DANH MỤC HÌNH
Hình 3.1. Quy trình nghiên cứu 32
Hình 4.1. Biểu đồ tần suất giá trị Z-score 38
Hình 4.2. Biểu đồ tần suất giá trị X1 38
Hình 4.3. Biểu đồ tần suất giá trị X2 39
Hình 4.4. Biểu đồ tần suất giá trị X3 39
Hình 4.5. Biểu đồ tần suất giá trị X4 40
Hình 4.6. Biểu đồ tần suất giá trị H-score 42
Hình 4.7. Biểu đồ tần suất giá trị V1 43
Có thể bạn quan tâm!
-
Ứng dụng mô hình Z-score và Hscore trong dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam - 1 -
Cơ Sở Lý Luận Về Phá Sản Doanh Nghiệp Và Mô Hình Dự Báo Phá Sản Doanh Nghiệp -
Ứng dụng mô hình Z-score và Hscore trong dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam - 4 -
Tổng Quan Các Nghiên Cứu Về Các Mô Hình Dự Báo Khả Năng Phá Sản Của Doanh Nghiệp
Xem toàn bộ 102 trang tài liệu này.
Hình 4.8. Biểu đồ tần suất giá trị V2 43
Hình 4.9. Biểu đồ tần suất giá trị V3 44
Hình 4.10. Biểu đồ tần suất giá trị V4 44
Hình 4.11. Biểu đồ tần suất giá trị V5 45
Hình 4.12. Biểu đồ tần suất giá trị V6 45
Hình 4.13. Biểu đồ tần suất giá trị V7 46
Hình 4.14. Biểu đồ tần suất giá trị V8 46
Hình 4.15. Biểu đồ tần suất giá trị V9 47
Hình 4.16. Tăng trưởng doanh thu của các doanh nghiệp bất động sản niêm yết 52
Hình 4.17. Tăng trưởng lợi nhuận gộp của các doanh nghiệp bất động sản niêm yết
...................................................................................................................................53
Hình 4.18. Biên lợi nhuận gộp của các doanh nghiệp bất động sản niêm yết 54
Hình 4.19. Vòng quay hàng tồn kho và xây dựng cơ bản dở dang của các doanh nghiệp bất động sản niêm yết 54
Hình 4.20. Kết quả Z-score trung bình từng năm trong giai đoạn 2017-2020 58
Hình 4.21. Kết quả H-score trung bình từng năm trong giai đoạn 2017-2020 58
DANH MỤC BẢNG
Bảng 3.1. Bảng các tiêu chí chọn mẫu nghiên cứu 31
Bảng 3.2. Độ chính xác của mô hình Z-score 34
Bảng 4.1. Bảng thống kê mô tả các biến mô hình Z-score 37
Bảng 4.2. Bảng tương quan giữa các biến mô hình Z-score 40
Bảng 4.3. Bảng thống kê mô tả các biến mô hình H-score 41
Bảng 4.4. Bảng tương quan giữa các biến mô hình H-score 47
Bảng 4.5. Một số chỉ tiêu đóng góp của ngành bất động sản 48
Bảng 4.6. Tác động của ngành bất động sản đến một số ngành khác 49
Bảng 4.7. Quy mô vốn hóa các ngành trên sàn HOSE 49
Bảng 4.8. Số lượng các dự án bất động sản được cấp phép năm 2020 và 2021 50
Bảng 4.9. Số lượng các dự án bất động sản hoàn thành năm 2020 và 2021 51
Bảng 4.10. Dư nợ tín dụng bất động sản năm 2021 51
Bảng 4.11. Kết quả dự báo phá sản của mô hình Z-score và H-score 55
Bảng 4.12. Kết quả Z-score phân loại theo quy mô tài sản của doanh nghiệp 56
Bảng 4.13. Kết quả H-score phân loại theo quy mô tài sản của doanh nghiệp 56
Bảng 4.14. Kết quả Z-score phân loại theo giá thị trường của cổ phiếu 57
Bảng 4.15. Kết quả H-score phân loại theo giá thị trường của cổ phiếu 57
Bảng 4.16. Kết quả Z-score của các công ty nằm trong vùng phá sản 59
Bảng 4.17. Kết quả H-score của các công ty nằm trong vùng phá sản 60
Bảng 4.18. ROA của một số công ty có kết quả dự báo phá sản trong giai đoạn 2017-2020 61
Bảng 4.19. Bảng ma trận nhầm lẫn theo Z-score 62
Bảng 4.20. Bảng ma trận nhầm lẫn theo H-score 62
Bảng 4.21. Bảng tổng hợp độ chính xác của 2 mô hình 63
Bảng 4.22. Kết quả kiểm định Z-Test với mức ý nghĩa 5% 64
Bảng 5.1. Tỷ lệ nợ phải trả trên tổng tài sản của một số công ty bất động sản giai đoạn 2017-2020 69
TÓM TẮT KẾT QUẢ NGHIÊN CỨU CỦA LUẬN VĂN
Luận văn áp dụng mô hình Z-score và mô hình H-score để dự báo phá sản cho các doanh nghiệp bất động sản niêm yết tại Việt Nam. Nghiên cứu này sử dụng mẫu bao gồm 56 công ty trong lĩnh vực bất động sản niêm yết trên thị trường chứng khoán Việt Nam tại Sở giao dịch chứng khoán thành phố Hồ Chí Minh và Sở giao dịch chứng khoán Hà Nội trong giai đoạn 2017-2020. Kết quả nghiên cứu cho thấy rằng, có sự khác biệt về khả năng dự báo phá sản giữa mô hình Z-score và mô hình H-score. Mô hình H-score có độ chính xác cao hơn với tỷ lệ 99,11%, còn mô hình Z-score có độ chính xác là 63,84%. Cả 2 mô hình đều dự báo nhóm doanh nghiệp có giá cổ phiếu trên thị trường nhỏ hơn mệnh giá có nguy cơ phá sản cao hơn nhóm doanh nghiệp có giá cổ phiếu trên thị trường lớn hơn mệnh giá. Các yếu tố ảnh hưởng lớn đến khả năng phá sản của doanh nghiệp là lợi nhuận, vốn lưu động và đòn bẩy tài chính. Các công ty nằm trong vùng nguy hiểm, được dự báo phá sản có đặc điểm chung là tình hình tài chính kém lành mạnh, bị âm lợi nhuận, âm vốn lưu động hoặc sử dụng đòn bẩy tài chính không hợp lý. Từ đó, tác giả đưa ra một số kiến nghị dành cho các nhà quản lý doanh nghiệp, nhà đầu tư và các tổ chức tài chính.
CHƯƠNG 1: GIỚI THIỆU CHUNG
1.1. Tính cấp thiết của đề tài
Theo Trung tâm thông tin Kinh tế - Xã hội Quốc gia và Bộ Kế hoạch và Đầu tư, làn sóng phá sản của các công ty lớn trên thế giới đã hình thành từ giữa năm 2020, khi đại dịch Covid-19 ảnh hưởng đến hầu hết các quốc gia lớn trên thế giới. Euler Hermes (tháng 7/2020) dự đoán rằng tỷ lệ phá sản sẽ tăng lên 35% từ năm 2019 đến năm 2021. Trong số các cường quốc kinh tế trên thế giới, Mỹ sẽ bị ảnh hưởng nặng nề vì số lượng doanh nghiệp phá sản dự kiến sẽ tăng lên 57% vào năm 2021 so với năm 2019, trước khi đại dịch Covid-19 xảy ra.
Các vụ phá sản cũng dự kiến sẽ tăng 45% ở Brazil, 43% ở Anh và 41% ở Tây Ban Nha, trong khi ở Trung Quốc, nơi đại dịch bùng phát, số vụ phá sản dự kiến sẽ tăng 20%. Trong một số ngành cụ thể như hàng không, du lịch, khách sạn, bán lẻ… các báo cáo nghiên cứu đã đề cập đến việc các doanh nghiệp trong các ngành này sẽ phải gánh chịu hậu quả nặng nề của đại dịch Covid-19. Năm 2020, có 236 doanh nghiệp với khoản nợ trên 50 triệu USD đã nộp đơn xin bảo hộ phá sản trên tất cả các lĩnh vực của nền kinh tế. Đây là mức cao nhất kể từ năm 2009, khi có 281 hồ sơ.
Phá sản là một vấn đề nghiêm trọng vì nó tạo ra thảm họa cho nhiều bên bao gồm các chủ nợ, nhà đầu tư, chủ doanh nghiệp, nhân viên, khách hàng và lan rộng ảnh hưởng đến toàn bộ nền kinh tế. Chủ nợ và nhà đầu tư mất tài chính, nhân viên mất việc làm và khách hàng có thể mất tiền, đặc biệt là khách hàng của các công ty bất động sản thường thanh toán trước. Nói cách khác, phá sản không chỉ riêng doanh nghiệp bị tổn thất mà còn ảnh hưởng đến tài chính của các bên liên quan. Vì những hậu quả ảnh hưởng sâu rộng nên sự phá sản của bất kỳ công ty nào sẽ gây ra thiệt hại đến hoạt động của nền kinh tế, kết hợp với bối cảnh đại dịch toàn cầu, nó đặt ra câu hỏi rằng rủi ro phá sản của một doanh nghiệp có thể dự báo trước hay không. Đặc biệt là rủi ro phá sản của các doanh nghiệp thuộc lĩnh vực bất động sản, vì giá trị và ảnh hưởng của nó đến toàn bộ nền kinh tế và đời sống an sinh xã hội.
Đề cập đến lĩnh vực bất động sản, theo công ty Jones Lang Lasalle nghiên
cứu, tác động tổng thể của đại dịch Covid-19 đối với thị trường bất động sản khu vực Châu Á - Thái Bình Dương trở nên sâu rộng trong quý 2 năm 2020. Công ty Jones Lang Lasalle ghi nhận sự sụt giảm đầu tư và giá thuê trên hầu hết các bất động sản thương mại trong nửa đầu năm 2020. Dựa trên dữ liệu do công ty Jones Lang Lasalle công bố, khối lượng đầu tư bất động sản nửa đầu năm 2020 vào khu vực Châu Á - Thái Bình Dương giảm 32% so với cùng kỳ năm trước, cụ thể quý 2 giảm 39% và quý 1 giảm 26%.
Theo báo cáo của công ty Jones Lang Lasalle, triển vọng bất động sản Việt Nam vẫn theo chiều hướng tích cực. Việt Nam tiếp tục giữ vị trí là điểm đến được yêu thích trong xu hướng chuyển dịch nhà máy sản xuất ra khỏi Trung Quốc. Mặc dù đại dịch Covid-19 gây ra những khó khăn tạm thời cho kế hoạch kinh doanh sắp tới, nhưng với chiến lược đầu tư dài hạn, bất động sản khu công nghiệp ở Việt Nam vẫn thu hút các nhà đầu tư, đặc biệt là tận dụng các hiệp định thương mại tự do và xu hướng chuyển dịch các nhà máy ra khỏi Trung Quốc.
Đối mặt với những cơ hội và thách thức, chủ doanh nghiệp, nhà đầu tư và các tổ chức tài chính cần hiểu rõ tình trạng sức khỏe của doanh nghiệp. Doanh nghiệp đang có tình trạng tài chính lành mạnh, an toàn hay có nguy cơ phá sản. Liệu rằng có thể dự báo trước rủi ro phá sản doanh nghiệp hay không? Đây là đề tài đã thu hút sự quan tâm của nhiều nhà nghiên cứu trên thế giới với những nghiên cứu thực nghiệm ở nhiều quốc gia và ngành nghề khác nhau.
Lalith P. Samarakoon và Tanweer Hasan (2003) đã áp dụng 3 mô hình Z-score của Altman để dự báo cho các công ty có tình hình tài chính khó khăn. Dữ liệu thu thập của 26 công ty niêm yết trên thị trường Sri Lanka trong giai đoạn 1986 - 1997. Nghiên cứu đưa ra kết quả dự đoán chính xác 81% doanh nghiệp có tình hình tài chính khó khăn. Kết quả nghiên cứu đã củng cố thêm bằng chứng thực nghiệm về khả năng dự báo của mô hình Z-score. Điểm khác biệt so với nghiên cứu của Altman là nghiên cứu này thực hiện tại thị trường Sri Lanka. Điều đó cho thấy mô hình Z-score của Altman không chỉ phù hợp với thị trường Mỹ mà còn phù hợp với thị trường mới nổi như Sri Lanka.
Bahaaeddin Alareeni và Joel Branson (2012) đã áp dụng mô hình Z-score để dự báo phá sản đối với các công ty niêm yết tại thị trường Jordan. Nghiên cứu sử dụng mẫu dữ liệu gồm 71 công ty phá sản và 71 công ty không phá sản được chọn cùng ngành nghề, cùng năm và có quy mô tài sản tương đồng. Kết quả cho thấy rằng, mô hình Z-score hoạt động hiệu quả trong việc dự báo phá sản đối với các công ty sản xuất tại thị trường Jordan. Điều này tương đồng với nghiên cứu của Altman khi dự báo phá sản cho các doanh nghiệp cổ phần hóa ngành sản xuất tại thị trường Mỹ. Tuy nhiên, nghiên cứu này cũng tồn tại điểm hạn chế, đó là đối với các công ty nhóm ngành phi sản xuất như dịch vụ, mô hình Z-score không phân biệt rõ ràng nhóm công ty phá sản và nhóm công ty không phá sản. Từ đó cho thấy đối với thị trường Jordan, mô hình Z-score của Altman có hiệu quả đối với các công ty ngành sản xuất nhưng chưa hiệu quả đối với các công ty ngành phi sản xuất.
Raid Ayasy Shalih và cộng sự (2019) đã áp dụng mô hình Fulmer H-score và mô hình Springate S-score để phân tích so sánh sự khác biệt trong khả năng dự báo về tình trạng kiệt quệ tài chính. Nghiên cứu sử dụng dữ liệu của các công ty ngành sản xuất niêm yết trên Sở giao dịch chứng khoán Indonesia giai đoạn 2014 – 2016. Kỹ thuật phân tích dữ liệu sử dụng kiểm định One Way Anova. Kết quả cho thấy có sự khác biệt đáng kể trong khả năng dự báo của 2 mô hình đối với các công ty ngành sản xuất tại thị trường Indonesia, mô hình S-score phù hợp hơn so với mô hình
H-score để dự báo trình trạng kiệt quệ tài chính. Kết quả của nghiên cứu này gợi ra câu hỏi liệu có sự khác biệt giữa 2 mô hình khác nhau trong khả năng dự báo phá sản khi áp dụng tại thị trường Việt Nam hay không và mô hình nào phù hợp hơn.
Noman Arshed và cộng sự (2020) đã áp dụng mô hình Altman Z-score và mô hình Springate S-score để dự đoán xác suất phá sản tiềm ẩn của 12 ngân hàng Hồi giáo ở Indonesia trong giai đoạn 2013 - 2019. Kết quả nghiên cứu cho thấy có sự khác biệt đáng kể trong khả năng dự báo giữa 2 mô hình đối với nhóm ngành phi sản xuất. Cụ thể, mô hình Z-score dự báo 1,19% ngân hàng Hồi giáo nằm trong vùng xám, có thể có nguy cơ phá sản và 98,81% ngân hàng nằm trong vùng an toàn.
Trong khi đó, mô hình S-score dự báo 38,10% các ngân hàng Hồi giáo có thể có nguy cơ phá sản và 61,90% ngân hàng an toàn. Kết quả của nghiên cứu này gợi mở câu hỏi liệu có sự khác biệt giữa 2 mô hình khác nhau trong khả năng dự báo phá sản khi áp dụng tại thị trường Việt Nam hay không và mô hình nào phù hợp hơn.
Tại Việt Nam, dự báo phá sản doanh nghiệp cũng thu hút nhiều mối quan tâm từ các nhà nghiên cứu, nhà quản lý và nhà đầu tư. Các ngành nghề, lĩnh vực nghiên cứu rất đa dạng như ngành sản xuất, xây dựng, bất động sản, ngân hàng… Trong các mô hình nghiêu cứu thì mô hình Z-score của Altman thường được sử dụng phổ biến hơn cả.
Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012) đã thực hiện nghiên cứu áp dụng mô hình Z-score (1995) của Altman để dự báo kiệt quệ tài chính đối với doanh nghiệp ở Việt Nam. Dữ liệu sử dụng nghiên cứu thu thập từ báo cáo tài chính thường niên giai đoạn 2004 – 2011 của 293 doanh nghiệp niêm yết tại Sở giao dịch chứng khoán thành phố Hồ Chí Minh. Kết quả nghiên cứu cho thấy mô hình Z- score (1995) phù hợp để dự báo kiệt quệ tài chính với độ chính xác là 72% trước thời điểm xảy ra 2 năm. Kết quả này tương đồng với kết quả nghiên cứu của Altman (1995) tại thị trường Mexico và Altman (2000) tại thị trường Thái Lan. Tuy nhiên, nghiên cứu này cũng còn tồn tại hạn chế là số lượng công ty kiệt quệ tài chính trong mẫu nhỏ, chỉ có 11 công ty.
Đặng Ngọc Hùng và cộng sự (2012) đã áp dụng mô hình Z-score (1968) trong nghiên cứu để đánh giá xác suất phá sản của 59 công ty niêm yết trong lĩnh vực bất động sản trên thị trường chứng khoán Việt Nam năm 2011. Nghiên cứu đưa ra kết quả có 18 công ty chiếm 30,5% có nguy cơ phá sản, 16 công ty nằm trong vùng cảnh báo và 25 công ty nằm trong vùng an toàn. Kết quả chỉ ra rằng, các doanh nghiệp có nguy cơ phá sản không phụ thuộc vào quy mô tài sản của doanh nghiệp. Cụ thể, trong 18 công ty được dự đoán phá sản có 9 công ty có tổng tài sản trên
1.000 tỷ đồng, 5 công ty có tổng tài sản từ 500 - 1.000 tỷ đồng và 4 công ty có tổng tài sản dưới 500 tỷ đồng. Mặt khác, các doanh nghiệp có thị giá cổ phiếu thấp hơn mệnh giá thì có rủi ro phá sản lớn hơn các doanh nghiệp có thị giá cổ phiếu cao hơn mệnh giá. Cụ thể, trong 18 công ty có rủi ro phá sản thì 17 công ty có thị giá cổ
phiếu thấp hơn mệnh giá. Tuy vậy, trong nghiên cứu này, tác giả áp dụng mô hình Z-score (1968) dành cho các doanh nghiệp cổ phần hóa ngành sản xuất, trong khi thực tế các công ty bất động sản hoạt động đa ngành nghề và thuộc nhóm phi sản xuất nên kết quả chưa hoàn toàn thuyết phục.
Liêu Minh Lý (2014) đã áp dụng mô hình Z-score và mô hình H-score để dự báo phá sản cho các công ty niêm yết tại Việt Nam. Nghiên cứu sử dụng dữ liệu của các doanh nghiệp phi tài chính niêm yết trong giai đoạn 2008 – 2013, gồm có 42 doanh nghiệp hoạt động bình thường và 42 doanh nghiệp bị hủy niêm yết. Nghiên cứu kết luận, có sự khác biệt trong khả năng dự báo của mô hình Z-score và mô hình H-score. Cụ thể, mô hình H-score có khả năng dự báo phá sản tốt hơn so với mô hình Z-score tại thời điểm 3 năm trước khi phá sản. Trong khi đó, mô hình Z- score có khả năng dự báo doanh nghiệp an toàn tốt hơn mô hình H-score tại thời điểm 1 năm và 3 năm trước khi phá sản. Nghiên cứu đã góp phần bổ sung thêm kết quả thực nghiệm khi so sánh giữa mô hình Z-score và mô hình H-score đối với các công ty phi tài chính tại thị trường Việt Nam.
Nguyễn Đăng Tùng và cộng sự (2015) đã áp dụng mô hình Z-score (1995) của Altman để đánh giá nguy cơ phá sản của các ngân hàng niêm yết ở Việt Nam. Nghiên cứu sử dụng dữ liệu của 39 ngân hàng thương mại niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 2008 - 2013. Kết quả nghiên cứu cho thấy Z-score của các ngân hàng đều không có nguy cơ phá sản, nhưng có xu hướng giảm dần trong giai đoạn 2008 - 2013 và có sự khác biệt giữa các nhóm có quy mô vốn khác nhau. Nghiên cứu này đóng góp thêm giá trị tham khảo trong việc áp dụng mô hình Z-score (1995) đối với doanh nghiệp thuộc nhóm ngành phi sản xuất. Đồng thời, gợi mở thực hiện các công trình nghiên cứu tiếp theo với các doanh nghiệp thuộc lĩnh vực, ngành nghề kinh doanh khác.
Phạm Thị Tường Vân (2016) đã áp dụng mô hình Z-score (1995) để đánh giá kết quả hoạt động của các doanh nghiệp Việt Nam. Dữ liệu sử dụng báo cáo tài chính giai đoạn 2010 - 2014 của các doanh nghiệp thuộc nhóm ngành chế biến chế tạo, xây dựng và du lịch dịch vụ niêm yết trên sàn HOSE và HNX. Nghiên cứu này chỉ ra rằng Z-score của các doanh nghiệp trong các ngành nhìn chung có xu hướng