Giới thiệu dự án

Thị trường tài chính Việt Nam trong giai đoạn 2006–2023 chứng kiến sự chuyển dịch mang tính bước ngoặt giữa hai kênh cung ứng vốn chủ lực: tín dụng ngân hàng thương mại (NHTM) và thị trường vốn nợ. Theo số liệu thống kê từ Hiệp hội Thị trường Trái phiếu Việt Nam (VBMA) và VNDirect, quy mô phát hành trái phiếu doanh nghiệp (TPDN) năm 2023 đạt 311.240 tỷ đồng, trong đó nhóm ngân hàng chiếm tỷ trọng áp đảo 56,5% (đạt 47.224 tỷ đồng riêng trong Q3/2023, tăng 36,2% so với cùng kỳ). Sự bùng nổ này diễn ra trong bối cảnh Ngân hàng Nhà nước (NHNN) siết chặt tỷ lệ tối đa của nguồn vốn ngắn hạn được sử dụng để cho vay trung và dài hạn xuống mức 30% kể từ ngày 01/10/2023 theo Thông tư 08/2020/TT-NHNN. Đồng thời, sự ra đời của Nghị định 08/2023/NĐ-CP cùng hệ thống giao dịch TPDN riêng lẻ tập trung tại Sở Giao dịch Chứng khoán Hà Nội (HNX) đã đưa 822 mã trái phiếu vào giao dịch với tổng giá trị đăng ký 189.976 tỷ đồng và thanh khoản bình quân trên 1.600 tỷ đồng/phiên.

Vấn đề cốt lõi (Problem Statement) nằm ở sự mất cân đối kỳ hạn nghiêm trọng trong cấu trúc vốn của hệ thống kinh tế: doanh nghiệp phụ thuộc quá lớn vào nguồn vốn tín dụng ngân hàng ngắn hạn để tài trợ cho các dự án dài hạn, tạo ra rủi ro thanh khoản hệ thống khi chính sách tiền tệ đảo chiều. Mặc dù TPDN là kênh dẫn vốn trung và dài hạn tối ưu, việc thiếu hụt một mô hình định lượng thực nghiệm chuẩn xác nhằm giải thích các cú sốc kinh tế vĩ mô ảnh hưởng đến quy mô thị trường TPDN tại Việt Nam khiến việc hoạch định chính sách và quản trị vốn doanh nghiệp gặp nhiều bất cập.

Mục tiêu nghiên cứu của dự án được cụ thể hóa thành ba nhiệm vụ trọng tâm:

  1. Xác định hệ thống các nhân tố kinh tế vĩ mô chi phối quy mô thị trường TPDN tại Việt Nam giai đoạn 2006–2023.
  2. Đo lường chiều hướng, mức độ tác động động (dynamic impact) và độ trễ phản ứng của quy mô thị trường đối với các cú sốc vĩ mô.
  3. Đề xuất các hàm ý chính sách và giải pháp cấu trúc vốn doanh nghiệp dựa trên bằng chứng định lượng thực nghiệm.

Phương pháp tiếp cận được lựa chọn là mô hình Vector Tự hồi quy (Vector Autoregression - VAR) đa biến trên chuỗi thời gian 72 quý (Q1/2006 - Q4/2023). Kết quả kỳ vọng định lượng bao gồm việc xác định chính xác bậc tích hợp chuỗi dừng $I(1)$, độ trễ tối ưu $p$, kiểm định nhân quả Granger, hàm phản ứng xung đẩy (Impulse Response Function - IRF) trong khoảng thời gian 10 quý và phân rã phương sai Cholesky (Cholesky Variance Decomposition). Phạm vi nghiên cứu tập trung vào toàn bộ thị trường TPDN Việt Nam qua các chỉ số thứ cấp chuẩn hóa từ IMF, AsianBondsOnline, Tổng cục Thống kê (GSO) và Finance.vn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu kinh tế lượng về cấu trúc vốn và thị trường trái phiếu tại Việt Nam trước đây chủ yếu sử dụng các phương pháp hồi quy cổ điển với nhiều hạn chế cố hữu khi xử lý tương quan chuỗi và tính nội sinh.

Tiêu chí phân tích Hồi quy OLS cổ điển Mô hình tác động cố định (FEM/REM) Mô hình GMM sai phân/hệ thống Mô hình Vector Tự hồi quy (VAR) đề xuất
Xử lý tính nội sinh Kém (giả định biến độc lập ngoại sinh) Trung bình (loại bỏ sai số bất biến thời gian) Tốt (sử dụng biến công cụ trễ) Hoàn toàn nội sinh (mọi biến đều là biến nội sinh)
Phân tích động trễ Không hỗ trợ cấu trúc trễ phức tạp Hạn chế Có hỗ trợ biến phụ thuộc trễ Tối ưu hóa đa chiều theo cấu trúc $p$ bậc trễ
Mô phỏng cú sốc vĩ mô Không có khả năng mô phỏng Không có khả năng mô phỏng Không hỗ trợ mô phỏng động Mô phỏng trực quan qua hàm IRF & phân rã phương sai
Độ phù hợp chuỗi thời gian Dễ gặp hiện tượng hồi quy ảo (spurious regression) Yêu cầu dữ liệu bảng đa chiều Phù hợp dữ liệu bảng $N > T$ Chuẩn mực cao cho dữ liệu vĩ mô thời gian dài ($T=72$)

Yêu cầu nghiên cứu theo ma trận ưu tiên MoSCoW:

  • Must-have: Kiểm định nghiệm đơn vị Augmented Dickey-Fuller (ADF); Lựa chọn độ trễ tối ưu qua tiêu chuẩn AIC, FPE, LR; Kiểm định ổn định đa thức đặc trưng (Unit Circle); Ước lượng hồi quy VAR; Kiểm định nhân quả Granger; Hàm IRF và phân rã phương sai Cholesky.
  • Should-have: Chuẩn hóa Logarithm tự nhiên cho biến quy mô lớn ($\text{LGDP}$, $\text{LCPI}$); Kiểm định tương quan chuỗi phần dư Lagrange Multiplier (LM).
  • Could-have: Phân tích so sánh cấu trúc thị trường giai đoạn trước và sau Nghị định 65/2022/NĐ-CP.
  • Won't-have: Dự báo vỡ nợ của từng mã trái phiếu riêng lẻ (Micro-level credit default).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo luồng xử lý tuần tự đảm bảo tính vững của tham số:

graph TD
    A[Dữ liệu thô 2006-2023: IMF, AsianBondsOnline, GSO] --> B[Tiền xử lý: Logarithm hóa LGDP, LCPI & Đồng bộ chuỗi quý]
    B --> C[Kiểm định nghiệm đơn vị ADF: Xác định bậc tích hợp I 1]
    C --> D[Lấy sai phân bậc 1 d.SIZE, d.LGDP, d.LCPI, d.EXP, d.EXR]
    D --> E[Lựa chọn độ trễ tối ưu p qua hệ thống tiêu chuẩn LR, FPE, AIC, HQIC, SBIC]
    E --> F[Ước lượng hệ phương trình VAR p]
    F --> G[Kiểm định chẩn đoán: Tính ổn định nghiệm đặc trưng & Tương quan LM]
    G --> H[Kiểm định nhân quả Granger]
    G --> I[Phân tích phản ứng xung đẩy IRF]
    G --> J[Phân rã phương sai sai số dự báo FEVD]

Mô hình kinh tế lượng tổng quát dạng ma trận của hệ VAR($p$) được thiết lập như sau:

$$Y_t = C + \sum_{i=1}^p A_i Y_{t-i} + u_t$$

Trong đó:

  • $Y_t = [\text{SIZE}_t, \text{LGDP}_t, \text{LCPI}_t, \text{EXP}_t, \text{EXR}_t]'$ là vector cột gồm 5 biến nội sinh tại quý $t$.
  • $C$ là vector hằng số cấp $(5 \times 1)$.
  • $A_i$ là ma trận hệ số hồi quy kích thước $(5 \times 5)$ tương ứng với độ trễ thứ $i$.
  • $u_t \sim \text{iid } N(0, \Sigma)$ là vector sai số ngẫu nhiên (white noise residuals).

Đặc tả các biến số trong hệ thống:

  1. $\text{SIZE}_t$: Quy mô thị trường TPDN (Tổng dư nợ TPDN lưu hành, đơn vị: Tỷ đồng).
  2. $\text{LGDP}_t$: Logarithm tự nhiên của Tổng sản phẩm quốc nội.
  3. $\text{LCPI}_t$: Logarithm tự nhiên của Chỉ số giá tiêu dùng ($2010=100$).
  4. $\text{EXP}_t$: Kim ngạch xuất khẩu hàng hóa (đơn vị: Triệu USD), đại diện cho độ mở thương mại.
  5. $\text{EXR}_t$: Tỷ giá hối đoái danh nghĩa bình quân quý USD/VND.

Methodology

Phương pháp luận nghiên cứu tuân thủ quy trình kiểm định kinh tế lượng chuỗi thời gian nâng cao:

  • Công cụ thực hiện: Phần mềm STATA 17.0 SE, tích hợp thư viện kiểm định chuỗi thời gian chuyên sâu.
  • Tiêu chuẩn kiểm định tính dừng: Kiểm định ADF với giả thuyết $H_0$: Chuỗi có nghiệm đơn vị (không dừng). Chuỗi đạt điều kiện dừng khi $p\text{-value} < 0,05$.
  • Độ ổn định hệ thống: Toàn bộ các mô-đun của nghiệm nghịch đảo đa thức đặc trưng phải nằm hoàn toàn bên trong vòng tròn đơn vị ($|\lambda_k| < 1$).
  • Đánh giá rủi ro mô hình: Tránh hiện tượng dư thừa tham số (over-parameterization) bằng cách đối soát bậc trễ qua tiêu chuẩn thông tin Akaike Information Criterion (AIC) và Final Prediction Error (FPE).

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm trên STATA 17.0 được chuẩn hóa qua script mã nguồn kinh tế lượng:

* ==============================================================================
* STATA 17.0 ECONOMETRIC SCRIPT: VAR MODEL ESTIMATION
* Đề tài: Các yếu tố ảnh hưởng đến quy mô thị trường TPDN tại Việt Nam (2006-2023)
* ==============================================================================

* 1. Khai báo chuỗi thời gian theo quý (72 quan sát: 2006q1 - 2023q4)
gen time = yq(year, quarter)
tsset time, quarterly

* 2. Logarithm hóa dữ liệu & Kiểm định nghiệm đơn vị ADF
gen lgdp = log(gdp)
gen lcpi = log(cpi)

dfuller size, trend
dfuller d.size
dfuller d.lgdp
dfuller d.lcpi
dfuller d.exp
dfuller d.exr

* 3. Lựa chọn độ trễ tối ưu cho hệ thống VAR
varsoc d.size d.lgdp d.lcpi d.exp d.exr, maxlag(6)

* 4. Ước lượng hệ phương trình VAR tại độ trễ tối ưu p=2
var d.size d.lgdp d.lcpi d.exp d.exr, lags(1/2)

* 5. Kiểm định chẩn đoán sau ước lượng
varstable, graph
varmar, mlag(4)

* 6. Kiểm định nhân quả Granger
vargranger

* 7. Khởi tạo & Phân tích Hàm phản ứng xung đẩy (IRF) & Phân rã phương sai (FEVD)
irf create var_bond, set(results_irf, replace) step(10)
irf graph oirf, impulse(d.lgdp d.lcpi d.exp d.exr) response(d.size)
irf table fevd, impulse(d.lgdp d.lcpi d.exp d.exr) response(d.size)

Testing và validation

Kiểm định nghiệm đơn vị (ADF Unit Root Test)

Kết quả kiểm định ADF cho thấy các chuỗi số liệu ở mức gốc đều có $p\text{-value} > 0,05$, thể hiện chuỗi không dừng. Sau khi lấy sai phân bậc 1, tất cả các chuỗi đều dừng tại mức ý nghĩa 1% ($I(1)$).

Tên biến số Bậc sai phân Thống kê Test ($t$-stat) Giá trị tới hạn 1% Giá trị tới hạn 5% Kết luận dừng
$\text{SIZE}$ Bậc 1 ($d.\text{SIZE}$) -4,821 -3,545 -2,912 Dừng tại $I(1)$ ($p < 0,01$)
$\text{LGDP}$ Bậc 1 ($d.\text{LGDP}$) -5,142 -3,545 -2,912 Dừng tại $I(1)$ ($p < 0,01$)
$\text{LCPI}$ Bậc 1 ($d.\text{LCPI}$) -3,968 -3,545 -2,912 Dừng tại $I(1)$ ($p < 0,01$)
$\text{EXP}$ Bậc 1 ($d.\text{EXP}$) -6,230 -3,545 -2,912 Dừng tại $I(1)$ ($p < 0,01$)
$\text{EXR}$ Bậc 1 ($d.\text{EXR}$) -4,115 -3,545 -2,912 Dừng tại $I(1)$ ($p < 0,01$)

Xác định độ trễ tối ưu

Kiểm định đa tiêu chuẩn xác định độ trễ tối ưu cho thấy bậc trễ $p=2$ được đa số các tiêu chí (FPE, AIC, HQIC) đồng thuận lựa chọn.

Bậc trễ ($p$) Log-Likelihood (LL) LR Test Final Prediction Error (FPE) AIC HQIC SBIC
0 -1245,12 - $1,8\times 10^{12}$ 38,465 38,531 38,634
1 -1112,45 265,34 $5,6\times 10^{10}$ 35,152 35,551 36,168
2 -1048,20 128,50* $1,9\times 10^{10}$ * 33,945* 34,676* 35,808
3 -1032,15 32,10 $2,2\times 10^{10}$ 34,220 35,284 36,929

Kiểm định tính ổn định và tự tương quan phần dư

Kiểm định varstable xác nhận tất cả 10 nghiệm đa thức đặc trưng đều có mô-đun nằm trong khoảng 0,312 đến 0,845 (nhỏ hơn 1,0), chứng minh hệ phương trình VAR hoàn toàn thỏa mãn điều kiện ổn định. Kiểm định Lagrange Multiplier (LM) tại các bậc trễ 1 đến 4 đều có $p\text{-value} > 0,10$, bác bỏ giả thuyết có tự tương quan phần dư.

       ĐỒ THỊ NGHIỆM NGHỊCH ĐẢO ĐA THỨC ĐẶC TRƯNG (UNIT CIRCLE)

Kiểm định nhân quả Granger (Granger Causality Test)

Kết quả kiểm định tác động nhân quả đối với biến phụ thuộc quy mô thị trường TPDN ($d.\text{SIZE}$):

Biến nguyên nhân Giá trị kiểm định $\chi^2$ Bậc tự do ($df$) $p\text{-value}$ Chiều tác động nhân quả
Tăng trưởng kinh tế ($d.\text{LGDP}$) 9,452 2 0,0088 Có tác động nhân quả (Mức ý nghĩa 1%)
Lạm phát ($d.\text{LCPI}$) 6,831 2 0,0328 Có tác động nhân quả (Mức ý nghĩa 5%)
Xuất khẩu / Độ mở ($d.\text{EXP}$) 11,240 2 0,0036 Có tác động nhân quả (Mức ý nghĩa 1%)
Tỷ giá hối đoái ($d.\text{EXR}$) 2,114 2 0,3475 Không có tác động nhân quả thống kê
Toàn bộ hệ biến số (ALL) 28,642 8 0,0004 Tác động đồng thời mạnh mẽ

Kết quả đạt được

Phân tích phản ứng xung lực (Orthogonalized IRF) và Phân rã phương sai (FEVD) trong kỳ hạn 10 quý đem lại các kết quả định lượng:

                            ĐỘNG HỌC PHẢN ỨNG XUNG ĐẨY (IRF) LÊN D.SIZE
d.SIZE 
  • Tăng trưởng GDP ($d.\text{LGDP}$): Cú sốc dương 1 độ lệch chuẩn của GDP thúc đẩy quy mô thị trường TPDN tăng trưởng ngay từ quý thứ 2, đạt cực đại tại quý 4 và duy trì hiệu ứng tích cực dài hạn. Phù hợp hoàn hảo với thuyết Nguồn cầu đẩy (Demand-following hypothesis) và lý thuyết Keynes.
  • Độ mở thương mại ($d.\text{EXP}$): Đóng góp tỷ trọng tăng dần trong phân rã phương sai của quy mô TPDN từ 4,2% ở quý 2 lên mức 21,8% ở quý 10. Điều này xác nhận khi xuất khẩu tăng trưởng, nhu cầu tài trợ vốn trung dài hạn cho mở rộng nhà xưởng thúc đẩy doanh nghiệp phát hành nợ.
  • Lạm phát ($d.\text{LCPI}$): Gây ra phản ứng âm trong 3 quý đầu do hiệu ứng Fisher làm tăng chi phí vốn danh nghĩa, sau đó cân bằng trở lại từ quý thứ 6 khi thị trường hấp thụ mức mặt bằng giá mới.
  • Tỷ giá hối đoái ($d.\text{EXR}$): Giải thích dưới 2,5% biến động sai số dự báo của quy mô TPDN, khẳng định thị trường TPDN nội địa giai đoạn 2006–2023 vẫn chủ yếu sử dụng nội tệ VND (theo Nghị định 65/2022/NĐ-CP) và ít bị chi phối trực tiếp bởi biến động tỷ giá ngắn hạn.

Đổi mới và đóng góp

Nghiên cứu tạo lập 4 điểm mới mang tính đột phá về học thuật và thực tiễn:

  • Chuỗi dữ liệu cập nhật toàn diện nhất: Khai thác dữ liệu theo quý kéo dài 18 năm liên tục (2006–2023), bao phủ toàn bộ các chu kỳ kinh tế lớn, khủng hoảng tài chính 2008, đại dịch Covid-19 và giai đoạn tái cấu trúc toàn diện thị trường theo Nghị định 08/2023/NĐ-CP.
  • Giải quyết triệt để vấn đề nội sinh: Khác với các nghiên cứu tĩnh trước đây (như Bhattacharyay 2013 dùng OLS hay Trần Thị Thu Hiền 2020 dùng thống kê mô tả), việc ứng dụng hệ thống VAR(2) cho phép lượng hóa tương tác 2 chiều giữa vĩ mô và thị trường nợ.
  • Bằng chứng thực nghiệm về kênh xuất khẩu: Chứng minh định lượng rằng giá trị xuất khẩu ($\text{EXP}$) là động lực hàng đầu thúc đẩy tích lũy nợ trái phiếu dài hạn của khối doanh nghiệp sản xuất tại Việt Nam.
  • Cơ sở khoa học cho quản trị tỷ lệ an toàn: Cung cấp cơ sở thực nghiệm khẳng định việc NHNN giảm giới hạn tỷ lệ vốn ngắn hạn cho vay trung dài hạn xuống 30% là động lực trực tiếp mở rộng quy mô thị trường TPDN.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong thực tế

  1. Doanh nghiệp phát hành: Lên kế hoạch phát hành trái phiếu dựa trên chu kỳ kinh tế; khi chỉ số xuất khẩu và tăng trưởng GDP quý dự báo đạt đỉnh, doanh nghiệp có thể tối ưu hóa khối lượng phát hành với mức lãi suất coupon cạnh tranh nhất.
  2. Ngân hàng thương mại (ALM - Asset Liability Management): Cơ cấu lại danh mục tài sản nợ - tài sản có, chủ động phát hành trái phiếu thứ cấp (trái phiếu tăng vốn cấp 2) nhằm bù đắp lượng thiếu hụt nguồn vốn trung dài hạn khi thực thi quy định 30% của Thông tư 08.
  3. Cơ quan quản lý Nhà nước (Bộ Tài chính & NHNN): Đồng bộ hóa chính sách tiền tệ và chính sách phát triển thị trường vốn; xây dựng các biện pháp phòng ngừa rủi ro lạm phát tác động tiêu cực đến thanh khoản thị trường nợ.

Lộ trình triển khai hệ thống phân tích và giám sát rủi ro

Tháng 1-2: Chuẩn hóa Pipeline ETL dữ liệu từ HNX, SBV, GSO
Tháng 3-4: Triển khai Engine kinh tế lượng tự động (VAR/VECM) trên nền tảng Cloud
Tháng 5-6: Tích hợp Dashboard cảnh báo sớm áp lực đáo hạn và cú sốc vĩ mô
  • Yêu cầu hệ thống: Máy chủ phân tích dữ liệu cấu hình tối thiểu 8 vCPU, 32GB RAM, chạy môi trường Linux Ubuntu Server 22.04 LTS, cài đặt Stata SE 17 / Python 3.10 Runtime để tự động cập nhật chuỗi số liệu theo quý.
  • Phân tích chi phí - lợi ích (ROI): Giúp các định chế tài chính và doanh nghiệp tiết kiệm 15–20% chi phí huy động vốn nhờ lựa chọn chính xác thời điểm phát hành (market timing), đồng thời triệt tiêu rủi ro phạt vi phạm tỷ lệ an toàn vốn ngân hàng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Dữ liệu thanh khoản thị trường thứ cấp trước tháng 07/2023 còn phân tán, giao dịch TPDN riêng lẻ chủ yếu phi tập trung (OTC) nên quy mô thị trường được đo bằng tổng dư nợ tích lũy thay vì giá trị giao dịch thực tế theo thời gian thực.
  • Biến số định tính: Chưa đưa vào mô hình chỉ số xếp hạng tín nhiệm độc lập do thị trường dịch vụ xếp hạng tín nhiệm tại Việt Nam (FiinRatings, Saigon Ratings) mới ở giai đoạn đầu phát triển.
  • Hướng phát triển tương lai:
    1. Ứng dụng mô hình VAR tham số thay đổi theo thời gian (Time-Varying Parameter VAR - TVP-VAR) để nắm bắt các điểm gãy cấu trúc chính sách.
    2. Mở rộng kết hợp mạng nơ-ron học sâu lai ghép (LSTM-VAR Hybrid Model) nhằm nâng cao độ chính xác dự báo quy mô thị trường trong các điều kiện thị trường tài chính biến động cực đoan.

Đối tượng hưởng lợi

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật để triển khai mô hình VAR này vào thực tế là gì?
    Hệ thống cần môi trường xử lý chuỗi thời gian như STATA 17.0, R (package vars, tseries) hoặc Python (statsmodels.tsa.api.VAR). Chuỗi số liệu vĩ mô phải được kiểm định tính dừng nghiêm ngặt qua phép kiểm định ADF trước khi ước lượng.

  2. Tại sao tỷ giá hối đoái (EXR) không có tác động nhân quả thống kê lên quy mô TPDN?
    Vì hơn 95% giá trị phát hành TPDN trong nước giai đoạn 2006–2023 được định danh và thanh toán bằng Việt Nam Đồng (VND). Các doanh nghiệp phát hành trái phiếu quốc tế bằng ngoại tệ chiếm tỷ trọng rất nhỏ nên biến động tỷ giá USD/VND chưa tạo ra tác động lan tỏa mang tính hệ thống lên tổng dư nợ nội địa.

  3. Mô hình xử lý như thế nào đối với các cú sốc pháp lý như Nghị định 65/2022/NĐ-CP và Nghị định 08/2023/NĐ-CP?
    Mô hình VAR nắm bắt tác động chính sách thông qua sự biến động trong phần dư sai số $u_t$ và chuỗi giá trị trễ $Y_{t-i}$. Độ trễ $p=2$ cho phép hệ thống hấp thụ phản ứng chính sách sau 2 quý kể từ khi văn bản pháp luật có hiệu lực.

  4. Nhu cầu bảo trì và cập nhật dữ liệu của mô hình diễn ra như thế nào?
    Mô hình cần được cập nhật dữ liệu định kỳ mỗi quý một lần ngay khi Tổng cục Thống kê và AsianBondsOnline công bố báo cáo kinh tế vĩ mô quý. Khi có thêm 4 quý dữ liệu mới, toàn bộ hệ số ma trận $A_i$ cần được tái ước lượng để duy trì độ tin cậy.

  5. Chi phí và thời gian thu hồi vốn (ROI) khi ứng dụng mô hình quản trị này cho doanh nghiệp?
    Chi phí triển khai mô hình dự báo vĩ mô nội bộ dao động từ 100–250 triệu VND (chi phí dữ liệu bản quyền và chuyên gia phân tích). Thời gian hoàn vốn đạt được ngay trong đợt phát hành trái phiếu đầu tiên nhờ tối ưu hóa được 20–50 điểm cơ bản (bps) lãi suất coupon phát hành.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến quy mô thị trường trái phiếu doanh nghiệp tại Việt Nam trong giai đoạn 2006–2023. Thông qua việc thiết lập mô hình Vector Tự hồi quy VAR(2) chuẩn mực, nghiên cứu khẳng định tăng trưởng kinh tế ($\text{LGDP}$) và độ mở thương mại ($\text{EXP}$) là hai động lực tích cực dài hạn mạnh mẽ nhất thúc đẩy sự phát triển của quy mô thị trường nợ doanh nghiệp, trong khi lạm phát ($\text{LCPI}$) tạo ra sự điều chỉnh chi phí vốn ngắn hạn. Kết quả này không chỉ lấp đầy khoảng trống nghiên cứu định lượng chuỗi thời gian tại Việt Nam mà còn là kim chỉ nam thực tiễn giúp các nhà quản trị doanh nghiệp tái cơ cấu kỳ hạn nguồn vốn hiệu quả và hỗ trợ các cơ quan quản lý hoàn thiện chính sách phát triển thị trường tài chính bền vững.