LUẬN VĂN THẠC SĨ KINH TẾ
TP. HỒ CHÍ MINH - NĂM 2013
VAI TRÒ CỦA CÁC TỶ SỐ TÀI CHÍNH TRONG
PHÁT HIỆN KIỆT QUỆ TÀI CHÍNH – BẰNG

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

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

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

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

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

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

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

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


CTCP: Công ty cổ phần. DN: Doanh nghiệp. HOSE: Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh.
HNX: Sàn giao dịch chứng khoán Hà Nội.
MDA – Multivariate discriminant analysis: Phân tích đa khác biệt. DANH MỤC BẢNG BIỂU
TrangBảng 3.1: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam 21
Bảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ lệ xu
hướng 26

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

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

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

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

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

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

Bảng 4.12: Tổng hợp kết quả các phương pháp nghiên cứu tại Việt Nam 49
Bảng 4.13: Kiểm định T sự bằng nhau của giá trị trung bình 50
Bảng 4.14: Kết quả mô hình hồi quy Logit 51
Bảng 4.15: Kết quả phân loại mô hình Logit 51
Bảng 4.16: Kết quả kiểm định Wald 52
Bảng 4.17: Kết quả kiểm định forward Wald 53
Bảng 4.18: Kết quả phân loại của kiểm định forward Wald 53
1

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

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

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

2.1. KHÁI QUÁT VỀ LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH
Trong phần này, người viết giới thiệu về các thuật ngữ cơ bản được sử dụng trong
dự báo phá sản doanh nghiệp, các chi phí kiệt quệ tài chính và tính hữu ích của mô
hình dự báo phá sản doanh nghiệp. Mặt khác, phần này người viết cũng nhằm mục
đích mô tả các yếu tố quan trọng trong dự báo phá sản doanh nghiệp.
2.1.1. Các thuật ngữ cơ bản
Kiệt quệ tài chính (financial distress) xảy ra khi doanh nghiệp không đáp ứng được
các hứa hẹn với chủ nợ hay đáp ứng một cách khó khăn. Đôi khi, kiệt quệ tài chính
đưa đến phá sản, đôi khi nó chỉ có nghĩa là công ty đang gặp khó khăn, rắc rối về tài
chính. Như vậy kiệt quệ tài chính bao gồm nguy cơ phá sản và sự phá sản.
2.1.2. Chi phí kiệt quệ tài chính
Trên quan điểm của lý thuyết đánh đổi, giá trị doanh nghiệp sẽ được phân chia
thành ba phần:
Giá trị doanh
nghiệp
=
Giá trị doanh nghiệp khi
được tài trợ hoàn toàn
bằng vốn cổ phần
+
Hiện giá của
tấm chắn
thuế
-
Hiện giá của
chi phí kiệt
quệ tài chính

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

Giá trị công ty khi
có thuế và nợ

Giá trị thực

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

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


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

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

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

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

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

Nhóm 2
1
32

Số đúng
Phần trăm
chính xác
Phần trăm không
chính xác
Mẫu n Kiểu I
31
94
6
33 Kiểu II
32
97
3
33 Tổng
63
95
5

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

14

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

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

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