ความสัมพันธ์ของการจัดการเงินทุนหมุนเวียนกับความเสี่ยงในการล้มละลายทางการเงินของบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
ที่มาและวัตถุประสงค์: การจัดการเงินทุนหมุนเวียนมีบทบาทสำคัญต่อสภาพคล่องและเสถียรภาพทางการเงินของกิจการ เนื่องจากการบริหารสินค้าคงเหลือ ลูกหนี้การค้า และเจ้าหนี้การค้ามีความเชื่อมโยงกับกระแสเงินสดและความสามารถในการชำระภาระผูกพัน การประเมินความเสี่ยงในการล้มละลายจึงมีความสำคัญต่อผู้บริหาร นักลงทุน และเจ้าหนี้ การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบความสัมพันธ์ระหว่างการจัดการเงินทุนหมุนเวียนกับความเสี่ยงในการล้มละลายทางการเงินตามตัวแบบ EM-Score Model (2005) และ Zmijewski Score Model (1984) ของบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย โดยพิจารณาระยะเวลาการขายสินค้า (Days Inventory Outstanding: DIO) ระยะเวลาการจัดเก็บหนี้ (Days Sales Outstanding: DSO) และระยะเวลาการจ่ายชำระหนี้ (Days Payable Outstanding: DPO)
ระเบียบวิธีการศึกษา: การวิจัยเชิงปริมาณนี้ใช้ข้อมูลทุติยภูมิของบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย ระหว่าง พ.ศ. 2562–2566 จากประชากร 507 บริษัท หรือ 2,535 บริษัท-ปี หลังตัดบริษัทในกลุ่มธนาคารและสถาบันการเงิน รวมทั้งบริษัทที่มีข้อมูลไม่ครบถ้วน เหลือกลุ่มตัวอย่าง 379 บริษัท รวม 1,895 บริษัท-ปี ความเสี่ยงในการล้มละลายทางการเงินวัดด้วย EM-Score Model และ Zmijewski Score Model วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา การวิเคราะห์สหสัมพันธ์แบบเพียร์สัน และการวิเคราะห์ถดถอยเชิงพหุคูณ ทั้งนี้ วงจรเงินสด (Cash Conversion Cycle: CCC) ไม่ได้นำเข้าสู่สมการถดถอยขั้นสุดท้าย เนื่องจากมีความสัมพันธ์สูงกับ DIO ซึ่งอาจก่อให้เกิดปัญหาความสัมพันธ์ระหว่างตัวแปรอิสระ จึงใช้ DIO, DSO และ DPO เป็นตัวแปรอิสระในแบบจำลองขั้นสุดท้าย
ผลการศึกษา: ผลการศึกษาพบว่า DIO และ DSO ไม่มีความสัมพันธ์กับความเสี่ยงในการล้มละลายทางการเงินอย่างมีนัยสำคัญทางสถิติในทั้งสองตัวแบบ ขณะที่ DPO เป็นตัวแปรเพียงตัวเดียวที่มีความสัมพันธ์อย่างมีนัยสำคัญ โดยตัวแบบ EM-Score พบว่า DPO มีความสัมพันธ์เชิงลบกับค่า EMS (B = -0.011, β = -0.103, p < 0.001) ซึ่งเมื่อพิจารณาว่าค่า EMS ที่ลดลงสะท้อนฐานะการเงินที่อ่อนแอลง จึงหมายความว่า DPO ที่เพิ่มขึ้นสัมพันธ์กับความเสี่ยงที่สูงขึ้น ส่วนตัวแบบ Zmijewski Score พบว่า DPO มีความสัมพันธ์เชิงบวกกับค่า ZMS (B = 0.048, β = 0.121, p < 0.001) และให้ข้อสรุปเชิงสาระเช่นเดียวกัน ตัวแบบ EMS มีค่า Adjusted R-squared เท่ากับ 0.008 และตัวแบบ ZMS เท่ากับ 0.020 แม้ตัวแบบ ZMS มีค่าสูงกว่า แต่ยังไม่เพียงพอที่จะสรุปว่ามีความแม่นยำในการพยากรณ์สูงกว่าตัวแบบ EMS
การประยุกต์ใช้: ผลการวิจัยสามารถใช้เป็นแนวทางในการบริหารเจ้าหนี้การค้าและสภาพคล่องของบริษัทจดทะเบียน โดยผู้บริหารควรติดตาม DPO และกำหนดระยะเวลาการจ่ายชำระหนี้ให้เหมาะสมกับกระแสเงินสด เงื่อนไขเครดิต และสถานะสภาพคล่อง การขยายระยะเวลาการจ่ายชำระหนี้ภายใต้เงื่อนไขที่ตกลงกับคู่ค้าอาจช่วยรักษาเงินสดและลดความต้องการเงินทุนระยะสั้น แต่หากยืดระยะเวลานานเกินไปอาจสะท้อนภาวะตึงตัวทางการเงินและกระทบต่อความเชื่อมั่น นักลงทุนและเจ้าหนี้สามารถใช้ DPO ร่วมกับผลจาก EMS และ ZMS เพื่อเฝ้าระวังความเสี่ยง ขณะที่หน่วยงานกำกับดูแลสามารถส่งเสริมการเปิดเผยข้อมูลเกี่ยวกับเงินทุนหมุนเวียนและนโยบายบริหารหนี้สินระยะสั้นให้ชัดเจนขึ้น
บทสรุป: DPO เป็นองค์ประกอบของการจัดการเงินทุนหมุนเวียนที่มีความสัมพันธ์กับความเสี่ยงในการล้มละลายทางการเงินอย่างมีนัยสำคัญในทั้งตัวแบบ EMS และ ZMS ขณะที่ DIO และ DSO ไม่พบความสัมพันธ์อย่างมีนัยสำคัญ ผลจากทั้งสองตัวแบบสอดคล้องกันในสาระว่า DPO ที่เพิ่มขึ้นสัมพันธ์กับความเสี่ยงทางการเงินที่สูงขึ้น ดังนั้น กิจการควรสร้างสมดุลระหว่างประโยชน์ด้านสภาพคล่องจากการขยายระยะเวลาชำระหนี้กับความสามารถในการชำระภาระผูกพันและการรักษาความน่าเชื่อถือทางการเงิน ทั้งนี้ การประเมินความเสี่ยงควรพิจารณาร่วมกับกระแสเงินสด สภาพคล่อง โครงสร้างเงินทุน และบริบททางการเงินของกิจการเพื่อให้มีความรอบด้านมากขึ้น
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
[1] Brealey, R. A., Myers, S. C., & Allen, F. (2020). Principles of corporate finance (13th ed.). McGraw-Hill Education.
[2] Ross, S. A., Westerfield, R. W., & Jaffe, J. (2019). Corporate finance (12th ed.). McGraw-Hill Education.
[3] Brigham, E. F., & Ehrhardt, M. C. (2019). Financial management: Theory & practice (16th ed.). Cengage Learning.
[4] Gitman, L. J., & Zutter, C. J. (2022). Principles of managerial finance (16th ed.). Pearson.
[5] Deloof, M. (2003). Does working capital management affect profitability of Belgian firms? Journal of Business Finance & Accounting, 30(3–4), 573–588. https://doi.org/10.1111/1468-5957.00008
[6] Baños-Caballero, S., García-Teruel, P. J., & Martínez-Solano, P. (2014). Working capital management, corporate performance, and financial constraints. Journal of Business Research, 67(3), 332–338. https://doi.org/10.1016/j.jbusres.2013.01.016
[7] Altman, E. I. (2005). An emerging market credit scoring system for corporate bonds. Emerging Markets Review, 6(4), 311–323. https://doi.org/10.1016/j.ememar.2005.09.007
[8] Coase, R. H. (1937). The nature of the firm. Economica, 4(16), 386–405.
[9] Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589–609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x
[10] Myers, S. C., & Majluf, N. S. (1984). Corporate financing and investment decisions when firms have information investors do not have. Journal of Financial Economics, 13(2), 187–221.
[11] Frank, M. Z., & Goyal, V. K. (2003). Testing the pecking order theory of capital structure. Journal of Financial Economics, 67(2), 217–248. https://doi.org/10.1016/S0304-405X(02)00252-0
[12] Alnasser, N., & Busaba, W. (2019). Working capital management and financial stability in emerging markets. Journal of Emerging Market Finance, 18(3), 245–263.
[13] Richards, V. D., & Laughlin, E. J. (1980). A cash conversion cycle approach to liquidity analysis. Financial Management, 9(1), 32–38. https://doi.org/10.2307/3665310
[14] Shin, H. H., & Soenen, L. (1998). Efficiency of working capital management and corporate profitability. Financial Practice and Education, 8(2), 37–45.
[15] Enqvist, J., Graham, M., & Nikkinen, J. (2014). The impact of working capital management on firm profitability in different business cycles: Evidence from Finland. Research in International Business and Finance, 32, 36–49. https://doi.org/10.1016/j.ribaf.2014.03.005
[16] International Accounting Standards Board. (2021). International financial reporting standards (IFRS). IFRS Foundation.
[17] Brigham, E. F., & Houston, J. F. (2021). Fundamentals of financial management (16th ed.). Cengage Learning.
[18] Chen, Y. S., & Lin, C. H. (2011). The relationship between working capital management and profitability of listed companies in Taiwan. African Journal of Business Management, 5(25), 10245–10252.
[19] Prom-in, S. (2018). The relationship between working capital management and profitability of listed companies in the Stock Exchange of Thailand. Journal of Accountancy and Management, 10(3), 115–128.
[20] Alam, M. S., Ali, M. H., & Ismail, M. D. (2020). Financial ratios as a predictor of bankruptcy: Evidence from the Dhaka Stock Exchange. Journal of Asian Finance, Economics and Business, 7(10), 13–22.
[21] Afrifa, G. A., & Tingbani, I. (2018). Working capital management, cash flow and SMEs’ performance. International Journal of Banking, Accounting and Finance, 9(1), 19–43.
[22] Mun, S. G., & Jang, S. S. (2022). Working capital, cash holding, and firm value: Evidence from hospitality firms. International Journal of Hospitality Management, 102, 103169.
[23] Aktas, N., Croci, E., & Petmezas, D. (2015). Is working capital management value-enhancing? Evidence from firm performance and investments. Journal of Corporate Finance, 30, 98–113.
[24] 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
[25] Zmijewski, M. E. (1984). Methodological issues related to the estimation of financial distress prediction models. Journal of Accounting Research, 22(Suppl.), 59–82. https://doi.org/10.2307/2490859
[26] Sun, J., Li, H., Huang, Q. H., & He, K. Y. (2021). Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches. Knowledge-Based Systems, 213, 106664. https://doi.org/10.1016/j.knosys.2020.106664
[27] 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.
[28] Alaka, H. A., Oyedele, L. O., & Shelbourn, M. (2018). Systematic review of bankruptcy prediction models: Towards a framework for tool selection. Expert Systems with Applications, 94, 164–184.
[29] Kim, H., & Gu, Z. (2006). Predicting restaurant bankruptcy: A logit model in comparison with a discriminant model. Journal of Hospitality & Tourism Research, 30(4), 474–493.
[30] Almamy, J., Aston, J., & Ngwa, L. N. (2016). An evaluation of Altman’s Z-score using cash flow ratio to predict corporate failure amid the recent financial crisis: Evidence from the UK. Journal of Corporate Finance, 36, 278–285. https://doi.org/10.1016/j.jcorpfin.2015.12.009
[31] Lin, F., Liang, D., & Chen, E. (2020). Financial ratio selection for business crisis prediction using soft set theory. Knowledge-Based Systems, 185, 104922. https://doi.org/10.1016/j.knosys.2019.104922
[32] Lueangchaiyarat, P. (2018). Factors affecting the working capital management of listed companies in the Stock Exchange of Thailand [Master's thesis, Chiang Mai University]. Chiang Mai University Digital Collections. https://cmudc.library.cmu.ac.th/frontend/Info/item/dc:142992
[33] Ghafoor, S. A., Tirmazee, M. S., & Abrar, M. (2024). Impact of working capital management on firm’s performance: A case of non-financial sector of Pakistan. Future Business Journal, 10(1), 1–13.
[34] Banos-Caballero, S., García-Teruel, P. J., & Martínez-Solano, P. (2019). Working capital management, financial constraints and SME performance. Financier, 6(1), 1–13.
[35] Afrifa, G. A., Nicholas, A., & Padumadasa, P. (2020). Working capital management and firm performance: A nuance of nonlinearity. International Journal of Managerial Finance, 16(5), 597–617.
[36] Srebro, B. (2021). Bankruptcy risk prediction in ensuring the sustainable operation of agriculture companies. Sustainability, 13(14), 7712.
[37] Pongsakorn, P. (2020). The efficiency of models for financial distress prediction of listed companies in the Stock Exchange of Thailand [Master's thesis, Thammasat University].
[38] Korajczyk, R. A., & Levy, A. (2003). Capital structure choice: Macroeconomic conditions and financial constraints. Journal of Financial Economics, 68(1), 75–109.