ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

Dịch vụ viết thuê luận án tiến sĩ, luận văn thạc sĩ, chuyên đề khóa luận
Sdt/zalo 0967 538 624/0886 091 915 https://lamluanvan.net/
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC NGOẠI THƢƠNG
LUẬN VĂN THẠC SĨ
ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG
DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH
NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ
TRƢỜNG CHỨNG KHOÁN VIỆT NAM
Ngành: Tài chính – Ngân hàng
BÙI QUANG MINH
Hà Nội - 2022

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC NGOẠI THƢƠNG
LUẬN VĂN THẠC SĨ
ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG
DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH
NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ
TRƢỜNG CHỨNG KHOÁN VIỆT NAM
Ngành: Tài chính – Ngân hàng
Mã số: 8340201
Họ và tên học viên: Bùi Quang Minh
Người hướng dẫn: TS Nguyễn Đỗ Quyên
Hà Nội - 2022

i
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn thạc sĩ đề tài “Ứng dụng mô hình Z-score và H-
score trong dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết
trên thị trường chứng khoán Việt Nam” là công trình nghiên cứu do tôi thực hiện
với sự hướng dẫn của TS Nguyễn Đỗ Quyên. Thông tin và số liệu sử dụng trong
luận văn là trung thực và được trích dẫn đầy đủ.
Hà Nội, ngày tháng năm 2022
Tác giả
Bùi Quang Minh

ii
LỜI CẢM ƠN
Tác giả xin gửi lời cảm ơn chân thành và lòng biết ơn sâu sắc tới TS Nguyễn
Đỗ Quyên, cảm ơn cô đã hướng dẫn tận tình và tạo mọi điều kiện tốt nhất để tác giả
có thể hoàn thành bài luận văn này.
Do thời gian nghiên cứu và kiến thức còn hạn chế nên luận văn không thể
tránh khỏi những thiếu sót. Vì vậy, tác giả kính mong nhận được sự đóng góp ý kiến
của quý thầy cô cũng và bạn đọc để hoàn thiện hơn bài luận văn.
Trân trọng cảm ơn!
Hà Nội, ngày tháng năm 2022
Tác giả
Bùi Quang Minh

iii
MỤC LỤC
Trang
LỜI CAM ĐOAN ...................................................................................................... i
LỜI CẢM ƠN...........................................................................................................ii
DANH MỤC CÁC TỪ VIẾT TẮT........................................................................ vi
DANH MỤC HÌNH................................................................................................ vii
DANH MỤC BẢNG..............................................................................................viii
TÓM TẮT KẾT QUẢ NGHIÊN CỨU CỦA LUẬN VĂN.................................. ix
CHƢƠNG 1: GIỚI THIỆU CHUNG.................................................................... 1
1.1. Tính cấp thiết của đề tài............................................................................. 1
1.2. Mục tiêu nghiên cứu................................................................................... 7
1.3. Đối tƣợng và phạm vi nghiên cứu ............................................................ 7
1.4. Phƣơng pháp nghiên cứu .......................................................................... 7
1.5. Kết cấu của đề tài ....................................................................................... 8
1.6. Đóng góp của nghiên cứu........................................................................... 8
CHƢƠNG 2: CƠ SỞ LÝ LUẬN VỀ PHÁ SẢN DOANH NGHIỆP VÀ MÔ
HÌNH DỰ BÁO PHÁ SẢN DOANH NGHIỆP ..................................................... 9
2.1. Định nghĩa ................................................................................................... 9
2.1.1. Phá sản doanh nghiệp ............................................................................... 9
2.1.2. Dự báo phá sản doanh nghiệp ................................................................ 10
2.2. Các mô hình dự báo phá sản doanh nghiệp........................................... 11
2.2.1. Mô hình Z-score ...................................................................................... 11
2.2.2. Mô hình H-score...................................................................................... 17
2.2.3. Các mô hình dự báo phá sản khác .......................................................... 19
2.3. Tổng quan các nghiên cứu về các mô hình dự báo khả năng phá sản
của doanh nghiệp............................................................................................. 23
2.3.1. Tổng quan các công trình nghiên cứu nước ngoài.................................. 24
2.3.2. Tổng quan các công trình nghiên cứu trong nước.................................. 27
CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN CỨU ............................................... 31
3.1. Thu thập số liệu ........................................................................................ 31

iv
3.2. Phân tích và xử lý số liệu ......................................................................... 32
3.3. Quy trình nghiên cứu ............................................................................... 32
3.4. Phƣơng pháp nghiên cứu ........................................................................ 33
3.5. Mô hình nghiên cứu.................................................................................. 33
3.5.1. Mô hình Z-score ...................................................................................... 33
3.5.2. Mô hình H-score...................................................................................... 35
3.5.3. Độ chính xác của kết quả dự báo............................................................ 36
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU VỀ ỨNG DỤNG MÔ HÌNH Z-
SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC
DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƢỜNG
CHỨNG KHOÁN VIỆT NAM ............................................................................. 37
4.1. Mô tả số liệu .............................................................................................. 37
4.1.1. Mô hình Z-score ...................................................................................... 37
4.1.2. Mô hình H-score...................................................................................... 41
4.2. Thực trạng của ngành bất động sản và các doanh nghiệp bất động sản
48
4.2.1. Vai trò của ngành bất động sản trong nền kinh tế .................................. 48
4.2.2. Tình hình thị trường bất động sản........................................................... 50
4.2.3. Tình hình hoạt động của các doanh nghiệp bất động sản niêm yết........ 52
4.3. Kết quả nghiên cứu .................................................................................. 55
4.3.1. Kết quả dự báo phá sản........................................................................... 55
4.3.2. Phân loại theo quy mô tài sản của doanh nghiệp ................................... 56
4.3.3. Phân loại theo giá thị trường của cổ phiếu............................................. 57
4.3.4. Kết quả trung bình Z-score và H-score qua các năm ............................. 58
4.3.5. Các công ty dự báo phá sản trong 2 mô hình ......................................... 58
4.4. Độ chính xác của 2 mô hình..................................................................... 62
4.5. Kiểm định sự khác biệt trong khả năng dự báo phá sản của 2 mô hình
63
CHƢƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ....................................................... 65
5.1. Kết luận ..................................................................................................... 65

v
5.2. Kiến nghị ................................................................................................... 66
5.2.1. Đối với doanh nghiệp .............................................................................. 66
5.2.2. Đối với các nhà đầu tư ............................................................................ 70
5.2.3. Đối với các tổ chức tài chính .................................................................. 71
5.3. Hạn chế của nghiên cứu và hƣớng nghiên cứu trong tƣơng lai.......... 71
DANH MỤC TÀI LIỆU THAM KHẢO.............................................................. 72
PHỤ LỤC 1: DANH SÁCH 56 CÔNG TY BẤT ĐỘNG SẢN NIÊM YẾT
TRÊN THỊ TRƢỜNG CHỨNG KHOÁN VIỆT NAM GIAI ĐOẠN 2017-2020
80

vi
DANH MỤC CÁC TỪ VIẾT TẮT
GDP
HNX
HOSE
ROA
:
:
:
:
Tổng sản phẩm quốc nội
Sở giao dịch chứng khoán Hà Nội
Sở giao dịch chứng khoán thành phố Hồ Chí Minh
Lợi nhuận ròng trên tổng tài sản

vii
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 4.6. Biểu đồ tần suất giá trị H-score................................................................ 42
Hình 4.7. Biểu đồ tần suất giá trị V1........................................................................ 43
Hình 4.10. Biểu đồ tần suất giá trị V4...................................................................... 44
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

viii
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

ix
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.

1
CHƢƠNG 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

2
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.

3
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.

4
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

5
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

6
giảm dần trong giai đoạn 2010 – 2014. Tuy nhiên, Z-score trung bình của các doanh
nghiệp vẫn nằm trong vùng an toàn (lớn hơn 2,6). Các ngành xây dựng, thủy sản và
vật liệu xây dựng có Z-score trung bình thấp hơn các ngành khác. Cụ thể, ngành xây
dựng có 4 năm, ngành vật liệu xây dựng có 3 năm và ngành thủy sản có 2 năm liên
tiếp
Z-score nằm trong vùng cảnh báo. Mặt khác, kết quả các doanh nghiệp nằm trong
vùng có nguy cơ phá sản cao trùng khớp với xếp hạng của S&P. Kết quả nghiên cứu
đã củng cố thêm bằng chứng thực nghiệm cho thấy mô hình Z-score phù hợp khi áp
dụng dự báo phá sản đối với doanh nghiệp tại Việt Nam theo ngành và lĩnh vực.
Trên cơ sở tổng hợp các nghiên cứu trong và ngoài nước cho thấy, mô hình Z-
score của Altman được ứng dụng ở nhiều nước (từ Mỹ đến một số nước châu Âu và
hiện tại các nước châu Á cũng đang áp dụng nhiều) trong phân tích, dự báo khả
năng phá sản của doanh nghiệp, chứng tỏ được tính ưu việt trong việc phân loại
vùng rủi ro của doanh nghiệp ở nhiều lĩnh vực khác nhau.
Mặc dù vẫn còn những mặt hạn chế nhất định do tính chất, đặc thù doanh
nghiệp ở mỗi quốc gia là khác nhau và trong các ngành, lĩnh vực khác nhau, tuy
nhiên, các nghiên cứu trên đều chỉ ra rằng, mô hình Z-score có thể ứng dụng trong
phân tích, đánh giá và dự báo tình hình của doanh nghiệp không chỉ ở các nước phát
triển mà ngay cả các nước đang phát triển; phù hợp để đánh giá theo ngành, lĩnh
vực; theo quy mô doanh nghiệp; số lượng doanh nghiệp và khu vực doanh nghiệp.
Do đó, việc ứng dụng mô hình Z-score trong phân tích, dự báo khả năng phá sản
của doanh nghiệp tại Việt Nam là khả thi.
Các mô hình dự báo phá sản đều có ưu và nhược điểm khác nhau. Tuy nhiên,
hai mô hình Z-score và H-score đáp ứng các thuận lợi trong nghiên cứu trên thị
trường Việt Nam. Cụ thể, cơ sở dữ liệu chủ yếu từ báo cáo tài chính nên thuận tiện
cho việc thu thập, khả năng áp dụng mô hình đơn giản, nhanh và dễ thực hiện.
Ngoài ra hai mô hình này đã được nghiên cứu thực nghiệm ở một số quốc gia như
Jordan (Alareeni và Brason, 2012), thị trường Tehran (Ghodrati và Moghaddam,
2012), thị trường Thái Lan (Haseley, 2012) và thị trường Việt Nam (Liêu Minh Lý,
2014) đều cho kết quả dự báo cao. Đây là cơ sở quan trọng để tác giả lựa chọn mô

7
hình thực hiện nghiên cứu. Do đó, nghiên cứu 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 trên thị
trường chứng khoán Việt Nam là cần thiết và đáp ứng được nhu cầu.
1.2. Mục tiêu nghiên cứu
Mục tiêu của nghiên cứu này nhằm áp dụng mô hình Z-score và mô hình H-
score để dự báo phá sản cho các công ty bất động sản niêm yết tại Việt Nam, từ đó
đưa ra một số kiến nghị dành cho các nhà quản lý doanh nghiệp, nhà đầu tư và các
tổ chức tín dụng tham khảo trong điều hành hoạt động doanh nghiệp, ra quyết định
đầu tư hoặc cho vay.
Từ mục tiêu cơ bản như trên, các mục tiêu cụ thể của nghiên cứu như sau:
Giới thiệu mô hình Z-score, mô hình H-score và vận dụng để dự báo phá sản
cho các công ty bất động sản niêm yết tại thị trường Việt Nam.
Kiểm định tính phù hợp của mô hình Z-score và mô hình H-score đối với các
công ty bất động sản niêm yết tại thị trường Việt Nam.
Đưa ra một số kiến nghị nhằm giúp các nhà quản lý doanh nghiệp nâng cao
tính an toàn trong điều hành hoạt động doanh nghiệp, giúp các tổ chức tín dụng
tham khảo khi cấp tín dụng và khuyến nghị đối với các nhà đầu tư vào doanh
nghiệp.
1.3. Đối tƣợng và phạm vi nghiên cứu
Đối tượng nghiên cứu là áp dụng mô hình Z-score và mô hình H-score để dự
báo phá sản cho các công ty bất động sản niêm yết tại Việt Nam.
Phạm vi nghiên cứu:
Về không gian: Nghiên cứu sử dụng dữ liệu của 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.
Về thời gian: Từ năm 2017 đến năm 2020.
1.4. Phƣơng pháp nghiên cứu

8
Trong nghiên cứu này tác giả sẽ tiến hành phương pháp phân tích định lượng
để ước tính khả năng phá sản của các công ty niêm yết trong lĩnh vực bất động sản
bằng cách áp dụng mô hình Z-score và H-score.
Phần mềm Excel sẽ được sử dụng làm công cụ phân tích và xử lý dữ liệu. Dữ
liệu được mô tả bằng cách sử dụng thống kê mô tả các biến và ma trận tương quan
giữa các biến. Các biến nghiên cứu là các chỉ số tài chính của doanh nghiệp dùng để
dự báo phá sản trong mô hình Z-score và H-score. Dựa vào dữ liệu thu thập được,
tác giả tính toán Z-score và H-score để đưa ra kết quả dự báo khả năng phá sản. Sau
đó xác định mức độ chính xác của hai mô hình bằng cách so sánh kết quả dự đoán
với tình huống thực tế của các mẫu.
1.5. Kết cấu của đề tài
Kết cấu của luận văn bao gồm 5 chương. Chương 1 giới thiệu chung về đề tài
nghiên cứu, tính cấp thiết của đề tài, tóm tắt tình hình nghiên cứu trong và ngoài
nước, chỉ ra khoảng trống nghiên cứu, đồng thời nêu rõ mục tiêu, đối tượng, phạm
vi và phương pháp nghiên cứu. Chương 2 trình bày cơ sở lý luận về phá sản doanh
nghiệp và các mô hình dự báo phá sản doanh nghiệp. Chương 3 trình bày phương
pháp thu thập, phân tích và xử lý số liệu, quy trình nghiên cứu và mô hình nghiên
cứu. Chương 4 đưa ra kết quả nghiên cứu ứng dụng mô hình Z-score và H-score
trong dự báo khả năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị
trường chứng khoán Việt Nam. Chương 5 rút ra kết luận sau khi xem xét kết quả
nghiên cứu và đề xuất một số kiến nghị cho lãnh đạo doanh nghiệp, nhà đầu tư và
các tổ chức tài chính đồng thời chỉ ra hạn chế và hướng nghiên cứu trong tương lai.
1.6. Đóng góp của nghiên cứu
Nghiên cứu đã hệ thống hóa cơ sở lý luận về phá sản doanh nghiệp và mô hình
dự báo phá sản doanh nghiệp. Bên cạnh đó, nghiên cứu bổ sung kết quả thực
nghiệm về áp dụng mô hình Z-score và mô hình H-score trong dự báo khả năng phá
sản đối với các doanh nghiệp bất động sản niêm yết tại Việt Nam vào nguồn dữ liệu
nghiên cứu. Từ đó đề xuất một số kiến nghị dành cho các nhà quản lý doanh nghiệp,
nhà đầu tư và các tổ chức tài chính nhằm giảm thiểu rủi ro phá sản doanh nghiệp.

9
CHƢƠNG 2: CƠ SỞ LÝ LUẬN VỀ PHÁ SẢN DOANH NGHIỆP VÀ
MÔ HÌNH DỰ BÁO PHÁ SẢN DOANH NGHIỆP
2.1. Định nghĩa
2.1.1. Phá sản doanh nghiệp
Ở Việt Nam, có nhiều thuật ngữ được sử dụng như: phá sản, vỡ nợ, khánh
tận… Từ điển tiếng Việt định nghĩa từ “phá sản” là lâm vào tình trạng tài sản chẳng
còn gì và thường là vỡ nợ do kinh doanh bị thua lỗ, thất bại; “vỡ nợ” là lâm vào tình
trạng bị thua lỗ, thất bại liên tiếp trong kinh doanh, phải bán hết tài sản mà vẫn
không đủ để trả nợ. Như vậy, trong cách hiểu thông thường, khái niệm phá sản là để
chỉ cho một sự việc đã rồi, sự việc “phải bán hết tài sản mà vẫn không đủ trả nợ”.
Về mặt pháp lý, Khoản 2 Điều 4 Luật Phá sản năm 2014 quy định: “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”. Trong đó, khái niệm mất khả năng thanh
toán được quy định tại Khoản 1 Điều 4 Luật Phá sản năm 2014 như sau: “Doanh
nghiệp, hợp tác xã mất khả năng thanh toán là doanh nghiệp, hợp tác xã không thực
hiện nghĩa vụ thanh toán khoản nợ trong thời hạn 03 tháng kể từ ngày đến hạn
thanh toán”. Có thể hiểu phá sản doanh nghiệp xảy ra sau khi Tòa án nhân dân ra
quyết định tuyên bố phá sản.
Tuy nhiên, Luật Phá sản ở Việt Nam cũng tạo cơ hội cho các doanh nghiệp
xây dựng phương án phục hồi hoạt động kinh doanh để tránh bị phá sản. Nếu các
chủ nợ đồng ý phương án tái cơ cấu của doanh nghiệp, thì doanh nghiệp có thể tiếp
tục hoạt động sản xuất kinh doanh dưới sự giám sát. Nếu việc phục hồi được thành
công, doanh nghiệp trả được nợ thì sẽ thoát khỏi nguy cơ phá sản. Ngược lại, doanh
nghiệp sẽ bị phá sản.
Luật phá sản và Luật doanh nghiệp ở Anh chia phá sản thành 2 giai đoạn là
giai đoạn đưa vào diện quản lý và giai đoạn tiến hành các thủ tục thanh lý. Một công
ty được cho là mất khả năng trả nợ trong các trường hợp sau: Khi tổng nợ đến hạn
thanh toán vượt quá 750 bảng Anh và bên chủ nợ yêu cầu công ty thanh toán các
khoản nợ quá 3 tuần mà không nhận được phản hồi, sự đảm bảo hay xác nhận

10
thỏa đáng nào từ phía công ty. Công ty cũng được coi là không có khả năng trả nợ
khi có bằng chứng cho thấy tài sản hiện có của công ty nhỏ hơn nợ phải trả và điều
này cũng còn tùy thuộc vào tình trạng của khoản nợ.
Luật phá sản ở Mỹ cơ bản cũng chia thành 2 hình thức xử lý là thanh lý tài sản
để trả nợ hoặc tái cơ cấu doanh nghiệp. Theo quy định tại chương 7, doanh nghiệp
phải thanh lý tài sản để trả nợ khi không có khả năng đáp ứng các yêu cầu và quy
định về tái cấu trúc doanh nghiệp. Thứ tự ưu tiên các khoản nợ sẽ tiến hành theo
khoản nợ có tài sản đảm bảo rồi đến các khoản nợ không có tài sản đảm bảo. Theo
quy định tại chương 11, các doanh nghiệp có tình trạng tài chính khó khăn nhưng
được tòa án và các chủ nợ xem xét, đánh giá hoạt động kinh doanh có triển vọng
trong tương lai, có thể trình phương án tái cấu trúc doanh nghiệp để tiếp tục hoạt
động và trả nợ. Hoạt động kinh doanh sẽ được giám sát chặt chẽ cho đến khi trả hết
nợ.
Có thể thấy rằng, quy định về phá sản doanh nghiệp ở các quốc gia có sự khác
biệt nhưng về bản chất có thể hiểu phá sản doanh nghiệp xảy ra khi doanh nghiệp đó
mất khả năng thanh toán các khoản nợ sau một thời hạn nhất định kể từ ngày đến
hạn thanh toán và bị tòa án tuyên bố phá sản. Phá sản được xem như là sự kết thúc
trong vòng đời của một doanh nghiệp, là hiện tượng kinh tế tự nhiên của quá trình
cạnh tranh trong kinh doanh.
2.1.2. Dự báo phá sản doanh nghiệp
Dự báo phá sản doanh nghiệp có thể định nghĩa là việc ước tính khả năng một
công ty có tình hình tài chính khó khăn sẽ vỡ nợ trong tương lai. Dự báo phá sản
doanh nghiệp được thực hiện với các lý thuyết, mô hình tài chính và kỹ thuật khác
nhau. Kỹ thuật dự báo phá sản doanh nghiệp được khởi xướng vào năm 1932 bởi
Paul J FitzPatrick. Ông đã nghiên cứu các công ty thành công cùng với công ty phá
sản tương đồng và cố gắng dự đoán các công ty phá sản thông qua ước tính xu
hướng của các tỷ số tài chính. Một số nghiên cứu dự báo phá sản đầu tiên sử dụng
kỹ thuật phân tích đơn biến. Sự phát triển của các mô hình đơn biến tạo tiền đề cho
sự ra đời của các mô hình đa biến. Ngày nay với sự phát triển của các thuật toán

11
máy học, học sâu, các mô hình dự báo phá sản doanh nghiệp trở nên ngày càng
phức tạp hơn nhưng cũng đạt mức độ chính xác cao hơn.
Quá trình dự báo phá sản doanh nghiệp có thể đối mặt với những trở ngại như
mức độ dữ liệu không phù hợp hoặc thiếu thông tin sẵn có. Vấn đề này hay gặp phải
ở các nước đang phát triển vì những hạn chế về dữ liệu. Thách thức lớn nhất trong
dự báo phá sản doanh nghiệp là lựa chọn được mô hình phù hợp. Nhiều loại mô
hình khác nhau có thể có khả năng dự báo phá sản khác nhau cho các ngành, công
ty hoặc quốc gia khác nhau.
Những người tham gia và quan tâm đến dự báo phá sản bao gồm nhà quản lý
doanh nghiệp, nhà đầu tư, các tổ chức tài chính và cơ quan hoạch định chính sách.
Hiểu rõ về tình trạng sức khỏe tài chính của doanh nghiệp giúp nhà quản lý có thể
đưa ra các quyết định chính xác và kịp thời trong việc điều hành hoạt động sản xuất
kinh doanh. Ngoài ra, đánh giá rủi ro phá sản cũng rất cần thiết cho các nhà đầu tư
trước khi đưa ra quyết định đầu tư vào doanh nghiệp để tránh tổn thất có thể xảy ra
trong tương lai. Bên cạnh đó, các mô hình dự báo phá sản cũng là một công cụ quan
trọng của các tổ chức tài chính để xếp hạng và cấp tín dụng cho doanh nghiệp.
2.2. Các mô hình dự báo phá sản doanh nghiệp
2.2.1. Mô hình Z-score
Mô hình Z-score được xây dựng bởi giáo sư Edward I. Altman (1968), trường
kinh doanh Leonard N. Stern, thuộc trường Đại học New York, dựa vào việc nghiên
cứu khá công phu nhiều công ty khác nhau tại Mỹ. Phương pháp này đã được áp
dụng rộng rãi tại Mỹ và dần dần được nhiều nước khác sử dụng do kết quả kiểm
nghiệm khá tin cậy.
Giáo sư Altman sử dụng mẫu nghiên cứu bao gồm dữ liệu tài chính và dữ liệu
thị trường giai đoạn từ năm 1946 đến năm 1965 của 66 công ty cổ phần hóa trong
ngành sản xuất. Trong đó, nhóm 1 bao gồm 33 công ty phá sản, nhóm 2 bao gồm 33
công ty hoạt động bình thường cho đến năm 1966. Các công ty nhóm 2 được chọn
tương ứng theo cặp với các công ty trong nhóm 1 về quy mô tài sản. Ngoài ra, giáo
sư Altman tiến hành thử nghiệm lại với dữ liệu của 25 doanh nghiệp khác cho kết

12
quả chính xác với xác suất 96%.
Công thức của mô hình Z-score như sau:
Z = 0,012X1 + 0,014X2 + 0,033X3+ 0,0064X4 + 0,999X5
Trong đó:
X1 = Vốn lưu động / Tổng tài sản
X2 = Lợi nhuận giữ lại / Tổng tài sản
X3 = Lợi nhuận trước thuế và lãi vay / Tổng tài sản
X4 = Giá trị thị trường của vốn chủ sở hữu / Nợ phải trả
X5 = Doanh thu / Tổng tài sản
Các biến từ X1 đến X4 có đơn vị bằng tỷ lệ phần trăm, giả sử nếu X1 = 10%
thì khi đưa vào mô hình sẽ tính X1 = 10, mà không phải là 0,1. Còn biến X5 khi đưa
vào mô hình vẫn giữ nguyên. Trải qua quá trình phát triển, mô hình được biến đổi
để áp dụng thuận lợi hơn, các biến giữ nguyên không cần đổi bằng tỷ lệ phần trăm.
Z = 1,2X1 + 1,4X2 + 3,3X3+ 0,64X4 +
0,999X5 Cách phân loại doanh nghiệp theo Z
- Nếu Z > 2,99: Doanh nghiệp nằm trong vùng an toàn, tài chính lành mạnh,
không 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: Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản
cao.
Mô hình của Altman có thể dự báo với độ chính xác 83% trong khoảng thời
gian 2 năm trước khi phá sản xảy ra. Nếu thời gian từ 2 năm trở lên độ chính xác
giảm dần. Tuy nhiên kết quả nghiên cứu này đã cung cấp thêm bằng chứng thực
nghiệm chứng minh mạnh mẽ cho các kết quả nghiên cứu trước đó về tính hữu dụng
của các dữ liệu tài chính và dữ liệu thị trường trong việc dự báo phá sản.

13
Trong thời gian sau đó, giáo sư Altman đã tiếp tục nghiên cứu để khắc phục
những nhược điểm của mô hình và cải thiện thời gian dự báo chính xác. Năm 1977,
Altman thực hiện nghiên cứu với mẫu dữ liệu bao gồm dữ liệu tài chính và dữ liệu
thị trường trong giai đoạn từ năm 1969 đến năm 1975 của 111 công ty thuộc lĩnh
vực sản xuất và bán lẻ. Kết quả nghiên cứu cho thấy rằng, mức độ chính xác của mô
hình khi dự báo cho khoảng thời gian từ 2 năm đến 5 năm trước khi phá sản xảy ra
được cải thiện gần bằng mức độ chính xác của thời gian 1 năm trước phá sản.
Mặt khác, trong quá trình nghiên cứu, giáo sư Altman nhận thấy rằng, các loại
hình công ty khác nhau sẽ cho ra kết quả dự báo khác nhau. Mô hình Z-score (1968)
chỉ phù hợp để áp dụng cho doanh nghiệp cổ phần hóa ngành sản xuất. Do đó, từ
mô hình ban đầu năm 1968 giáo sư Altman đã phát triển các công thức khác nhau
áp dụng tùy từng trường hợp.
Đối với doanh nghiệp chưa cổ phần hóa, ngành sản xuất mô hình Z-score
(1983) có dạng như sau:
Z’ = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 +
0,998X5 Cách phân loại doanh nghiệp theo Z’
- Nếu Z’ > 2,9: Doanh nghiệp nằm trong vùng an toàn, tài chính lành mạnh,
không phá sản.
- Nếu 1,23 < Z’ < 2,9: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy
cơ phá sản.
- Nếu Z’ < 1,23: Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá
sản cao.
Đối với các doanh nghiệp thuộc nhóm phi sản xuất (bất động sản, tài chính…)
mô hình Z-score (1995) có dạng như sau:
Z” = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4
Cách phân loại doanh nghiệp theo Z”
- Nếu Z” > 2,6: Doanh nghiệp nằm trong vùng an toàn, tài chính lành mạnh,

14
không phá sản.
- Nếu 1,1 < Z” ≤ 2,6: Doanh nghiệp nằm trong vùng cảnh báo, có thể có nguy
cơ phá sản.
- Nếu Z” ≤ 1,1: Doanh nghiệp nằm trong vùng nguy hiểm, có nguy cơ phá sản
cao.
Mô hình Z-score (1995) có thể áp dụng cho hầu hết các ngành, các loại hình
doanh nghiệp. Công thức tính được điều chỉnh so với mô hình ban đầu ở chỗ bỏ ra
biến số X5 (tỷ số doanh thu trên tổng tài sản) do có sự khác biệt rất lớn của X5 giữa
các ngành. Ví dụ, tỷ số doanh thu trên tổng tài sản của các ngành dịch vụ phần mềm
sẽ nhỏ hơn ngành thương mại bán lẻ, do vậy chỉ tiêu X5 không thể áp dụng cho các
ngành được.
Với các biến số còn lại từ X1 đến X4 mặc dù cũng có sự khác biệt đôi chút
giữa các ngành nghề như X1 của ngành sản xuất thường thấp hơn ngành thương
mại. Tuy nhiên những khác biệt này có thể tính bình quân bù trừ.
Đối với mô hình Z-score (1983) và Z-score (1995) biến X4 được tính bằng giá
trị sổ sách của vốn chủ sở hữu trên nợ phải trả.
Mối quan hệ của các chỉ số X
Với các biến từ X1 đến X5, dễ thấy nếu tăng Tổng tài sản thì các chỉ số X sẽ
giảm dẫn đến Z sẽ giảm. Mặc dù Tổng tài sản tăng thì các tử số như Vốn lưu động
và Doanh thu cũng tăng, ví dụ mở thêm cửa hàng làm tổng tài sản tăng thì doanh
thu cũng tăng theo hay nhập một số lượng lớn hàng hóa thì vốn lưu động và tổng tài
sản cùng tăng. Tuy nhiên việc tăng tài sản quá nhanh không dựa trên nhu cầu thực
sự của kinh doanh và không khai thác có hiệu quả, như đầu tư dàn trải, hàng tồn kho
quá lớn thì chắc chắn mẫu số của các công thức sẽ tăng nhanh hơn tử số và làm
giảm chỉ số Z xuống mức nguy hiểm.
Dựa trên các công thức tính chỉ số trên và phương trình Z, chúng ta rút ra
những nhận xét về quản trị để tăng năng lực tài chính của công ty như sau:
Quản lý tốt tài sản là yếu tố nền tảng tăng năng lực tài chính: Tổng tài sản lớn

15
có thể giúp tạo hình ảnh và quy mô Công ty, nhưng nếu không được khai thác tốt thì
chính nó lại làm suy yếu năng lực tài chính, tăng nguy cơ phá sản thể hiện qua chỉ
số Z giảm. Việc đầu tư lớn vượt quá khả năng nguồn vốn chủ sở hữu sẽ làm tăng
tổng tài sản lên rất nhanh nhưng cũng nhanh chóng đưa doanh nghiệp đến bờ vực.
Chúng ta đã thấy trong giai đoạn 1990-2000 nhiều công ty mía đường, Ciment,
cơ khí đầu tư thiết bị giá trị lớn nhưng khai thác quá ít công suất dẫn tới phá sản
hoặc phải nhờ sự hỗ trợ của Chính phủ.
Chúng ta cũng thấy hiện nay nhiều công ty có thừa khả năng mua xe ô tô cho
ban lãnh đạo nhưng lại chọn phương thức thuê dài hạn, điều này có thể làm tăng chi
phí nhưng giúp giảm những tài sản chưa thực sự cần trang bị. Tóm lại, dưới góc độ
phương trình chỉ số Z thì việc đầu tư tài sản có vai trò rất quan trọng, với sự tiết
giảm tài sản hợp lý bao gồm cả tài sản cố định và hàng hóa tồn kho thì chỉ số Z sẽ
cải thiện đáng kể. Hiện nay xu hướng thuê ngoài (Outsourcing) của các công ty lớn
là nhằm để giảm tài sản một cách hợp lý và qua đó chỉ số Z cũng tăng.
Lợi nhuận giữ lại là nhân tố tăng chỉ số Z: Tăng lợi nhuận giữ lại cũng giúp
tăng Z thông qua tăng X2 và có thể làm tăng X4, vì tăng vốn chủ sở hữu sẽ giảm vay
nợ. Chính vì tầm quan trọng của nguồn vốn từ lợi nhuận giữ lại mà rất nhiều công ty
nhỏ trong giai đoạn tăng trưởng mạnh đã giữ lại hầu hết lợi nhuận để bổ sung vào
vốn.
Lợi nhuận giữ lại và phát hành thêm cổ phiếu đều có giá trị như nhau trong
việc tăng vốn chủ sở hữu, tuy nhiên việc phát hành tăng vốn sẽ tạo ra áp lực tăng lợi
nhuận để đảm bảo giá cổ phiếu không bị suy giảm. Do vậy, chỉ khi nào doanh
nghiệp thực hiện những dự án đầu tư quy mô lớn mới nghĩ đến việc phát hành tăng
vốn, còn lợi nhuận giữ lại luôn là biện pháp đáng quan tâm vì nó làm tăng giá trị
công ty, tăng chỉ số Z và qua đó tạo nền tảng vững chắc cho việc tăng giá cổ phiếu.
Lợi nhuận cao có vai trò chủ yếu trong việc tăng năng lực doanh nghiệp: Chỉ
số X3 có vai trò chính yếu nhất để tăng Z vì nhân với hệ số 3,3 cao gấp 3 lần so với
các chỉ số khác. Điều đó cho thấy lợi nhuận của công ty đóng vai trò cốt lõi trong

16
việc tạo ra sự vững chắc về năng lực tài chính. Lợi nhuận làm ra cao không chỉ trực
tiếp giúp tăng X3 mà còn giúp tăng X2 là hai chỉ số quan trọng để tăng Z. Ngoài ra
vì lợi nhuận cao còn gián tiếp giúp cho cổ phiếu công ty được quan tâm, tăng giá
dẫn tới tăng X4 là tác nhân giúp tăng thêm Z. Điều này cũng có nghĩa là nếu công ty
chỉ có lợi nhuận thấp hơn bình quân ngành thì dần dần sẽ làm suy giảm chỉ số Z. Vì
cả 3 chỉ số X3, X2, X4 đều bị suy giảm.
Giá cổ phiếu tăng cũng góp phần tăng năng lực doanh nghiệp: Chỉ số X4 phụ
thuộc khá nhiều vào giá cổ phiếu và số vốn điều lệ. Một công ty có vốn điều lệ lớn
và giá cổ phiếu cao sẽ làm tăng X4 dẫn tới tăng Z. Tuy nhiên theo phương trình Z
thì chỉ số này tác động thấp nhất trong 5 chỉ số vì chỉ nhân với hệ số 0,64. Việc giữ
số nợ vay vừa phải cũng giúp tăng X4. Điều này hoàn toàn hợp lý vì công ty có
khoản nợ thấp thì không chỉ giúp chỉ số Z tăng mà nằm ngay trong bản chất an toàn
về khoản phải trả, tức là có thực lực về tài chính.
Doanh thu là nhân tố giúp tăng chỉ số Z: Doanh thu tăng giúp tăng X5 dẫn đến
tăng Z là rất hợp lý vì doanh thu tăng luôn tạo uy thế cho doanh nghiệp, nó cũng
góp phần làm tăng X4 thông qua việc tăng giá cổ phiếu và X3 thông qua việc tăng
lợi nhuận. Tuy nhiên X5 có tác động không mạnh tới chỉ số Z do chỉ nhân với hệ số
0,99. Điều này là hợp lý vì có nhiều công ty chạy theo doanh số nhưng không quan
tâm đến giá thành và lợi nhuận, dẫn đến càng tăng quy mô kinh doanh càng mau
đưa công ty tới bờ vực phá sản.
Trong các nhân tố trên thì việc tạo ra lợi nhuận cao và quản lý khai thác tài sản
hiệu quả là hai yếu tố có tác động chủ yếu đến chỉ số Z. Việc điều hành sản xuất
kinh doanh có hiệu quả tạo ra lợi nhuận cao vừa là nhiệm vụ của nhà quản trị, đồng
thời kết quả của nó cũng trực tiếp nâng cao sự đánh giá về năng lực của công ty
thông qua tăng chỉ số Z. Còn chiến lược quản lý khai thác tài sản có hiệu quả phụ
thuộc rất lớn vào việc lập và thực hiện các dự án đầu tư. Một công ty đang kinh
doanh tốt nhưng triển khai một dự án đầu tư sai lầm thì gây ảnh hưởng nặng nề tới
tài chính công ty và sẽ làm chỉ số Z giảm. Tuy nhiên đầu tư có hiệu quả là động lực
chủ yếu để tăng Z, vì khi đó mặc dù tổng tài sản tăng nhưng lợi nhuận trước thuế và
lãi vay cùng với doanh thu tăng nhanh hơn kéo theo giá cổ phiếu tăng, lợi nhuận giữ

17
lại tăng, dẫn tới làm tăng Z.
Như vậy thông qua chỉ số Z giúp chúng ta có thể đánh giá được năng lực tài
chính doanh nghiệp. Tuy nhiên vấn đề giúp tăng Z không nằm trong việc điều chỉnh
giá trị các biến số theo ý muốn của nhà quản trị mà nằm trong sự tích hợp các hiệu
quả về quản lý điều hành kinh doanh của công ty. Một khi ban lãnh đạo điều hành
kinh doanh tốt thì tất nhiên sẽ làm tăng chỉ số Z. Do vậy chỉ số Z được dùng như
một thước đo hiệu quả quản trị của ban lãnh đạo công ty.
2.2.2. Mô hình H-score
Một trong những mô hình ra đời sau nhưng cũng được đánh giá cao cho khả
năng dự báo phá sản chính xác đến 98% khi sử dụng để kiểm định doanh nghiệp
trước khi phá sản một năm và 81% đối với việc dự báo trên một năm là mô hình
Fulmer (Fulmer và cộng sự, 1984). Với cùng phương pháp phân tích đa biệt thức
được sử dụng trong nghiên cứu của Altman, cho phép chọn lọc ra các biến có tác
động lớn nhất đến khả năng dự báo, mô hình Fulmer đã lựa chọn từ 40 chỉ số tài
chính với bộ mẫu gồm 60 công ty trong đó 30 công ty phá sản và 30 công ty có tình
hình tài chính khỏe mạnh để xây dựng mô hình dự báo phá sản gồm 9 biến.
Mô hình H-score có dạng:
H = 5,528V1 + 0,212V2 + 0,073V3 + 1,270V4 – 0,120V5 + 2,335V6 + 0,575V7
+ 1,083V8 + 0,894V9 – 6,075
Trong đó:
V1 = Lợi nhuận giữ lại / Tổng tài sản
V2 = Doanh thu / Tổng tài sản
V3 = Lợi nhuận trước thuế và lãi vay / Vốn chủ sở hữu
V4 = Dòng tiền từ hoạt động kinh doanh / Nợ phải trả
V5 = Nợ phải trả / Tổng tài sản
V6 = Nợ ngắn hạn / Tổng tài sản
V7 = Logarit (Tài sản hữu hình)

18
V8 = Vốn lưu động / Nợ phải trả
V9 = Logarit (Lợi nhuận trước thuế và lãi vay / Lãi vay)
Sau khi tính ra kết quả các biến số từ V1 đến V9, chúng ta tính giá trị chỉ số H
dựa trên phương trình tuyến tính với 9 biến trên.
- Nếu H < 0: Doanh nghiệp có nguy cơ phá sản.
- Nếu H ≥ 0: Doanh nghiệp an toàn.
Sự khác biệt chủ yếu trong mô hình của Fulmer là mô hình này tập trung xem
xét trên nhóm đối tượng chính là nhóm doanh nghiệp có quy mô vốn trong khoảng
450.000 USD. Theo Fulmer, nghiên cứu của Altman chọn lựa bộ mẫu dữ liệu gồm
các doanh nghiệp có tổng tài sản lớn với quy mô tài sản ước tính 100.000.000 USD,
do đó dẫn đến việc hạn chế trong ứng dụng đối với nhóm doanh nghiệp có quy mô
tài sản nhỏ. Vì vậy, mô hình dự báo của Fulmer được biết đến như một mô hình dự
báo phá sản dành cho các doanh nghiệp nhỏ, hay còn được biết đến như mô hình H-
score.
Nhìn chung xem xét giữa 2 mô hình dự báo của Altman và mô hình của
Fulmer ta có một số nhận định chung:
Xét về số biến nghiên cứu, mô hình Fulmer có số biến xem xét nhiều hơn mô
hình Altman 4 biến, trong đó có 2 biến xuất hiện ở cả hai mô hình là biến lợi nhuận
giữ lại trên tổng tài sản và biến doanh thu thuần trên tổng tài sản. Trong đó, biến lợi
nhuận giữ lại trên tổng tài sản phản ánh hai điều. Hoạt động kinh doanh của doanh
nghiệp có hiệu quả đảm bảo cho việc thực thi các nghĩa vụ tài chính và tích lũy.
Hơn nữa chỉ tiêu này cũng phản ánh định hướng của doanh nghiệp trong việc trích
lập lợi nhuận để tái đầu tư thay vì chia lợi nhuận. Do đó chỉ tiêu này càng lớn doanh
nghiệp càng an toàn.
Cũng theo Altman đời sống của doanh nghiệp có tác động lớn đến chỉ tiêu này.
Một doanh nghiệp mới thành lập sẽ có lợi nhuận giữ lại trên tổng tài sản thấp vì
doanh nghiệp chưa có thời gian để tích lũy lợi nhuận. Điều đó có nghĩa là các doanh
nghiệp mới thành lập thường có nguy cơ phá sản cao hơn những doanh

19
nghiệp đã kinh doanh lâu đời. Cụ thể năm 1980, thống kê cho thấy 54% các doanh
nghiệp phá sản trong vòng 1 năm đến 5 năm sau khi thành lập.
Trong khi biến doanh thu thuần trên tổng tài sản còn được gọi là vòng quay
tổng tài sản là chỉ tiêu phản ánh hiệu suất sử dụng tài sản của doanh nghiệp. Chỉ tiêu
này càng cao cho thấy doanh nghiệp có khả năng thích nghi tốt với tình hình cạnh
tranh và tạo ra doanh thu.
Xét trên nhóm biến sử dụng thì mô hình Altman tập trung vào khả năng sinh
lời của doanh nghiệp. Vì vậy, biến khả năng sinh lời trong mô hình Z-score có trọng
số lớn nhất. Xét với mô hình Fulmer biến sinh lời cũng là biến có trọng số lớn nhất
trong mô hình.
2.2.3. Các mô hình dự báo phá sản khác
2.2.3.1. Mô hình M-score
Để kiểm tra phát hiện gian lận thao túng trong báo cáo tài chính của các công
ty niêm yết năm 1999, Beneish đã phát triển các lý thuyết cơ bản và xây dựng mô
hình M-score. Đây là mô hình được nhiều nhà nghiên cứu ưa thích và sử dụng
thường xuyên trên thế giới.
Công thức mô hình M-score như sau:
M-score = -4,84 + 0,092*DSRI + 0,528*GMI + 0,404*AQI + 0,892*SGI
+ 0,115*DEPI - 0,172*SGAI + 4,679*TATA - 0,327*LVGI
Mô hình này chứa 8 biến và được chia thành 2 nhóm:
Nhóm 1 gồm các biến xác định hành vi gian lận: DSRI, AQI, DEPI và TATA
Nhóm 2 gồm các biến giúp phát hiện động cơ gian lận: GMI, SGI, SGAI và
LVGI.
Trong đó:
- DSRI là chỉ số số ngày quay vòng khoản phải thu.
Chỉ số này so sánh giữa tỷ lệ khoản phải thu trên doanh thu thuần năm nay và
năm trước.

20
Công thức:
Khoản phải thu (t) Khoản phải thu (t-1)
DRSI = /
Doanh thu thuần (t) Doanh thu thuần (t-1)
- GMI là chỉ số biên lợi nhuận gộp.
Chỉ số này thể hiện tỷ suất lợi nhuận gộp năm trước chia cho năm hiện tại.
Nếu tỷ lệ này lớn hơn 1 thì tỷ suất lợi nhuận gộp giảm. Nếu tỷ lệ này nhỏ hơn 1 thì
tỷ suất lợi nhuận gộp tăng. Trong đó biên lợi nhuận gộp bằng doanh thu thuần trừ
giá vốn hàng bán.
Công thức:
Biên lợi nhuận gộp (t-1)
GMI =
Biên lợi nhuận gộp (t)
- AQI là chỉ số chất lượng tài sản.
Chỉ số này so sánh giữa tỷ lệ tài sản dài hạn khác trên tổng tài sản năm nay và
năm trước. Công ty có nhiều cách tác động đến tài sản dài hạn khác để thao túng
báo cáo tài chính.
Công thức:
Tài sản dài hạn khác (t) Tài sản dài hạn khác (t-1)
AQI = /
Tổng tài sản (t) Tổng tài sản (t-1)
- SGI là chỉ số tăng trưởng doanh thu.
Chỉ số này so sánh giữa doanh thu năm nay và năm trước. Nếu tỷ lệ này lớn
hơn 1 thì doanh thu tăng.
Công thức:
Doanh thu thuần (t)
SGI =
Doanh thu thuần (t-1)
- DEPI là chỉ số khấu hao.
Nếu chỉ số này lớn hơn 1 thì tài sản đang khấu hao với tốc độ chậm hơn.

21
Công thức:
Khấu hao (t-1) Khấu hao (t)
DEPI = /
(Tài sản cố định+Khấu hao) (t-1) (Tài sản cố định+Khấu hao) (t)
- SGAI là chỉ số chi phí bán hàng và quản lý doanh nghiệp.
Chỉ số này so sánh giữa chi phí bán hàng và quản lý doanh nghiệp trên doanh
thu năm nay so với năm trước. Nếu chỉ số này lớn hơn 1, đây có thể là dấu hiệu của
việc thao túng lợi nhuận.
Công thức:
Chi phí bán hàng và quản lý (t) Chi phí bán hàng và quản lý (t-1)
SGAI = /
Doanh thu (t) Doanh thu (t-1)
- LVGI là chỉ số đòn bẩy.
Chỉ số này thể hiện đòn bẩy tài chính năm nay so với năm trước. Nếu chỉ số
này lớn hơn 1, đòn bẩy tài chính tăng, có thể là dấu hiệu của việc thao túng lợi
nhuận.
Công thức:
Nợ ngắn hạn + Nợ vay dài hạn (t) Nợ ngắn hạn + Nợ vay dài hạn (t-1)
LVGI = /
- TATA là chỉ số biến dồn tích so với tổng tài sản. Chỉ số này đo lường mức
độ mà người quản lý điều chỉnh thu nhập dựa trên lựa chọn kế toán. Chỉ số này càng
cao thì càng có khả năng thao túng để trục lợi.
Công thức:
(LNST – CFO) (t) (LNST – CFO) (t-1)
TATA = /
LNST: Lợi nhuận sau thuế
CFO: Dòng tiền thuần từ hoạt động kinh doanh
Mô hình M-score với 5 biến

22
M-score là một biến phân phối ngẫu nhiên có giá trị trung bình bằng 0 và độ
lệch chuẩn bằng 1. Do đó, khả năng có gian lận và thao túng lợi nhuận trong báo
cáo tài chính có thể được tính toán bằng chỉ số M-Score thông qua chức năng trả về
hàm phân phối chuẩn NORMSDIST trong ứng dụng Microsoft Excel.
Mô hình M-score có thể thu gọn từ 8 biến xuống còn 5 biến, trong đó bỏ đi các
biến không có ảnh hưởng trong mô hình cũ là SGAI, DEPI và LVGI.
M = -6,065 + 0,823 DSRI + 0,906 GMI + 0,593 AQI + 0,717 SGI + 0,107
DEP
2.2.3.2. Mô hình S-score
Mô hình S-score là một mô hình để dự báo rủi ro phá sản bằng cách kết hợp
một số các tỷ số tài chính chung có trọng số khác nhau.
Công thức mô hình S-score như sau:
S = 1,03 X1 + 3,07 X2 + 0,66 X3 + 0,4 X4
Trong đó:
X1 = Vốn lưu động / Tổng tài sản
X2 = Lợi nhuận trước thuế và lãi vay / Tổng tài sản
X3 = Lợi nhuận trước thuế / Nợ ngắn hạn
X4= Doanh thu / Tổng tài sản
Nếu S-score > 0,862 thì doanh nghiệp nằm trong vùng an toàn, không phá sản.
Nếu S-score < 0,862 thì doanh nghiệp có nguy cơ phá sản.
2.2.3.3. Mô hình X-score
Mô hình X-score của Zmijewski (1984) phân tích các tỷ số tài chính đo lường
kết quả hoạt động của công ty, đòn bẩy và tính thanh khoản để dự báo. Các nghiên
cứu thực nghiệm về các mô hình khủng hoảng tài chính được thực hiện, sử dụng bộ
mẫu gồm các doanh nghiệp đang gặp áp lực tài chính và các doanh nghiệp không
chịu áp lực tài chính. Zmijewski đã sử dụng dữ liệu nghiên cứu của tất cả các công
ty cùng một mã ngành được niêm yết trên Sở giao dịch chứng khoán New York giai

23
đoạn 1972-1978, với ít hơn 6.000 công ty. Số lượng doanh nghiệp dao động từ
2.082 đến 2.241 doanh nghiệp mỗi năm và thu thập được đầy đủ dữ liệu của 81
công ty phá sản trong giai đoạn này.
Zmijewski đã phân chia toàn bộ 1.681 mẫu công ty thành 2 phần ngẫu nhiên,
phần đầu tiên được đặt tên là “mẫu ước tính” bao gồm 40 công ty phá sản và 800
công ty không phá sản, phần thứ hai được gọi là “mẫu dự đoán” bao gồm 41 công ty
phá sản và 800 công ty không phá sản. Mỗi sự lựa chọn dựa trên mẫu có thành phần
khác nhau (ví dụ tần suất phá sản doanh nghiệp), làm cho việc so sánh phân loại
giữa các mẫu không dễ dàng. Tỷ lệ chính xác tổng thể của mô hình Zmijewski là
95,29%.
Công thức của mô hình X-score như sau:
X-score = - 4,3 - 4,5 X1 + 5,7 X2 - 0,004 X3
Trong đó:
X1 = Lợi nhuận ròng / Tổng tài sản
X2 = Nợ phải trả / Tổng tài sản
X3 = Tài sản ngắn hạn / Nợ ngắn hạn
Nếu X > 0 thì công ty được dự báo sẽ phá sản.
Nếu X < 0 thì công ty được dự báo không phá sản.
Mỗi mô hình dự báo phá sản có những ưu điểm và hạn chế khác nhau. Trong
đó, mô hình Z-score và mô hình H-score có nhiều điểm thuận lợi trong nghiên cứu
tại thị trường Việt Nam. Như là, mô hình đơn giản dễ áp dụng vào thực tế, số liệu sử
dụng chủ yếu từ báo cáo tài chính nên việc thu thập dễ thực hiện và thuận lợi. Trên
cơ sở đó nghiên cứu lựa chọn ứng dụng mô hình Z-score và H-score để dự báo khả
năng phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng
khoán Việt Nam trong giai đoạn 2017-2020, từ đó đưa ra các kiến nghị cho doanh
nghiệp, nhà đầu tư và các tổ chức tài chính.
2.3. Tổng quan các nghiên cứu về các mô hình dự báo khả năng phá sản của
doanh nghiệp

24
2.3.1. Tổng quan các công trình nghiên cứu nước ngoài
Aziz và Dar (2006) đã xem xét 89 nghiên cứu về dự báo phá sản doanh nghiệp
trong giai đoạn 1968 – 2003 để thực hiện phân tích quan trọng về phương pháp luận
và kết quả thực nghiệm trong việc áp dụng các mô hình dự báo phá sản doanh
nghiệp trên 10 quốc gia khác nhau (Phần Lan, Na Uy, Thụy Điển, Bỉ, Anh, Ý, Hy
Lạp, Mỹ, Hàn Quốc và Úc). Họ nhận thấy rằng các mô hình phân tích phân biệt đa
biến (Altman, 1968) và logit (Ohlson, 1980) là phổ biến nhất trong 89 bài báo được
nghiên cứu. Xem xét tổng quan các công trình nghiên cứu ở nước ngoài ta có thể
thấy, các mô hình dự báo phá sản doanh nghiệp được xây dựng chủ yếu dựa trên các
phương pháp bao gồm: phương pháp dự báo dựa vào sổ sách kế toán, phương pháp
dự báo dựa vào nhân tố thị trường và phương pháp dự báo dựa vào trí tuệ nhân tạo.
Có rất nhiều các mô hình được tạo ra thể hiện mối quan tâm lớn đối với dự báo
phá sản, trong đó các mô hình của Altman (1968), Ohlson (1980) và Zmijewski
(1984) là những mô hình được sử dụng nhiều nhất dựa trên các biến kế toán. Các
mô hình dự báo phá sản này sử dụng các biến giải thích và kỹ thuật thống kê khác
nhau. Do đó, sức mạnh dự đoán của các mô hình dự báo phá sản này cũng khác
nhau. Tỷ lệ chính xác của các mô hình của Altman (1968), Ohlson (1980) và
Zmijewski (1984) lần lượt là 80,6%, 93,8% và 95,3% (Avenhuis, 2013). Elviani và
cộng sự (2020) đã nghiên cứu độ chính xác của các mô hình Altman (1968), Ohlson
(1980), Springate (1978) và Zmijewski (1984) trong việc dự báo phá sản của các
công ty thuộc lĩnh vực thương mại ở Indonesia. Kết quả nghiên cứu của họ đã
chứng minh rằng mô hình phù hợp và chính xác cao hơn là mô hình của Springate
và Altman. Bên cạnh đó, Ashraf và cộng sự (2019) phát hiện ra rằng cả hai mô hình
của Altman (1968) và Zmijewski (1984) đều phù hợp để dự đoán tình trạng khó
khăn tài chính của các thị trường mới nổi và có thể được sử dụng bởi các nhà quản
trị doanh nghiệp, tổ chức tài chính và các bên liên quan khi đầu tư vào một công ty
hay muốn nâng cao hiệu quả sản xuất kinh doanh.
Mô hình H-score của Fulmer không được phổ biến như các mô hình khác, nên
số bài nghiên cứu thực nghiệm khả năng dự báo của mô hình này không nhiều. Tuy
nhiên, trong một số ít nghiên cứu thực nghiệm về mô hình này cũng cho thấy kết

25
quả dự báo tốt. Cụ thể như nghiên cứu của Mackevicius và Sneidere (2010) thực
hiện trên các nhóm ngành khác nhau ở Latvia cho kết quả dự báo 83,6% đối với
nhóm doanh nghiệp xây dựng, 81,2% đối với nhóm sản xuất và 90,55% đối với
nhóm doanh nghiệp ngành dịch vụ.
Các mô hình sử dụng phương pháp dự báo dựa vào sổ sách kế toán rút ra
những biến tài chính phân biệt được giữa những công ty phá sản và những công ty
có tình hình tài chính khỏe mạnh khi phân tích rủi ro phá sản doanh nghiệp. Phương
pháp này đã được nhiều nhà nghiên cứu áp dụng để dự báo phá sản doanh nghiệp tại
các quốc gia khác nhau như nghiên cứu đối với các nhà hàng ở Mỹ của Gu (2002),
các công ty ở Thái Lan (Pongsatat và cộng sự, 2004), các công ty Nhật (Xu và
Zhang, 2009), các công ty của Rumani (Monica và cộng sự, 2012)… Phương pháp
này có những ưu điểm như dữ liệu dễ thu thập từ báo cáo tài chính, kết quả có độ
chính xác cao, phù hợp với nhiều loại hình doanh nghiệp và nhiều quốc gia khác
nhau. Tuy nhiên, hạn chế của phương pháp đó là thời gian dự báo càng dài thì độ
chính xác càng giảm.
Ngoài ra cũng phải kể đến phương pháp dự báo phá sản dựa vào nhân tố thị
trường. Phương pháp dự báo này sử dụng cách kết hợp cấu trúc đòn bẩy của công ty
và giá trị thị trường của tài sản. Hillegeist và cộng sự (2004) kết luận rằng phương
pháp dựa vào yếu tố thị trường thì cung cấp thông tin nhiều hơn đáng kể về khả
năng phá sản của các công ty hơn là phương pháp dựa vào sổ sách kế toán. Ngược
lại, Reisz và Perlich (2007) cho rằng phương pháp dựa vào sổ sách kế toán như mô
hình của Altman thể hiện vượt trội khi dự báo một năm trước khi phá sản, tuy nhiên
yếu dần khi thời gian dự báo dài hơn.
Mặt khác, Wu và cộng sự (2010) đã nghiên cứu so sánh độ chính xác của năm
mô hình dự báo phá sản đó là Altman (1968), Ohlson (1980), Zmijewski (1984),
Shumway (2001) và Hillegeist và cộng sự (2004) bằng cách sử dụng tập dữ liệu của
các công ty niêm yết tại Mỹ. Kết quả cho thấy rằng mô hình của Shumway (2001)
hoạt động tốt nhất, mô hình của Hillegeist và cộng sự (2004) hoạt động tốt, mô hình
của Ohlson (1980) và Zmijewski (1984) hoạt động tốt nhưng hiệu suất của chúng
giảm dần theo thời gian, trong khi mô hình của Altman (1968) hoạt động kém hơn

26
so với bốn mô hình khác được phân tích.
Phương pháp dự báo phá sản dựa vào nhân tố thị trường phụ thuộc vào giả
thuyết thị trường hiệu quả. Nhược điểm của phương pháp này là chỉ xem xét các
công ty được niêm yết chứ không xem xét những công ty tư nhân (Berg, 2007). Vì
thế phương pháp này cũng có một số giới hạn.
Odom và Sharda (1990) đã phát triển một mô hình trí tuệ nhân tạo để dự báo
phá sản và so sánh kết quả với phân tích biệt số MDA về độ chính xác phân loại. Họ
xác nhận trí tuệ nhân tạo có thể được sử dụng trong lĩnh vực dự báo phá sản. Coats
và Font (1993) đã sử dụng mô hình trí tuệ nhân tạo để đo lường tình trạng sức khỏe
tài chính doanh nghiệp. Trí tuệ nhân tạo được sử dụng để ước tính mẫu dữ liệu có
thể phân biệt các công ty có tình hình tài chính khỏe mạnh và các công ty có rủi ro
phá sản. Kết quả họ đưa ra là phương pháp trí tuệ nhân tạo hiệu quả hơn phương
pháp biệt số MDA.
Kể từ những năm 2000, xuất hiện thêm phương pháp dự báo phá sản dựa vào
trí tuệ nhân tạo. Phương pháp tiếp cận hiện tại này bao gồm mạng nơ-ron (neural
networks), giải thuật di truyền (genetic algorithms), logic mờ (fuzzy logic), máy
vectơ hỗ trợ (support vector machines) hoặc các phương pháp phân loại tập hợp
(ensemble classifier methods). Người ta thấy rằng các kỹ thuật học máy như mạng
nơ-ron (NNet), máy vectơ hỗ trợ (SVM) và các phương pháp phân loại tập hợp có
khả năng dự báo tốt hơn và hiệu quả phân loại cao hơn so với các phương pháp tiếp
cận thông thường. Tổng quan về các nghiên cứu trước đây về việc áp dụng các
phương pháp thống kê và kỹ thuật máy học trong dự đoán phá sản doanh nghiệp có
thể được tìm thấy trong các nghiên cứu như nghiên cứu của Kumar và Ravi (2007)
và Lessmann và cộng sự (2015). Ngày nay với sự phát triển của các thuật toán máy
học, học sâu, các mô hình dự báo phá sản doanh nghiệp trở nên ngày càng phức tạp
hơn nhưng cũng đạt mức độ chính xác cao hơn.
Như vậy các phương pháp dự báo phá sản doanh nghiệp được đề xuất bởi
nhiều nhà nghiên cứu khác nhau có những ưu điểm và tồn tại hạn chế nhất định. Độ
chính xác và phù hợp của các mô hình dự báo phá sản tùy thuộc vào ngành nghề

27
doanh nghiệp và quốc gia nghiên cứu (Etemadi và cộng sự, 2008).
2.3.2. Tổng quan các công trình nghiên cứu trong nước
Tại Việt Nam trong những năm gần đây, đề tài về phá sản cũng đã nhận được
nhiều sự quan tâm của các nhà nghiên cứu. Tuy nhiên đa số các nghiên cứu đều sử
dụng phương pháp phân tích rủi ro phá sản dựa vào sổ sách kế toán.
Balcaen và Ooghe (2004) đã nhận định rằng “Mặc dù ra đời cách đây nhiều
năm, mô hình Z-score của Altman vẫn là công cụ dự báo được giới học thuật và
thực hành công nhận và sử dụng rộng rãi nhất trên thế giới”. Là mô hình được vận
dụng phổ biến trên thế giới, Altman (1968, 2000) đã chứng minh khả năng dự báo
chính xác trước một năm của mô hình Z-score đạt đến trên 90% với các mẫu nghiên
cứu 120 doanh nghiệp tại Mỹ (năm 1997-1999), 31 doanh nghiệp tại Mexico (năm
1994-1998), 62 doanh nghiệp tại Thái Lan (năm 1995-1999). Tin tưởng vào mức độ
chính xác cao, tại Việt Nam, nhiều tác giả cũng sử dụng mô hình Z-score của
Altman để dự báo khả năng phá sản của doanh nghiệp.
Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012) chứng minh mô hình Z-score
(1995) của Altman thích hợp để dự báo thất bại của các công ty niêm yết trên sàn
HOSE (độ tin cậy 91%). Song, nghiên cứu này có một số hạn chế là: (i) Chỉ kiểm
tra khả năng vận dụng của mô hình Z-score (1995), (ii) Sử dụng tiêu chí xác định
doanh nghiệp kiệt quệ tài chính là những doanh nghiệp bị hủy niêm yết vĩnh viễn
hoặc thua lỗ 2 năm liên tiếp trở lên, lỗ lũy kế lớn hơn vốn chủ sở hữu. Các doanh
nghiệp còn lại trong mẫu nghiên cứu được xếp vào nhóm doanh nghiệp có tình hình
tài chính tốt mà trong số đó có những doanh nghiệp lại bị hủy niêm yết vào ngay
năm sau (2013) như CTCP Đầu tư xây dựng điện Meca Vneco, (iii) Mẫu nghiên cứu
doanh nghiệp kiệt quệ tài chính nhỏ, chỉ gồm 11 doanh nghiệp và (iv) Dữ liệu
nghiên cứu giới hạn trong giai đoạn từ năm 2004 đến năm 2011.
Phạm Thị Tường Vân (2016) cũng xem xét khả năng sử dụng Z-score tại Việt
Nam bằng cách so sánh kết quả Z-score với chỉ số xếp hạng S&P. Tác giả khẳng
định có sự thống nhất tuyệt đối về đánh giá đối với nhóm doanh nghiệp có khó khăn
tài chính. Tuy vậy, trong nghiên cứu này, tác giả không sử dụng kết quả xếp hạng

28
cụ thể các doanh nghiệp do S&P cung cấp hoặc xác định theo cách tương đương mà
quy đổi từ giá trị Z-score của doanh nghiệp sang thứ hạng tương ứng trong danh
mục xếp hạng của S&P, căn cứ vào bảng hướng dẫn của Altman và Hotchkiss
(2006).
Mặt khác, nhiều học giả cho rằng mô hình Z-score của Altman được xây dựng
dựa trên dữ liệu của các doanh nghiệp tại Mỹ nên không thể vận dụng hoàn toàn để
dự báo nguy cơ phá sản của các doanh nghiệp ngoài nước Mỹ (do sự khác biệt về
tiêu chuẩn kế toán, đặc điểm kinh tế - chính trị xã hội…). Vì thế, các tác giả đã điều
chỉnh mô hình cho phù hợp với điều kiện thực tế tại các quốc gia khác như Hàn
Quốc, Nhật Bản, Malaysia, Singapore, Trung Quốc… Cùng trên quan điểm đó,
Đinh Thế Hiển (2008) đã điều chỉnh các tham số của mô hình Z-score phù hợp với
thị trường Việt Nam, trong đó đề cao tác động của cơ cấu đầu tư tài sản hơn hệ số
sinh lời tổng tài sản.
ZVietnam_ĐTH = 2,11 + 4,59X1 + 2,28X2 + 4,03X3 + 0,84X4
Tuy sự điều chỉnh này dựa trên các căn cứ khoa học (đã được tác giả luận giải
cụ thể) song chỉ với hai trường hợp cụ thể là Công ty Cổ phần Dầu Tường An
(TAC) và Công ty Văn hóa phẩm Phương Nam (PNC), kết quả phân tích chưa đảm
bảo tính đại diện cho tổng thể các doanh nghiệp Việt Nam.
Khổng Thanh Hòa (2008) sử dụng bộ số liệu của 230 công ty cổ phần niêm yết
trên sàn giao dịch chứng khoán HOSE và HNX, lặp lại các thao tác phân tích như
Altman để ước lượng các tham số của mô hình Z-score. Với giá trị phân biệt
1,0689, chỉ số Z của Việt Nam được đề nghị xác định theo phương trình:
ZVietnam_KTH = 0,204X1 + 1,386X2 + 2,211X3 + 0,009X4 + 0,488X5
Độ phù hợp của mô hình được tác giả kiểm định lên tới 70%. Tuy nhiên, do thị
trường nợ và thị trường trái phiếu của Việt Nam chưa phát triển nên ngay từ đầu tác
giả đã không phân loại được chính xác các công ty phá sản và không phá sản như
cách làm của Altman. Biến giả đo lường tình trạng tài chính (Distress) nhận giá trị 1
(tương đương với tiềm ẩn tình trạng tài chính khốn khó) nếu doanh nghiệp có trong
danh sách bị kiểm soát của Sở giao dịch chứng khoán Thành phố Hồ Chí

29
Minh hoặc có kết quả sản xuất kinh doanh âm (bị lỗ) hoặc lợi nhuận sau thuế dưới
10% so với kế hoạch đặt ra. Distress nhận giá trị 0 (không tiềm ẩn tình trạng tài
chính khốn khó) khi không rơi vào các trường hợp trên. Đây chưa phải thang đo phù
hợp cho nguy cơ mất khả năng thanh toán của doanh nghiệp. Đồng thời, việc chọn
kỳ nghiên cứu là năm 2007 có phần khiên cưỡng (để đủ số lượng các công ty có tình
trạng tài chính thuộc nhóm 1) cũng ảnh hưởng tới tính đại diện của mẫu nghiên cứu.
Đào Thị Thanh Bình (2013) tiến hành nghiên cứu tương tự với mẫu nghiên
cứu gồm 60 công ty cổ phần niêm yết thuộc lĩnh vực sản xuất, lấy tiêu chí “lợi
nhuận sau thuế thấp nhất trong 4 quý – tính đến quý 2 năm 2010” làm căn cứ để
phân biệt công ty “Xấu” và “Tốt”. Đồng thời, bỏ biến Doanh thu/Tổng tài sản, thay
bằng Giá trị vốn hóa thị trường/Giá trị vốn hóa sổ sách; bổ sung thêm 3 biến: Tổng
nợ/Tổng tài sản; Lợi nhuận ròng/Doanh thu và Lợi nhuận ròng/Tài sản cố định. Độ
chính xác của nghiên cứu là 86%, thu được phương trình có dạng:
ZVietnam_ĐTTB = 1,268X1 - 1,179X2 - 0,56X3 + 0,023X4 + 0,185X5 -
0,009X6 + 0,411X7 + 6,641X8 - 1,888
Giá trị phân biệt được xác định là 0,575 và 0,975. Sau khi tính chỉ số Z cho 46
công ty trong nhóm, tác giả đối chiếu với kết quả xếp hạng tín dụng của S&P, phát
hiện sự khác biệt rõ ràng giữa nhóm “Đầu” và “Đáy”. Kết quả của nghiên cứu này
có giá trị tham khảo tốt cho các công trình tiếp theo, tuy vậy, khả năng ứng dụng
thấp do quy mô mẫu nhỏ và căn cứ phân biệt doanh nghiệp không hợp lý, ảnh
hưởng tới tính phù hợp của kết quả.
Trong số ít nghiên cứu vận dụng đồng thời hai mô hình Z-score và H-score ở
Việt Nam, Liêu Minh Lý (2014) kết luận có sự khác biệt trong khả năng dự báo của
hai mô hình Z-score và H-score. Kết quả nghiên cứu cho thấy 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. Kết luận này góp phần hỗ trợ các cá nhân, tổ chức trong việc ứng dụng
hai mô hình này để dự báo phá sản doanh nghiệp. Tuy vậy, nghiên cứu mới chỉ dựa
trên tập hợp nhóm doanh nghiệp phi tài chính mà chưa xem xét đến khả năng ứng

30
dụng của hai mô hình đối với nhóm định chế tài chính.
Đối với phương pháp phân tích rủi ro phá sản dựa vào sổ sách kế toán, các công
trình nghiên cứu phần lớn tập trung vào việc vận dụng mô hình phá sản Z-score của
Altman như nghiên cứu của Lâm Minh Chánh (2007) vận dụng mô hình Z-score phát
hiện nguy cơ phá sản và xếp hạng định mức tín dụng, nghiên cứu của Huỳnh Cát
Tường (2008) vận dụng mô hình Z-score trong dự báo khánh kiệt tài chính đối với
nhiều ngành nghề, nghiên cứu của Nguyễn Thành Cường, Phạm Thế Anh (2010) vận
dụng mô hình Z-score dự báo phá sản cho các doanh nghiệp thủy sản. Mặt khác cũng
có một số công trình nghiên cứu theo hướng phát triển mô hình Z-score để phù hợp với
thị trường Việt Nam như tác giả Đinh Thế Hiển (2008), Khổng Thanh Hòa (2008), Đào
Thị Thanh Bình (2013). Tuy nhiên các nghiên cứu này còn tồn tại những hạn chế như
quy mô mẫu nhỏ, thời gian xem xét ngắn hoặc phân loại doanh nghiệp “tốt” và “xấu”
không hợp lý, chưa đảm bảo yếu tố đại diện cho tổng thể.
Bên cạnh đó, có nghiên cứu áp dụng chung cho nhiều ngành nghề như nghiên
cứu của Lê Cao Hoàng Anh và Nguyễn Thu Hằng (2012), Phạm Thị Tường Vân
(2016), có nghiên cứu lại áp dụng riêng đối với ngành nghề cụ thể như ngành bất
động sản (Đặng Ngọc Hùng và cộng sự, 2012) hay ngành ngân hàng (Nguyễn Đăng
Tùng và cộng sự, 2015). Việc chọn đối tượng và phạm vi nghiên cứu khác nhau làm
ảnh hưởng tới tính phù hợp của kết quả. Do đó, cần có thêm các nghiên cứu để bổ
sung bằng chứng thực nghiệm tại thị trường Việt Nam.
Từ tổng quan các công trình nghiên cứu trong nước, có thể nhận thấy rằng:
Thứ nhất, cần có thêm nghiên cứu về rủi ro phá sản nói chung và rủi ro phá
sản trong các công ty bất động sản nói riêng nhằm bổ sung bằng chứng thực nghiệm
về phân tích rủi ro phá sản doanh nghiệp.
Thứ hai, bên cạnh mô hình Z-score được sử dụng khá rộng rãi, có thể sử dụng
kết hợp thêm mô hình khác để so sánh đối chiếu kết quả dự báo, chẳng hạn như mô
hình H-score.
Thứ ba, cần có các nghiên cứu sử dụng dữ liệu gần với hiện tại nhằm đưa ra
cảnh báo phù hợp kịp thời với tình hình thị trường.

31
CHƢƠNG 3: PHƢƠNG PHÁP NGHIÊN
CỨU 3.1. Thu thập số liệu
Số liệu được thu thập từ các báo cáo tài chính giai đoạn 2017 - 2020 của các công
ty ngành bất động sản niêm yết trên Sở giao dịch chứng khoán thành phố Hồ Chí Minh
(HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX). Số liệu chọn mẫu có 56 công ty
bao gồm 43 công ty niêm yết trên Sở giao dịch chứng khoán thành phố Hồ Chí Minh và
13 công ty niêm yết trên Sở giao dịch chứng khoán Hà Nội. Dưới đây là các tiêu chí
chung áp dụng kỹ thuật lấy mẫu có chủ đích để tạo mẫu. Mẫu này từng được trình bày
bởi Reni Yendrawati và cộng sự (2020) khi lựa chọn các tiêu chí của các công ty niêm
yết trong lĩnh vực bất động sản, bất động sản và xây dựng, xây dựng trên thị trường
chứng khoán Indonesia. Kết quả thu được tổng số 224 quan sát.
Mẫu được thu thập thông qua các tiêu chí sau:
1. Công ty hoạt động trong ngành bất động sản.
2. Công ty đã công bố đầy đủ các báo cáo tài chính và niêm yết trong giai
đoạn 2017 – 2020
3. Công ty có năm tài chính kết thúc vào tháng 12.
4. Công ty trình bày báo cáo tài chính bằng đồng Việt Nam.
Bảng 3.1. Bảng các tiêu chí chọn mẫu nghiên cứu
STT Tiêu chí Số lƣợng
1 Công ty hoạt động trong ngành bất động sản 70
2
Công ty không có đầy đủ các báo cáo tài chính hoặc không
(13)
niêm yết trong giai đoạn 2017 – 2020
3 Công ty không có năm tài chính kết thúc vào tháng 12 (1)
4
Công ty không trình bày báo cáo tài chính bằng đồng Việt
(0)
Nam
Tổng số công ty 56
Tổng số quan sát 224

ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

Similar to ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM (20)

More from lamluanvan.net Viết thuê luận văn

More from lamluanvan.net Viết thuê luận văn (20)

ỨNG DỤNG MÔ HÌNH Z-SCORE VÀ H-SCORE TRONG DỰ BÁO KHẢ NĂNG PHÁ SẢN CỦA CÁC DOANH NGHIỆP BẤT ĐỘNG SẢN NIÊM YẾT TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM