biến trong dữ liệu mẫu
được phân bố bình thường. Sheppard (1994) lập luận rằng "nếu tất cả các biến này không
được phân phối, các phương pháp nghiên cứu có thể dẫn đến dự đoán không phù hợp". Hơn
nữa, phân tích MDA đã bị chỉ trích vì phân loại lưỡng phân của nó không đưa ra một khả
năng thất bại nào trong việc dự đoán sự thất bại [Dimitras, Zanakis, và Zopounidis (1996)].
Để khắc phục một số vấn đề liên quan đến việc phân tích đa biến, Ohlson (1980) đã sử
dụng hồi quy để dự đoán sự thất bại của công ty. Nhưng trước khi Ohlson, Martin (1977) sử
dụng mô hình logit để dự đoán sự đổ vỡ trong hệ thống ngân hàng. Bằng cách sử dụng mẫu
của 105 công ty bị phá sản và 2.058 công ty hoạt động bình thường, Ohlson (1980) phát
hiện ra rằng nó có thể xác định bốn yếu tố cơ bản có ý nghĩa thống kê trong việc xác định
khả năng phá sản. Các yếu tố đó bao gồm quy mô công ty, cấu trúc tài chính, hiệu quả hoạt
động, tính thanh khoản hiện tại. Bốn yếu tố cơ bản xuất phát từ các nhóm đầu tiên trong
chín chỉ tiêu tài chính đưa vào mô hình đó là: Quy mô công ty, tổng nợ phải trả / tổng tài
sản, vốn luân chuyển / tổng tài sản, nợ ngắn hạn / Tài sản ngắn hạn, một biến giả cho thấy
cho dù tổng tài sản lớn hơn hoặc ít hơn tổng nợ phải trả, thu nhập ròng / tổng tài sản, nguồn
vốn từ hoạt động / tổng nợ phải trả, một biến giả thể hiện thu nhập ròng có tương quan âm
trong hai năm cuối với thất bại của công ty không và sự thay đổi trong thu nhập ròng. Kết
quả cho thấy mô hình Ohlson có thể dự đoán chính xác 92% đến 96% các trường hợp phá
sản 1-2 năm trước đó.

bại. Một mô hình sử dụng mạng lưới thần kinh ba lớp được tạo ra với năm nút ẩn . Khi áp
dụng, mô hình xác định tất cả các công ty thất bại và không thất bại trong các mẫu đào tạo,
so với 86,8% độ chính xác của MDA. Đối với những mẫu lớn và thời gian dài, ANN trình
bày một tỷ lệ chính xác là 77% hoặc cao hơn, trong khi MDA có thể đạt mục tiêu 59% và
| Nhóm nghiên cứu TCDN-Ngày 4 K22 9
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
70%. Sau đó, một số nghiên cứu dựa trên ANN đã được thực hiện: Hansen & Messier
(1991), Salchenberger và cộng sự (1992), Tam & Kiang (1992), Tam & Khang (1992),
Sharda & Wilson (1992), Coats & Fant (1993), Serrano (1993), Hansen và cộng sự (1993),
Altman và cộng sự (1994), Wilson & Sharda (1994), Wilson & Sharda (1994), Lacher và
cộng sự (1995), Shah và Murtaza (2000), Ragothaman, S. (2003), Nguyễn Hương Giang
(2005) và Kingkarn Sookhanaphibarn, Piruna Polsiri, Worawat Choensawat và Frank C. Lin
(2007).
Ngoài ANN, một số lượng lớn các phương pháp dự đoán chính xác hơn và thông dụng
được sử dụng để dự báo thất bại của công ty. Lane và cộng sự (1986), Luoma & Laitinen
(1991) và Kauffman & Wang (2001) sử dụng "phân tích sự tồn tại", thuật toán đệ quy phân
vùng được sử dụng bởi Frydman và cộng sự (1985), Joos và cộng sự (1998), hệ thống
chuyên gia của Messier và Hansen (1988), phương pháp lập trình toán học của Gupta và al.
(1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập hợp thô bởi Dimitras
& al. (1999). Trong giai đoạn tiên tiến hơn, các thuật toán di truyền đã được sử dụng bởi
Varetto (1998) và Barney & Alii (1999), phương pháp CUSUM bởi Kahya & Theodossiou
(1999). Trong cuối những năm 1990, Support Vector Machine (SVM) đã được giới thiệu để
giải quyết vấn đề phân loại. Fan và Palaniswami (2000) áp dụng SVM để dự đoán khủng
hoảng tài chính. Hơn nữa, cách tiếp cận hỗn hợp đã được sử dụng bởi Lindsay và Campbell
(1996), Bayesian mạng mô hình khác của Sarkar và Sriram (2001), CN & Shenoy (2005),
phân tích dữ liệu (DEA) của Cielen và cộng sự (2004), mô hình logit hỗn hợp của Jones và
Hensher (2004), mô hình tổn thất đã được ủng hộ bởi Shumway (2001) và Beaver & Mc
Nichols (2005). Từ đầu những năm 2000, một số kỹ thuật mô hình khác cũng đã được sử
dụng trong nghiên cứu dự báo phá sản và đã thực hiện tốt, trong đó có phương pháp tiếp cận

việc khó tiếp cận nguồn dữ liệu tài chính.
III. PHƯƠNG PHÁP LUẬN
3.1 Hàm hồi quy logistic nhằm mục đích dự đoán việc phá sản của doanh nghiệp
Hàm hồi quy nhị phân là phương thức hồi quy được sử dụng khi mà biến phụ thuộc là
biến nhị phân và biến độc lập có thể ở bất cứ dạng nào. Trong phần tổng quan các nghiên
| Nhóm nghiên cứu TCDN-Ngày 4 K22 11
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
cứu trước đây, tác động của các biến dự báo thường được giải thích bởi các tỷ số khác nhau.
Nhằm mục đích dự báo việc phá sản của các doanh nghiệp, mô hình hồi quy nhị phân kết
hợp những đặc tính khác nhau hay các “thuộc tính” thành một hệ số xác suất cho từng
doanh nghiệp mà nó thể hiện “khả năng thất bại” của doanh nghiệp. Hàm nhị phân ngụ ý
rằng khả năng doanh nghiệp thực hiện việc kinh doanh có thể thành công hoặc thất bại, khi
đưa vào hàm nhị phân sẽ được phản ánh dưới giá trị 0 và 1. Hàm hồi quy nhị phân có nhiều
ưu điểm: Hàm này không cần thiết phải giả định một mối quan hệ tuyến tính giữa biến độc
lập và biến phụ thuộc, không yêu cầu các biến phải phân phối chuẩn, không cần giả định
hiệp phương sai đồng nhất, và nhìn chung không đặt ra nhiều yêu cầu phức tạp. Tuy nhiên,
hàm này yêu cầu các quan sát phải độc lập và do đó, biến độc lập có mối quan hệ tuyến tính
với biến phục thuộc trong mô hình nhị phân.
Về mặt phương pháp, việc áp dụng mô hình hồi quy nhị phân yêu cầu bốn bước. Thứ
nhất, các tỷ số tài chính sẽ được tính toán. Thứ hai, mỗi tỷ số được nhân với một hệ số đặc
trưng tương ứng với tỷ số đó. Hệ số đặc trưng này có thể âm hoặc dương. Thứ ba, kết quả
tính toán được cộng tất cả lại với nhau (y). Cuối cùng, khả năng phá sản của doanh nghiệp
được tính toán.
Trong bài nghiên cứu này, khi thể hiện hình thức nhị phân, biến nhị phân được xác định
là tỷ số của xác suất doanh nghiệp từ khỏe mạnh cho đến phá sản. Khả năng phá sản của
doanh nghiệp được thể hiện bằng tỷ số P(C)/(1-P(C)), trong đó, P(C) là xác suất doanh
nghiệp khỏe mạnh. Khi được diễn giải dưới dạng nhị phân, mô hình hồi quy được thể hiện
như là một hàm tuyến tính của các tỷ số tài chính của doanh nghiệp.
Log [P (C)/ (1–P (C))] = β

= Tỷ số tài chính thứ n

của công ty thứ i
Trong nội dung của bài, giá trị ước lượng của biến phụ thuộc nhị phân được diễn đạt là
giá trị ước tính của xác việc dự báo khả năng khỏe mạnh hay P(C). Bằng cách xác định P(C)
thông qua phương trình (1), xác suất dự báo sự khỏe mạnh hay P(C) được thể hiện như sau:
P(C) = e
y
/(1+e
y
)
Trong đó, y = β
0
+ β
1
X
in
+ . . . + β
n
X
in
Để phân loại mẫu các doanh nghiệp nằm trong nhóm phá sản và nhóm khoé mạnh, giá
trị biến nhị phân (y) của từng nhóm phải được tình toán dựa trên mô hình ước lượng và sau
đó áp dụng vào hàm xác suất, P(C) = e
y
/(1+e
y
). Đối với bài nghiên cứu này, doanh nghiệp
với giá trị P(C) bằng hoặc lớn hơn 0.5 sẽ thuộc vào nhóm phá sản và các doanh nghiệp còn
lại với P(C) thấp hơn 0.5 được phân loại thuộc nhóm doanh nghiệp khoẻ mạnh.

sản (vì mục đích của bài nghiên cứu này là để dự đoán tình trạng phá sản).
Mặt khác, các nghiên cứu về việc phân loại các ngành kinh tế cho thấy rằng các doanh
nghiệp ở các nền kinh tế khác nhau có cấu trúc hoàn toàn khác nhau. Do vậy, các dữ liệu tài
chính cần thiết cho bài nghiên cứu này được cung cấp từ một ngân hàng thương mại ở
Tuynisia được phân chia thành 2 mẫu. Mẫu của các doanh nghiệp bán buôn và bán lẻ bao
gồm 904 doanh nghiệp trong đó 802 doanh nghiệp đang trong tình trạng khoẻ mạnh trong
các năm 2004, 2005, 2006 được phân vào nhóm khoẻ mạnh và 102 doanh nghiệp đang
trong tình trạng khoẻ mạnh trong năm 2004 và thất bại trong năm 2005 hay 2006 phân vào
nhóm thất bại. Đối với các doanh nghiệp sản xuất, mẫu được sử dụng bao gồm 860 doanh
nghiệp với 748 doanh nghiệp trong tình trạng khoẻ mạnh trong năm 2004, 2005, 2006 được
phân vào nhóm khoẻ mạnh và 112 doanh nghiệp khoẻ mạnh trong năm 2004 và thất bại
trong năm 2005 hay 2006 phân vào nhóm thất bại.
3.4 Lựa chọn biến dự đoán
1
Li-Jen Ko, Edward J. Blocher and P. Paul Lin (2003) cho thấy rằng các mô hình sử dụng tỷ số tài chính trong năm
ngay trước khi xảy ra việc phá sản thường đưa tới kết quả tốt nhất.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 14
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Năm 1996, Dimitras và đồng sự đã cho thấy rằng phần lớn các mô hình thống kê chỉ
sử dụng các thông tin kế toán hàng năm dưới dạng tỷ số tài chính nhằm mục đích dự đoán
sự thất bại của doanh nghiệp (1996). Nguyên nhân của việc sử dụng các tỷ số tài chính đến
từ sự thật rằng chúng thật sự hiện diện, được đo lường khách quan và được tính toán dựa
trên các thông tin được công bố rộng rãi (Micha, 1984; Laitinen, 1992; Dirickx & Van
Landeghem, 1994). Ngoài ra, trong 1 nghiên cứu được công bố năm 1998, Mossman và
đồng sự nhận thấy rằng các tỷ số tài chính nhằm mục đích dự đoán sự phá sản được sử dụng
nhiều hơn là dữ liệu về lợi nhuận thị trường.
Băn khoăn về quá trình lựa chọn, và theo bài nghiên cứu của Theodossiou (1991), sự
lựa chọn các biến độc lập cho mô hình dự đoán việc phá sản là việc khó khăn nhất của tất cả
các nghiên cứu về vấn đề này vì các học thuyết tài chính vốn dĩ không cho thấy rằng biến

Các tỷ số tài chính có thể chia thành 4 dạng cơ bản: tỷ số đo lường khả năng thanh khoản, tỷ số đo lường khả năng
quản lý tài sản, tỷ số về cấu trúc vốn, và tỷ số đo lường hiệu quả hoạt động (lợi nhuận) của doanh nghiệp.
| Nhóm nghiên cứu TCDN-Ngày 4 K22 16
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Bảng 2: Các tỷ số thống kê cho doanh nghiệp sản xuất
IV. KẾT QUẢ VÀ PHÂN TÍCH
4.1 Các kết quả hồi quy logistic
Việc áp dụng các hồi quy logistic đưa ra tỷ lệ cuối cùng trên cơ sở ý nghĩa thống kê của các
thông số ước tính, các dấu hiệu của hệ số của mỗi biến và kết quả của mô hình. Năm biến
được tìm thấy có ý nghĩa thống kê (tại mức ý nghĩa 10%), sau đó được chọn như các biến
dự đoán tiềm năng cho công ty bán buôn và bán lẻ (bảng 3): R2 (EBIDTA / Doanh thu
thuần), R6 (Doanh số thuần/ Yêu cầu vốn luân chuyển + tài sản cố định), R15 (chi phí tài
chính / EBITDA), R16 (chi phí tài chính / doanh thu), R26 (tổng nợ / EBITDA). Đối với
lĩnh vực sản xuất, ba biến có ý nghĩa nhất (tại mức ý nghĩa 10%) được lựa chọn (bảng 4):
| Nhóm nghiên cứu TCDN-Ngày 4 K22 17
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
R1 (lợi nhuận gộp / doanh thu), R11 (vốn luân chuyển * 12/doanh thu) và R5 (lợi nhuận
ròng / doanh thu).
Bảng 3: Kết quả hồi quy mô hình logit đối với các doanh nghiệp bán sỉ và lẻ
Bảng 4: Kết quả hồi quy mô hình logit đối với các doanh nghiệp sản xuất
| Nhóm nghiên cứu TCDN-Ngày 4 K22 18
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
4.2 Phân tích tương quan
Do vấn đề đa cộng tuyến, một phân tích về tương quan giữa các biến độc lập phải được
thực hiện để loại bỏ các biến tương quan cao. Đối với các công ty bán buôn và bán lẻ chúng
tôi sẽ giới hạn việc phân tích năm chỉ số tài chính, hệ số tương quan được trình bày trong
bảng 5. Đối với các công ty sản xuất, phân tích sẽ được giới hạn trong ba tỷ số, với hệ số

16
+ 0.05 R
26
| Nhóm nghiên cứu TCDN-Ngày 4 K22 20
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
Theo dự kiến, các hệ số của các biến kiểm soát tất cả đều rất quan trọng với dấu mong
đợi cho tất cả các tỷ lệ ngoại trừ một tỷ lệ. Trên thực tế, tỷ lệ R
15
này (chi phí tài chính /
EBIDTA) thể hiện một dấu hiệu tiêu cực, có nghĩa là các công ty với hệ số chi phí tài
chính / EBIDTA thấp hơn thì có nhiều khả năng trở thành kiệt quệ về tài chính. Điều này
trái ngược với những gì được mong đợi, các lý thuyết trước nhất cho thấy rằng các công ty
có tỷ lệ (chi phí tài chính / EBIDTA) cao hơn cho thấy một nguy cơ thất bại lớn hơn. Lời
giải thích cho hiện tượng này là các công ty với mức tăng trưởng quá nhanh so với lợi
nhuận sẽ bị buộc phải tìm kiếm sự tài trợ từ nợ. Các khoản nợ cao mang lại nhiều nghĩa vụ
tài chính phải thanh toán. Khả năng các công ty thiếu vốn buộc phải tạo ra thu nhập nhiều
hơn và sử dụng nợ nhiều và nhiều hơn nữa để trả tiền những nghĩa vụ và do đó, công ty sẽ
rơi vào vòng luẩn quẩn và cuối cùng trở nên thất bại.
Một tỷ số quan trọng khác là R
6
(Doanh thu / (vốn luân chuyển + tài sản cố định)). Với
dấu (-), tỷ số vòng quay tài sản kinh tế tác động tiêu cực đến rủi ro thất bại của doanh
nghiệp. Tỷ lệ này là một tỷ lệ tài chính tiêu chuẩn minh họa khả năng tạo ra doanh thu của
tài sản kinh tế. Điều này đo lường sự quan trọng của hiệu quả sử dụng tài sản kinh tế chỉ
đơn giản là số lần tài sản kinh tế được bao phủ bởi doanh số bán hàng. Việc giảm giá trị của
tài sản cần thiết để cải thiện tỷ lệ doanh thu trên tài sản kinh tế có thể được thực hiện bằng
cách giảm đầu tư tài sản cố định hoặc bằng cách giảm vốn lưu động cần thiết cho mỗi Dinar
1 của doanh thu.
Mặt khác, kết quả của nghiên cứu nhấn mạnh tầm quan trọng của tỷ số R

Log (y) = - 2,19-1,16 R
1
- 11.73 R5 - 0.11 R
11
Tất cả các biến đã dự kiến sẽ hướng dẫn và, là có ý nghĩa thống kê ở mức cố định. R
1
(lợi nhuận gộp / doanh thu), R
5
(lợi nhuận ròng / doanh thu) là tỷ suất sinh lợi đo lường khả
năng công ty tạo ra lợi nhuận. Vì lợi nhuận là một trong những nguồn kinh phí hoạt động,
công ty tạo ra lợi nhuận càng nhiều, càng nhiều vốn lưu động hoặc tiền mặt gia tăng, làm
tăng cường sức khỏe tài chính của công ty. Nhiều công ty phải đối mặt với khủng hoảng tài
chính khi họ có lợi nhuận âm.
Tỷ suất lợi nhuận biên R
1
cho thấy quản lý việc sử dụng các nguồn tài nguyên dưới sự
kiểm soát của nó. Sự bất thường bị loại ra khỏi tính toán này như họ không đại diện cho
tổng lợi nhuận hoạt động ròng. Quản lý có thể kiểm soát biên lợi nhuận của các sản phẩm
sản xuất với giá rẻ hơn hoặc có hiệu quả hoặc bằng chiến lược mua hàng tốt hơn. Các dấu
hiệu (-) của tỷ suất biên lợi nhuận dường như phù hợp với lý thuyết giả thuyết tài chính.
Trong thực tế, tỷ lệ này là liên quan tiêu cực với xác suất của tình trạng kiệt quệ tài chính và
| Nhóm nghiên cứu TCDN-Ngày 4 K22 22
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
tương đối quan trọng trong hồi quy logistic, điều này cho thấy nó làm giảm khuynh hướng
thiên về khủng hoảng tài chính.
Khi chi phí lãi vay và các khoản thuế, cả hai bị ảnh hưởng bởi các quyết định tài chính,
được trừ vào lợi nhuận trước thuế, kết quả là thu nhập ròng. Lợi nhuận sau thuế, nghĩa là, số
tiền có sẵn cho chủ sở hữu của công ty. Điều quan trọng cần lưu ý là thu nhập ròng không
đại diện cho dòng tiền thực tế từ các hoạt động và tài chính. Thay vào đó, nó là tóm tắt quá

2
(EBIDTA / bán hàng) biểu thị rằng các công ty bán
buôn và bán lẻ có nhiều khả năng đạt được khỏe mạnh nếu các công ty này làm tăng doanh
số bán hàng. Thực sự, giảm 10% trong doanh số bán hàng tăng các nguy cơ kiệt quệ lên
7,618%.
 Đối với các công ty sản xuất
Tính đàn hồi cao của kiệt quệ cho lợi nhuận biên R5 cho thấy rằng các công ty sản xuất
phải quan tâm hơn đến đến hiệu suất hoạt động của công ty. Với sự sụt giảm 10% trong biên
lợi nhuận, các công ty được gia tăng 5,195% nguy cơ kiệt quệ.
V. KẾT LUẬN
Trong bài báo này, chúng tôi đã phân tích tác động các yếu tố quyết định được lựa chọn
cẩn thận về thất bại của công ty ở Tunisia. Nghiên cứu đã chỉ ra rằng mô hình dự báo phá
sản logit là một công cụ hữu ích. Tuy nhiên, kết quả của nó là chỉ chính xác như tính đầy đủ
của dữ liệu trong mô hình. Nó cũng nên lưu ý rằng dự báo phá sản không phải là một giải
pháp đo lường rủi ro hoàn chỉnh. Nó chỉ là một trong nhiều công cụ mà các nhà phân tích
| Nhóm nghiên cứu TCDN-Ngày 4 K22 24
August 15, 2013
[DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA]
nên xem xét trong đánh giá hiệu quả quản lý và các nguy cơ liên quan đến một cơ hội đầu
tư. Các kết quả cho thấy khả năng thanh toán, khả năng sinh lợi và nợ có ảnh hưởng quan
trọng đến khả năng phá sản của các công ty bán buôn, bán lẻ. Đối với các công ty sản xuất,
kết quả cho thấy đòn bẩy và kiệt quệ tài chính có tương quan dương. những phát hiện cũng
chứng minh rằng khả năng sinh lợi có tác dụng quan trọng đến khả năng kiệt quệ tài chính
của công ty sản xuất.
Một vấn đề điển hình của lý thuyết thực nghiệm về nguy cơ phá sản là kết quả không thể
khái quát hóa từ ý nghĩa của xu hướng các biến có liên quan có được mẫu cụ thể. Thêm vào
đó, sự giới hạn của thông tin có sẵn thường dẫn các nhà nghiên cứu hạn chế phạm vi phân
tích vào các biến trong báo cáo tài chính. Đối với dòng tương lai của nghiên cứu, chúng tôi
đề nghị các ứng dụng hồi quy logistic áp dụng cho các số liệu của công ty trong một
khoảng thời gian lớn hơn. Mặt khác, mô hình của chúng tôi có thể được mở rộng,bổ sung