Giới thiệu dự án

Nghiên cứu cấu trúc vốn (Capital Structure) là một trong những trụ cột cốt lõi của quản trị tài chính doanh nghiệp hiện đại kể từ công trình tiên phong của Modigliani và Miller (1958). Trong bối cảnh nền kinh tế Việt Nam chịu tác động sâu sắc từ các biến động kinh tế vĩ mô và đại dịch COVID-19, ngành dược phẩm và hóa chất y tế đóng vai trò chiến lược trong bảo đảm an sinh xã hội và chuỗi cung ứng chăm sóc sức khỏe. Theo khảo sát ngành dược của Vietnam Report (10/2020), có tới 64,3% doanh nghiệp đánh giá mức độ ảnh hưởng của dịch bệnh ở mức vừa phải và 28,6% chịu ảnh hưởng nhỏ, cho thấy khả năng chống chịu bền bỉ hơn so với các ngành kinh tế khác; lợi nhuận sau thuế của các doanh nghiệp dược niêm yết trong giai đoạn này đạt mức khả quan (quý III/2020 đạt gần 8.800 tỷ đồng doanh thu và 550 tỷ đồng lãi ròng).

Tuy nhiên, các doanh nghiệp ngành dược đối mặt với nghịch lý tài chính: nhu cầu vốn đầu tư cho dây chuyền sản xuất đạt chuẩn GMP-WHO/EU-GMP, hoạt động nghiên cứu phát triển (R&D) và nhập khẩu nguyên liệu dược dụng (API) ngày càng lớn, trong khi nguồn vốn chủ sở hữu thường chiếm tỷ trọng áp đảo (~60%), dẫn đến chi phí sử dụng vốn bình quân (WACC - Weighted Average Cost of Capital) chưa được tối ưu hóa.

Vấn đề nghiên cứu cụ thể (Problem Statement)

Các doanh nghiệp dược - hóa chất niêm yết trên thị trường chứng khoán Việt Nam (HOSE và HNX) đang gặp khó khăn trong việc xác định điểm cân bằng giữa lợi ích lá chắn thuế (Tax Shield) và chi phí kiệt quệ tài chính (Financial Distress Costs), dẫn đến sự phân bổ thiếu nhất quán giữa nợ ngắn hạn và nợ dài hạn.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý thuyết: Đánh giá khả năng giải thích của Lý thuyết trật tự phân hạng (Pecking Order Theory), Lý thuyết đánh đổi (Trade-off Theory) và Lý thuyết chi phí đại diện (Agency Cost Theory) đối với ngành dược.
  2. Lượng hóa mức độ tác động: Xác định chiều hướng và độ nhạy của các biến nội tại (ROA, SIZE, TAN, GRW, TAX, STATE) đến đòn bẩy ngắn hạn ($STLEV$) và đòn bẩy dài hạn ($LTLEV$).
  3. Kiểm định thực nghiệm: Sử dụng bộ dữ liệu bảng gồm 384 quan sát theo quý từ 14 doanh nghiệp dược - hóa chất niêm yết giai đoạn 2015–2020.
  4. Đề xuất mô hình tối ưu: Cung cấp khung khuyến nghị tái cấu trúc nợ vay cho các Giám đốc Tài chính (CFO) và tổ chức tín dụng.

Giải pháp tiếp cận và Phạm vi

  • Phương pháp tiếp cận: Mô hình hóa kinh tế lượng với dữ liệu bảng (Panel Data Regression), kiểm định khuyết tật mô hình thông qua kiểm định Ramsey RESET, tương quan chuỗi Breusch-Godfrey LM và kiểm định ràng buộc Wald.
  • Phạm vi nghiên cứu: 14 doanh nghiệp dược hóa chất niêm yết tiêu biểu (DBD, DCL, DHT, DMC, DNM, LMP, LDP, MED, MKV, OPC, PMC, PPP, TRA, VDP) trong giai đoạn 2015–2020 (384 quan sát quý).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp nghiên cứu truyền thống Ưu điểm Nhược điểm Cơ hội nâng cấp trong dự án
Hồi quy OLS gộp cổ điển (Pooled OLS) Đơn giản, dễ tính toán trên mẫu dữ liệu nhỏ. Bỏ qua tính dị biệt cá thể (Individual Heterogeneity) giữa các công ty; dễ bị chệch hệ số. Chuyển sang kiểm định mô hình dữ liệu bảng phân tách chi tiết $STLEV$ và $LTLEV$.
Phân tích chỉ số tài chính đơn lẻ (DuPont / CAMEL) Trực quan, dễ hiểu đối với nhà quản trị nội bộ. Không lượng hóa được mức độ ý nghĩa thống kê ($p$-value) và quan hệ nhân quả đa biến. Sử dụng mô hình hồi quy đa biến có kiểm định chuẩn đoán đầy đủ.
Mô hình Trade-off đơn thuần Giải thích tốt lợi ích của lá chắn thuế từ nợ. Không giải thích được xu hướng doanh nghiệp có khả năng sinh lời cao lại ít vay nợ. Kết hợp Lý thuyết trật tự phân hạng với thông tin bất cân xứng (Asymmetric Information).

Phân tích yêu cầu mô hình hóa (MoSCoW Prioritization)

  • Must have: Xử lý chuỗi dữ liệu bảng 384 quan sát; phân tách rõ hai biến phụ thuộc: tỷ lệ nợ ngắn hạn ($STLEV$) và tỷ lệ nợ dài hạn ($LTLEV$); kiểm định đa cộng tuyến (VIF) và tương quan chuỗi.
  • Should have: Kiểm định dạng hàm đúng Ramsey RESET; kiểm định ràng buộc hệ số Wald test để loại bỏ các biến không có ý nghĩa thống kê ($p > 0.05$).
  • Could have: Đánh giá tác động tương tác của biến giả sở hữu Nhà nước ($STATE$) đối với tiếp cận tín dụng dài hạn.
  • Won't have: Mô hình hóa cấu trúc vốn động GMM bậc hai (dành cho các nghiên cứu mở rộng tiếp theo).

Thiết kế hệ thống mô hình hóa

Raw Financial Statements (14 Phản ánh: 2015-2020)

Công nghệ và Thư viện triển khai

  • Môi trường kinh tế lượng chính: EViews 10 Enterprise / Stata 16.0 MP Core.
  • Xử lý dữ liệu & trực quan hóa: Python 3.9 (pandas 1.4.2, statsmodels 0.13.2, seaborn 0.11.2).
  • Cấu trúc lưu trữ dữ liệu: Bảng dữ liệu bảng chuẩn hóa (Balanced/Unbalanced Panel Data Schema) định dạng .csv và .wf1.

Thiết kế biến và Khung phân tích dữ liệu

Panel Data Schema:

Phương pháp nghiên cứu (Methodology)

  1. Giai đoạn 1 - Thu thập và tiền xử lý (Tháng 1-2): Trích xuất báo cáo tài chính đã kiểm toán của 14 doanh nghiệp dược niêm yết trên HOSE/HNX, chuẩn hóa 384 quan sát theo quý.
  2. Giai đoạn 2 - Thống kê mô tả & Ma trận tương quan (Tháng 3): Phân tích các thông số độ lệch chuẩn, kỳ vọng trung bình, giá trị max/min và kiểm tra hiện tượng đa cộng tuyến sớm.
  3. Giai đoạn 3 - Hồi quy và Kiểm định chuẩn đoán (Tháng 4): Ước lượng các tham số $\beta_n$, thực hiện kiểm định Ramsey RESET để tránh sai lệch dạng hàm, kiểm định tương quan chuỗi Breusch-Godfrey LM, và loại bỏ biến thừa bằng Wald Test.
  4. Giai đoạn 4 - Tổng hợp báo cáo và Khuyến nghị chính sách (Tháng 5): Diễn giải ý nghĩa hệ số hồi quy dưới góc nhìn tài chính vi mô và đặc thù ngành dược phẩm.

Implementation và kết quả

Quy trình xây dựng mô hình và Thuật toán xử lý

Phương trình hồi quy tổng quát cho hai mô hình cấu trúc vốn được thiết lập như sau:

$$\text{STLEV}{i,t} = c_0 + c_1 \text{ROA}{i,t} + c_2 \text{SIZE}{i,t} + c_3 \text{TAN}{i,t} + c_4 \text{GRW}{i,t} + c_5 \text{TAX}{i,t} + c_6 \text{STATE}{i,t} + \varepsilon{i,t} \quad (1)$$

$$\text{LTLEV}{i,t} = b_0 + b_1 \text{ROA}{i,t} + b_2 \text{SIZE}{i,t} + b_3 \text{TAN}{i,t} + b_4 \text{GRW}{i,t} + b_5 \text{TAX}{i,t} + b_6 \text{STATE}{i,t} + \mu{i,t} \quad (2)$$

Dưới đây là kịch bản chuẩn hóa dữ liệu và hồi quy mô hình bằng Python (statsmodels):

import pandas as pd
import numpy as np
import statsmodels.api as sm
import statsmodels.formula.api as smf

# 1. Khởi tạo và nạp dữ liệu bảng 14 công ty Dược (384 quan sát)
df = pd.read_csv("pharma_capital_structure_2015_2020.csv")

# 2. Xử lý logarit và tính toán tỷ số tài chính
df['SIZE'] = np.log(df['TOTAL_ASSETS'])
df['STLEV'] = df['SHORT_TERM_DEBT'] / df['TOTAL_ASSETS']
df['LTLEV'] = df['LONG_TERM_DEBT'] / df['TOTAL_ASSETS']
df['ROA'] = df['NET_INCOME'] / df['TOTAL_ASSETS']
df['TAN'] = df['FIXED_ASSETS'] / df['TOTAL_ASSETS']
df['GRW'] = df.groupby('TICKER')['TOTAL_ASSETS'].pct_change()
df['TAX'] = df['TAX_EXPENSE'] / df['PROFIT_BEFORE_TAX']

# 3. Ước lượng mô hình OLS cho Đòn bẩy ngắn hạn (STLEV)
model_stlev = smf.ols(
    formula='STLEV ~ ROA + SIZE + TAN + GRW + TAX + C(STATE)', 
    data=df
).fit(cov_type='HC1') # Robust standard errors

# 4. Ước lượng mô hình OLS cho Đòn bẩy dài hạn (LTLEV)
model_ltlev = smf.ols(
    formula='LTLEV ~ ROA + SIZE + TAN + GRW + TAX + C(STATE)', 
    data=df
).fit(cov_type='HC1')

print(model_stlev.summary())
print(model_ltlev.summary())

Kiểm định và Đánh giá thống kê

Kết quả kiểm định chất lượng mô hình kinh tế lượng thu được các chỉ số sau:

Tên kiểm định Tham số thống kê Giá trị tính toán Ngưỡng xác suất ($p$-value) Kết luận kiểm định
Breusch-Godfrey LM Test F-statistic $1.050$ $p > 0.05$ Không có hiện tượng tự tương quan bậc nhất.
Durbin-Watson Stat $d$-statistic $2.008$ Gần $2.0$ Sai số ngẫu nhiên hoàn toàn độc lập.
Ramsey RESET (STLEV) F-statistic $1.282$ $p = 0.051$ Chấp nhận $H_0$: Mô hình đúng dạng hàm, không thiếu biến.
Ramsey RESET (LTLEV) F-statistic $0.348$ $p = 0.556$ Chấp nhận $H_0$: Dạng hàm xác định chính xác.
Wald Test (Loại biến) F-statistic $2.110$ $p > 0.05$ Loại bỏ an toàn các biến không có ý nghĩa ($X_4, X_6, X_7, X_8$).

Kết quả nghiên cứu thực nghiệm

Dựa trên kết quả hồi quy từ 384 quan sát của 14 doanh nghiệp dược phẩm, các hệ số hồi quy được rút gọn:

Phương trình đòn bẩy ngắn hạn tinh giản:
STLEV = 0.428 - 0.285*ROA + 0.041*SIZE - 0.183*TAN - 0.012*GRW

Phương trình đòn bẩy dài hạn tinh giản:
LTLEV = 0.156 - 0.094*ROA - 0.018*SIZE + 0.072*TAN

       Tác động của các nhân tố đến Đòn bẩy tài chính (LEV)
  1. Tỷ suất sinh lời ($ROA$): Tác động tiêu cực có ý nghĩa thống kê cao ($p < 0.01$) lên cả nợ ngắn hạn và nợ dài hạn. Doanh nghiệp có $ROA$ cao ưu tiên dùng lợi nhuận giữ lại để tái đầu tư mở rộng thay vì vay ngoài, minh chứng rõ nét cho Lý thuyết trật tự phân hạng (Pecking Order Theory).
  2. Quy mô doanh nghiệp ($SIZE$): Tác động cùng chiều lên nợ ngắn hạn nhưng ngược chiều lên nợ dài hạn. Doanh nghiệp dược quy mô lớn tận dụng ưu thế đàm phán tín dụng thương mại ngắn hạn với nhà cung cấp nguyên liệu thay vì chịu chi phí lãi vay dài hạn cố định.
  3. Tỷ trọng tài sản cố định ($TAN$): Tác động dương có ý nghĩa lên nợ dài hạn ($LTLEV$). Tài sản cố định (nhà máy chuẩn GMP, dây chuyền kiểm nghiệm) đóng vai trò là tài sản bảo đảm (Collateral Asset), giảm rủi ro đại diện cho ngân hàng.
  4. Tốc độ tăng trưởng ($GRW$): Quan hệ ngược chiều với đòn bẩy tài chính, do các doanh nghiệp tăng trưởng nhanh trong giai đoạn 2015–2020 ưu tiên dòng tiền tích lũy để hạn chế áp lực thanh khoản.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn trong phân tích tài chính doanh nghiệp ngành dược:

Tiêu chí so sánh Nghiên cứu của Jean Chen (2003) Nghiên cứu của Lê Đạt Chí (2012) Nghiên cứu hiện tại (Ngô Quỳnh Lan, 2022)
Mẫu & Đối tượng 77 công ty đa ngành niêm yết tại Thượng Hải & Thâm Quyến Các công ty đa ngành niêm yết trên TTCK Việt Nam (2007–2010) 14 công ty Dược - Hóa chất chuyên biệt (384 quan sát quý, 2015–2020)
Phân tách biến phụ thuộc Chỉ phân tích tổng nợ chung ($TD$) Tổng nợ trên tổng tài sản ($LEV$) Tách biệt chi tiết Đòn bẩy ngắn hạn ($STLEV$) và Đòn bẩy dài hạn ($LTLEV$)
Độ trễ và Bối cảnh Trước khủng hoảng kinh tế toàn cầu 2008 Giai đoạn hậu khủng hoảng tài chính 2008 Bao trùm toàn bộ chu kỳ biến động lớn và cú sốc chuỗi cung ứng dịch COVID-19
Độ chính xác mô hình Mô hình hồi quy OLS gộp tuyến tính OLS kết hợp hiệu ứng cố định cơ bản Đạt chuẩn kiểm định Ramsey RESET ($F=1.282$), Durbin-Watson ($2.008$), Wald Test loại biến thừa

Đóng góp thực tiễn nổi bật

  • Khẳng định tính ưu thế của Lý thuyết trật tự phân hạng: Trong ngành dược Việt Nam, Pecking Order Theory có sức mạnh giải thích vượt trội hơn Trade-off Theory. Doanh nghiệp ưu tiên cấu trúc tài trợ: Lợi nhuận giữ lại $\rightarrow$ Tín dụng ngắn hạn/Nợ vay $\rightarrow$ Phát hành cổ phiếu mới.
  • Chỉ ra điểm nghẽn kỳ hạn nợ: Doanh nghiệp dược Việt Nam dựa quá nhiều vào nợ ngắn hạn để tài trợ tài sản dài hạn (kỳ hạn nợ ngắn chiếm hơn 70% tổng nợ phải trả), tạo ra rủi ro thanh khoản tiềm ẩn khi lãi suất biến động.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

                 Chiến lược Tái cấu trúc Vốn theo Quy mô Doanh nghiệp

Chiến lược triển khai cho Ban điều hành (CFO Implementation Roadmap)

Giai đoạn 1: Đánh giá tỷ lệ nợ mục tiêu & Chi phí sử dụng vốn (Tháng 1-2)
Giai đoạn 2: Tái cấu trúc cơ cấu kỳ hạn nợ (Tháng 3-6)
Giai đoạn 3: Tối ưu hóa lá chắn thuế và Lợi nhuận giữ lại (Tháng 7-12)

Phân tích hiệu quả kinh tế (ROI & Cost-Benefit Analysis)

  • Tối ưu chi phí vốn (WACC): Doanh nghiệp tái cơ cấu nợ dài hạn hợp lý (tăng tỷ lệ nợ dài hạn từ 5% lên 20% tổng nguồn vốn đối với các doanh nghiệp có $TAN > 0.5$) giúp giảm WACC bình quân từ 1,2% đến 1,8%/năm.
  • Cải thiện hệ số đòn bẩy tài chính ($ROE$): Khai thác hiệu quả lá chắn thuế trong điều kiện $ROA > \text{Lãi suất vay}$ giúp gia tăng tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$) thêm 2,5% - 4,0%.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Quy mô mẫu nghiên cứu: Bộ dữ liệu chỉ gồm 14 doanh nghiệp dược niêm yết đủ điều kiện trích xuất dữ liệu liên tục 2015–2020. Một số doanh nghiệp dược chưa niêm yết (UPCoM) hoặc FDI chưa được đưa vào mô hình.
  2. Biến số vĩ mô: Chưa tích hợp định lượng các yếu tố ngoại cảnh như biến động tỷ giá (ảnh hưởng lớn đến chi phí nhập khẩu nguyên liệu API), tốc độ tăng trưởng GDP, và chỉ số lạm phát (CPI).
  3. Mô hình tĩnh: Mô hình hồi quy tĩnh chưa phản ánh được tốc độ điều chỉnh cấu trúc vốn về mức mục tiêu (Target Adjustment Speed).

Hướng phát triển đề xuất

  • Ứng dụng mô hình GMM sai phân / GMM hệ thống (System GMM): Nhằm kiểm soát hoàn toàn hiện tượng nội sinh (Endogeneity) giữa khả năng sinh lời và cấu trúc vốn.
  • Tích hợp tiêu chuẩn ESG & R&D Intensity: Đưa chi phí đầu tư nghiên cứu phát triển và xếp hạng quản trị bền vững vào làm biến kiểm soát trong kỷ nguyên dược phẩm sinh học.

Đối tượng hưởng lợi

                              Đối tượng hưởng lợi
Khung phương pháp   Bộ tham số độ        Mô hình lượng hóa  Cơ sở chính sách
dữ liệu bảng chuẩn  nhạy để định giá     cơ cấu vốn tối ưu  hỗ trợ tín dụng
mực trong tài chính cổ phiếu ngành       giúp giảm thiểu    ưu đãi sản xuất
doanh nghiệp        dược chính xác       rủi ro thanh toán  thuốc trong nước
  • Sinh viên & Giảng viên tài chính: Tiếp cận case study thực tế có đầy đủ kiểm định kinh tế lượng (Ramsey RESET, Breusch-Godfrey LM, Wald Test).
  • Chuyên viên định giá & Quản lý quỹ: Hiểu rõ hành vi tài trợ của ngành dược Việt Nam để dự báo lưu chuyển tiền tệ và chiết khấu dòng tiền (DCF).
  • CFO & Kế toán trưởng doanh nghiệp Dược: Có cơ sở khoa học để hoạch định hạn mức vay nợ ngân hàng và chính sách phân phối cổ tức.
  • Ngân hàng thương mại: Xây dựng mô hình xếp hạng tín dụng nội bộ chuyên biệt cho các dự án đầu tư nhà xưởng chuẩn EU-GMP/PIC/S.

Câu hỏi thường gặp

1. Yêu cầu dữ liệu tối thiểu để chạy mô hình hồi quy này là gì?

Cần tối thiểu chuỗi dữ liệu bảng cân bằng (Balanced Panel Data) từ 3–5 năm liên tục theo quý hoặc năm, bao gồm đầy đủ các chỉ tiêu trên Bảng cân đối kế toán và Báo cáo kết quả hoạt động kinh doanh đã được kiểm toán độc lập.

2. Tại sao doanh nghiệp dược có ROA cao lại có xu hướng giảm tỷ lệ đòn bẩy nợ?

Theo Lý thuyết trật tự phân hạng, thông tin bất cân xứng khiến chi phí phát hành chứng khoán và chi phí giám sát nợ vay bên ngoài cao hơn chi phí sử dụng vốn nội bộ. Doanh nghiệp có $ROA$ cao tạo ra dòng tiền giữ lại dồi dào, do đó họ ưu tiên dùng nguồn vốn tự có này để tài trợ hoạt động kinh doanh.

3. Quy mô tài sản cố định ($TAN$) ảnh hưởng thế nào đến khả năng vay dài hạn của công ty dược?

Tài sản cố định của doanh nghiệp dược (nhà máy, dây chuyền sản xuất đạt chuẩn GMP) có tính thanh khoản và giá trị định giá ổn định. Các ngân hàng thương mại yêu cầu tài sản bảo đảm này để cấp các khoản tín dụng trung và dài hạn, do đó hệ số tương quan giữa $TAN$ và $LTLEV$ mang dấu dương (+).

4. Làm thế nào để xử lý hiện tượng tự tương quan trong chuỗi thời gian dữ liệu bảng?

Sử dụng kiểm định Breusch-Godfrey Serial Correlation LM Test để kiểm tra. Nếu phát hiện tự tương quan ($p < 0.05$), cần áp dụng sai số chuẩn vững (Robust Standard Errors - White/Newey-West) hoặc chuyển sang mô hình tự hồi quy (Autoregressive models).

5. Chi phí triển khai tái cấu trúc vốn theo khuyến nghị mất bao lâu để đạt điểm hòa vốn (ROI)?

Thời gian tái cấu trúc kỳ hạn nợ và tối ưu hóa chính sách vốn lưu động thường kéo dài từ 6–12 tháng. Lợi ích tiết kiệm chi phí lãi vay và tối ưu lá chắn thuế giúp doanh nghiệp đạt điểm hòa vốn chi phí tư vấn/tái cấu trúc ngay trong năm tài chính tiếp theo.

Kết luận

Nghiên cứu về cấu trúc vốn của 14 doanh nghiệp dược - hóa chất niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2015–2020 đã giải quyết trọn vẹn câu hỏi nghiên cứu về các nhân tố quyết định đòn bẩy tài chính. Kết quả thực nghiệm khẳng định Lý thuyết trật tự phân hạng là lý thuyết phù hợp nhất để giải thích hành vi tài trợ của ngành dược Việt Nam: doanh nghiệp ưu tiên sử dụng lợi nhuận giữ lại, tiếp đến là tín dụng thương mại ngắn hạn và sau cùng mới là nợ dài hạn hoặc phát hành cổ phiếu mới.

Các phát hiện về vai trò của tỷ suất sinh lời ($ROA$), quy mô ($SIZE$), và tài sản hữu hình ($TAN$) cung cấp bằng chứng thực nghiệm quan trọng cho các nhà hoạch định chiến lược tài chính. Để nâng cao năng lực cạnh tranh trong kỷ nguyên mới, các doanh nghiệp dược Việt Nam cần chủ động kéo dài kỳ hạn nợ, tận dụng các công cụ tài chính hiện đại như trái phiếu doanh nghiệp xanh và tối ưu hóa cơ cấu vốn mục tiêu nhằm hiện thực hóa mục tiêu tăng trưởng bền vững.