Dự báo rủi ro phá sản các công ty niêm yết Việt Nam với dữ liệu kế toán và thị trường
Từ khóa
Tóm tắt
Nghiên cứu kiểm chứng mô hình dự báo rủi ro phá sản cho các công ty niêm yết tại Việt Nam dựa trên dữ liệu kế toán và dữ liệu thị trường trong giai đoạn 2016 - 2024. Bài viết sử dụng phương pháp học máy dựa trên thuật toán hồi quy Logistic trên mẫu 103 cặp doanh nghiệp đối chứng. Kết quả cho thấy, mô hình dữ liệu kế toán có hiệu quả dự báo cao nhất với AUC đạt 92,5%, 97,75% và 89%. Mô hình dữ liệu thị trường chưa thể hiện tốt khả năng dự báo rủi ro phá sản. Khi kết hợp 2 nguồn dữ liệu này, AUC không tăng thêm, chứng tỏ dữ liệu thị trường không đem lại giá trị thông tin tăng thêm để dự báo rủi ro phá sản trong mô hình dữ liệu kế toán. Kết quả nhấn mạnh vai trò vượt trội của thông tin kế toán trong dự báo rủi ro phá sản tại Việt Nam
Lượt tải
Tài liệu tham khảo
Cục Thống kê (2026). Báo cáo tình hình kinh tế - xã hội quý IV và năm 2025. Truy cập tại https://www.nso.gov.vn/du-lieu-va-so-lieu-thong-ke/2026/01/bao-cao-tinh-hinh-kinh-te-xa-hoi-quy-iv-va-nam-2025/.
Hoàng Thị Hồng Vân (2020). Vận dụng mô hình Z-score trong dự báo khả năng phá sản doanh nghiệp tại Việt Nam. Tạp chí Khoa học và Đào tạo Học viện Ngân hàng, (217), 43-51.
Lâm Thị Thanh Huyền, & Nguyễn Thị Quỳnh Châm. (2024). Dự báo rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam thông qua mô hình hồi quy Logistic. Tạp chí Nghiên cứu Tài chính Kế toán, 260(2), 80-84.
Phan Trần Trung Dũng, Nguyễn Thị Hà Thanh, Võ Minh Thu. (2022). Nghiên cứu nhân tố tác động đến rủi ro phá sản của các doanh nghiệp bất động sản niêm yết tại Việt Nam. Tạp chí Quản lý và Kinh tế Quốc tế, (147).
Nguyễn Minh Nhật, Ngô Hoàng Khánh Duy (2024). Dự báo khả năng vỡ nợ của doanh nghiệp nhỏ và vừa tại Việt Nam: Nghiên cứu trên các mô hình học máy. Tạp chí Kinh tế - Luật và Ngân hàng, 266(7), 51-64. Truy cập tại https://doi.org/10.59276/JELB.2024.07CD.2762.
Altman E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x.
Barboza F., Kimura H., & Altman E. (2017). Machine learning models and bankruptcy prediction. Expert Systems with Applications, 83, 405-417. https://doi.org/10.1016/j.eswa.2017.04.006.
Cao Y., Luo Y., Wei P., Zhai J., & Shi S. (2024). Bankruptcy forecasting market information with ensemble model. The British Accounting Review, 101530. https://doi.org/10.1016/j.bar.2024.101530.
Correia M. (2025). Accounting and corporate failure: the evolving role of accounting information in bankruptcy prediction. Accounting and Business Research, 55(5), 510-537. https://doi.org/10.1080/00014788.2025.2516273.
Hillegeist S. A., Keating E. K., Cram D. P., & Lundstedt K. G. (2004). Assessing the Probability of Bankruptcy. Review of Accounting Studies, 9(1), 5-34. https://doi.org/10.1023/B:RAST.0000013627.90884.b7.
Li L., & Faff R. (2019). Predicting corporate bankruptcy: What matters? International Review of Economics & Finance, 62, 1-19. https://doi.org/10.1016/j.iref.2019.02.016.
Li M. Y. L., & Miu P. (2010). A hybrid bankruptcy prediction model with dynamic loadings on accounting-ratio-based and market-based information: A binary quantile regression approach. Journal of Empirical Finance, 17(4), 818-833. https://doi.org/None.
Lotfi B., Bahri Sales J., Jabbarzadeh Kangarlouei S., & Heydari M. (2024). Comparison of the combination model with the structural and accounting model in predicting the financial distress. International Journal of Nonlinear Analysis and Applications, 14(1), 277-290. https://doi.org/http://dx.doi.org/10.22075/ijnaa.2023.30444.4405.
Merton R. C. (1974). On the Pricing of Corporate Debt: The Risk Structure of Interest Rates. The Journal of Finance, 29(2), 449. https://doi.org/10.2307/2978814.
Muttia E. E., & Sutrisno (2022). Financial Performance and Prediction of Financial Distress in Food and Beverage Companies Listed on the Indonesia Stock Exchange. International Journal of Economics, Business and Management Research, 6(5), 154-167. https://doi.org/10.51505/IJEBMR.2022.6513.
Nouri B. A., & Soltani M. (2016). Designing a Bankruptcy Prediction Model Based on Account, Market and Macroeconomic Variables (Case Study: Cyprus Stock Exchange). Iranian Journal of Management Studies, 9(1), 125-147. https://doi.org/10.22059/ijms.2016.55038.
Ohlson J. A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109. https://doi.org/10.2307/2490395
Pham Vo Ninh B., Do Thanh T., & Vo Hong D. (2018). Financial distress and bankruptcy prediction: An appropriate model for listed firms in Vietnam. Economic Systems, 42(4), 616-624. https://doi.org/10.1016/j.ecosys.2018.05.002.
Ruxanda G., Zamfir C., & Muraru A. (2018). predicting financial distress for Romanian companies. Technological and Economic Development of Economy, 24(6), 2318-2337. https://doi.org/10.3846/tede.2018.6736.
Saad M., Hussain R. Y., & Irshad H. (2025). Step towards a general bankruptcy prediction model for listed non-financial firms: The use of accounting, market, and macroeconomic variables. Studia Historiae Oeconomicae, 43(1), 209-240. https://doi.org/10.14746/sho.2025.43.1.009.
Shumway T. (2001). Forecasting Bankruptcy More Accurately: A Simple Hazard Model. The Journal of Business, 74(1), 101-124. https://doi.org/10.1086/209665
Vo D. H., Pham B. N. V., Ho C. M., & McAleer M. (2019). Corporate Financial Distress of Industry Level Listings in Vietnam. Journal of Risk and Financial Management, 12(4), 155. https://doi.org/10.3390/jrfm12040155.
Waqas H., Md-Rus R., & Elgammal M. M. (2018). Predicting financial distress: Importance of accounting and firm-specific market variables for Pakistan’s listed firms. Cogent Economics & Finance, 6(1). https://doi.org/10.1080/23322039.2018.1545739.
