Ứng dụng mô hình kmv-merton và altman z-score để xếp hạng tín dụng các doanh nghiệp niêm yết trên sàn HSX và HNX

Nội dung text: Ứng dụng mô hình kmv-merton và altman z-score để xếp hạng tín dụng các doanh nghiệp niêm yết trên sàn HSX và HNX

1. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 ỨNG DỤNG MÔ HÌNH KMV-MERTON VÀ ALTMAN Z-SCORE ĐỂ XẾP HẠNG TÍN DỤNG CÁC DOANH NGHIỆP NIÊM YẾT TRÊN SÀN HSX VÀ HNX APPLYING KMV-MERTON AND ALTMAN Z-SCORE FOR CREDIT SCORING ENTERPRISES LISTED ON HSX AND HNX Hoàng Trung Nghĩa, Ung Ngọc Quyên Trường Đại học Kinh tế - Luật, Đại học Quốc gia thành phố Hồ Chí Minh nghiaht@uel.edu.vn TÓM TẮT Nghiên cứu sử dụng mô hình KMV-Merton và Altman Z-score để xếp hạng tín dụng của 535 công ty niêm yết trên Sàn Giao dịch Chứng khoán Thành phố Hồ Chí Minh (HSX) và Hà Nội (HXN). Dữ liệu được thu thập từ báo cáo tài chính (BCTC), lãi suất trái phiếu Chính phủ và giá cổ phiếu từ tháng 01 – 12/2018. Kết quả nghiên cứu của 2 mô hình cho thấy có nhiều điểm tương đồng: rủi ro của toàn danh mục khá thấp, với xác suất phá sản bằng 0,03% và hệ số phá sản Z’’ trung bình bằng 4,56. Xác suất phá sản giảm dần theo quy mô, cụ thể các công ty lớn có xác suất phá sản bằng 0,22%, công ty vừa 0,03% và công ty nhỏ 0,01%. Bên cạnh đó, ngành Xây dựng và Bất động sản là ngành có rủi ro cao nhất với xác suất phá sản bằng 3,17% và hệ số phá sản Z’’ trung bình bằng 2,91 trong khi ngành Dịch vụ lưu trú và ăn uống có xác suất phá sản thấp nhất với xác suất phá sản bằng 0,01% và hệ số phá sản Z’’ trung bình bằng 13,43. Từ khóa: KMV-Merton, hệ số phá sản Z’’, rủi ro tín dụng, xếp hạng tín dụng. ABSTRACT This paper uses KMV-Merton and Altman Z-score models to credit ratings of 535 companies listed on Ho Chi Minh City Stock Exchange (HSX) and Hanoi Stock Exchange (HXN). Data include financial data from Financial Statements, Interest Rates of Government Bonds and Stock Prices from January to December 2018. The results of two models show many similarities. Firstly, the risk of the portfolio is quite low, reflected by probability of default (PD) of 0,03% and Z’’ of 4,56. The risk is found to decrease by size, with PDs for large, medium and small are 0,22%, 0,03% and 0,01%, respectively. In addition, the results also indicate that the Construction and Real Estate is the most risky industry, with PD equals 3,17% and Z’’ of 2,91. On the contrary, the Accommodation and Food Services is the least risky with the probability of default equals 0.01% and Z’’of 13,43. Keywords: KMV-Merton, the Z’’Score, credit risk, credit rating. 1. Giới thiệu Nền kinh tế Việt Nam không ngừng phát triển và nâng cao vị thế của mình trênthị trường trong nước và quốc tế. Các thành phần tham gia trên thị trường, bao gồm các nhà quản trị, đang cố gắng duy trì sự tồn tại và phát triển của các doanh nghiệp trước khó khăn, thách thức bên trong lẫn bên ngoài bằng cách sử dụng đòn bẩy hoạt động và đòn bẩy tài chính một cách hợp lý. Các tổ chức tín dụng như ngân hàng thương mại, công ty tài chính và các nhà đầu tư nhỏ lẻ hỗ trợ các doanh nghiệp trong hoạt động sản xuất kinh doanh bằng các khoản hỗ trợ tín dụng và các khoản đầu tư. Tuy nhiên khi các doanh nghiệp hoạt động không hiệu quả, dẫn đến việc mất khả năng chi trả vốn vay thì các tổ chức tín dụng, đại diện là ngân hàng thương mại và các nhà đầu tư là những bên chịu thiệt hại bởi nợ xấu lớn. Vấn đề đặt ra là ngân hàng và các nhà đầu tư cần phải phân tích và đánh giá rủi ro bằng các hệ thống xếp hạng tín dụng, các phương pháp tính toán và kiểm soát khả năng trả nợ của doanh nghiệp như thế nào để phù hợp với điều kiện môi trường ở Việt Nam và đảm bảo rằng nguồn vốn sử dụng có thể đem lại lợi nhuận cao nhất. Đối với lĩnh vực Tài chính – Ngân hàng thì mục tiêu chú trọng hàng đầu là quản trị các loại rủi ro, nhất là trong điều kiện rủi ro tín dụng hiện nay chiếm tỷ trọng cao nhất trên thị trường. Thực tế cho thấy, Việt Nam đang kiểm soát chất lượng tín dụng, giải quyết nợ xấu và hạn chế cho vay cho một số các ngành nghề, lĩnh vực tiềm ẩn nhiều rủi ro như Bất động sản, Chứng khoán, Tiêu dùng Năm 2018, mặc 700
2. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 dù tốc độ tăng trưởng tín dụng vẫn ở mức thấp (dưới 17%), đồng nghĩa với việc hạn chế cho vay có thể dẫn đến giảm lợi tức, giảm đầu tư, nhưng lợi nhuận của các tổ chức tín dụng lại đạt mức tăng trưởng khá cao cho thấy nguồn vốn được sử dụng một cách hiệu quả. Việc đưa ra một hệ thống xếp hạng tín dụng uy tín không những có thể hỗ trợ tốt hơn các tổ chức tín dụng và các nhà đầu tư trong việc tìm kiếm, phòng ngừa, sử dụng và quản lý nguồn vốn đầu tư an toàn mà còn giúp các doanh nghiệp cải thiện tình hình hoạt động, góp phần tăng trưởng GDP hằng năm, tăng sản lượng xuất – nhập khẩu, thu hút dòng vốn đầu tư nước ngoài FDI Ngoài ra, nghiên cứu còn đề xuất hệ thống xếp hạng tín dụng nhằm giúp nhà nước, ngân hàng và các tổ chức tín dụng chú trọng tập trung vào các doanh nghiệp có ngành nghề, lĩnh vực và quy mô an toàn, đồng thời siết chặt cho vay đối với các doanh nghiệp rủi ro cao. Trên cơ sở tiếp cận các lý thuyết cổ điển và hiện đại về xác suất phá sản và rủi ro tín dụng của các công ty trên thị trường, tác giả còn nghiên cứu thêm về các công cụ đánh giá và hệ thống xếp hạng tín dụng được sử dụng rộng rãi trên thế giới. Nghiên cứu còn đưa ra đề xuất về xếp hạng tín dụng đối với các doanh nghiệp niêm yết tại Việt Nam theo từng nhóm ngành nghề, lĩnh vực và quy mô khác nhau; qua đó giúp người đọc có cái nhìn tổng quan hơn về mức độ rủi ro phân theo ngành, theo quy mô của các doanh nghiệp, hỗ trợ trong quá trình đưa ra các quyết định tài chính đối với các doanh nghiệp, nhà đầu tư, ngân hàng và các tổ chức tín dụng. Nghiên cứu tập trung vào xếp hạng tín dụng đối với các doanh nghiệp, phạm vi nghiên cứu giới hạn bởi 535 công ty niêm yết trên HSX và HNX, bao gồm BCTC cuối năm 2018 và giá cổ phiếu giao dịch từ tháng 01/2018 - 12/2018 trên Thomson Reuters, website của Uỷ ban chứng khoán Nhà nước (UBCKNN) và các công ty chứng khoán với độ tin cậy và chính xác cao. Nghiên cứu sử dụng hoàn toàn bằng phương pháp phân tích định lượng nhằm làm rõ thực trạng xếp hạng tín dụng đối với doanh nghiệp. Đồng thời sử dụng phương pháp phân tích và so sánh giữa các mô hình đánh giá rủi ro tín dụng khá phổ biến hiện nay với điều kiện môi trường kinh tế trong nước và quốc tế. Bên cạnh đó, tác giả xử lý số liệu bằng Excel và R để ước lượng mô hình KMV-Merton và mô hình Altman Z–Score. Trong đó, mô hình KMV-Merton sử dụng giá trị nợ và giá trị tổng tài sản trên thị trường của doanh nghiệp để đánh giá mức độ biến động của vốn chủ sở hữu và dựa vào các hàm số kinh tế để tính toán xác suất phá sản. Mô hình Altman Z-Score dựa vào các tỷ số tài chính để đánh giá khả năng trả nợ của doanh nghiệp. Mỗi mô hình đều có ưu và nhược điểm riêng, việc sử dụng cùng lúc hai mô hình có thể giúp tác giả đánh giá và so sánh kết quả, từ đó tìm được điểm tương đồng giữa 2 mô hình khác nhau, làm tăng độ tin cậy và khẳng định kết quả tính toán của nghiên cứu. Kết quả phân tích đưa ra một cơ sở xếp hạng tín dụng đáng tin cậy cho các quyết định tài chính đối với ngân hàng, tổ chức tín dụng, các nhà đầu tư và đặc biệt là các nhà quản trị doanh nghiệp. 2. Mô hình KMV-Merton và Altman Z-Score 2.1. Mô hình KMV-Merton Mô hình KMV-Merton được phát triển dựa trên nền tảng của mô hình phân tích và đánh giá rủi ro tín dụng trên dư nợ của doanh nghiệp do nhà kinh tế học người Mỹ Robert C. Merton thiết lập, sau đó được hai nhà kinh tế học là Fischer Black và Myron Scholes xây dựng và phát triển thành mô hình định giá quyền chọn Black–Scholes. Đến năm 1974, công ty KMV đã phát triển mô hình Merton cổ điển để dự báo xác suất phá sản và tổn thất của chủ nợ khi các doanh nghiệp mất khả năng chi trả. Lấy ý tưởng từ một doanh nghiệp có lượng vốn vay là B trên thị trường với kỳ hạn T, lãi suất r. Trong thời hạn vay, doanh nghiệp sẽ đem số vốn đi đầu tư vào nhiều dự án hoặc tài sản khác nhau nhằm 701
3. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 mục đích sinh lời. Đến thời điểm đáo hạn, trường hợp giá trị tổng tài sản trên thị trường của doanh nghiệp đi vay lớn hơn khoản nợ vay, doanh nghiệp sẽ có động cơ hoàn trả khoản nợ vay. Ngược lại, nếu giá trị thị trường tổng tài sản của doanh nghiệp nhỏ hơn khoản vay, doanh nghiệp có nguy cơ phá sản và sẽ chuyển giao toàn bộ tài sản hiện có cho chủ nợ. Tức là chủ nợ có thể gánh chịu một khoản lỗ bằng giá trị khoản vay trừ đi phần giá trị thị trường tổng tài sản hiện có của doanh nghiệp. Mô hình KMV-Merton giúp cho các ngân hàng, cổ đông và các nhà đầu tư đánh giá được rủi ro tín dụng của doanh nghiệp, từ đó đưa ra các quyết định quản trị hoặc quyết định đầu tư một cách hợp lý. KMV-Merton là một mô hình đánh giá rủi ro khá phổ biến do được thiết lập dựa trên cơ sở lý thuyết hiện đại, có thể áp dụng cho tất cả các công ty đại chúng có niêm yết trên sàn giao dịch, các biến động thị trường được cập nhật liên tục và chính xác, làm tăng khả năng đánh giá và phân tích mô hình tốt hơn. Mô hình dựa trên 2 giả định quan trọng: (1) Tổng giá trị tài sản của doanh nghiệp được diễn tả bằng chuyển động hình học Brownian dựa trên giả thuyết bước đi ngẫu nhiên. Đây là lý thuyết về tài chính cho rằng thị trường chứng khoán luôn chuyển động theo một bước ngẫu nhiên, do giá cổ phiếu trên thị trường luôn thay đổi không theo một xu hướng nhất định nào và không thể dự đoán được: (1) với V là tổng giá trị thị trường của tổng tài sản của doanh nghiệp; μ là tỷ suất lợi nhuận gộp liên tục trên giá trị tài sản của doanh nghiệp; σV là độ biến động tài sản của doanh nghiệp và dW là quá trình Wiener tiêu chuẩn. Phương trình trên là phương trình được dùng để thiết lập mối quan hệ giữa các phương trình vi phân có dạng parabol và quá trình ngẫu nhiên, tức là mô tả sự biến thiên tức thời của giá trị thị trường tổng tài sản của doanh nghiệp theo giá cổ phiếu giao dịch trên thị trường theo chuyển động hình học Brownian (Xem hình 1). (2) Doanh nghiệp chỉ có duy nhất một loại nợ được phát hành bằng trái phiếu không trả lãi theo kỳ và có thời gian đáo hạn, được thể hiện bằng phương trình có tên Black-Scholes-Merton: (2) trong đó E là giá trị thị trường vốn chủ sở hữu, F là giá trị khoản vay, r là lãi suất phi rủi ro (trong bài này, tác giả lấy lãi suất chính phủ 5 năm làm lãi suất phi rủi ro), T là thời gian đáo hạn của khoản vay (1 năm) và N(.) là phân phối xác suất chuẩn tích luỹ, với và (3) Mô hình KMV-Merton dựa trên hai phương trình quan trọng là phương trình Black-Scholes- Merton (2) và phương trình sau: (4) Đây là phương trình mô tả sự tương quan giữa biến động giá trị tài sản và biến động giá trị vốn chủ sở hữu của doanh nghiệp. Theo phương trình Black-Scholes-Merton (2), , do đó: (5) có thể tính bằng dữ liệu lợi nhuận trong quá khứ nên có thể tính V và bằng cách giải hệ phương trình sau: (6) 702
4. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Khoảng cách dẫn đến phá sản và xác suất phá sản của mô hình được tính dựa trên công thức: ) (7) Xác suất phá sản theo ngành và theo quy mô: (8) với wi là tỷ trọng dư nợ của doanh nghiệp i so với tổng dư nợ ngành và PDi là xác suất phá sản của doanh nghiệp i. 2.2. Mô hình Altman Z-score Altman Z-score là một công cụ thống kê được phát triển năm 1968 bởi Edward I. Altman để đo lường nguy cơ phá sản của doanh nghiệp từ 1 đến 2 năm. Hệ số này đã thêm một kỹ thuật thống kê gọi là phân tích đa biến vào hỗn hợp các kỹ thuật phân tích tỷ lệ truyền thống và cho phép người sử dụng không chỉ xem xét ảnh hưởng của một tỷ lệ đối với dự báo mà còn đánh giá các tỷ lệ đó ảnh hưởng với nhau như thế nào trong mô hình, đồng thời dự báo được tình hình sức khỏe tài chính của bất kỳ một doanh nghiệp nào bằng cách sử dụng các dữ liệu trong BCTC. Ban đầu mô hình sử dụng đến 22 chỉ tiêu khác nhau, sau đó được rút ngắn chỉ còn 5 chỉ tiêu cơ bản như sau: X1: Tỷ lệ vốn lưu động trên tổng tài sản; X2: Tỷ lệ lợi nhuận giữ lại trên tổng tài sản; X3: Tỷ lệ lợi nhuận trước thuế và lãi vay (EBIT) trên tổng tài sản; X4: Tỷ lệ giá trị thị trường vốn chủ sở hữu trên tổng nợ và X5: Tỷ lệ doanh thu trên tổng tài sản. Nhìn chung, hệ số phá sản Z-Score có giá trị càng thấp, khả năng phá sản càng cao và ngược lại. Mặc dù chỉ là một trong nhiều mô hình xếp hạng tín dụng được sử dụng hiện nay với sự kết hợp giữa các chỉ số tài chính định lượng cơ bản nhưng trên thực tế, Altman Z-Score là phương pháp được sử dụng rất phổ biển vì nó đánh giá có độ chính xác cao. Tuy nhiên, hệ số này không chỉ dừng lại ở đó mà ngày càng phát triển ra nhiều hệ số Z-Score điều chỉnh nhằm áp dụng trong từng loại hình kinh doanh và ngành nghề của mỗi doanh nghiệp. Mô hình áp dụng cho doanh nghiệp đã cổ phần hóa như sau: Z’’Score = 1,2X1 + 1,4X2 + 3,3X3 + 0,64X4 + 0,999X5 với Z 2.99: Vùng an toàn. Dựa trên giá trị trung bình hệ số phá sản của mỗi doanh nghiệp, tác giả tính toán hệ số Z’’Score chung theo ngành: , (điều kiện: Z’’ > 2,6); , (điều kiện: Z’’ < 1,1) (9) với Z’’ij là hệ số phá sản của doanh nghiệp i thuộc ngành j. Sau khi tính được giá trị xác suất phá sản và hệ số phá sản Z’’Score, tác giả đưa ra so sánh và đánh giá giữa 2 mô hình theo ngành nghề. Xác suất phá sản ngành được tính bằng công thức: (10) với PDij là xác suất phá sản của doanh nghiệp i trong ngành j; Wij là trọng số của doanh nghiệp i trong ngành j so với tổng danh mục. Theo mô hình KMV-Merton, ngành nào có xác suất phá sản càng lớn thì rủi ro tín dụng càng cao, và ngược lại. Theo mô hình Z’’Score, ngành có càng thấp thì rủi ro tín dụng càng lớn và ngược. Công thức như sau: = ( + )/2 (11) với là hệ số phá sản trung bình. 703
5. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 3. Dữ liệu Dữ liệu được thu thập từ Thomson Reuters và một số các website như UBCKNN và các công ty chứng khoán, bao gồm 714 công ty cổ phần được niêm yết trên HSX và HNX năm 2018. Tuy nhiên, tác giả giới hạn chỉ còn 535 công ty trong 10 ngành được sử dụng trong bài nghiên cứu do thiếu cơ sở dữ liệu. Bên cạnh đó, số doanh nghiệp thuộc mỗi ngành trong bài nghiên cứu được tác giả sử dụng đều lớn hơn 3 doanh nghiệp nhằm đảm bảo được rằng kết quả nghiên cứu nhận được có thể đại diện cho cả ngành và không đảm bảo được độ tin cậy trong bài nghiên cứu. Tác giả phân loại quy mô doanh nghiệp dựa vào cách phân loại theo vốn hóa thị trường, được tính bằng cách lấy giá trị giao dịch tại thời điểm phân loại nhân với tổng số lượng cổ phiếu đang lưu hành trên thị trường. Theo Vietstock, các doanh nghiệp có vốn hóa thị trường nhỏ hơn 1.000 tỷ VND tương ứng với quy mô nhỏ, từ 1.000 - 10.000 tỷ VND tương ứng với quy mô vừa và trên 10.000 tỷ VND được xếp vào dạng quy mô lớn. Trên cơ sở này, các doanh nghiệp lớn chiếm số lượng tương đối nhỏ trong mẫu nghiên cứu (20 doanh nghiệp), còn lại là các công ty vừa (118 doanh nghiệp) và nhỏ (397 doanh nghiệp). Nhìn chung, các doanh nghiệp lớn thường có tổng dư nợ lớn hơn (43,77%) so với các doanh nghiệp vừa và nhỏ, với dư nợ lần lượt là 34,92% và 21,32%. Tác giả cũng sử dụng chuẩn phân ngành của Vietstock trên cơ sở tham khảo chuẩn NAICS 2007. Thực tế, doanh nghiệp khi đăng ký kinh doanh có thể đăng ký nhiều hoạt động kinh doanh khác nhau nên Vietstock xác định ngành chính của doanh nghiệp dựa trên nguyên tắc ngành nào chiếm hơn 50% doanh thu. Phân ngành cấp 1 bao gồm 20 ngành nghề, trong đó loại bỏ 10 ngành do không đáp ứng yêu cầu về số lượng doanh nghiệp niêm yết (dưới 3). Ngành Tài chính và Bảo hiểm cũng không được đưa vào vì đây là ngành đặc thù, có cấu trúc vốn khác với các loại hình doanh nghiệp bình thường. Bảng 1 cho thấy số lượng cổ phiếu trên 2 sàn giao dịch và theo quy mô của từng ngành được sử dụng trong bài nghiên cứu. Trong đó, số lượng doanh nghiệp niêm yết được chia đều cho 2 sàn HSX và HNX với số doanh nghiệp niêm yết lần lượt là 308 và 227. Tất cả 10 ngành nghề, lĩnh vực được nêu trong Bảng 1 đều có số lượng doanh nghiệp có quy mô nhỏ chiếm phần lớn – 397 công ty, sau đó là doanh nghiệp có quy mô vừa và lớn – lần lượt là 118 và 20 công ty. Bên cạnh đó, 2 ngành có số lượng doanh nghiệp lớn là Xây dựng và Bất động sản (151 công ty) và ngành Sản xuất (190 công ty). Một số các ngành nghề kinh doanh như Dịch vụ lưu trú và ăn uống, Sản xuất nông nghiệp và ngành Thương mại bán lẻ có khá ít doanh nghiệp niêm yết. 4. Kết quả nghiên cứu 4.1. Mô hình KMV-Merton Đánh giá trên toàn danh mục, với tổng dư nợ trên toàn danh mục đạt 1.070,63 ngàn tỷ đồng năm 2018, trong đó nợ ngắn hạn chiếm 785,99 ngàn tỷ đồng, nợ dài hạn chiếm 284,64 ngàn tỷ thì xác suất phá sản PD = 0,03% là rất thấp. Bảng 1 cho thấy phần lớn các doanh nghiệp có xác suất phá sản dưới 10% với 234 doanh nghiệp, chiếm 43,74% trên tổng thể. Số lượng doanh nghiệp có xác suất phá sản từ 10 – 20% chiếm 26,54%, từ 20 – 30% chiếm 16,45%, từ 30 – 40% chiếm 9,91%, từ 40 – 50% chiếm 2,24%. Chỉ có 6 doanh nghiệp (chiếm 1,12%) có xác suất phá sản trên 50%, thuộc các ngành Khai khoáng (TSC – 54,7%), Xây dựng và Bất động sản (MEC – 70,9%; LUT – 55,5%; HU1 – 55,6%), Sản xuất (CMX – 55,1%) và Thương mại bán buôn (VMD – 72,5%). ảng : Số lượng doanh nghiệp theo mô hình KMV-Merton Xác suất phá Số lượng doanh Tỷ trọng trên Xác suất phá Số lượng Tỷ trọng trên sản nghiệp tổng thể (%) sản doanh nghiệp tổng thể (%) Dưới 10% 234 43,74% Từ 50 – 60% 4 0,75% Từ 10 – 20% 142 26,54% Từ 60 – 70% 0 0,00% Từ 20 – 30% 88 16,45% Từ 70 – 80% 2 0,37% Từ 30 – 40% 53 9,91% Từ 80 – 90% 0 0,00% Từ 40 – 50% 12 2,24% Từ 90 – 100% 0 0,00% 704
6. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 Đánh giá theo quy mô doanh nghiệp, kết quả từ mô hình KMV-Merton cho thấy các doanh nghiệp có quy mô lớn có xác suất phá sản 0,22% so với 0,03% và 0,01% của các doanh nghiệp có quy mô vừa và nhỏ. Điều này hàm ý doanh nghiệp có quy mô càng lớn, rủi ro tín dụng càng cao. Nguyên nhân có thể do các doanh nghiệp lớn có tổng số vốn vay cao hơn các doanh nghiệp có quy mô vừa và nhỏ, vì thế làm gia tăng rủi ro nếu các doanh nghiệp không thể đảm bảo nghĩa vụ trả nợ. Bảng 2 cũng cho thấy nhóm quy mô lớn mặc dù chỉ có 20 doanh nghiệp (trên tổng số 535 doanh nghiệp nghiên cứu) nhưng chiếm đến 43,77% tỷ trọng dư nợ toàn danh mục. Trong khi đó, nhóm vừa và nhỏ, với số lượng doanh nghiệp áp đảo, chỉ chiếm 34,91% và 31,32% tỷ trọng dư nợ toàn danh mục. ảng 2: Kết quả mô hình KMV-Merton theo quy mô Số Tổng Tổng Tỷ trọng dư Quy mô Xác suất doanh tài sản dư nợ nợ theo quy (vốn hóa thị trường) phá sản nghiệp (tỷ đồng) (tỷ đồng) mô Nhỏ (Dưới 1.000 tỷ) 397 401,365 222,234 21,32% 0,01% Vừa (Từ 1.000 - 10.000 tỷ) 118 781,560 373,818 34,91% 0,03% Lớn (Trên 10.000 tỷ) 20 908,996 468,580 43,77% 0,22% Toàn danh mục 535 2.091,921 1.070,632 100,00% 0,03% Bảng 3 trình bày xác suất phá sản theo ngành nghề. Có thể thấy hầu hết các ngành nghề có xác suất phá sản dưới 1,0%, trừ ngành Xây dựng và Bất động sản (3,17%). Ngành Dịch vụ lưu trú và ăn uống có rủi ro thấp nhất, đạt 0,01%. Thứ tự xếp hạng rủi ro giảm dần của các ngành còn lại như sau: Sản xuất nông nghiệp (0,81%), Sản xuất (0,76%), Thương mại bán buôn (0,64%), Vận tải và Kho bãi (0,53%), Tiện ích cộng đồng (0,36%), Khai khoáng (0,28%), Thương mại bán lẻ (0,24%) và Công nghệ – Truyền thông (0,04%). ảng : Xếp hạng theo KMV-Merton STT Ngành nghề HSX HNX Nhỏ Vừa Lớn Tổng PD 1 Xây dựng và Bất động sản 81 70 118 27 6 151 3,17 2 Sản xuất nông nghiệp 6 5 8 2 1 11 0,81 3 Sản xuất 117 73 134 48 8 190 0,76 4 Thương mại bán buôn 27 17 38 5 1 44 0,64 5 Vận tải và kho bãi 26 18 30 13 1 44 0,53 6 Tiện ích cộng đồng 22 7 14 14 1 29 0,36 7 Khai khoáng 11 17 24 4 0 28 0,28 8 Thương mại bán lẻ 11 4 11 2 2 15 0,24 9 Công nghệ – Truyền thông 4 13 16 1 0 17 0,04 10 Dịch vụ lưu trú và ăn uống 3 3 4 2 0 6 0,01 Tổng danh mục 308 227 397 118 20 535 0,03 4.2. Mô hình Altman Z-Score Đánh giá trên toàn danh mục, Bảng 4 cho thấy có 101 doanh nghiệp nằm trong vùng rủi ro cao, 116 doanh nghiệp nằm trong vùng xám và 318 doanh nghiệp nằm trong vùng an toàn, tương ứng với tỷ trọng trên toàn danh mục lần lượt là 18,9%, 21,7% và 59,4%. Nhìn chung, hệ số phá sản Z’’ trung bình của 705
7. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 toàn danh mục là 4,56 lần, thuộc vùng an toàn, trong đó thứ tự rủi ro tín dụng từ cao đến thấp là doanh nghiệp có quy mô nhỏ (có hệ số phá sản thấp nhất, 4,46), doanh nghiệp có quy mô lớn (4,92) và doanh nghiệp có quy mô vừa (4,94) (Xem Bảng 5). ảng : Hệ số phá sản theo mô hình Altman Z-Score Hệ số phá sản Z’’ trung bình Số doanh nghiệp Tỷ trọng (%) Vùng nguy hiểm ( 2,6) 318 59,44 ảng : Hệ số phá sản theo mô hình Altman Z-Score theo quy mô Quy mô Hệ số phá sản Z’’ trung bình theo quy mô Nhỏ 4,46 Vừa 4,94 Lớn 4,92 Tổng danh mục 4,56 Bảng 6 trình bày xếp hạng theo hệ số phá sản Altman Z-Score. Xây dựng và Bất động sản và Sản xuất là hai ngành có số lượng doanh nghiệp rơi vào vùng nguy hiểm lớn nhất (36 doanh nghiệp). Ngược lại, Công nghệ – Truyền thông và Thương mại bán lẻ là 2 ngành không có bất kỳ doanh nghiệp nào rơi vào vùng nguy hiểm. Các ngành còn lại có dưới 10 doanh nghiệp nằm trong vùng nguy hiểm. Hầu hết các ngành có hơn 50% số doanh nghiệp niêm yết nằm trong vùng an toàn. Thứ tự xếp hạng xác suất phá sản từ cao đến thấp như sau: Xây dựng và Bất động sản (2,91 lần), Sản xuất nông nghiệp (3,44 lần), Khai khoáng (4,02 lần), Sản xuất (4,53 lần), Thương mại bán buôn (5,06 lần), Tiện ích cộng đồng (5,58 lần), Thương mại bán lẻ (6,50 lần), Công nghệ – Truyền thông (6,90 lần), Vận tải và Kho bãi (7,42 lần) và cuối cùng là ngành Dịch vụ lưu trú và ăn uống (13,43 lần). 4.3. So sánh mô hình KMV-Merton và Altman Z-Score Nhìn chung, kết quả tính toán rủi ro tín dụng của cả mô hình KMV-Merton và Altman Z-Score có điểm tương đồng nhau. Thứ nhất, rủi ro tín dụng của cả hai mô hình đều khá thấp với xác suất phá sản 0,03% và hệ số phá sản Z’’ trung bình 4,56. Thứ hai, cả 2 mô hình này đều cho rằng các doanh nghiệp có quy lớn rủi ro hơn các doanh nghiệp có quy mô vừa nhưng lại xung đột với nhau trong việc xếp hạng các doanh nghiệp nhỏ. Cụ thể, KMV-Merton cho thấy doanh nghiệp có quy mô nhỏ có rủi ro tín dụng thấp nhất trong khi Altman Z-Score lại cho kết quả doanh nghiệp có quy mô nhỏ có rủi ro cao nhất. Nguyên nhân có thể là do mô hình KMV-Merton có tính đến yếu tố tỷ trọng tổng dư nợ của doanh nghiệp trên thị trường, trong khi các doanh nghiệp nhỏ thường có tỷ trọng tổng dư nợ thấp so với các doanh nghiệp vừa và lớn, làm giảm rủi ro chung cho toàn ngành. Trái lại, mô hình Altman Z-Score không tính đến yếu tố này. Theo Tổng Cục Thống kê, số doanh nghiệp phá sản và hoàn tất thủ tục giải thể trong năm 2018 là 16.314 doanh nghiệp, tăng 34,7% so với năm 2017. Trong đó có 14.880 doanh nghiệp có vốn dưới 10 tỷ đồng, chiếm 91,2%, thuộc quy mô nhỏ. Tóm lại, doanh nghiệp có quy mô nhỏ có rủi ro tín dụng cao do hạn chế về nhiều mặt (vốn, quản trị, khả năng cạnh tranh, năng lực, cơ hội ) và không có nền móng vững chắc. Tuy nhiên dưới góc độ chung cho toàn nền kinh tế, rủi ro tín dụng mà các doanh nghiệp nhỏ mang lại không ảnh hưởng nhiều đến tổng thể do hầu hết các doanh nghiệp này khi bắt đầu hoạt động đều chủ yếu sử dụng nguồn tài trợ chính từ vốn nội bộ của công ty. 706
8. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 ảng : Xếp hạng theo Altman Z-Score Vùng Vùng Z’’ Z’’ Vùng Tổng STT Ngành nghề nguy an Vùng Vùng Ngành xám ngành hiểm toàn an toàn rủi ro 1 Xây dựng và Bất động sản 36 46 69 151 5,75 0,07 2,91 2 Sản xuất nông nghiệp 2 0 9 11 7,19 – 0,31 3,44 3 Khai khoáng 6 5 17 28 8,19 – 0,16 4,02 4 Sản xuất 36 39 115 190 9,35 – 0,28 4,53 5 Thương mại bán buôn 10 10 24 44 10,66 – 0,53 5,06 6 Tiện ích cộng đồng 5 7 17 29 10,79 0,38 5,58 7 Thương mại bán lẻ 0 2 13 15 6,50 – 6,50 8 Công nghệ – Truyền thông 0 3 14 17 6,90 – 6,90 9 Vận tải và Kho bãi 4 4 36 44 14,79 0,05 7,42 10 Dịch vụ lưu trú và ăn uống 2 0 4 6 26,25 0,62 13,43 Tổng danh mục 4,56 Xác suất phá sản và Hệ số phá sản Z’’ trung bình tính theo ngành được thể hiện trong Bảng 7. Xây dựng và Bất động sản có rủi ro tín dụng cao nhất, với xác suất phá sản đạt 3,17%, hệ số phá sản Z’’ trung bình ngành là 2,91. Đây là ngành luôn có tổng dư nợ lớn, có khi lên đến 80 – 90%. Các ngân hàng thương mại và các tổ chức tín dụng không chỉ cho vay đối với các doanh nghiệp kinh doanh bất động sản, mà còn cho vay tiêu dùng cá nhân để mua, sửa chữa bất động sản. Nhu cầu về nhà ở, nghỉ dưỡng hiện vẫn tương đối cao nhưng mỗi phân khúc có mức tăng trưởng khác nhau. Vì vậy, nếu không chú trọng khâu phân phối sau khi hoàn thành công trình, các doanh nghiệp và nhà thầu xây dựng rất dễ lâm vào tình trạng không thể trả nợ và cuối cùng là vỡ bong bóng bất động sản. Trong khi đó, Dịch vụ lưu trú và ăn uống ngành có rủi ro tín dụng thấp nhất, với xác suất phá sản chỉ chiếm 0,01% tương ứng với hệ số phá sản Z’’ trung bình là 13,4, cao nhất toàn ngành. Các doanh nghiệp thuộc ngành này có tổng dư nợ trên tổng tài sản với tỷ trọng trung bình chỉ chiểm 20 – 30% với hầu hết là các khoản nợ ngắn hạn, thời gian thu hồi vốn vay nhanh so với các sản phẩm của ngành Xây dựng và Bất động sản có thời gian thu hồi vốn dài, thường từ 3 - 5 năm. Bên cạnh đó, ngành Dịch vụ lưu trú và ăn uống là ngành có tỷ trọng thấp nhất toàn danh mục, không có doanh nghiệp có vốn hoá thị trường trên 10.000 ngàn tỷ đồng, tình hình kinh doanh tương đối ổn định, ít biến động nên nhìn chung đây là ngành có rủi ro thấp nhất. ảng : Xếp hạng tín dụng chung STT Ngành nghề PD ngành Ngành 1 Xây dựng và Bất động sản 3,17% 2,91 2 Sản xuất nông nghiệp 0,81% 3,44 3 Sản xuất 0,76% 4,53 4 Thương mại bán buôn 0,64% 5,06 5 Tiện ích cộng đồng 0,36% 5,58 6 Thương mại bán lẻ 0,24% 6,50 7 Công nghệ – Truyền thông 0,04% 6,90 8 Dịch vụ lưu trú và ăn uống 0,01% 13,43 Kết quả cũng cho thấy Sản xuất nông nghiệp có rủi ro tín dụng cao thứ 2 sau ngành Xây dựng và Bất động sản ở cả 2 mô hình, mặc dù đây là lĩnh vực được nhà nước ưu tiên cấp tín dụng và được đánh 707
9. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 giá là khá an toàn. Nguyên nhân có thể là do áp lực từ nợ vay cao và bị ảnh hưởng bởi tình hình kinh doanh không ổn định của tập đoàn Hoàng Anh Gia Lai (HAGL). Cụ thể, lợi nhuận tính đến cuối năm 2018 của công ty này tăng trưởng âm, trong khi công ty có đến 2 mã cổ phiếu niêm yết trên HSX và cả 2 đều tăng giảm giá giao dịch liên tục trên thị trường chứng khoán trong năm 2018. Tổng vốn hóa thị trường của HAGL chiếm đến 19 tỷ đồng trên 23 tỷ đồng (tổng vốn hóa thị trường của toàn ngành) cho thấy rủi ro tín dụng của HAGL là tương đối cao. Kết quả tính toán cho biết xác suất phá sản của 2 mã cổ phiếu là PDHAG = 21,9% và PDHNG = 29,5%, hệ số phá sản là Z’’HAG = – 0,52 và Z’’HNG = – 0,10. Tác giả thử loại bỏ 2 cổ phiếu này ra khỏi danh sách ngành, kết quả ước tính cho thấy xác suất phá sản toàn ngành giảm xuống từ 0,81% còn 0,01% và hệ số phá sản tăng từ 3,44 lên 7,19, chỉ đứng thứ 2 sau ngành Dịch vụ lưu trú và ăn uống về mức độ an toàn vốn. Nhìn chung, ngành Sản xuất nông nghiệp vẫn tương đối an toàn mặc dù năm 2018, công ty đứng đầu ngành là HAGL có tình hình hoạt động không ổn định và dư nợ tín dụng cao nhưng việc Thaco đầu tư vào HAGL đã đem đến kỳ vọng về lợi nhuận cho các nhà đầu tư trong tương lai, dự kiến năm 2019 ngành này sẽ giảm bớt rủi ro. 5. KẾT LUẬN Mô hình xếp hạng tín dụng KMV-Merton và Z-Score cho thấy có nhiều điểm tương đồng, trừ 2 ngành có xếp hạng rủi ro không khớp nhau là ngành Khai khoáng và ngành Vận tải và Kho bãi. Các ngành còn lại được đánh giá rủi ro theo thứ tự giảm dần, lần lượt là Xây dựng và Bất động sản; Sản xuất nông nghiệp; Sản xuất; Thương mại bán buôn; Tiện ích cộng đồng; Thương mại bán lẻ; Công nghệ – Truyền thông; và ngành Dịch vụ lưu trú và ăn uống. Nhìn chung trên toàn danh mục, xác suất phá sản rất thấp, đạt 0,03%, tương ứng với hệ số phá sản = 4,56 lần (nằm trong vùng an toàn). Bên cạnh đó, các doanh nghiệp nhỏ có khả năng phá sản cao hơn các doanh nghiệp vừa và lớn đối với mô hình Z-Score. Tuy nhiên, trong mô hình KMV-Merton, việc cấp tín dụng đối với các doanh nghiệp có quy mô lớn lại rủi ro hơn do dư nợ trên tổng thể rất lớn, mức độ ảnh hưởng đến toàn thị trường tương đối cao nếu các doanh nghiệp mất khả năng trả nợ. Các tổ chức tín dụng cũng kiểm soát chặt chẽ việc cấp tín dụng đối với các doanh nghiệp lớn do lượng vốn vay của các doanh nghiệp này cao hơn so với các doanh nghiệp có quy mô nhỏ hơn, do đó chiếm tỷ trọng trong cơ cấu tín dụng cũng cao hơn, rủi ro nhiều hơn. Kết quả từ hai mô hình KMV-Merton và Z-Score mang lại nhiều ứng dụng thực tế cho nhiều đối tượng khác nhau: - Đối với ngân hàng, hai mô hình này giúp dự báo rủi ro tín dụng của các khách hàng doanh nghiệp, từ đó đưa ra các quyết định đúng đắn, giảm tỷ lệ nợ xấu khó thu hồi. Thực tế cho thấy, các ngân hàng thương mại ở Việt Nam có thể chia phần trăm đối với các việc cấp tín dụng đối với các ngành nghề, lĩnh vực và quy mô khác nhau. Cụ thể, đẩy mạnh cấp vốn cho các doanh nghiệp vừa và nhỏ ở một số các ngành thuộc khu vực Công nghiệp – Dịch vụ như Sản xuất, Thương mại Bán buôn và Bán lẻ, Dịch vụ lưu trú và ăn uống, Công nghệ – Truyền thông. Đối với ngành có rủi ro cao trong năm 2019 như Xây dựng và Bất động sản, ngân hàng cần triển khai nhiều biện pháp phòng ngừa và kiểm soát chặt chẽ đối với các khoản tín dụng lớn, nhất là đối với các khách hàng doanh nghiệp lớn. Ngành Sản xuất nông nghiệp mặc dù tương đối an toàn và được Nhà nước ủng hộ khuyến khích cho vay và đi vay, tuy nhiên ngân hàng vẫn nên hạn chế ở một mức độ phù hợp để tránh thất thoát vốn. Bên cạnh đó, ngân hàng cũng cần phải điều chỉnh lãi suất cho vay một cách hợp lý nhằm cân bằng danh mục tín dụng, đảm bảo dòng vốn lưu thông thuận lợi đến khách hàng nhưng vẫn đáp ứng được lợi nhuận hoạt động của ngân hàng. - Đối với các nhà đầu tư, mô hình KMV-Merton và Z-Score là công cụ giúp xây dựng một danh mục tối ưu bao gồm các cổ phiếu tốt, có khả năng sinh lời trong tương lai với mức rủi ro có thể chấp nhận được. - Đối với các nhà quản trị doanh nghiệp, các mô hình này có thể hỗ trợ đánh giá cấu trúc vốn và quản lý rủi ro tín dụng, đồng thời dự báo được những rủi ro trong tương lai, đưa ra các quyết định quản trị nhằm phát triển doanh nghiệp tốt hơn. Cụ thể, các nhà quản trị của các doanh nghiệp có xác suất phá sản cao nên cơ cấu lại tỷ lệ nợ trong tổng nguồn vốn để giảm mức độ rủi ro tín dụng trong khi các nhà quản 708
10. INTERNATIONAL CONFERENCE FOR YOUNG RESEARCHERS IN ECONOMICS & BUSINESS 2019 ICYREB 2019 trị của các doanh nghiệp có xác suất phá sản thấp nên xem xét lại lợi nhuận hoạt động trong năm, hiệu quả sử dụng vốn và tình hình tái đầu tư. Các mô hình cũng giúp các doanh nghiệp xác định vị thế của mình trên thị trường tín dụng, tức là mức độ uy tín cũng như khả năng thanh toán nợ vay đúng hạn đối với các tổ chức tín dụng, ngân hàng và các nhà đầu tư nhỏ lẻ. Nghiên cứu vẫn còn những điểm hạn chế. Thứ nhất, mô hình tính toán cần có đầy đủ số liệu và thông tin chính xác như tình hình dư nợ và kết quả kinh doanh v.v Việc sử dụng dữ liệu từ các BCTC được kiểm toán và các giao dịch công khai đã góp phần giúp giảm thiểu sai số trong mô hình, tuy nhiên các số liệu vẫn chưa đảm bảo được sự minh bạch và chính xác cao nhất. Thứ hai, nghiên cứu vẫn chưa đi sâu vào phân tích và đánh giá cụ thể các lĩnh vực kinh doanh của từng ngành, mà chỉ mới phân ngành dựa trên 10 mảng ngành lớn nhất. Thực tế, hầu hết các doanh nghiệp không chỉ hoạt động trong một mảng ngành chủ yếu nào mà phân bổ ra nhiều ngành nên việc đưa các doanh nghiệp vào một nhóm ngành cụ thể là chưa hợp lý mà phải có sự phân bổ trên tất cả các ngành đăng ký kinh doanh. Thứ ba, nghiên cứu chỉ đề cập đến xếp hạng tín dụng của các doanh nghiệp niêm yết mà chưa bao quát được hết tất cả các doanh nghiệp chưa cổ phần hóa n kết quả tính toán chỉ mới đánh giá được trên phạm vi bài nghiên cứu mà chưa mang tính đại diện cho toàn nền kinh tế Việt Nam. Muốn vậy, cần phải có nghiên cứu tiếp theo cho việc xây dựng một danh mục hoàn chỉnh hơn và tiến hành so sánh. Sau cùng, khi sử dụng mô hình Altman Z-Score cần phải có sự so sánh giữa các năm với nhau để đưa ra các đánh giá chính xác nhất. TÀI LIỆU THAM KHẢO Tiếng Anh [1] Altman I. Edward (2000), “Predicting Financial Distress of Companies: Revisiting the Z-score and ZETA Models”, pp.12 – 28. [2] Fischer Black, Myron Scholes (1973), “The pricing of options and corporate liabilities”, Journal of political economy, pp.637 – 654. [3] Lu. Y. (2008), “Default Forecasting in KMV”, Master thesis, University of Oxford. Tiếng Việt [4] Lê Long Hậu (2010), “Vận dụng lý thuyết định giá quyền chọn vào dự báo rủi ro phá sản của doanh nghiệp – Mô hình KMV”, Tạp chí Công nghệ Ngân hàng, số 49, Trường Đại học Cần Thơ. [5] Nguyễn Hữu Tài, Nguyễn Thu Nga (2017), “Ảnh hưởng của rủi ro tín dụng đến hiệu quả kinh doanh ngân hàng từ cách tiếp cận phi tham số”, Tạp chí Ngân hàng, số 17. [6] Nguyễn Phúc Cảnh & Vũ Xuân Hùng (2014),”Ứng dụng mô hình Z-score vào quản lý rủi ro tín dụng cho các ngân hàng thương mại Việt Nam”, Tạp chí Phát triển & Hội nhập, 15 (25), 46 – 50. [7] Nguyễn Thị Cành, Phạm Chí Khoa (2014), “Áp dụng mô hình KMV-Merton dự báo rủi ro tín dụng khách hàng doanh nghiệp va khả năng thiệt hại của ngân hàng”, Tạp chí Phát triển Kinh tế, số 289, 39 – 57, Trường Đại học Kinh tế Luật. 709