Tóm tắt Luận án Nghiên cứu cách tiếp cận kế toán và cách tiếp cận thị trường trong dự báo vỡ nợ của doanh nghiệp Việt Nam

bố rộng rãi ra công chúng. + Được chấp nhận và sử dụng rộng rãi trên thực tế. ❖ Nhược điểm + Các dữ liệu trong báo cáo là dữ liệu quá khứ chưa chắc có tính tiên đoán trong tương lai. + Các dữ liệu từ báo cáo có thể bị làm giả, khai khống khiến kết quả không được chính xác. + Các cách hạch toán khác nhau có thể cho ra kết quả khác nhau. 1.2. Nghiên cứu dự báo vỡ nợ doanh nghiệp theo cách tiếp cận thị trường 1.2.1. Nghiên cứu theo cách tiếp cận thị trường trên thế giới: Nghiên cứu tổng quan các nghiên cứu theo cách thị trường từ phương pháp truyền thống theo tiêu chí 5C và phương pháp định giá quyền chọn được vận dụng rộng rãi sau 7 này. Phương pháp dự trên định giá quyền chọn: phương pháp Moody’s - KMV 1993; nghiên cứu của Bharath (2004); nghiên cứu của Chan và cộng sự (Chan, Faff, và Koffman, 2008; Gharghori, Chan, và Faff, 2007); nghiên cứu của Lu (2008) 1.2.2. Một số nghiên cứu mô hình KMV- Merton tại Việt Nam Các nghiên cứu điển hình theo cách thị trường tại Việt Nam như nghiên cứu của Lâm Chí Dũng và Phan Đình Anh (2009), nghiên cứu của Lê Long Hậu (2010), nghiên cứu của Nguyễn Thị Cảnh & Phạm Chí Khoa (2014) 1.3. Các nghiên cứu so sánh cách tiếp cận kế toán và tiếp cận thị trường trong dự báo vỡ nợ doanh nghiệp Một số nghiên cứu so sách cách tiếp cận kế toán và tiếp cận thị trường trong dự báo vỡ nợ doanh nghiệp như nghiên cứu của Beaver và cộng sự (2005); Nghiên cứu của Agarwal và Taffler (2006) nghiên cứu của Liu et.al (2010); nghiên cứu của illegeist et al. (2004); nghiên cứu của Mensah (1984) và Hillegeist et al (2004); nghiên cứu của Saunders và Allen (2002) Các nghiên cứu dự báo vỡ nợ doanh nghiệp hiện nay theo các phương pháp đều có các ưu điểm, nhược điểm và cần phải điều chỉnh để áp dụng cho phù hợp với từng điều kiện hoàn cảnh. Tại Việt Nam chưa có nghiên cứu nào làm rõ hiệu quả của phương pháp dự báo vỡ nợ doanh nghiệp thông qua việc sử dụng hai phương pháp để đo lường vỡ nợ doanh nghiệp từ đó đưa ra các kết luận hiệu quả của việc sử dụng mô hình dự báo, từ đó đưa ra các kết luận và khuyến nghị sử dụng. Qua việc tổng quan các nghiên cứu được trình bày ở trên, tác giả nhận ra một số “khoảng trống” của các nghiên cứu trước đây như sau: Thứ nhất, Mô hình dự báo vỡ nợ doanh nghiệp được nghiên cứu, áp dụng phổ biến tại các nước có nền kinh tế thị trường phát triển trong khi các nghiên cứu áp dụng vào mô hình dự báo vỡ nợ doanh nghiệp ở Việt Nam chưa nhiều trong khi vẫn còn nhiều khuyến khuyết. Thứ hai, Môi trường áp dụng dự báo vỡ nợ bằng các mô hình dự báo vẫn còn thiếu nhiều từ các văn bản quy định, các mô hình dự báo phù hợp, các phương pháp xác định vỡ nợ doanh nghiệp. Hiện chưa có phương pháp chuẩn mực và pháp lý cho việc xác định điểm vỡ nợ doanh nghiệp Việt Nam để làm căn cứ cho việc áp dụng trong thực tiễn. Thứ Ba, hiện các nghiên cứu dự báo vỡ nợ doanh nghiệp Việt Nam mới chỉ nghiên cứu áp dụng một mô hình dự báo mà chưa có nghiên cứu nào nghiên cứu theo nhiều cách tiếp cận, nhiều mô hình dự báo để so sánh, lựa chọn ra phương pháp phù hợp trong dự báo. 8 Xuất phát từ những vấn đề còn khuyết thiếu như đã nêu, NCS đi vào nghiên cứu đề tài: “Nghiên cứu cách tiếp cận kế toán và cách tiếp cận thị trường trong dự báo vỡ nợ của doanh nghiệp Việt Nam” với mục tiêu đóng góp một phần giải quyết các khiếm khuyết. Tác giả cho rằng đề tài có ý nghĩa cả về mặt lý luận và thực tế, đặc biệt trong bối cảnh hội nhập các quy định của Việt Nam liên quan tới dự báo vỡ nợ doanh nghiệp sẽ được thực hiện theo các tiêu chuẩn quốc tế. CHƯƠNG 2: CỞ SỞ LÝ LUẬN VỀ DỰ BÁO VỠ NỢ CỦA DOANH NGHIỆP 2.1. Vỡ nợ doanh nghiệp 2.1.1. Khái niệm vỡ nợ và phá sản doanh nghiệp Nghiên cứu làm rõ khái niệm về rủi ro vỡ nợ (Default risk), khái niệm vỡ nợ (Default) và phá sản. Theo Luật phá sản của Việt Nam ban hành ngày 19/6/2014 cũng ghi rõ: “Phá sản là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị Tòa án nhân dân ra quyết định tuyên bố phá sản”. Cũng theo luật phá sản năm 2014 để chỉ rõ tiêu chí xác định doanh nghiệp mất khả năng thanh toán là “không thực hiện nghĩa vụ thanh toán” chứ không phải “không có khả năng thanh toán”. Trong nghiên cứu, vỡ nợ doanh nghiệp là khả năng doanh nghiệp không thể hoàn thành các nghĩa vụ tài chính liên quan đến vay nợ, kinh doanh, thuế - lệ phí và thuê lao động Về lý thuyết có thể sử dụng một, hoặc phối hợp một số tiêu chí khác nhau để xác định tình trạng vỡ nợ dẫn đến phá sản. Phá sản được hiểu như nội dung theo luật Phá sản năm 2014 là tình trạng của doanh nghiệp, hợp tác xã mất khả năng thanh toán và bị Tòa án nhân dân ra quyết định tuyên bố phá sản. 2.1.2. Đặc điểm của rủi ro vỡ nợ: phân phối lợi suất không cân xứng; Bất cân xứng thông tin về rủi ro vỡ nợ; Tính phi hệ thống. Đo lường rủi ro vỡ nợ thường được tính toán thông qua bốn đại lượng cơ bản: ❖ Xác suất vỡ nợ (Probability of default) ❖ Giá trị lỗ khi vỡ nợ (Loss given default) ❖ Giá trị lỗ kì vọng (Expected loss) ❖ Giá trị hiện tại của lỗ kì vọng (Present value of the expected loss) 2.1.3. Nhân tố ảnh hưởng tới khả năng vỡ nợ của doanh nghiệp - Nhân tố thuộc về doanh nghiệp - Nhân tố bên ngoài doanh nghiệp 2.1.4 Ngưỡng vỡ nợ doanh nghiệp 9 Qua các nghiên cứu về các quy định căn cứ xác định ngưỡng vỡ nợ trên thế giới và các quy định hiện hành của Việt Nam liên quan để phân loại ngưỡng vỡ nợ doanh nghiệp. Trong nghiên cứu đưa ra các tiêu chí sau để phân loại các doanh nghiệp vỡ nợ: (1) Doanh nghiệp có một khoản nợ quá hạn trên 90 ngày. (2) Kết quả sản xuất, kinh doanh bị thua lỗ trong 03 năm liên tục hoặc tổng số lỗ luỹ kế vượt quá số vốn điều lệ thực góp trong báo cáo tài chính kiểm toán năm gần nhất trước thời điểm xem xét. (3) Doanh nghiệp có thu nhập âm trong một năm đồng thời có vốn cổ phần trong năm đó thấp hơn vốn điều lệ. (4) Tổ chức kiểm toán không chấp nhận thực hiện kiểm toán hoặc có ý kiến không chấp nhận hoặc từ chối cho ý kiến đối với báo cáo tài chính năm gần nhất của doanh nghiệp. 2.2. Mô hình dự báo vỡ nợ doanh nghiệp 2.2.1. Mô hình theo cách tiếp cận kế toán * Mô hình dự báo của Altman (1968) Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,999X5 Trong đó: Z = Chỉ số tổng hợp X1 = Vốn lưu động / TTS X2 = Lợi nhuận giữ lại / TTS X3 = Lợi nhuận trước thuế và lãi vay / TTS X4 = Giá trị thị trường của vốn cổ phần / Giá trị sổ sách của tổng nợ X5 = Doanh thu / TTS Trong nghiên cứu áp dụng phân loại nếu Z - score nhỏ hơn 1.81 thì doanh nghiệp vỡ nợ. * Mô hình dự báo Z-score (1993) của Altman: Z= 6,567X1 + 3,26X2 + 6,72X3 + 1,05X4 Trong đó: Z = Chỉ số tổng hợp X1 = Vốn lưu động / TTS X2 = Lợi nhuận giữ lại / TTS X3 = Lợi nhuận sau thuế và lãi /TTS X4 = Giá trị sổ sách của Vốn CSH / Giá trị sổ sách của tổng nợ Trong nghiên cứu áp dụng phân loại nếu Z - score nhỏ hơn 1.10 thì doanh nghiệp vỡ nợ. 2.2.2. Mô hình dự báo theo thị trường • Mô hình KMV: 10 Theo mô hình KMV, điểm vỡ nợ được ước lượng xấp xỉ bằng nợ ngắn hạn và một nửa của nợ dài hạn DPT = STD + 0.5*LTD Trong đó + DPT: điểm vỡ nợ + STD: Nợ ngắn hạn + LTD: Nợ dài hạn Bên cạnh đó, trước khi tính toán xác suất vỡ nợ, bước đầu tiên KMV còn tính thêm một đại lượng nữa gọi là khoảng cách tới điểm vỡ nợ (Distance to Default (DD)). Khoảng cách tới điểm vỡ nợ là khoảng cách giữa giá trị tài sản kì vọng của doanh nghiệp và điểm vỡ nợ, được chuẩn hóa bằng cách chia cho độ lệch chuẩn của lợi suất tài sản. DD=  Xác suất vỡ nợ có mối quan hệ trước tiếp với khoảng cách tới điểm vỡ nợ. Nếu khoảng cách càng lớn thì xác suất càng nhỏ, doanh nghiệp ít có khả năng bị vỡ nợ. Hình 2.1. Khái niệm cơ bản mô hình KMV Tính khoảng cách tới điểm vỡ nợ bao gồm hai bước: 1. Tính khoảng cách tới điểm vỡ nợ tuyết đối (Absolute Distance to Default- DD’) 2. Tính khoảng cách tới điểm vỡ nợ tương đối (Relative Distance to Default - DD) Khoảng cách tới điểm vỡ nợ tuyết đối (DD’) được tính bằng khoảng cách giữa giá trị kì vọng của tài sản và điểm vỡ nợ (DPT) hay có thể hiểu là tổng của khoảng cách ban đầu và tăng trưởng của khoảng cách đó trong thời gian T  =     +  − 1 2    Khác với giả định trong mô hình Merton (1974), A trong mô hình KMV không phải là lãi suất phi rủi ro mà là lợi suất kì vọng của tài sản và sử dụng điểm vỡ nợ thay 11 vì dùng mệnh giá trái phiếu K làm điểm quyết định vỡ nợ. Tăng trưởng kì vọng bằng  −  2   chứ không bằng  do giả thuyết lợi suất theo phân phối chuẩn nên lợi suất kì vọng sẽ theo phân phối chuẩn loga. Mối quan hệ giữa hai phân phối như sau:  !"  ~ $ % − 2  2  , √( Chia khoảng cách tới điểm vỡ nợ tuyết đối cho độ lệch chuẩn của tài sản trong thời gian T theo phân phối chuẩn, theo định nghĩa vỡ nợ của mô hình là giá trị tài sản thấp hơn điểm vỡ nợ, ta có thể xác định được xác suất vỡ nợ theo công thức sau PD = 1 - N(d2) = N (-d2) Trong mô hình KMV, xác suất vỡ nợ (Proability of Default- PD) sẽ được thay bằng tần suất vỡ nợ kỳ vọng (Expected Default Frequency- EDF). Mối quan hệ giữa DD và EDF có thể biểu diễn qua biểu đồ sau: Hình 2.5. Đồ thị mối quan hệ giữa EDF và DD • Cách xác định điểm cắt giới hạn vỡ nợ khi sử dụng mô hình KMV Khi áp dụng mô hình KVM với mỗi thị trường, tại mỗi thời điểm và tùy từng đối tượng sử dụng sẽ áp dụng một điểm giới hạn vỡ nợ khách nhau. Theo nghiên cứu của Anthony Saunders (2006) trong Credit Risk Measurement khảo sát với lượng mẫu lớn 40.000 doanh nghiệp trong đó có 3.400 doanh nghiệp vỡ nợ với số liệu từ năm 1996 - 2001; điểm giới hạn KMV tại thời điểm 2001 ở mức 20%. Theo nghiên cứu của Lopez (2002) trong The Empirical Relationship between Average Asset Correlation, Firm Probability of Default có nghiên cứu với 2000 mẫu trong danh mục đầu tư tín dụng bao gồm các công ty Hoa Kỳ, Nhật Bản và Châu Âu với số liệu tại thời điểm năm 2000 để đưa ra Bảng xếp hạng tín dụng theo giá trị vỡ nợ của KMV. Bảng nghiên cứu này cũng được học nhà nghiên cứu sử dụng nhiều trong các nghiên cứu của mình như Allen M. Featherstone, Michael R. Langemeier, and Kent Haverkamp (2006) trong Credit Quality of Kansas Farms để tính xác suất vỡ nợ và xếp hạng tín dụng tương ứng cho 51.382 lượt số liệu từ năm 1980 đến 2003. 12 Trong nghiên cứu, NCS sử dụng Bảng xếp hạng tín dụng dụng của Lopez 2002 với giá trị điểm giới hạn tại điểm D =18,25% trong bản để xác định doanh nghiệp vỡ nợ và không vỡ nợ. Chương 2 đưa ra cơ sở vỡ nợ doanh nghiệp trong đó đi sâu vào nghiên cứu ngưỡng vỡ nợ áp dụng cho doanh nghiệp Việt Nam. Nghiên cứu lựa chọn mô hình dự báo Z- score (1968), Z- Score (1999) cho cách tiếp cận kế toán và mô hình KMV cho cách tiếp cận theo phương pháp thị trường để nghiên cứu. Đây là các mô hình tiêu biểu cần nghiên cứu về lý luận và thực nghiệm đối với các doanh nghiệp Việt Nam. CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 3.1. Thiết kế nghiên cứu Việc áp dụng được thực hiện thông qua 4 bước sau: Bước 1: Số liệu tài chính và thị trường được lấy từ nguồn thứ cấp từ Báo cáo kế toán tài chính, giữ liệu thị trường được lưu trữ tại Công ty Stoxplus, Báo cáo niêm yết tại Doanh nghiệp trên Sở GDCK TP. HCM trong giai đoạn từ 2014-2016. Các giữ liệu lấy và nhập vào các trường để phục vụ cho tính toán chỉ số vỡ nợ: - Về tài chính: Vốn lưu động, nợ ngắn hạn, nợ dài hạn, lợi nhuận sau thuế, tỷ lệ sinh lời trên tài sản tại từng thời điểm, tổng tài sản (TTS), lợi nhuận gữi lại, lợi nhuận trước thuế và lãi vay, giá trị thị trường của vốn cổ phần, giá trị sổ sách của tổng nợ, doanh thu. - Về thị trường: thị giá từng ngày giao dịch trong năm, khối lượng giao dịch từng ngày giao dịch trong năm để tính ra vốn hóa tài sản của thị trường. Bước 2: Áp dụng mô hình dự báo vỡ nợ theo phương pháp kế toán và thị trường để dự báo vỡ nợ doanh nghiệp. * Áp dụng mô hình tiếp cận theo phương pháp kế toán bằng mô hình Z - Score + Áp dụng mô hình Z-score (1968). Hàm biệt thức như sau: Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,99X5 Mô hình Z-score là cơ sở phân loại thành doanh nghiệp vỡ nợ và không vỡ nợ. - Nếu doanh nghiệp có chỉ số Z-score dưới 1,81 sẽ được phân loại thành doanh nghiệp vỡ nợ. - Nếu doanh nghiệp có chỉ số Z-score từ 1,81 chở lên sẽ được phân loại thành doanh nghiệp không vỡ nợ. + Áp dụng mô hình Z – Score (1993) Z= 6,567X1 + 3,26X2 + 6,72X3 + 1,05X4 13 Nếu doanh nghiệp có chỉ số Z-score dưới 1,10 sẽ được phân loại thành doanh nghiệp vỡ nợ. - Nếu doanh nghiệp có chỉ số Z-score từ 1,10 chở lên sẽ được phân loại thành doanh nghiệp không vỡ nợ. * Mô hình tiếp cận theo phương pháp thị trường bằng mô hình KMV Xác định điểm vỡ nợ (Default Point) được ước lượng xấp xỉ bằng nợ ngắn hạn và một nửa của nợ dài hạn: DPT = STD + 0.5*LTD (19) Trong đó: + DPT: điểm vỡ nợ + STD: Nợ ngắn hạn + LTD: Nợ dài hạn Trước khi tính toán xác suất vỡ nợ, bước đầu tiên KMV còn tính thêm một đại lượng nữa gọi là khoảng cách tới điểm vỡ nợ DD (Distance to Default). Khoảng cách tới điểm vỡ nợ là khoảng cách giữa giá trị tài sản kỳ vọng của doanh nghiệp và điểm vỡ nợ, được chuẩn hóa bằng cách chia cho độ lệch chuẩn của lợi suất tài sản. DD=  Tính khoảng cách tới điểm vỡ nợ bao gồm hai bước: 1. Tính khoảng cách tới điểm vỡ nợ tuyết đối (Absolute Distance to Default- DD’) 2. Tính khoảng cách tới điểm vỡ nợ tương đối (Relative Distance to Default - DD) Khoảng cách tới điểm vỡ nợ tuyết đối (DD’) được tính bằng khoảng cách giữa giá trị kỳ vọng của tài sản và điểm vỡ nợ (DPT) hay có thể hiểu là tổng của khoảng cách ban đầu và tăng trưởng của khoảng cách đó trong thời gian T  =     +  − 1 2    21 Để đơn giản là tài sản doanh nghiệp trong thời gian T theo phân phối chuẩn, theo định nghĩa vỡ nợ của mô hình là giá trị tài sản thấp hơn điểm vỡ nợ, ta có thể xác định được xác suất vỡ nợ theo công thức sau: PD = 1 - N(d2) = N (-d2) Trong mô hình KMV, xác suất vỡ nợ (Proability of Default- PD) sẽ được thay bằng tần suất vỡ nợ kỳ vọng (Expected Default Frequency- EDF). • Điểm vỡ nợ: Trong nghiên cứu lựa chọn sắc xuất P vỡ nợ được xác định đối với các khách hàng từ hạng D trở xuống trong bảng xếp hạng Theo nghiên cứu của Lopez (2002) 14 trong The Empirical Relationship between Average Asset Correlation, Firm Probability of Default. Với P >= 18,25 thì doanh nghiệp không vỡ nợ. Với P <18,25 thì doanh nghiệp vỡ nợ. Bước 3: Kết quả theo mô hình và quan sát thực tế tình trạng vỡ nợ doanh nghiệp: Lập bảng so sánh kết quả thu được từ kết quả chạy mô hình Z-Score (1968); mô hình Z-Score (1993) và mô hình KMV để so sánh với kết quả quan sát thực tế. Bước 4: Sử dụng phương pháp kiểm định MCC và ROC để kiểm định hai mô hình Z-score và KMV dự báo vỡ nợ doanh nghiệp ● Từ kết quả của việc sử dụng mô hình Z-score và mô hình KMV dự báo vỡ nợ so sánh với phân loại tình hình thực trạng doanh nghiệp: - Phân loại lỗi loại I (Bác bỏ trường hợp đúng cho nó là sai) và lỗi loại II (chấp nhận trường hợp là đúng trong khi đó bản chất trường hợp là sai). Với một dự báo sự kiện với 2 khả năng tích cực và tiêu cực, các kết quả sẽ xảy ra sẽ rơi vào 4 nhóm sau: TP và TN là những trường hợp dự báo đúng, còn FP và FN là những trường hợp dự báo sai. FN tương đương với mắc sai lầm loại I và FP tương đương với mắc sai lầm loại II. Bảng 3.1. Ma trận nhầm lẫn (Confusion matrix) Nội dung Vỡ nợ Không vỡ nợ Bác bỏ Dự đoán đúng (TN) Lỗi loại I (FN) Không bác bỏ Lỗi loại II (FP) Dự đoán đúng (TP) * Sử dụng phương pháp hệ số tương quan MCC (Matheews correlation coeficient) để kiểm định độ chính xác của 2 mô hình: Công thức MCC như sau: MCC =  ∗*+ ∗+, - .+  .+**.+ *.+* Giá trị MCC nằm trong khoảng từ -1 đến 1; giá trị MCC càng gần với 1 thì mô hình càng tốt. Từ tần xuất nhầm lẫn tuyệt đối FN và FP ta tính thêm tỷ lệ sai sót: Tỉ lệ loại trừ nhầm (FNR) và tỉ lệ phát hiện nhầm (FPR). Ngoài ra, nghiên cứu còn xem xét thêm độ nhạy và xắc suất mắc sai lầm loại II để xem xét độ chính xác của mô hình kiểm định. Xác suất mắc sai lầm loại I (False negative rate) ký hiệu là FNR cho biết mức độ dự báo sai một sự kiện khi nó là tính cực nhưng kết luận là tiêu cực: FPR=FN/(FN+TP). 15 Xác suất mắc sai lầm loại II (False positive rate) ký hiệu là FPR cho biết mức độ dự báo sai một sự kiện khi nó là tiêu cực nhưng kết luận là tích cực: FPR=FP/(FP+TN). Một mô hình MCC tốt cần có FNR và FPR thấp. Trong bài toán xếp loại tín dụng, việc phân loại nhầm một hồ sơ vay vốn từ tốt thành xấu sẽ gây hậu quả ít nghiêm trọng hơn trường hợp ngược lại. ● Sử dụng phương pháp đường cong ROC (Receiver Operating Characteristic) để kiểm định độ chính xác của hai mô hình. Hình 3.1. Đường cong ROC Sobehart và Keenan (2001) đưa ra cách sử dụng đường cong ROC để xác nhận mô hình xếp hạng tín dụng nội bộ đối với các doanh nghiệp và diện tích dưới đường cong ROC (AU ROC - area under ROC) 16 Hình 3.2. Diện tích dưới đường ROC ● Phân loại AU ROC Bảng 3.2: Phân loại AU ROC AU ROC Ý nghĩa (độ chính xác của mô hình ROC) AU > 0.9 Rất tốt 0.8 <AU≤0.9 Tốt 0.7 <AU≤0.8 Trung bình 0.6 <AU≤0.7 Không tốt 0.5<AU≤0.6 Không có có giá trị phân biệt AU ROC hoàn toàn có thể dưới 0.5, nhưng khi đó ta cần xem xét lại điểm và tiêu thức cấu thành điểm có sự sai lệch cực lớn dẫn đến xác suất kết quả khách hàng xấu đúng nhỏ hơn xác suất kết luận khách hàng tốt sai (Y<X). 3.2. Dữ liệu nghiên cứu và phương pháp phỏng vấn sâu 3.2.1. Dữ liệu nghiên cứu * Số liệu từ năm 2014-2016 trên Sở GDCK TP. HCM trên sàn chứng khoán có 935 lượt doanh nghiệp. 3.2.2. Phương pháp phỏng vấn sâu: - Mục tiêu của phỏng vấn sâu nhằm làm để có định hướng vấn đề nghiên cứu được rõ ràng, kiểm tra thực tế sử dụng và có các khuyến nghị phù hợp với mục tiêu nghiên cứu - Đối tượng phỏng vấn: lãnh đạo các tổ chức tín dụng, công ty chứng khoán, các nhà quản lý (Ngân hàng nhà nước, Ủy ban chứng khoán, Sở giao dịch chứng khoán) - Nội dung phỏng vấn: thu thập các thông tin, ý kiến, đánh giá về : (i) Ý kiến về việc sử dụng các mô hình lượng hóa trong dự báo vỡ nợ tại Việt Nam và tại Đơn vị của người đang phỏng vấn. 17 (ii) Đánh giá về mức độ ảnh hưởng/tầm quan trọng của các nhân tố: Cơ cấu vốn, hiệu quả kinh doanh, quy mô tài sản, cơ chế quản lý nhà nước tới nguy cơ vỡ nợ của doanh nghiệp. (iii) Khuyến nghị và kiến nghị - Hình thức thiết kế nội dung phỏng vấn sâu cũng được chuẩn bị và thiết kế dưới dạng danh mục các câu hỏỉ. Chương 3 đưa ra thiết kế nghiên cứu theo 4 bước từ việc sử dụng các mô hình theo cách tiếp cận kế toán và cách tiếp cận theo cách thị trường để dự báo khả năng vỡ nợ doanh nghiệp và so sánh với kết quả thực tế hiện trạng doanh nghiệp. Trong chương cũng đưa ra phương pháp MCC và ROC để so sánh tính chính xác khi sử dụng các mô hình dự báo. Việc sử dụng phương án phỏng vấn sâu sẽ làm rõ hơn hiện trạng của việc sử dụng mô hình dự báo, nguyên nhân và các các kiến nghị để việc sử dụng mô hình dự báo thêm hiệu quả. CHƯƠNG 4 ÁP DỤNG MÔ HÌNH THEO CÁCH TIẾP CẬN KẾ TOÁN VÀ THỊ TRƯỜNG TRONG DỰ BÁO VỠ NỢ DOANH NGHIỆP 4.1. Tình hình hoạt động các doanh nghiệp niêm yết tại HOSE Tới cuối năm 2017 có 344 doanh nghiệp hoạt động tại HOSE. Trong năm 2017 có 31 doanh nghiệp niêm yết mới với nhiều doanh nghiệp có giá trị niêm yết lần đầu lớn, khối lượng giao dịch trên thị trường tăng nhanh qua các năm. Bảng 4.1. Giao dịch toàn thị trường qua các năm (2014, 2015, 2016, 2017) Năm Số phiên giao dịch Khối lượng giao dịch (tỷ đồng) Giá trị vốn hóa thị trường (tỷ đồng 2014 247 536.484 985.258 2015 248 487.407 1.146.925 2016 251 748.608 1.491.778 2017 250 1.061.183 2.614.150 Nguồn: Báo cáo thường niên HOSE Có thể nói cùng với việc các doanh nghiệp ra nhập Sở giao dịch chứng khoán Hồ Chí Minh những năm gần đây nhiều về số lượng và lớn về quy mô thì cũng nhiều các doanh nghiệp hủy niêm yết do làm ăn thua lỗ. 4.2. Áp dụng mô hình dự báo vỡ nợ đối với các Doanh nghiệp trên HOSE 4.2.1. Áp dụng mô hình và các kết quả 18 Nghiên cứu lấy số liệu tài chính và thị trường doanh nghiệp 3 năm từ năm 2014- 2016 trên HOSE trong đó năm 2014 là 303 doanh nghiệp được khảo sát, năm 2015 có 305 doanh nghiệp được khảo sát; năm 2016 có 327 doanh nghiệp. Với lượng 935 lượt doanh nghiệp, số mẫu chọn đạt 100% các doanh nghiệp phi tài chính đăng ký hoạt động trên HOSE được kiểm tra trong 3 năm từ 2014 -2016. Các doanh nghiệp hoạt động trên HOSE trong giai đoạn từ 2014-2016 được theo dõi thực tế vỡ nợ đến năm 2017 để đối chiếu với kết quả thực nghiệp từ các mô hình lựa chọn. * Đối với áp dụng theo cách tiếp cận kế toán 2 mô hình Z- Score (1968) và Z-Score (1993) để tính giá trị chỉ số Z cho từng lượt doanh nghiệp và đối chiếu với thực tế. Kết quả tại bảng Phụ lục 2: Bảng kết quả theo chỉ số Z- Score, KMV và thực tế. Tổng hợp kết quả tính toán với 2 mô hình Z- Score (1968) và Z-Score (1993) để tính toán Ma trận nhầm lẫn. Bảng 4.2: Bảng tổng hợp kết quả sử dụng mô hình Z-Score (1968) và Z – Score (1993) Số lượt doanh nghiệp khảo sát theo thời gian Kết quả theo Mô hình Z - Score (1968) Kết quả theo mô hình Z - Score (1993) Kết quả theo thực tế Vỡ nợ Không vỡ nợ Vỡ nợ Không vỡ nợ Vỡ nợ Không vỡ nợ 935 488 447 135 800 69 866 Nguồn: tính toán của tác giả Bảng 4.3: Bảng Ma trận nhầm lẫn (Confusion matrix) theo Z-Score (1968) Nội dung Vỡ nợ Không vỡ nợ Tổng Bác bỏ Dự đoán đúng (TN) 68 Lỗi loại I(FN) 420 488 Không bác bỏ Lỗi loại II (FP): 1 Dự đoán đúng (TP): 446 535 Tổng 69 866 935 Nguồn: tính toán của tác giả Bảng 4.4: Bảng Ma trận nhầm lẫn (Confusion matrix) theo Z-Score (1993) Nội dung Vỡ nợ Không vỡ nợ Tổng Bác bỏ Dự đoán đúng (TN) 51 Lỗi loại I(FN) 84 135 Không bác bỏ Lỗi loại II (FP): 18 Dự đoán đúng (TP): 782 800 Tổng 69 866 935 Nguồn: tính toán của tác giả • Nhận xét đánh giá kết quả thu được từ việc áp dụng mô hình Z - Score: + Với Mô hình Z-1968: có số lỗi loại I rất cao tức là kết quả mô hình dự báo là 19 doanh nghiệm có khả năng vỡ nợ nhưng trên thực tế là không vỡ nợ. Điều này dẫn đến nếu các tổ chức tín dụng, nhà đầu tư áp dụng mô hình này sẽ bỏ qua nhiều cơ hội đầu tư. Tuy nhiên lỗi loại II rất thấp, có nghĩa rằng nếu về tiêu chí sử dụng kết quả để loại trừ rủi ro thì mô hình có thể sử dụng tốt. + Với mô hình Z - 1993: các tỷ lệ dự báo vỡ nợ được cải thiện hơn so với mô hình Z- 1968 đặc biệt là số lỗi loại I đã giảm nhiều. * Đối với áp dụng theo cách tiếp cận thị trường với mô hình KMV và đối chiếu với thực tế. Kết quả tại bảng Phụ lục 1: Bảng kết quả theo chỉ số Z- Score, KMV và thực tế. Bảng 4.5: Bảng tổng hợp kết quả sử dụng mô hình KMV Số lượt doanh nghiệp khảo sát Kết quả theo mô hình KMV Kết quả theo thực tế Vỡ nợ Không vỡ nợ Vỡ nợ Không vỡ nợ 935 91 844 69 866 Bảng 4.6: Bảng Ma trận nhầm lẫn (Confusion matrix) theo KMV Nội dung Vỡ nợ Không vỡ nợ Tổng Bác bỏ Dự đoán đúng (TN): 60 Lỗi loại I(FN): 31 91 Không bác bỏ Lỗi loại II (FP): 9 Dự đoán đúng (TP): 835 844 Tổng 69 866 935 * Đánh giá kết quả chạy mô hình KMV: với kết quả thực nghiệm kết quả trong bảng Ma trận nhầm lẫn cho kết quả dự đoán đúng kết quả không vỡ nợ tương đối cao 835/844 chỉ có 9 kết quả là lỗi so với thực tế. 4.2.2. Đánh giá qua kết quả kiểm định * Phương pháp hệ số tương quan: Bảng 5.7: Bảng kết quả tính toán hệ số tương quan Nội dung Z-Score (1968) Z-Score (1993) KMV MCC 0,261 0.477 0,735 FNR (tỷ lệ lỗi loại I) 0,485 0.097 0,036 FPR (Tỷ lệ lỗi loại II) 0,015 0.26 0,13 Nguồn: tính toán của tác giả + Đánh giá kết quả thu được: - Hệ số MCC: của chỉ số Z-Score (1968) đạt 0,261 là thấp nhất; hệ số của chỉ số Z- Score (1993) cao hơn đạt 0,477 điều đó có thể thấy Z- Score (1993) khi áp dụng vào số liệu các doanh nghiệp của Việt Nam có độ chính xác tốt hơn so với mô hình Z- Score (1968). Hệ số MCC của chỉ số KMV là cao nhất đạt 0,735, điều đó cho thấy chỉ số KMV dự báo có độ chính xác tốt nhất trong so với 2 mô hình Z- Score mang ra thực nghiệm. - Tỷ lệ lỗi loại I (FNR): Chỉ số Z-Score (1968) có tỷ lệ lỗi loại I là 0,485 là tương 20 đối cao, mô hình phần nhiều sai sót với sai lầm loại I tức là dự báo vỡ nợ nhưng trong thực tế doanh nghiệp chưa vỡ nợ. Trong khi tỷ lệ lỗi loại II bằng không, mô hình dự đoán chính xác các trường hợp vỡ nợ. Nếu dùng mô hình Z-Score (1968) sẽ bị loại trừ khá nhiều các doanh nghiệp tốt trong lựa chọn đầu tư. Qua kết quả cho thấy ảnh hưởng lớn của các chỉ số tài chính trong đó có hệ số đòn bẩy đối với các doanh nghiệp tại thị trường đang phát triển như Việt Nam là cao hơn so với các nước phát triển, các doanh nghiệp có chỉ số Z-Score(1968) tương đối thấp hơn chuẩn nhưng không vỡ nợ do tính minh bạch của số