Giới thiệu dự án

Ngành sản xuất nhựa kỹ thuật và vật liệu hạ tầng thủy sản tại Việt Nam duy trì tốc độ tăng trưởng kép (CAGR) trung bình 8.5% giai đoạn 2020–2023. Tuy nhiên, các doanh nghiệp vừa và nhỏ trong ngành đối mặt với biến động giá hạt nhựa nguyên sinh HDPE (High-Density Polyethylene), chu kỳ công nợ dự án công kéo dài và áp lực chi phí lãi vay gia tăng. Đề tài nghiên cứu ứng dụng phương pháp phân tích tài chính định lượng chuyên sâu để đánh giá toàn diện hiệu quả sử dụng vốn tại Công ty Cổ phần Tập đoàn Nhựa Super Trường Phát (STP Group) giai đoạn 2020–2023, từ đó xây dựng mô hình tái cấu trúc vốn và tối ưu hóa thanh khoản.

Vấn đề thực tiễn và điểm nghẽn tài chính

Phân tích dữ liệu kế toán thực tế tại STP Group giai đoạn 2020–2023 cho thấy các điểm nghẽn nghiêm trọng:

  • Ứ đọng vốn lưu động: Tài sản ngắn hạn (TSNH) chiếm 67.2% tổng tài sản (285.05 tỷ VNĐ/424.23 tỷ VNĐ năm 2023), trong đó các khoản phải thu ngắn hạn (115.82 tỷ VNĐ, chiếm 40.63% TSNH) và hàng tồn kho (110.40 tỷ VNĐ, chiếm 38.73% TSNH) làm nghẽn dòng tiền.
  • Áp lực đòn bẩy ngắn hạn: Nợ phải trả đạt 296.54 tỷ VNĐ (chiếm 69.9% tổng nguồn vốn), trong đó nợ ngắn hạn chiếm 93.9% tổng nợ (278.43 tỷ VNĐ), chủ yếu là vay ngân hàng thương mại (BIDV 80 tỷ, Shinhan Bank 50 tỷ, MB Bank 25 tỷ).
  • Rủi ro thanh khoản tức thời: Tiền và các khoản tương đương tiền chỉ đạt 8.14 tỷ VNĐ (2.86% TSNH), dẫn đến hệ số thanh toán nhanh suy giảm về mức 0.59 năm 2023.
  • Lãng phí chi phí cơ hội vốn: Kỳ luân chuyển TSNH kéo dài 152–192 ngày, gây lãng phí vốn lưu động ước tính hơn 105.64 tỷ VNĐ so với chu kỳ chuẩn năm 2020.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị vốn kinh doanh, cơ cấu vốn và các mô hình đánh giá hiệu quả vốn (DuPont, WACC, CCC).
  2. Phân tích chi tiết biến động cơ cấu tài sản, nguồn vốn và các hệ số thanh khoản của STP Group qua 4 năm (2020–2023).
  3. Đo lường hiệu quả sinh lời trên tài sản (ROA), vốn chủ sở hữu (ROE) và tài sản cố định (TSCĐ) thông qua mô hình phân rã đa nhân tố.
  4. Lập trình thuật toán mô phỏng dòng tiền và tối ưu cơ cấu nợ vay nhằm giảm thiểu chi phí sử dụng vốn bình quân ($WACC$).
  5. Đề xuất bộ giải pháp quản trị nợ phải thu, luân chuyển hàng tồn kho và cân đối dòng tiền khả thi cho doanh nghiệp.

Phạm vi và giới hạn

  • Không gian: Toàn bộ hoạt động tài chính tại trụ sở chính và 3 nhà máy sản xuất (Thái Bình, Hạ Long, Hưng Yên) cùng các đơn vị trực thuộc STP Group.
  • Thời gian: Dữ liệu báo cáo tài chính kiểm toán giai đoạn 2020 – 2023.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào tài chính doanh nghiệp ứng dụng, kết hợp mô hình hóa dữ liệu định lượng; không can thiệp sâu vào quy trình công nghệ polymer của ống nhựa HDPE.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Phương pháp truyền thống Phương pháp phân tích tỷ số tĩnh Khung phân tích định lượng tích hợp (Đề tài)
Độ sâu phân tích Đọc báo cáo tài chính rời rạc Tính toán các tỷ số ROA, ROE đơn lẻ Phân rã DuPont 5 nhân tố + Mô phỏng Monte Carlo dòng tiền
Xử lý dữ liệu Thủ công qua bảng tính Excel cơ bản Bảng tính phân tích tĩnh từng năm Pipeline xử lý tự động qua Python, tối ưu hóa thuật toán
Phát hiện rủi ro Độ trễ cao, khó cảnh báo sớm Nhận diện hiện tượng, không rõ nguyên nhân gốc Tách biệt ảnh hưởng của đòn bẩy tài chính ($FL$), biên $EBIT$ và vòng quay vốn ($TAT$)
Khả năng dự báo Định tính, phụ thuộc cảm quan Phép ngoại suy tuyến tính giản đơn Stress-testing thanh khoản dưới các kịch bản biến động lãi suất

Yêu cầu bài toán phân tích quản trị (MoSCoW)

  • Must have: Phân tích cấu trúc tài sản – nguồn vốn 2020–2023; tính toán hệ số thanh toán (Current Ratio, Quick Ratio, Cash Ratio); phân tích vòng quay vốn (Inventory Turnover, Receivables Turnover, Working Capital Cycle).
  • Should have: Phân rã DuPont 3/5 bước cho ROE; đo lường chi phí vốn bình quân gia quyền ($WACC$); xác định mức độ thâm dụng vốn lãng phí.
  • Could have: Mô hình hóa kịch bản tái cấu trúc dư nợ ngân hàng; lập bảng kế hoạch cân đối thu – chi tự động.
  • Won't have: Tích hợp trực tiếp hệ thống ERP real-time (nằm ngoài phạm vi đồ án khóa luận).

Thiết kế hệ thống dữ liệu và mô hình phân tích

Hệ thống xử lý và phân tích dữ liệu tài chính được cấu trúc theo 4 lớp kiến trúc độc lập:

Technology Stack

  • Ngôn ngữ cốt lõi: Python 3.11.8
  • Thư viện tính toán & dữ liệu: Pandas 2.2.0, NumPy 1.26.4, SciPy 1.12.0
  • Hệ quản trị cơ sở dữ liệu: PostgreSQL 16.2 (lưu trữ chỉ số BCTC chuẩn hóa)
  • Mô hình hóa & Trực quan: Matplotlib 3.8.3, Seaborn 0.13.2, Streamlit 1.32.0

Database Design (Relational Schema)

CREATE TABLE financial_statements (
    statement_id SERIAL PRIMARY KEY,
    fiscal_year INT NOT NULL CHECK (fiscal_year BETWEEN 2020 AND 2030),
    revenue NUMERIC(15, 2) NOT NULL,
    cogs NUMERIC(15, 2) NOT NULL,
    net_profit NUMERIC(15, 2) NOT NULL,
    short_term_assets NUMERIC(15, 2) NOT NULL,
    cash_and_equivalents NUMERIC(15, 2) NOT NULL,
    accounts_receivable NUMERIC(15, 2) NOT NULL,
    inventory NUMERIC(15, 2) NOT NULL,
    fixed_assets NUMERIC(15, 2) NOT NULL,
    total_assets NUMERIC(15, 2) NOT NULL,
    short_term_debt NUMERIC(15, 2) NOT NULL,
    bank_loans_short NUMERIC(15, 2) NOT NULL,
    total_liabilities NUMERIC(15, 2) NOT NULL,
    owner_equity NUMERIC(15, 2) NOT NULL
);

Phương pháp nghiên cứu (Methodology)

Nghiên cứu ứng dụng phương pháp thu thập dữ liệu thứ cấp được kiểm toán độc lập, kết hợp phương pháp so sánh ngang, so sánh dọc, phân tích chỉ số tài chính chuẩn quốc tế và phân tích tương quan Dupont.

Giai đoạn Nội dung công việc Deliverable chính Thời gian
Phase 1 Khảo sát thực tế tại STP Group, thu thập BCTC 2020–2023 Bộ cơ sở dữ liệu tài chính sạch 4 năm Tuần 1 - 3
Phase 2 Xây dựng khung lý thuyết, xác lập hệ thống 18 chỉ tiêu Đề cương chi tiết & Framework phân tích Tuần 4 - 6
Phase 3 Viết mã nguồn Python tính toán chỉ số & phân rã DuPont Module financial_engine.py hoàn chỉnh Tuần 7 - 9
Phase 4 Phân tích cơ cấu nguồn vốn, đánh giá thanh khoản & lãng phí Báo cáo chuyên đề thực trạng vốn STP Tuần 10 - 12
Phase 5 Xây dựng phương án cơ cấu nợ, mô phỏng dòng tiền Bộ giải pháp quản trị tài chính doanh nghiệp Tuần 13 - 14
Phase 6 Thẩm định kết quả cùng chuyên gia & Bảo vệ khóa luận Toàn văn khóa luận & Dashboard báo cáo Tuần 15 - 16

Implementation và kết quả

Quy trình triển khai thuật toán phân tích tài chính

Mô hình phân rã DuPont 5 nhân tố được triển khai nhằm xác định chính xác các động lực thúc đẩy tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$):

$$\text{ROE} = \left( \frac{\text{Lợi nhuận sau thuế}}{\text{EBT}} \right) \times \left( \frac{\text{EBT}}{\text{EBIT}} \right) \times \left( \frac{\text{EBIT}}{\text{Doanh thu}} \right) \times \left( \frac{\text{Doanh thu}}{\text{Tổng tài sản TB}} \right) \times \left( \frac{\text{Tổng tài sản TB}}{\text{VCSH TB}} \right)$$

import numpy as np
import pandas as pd

class FinancialAnalysisEngine:
    def __init__(self, data: pd.DataFrame):
        self.df = data

    def compute_dupont_5_factor(self) -> pd.DataFrame:
        """
        Tính toán phân rã DuPont 5 nhân tố cho doanh nghiệp:
        1. Tax Burden (NI / EBT)
        2. Interest Burden (EBT / EBIT)
        3. Operating Profit Margin (EBIT / Revenue)
        4. Asset Turnover (Revenue / Avg Total Assets)
        5. Equity Multiplier (Avg Total Assets / Avg Equity)
        """
        res = pd.DataFrame(index=self.df.index)
        res['Tax_Burden'] = self.df['net_profit'] / self.df['ebt']
        res['Interest_Burden'] = self.df['ebt'] / self.df['ebit']
        res['EBIT_Margin'] = self.df['ebit'] / self.df['revenue']
        
        avg_assets = (self.df['total_assets'] + self.df['total_assets'].shift(1)) / 2
        avg_assets.iloc[0] = self.df['total_assets'].iloc[0]
        res['Asset_Turnover'] = self.df['revenue'] / avg_assets
        
        avg_equity = (self.df['owner_equity'] + self.df['owner_equity'].shift(1)) / 2
        avg_equity.iloc[0] = self.df['owner_equity'].iloc[0]
        res['Equity_Multiplier'] = avg_assets / avg_equity
        
        res['Calculated_ROE'] = (res['Tax_Burden'] * res['Interest_Burden'] * 
                                 res['EBIT_Margin'] * res['Asset_Turnover'] * 
                                 res['Equity_Multiplier'])
        return res

    def compute_working_capital_waste(self, benchmark_year: int = 2020) -> pd.Series:
        """
        Đo lường lượng vốn lưu động bị ứ đọng do suy giảm vòng quay TSNH:
        Vốn lãng phí = (Doanh thu kỳ này / 360) * (Kỳ luân chuyển kỳ này - Kỳ luân chuyển chuẩn)
        """
        turnover = self.df['revenue'] / self.df['short_term_assets']
        cycle_days = 360 / turnover
        benchmark_cycle = cycle_days.loc[benchmark_year]
        
        waste = (self.df['revenue'] / 360) * (cycle_days - benchmark_cycle)
        return waste.apply(lambda x: max(0, x))

Kết quả tính toán thực nghiệm các chỉ tiêu tài chính

Dữ liệu kế toán thực nghiệm tại STP Group qua 4 năm được phân tích và tổng hợp:

Chỉ tiêu tài chính 2020 2021 2022 2023 Xu hướng
Doanh thu thuần (trđ) 155,761 303,627 490,929 679,119 Tăng +336.0% (CAGR: 63.4%)
Lợi nhuận sau thuế (trđ) 2,867 15,029 21,084 21,904 Tăng +664.0%
Tài sản ngắn hạn (trđ) 40,501 157,882 229,929 285,051 Tăng +603.8%
Vốn chủ sở hữu (trđ) 46,500 85,530 122,615 127,689 Tăng +174.6%
Nợ phải trả (trđ) 41,234 170,551 253,549 296,536 Tăng +619.2%
Vòng quay TSNH (vòng) 3.84 1.92 2.14 2.38 Suy giảm mạnh so với 2020
Kỳ luân chuyển TSNH (ngày) 93.8 187.5 168.2 151.3 Kéo dài thêm 57.5 ngày
Vốn lưu động lãng phí (trđ) 0 80,967 106,095 105,640 Chiếm 15.6% doanh thu 2023
Vòng quay TSCĐ (vòng) 3.30 4.73 4.84 5.86 Cải thiện liên tục (+77.6%)
Hệ số thanh toán hiện hành ($CR$) 0.80 0.87 0.98 0.97 Dưới ngưỡng an toàn ($< 1.0$)
Hệ số thanh toán nhanh ($QR$) 0.66 0.66 0.52 0.59 Rủi ro thanh khoản cao
Hệ số Nợ / Tổng tài sản ($DR$) 47.0% 66.6% 67.4% 69.9% Mức đòn bẩy tăng cao

Đánh giá kiểm thử mô hình và độ chính xác dữ liệu

  • Đối soát kế toán: 100% các biến phân tích cân bằng tuyệt đối giữa Tổng tài sản và Tổng nguồn vốn trên bảng cân đối kế toán từng năm (Sai số $0.00$ VNĐ).
  • Tính vững của chỉ số: Chỉ tiêu $ROE$ tính qua phương pháp kế toán tổng hợp khớp hoàn toàn với kết quả phân rã DuPont 5 nhân tố: năm 2023 đạt $17.50%$ (LNST/VCSH bình quân $= 21,904 / 125,152$).

Đổi mới và đóng góp

  1. Ứng dụng mô hình định lượng tính toán chi phí vốn lãng phí: Thay vì chỉ nhận xét định tính về tốc độ luân chuyển tài sản, đề tài đã cụ thể hóa sự suy giảm hiệu quả luân chuyển TSNH thành con số thiệt hại tài chính cụ thể ($105.64$ tỷ VNĐ năm 2023).
  2. So sánh tương quan trong ngành nhựa xây dựng & hạ tầng:
Chỉ số tài chính (Năm 2023) STP Group Nhựa Tiền Phong (NTP) Nhựa Bình Minh (BMP)
Hệ số Nợ / Tổng tài sản ($DR$) 69.9% (Rất cao) 32.4% 18.5%
Hệ số thanh toán hiện hành ($CR$) 0.97 (Dưới chuẩn) 2.35 4.12
Hệ số thanh toán nhanh ($QR$) 0.59 (Rủi ro) 1.68 3.45
Tỷ trọng Khoản phải thu / TSNH 40.63% 22.10% 12.80%
Tốc độ tăng trưởng Doanh thu +38.93% (Vượt trội) +4.50% -8.20%
  1. Đóng góp học thuật và thực tiễn: Khóa luận xây dựng thành công tài liệu tham khảo có giá trị ứng dụng cao cho sinh viên ngành Tài chính – Ngân hàng về kỹ thuật bóc tách BCTC của các doanh nghiệp tăng trưởng nhanh nhưng mất cân đối cơ cấu nợ ngắn hạn.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng quản trị tại STP Group

  • Kịch bản 1: Tái cấu trúc cơ cấu kỳ hạn nợ vay ngân hàng
    • Chuyển đổi $30%$ nợ vay ngắn hạn tại BIDV và Shinhan Bank (khoảng 50–70 tỷ VNĐ) sang khoản vay trung hạn 3–5 năm phục vụ dự án nuôi biển công nghiệp công nghệ cao.
    • Tác động: Nâng hệ số $CR$ từ $0.97$ lên mức $1.25$, giải tỏa áp lực thanh toán trong kỳ ngắn hạn.
  • Kịch bản 2: Tối ưu chính sách tín dụng thương mại B2B
    • Áp dụng điều khoản thanh toán $2/10, \text{net } 30$ (chiết khấu $2%$ nếu thanh toán trong vòng 10 ngày).
    • Tác động: Rút ngắn kỳ thu tiền bình quân từ 75 ngày xuống 50 ngày, giải phóng $35$ tỷ VNĐ bổ sung trực tiếp vào số dư tiền mặt.
  • Kịch bản 3: Tối ưu hóa dự trữ tồn kho hạt nhựa HDPE
    • Áp dụng mô hình đặt hàng kinh tế (EOQ - Economic Order Quantity) kết hợp hợp đồng quyền chọn giá nguyên liệu nhằm giảm tỷ trọng tồn kho xuống dưới $28%$ TSNH.
                    KẾ HOẠCH DÒNG TIỀN VÀ ROI DỰ KIẾN (2024 - 2026)
-------------------------------------------------------------------------------------
Năm      Chi phí triển khai     Vốn lưu động giải phóng     Lãi vay tiết kiệm     ROI
-------------------------------------------------------------------------------------
2024         1.20 tỷ VNĐ              35.00 tỷ VNĐ              3.85 tỷ VNĐ       220%
2025         0.80 tỷ VNĐ              45.00 tỷ VNĐ              5.20 tỷ VNĐ       550%
2026         0.50 tỷ VNĐ              30.00 tỷ VNĐ              6.10 tỷ VNĐ       1120%
-------------------------------------------------------------------------------------

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Dữ liệu nghiên cứu dựa trên báo cáo tài chính kiểm toán năm, chưa có dữ liệu chi tiết theo từng tháng để đánh giá yếu tố chu kỳ mùa vụ trong xây dựng hạ tầng nông – công nghiệp.
  • Chưa tích hợp biến số tỷ giá hối đoái chi tiết cho các khoản thanh toán nhập khẩu dây chuyền thiết bị đùn ống HDPE từ Châu Âu.

Hướng phát triển tiếp theo

  • Xây dựng mô hình Machine Learning phân loại rủi ro tín dụng đối với từng nhà thầu xây lắp để tự động hóa định mức bán chịu nợ.
  • Mở rộng phạm vi nghiên cứu sang phân tích chuỗi giá trị và hiệu quả sử dụng vốn của công ty con (Công ty TNHH Super Trường Phát Minh Quang).

Đối tượng hưởng lợi

  • Sinh viên & Học viên Tài chính: Nắm vững phương pháp luận phân tích BCTC doanh nghiệp sản xuất thực tế, cách thức bóc tách dòng tiền và đánh giá rủi ro đòn bẩy ngắn hạn.
  • Chuyên viên Phân tích Tài chính (Financial Analysts): Thu được bộ mã nguồn chuẩn Python để tự động hóa tính toán các chỉ số tài chính và phân rã DuPont.
  • Ban Điều hành & Giám đốc Tài chính (CFOs) STP Group: Sở hữu bản đồ lộ trình chi tiết để tái cấu trúc nợ vay, thu hồi nợ đọng và tối ưu hóa chi phí sử dụng vốn.
  • Nhà nghiên cứu Kinh tế học ứng dụng: Tài liệu thực nghiệm về mối quan hệ đánh đổi giữa tốc độ tăng trưởng doanh thu và an toàn thanh khoản của doanh nghiệp vừa và nhỏ tại Việt Nam.

Câu hỏi thường gặp

1. Doanh nghiệp cần chuẩn bị những điều kiện gì để tái cơ cấu nợ vay ngắn hạn sang trung hạn?

Doanh nghiệp cần hoàn thiện phương án kinh doanh khả thi cho các dự án dài hạn (như dự án STP Aquatech), minh bạch hóa dòng tiền dự kiến từ các hợp đồng cung cấp hạ tầng nuôi biển, đồng thời sử dụng tài sản cố định hình thành từ vốn vay (máy móc, nhà xưởng Hưng Yên, Thái Bình) làm tài sản bảo đảm bổ sung.

2. Tại sao doanh thu tăng trưởng 336% nhưng hệ số thanh toán nhanh lại giảm?

Doanh thu tăng trưởng chủ yếu đến từ việc mở rộng các gói thầu hạ tầng công và đại lý bán chịu, dẫn đến Khoản phải thu ngắn hạn và Hàng tồn kho chiếm tới $79.36%$ TSNH năm 2023. Tiền mặt không tăng tương ứng với quy mô nợ ngắn hạn, làm suy giảm hệ số thanh toán nhanh ($QR = 0.59$).

3. Làm thế nào để áp dụng mô hình phân tích Python này cho các doanh nghiệp ngành khác?

Người dùng chỉ cần cấu trúc tệp dữ liệu đầu vào (CSV hoặc PostgreSQL Table) theo đúng định dạng các trường tài khoản của bảng cân đối kế toán và báo cáo kết quả kinh doanh. Class FinancialAnalysisEngine sẽ tự động tính toán toàn bộ chỉ số tài chính và ma trận DuPont.

4. Chi phí cơ hội của 105.64 tỷ vốn lãng phí được tính toán dựa trên nguyên lý nào?

Dựa trên nguyên lý chu kỳ luân chuyển vốn ngắn hạn: Khi kỳ luân chuyển kéo dài từ 93.8 ngày (năm 2020) lên 151.3 ngày (năm 2023), doanh nghiệp cần thêm lượng vốn lưu động bằng $\frac{\text{Doanh thu}}{360} \times \Delta \text{Số ngày luân chuyển}$ để tài trợ cho cùng một quy mô hoạt động kinh doanh.

5. Lãi suất thị trường tăng tác động như thế nào đến lợi nhuận của STP Group?

Với dư nợ vay ngắn hạn ngân hàng lên tới 231.44 tỷ VNĐ, cứ mỗi $1%$ lãi suất tăng thêm sẽ làm tăng chi phí tài chính khoảng $2.31$ tỷ VNĐ/năm, tương đương làm sụt giảm hơn $10.5%$ lợi nhuận sau thuế của công ty (dựa trên mức lợi nhuận 21.90 tỷ VNĐ năm 2023).


Kết luận

Đồ án khóa luận đã giải quyết hoàn chỉnh bài toán đánh giá thực trạng và hiệu quả sử dụng vốn tại Công ty Cổ phần Tập đoàn Nhựa Super Trường Phát (STP Group) giai đoạn 2020–2023:

  • Thành tựu phân tích: Làm rõ bức tranh tài chính đa chiều, chỉ ra nghịch lý tăng trưởng doanh thu cao ($+38.93%$ năm 2023, đạt $679.12$ tỷ VNĐ) đi kèm rủi ro mất cân đối cấu trúc nợ (nợ ngắn hạn chiếm $93.9%$ nợ phải trả) và ứ đọng vốn lưu động ($105.64$ tỷ VNĐ lãng phí).
  • Giá trị đóng góp: Cung cấp mô hình phân rã định lượng DuPont 5 nhân tố kết hợp thuật toán tính toán vốn lãng phí bằng Python, giúp doanh nghiệp nhận diện chính xác nguyên nhân suy giảm hệ số thanh toán nhanh ($QR = 0.59$).
  • Đề xuất hành động: STP Group cần nhanh chóng đàm phán cơ cấu lại kỳ hạn dư nợ ngân hàng tại BIDV, MB Bank, Shinhan Bank, đồng thời áp dụng chính sách chiết khấu thanh toán để giải tỏa $35$ tỷ nợ đọng phải thu ngắn hạn và chuẩn hóa lượng dự trữ tồn kho vật liệu HDPE. Đây là tiền đề then chốt để STP Group hiện thực hóa mục tiêu trở thành top 5 doanh nghiệp hạ tầng công nghiệp xanh bền vững tại Việt Nam.