Cơ sở khoa học và mô hình nghiên cứu

Theo Tổng cục Thống kê, năm 2015 tốc động tăng trưởng GDP của Việt Nam đạt 6,68%, cao hơn năm trước (5,98%). Số lượng doanh nghiệp (DN) thành lập mới đạt 94.754, tăng 26,6% so với năm 2014 là dấu hiệu chuyển biến tích cực theo sự tăng trưởng của nền kinh tế. Điều này cũng cho thấy các nhà quản trị DN đang kỳ vọng vào sự phát triển thịnh vượng của DN trong tương lai.

Tuy nhiên, trong năm 2015 số lượng DN rơi vào tình trạng khó khăn buộc phải giải thể, tạm ngưng hoạt động có thời hạn hay vô thời hạn cũng tăng lên đáng kể. Theo đó, cứ trung bình có 100 DN thành lập mới thì lại có 85 DN đang hoạt động rơi vào tình trạng kiệt quệ tài chính. Điều này cho thấy cần sớm nhận diện ra tình trạng kiệt quệ tài chính để tìm ra giải pháp giúp DN tồn tại và phát triển.

Cơ sở khoa học về kiệt quệ tài chính

Thuật ngữ “kiệt quệ tài chính” của DN được nhiều nhà nghiên cứu nói đến như một giai đoạn khó khăn của DN phát sinh từ trước thời điểm DN tuyên bố phá sản đến lúc DN phá sản (Atlman và Hotchkiss, 2006; Li Jiming và Du Weiwei, 2011; Tinoco và Nick Wilson, 2013). Như vậy, tình trạng kiệt quệ tài chính nghiêm trọng là nguyên nhân dẫn đến DN bị phá sản.

Trong nghiên cứu đo lường khả năng kiệt quệ tài chính, tác giả sử dụng khái niệm kiệt quệ tài chính gồm cả kết quả DN bị phá sản. DN rơi vào tình trạng kiệt quệ tài chính thì DN đó bị rơi vào một trong những tình trạng: Chứng khoán của DN đó bị đưa vào diện kiểm soát, bị cảnh báo, chứng khoán bị hủy niêm yết hay DN bị phá sản. (Luật Phá sản Việt Nam, 2014; Nghị định số 58/2012/NĐ-CP của Chính phủ).

Lý thuyết nền tảng

Theo lý thuyết đánh đổi (Kraus và Litezenberger, 1973), giá trị DN tỷ lệ thuận với hiện giá tấm chắn thuế và tỷ lệ nghịch với chi phí kiệt quệ tài chính. Chi phí kiệt quệ tài chính phát sinh chủ yếu do sử dụng nợ của DN. DN sử dụng nợ càng nhiều, chi phí kiệt quệ tài chính càng lớn càng làm gia tăng nguy cơ kiệt quệ tài chính.

Theo lý thuyết trật tự phân hạng (Myers và Majluf, 1984), những nhà đầu tư hiện tại có nhiều thông tin hơn những nhà đầu tư mới. Điều này làm chi phí nguồn vốn mới được tài trợ trở nên đắt đỏ hơn so với nguồn vốn hiện tại. Vì vậy, DN sử dụng nguồn tài trợ từ lợi nhuận để lại sẽ làm giảm nguy cơ kiệt quệ tài chính của DN.

Lý thuyết chi phí đại diện (Jensen và Meckling, 1976) đề cập đến mâu thuẫn lợi ích của 3 nhóm: Cổ đông, nhà quản lý và chủ nợ. Vì những lợi ích trước mắt các nhà quản lý có thể làm tổn hại đến lợi ích cổ đông và chủ nợ. Do đó, các DN có quy mô lớn, thường có bộ phận kiểm soát, nên sẽ giảm nguy cơ kiệt quệ tài chính.

Nghiên cứu thực nghiệm trước đây

Ngay trước giai đoạn DN bị phá sản, có một sự khác biệt ở các tỷ số tài chính giữa DN thất bại và DN bình thường, chúng có xu hướng suy giảm đáng kể so với giá trị trung bình và mức độ suy giảm ngày càng tăng khi tình trạng kiệt quệ tài chính của DN càng trầm trọng (Beaver, 1968; Altman, 1968).

Trên mẫu nghiên cứu là các DN tại Mỹ, mô hình nhị phân Binary Logistic đo lường xác suất kiệt quệ tài chính được Ohlson (1980) thực hiện đầu tiên. Tiếp nối là các nghiên cứu của Julio Pindado và cộng sự (2008) hay nghiên cứu của Campbell và cộng sự (2011).

Mô hình nghiên cứu

Từ các lý thuyết và kết quả nghiên cứu thực nghiệm nêu trên, những nhân tố sau đây được lựa chọn để đưa vào mô hình với năm giả thuyết như sau:

- H1: Tỷ số thanh toán hiện thời (CA/CL), tức Tài sản ngắn hạn/Nợ ngắn hạn, có quan hệ đồng biến với Khả năng kiệt quệ tài chính.

- H2: Tỷ số dòng tiền hoạt động (OCF/TA), tức Dòng tiền hoạt động/Tổng tài sản, có quan hệ nghịch biến với Khả năng kiệt quệ tài chính.

- H3: Tỷ số nợ (Debt/TA), tức Tổng nợ/Tổng tài sản, có quan hệ đồng biến với Khả năng kiệt quệ tài chính.

- H4: Tỷ số lợi nhuận để lại (RE/TA), tức Lợi nhuận để lại/Tổng tài sản, có quan hệ nghịch biến với Khả năng kiệt quệ tài chính.

- H5: Quy mô DN (Size), tức Logarit thập phân của tổng tài sản, có quan hệ nghịch biến với Khả năng kiệt quệ tài chính.

Phương pháp nghiên cứu

Dữ liệu nghiên cứu

Nghiên cứu sử dụng số liệu các báo cáo tài chính (BCTC) của 606 công ty niêm yết đủ số liệu liên tục trong giai đoạn (2010-2015) với 3.636 quan sát. Biến phụ thuộc là biến nhị phân được gán một trong hai giá trị: Hoặc là 1 nếu DN kiệt quệ tài chính, hoặc là 0 nếu DN không rơi vào kiệt quệ tài chính. Nghiên cứu sử dụng phần mềm STATA để tiến hành phân tích tương quan giữa các biến, xây dựng mô hình hồi quy và kiểm định mô hình. Nghiên cứu đánh giá việc vận dụng mô hình thực nghiệm vào mẫu nghiên cứu.

Phương pháp nghiên cứu

Nghiên cứu sử dụng lần lượt các phương pháp như phân tích tương quan để xác định mối quan hệ giữa các biến độc lập; Phương pháp kiểm định Hausman để lựa chọn mô hình phù hợp và cuối cùng là phương pháp hồi quy nhị phân Binary Logistic (hay Logit) như nghiên cứu của Ohlsom (1980), Pindado và cộng sự (2008), Campbell và cộng sự (2011).

Mô hình hồi quy có dạng:

Log (P0/(1-P0)) =  Log {P(Y=1)/P(Y=0)} = β0 +  βiXit’ + µi  + Uit                             

Trong đó:

• βi là vecto (1*n) gồm các tham số là hệ số hồi quy tương ứng của các biến độc lập của mô hình.

• Xit’ là vecto (1*n) gồm các biến độc lập của mô hình.

Kết quả nghiên cứu

Trước tiên, nghiên cứu kiểm định hệ số tương quan giữa các biến độc lập của mô hình. Kết quả kiểm tra hệ số tương quan cặp giữa các biến độc lập cho thấy các biến độc lập không có tương quan với nhau nên không có dấu hiệu xảy ra hiện tượng tự tương quan giữa các biến độc lập.

Tiếp theo, nghiên cứu sẽ thực hiện kiểm định Hausman để đánh giá xem tác động cố định (FEM) hay tác động ngẫu nhiên (REM) là mô hình phù hợp cho việc đo lường khả năng kiệt quệ tài chính của DN. Nếu phần dư và các biến độc lập không có mối tương quan gì với nhau thì chọn mô hình tác động ngẫu nhiên (REM), và ngược lại sẽ chọn mô hình tác động cố định (FEM).

Giả thuyết kiểm định được đưa ra như sau:

H0: Mô hình REM là mô hình phù hợp

H1: Mô hình FEM là mô hình phù hợp

Với kết quả p-value = 0,000<0,05 nên giả thuyết H0 bị bác bỏ, vậy mô hình tác động cố định (FEM) là phù hợp. Kết quả hồi quy theo FEM được thể hiện trong bảng 3.

Kết quả mô hình hồi quy cho thấy giá trị Log likelihood = - 348.0855 là khá thấp, giá trị p-value của mô hình là 0,0013 < 0,05 cho thấy mô hình có ý nghĩa. Như vậy, mô hình hồi quy nhị phân đưa ra phù hợp với dữ liệu thực nghiệm của nghiên cứu.

Các biến độc lập CA/CL, DEBT/TA, SIZE có giá trị p-value<0,05, cho thấy các biến này có ý nghĩa thống kê, tức là có tác động đến biến phụ thuộc (khả năng xảy ra kiệt quệ tài chính), dấu của các hệ số hồi quy cũng phù hợp với dấu kỳ vọng. Hai biến độc lập còn lại là OCF/TA và RE/TA có giá trị p-value >0,05 nên không tác động đến khả năng xảy ra kiệt quệ tài chính của DN.

Từ bảng kết quả hồi quy, nghiên cứu xác định mô hình hồi quy phản ánh mức độ ảnh hưởng của các nhân tố đến khả năng xảy ra kiệt quệ tài chính của DN có niêm yết trên sàn chứng khoán của Việt Nam.

Log (Y=1/Y=0) = 0.0327199*CA/Cl + 1.436792*Debt/TA – 0.2287384*Size + µi  + Uit

Từ kết quả hồi quy, xác định P0 là xác suất xảy ra kiệt quệ tài chính theo phương trình sau:     

e0.0327199*CA/CL + 1.436792*DEBT/TA - 0.2287384 SIZE + µ+ Uit

Như vậy, từ kết quả nghiên cứu có thể thấy:

- Khi tỷ số thanh toán hiện thời tăng 1% thì Log Odd của khả năng bị kiệt quệ tài chính tăng 0,0327 đơn vị. Điều này cho thấy việc đầu tư quá mức vào tài sản ngắn hạn gây nên sự mất cân đối trong chính sách tài trợ của DN sẽ gây nên nguy cơ kiệt quệ tài chính gia tăng Khi Tỷ lệ thanh toán hiện thời tăng. Như vậy, giả thuyết 1 được chấp nhận.

- Khi tỷ số nợ tỷ tăng 1% thì Log Odd của khả năng kiệt quệ tài chính cũng tăng 1,4367 đơn vị. Do đó, DN sử dụng nợ càng nhiều, rủi ro vỡ nợ càng tăng, làm tăng nguy cơ kiệt quệ tài chính của DN. Như vậy, giả thuyết 3 được chấp nhận.

- Khi quy mô DN tăng 1 đơn vị thì Log Odd của khả năng kiệt quệ tài chính sẽ giảm 0,2287 đơn vị. Điều này có nghĩa là DN có quy mô càng lớn, càng khẳng định được vị thế cạnh tranh của mình, đồng thời DN có đủ tiềm lực tài chính để vượt qua những giai đoạn khó khăn, giảm được nguy cơ kiệt quệ tài chính. Như vậy, giả thuyết 5 được chấp nhận.

- Riêng Tỷ số hoạt động và Tỷ số lợi nhuận để lại là không tác động đến khả năng kiệt quệ tài chính. Như vậy, giả thuyết 2 và giả thuyết 4 bị bác bỏ.

Như vậy, mô hình dự báo khả năng kiệt quệ tài chính trên có tỷ lệ dự đoán đúng theo tổng thể là 92,74%, trong đó tỷ lệ dự báo đúng trường hợp không có kiệt quệ tài chính là 98,56 %, tỷ lệ dự báo đúng tình trạng kiệt tài chính là 28%. 

Minh họa kết quả mô hình trong thực tiễn:

Áp dụng mô hình vào kiểm tra tình hình kiệt quệ tài chính theo mẫu nghiên cứu trong năm 2015 để dự báo cho năm 2016 của CTCP Bê tông Becamex và CTCP sản xuất kinh doanh dược và Trang thiết bị y tế Việt Mỹ (xem Bảng 5).

Kết quả tính toán khả năng kiệt quệ tài chính của CTCP Bê tông Becamex phù hợp với thực tế là DN này không kiệt quệ tài chính trong năm 2016; CTCP sản xuất kinh doanh Dược và trang thiết bị Y tế Việt Mỹ phù hợp với thực tế DN này rơi vào diện cảnh báo trong năm 2016 (tức kiệt quệ tài chính) nên mô hình nghiên cứu có thể áp dụng được.

Kết luận

Tóm lại, năm nhân tố đưa vào mô hình nghiên cứu, thông qua nghiên cứu thực nghiệm cho thấy, tỷ số thanh toán hiện thời và tỷ số nợ có tác động cùng chiều đến kiệt quệ tài chính, quy mô DN tác động ngược chiều đến kiệt quệ tài chính. Mô hình dự báo này có tỷ lệ dự báo đúng trên tổng thể là 92,74%. Riêng nhân tố tỷ số hoạt động và tỷ số lợi nhuận không có tác động đến kiệt quệ tài chính.

Tuy nhiên, nghiên cứu này có hạn chế là số lượng DN kiệt quệ tài chính quá ít (không quá 10%) nên tỷ lệ dự báo đúng trong mẫu nghiên cứu quá lớn, dẫn đến kết quả là tỷ lệ dự báo đúng đối với DN bị kiệt quệ tài chính chỉ ở mức 28%. Do vậy, cần thiết phải thu thập thêm các mẫu nghiên cứu ở các DN bị kiệt quệ tài chính để mô hình dự báo có tính chính xác cao hơn.           

1. Quốc hội (2014), Luật Phá sản 2014;

2. Chính phủ (2012), Nghị định số 58/2012/NĐ-CP ngày 20/7/2012 quy định chi tiết và hướng dẫn thi hành một số điều của Luật Chứng khoán và Luật sửa đổi, bổ sung một số điều của Luật Chứng khoán;

3. Altman, E. I., (1968). Financial  ratios, discriminant  analysis  and  the  prediction of coporated bankcruptcy. The Journal of Finance, Vol 23(4), 589-609;

4. Altman, E. I. and Hotchkiss Edith, (2006). Corporate Financial Distress and Bankruptcy. 3rd ed. New Jersey: John Wiley & Sons, Inc;

5. Beaver, W. H., (1968). Market prices, financial ratios, and the predictors of failure. Journal of Accounting Research, Vol.6, No.2 (Autumn, 1968), pp.179-192;

6. Campbell, J. Y. et al,  (2011). Predicting financial distress and the performance of distressed stocks. Journal of Investment management, Vol 9(2): 14 – 34;

7. Ohlson, J., (1980). Finacial  ratios  and  the  probabilistic  prediction  of  bankruptcy. Journal of Accounting Research, Vol 18: 109 – 131;

8. Pindado, J., et al, (2008). Estimating financial distress likelihood. Journal of Business Research, Vol 61: 995 – 1003;

9. Tinoco, M. H., Nick Wilson (2013). Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables. International Review of Financial Analysis, Vol 30, 394 – 419.