= - 1,369 + 13,855X1 + 0,060X2 - 0,601X3 + 0,3 96X4 + 0,194X5

để kiểm soát các yếu tố có thể làm ảnh hưởng tới mối quan hệ giữa các tỷ số tài chính và khả năng vỡ nợ của doanh nghiệp.

Sáu biến sau đây được Beaver lựa chọn như những biến chính xác nhất dự báo vỡ nợ doanh nghiệp, bao gồm: tiền mặt trên tổng nợ; LN ròng/TTS; NDH/TTS; VLĐ/TTS; tỷ số thanh toán hiện hành; và khoảng phi tín dụng (hay khả năng thanh khoản). Mặc dù cách tiếp cận đơn biến có những thiếu sót nhất định, đặc biệt là thiếu sự kết hợp các tỷ số khác nhau, nhưng mô hình của Beaver đã đạt được mức độ chính xác nhất định trong dự báo. Tỷ lệ phân loại tổng thể là 87%, 79%, 77%, 76% và 78% trong năm đầu tiên tới năm thứ năm trước vỡ nợ. Phát hiện chính của nghiên cứu này là các tỷ số tài chính có khả năng dự báo vỡ nợ trong ít nhất 5 năm trước vỡ nợ. Beaver kết luận rằng tỷ số tiền trên tổng nợ là tỷ số dự báo tốt nhất. Tuy nhiên, việc sử dụng tỷ lệ tài chính cho dự báo vỡ nợ được sử dụng thận trọng.

Trước hết, không phải tất cả các tỷ số đều dự báo với cùng mức độ chính xác như nhau.

Thứ hai, các tỷ số thành công trong việc dự báo không vỡ nợ thì nhiều hơn dự báo vỡ nợ.

Thứ ba, về mục đích ra quyết định, các tỷ số tài chính nên được bổ sung bằng tỷ lệ phân bố tần suất và phân bố xác suất. Lý thuyết về phân tích tỷ số của Beaver là mô hình dòng tiền, được coi như khung khổ cho việc giải thích các kết quả của các bài kiểm tra về tỷ lệ (Beaver, 1966). Zavrgen (1983) lại lập luận rằng nghiên cứu của Beaver có những hạn chế nhất định đối với việc thiết kế thống kê và tính hữu dụng của các các kỹ thuật đơn biến. Dù vậy, nghiên cứu của Beaver có hai thành công chính: dự đoán với mức độ chính xác khá cao dù chỉ với một mô hình đơn giản và cung cấp sự thảo luận lý thuyết về các nghiên cứu thực nghiệm. Các kết quả là lựa chọn tỷ số, giá trị mô hình và tính chính xác của mô hình đơn biến.

* Mô hình phân tích đa khác biệt:

Nhiều mô hình dự báo vỡ nợ như vậy đã được phát triển từ khi Beaver (1966) thực hiện phân tích sử dụng kỹ thuật đơn biến. Phần này sẽ khái quát một vài nghiên cứu quan trọng trong lĩnh vực dự báo vỡ nợ doanh nghiệp sử dụng kỹ thuật phân tích đa khác biệt. Các nghiên cứu này đại diện chỉ cho một vài trong số nhiều nhà nghiên cứu đã thực hiện nghiên cứu trong việc phát triển mô hình dự báo vỡ nợ sử dụng kỹ thuật thống kê phổ biến này.

+ Mô hình dự báo của Altman (1968)

Có thể bạn quan tâm!

Xem toàn bộ 186 trang tài liệu này.

Trong việc phân tích tình hình tài chính doanh nghiệp, có thể nói, mô hình chỉ số Z - Score là mô hình rủi ro tài chính nổi tiếng nhất, được áp dụng rộng rãi trên thế giới do kết quả kiểm nghiệm khá tin cậy do Giáo sư Edward I. Altman xây dựng trên cơ sở các số liệu từ các doanh nghiệp tại Mỹ. Dựa vào cơ sở lý thuyết và phương pháp xây dựng mô hình của Altman, mô hình chỉ số Z được các nước, các tổ chức khác nhau trên thế giới phát triển nhằm phù hợp với môi trường và đặc điểm của các doanh nghiệp ở từng khu vực.

Edward I. Altman (1968) là nhà nghiên cứu đầu tiên áp dụng kỹ thuật phân tích đa khác biệt (Multiple Discriminant Aanalysis) để dự báo thất bại kinh doanh thông qua việc sử dụng các tỷ lệ tài chính. Khác với các phân tích đơn biến dựa trên các tỷ số đơn lẻ, ý tưởng chính của phân tích đa biến là kết hợp thông tin của nhiều tỷ số tài chính thành một chỉ số có trọng số (Laitinen, 1991). Phân tích khác biệt là một phương pháp phân tích đa biến trong phân tích số liệu. Phương pháp này đặc biệt hữu ích vì mục đích là để nhóm các biến riêng biệt thành các nhóm, ví dụ tốt hay chưa tốt, nam hay nữ, vỡ nợ hay không vỡ nợ (Fulmer và cộng sự, 1984). Công trình nghiên cứu dự báo vỡ nợ của Altman được xây dựng dựa trên việc phân biệt khả năng vỡ nợ hay không vỡ nợ của doanh nghiệp. Kỹ thuật này là phù hợp khi biến phụ thuộc là biến phân loại và các biến độc lập là các biến số liệu (Hair et al., 1998). Việc phân loại được thực hiện thông qua việc phát triển một hàm phân biệt. Hàm phân biệt được xây dựng theo hướng tối thiểu hóa khả năng phân loại sai (Raghupathi và cộng sự, 1991). Kỹ thuật này dần trở thành một công cụ phổ biến nhất trong dự báo những thất bại kinh doanh của doanh nghiệp. Ưu điểm của kỹ thuật này là nó xem xét tất cả các đặc tính một cách đồng thời trong khi vẫn xét đến sự tương tác giữa các đặc tính đó. Altman (1968) đã phát triển một mô hình nổi tiếng là mô hình dự báo của Altman (1968). Mô hình này đã được áp dụng để đánh giá:

(i) liệu phân tích tỷ số có tuân theo kỹ thuật thống kê?

(ii) liệu kỹ thuật phân tích đa khác biệt có thể cái thiện khả năng dự báo của các mô hình vỡ nợ?

(iii) Và liệu cách tiếp cận này có hữu ích trong các ứng dụng thực nghiệm?

Theo phương pháp phân tích tỷ số truyền thống, kỹ thuật phân tích này không còn quan trọng trong môi trường học thuật do cách tiếp cận khá đơn giản của nó. Lý thuyết vỡ nợ của Altman cho rằng các tỷ số được phân tích trong một khung khổ đa chiều sẽ có ý nghĩa thống kê cao hơn cách phân tích tỷ số truyền thống (Altman, 1968). Trong nghiên cứu này, mô hình Z-score sử dụng các số liệu tài chính từ giai đoạn trước vỡ nợ như là các biến độc lập trong mô hình tách biệt. Các biến phụ thuộc được đưa vào

để phân tách ra các doanh nghiệp vỡ nợ và không vỡ nợ. Trong mô hình của Altman, tương tự như Beaver, các số liệu cho mẫu phân tích thu thập được từ Moody's Industrial Manual và lựa chọn các báo cáo thường niên từ một đến năm năm trước khi vỡ nợ. Altman đã lựa chọn một mẫu gồm 33 doanh nghiệp vỡ nợ và 33 doanh nghiệp chưa vỡ nợ kết hợp từng cặp theo cơ sở các năm, ngành hoạt động, và quy mô doanh nghiệp là các biến kiểm soát, lựa chọn dựa trên cơ sở phi ngẫu nhiên. Phương pháp này có nhiều lợi ích, đặc biệt khi các biến kiểm soát không được bao gồm cụ thể trong mô hình (Zavgren, 1983). Mẫu các doanh nghiệp vỡ nợ được lấy trong giai đoạn 1946-1965 và quy mô tài sản từ 0,7 triệu đôla đến 25,9 triệu đôla. Các doanh nghiệp nhỏ với tài sản ít hơn 1 triệu đôla được loại ra khỏi mẫu. Tất cả các doanh nghiệp không vỡ nợ vẫn hoạt động sau năm 1966. Phương pháp nghiên cứu này bị hạn chế với các doanh nghiệp sản xuất và áp dụng với 22 biến tỷ số. Hầu hết các tỷ số được lựa chọn dựa trên sự phổ biến và tiềm năng trong nghiên cứu. Tuy nhiên, tỷ số tiền mặt trên tổng nợ, xác định bởi Beaver (1966), không được đưa vào danh mục các biến vì thiếu nhất quán trong số liệu. Mô hình Z-score của Altman sử dụng 5 tỷ số tài chính và được đánh giá như sự dự báo khánh kiệt tài chính có tính chính xác cao.

Năm tỷ số tài chính có khả năng dự báo cao nhất là: VLĐ/TTS; LN giữ lại/TTS; LN trước thuế và lãi/TTS; GTTT của vốn cổ phần/GTSS của tổng nợ; DT/TTS. Thành công của mô hình này là dựa trên các đặc điểm tài chính của doanh nghiệp vỡ nợ khác với đặc điểm tài chính của các doanh nghiệp không vỡ nợ. Trong quá trình thực hiện có thể xảy ra hai lỗi phân loại. Thứ nhất, các doanh nghiệp vỡ nợ có thể được phân loại thành các doanh nghiệp không vỡ nợ (lỗi loại I). Thứ hai, các doanh nghiệp không vỡ nợ có thể bị phân loại thành các doanh nghiệp vỡ nợ (lỗi loại II). Mô hình này dự báo chính xác 95% trên các doanh nghiệp thuộc mẫu. Nói cách khác, 95% các doanh nghiệp trong mẫu được phân loại chính xác thành nhóm vỡ nợ và chưa vỡ nợ dựa vào số liệu tài chính một năm trước đó.

Lý thuyết cơ bản của mô hình Altman là sự kết hợp của 5 nhóm tỷ số trong việc thiết lập một mô hình vỡ nợ có thể được sử dụng để phân biệt giữa các doanh nghiệp bị vỡ nợ và giữa các doanh nghiệp không bị vỡ nợ. Altman cho rằng mô hình Z-score có thể được sử dụng để bổ sung đánh giá các khoản nợ vay, quản lý khoản phải thu và các thủ tục kiểm soát nội bộ cũng như chiến lược đầu tư (Altman, 1968). Mô hình dự báo Z-score của Altman như sau:

Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,999X5

Trong đó: Z = Chỉ số tổng hợp X1 = VLĐ / TTS

X2 = LN giữ lại / TTS

X3 = LN trước thuế và lãi vay / TTS

X4 = GTTT của vốn cổ phần / GTSS của tổng nợ X5 = DT / TTS

Altman xác định các giá trị tiêu chuẩn để nhận định tình hình tài chính của doanh nghiệp có khả năng vỡ nợ hay không vỡ nợ trong vòng 2 năm tới.

 Z < 1.8, doanh nghiệp có khả năng vỡ nợ

 Với Z > 2.99, doanh nghiệp không có nguy cơ vỡ nợ

 Trường hợp còn lại, 1.8= < Z =< 2.99, doanh nghiệp rơi vào vùng cảnh báo.

Độ chính xác của mô hình là 95% cho doanh nghiệp trong mẫu và 79% cho doanh nghiệp ngoài mẫu với khoảng thời gian 1 năm trước vỡ nợ. Tuy nhiên khả năng dự báo của mô hình giảm xuống còn 72%, 48%, 29% tương ứng với khoảng thời gian 2 năm, 3 năm, 4 năm trước vỡ nợ.

Mô hình Z của Altman (1968) là thước đo tổng hợp về rủi ro tài chính từ đó nhận diện rủi ro vỡ nợ doanh nghiệp. Rất nhiều nghiên cứu và ứng dụng đã sử dụng mô hình Z bởi tính ưu việt của nó, đó là dễ dàng tính toán, so sánh, và nhận diện rủi ro và được các nhà nghiên cứu hiệu chỉnh cho phù hợp với các thị trường khác nhau. Tuy nhiên, mô hình Z cũng tồn tại những hạn chế nhất định.

Thứ nhất, mô hình Z-Score không đưa ra được nhiều thang đo để phân loại mức độ rủi ro của doanh nghiệp, với mỗi kết quả khác nhau thì có mức độ vỡ nợ khác nhau. Mô hình Z- score không đưa ra được chi tiết các mức độ rủi ro khác nhau dẫn đến khó khăn trong việc ra quyết định cho các nhà đầu đầu tư, rất khó áp dụng để đưa ra các chính sách cụ thể cho từng doanh nghiệp. Do đó cần có mô hình để phân loại thành nhiều nhóm doanh nghiệp theo độ mức độ vỡ nợ khác nhau.

Thứ hai, Việc giả định các biến Xj là hoàn toàn độc lập không phụ thuộc lẫn nhau là không thực tế, tầm ảnh hưởng của biết số cũng thay đổi theo từng thời điểm và từng thị trường khác nhau.

Thứ ba, mô hình Z- Score không tính tới nhân tố khó lượng hóa là các biết phi tài chính nhưng lại ảnh hưởng rất lớn đến vỡ nợ doanh nghiệp như yếu tố rủi ro ngành, chủ sở hữu doanh nghiệp…

Trên cơ sở kết quả mô hình Z-Score (1968) của Altman đã có nhiều nghiên cứu

áp dụng kết quả vào từng thị trường và có sự hiệu chỉnh về các biến số cho phù hợp với số liệu thực tế tại nhiều quốc gia.

+ Mô hình dự báo của Altman (1983)

Mô hình Z-score của Altman đã được chứng minh là khá tin cậy trong các bối cảnh và quốc gia khác nhau. Tuy nhiên, mô hình không được thiết kế để được sử dụng trong mọi tình huống. Mô hình mẫu của nó bị hạn chế trong ngành sản xuất. Năm 1983, Altman sửa đổi mô hình Z-score ban đầu cho các công ty tư nhân quy mô nhỏ xét theo giá trị tài sản. Altman (1983) đã sửa đổi mô hình dự báo vỡ nợ 5 biến thay thế giá trị sổ sách của vốn chủ sở hữu cho giá trị thị trường. Ông nhận thấy rằng mô hình 5 biến được điều chỉnh có thể ít tin cậy hơn mô hình gốc nhưng không đáng kể. Mô hình dự báo phá sản 5 biến được điều chỉnh như sau:

Z = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5

Trong đó: Z = Chỉ số tổng hợp X1 = VLĐ/TTS

X2 = LN giữ lại / TTS

X3 = LN trước thuế và lãi/TTS

X4 = GTSS của Vốn CSH / GTSS của tổng nợ X5 = DT/TTS

Kết quả chỉ số Z- Score với 5 biến được điều chỉnh với :

- Z-score nhỏ hơn 1,23 doanh nghiệp có khả năng vỡ nợ

- Nếu Z trong khoảng 1,23 đến 2,90: doanh nghiệp ở trong vùng xám.

- Nếu công ty có Z trên 2,90 thì doanh nghiệp không có khả năng vỡ nợ.

+ Mô hình dự báo của Altman (1993)

Năm 1993, Altman đề xuất một sự thay đổi cuối cùng cho mô hình Z-score ban đầu. Lần sửa đổi thứ hai này được gọi là mô hình dự báo vỡ nợ Z-score bốn biến được điều chỉnh của Altman. Mô hình của Altman (1993) đã điều chỉnh mô hình Z-score nguyên gốc cho các doanh nghiệp phi sản xuất. Ông đã loại ra biến X5 (DT/ TTS) để tối thiểu hóa ảnh hưởng của ngành mà có nhiều khả năng xảy ra khi một biến ngành nhạy cảm như vòng quay tài sản được đưa vào. Mô hình này khá hữu ích trong ngành công nghiệp nơi mà có nhiều các tài sản khác nhau và các điều chỉnh quan trọng như vốn hóa cho thuê không được thực hiện. Altman (1993) cũng dùng các giá trị sổ sách thay cho các giá trị thị trường. Các hệ số cho tất cả các biến được thay đổi như các nhóm

và điểm cắt. Các kết quả phân loại của mô hình Z-score bốn biến cũng gần tốt như Z- score gốc. Ông thấy rằng mô hình sửa đổi thứ hai là hơi ít đáng tin cậy hơn so với mô hình ban đầu (Altman, 1993). Đối với mô hình bốn biến sửa đổi, nếu Z-score nhỏ hơn 1,10 thì doanh nghiệp có khả năng vỡ nợ. Z-score giữa 1,10 và 2,60 được xác định là vùng màu xám. Các công ty có Z-score trên 2,60 được phân loại là các doanh nghiệp khỏe mạnh hoặc không có nguy cơ vỡ nợ (Altman, 1993). Mô hình dự báo Z-score(1993) bốn biến đã điều chỉnh có dạng như sau:

Z= 6,567X1 + 3,26X2 + 6,72X3 + 1,05X4

Trong đó: Z = Chỉ số tổng hợp X1 = VLĐ / TTS

X2 = LN giữ lại / TTS

X3 = LN sau thuế và lãi /TTS

X4 = GTSS của Vốn CSH / GTSS của tổng nợ

Từ mô hình Z-score bốn biến được điều chỉnh của Altman năm 1993, biến VLĐ/TTS hay X3 là một thước đo của tài sản lưu động ròng (ví dụ tài sản ngắn hạn nhỏ hơn nợ ngắn hạn) của doanh nghiệp liên quan tới tổng giá trị vốn hóa. Ông kết luận rằng tỷ số này có giá trị nhất trong các tỷ số thanh khoản trong dự báo vỡ nợ. Tỷ số này cung cấp sức mạnh dự báo cao hơn so với hai chỉ số thanh khoản khác (tỷ số khả năng thanh toán hiện hành và tỷ số khả năng thanh toán nhanh). Độ tuổi của một doanh nghiệp là mặc nhiên được xem xét trong X2, lợi nhuận giữ lại/ TTS. Tỷ số này cho thấy rằng các doanh nghiệp hoạt động lâu năm hơn thường có mức lợi nhuận tích lũy cao hơn. Altman (1968) lập luận rằng các công ty có độ tuổi hoạt động thấp hơn hoặc quy mô nhỏ hơn thường có khả năng bị phân loại vào nhóm vỡ nợ cao hơn. Nhiều nghiên cứu đã cho thấy tỷ lệ vỡ nợ có liên quan chặt chẽ với tuổi của doanh nghiệp.

Chỉ số X3 cho thấy khả năng tạo thu nhập từ tài sản trước khi có bất kỳ sự ảnh hưởng nào của các yếu tố về thuế và đòn bẩy. Tỷ số này dường như đặc biệt phù hợp với các nghiên cứu về dự báo vỡ nợ doanh nghiệp. Altman (1968) đã cho rằng tỷ số này được chứng minh là nhân tố đóng góp quan trọng nhất đối với hiệu quả phân tích khác biệt của mô hình. Tỷ lệ GTSS của vốn CSH trên GTSS của tổng nợ hoặc X4, là yếu tố đóng góp quan trọng thứ ba. Tỷ số này là một thước đo giá trị thuần cho cả các khoản nợ ngắn hạn và dài hạn. Tỷ lệ này chiếm 22,4% hiệu quả phân tích khác biệt của mô hình.

+ Mô hình dự báo của Deakin (1972)

Công trình nghiên cứu về dự báo vỡ nợ doanh nghiệp đã được Deakin lần đầu

thực hiện vào năm 1972. Trước đó đã có nhiều nghiên cứu sau này lặp lại các công trình nghiên cứu về vỡ nợ doanh nghiệp. Ví dụ, từ khi mô hình của Beaver (1966) có khả năng dự báo nhiều hơn mô hình của Altman (1968) trong năm trước năm vỡ nợ. Deakin (1972) đã đề xuất một mô hình dự báo vỡ nợ doanh nghiệp. Trong nghiên cứu này, Deakin đã lặp lại công trình của Beaver (1966) với 14 tỷ số với mức độ dự báo chính xác nhất. Ông đã cải thiện sự chính xác của mô hình Altman với 14 tỷ số mà Beaver đã xác định. Ông cũng sử dụng quy tắc phân loại xác suất hơn là quy tắc giá trị. Ông đã lựa chọn 32 doanh nghiệp vỡ nợ sản từ năm 1964 đến năm 1970 và lựa chọn ngẫu nhiên nhóm doanh nghiệp không vỡ nợ nhưng được phù hợp bởi ngành, năm và quy mô tài sản từ Moody's Industrial Manual. Ông có thể lặp lại kết quả của Beaver là sử dụng phân tích đơn biến. Sự phân loại của Beaver và Deakin sử dụng tỷ lệ tiền trên tổng nợ có kết quả tương tự nhau. Deakin nhận thấy rằng tiền trên tổng nợ là biến đơn tốt nhất cho các doanh nghiệp vỡ nợ và không vỡ nợ trong 5 năm trước vỡ nợ. Sau đó, ông đã thực hiện phương pháp phân tích đa khác biệt. 14 tỷ số tài chính sử dụng trong nghiên cứu của Beaver đã trở thành đầu vào cho chương trình phân tích khác biệt. Ông đã đạt được độ chính xác cao hơn nhiều so với việc lặp lại nghiên cứu của Beaver. Mô hình của Deakin có tỷ lệ lỗi lần lượt là 3,1%, 4,7% và 4,7% cho ba năm đầu tiên trước vỡ nợ. Tuy nhiên, các tỷ lệ lỗi đã tăng lên lần lượt là 20,3% và 17,2% trong năm thứ tư và năm thứ năm. Ông kết luận rằng việc ứng dụng các kỹ thuật thống kê như phân tích khác biệt có thể được sử dụng để dự báo vỡ nợ doanh nghiệp cách ba năm trước vỡ nợ với độ chính xác cao. Kết quả này dường như là sự cải thiện hơn mô hình của Altman (1968) - vốn chỉ có thể dự báo chính xác trong hai năm đầu tiên trước vỡ nợ. Tuy nhiên, mô hình này đã được xác nhận bởi một mẫu mới gồm 11 doanh nghiệp vỡ nợ và 23 doanh nghiệp không vỡ nợ được lựa chọn ngẫu nhiên. Deakin (1972) đã phân loại chính xác 78% số doanh nghiệp thành hai nhóm vỡ nợ và không vỡ nợ cho năm đầu tiên trước vỡ nợ. Tính chính xác tăng lên đến 94%, 88%, 77% và 85% từ năm thứ hai tới năm thứ năm trước vỡ nợ. Ông đã kết luận rằng ứng dụng phân tích khác biệt có thể được sử dụng để dự báo vỡ nợ doanh nghiệp với độ chính xác tương đối cao.

Trong nghiên cứu năm 1977, Deakin đã sử dụng một nhóm năm biến tài chính để xem xét khả năng dự báo phá sản của mô hình. Các tỷ số này (các biến) là phân tích nhân tố, được đưa ra bởi Libby (1975). Năm biến tài chính bao gồm: LN ròng/ TTS; TSNH/TTS; Tiền/TTS; TSNH/Nợ ngắn hạn; DT/TSNH. Mục đích chính của Deakin là cung cấp dấu hiệu về tần số và tính chất của việc phân loại sai các công ty không vỡ nợ. Trong nghiên cứu này, Deakin đã định nghĩa thất bại của doanh nghiệp là vỡ nợ,

tính thanh khoản, và sự tổ chức lại. Một mẫu gồm 63 doanh nghiệp vỡ nợ bao gồm 32 doanh nghiệp từ nghiên cứu năm 1972 của ông và 31 doanh nghiệp từ danh sách các doanh nghiệp vỡ nợ trong năm 1970 và 1971 được đưa ra bởi Altman năm 1971. Một mẫu gồm 80 doanh nghiệp không vỡ nợ được lựa chọn trên cơ sở ngẫu nhiên nhưng phù hợp theo năm lấy số liệu. Số liệu cho các mẫu này được thu thập từ Moody's Industrial Manual trong hai năm trước vỡ nợ. Deakin đã chỉ ra rằng tỷ lệ phân loại trong mô hình của ông đã sử dụng cả phương pháp phân tích khác biệt tuyến tính (Linear discriminant analysis - LDA) và phân tích biệt thức bậc hai (Quadratic discriminant analysis - QDA). Các biến và hệ số hồi quy của mô hình phân loại tuyến tính của Deakin (1977) đã phân loại dự báo vỡ nợ như sau:

I = - 1,369 + 13,855X1 + 0,060X2 - 0,601X3 + 0,3 96X4 + 0,194X5

Trong đó: I = Chỉ số tổng hợp X1 = LN ròng/TTS

X2 = TSNH /TTS

X3 = Tiền/TTS X4 = TSNH/NNH X5 = DT/TSNH

Các kết quả đã chỉ ra rằng mô hình tuyến tính có tỷ lệ phân loại cao, nhưng lại cho ra kết quả tỷ lệ phân loại thấp hơn cho các doanh nghiệp bị vỡ nợ. Ông đã chấp nhận những quy tắc quyết định sau để sử dụng trong nghiên cứu này: (i) phân loại là doanh nghiệp vỡ nợ nếu cả mô hình tuyến tính và mô hình bậc hai đều cho ra kết quả phân loại là vỡ nợ; (ii) phân loại là không vỡ nợ nếu cả mô hình tuyến tính và mô hình bậc hai đều cho ra kết quả phân loại là không vỡ nợ; (iii) phân tích kỹ hơn nếu các mô hình này cho ra kết quả mâu thuẫn nhau. Ông cho rằng loại quy trình ra quyết định như vậy làm tối thiểu hóa tỷ lệ tổng thể phân loại sai, mặc dù kích cỡ nhóm được nghiên cứu là không được kiểm soát và có thể quá lớn. Sau đó, Deakin xác nhận mô hình năm biến trên mẫu gồm 1.780 doanh nghiệp cho năm tài chính 1971. Số liệu được thu thập từ 1.800 hồ sơ của COMPUSTAT. Điều này dẫn đến 290 công ty hay 16,3% được phân loại là nhóm thất bại, trong khi 173 công ty hay 9,7% không được phân loại vì các kết quả phân loại từ hai mô hình tuyến tính và bậc hai mâu thuẫn, và 1.317 doanh nghiệp hay 74% được phân loại vào nhóm không vỡ nợ. Để xác định mức độ chính xác của những kết quả này, ông đã xem xét lịch sử tài chính của 290 doanh nghiệp được dự báo là vỡ nợ và 100

Xem tất cả 186 trang.

Ngày đăng: 09/12/2022