Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM

42 746 10
  • Loading ...
1/42 trang

Thông tin tài liệu

Ngày đăng: 16/11/2014, 22:40

Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAMChúng tôi sử dụng dữ liệu của các công ty để dự đoán khả năng xảy ra kiệt quệ tài chính và cung cấp các cảnh báo sớm cho các công ty trong giai đoạn 2009 – 2011 (với độ trễ thời gian 2 năm theo Altman 1993) cho 246 công ty sản xuất được niêm yết trên hai sàn giao dịch chứng khoán Tp. Hồ Chí Minh (HSX) và sàn giao dịch chứng khoán Hà Nội (HNX). Mục đích của chúng tôi là sử dụng hồi quy logistic để dự báo khả năng phá sản của các doanh nghiệp trong mẫu nghiên cứu. TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM KHOA TÀI CHÍNH DOANH NGHIỆP -Tp.Hồ Chí Minh, tháng 9 năm 2013 - 9/2013 BÀI NGHIÊN CỨU DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM Nhóm nghiên cứu: 1. Lê Thị Hữu 2. Nguyễn Thị Thu Hà 3. Tôn Thất Khánh Hoàng 4. Nghiêm Phúc Hiếu 5. Đặng Phương Thảo GVHD : TS. NGUYỄN THỊ UYÊN UYÊN LỚP : CAO HỌC TCDN NGÀY – KHÓA 22 GVHD : TS. NGUYỄN THỊ UYÊN UYÊN LỚP : CAO HỌC TCDN NGÀY – KHÓA 22 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM MỤC LỤC 1.2. Mục tiêu nghiên cứu và các vấn đề nghiên cứu: 4 1.3. Bố cục của bài nghiên cứu: 4 III.PHƯƠNG PHÁP NGHIÊN CỨU 12 3.1 Hàm hồi quy logistic nhằm mục đích dự báo khả năng phá sản của doanh nghiệp 12 3.2. Định nghĩa về thất bại của doanh nghiệp 13 3.3. Mẫu nghiên cứu 14 3.4. Lựa chọn biến dự đoán 15 IV.KẾT QUẢ HỒI QUY – PHÂN TÍCH 20 IV.3. Thảo luận 24 V.KẾT LUẬN 27 DANH MỤC TÀI LIỆU THAM KHẢO 29 PHỤ LỤC DANH MỤC MẪU CÔNG TY NGHIÊN CỨU 34 TÓM TẮT Chúng tôi sử dụng dữ liệu của các công ty để dự đoán khả năng xảy ra kiệt quệ tài chính và cung cấp các cảnh báo sớm cho các công ty trong giai đoạn 2009 – 2011 (với độ trễ thời gian 2 năm theo Altman 1993) cho 246 công ty sản xuất được niêm yết trên hai sàn giao dịch chứng khoán Tp. Hồ Chí Minh (HSX) và sàn giao dịch chứng khoán Hà Nội (HNX). Mục đích của chúng tôi là sử dụng hồi quy logistic để dự báo khả năng phá sản của các doanh nghiệp trong mẫu nghiên cứu. | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 2 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM Chúng tôi thấy rằng đối với các công ty sản xuất, đòn bẩy tài chính và kiệt quệ tài chính có mối tương quan dương có ý nghĩa thống kê. Các doanh nghiệp có mức đòn bẩy cao và xếp hạng tín dụng thấp có khả năng xảy ra kiệt quệ tài chính cao hơn, và ngược lại. Từ những kết quả về các tỷ số dự báo khả năng xảy ra kiệt quệ tài chính của các doanh nghiệp, chúng tôi xây dựng mô hình dự báo khả năng phá sản. Những kết quả thực nghiệm cũng chứng minh rằng khả năng sinh lợi có tác động ngược chiều đến khả năng kiệt quệ tài chính các công ty sản xuất. Các yếu tố có ý nghĩa trong mô hình của chúng tôi gồm các tỷ số lợi nhuận ròng/doanh thu, EBIT/(nhu cầu vốn luân chuyển + tài sản cố định), nhu cầu vốn luân chuyển/doanh thu, nợ dài hạn/vốn đầu tư và tổng nợ/EBIDTA . | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 3 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM I. GIỚI THIỆU 1.1. Lý do chọn đề tài: Kiệt quệ tài chính của doanh nghiệp xảy ra khi doanh nghiệp gặp khó khăn hoặc không thể trả được các khoản nợ. Nếu kiệt quệ tài chính ở mức độ nghiêm trọng và không có cách giải quyết tốt có thể sẽ dẫn đến phá sản. Một doanh nghiệp đang lâm vào tình trạng kiệt quệ tài chính có thể có các dấu hiệu nhận biết như tiền mặt giảm thường xuyên, liên tục, không có sản phẩm mang tính cạnh tranh, không thu hồi được nợ hoặc đang mắc nợ quá nhiều, không trích lập quỹ dự phòng tài chính, cắt giảm các khoản thù lao, sự ra đi của các cán bộ quản lý cao cấp… Tuy vậy, đây là những dấu hiệu có thể nhận biết khi công ty đã rơi vào giai đoạn kiệt quệ trầm trọng và trong hầu hết trường hợp sẽ dẫn đến con đường tận cùng đó là phá sản. Trong khi đó, nếu có thể dự báo trước được những nguyên nhân, yếu tố gây ra khủng hoảng sớm hơn thì có thể sẽ giúp cho nhà quản lý, ban giám đốc có cái nhìn thấu đáo hơn về hiện trạng của công ty từ đó đưa ra những giải pháp khắc phục, sửa đổi, quản trị rủi ro trước khi kiệt quệ trở nên trầm trọng hơn, không còn cách để cứu chữa. Do đó, không ngạc nhiên khi dự báo về kiệt quệ của một công ty tiếp tục thu hút sự chú ý và được xem xét theo quy mô và thời gian trên thế giới. 1.2. Mục tiêu nghiên cứu và các vấn đề nghiên cứu: Mục tiêu của bài nghiên cứu này là chọn ra các biến (các tỷ số tài chính) để phân biệt các công ty "khỏe mạnh" với các công ty bị "kiệt quệ tài chính" ở Việt Nam, từ đó dự đoán nguy cơ phá sản. Bài nghiên cứu nhằm trả lời các câu hỏi sau:  Những tỷ số quan trọng nhất trong việc phát hiện nguy cơ phá sản?  Những trọng số nên được gắn với các tỷ số được lựa chọn như thế nào?  Làm thế nào để lập ra các trọng số một cách khách quan? 1.3. Bố cục của bài nghiên cứu:  Phần I: Giới thiệu.  Phần II : Xem xét các chứng cứ thực nghiệm trước đây.  Phần III : Mô tả dữ liệu và phương pháp nghiên cứu.  Phần IV : Trình bày và thảo luận các kết quả nghiên cứu.  Phần V : Kết luận và hạn chế của bài nghiên cứu. | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 4 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM II. CÁC CHỨNG CỨ NGHIÊN CỨU THỰC NGHIỆM TRƯỚC ĐÂY: 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 về chủ đề này, theo Charitou và cộng sự không có phương pháp thống kê tiên tiến nào để nghiên cứu. Khi ông so sánh các chỉ tiêu tài chính của các công ty thất bại với công ty hoạt động động bình thường cho thấy rằng các chỉ tiêu này ở các công ty bị thất bại thường mang hướng tiêu cực hơn. 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 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 là hoàn toàn có cơ sở. Mô hình đơn biến được Wiliam Beaver sử dụng năm 1994 đạt được “khả năng chính xác vừa phải trong việc dự đoán”. Năm 1998, Cook và Nelson cũng đã sử dụng Mô hình đơn biến với giả định rằng “một biến duy nhất có thể được sử dụng nhằm vào mục đích dự đoán (Cook và Nelson 1998). Mô hình đơn biến đã thành công trong việc xác định được các yếu tố ảnh hưởng đến kiệt quệ tài chính; tuy nhiên, nó không cung cấp được khả năng so sánh các rủi ro có liên quan. Mặc dù mô hình dự báo thất bại đơn biến có nhiều điểm mạnh, đăc biệt là tính đơn giản của nó, nhưng phương pháp này cũng bộc lộ một số nhược điểm trọng yếu. 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 trọng của mỗi tỷ số riêng biệt, bởi vì hầu hết các biến đều tương quan với nhau (Cybinski, 1998). Để khắc phục “Những hạn chế khi sử dụng mô hình đơn biến” (Cook và Nelson 1998), các bài nghiên cứu sau này đã sử dụng mô hình đa biến, MDA để đánh giá khả | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 5 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM năng doanh nghiệp bị phá sản. Và sau đó, phổ biến nhất và được sử dụng nhiều nhất, MDA được đề xuất bởi Altman, Altman đã có bài viết đầu tiên về vấn đề này (1968). Trong bài luận này, Altman Max L. Heine- Giáo sư Tài chính tại khoa Kinh doanh Đại học New York, đề xuất mô hình Z-score hoặc mô hình Zeta kết hợp các cách đo lường lợi nhuận hay rủi ro khác bằng cách sử dụng một số chỉ tiêu tài chính. Các mẫu đầu tiên gồm 66 công ty, mỗi nhóm (Thất bại/không thất bại) gồm 33 công ty. Năm chỉ tiêu tài chính được sử dụng trong mô hình là vốn lưu động/ tổng tài sản, lợi nhuận giữ lại / tổng tài sản, thu nhập trước thuế và lãi vay / tổng tài sản, giá trị thị trường của vốn chủ sở hữu / giá trị sổ sách của tổng nợ phải trả, và doanh thu / tổng tài sản. Sử dụng sai lầm loại I loại II là cơ sở để đánh giá, mô hình Altman đã dự đoán chính xác 95% nguy cơ phá sản của các công ty sản xuất ở Mỹ trong vòng 1 năm và 72% trong vòng 2 năm. Tuy nhiên, giá trị được đưa thêm vào mô hình của Altman không phải là các tỷ số được lựa chọn mà là các trọng số. Trong những năm qua, đã có một lượng lớn các nghiên cứu dựa trên mô hình Z- score của Altman. Các bài nghiên cứu đã xác định những đặc điểm của doanh nghiệp kiệt quệ được kiểm tra để xác định các yếu tố dự báo doanh nghiệp kiệt quệ, từ đó làm nổi bật vai trò của việc phân tích các tỷ số tài chính trong dự báo kiệt quệ tài chính. Trong mô hình Z-score (Altman, 1968), tác giả đã dùng phương pháp thống kê đa yếu tố phân biệt MDA để tính xem mỗi biến số sẽ có trọng số là bao nhiêu, tức là mỗi nhân tố sẽ ảnh hưởng đến kiệt quệ như thế nào. Sau khi đưa vào hơn 22 yếu tố ban đầu, 5 yếu tố đã được chọn như là những yếu tố tiềm năng để dự báo cho kiệt quệ tài chính, bao gồm: vốn luân chuyển/tổng tài sản, lợi nhuận giữ lại/tổng tài sản, EBIT/tổng tài sản, giá trị thị trường của vốn cổ phần/giá trị sổ sách của nợ, doanh thu/tổng tài sản. Năm yếu tố này không đứng riêng lẻ, độc lập để dự báo kiệt quệ mà có sự kết hợp như trong phương trình sau: Từ phương trình này, có thể dự đoán được khả năng kiệt quệ của doanh nghiệp. Nếu Z >2.99 doanh nghiệp nằm trong vùng an toàn, chưa có nguy cơ phá sản. Nếu 1.8< Z <2.99: doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy cơ phá sản . Nếu Z <1.8: | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 6 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM doanh nghiệp nằm trong vùng nguy hiểm, nguy cơ phá sản cao. Từ chỉ số Z, Altman sau này phát triển và đưa ra mô hình Z ’ , Z ’’ vào năm 1983, 1993. Trong đó mô hình Z áp dụng cho doanh nghiệp nhà nước, mô hình Z’ áp dụng cho doanh nghiệp tư nhân và mô hình Z’’ có thể áp dụng cho hầu hết các ngành và các loại hình doanh nghiệp. Sau một thập kỷ từ khi bắt đầu sử dụng MDA, Altman và cộng sự (1977) sửa đổi các mô hình Z-core ban đầu thành một hình mới tốt hơn, được gọi là "Phân tích Zeta". Mục đích của nghiên cứu này là để xây dựng, phân tích và thử nghiệm một mô hình phân loại phá sản mới, trong đó xem xét rõ ràng hơn những thất bại kinh doanh. Mô hình Zeta đã có hiệu quả trong việc phân loại các công ty bị phá sản đến 5 năm trước khi thất bại dựa trên một mẫu bao gồm các nhà sản xuất và nhà bán lẻ. Zeta được nghiên cứu để xây dựng một cách tiếp cận rõ ràng về những sự phát triển gần đây ảnh hưởng đến thất bại trong kinh doanh, và có hiệu quả phân loại các công ty bị phá sản trước đến 5 năm trên mẫu bao gồm các tập đoàn, nhà sản xuất và bán lẻ. Kết quả nghiên cứu của Altman cho thấy mô hình Zeta phân loại hiệu quả với độ chính xác 91% trước khi doanh nghiệp phá sản 1 năm và trên 76,8% từ năm thứ 5 trở lên trước khi doanh nghiệp phá sản. Tuy nhiên, vì tính độc quyền của mô hình nên Altman không cung cấp đầy đủ các trọng số của mô hình mà chỉ cung cấp 7 biến số mà mô hình sử dụng: EBIT/Tổng tài sản, mức ổn định thu nhập, EBIT/chi phí lãi vay, lợi nhuận giữ lại tích lũy/tổng tài sản, tài sản ngắn hạn/tổng tài sản, vốn hóa cổ phần thường/tổng vốn hóa, quy mô công ty (được đo lường bởi tổng tài sản). Trong năm 2000, các mô hình này đã được đưa ra thảo luận thêm một lần nữa. Deakin (1972) đã sử dụng 14 biến giống như Beaver, nhưng ông đã áp dụng chúng trong một loạt các mô hình phân biệt đa biến. Mô hình MDA dự báo chính xác 95% khả năng phá sản công ty đến tận 3 năm trước trước khi bị phá sản. Trong năm 1980, Dambolena và Khoury trình bày một mô hình MDA sử dụng chỉ tiêu tài chính như các biến dự báo. Các thuộc tính quan trọng trong mô hình của họ là sử dụng sự ổn định của tỷ lệ tài chính, được đo bằng độ lệch chuẩn, ngoài các giá trị của các chỉ số. Mô hình phân biệt Dambolena & Khoury đã dự báo chính xác 87%, 85%, và 78% tương ứng 1 năm, 3 năm, 5 năm trước khi phá sản. Phân tích MDA cũng đã được sử dụng | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 7 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM 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), 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 Ohlson, Martin (1977) sử dụng mô hình nhị phân 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. Sau đó, Chritine Zavgren đã phát triển một mô hình để xứ lý vấn đề này, mô hình của bà sử dụng phân tích nhị phân để dự đoán sự phát sản. Mô hình nhị phân phát triển bởi Zavgren (1985) đã được thử | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 8 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM nghiệm trong thời gian 5 năm trước khi thất bại. Bảy chỉ tiêu tài chính bao gồm trong mô hình này là tổng thu nhập / tổng vốn đầu tư, doanh thu/Tài sản cố định, hàng tồn kho / doanh thu, nợ / tổng vốn đầu tư, các khoản phải thu / hàng tồn kho, tài sản ngắn hạn / nợ ngắn hạn, và tiền mặt / tổng tài sản. Tỷ lệ thất bại được đưa ra bởi mô hình Zavgren cho một năm trước khi thất bại tương tự như Ohlson. Tuy nhiên, do việc sử dụng các phân tích nhị phân, mô hình của Zavgren được xem như là có tính thiết thực hơn (Lo 1986, 151). Xa hơn nữa, phân tích nhị phân thật sự cung cấp được khả năng đo lường thực tế khả năng phá sản bằng tỷ lệ phần trăm. Ngoài ra, tỷ số được tính toán có thể được xem như là một tỷ số để đo lường hiệu quả quản trị, ví dụ, một chính sách quản trị hiệu quả không thể đưa một công ty đến bờ vực phá sản. Trong khoảng thời gian 1980 và 1990, xu hướng của các bài nghiên cứu là sử dụng mô hình phân tích nhị phân để ủng hộ xu hướng phân tích đa biến (Stickney 1996, 510). Sau đó, phân tích nhị phân được so sánh với các công cụ phân tích tiên tiến trong thời điểm đó và mạng thần kinh. Các nghiên cứu đã cho thấy rằng các phương pháp tiếp cận là tương tự nhau và nên được sử dụng kết hợp. Năm 2003, Darayseh và cộng sự đã sử dụng phân tích nhị phân để dự đoán sự thất bại của công ty trên cơ sở của sự kết hợp giữa một số biến số kinh tế và chỉ tiêu tài chính công ty. Họ thấy rằng mô hình nhị phân có thể dự đoán chính xác 88% các trường hợp công ty phá sản. Trong số các phương pháp phức tạp hơn, mạng thần kinh (NNS) đã được sử dụng nhiều nhất trong khu vực dự đoán khả năng thanh toán của công ty trong hai thập kỷ qua. NNS là hệ thống máy tính lấy cảm hứng từ thông tin thực tế về cách thức bộ não con người hoạt động. Trong năm 1990, Odom và Shard sử dụng các tỷ lệ tài chính tương tự được sử dụng bởi Altman (1968) và ứng dụng ANN để một mẫu gồm 65 thất bại và 64 công ty không thất 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 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), | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 9 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM 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 cộng sự (1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập hợp thô bởi Dimitras và cộng sự (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 Bộ Rough (McKee & Lensberg, 2002) và phương pháp tiếp cận đa chiều scaling (Mar-Molinero & Serrano- Cinca, 2001). Một cuộc khảo sát kết quả của những nghiên cứu này cho thấy rằng không có mô hình mang lại kết quả cao trong một cách nhất quán. Ở Tunisia, các nghiên cứu của các mô hình dự báo thất bại bắt đầu vào đầu năm 2000. Abid & Zouari (2001) và Mamoghli & Jellouli (2002) đã sử dụng các mạng thần kinh nhân tạo. Boujelben & Hassouna (2004) - một kỹ thuật dựa trên dòng tiền được sử dụng. Tất cả các nghiên cứu Tunisia đã | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 10 [...]... ng (li nhun) ca doanh nghip | Nhúm nghiờn cu lp TCDN Cao hc Ngy K22 15 D BO KIT QU TI CHNH CHO CC CễNG TY SN XUT VIT NAM Bng 3.1: Cỏc t s thng kờ cho doanh nghip sn xut Trong ú, doanh nghip loi H l doanh nghip kho mnh, cũn doanh nghip loi F l doanh nghip tht bi Trung Trung Ln Nh lch H F bỡnh 0.2142 0.1239 v 0.1838 0.1276 nht 0.6804 0.2953 14.487 nht 0.0206 0.0080 chun 0.1320 0.0657 Doanh thu/(Nhu... giỳp ngi u t so sỏnh cỏc cụng ty vi nhau | Nhúm nghiờn cu lp TCDN Cao hc Ngy K22 17 D BO KIT QU TI CHNH CHO CC CễNG TY SN XUT VIT NAM T s thu nhp rũng /Doanh thu R5 o lng kt qu su dng ti sn ca cụng ty to ra li nhun H s cng cao cng tt vỡ nú phn ỏnh cụng ty to ra c bao nhiờu ng li nhun t mt ng doanh thu thu c trong quỏ trỡnh hot ng kinh doanh Nu nh cụng ty to ra cng nhiu doanh thu nhng li nhun li khụng... u t cao tc l cụng ty cú ớt vn t cú, s dng n u t cho hot ng ca cụng ty Do ú chng t tim lc ti chớnh ca cụng ty khụng mnh, ng thi cụng ty phi chu cỏc chi phớ nh lói vay, cỏc khon n n hn cng gõp ỏp lc lờn doanh nghip v d dng dn n kit qu ti chớnh hn i vi cỏc cụng ty ớt s dng n di hn cho ngun vn Mt t s khỏc l R26 (Tng n / EBIDTA), kt qu cho thy rng mt cụng ty vi mt yu hot ng sn xut kinh doanh ph thuc nhiu... tc din ra Mt t s cao cho thy kh nng sinh li v thanh khon ca cụng ty l khỏ tt T s vn luõn chuyn*12 /doanh thu R 11 v t s nhu cu vn luõn chuyn*12 /doanh thu R12 thuc nhúm ch tiờu o lng hiu qu qun lý ngun ti nguyờn ca cụng ty hay hiu nng qun tr ti sn ngn hn cụng ty nh th no Nu t s ny cng thp cho thy ngun vn lu ng ca cụng ty ty b ra khụng cao nhng c s dng mt cỏch linh hot em li ngun doanh thu ỏng k v ngc... Cụng thc Loi R1 Li nhun gp /Doanh thu R2 EBIDTA /Doanh thu R3 EBIT /Doanh thu R5 Thu nhp rũng /Doanh thu R6 R9 R10 R11 R12 Dũng tin thun /Doanh thu R14 Chi phớ sn xut /Doanh thu R15 Chi phớ ti chớnh/EBIDTA R16 Chi phớ ti chớnh /Doanh thu R17 Vn c phn/Tng ti sn R22 N di hn/Vn u t R25 N di hn/Vn c phn R26 27.1818 T s li nhun gp /doanh thu R1 phn ỏnh khon thu nhp gp ca mt cụng ty so vi doanh thu ca nú H s ny cng... cụng ty cú nh hng n xỏc sut kit qu ti chớnh ca cụng ty ú i vi cỏc doanh nghip sn xut niờm yt trờn sn HOSE v HNX Vit Nam, chỳng tụi cũn tỡm thy kh nng sinh li trờn ti sn ca doanh nghip cũn nh hng n kh nng xy ra kit | Nhúm nghiờn cu lp TCDN Cao hc Ngy K22 25 D BO KIT QU TI CHNH CHO CC CễNG TY SN XUT VIT NAM qu ti chớnh iu ny l hon ton hp lý T s R 9 th hin t sut sinh li trờn ti sn kinh t ca cụng ty, ... ca cụng ty i vi nhõn t R5 (Li nhun rũng /doanh thu) h s tng quan mang du (-) cho thy tỏc ng ngc chiu gia nhõn t t sut sinh li trờn doanh thu i vi kh nng xy ra kit qu ti chớnh Hay núi cỏch khỏc, nu mt doanh nghip cú t sut sinh li trờn doanh thu cng cao thỡ kh nng xy ra kit qu ti chớnh cng thp v ngc li S tn ti ca mt doanh nghip ph thuc vo kh nng sinh li ca doanh nghip ú Vi t sut sinh li trờn doanh thu... v bin kinh t v mụ cú tỏc ng n kit qu ti chớnh doanh nghip Ngoi ra, mc dự vic phõn tớch cỏc mụ hỡnh a ra gii thớch bin c la chn rt hu ớch trong vic d oỏn kh nng kit qu ca cụng ty, l cn thit ỏnh giỏ kh nng tn ti ca cụng ty trong mt thi gian quy nh cho cỏc cụng | Nhúm nghiờn cu lp TCDN Cao hc Ngy K22 27 D BO KIT QU TI CHNH CHO CC CễNG TY SN XUT VIT NAM ty kit qu v ti chớnh Nhng chỳng ta nờn nh cú rt... l tỡnh trng nghit ngó hn i vi mt cụng ty, khụng th gii quyt c cỏc ngha v n, yờu cu n s can thip ca to ỏn gii quyt vic tỏi t chc li doanh nghip hoc l phỏ sn doanh nghip Cựng mt lun im v vn ny, Beaver (1996) nh ngha vic tht | Nhúm nghiờn cu lp TCDN Cao hc Ngy K22 13 D BO KIT QU TI CHNH CHO CC CễNG TY SN XUT VIT NAM bi ca doanh nghip vi cỏc tiờu chun trong kinh doanh nh lói sut cỏc khon vay, thu chi... D BO KIT QU TI CHNH CHO CC CễNG TY SN XUT VIT NAM ca cụng ty Trờn thc t mc li nhun gp gia cỏc ngnh l khỏc nhau, cũn trong bn thõn mt ngnh thỡ cụng ty no qun lý v s dng yu t u vo tt hn thỡ s cú h s li nhun cao hn õy l mt trong cỏc bin phỏp quan trng o lng kh nng to li nhun ca cụng ty nm nay so vi cỏc nm khỏc T s EBIDTA /Doanh thu R2 phn ỏnh li nhun trc lói vay, thu v khu hao so vi doanh thu ca nú EBITDA . cứu lớp TCDN Cao học Ngày K22 8 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM nghiệm trong thời gian 5 năm trước khi thất bại. Bảy chỉ tiêu tài chính bao gồm trong mô hình này. trong năm ngay trước khi xảy ra việc phá sản thường đưa tới kết quả tốt nhất. | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 14 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM 3.4 lợi | Nhóm nghiên cứu lớp TCDN Cao học Ngày K22 18 DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM nhuận, doanh nghiệp cần phải bỏ ra bao nhiêu đồng chi phí. Chỉ tiêu này có thể
- Xem thêm -

Xem thêm: Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM, Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM, Tiểu luận tài chính doanh nghiệp DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY SẢN XUẤT Ở VIỆT NAM, Bảng 4.5: Mức độ dự báo chính xác

Gợi ý tài liệu liên quan cho bạn

Nhận lời giải ngay chưa đến 10 phút Đăng bài tập ngay