Yếu Tố Về Các Chỉ Tiêu Tài Chính Của Doanh Nghiệp

Nhằm đảm bảo nguyên tắc khách quan và phản ánh sát thực nhất khả năng trả nợ của doanh nghiệp, thì khi thực hiện xếp hạng tín dụng doanh nghiệp thì vấn đề về độ tin cậy của nguồn thông tin tín dụng cần phải được xem xét kỹ lưỡng, bởi chỉ có như vậy chúng ta mới có được một kết quả xếp hạng có độ tin cậy cao nhất và có ý nghĩa nhất. Đồng thời đối với doanh nghiệp, khi xếp hạng có hai nhóm thông tin mà chúng ta phải quan tâm đó là nhóm thông tin tài chính và nhóm thông tin phi tài chính. Sau đây em muốn hệ thống lại các vấn đề cần xem xét khi xếp hạng tín dụng doanh nghiệp như sau:

1.2.2.1. Yếu tố về các chỉ tiêu tài chính của doanh nghiệp

Việc đánh giá yếu tố tài chính của doanh nghiệp dựa trên phương pháp định lượng qua việc phân tích báo cáo tài chính năm gần nhất. Các nhóm chỉ tiêu tài chính được xem xét gồm: Nhóm chỉ tiêu thanh khoản, nhóm chỉ tiêu hoạt động, nhóm chỉ tiêu cân nợ, và nhóm chỉ tiêu thu nhập. Các chỉ tiêu tài chính được thể hiện dưới bảng sau:

Bảng 1.2 Các chỉ tiêu tài chính dùng trong XHTD


ST T


Chỉ tiêu


Công thức tính


Ý nghĩa chỉ tiêu

I

Chỉ tiêu thanh khoản



1

Khả năng thanh toán hiện hành

= Tài sản ngắn hạn/ Nợ ngắn hạn

Đánh giá khả năng trả nợ ngắn hạn của DN từ tài sản ngắn hạn.


2


Khả năng thanh toán nhanh

= (Tài sản ngắn hạn

– Hàng tồn kho)/ Nợ ngắn hạn

Đánh giá khả năng thanh khoản đối với các khoản nợ ngắn hạn của DN bằng tài sản ngắn hạn, không kể hàng tồn kho.


3

Khả năng thanh toán tức thời

= Tiền và các khoản tương đương tiền/ Nợ ngắn hạn

Đánh giá khả năng thanh toán tức thời của DN bằng tiền và các khoản tương đương tiền


II

Chỉ tiêu hoạt động




4


Vòng quay vốn lưu động


= Doanh thu thuần/ Tài sản ngắn hạn bình quân

Đánh giá hiệu suất sử dụng tài sản lưu động của DN, cụ thể là cứ 1 đơn vị tài sản lưu động sử dụng trong kỳ DN tạo ra bao nhiêu đơn vị doanh thu thuần

5

Vòng quay hàng

= Giá vốn hàng bán/ Hàng tồn kho bình

Đánh giá hàng tồn kho quay được bao nhiêu vòng trong một chu kỳ

Có thể bạn quan tâm!

Xem toàn bộ 117 trang tài liệu này.

Ứng dụng mô hình Logit nhằm nâng cao chất lượng xếp hạng tín dụng doanh nghiệp tại ngân hàng quốc tế chi nhánh Hoàn Kiếm - 4

tồn kho

quân

kinh doanh để tạo ra doanh thu


6

Vòng quay các khoản phải thu

= Doanh thu thuần/ Các khoản phải thu bình quân

Đánh giá hiệu quả trong việc quản lý các khoản phải thu của DN


7

Hiệu suất sử dụng tài sản cố định

= Doanh thu thuần/ Giá trị còn lại của TSCĐ bình quân

Đánh giá hiệu quả sử dụng tài sản cố định của DN, cụ thể là cứ 1 đơn vị TSCĐ sử dụng trong kỳ có thể tạo ra bao nhiêu đơn vị doanh thu


8


Vòng quay các khoản phải trả

= (Giá vốn hàng bán+hàng tồn kho cuối kỳ - hàng tồn kho đầu kỳ)/ Các khoản phải trả bình quân


Chỉ số này cho biết doanh nghiệp đã sử dụng chính sách tín dụng của nhà cung cấp như thế nào.

III

Chỉ tiêu cân nợ



9

Tổng nợ phải trả/ Tổng tài sản

= Tổng nợ phải trả/ Tổng tài sản

Chỉ tiêu này cho biết cơ cấu nợ phải trả trong tổng tài sản của DN

10

Nợ dài hạn/ Vốn chủ sở hữu

= Nợ dài hạn/ Vốn chủ sở hữu

Tỷ trọng này đánh giá việc cân đối giữa nợ dài hạn và vốn chủ sở hữu.


IV

Chỉ tiêu thu nhập




11

Lợi nhuận gộp/ Doanh thu thuần

= Lợi nhuận gộp từ bán hàng và cung cấp dịch vụ/ Doanh thu thuần

Chỉ tiêu này cho biết hiệu quả kinh doanh của DN, cứ 1 đơn vị doanh thu thuần trong kỳ thì tạo ra bao nhiêu đơn vị lợi nhuận gộp.


12

Lợi nhuận từ hoạt động kinh doanh (không bao gồm hoạt động tài chính)/ Doanh thu thuần

= (Lợi nhuận thuần từ hoạt động kinh doanh - Thu nhập thuần từ hoạt động tài chính + Chi phí cho hoạt động tài chính)/ Doanh thu thuần


Chỉ tiêu này cho biết cứ 1 đơn vị doanh thu thuần thu được trong kỳ tạo ra bao nhiêu đơn vị lợi nhuận từ hoạt động kinh doanh, không bao gồm lợi nhuận từ hoạt động tài chính.


13


Lợi nhuận sau thuế/ Vốn chủ sở hữu bình quân


= Lợi nhuận sau thuế/Vốn chủ sở hữu bình quân

Chỉ tiêu này cho biết cứ 1 đơn vị vốn chủ sở hữu bình quân đầu tư vào sản xuất kinh doanh trong kỳ thì tạo ra bao nhiêu đơn vị lợi nhuận sau thuế. Chỉ tiêu này càng cao chứng tỏ hiệu quả sử dụng vốn chủ sở hữu của DN càng cao.


14

Lợi nhuận sau thuế/ Tổng tài sản bình quân

= Lợi nhuận sau thuế/ Tổng tài sản bình quân

Chỉ tiêu này cho biết cứ 1 đồng tổng tài sản bình quân sử dụng trong kỳ tạo ra bao nhiêu đồng lợi nhuận sau




thuế. Chỉ tiêu này càng cao thể hiện hiệu quả sử dụng tổng tài sản của DN càng cao.


15

(Lợi nhuận trước thuế và Chi phí lãi vay)/ Chi phí lãi vay


= (Lợi nhuận trước thuế + Chi phí lãi vay)/ Chi phí lãi vay

Chỉ tiêu này cho biết hiệu quả sử dụng đòn cân nợ của DN , cứ 1 đơn vị chi phí lãi vay bỏ ra trong kỳ tạo ra bao nhiêu đơn vị lợi nhuận trước thuế và lãi vay.

Nguồn : Sổ tay hướng dẫn XHTD của ngân hàng Quốc tế


1.2.2.2. Yếu tố về các chỉ tiêu phi tài chính của doanh nghiệp

Các yếu tố phi tài chính được đánh giá bằng phương pháp định tính và định lượng. Các nhóm chỉ tiêu phi tài chính được xem xét gồm:

Khả năng trả nợ của doanh nghiệp: Các chỉ tiêu này gồm các chỉ tiêu như:

- Doanh thu dự kiến, thu nhập thuần sau thuế dự kiến: được ước lượng trên kế hoạch kinh doanh trong năm tới, tốc độ tăng trưởng trung bình thực tế của thu nhập thuần trong 3 năm gần đây.

- Chi phí khấu hao dự kiến, tiền và tương đương tiền, các khoản phải thu, hang tồn kho có thể chuyển đổi thành tiền trong thời gian ngắn, các khoản phải trả…

- Tổng dư nợ bình quân trong vòng 12 tháng gần nhất tại tất cả các ngân hàng, vốn vay trung và dài hạn đến hạn trả dự kiến, tỷ lệ tài trợ vốn ngắn hạn…

Trình độ quản lý và môi trường nội bộ doanh nghiệp: Số năm kinh nghiệm của người quản lý, uy tín và tư cách người quản lý, trình độ người quản lý, số năm hoạt động của doanh nghiệp, văn hóa doanh nghiệp,…

Quan hệ với Ngân hàng: Số năm quan hệ tín dụng với ngân hàng, Mức độ uy tín đối với ngân hàng…

Các nhân tố ảnh hưởng đến ngành: Tốc độ phát triển ngành, tác động của chính sách của Chính phủ đến phát triển ngành…

Các nhân tố ảnh hưởng đến hoạt động của doanh nghiệp.

1.2.2.3. Yếu tố về độ tin cậy của nguồn thông tin tín dụng

Nguồn lấy thông tin về KH: Đối với doanh nghiệp có hai loại thông tin đó là thông tin tài chính và thông tin phi tài chính.

- Thông tin tài chính thì được lấy từ các báo cáo tài chính và hồ sơ tài chính của doanh nghiệp. Báo cáo tài chính gồm: Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh, Báo cáo lưu chuyển tiền tệ và Thuyết minh báo cáo tài chính.

Đối với những báo cáo tài chính này, chúng ta có được từ KH cung cấp. Các báo cáo đó có thể được kiểm toán hoặc không được kiểm toán. Đối với những báo cáo được kiểm toán chấp nhận toàn phần, thì báo cáo đó là nguồn thông tin đáng tin cậy và chính xác đối với nhà xếp hạng. Đối với các báo cáo tài chính không được kiểm toán, hoặc không được kiểm toán chấp nhận toàn phần thì mức độ tin cậy thấp hơn. Để đảm bảo được tính chính xác của các thông tin trong báo cáo, chúng ta có thể sử dụng các hồ sơ tài chính khác để kiểm tra tính chính xác của báo cáo đó. Các hồ sơ tài chính khác có thể gồm: Báo cáo kê khai thuế hàng tháng, báo cáo quyết toán thuế hàng quý, hàng năm. Các hợp đồng kinh tế trong năm, hóa đơn đầu ra, đầu vào của doanh nghiệp…

- Nguồn thông tin phi tài chính: thông tin phi tài chính được tổng hợp từ tiếp xúc trực tiếp với KH, từ điều tra của cán bộ tín dụng đối với KH, từ nguồn thông tin nội bộ của ngân hàng, từ các nguồn thông tin bên ngoài như: báo chí, internet, từ các công ty quan hệ với KH…

1.2.3. Phương pháp xếp hạng tín dụng

Mục đích XHTD là dự đoán những KH có khả năng rủi ro cáo chứ không nhằm lý giải tại sao họ phá sản, hay tìm câu trả lời cho giả thuyết về mối quan hệ giữa khả năng phá sản với các biến số kinh tế xã hội. Các phương pháp XHTD hiện đại bao gồm những phương pháp nghiên cứu thống kê dựa trên sự hồi quy và cây phân loại còn được gọi là thuật toán đệ quy phân định; hoặc phương pháp vận trù học dựa trên toán học để giải quyết các bài toán tài chính bằng quy hoạch tuyến tính, qua đó nhà quản trị có được quyết định hợp lý cho các hành động trong hiện tại và tương lai.

1.2.3.1.Phương pháp chuyên gia (analyst driven ratings)

Một cách tổng quát, các tổ chức xếp hạng tín nhiệm sẽ phân công một nhà phân tích đứng đầu, kết hợp với một đội ngũ chuyên gia để đánh giá khả năng thanh toán nợ của đối tượng cần xếp hạng. Các nhà phân tích sẽ tìm kiếm thông tin trong các báo cáo của công ty, thông tin thị trường và cả thông tin từ phỏng vấn hay thảo luận với ban quản trị công ty. Họ sử dụng những thông tin đó để đánh giá tình trạng tài chính, hoạt động kinh doanh, chính sách và các chiến lược quản trị rủi ro của toàn công ty, từ đó đưa ra hạng mức tín nhiệm cho công ty. Quá trình áp dụng phương pháp chuyên gia có thể chia thành ba giai đoạn lớn.

Lựa chọn chuyên gia

Trưng cầu ý kiến chuyên gia

Thu thập và xử lý các đánh giá dự báo

Phương pháp chuyên gia dựa trên cơ sở đánh giá tổng kết kinh nghiệm và khả năng phản ánh tương lai một cách tự nhiện của các chuyên gia giỏi và xử lý thống kê các câu trả lời một cách khoa học. Nhiệm vụ của phương pháp là đưa ra những dự báo khách quan về tình hình hiện tại và tương lai phát triển của một lĩnh vực khoa học dựa trên việc xử lý có thống thống các đánh giá dự báo của các chuyên gia.

1.2.3.2. Phương pháp xếp hạng tín dụng theo mô hình toán học

Nội dung: XHTD theo mô hình toán học là phương pháp khoa học kết hợp sử dụng dữ liệu nghiên cứu thống kê và áp dụng mô hình toán học để phân tích, tính điểm cho các chỉ tiêu đánh giá trong mô hình một biến hoặc đa biến. Các chỉ tiêu sử dụng trong XHTD được lập theo nhóm bao gồm chỉ tiêu tài chính và chỉ tiêu phi tài chính.

Trong quá trình XHTD, sử dụng các thủ tục thống kê đòi hỏi việc đưa ra các giả thuyết liên quan tới tiêu chuẩn khả năng đảm bảo trả nợ. Những giả thuyết này xem xét đến khả năng đảm bảo trả nợ của doanh nghiệp là cao, thấp hơn khả năng trả nợ trung bình của những doanh nghiệp có khả năng trả nợ so với những KH không có khả năng trả nợ. Những thông tin về khả năng trả nợ của mỗi cá nhân đề được thực hiện thông qua bộ số liệu thực nghiệm, những giả thuyết này có thể bị bác bỏ hoặc được chấp nhận một cách phù hợp.

Khi các thủ tục thống kê được sử dụng, thì sự lựa chọn và xác định trọng số trong những nhân tố có ảnh hưởng đến khả năng trả nợ của doanh nghiệp được tiến hành một các khách quan, từ những thông tin sẵn có về khả năng trả nợ. Trong quá trình này, sự lựa chọn và xác định trọng số được tiến hành chính xác bằng phương pháp tích thích hợp. Vì vậy, KH có khả năng trả nợ hay không, sẽ được phân loại trong bộ dữ liệu thực nghiệm một cách tối ưu nhất.

Sự phù hợp của mô hình thống kê, phụ thuộc rất lớn vào chất lượng của bộ dữ liệu thực nghiệm. Thứ nhất, phải đảm bảo bộ số liệu là đủ lớn và thỏa mãn các giả thuyết về mặt thống kê. Thứ hai, đảm bảo rằng dữ liệu sử dụng phản ánh chính xác lĩnh vực mà tổ chức tín dụng có kế hoạch sử dụng mô hình. Nếu không thỏa mãn,

việc phát triển mô hình xếp hạng thống kê sẽ chỉ phân loại chính xác đối với bộ dữ liệu thực nghiệm, nhưng không đưa ra được kết luận đáng tin cậy đối với tổng thế.

Ưu điểm của mô hình điểm số:

- Xác định mức ảnh hưởng của các nhân tố đến rủi ro tín dụng

- So sánh mức độ quan trọng giữa các nhân tố

- Cải thiện việc định giá rủi ro tín dụng

- Có căn cứ chính xác hơn trong việc sàng lọc, lựa chọn các đơn đề nghị vay vốn

- Tính toán chính xác hơn mức dự trữ cần thiết cho các rủi ro tín dụng dự tính Trong thực tế, tùy thuộc vào phương pháp mô hinh điểm số mà ta có thể tiếp cận

theo các mô hình sau:

Mô hình phân tích phân biệt:

Mô hình phân tích phân biệt được xây dựng trên cơ sở phương pháp DA (Discriminent Analise). Mục tiêu chung của DA trong XHTD là phân biệt giữa doanh nghiệp có nguy cơ không trả được nợ là có khả năng trả nợ một cách khách quan, chính xác nhất, bằng việc sử dụng hàm phân biệt, trong đó biến số là các chỉ tiêu tài chính của doanh nghiệp. Mục tiêu chính là tìm một hệ thống các tổ hợp tuyến tính của các biến nhằm phân biệt tốt nhất các biến, các cá thể trong mỗi nhóm gần nhau nhất và các nhóm được phân biệt tốt nhất (xa nhau nhất).

Giả thuyết của mô hình:

- Giả thiết 1: kích thước mẫu của mỗi nhóm phải lớn hơn số biến độc lập hay biến dự báo và phải đủ lớn. Số biến độc lập lớn nhất là (n – 2) trong đó n là kích thước mẫu.

- Giả thiết 2: Các biến độc lập có phân phối chuẩn.

- Giả thiết 3: Ma trận hiệp phương sai là thuần nhất.

- Giả thiết 4: Giữa các biến độc lập không có quan hệ tuyến tính.

Nhận xét:

Trong thực hành mô hình phân tích phân biệt được vận dụng khá nhiều trong XHTD (đã được ứng dụng vào những năm 1930). Tuy nhiên, nếu dữ liệu là định tính thì việc áp dụng DA là không thể thực hiện được. Mô hình này chỉ thực sự phù hợp cho việc phân tích số liệu là các chỉ tiêu tài chính. Khi đánh giá tính thích hợp của mô hình DA thì điều cần thiết là việc kiểm định xem nó có thỏa mãn các giả thiết

toán học không, đặc biệt là tính phân phối chuẩn của các nhân tố liên quan tới khả năng trả nợ. Nếu giả thiết về tính phân phối chuẩn không được thỏa mãn, thì kết quả mô hình là không tối ưu và ít có ý nghĩa trong sử dụng cũng như đạt được sự công nhận.

Một lợi thế của việc sử dụng mô hình phân tích phân biệt so với thủ tục phân loại khác là hàm phân biệt có dạng tuyến tính và hệ số riêng được diễn tả bằng thuật ngữ kinh tế

Mô hình Logit và Probit: Mô hình Logit:

Mô hình Logit nghiên cứu sự phụ thuộc của một biến nhị phân vào các biến độc lập khác. Mục tiêu của các mô hình này là sử dụng những nhân tố có ảnh hưởng đến khả năng đảm bảo trả nợ (biến độc lập) để xác định khả năng trả được nợ (biến phụ thuộc) của cá nhân này là bao nhiêu. Nghĩa là, mô hình Logit có thể ước lượng xác suất một cá nhân có trả được nợ là bao nhiêu trực tiếp từ mẫu. Trong XHTD cá nhân người ta thường sử dụng mô hình Logit để thể hiện mối quan hệ này.

Cấu trúc của dữ liệu trong mô hình như sau:


BIẾN

LOẠI

Phụ thuộc

Nhị Phân

Độc lập

Liên tục hoặc rời rạc

Mô hình Probit

Cấu trúc dữ liệu cũng tương tự như mô hình Logit, mô hình này cũng ước lượng được xác suất trả nợ của doanh nghiệp. Trong mô hình Probit, chúng ta có giả thiết sai số ngẫu nhiên có sai số chuẩn hóa: 𝜀𝑖 ~𝑁(0,1)

𝛽1+𝛽2𝑋2𝑖+...+𝛽𝑘𝑋𝑘𝑖

1 𝑡2

𝑃𝑖 = 𝑃(𝑌𝑖 = 1) = 𝐹(𝛽1 + 𝛽2𝑋2𝑖 +. . . +𝛽𝑘 𝑋𝑘𝑖 ) = ∫

−∞

𝑒 2 𝑑𝑡

√2𝜋

Trong đó F là hàm phân phối xác suất tích lũy 𝜀𝑖

Khi đó hàm hợp lý có dạng:

𝑛

𝐿 = ∏ 𝐹( 𝛽1 + 𝛽2𝑋2𝑖 +. . . +𝛽𝑘 𝑋𝑘𝑖 )𝑌𝑖 (1 − 𝐹(𝛽1 + 𝛽2𝑋2𝑖 +. . . +𝛽𝑘𝑋𝑘𝑖 ))1−𝑌𝑖

𝑖=1

Việc ước lượng các tham số trong mô hình, chúng ta có thể thực hiện được nhờ máy tính bằng sử dụng phần mềm thống kê.

Nhận xét mô hình Logit và Probit:

Xác suất (P) đại diện cho sự kết hợp tuyến tính của các nhân tố đưa vào mô hình xếp hạng. Sự khác nhau trong giả thiết giữa mô hình Logit và Probit là mô hình Logit giả định hạng nhiễu phân phối chuẩn logistic, trong khi Probit giả định hạng nhiễu phân phối chuẩn thông thường. Tuy nhiên, sự khác biệt giữa Logit và Probit không đáng kể và không có ý nghĩa về mặt thống kê. Charles M. Friel trong nghiên cứu "Linear probability response models: Probit and Logit" đã chỉ ra vấn đề này.

Như những phương pháp khác, mô hình Logit và Probit cũng được sử dụng trong tất cả các phần XHTD. Trong quá trình sử dụng mô hình này không đòi hỏi các giả thuyết về những nhân tố liên quan tới khả năng trả nợ dù là định tính hay định lượng đều có thể được xử lý mà không gặp phải bất cứ một vấn đề nào. Tuy nhiên, trong quá trình xử lý dữ liệu, đòi hỏi phải có một số lượng dữ liệu đủ lớn cho mỗi phạm trù trong số liệu thống kê, đặc biệt là số liệu về các doanh nghiệp không trả được nợ.

Ưu điểm của mô hình Logit và Probit so với các mô hình khác là kết quả của nó có thể cung cấp trực tiếp được xác suất cá nhân có khả năng trả nợ là bao nhiêu.

Mô hình Logit có một số lợi ịch hơn so với mô hình DA

- Thứ nhất, mô hình Logit không đòi hỏi các nhân tố đầu vào phân phối chuẩn;

- Thứ hai, kết quả của mô hình hồi quy Logit có thể tính được trực tiếp xác suất của nhóm tham gia;

- Thứ ba, mô hình hồi quy Logit thường cho kết quả chính xác hơn mô hình DA. Những năm gần đây, mô hình này được sử dụng nhiều trong nghiên cứu lý thuyết và thực tế

Phương pháp tiếp cận lân cận gần nhất K và mạng Neutral

Machine learning (nhiều tác giả dịch là "học máy") là một lĩnh vực của trí tuệ nhân tạo mà nó liên quan đến thiết kế và phát triển các thuật toán cho phép cải thiện khả năng thực thi các chức năng dựa trên cơ sở dữ liệu. Mục tiêu chính trong nghiên cứu machine learning là đưa ra những mô hình có kết quả được tạo ra một cách tự động từ những quy luật hay kiểu mẫu từ dữ liệu. Do đó, các mô hình này đòi hỏi phải có dữ liệu đầu vào lớn. Các nhóm thuật toán trong machine learning gồm supervised learning, unsupervised learning, semi-supervised learning, reinforcement learning,

Xem tất cả 117 trang.

Ngày đăng: 17/05/2023
Trang chủ Tài liệu miễn phí