Bối cảnh và vấn đề nghiên cứu
Ngành Bất động sản (BĐS) giữ vị trí then chốt trong nền kinh tế Việt Nam. Theo số liệu từ Tổng cục Thống kê năm 2022, hoạt động kinh doanh BĐS đóng góp trực tiếp trên 3% vào cơ cấu GDP. Số liệu từ Hiệp hội Bất động sản Việt Nam (2022) cũng chỉ ra ngành BĐS có khả năng lan tỏa sâu rộng đến hơn 40 ngành kinh tế trọng yếu, đặc biệt là xây dựng, công nghiệp chế biến chế tạo, du lịch, lưu trú - ăn uống và tài chính - ngân hàng. Cụ thể, khi nhu cầu sử dụng cuối cùng (final demand) của ngành BĐS mở rộng tăng 1 tỷ đồng sẽ kích thích giá trị sản xuất của các ngành còn lại thêm 0,772 tỷ đồng. Xét về phương diện lao động, mức độ tăng giá trị gia tăng (VA) tương ứng với việc thu hút thêm 1 lao động đứng đầu là phân khúc bất động sản nhà ở để bán, tiếp theo là bất động sản công nghiệp và bất động sản du lịch, nghỉ dưỡng.
Tuy nhiên, trong giai đoạn cuối năm 2022 đến năm 2023, thị trường BĐS Việt Nam rơi vào trạng thái "đóng băng" trước các biến động vĩ mô, lãi suất tăng cao và thanh khoản sụt giảm. Nhiều doanh nghiệp không tiêu thụ được sản phẩm trong khi phải gánh chịu áp lực chi phí nợ vay lớn, dòng tiền thu vào không bù đắp được nghĩa vụ tài chính, dẫn đến tình trạng kiệt quệ tài chính (Financial distress), ngưng hoạt động hoặc tuyên bố phá sản. Thực tiễn này đòi hỏi việc thiết lập một công cụ lượng hóa và dự báo xác suất kiệt quệ tài chính chuyên biệt cho các doanh nghiệp BĐS nhằm hỗ trợ ban quản trị, tổ chức tín dụng và nhà đầu tư nhận diện sớm rủi ro. Mặc dù các mô hình dự báo kiệt quệ tài chính đã phát triển mạnh mẽ trên thế giới (Altman, 1968; Ohlson, 1980; Tinoco & Wilson, 2013), phần lớn các nghiên cứu tại Việt Nam trước đây mới tiếp cận trên mẫu tổng thể đa ngành, chưa phản ánh đầy đủ đặc thù thâm dụng vốn và vòng quay tài sản dài của nhóm doanh nghiệp BĐS.
Mục tiêu nghiên cứu:
- Mục tiêu tổng quát: Xác định các nhân tố ảnh hưởng đến khả năng kiệt quệ tài chính của các doanh nghiệp BĐS niêm yết trên thị trường chứng khoán Việt Nam, từ đó đề xuất các hàm ý chính sách nhằm giảm thiểu rủi ro tài chính cho nhóm doanh nghiệp này.
- Mục tiêu cụ thể:
- Tìm ra các nhân tố tác động đến khả năng kiệt quệ tài chính của các doanh nghiệp.
- Đo lường mức độ và chiều hướng tác động của các nhân tố ảnh hưởng đến khả năng kiệt quệ tài chính của các doanh nghiệp.
- Đề xuất hàm ý chính sách liên quan để giảm thiểu rủi ro kiệt quệ tài chính của các doanh nghiệp.
Câu hỏi nghiên cứu:
- Nhân tố nào tác động đến khả năng kiệt quệ tài chính của các doanh nghiệp?
- Các nhân tố đó tác động như thế nào đến khả năng kiệt quệ tài chính của các doanh nghiệp?
- Hàm ý chính sách nào làm giảm rủi ro kiệt quệ tài chính của các doanh nghiệp?
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Khả năng kiệt quệ tài chính và các nhân tố tác động đến khả năng kiệt quệ tài chính của doanh nghiệp BĐS niêm yết trên thị trường chứng khoán Việt Nam.
- Phạm vi nội dung: Các biến số tài chính vi mô bên trong doanh nghiệp kết hợp với biến số kinh tế vĩ mô và biến số thị trường chứng khoán.
- Phạm vi thời gian: Giai đoạn 11 năm, từ năm 2012 đến năm 2022.
- Phạm vi không gian: 76 doanh nghiệp BĐS niêm yết trên hai Sở Giao dịch Chứng khoán HOSE và HNX thỏa mãn chuẩn phân loại ngành ICB (được trích xuất từ tổng số 79 doanh nghiệp theo hệ thống FiinPro do 3 doanh nghiệp thiếu dữ liệu). Tổng giá trị vốn hóa của 76 doanh nghiệp này đạt gần 1 triệu tỷ đồng, chiếm hơn 55% tổng vốn hóa toàn ngành BĐS tại Việt Nam (ước tính 1,7 - 1,8 triệu tỷ đồng theo Bộ Xây dựng, 2022).
Cơ sở lý thuyết và phương pháp
Khóa luận thiết lập nền tảng phân tích dựa trên ba lý thuyết tài chính doanh nghiệp kinh điển cùng các mô hình cảnh báo rủi ro thực nghiệm:
- Lý thuyết trật tự phân hạng (Pecking Order Theory) và Đánh đổi cấu trúc vốn (Myers & Majluf, 1984; Myers, 1984): Giải thích sự đánh đổi giữa lợi ích của lá chắn thuế từ nợ vay và hiện giá của chi phí kiệt quệ tài chính. Khi doanh nghiệp gia tăng đòn bẩy vượt ngưỡng tối ưu, chi phí kiệt quệ tài chính sẽ tăng vọt làm sụt giảm giá trị doanh nghiệp.
- Lý thuyết chi phí đại diện (Agency Cost Theory - Jensen & Meckling, 1976): Phân tích xung đột lợi ích giữa cổ đông, nhà quản lý và chủ nợ phát sinh từ sự bất đối xứng thông tin, dẫn đến sự lãng phí nguồn lực và gia tăng nguy cơ mất cân đối dòng tiền.
- Lý thuyết tín hiệu (Signaling Theory - Miller & Rock, 1985): Lý giải việc biến động giá cổ phiếu và các quyết định tài trợ của doanh nghiệp phát đi tín hiệu trực tiếp về "sức khỏe" tài chính và triển vọng kinh doanh ra thị trường.
- Các mô hình đo lường tham chiếu: Mô hình phân tích phân biệt đa biến Z-Score (Altman, 1968, 1977, 2005), mô hình X-Score (Zmijewski, 1984) và phương pháp xác định kiệt quệ tài chính thông qua chỉ số tài chính của Andrade & Kaplan (1998) cùng Kholisoh & Dwiarti (2020).
Phương pháp nghiên cứu:
Nghiên cứu kết hợp phương pháp định tính (tổng thuật lý thuyết, phân tích tổng hợp các bằng chứng thực nghiệm để thiết kế khung biến số) và phương pháp định lượng (thống kê mô tả, kiểm định tương quan, kiểm định đa cộng tuyến VIF và hồi quy Logistic nhị phân). Mô hình Logit được sử dụng để ước lượng xác suất xảy ra kiệt quệ tài chính ($P(FD=1)$):
$$\log\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 TLTA + \beta_2 WCTA + \beta_3 ICFTL + \beta_4 TART + \beta_5 RETL + \beta_6 IF + \beta_7 GPRICE + \varepsilon_t$$
Trong đó, tiêu chí phân loại biến phụ thuộc nhị phân $FD$ được xác định: $FD = 1$ (doanh nghiệp kiệt quệ tài chính) khi tại năm quan sát thỏa mãn ít nhất một trong hai điều kiện: (1) Lợi nhuận trước lãi vay, thuế và khấu hao (EBITDA) nhỏ hơn chi phí lãi vay; (2) Thu nhập trên mỗi cổ phần (EPS) mang giá trị âm liên tiếp trong ít nhất 2 năm. Ngược lại, $FD = 0$ (doanh nghiệp không kiệt quệ tài chính).
Nguồn dữ liệu:
- Dữ liệu tài chính và giá cổ phiếu: Thu thập từ báo cáo tài chính kiểm toán hàng năm của 76 doanh nghiệp BĐS thông qua hệ thống cơ sở dữ liệu FiinPro của Công ty Cổ phần StoxPlus.
- Dữ liệu kinh tế vĩ mô: Tỷ lệ lạm phát trung bình năm (chỉ số CPI) công bố bởi Tổng cục Thống kê Việt Nam.
- Tổng quy mô mẫu: 620 quan sát dạng bảng không cân bằng (unbalanced panel data) trong giai đoạn 2012–2022.
Nội dung chính theo từng chương
Chương 1. Tính cấp thiết của đề tài
Chương 1 mở đầu bằng việc phân tích vị thế của ngành BĐS trong nền kinh tế Việt Nam thông qua các chỉ số lan tỏa sản xuất và tạo việc làm. Tác giả chỉ ra các áp lực thanh khoản thực tế trong giai đoạn 2022–2023 dẫn đến sự gia tăng đột biến của các ca kiệt quệ tài chính trong ngành. Chương này xác định rõ 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, đối tượng nghiên cứu, phạm vi không gian (76 công ty niêm yết) và thời gian (2012–2022), đồng thời khẳng định ý nghĩa khoa học và thực tiễn của đề tài.
Chương 2. Cơ sở lý thuyết và tổng quan nghiên cứu về kiệt quệ tài chính
Chương 2 làm rõ sự khác biệt mang tính bản chất giữa "kiệt quệ tài chính" (trạng thái suy giảm thanh khoản, mất cân đối dòng tiền) và "phá sản" (kết quả pháp lý cuối cùng của quá trình kiệt quệ). Tác giả hệ thống hóa các lý thuyết nền tảng (trật tự phân hạng, chi phí đại diện, lý thuyết tín hiệu) và lược khảo các mô hình cảnh báo kinh điển như Z-Score, Z'-Score, Z''-Score của Altman và X-Score của Zmijewski. Tiếp đó, chương tổng quan các nghiên cứu thực nghiệm trong nước (Phù Kim Yến & Nguyễn Mạnh Hiệp, 2014; Nguyễn Đình Thi, 2016; Nguyễn Văn Thép & Tạ Văn Dũng, 2017; Nguyễn Thị Nga, 2018; Lê Hoàng Vinh và cộng sự, 2019; Võ Minh Long, 2020) và nghiên cứu quốc tế (Beaver, 1966; Altman, 1968; Ohlson, 1980; Wruck, 1990; Tinoco & Wilson, 2013; Utami & Kartika, 2019; Adiyanto, 2021). Từ đó, tác giả xác định khoảng trống nghiên cứu và thiết lập khung phân tích gồm 3 nhóm nhân tố: tài chính vi mô, vĩ mô và thị trường.
Chương 3. Phương pháp nghiên cứu
Chương 3 trình bày quy trình nghiên cứu khoa học gồm 8 bước từ xác định mục tiêu đến thảo luận kết quả. Tác giả thiết lập mô hình Logit 7 biến độc lập, định nghĩa công thức đo lường và đưa ra 7 giả thuyết nghiên cứu ($H_1$ đến $H_7$). Chương này cũng mô tả các công cụ kiểm định độ phù hợp của mô hình phân loại: ma trận nhầm lẫn (Confusion Matrix), độ nhạy (Sensitivity), độ đặc hiệu (Specificity), đường cong ROC và diện tích dưới đường cong (AUC), chỉ số kiểm định Pearson Chi-Square Goodness-of-fit, hệ số xác định Pseudo $R^2$, tiêu chuẩn AIC và BIC.
Chương 4. Kết quả nghiên cứu và thảo luận
Chương 4 công bố kết quả xử lý dữ liệu của 620 quan sát. Thống kê mô tả cho thấy mẫu có 35 quan sát kiệt quệ tài chính (chiếm 5,65%) và 585 quan sát an toàn (chiếm 94,35%). Ma trận tương quan và kiểm định nhân tử phóng đại phương sai cho thấy hệ số tương quan cao nhất là giữa WCTA và TLTA ($r = 0,1743$), tất cả các hệ số VIF đều dưới 1,5, loại trừ hoàn toàn hiện tượng đa cộng tuyến. Kết quả ước lượng hồi quy Logit cho thấy toàn bộ 7 biến độc lập đều có ý nghĩa thống kê ở mức 10%. Các chỉ số kiểm định độ phù hợp khẳng định mô hình đạt độ tin cậy cao: kiểm định Goodness-of-fit có Prob > chi2 > 0,05, Pseudo $R^2 = 0,2734$, chỉ số AUC đạt 0,8617, độ đặc hiệu đạt 99,00% và tỷ lệ dự báo chính xác tổng thể đạt 95,00%.
Chương 5. Kết luận và hàm ý chính sách
Chương 5 tóm tắt các phát hiện thực nghiệm cốt lõi, đối chiếu với các giả thuyết ban đầu. Dựa trên dấu và mức độ tác động của các hệ số hồi quy, tác giả xây dựng hệ thống hàm ý quản trị dành cho ban lãnh đạo doanh nghiệp BĐS, các ngân hàng thương mại/chủ nợ và nhà đầu tư cá nhân lẫn tổ chức trên thị trường chứng khoán. Chương kết thúc bằng việc chỉ rõ các giới hạn về dữ liệu và đề xuất hướng mở rộng nghiên cứu trong tương lai.
Kết quả và đóng góp
Kết quả nghiên cứu thực nghiệm
Phân tích hồi quy mô hình Logit trên mẫu 620 quan sát của 76 doanh nghiệp BĐS Việt Nam (2012–2022) đem lại kết quả cụ thể như sau:
| Tên biến |
Ký hiệu |
Hệ số ước lượng ($\beta$) |
Mức ý nghĩa thống kê ($p$-value) |
Chiều hướng tác động đến $FD$ |
Kết quả kiểm định giả thuyết |
| Hằng số |
Constant |
-1,2734 |
$< 0,10$ |
|
|
| Tổng nợ / Tổng tài sản |
TLTA |
Âm ($-$) |
$< 0,10$ |
Ngược chiều |
Chấp nhận $H_1$ |
| Vốn lưu động / Tổng tài sản |
WCTA |
Âm ($-$) |
$< 0,10$ |
Ngược chiều |
Chấp nhận $H_2$ |
| Dòng tiền đầu tư / Tổng nợ |
ICFTL |
Dương ($+$) |
$< 0,10$ |
Cùng chiều |
Chấp nhận $H_3$ |
| Vòng quay tổng tài sản |
TART |
Âm ($-$) |
$< 0,10$ |
Ngược chiều |
Chấp nhận $H_4$ |
| Lợi nhuận chưa phân phối / Tổng nợ |
RETL |
Âm ($-$) |
$< 0,10$ |
Ngược chiều |
Chấp nhận $H_5$ |
| Tỷ lệ lạm phát |
IF |
Dương ($+$) |
$< 0,10$ |
Cùng chiều |
Chấp nhận $H_6$ |
| Tăng trưởng giá cổ phiếu hàng năm |
GPRICE |
Âm ($-$) |
$< 0,10$ |
Ngược chiều |
Chấp nhận $H_7$ |
Các thông số kỹ thuật kiểm định mô hình:
- Pearson Chi-Square: 508,8617 (mô hình phù hợp tốt với dữ liệu thực tế).
- Pseudo $R^2$: 0,2734 (các biến giải thích được 27,34% sự biến thiên của biến phụ thuộc).
- Chỉ số AUC (Area Under the Curve): 0,8617 (nằm ở mức cao, khẳng định khả năng phân loại và phân biệt rủi ro kiệt quệ tài chính vượt trội).
- Độ đặc hiệu (Specificity): 99,00% (nhận diện chính xác gần như tuyệt đối nhóm doanh nghiệp an toàn).
- Độ chính xác dự báo tổng thể (Overall Accuracy): Đạt 95,00% trên toàn bộ mẫu nghiên cứu.
Hàm ý chính sách và giải pháp đề xuất
- Quản trị đòn bẩy và tái cấu trúc nợ: Đối với đặc thù doanh nghiệp BĐS, tỷ lệ nợ cao cần đi kèm với năng lực triển khai dự án khả thi để tạo thanh khoản. Ban điều hành cần cân đối kỳ hạn nợ vay tương thích với chu kỳ thu tiền của dự án, tránh mất cân đối kỳ hạn.
- Duy trì tỷ lệ vốn lưu động (WCTA) lành mạnh: Đảm bảo tài sản ngắn hạn đủ bù đắp nợ ngắn hạn, chủ động dự phòng quỹ tiền mặt để chi trả các nghĩa vụ tài chính đến hạn trong giai đoạn thanh khoản thị trường suy giảm.
- Kiểm soát dòng tiền hoạt động đầu tư (ICFTL): Giá trị trung bình biến ICFTL của nhóm kiệt quệ mang dấu dương cho thấy việc cắt giảm hoặc thiếu hụt đầu tư tài sản dài hạn phản ánh sự bế tắc kinh doanh; doanh nghiệp cần thẩm định chặt chẽ hiệu quả các dự án đầu tư mới, tránh dàn trải nguồn lực.
- Tối ưu hóa hiệu suất tài sản (TART) và tích lũy lợi nhuận (RETL): Đẩy nhanh tiến độ hoàn thiện pháp lý và xây dựng để giải phóng hàng tồn kho, tăng vòng quay tài sản; thực hiện chính sách tái tích lũy lợi nhuận chưa phân phối nhằm củng cố lớp đệm vốn chủ sở hữu chống đỡ rủi ro.
- Theo dõi biến động vĩ mô và tín hiệu giá cổ phiếu: Lập kế hoạch tài chính linh hoạt trước rủi ro lạm phát (IF) gia tăng và sử dụng biến động giá cổ phiếu (GPRICE) như một chỉ báo thị trường sớm về trạng thái kiệt quệ tài chính.
Đóng góp của đề tài
- Đóng góp về mặt khoa học: Bổ sung bằng chứng thực nghiệm chuyên sâu về tác động đa chiều của các biến số tài chính, vĩ mô và thị trường đến xác suất kiệt quệ tài chính trong một ngành kinh tế thâm dụng vốn đặc thù tại thị trường mới nổi như Việt Nam.
- Đóng góp về mặt thực tiễn: Cung cấp mô hình định lượng Logit đạt độ chính xác 95%, đóng vai trò như một công cụ cảnh báo sớm hữu ích cho ban quản trị doanh nghiệp, tổ chức tín dụng thẩm định cho vay và các nhà đầu tư quản trị rủi ro danh mục cổ phiếu BĐS.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận ghi nhận một số hạn chế dựa trên phạm vi nghiên cứu:
- Mẫu nghiên cứu: Chỉ giới hạn trong phạm vi 76 doanh nghiệp BĐS niêm yết trên sàn chứng khoán (HOSE và HNX), chưa bao quát được khối lượng lớn các doanh nghiệp BĐS chưa niêm yết vốn có mức độ minh bạch thông tin thấp hơn và rủi ro tài chính tiềm ẩn cao hơn.
- Khung biến số: Mô hình tập trung vào 7 biến số tài chính, vĩ mô và thị trường; chưa tích hợp các biến số phi tài chính như đặc điểm quản trị công ty (quy mô hội đồng quản trị, cấu trúc sở hữu, tính độc lập của ban kiểm soát) hoặc chất lượng đơn vị kiểm toán.
- Khoảng thời gian nghiên cứu: Dữ liệu kết thúc ở năm 2022, chưa phản ánh toàn diện các tác động chính sách và biến động thị trường trong giai đoạn tái cấu trúc mạnh mẽ từ năm 2023 trở đi.
Hướng nghiên cứu tiếp theo: Mở rộng tập dữ liệu sang các công ty đại chúng chưa niêm yết, tích hợp thêm các yếu tố quản trị công ty và ứng dụng các thuật toán máy học (Machine Learning) để so sánh hiệu quả dự báo với mô hình Logit truyền thống.
Giá trị tham khảo
Tài liệu là nguồn tham khảo học thuật hữu ích cho:
- Sinh viên và học viên cao học ngành Tài chính – Ngân hàng, Kế toán, Kinh tế học: Cung cấp phương pháp luận chuẩn mực về quy trình hồi quy Logit nhị phân, kỹ thuật xử lý dữ liệu bảng không cân bằng, cách thiết lập biến phụ thuộc kiệt quệ tài chính theo chuẩn mực quốc tế kết hợp thực tiễn Việt Nam.
- Chuyên viên phân tích tín dụng và quản trị rủi ro tại các ngân hàng thương mại: Tham khảo bộ chỉ số cảnh báo rủi ro ($TLTA, WCTA, TART, RETL, ICFTL$) và ngưỡng phân loại xác suất kiệt quệ để thẩm định hạn mức tín dụng cho các chủ đầu tư BĐS.
- Chuyên viên phân tích đầu tư và ban điều hành doanh nghiệp BĐS: Ứng dụng mô hình đánh giá sức khỏe tài chính nội bộ, nhận diện sớm các điểm nghẽn thanh khoản để tái cấu trúc dòng tiền kịp thời.
Câu hỏi thường gặp
1. Khóa luận định nghĩa và phân loại một doanh nghiệp BĐS rơi vào trạng thái kiệt quệ tài chính ($FD = 1$) dựa trên những tiêu chí cụ thể nào?
Biến phụ thuộc $FD$ là biến nhị phân được xác định dựa trên nghiên cứu của Andrade & Kaplan (1998) và Kholisoh & Dwiarti (2020). Một doanh nghiệp bị phân loại là kiệt quệ tài chính ($FD = 1$) tại năm quan sát khi thỏa mãn ít nhất một trong hai tiêu chí: (1) Lợi nhuận trước lãi vay, thuế và khấu hao (EBITDA) nhỏ hơn chi phí lãi vay trong năm; hoặc (2) Lợi nhuận trên mỗi cổ phần (EPS) mang giá trị âm liên tiếp trong ít nhất 2 năm.
2. Tại sao tỷ lệ tổng nợ trên tổng tài sản (TLTA) lại có tác động ngược chiều với khả năng kiệt quệ tài chính của doanh nghiệp BĐS trong nghiên cứu này?
Kết quả hồi quy cho thấy hệ số của biến TLTA mang dấu âm, đồng thuận với nghiên cứu của Kholisoh & Dwiarti (2020) trên ngành BĐS. Trong ngành BĐS, việc tiếp cận và duy trì được tỷ lệ nợ vay cao thường là tín hiệu cho thấy doanh nghiệp có uy tín tín dụng tốt, sở hữu các dự án khả thi được ngân hàng và thị trường chấp thuận tài trợ vốn để mở rộng quy mô, do đó xác suất kiệt quệ tài chính trong giai đoạn khảo sát lại thấp hơn nhóm doanh nghiệp không tiếp cận được nguồn vốn vay.
3. Mẫu dữ liệu nghiên cứu được thu thập từ nguồn nào và cơ cấu quan sát phân bổ ra sao?
Dữ liệu được trích xuất từ hệ thống FiinPro (StoxPlus) và Tổng cục Thống kê trên 76 doanh nghiệp BĐS niêm yết tại Việt Nam trong giai đoạn 2012–2022. Mẫu nghiên cứu gồm tổng cộng 620 quan sát theo năm, trong đó có 35 quan sát thuộc nhóm kiệt quệ tài chính (chiếm tỷ lệ 5,65%) và 585 quan sát thuộc nhóm an toàn tài chính (chiếm tỷ lệ 94,35%).
4. Mô hình hồi quy Logit trong đề tài đạt được các chỉ số đo lường hiệu suất dự báo kỹ thuật nào?
Mô hình đạt độ chính xác dự báo tổng thể lên tới 95,00% thông qua ma trận nhầm lẫn, với độ đặc hiệu (Specificity) đạt 99,00%. Hệ số Pseudo $R^2$ đạt 0,2734, kiểm định Pearson Chi-Square đạt 508,8617 (thỏa mãn Prob > chi2 > 0,05) và diện tích dưới đường cong ROC (AUC) đạt mức 0,8617, chứng minh mô hình có năng lực phân biệt và dự báo rủi ro kiệt quệ tài chính rất tốt.
5. Những yếu tố vĩ mô và thị trường nào được đưa vào mô hình và chiều hướng tác động của chúng là gì?
Mô hình đưa vào 2 biến đại diện: biến vĩ mô là tỷ lệ lạm phát trung bình năm ($IF$) và biến thị trường là tỷ lệ tăng trưởng giá cổ phiếu ($GPRICE$). Kết quả thực nghiệm chỉ ra rằng lạm phát ($IF$) tác động cùng chiều làm tăng nguy cơ kiệt quệ tài chính do áp lực chi phí đầu vào và lãi suất vay tăng; ngược lại, tăng trưởng giá cổ phiếu ($GPRICE$) tác động ngược chiều, đóng vai trò là chỉ báo thị trường phản ánh triển vọng kinh doanh tích cực của doanh nghiệp.
Kết luận
Khóa luận của tác giả Huỳnh Tấn Lộc đã xây dựng thành công mô hình hồi quy Logit dự báo khả năng kiệt quệ tài chính chuyên biệt cho ngành Bất động sản tại Việt Nam giai đoạn 2012–2022 với độ chính xác tổng thể đạt 95%. Nghiên cứu chứng minh thực nghiệm rằng các yếu tố $TLTA, WCTA, TART, RETL, GPRICE$ có tác động làm giảm xác suất kiệt quệ tài chính, trong khi lạm phát ($IF$) và tỷ lệ dòng tiền đầu tư trên nợ ($ICFTL$) làm gia tăng rủi ro này. Kết quả nghiên cứu cung cấp cơ sở định lượng tin cậy giúp các nhà quản trị doanh nghiệp, ngân hàng thương mại và nhà đầu tư nâng cao hiệu quả nhận diện, kiểm soát rủi ro thanh khoản trong lĩnh vực bất động sản.
