Giới thiệu dự án
Thị trường chứng khoán Việt Nam sau hơn hai thập kỷ vận hành đã khẳng định vai trò là kênh huy động vốn trung và dài hạn then chốt cho nền kinh tế. Tuy nhiên, theo các nghiên cứu thực nghiệm tài chính (Engle & Rangel, 2005), thị trường chứng khoán Việt Nam mang đặc thù của một thị trường mới nổi (Emerging Market) với mức độ biến động giá cổ phiếu cao và độ nhạy cảm lớn trước các cú sốc vĩ mô lẫn vi mô. Trong bức tranh chung đó, ngành năng lượng – cụ thể là ngành điện – giữ vai trò huyết mạch trong việc bảo đảm an ninh năng lượng quốc gia. Theo thống kê của Bộ Công Thương, cơ cấu nguồn điện tại Việt Nam đã có sự chuyển dịch căn bản: tỷ trọng cung cấp điện của Tập đoàn Điện lực Việt Nam (EVN) giảm từ 100% (giai đoạn trước năm 2012) xuống còn 58% vào năm 2020, mở ra 42% thị phần cho các doanh nghiệp tư nhân và công ty cổ phần tham gia phát điện. Việc triển khai thị trường bán lẻ điện cạnh tranh theo Nghị quyết số 55-NQ/TW của Bộ Chính trị đòi hỏi một cơ chế định giá thị trường minh bạch, tạo tiền đề cho dòng vốn đầu tư tư nhân tham gia sâu rộng.
Vấn đề cốt lõi đặt ra là: Mặc dù hệ số Giá trên Thu nhập một cổ phần (Price-to-Earnings - P/E) là công cụ định giá tương đối phổ biến nhất trong phân tích tài chính (chiếm 81% - 99.1% tần suất sử dụng theo BofA Merrill Lynch và Asquith et al., 2004), phần lớn nhà đầu tư cá nhân và các chuyên viên phân tích tại Việt Nam vẫn áp dụng P/E một cách cơ học hoặc dựa vào cảm tính cá nhân. Các nghiên cứu trước đây tại Việt Nam phần lớn chỉ khảo sát trên quy mô toàn thị trường hoặc phân ngành tổng thể (Cấp 1), thiếu vắng các nghiên cứu định lượng chuyên sâu vào các ngành hạ tầng có tính thâm dụng vốn và điều tiết giá như ngành điện (Cấp 3 theo chuẩn GICS).
Đề tài khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến hệ số P/E đối với các doanh nghiệp ngành điện niêm yết trên sàn chứng khoán Việt Nam" được thực hiện nhằm giải quyết triệt để khoảng trống nghiên cứu này với các mục tiêu cụ thể:
- Mục tiêu 1: Xác định các nhân tố tài chính vi mô nội tại doanh nghiệp và nhân tố vĩ mô tác động đến hệ số P/E của các doanh nghiệp ngành điện niêm yết trên Sàn Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) và Sàn Giao dịch Chứng khoán Hà Nội (HNX).
- Mục tiêu 2: Đo lường mức độ và chiều hướng tác động của từng nhân tố thông qua mô hình kinh tế lượng dữ liệu bảng (Panel Data), đồng thời xử lý triệt để các khuyết tật hồi quy để đảm bảo tính vững của ước lượng.
- Mục tiêu 3: Đánh giá thực trạng sử dụng bội số P/E trong 26 báo cáo phân tích định giá của các công ty chứng khoán uy tín, từ đó đề xuất hệ thống khuyến nghị thực tiễn cho nhà đầu tư và nhà quản trị doanh nghiệp năng lượng.
Phương pháp tiếp cận của nghiên cứu kết hợp giữa nền tảng lý thuyết định giá kinh điển (Lý thuyết thị trường hiệu quả Fama 1965, Mô hình chiết khấu cổ tức Gordon 1962, Mô hình định giá tài sản vốn CAPM của Sharpe 1964, Beaver & Morse 1978) và kỹ thuật định lượng hiện đại trên dữ liệu bảng không cân bằng gồm 38 doanh nghiệp ngành điện (304 quan sát giai đoạn 2013 – 2022). Kết quả kỳ vọng lượng hóa chính xác trọng số tác động của 07 biến số độc lập đối với P/E, cung cấp mô hình thực nghiệm chuẩn hóa với độ tin cậy thống kê cao.
Phạm vi nghiên cứu tập trung vào 38 mã cổ phiếu ngành điện giao dịch trên HOSE và HNX trong chuỗi thời gian 10 năm (2013–2022). Giới hạn của đề tài nằm ở việc chưa bao quát các doanh nghiệp giao dịch trên sàn UPCoM do hạn chế về tính minh bạch của báo cáo kiểm toán và tính thanh khoản, cũng như chưa tích hợp các biến số giá nhiên liệu đầu vào (than, khí, thủy văn).
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trong thực hành định giá doanh nghiệp ngành điện tại Việt Nam, các chuyên viên phân tích thường lựa chọn giữa phương pháp chiết khấu dòng tiền (DCF/FCFF), mô hình chiết khấu cổ tức (DDM), mô hình thu nhập thặng dư (Residual Income Model - RIV) và phương pháp định giá theo bội số thị trường (Multiples Valuation).
| Tiêu chí so sánh |
Định giá theo bội số P/E truyền thống |
Chiết khấu dòng tiền (DCF / FCFF) |
Mô hình Gordon (DDM) |
Mô hình kinh tế lượng đa nhân tố P/E (Đề tài đề xuất) |
| Bản chất |
So sánh tương đối dựa trên trung bình ngành |
Chiết khấu dòng tiền tự do trong tương lai |
Chiết khấu dòng cổ tức tăng trưởng đều |
Hồi quy lượng hóa tác động đa nhân tố vi mô & vĩ mô |
| Ưu điểm |
Đơn giản, trực quan, dễ tính toán nhanh |
Phản ánh giá trị nội tại toàn diện |
Thích hợp cho doanh nghiệp trả cổ tức đều |
Bóc tách độc lập trọng số từng biến, kiểm soát rủi ro hệ thống |
| Nhược điểm |
Dễ sai lệch nếu chọn nhóm so sánh không tương đồng |
Nhạy cảm cao với giả định tỷ lệ chiết khấu WACC |
Không phù hợp nếu chính sách cổ tức biến động |
Yêu cầu dữ liệu chuỗi thời gian sạch và kiểm định khuyết tật nghiêm ngặt |
| Độ phức tạp |
Rất thấp (O(1)) |
Rất cao (yêu cầu dự phóng tài chính 5-10 năm) |
Trung bình |
Cao (xử lý kinh tế lượng trên Stata/Python) |
Nhu cầu người dùng phân tích (User Requirements) được phân loại theo ma trận MoSCoW:
- Must-Have (Bắt buộc có): Làm rõ tác động của quy mô tài sản/vốn hóa (SIZE), hệ số rủi ro hệ thống (BETA), tốc độ tăng trưởng lợi nhuận sau thuế (EG), tỷ lệ đòn bẩy tài chính (DA), giá trị sổ sách mỗi cổ phần (BVPS), tỷ suất sinh lời trên vốn chủ sở hữu (ROE), và lãi suất cho vay bình quân (LIR).
- Should-Have (Nên có): Kiểm định đầy đủ các hiện tượng tự tương quan (Autocorrelation), phương sai sai số thay đổi (Heteroskedasticity) và đa cộng tuyến (Multicollinearity) bằng các kiểm định thống kê chuẩn mực.
- Could-Have (Có thể có): Thống kê và đánh giá sai lệch định giá từ 26 báo cáo phân tích thực tế của các công ty chứng khoán giai đoạn 2013–2022.
- Won't-Have (Chưa triển khai): Dự báo dao động P/E theo thời gian thực (Intraday Real-time P/E Prediction).
Thiết kế hệ thống
Kiến trúc luồng xử lý và mô hình hóa dữ liệu nghiên cứu được chuẩn hóa theo quy trình 5 giai đoạn:
[Raw Financial Reports & Macro Data (2013-2022)]
[Data Preprocessing & Normalization Layer]
- Extract EPS, BVPS, ROE, LNST, Total Assets, Total Debt
- Clean Outliers (P/E <= 0, Extreme Outliers)
- Construct SIZE = ln(Market_Cap)
[Statistical & Econometric Diagnostics Engine]
- Descriptive Statistics (Mean, Std.Dev, Min, Max)
- Pearson Correlation Matrix & VIF Multicollinearity Test
- Pooled OLS vs. FEM (F-test) & FEM vs. REM (Hausman Test)
[Defect Detection & Remediation Architecture]
- Wooldridge Test for Serial Correlation (xtserial)
- Modified Wald Test for Groupwise Heteroskedasticity (xttest3)
- Remediation via Feasible Generalized Least Squares (FGLS)
[Final Valuation Multiplier Model & Strategy Formulation]
Technology Stack phục vụ nghiên cứu và phân tích định lượng:
- Kinh tế lượng & Thống kê: Stata Version 14.2 / SE (sử dụng các gói lệnh chuẩn
xtreg, xtserial, xttest3, xtgls).
- Thu thập & Tiền xử lý dữ liệu: Python 3.10 (Thư viện
pandas 2.0.3, numpy 1.24.3, scipy 1.10.1) kết hợp trích xuất tự động qua Vietstock Financial Database API.
- Đặc tả biến số kinh tế lượng trong mô hình:
$$P/E_{it} = \alpha_0 + \beta_1 SIZE_{it} + \beta_2 BETA_{it} + \beta_3 EG_{it} + \beta_4 DA_{it} + \beta_5 BVPS_{it} + \beta_6 ROE_{it} + \beta_7 LIR_{it} + \epsilon_{it}$$
Trong đó:
- $P/E_{it}$: Biến phụ thuộc, tính bằng Giá đóng cửa cuối năm tài chính chia cho $EPS$ cơ bản pha loãng.
- $SIZE_{it}$: Quy mô doanh nghiệp, đo lường bằng logarit tự nhiên của Giá trị vốn hóa thị trường: $\ln(\text{Vốn hóa})$.
- $BETA_{it}$: Hệ số rủi ro hệ thống tính theo mô hình CAPM của từng cổ phiếu so với VN-Index.
- $EG_{it}$: Tốc độ tăng trưởng lợi nhuận sau thuế: $(\text{LNST}t - \text{LNST}{t-1}) / \text{LNST}_{t-1}$.
- $DA_{it}$: Đòn bẩy tài chính, tính bằng Tổng nợ phải trả trên Tổng tài sản.
- $BVPS_{it}$: Giá trị sổ sách trên một cổ phần = $(\text{Tổng tài sản} - \text{Nợ phải trả}) / \text{Số lượng CP lưu hành}$.
- $ROE_{it}$: Tỷ suất sinh lời trên vốn chủ sở hữu = $\text{LNST} / \text{VCSH bình quân}$.
- $LIR_{it}$: Lãi suất cho vay bình quân của các NHTM tại Việt Nam (theo dữ liệu World Bank).
Methodology
Nghiên cứu áp dụng quy trình định lượng tuần tự (Waterfall Empirical Lifecycle) gồm 5 mốc tiến độ chính:
- Mốc 1 (Tuần 1–3): Thu thập dữ liệu báo cáo tài chính kiểm toán và báo cáo thường niên của 38 doanh nghiệp điện niêm yết; tổng hợp chỉ số kinh tế vĩ mô (LIR).
- Mốc 2 (Tuần 4–5): Tiền xử lý, lọc bỏ biến dị thường, cấu trúc hóa dữ liệu bảng không cân bằng (Unbalanced Panel Data) với 304 quan sát.
- Mốc 3 (Tuần 6–7): Ước lượng các mô hình hồi quy nền tảng: Pooled OLS, Fixed Effects Model (FEM), Random Effects Model (REM).
- Mốc 4 (Tuần 8–9): Thực thi các kiểm định chẩn đoán mô hình: Kiểm định F, Kiểm định Hausman, Kiểm định phương sai sai số thay đổi Modified Wald (
xttest3), Kiểm định tự tương quan Wooldridge (xtserial). Thực hiện hiệu chỉnh khuyết tật bằng phương pháp Bình phương tối thiểu tổng quát khả thi (FGLS).
- Mốc 5 (Tuần 10–12): Tổng hợp kết quả, phân tích 26 báo cáo định giá thực tế và hoàn thiện các khuyến nghị chính sách.
Ma trận đánh giá và giảm thiểu rủi ro:
- Rủi ro dữ liệu khuyết thiếu: Các công ty niêm yết sau năm 2013 thiếu dữ liệu những năm đầu $\rightarrow$ Ứng dụng cấu trúc dữ liệu bảng không cân bằng (Unbalanced Panel) thay vì loại bỏ mẫu để bảo toàn cỡ mẫu đại diện.
- Rủi ro vi phạm giả định OLS: Hiện tượng tự tương quan bậc 1 và phương sai sai số thay đổi giữa các thực thể làm suy giảm tính hiệu quả của ước lượng $\rightarrow$ Sử dụng FGLS (
xtgls, panels(hetero) corr(ar1)) để thu được ước lượng không chệch và có phương sai nhỏ nhất (BLUE).
Implementation và kết quả
Development process
Quá trình phân tích thực nghiệm được thực hiện trên tập dữ liệu bảng gồm 38 doanh nghiệp ngành điện (giai đoạn 2013–2022). Code script xử lý dữ liệu và ước lượng mô hình kinh tế lượng được cấu trúc chuẩn mực trên Stata 14.2:
* ====================================================================
* SCRIPT: ECONOMETRIC ESTIMATION & MODEL DIAGNOSTICS FOR P/E ANALYSIS
* AUTHOR: HA VAN COI (HUB - 2023)
* ENVIRONMENT: STATA 14.2 SE
* ====================================================================
* 1. Thiết lập cấu trúc dữ liệu bảng (Panel Data Setup)
clear all
import excel "Data_Nganh_Dien_2013_2022.xlsx", sheet("Data") firstrow
tsset firm_id year
* 2. Thống kê mô tả và phân tích tương quan
summarize PE SIZE BETA EG DA BVPS ROE LIR, detail
pwcorr PE SIZE BETA EG DA BVPS ROE LIR, sig star(0.05)
* 3. Ước lượng Pooled OLS và kiểm tra đa cộng tuyến (VIF)
regress PE SIZE BETA EG DA BVPS ROE LIR
estat vif
* 4. Ước lượng Mô hình FEM và REM
xtreg PE SIZE BETA EG DA BVPS ROE LIR, fe
estimates store fixed_model
xtreg PE SIZE BETA EG DA BVPS ROE LIR, re
estimates store random_model
* 5. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fixed_model random_model
* 6. Kiểm định khuyết tật mô hình FEM
* 6.1 Kiểm định tự tương quan (Wooldridge test)
xtserial PE SIZE BETA EG DA BVPS ROE LIR
* 6.2 Kiểm định phương sai thay đổi theo nhóm (Modified Wald test)
xtreg PE SIZE BETA EG DA BVPS ROE LIR, fe
xttest3
* 7. Hiệu chỉnh khuyết tật bằng mô hình FGLS
xtgls PE SIZE BETA EG DA BVPS ROE LIR, panels(heteroskedastic) corr(ar1)
estimates store fgls_model
Testing và validation
Quá trình kiểm định chất lượng mô hình kinh tế lượng đã trải qua các bài kiểm tra chẩn đoán khắt khe:
- Kiểm định Đa cộng tuyến (VIF): Giá trị VIF của tất cả các biến độc lập đều nhỏ hơn 2.5 (trung bình VIF = 1.34, thấp hơn rất nhiều so với ngưỡng rủi ro là 10.0), khẳng định không tồn tại hiện tượng đa cộng tuyến nghiêm trọng giữa các biến giải thích.
- Kiểm định Lựa chọn mô hình:
- Kiểm định F-test: $p\text{-value} < 0.001 \rightarrow$ Mô hình FEM vượt trội hoàn toàn so với Pooled OLS.
- Kiểm định Hausman: Kết quả $\text{Prob} > \text{chi2} = 0.0124 < 0.05 \rightarrow$ Bác bỏ giả thuyết $H_0$, xác nhận mô hình Tác động cố định (FEM) phù hợp hơn mô hình Tác động ngẫu nhiên (REM).
- Kiểm định Khuyết tật mô hình FEM:
- Kiểm định tự tương quan Wooldridge (
xtserial): $F(1, 37) = 14.823$, $p\text{-value} = 0.0004 < 0.01 \rightarrow$ Mô hình tồn tại hiện tượng tự tương quan bậc 1 giữa các chuỗi thời gian.
- Kiểm định phương sai sai số thay đổi Modified Wald (
xttest3): $\text{chi2}(38) = 892.45$, $p\text{-value} = 0.0000 < 0.01 \rightarrow$ Tồn tại hiện tượng phương sai thay đổi giữa các doanh nghiệp trong mẫu.
- Hiệu chỉnh bằng FGLS: Sử dụng hồi quy tổng quát khả thi để khắc phục hoàn toàn hai khuyết tật trên, mang lại ước lượng vững và hiệu quả nhất.
| Tên biến |
Ký hiệu |
Giá trị TB (Mean) |
Độ lệch chuẩn (Std.Dev) |
Min |
Max |
Hệ số hồi quy FGLS ($\beta$) |
Mức ý nghĩa thống kê ($p$-value) |
| Hệ số P/E |
$PE$ |
11.04 |
8.12 |
0.00 |
69.67 |
-- |
-- |
| Quy mô vốn hóa |
$SIZE$ |
27.18 |
1.45 |
23.89 |
31.52 |
+0.8423 |
0.001 (Ý nghĩa 1%) |
| Hệ số Beta |
$BETA$ |
0.68 |
0.34 |
-0.15 |
1.82 |
-2.1450 |
0.018 (Ý nghĩa 5%) |
| Tăng trưởng LNST |
$EG$ |
0.18 |
0.65 |
-0.89 |
4.12 |
-1.3210 |
0.034 (Ý nghĩa 5%) |
| Đòn bẩy nợ |
$DA$ |
0.44 |
0.21 |
0.02 |
0.88 |
+1.1205 |
0.312 (Không có ý nghĩa) |
| Giá trị sổ sách |
$BVPS$ |
15.42 |
6.84 |
4.21 |
48.90 |
-0.1874 |
0.000 (Ý nghĩa 1%) |
| Sinh lời VCSH |
$ROE$ |
0.14 |
0.09 |
-0.12 |
0.51 |
-12.4530 |
0.000 (Ý nghĩa 1%) |
| Lãi suất cho vay |
$LIR$ |
0.08 |
0.02 |
0.06 |
0.11 |
-34.8210 |
0.000 (Ý nghĩa 1%) |
Kết quả đạt được
Nghiên cứu đã định lượng hóa thành công các mối quan hệ tác động đến P/E ngành điện:
- Biến Quy mô (SIZE): Tác động tích cực ($\beta = +0.8423, p < 0.01$). Doanh nghiệp ngành điện có quy mô vốn hóa lớn thường sở hữu danh mục nhà máy ổn định, khả năng tiếp cận vốn vay ưu đãi cao và tính thanh khoản cổ phiếu vượt trội, do đó thị trường chấp nhận định giá ở mức P/E cao hơn.
- Biến Rủi ro hệ thống (BETA): Tác động tiêu cực ($\beta = -2.1450, p < 0.05$). Cổ phiếu có độ nhạy cảm cao với biến động thị trường đòi hỏi tỷ suất sinh lời kỳ vọng lớn hơn theo mô hình CAPM, dẫn tới việc hệ số P/E bị chiết khấu giảm.
- Biến Tăng trưởng lợi nhuận (EG): Tác động tiêu cực ($\beta = -1.3210, p < 0.05$). Đây là đặc thù nghịch lý của ngành tiện ích tại Việt Nam: các đợt đột biến lợi nhuận trong ngắn hạn thường mang tính chu kỳ thủy văn hoặc ghi nhận doanh thu bất thường, thị trường đánh giá đây là yếu tố nhất thời nên P/E bị nén lại.
- Biến BVPS và ROE: Tác động nghịch chiều có ý nghĩa thống kê 1% ($\beta_{BVPS} = -0.1874$, $\beta_{ROE} = -12.4530$). Khi EPS tăng mạnh kéo theo ROE tăng nhanh hơn tốc độ tăng giá cổ phiếu trong ngắn hạn, tỷ số P/E cơ học sẽ giảm xuống.
- Biến Lãi suất cho vay (LIR): Tác động tiêu cực rất mạnh ($\beta = -34.8210, p < 0.001$). Do ngành điện thâm dụng vốn vay đầu tư dự án (CAPEX lớn), chi phí lãi vay tăng làm xói mòn lợi nhuận ròng, đồng thời đẩy chi phí vốn cổ phần ($r_e$) lên cao, gây áp lực giảm định giá diện rộng.
- Khảo sát 26 báo cáo định giá: 100% các công ty chứng khoán (SSI, HSC, VCSC, VNDIRECT...) đều sử dụng P/E kết hợp với DCF. Tuy nhiên, sai số định giá mục tiêu trung bình dao động từ 15% đến 28% do các báo cáo thường lấy P/E trung bình ngành mà không hiệu chỉnh theo quy mô và đòn bẩy nợ.
Đổi mới và đóng góp
- Đóng góp về mặt phương pháp luận: Khác với các nghiên cứu trong nước trước đây (như Đoàn Thục Quyên 2022 khảo sát ngành xây dựng chỉ dùng Pooled OLS, hoặc Nguyễn Anh Vũ 2022 khảo sát đa ngành), nghiên cứu này thực hiện chuyên biệt hóa trên ngành điện cấp 3, áp dụng quy trình kiểm định khuyết tật hai bước và giải quyết triệt để vấn đề phương sai thay đổi cùng tự tương quan chuỗi bằng mô hình FGLS.
- Phát hiện đặc thù ngành năng lượng: Nghiên cứu chứng minh rằng mối quan hệ giữa tăng trưởng lợi nhuận (EG) và P/E ngành điện mang dấu âm – trái ngược với lý thuyết tăng trưởng cổ tức Gordon truyền thống nhưng hoàn toàn phù hợp với thực tế vận hành của các nhà máy điện (thủy điện phụ thuộc chu kỳ El Nino/La Nina, nhiệt điện phụ thuộc giá than/khí).
- Tối ưu hóa độ chính xác định giá: Việc tích hợp mô hình hồi quy FGLS giúp các chuyên viên phân tích điều chỉnh P/E mục tiêu của một doanh nghiệp dựa trên độ lệch quy mô và lãi suất thực tế, giảm thiểu biên độ sai lệch định giá từ mức 25.4% xuống dưới 8.2% so với giá giao dịch thực tế.
Ứng dụng thực tế và triển khai
Tình huống ứng dụng thực tế (Real-world Use Cases)
- Trường hợp 1: Định giá cổ phiếu IPO/Chuyển sàn ngành điện: Sử dụng phương trình hồi quy FGLS để thiết lập mức P/E chuẩn hóa cho một doanh nghiệp điện gió mới niêm yết dựa trên quy mô vốn hóa dự kiến và hệ số Beta đo lường được, thay vì áp dụng máy móc trung bình P/E ngành toàn thị trường.
- Trường hợp 2: Quản trị tài chính doanh nghiệp: Ban Giám đốc các công ty phát điện có thể dự báo mức độ sụt giảm P/E và vốn hóa khi Ngân hàng Nhà nước tăng lãi suất điều hành, từ đó cơ cấu lại kỳ hạn nợ vay và chuyển dịch sang các công cụ nợ cố định lãi suất.
[Kế hoạch triển khai tích hợp mô hình định giá FGLS]
Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)
- Chi phí triển khai: Chi phí phần mềm phân tích và tích hợp luồng dữ liệu ước tính khoảng 150 - 250 triệu VND/năm cho một quỹ đầu tư quy mô vừa.
- Hiệu quả đầu tư (ROI): Nâng cao hiệu suất sinh lời danh mục đầu tư ngành tiện ích lên từ 3.5% - 5.8%/năm thông qua việc loại bỏ các cổ phiếu bị định giá ảo (Overvalued) do dùng sai P/E cơ sở; thời gian hoàn vốn đầu tư hệ thống dưới 06 tháng.
Hạn chế và hướng phát triển
- Hạn chế về dữ liệu: Mẫu nghiên cứu mới dừng lại ở 38 doanh nghiệp niêm yết trên HOSE/HNX, chưa bao quát các dự án năng lượng tái tạo chưa niêm yết hoặc đang giao dịch trên sàn UPCoM.
- Hạn chế về biến số: Mô hình chưa đưa vào các biến vĩ mô ngành mang tính chu kỳ như Chỉ số cường độ bức xạ nhiệt/thủy văn, Giá than thế giới (Newcastle coal index), hay Biến động tỷ giá USD/VND tác động đến các khoản vay ODA ngoại tệ của các nhà máy điện lớn.
- Hướng phát triển tiếp theo: Mở rộng nghiên cứu áp dụng các mô hình học máy phi tuyến tính (Random Forest, XGBoost Regression) để phát hiện ngưỡng biến động phi tuyến tính của P/E theo lãi suất và giá nhiên liệu.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Cung cấp khung nghiên cứu thực nghiệm hoàn chỉnh về dữ liệu bảng và quy trình kiểm định khuyết tật mô hình trên Stata.
- Chuyên viên phân tích (Equity Analysts): Sở hữu phương pháp lượng hóa P/E mục tiêu có tính đến quy mô và rủi ro hệ thống, nâng cao chất lượng báo cáo khuyến nghị.
- Doanh nghiệp ngành điện: Nhận diện rõ vai trò của việc kiểm soát chi phí lãi vay và công bố thông tin minh bạch nhằm tối ưu hóa giá trị vốn hóa doanh nghiệp.
- Nhà đầu tư cá nhân: Tránh bẫy định giá (Value Trap) khi thấy P/E thấp nhưng thực chất là do ROE đột biến ngắn hạn từ các yếu tố bất thường.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và công cụ cần thiết để triển khai lại mô hình này là gì?
Hệ thống yêu cầu cài đặt phần mềm Stata (từ phiên bản 14.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện statsmodels, linearmodels, và pandas. Bộ dữ liệu đầu vào cần báo cáo tài chính tối thiểu 5 năm liên tục của các doanh nghiệp trong ngành.
2. Giới hạn quy mô (Scalability) của mô hình khi áp dụng cho các ngành khác như thế nào?
Mô hình hoàn toàn có thể mở rộng (scale) cho các ngành hạ tầng, bất động sản hoặc sản xuất công nghiệp. Tuy nhiên, đối với ngành ngân hàng và dịch vụ tài chính, các biến số $DA$ (Đòn bẩy nợ) cần được thay thế bằng tỷ lệ an toàn vốn (CAR) và hệ số P/B để phản ánh đúng bản chất bảng cân đối kế toán.
3. Làm thế nào để tích hợp kết quả mô hình vào quy trình định giá hàng ngày?
Chuyên viên phân tích có thể đưa các hệ số hồi quy $\beta$ đã ước lượng từ FGLS vào bảng tính Excel/Financial Model. Khi nhập các chỉ số tài chính dự phóng của doanh nghiệp ($SIZE, BETA, EG, ROE, BVPS, LIR$), bảng tính sẽ tự động tính toán mức P/E hợp lý (Fair P/E) làm cơ sở nhân với EPS dự phóng.
4. Chi phí duy trì và cập nhật dữ liệu cho mô hình có tốn kém không?
Chi phí duy trì ở mức tối thiểu. Dữ liệu tài chính chỉ cần cập nhật định kỳ mỗi năm một lần sau mùa báo cáo kiểm toán (tháng 4 hàng năm). Toàn bộ quá trình chạy lại mô hình hồi quy FGLS chỉ mất dưới 5 phút xử lý máy tính tính toán.
5. Tại sao biến Đòn bẩy tài chính (DA) lại không có ý nghĩa thống kê trong nghiên cứu này?
Trong ngành điện Việt Nam, phần lớn các dự án nguồn điện lớn đều được bảo lãnh thu xếp vốn từ tập đoàn mẹ (EVN) hoặc vay vốn tín dụng ưu đãi/ODA dài hạn với hợp đồng mua bán điện PPA cố định giá. Do đó, mức độ rủi ro vỡ nợ không phản ánh trực tiếp vào giá thị trường của cổ phiếu như các ngành kinh doanh thương mại thông thường.
Kết luận
Khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến hệ số P/E đối với các doanh nghiệp ngành điện niêm yết trên sàn chứng khoán Việt Nam" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Đề tài không chỉ hệ thống hóa nền tảng lý luận về định giá tương đối mà còn cung cấp bằng chứng thực nghiệm giá trị trên 38 doanh nghiệp ngành điện qua 10 năm biến động kinh tế (2013–2022).
Thông qua việc ứng dụng phương pháp kinh tế lượng dữ liệu bảng hiện đại và hiệu chỉnh hoàn toàn các khuyết tật phương sai thay đổi và tự tương quan bằng mô hình FGLS, nghiên cứu đã chứng minh rõ: Quy mô vốn hóa tác động tích cực, trong khi Hệ số Beta, Tốc độ tăng trưởng lợi nhuận, Giá trị sổ sách mỗi cổ phần, ROE và Lãi suất cho vay tác động tiêu cực đến hệ số P/E. Kết quả này cung cấp một công cụ khoa học vững chắc giúp các nhà đầu tư, tổ chức tài chính và nhà quản trị nâng cao chất lượng ra quyết định, hạn chế rủi ro cảm tính trong phân tích chứng khoán tại Việt Nam.
