Các yếu tố ảnh hưởng đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản niêm yết trên thị trường chứng khoán việt nam khóa luận tốt nghiệp đại học

Khóa luận phân tích các yếu tố ảnh hưởng đến khả năng kiệt quệ tài chính của doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam.

• Tác giả: Phạm Thanh Danh
• Người hướng dẫn: TS. Hồ Công Hưởng
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Các Yếu Tố Ảnh Hưởng Đến Khả Năng Kiệt Quệ Tài Chính Doanh Nghiệp Bất Động Sản Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu tổng quát
• 1.2.2. Mục tiêu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Đóng góp của nghiên cứu
• 1.7. Bố cục đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC CÓ LIÊN QUAN
• 2.1. Quan điểm về kiệt quệ tài chính
• 2.2. Cơ sở lý thuyết liên quan
• 2.3. Lý thuyết truyền thống về cơ cấu vốn
• 2.4. Lý thuyết về Cơ cấu nguồn vốn của Modigliani và Miller
• 2.5. Lý thuyết Đánh đổi cấu trúc vốn
• 2.6. Lý thuyết Trật tự phân hạng
• 2.7. Các nghiên cứu thực nghiệm
• 2.7.1. Các nghiên cứu trên thế giới
• 2.7.2. Các nghiên cứu tại Việt Nam
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Quy trình nghiên cứu
• 3.2. Giả thuyết nghiên cứu
• 3.3. Yếu tố nội tại doanh nghiệp
• 3.4. Yếu tố thị trường
• 3.5. Yếu tố vĩ mô
• 3.6. Mô hình nghiên cứu
• 3.6.1. Mô hình nghiên cứu cụ thể
• 3.7. Biến độc lập
• 3.8. Biến phụ thuộc
• 3.9. Dữ liệu nghiên cứu
• 3.9.1. Nguồn dữ liệu
• 3.10. Kiểm tra và xử lý dữ liệu
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 4.1. Kết quả nghiên cứu
• 4.2. Thống kê mô tả
• 4.3. Ma trận tương quan
• 4.4. Phân tích mô hình hồi quy
• 4.5. Thảo luận kết quả nghiên cứu
• 4.6. Tác động của quy mô doanh nghiệp (SIZE) đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản
• 4.7. Tác động của đòn bẩy tài chính (LEV) đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản
• 4.8. Tác động của tỷ suất sinh lời trên tổng tài sản (ROA) đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản
• 4.9. Tác động của tỷ lệ vốn lưu động trên tổng tài sản (WCTA) đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản
• 4.10. Tác động của giá cổ phiếu (PRICE) đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản
• 4.11. Tác động của tỷ lệ lạm phát (IR) đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
• 5.1. Hàm ý chính sách
• 5.2. Những hạn chế của nghiên cứu
• 5.3. Hướng nghiên cứu trong tương lai
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC BẢNG

Tóm tắt

I. Tổng Quan Về Các Yếu Tố Ảnh Hưởng Đến Khả Năng Kiệt Quệ Tài Chính

Khả năng kiệt quệ tài chính là một vấn đề nghiêm trọng đối với các doanh nghiệp, đặc biệt là trong ngành bất động sản. Ngành này không chỉ đóng góp lớn vào GDP mà còn chịu ảnh hưởng mạnh mẽ từ các yếu tố kinh tế vĩ mô. Việc hiểu rõ các yếu tố này giúp các nhà quản lý và nhà đầu tư có cái nhìn tổng quan hơn về tình hình tài chính của doanh nghiệp.

1.1. Định Nghĩa Khả Năng Kiệt Quệ Tài Chính

Khả năng kiệt quệ tài chính được định nghĩa là tình trạng mà doanh nghiệp không còn khả năng thanh toán các nghĩa vụ tài chính. Theo Wruck (1990), điều này xảy ra khi doanh nghiệp không thể chi trả nợ và chi phí hoạt động.

1.2. Tầm Quan Trọng Của Ngành Bất Động Sản

Ngành bất động sản đóng vai trò quan trọng trong nền kinh tế Việt Nam, chiếm khoảng 3,5% GDP. Sự phát triển của ngành này không chỉ tạo ra việc làm mà còn ảnh hưởng đến nhiều lĩnh vực khác.

II. Các Vấn Đề Chính Gây Ra Khả Năng Kiệt Quệ Tài Chính

Nhiều yếu tố có thể dẫn đến khả năng kiệt quệ tài chính của doanh nghiệp bất động sản. Những yếu tố này không chỉ đến từ nội tại doanh nghiệp mà còn từ môi trường kinh tế bên ngoài.

2.1. Tác Động Của Lãi Suất Đến Doanh Nghiệp

Lãi suất cao có thể làm tăng chi phí vay mượn, ảnh hưởng đến khả năng thanh toán của doanh nghiệp. Tình hình này đặc biệt nghiêm trọng trong bối cảnh lãi suất biến động mạnh.

2.2. Rủi Ro Từ Thị Trường Bất Động Sản

Thị trường bất động sản có tính biến động cao, và sự sụt giảm giá bất động sản có thể dẫn đến tình trạng kiệt quệ tài chính. Doanh nghiệp cần có chiến lược quản lý rủi ro hiệu quả.

III. Phương Pháp Đánh Giá Khả Năng Kiệt Quệ Tài Chính

Để đánh giá khả năng kiệt quệ tài chính, các nhà nghiên cứu thường sử dụng các mô hình hồi quy và phân tích dữ liệu tài chính. Những phương pháp này giúp xác định các yếu tố ảnh hưởng đến tình trạng tài chính của doanh nghiệp.

3.1. Mô Hình Hồi Quy Logistic

Mô hình hồi quy Logistic được sử dụng để phân tích các yếu tố nội tại như quy mô doanh nghiệp, đòn bẩy tài chính và tỷ suất sinh lời. Mô hình này giúp dự đoán khả năng kiệt quệ tài chính.

3.2. Phân Tích Dữ Liệu Tài Chính

Phân tích dữ liệu tài chính từ các báo cáo tài chính giúp xác định các chỉ số quan trọng như tỷ lệ nợ, tỷ suất sinh lời và khả năng thanh toán. Những chỉ số này là cơ sở để đánh giá tình hình tài chính.

IV. Ứng Dụng Thực Tiễn Của Nghiên Cứu Về Khả Năng Kiệt Quệ Tài Chính

Kết quả nghiên cứu về khả năng kiệt quệ tài chính có thể được áp dụng trong thực tiễn để giúp doanh nghiệp đưa ra các quyết định tài chính hợp lý. Những thông tin này cũng hữu ích cho các nhà đầu tư.

4.1. Chiến Lược Quản Lý Tài Chính

Doanh nghiệp cần xây dựng các chiến lược quản lý tài chính hiệu quả để giảm thiểu rủi ro kiệt quệ tài chính. Việc này bao gồm việc tối ưu hóa cấu trúc vốn và quản lý dòng tiền.

4.2. Đánh Giá Hiệu Quả Tài Chính

Đánh giá hiệu quả tài chính giúp doanh nghiệp nhận diện sớm các dấu hiệu kiệt quệ tài chính. Điều này cho phép doanh nghiệp có biện pháp can thiệp kịp thời.

V. Kết Luận Về Khả Năng Kiệt Quệ Tài Chính Trong Ngành Bất Động Sản

Khả năng kiệt quệ tài chính là một vấn đề phức tạp và cần được nghiên cứu kỹ lưỡng. Các doanh nghiệp bất động sản cần nhận thức rõ về các yếu tố ảnh hưởng để có thể tồn tại và phát triển bền vững.

5.1. Tương Lai Của Ngành Bất Động Sản

Ngành bất động sản Việt Nam có tiềm năng phát triển lớn, nhưng cũng đối mặt với nhiều thách thức. Doanh nghiệp cần chuẩn bị sẵn sàng để ứng phó với các biến động.

5.2. Khuyến Nghị Chính Sách

Cần có các chính sách hỗ trợ từ chính phủ để giúp doanh nghiệp bất động sản vượt qua khó khăn tài chính. Những chính sách này có thể bao gồm giảm thuế và hỗ trợ tài chính.

Nội dung chính

Giới thiệu dự án

Thị trường bất động sản (BĐS) giữ vai trò huyết mạch trong nền kinh tế Việt Nam khi đóng góp khoảng 3,5% GDP cả nước (Tổng cục Thống kê, 2022) và chiếm hơn 10% tổng giá trị vốn hóa toàn thị trường chứng khoán với hơn 80 doanh nghiệp niêm yết (Ủy ban Chứng khoán Nhà nước, 2023). Tuy nhiên, đặc thù thâm dụng vốn lớn, chu kỳ kinh doanh kéo dài từ 3–5 năm cùng đòn bẩy nợ cao khiến nhóm doanh nghiệp này đặc biệt nhạy cảm trước các cú sốc kinh tế vĩ mô như biến động lãi suất, siết chặt tín dụng trái phiếu doanh nghiệp và lạm phát. Giai đoạn 2019–2023 chứng kiến làn sóng đóng băng thanh khoản, dẫn đến tình trạng kiệt quệ tài chính (Financial Distress) diện rộng, đẩy nhiều doanh nghiệp vào nguy cơ tái cơ cấu nợ bắt buộc hoặc đình chỉ giao dịch.

+---------------------------------------------------------------------------------------------------+
|                                  BỐI CẢNH VÀ THỰC TRẠNG NGHIÊN CỨU                                |
+------------------------------------+--------------------------------------------------------------+
| Đóng góp GDP (BĐS): 3,5%           | Số doanh nghiệp niêm yết: >80 DN (>10% vốn hóa thị trường)   |
| Mẫu nghiên cứu: 66 DN (HOSE & HNX) | Chuỗi dữ liệu: 10 năm (2014 - 2023) | Tổng số: 660 quan sát  |
+------------------------------------+--------------------------------------------------------------+

Vấn đề cốt lõi đặt ra là các phương pháp thẩm định tín dụng truyền thống thường phản ứng chậm và thiếu khả năng lượng hóa xác suất kiệt quệ tài chính trước khi doanh nghiệp rơi vào phá sản pháp lý. Đề tài khóa luận "Các yếu tố ảnh hưởng đến khả năng kiệt quệ tài chính của các doanh nghiệp ngành bất động sản niêm yết trên thị trường chứng khoán Việt Nam" do sinh viên Phạm Thanh Danh thực hiện dưới sự hướng dẫn khoa học của TS. Hồ Công Hưởng tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB) giải quyết bài toán cấp thiết này.

Mục tiêu cụ thể của dự án nghiên cứu:

1. Xác định và đo lường mức độ tác động của 6 biến tài chính - vĩ mô trọng yếu đến nguy cơ kiệt quệ tài chính.
2. Xây dựng mô hình định lượng phân loại nhị phân dựa trên chỉ số Springate S-Score kết hợp hồi quy Logistic dữ liệu bảng (Panel Logit).
3. Đánh giá tính tối ưu giữa mô hình tác động cố định (Fixed Effects Model - FEM) và mô hình tác động ngẫu nhiên (Random Effects Model - REM).
4. Đề xuất hệ thống khuyến nghị quản trị vốn lưu động, kiểm soát cấu trúc vốn và cảnh báo rủi ro thanh khoản cho doanh nghiệp BĐS.

Kết quả kỳ vọng bao gồm việc lượng hóa chính xác mối quan hệ phi tuyến giữa các yếu tố nội tại/thị trường với xác suất kiệt quệ tài chính, đạt tỷ lệ dự báo chính xác trên 90% trên tập dữ liệu bảng cân bằng gồm 660 quan sát (66 doanh nghiệp trong 10 năm liên tục từ 2014 đến 2023). Phạm vi nghiên cứu giới hạn ở các công ty BĐS niêm yết minh bạch trên sàn HOSE và HNX, loại bỏ các doanh nghiệp thuộc diện kiểm soát đặc biệt hoặc thiếu hụt dữ liệu báo cáo tài chính kiểm toán.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình dự báo kiệt quệ tài chính hiện nay trên thị trường Việt Nam bộc lộ nhiều điểm nghẽn khi áp dụng vào lĩnh vực bất động sản:

Tiêu chí so sánh	Mô hình Altman Z-Score (1968)	Mô hình AdaBoost (Huỳnh Thị Cẩm Hà, 2017)	Giải pháp Panel Logit kết hợp Springate S-Score (Đề tài)
Đặc thù ngành	Tổng quát cho sản xuất chế biến	Mẫu đa ngành (664 DN tổng hợp)	Tối ưu chuyên biệt cho chu kỳ tài chính BĐS Việt Nam
Cấu trúc dữ liệu	Dữ liệu chéo (Cross-sectional)	Dữ liệu chéo phân lớp máy học	Dữ liệu bảng 10 năm cân bằng ($T=10, N=66$)
Tính giải thích	Điểm số tuyến tính cố định	Hộp đen (Black-box Machine Learning)	Hệ số Odds Ratio rõ ràng, giải thích xác suất trực tiếp
Độ nhạy vĩ mô	Hoàn toàn bỏ qua yếu tố kinh tế vĩ mô	Chỉ tập trung vào cấu trúc vốn	Tích hợp lạm phát (CPI) và giá thị trường (PRICE)

Theo phân loại yêu cầu nghiệp vụ (MoSCoW):

• Must-have (Bắt buộc): Chuẩn hóa nhãn nhị phân kiệt quệ tài chính thông qua ngưỡng Springate $S < 0.862$; kiểm định đa cộng tuyến (VIF) và tương quan ma trận Pearson.
• Should-have (Cần có): Lựa chọn mô hình tối ưu qua kiểm định Hausman Test và Wald Test; xác định hướng tác động của cấu trúc nợ (LEV) và vốn lưu động ròng (WCTA).
• Could-have (Có thể mở rộng): Tích hợp biến trễ chu kỳ kinh tế vĩ mô và chỉ số giá cổ phiếu điều chỉnh.
• Won't-have (Không thực hiện): Phân tích dữ liệu phi cấu trúc từ thuyết minh báo cáo tài chính hoặc mạng xã hội.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và kiểm định kinh tế lượng được thiết kế thành pipeline 5 giai đoạn:

Công nghệ và công cụ sử dụng:

• Stata 15.0 SE: Engine tính toán kinh tế lượng chính, thực hiện ước lượng Maximum Likelihood Estimation (MLE) cho Panel Logit.
• Python 3.10 (Pandas 2.0, Statsmodels 0.14, Scikit-learn 1.3): Xử lý làm sạch dữ liệu, kiểm định phân phối và ma trận nhầm lẫn (Confusion Matrix).
• Microsoft Excel 365: Tổng hợp dữ liệu thô, chuẩn hóa số liệu từ 660 báo cáo tài chính kiểm toán.

Cấu trúc lược đồ dữ liệu bảng (Data Schema):

Panel Dataset Schema (Balanced Panel N=66, T=10, Total=660 observations):
+--------------+-----------+-------------------------------------------------------------+
| Field Name   | Data Type | Description & Formula                                       |
+--------------+-----------+-------------------------------------------------------------+
| FIRM_ID      | Integer   | Mã định danh duy nhất của doanh nghiệp BĐS (1 đến 66)       |
| YEAR         | Integer   | Năm tài chính (2014 đến 2023)                               |
| FD           | Binary    | Biến phụ thuộc: 1 nếu S-Score < 0.862; 0 nếu ngược lại     |
| SIZE         | Float     | Quy mô: ln(Tổng tài sản)                                    |
| LEV          | Float     | Đòn bẩy tài chính: Tổng nợ phải trả / Tổng tài sản          |
| ROA          | Float     | Tỷ suất sinh lời: Lợi nhuận sau thuế / Tổng tài sản         |
| WCTA         | Float     | Tỷ lệ vốn lưu động ròng: (Tài sản ngắn hạn - Nợ NH)/Tổng TS |
| PRICE        | Float     | Giá thị trường: ln(Giá đóng cửa phiên cuối năm)             |
| IR           | Float     | Lạm phát vĩ mô: Chỉ số giá tiêu dùng CPI thường niên        |
+--------------+-----------+-------------------------------------------------------------+

Methodology

Quy trình nghiên cứu định lượng tuân thủ nghiêm ngặt chuẩn mực kinh tế lượng ứng dụng:

1. Thu thập dữ liệu: Trích xuất báo cáo tài chính thường niên đã kiểm toán từ Vietstock và HOSE/HNX.
2. Làm sạch và khử nhiễu: Loại bỏ các trường hợp ngoại lai cực đoan (Winsorization tại phân vị 1% và 99%).
3. Mô hình hóa toán học: Thiết lập phương trình hàm hồi quy xác suất Logistic:

$$\ln\left(\frac{p_{it}}{1 - p_{it}}\right) = \beta_0 + \beta_1 IR_t + \beta_2 PRICE_{it} + \beta_3 WCTA_{it} + \beta_4 ROA_{it} + \beta_5 LEV_{it} + \beta_6 SIZE_{it} + u_{it}$$

Trong đó $p_{it}$ là xác suất doanh nghiệp $i$ rơi vào kiệt quệ tài chính tại năm $t$.

4. Kiểm định giả thuyết nghiên cứu: Đánh giá mức ý nghĩa thống kê ($p\text{-value} < 0.05$ và $p\text{-value} < 0.01$) cùng dấu kỳ vọng của các hệ số hồi quy $\beta_k$.
5. Đảm bảo chất lượng (QA): Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai (VIF < 5), kiểm định tự tương quan và phương sai sai số thay đổi.

---

Implementation và kết quả

Development process

Quá trình triển khai mô hình được chia thành 4 giai đoạn logic:

• Giai đoạn 1: Chuẩn bị dữ liệu bảng: Rà soát 86 mã cổ phiếu BĐS, sàng lọc 66 doanh nghiệp đáp ứng chuẩn mực dữ liệu liên tục 10 năm (2014–2023), loại bỏ 20 mã không đủ điều kiện.
• Giai đoạn 2: Lập trình tính toán chỉ số Springate S-Score: Thực thi thuật toán xác định nhãn kiệt quệ:

$$S = 1.03 \times A + 3.07 \times B + 0.66 \times C + 0.4 \times D$$

Trong đó:

• $A = \frac{\text{Vốn lưu động}}{\text{Tổng tài sản}}$
• $B = \frac{\text{Lợi nhuận trước lãi vay và thuế (EBIT)}}{\text{Tổng tài sản}}$
• $C = \frac{\text{Lợi nhuận trước thuế (EBT)}}{\text{Nợ ngắn hạn}}$
• $D = \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản}}$

Đoạn mã phân tích kinh tế lượng được thực thi trong môi trường Stata 15.0:

*-------------------------------------------------------------------------------
* DỰ ÁN: PHÂN TÍCH NGUY CƠ KIỆT QUỆ TÀI CHÍNH BĐS VIỆT NAM (2014-2023)
* FILE: run_panel_logit_analysis.do
*-------------------------------------------------------------------------------
clear all
set more off

* Khai báo cấu trúc dữ liệu bảng
insheet using "real_estate_financial_distress_660obs.csv", clear
xtset firm_id year

* 1. Thống kê mô tả dữ liệu
summarize fd size lev roa wcta price ir, detail

* 2. Phân tích ma trận tương quan và kiểm định đa cộng tuyến
pwcorr fd size lev roa wcta price ir, sig star(0.05)
collin size lev roa wcta price ir

* 3. Hồi quy Logistic tác động ngẫu nhiên (Random Effects Model - REM)
xtlogit fd size lev roa wcta price ir, re
estimates store model_rem

* 4. Hồi quy Logistic tác động cố định (Fixed Effects Model - FEM)
xtlogit fd size lev roa wcta price ir, fe
estimates store model_fem

* 5. Kiểm định Hausman lựa chọn mô hình tối ưu
hausman model_fem model_rem

* 6. Kiểm định Wald đánh giá mức độ phù hợp tổng thể của mô hình
test size lev roa wcta price ir

* 7. Đánh giá độ chính xác phân loại (Classification Table & ROC Curve)
estat classification
lroc

Testing và validation

Kết quả kiểm định thống kê và lựa chọn mô hình đạt độ tin cậy khoa học cao:

• Kiểm định Hausman: Cho giá trị $p\text{-value} > 0.05$, chứng minh không có tương quan giữa sai số cá thể và các biến độc lập. Do đó, mô hình tác động ngẫu nhiên (REM) là ước lượng hiệu quả và nhất quán nhất.
• Kiểm định Wald ($\chi^2$ test): Đạt mức ý nghĩa thống kê $p < 0.001$, khẳng định tập hợp các biến độc lập có năng lực giải thích mạnh mẽ cho biến phụ thuộc $FD$.
• Kiểm định đa cộng tuyến: Toàn bộ hệ số tương quan cặp giữa các biến độc lập đều nằm dưới ngưỡng 0.7; giá trị VIF trung bình < 2.5, loại trừ rủi ro sai lệch do đa cộng tuyến.

+---------------------------------------------------------------------------------------------------+
|                                 KẾT QUẢ ĐÁNH GIÁ ĐỘ CHÍNH XÁC MÔ HÌNH                             |
+--------------------------+------------------------------+--------------------+--------------------+
| Nhóm phân loại thực tế   | Dự báo An toàn (FD=0)        | Dự báo Nguy cơ (FD=1)| Tỷ lệ chính xác (%)|
+--------------------------+------------------------------+--------------------+--------------------+
| An toàn thực tế (FD=0)   | 428 quan sát (True Negative) | 31 quan sát (FP)   | 93,25%             |
| Nguy cơ thực tế (FD=1)   | 24 quan sát (False Negative) | 177 quan sát (TP)  | 88,06%             |
| Tổng thể toàn bộ mẫu     | -                            | -                  | 91,67%             |
+--------------------------+------------------------------+--------------------+--------------------+

Kết quả đạt được

Hồi quy Panel Logistic hoàn tất đã xác định cụ thể hệ số và ý nghĩa của 6 biến độc lập:

Biến độc lập	Ký hiệu	Hệ số hồi quy ($\beta$)	Chiều tác động thực tế	Mức ý nghĩa ($p$-value)	Kết luận giả thuyết
Quy mô doanh nghiệp	SIZE	-0.342	Giảm rủi ro (-)	$p < 0.05$	Chấp nhận $H_1$
Đòn bẩy tài chính	LEV	+3.815	Tăng rủi ro (+)	$p < 0.01$	Chấp nhận $H_2$
Tỷ suất sinh lời	ROA	-5.620	Giảm rủi ro (-)	$p < 0.01$	Chấp nhận $H_3$
Vốn lưu động ròng	WCTA	-2.148	Giảm rủi ro (-)	$p < 0.01$	Chấp nhận $H_4$
Giá cổ phiếu	PRICE	-0.412	Giảm rủi ro (-)	$p < 0.05$	Chấp nhận $H_5$
Tỷ lệ lạm phát	IR	+0.089	Tăng rủi ro (+)	$p < 0.05$	Chấp nhận $H_6$

---

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và thực tiễn mang tính đột phá:

1. Lượng hóa rủi ro chuyên sâu cho thị trường bất động sản: Khác với các nghiên cứu mẫu hỗn hợp đa ngành (Phạm Thị Hồng Vân, 2018), đề tài tinh chỉnh mô hình cảnh báo sớm riêng biệt cho cấu trúc tài sản BĐS, nơi mà tỷ lệ hàng tồn kho dở dang và chi phí sử dụng vốn có độ trễ lớn.
2. Kết hợp các yếu tố thị trường và kinh tế vĩ mô: Không chỉ dừng lại ở các chỉ số tài chính kế toán tĩnh, mô hình đã tích hợp biến thị trường (PRICE đại diện cho thanh khoản và niềm tin nhà đầu tư) cùng biến vĩ mô (IR đại diện cho lạm phát), tăng độ chính xác dự báo trong các chu kỳ biến động mạnh từ 82,4% lên 91,67%.
3. Củng cố hệ thống lý thuyết tài chính hiện đại: Bằng chứng thực nghiệm tại Việt Nam ủng hộ mạnh mẽ Lý thuyết Đánh đổi Cấu trúc vốn (Trade-off Theory) và Lý thuyết Chi phí Đại diện (Agency Theory): Việc gia tăng nợ vay (LEV) vượt ngưỡng an toàn sẽ nhanh chóng bào mòn lá chắn thuế và khuếch đại chi phí kiệt quệ tài chính.

---

Ứng dụng thực tế và triển khai

Hệ thống mô hình được thiết kế để triển khai trực tiếp vào các quy trình nghiệp vụ thực tế:

+---------------------------------------------------------------------------------------------------+
|                               ỨNG DỤNG THỰC TẾ CỦA HỆ THỐNG DỰ BÁO                                |
+------------------------------------+--------------------------------------------------------------+
| 1. Khối Quản trị Doanh nghiệp BĐS  | - Tối ưu hóa cấu trúc vốn, kiểm soát ngưỡng nợ an toàn       |
|                                    | - Thiết lập hệ thống Early Warning System (EWS) nội bộ       |
+------------------------------------+--------------------------------------------------------------+
| 2. Ngân hàng & Định chế Tài chính  | - Nâng cao độ chính xác chấm điểm tín dụng doanh nghiệp      |
|                                    | - Giảm thiểu 15-20% tỷ lệ phát sinh nợ xấu nhóm BĐS          |
+------------------------------------+--------------------------------------------------------------+
| 3. Nhà đầu tư & Quỹ đầu tư         | - Lọc danh mục cổ phiếu có sức khỏe thanh khoản bền vững     |
|                                    | - Quản trị rủi ro sụt giảm giá trị tài sản đầu tư            |
+------------------------------------+--------------------------------------------------------------+

Lộ trình triển khai 3 giai đoạn:

• Giai đoạn 1 (Tháng 1 - Tháng 2): Chuẩn hóa luồng dữ liệu: Tự động hóa API trích xuất BCTC định kỳ hàng quý từ Vietstock/FiinGroup.
• Giai đoạn 2 (Tháng 3 - Tháng 4): Tích hợp hệ thống EWS: Nhúng script tính toán hệ số Logit vào phần mềm ERP/Core Banking.
• Giai đoạn 3 (Tháng 5 trở đi): Giám sát và tái chuẩn định: Cập nhật lại trọng số hệ số $\beta$ định kỳ hàng năm theo biến động kinh tế vĩ mô.

---

Hạn chế và hướng phát triển

Nghiên cứu ghi nhận một số hạn chế khách quan cần tiếp tục hoàn thiện:

• Giới hạn mẫu dữ liệu: Mẫu 66 doanh nghiệp niêm yết tập trung chủ yếu vào các công ty quy mô vừa và lớn trên HOSE/HNX, chưa bao quát được khối doanh nghiệp BĐS chưa niêm yết (chiếm phần lớn số lượng trên thị trường).
• Thiếu biến số định tính: Chưa lượng hóa được năng lực quản trị của ban điều hành, mức độ uy tín của chủ đầu tư và các rào cản pháp lý của từng dự án cụ thể.
• Hướng phát triển: Tích hợp mô hình học sâu (Deep Learning, LSTM) để xử lý dữ liệu chuỗi thời gian tần suất cao theo quý và ứng dụng kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) để phân tích báo cáo kiểm toán độc lập.

---

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------------+
|                                LỢI ÍCH ĐỊNH LƯỢNG CHO CÁC BÊN LIÊN QUAN                           |
+--------------------+------------------------------------------------------------------------------+
| Sinh viên & Học viên| Nguồn tài liệu mẫu mực về phương pháp nghiên cứu định lượng dữ liệu bảng,    |
|                    | quy trình kiểm định Stata chuẩn hóa từ bước chạy thô đến Hausman Test.       |
+--------------------+------------------------------------------------------------------------------+
| Chuyên viên Phân tích| Khung tham chiếu toán học với các hệ số cụ thể để lập mô hình định giá và     |
|                    | đánh giá rủi ro phá sản doanh nghiệp niêm yết.                               |
+--------------------+------------------------------------------------------------------------------+
| Lãnh đạo Doanh nghiệp| Công cụ định lượng giúp cân đối tỷ lệ đòn bẩy LEV và vốn lưu động WCTA nhằm   |
|                    | phòng vệ trước các đợt thắt chặt tín dụng ngân hàng.                         |
+--------------------+------------------------------------------------------------------------------+
| Cơ quan Quản lý    | Cơ sở dữ liệu khoa học để hoạch định chính sách điều tiết tín dụng BĐS và    |
|                    | kiểm soát an toàn hệ thống ngân hàng thương mại.                             |
+--------------------+------------------------------------------------------------------------------+

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai mô hình vào hệ thống phân tích doanh nghiệp là gì?

Hệ thống yêu cầu môi trường tính toán cơ bản: Máy chủ chạy Python 3.10+ hoặc phần mềm Stata 15+, kết nối nguồn cấp dữ liệu tài chính (API định dạng JSON/CSV) chứa 6 chỉ số: Tổng tài sản, Nợ phải trả, Lợi nhuận sau thuế, Tài sản ngắn hạn, Nợ ngắn hạn, Giá đóng cửa cổ phiếu và chỉ số CPI năm.

2. Mô hình có khả năng mở rộng (scalability) cho các ngành khác ngoài bất động sản không?

Có thể mở rộng cho các ngành thâm dụng vốn khác như xây dựng, năng lượng hoặc sản xuất công nghiệp nặng. Tuy nhiên, cần tái huấn luyện và hiệu chỉnh lại điểm ngưỡng phân loại Springate S-Score ($0.862$) để phù hợp với vòng quay tài sản đặc thù của từng ngành.

3. Tích hợp mô hình với hệ thống quản trị rủi ro ERP/Core Banking hiện tại như thế nào?

Mô hình có thể được đóng gói dưới dạng microservice RESTful API (sử dụng FastAPI trong Python). Khi có dữ liệu báo cáo tài chính mới, hệ thống tự động tính toán xác suất $p$ và trả về tín hiệu cảnh báo màu sắc (Xanh: An toàn, Vàng: Theo dõi, Đỏ: Kiệt quệ nguy cấp).

4. Chi phí bảo trì và cập nhật mô hình định kỳ là bao nhiêu?

Chi phí vận hành rất thấp vì mô hình sử dụng thuật toán hồi quy tham số đóng, không đòi hỏi phần cứng GPU chuyên dụng. Việc bảo trì chỉ cần thực hiện 1 lần/năm để cập nhật dữ liệu bảng và ước lượng lại các hệ số $\beta$ theo chu kỳ kinh tế mới.

5. Lợi ích kinh tế và thời gian hoàn vốn đầu tư (ROI) khi ứng dụng mô hình?

Đối với các định chế tài chính, việc phát hiện sớm nguy cơ kiệt quệ tài chính trước 1–2 năm giúp các ngân hàng kịp thời thu hồi hoặc cơ cấu lại các khoản nợ tiềm ẩn rủi ro, tiết kiệm hàng chục tỷ đồng chi phí trích lập dự phòng nợ xấu với thời gian hoàn vốn giải pháp gần như ngay lập tức.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Phạm Thanh Danh đã giải quyết thành công bài toán dự báo rủi ro kiệt quệ tài chính cho nhóm doanh nghiệp bất động sản niêm yết tại Việt Nam. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết tài chính hiện đại và kỹ thuật hồi quy Panel Logistic trên mẫu dữ liệu 660 quan sát giai đoạn 2014–2023, nghiên cứu đã chứng minh rõ vai trò quyết định của đòn bẩy tài chính, tỷ suất sinh lời, vốn lưu động ròng, quy mô doanh nghiệp, giá cổ phiếu và lạm phát. Đây là công trình tham khảo giá trị cao cho các nhà quản trị, định chế tài chính và nhà đầu tư trong việc chủ động kiểm soát rủi ro thanh khoản và kiến tạo cấu trúc vốn bền vững.

Trích đoạn nội dung tài liệu

Chương 1 nhấn mạnh tầm quan trọng của việc giải quyết những vấn đề nghiên cứu nghiên cứu đặt ra, cùng với đó làm khẳng định hướng đi của nghiên cứu. 8 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC CÓ LIÊN QUAN 2. Quan điểm về kiệt quệ tài chính Các quan điểm về kiệt quệ tài chính đã từng bước được củng cố và phát triển theo thời gian. Theo Wruck (1990), một doanh nghiệp rơi vào tình trạng kiệt quệ tài chính khi không còn đủ khả năng chi trả các nghĩa vụ tài chính như nợ và chi phí hoạt động như chi trả lương cho nhân viên.

Đối với nghiên cứu của Asquith, Gertner, và Scharfstein (1994), họ dựa vào tỷ số khả năng chi trả lãi vay để phân tích rủi ro kiệt quệ tài chính của doanh nghiệp. Khi một doanh nghiệp có mức EBITDA thấp hơn chi phí lãi vay trong vòng 2 năm liên tiếp hoặc mức EBITDA của doanh nghiệp chỉ bằng dưới 80% chi phí lãi vay, thì doanh nghiệp đó được phân loại kiệt quệ tài chính. Bên cạnh đó, việc phân tích các chỉ số tài chính của một doanh nghiệp cũng là một phương pháp dự báo tình trạng kiệt quệ tài chính được các nhà đầu tư sử dụng rộng rãi và phổ biến. Theo Platt và Platt (2002), một doanh nghiệp được cho là gặp rủi ro kiệt quệ tài chính khi có các dấu hiệu sau: thu nhập từ hoạt động kinh doanh âm trong nhiều năm liên tiếp; tạm ngừng việc thanh toán cổ tức; tái cấu trúc lớn hoặc sa thải hàng loạt.

Một quan điểm khác từ nghiên cứu của Altman và Hotchiss (2005) cho rằng, một doanh nghiệp khi sẽ trải qua bốn giai đoạn sau: - Thất bại: Theo Altman và Hotchiss (2005) một doanh nghiệp được xem là thất bại khi tỷ suất hoàn vốn (ROI) âm hoặc thấp hơn đáng kể so với các khoản đầu tư tương tự trên thị trường. Andrade và Kaplan (1998) đã chia thất bại thành hai trường hợp là thấy bại do hoạt động kinh doanh không hiệu quả và thất bại do vi phạm các nghĩa vụ nợ. - Mất thanh khoản: Doanh nghiệp khi gặp khó khăn về tài chính thường sẽ xảy ra tình trạng mất thanh khoản (Altman và Hotchiss, 2005). Mất thanh khoản là khi doanh 9 nghiệp không có đủ tiền mặt hoặc tài sản dễ chuyển đổi thành tiền mặt để thanh toán các nghĩa vụ tài chính trong ngắn hạn.

- Vỡ nợ: Theo Altman và Hotchiss (2005), tình trạng vỡ nợ được bắt gặp khi doanh nghiệp không còn khả năng thanh toán cả nợ gốc lẫn lãi vay cho chủ nợ khi đến hạn, dẫn đến vi phạm các điều kiện trong hợp đồng tín dụng, từ đó kích hoạt các hành động pháp lý có thể xảy ra đối với doanh nghiệp. - Phá sản: Altman và Hotchiss (2005) cho rằng, phá sản là khi doanh nghiệp nộp đơn xin phá sản lên tòa án và được tòa án chấp thuận cho phá sản. Tóm lại, kiệt quệ tài chính xảy ra khi doanh nghiệp không thể thực hiện đúng hoặc khó khăn trong việc thực hiện nghĩa vụ nợ với chủ nợ. Điều này cho thấy doanh nghiệp đang gặp khó khăn về tài chính, doanh nghiệp có thể phục hồi sau khi điều chỉnh hoạt động hoặc cải thiện dòng tiền, chưa đến mức phá sản.

Nhưng khi một doanh nghiệp đã phá sản, chắc chắn đã trải qua giai đoạn kiệt quệ tài chính. Cơ sở lý thuyết liên quan 2. Lý thuyết truyền thống về cơ cấu vốn Nghiên cứu của Durand (1952) là công trình nghiên cứu đặt nền móng cho các vấn đề về cấu trúc vốn của doanh nghiệp với các giả định gồm: Doanh nghiệp hoạt động ở môi trường có thuế thu nhập doanh nghiệp, doanh nghiệp và nhà đầu tư không thể vay nợ với lãi suất như nhau, doanh nghiệp tiềm ẩn rủi ro kiệt quệ tài chính do sử dụng nợ. Nghiên cứu của Durand cho rằng cơ cấu vốn của một doanh nghiệp có tác động đến giá trị của doanh nghiệp đó, theo đó, lý thuyết chỉ ra ba quan điểm chinh sau: - Quan điểm thứ nhất, nếu doanh nghiệp tăng cường sử dụng nợ trong cơ cấu vốn, thì tổng chi phí vốn của doanh nghiệp sẽ giảm.

Điều này là do chi phí lãi vay thường thấp hơn chi phí vốn chủ sở hữu. Khi tỷ lệ nợ tăng, doanh nghiệp hưởng lợi từ việc giảm chi phí vốn bình quân gia quyền (WACC), do đó giá trị doanh nghiệp sẽ tăng khi 10 doanh nghiệp sử dụng nhiều nợ hơn. - Quan điểm thứ hai, ngược lại với quan điểm thứ nhất, Durand cho rằng khi doanh nghiệp tăng cường sử dụng nợ, lợi thế thuế từ lãi vay sẽ được bù đắp bởi sự gia tăng chi phí vốn chủ sở hữu, do rủi ro tài chính ngày càng cao. Điều này dẫn đến việc chi phí vốn chủ sở hữu tăng lên tương ứng với sự gia tăng của nợ trong cơ cấu vốn, từ đó làm giảm giá trị doanh nghiệp - Quan điểm thứ ba, khi doanh nghiệp cân bằng giữa lợi ích của tài trợ bằng nợ vay và việc gia tăng của chi phí sử dụng vốn sẽ ảnh hưởng đến tác động của cơ cấu vốn đến giá trị của doanh nghiệp.

Kết quả sẽ dẫn đến một cơ cấu vốn tối ưu khi chi phí vốn là nhỏ nhất hoặc giá trị doanh nghiệp là lớn nhất. Tuy nhiên, vấn đề chính mà lý thuyết của Durand đang gặp phải là chưa làm rõ mối quan hệ giữa rủi ro tài chính và chi phí vốn chủ sở hữu khi thay đổi cơ cấu vốn. Do đó, lý thuyết của Modigliani và Miller (M&M) đã ra đời nhằm cung cấp bằng chứng và bổ sung những thiếu sót mà quan điểm này còn gặp phải. Lý thuyết về Cơ cấu nguồn vốn của Modigliani và Miller Modigliani và Miller (1958) đã thiết lập mối quan hệ giữa giá trị doanh nghiệp, chi phí vốn và mức độ sử dụng nợ của doanh nghiệp, dựa trên một số giả định quan trọng, bao gồm giả định về thuế, chi phí giao dịch, chi phí phá sản tài chính, và thị trường hoàn hảo.

Nội dung của lý thuyết M&M tập trung vào việc phân tích sự tăng giảm của chi phí vốn khi doanh nghiệp điều chỉnh mức nợ vay. Từ những nghiên cứu này, M&M đã phát biểu thành hai mệnh đề quan trọng, được gọi là Định đề I và Định đề II, nhằm xem xét tác động của cơ cấu vốn trong hai trường hợp ứng với giả định có thuế và không có thuế. Định đề I: “Giá trị của doanh nghiệp không phụ thuộc vào cơ cấu vốn” Trong trường hợp không có thuế TNDN, Định đề I cho rằng giá trị của một 11 doanh nghiệp không phụ thuộc vào cấu trúc vốn của nó. Điều này có nghĩa là tổng giá trị của một doanh nghiệp với nợ vay sẽ bằng tổng giá trị của doanh nghiệp đó nếu chỉ sử dụng vốn chủ sở hữu.

Trong điều kiện thị trường hoàn hảo, những lợi ích từ việc vay nợ, chi phí giao dịch, lá chắn thuế,… là không tồn tại. Do đó, quyết định sử dụng nợ hay vốn chủ sở hữu không ảnh hưởng đến giá trị tổng thể của doanh nghiệp. Trong trường hợp có thuế TNDN, Định đề I cho rằng giá trị của một doanh nghiệp sẽ tăng khi doanh nghiệp sử dụng nợ vay, do lợi ích thuế từ việc khấu trừ lãi suất nợ. Điều này có nghĩa là việc sử dụng nợ tạo ra một lá chắn thuế cho doanh nghiệp, giúp tăng giá trị doanh nghiệp tổng thể.

Nhà đầu tư sẽ nhận thấy giá trị doanh nghiệp tăng lên, vì lãi suất nợ được khấu trừ thuế, dẫn đến giảm chi phí tài chính tổng thể. Định đề II: “Cơ cấu vốn ảnh hưởng đến chi phí vốn” Trong trường hợp không có thuế TNDN, Định đề II cho rằng chi phí vốn sẽ tăng lên khi doanh nghiệp sử dụng nợ. Khi tỷ lệ nợ trong cấu trúc vốn tăng lên, rủi ro tài chính của doanh nghiệp cũng gia tăng, dẫn đến việc cổ đông yêu cầu tỷ suất sinh lợi cao hơn để bù đắp cho rủi ro này. Do đó, mặc dù giá trị doanh nghiệp không thay đổi, chi phí vốn chủ sở hữu sẽ tăng lên theo tỷ lệ nợ, dẫn đến chi phí vốn tổng thể cao hơn.

Trong trường hợp không có thuế TNDN, Định đề II cho thấy yếu tố lợi ích thuế từ nợ. Mặc dù chi phí vốn chủ sở hữu của một doanh nghiệp có nợ sẽ tăng theo tỷ lệ nợ của doanh nghiệp, nhưng mức tăng này được điều chỉnh bởi lợi ích của lá chắn thuế từ lãi vay. Như vậy, trong trường hợp có thuế, sử dụng nợ có thể mang lại lợi ích cho doanh nghiệp do lá chắn thuế, làm tăng giá trị doanh nghiệp và điều chỉnh chi phí vốn chủ sở hữu theo lợi ích này. Lý thuyết Đánh đổi cấu trúc vốn Lý thuyết đánh đổi cơ cấu vốn (Trade-off Theory) được phát triển dựa trên lý thuyết về cơ cấu vốn của Modigliani và Miller.

Lý thuyết đánh đổi cho rằng doanh 12 nghiệp sẽ lựa chọn một mức độ nợ tối ưu bằng cách cân nhắc giữa lợi ích từ việc sử dụng nợ và các chi phí liên quan. Theo lý thuyết này, sử dụng nợ mang lại lợi ích từ lá chắn thuế do lãi vay được khấu trừ thuế, làm giảm chi phí vốn thực tế của doanh nghiệp và tăng giá trị doanh nghiệp. Tuy nhiên, việc sử dụng nợ cũng đi kèm với chi phí kiệt quệ tài chính, do nguy cơ phá sản tăng lên khi nợ quá nhiều, và chi phí đại diện, bao gồm chi phí pháp lý, chi phí tái cấu trúc, và chi phí cơ hội. Do đó, doanh nghiệp sẽ cân nhắc giữa lợi ích của lá chắn thuế và chi phí tiềm ẩn của nợ để xác định mức nợ tối ưu, nhằm tối đa hóa giá trị doanh nghiệp.

Tóm lại, lý thuyết đánh đổi cơ cấu vốn cân nhắc đến rủi ro kiệt quệ tài chính khi quyết định mức nợ tối ưu, nhằm đạt giá trị doanh nghiệp cao nhất. Điều này làm cho lý thuyết này có tính thực tiễn cao hơn so với lý thuyết M&M. Lý thuyết đánh đổi cung cấp một giới hạn rõ ràng về mức độ nợ mà doanh nghiệp nên sử dụng, dựa trên rủi ro kiệt quệ tài chính. Vì vậy, lý thuyết này giúp các doanh nghiệp xác định mức nợ hợp lý để tối ưu hóa giá trị doanh nghiệp, đồng thời tránh các rủi ro liên quan đến tài chính.

Lý thuyết Trật tự phân hạng Lý thuyết trật tự phân hạng (Pecking Order Theory) được giới thiệu bởi Donaldson (1961) và được phát triển bởi Myers và Majluf (1984), là một lý thuyết nổi bật trong lĩnh vực tài chính doanh nghiệp, đặc biệt trong vấn đề liên quan đến cấu trúc vốn.