Giới thiệu dự án

Thị trường bất động sản (BĐS) Việt Nam giữ vai trò huyết mạch trong nền kinh tế, đóng góp trực tiếp và gián tiếp khoảng 13,6% GDP quốc gia. Tuy nhiên, đây là ngành có tính chất thâm dụng vốn cao, chu kỳ kinh doanh dài và phụ thuộc nặng nề vào nguồn tài trợ bên ngoài. Giai đoạn 2013–2022 chứng kiến những biến động đa chiều của thị trường: sự phục hồi mạnh mẽ sau khủng hoảng đóng băng giai đoạn trước, sự bùng nổ của nguồn vốn đầu tư trực tiếp nước ngoài (FDI thực hiện đạt kỷ lục 23,18 tỷ USD vào năm 2022), sự suy giảm nghiêm trọng do đại dịch COVID-19 và áp lực thanh khoản từ việc siết chặt thị trường trái phiếu doanh nghiệp cuối năm 2022.

+-------------------------------------------------------------------------+
|                  HỆ QUY CHIẾU THỰC TRẠNG TÀI CHÍNH BĐS                  |
+------------------------------------+------------------------------------+
| Tỷ lệ Nợ/Vốn chủ sở hữu (D/E)     | Đa số > 1,0 (Phụ thuộc nợ lớn)     |
| Số doanh nghiệp giải thể (2023)    | 1.286 doanh nghiệp (Tăng 7,7%)     |
| Số doanh nghiệp thành lập mới      | Giảm 45% so với năm 2022           |
| Tác động vĩ mô then chốt          | Lạm phát 3,25% (2023), FED tăng ls |
+------------------------------------+------------------------------------+

Vấn đề cốt lõi đặt ra đối với các nhà quản trị tài chính là việc xác định một cấu trúc vốn (Capital Structure) tối ưu – tỷ lệ kết hợp giữa nợ phải trả (Debt) và vốn chủ sở hữu (Equity) nhằm tối đa hóa giá trị doanh nghiệp và tối thiểu hóa chi phí sử dụng vốn bình quân (WACC). Việc duy trì đòn bẩy tài chính quá cao trong bối cảnh mặt bằng lãi suất cho vay vượt ngưỡng 10%/năm và dòng tiền kinh doanh ách tắc đã đẩy nhiều doanh nghiệp vào tình trạng kiệt quệ tài chính (Financial Distress).

Mục tiêu cụ thể của đề tài nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý luận nền tảng về cấu trúc vốn: Lý thuyết Modigliani & Miller (M&M), Lý thuyết Đánh đổi cấu trúc vốn (Trade-off Theory), Lý thuyết Trật tự phân hạng (Pecking Order Theory), và Lý thuyết Chi phí đại diện (Agency Theory).
  2. Xây dựng mô hình kinh tế lượng định lượng hóa mức độ tác động của 7 nhân tố nội tại: Khả năng sinh lời (PFT), Quy mô doanh nghiệp (SIZE), Tính hữu hình của tài sản (TAN), Cơ hội tăng trưởng (GRO), Khả năng thanh khoản (LIQ), Chi phí nợ vay (COD), và Thuế thu nhập doanh nghiệp (TAX) đến Hệ số đòn bẩy tài chính (LEV).
  3. Đánh giá, kiểm định và khắc phục triệt để các khuyết tật của mô hình dữ liệu bảng (Panel Data) như hiện tượng đa cộng tuyến, phương sai sai số thay đổi và tự tương quan.
  4. Đề xuất hệ thống giải pháp tài chính thực chứng giúp các doanh nghiệp bất động sản niêm yết thiết lập cơ cấu vốn an toàn và hiệu quả.

Phạm vi nghiên cứu tập trung vào 36 doanh nghiệp BĐS niêm yết trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX) trong chuỗi thời gian 10 năm liên tục từ 2013 đến 2022, tạo thành bộ dữ liệu bảng cân bằng với 360 quan sát thực nghiệm.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu cấu trúc vốn doanh nghiệp đòi hỏi phương pháp tiếp cận đa chiều, khắc phục những hạn chế của các phương pháp định tính hoặc phân tích chuỗi thời gian đơn lẻ.

Hướng tiếp cận Ưu điểm Nhược điểm / Hạn chế Mức độ phù hợp với BĐS
Quy tắc kinh nghiệm (Rule of Thumb) Đơn giản, dễ áp dụng theo định mức ngành (ví dụ: Nợ/Vốn = 1:1). Không tính đến sự khác biệt về quy mô, khả năng sinh lời và lá chắn thuế. Kém hiệu quả trong khủng hoảng tín dụng.
Hồi quy OLS gộp (Pooled OLS) Dễ ước lượng, tổng hợp dữ liệu trên diện rộng. Bỏ qua đặc trưng riêng biệt không quan sát được của từng doanh nghiệp ($u_i$). Dễ bị chệch tham số hồi quy.
Mô hình FEM / REM Kiểm soát được hiệu ứng cố định hoặc ngẫu nhiên giữa các doanh nghiệp. Thường bị vi phạm giả định phương sai đồng nhất và không tự tương quan. Cần bước kiểm định và hiệu chỉnh nâng cao.
Mô hình FGLS (Đề xuất) Khắc phục hoàn toàn phương sai thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation). Phức tạp trong tính toán ma trận hiệp phương sai. Tối ưu nhất cho Panel Data 10 năm.

Phân loại yêu cầu hệ thống định lượng theo khung MoSCoW:

  • Must-have: Đo lường chính xác 7 biến giải thích; xử lý dữ liệu bảng cân bằng 36 doanh nghiệp qua 10 năm; kiểm định hiện tượng đa cộng tuyến (VIF), kiểm định Hausman và kiểm định Breusch-Pagan Lagrange.
  • Should-have: Khắc phục khuyết tật mô hình bằng phương pháp Bình phương tối thiểu tổng quát khả thi (FGLS - Feasible Generalized Least Squares).
  • Could-have: Phân tích độ nhạy của biến chi phí nợ (COD) và thuế suất thực tế (TAX).
  • Won't-have: Mô hình hóa các doanh nghiệp BĐS chưa niêm yết hoặc thiếu dữ liệu tài chính kiểm toán liên tục.

Thiết kế hệ thống định lượng

Mô hình hồi quy tổng quát dạng đa biến được thiết lập như sau:

$$LEV_{it} = \beta_0 + \beta_1 PFT_{it} + \beta_2 SIZE_{it} + \beta_3 TAN_{it} + \beta_4 GRO_{it} + \beta_5 LIQ_{it} + \beta_6 COD_{it} + \beta_7 TAX_{it} + \varepsilon_{it}$$

Trong đó:

  • $i$: Doanh nghiệp thứ $i$ ($i = 1, 2, \dots, 36$).
  • $t$: Năm tài chính quan sát ($t = 2013, 2014, \dots, 2022$).
  • $\beta_0$: Hệ số chặn (Intercept).
  • $\beta_1 \to \beta_7$: Các hệ số hồi quy tương ứng với từng biến độc lập.
  • $\varepsilon_{it}$: Sai số ngẫu nhiên của mô hình.
+-------------------------------------------------------------------------+
|                    QUY TRÌNH XỬ LÝ DỮ LIỆU BẢNG                         |
+-------------------------------------------------------------------------+
|  [BCTC Vietstock 2013-2022] ---> [Lọc & Chuẩn hóa: 36 DN / 360 Obs]     |
|                                         |                               |
|                                         v                               |
|               [Ước lượng cơ sở: Pooled OLS, FEM, REM]                   |
|                                         |                               |
|                                         v                               |
|          [Kiểm định: Breusch-Pagan LM Test & Hausman Test]              |
|                                         |                               |
|                                         v                               |
|      [Kiểm định Khuyết tật: Modified Wald, Wooldridge, VIF]             |
|                                         |                               |
|                                         v                               |
|             [Ước lượng Hiệu chỉnh: FGLS (xtgls Engine)]                 |
+-------------------------------------------------------------------------+

Đặc tả các biến trong mô hình nghiên cứu:

Tên biến Ký hiệu Công thức xác định Kỳ vọng dấu
Đòn bẩy tài chính $LEV$ $\frac{\text{Tổng nợ phải trả}}{\text{Tổng tài sản}}$ Biến phụ thuộc
Khả năng sinh lời $PFT$ $\frac{\text{Lợi nhuận trước thuế và lãi vay (EBIT)}}{\text{Tổng tài sản}}$ $(-)$
Quy mô doanh nghiệp $SIZE$ $\ln(\text{Tổng tài sản})$ $(+)$
Tính hữu hình tài sản $TAN$ $\frac{\text{Tài sản cố định}}{\text{Tổng tài sản}}$ $(+)$
Cơ hội tăng trưởng $GRO$ $\frac{\text{Doanh thu}t - \text{Doanh thu}{t-1}}{\text{Doanh thu}_{t-1}}$ $(-)$
Khả năng thanh khoản $LIQ$ $\frac{\text{Tài sản ngắn hạn}}{\text{Nợ ngắn hạn}}$ $(-)$
Chi phí nợ vay $COD$ $\frac{\text{Chi phí lãi vay}}{\text{Tổng nợ phải trả}}$ $(-)$
Thuế TNDN $TAX$ $\frac{\text{Chi phí thuế TNDN hiện hành}}{\text{EBIT}}$ $(+)$

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng thực chứng kết hợp định tính phân tích báo cáo tài chính:

  1. Công cụ & Môi trường: Stata phiên bản 16.0 kết hợp xử lý tiền kỳ ma trận trên Microsoft Excel.
  2. Khung thời gian nghiên cứu: Dữ liệu 10 năm bao quát trọn vẹn một chu kỳ phát triển BĐS tại Việt Nam (2013–2022).
  3. Tiêu chuẩn xử lý dữ liệu: Loại bỏ toàn bộ các công ty con, công ty liên kết bị trùng lặp số liệu hợp nhất và các thực thể bị khuyết dữ liệu quá 2 năm liên tiếp.

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi bằng hệ thống câu lệnh Stata chuyên sâu:

* 1. Khai báo cấu trúc dữ liệu bảng
clear all
import excel "RealEstate_PanelData_2013_2022.xlsx", sheet("Data") firstrow
xtset company_id year

* 2. Thống kê mô tả và ma trận tương quan Pearson
summarize LEV PFT SIZE TAN GRO LIQ COD TAX
pwcorr LEV PFT SIZE TAN GRO LIQ COD TAX, sig star(0.05)

* 3. Ước lượng các mô hình cơ bản
reg LEV PFT SIZE TAN GRO LIQ COD TAX
estimates store OLS_model

xtreg LEV PFT SIZE TAN GRO LIQ COD TAX, fe
estimates store FEM_model

xtreg LEV PFT SIZE TAN GRO LIQ COD TAX, re
estimates store REM_model

* 4. Kiểm định lựa chọn mô hình tối ưu
hausman FEM_model REM_model
xttest0

* 5. Kiểm định khuyết tật mô hình FEM
xttest3
xtserial LEV PFT SIZE TAN GRO LIQ COD TAX
quietly reg LEV PFT SIZE TAN GRO LIQ COD TAX
estat vif

* 6. Khắc phục khuyết tật bằng FGLS (Cross-sectional Heteroskedasticity & AR(1))
xtgls LEV PFT SIZE TAN GRO LIQ COD TAX, panels(hetero) corr(ar1)
estimates store FGLS_model

Testing và validation

Kết quả kiểm định khuyết tật mô hình kinh tế lượng cho thấy:

  • Kiểm định VIF (Variance Inflation Factor): Tất cả hệ số VIF của các biến độc lập đều $< 2,5$ (trung bình VIF $= 1,42$), chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.
  • Kiểm định Hausman: Giá trị $\text{Prob} > \chi^2 = 0,0012 < 0,05 \Rightarrow$ Bác bỏ giả thuyết $H_0$, mô hình Tác động cố định (FEM) phù hợp hơn mô hình Tác động ngẫu nhiên (REM).
  • Kiểm định Modified Wald (Phương sai sai số thay đổi): $\text{Prob} > \chi^2 = 0,0000 < 0,01 \Rightarrow$ Mô hình FEM xuất hiện hiện tượng phương sai thay đổi giữa các thực thể.
  • Kiểm định Wooldridge (Tự tương quan chuỗi): $\text{Prob} > F = 0,0231 < 0,05 \Rightarrow$ Tồn tại hiện tượng tự tương quan bậc 1 trong chuỗi dữ liệu bảng.
+-------------------------------------------------------------------------+
|                  BẢNG SO SÁNH KẾT QUẢ CÁC MÔ HÌNH HỒI QUY               |
+------------+---------------+---------------+---------------+------------+
| Biến số    |  Pooled OLS   |      FEM      |      REM      |    FGLS    |
+------------+---------------+---------------+---------------+------------+
| PFT        | -0,4821***    | -0,3142**     | -0,3985***    | -0,3518*** |
| SIZE       | +0,0412***    | +0,0625***    | +0,0489***    | +0,0512*** |
| TAN        | -0,0812       | -0,0421       | -0,0619       | -0,0384    |
| GRO        | +0,0021       | -0,0015       | +0,0008       | -0,0011    |
| LIQ        | -0,0684***    | -0,0492***    | -0,0581***    | -0,0523*** |
| COD        | -0,8124**     | -0,6215**     | -0,7012**     | -0,6845*** |
| TAX        | +0,1218*      | +0,1452**     | +0,1310*      | +0,1389**  |
| _cons      | +0,1125       | -0,2481       | -0,0842       | -0,1054    |
+------------+---------------+---------------+---------------+------------+
| Ghi chú    | * p<0.1; ** p<0.05; *** p<0.01                             |
+-------------------------------------------------------------------------+

Kết quả đạt được

Hồi quy FGLS sau khi hiệu chỉnh toàn diện sai số mang lại các kết luận thực chứng quan trọng:

  1. Khả năng sinh lời ($PFT$): Tác động tiêu cực có ý nghĩa thống kê ở mức 1% ($\beta_1 = -0,3518$). Doanh nghiệp có tỷ suất sinh lời trên tài sản cao sẽ giảm tỷ lệ vay nợ, ưu tiên tái đầu tư từ lợi nhuận giữ lại, hoàn toàn nhất quán với Lý thuyết Trật tự phân hạng (Pecking Order Theory).
  2. Quy mô doanh nghiệp ($SIZE$): Tác động tích cực có ý nghĩa thống kê ở mức 1% ($\beta_2 = +0,0512$). Doanh nghiệp BĐS quy mô lớn sở hữu uy tín, quỹ đất lớn và khả năng tiếp cận vốn ngân hàng/trái phiếu dễ dàng hơn với chi phí thấp hơn (ủng hộ Trade-off Theory).
  3. Khả năng thanh khoản ($LIQ$): Tác động tiêu cực mạnh mẽ ($\beta_5 = -0,0523, p < 0,01$). Khả năng chuyển đổi tiền mặt cao giúp doanh nghiệp tự tài trợ cho vốn lưu động mà không cần phụ thuộc vào đòn bẩy ngắn hạn.
  4. Chi phí nợ vay ($COD$): Tác động tiêu cực sâu sắc ($\beta_6 = -0,6845, p < 0,01$). Khi lãi suất vay tăng cao, gánh nặng lãi vay bào mòn lợi nhuận ròng, buộc doanh nghiệp phải tái cơ cấu thu hẹp quy mô nợ.
  5. Thuế thu nhập doanh nghiệp ($TAX$): Tác động tích cực ($\beta_7 = +0,1389, p < 0,05$). Doanh nghiệp có nghĩa vụ thuế cao có xu hướng sử dụng nhiều nợ hơn để khai thác tối đa lá chắn thuế từ chi phí lãi vay (lý thuyết M&M 1963).

Đổi mới và đóng góp

  • Tính cập nhật về chu kỳ kinh tế: Mẫu dữ liệu phản ánh toàn diện giai đoạn khủng hoảng COVID-19 và biến động thanh khoản trái phiếu 2022, cung cấp bằng chứng thực nghiệm mới nhất về khả năng chống chịu của cấu trúc vốn BĐS.
  • Mô hình hóa đồng thời hai biến tài chính đặc thù: Đưa biến Chi phí nợ ($COD$) và Biến thuế ($TAX$) vào cùng một mô hình với các biến truyền thống ($SIZE, PFT, LIQ$), giải quyết khoảng trống nghiên cứu mà nhiều tác giả trước đây bỏ qua.
  • Chuẩn mực phương pháp định lượng: Khắc phục hoàn toàn tình trạng sai lệch kiểm định t và F do vi phạm giả định OLS bằng kỹ thuật FGLS ($xtgls$), đảm bảo tính vững (Robustness) và hiệu quả (Efficiency) của các ước lượng tham số.
+-------------------------------------------------------------------------+
|                  SO SÁNH VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM                  |
+----------------------+--------------------+-----------------------------+
| Tiêu chí so sánh     | Joy Pathak (2010)  | Khóa luận (Nguyen Hao, 2024)|
+----------------------+--------------------+-----------------------------+
| Không gian mẫu       | 135 cty Ấn Độ      | 36 cty BĐS niêm yết VN      |
| Khung thời gian      | 1990 - 2009        | 2013 - 2022 (Bao gồm COVID) |
| Phương pháp chính    | OLS / Fixed Effects| FGLS khắc phục AR(1) & Het  |
| Biến Thuế & Chi phí  | Không đưa biến TAX | Tích hợp đầy đủ COD & TAX   |
| Đóng góp ứng dụng    | Khái quát thị trường| Chỉ dẫn tái cơ cấu nợ BĐS  |
+----------------------+--------------------+-----------------------------+

Ứng dụng thực tế và triển khai

Nghiên cứu cung cấp khung tham chiếu định lượng trực tiếp cho các Giám đốc Tài chính (CFO) và chuyên viên định chế tín dụng trong việc quản trị cấu trúc vốn:

+-------------------------------------------------------------------------+
|                LỘ TRÌNH TỐI ƯU CẤU TRÚC VỐN DOANH NGHIỆP BĐS            |
+-------------------------------------------------------------------------+
| [Giai đoạn 1: Đo lường rủi ro]                                          |
| - Tính toán $COD$ biên và tỷ lệ $LIQ$ thực tế hàng quý.                |
| - Xác định ngưỡng đòn bẩy giới hạn: $LEV \le 0,55 - 0,60$.              |
|                                                                         |
| [Giai đoạn 2: Tái cấu trúc danh mục nợ]                                 |
| - Thay thế nợ vay ngắn hạn lãi suất thả nổi bằng trái phiếu dự án dài hạn.|
| - Tận dụng tối đa lá chắn thuế từ đòn bẩy hợp lý ($TAX$ optimization).  |
|                                                                         |
| [Giai đoạn 3: Tối ưu dòng tiền nội bộ]                                  |
| - Thúc đẩy giải phóng hàng tồn kho dự án để tăng $LIQ$.                 |
| - Tái đầu tư lợi nhuận giữ lại ($PFT$) thay vì chia cổ tức tiền mặt cao.|
+-------------------------------------------------------------------------+
  • Quản trị rủi ro nợ vay: Đối với các doanh nghiệp có hệ số $COD > 9,5%$, cần khẩn trương hạ tỷ lệ $LEV$ xuống dưới mức trung bình ngành ($0,50$) để tránh hiện tượng mất khả năng thanh toán khi dòng tiền kinh doanh bị trễ hạn.
  • Chiến lược mở rộng tài sản: Các doanh nghiệp quy mô nhỏ ($SIZE$ thấp) nên tận dụng các quỹ đầu tư bất động sản (REITs) hoặc phát hành cổ phiếu cho cổ đông chiến lược thay vì lạm dụng tín dụng ngân hàng khi chưa có đủ tài sản bảo đảm.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết luận thực nghiệm vững chắc, đề tài tồn tại một số giới hạn học thuật:

  • Quy mô mẫu: Việc loại bỏ các công ty thiếu dữ liệu khiến quy mô mẫu dừng lại ở 36 doanh nghiệp.
  • Tính chất nội sinh (Endogeneity): Mô hình tĩnh chưa kiểm soát được hoàn toàn mối quan hệ nhân quả hai chiều giữa đòn bẩy tài chính và khả năng sinh lời.

Hướng mở rộng đề xuất cho các nghiên cứu tiếp theo:

  1. Ứng dụng phương pháp Ước lượng Men Momen Tổng quát dạng Động (System GMM) để xử lý triệt để hiện tượng nội sinh và độ trễ của cấu trúc vốn.
  2. Bổ sung các biến số kinh tế vĩ mô ngoại sinh như Lãi suất điều hành của Ngân hàng Nhà nước, Tỷ lệ lạm phát (CPI), và Tốc độ tăng trưởng cung tiền $M_2$.
  3. Áp dụng các thuật toán Machine Learning (Random Forest, XGBoost) để phát hiện các mối quan hệ phi tuyến tính giữa quy mô tài sản và ngưỡng an toàn tài chính.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Bản mẫu hoàn chỉnh về quy trình nghiên cứu kinh tế lượng ứng dụng, xử lý dữ liệu bảng từ thu thập BCTC, hồi quy FEM/REM đến FGLS trên Stata.
  • Chuyên viên phân tích tài chính & Ngân hàng: Bộ chỉ số định lượng giúp đánh giá độ nhạy cảm của rủi ro tín dụng doanh nghiệp BĐS dựa trên $COD, LIQ$ và $PFT$.
  • Ban điều hành & CFO doanh nghiệp BĐS: Căn cứ khoa học để thiết lập hạn mức nợ vay mục tiêu, chủ động thích ứng với chu kỳ thắt chặt chính sách tiền tệ.
  • Nhà hoạch định chính sách: Bằng chứng thực nghiệm để ban hành các quy định về tỷ lệ an toàn vốn, kiểm soát dòng vốn tín dụng chảy vào thị trường bất động sản.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm Stata 15.0 trở lên (khuyến nghị Stata 16 MP/SE), kết hợp Microsoft Excel để chuẩn hóa dữ liệu ma trận bảng. Cấu hình phần cứng tối thiểu: CPU Dual-Core, 4GB RAM, hệ điều hành Windows/macOS/Linux.

2. Tại sao nghiên cứu không sử dụng kết quả từ mô hình Pooled OLS hoặc FEM thông thường?

Mô hình Pooled OLS bỏ qua đặc trưng riêng biệt của từng doanh nghiệp ($u_i$). Khi chuyển sang FEM, các kiểm định chuyên sâu phát hiện dữ liệu vi phạm giả định phương sai đồng nhất (Modified Wald test, $p < 0,001$) và xuất hiện tự tương quan chuỗi (Wooldridge test, $p < 0,05$). Do đó, ước lượng FGLS là bắt buộc để các giá trị p-value và sai số chuẩn đạt độ tin cậy chuẩn mực.

3. Biến Tính hữu hình của tài sản ($TAN$) và Cơ hội tăng trưởng ($GRO$) tại sao không có ý nghĩa thống kê trong mô hình FGLS?

Trong ngành BĐS Việt Nam, phần lớn giá trị tài sản nằm ở dạng "Hàng tồn kho" (chi phí phát triển dự án dở dang, tiền sử dụng đất) chứ không phải "Tài sản cố định hữu hình" thuần túy theo chuẩn mực kế toán ($TAN$). Tương tự, doanh thu ($GRO$) của doanh nghiệp BĐS thường mang tính đột biến theo chu kỳ bàn giao dự án, làm giảm mối liên kết tuyến tính với cấu trúc vốn thường niên.

4. Chi phí nợ vay ($COD$) tác động đến cấu trúc vốn như thế nào trong thời kỳ lãi suất biến động?

Hệ số hồi quy âm rất lớn ($\beta_6 = -0,6845$) chỉ ra rằng cấu trúc vốn của doanh nghiệp BĐS cực kỳ nhạy cảm với lãi suất. Khi lãi suất tăng thêm 1%, doanh nghiệp có xu hướng cắt giảm mạnh tỷ lệ đòn bẩy nợ để bảo vệ biên lợi nhuận hoạt động và hạn chế nguy cơ vỡ nợ ngắn hạn.

5. Doanh nghiệp BĐS có nên duy trì tỷ lệ Nợ/Tổng tài sản ($LEV$) ở mức 100% để tối đa hóa lá chắn thuế theo M&M 1963?

Không. Lý thuyết M&M (1963) giả định không có chi phí phá sản. Trên thực tế, theo Lý thuyết Đánh đổi (Trade-off Theory), khi $LEV$ vượt ngưỡng an toàn (thường $> 0,60$), chi phí kiệt quệ tài chính và rủi ro thanh khoản sẽ triệt tiêu hoàn toàn lợi ích của lá chắn thuế ($TAX$), dẫn đến suy giảm giá trị doanh nghiệp.


Kết luận

Công trình khóa luận tốt nghiệp đã hoàn thành xuất sắc mục tiêu nhận diện và định lượng hóa các nhân tố chi phối cấu trúc vốn của 36 doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2013–2022. Bằng việc áp dụng phương pháp ước lượng vững FGLS trên Stata 16, nghiên cứu khẳng định: Khả năng sinh lời ($PFT$), Chi phí nợ ($COD$) và Tính thanh khoản ($LIQ$) có tác động kìm hãm đòn bẩy tài chính; trong khi Quy mô doanh nghiệp ($SIZE$) và Thuế TNDN ($TAX$) là động lực thúc đẩy gia tăng vay nợ. Kết quả nghiên cứu không chỉ làm phong phú thêm kho tàng thực chứng tài chính doanh nghiệp tại các thị trường mới nổi mà còn là cẩm nang quản trị cấu trúc vốn thực tế cho các nhà quản lý trong kỷ nguyên thị trường tài chính nhiều biến động.