แบบจำลองทำนายความอ่อนแอของกิจการโดยใช้ตัวแปรด้านการเงินและด้านการกำกับดูแลกิจการ

การพยากรณ์ความอ่อนแอของกิจการที่แม่นยำสามารถก่อให้เกิดผลดีอย่างมากต่อเศรษฐกิจของประเทศได้ โดยการใช้การพยากรณ์ดังกล่าวสร้างระบบเตือนภัยล่วงหน้าสำหรับกิจการต่างๆ งานวิจัยชิ้นนี้ศึกษาผลกระทบของปัจจัยที่สำคัญด้านการกำกับดูแลกิจการอันได้แก่ โครงสร้างการถือหุ้นและโครงสร้างคณะกรรมการที่มีต่อความน่าจะเป็นที่กิจการจะเกิดความอ่อนแอ และพัฒนาแบบจำลองเพื่อการพยากรณ์ความอ่อนแอ ซึ่งประกอบด้วยตัวแปรทางด้านการกำกับดูแลกิจการและตัวแปรทางด้านการเงิน โดยใช้วิธีลอจิทและโครงข่ายประสาทเทียม ผู้วิจัยได้แสดงให้เห็นว่าในประเทศตลาดเกิดใหม่ที่มีมักมีโครงสร้างการถือหุ้นแบบกระจุกตัว ไม่เพียงแต่ปัจจัยด้านการเงินเท่านั้นที่สามารถอธิบายความน่าจะเป็นที่กิจการจะเกิดความอ่อนแอ แต่ปัจจัยด้านการกำกับดูแลกิจการก็มีความสำคัญเช่นกัน แบบจำลองพยากรณ์ความอ่อนแอของกิจการที่ผู้วิจัยได้พัฒนาขึ้นนี้มีความแม่นยำในการพยากรณ์ค่อนข้างสูงกล่าวคือ วิธีลอจิทสามารถพยากรณ์ได้อย่างถูกต้องมากกว่าร้อยละ 85 ของบริษัททั้งหมดในกลุ่มตัวอย่าง โดยมีค่าความคลาดเคลื่อนชนิดที่ 1 ประมาณร้อยละ 9 ส่วนวิธีโครงข่ายประสาทเทียมก็เช่นกันสามารถพยากรณ์ได้อย่างถูกต้องโดยเฉลี่ยประมาณร้อยละ 84 ถึงร้อยละ 87 โดยมีค่าความคลาดเคลื่อนชนิดที่ 1 อยู่ระหว่างร้อยละ 10 ถึงร้อยละ 16 ผลการวิจัยดังกล่าวนี้แสดงให้เห็นว่า แบบจำลองที่ผู้วิจัยพัฒนาสมารถใช้ในการเตือนภัยล่วงหน้าได้ และยังอาจนำไปใช้เป็นเครื่องมืออย่างหนึ่งสำหรับหน่วยงานที่เกี่ยวข้องกับการตรวจสอบดูแลบริษัทในประเทศไทย นอกจากนี้ผู้วิจัยยังพบว่าการมีผู้ถือหุ้นที่มีอำนาจควบคุมและการมีส่วนร่วมของผู้ถือหุ้นที่มีอำนาจควบคุมในคณะกรรมการบริษัท ช่วยลดความน่าจะเป็นที่กิจการจะเกิดความอ่อนแอ ซึ่งหลักฐานชิ้นนี้สนับสนุนสมมติฐานที่ว่า ผู้ถือหุ้นที่มีอำนาจควบคุมมีแรงจูงใจที่จะตรวจสอบผู้บริหารเพื่อให้เกิดการตัดสินใจที่เป็นประโยชน์ต่อกิจการ ผู้วิจัยยังพบหลักฐานที่สนับสนุนข้อดีของการเป็นบริษัทในเครือของกลุ่มธุรกิจขนาดใหญ่ ในการลดความน่าจะเป็นที่กิจการจะเกิดความอ่อนแอในช่วงวิกฤตเศรษฐกิจเอเชียตะวันออกที่ผ่านมาด้วย

 

 

Predicting corporate distress can have a significant impact on the economy because it serves as an efficient early warning signal. This study examines the impact of major corporate governance attributes, i.e., ownership and board structures, on the likelihood of distress, and develops distress prediction models incorporating both governance and financial variables. The two widely documented methods, i.e., logit and neural network approaches are used. For an emerging market economy where ownership concentration is common, we show that not only financial factors but also corporate governance factors help determine the likelihood that a company will be in distress. Our prediction models perform relatively well. Specifically, in our logit models that incorporate governance and financial variables, more than 85% of non-financial listed firms are correctly classified in our models. When we consider the Type I error, on average the models have the Type I error of about 9%. Likewise, the neural network prediction models appear to have good results. Specifically, the average accuracy of the neural network prediction models ranges from approximately 84% to 87% with the average Type I error raging from about 10% to 16%. Such evidence indicates that the models serve as sound early warning signals and could thus be useful tools adding to supervisory resources. We also find that the presence of controlling shareholders and the board involvement by controlling shareholders reduce the probability of corporate financial distress. This evidence supports the monitoring/alignment hypothesis. Finally, our results suggest evidence of the benefits of business group affiliation in reducing the distress likelihood of member firms during the East Asian financial crisis.

Acknowledgement

We would like to specially acknowledge Dhurakij Pundit University for its generous financial support. We are also grateful to Prapaporn Nilsuwankosit and Thitapa Sukanda for assistance in extracting ownership and board data from the files of the Stock Exchange of Thailand and the Ministry of Commerce.

---