Luận án Áp dụng mô hình dự báo khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam

ến dự báo, điểm phân biệt trong mô hình dự báo khó khăn tài chính và các biệt số mà mô hình tính toán được. Tên khuyến nghị: Xây dựng các các tiêu chuẩn đánh giá và lựa chọn các chỉ số tài chính để phòng ngừa khó khăn tài chính. Mục đích của khuyến nghị: giúp công ty niêm yết có thể so sánh tình hình tài chính của công ty mình với bộ tiêu chuẩn để đánh giá chính xác được thực trạng tài chính công ty. Ngoài ra, bộ tiêu chuẩn này cũng giúp các nhà đầu tư có thể phân tích tình hình tài chính công ty niêm yết để có quyết định đầu tư phù hợp. Cách thức thực hiện khuyến nghị: Bước 1: Từ mô hình khó khăn tài chính đã được lựa chọn, áp dụng mô hình đối với một số lượng dữ liệu đủ lớn từ các công ty niêm trên thị trường. Các công ty sử dụng trong mô hình nên được sắp xếp theo một số tiêu chí như: ngành nghề kinh doanh, quy mô vốn, số năm hoạt động, Kết quả sử dụng mô hình sẽ cho biết được điểm phân biệt của từng công ty so sánh với điểm phân biệt của mô hình, từ đó đưa ra dự báo về khó khăn tài chính của công ty đó. Bước 2: Tìm ra những khoảng giá trị của các biến số có vai trò dự báo quan trọng của mô hình đối với từng nhóm công ty. Nếu những các chỉ số tính toán được nằm trong khoảng giá trị đó thì công ty được coi là không gặp khó khăn tài chính trong tương lai. Từ đó, có thể xây dựng được một bộ tiêu chuẩn mang tính chất tham khảo đối với các chỉ số trong phân tích tài chính. Nếu những tiêu chuẩn này bị vi phạm thì khả năng gặp khó khăn tài chính của công ty là rất cao. Để nâng cao được tính chính xác của bộ tiêu chuẩn này thì mô hình dự báo phải được kiểm định trên một số lượng công ty đủ lớn với các khoảng thời gian dự 133 báo khác nhau, và được tập hợp theo ngành nghề, quy mô vốn của công ty. Tuy nhiên, việc đưa ra một con số cụ thể trong bộ tiêu chuẩn này là rất khó thực hiện nên các tiêu chuẩn chỉ được đưa ra trong một khoảng nhất định. Kết quả mong muốn: Các công ty niêm yết có thể đánh giá chính xác hơn thực trạng tài chính trong sự so sánh với bộ tiêu chuẩn và với các công ty khác trong ngành. 4.4. Khuyến nghị chính sách đối với Ủy ban chứng khoán Nhà nước Ủy ban Chứng khoán Nhà nước là cơ quan trực thuộc Bộ Tài chính, thực hiện chức năng tham mưu, giúp Bộ trưởng Bộ Tài chính quản lý nhà nước về chứng khoán và thị trường chứng khoán; trực tiếp quản lý, giám sát hoạt động chứng khoán và thị trường chứng khoán; quản lý các hoạt động dịch vụ thuộc lĩnh vực chứng khoán, thị trường chứng khoán theo quy định của pháp luật. Một số nước trên thế giới, các doanh nghiệp nói chung và các công ty niêm yết trên thị trường chứng khoán nói riêng có thể bị khống chế bởi một số quy định liên quan đến tỷ lệ tài chính. Chẳng hạn, các công ty tại Mỹ đang chịu sự khống chế của tỷ lệ nợ trên vốn chủ sỡ hữu này là 1:1,5. Tại Việt Nam, trong dự thảo “Luật Sửa đổi, bổ sung một số điều của các luật thuế”, nếu “chi phí trả lãi tiền vay vốn tương ứng với khoản vay vượt quá năm lần vốn chủ sở hữu (5:1) đối với lĩnh vực sản xuất, vượt quá bốn lần vốn chủ sở hữu (4:1) đối với các lĩnh vực còn lại” thì sẽ không được trừ vào chi phí khi xác định thu nhập chịu thuế thu nhập doanh nghiệp. Bên cạnh mục tiêu quản lý về thuế thì quy định này được cho là góp phần đảm bảo an toàn tài chính cho doanh nghiệp. Ủy ban Chứng khoán Nhà nước cũng hoàn toàn có thể xây dựng được các mức khống chế đối với các công ty niêm yết để tránh thiệt hại do khó khăn tài chính của công ty niêm yết cho thị trường chứng khoán. Vì vậy, kết quả nghiên cứu đã thực hiện, luận án này cũng đề xuất khuyến nghị liên quan đến việc đưa ra các mức khống chế này. Tên khuyến nghị: Quy định về mức khống chế đối với một số chỉ tiêu tài chính đối với các công ty niêm yết trên thị trường chứng khoán. Mục đích của khuyến nghị: Để giúp các công ty niêm yết thận trọng và có định hướng trong hoạt động kinh doanh của mình. 134 Phương pháp thực hiện khuyến nghị: Bước 1: Lựa chọn một số chỉ tiêu quan trọng có ảnh hưởng đến khả năng gặp khó khăn tài chính trong tương lai làm chỉ tiêu khống chế đối với công ty niêm yết. Việc lựa chọn này có thể dựa vào hệ số tương quan trong mô hình dự báo khó khăn tài chính trong nghiên cứu này. Mức khống chế của mỗi chỉ tiêu là bao nhiêu phụ thuộc vào bộ tiêu chuẩn để đánh giá thực trạng tài chính của các công ty niêm yết (nhưu đã đề cập trong khuyến nghị đối với Sở giao dịch chứng khoán). Bước 2: Xây dựng bộ chế tài đủ mạnh để các công ty niêm yết thực hiện tốt quy định về mức khống chế này. Kết quả mong muốn: giảm được số lượng các công ty gặp khó khăn tài chính. 4.5. Hạn chế và hướng nghiên cứu mới Do gặp phải một số khó khăn về thời gian nghiên cứu và khả năng thu thập dữ liệu, luận án còn tồn tại một số hạn chế về phương pháp nghiên cứu, từ đó có thể ảnh hưởng ít nhiều đến kết quả nghiên cứu. Hạn chế của nghiên cứu được thể hiện trên những khía cạnh sau: Thứ nhất, việc áp dụng các mô hình dự báo chưa được thực hiện rộng rãi do số lượng mẫu còn hạn chế, kết quả nghiên cứu có thể chính xác hơn nếu số lượng các công ty niêm yết trên thị trường chứng khoán được thu thập nhiều hơn. Thứ hai, các công ty niêm yết chưa được sắp xếp và phân tích theo từng nhóm dựa vào một số tiêu chí như ngành nghề kinh doanh, quy mô vốn,Vì thế, kết quả nghiên cứu chưa thực sự đa dạng và có khả năng tư vấn cao. Thứ ba, chưa lý giải được nguyên nhân tại sao mô hình máy hỗ trợ vector SVM lại có kết quả dự báo không tốt trong các năm tiếp theo trong khi kết quả dự báo năm thứ nhất trước dự báo là rất tốt. Thứ tư, dấu hiệu khó khăn tài chính mới chỉ dừng lại ở hủy niêm yết bắt buộc. Nếu có thể sử dụng nhiều hơn một dấu hiệu của khó khăn tài chính (bổ sung dấu hiệu phá sản) để so sánh thì kết quả nghiên cứu sẽ có khả năng áp dụng rộng rãi hơn. 135 Từ những hạn chế kể trên, luận án cũng gợi ý những hướng mới cho các nghiên cứu tiếp theo, bao gồm: Thứ nhất, bổ sung thêm số lượng các công ty trong mẫu nghiên cứu để nâng cao độ tin cậy và tính chính xác của mô hình dự báo. Nếu như số lượng các công ty gặp khó khăn tài chính là có hạn thì có thể bổ sung số lượng công ty không gặp khó khăn tài chính nhiều hơn. Thứ hai, kết quả nghiên cứu nên được phân tích theo từng nhóm công ty niêm yết trên một số tiêu chí như ngành nghề, quy mô vốn, Thứ ba, cải tiến các phương pháp sử dụng mô hình máy hỗ trợ vector SVM bằng cách lựa chọn lại dạng hàm phân biệt nhằm nâng cao tính chính xác của mô hình này trong dự báo trong tất cả các khoảng thời gian dự báo. Thứ tư, sử dụng nhiều hơn dấu hiệu khó khăn tài chính của công ty niêm yết và so sánh kết quả nghiên cứu của từng dấu hiệu này. 136 KẾT LUẬN Xuất phát từ sự cần thiết của hoạt động dự báo khó khăn tài chính doanh nghiệp cùng với sự tồn tại của khoảng trống nghiên cứu trong và ngoài nước, luận án này được tiến hành để thiết kế các mô hình dự báo khó khăn tài chính và từ đó lựa chọn một dự báo khó khăn tài chính phù hợp nhất cho các công ty niêm yết trên thị trường chứng khoán Việt Nam. Từ việc tổng quan các nghiên cứu liên quan, luận án thiết kế 4 mô hình dự báo khó khăn tài chính: 2 mô hình phân tích biệt số, mô hình Logit và mô hình máy hỗ trợ vector SVM. Để áp dụng các mô hình này, tác giả lựa chọn dấu hiệu hủy niêm yết bắt buộc của các công ty niêm yết trên thị trường chứng khoán làm biểu hiện của khó khăn tài chính và thống kê được 140 công ty bị hủy niêm yết trong khoảng thời gian quan sát từ 2009 đến 2015. Các biến dự báo được chủ yếu thu thập từ báo cáo tài chính các công ty này trong 3 năm trước khi các công ty đó bị hủy niêm yết. Như vậy, các biến này sẽ được thu thập trong khoảng thời gian từ 2008 đến 2014. Kết quả phân tích và so sánh các mô hình giúp tác giả rút ra được một số kết luận sau: Thứ nhất, mô hình dự báo khó khăn tài chính được lựa chọn là mô hình phân tích biệt số với 22 biến dự báo. Mô hình này đã chứng tỏ độ tin cậy và khả năng dự báo khó khăn tài chính cho các công ty niêm yết trên thị trường tài chính Việt Nam khá cao. Thứ hai, việc dự báo khó khăn tài chính có độ chính xác cao nhất khi tiến hành dự báo tại thời điểm 1 năm trước khi công ty chính thức gặp khó khăn tài chính. Kết quả này giảm dần trong các năm dự báo tiếp theo. Thứ ba, bên cạnh một số biến tính toán từ bảng cân đối kế toán và báo cáo kết quả sản xuất kinh doanh, các hệ số liên quan đến báo cáo lưu chuyển tiền tệ của các công ty cũng có ý nghĩa dự báo đáng kể. Ngoài ra, các biến số kinh tế vĩ mô hoặc các biến số thị trường cũng có ý nghĩa dự báo khó khăn tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam. Thứ tư, việc áp dụng các mô hình dự báo sẵn có tại Việt Nam đòi hỏi phải có sự kiểm định về độ tin cậy hoặc trọng số của các biến dự báo. Kết luận này được rút 137 ra khi kết quả phân tích cho thấy mô hình Logit của Ohlson (1980) không có độ tin cậy trong cả ba năm dự báo. Thứ năm, kết quả phân tích các mô hình dự báo khó khăn tài chính có thể gợi ý những giải pháp cho công ty chủ động phòng ngừa khó khăn tài chính cho bản thân mình. Ngoài ra, kết quả nghiên cứu cũng đề xuất các kiến nghị cho các cơ quan quản lý giúp các cơ quan này trong việc có những hành động hỗ trợ các công ty niêm yết với mục tiêu ổn định và phát triển thị trường chứng khoán Việt Nam. Thứ sáu, bên cạnh những kết quả đạt được, luận án cũng có một số hạn chế về quy mô mẫu nghiên cứu và sự lựa chọn biến phụ thuộc. Vì vậy, luận án mở ra hướng nghiên cứu mới bằng cách tăng quy mô mẫu và sử dụng nhiều hơn một biểu hiện khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam. Nếu làm được như vậy, tác giả tin rằng kết quả nghiên cứu sẽ có độ tin cậy tính và thuyết phục cao hơn. 138 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ 1. Vũ Thị Loan (2016), “Áp dụng mô hình SVM để dự báo khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam”, Kỷ yếu hội thảo Quốc tế Developing Financial Markets in International Integration context, 402-416. 2. Vũ Thị Loan (2016), “Phân tích biệt số trong dự báo khó khăn tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam”, Tạp chí Nghiên cứu kinh tế, Số 2(453), tháng 2/2016. 3. Vũ Thị Loan (2016), “So sánh mô hình phân tích biệt số và mô hình phân tích logit trong dự báo khó khăn tài chính doanh nghiệp”, Tạp chí Kinh tế & Phát triển, Số 230 (II), tháng 8/2016. 4. Vũ Thị Loan (2016), “Các yếu tố ảnh hưởng đến dự báo khó khăn tài chính doanh nghiệp”, Tạp chí Nghiên cứu tài chính kế toán, Số 03(152), tháng 3/2016. 5. Vũ Thị Loan (2016), “Dự báo khó khăn tài chính và các mô hình dự báo khó khăn tài chính doanh nghiệp”, Tạp chí Kinh tế Châu Á – Thái Bình Dương, tháng 9/2016. 6. Vũ Thị Loan (2014), “Áp dụng mô hình Logistic trong dự báo khó khăn tài chính của các công ty niêm yết trên thị trường chứng khoán Việt Nam”, Hội thảo Khoa học quốc gia: Khơi thông nguồn vốn cho phát triển kinh tế Việt Nam, tháng 12/2014. 139 DANH MỤC TÀI LIỆU THAM KHẢO 1. Agarwal, V., & Taffler, R. (2008), ‘Comparing the performance of market- based and accounting-based bankruptcy prediction models’, Journal of Banking & Finance, 32, 1541–1551. 2. Alifiah, N. M. (2014), ‘Prediction of financial distress companies in the trading and services sector in Malaysia using macroeconomic Variables’, Procedia - Social and Behavioral Sciences, 129, 90 - 98. 3 Amendola, A., Restaino, M., Sensine, L.(2015), ‘An analysis of the determinants of financial distress in Italy: A competing risks approach’, International Review of Economics & Finance, 37, 33–41 4. Altman, E., Marco, G. and Varetto, F.(1994), ‘Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks (the Italian Experience)’, Journal of Banking and Finance, Vol. 18, 505-529. 5. Altman, E. I. (1968), ‘Financial Ratios, discriminant analysis and the prediction of corprate bankruptcy’, Journal of Finance, 23(4), 589-609. 6. Altman, E. I. (1983), Corporate financial distress and bankruptcy: A complete guide to predicting and avoiding distress and profiting from bankruptcy, 1ed, New York: John Wiley and Sons . 7. Altman, E.I. (1984), ‘A further empirical investigation of the bankruptcy cost question’, The Journal of Finance, Vol 39 (4),pp. 1067-1089. 8. Altman, E. I. (1993), Corporate financial distress and bankruptcy: A complete guide to predicting and avoiding distress and profiting from bankruptcy, 2ed, New York: John Wiley and Sons . 9. Altman, Edward I., Haldeman, Robert G. & Narayanan, P. (1977). ‘Zeta Analysis, A New Model to Identify Bankruptcy Risk of Corporations’, Journal of Banking and Finance, 109-131. 10. Altman, E.I. & Kishore, V.(2001), The Default Experience of U.S. Bonds, Working Paper, New York: Salomon Center. 140 11. Altman E.I., Hartzell J., Peck M. (1995), Emerging Markets Corporate Bonds: A Scoring System, Salomon Brothers Inc. New York. 12. Altman, E. I., Heine, M. L., Zhang, L., & Yen, J. (2007), ‘Corporate financial distress diagnosis in China’, Salomon Center Working Paper, New York University. 13. Altman, E. I.(2002), ‘Corporate Distress Prediction Models in a Turbulent Economic and Basel II Environment’, NYU Working Paper, FIN-02-052, Available at SSRN: 14. Baesens, B., Setiono, R., Mues, C. (2003), ‘Using neural network rule extraction and decision table for credit risk evaluation’, Management Science, 49 (3), 312-329. 15. Bailey, W. B., Huang, W., & Yang, Z. (2011), ‘Bank loans with Chinese characteristics: Some evidence on inside debt in a state-controlled banking system’, Journal of Financial and Quantitative Analysis, 46(6), 1795-1830. 16. Bhattacharjee, A., Han, J. (2014), ‘Financial distress of Chinese firms: Microeconomic, macroeconomic and institutional influences, China Economic Review, 30, 244–262 17. Beaver, W. (1968), ‘Financial ratios as predictors of failures’, Journal of Accounting research, 4, 71-111. 18. Beraho, K. (2010), ‘The history and evolution of bankruptcy as an international strategic management tool’ , Related information 1 South Carolina State University, Orangeburg, SC 29117, USA DOI: 19. Blum, M. (1974), ‘Failing company discrimination analysis’, Journal of Accounting research, 2(1), 1-25. 20. Boser, B. E., Guyon I. M., Vapnik, V. N. (1992), ‘A training algorithm for optimal margin classifiers’, Proc. 5th Annual ACM Workshop on ComputLearning Theory, ACM Press, New York, NY, 144-152 21. Bose I. (2006), ‘Deciding the financial health of dot - coms using rough sets’, Information Management, 43, 835-846. 141 22. Brabazon, A., Keenan, B. (2004), ‘A hybrid genetic model for the prediction of corporate failure’, Computational Management Science, Springer-Verlag, 293-310. 23. Bragg, M. S. (2003), The New CFO Financial Leadership Manual, John Wiley & Sons, Inc. 24. Campbell, J. Y., Hilscher, J., & Szilagyi, J. (2008), ‘Search of distress risk’, Journal of Finance, 63, 2899-2939. 25. Carminchael, D.R. (1972), ‘The auditor’s reporting obligation’, Auditing Research Monograph, 1, 92-94 26. Chandra, D.K., Ravi, V., & Bose, I. (2009), ‘Failure prediction of dotcom companies using hybrid intelligent techniques’, Expert Systems with Applications, 36, 4830-4837, 27. Chuvakhin, N., Gertmenian, L. W. (2003), ‘Predicting bankruptcy in the WorldCom Age’, Journal of Contemporary Business Practice, 6(1). Coats, P. and Fant, L., (1993), ‘Recognizing Financial Distress Patterns Using a Neural Network Tool’, Financial Management, Vol. 22, No. 3, 142-155. 28. Damodaran, A., (2006), The cost of distress: Survival, Truncation Risk and Valuation, New York: Stern School of Business. 29. Deakin, E. B. (1972), ‘A discriminant analysis of predictors of business failure’, Journal of Accounting Research, 167-179. 30. Dimitras, A. I., Zanakis, S. H., & Zopounidis, C. (1996). ‘A survey of business failures with an emphasis on prediction methods and industrial applications’, European Journal of Operational Research, 90, 487–513. 31. Ding,Y., Song, X., & Yen, Y. (2008), ‘Forecasting financial condition of Chinese listed companies based on support vector machine’, Expert System with Applications, 34(4), 3081-3089. 32. Doumpos, M., Zopounidis, C., (1999), ‘A multinational discrimination method for the prediction of financial distress: the case of Greece’, Multinational finance Journal, 3(2), 71-101 142 33. Dairui, L., & Jia, L. (2009), ‘Determinants of financial distress of ST and PT companies: A panel analysis of Chinese listed companies’, Last accessed 01.09.16. 34. Ðào Thị Thanh Bình, (2013), ‘Mô hình xếp hạng tín dụng cho các công ty sản xuất ở Việt Nam’, Tạp chí Kinh tế và Phát triển, Số 188 tháng 02, tr. 39-49. 35. Hay Sinh (2013), ‘Uớc tính xác suất phá sản trong thẩm dịnh giá trị doanh nghiệp’, Phát triển & Hội nhập’, Số 8 (18), tr. 52-57. 37. Hoàng Trọng, Chu Nguyễn Mộng Ngọc, (2008), Phân tích dữ liệu nghiên cứu với SPSS, Nxb Hồng Đức. 38. Fan, A., & Palaniswami, M. (2000), ‘Selecting bankruptcy predictors using a support vector machine approach’, In Proceedings of the international joint conference on neural networks, Como, Italy. 39. Fitzpatrick, P. J. (1934), ‘A Comparison of the ratios of successful industrial enterprises with those of failed companies’, The Certified Public Accountant, 598-605. 40. Geng, R., Bose, I, Chen, X., (2014), ‘rediction of financial distress: An empirical study of listed Chinese companies using data mining’, European of Operational Research, 1-12. 41. Gestel, T. V., Baesens, B., Suykens, J. A. K., Van den Poel, D., Baestaens, D.-E., &Willekens, M. (2006), ‘Bayesian kernel based classification for financial distress detection’, European Journal of Operational Research, 172(3), 979–1003. 42. Mokhatab Rafiei, F., & Manzari, S.M., & Bostanian, S. (2011), ‘Financial health prediction models using artificial neural networks, genetic algorithm and multivariate discriminant analysis: Iranian evidence’, Expert Systems with Applications, 38,10210–10217. 43. Nguyễn Thanh Lan (2012), ‘Ứng dụng mô hình chỉ số Z để đo lường nguy cơ phá sản của các doanh nghiệp ngành thủy sản niêm yết tại Việt Nam’,Tạp chí Kinh tế & Phát triển, số 186 (II) - Tháng 12/2012, tr. 51 - 59. 143 44. Nguyễn Thành Cường và Phạm Thế Anh (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, Số 2, tr.27-33. 45. Nguyễn Thị Thảo, Nguyễn Thị Huyền, Đoàn Thị Thu Hà, Trần Thị Thu Huyền, Nguyễn Thị Thủy, (2011), ‘Phương pháp phân lớp sử dụng máy vec-tơ hỗ trợ ứn dụng trong tin sinh học’, Tạp chí Khoa học và Phát triển 2011, Tập 9, số 6, tr.1021 – 1031. 46. Nguyễn Trà Ngọc Vy, Nguyễn Văn Công (2013), ‘Vận dụng mô hình Z- Score của GS.E.I.Altman để dự báo rủi ro phá sản của các công ty dược phẩm trên thị trường chứng khoán Việt Nam’, Tạp chí Kinh tế & Phát triển, số Đặc biệt, tháng 10, tr. 63-70. 47. Gordon M. J. (1971), ‘Towards a Theory of Financial Distress’, The Journal of Finance, 26(2), pp. 347-356 48. Hillegeist, S. A., Keating, E. K., Cram, D. P., & Lundstedt, K. G. (2004), ‘Assessing the probability of bankruptcy’, Review of Accounting Studies, 9, 5–34. 49. Holmen, J. S., (1988), ‘Using financial ratios to predict bankruptcy: An evaluation of classic models using recent evidence’, Akron Business and Economic Review, 1 , 52-63. 50. Hua, Z., Wang, Y., Xu, X., Zhang, B., & Liang, L. (2007), ‘Predicting corporate financial distress based on integration of support vector machine and logistic regression’, Expert Systems with Applications, 33(2), 434–440. 51. Kohavi, R., & John, G. H. (1997), ‘Wrappers for feature subset selection’, Artificial Intelligence, 97(1), 273–324. 52. Lee, K. C., Han, I, Kwon.Y. (1996), ‘Hybrid neural network model for bankruptcy prediction’, Decision Support Systems, 63-72. 53. Lennox, C. (1999), ‘Identifying failing companies: A reevaluation of the logit, probit and DA approaches’, Journal of Economics and Business, 51, 347–364. 54. Jo, H., & Han, I. (1996), ‘Integration of case-based forecasting neural network and discriminant analysis for bankruptcy prediction’, Expert Systems with applications, 11(4), 415–422. 144 55. Jones, F. L. (1987), ‘Current techniques in bankruptcy prediction’, Journal of Accounting Literature, 6 , 131-164. 56. Li, H., & Sun, J. (2008), ‘Ranking-order case-based reasoning for financial distress Prediction’, Knowledge-Based Systems, 21(8), 868-878. 57. Li, H., Sun, J., & Sun, B. L. (2009), ‘Financial distress prediction based on OR- CBR in the principle of k-nearest neighbors’, Expert Systems with Applications, 36(1), 643–659. 58. Li, H., & Sun, J. (2009), ‘Predicting financial failure using multiple case-based reasoning combine with support vector machine’, Expert Systems with Applications, 36(6), 10085–10096. 59. Lin, F., Liang, D., Chen, E. (2011), ‘Financial ratio selection for business crisis prediction’, Expert Systems with Applications, 38(12), 15094–15102 60. Lin, F., Liang, D., Yeh, C., Huang, J. (2014), ‘Novel feature selection methods to financial distress prediction’, Expert Systems with Applications, 41(5), 2472–2483 61. Martens, D., Bruynseels, L., Baesens, B., Willekens, M., & Vanthienen, J. (2008), ‘Predicting going concern opinion with data mining’, Decision Support Systems, 45(4), 765–777. 62. Martin, D. (1977), ‘Early warning of bank failure: a logit regression approach’, Journal of Banking and Finance, 1, 249-276. 63. Moyer, R., (1997), ‘Forecasting Financial failure, A re-examination’, Financial management, 6(1), 11-17 64. Muller, G., Steyn-Bruwer, B., & Hamman, W. (2009), ‘Predicting financial distress of companies listed on the JSE - a comparison of techniques’, South African Journal of Business anagement, 40(1), 21 -32. 65. Norton, C L, and Smith, R E. (1979), ‘A Comparison of General Price Level and Historical Cost Financial Statements in the Prediction of Bankruptcy’, The Accounting Review, (1), 72-87. 66. Ohlson, J. A. (1980), ‘Financial ratios and the probabilistic prediction of bankruptcy’, Journal of Accounting Research, New York: 18(1), 109–131. 145 67. Olson, D., Delen, D., Meng, Y., (2012), ‘Comparative analysis of data mining methods for bankrupcy prediting’, Decision supporting System, 52 (2), 464-473. 68. Orr, K. G. (2003), ‘Corporate insolvency’, Times of Malta, < cy, 466585> Accessed 06.03.14. 69. Ozkan-Gunay, E.N., Ozkan, M. (2007), ‘Prediction of bank failures in emerging financial markets: an ANN approach’, The Journal of Risk Finance, 8, pp. 465-480. 70. Phan Thị Thu Hồng, Đoàn Thị Thu Hà, Nguyễn Thị Thủy, (2013), ‘Ứng dụng phân lớp ảnh chụp lá cây bằng phương pháp máy vector hỗ trợ’, Tạp chí Khoa học và Phát triển, tập 11, số 7, tr. 1045-1052. 71. Reisz, A. S., & Perlich, C. (2007), ‘A market-based framework for bankruptcy prediction’, Journal of Financial Stability, 3, 85–131. 72. Ross, S., Westerfield, R., Jaffe, J. (2002), Corporate Finance, McGraw-Hill, Boston. 73. Shahedi, S., Sharifabadi, M., Moeinadin, M. (2014), ‘Analysis of the Power of Predicting Financial Distress of Companies Listed in Tehran Stock Exchange usingArtificial NeuralNetworks’, 5(11), pp. 181-188 74. Shumway, T. (2001), ‘Forecasting bankruptcy more accurately: a simple hazard model’, The Journal of Busines, 74, 101-124. 75. Sun, J., & Hui, X. F. (2006), ‘Financial distress prediction based on similarity weighted voting CBR’, Lecture Notes in Artificial Intelligence, 4093, 947–958. 76. Sun, J., & Li, H., Huang, Q., He, H. Q., (2014), ‘Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches’, Knowledge - based System, 47, 41-56. 77. Tam, K. Y., Kiang, M. Y. (1992), ‘Managerial applications of neural networks: The case of bank failure predictions’, Management Science, 38(7), 926 -947 78. Tinoco, H.M., Wilson, N. (2013), ‘Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables’, International review of financial analysis, 30, 394-419. 79. Tseng, F., Lin, L. (2005), ‘A quaratic interval logit model for forcasting bankruptcy’, Omega 33(1), 85-91. 146 80. Trần Cao Đệ và Phạm Nguyên Khang, (2012), ‘Phân loại văn bản với máy học vector hỗ trợ và cây quyết định’, Tạp chí Khoa học , số 21a, tr.52-63. 81. Uğurlu, M., Aksoy, H. (2006), ‘Prediction of corporate financial distress in an emerging market: the case of Turkey’, Cross Cultural Management: An International Journal, 13 4), pp.277 – 295. 82. Vapnik, V. (1999), The nature of statistical learning theory, Springer Verlag New York Inc. 83. Wanke, P., Barros, C. P., & Faria, J. R. (2014), ‘Financial distress drivers in Brazilian banks: A dynamic slacks approach’, European Journal of Operational Research, 84. Weston, J. Copeland, E. (1992), Managerial Finance, Dryden Press, 9th Edition. 85. Wruck, K. H. (1990), ‘Financial distress, reorganization, and organizational efficiency’, Journal of Financial Economics, 27, 419-444. 86. Wilson, R.L., Sharda, R., ‘Bankruptcy prediction using neural networks’, Decision Support Systems, 11 (1994), 545–557. 87. Ward, T. J. (2007), ‘The Impact of the Response Measure Used for Financial Distress on Results Concerning the Predictive Usefulness of Accounting Information’, Academy of Accounting and Financial Studies Journal, 11(3), 109-123. 88. Williams, F. (1992), Reasoning with Statistics: How to read quantitative research, Orlando, Florida: Harcourt Brace Jovanovich. 89. Whitaker, R. (1999), ‘The early stages of financial distress’, Journal of Economics and Finance, 23(2), 123-132. 90. Wu, C. H., Tzeng, G. H., Goo, Y. J., & Fang, W. C. (2007), ‘A real-valued genetic algorithm to optimize the parameters of support vector machine for predicting bankruptcy’, Expert Systems with Applications, 32(2), 397–408. 91. Zmijewski, M. E. (1984), ‘Methodological issues related to the estimation of financial distress prediction models’, Journal of Accounting Research, 22, 59-82. 92. Zhou, L., Lai, K., Yen. J. (2012), ‘Empirical models based on features ranking techniques for corporate financial distress prediction’, Computers & Mathematics with Applications, 64(8), pp. 2484-2496. PHỤ LỤC Phụ lục 01. Danh sách các công ty trong mẫu nghiên cứu 1 năm trước dự báo STT CT STT CT STT CT STT CT STT CT STT CT KKTC 1 AGC 43 NTB 85 HSC 25 VLF 67 DC4 109 HUT 2 AGD 44 NVC 86 MAFPF1 26 HUT 68 CCI 110 VTF 3 ALP 45 NVN 87 PHS 27 VTF 69 BBC 111 TMT 4 AMD 46 SCC 88 SBC 28 TMT 70 TBX 112 HAP 5 BAS 47 SD3 89 SBS 29 HAP 71 BCE 113 SSC 6 BBT 48 SD8 90 SME 30 SSC 72 MCO 114 VKP 7 BHC 49 SDB 91 SSI 31 VKP 73 MDG 115 EIC 8 BHV 50 SDJ 92 SVS 32 CLC 74 LUT 116 PNC 9 BPC 51 SDS 93 TAS 33 HCC 75 RDP 117 APS 10 BTC 52 SHC 94 TMC 34 VGS 76 L14 118 BSC 11 CAD 53 SJ1 95 VCV 35 BXH 77 PHC 119 ADC 12 CAN 54 SJM 96 VFC 36 LCS 78 CPC 120 VSC 13 CDC 55 SKS 97 VFMVF1 37 TSC 79 KDC 121 HBS 14 CIC 56 SSS 98 VFMVF4 38 HT1 80 KHL 122 CTC 15 CLP 57 STL 99 VFMVFA 39 CTM 81 HCT 123 NNT 16 CNT 58 SVI 100 VGP 40 SHP 82 ICF 124 SDA 17 CSG 59 TBC 101 VPL 41 SCD 83 DC2 125 SFI 18 DCT 60 THV Không KKTC 42 ITA 84 PHH 126 TCT 19 DDM 61 TLC 1 NSC 43 DAC 85 PVV 127 HPC 20 DHL 62 TLT 2 ABT 44 NHA 86 DIG 128 VNF 21 DNP 63 TSM 3 L10 45 BRC 87 DHC 129 BSI 22 DPC 64 TRI 4 AAM 46 ALV 88 SJD 130 HEV 23 DTC 65 UNI 5 VFG 47 CMX 89 BHS 131 ORS 24 DVD 66 VCH 6 DID 48 PCG 90 VIE 132 BVS 25 FBT 67 VES 7 HLY 49 TCR 91 VIT 133 APG 26 FDG 68 VHH 8 BBS 50 VAT 92 VNM 134 VIX 27 FPC 69 VNI 9 CMC 51 LTC 93 MCG 135 FDC 28 GFC 70 VSG 10 FMC 52 HHC 94 VTX 136 ONE 29 GGG 71 VSP 11 TAC 53 TIC 95 VNE 137 TMS 30 HHL 72 VST 12 CTN 54 CTD 96 PJT 138 NVT 31 HLA 73 VTA 13 C92 55 C21 97 CX8 139 HBS 32 HPB 74 VTC 14 HRC 56 VNY 98 DRH 140 VED 33 HPR 75 XMC 15 HMC 57 CCL 99 HTV 141 VEIC 34 HTB 76 YBC 16 PTC 58 VIS 100 VOS 142 ARM 35 HU4 77 ALT 17 DIC 59 LGC 101 VFR 143 BST 36 IFS 78 ASIAGF 18 VNA 60 CLG 102 ASM 144 BTJ 37 MCL 79 AVS 19 TJC 61 CVN 103 BCI 145 BTT 38 MIH 80 CTV 20 PPG 62 CID 104 SRB 146 CKV 39 MMC 81 DHI 21 HPS 63 DRL 105 BT6 147 CLW 40 MPC 82 DXP 22 CYC 64 HJS 106 HVX 148 DHM 41 MTG 83 GBS 23 IMP 65 LHC 107 VID 149 NJC 42 NSN 84 HBB 24 BLF 66 BHT 108 VLF Nguồn: TTCK Việt Nam Phụ lục 02. Danh sách các công ty trong mẫu nghiên cứu 2 năm trước dự báo STT CT STT CT STT CT STT CT STT CT STT CT KKTC 1 AGC 43 KBT 85 SJM 127 SVS 63 DRL 105 BT6 2 AGD 44 KMF 86 SKS 128 TAS 64 HJS 106 HVX 3 ALP 45 MAX 87 SSS 129 TMC 65 LHC 107 VID 4 AMD 46 MAFPF1 88 STL 130 VFC 66 BHT 108 VLF 5 BAS 47 MCL 89 SVI 131 VGP 67 DC4 109 HUT 6 BBT 48 MIH 90 TBC 132 VPL 68 CCI 110 VTF 7 BHC 49 MMC 91 THV Không KKTC 69 BBC 111 TMT 8 BHV 50 MPC 92 TLC 1 NSC 70 TBX 112 HAP 9 BPC 51 MTG 93 TLT 2 ABT 71 BCE 113 SSC 10 BTC 52 NHC 94 TRI 3 L10 72 MCO 114 VKP 11 CAD 53 NHW 95 TSM 4 AAM 73 MDG 115 EIC 12 CAN 54 NIS 96 UNI 5 VFG 74 LUT 116 PNC 13 CDC 55 NKD 97 VCH 6 DID 75 RDP 117 APS 14 CIC 56 NLC 98 VCV 7 HLY 76 L14 118 BSC 15 CLP 57 NSN 99 VES 8 BBS 77 PHC 119 ADC 16 CNT 58 NTB 100 VHH 9 CMC 78 CPC 120 VSC 17 CSG 59 NVC 101 VNI 10 FMC 79 KDC 18 CTM 60 NVN 102 VSG 11 TAC 80 KHL 19 DCT 61 PID 103 VSP 12 CTN 81 HCT 20 DDM 62 PHT 104 VST 13 C92 82 ICF 21 DHL 63 PMS 105 VTA 14 HRC 83 DC2 22 DNP 64 PSG 106 VTC 15 HMC 84 PHH 23 DPC 65 PXM 107 YBC 16 PTC 85 PVV 24 DTC 66 QCC 108 ALT 17 DIC 86 DIG 25 DVD 67 RHC 109 ASIAGF 18 VNA 87 DHC 26 FBT 68 S27 110 AVS 19 TJC 88 SJD 27 FDG 69 S64 111 CTV 20 PPG 89 BHS 28 FPC 70 S91 112 DHI 21 HPS 90 VIE 29 GFC 71 S96 113 DXP 22 CYC 91 VIT 30 GGG 72 SAF 114 GBS 23 IMP 92 VNM 31 GHA 73 SCC 115 HBB 24 BLF 93 MCG 32 HAI 74 SD3 116 HSC 25 VLF 94 VTX 33 HHL 75 SD8 117 ILC 26 HUT 95 VNE 34 HLA 76 SDB 118 PAN 27 VTF 96 PJT 35 HPB 77 SDJ 119 PHS 28 TMT 97 CX8 36 HPR 78 SDN 120 PRUBF1 29 HAP 98 DRH 37 HSI 79 SDS 121 PVF 30 SSC 99 HTV 38 HT2 80 SEL 122 SBC 31 VKP 100 VOS 39 HTB 81 SFN 123 SBS 32 CLC 101 VFR 40 HU4 82 SGC 124 SGH 60 HCC 102 ASM 41 IFS 83 SHC 125 SME 61 VGS 103 BCI 42 KBC 84 SJ1 126 SSI 62 BXH 104 SRB Nguồn: TTCK Việt Nam \ Phụ lục 03. Danh sách các công ty trong mẫu nghiên cứu 3 năm trước dự báo STT CT STT CT STT CT STT CT STT CT STT CT KKTC 1 AGC 43 KBT 85 SJM 8 BBS 77 PHC 119 ADC 2 AGD 44 KMF 86 SKS 9 CMC 78 CPC 120 VSC 3 ALP 45 MAX 87 SSS 10 FMC 79 KDC 4 AMD 46 MAFPF1 88 STL 11 TAC 80 KHL 5 BAS 47 MCL 89 SVI 12 CTN 81 HCT 6 BBT 48 MIH 90 TBC 13 C92 82 ICF 7 BHC 49 MMC 91 THV 14 HRC 83 DC2 8 BHV 50 MPC 92 TLC 15 HMC 84 PHH 9 BPC 51 MTG 93 TLT 16 PTC 85 PVV 10 BTC 52 NHC 94 TRI 17 DIC 86 DIG 11 CAD 53 NHW 95 TSM 18 VNA 87 DHC 12 CAN 54 NIS 96 UNI 19 TJC 88 SJD 13 CDC 55 NKD 97 VCH 20 PPG 89 BHS 14 CIC 56 NLC 98 VCV 21 HPS 90 VIE 15 CLP 57 NSN 99 VES 22 CYC 91 VIT 16 CNT 58 NTB 100 VHH 23 IMP 92 VNM 17 CSG 59 NVC 101 VNI 24 BLF 93 MCG 18 CTM 60 NVN 102 VSG 25 VLF 94 VTX 19 DCT 61 PID 103 VSP 26 HUT 95 VNE 20 DDM 62 PHT 104 VST 27 VTF 96 PJT 21 DHL 63 PMS 105 VTA 28 TMT 97 CX8 22 DNP 64 PSG 106 VTC 29 HAP 98 DRH 23 DPC 65 PXM 107 YBC 30 SSC 99 HTV 24 DTC 66 QCC 108 ALT 31 VKP 100 VOS 25 DVD 67 RHC 109 ASIAGF 32 CLC 101 VFR 26 FBT 68 S27 110 AVS 60 HCC 102 ASM 27 FDG 69 S64 111 CTV 61 VGS 103 BCI 28 FPC 70 S91 112 DHI 62 BXH 104 SRB 29 GFC 71 S96 113 DXP 63 DRL 105 BT6 30 GGG 72 SAF 114 GBS 64 HJS 106 HVX 31 GHA 73 SCC 115 HBB 65 LHC 107 VID 32 HAI 74 SD3 116 HSC 66 BHT 108 VLF 33 HHL 75 SD8 117 ILC 67 DC4 109 HUT 34 HLA 76 SDB 118 PAN 68 CCI 110 VTF 35 HPB 77 SDJ Không KKTC 69 BBC 111 TMT 36 HPR 78 SDN 1 NSC 70 TBX 112 HAP 37 HSI 79 SDS 2 ABT 71 BCE 113 SSC 38 HT2 80 SEL 3 L10 72 MCO 114 VKP 39 HTB 81 SFN 4 AAM 73 MDG 115 EIC 40 HU4 82 SGC 5 VFG 74 LUT 116 PNC 41 IFS 83 SHC 6 DID 75 RDP 117 APS 42 KBC 84 SJ1 7 HLY 76 L14 118 BSC Nguồn: TTCK Việt Nam Phụ lục 04. Thống kê mô tả các biến dự báo 1 năm trước dự báo Biến Loại công ty Khó khăn tài chính Không khó khăn tài chính Giá trị trung bình Độ lệch tiêu chuẩn Giá trị trung bình Độ lệch tiêu chuẩn X1 1,854 1,653 2,304 3,528 X2 0,302 0,606 0,484 0,958 X3 0,171 0,236 0,196 0,243 X4 0,554 1,151 0,435 2,295 X5 310,000 541,071 3550,000 48052,071 X6 0,158 0,223 0,082 0,144 X7 1,999 4,295 5,703 22,780 X8 0,063 0,107 0,026 0,046 X9 0,205 0,773 1,669 11,595 X10 -0,004 0,090 0,010 0,092 X11 -0,033 0,292 0,054 0,485 X12 -0,005 0,297 0,008 0,218 X13 1,031 0,812 1,345 1,413 X14 718,000 4495,351 6320,000 21633,188 X15 -0,012 0,146 0,058 0,075 X16 0,008 0,123 0,095 0,084 X17 0,131 0,264 0,219 0,185 X18 -0,107 0,974 0,163 0,111 X19 0,042 0,115 0,115 0,080 X20 0,573 0,229 0,518 0,240 X21 0,754 0,432 0,926 0,263 X22 4,71E+11 6,08E+11 6E+11 1,17E+12 X23 0,030 0,172 0,233 0,425 X24 0,365 17,386 1,333 11,257 Nguồn: kết quả thống kê từ SPSS 20.0 Phụ lục 05. Thống kê mô tả các biến dự báo 2 năm trước dự báo Biến Loại công ty Khó khăn tài chính Không khó khăn tài chính Giá trị trung bình Độ lệch tiêu chuẩn Giá trị trung bình Độ lệch tiêu chuẩn X1 2,09 4,06 2,71 3,37 X2 0,41 1,28 0,62 1,14 X3 0,13 0,29 0,24 0,24 X4 1,04 3,99 0,37 0,84 X5 430,94 2502,29 3,23E+02 778,95 X6 0,36 1,04 0,11 0,23 X7 1,29 3,62 7,12 31,25 X8 0,11 0,46 0,04 0,07 X9 2,5 26,84 0,29 0,61 X10 0 0,13 0,02 0,09 X11 0,01 0,58 0,14 0,94 X12 -0,28 2,46 0,03 0,28 X13 0,75 0,70 1,44 1,23 X14 -1,17E+03 3627,53 3,46E+03 4460,68 X15 -0,06 0,17 0,05 0,18 X16 -0,04 0,12 0,10 0,08 X17 0,03 0,43 0,22 0,17 X18 -1,85 13,41 0,15 0,14 X19 -0,01 0,11 0,13 0,06 X20 0,7 0,97 0,47 0,25 X21 0,73 0,44 0,89 0,31 X22 6,55E+11 1,02E+12 5,68E+11 1,12E+12 X23 0,05 0,01 0,22 0,09 X24 -0,08 1,45 0,23 0,47 Nguồn: kết quả thống kê từ SPSS 20.0 Phụ lục 06. Thống kê mô tả các biến dự báo 3 năm trước dự báo Biến Loại công ty Khó khăn tài chính Không khó khăn tài chính Giá trị trung bình Độ lệch tiêu chuẩn Giá trị trung bình Độ lệch tiêu chuẩn X1 1,85 1,65 2,32 3,54 X2 0,30 0,61 0,49 0,96 X3 0,17 0,24 0,20 0,24 X4 0,55 1,15 0,44 2,30 X5 310,20 541,07 -3,58E+03 48.252,29 X6 0,16 0,22 0,0831 0,14401 X7 2,00 4,29 5,73 22,87 X8 0,06 0,11 0,03 0,05 X9 0,20 0,77 1,68 11,64 X10 0,00 0,09 0,01 0,09 X11 -0,03 0,29 0,05 0,49 X12 -0,01 0,30 0,01 0,22 X13 1,03 0,81 1,36 1,41 X14 7,18E+02 4495,35 6,33E+03 21.723,72 X15 -0,01 0,15 0,06 0,08 X16 0,01 0,12 0,10 0,08 X17 0,13 0,26 0,22 0,18 X18 -0,11 0,97 0,16 0,11 X19 0,04 0,12 0,12 0,08 X20 0,57 0,23 0,52 0,24 X21 0,75 0,43 0,93 0,26 X22 4,71E+11 6,08E+11 6,05E+11 1,17E+12 X23 0,16 0,37 0,99 0,09 X24 0,16 0,99 0,37 0,091 X25 -0,01 0,45 0,22 0,09 Nguồn: kết quả thống kê từ SPSS 20.0 Phụ lục 07. Kết quả kiểm định đa cộng tuyến của mô hình 1 Biến Năm thứ nhất Năm thứ hai Năm thứ ba Độ c/n VIF Độ c/n VIF Độ c/n VIF X1 0,084 11,909 0,424 2,360 0,814 1,228 X2 0,352 2,844 0,020 49,678 0,294 3,402 X3 0,082 12,227 0,273 3,661 0,351 2,849 X4 0,527 1,898 0,178 5,627 0,652 1,534 X5 0,466 2,147 0,076 13,123 0,093 10,804 X6 0,523 1,911 0,452 2,213 0,254 3,935 X7 0,631 1,585 0,200 5,010 0,407 2,458 X8 0,288 3,468 0,208 4,816 0,636 1,571 X9 0,527 1,898 0,976 1,024 0,837 1,194 X10 0,012 83,682 0,323 3,098 0,205 4,888 X11 0,535 1,870 0,213 4,696 0,185 5,411 X12 0,722 1,385 0,734 1,363 0,016 61,130 X13 0,645 1,549 0,692 1,445 0,659 1,517 X14 0,344 2,907 0,343 2,916 0,768 1,302 X15 0,456 2,193 0,511 1,956 0,267 3,739 X16 0,354 2,827 0,772 1,295 0,182 5,480 X17 0,457 2,189 0,470 2,127 0,525 1,905 X18 0,241 4,141 0,649 1,540 0,355 2,820 X19 0,546 1,833 0,859 1,164 0,364 2,746 X20 0,281 3,553 0,492 2,032 0,345 2,897 X21 0,615 1,626 0,722 1,385 0,863 1,158 X22 0,895 1,118 0,928 1,077 0,800 1,250 Nguồn: kết quả thống kê từ SPSS 20.0 Phụ lục 08. Kết quả kiểm định phương sai bằng nhau của mô hình 1 Mô hình 1 Tương quan hạng Spearman Mức ý nghĩa 1 năm trước dự báo -0,058 0,361 2 năm trước dự báo -0,007 0,910 3 năm trước dự báo 0,020 0,749 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 09. Kết quả dự báo của mô hình 1 ban đầu Kết quả phân loại Kết quả dự báo Mô hình 1 năm trước dự báo 93,7% 89,5% Mô hình 2 năm trước dự báo 86,5% 83,3% Mô hình 3 năm trước dự báo 77,3% 63,3% Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 10. Kết quả kiểm định độ tin cậy của các biến dự báo trong mô hình 1 Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo F Y/n F Y/n F Y/n X1 - - 22,167 0,000 0,000 0,982 X2 14,434 0,000 - - 11,102 0,000 X3 - - 0,962 0,329 0,189 0,664 X4 47,233 0,000 52,434 0,000 25,743 0,000 X5 0,125 0,725 - - - - X6 29,403 0,000 33,009 0,000 21,636 0,000 X7 2,787 0,098 2,253 0,136 0,2 0,656 X8 15,653 0,000 41,911 0,000 16,65 0,000 X9 22,981 0,000 18,822 0,000 11,517 0,000 X10 - - 0,757 0,386 0,176 0,675 X11 84,042 0,000 42,073 0,000 12,945 0,000 X12 11,799 0,000 15,866 0,000 - - X13 15,668 0,000 13,008 0,000 28,146 0,000 X14 45,999 0,000 44,143 0,000 23,006 0,000 X15 30,637 0,000 31,245 0,000 18,608 0,000 X16 85,276 0,000 62,918 0,000 20,873 0,000 X17 13,033 0,000 11,182 0,001 11,905 0,000 X18 20,452 0,000 72,929 0,000 14,373 0,000 X19 90,479 0,000 79,966 0,000 18,294 0,000 X20 19,607 0,000 58,311 0,000 13,44 0,000 X21 344,54 0,000 7,339 0,008 25,926 0,000 X22 15,25 0,000 19,189 0,000 14,368 0,000 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 11. Kết quả tính toán điểm phân biệt của mô hình 1 STT Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo Điểm phân biệt Dự báo Điểm phân biệt Dự báo Điểm phân biệt Dự báo 1 -2,785 0 0,828 1** 0,438 1 2 2,095 1 2,654 1 2,176 1 3 -2,11 0 -1,4 0 -1,342 0 4 1,597 1 0,051 0 -0,534 0 5 -2,178 0 -1,992 0 -1,805 0 6 -2,506 0 -1,551 0 -1,552 0 7 -2,266 0 -1,374 0 -1,132 0 8 -2,595 0 -1,669 0 -1,928 0 9 -2,472 0 -1,835 0 -1,603 0 10 2,166 1 1,1 1 1,581 1 11 1,702 1 -0,874 0 -0,497 0 12 -4,024 0 -0,044 0 1,008 1 13 2,193 1 0,625 1 0,659 1 14 1,539 1 0,473 1 -0,599 0 15 -2,318 0 -0,47 0 0,169 1 16 -2,628 0 0,098 1** 0,335 1 17 -1,708 0 0,613 1 0,154 1 18 -2,128 0 0,266 1** -0,08 0 19 -2,013 0 -0,185 0 -1,24 0 20 -1,973 0 -1,397 0 -1,046 0 Nguồn: kết quả kiểm định trên SPSS 20.0 0: khó khăn tài chính 1: không gặp khó khăn tài chính **: công ty mà mô hình dự báo sai Phụ lục 12. Kết quả kiểm định đa cộng tuyến của mô hình Altman (1968) Biến Năm thứ nhất Năm thứ hai Năm thứ ba Độ c/n VIF Độ c/n VIF Độ c/n VIF X3 0,842 1,188 0,730 1,370 0,954 1,049 X15 0,303 3,296 0,558 1,793 0,253 3,959 X19 0,334 2,997 0,527 1,896 0,248 4,039 X7 0,989 1,012 0,980 1,020 0,994 1,006 X13 0,994 1,006 0,909 1,10 0,986 1,014 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 13. Kết quả kiểm định đa cộng tuyến của mô hình Altman (1995) Biến Năm thứ nhất Năm thứ hai Năm thứ ba Độ c/n VIF Độ c/n VIF Độ c/n VIF X3 0,758 1,320 0,800 1,250 0,818 1,223 X15 0,361 2,771 0,573 1,745 0,326 3,071 X19 0,335 2,986 0,675 1,482 0,303 3,302 X7 0,872 1,147 0,945 1,058 0,955 1,047 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 14. Kết quả kiểm định phương sai bằng nhau của mô hình Altman (1968) năm thứ nhất trước dự báo X3 X15 X19 X7 X23 Phần dư X3 Tương quan 1 -0,02 0,057 0,052 0,095 -0,022 Mức ý nghĩa 0 0,781 0,418 0,458 0,178 0,758 X15 Tương quan -0,020 1 -0,00 -0,035 0,025 0,021 Mức ý nghĩa 0,781 0 0,781 0,616 0,726 0,770 X19 Tương quan 0,057 -0,020 1 0,014 0,057 -0,050 Mức ý nghĩa 0,418 0,781 0 0,841 0,418 0,476 X7 Tương quan 0,052 -0,035 0,014 1 -0,054 -0,071 Mức ý nghĩa 0,458 0,616 0,841 0 0,444 0,314 X13 Tương quan 0,095 0,025 0,057 -0,054 1 0,256 Mức ý nghĩa 0,178 0,726 0,418 0,444 0 202 Phần dư Tương quan -0,022 0,021 -0,050 -0,071 0,256 1 Mức ý nghĩa 0,758 0,770 0,476 0,314 202 0 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 15. Kết quả kiểm định phương sai bằng nhau của mô hình Altman (1968) năm thứ hai trước dự báo X3 X15 X19 X7 X23 Phần dư X3 Tương quan 1 0,028 -0,027 0,064 -0,059 -0,023 Mức ý nghĩa . 0,701 0.716 0,381 0,415 0,749 X15 Tương quan 0,028 1 0,107 0,028 -0,027 0,018 Mức ý nghĩa 0,701 . 0,142 0,701 0,716 0,807 X19 Tương quan -0,027 0,107 1 0,007 -0,092 -0,020 Mức ý nghĩa 0,716 0,142 . 0,923 0,206 0,783 X7 Tương quan 0,064 0,028 0,007 1 0,018 -0,092 Mức ý nghĩa 0,381 0,701 0,923 . 0,807 0,206 X13 Tương quan -0,059 -0,027 -0,092 0,018 1 0,107 Mức ý nghĩa 0,415 0,716 0,206 0,807 . 0,142 Phần dư Tương quan -0,023 0,018 -0,020 0,107 0,107 1 Mức ý nghĩa 0,749 0,807 0,783 0,142 0,142 . Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 16. Kết quả kiểm định phương sai bằng nhau của mô hình Altman (1968) năm thứ ba trước dự báo X3 X15 X19 X7 X23 Phần dư X3 Tương quan 1 -0,018 0,263 -0,079 -0,082 -0,047 Mức ý nghĩa 0,899 0,065 0,281 0,261 0,522 X15 Tương quan -0,018 1 0,096 -0,003 -0,078 -0,039 Mức ý nghĩa 0,899 0,507 0,971 0,286 0,591 X19 Tương quan 0,263 0,096 1 0,012 -0,119 -0,116 Mức ý nghĩa 0,065 0,507 0,865 0,102 0,112 X7 Tương quan -0,079 -0,003 0,012 1 0,064 -0,14 Mức ý nghĩa 0,281 0,971 0,865 0,378 0,054 X13 Tương quan -0,082 -0,078 -0,119 0,064 1 0,117 Mức ý nghĩa 0,261 0,286 0,102 0,378 0,107 Phần dư Tương quan -0,047 -0,039 -0,116 -0,14 0,117 1 Mức ý nghĩa 0,522 0,591 0,112 0,054 0,107 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 17. Kết quả kiểm định phương sai bằng nhau của mô hình Altman (1995) năm thứ nhất trước dự báo X3 X15 X19 X23 Phần dư X3 Tương quan 1 0,263 -0,018 0,15 -0,026 Mức ý nghĩa 0 0,065 0,899 0,299 0,859 X15 Tương quan 0,263 1 0,002 0,263 0,016 Mức ý nghĩa 0,065 0 50 0,065 0,914 X19 Tương quan -0,018 0,002 1 0,016 0,096 Mức ý nghĩa 0,899 50 0 0,914 0,507 X7 Tương quan 0,15 0,263 0,016 1 -0,018 Mức ý nghĩa 0,299 0,065 0,914 0 0,899 Phần dư Tương quan -0,026 0,016 0,096 -0,018 1 Mức ý nghĩa 0,859 0,914 0,507 0,899 0 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 18. Kết quả kiểm định phương sai bằng nhau của mô hình Altman (1995) năm thứ hai trước dự báo X3 X15 X19 X23 Phần dư X3 Tương quan 1 0,238 -0,011 -0,096 0,177 Mức ý nghĩa 0 0,07 0,936 0,467 0,179 X15 Tương quan 0,238 1 0,016 -0,111 -0,146 Mức ý nghĩa 0,07 0 0,914 0,402 0,268 X19 Tương quan -0,011 0,016 1 0,055 -0,144 Mức ý nghĩa 0,936 0,914 0 0,681 0,275 X7 Tương quan -0,096 -0,111 0,055 1 0,074 Mức ý nghĩa 0,467 0,402 0,681 0 0,576 Phần dư Tương quan 0,177 -0,146 -0,144 0,074 1 Mức ý nghĩa 0,179 0,268 0,275 0,576 0 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 19. Kết quả kiểm định phương sai bằng nhau của mô hình Altman (1995) năm thứ ba trước dự báo X3 X15 X19 X23 Phần dư X3 Tương quan 1 0,205 0,205 0,087 -0,102 Mức ý nghĩa 0 0,162 0,162 0,556 0,491 X15 Tương quan 0,205 1 0,046 0,205 0,046 Mức ý nghĩa 0,162 0 0,758 0,162 0,758 X19 Tương quan 0,205 0,046 1 0,18 -0,031 Mức ý nghĩa 0,162 0,758 0 0,222 0,834 X7 Tương quan 0,087 0,205 0,18 1 -0,182 Mức ý nghĩa 0,556 0,162 0,222 0 0,214 Phần dư Tương quan -0,102 0,046 -0,031 -0,182 1 Mức ý nghĩa 0,491 0,758 0,834 0,214 0 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 20. Kết quả dự báo của mô hình Altman (1968) gốc Kết quả phân loại Kết quả dự báo Mô hình 1 năm trước dự báo 82,10% 81,10% Mô hình 2 năm trước dự báo 87,00% 80,00% Mô hình 3 năm trước dự báo 69,50% 54,70% Nguồn: kết quả phân tích trên SPSS 20.0 Phụ lục 21. Kết quả dự báo của mô hình Altman (1995) gốc Kết quả phân loại Kết quả dự báo Mô hình 1 năm trước dự báo 92,00% 80,00% Mô hình 2 năm trước dự báo 86,70% 79,30% Mô hình 3 năm trước dự báo 65,20% 60,00% Nguồn: kết quả phân tích trên SPSS 20.0 Phụ lục 22. Kết quả kiểm định độ tin cậy của các biến dự báo trong mô hình Altman (1968) Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo F Y/n F Y/n F Y/n X3 0,994 0,445 0,574 0,45 0,165 0,686 X15 0,963 0,032 23,849 0 11,266 0,001 X19 0,881 0,001 62,547 0 14,005 0 X7 0,924 0,007 0,738 0,392 0,22 0,64 X13 0,963 0,063 0,863 0,355 0,432 0,513 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 23. Kết quả kiểm định độ tin cậy của các biến dự báo trong mô hình Altman (1995) Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo F Y/n F Y/n F Y/n X3 4,425 0,047 1,705 0,203 3,301 0,084 X15 9,478 0,005 2,502 0,125 3,236 0,086 X19 29,023 0,000 6,403 0,018 3,586 0,072 X7 22,659 0,000 4,396 0,046 1,003 0,328 Nguồn: kết quả kiểm định trên SPSS 20.,0 Phụ lục 24. Kết quả tính toán điểm phân biệt của mô hình Altman (1968) STT Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo Điểm phân biệt Dự báo Điểm phân biệt Dự báo Điểm phân biệt Dự báo 1 0,828 1** 0,828 1** 0,438 1** 2 2,654 1 2,654 1 2,176 1 3 -1,4 0 -1,4 0 -1,342 0 4 0,051 0 0,051 0 -0,534 0 5 -1,992 0 -1,992 0 -1,805 0 6 -1,551 0 -1,551 0 -1,552 0 7 -1,374 0 -1,374 0 -1,132 0 8 -1,669 0 -1,669 0 -1,928 0 9 -1,835 0 -1,835 0 -1,603 0 10 1,1 1 1,1 1 1,581 1 11 -0,874 0 -0,874 0 -0,497 0 12 -0,044 0 -0,044 0 1,008 1 13 0,625 1 0,625 1 0,659 1 14 0,473 1 0,473 1 -0,599 0 15 -0,47 0 -0,47 0 0,169 1** 16 0,098 1** 0,098 1** 0,335 1 17 0,613 1 0,613 1 0,154 1** 18 0,266 1** 0,266 1** -0,08 0 19 -0,185 0 -0,185 0 -1,24 0 20 -1,397 0 -1,397 0 -1,046 0 Nguồn: kết quả phân tích trên SPSS 20.0 0: khó khăn tài chính 1: không gặp khó khăn tài chính **: công ty mà mô hình dự báo sai Phụ lục 25. Kết quả kiểm định đa cộng tuyến của mô hình Logit Biến Năm thứ nhất Năm thứ hai Năm thứ ba Độ c/n VIF Độ c/n VIF Độ c/n VIF X3 0,621 1,61 0,694 1,441 0,657 1,522 X14 0,514 1,947 0,322 3,101 0,931 1,075 X16 0,439 2,276 0,294 3,402 0,782 1,28 X20 0,672 1,488 0,775 1,291 0,52 1,922 X22 0,959 1,043 0,72 1,39 0,784 1,275 X23 0,78 1,281 0,971 1,03 0,972 1,029 X24 0,945 1,058 0,699 1,431 0,875 1,143 Nguồn: kết quả phân tích trên SPSS 20.0 Phụ lục 26. Kết quả kiểm định phương sai bằng nhau của mô hình 3 Mô hình 1 Tương quan hạng Spearman Mức ý nghĩa 1 năm trước dự báo -0,07 0,909 2 năm trước dự báo -0,077 0,226 3 năm trước dự báo 0,412 0,053 Nguồn: kết quả phân tích trên SPSS 20.0 Phụ lục 27. Kết quả dự báo của mô hình Logit gốc Kết quả phân loại Kết quả dự báo Mô hình 1 năm trước dự báo 87,2 86,4 Mô hình 2 năm trước dự báo 81,7 73,0 Mô hình 3 năm trước dự báo 62,1 71,4 Nguồn: kết quả phân tích trên SPSS 20.0 Phụ lục 28. Kết quả kiểm định độ tin cậy của các biến dự báo trong mô hình Logit Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo Wald Y/n Wald Y/n Wald Y/n X3 0,36 0,548 8,588 0,003 0,937 0,333 X14 0,002 0,963 0,007 0,932 0,831 0,362 X16 12,628 0,000 13,327 0,000 13,388 0,000 X20 13,174 0,000 0,086 0,769 0,213 0,644 X22 0,901 0,342 0,27 0,603 1,092 0,296 X23 0,000 0,997 0,000 0,999 1,39 0,238 X24 0,222 0,638 0,703 0,402 0,763 0,382 Nguồn: kết quả kiểm định trên SPSS 20.0 Phụ lục 29. Kết quả tính toán xác suất khó khăn tài chính của mô hình Logit STT Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo P(Y) Dự báo P(Y) Dự báo P(Y) Dự báo 1 1 1 0,521 1 0,346 0 2 0,363 0 0,998 1 0,611 1 3 0,779 1 0,048 0 0,411 0 4 0,772 1 0,203 0 0,414 0 5 0,568 1 0,000 0 0,34 0 6 0,970 1 0,024 0 0,291 0 7 0,088 0 0,059 0 0,166 0 8 0,099 0 0,001 0 0,131 0 9 0,971 1 0,002 0 0,428 0 10 0,101 0 0,971 1 0,678 1 11 0,993 1 0,244 0 0,369 0 12 0,000 0 0,074 0 0,326 0 13 0,872 1 0,688 1 0,634 1 14 0,95 1 0,841 1 0,356 0 15 0,713 1 0,140 0 0,218 0 16 0,997 1 0,110 0 0,222 0 17 0,865 1 0,161 0 0,410 0 18 0,455 0 0,299 0 0,671 1 19 0,422 0 0,063 0 0,588 1 20 0,856 1 0,007 0 0,739 1 Nguồn: kết quả phân tích trên SPSS 20.0 0: khó khăn tài chính 1: không gặp khó khăn tài chính Phụ lục 30. So sánh sai lầm loại I và sai lầm loại II của mô hình Logit Hàm phân biệt Sai lầm loại I (%) Sai lầm loại II (%) Trong phân biệt Trong dự báo Trong phân biệt Trong dự báo 1 năm trước dự báo 30,0 27,5 4,0 2,7 2 năm trước dự báo 16,9 22,4 18,0 25,4 3 năm trước dự báo 33,9 27,1 40 36,7 Nguồn: kết quả phân tích trên SPSS 20.0 Phụ lục 31. Kết quả dự báo của mô hình 4 gốc Thời điểm Hàm Độ chính xác C 1 năm trước dự báo 2^9 0,0078125 92,80% 2 năm trước dự báo 2^-1 0,5000000 79,36% 3 năm trước dự báo 2^1 0,5000000 59,66 % Nguồn: kết quả phân tích trên LibSVM 3.21 Phụ lục 32. Kết quả dự báo khó khăn tài chính của mô hình 4 STT Năm thứ nhất trước dự báo Năm thứ hai trước dự báo Năm thứ ba trước dự báo Dự báo Thực tế Dự báo Thực tế Dự báo Thực tế 1 0 0 0 0 0 1 2 1 1 0 0 0 0 3 0 0 0 0 1 1 4 0 0 0 0 0 0 5 0 0 1 1 0 0 6 1 1 0 1 0 1 7 1 1 1 1 1 1 8 0 0 0 0 0 0 9 0 0 0 0 0 0 10 0 1 0 1 0 1 11 0 0 1 1 1 0 12 0 1 0 1 0 0 13 1 1 1 1 1 0 14 1 1 0 0 0 1 15 0 0 0 0 1 0 16 0 0 1 0 0 0 17 0 0 0 0 0 1 18 1 1 1 0 1 1 19 1 1 1 1 1 0 20 0 1 0 0 0 0 Nguồn: kết quả phân tích trên LibSVM 3.21 0: khó khăn tài chính 1: không gặp khó khăn tài chính