Nghiên cứu này được tiến hành nhằm xây dựng mô hình dự báo khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam có tính đến tác động của phương pháp chọn mẫu đến kết quả dự báo của mô hình. Các công ty gặp khó khăn tài chính là các công ty bị hủy niêm yết bắt buộc do thua lỗ trong ba năm liên tiếp hoặc lỗ lũy kế vượt quá vốn điều lệ. Sử dụng cùng kỹ thuật dự báo Binary Logistic, ba mô hình được xây dựng tương ứng với ba trường hợp số lượng công ty không gặp khó khăn tài chính bằng, gấp đôi và gấp ba lần số lượng công ty khó khăn tài chính trong mẫu nghiên cứu. Kết quả phân tích cho thấy, khi số lượng công ty không gặp khó khăn tài chính tài chính tăng dần thì khả năng dự báo chính xác của mô hình càng cao
Tải ứng dụng đọc sách
Qr code NEU Book Reader
(Lưu ý: Sử dụng ứng dụng NEU Book Reader để xem đầy đủ tài liệu.
Bạn đọc có thể tải NEU Book Reader từ App Store hoặc Google play
với từ khóa "NEU Book Reader")
Nghiên cứu này được tiến hành nhằm xây dựng mô hình dự báo khó khăn tài chính cho các công ty niêm yết trên thị trường chứng khoán Việt Nam có tính đến tác động của phương pháp chọn mẫu đến kết quả dự báo của mô hình. Các công ty gặp khó khăn tài chính là các công ty bị hủy niêm yết bắt buộc do thua lỗ trong ba năm liên tiếp hoặc lỗ lũy kế vượt quá vốn điều lệ. Sử dụng cùng kỹ thuật dự báo Binary Logistic, ba mô hình được xây dựng tương ứng với ba trường hợp số lượng công ty không gặp khó khăn tài chính bằng, gấp đôi và gấp ba lần số lượng công ty khó khăn tài chính trong mẫu nghiên cứu. Kết quả phân tích cho thấy, khi số lượng công ty không gặp khó khăn tài chính tài chính tăng dần thì khả năng dự báo chính xác của mô hình càng cao