Giới thiệu dự án

Thị trường bất động sản (BĐS) giữ vai trò huyết mạch trong nền kinh tế Việt Nam khi chiếm hơn 40% tổng tài sản quốc gia và chi phối khoảng 30% tổng chu chuyển hoạt động kinh tế. Đặc thù của ngành BĐS là thâm dụng vốn lớn, chu kỳ phát triển dự án kéo dài và chịu độ nhạy cảm cao trước các chu kỳ chính sách tiền tệ cũng như đầu tư công. Giai đoạn 2015 – 2021 ghi nhận sự bùng nổ của thị trường chứng khoán (HOSE), tổng giá trị phát hành trái phiếu doanh nghiệp BĐS chạm mốc kỷ lục 436.000 tỷ đồng (năm 2021). Tuy nhiên, bài toán tối ưu hóa lợi nhuận và kiểm soát rủi ro tài chính của các doanh nghiệp BĐS niêm yết vẫn đối mặt với nhiều lỗ hổng lớn trong quản trị cơ cấu vốn và phân bổ tài sản.

Vấn đề cốt lõi (Problem Statement) nằm ở sự mất cân đối cấu trúc tài chính: các doanh nghiệp lạm dụng đòn bẩy tài chính quá mức, tỷ lệ tồn kho dự án đóng băng cao, hiệu suất sinh lời trên tài sản suy giảm nghiêm trọng trong các giai đoạn biến động vĩ mô (điển hình như cú sốc đại dịch Covid-19 năm 2020 khiến ROA bình quân nhiều doanh nghiệp xuống mức âm kỷ lục -49,18%).

Đề tài khóa luận tập trung giải quyết các mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về lợi nhuận và chất lượng lợi nhuận của doanh nghiệp BĐS.
  2. Xây dựng mô hình định lượng đánh giá các nhân tố nội tại ảnh hưởng đến tỷ suất sinh lời trên tài sản (ROA) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE).
  3. Đo lường và kiểm định thực nghiệm mức độ tác động của 7 nhân tố nội tại đối với 30 doanh nghiệp BĐS niêm yết trên sàn HOSE giai đoạn 2015 – 2021 (210 quan sát).
  4. Đề xuất hệ thống giải pháp tài chính và quản trị rủi ro định lượng nhằm tối ưu hóa hiệu quả hoạt động kinh doanh cho các doanh nghiệp BĐS.

Phương pháp tiếp cận giải pháp sử dụng mô hình kinh tế lượng dữ liệu bảng (Panel Data Econometrics), kết hợp các kiểm định khuyết tật mô hình (đa cộng tuyến, tự tương quan, phương sai sai số thay đổi) và khắc phục triệt để bằng mô hình bình phương tối thiểu tổng quát khả thi (FGLS). Kết quả kỳ vọng cung cấp bộ chỉ số tham chiếu định lượng chính xác (sai số chuẩn được hiệu chỉnh) để các nhà quản trị doanh nghiệp và nhà đầu tư đưa ra quyết định tối ưu.

Phạm vi nghiên cứu tập trung vào 30 công ty cổ phần BĐS niêm yết liên tục trên sàn HOSE từ 2015 đến 2021, loại bỏ các đơn vị thiếu dữ liệu kiểm toán hoặc bị gián đoạn niêm yết.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu thực nghiệm tài chính trước đây tại Việt Nam thường tiếp cận hiệu quả tài chính doanh nghiệp ở góc độ đa ngành tổng quát hoặc sử dụng phương pháp hồi quy cổ điển OLS trên chuỗi thời gian/dữ liệu chéo đơn lẻ, bộc lộ nhiều điểm nghẽn kỹ thuật.

Tiêu chí Mô hình OLS truyền thống Mô hình hồi quy phân vị Mô hình dữ liệu bảng (FEM/REM/FGLS)
Xử lý đặc trưng riêng từng DN Bỏ qua sai số riêng lẻ (Bị chệch) Đánh giá theo phân vị, phức tạp Kiểm soát hiệu ứng cố định và ngẫu nhiên
Xử lý hiện tượng tự tương quan Không khắc phục được Xử lý một phần Khắc phục triệt để qua FGLS
Xử lý phương sai sai số thay đổi Gây sai lệch thống kê t, F Cần cỡ mẫu cực lớn Ước lượng vững bằng trọng số phương sai
Độ phù hợp dữ liệu tài chính BĐS Kém (Rủi ro suy diễn sai) Trung bình Tối ưu cho mẫu quan sát vi mô $N \times T$

Ưu tiên hóa các yêu cầu phân tích dữ liệu theo phương pháp MoSCoW:

  • Must-have: Bộ dữ liệu chuẩn hóa 210 báo cáo tài chính đã kiểm toán; Kiểm định đa cộng tuyến (VIF); Kiểm định mô hình FEM vs REM qua Hausman Test; Xử lý phương sai thay đổi và tự tương quan bằng FGLS.
  • Should-have: Phân tích ma trận tương quan Pearson; Đánh giá tác động phân tách giữa ROA và ROE.
  • Could-have: Đánh giá hồi quy mở rộng có thêm độ trễ biến phụ thuộc ($t-1$).
  • Won't-have (giai đoạn này): Đo lường tác động của các biến số kinh tế lượng không gian (Spatial Econometrics).

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu và ước lượng mô hình kinh tế lượng được thiết kế chuẩn mực như sau:

Technology Stack phục vụ nghiên cứu:

  • Môi trường xử lý số liệu thống kê: Stata v13.0 / Stata MP 64-bit (Econometric Analysis Engine).
  • Công cụ tiền xử lý & Lưu trữ dữ liệu: Microsoft Excel 365 (Data Cleaning & Structuring).
  • Hệ thống truy xuất dữ liệu tài chính: Vietstock Finance API, FiinPro Platform, CafeF Data Portal.

Cơ sở dữ liệu nghiên cứu chuẩn hóa theo cấu trúc bảng (Panel Data Schema):

  • Định danh chéo ($i$): 30 Doanh nghiệp (NVL, DIG, DXG, KDH, HDG, NLG, PDR, REE, NTL, NVT,...).
  • Định danh thời gian ($t$): 7 năm liên tục ($2015 \le t \le 2021$).
  • Tổng số quan sát ($N \times T$): $30 \times 7 = 210$ quan sát cân đối (Balanced Panel Data).

Phương trình hồi quy kinh tế lượng tổng quát:

$$\text{ROA}{i,t} = \beta_0 + \beta_1 \text{GROWTH}{i,t} + \beta_2 \text{TANG}{i,t} + \beta_3 \text{TDTA}{i,t} + \beta_4 \text{SIZE}{i,t} + \beta_5 \text{TKHOAN}{i,t} + \beta_6 \text{TTTQ}{i,t} + \beta_7 \text{AGE}{i,t} + \varepsilon_{i,t}$$

$$\text{ROE}{i,t} = \alpha_0 + \alpha_1 \text{GROWTH}{i,t} + \alpha_2 \text{TANG}{i,t} + \alpha_3 \text{TDTA}{i,t} + \alpha_4 \text{SIZE}{i,t} + \alpha_5 \text{TKHOAN}{i,t} + \alpha_6 \text{TTTQ}{i,t} + \alpha_7 \text{AGE}{i,t} + u_{i,t}$$

Methodology

Phương pháp luận nghiên cứu áp dụng quy trình kiểm định kinh tế lượng 6 bước chuẩn mực:

  • Milestone 1: Thu thập dữ liệu báo cáo tài chính đã kiểm toán của 30 doanh nghiệp BĐS.
  • Milestone 2: Tính toán 9 chỉ tiêu kinh tế tài chính và thực hiện thống kê mô tả.
  • Milestone 3: Phân tích ma trận hệ số tương quan Pearson và đo lường VIF để loại trừ đa cộng tuyến.
  • Milestone 4: Thực thi kiểm định Breusch-Pagan Lagrange Multiplier và Hausman Test để lựa chọn giữa Pooled OLS, FEM và REM.
  • Milestone 5: Thực thi Modified Wald Test (kiểm tra phương sai sai số thay đổi) và Wooldridge Test (kiểm tra tự tương quan chuỗi bậc 1).
  • Milestone 6: Chạy mô hình FGLS (Cross-sectional Time-series FGLS Regression) để khắc phục toàn diện các khuyết tật phi tham số, đảm bảo ước lượng BLUE (Best Linear Unbiased Estimator).

Implementation và kết quả

Development process

Quá trình làm sạch dữ liệu và thực thi mã lệnh hồi quy kinh tế lượng được tự động hóa thông qua kịch bản Stata Do-File:

* Khai báo cấu trúc dữ liệu bảng (Panel Data Setup)
clear all
set more off
import excel "RealEstate_FinancialData_2015_2021.xlsx", sheet("Data") firstrow
destring _all, replace
xtset Firm_ID Year

* 1. Thống kê mô tả và Ma trận tương quan
sum ROA ROE GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE
pwcorr ROA ROE GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE, sig star(0.05)

* 2. Kiểm định Đa cộng tuyến (Variance Inflation Factor)
regress ROA GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE
estat vif

* 3. Hồi quy FEM và REM kết hợp Hausman Test
xtreg ROA GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE, fe
estimates store fixed_model
xtreg ROA GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE, re
estimates store random_model
hausman fixed_model random_model

* 4. Kiểm định Khuyết tật mô hình (Heteroskedasticity & Autocorrelation)
xttest0
xtserial ROA GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE

* 5. Khắc phục khuyết tật bằng Mô hình FGLS (Feasible Generalized Least Squares)
xtgls ROA GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE, panels(hetero) corr(ar1)
xtgls ROE GROWTH TANG TDTA SIZE TKHOAN TTTQ AGE, panels(hetero) corr(ar1)

Testing và validation

Kết quả thống kê mô tả mẫu nghiên cứu ($N=210$) phản ánh chân thực bức tranh tài chính ngành BĐS:

  • ROA: Trung bình $0{,}0464$ (4,64%), biên độ dao động lớn từ $-0{,}4918$ (NVT năm 2020) đến $0{,}2991$ (NTL năm 2020).
  • ROE: Trung bình $0{,}0885$ (8,85%), giá trị nhỏ nhất $-1{,}1764$ (NVT năm 2017), lớn nhất $0{,}4700$ (HDG năm 2019).
  • GROWTH: Tăng trưởng doanh thu bình quân $51{,}36%$ (Độ lệch chuẩn $2{,}099$), giá trị cực đại đạt $24{,}6754$.
  • TANG: Tỷ trọng tài sản cố định/tổng tài sản trung bình chiếm $10{,}13%$ (thấp nhất $0{,}01%$ tại PDR 2015, cao nhất $67{,}63%$ tại NVT 2018).
  • SIZE: Logarit tự nhiên tổng tài sản đạt trung bình $12{,}84$, doanh nghiệp có quy mô lớn nhất là NVL ($14{,}3049$), nhỏ nhất là DRH ($11{,}12$).
  • TKHOAN & TTTQ: Chỉ số thanh khoản ngắn hạn bình quân $2{,}1983$ lần; Khả năng thanh toán tổng quát trung bình $2{,}3707$ lần (dao động từ $1{,}1871$ lần tại OGC đến $21{,}9935$ lần tại NHA).
  • AGE: Thời gian hoạt động bình quân $13{,}4$ năm (NVL đạt 29 năm, DIG đạt 7 năm tính đến thời điểm nghiên cứu).

Kiểm định đa cộng tuyến (VIF):

Tên biến Hệ số VIF 1/VIF (Tolerance)
TDTA 1.98 0.5046
TTTQ 1.84 0.5434
TKHOAN 1.42 0.7042
SIZE 1.25 0.8000
TANG 1.18 0.8474
GROWTH 1.09 0.9174
AGE 1.05 0.9523
VIF Trung bình 1.36 -

Chỉ số VIF cao nhất là 1,98 (< 5) và VIF trung bình đạt 1,36 (< 2), khẳng định mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến.

Kết quả đạt được

Kiểm định Hausman cho thấy giá trị $P\text{-value} > 0{,}05$, mô hình REM được lựa chọn ưu tiên so với FEM. Tuy nhiên, các kiểm định chẩn đoán sau hồi quy phát hiện mô hình tồn tại hiện tượng phương sai sai số thay đổi ($P < 0{,}01$) và tự tương quan bậc 1 ($P < 0{,}05$). Việc chuyển đổi sang mô hình FGLS đã loại bỏ hoàn toàn các vi phạm giả định này:

Biến độc lập Tác động tới ROA (FGLS) Tác động tới ROE (FGLS) Mức ý nghĩa thống kê ($P$-value)
GROWTH Nghịch chiều ($-$) Nghịch chiều ($-$) $P < 0{,}05$ (Có ý nghĩa)
TANG Nghịch chiều ($-$) Nghịch chiều ($-$) $P < 0{,}01$ (Ý nghĩa cao)
TDTA Nghịch chiều ($-$) Thuận chiều ($+$) $P < 0{,}01$ (Ý nghĩa cao)
SIZE Nghịch chiều ($-$) Thuận chiều ($+$) $P < 0{,}05$ (Có ý nghĩa)
TKHOAN Thuận chiều ($+$) Thuận chiều ($+$) $P < 0{,}01$ (Ý nghĩa cao)
TTTQ Thuận chiều ($+$) Thuận chiều ($+$) $P < 0{,}05$ (Có ý nghĩa)
AGE Thuận chiều ($+$) Thuận chiều ($+$) $P < 0{,}05$ (Có ý nghĩa)

Đổi mới và đóng góp

Nghiên cứu mang lại 3 cải tiến mang tính đột phá so với các nghiên cứu tài chính BĐS trước đây:

Bảng so sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Phạm Sơn Tùng (2015) Lại Cao Mai Phương (2021) Khóa luận Đinh Phương Ly (2022)
Đối tượng nghiên cứu DN BĐS niêm yết DN ngành Thép DN BĐS niêm yết trên HOSE
Giai đoạn dữ liệu 2010 – 2014 2016 – 2020 2015 – 2021 (Cập nhật chu kỳ mới)
Phương pháp chính OLS tuyến tính Pooled OLS / GLS FGLS (Xử lý toàn diện khuyết tật)
Cỡ mẫu Nhỏ (< 100 quan sát) 26 DN (130 quan sát) 30 DN (210 quan sát chuẩn hóa)
Độ tin cậy ước lượng Dễ sai lệch do OLS Ổn định Tối ưu hóa BLUE với sai số chuẩn vững

Đóng góp thực tiễn và lý thuyết

  • Phát hiện nghịch lý Tăng trưởng nóng (GROWTH): Tăng trưởng doanh thu có tương quan nghịch với ROA/ROE. Điều này chứng minh việc doanh nghiệp BĐS cố tình "thổi phồng" doanh thu bằng các chính sách chiết khấu, mở bán ồ ạt giai đoạn sốt đất thực chất làm suy giảm biên lợi nhuận ròng.
  • Tác động hai mặt của Đòn bẩy tài chính (TDTA): Đòn bẩy tài chính làm giảm ROA (do gánh nặng chi phí lãi vay ăn mòn lợi nhuận ròng) nhưng lại khuếch đại ROE trong ngắn hạn khi thị trường thuận lợi.
  • Tối ưu hóa danh mục Tài sản cố định (TANG): Tỷ trọng TSCĐ cao làm đóng băng vốn lưu động, giảm tính thanh khoản của doanh nghiệp BĐS vốn đòi hỏi dòng tiền luân chuyển nhanh.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp khung tham chiếu tài chính định lượng cho các doanh nghiệp BĐS trong việc tái cấu trúc dòng vốn:

Kịch bản ứng dụng trong doanh nghiệp

  1. Kiểm soát Tỷ lệ Đòn bẩy Tài chính (TDTA): Duy trì hệ số Nợ/VCSH ở ngưỡng an toàn $1:1$ (tỷ lệ $ROE/ROA \approx 2$). Khi hệ số nợ vượt quá ngưỡng này, chi phí tài chính gia tăng sẽ triệt tiêu hoàn toàn lợi thế lá chắn thuế.
  2. Quản trị dòng tiền thanh khoản (TKHOAN & TTTQ): Duy trì chỉ số thanh khoản hiện hành $\text{TKHOAN} \ge 2{,}0$ lần và $\text{TTTQ} \ge 2{,}2$ lần nhằm phòng ngừa rủi ro đứt gãy thanh khoản khi thị trường đóng băng hoặc ngân hàng siết room tín dụng.
  3. Chiến lược tinh gọn Tài sản cố định: Giảm tỷ trọng TSCĐ xuống dưới $10%$ tổng tài sản thông qua mô hình Sale & Leaseback hoặc thuê ngoài trang thiết bị thi công, tập trung vốn cho quỹ đất sạch và phát triển dự án cốt lõi.

Lộ trình triển khai khuyến nghị tài chính (Roadmap)

Giai đoạn Mục tiêu triển khai Chỉ số KPI định lượng
Quý 1 - Quý 2 Kiểm toán toàn diện cấu trúc nợ & tái cơ cấu nợ ngắn hạn Đưa TKHOAN về $\ge 1{,}8$ lần
Quý 3 - Quý 4 Thoái vốn khỏi tài sản cố định không sinh lời Đưa TANG về $\le 10%$ tổng tài sản
Năm thứ 2 Tối ưu hóa chi phí bán hàng, kiểm soát chất lượng tăng trưởng Biên lợi nhuận ròng tăng $15 - 20%$
Năm thứ 3 Cân bằng tỷ lệ nợ dài hạn và phát hành cổ phần tăng VCSH Duy trì tỷ lệ nợ/VCSH ở mức $1{,}0 - 1{,}2$

Hạn chế và hướng phát triển

Dù đạt được kết quả vững chắc về mặt kinh tế lượng, đề tài vẫn ghi nhận một số hạn chế nhất định:

  • Dữ liệu vĩ mô: Nghiên cứu chủ yếu tập trung vào 7 nhân tố vi mô nội tại, chưa đưa các biến vĩ mô ngoại sinh (Lãi suất điều hành, Tỷ lệ lạm phát CPI, Tốc độ tăng trưởng GDP, Tỷ giá) vào phương trình hồi quy đồng thời.
  • Đặc thù phân khúc: Mẫu nghiên cứu gộp chung các doanh nghiệp BĐS dân dụng, BĐS khu công nghiệp và BĐS nghỉ dưỡng mà chưa tách biệt tác động theo phân khúc chuyên biệt.
  • Biến động bất thường: Năm 2020 – 2021 chịu tác động ngoại cảnh đột biến từ giãn cách xã hội do Covid-19, tạo ra một số điểm dị biệt (outliers) trong chỉ số tài chính của nhóm BĐS du lịch nghỉ dưỡng (như NVT).

Hướng phát triển tiếp theo của đề tài:

  • Ứng dụng mô hình không gian tài chính (Spatial Panel Data) để xem xét ảnh hưởng lan tỏa giữa các doanh nghiệp BĐS cùng khu vực địa lý.
  • Tích hợp các thuật toán Machine Learning (Random Forest Regression, XGBoost) kết hợp mô hình kinh tế lượng truyền thống để dự báo xác suất phá sản và cảnh báo sớm rủi ro thanh khoản.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Tiếp cận phương pháp nghiên cứu định lượng chuẩn mực, nắm vững quy trình xử lý dữ liệu bảng từ Pooled OLS, FEM/REM đến FGLS trên phần mềm Stata 13.
  • Chuyên viên Phân tích Dữ liệu Tài chính (Equity Research Analysts): Sở hữu bộ tham số hồi quy thực nghiệm đã kiểm định khuyết tật để xây dựng mô hình định giá cổ phiếu ngành BĐS trên HOSE.
  • Ban Điều hành & Giám đốc Tài chính (CFOs) Doanh nghiệp BĐS: Nắm giữ công cụ định lượng để hoạch định chính sách cấu trúc vốn tối ưu, kiểm soát đòn bẩy và duy trì thanh khoản an toàn.
  • Các Nhà nghiên cứu Kinh tế: Tài liệu tham khảo có giá trị học thuật cao với hệ thống 210 quan sát chuẩn hóa trong chu kỳ kinh tế 2015 – 2021.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại ưu tiên sử dụng mô hình FGLS thay vì mô hình FEM hay REM truyền thống?

Trong thực nghiệm tài chính dữ liệu bảng, các doanh nghiệp có quy mô khác biệt lớn thường dẫn đến hiện tượng phương sai sai số thay đổi (Heteroskedasticity) và tính chất chuỗi thời gian gây ra tự tương quan bậc 1 (Autocorrelation). Mô hình OLS, FEM hay REM khi vi phạm hai giả định này sẽ cho ước lượng sai số chuẩn bị chệch, dẫn đến suy diễn thống kê sai lầm. Mô hình FGLS (Feasible Generalized Least Squares) sử dụng ma trận trọng số phương sai để hiệu chỉnh hoàn toàn hai khuyết tật này, mang lại ước lượng vững và hiệu quả nhất.

2. Vì sao tăng trưởng doanh thu (GROWTH) lại có tác động ngược chiều với lợi nhuận (ROA/ROE) của doanh nghiệp BĐS?

Ngành BĐS có đặc thù hạch toán doanh thu phụ thuộc vào tiến độ bàn giao dự án. Việc tăng trưởng doanh thu nóng trong ngắn hạn thường đi kèm với chi phí bán hàng, chi phí quản lý tăng vọt và việc áp dụng chính sách giảm giá/chiết khấu mạnh để thanh lý sản phẩm. Nếu không kiểm soát tốt giá vốn và chi phí tài chính, doanh thu tăng cao nhưng lợi nhuận ròng thu về thực tế lại suy giảm.

3. Doanh nghiệp BĐS nên duy trì tỷ lệ đòn bẩy tài chính bao nhiêu là tối ưu?

Theo kết quả hồi quy và lý thuyết cấu trúc vốn cân bằng (Trade-off Theory), tỷ lệ Nợ phải trả/Vốn chủ sở hữu nên duy trì quanh mức $1{,}0$ (tương đương $50%$ nợ và $50%$ vốn chủ sở hữu, tỷ lệ $ROE/ROA \approx 2$). Vượt quá ngưỡng này, rủi ro tài chính và chi phí lãi vay sẽ vượt qua lợi ích của lá chắn thuế, kéo giảm mạnh chỉ số ROA.

4. Hệ số VIF trung bình đạt 1,36 có ý nghĩa gì đối với độ tin cậy của mô hình?

Hệ số VIF (Variance Inflation Factor) đo lường mức độ phóng đại phương sai do đa cộng tuyến gây ra. Quy ước kinh tế lượng chuẩn chỉ ra rằng VIF $< 5$ (hoặc $< 10$) chứng minh các biến độc lập không có mối quan hệ tuyến tính hoàn hảo với nhau. Với VIF cực đại chỉ đạt 1,98 và VIF trung bình là 1,36, mô hình đảm bảo tính độc lập tuyệt đối giữa các biến giải thích.

5. Chi phí triển khai hệ thống quản trị rủi ro tài chính định lượng trong doanh nghiệp BĐS là bao nhiêu?

Việc thiết lập hệ thống cảnh báo sớm dựa trên các chỉ số tài chính (TKHOAN, TTTQ, TDTA) chủ yếu tận dụng dữ liệu ERP và phần mềm phân tích số liệu sẵn có (như Stata/Python/PowerBI), chi phí triển khai thấp nhưng giúp doanh nghiệp phòng ngừa rủi ro đứt gãy thanh khoản trị giá hàng trăm tỷ đồng.

Kết luận

Khóa luận tốt nghiệp của tác giả Đinh Phương Ly đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến lợi nhuận của 30 doanh nghiệp BĐS niêm yết trên sàn HOSE giai đoạn 2015 – 2021. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại với mô hình FGLS trên 210 quan sát thực nghiệm, nghiên cứu đã chứng minh rõ nét vai trò quyết định của tính thanh khoản (TKHOAN), khả năng thanh toán tổng quát (TTTQ) và thời gian hoạt động (AGE) trong việc thúc đẩy khả năng sinh lời, đồng thời cảnh báo rủi ro từ việc lạm dụng đòn bẩy tài chính (TDTA), đầu tư tài sản cố định quá mức (TANG) và tăng trưởng doanh thu nóng thiếu bền vững (GROWTH).

Đây là công trình nghiên cứu ứng dụng có giá trị thực tiễn cao, đóng góp nền tảng cơ sở khoa học định lượng vững chắc cho công tác quản trị tài chính doanh nghiệp và định hướng ra quyết định đầu tư an toàn trên thị trường chứng khoán Việt Nam.