Giới thiệu dự án

Bối cảnh và thực trạng ngành

Ngành bất động sản (BĐS) giữ vai trò huyết mạch trong nền kinh tế Việt Nam, đóng góp trung bình 4,13% vào Tổng sản phẩm quốc nội (GDP) giai đoạn 2013–2022 và đóng vai trò kích cầu chuỗi giá trị liên ngành (xây dựng, tài chính - ngân hàng, vật liệu). Dự báo từ Viện Nghiên cứu Bất động sản Việt Nam cho thấy, tỷ trọng giá trị BĐS trên tổng tài sản toàn nền kinh tế ước đạt 22% vào năm 2030. Thu ngân sách nhà nước từ đất đai và kinh doanh địa ốc duy trì ổn định ở mức ~7% GDP hàng năm.

Tuy nhiên, giai đoạn 2019–2023 đánh dấu chu kỳ trầm lắng sâu sắc do tác động kép từ đại dịch COVID-19, siết chặt tín dụng và khủng hoảng thị trường trái phiếu doanh nghiệp. Tính đến cuối năm 2023, tổng dư nợ tín dụng BĐS đạt khoảng 2,75 triệu tỷ đồng (chiếm 20,4% tổng dư nợ toàn hệ thống), cùng áp lực đáo hạn trái phiếu doanh nghiệp địa ốc lên đến 48.000 tỷ đồng (chiếm 43,6% toàn thị trường). Tỷ suất sinh lời trên tổng tài sản (ROA) bình quân toàn ngành sụt giảm nghiêm trọng từ 5,66% (2019) xuống còn 2,22% (2023).

Thách thức thanh khoản BĐS 2019-2023:

Vấn đề nghiên cứu cụ thể (Problem Statement)

Các doanh nghiệp BĐS đối mặt với tình trạng thắt nghẽn dòng tiền do sự mất cân đối cấu trúc vốn lưu động:

  • Tồn đọng vốn dài hạn tại tài sản ngắn hạn: Hàng tồn kho chiếm tỷ trọng áp đảo nhưng bị đóng băng do 70% dự án vướng mắc pháp lý và lệch pha cung - cầu (phân khúc cao cấp chiếm 16%, trung cấp 25%, trong khi phân khúc bình dân có nhu cầu thực chỉ chiếm 2%).
  • Kỳ thu tiền bị kéo dài (DSO): Doanh nghiệp nới lỏng chính sách tín dụng thương mại để kích cầu, dẫn đến rủi ro nợ khó đòi và suy giảm thanh khoản nghiêm trọng.
  • Áp lực đòn bẩy tài chính (Financial Leverage): Chi phí lãi vay gia tăng bào mòn biên lợi nhuận ròng, tạo ra sự đánh đổi khắc nghiệt giữa duy trì thanh khoản và tối đa hóa khả năng sinh lời.

Mục tiêu dự án

  1. Định lượng hóa thực trạng: Đánh giá cấu trúc vốn lưu động và hiệu quả tài chính của 30 doanh nghiệp BĐS niêm yết trên HOSE giai đoạn 2019–2023 (150 quan sát).
  2. Xây dựng mô hình kinh tế lượng: Kiểm định ảnh hưởng của các thành phần vốn lưu động (kỳ thu tiền AR, số ngày tồn kho INV, kỳ trả tiền AP) đến khả năng sinh lời (ROA, ROS).
  3. Xử lý khuyết tật dữ liệu bảng: Ứng dụng các kiểm định thống kê và ước lượng bình phương bé nhất tổng quát khả thi (FGLS) nhằm triệt tiêu hiện tượng phương sai thay đổi và tự tương quan.
  4. Đề xuất khung giải pháp quản trị: Cung cấp chiến lược tối ưu hóa chu kỳ luân chuyển tiền mặt (CCC) thích ứng với chu kỳ kinh tế vĩ mô.

Phương pháp tiếp cận giải pháp

Đề tài sử dụng phương pháp phân tích định lượng trên dữ liệu bảng cân bằng (Balanced Panel Data), tích hợp quy trình hồi quy đa tầng: từ Pool OLS, mô hình tác động cố định (FEM), mô hình tác động ngẫu nhiên (REM), đến mô hình hiệu chỉnh FGLS. Cách tiếp cận này đảm bảo kiểm soát tính không đồng nhất không quan sát được của từng doanh nghiệp và xử lý triệt để các vi phạm giả định hồi quy cổ điển.

Kết quả kỳ vọng và chỉ số đo lường

  • Chỉ số đo lường sinh lời: Xác định mức độ co giãn của ROA (trung bình 3,87%, độ lệch chuẩn 5,05%) và ROS (trung bình 140,69%, độ lệch chuẩn 61,08%) theo biến động của các thành phần vốn lưu động.
  • Mô hình tối ưu: Tìm ra hệ số tác động $\beta$ có ý nghĩa thống kê ($p < 0,05$), giải thích được sự suy giảm hiệu quả hoạt động dưới tác động của tồn kho và nợ phải thu.

Phạm vi và giới hạn

  • Không gian: 30 doanh nghiệp BĐS niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) trước năm 2018, công bố báo cáo tài chính kiểm toán đầy đủ 2019–2023.
  • Thời gian: Giai đoạn 2019–2023, bao gồm cả giai đoạn trước, trong và sau đại dịch COVID-19.
  • Giới hạn: Nghiên cứu chưa bao quát các doanh nghiệp BĐS niêm yết trên HNX, UPCoM hoặc doanh nghiệp chưa niêm yết.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các giải pháp đo lường quản trị tài chính hiện hành

Tiêu chí Phân tích chỉ số tài chính tĩnh (Ratio Analysis) Hồi quy OLS cổ điển (Pooled OLS) Hồi quy dữ liệu bảng nâng cao (FEM / REM / FGLS)
Cơ chế So sánh các chỉ số thanh toán và vòng quay đơn lẻ Gộp toàn bộ dữ liệu chuỗi thời gian và không gian Phân tách sai số riêng biệt của từng doanh nghiệp và hiệu chỉnh khuyết tật
Ưu điểm Đơn giản, trực quan, dễ tính toán trên Excel Đánh giá được tương quan giữa các biến Kiểm soát biến thiên theo thời gian, triệt tiêu tự tương quan và phương sai thay đổi
Hạn chế Bỏ qua sự tương tác đa biến và tác động chéo Vi phạm giả định Gauss-Markov khi có Heteroskedasticity Đòi hỏi xử lý dữ liệu chuẩn hóa và công cụ phần mềm chuyên sâu (STATA)
Độ chính xác Thấp (Chỉ mang tính mô tả) Trung bình (Dễ bị chệch tham số) Cao (Độ tin cậy thống kê $p < 0,01$)

Yêu cầu hệ thống chỉ tiêu theo mô hình MoSCoW

  • Must-have: Chỉ số chu kỳ vốn lưu động cốt lõi ($AR, INV, AP$), chỉ tiêu sinh lời chuẩn hóa ($ROA, ROS$), biến kiểm soát đòn bẩy ($LEV$) và quy mô ($SIZE$).
  • Should-have: Biến số kinh tế vĩ mô tốc độ tăng trưởng GDP thực tế ($GDP$).
  • Could-have: Biến giả chu kỳ kinh tế hoặc phân loại phân khúc BĐS (dân dụng vs. khu công nghiệp).
  • Won't-have: Các chỉ số phân tích kỹ thuật chứng khoán ngắn hạn (RSI, MACD) do không phản ánh năng lực vận hành nội tại.

Thiết kế hệ thống dữ liệu và mô hình kinh tế lượng

Ngăn xếp công nghệ và công cụ phân tích (Tech Stack)

  • Engine tính toán: STATA 17.0 MP (xử lý dữ liệu bảng, ma trận tương quan, kiểm định phi tham số và FGLS).
  • Xử lý dữ liệu thô: Microsoft Excel 365, Python 3.10 (Pandas 2.0.3, NumPy 1.24.3) phục vụ làm sạch dữ liệu từ Vietstock và Investing.com.
  • Nguồn dữ liệu chuẩn: Báo cáo tài chính hợp nhất kiểm toán của 30 doanh nghiệp HOSE; Dữ liệu tăng trưởng kinh tế từ World Bank Open Data API.

Công thức toán học của mô hình

Mô hình định lượng đánh giá năng lực sinh lời:

$$\text{ROA}{it} = \alpha_0 + \beta_1 \text{AR}{it} + \beta_2 \text{INV}{it} + \beta_3 \text{AP}{it} + \beta_4 \text{LEV}{it} + \beta_5 \text{SIZE}{it} + \beta_6 \text{GDP}t + u{it}$$

$$\text{ROS}{it} = \alpha_0 + \beta_1 \text{AR}{it} + \beta_2 \text{INV}{it} + \beta_3 \text{AP}{it} + \beta_4 \text{LEV}{it} + \beta_5 \text{SIZE}{it} + \beta_6 \text{GDP}t + u{it}$$

Trong đó:

  • Biến phụ thuộc:
    • $\text{ROA} = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản bình quân}} \times 100%$
    • $\text{ROS} = \frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}} \times 100%$
  • Biến độc lập (Quản trị vốn lưu động):
    • $\text{AR (Kỳ thu tiền bình quân)} = \frac{\text{Khoản phải thu bình quân}}{\text{Doanh thu thuần}} \times 365$
    • $\text{INV (Kỳ luân chuyển hàng tồn kho)} = \frac{\text{Hàng tồn kho bình quân}}{\text{Giá vốn hàng bán}} \times 365$
    • $\text{AP (Kỳ trả tiền bình quân)} = \frac{\text{Khoản phải trả bình quân}}{\text{Giá vốn hàng bán}} \times 365$
  • Biến kiểm soát:
    • $\text{LEV (Đòn bẩy tài chính)} = \frac{\text{Tổng nợ phải trả}}{\text{Tổng tài sản}}$
    • $\text{SIZE (Quy mô doanh nghiệp)} = \ln(\text{Doanh thu thuần})$
    • $\text{GDP (Tăng trưởng kinh tế)} = \frac{\text{GDP}t - \text{GDP}{t-1}}{\text{GDP}_{t-1}}$

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu tuân thủ quy trình thực nghiệm 5 giai đoạn:

  1. Trích xuất dữ liệu: Lọc danh sách doanh nghiệp BĐS trên HOSE, loại bỏ các đơn vị bị hủy niêm yết, thiếu dữ liệu liên tục hoặc có vốn chủ sở hữu âm kéo dài.
  2. Kiểm tra tiền đề mô hình: Đo lường phân phối chuẩn, hệ số bất đối xứng (skewness), độ nhọn (kurtosis) và ma trận tương quan giữa các biến nhằm loại trừ hiện tượng cộng tuyến nghiêm trọng.
  3. Lựa chọn mô hình tối ưu: Tiến hành F-test kiểm định giả thuyết $H_0$ (Pooled OLS) đối lập $H_1$ (FEM). Tiếp tục kiểm định Hausman test giữa FEM và REM.
  4. Chẩn đoán khuyết tật: Thực hiện kiểm định Modified Wald test kiểm tra hiện tượng phương sai sai số thay đổi giữa các thực thể và kiểm định Wooldridge cho hiện tượng tự tương quan bậc nhất.
  5. Hiệu chỉnh mô hình: Áp dụng mô hình sai số chuẩn vững hoặc FGLS đa tầng để thu được ước lượng không chệch, hiệu quả (BLUE).

Implementation và kết quả

Quy trình xử lý và triển khai mô hình (Development Process)

Quá trình phân tích dữ liệu bảng được thực thi tuần tự bằng tập lệnh kịch bản trong STATA 17:

* Thiết lập cấu trúc dữ liệu bảng
clear all
import excel "BDS_HOSE_2019_2023.xlsx", sheet("Data") firstrow
encode stock_code, gen(firm_id)
xtset firm_id year

* 1. Thống kê mô tả và ma trận tương quan
summarize roa ros ar inv ap lev size gdp
pwcorr roa ros ar inv ap lev size gdp, sig star(0.05)

* 2. Kiểm định đa cộng tuyến
regress roa ar inv ap lev size gdp
vif

* 3. Hồi quy Pooled OLS, FEM, REM
regress roa ar inv ap lev size gdp
estimates store pool_ols

xtreg roa ar inv ap lev size gdp, fe
estimates store fem_model

xtreg roa ar inv ap lev size gdp, re
estimates store rem_model

* 4. Kiểm định lựa chọn mô hình
hausman fem_model rem_model

* 5. Chẩn đoán khuyết tật mô hình FEM
xtreg roa ar inv ap lev size gdp, fe
xttest3
xtserial roa ar inv ap lev size gdp

* 6. Hiệu chỉnh mô hình bằng FGLS
xtgls roa ar inv ap lev size gdp, panels(hetero) corr(ar1)
estimates store fgls_roa

xtgls ros ar inv ap lev size gdp, panels(hetero) corr(ar1)
estimates store fgls_ros

Kiểm định và đánh giá kỹ thuật (Testing & Validation)

Kết quả thống kê mô tả mẫu nghiên cứu (150 quan sát)

Biến Ký hiệu Giá trị trung bình (Mean) Độ lệch chuẩn (Std. Dev.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
Tỷ suất sinh lời trên tài sản ROA (%) 3,87 5,05 -22,08 20,80
Tỷ suất sinh lời trên doanh thu ROS (%) 140,69 61,08 -682,92 110,52
Kỳ thu tiền bình quân AR (ngày) 234,54 481,12 2,15 5.857,00
Kỳ luân chuyển hàng tồn kho INV (ngày) 1.342,80 1.890,45 12,40 14.250,00
Kỳ trả tiền bình quân AP (ngày) 185,60 320,15 1,80 2.450,00
Đòn bẩy tài chính LEV 0,52 0,18 0,08 0,89
Quy mô doanh nghiệp SIZE 14,28 1,65 9,85 18,42
Tăng trưởng GDP GDP (%) 5,26 2,14 2,56 8,02

Kết quả chẩn đoán mô hình

  • Kiểm định đa cộng tuyến (VIF): Hệ số VIF của toàn bộ các biến độc lập đều nằm trong khoảng $1,15 - 2,34$ (Mean VIF = $1,68 < 5$). Không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.
  • F-test (Pooled OLS vs. FEM): Giá trị $F(29, 114) = 4,82$ với $p\text{-value} = 0,0000 < 0,05$. Bác bỏ giả thiết $H_0$, mô hình FEM vượt trội so với Pooled OLS.
  • Hausman Test (FEM vs. REM): Giá trị $\chi^2(6) = 18,45$ với $p\text{-value} = 0,0052 < 0,05$. Bác bỏ $H_0$, mô hình FEM là lựa chọn tối ưu.
  • Kiểm định Modified Wald (Phương sai sai số thay đổi): Giá trị $\chi^2(30) = 412,65$ với $p\text{-value} = 0,0000 < 0,01$. Mô hình FEM xuất hiện hiện tượng phương sai thay đổi giữa các doanh nghiệp.
  • Kiểm định Wooldridge (Tự tương quan chuỗi): Giá trị $F(1, 29) = 14,28$ với $p\text{-value} = 0,0007 < 0,01$. Xuất hiện tự tương quan bậc nhất AR(1).
Ma trận quyết định mô hình kinh tế lượng:

Kết quả đạt được từ mô hình FGLS

Bảng tổng hợp kết quả ước lượng FGLS

Biến độc lập / Biến kiểm soát Mô hình (1): Biến phụ thuộc ROA Mô hình (2): Biến phụ thuộc ROS Ý nghĩa kinh tế
Hệ số hồi quy ($\beta$) p-value Hệ số hồi quy ($\beta$) p-value
Kỳ thu tiền bình quân (AR) -0,0032 0,001*** -0,0412 0,008*** Tác động ngược chiều đáng kể
Kỳ tồn kho bình quân (INV) -0,0018 0,004*** -0,0225 0,012** Tồn kho kéo dài làm giảm biên lợi nhuận
Kỳ trả tiền bình quân (AP) +0,0021 0,042** +0,0184 0,091* Tận dụng tín dụng nhà cung cấp giúp tăng sinh lời
Đòn bẩy tài chính (LEV) -0,0845 0,000*** -0,5620 0,000*** Áp lực nợ vay bào mòn lợi nhuận
Quy mô doanh nghiệp (SIZE) +0,0112 0,002*** +0,0895 0,001*** Lợi thế quy mô giúp tăng hiệu quả
Tăng trưởng kinh tế (GDP) +0,0045 0,031** +0,0310 0,045** Kinh tế vĩ mô tích cực hỗ trợ kinh doanh BĐS
Hệ số chặn (Constant) -0,0650 0,048** -0,4120 0,082*
Số quan sát (Obs) 150 150
Chi-square ($\chi^2$) 128,45 0,0000 96,82 0,0000 Mô hình có ý nghĩa thống kê cao

(Ghi chú: *** $p < 0,01$, ** $p < 0,05$, * $p < 0,1$)

Đổi mới và đóng góp

Đổi mới về phương pháp luận và kỹ thuật xử lý

  1. Kiểm soát tính chất đặc thù của ngành BĐS: Không gộp chung BĐS với các ngành sản xuất thông thường; hiệu chỉnh chu kỳ hàng tồn kho đặc thù lên đến hàng nghìn ngày (trung bình 1.342 ngày) do bản chất dự án xây dựng kéo dài.
  2. Khắc phục triệt để các khuyết tật chuỗi thời gian: Thay vì dừng lại ở mô hình FEM/REM như các nghiên cứu trước, đề tài đã ứng dụng FGLS giúp triệt tiêu hiện tượng phương sai thay đổi và tự tương quan, ngăn chặn nguy cơ sai số loại I trong kết luận thống kê.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Lazaridis & Tryfonidis (2007) Enqvist et al. (2014) Nghiên cứu này (Hoàng Thị Thảo, 2024)
Thị trường & Ngành Hy Lạp (Đa ngành) Phần Lan (Đa ngành) Việt Nam (Chuyên sâu ngành BĐS niêm yết HOSE)
Cỡ mẫu & Khung thời gian 131 công ty (2001–2004) Toàn bộ niêm yết (1990–2008) 30 công ty BĐS đại diện (2019–2023)
Phương pháp ước lượng Pooled OLS FEM, OLS theo chu kỳ kinh tế Pooled OLS, FEM, REM và tối ưu bằng FGLS
Tác động của AP (Kỳ trả tiền) Ngược chiều (-) Ngược chiều (-) Cùng chiều (+) ($\beta = +0,0021, p < 0,05$)
Ý nghĩa phát hiện Kéo dài AP làm giảm uy tín Tối ưu hóa vốn lưu động trong suy thoái Chiếm dụng vốn nhà cung cấp hợp lý là nguồn tài trợ ngắn hạn cứu cánh trong đóng băng tín dụng 
Đóng góp định lượng của nghiên cứu:

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng cho doanh nghiệp bất động sản (Use Cases)

  • Tối ưu hóa dòng tiền dự án: Giám đốc tài chính (CFO) áp dụng công thức co giãn giữa AR và ROA để xây dựng chính sách chiết khấu thanh toán sớm (Early Payment Discount). Việc chiết khấu 1–2% cho khách hàng thanh toán trước hạn 95% giá trị hợp đồng mang lại hiệu quả thanh khoản cao hơn chi phí lãi vay ngân hàng.
  • Tái cấu trúc danh mục sản phẩm: Giải phóng hàng tồn kho chậm luân chuyển bằng cách chuyển đổi công năng các dự án cao cấp tồn đọng sang phân khúc nhà ở xã hội hoặc căn hộ vừa túi tiền nhằm rút ngắn DOH.

Chiến lược triển khai quản trị vốn lưu động (CFO Framework)

Lộ trình triển khai 4 giai đoạn

Lộ trình tối ưu hóa vốn lưu động (12 tháng):

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Quy mô mẫu: Tập trung vào 30 doanh nghiệp niêm yết trên HOSE, chưa bao quát các doanh nghiệp chưa niêm yết và sàn HNX/UPCoM.
  • Biến số vĩ mô: Mới tích hợp biến GDP, chưa đưa vào các biến động lãi suất điều hành, tỷ giá và chính sách kiểm soát room tín dụng của Ngân hàng Nhà nước.
  • Hiện tượng nội sinh (Endogeneity): Nghiên cứu chưa áp dụng mô hình hồi quy GMM hai bước (Arellano-Bond) để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn giữa quy mô tài sản và lợi nhuận.

Hướng nghiên cứu tiếp theo

  • Mở rộng mẫu nghiên cứu sang toàn bộ thị trường BĐS Đông Nam Á để so sánh xuyên quốc gia.
  • Ứng dụng thuật toán học máy (Machine Learning / Random Forest Regression) để dự báo xác suất vỡ nợ của doanh nghiệp BĐS dựa trên biến động của chu kỳ tiền mặt.

Đối tượng hưởng lợi

Sinh viên và Học viên tài chính

  • Tiếp cận quy trình nghiên cứu thực chứng chuẩn mực từ thu thập dữ liệu bảng đến vận hành các kiểm định kinh tế lượng nâng cao trên STATA 17.
  • Nắm bắt phương pháp tính toán và chuẩn hóa các chỉ số quản trị tài chính doanh nghiệp.

Lãnh đạo doanh nghiệp và Giám đốc Tài chính (CFOs)

  • Sở hữu cơ sở dữ liệu định lượng để cân bằng giữa bài toán giữ thanh khoản và duy trì tỷ suất sinh lời.
  • Định lượng chính xác mức độ thiệt hại tài chính khi hàng tồn kho bị ứ đọng thêm 30, 60 hay 90 ngày.

Nhà phân tích đầu tư và Định chế tài chính

  • Công cụ sàng lọc cổ phiếu BĐS dựa trên sức khỏe vốn lưu động, tránh bẫy lợi nhuận kế toán ảo khi dòng tiền hoạt động kinh doanh (CFO) âm kéo dài.
  • Đánh giá năng lực quản trị vốn lưu động để ra quyết định cấp hạn mức tín dụng hoặc đầu tư trái phiếu.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn FGLS thay vì dừng lại ở mô hình Fixed Effects (FEM)?

Mô hình FEM giải quyết được tính không đồng nhất giữa các doanh nghiệp nhưng không thể khắc phục hiện tượng phương sai sai số thay đổi giữa các thực thể ($\chi^2 = 412,65, p < 0,01$) và tự tương quan bậc nhất ($F = 14,28, p < 0,01$). FGLS là công cụ kinh tế lượng chuẩn hóa cho phép hiệu chỉnh ma trận hiệp phương sai sai số, đảm bảo hệ số ước lượng không chệch và có phương sai nhỏ nhất.

2. Kỳ luân chuyển hàng tồn kho trung bình lên tới hơn 1.300 ngày có phải là bất thường?

Không bất thường đối với ngành BĐS. Khác với ngành bán lẻ hay sản xuất tiêu dùng, chu kỳ phát triển một dự án BĐS từ khâu giải phóng mặt bằng, xin cấp phép xây dựng đến khi nghiệm thu bàn giao thường kéo dài 3–5 năm. Trong giai đoạn 2019–2023, do ách tắc pháp lý và thanh khoản thị trường đóng băng, chỉ số này đã tăng vọt lên mức đỉnh điểm 1.562 ngày vào năm 2022.

3. Vì sao kỳ trả tiền bình quân (AP) lại tác động cùng chiều với ROA trong nghiên cứu này?

Trong bối cảnh dòng vốn ngân hàng và trái phiếu bị tắc nghẽn, các khoản phải trả người bán trở thành kênh tài trợ vốn ngắn hạn không lãi suất quan trọng. Doanh nghiệp đàm phán kéo dài thời gian thanh toán cho nhà thầu giúp giữ lại dòng tiền mặt để vận hành và duy trì thi công dự án, từ đó cải thiện hiệu quả sử dụng tài sản trong ngắn hạn.

4. Đòn bẩy tài chính (LEV) ảnh hưởng mạnh như thế nào đến khả năng sinh lời?

Hệ số hồi quy của LEV đạt $-0,0845$ ($p < 0,001$) đối với ROA và $-0,5620$ ($p < 0,001$) đối với ROS. Điều này chứng minh rằng việc lạm dụng nợ vay trong giai đoạn mặt bằng lãi suất biến động mạnh tạo ra gánh nặng chi phí tài chính cực lớn, làm suy giảm trực tiếp tỷ suất sinh lời ròng.

5. Nghiên cứu có thể áp dụng trực tiếp cho các doanh nghiệp BĐS khu công nghiệp không?

Có thể áp dụng, tuy nhiên cần lưu ý rằng BĐS khu công nghiệp có chu kỳ thu tiền và vòng quay tồn kho lành mạnh hơn BĐS dân dụng nhờ dòng tiền thuê đất định kỳ ổn định từ các tập đoàn FDI.

Kết luận

Khóa luận tốt nghiệp của tác giả Hoàng Thị Thảo (Học viện Ngân hàng) dưới sự hướng dẫn của PGS. Nguyễn Thanh Phương đã cung cấp một bức tranh định lượng toàn diện về mối quan hệ giữa quản trị vốn lưu động và khả năng sinh lời của 30 doanh nghiệp BĐS niêm yết trên HOSE giai đoạn 2019–2023. Bằng việc ứng dụng phương pháp ước lượng FGLS, nghiên cứu chứng minh rõ nét:

  • Việc rút ngắn Kỳ thu tiền bình quân (AR) và Kỳ luân chuyển hàng tồn kho (INV) là điều kiện tiên quyết để khôi phục chỉ số sinh lời ROA và ROS.
  • Tối ưu hóa Kỳ trả tiền bình quân (AP) một cách có kiểm soát đóng vai trò là đòn bẩy tài trợ vốn ngắn hạn hiệu quả trong thời kỳ thắt chặt tiền tệ.
  • Cắt giảm Đòn bẩy tài chính (LEV) về mức an toàn giúp doanh nghiệp giảm thiểu rủi ro phá sản kỹ thuật và phục hồi biên lợi nhuận.

Nghiên cứu là tài liệu tham khảo giá trị cho các nhà hoạch định chính sách, lãnh đạo doanh nghiệp bất động sản và các nhà đầu tư tài chính trong việc tái thiết cấu trúc vốn ngắn hạn, đón đầu chu kỳ phục hồi của thị trường bất động sản Việt Nam.