Mô hình đa biến trong hoạt động giám sát thị trường chứng khoán nhằm cảnh báo sớm các nguy cơ tài chính của công ty niêm yết

Thị trường chứng khoán Việt Nam không nằm ngoài phạm vi ảnh hưởng của “cơn bão” khủng hoảng tài chính toàn cầu năm 2008, thậm chí, trong những giai đoạn nhất định, nó còn có những biểu hiện biến động “quá mức” so với mức độ của những nhân tố tác động trong và ngoài nước. Tuy hoạt động công bố thông tin vẫn được thực hiện theo Luật định nhưng chỉ khi nguy cơ phá sản của công ty niêm yết xảy ra, các nhà quản lý và thị trường mới được biết và tổn thất là không thể tránh khỏi. Hoạt động giám sát thị trường của Ủy ban Chứng khoán Nhà nước và Sở giao dịch, Trung tâm Giao dịch chứng khoán ở Việt Nam đối với các hành vi tài chính của công ty niêm yết trong bối cảnh đó là hết sức cần thiết nhằm hạn chế đến mức thấp nhất những tổn thất cho nhà đầu tư và thị trường nói chung.

doc7 trang | Chia sẻ: lylyngoc | Lượt xem: 1483 | Lượt tải: 0download
Bạn đang xem nội dung tài liệu Mô hình đa biến trong hoạt động giám sát thị trường chứng khoán nhằm cảnh báo sớm các nguy cơ tài chính của công ty niêm yết, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Mô hình đa biến trong hoạt động giám sát thị trường chứng khoán nhằm cảnh báo sớm các nguy cơ tài chính của công ty niêm yết ThS. Lê Trung Thành Bộ môn Thị trường Chứng khoán, Khoa Ngân hàng – Tài chính Thị trường chứng khoán Việt Nam không nằm ngoài phạm vi ảnh hưởng của “cơn bão” khủng hoảng tài chính toàn cầu năm 2008, thậm chí, trong những giai đoạn nhất định, nó còn có những biểu hiện biến động “quá mức” so với mức độ của những nhân tố tác động trong và ngoài nước. Tuy hoạt động công bố thông tin vẫn được thực hiện theo Luật định nhưng chỉ khi nguy cơ phá sản của công ty niêm yết xảy ra, các nhà quản lý và thị trường mới được biết và tổn thất là không thể tránh khỏi. Hoạt động giám sát thị trường của Ủy ban Chứng khoán Nhà nước và Sở giao dịch, Trung tâm Giao dịch chứng khoán ở Việt Nam đối với các hành vi tài chính của công ty niêm yết trong bối cảnh đó là hết sức cần thiết nhằm hạn chế đến mức thấp nhất những tổn thất cho nhà đầu tư và thị trường nói chung. Bài viết này nghiên cứu nguyên nhân của những nguy cơ tài chính thông qua mô hình đa biến đã được các thị trường phát triển trên thế giới nghiên cứu, kết hợp hai phương pháp là phân tích nhân tố chính Phân tích nhân tố chính hay còn gọi là phân tích thành phần chính (principal component analysis-PCA) và phân tích biệt số Phân tích biệt số hay còn gọi là phân tích khác biệt để xây dựng một mô hình cảnh báo sớm các nguy cơ tài chính của các công ty. Phương pháp PCA thể hiện mối quan hệ giữa các chỉ số tài chính, giải thích sự thay đổi tình hình tài chính của các công ty và ba nhân tố tài chính (khả năng sinh lời, cấu trúc kỳ hạn của nợ, và tăng trưởng) đã được xác định. Trên cơ sở đó, bài viết đưa ra mô hình cảnh báo sớm những nguy cơ tài chính, ngõ hầu gợi ý cho công tác giám sát thị trường chứng khoán ở nước ta một vài điều cụ thể, hướng tới hiệu quả giám sát thực chất hơn. Do số liệu tài chính công bố chính thức của các công ty niêm yết ở Việt Nam chưa đầy đủ so với yêu cầu của mô hình đa biến và tính chất nhạy cảm có thể gây ra do những khuyến nghị từ kết luận của mô hình cảnh báo sớm nên tác giả bài viết sử dụng số liệu của một số thị trường khác từ nguồn cơ sở dữ liệu Trường Đại học Kinh tế Quốc dân mua bản quyền Emeraldinsight.com. 1. Một số vấn đề chung về giám sát thị trường chứng khoán 5 nhân tố chủ yếu của thị trường mà Ủy ban Chứng khoán Nhà nước và Sở Giao dịch chứng khoán chú trọng trong công tác quản lý là công nghệ, thông tin, sự điều tiết, người tham gia và các công cụ tài chính. Để đánh giá mức độ thành công của việc phối hợp các nhân tố này, cần dựa trên 4 đặc điểm của thị trường là tính thanh khoản, tính rủi ro, chi phí giao dịch và tính lành mạnh. Nếu nhà tổ chức thị trường thay đổi một yếu tố hoặc một nhóm các yếu tố của thị trường, có thể ước lượng hiệu quả của sự thay đổi đó bằng cách xác định xem sự kết hợp mới có làm tăng tính thanh khoản và tính lành mạnh, đồng thời, làm giảm rủi ro và chi phí giao dịch hay không. Suy rộng hơn, thuật ngữ “tính hiệu quả” liên quan tới phản ứng mau lẹ và chính xác trước thông tin. Giám sát thị trường chứng khoán là việc tổng hợp và phân tích thông tin thị trường nhằm mục đích phát hiện những giao dịch không công bằng, những hành vi vi phạm pháp luật và quy định. Hoạt động giám sát giao dịch chứng khoán dựa trên việc theo dõi, phân tích các hoạt động của các chủ thể tham gia thị trường, với sự trợ giúp của hệ thống máy tính, phần mềm chuyên dùng; các tài liệu, báo cáo cùng số liệu đi kèm để đối chiếu với các chỉ tiêu giám sát, các quy định pháp luật về chứng khoán và thị trường chứng khoán nhằm phát hiện, cảnh báo sớm những hành vi vi phạm pháp luật và quy định, những giao dịch không công bằng, bảo vệ và tạo lòng tin cho nhà đầu tư. Như vậy, hai giai đoạn quan trọng của hoạt động giám sát thị trường là theo dõi và phân tích sâu. 2. Chọn mẫu và các biến số Việc chọn mẫu nghiên cứu tùy thuộc vào mục tiêu nghiên cứu và khả năng tiếp cận thông tin. Nhóm các nhà nghiên cứu thuộc Trường Đại học Cukurova, Thổ Nhĩ Kỳ, đã quan sát trong vòng 6 năm đối với 16 chỉ số tài chính của 114 công ty niêm yết ở một số thị trường Nguồn emeraldinsight.com (Cơ sở dữ liệu điện tử Trường Đại học Kinh tế Quốc dân mua bản quyền) , trong đó, có 22 công ty bị các Sở giao dịch đưa vào giai đoạn phân tích sâu của quy trình giám sát. Chỉ số tài chính của các công ty được chọn trong thời gian 1 năm trước khi bị đưa vào giám sát (năm -1). Ban đầu, kiểm định biến động của 1 tham số được áp dụng cho 16 chỉ số trong năm -1, và 8 chỉ số được sử dụng là các chỉ số cảnh báo sớm. Các chỉ số này có ý nghĩa phân biệt hai nhóm công ty (nhóm đưa vào phân tích sâu và nhóm còn lại). Bảng 1 cung cấp giá trị trung bình và độ lệch chuẩn của các chỉ số tài chính cho hai nhóm và các kiểm định ý nghĩa các nhóm giá trị trung bình của mỗi chỉ số. Cột thống kê F và mức ý nghĩa của nó cho biết: mức ý nghĩa là nhỏ (dưới 5%) đối với 8 chỉ số đầu. Do đó, giả thuyết H0: giá trị trung bình của hai nhóm là cân bằng sẽ bị loại bỏ tại mức ý nghĩa 5% cho các chỉ số này. Các chỉ số khác đưa ra trong bảng 1 không sử dụng trong phân tích, bởi chúng không phân giúp phân biệt được 2 nhóm. Sự cân bằng của giá trị trung bình các nhóm chỉ số không thể bị loại trừ tại mức ý nghĩa 5%. Lamda (λ) là tỷ lệ giữa tổng các bình phương của nhóm quan sát và tổng bình phương của mẫu. λ nằm trong khoảng giá trị từ 0 đến 1 (0≤ λ ≤ 1). λ = 1 có nghĩa giá trị trung bình của nhóm quan sát cân bằng. λ = 0 khi độ biến thiên của nhóm rất nhỏ so với tổng độ biến thiên của mẫu. Như vậy, hầu hết tổng các độ biến thiên có thể coi là sự khác biệt giữa các giá trị trung bình của nhóm. Quan sát bảng 1, có thể thấy giá trị trung bình của nhóm 8 chỉ số đầu tiên có sự khác biệt nhất trong toàn mẫu. Bảng 1 Nguồn emeraldinsight.com : Kiểm định sự cân bằng của giá trị trung bình các chỉ số tài chính Chỉ số Công ty Kết quả Các công ty không đưa vào phân tích sâu Các công ty đưa vào phân tích sâu Hệ số λ F Sig µ σ µ σ Tỷ suất sinh lời của tài sản 0.0622 0.1037 -0.1882 0.2834 0.7324 40.9132 0.0000 Tổng nợ/ Tổng tài sản 0.5431 0.2066 0.8868 0.2717 0.7814 31.3322 0.0000 Lợi nhuận ròng biên 0.0591 0.143 -0.2183 0.3447 0.7906 29.6672 0.0000 Tỷ lệ tăng doanh thu 0.6087 0.2934 -0.3286 2.1998 0.8688 16.9155 0.0001 Tỷ lệ tăng trưởng vốn cổ đông 0.8811 1.273 -0.6706 1.7961 0.8725 16.3633 0.0001 Tỷ lệ tăng trưởng tài sản 0.7682 0.3633 0.4336 0.2263 0.9090 11.2131 0.0011 Nợ ngắn hạn/ Tổng nợ 0.7322 0.1836 0.9726 0.6302 0.9230 9.3485 0.0028 Thu nhập trên vốn chủ 0.0379 0.5988 12.0406 57.6110 0.9606 4.5887 0.0344 Thu nhập trên cổ phần 1236.64 6605.4 -1920.8 2559.74 0.9730 3.1131 0.0804 Tỷ lệ thanh toán hiện hành 1.8015 0.8697 1.4958 1.8355 0.9904 1.0835 0.3002 Vòng quay các khoản phải thu 18.1911 94.325 4.9912 6.1540 0.9976 0.2719 0.6031 Vòng quay hàng tồn kho 13.9667 75.5725 5.9563 5.1926 0.9986 0.1560 0.6936 Tỷ lệ tăng lợi nhuận ròng -2.5729 18.2583 -4.5307 13.0061 0.9987 0.1498 0.6995 Các khoản phải thu khó đòi/ Tổng các khoản phải thu 0.0209 0.0786 0.0281 0.0707 0.9991 0.1046 0.7470 Khả năng trả lãi 13.375 154.8616 0.0137 1.2616 0.9991 0.1034 0.7484 Tỷ lệ thanh khoản 1.2083 0.7112 1.1283 1.8804 0.9992 0.0910 0.7634 Phần dưới đây sẽ giới thiệu phương pháp PCA, đưa ra 8 chỉ số cảnh báo sớm trong năm -1 và những nhân tố quan trọng giải thích sự thay đổi các điều kiện tài chính của các công ty. Chỉ số nhân tố được tính cho mỗi công ty là các biến độc lập dùng để ước lượng trong mô hình biệt số. 3. Phương pháp 3.1. Phân tích nhân tố chính (PCA) Mục tiêu của phương pháp PCA là tìm ra những đặc tính quan trọng để giải thích sự thay đổi các điều kiện tài chính của các công ty. Phương pháp này tìm các mẫu thể hiện mối quan hệ giữa các chỉ số tài chính, chúng phải có mối tương quan với nhau thì mô hình PCA mới phù hợp. Do vậy, xuất phát từ mô hình này, các dữ liệu tài chính sẽ được tính toán trong PCA bằng kiểm định BarlettCác kết quả của kiểm định này và phân tích PCA có được khi sử dụng SPSS 9.0 . Các bước thực hiện PCA gồm: - Tính ma trận tương quan giữa các chỉ số, từ đó đưa ra kết quả kiểm định Bartlett - Ước lượng các nhân tố và giá trị riêng của các nhân tố. - Xác định tỷ lệ các nhân tố chính là ma trận các hệ số được tính qua PCA. Với phương pháp PCA, tất cả các chỉ số tài chính đều được chuẩn hóa, với giá trị trung bình bằng 0 (μ=0) và độ lệch chuẩn bằng 1 (σ = 1). , k = 1,….,8, a = 1,….,114 (3.1) Ước lượng các nhân tố có thể coi là một hàm của các quan sát biến đổi (các tỷ lệ). Để ước lượng tỷ lệ j của công ty a (Faj): , j = 1,2,3 (3.2) Với wjk là hệ số tỷ lệ của nhân tố j và tỷ lệ k, zak là giá trị chuẩn của tỷ lệ k của công ty a. - Xác định độ giá trị của các nhân tố. Tại đây, ta sẽ nhóm các biến có độ giá trị lớn của cùng các nhân tố thành một nhóm và nhân tố có độ giá trị nhỏ (nhỏ hơn 0.5) thì bỏ qua. 3.2. Phân tích biệt số Sau việc lựa chọn các nhân tố tài chính cơ bản của công ty, có thể ước lượng được mô hình cảnh báo sớm dựa trên những nhân tố đó. Để ước lượng cần phải có một số giả định, giả định cơ bản của mô hình cảnh báo sớm này là tách các công ty thành hai nhóm (nhóm công ty thuộc diện đưa vào phân tích sâu và nhóm công ty còn lại). Như vậy, các công ty có thể được biểu diễn qua biến phụ thuộc y như sau: yi = 0 nếu công ty i không thuộc diện đưa vào phân tích sâu yi = 1 nếu công ty i thuộc diện đưa vào phân tích sâu Việc ước lượng trong mô hình cần sử dụng các biến độc lập, các biến này chính là tỷ lệ ba nhân tố đã chọn trong năm -1. Trong phân tích biệt số, mỗi công ty a sẽ được mô tả bằng một vectơ, được thống kê bởi ba biến độc lập. Trong hai nhóm phân tán, giả định rằng các biến độc lập được phân phối theo phân phối chuẩn nhiều chiều có giá trị trung bình khác nhau nhưng giống nhau số ma trận phân tán. Mục đích của phương pháp này là có sự kết hợp tuyến tính của các biến độc lập để tối đa độ biến thiên giữa các phân tán trong nhóm. Chỉ số D dưới đây là sự kết hợp của các nhân tố cho mỗi công ty, chỉ số D được ước lượng theo mô hình biệt số chuẩn Mô hình biệt số này được ước lương bởi SPSS 9.0, với mẫu được lựa chọn ở phần 2 . Da = 0.873F1a – 0.455F2a + 0.676F3a (3.3) Trong phương trình (3.3), Da là chỉ số D của công ty a và F1, F2, F3 lần lượt là khả năng sinh lợi, cấu trúc kỳ hạn của nợ và nhân tố tăng trưởng. Dựa vào chỉ số D, điểm chuẩn (C) trong phương trình (3.4) được tính bằng trung bình trọng số của chỉ số D trong hai nhóm công ty. (3.4) Trong đó: C = điểm chuẩn; N0 = Số công ty không thuộc diện đưa vào phân tích sâu; N1 = Số công ty thuộc diện đưa vào phân tích sâu; D0 = tỷ lệ trung bình các công ty không thuộc diện đưa vào phân tích sâu; D1 = tỷ lệ trung bình các công ty thuộc diện đưa vào phân tích sâu. Như vậy, các công ty có thể phân loại thành hai nhóm như sau: - Nếu tỷ lệ D ≤ C, công ty thuộc nhóm đưa vào phân tích sâu - Nếu tỷ lệ D > C, công ty không thuộc nhóm đưa vào phân tích sâu . 4. Xây dựng mô hình cảnh báo sớm Các phương pháp thống kê đa biến được dùng trong bài nghiên cứu (PCA và biệt số) có thể được sử dụng kết hợp thành một hệ thống để xây dựng mô hình cảnh báo sớm những nguy cơ tài chính. Sơ đồ 2 đưa ra mối quan hệ của hệ thống. Các tham số của mô hình gồm có: (1) giá trị trung bình (μk) và độ lệch chuẩn (σk) của các chỉ số tài chính; (2) các hệ số tỷ lệ của ba nhân tố (khả năng sinh lời, cấu trúc nợ, và tăng trưởng) lấy từ mô hình PCA (wik); và (3) các hệ số ước lượng của mô hình biệt số. Khi phân tích một công ty mới dựa vào mô hình cảnh báo sớm, tất cả các tham số trong mô hình đểu không đổi, chỉ có các chỉ số của công ty (gak) thay đổi. Những chỉ số này là tám chỉ số cảnh báo sớm của các công ty. Như vậy, trong mô hình này, cần nhập vào tám chỉ số cảnh báo sớm của các công ty, sau đó, dựa vào kết quả để dự báo. Sơ đồ 2: Mô hình cảnh báo sớm nguy cơ tài chính của công ty Lựa chọn công ty Tính toán các chỉ số (gak) Ước lượng chỉ số D Tính giá trị chuẩn zak của các chỉ số Ước lượng tỷ lệ Faj D ≤ C D > C Công ty có nguy cơ tài chính, đưa vào phân tích sâu Công ty có tình hình tài chính bình thường, không đưa vào phân tích sâu Kết thúc 5. Kết luận Xây dựng và ứng dụng mô hình cảnh báo sớm dựa vào những dấu hiệu thay đổi tình hình tài chính của các công ty niêm yết là hết sức cần thiết trong hoạt động giám sát thị trường chứng khoán. Mô hình sẽ hỗ trợ việc giám sát để phát hiện ra các công ty có vấn đề tài chính nghiêm trọng, từ đó, giúp các cơ quản quản lý thực hiện các phân tích sâu, công bố thông tin và đưa ra quyết định quản lý phù hợp với mục tiêu tổ chức quản lý và giám sát thị trường. Cách thức này sẽ làm thay đổi căn bản phương thức quản lý thông qua báo cáo hiện nay và vì vậy, tính minh bạch, tính hiệu quả của thị trường chứng khoán sẽ được nâng cao. Tài liệu tham khảo: “Các giải pháp hoàn thiện hệ thống giám sát tại Trung tâm Giao dịch chứng khoán Thành phố Hồ Chí Minh”, 2004, Ủy ban Chứng khoán Nhà nước Massey University, New Zealand, 2005, Financial Distress Prediction in China Cukurova University, Turkey, 2006, Prediction Of Financial Distress By Multivariate Statistical Analysis: The Case Of Firms Taken Into The Surveillance Market In The Istanbul Stock Exchange Jorge A. Chan-Lau (IMF senior researcher), 2006, Market-Based Estimation of Default Probabilities and Its Application to Financial Market Surveillance