Bankruptcy risk

Rủi ro phá sản (Bankruptcy risk) là khả năng một doanh nghiệp không thể trả nợ hoặc không thể tiếp tục hoạt động do tình trạng tài chính không ổn định. Những yếu tố gây ra rủi ro này có thể bao gồm:

• Nợ vay quá cao so với khả năng chi trả của doanh nghiệp 
• Lợi nhuận kém, lỗ lực kinh doanh không đạt được dự kiến, hoặc không thể cạnh tranh trong ngành 
• Sự biến đổi đột ngột trong thị trường, sự thay đổi chính sách quản lý, thuế, hoặc thị trường tài chính 
• Không thể quản lý rủi ro tài chính hoặc không có chiến lược dự phòng đối với những biến động không mong muốn

(Nguồn: https://fastercapital.com/content/Analyzing-Profitability-for-Bankruptcy-Risk.html)

Có nhiều mô hình thống kê và dự đoán được sử dụng để đo lường và dự đoán rủi ro phá sản trong tài chính doanh nghiệp. Dưới đây là một số mô hình phổ biến:

• Mô hình Altman Z-Score: 

Được phát triển bởi Edward Altman vào những năm 1960, mô hình Z-Score sử dụng một số chỉ số tài chính như tỷ lệ nợ vay, lợi nhuận, vốn chủ sở hữu, thanh khoản để dự đoán rủi ro phá sản. Các công thức tính toán điểm Z-Score được áp dụng cho các công ty, và kết quả điểm số giúp xác định khả năng phá sản của doanh nghiệp.

• Mô hình Springate Score:

Tương tự như mô hình Z-Score, mô hình Springate Score sử dụng các chỉ số tài chính như tỷ lệ nợ vay, lợi nhuận, và thanh khoản để dự đoán rủi ro phá sản. Mô hình này đo lường sức mạnh tài chính của một doanh nghiệp thông qua các chỉ số và công thức tính điểm số.

• Mô hình Ohlson O-Score: 

Mô hình O-Score của Ohlson dựa trên các yếu tố như lợi nhuận gộp, dòng tiền từ hoạt động kinh doanh, tỷ lệ nợ vay, và giá trị thị trường của công ty để đo đạc rủi ro phá sản.

• Mô hình Merton's Structural Model: 

Được phát triển bởi Robert C. Merton, mô hình này dựa trên lý thuyết tài chính và mô hình Black-Scholes để ước tính rủi ro phá sản dựa trên giá trị của tài sản và nợ của công ty.

• Mô hình KMV Model: 

Một mô hình dự đoán rủi ro phá sản dựa trên mô hình cơ bản của Merton. Nó sử dụng thông tin thị trường để đánh giá nguy cơ phá sản và đưa ra dự đoán thông qua việc xác định xác suất phá sản trong tương lai.

• Logistic Regression

Hồi quy logistic với biến phụ thuộc nhị phân là một mô hình kinh tế lượng được sử dụng phổ biến nhất trong đánh giá rủi ro phá sản. Odlson (1980) là người tiên phong ứng dụng hồi quy logistics có điều kiện vào nghiên cứu dự báo khả năng vỡ nợ.

• Machine Learning: 

Nhiều mô hình dự đoán rủi ro phá sản sử dụng phương pháp học máy, bao gồm mô hình hồi quy logistic và các thuật toán máy học như Random Forests, Support Vector Machines, Neural Networks để dự đoán khả năng phá sản dựa trên dữ liệu tài chính và không tài chính.

Tài liệu tham khảo:

•  https://www.investopedia.com/terms/b/bankruptcyrisk.asp#:~:text=Bankruptcy%20risk%2C%20or%20insolvency%20risk,inability%20to%20service%20its%20debt.
• https://pubmed.ncbi.nlm.nih.gov/20937903/
• https://www.sciencedirect.com/science/article/abs/pii/S0957417417307224