Ohlson O-score: công thức logit dự báo phá sản

Định nghĩa

O-score (Ohlson, 1980) ước lượng xác suất phá sản bằng hồi quy logit với chín biến tài chính. Khác Z-score, O-score không cần giá thị trường và cho ra xác suất, nên hợp với nghiên cứu rủi ro vỡ nợ của doanh nghiệp chưa niêm yết hoặc ít giao dịch.

Công thức

O = −1,32 − 0,407·ln(TTS/chỉ số giá) + 6,03·(Nợ phải trả/TTS) − 1,43·(Vốn lưu động/TTS) + 0,0757·(Nợ NH/TSNH) − 2,37·(LNST/TTS) − 1,83·(Lưu chuyển tiền từ HĐKD/Nợ phải trả) + 0,285·INTWO − 1,72·OENEG − 0,521·CHIN

Mã số theo mẫu báo cáo tài chính của Thông tư 200/2014/TT-BTC (doanh nghiệp). Báo cáo của tổ chức tín dụng theo Thông tư 49/2014/TT-NHNN không dùng chung hệ mã này, nên chỉ ghi tên chỉ tiêu. Dùng BCTC hợp nhất nếu doanh nghiệp có công ty con, và dùng thống nhất cho mọi năm.

Các biến thể thường gặp

• Xác suất phá sản: P = exp(O) / (1 + exp(O))
• Các biến giả: INTWO = 1 nếu lỗ hai năm liền; OENEG = 1 nếu Nợ phải trả > TTS; CHIN = (LNST_t − LNST_t−1)/(|LNST_t| + |LNST_t−1|)

Dấu kỳ vọng trong nghiên cứu trước

Dấu kỳ vọng là tóm tắt của nghiên cứu trước để viết giả thuyết; kết quả trên mẫu của bạn có thể khác.

Lỗi hay gặp

• Dùng ln(Tổng tài sản) danh nghĩa thay vì đã chia chỉ số giá như bản gốc, rồi vẫn dùng hằng số −1,32.
• Biến số dùng lưu chuyển tiền từ HĐKD; bản gốc dùng "funds from operations", nên nêu rõ cách thay thế.

Chưa chắc nên ước lượng bằng Pooled OLS, FEM/REM hay GMM? Công cụ chọn phương pháp phân tích dữ liệu gợi ý theo cấu trúc dữ liệu và câu hỏi nghiên cứu. Cần biến vĩ mô làm biến kiểm soát (tăng trưởng GDP, lạm phát, lãi suất)? Lấy từ dữ liệu kinh tế vĩ mô Việt Nam qua các năm.

Code Stata và R

Tên biến theo file dữ liệu bảng xuất từ công cụ tính chỉ số tài chính (firm,year, ta, ni…). Biến trễ chỉ hợp lệ khi năm liền trước có số liệu.

Stata

* Dữ liệu bảng: một dòng một doanh nghiệp – năm
encode firm, gen(id)
xtset id year
gen size_r = ln(ta / deflator * 100)
gen intwo = (ni < 0 & L.ni < 0)
gen oeneg = (tl > ta)
gen chin = (ni - L.ni) / (abs(ni) + abs(L.ni))
gen o = -1.32 - 0.407*size_r + 6.03*tl/ta - 1.43*(ca - cl)/ta + 0.0757*cl/ca ///
    - 2.37*ni/ta - 1.83*cfo/tl + 0.285*intwo - 1.72*oeneg - 0.521*chin
gen p_bankrupt = exp(o) / (1 + exp(o))

R

library(dplyr)
df <- df |>
  group_by(firm) |>
  arrange(year, .by_group = TRUE) |>
  mutate(intwo = as.integer(ni < 0 & lag(ni) < 0),
         oeneg = as.integer(tl > ta),
         chin = (ni - lag(ni)) / (abs(ni) + abs(lag(ni))),
         o = -1.32 - 0.407 * log(ta / deflator * 100) + 6.03 * tl / ta -
             1.43 * (ca - cl) / ta + 0.0757 * cl / ca - 2.37 * ni / ta -
             1.83 * cfo / tl + 0.285 * intwo - 1.72 * oeneg - 0.521 * chin,
         p_bankrupt = plogis(o)) |>
  ungroup()

Tài liệu tham khảo

• Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109–131. https://doi.org/10.2307/2490395
• Altman, E. I., Iwanicz-Drozdowska, M., Laitinen, E. K., & Suvas, A. (2017). Financial distress prediction in an international context: A review and empirical analysis of Altman’s Z-score model. Journal of International Financial Management & Accounting, 28(2), 131–171. https://doi.org/10.1111/jifm.12053

DOI của từng tài liệu đã được đối chiếu với Crossref (api.crossref.org).