Số Kỳ 1 tháng 06 (289)-2025 Tạp chí Nghiên cứu Tài chính Kế toán - Trang 66

Tóm tắt tiếng Việt:

Nghiên cứu sử dụng dữ liệu từ 23 doanh nghiệp ngành nhựa niêm yết trên thị trường chứng khoán Việt Nam. Phân tích thống kê cho thấy các mô hình dự báo có độ chính xác khác nhau. X-Score và Z-Taffler có độ chính xác cao nhất, đạt 94,2%, trong khi các mô hình G-Score, O-Score, S-Score cũng có mức độ chính xác đáng kể (trên 85%). Tuy nhiên, mô hình X-Score và Z-Taffler có tỷ lệ sai lầm loại I cao (66,7%), tức là có xu hướng đánh giá sai một số doanh nghiệp khỏe mạnh là kiệt quệ tài chính. Ngược lại, G-Score có tỷ lệ sai lầm loại II thấp nhất, cho thấy khả năng nhận diện chính xác các doanh nghiệp gặp khó khăn tài chính. Do đó, cần kết hợp thêm các phương pháp Machine Learning để cải thiện độ chính xác của dự báo và hạn chế sai lầm trong nhận diện KQTC.

English Summary:

The study used data from 23 plastics enterprises listed on the Vietnamese stock market. Statistical analysis showed that the forecasting models had different accuracy levels. X-Score and Z-Taffler had the highest accuracy, reaching 94.2%, while the G-Score, O-Score, and S-Score models also had significant accuracy levels (over 85%). However, the X-Score and Z-Taffler models had a high type I error rate (66.7%), which means they tended to misjudge some healthy enterprises as financially distressed. In contrast, G-Score had the lowest type II error rate, indicating the ability to accurately identify enterprises in financial difficulty. Therefore, it is necessary to combine additional Machine Learning methods to improve forecasting accuracy and limit errors in identifying financial distress.

Từ khóa: kiệt quệ tài chính, doanh nghiệp ngành nhựa niêm yết.

Số lượt đọc: 46 - Số lượt tải về: 24

DOI Code: https://doi.org/10.71374/jfarv.v25.i289.16