Các nhân tố tác động lên khả năng phá sản của các doanh nghiệp niêm yết ngành Nguyên vật liệu tại Việt Nam

TRẦN THỊ VINH (Khoa Kế toán - Kiểm toán, Trường Đại học Mở Thành phố Hồ Chí Minh) - NGUYỄN HUỲNH MỸ VINH (Khoa Đào tạo đặc biệt, Trường Đại học Mở Thành phố Hồ Chí Minh)

TÓM TẮT:

Nghiên cứu nhằm mục tiêu tìm ra các nhân tố tác động đến rủi ro phá sản doanh nghiệp thuộc nhóm ngành Nguyên vật liệu được niêm yết trên Sở Giao dịch chứng khoán TP. Hồ Chí Minh (HSX) và Sở Giao dịch chứng khoán Hà Nội (HNX). Ước lượng hồi quy Pooled OLS được sử dụng và cho thấy, các chỉ số WCTA, RETA, TLTA và ARSAL có tác động đến rủi ro phá sản doanh nghiệp. Ngoài ra, nghiên cứu không thấy mối tương quan có ý nghĩa thống kê giữa các chỉ số EBITTA, BVETL, SALTA, CACL và rủi ro phá sản.

Từ khóa: khả năng phá sản, chỉ số tài chính, ngành Nguyên vật liệu.

1. Đặt vấn đề

Kể từ đầu năm 2020 đến nay, đại dịch Covid-19 vẫn đang diễn biến hết sức phức tạp. Các doanh nghiệp thuộc ngành sản xuất nói chung và nhóm ngành Nguyên vật liệu nói riêng chịu ảnh hưởng không nhỏ. Một loạt các tổn thất nghiêm trọng, như: hoạt động sản xuất, thương mại bị gián đoạn, hàng nghìn doanh nghiệp lao đao do phải gồng gánh một khoản chi phí lớn, hoạt động kinh doanh của các doanh nghiệp vô cùng biến động, tính thanh khoản thấp, nợ xấu tăng cao,... Thực trạng khó khăn được dự báo sẽ còn tiếp diễn cho đến khi trạng thái bình thường mới được thiết lập. Theo công bố của Tổng cục Thống kê về tình hình kinh tế - xã hội trong 8 tháng đầu năm 2021, trung bình mỗi tháng có gần 10.700 doanh nghiệp rút khỏi thị trường. Trong số các doanh nghiệp rời khỏi thị trường có đến 43.200 doanh nghiệp tạm ngừng kinh doanh có thời hạn (tăng 25,9%); hơn 30.000 doanh nghiệp đang chờ thủ tục giải thể (tăng 24,5%) và 12.200 doanh nghiệp hoàn tất thủ tục giải thể (tăng 17,8%).

Nghiên cứu này được thực hiện nhằm xây dựng mô hình dự báo phá sản phù hợp cho các doanh nghiệp thuộc nhóm ngành sản xuất nguyên vật liệu được niêm yết trên sàn HSX và HNX. Trên cơ sở đó, vận dụng mô hình và có những khuyến nghị phù hợp góp phần nâng cao ưu điểm, kịp thời phát hiện và hạn chế nhược điểm còn tồn đọng, nhằm cải thiện tình hình hoạt động kinh doanh của các doanh nghiệp thuộc nhóm ngành nguyên vật liệu tại Việt Nam.

2. Mô hình nghiên cứu và phương pháp nghiên cứu

2.1. Mô hình và các giả thuyết nghiên cứu

Nghiên cứu sử dụng mô hình Z-Score điều chỉnh để tính toán rủi ro phá sản cho 46 doanh nghiệp niêm yết ngành Nguyên vật liệu tại Việt Nam. Mô hình Z có dạng như sau:

Z’’ = β0 + β1*WCTA + β2*RETA + β3*EBITTA + β4*BVETL + εi

Mục tiêu cốt yếu của nghiên cứu là khám phá các nhân tố mới có ảnh hưởng đến rủi ro phá sản doanh nghiệp thuộc nhóm ngành nguyên vật liệu tại Việt Nam. Ngoài 4 biến tỷ số tài chính có sẵn trong mô hình Z, nhóm tác giả mở rộng mô hình nghiên cứu bằng cách đưa vào mô hình các biến độc lập khác nhau. Các biến độc lập được chọn lọc thỏa mãn các tiêu chí: (1) Thường xuyên trong các bài nghiên cứu rủi ro phá sản doanh nghiệp trong và ngoài nước; (2) Các biến độc lập đều có ý nghĩa thống kê trong các nghiên cứu trước đây. Cụ thể mô hình Z có dạng như sau:

Z’’ = β0 + β1*WCTA + β2*RETA + β3*EBITTA + β4*BVETL + β5*SALTA
+ β6*TLTA + β7*ARSAL + β8*CACL + εi

Biến phụ thuộc Z thể hiện rủi ro phá sản của doanh nghiệp, nhận giá trị 1 (khi Z < 5,85) nếu doanh nghiệp thuộc nhóm có nguy cơ phá sản và nhận giá trị 0 (khi Z > 5,85) nếu doanh nghiệp thuộc nhóm an toàn (Altman, 2006).

Trong đó:

- WCTA là vốn lưu động/Tổng tài sản;

- RETA là lợi nhuận giữ lại/Tổng tài sản;

- EBITTA là lợi nhuận trước thuế và lãi vay/Tổng tài sản;

- BVETL là vốn chủ sở hữu/Tổng nợ phải trả;

- SALTA là doanh thu thuần/Tổng tài sản;

- TLTA là Tổng nợ phải trả/Tổng tài sản;

- ARSAL là khoản phải thu/Doanh thu thuần;

- CACL là tài sản ngắn hạn/Nợ ngắn hạn.

Các giả thuyết nghiên cứu gồm:

H1: WCTA có tương quan nghịch biến đến rủi ro phá sản doanh nghiệp.

H2: RETA có tương quan nghịch biến đến rủi ro phá sản doanh nghiệp.

H3: EBITTA có tương quan nghich biến đến rủi ro phá sản doanh nghiệp.

H4: BVETL có mối tương quan nghịch biến đến rủi ro phá sản doanh nghiệp.

H5: SALTA có tương quan nghịch biến đến rủi ro phá sản doanh nghiệp.

H6: TLTA có tương quan đồng biến đến rủi ro phá sản doanh nghiệp.

H7: ARSAL có tương quan đồng biến đến rủi ro phá sản doanh nghiệp.

H8: CACL có tương quan nghịch biến đến rủi ro phá sản doanh nghiệp. 

2.2. Phương pháp nghiên cứu

- Forward: Kiểm định lần lượt đưa từng biến độc lập theo giả thuyết nghiên cứu vào mô hình, bổ sung từng biến bằng cách sử dụng tiêu chí phù hợp với mô hình đã chọn (biến độc lập được giữ lại có ý nghĩa thống kê đạt mức 95%). Lặp lại quá trình cho đến khi không có biến độc lập nào khác có thể cải thiện mô hình đến mức có ý nghĩa thống kê.

- Backward: Phương pháp loại bỏ ngược bằng cách bắt đầu với tất cả các biến độc lập theo giả thuyết nghiên cứu. Loại bỏ dần từng biến khi giá trị p-value > 0.05 và sự mất mát của biến không làm cho mô hình bị suy giảm đáng kể về mặt thống kê. Lặp lại quá trình cho đến khi không có biến độc nào có giá trị p-value > 0.05.

3. Phân tích kết quả nghiên cứu

3.1. Thống kê mô tả

Dữ liệu nghiên cứu được nhóm tác giả thu thập bao gồm 143 công ty thuộc nhóm ngành nguyên vật liệu. Sau khi loại bỏ các dữ liệu ngoại lai và các công ty không đủ dữ liệu nghiên cứu, bộ dữ liệu còn lại 46 công ty niêm yết thuộc nhóm ngành đã đề cập. Có 8 cặp biến, gồm: WCTA, RETA, EBITTA, BVETL, SALTA, ARSAL và CACL của 46 công ty trên được đưa vào nghiên cứu. Mẫu nghiên cứu cuối cùng bao gồm 230 quan sát của 46 doanh nghiệp ngành nguyên vật liệu niêm yết trên sàn HOSE và HNX trong giai đoạn 2016 - 2020 được thống kê tại Bảng 1.

Bảng 1. Phân tích thống kê mô tả

Phân tích thống kê mô tả

Nguồn: Tác giả thực hiện và trích xuất từ phần mềm STATA bản 14.0

Biến WCTA có giá trị nhỏ nhất là -0.1109064 năm 2019; giá trị lớn nhất là 0.7202689 năm 2017. RETA có giá trị nhỏ nhất là -0.0488677 năm 2020; giá trị lớn nhất là năm 2017. Tương tự, giá trị nhỏ nhất của EBITTA tại năm 2015 với -0.0199092; năm 2016 có giá trị lớn nhất. BVETL có giá trị nhỏ nhất là 0.0682605 năm 2020; giá trị lớn nhất là 6.142658 năm 2016. Giá trị nhỏ nhất của SALTA là 0.1128042 năm 2016; giá trị lớn nhất là 2.266537 năm 2019. Các giá trị nhỏ nhất của các biến còn lại TLTA, ARSAL và CACL lần lượt là 0.1400039; 0.0000726 và 0.2526345 tương ứng với các năm 2016; 2020 và 2019. Ngược lại, giá trị lớn nhất của các biến TLTA, ARSAL và CACL lần lượt là 0.872872; 0.5786781 và 18.94405 tương ứng với các năm 2019; 2016 và năm 2017. Nhìn chung, các biến có độ lệch chuẩn thấp.

3.2. Phân tích hệ số tương quan

Các biến độc lập gồm WCTA, RETA, EBITTA, BVETL, SALTA, ARSAL và CACL có tương quan nghịch biến với biến phụ thuộc Z (rủi ro phá sản); riêng TLTA có tương quan đồng biến. Các cặp biến độc lập đều có hệ số tương quan nhỏ hơn ±0,8, do đó khả năng xảy ra hiện tượng đa cộng tuyến hoàn hảo thấp. Kết quả của các hệ số tương quan giữa các biến nghiên cứu được trình bày tại Bảng 2.

Bảng 2. Hệ số tương quan giữa các biến nghiên cứu

Hệ số tương quan giữa các biến nghiên cứu

Nguồn: Tác giả thực hiện và trích xuất từ phần mềm STATA bản 14.0

3.3. Phân tích đa cộng tuyến

Bảng 3. Kết quả tổng hợp kiểm định VIF

Kết quả tổng hợp kiểm định VIF

Nguồn: Tác giả thực hiện và trích xuất từ phần mềm STATA bản 14.0

Kết quả Bảng 3 cho thấy lần kiểm tra đầu tiên có khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến BVETL, TLTA, EBITTA và RETA. Để khắc phục hiện tượng này, các biến có hệ số VIF > 2 được loại bỏ lần lượt. Lần kiểm nghiệm thứ 2 loại biến BVETL ra khỏi mô hình nghiên do hệ số VIF = 6.39 (cao nhất trong các biến). Kết quả cho thấy, EBITTA và RETA có khả năng xảy ra hiện tượng đa cộng tuyến. Lần kiểm nghiệm thứ 3 loại EBITTA, các biến độc lập còn lại bao gồm TLTA, RETA, WCTA, ARSAL, SALTA và CACL đều có hệ số VIF < 2. Có thể kết luận khả năng xảy ra hiện tượng đa cộng tuyến nghiêm trọng trong mô hình là rất thấp.

3.4. Phân tích kết quả hồi quy

Bảng 4. Kết quả hồi quy

Kết quả hồi quy

Nguồn: Tác giả thực hiện và trích xuất từ phần mềm STATA bản 14.0

Bảng 4 cho thấy Prob > chi2 = 1.0000 (> 0.05) nên mô hình Pooled OLS là mô hình phù hợp. Kết quả hồi quy của mô hình Pooled OLS (Bảng 4) được chọn để sử dụng. Các biến độc lập có ý nghĩa trong mô hình bao gồm WCTA, RETA, TLTA và ARSAL.

3.5. Kiểm định mô hình theo phương pháp Forward và Backward

Sau khi lựa chọn mô hình hồi quy phù hợp, hai phương pháp Forward và Backward lần lượt được sử dụng nhằm kiểm chứng độ chính xác của mô hình. Chỉ các chỉ số có p-value < 0.05 sẽ được giữ lại trong mô hình. Kết quả được trình bày tại Bảng 5.

Bảng 5. Kết quả kiểm định Forward và Backward

Kết quả kiểm định Forward và Backward

Nguồn: Tác giả thực hiện và trích xuất từ phần mềm STATA bản 14.0

Bảng 5 cho thấy WCTA, RETA, TLTA và ARSAL đều có p |z| < 0.05. Đây là các biến sẽ xuất hiện trong mô hình với mức ý nghĩa thống kê đạt 95%. Ngoài ra, giả thuyết nghiên cứu và dấu kỳ vọng tác động đến rủi ro phá sản doanh nghiệp đã trình bày ở Bảng 6 trùng khớp với kết quả nghiên cứu.

Bảng 6. Kết quả tác động của các biến đến rủi ro phá sản doanh nghiệp

Kết quả tác động của các biến đến rủi ro phá sản doanh nghiệp

Nguồn: Tổng hợp bởi tác giả

Mô hình hình được viết theo phương pháp hồi quy OLS có dạng như sau :

Z = -9.423232 - 91.16114WCTA -  63.27848RETA + 44.25521TLTA + 17.01489ARSAL + εi

4. Kết luận

Mục tiêu nghiên cứu nhằm tìm hiểu các yếu tố tác động đến rủi ro phá sản của các doanh nghiệp niêm yết thuộc nhóm ngành nguyên vật liệu được niêm yết trên sàn HSX và HNX trong giai đoạn 2016- 2020. Nghiên cứu tìm ra 4 biến độc lập có tác động đến mô hình nghiên cứu bao gồm WCTA, RETA, TLTA, ARSAL. Trong đó có 2 biến độc lập trong mô hình gốc của Altman (1968) là WCTA và RETA có dấu tác động cùng chiều. 2 biến độc lập được lược khảo từ lý thuyết nền và nghiên cứu trước gồm TLTA và ARSAL có tác động nghịch biến (-) đến rủi ro phá sản doanh nghiệp. Các biến độc lập trên đều có ý nghĩa thống kê ở mức 95% và có dấu tác động tương tự với dự kiến ban đầu của nghiên cứu. Dựa trên kết quả tìm thấy, nghiên cứu đề ra một số khuyến nghị sau:

Quản trị vốn lưu động: Vốn lưu động là yếu tố quan trọng thể hiện hiệu quả hoạt động kinh doanh của doanh nghiệp. Đối với các doanh nghiệp đầu ngành như nguyên vật liệu, khoản mục hàng tồn kho đóng vai trò rất quan trọng. Do đó, doanh nghiệp nên kiểm soát nguồn tồn kho cần lưu trữ, có kế hoạch bán hàng phù hợp và tính toán chi phí hợp lý. 

Quản trị nợ vay: Tính toán việc thanh toán lãi và gốc đúng thời hạn giúp gây dựng lòng tin đối với các chủ nợ. Ngày nay, doanh nghiệp thường có xu hướng vay nợ bên ngoài thay vì huy động vốn nội bộ để giảm mức chi trả cổ tức cho cổ đông và tận dụng đòn bẩy tài chính. Tuy nhiên, rủi ro vỡ nợ cũng gia tăng khi doanh nghiệp phải gánh vác khoản chi phí quá cao. Do đó, doanh nghiệp cần có chính sách vay nợ hợp lý, quản lý thời gian và mức lãi vay phù hợp tránh xảy ra tình trạng vỡ nợ.

Quản trị khoản phải thu: Khoản phải thu là yếu tố quan trọng giúp doanh nghiệp nâng cao khả năng cạnh tranh thông qua chính sách tín dụng thương mại nhằm thu hút khách hàng tiềm năng. Để quản trị tốt khoản mục này, doanh nghiệp cần xây dựng hệ thống bán chịu với số ngày phải thu, số tiền đồng ý bán chịu và chính sách phạt trả chậm hợp lý. Cần có biện pháp mềm dẻo, đúng thời điểm để không gây bất hòa và làm mất đi nguồn khách hàng tiềm năng.

TÀI LIỆU THAM KHẢO:

Tài liệu nước ngoài:

  1. Adenaeuer, L., & Heckelei, T. (2011). Foreign Direct Investment and the Performance of European Agribusiness Firms. Journal of Agricultural Economics, 62, 639-654.
  2. Aleksanyan, L., & Huiban, J.-P. (2016). Economic and financial determinants of firm bankruptcy: Evidence from the French food industry. Review of Agricultural, Food and Environmental Studies, 97, 89-109.
  3. Altman, E. I. (1968). American Finance Association Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609.
  4. Altman, E. I., & Hotchkiss, E. (2006). Corporate Financial Distress and Bankruptcy. USA: John Wiley & Sons, Inc.
  5. Becchetti, L., & Sierra, J. (2003). Bankruptcy risk and productive efficiency in manufacturing firms. Journal of Banking & Finance, (27), 2099-2120.
  6. Chaddad, F. R., & Mondelli, M. P. (2012). Sources of Firm Performance Differences in the US Food Economy. Journal of Agricultural Economics, 64(2), 382-404.
  7. Dalnial, H., Kamaluddin, A., Sanusi, Z. M., & Khairuddin, K. S. (2014). Detecting Fraudulent Financial Reporting through Financial Statement Analysis. Journal of Advanced Management Science, 2, 17-22.
  8. Gordon, M. J. (1971). Toward a Theory of Financial Distress. Journal of finance, 26(2), 347-356.
  9. Healy, P. M., & Wahlen, J. M. (1999). A Review of the Earnings Management Literature and Its Implicantions for Standard Setting. Accounting Horizons, 13, 365-383.
  10. Laitinen., E. K. (2006). Financial statement data in assessing the future potential of a technology firm: The case of Nokia. International Review of Financial Analysis, 15, 256-286.

Tiếng Việt:

  1. Cường, N. T., & Anh, P. T. (2010). Đánh giá rủi ro phá sản của các doanh nghiệp chế biến thủy sản đang niêm yết trên thị trường chứng khoán Việt Nam. Tạp chí Khoa học - Công nghệ Thủy sản, 2, 27-33.
  2. Hà, N. M., & Khang, N. B. (2013). Các yếu tố tác động đến phá sản doanh nghiệp tại tỉnh Đồng Nai. Tạp chí Phát triển kinh tế, 273, 26-38.
  3. Lan, N. T. (2019). Các nhân tố ảnh hưởng đến rủi ro phá sản của các doanh nghiệp niêm yết ngành Xây dựng tại Việt Nam. Tạp chí Khoa học & Đào tạo Ngân hàng, 205, 31-47.
  4. Quyên, N. Đ., & Mai, L. N. (2021). Nghiên cứu tác động của quản trị lợi nhuận tới khả năng phá sản của các doanh nghiệp niêm yết tại Việt Nam. Tạp chí Quản lý và Kinh tế quốc tế, 140, 1-18.
  5. Trang, N. T., Chỉnh, N. Q., & Hưng, V. Q. (2016). Xây dựng và vận dụng mô hình Z-Score trong quản trị rủi ro tại các trang trại sản xuất gia cầm trên địa bàn tỉnh Thái Bình. Tạp chí Khoa học Nông nghiệp Việt Nam, 14(12), 1986-1994.
  6. Vân, H. T. (2020). Vận dụng mô hình Z-score trong dự báo khả năng phá sản doanh nghiệp tại Việt Nam. Tạp chí Khoa học & Đào tạo Ngân hàng, 217, 43-51.

FACTORS AFFECTING THE BANKRUPTCY

 OF LISTED MATERIALS MANUFACTURING

ENTERPRISES IN VIETNAM

• TRAN THI VINH1

• NGUYEN HUYNH MY VINH2

1Faculty of Accounting - Auditing, Ho Chi Minh City Open University

2Faculty of Special Training, Ho Chi Minh City Open University

ABSTRACT:

This study is to find out the factors affecting the bankruptcy risk of materials manufacturing enterprises listed on the Ho Chi Minh Stock Exchange (HSX) and the Hanoi Stock Exchange (HNX). Pooled OLS regression estimation is used and the study finds out that the WCTA, RETA, TLTA and ARSAL indicators have an impact on the risk of corporate bankruptcy. In addition, the study does not find statistically significant correlations between EBITTA, BVETL, SALTA, CACL indicators and the bankruptcy risk of listed materials manufacturing enterprises.

Keywords: bankruptcy, financial indicator, materials manufacturing industry.

[Tạp chí Công Thương - Các kết quả nghiên cứu khoa học và ứng dụng công nghệ, Số 4, tháng 3 năm 2022]