TÀI CHÍNH -
Tháng 8/2016
27
Thứ ba, mô hình xác suất tuyến tính (Linear
probability model- LPM)
Là mô hình ước lượng đa biến dùng phương
pháp bình phương tối thiểu OLS. Mô hình này gặp
phải nhiều hạn chế đó là sai số hồi quy không phân
phối chuẩn, phương sai thay đổi không thỏa mãn
điều kiện cơ bản của xác suất trong khoảng (0,1), tác
động biên không đổi trong khi bản chất của mô hình
xác suất là tác động biên thay đổi theo từng giá trị
của biến độc lập. Do vậy, trong thực tế việc sử dụng
mô hình xác suất tuyến tính cần phải rất cẩn trọng.
Thứ tư, mô hình mạng Neutral
Mục tiêu chính trong nghiên cứu mạng Neutral
là đưa ra những mô hình có kết quả được tạo ra
một cách tự động từ những quy luật hay kiểu
mẫu dữ liệu. Mạng Neutral có thể bắt chước và
nhận thức được các trạng thái thực đối với dữ liệu
đầu vào và không đầy đủ hoặc dữ liệu với một số
lượng biến lớn. Kỹ thuật này đặc biệt với mô hình
dự báo mà không có công thức toán học nào được
biết để miêu tả mối quan hệ giữa các biến đầu vào
và đầu ra. Hơn nữa, phương pháp này hữu dụng
khi mục tiêu dự báo là quan trọng hơn giải thích.
Bên cạnh đó, một trong những thuận lợi của mô
hình Neutral là nó có thể giải quyết mối quan hệ
phi tuyến tính.
Nhiều nghiên cứu đã kết luận, mô hình ước lượng
và dự báo dựa trên phương pháp mạng Neutral tốt
hơn mô hình Logit và Probit, sau đó mới đến MDA
và LPM. Tuy nhiên, do mô hình mạng Neutral đòi
hỏi dữ liệu đầu vào lớn, đồng thời phương pháp
này tương đối phức tạp và chưa phổ biến ở Việt
Nam, nên nếu sử dụng phương pháp thống kê để
phân tích rủi ro phá sản tại DN, các chuyên gia kinh
tế khuyến cáo lựa chọn mô hình tốt thứ hai là hợp lý
vì yêu cầu mẫu không quá cao, ít ràng buộc về mặt
giả thiết và hiện đang được sử dụng rộng rãi trên
thế giới.
Tài liệu tham khảo:
1. Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2011), Thống kê ứng dụng trong
kinh tế - xã hội, NXB Lao động Xã hội, Hà Nội.
2. PGS.,TS. Hoàng Đình Tuấn (2015), Lý thuyết Mô hình toán kinh tế,
NXB Đại học Kinh tế Quốc dân;
3. Altman.E. (1968), Fiancial ratios, discriminant analysis and the prediction
of corporate bankrup, The Journal of Finance;
4. Black, F, & Scholes, M (1973). The pricing of options and corporate liabilities.
The journal of political economy;
5. Merton, R. (1974). On the pricing of corporate debt: the risk structure of
interest rates. Journal of finance;
6. Ohlson,J, (1980), Financial ratios and the probabilistic prediction of
bankruptcy.Journal of Accounting Research.
tại một thời điểm. Một ưu điểm khác của phân tích
MDA là sự giảm phạm vi của các nhà phân tích, đó
là, từ một số các biến độc lập khác nhau đến chỉ còn
A-1 đại lượng, ở đó A bằng với số nhóm gốc.
Theo các chuyên gia kinh tế, mặc dù phương pháp
MDA thường xuyên được sử dụng nhờ vào khả năng
dự đoán cao nhưng nó cũng có những hạn chế nhất
định. Phương pháp dựa trên 3, 4... và n năm là khó
khăn để quyết định biến thể/tỷ lệ phá sản trong năm
cụ thể (Eisenbeis, 1977). Hơn nữa, phương pháp tiếp
cận MDA giả định các mẫu phù hợp/kết hợp đều có
khả năng (Balcaen và Ooghe, 2004).
Thứ hai, mô hình Logit và Probit
Mô hình Logit và Probit nghiên cứu sự phụ
thuộc của một biến nhị phân vào các biến độc lập
khác. Mục tiêu của các mô hình này là sử dụng
những nhân tố ảnh hưởng đến một DN (biến độc
lập) để xác định khả năng những DN này sẽ có rủi
ro phá sản (biến phụ thuộc) là bao nhiêu. Nghĩa là
mô hình Logit và Probit có thể ước lượng xác suất
mặc định một DN có rủi ro phá sản là bao nhiêu
trực tiếp từ mẫu.
Trong quá trình sử dụng mô hình này không đòi
hỏi các giả thuyết về những nhân tố liên quan đến
biến độc lập, có nghĩa là các nhân tố liên quan tới
rủi ro phá sản dù là định tính hay định lượng đều
có thể xử lý mà không gặp bất cứ một vấn đề nào.
Tuy nhiên, trong quá trình xử lý số liệu, đòi hỏi phải
có một số lượng dữ liệu đủ lớn cho mỗi phạm trù
trong số liệu thống kê, đặc biệt là số liệu về các DN
có rủi ro phá sản.
Về mặt phương pháp, việc áp dụng mô hình hồi
quy nhị phân yêu cầu 4 bước. Thứ nhất, các tỷ số
tài chính sẽ được tính toán. Thứ hai, mỗi tỷ số được
nhân với một hệ số đặc trưng tương ứng với tỷ số
đó. Hệ số đặc trưng này có thể âm hoặc dương.
Thứ ba, kết quả tính toán được cộng tất cả lại với
nhau (y). Thứ tư, khả năng phá sản của DN được
tính toán.
Ưu điểm của mô hình Logit và Probit so với mô
hình khác là kết quả của nó có thể cung cấp trực tiếp
được xác suất DN có rủi ro phá sản là bao nhiêu.
Trong việc phân tích rủi ro phá sản của doanh
nghiệp có sử dụng thủ tục thống kê đòi hỏi
việc đưa ra các giả thuyết liên quan đến tiêu
chuẩn rủi ro phá sản tiềm năng. Những thông
tin về rủi ro phá sản của mỗi DN đều được thể
hiện qua bộ số liệu thực nghiệm, những giả
thuyết này có thể bị bác bỏ hoặc chấp nhận
một cách phù hợp.
