Các nhân tố ảnh hưởng đến kiệt quệ tài chính của các doanh nghiệp xây dựng và doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam
Từ khóa:
Kiệt quệ tài chính, doanh nghiệp xây dựng, doanh nghiệp bất động sản, FGLS, ngoại laiTóm tắt
Bài viết so sánh các yếu tố ảnh hưởng đến kiệt quệ tài chính của các doanh nghiệp xây dựng và bất động sản niêm yết trên thị trường chứng khoán Việt Nam từ năm 2010 đến 2020. Sử dụng dữ liệu bảng đã được xử lý dữ liệu ngoại lai, và sử dụng phương pháp hồi quy bình phương nhỏ nhất tổng quát khả thi, nhóm tác giả chỉ ra khủng hoảng tài chính, mức độ sử dụng đòn bẩy tài chính có tác động thuận chiều, trong khi quy mô doanh nghiệp và hiệu quả hoạt động có tác động ngược chiều đến kiệt quệ tài chính của các doanh nghiệp. Các doanh nghiệp ngành bất động sản chịu tác động của hiệu quả hoạt động nhiều hơn, trong khi mức độ sử dụng đòn bẩy tài chính là nhân tố tác động lớn hơn đến các doanh nghiệp xây dựng. Nhóm tác giả đưa ra khuyến nghị về giới hạn nợ trong việc sử dụng đòn bẩy tài chính và việc nâng cao hiệu quả hoạt động cũng làm giảm nguy cơ dẫn đến kiệt quệ tài chính của các doanh nghiệp này.
Tài liệu tham khảo
Agarwal, V., & Taffler, R. (2007), ‘Twenty‐five years of the Taffler z‐score model: Does it really have predictive ability?’, Accounting and Business Research, 37(4), 285-300.
Altman, E. I., Marco, G. & Varetto, F. (1994), ‘Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks (the Italian Experience)’, Journal of Banking and Finance, 18(3), 505-529.
Altman, E.I. (1968), ‘Financial ratios, discriminant analysis and the prediction of corporate bankruptcy’, The Journal of Finance, 23 (4), 589-609.
Altman, E.I. (1983), ‘Corporate Financial Distress. A Complete Guide to Predicting, Avoiding, and Dealing with Bankruptcy’, Wiley Interscience, John Wiley and Sons.
Altman, E. & Hotchkiss, E. (2006), Corporate Financial Distress & Bankruptcy, 3rd edition, John Wiley.
Balcaen, S. & Ooghe, H. (2006), ‘35 Years of Studies on Business Failure: An Overview of the Classic Statistical Methodologies and Their Related Problems’, The British Accounting Review, 38, 63-93. DOI: 10.1016/j.bar.2005.09.001.
Beaver, W.H. (1966), ‘Financial Ratios as Predictors of Failure’, Journal of Accounting Research, 4, 71-111. DOI: 10.2307/2490171.
Beaver, W.H. (1968), ‘Alternative Accounting Measures as Predictors of Failure, Financial Ratios as Predictors of Failure’, Journal of Accounting Research, 43, 113-122.
Bolton, P., & Freixas, X. (2000), ‘Equity, bonds, and bank debt: Capital structure and financial market equilibrium under asymmetric information’, Journal of Political Economy, 108(2), 324-351.
Bộ Tài chính (2014), Thông tư số 200/2014/TT-BTC hướng dẫn Chế độ kế toán doanh nghiệp, ban hành ngày 22 tháng 12 năm 2014.
Bruynseels, L. & Willekens, M. (2012), ‘The effect of strategic and operating turnaround initiatives on audit reporting for distressed companies, Accounting, Organizations and Society, 37(4), 223-241.
Chen, M. Y. (2011), ‘Predicting corporate financial distress based on integration of decision tree classification and logistic regression’, Expert Systems with Applications, 38(9), 11261-11272.
Chemmanur, T. J., & Fulghieri, P. (1994), ‘Investment bank reputation, information production, and financial intermediation’, The Journal of Finance, 49(1), 57-79. DOI: 10.1111/j.1540-6261.1994.tb04420.x
Du, X., Li, W., Ruan, S. & Li, L. (2020), ‘CUS-heterogeneous ensemble-based financial distress prediction for imbalanced dataset with ensemble feature selection’, Applied Soft Computing, 97, 106758. DOI: 10.1016/j.asoc.2020.106758.
Dwiantari, R. A. & Artini, L. G. S. (2021), ‘The Effect of Liquidity, Leverage, and Profitability on Financial Distress (Case Study of Property and Real Estate Companies on the IDX 2017-2019)’, American Journal of Humanities and Social Sciences Research, 5(1), 367-373.
Fletcher, D. & Goss, E. (1993), ‘Forecasting with Neural Networks: An Application Using Bankruptcy Data’, Inform Manage, 24(3), 159-167.
Grice, J. S. & Ingram, R. W. (2001), ‘Tests of the Generalizability of Altman’s Bankruptcy Prediction Model’, Journal of Business Research, 54, 53-61. DOI: 10.1016/S0148-2963(00)00126-0.
Gunawan, B., & Putra, H. C. (2021), ‘Determinant of Financial Distress’, 4th International Conference on Sustainable Innovation 2020-Accounting and Management (ICoSIAMS 2020), 113-120. Atlantis Press.
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.
Horrigan, J. O. (1966), ‘The determination of long-term credit standing with financial ratios’, Journal of Accounting Research, 44-62.
Huang, Y.-P. & Yen, M.-F. (2019), ‘A new perspective of performance comparison among machine learning algorithms for financial distress prediction’, Applied Soft Computing
, 105663. DOI: 10.1016/j.asoc.2019.105663.
Huỳnh Thị Cẩm Hà, Nguyễn Thị Uyên Uyên & Lê Đào Tuyết Mai (2017), ‘Sử dụng các mô hình cây phân lớp dự báo KQTC cho doanh nghiệp Việt Nam’, Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh, 12(3), 62-76.
Islami, I. N., & Rio, W. (2018), ‘Financial Ratio Analysis to Predict Financial Distress On Property And Real Estate Company Listed In Indonesia Stock Exchange’, Journal of Applied Accounting and Finance, 2(2), 125-137.
Jiang, C., Lyu, X., Yuan, Y., Wang, Z. & Ding, Y. (2021), ‘Mining semantic features in current reports for financial distress prediction: Empirical evidence from unlisted public firms in China’, International Journal of Forecasting, 38 (3), 1086–1099. DOI: 10.1016/j.ijforecast.2021.06.011.
Jones, S., & Hensher, D. (2004), ‘Predicting Firm Financial Distress: A Mixed Logit Model’, The Accounting Review, 79(4), 1011-1038. DOI: 10.2308/accr.2004.79.4.1011.
Kauko, K. (2014), ‘How to foresee banking crises? A survey of the empirical literature.’, Economic Systems, 38(3), 289-308. DOI: 10.1016/j.ecosys.2014.01.001
Kartika, S. & Utami, K. (2019), ‘Effect of Corporate Governance Mechanisms on Financial Performance and Firm Value with Green Accounting Disclosure as Moderating Variables’, Research Journal of Finance and Accounting, 10 (24), 150 – 158.
Kim, H., Cho, H. & Ryu, D. (2021), ‘Corporate bankruptcy prediction using machine learning methodologies with a focus on sequential data’, Computational Economics 59(3), 1231–1249. DOI: 10.1007/s10614-021-10126-5.
Kim, S., Mun, B. & Bae, S. (2018), ‘Data depth-based support vector machines for predicting corporate bankruptcy’, Applied Intelligence 48, 791–804. DOI: 10.1007/s10489-017-1011-3.
Kim. S., & Upneja, A. (2014), ‘Predicting restaurant financial distress using decision tree and adaboosted decision tree’, Economic Modelling, 36, 354-362.
Kliesen, K. L., Owyang, M. T., & Vermann, E. K. (2012), ‘Disentangling diverse measures: A survey of financial stress indexes’, Federal Reserve Bank of St. Louis Review, 94(5), 369-397.
Konstantaras, K., & Siriopoulos, C. (2011), ‘Estimating financial distress with a dynamic model: Evidence from family-owned enterprises in a small open economy’, Journal of Multinational Financial Management, 21(4), 239-255. DOI: 10.1016/j.mulfin.2011.04.001.
Lê Hoàng Vinh & Phạm Lê Quang (2021), ‘Nhận diện KQTC của các doanh nghiệp phi tài chính niêm yết tại Việt Nam’, Kinh tế & Phát triển, 301, 15-24.
Lee, K., Han, I., & Kwon, Y. (1996), ‘Hybrid neural network models for bankruptcy predictions’, Decision Support Systems, 18(1), 63-72. DOI: 10.1016/0167-9236(96)00018-8.
Lohmann, C., & Ohliger, T. (2020), ‘Bankruptcy prediction and the discriminatory power of annual reports: empirical evidence from financially distressed German companies’, Journal of Business Economics, 90(1), 137-172.
Mselmi, N., Lahiani, A., & Hamza, T. (2017), ‘Financial distress prediction: The case of French small and medium-sized firms’, International Review of Financial Analysis, 50, 67-80. DOI: 10.1016/j.irfa.2017.02.004.
Nyitrai, T., & Virág, M. (2019), ‘The effects of handling outliers on the performance of bankruptcy prediction models’, Socio-Economic Planning Sciences, 67, 34-42.
Pan, W. (2012), ‘A new Fruit Fly Optimization Algorithm: Taking the financial distress model as an example, Knowledge-Based Systems, 26, 69-74. DOI: 10.1016/j.knosys.2011.07.001.
Phạm Thị Hồng Vân (2018) ‘Đo lường khả năng KQTC tại các công ty cổ phần ngành công nghiệp ở Việt Nam’, Tạp chí Kinh tế & Phát triển, 255, 32-41.
Qian, H., Wang, B., Yuan, M., Gao, S., & Song, Y. (2022), ‘Financial distress prediction using a corrected feature selection measure and gradient boosted decision tree’, Expert Systems with Applications, 190, DOI: 10.1016/j.eswa.2021.116202.
Quintiliani, A. (2018), ‘Expected cost of financial distress in small and medium-sized enterprises (SMEs): A German-Italian comparison’, African Journal of Business Management, 12(1), 21-33. DOI: 10.5897/AJBM2017.8467.
Ross, S., Westerfield, R., & Jaffe, J. (1999), Corporate finance, 2nd edition, Irwin, Homewood, IL.
Sun, J., & Li, H. (2008), ‘Data mining method for listed companies financial distress prediction’, Knowledge-Based Systems, 21(1), 1-5, DOI: 10.1016/j.knosys.2006.11.003.
Sun, J., Li, H., Huang, Q., & He, K. (2014). ‘Predicting Financial Distress and Corporate Failure: A Review from the State-of-the-Art Definitions, Modeling, Sampling, and Featuring Approaches’, Knowledge-Based Systems, 57, 41-56. DOI: 10.1016/j.knosys.2013.12.006.
Tam, K., & Kiang, M. (1992), ‘Managerial Applications of Neural Networks: The Case of Bank Failure Predictions’, Management Science, 38(7), 926-947. DOI: 10.1287/mnsc.38.7.926.
Wilson, R.L. & Sharda, R. (1994), ‘Bankruptcy Prediction Using Neural Networks’, Decision Support Systems, 11, 545-557. DOI: 10.1016/0167-9236(94)90024-8.
Xiao, Z., Yang, X., Pang, Y., & Dang, X. (2012), ‘The prediction for listed companies financial distress by using multiple prediction methods with rough set and Dempster–Shafer evidence theory’, Knowledge-Based Systems, 26, 196-206. DOI: 10.1016/j.knosys.2011.08.001.
Yazdanfar, D. & Öhman, P. (2019), ‘Financial distress determinants among SMEs: empirical evidence from Sweden ‘, Journal of Economic Studies, 47 (3), 547-560.
Zmijewski, M. E. (1984), ‘Methodological Issues Related to the Estimation of Financial Distress Prediction Models’, Journal of Accounting Research, 22, 59-82. http://dx.doi.org/10.2307/2490859.
Zopounidis, C. & Doumpos, M. (1999), ‘Business failure prediction using the UTADIS multicriteria analysis method’, Journal of the Operational Research Society, 50 (11), 1138-1148.
