Giới thiệu dự án

Trong bối cảnh kinh tế toàn cầu đối mặt với nhiều biến động chu kỳ và suy thoái kinh tế sau đại dịch, các doanh nghiệp tại thị trường mới nổi như Việt Nam chịu áp lực lớn về thanh khoản và đứt gãy dòng tiền. Theo thống kê tài chính doanh nghiệp, tỷ lệ tiền mặt nắm giữ tại các công ty niêm yết tại Việt Nam dao động từ 11% đến gần 17% tổng tài sản, cho thấy sự thận trọng cao độ của các nhà quản trị tài chính. Tiền mặt là tài sản có tính thanh khoản cao nhất, đóng vai trò như lớp đệm phòng vệ trước các cú sốc tài chính, đồng thời là phương tiện tài trợ cho các cơ hội đầu tư sinh lời đột xuất.

Tuy nhiên, việc nắm giữ tiền mặt luôn tồn tại một bài toán đánh đổi (Trade-off): tích trữ quá nhiều tiền mặt sẽ làm phát sinh chi phí cơ hội, giảm hiệu quả sử dụng vốn do ứ đọng nguồn lực và gia tăng chi phí đại diện (Agency costs); ngược lại, duy trì lượng tiền mặt quá thấp sẽ đẩy doanh nghiệp vào rủi ro kiệt quệ tài chính (Financial distress) và mất khả năng thanh toán nợ ngắn hạn.

Khóa luận tốt nghiệp chuyên ngành Tài chính – Doanh nghiệp với đề tài "Các nhân tố tác động đến tỷ lệ nắm giữ tiền mặt của các công ty niêm yết trên sàn giao dịch Thành phố Hồ Chí Minh" được triển khai nhằm giải quyết trực tiếp bài toán tối ưu hóa cấu trúc thanh khoản doanh nghiệp thông qua mô hình kinh tế lượng định lượng trên dữ liệu bảng cân bằng (Balanced Panel Data).

+-----------------------------------------------------------------------------------+
|                            MÔ HÌNH QUẢN TRỊ THANH KHOẢN                           |
+-----------------------------------------------------------------------------------+
                                          |
                +-------------------------+-------------------------+
                |                                                   |
                v                                                   v
      [ Chi phí Cơ hội ]                                  [ Chi phí Giao dịch ]
   - Lợi nhuận vốn bị giữ lại                          - Rủi ro kiệt quệ tài chính
   - Chi phí đại diện (Agency Costs)                   - Khả năng tiếp cận vốn vay thấp
   - Giảm hiệu suất sinh lời ROA                       - Chi phí phát hành chứng khoán
                |                                                   |
                +-------------------------> <-----------------------+
                                          |
                                          v
                    [ TỶ LỆ NẮM GIỮ TIỀN MẶT TỐI ƯU (CASH) ]
                      * Tỷ lệ trung bình HOSE: 11,92% *

Mục tiêu nghiên cứu

  1. Xác định thực trạng: Đo lường và phân tích xu hướng biến động của tỷ lệ nắm giữ tiền mặt ($CASH$) của các doanh nghiệp niêm yết trên HOSE giai đoạn 2017 – 2021.
  2. Kiểm định mô hình: Đánh giá thực nghiệm mức độ và chiều hướng tác động của 7 nhân tố nội tại ($SIZE$, $NWC$, $CF$, $LEV$, $ROA$, $AGE$, $DIV$) đến tỷ lệ nắm giữ tiền mặt.
  3. Lựa chọn mô hình kinh tế lượng tối ưu: So sánh định lượng giữa Pooled OLS, FEM (Fixed Effects Model) và REM (Random Effects Model), kiểm định và xử lý các khuyết tật mô hình (phương sai thay đổi, tự tương quan).
  4. Khuyến nghị chính sách: Đề xuất giải pháp quản trị vốn lưu động và lập kế hoạch ngân sách dòng tiền tối ưu cho các nhà quản trị doanh nghiệp.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 184 công ty phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE).
  • Thời gian: Giai đoạn 5 năm liên tục từ 2017 đến 2021 (tạo thành 920 quan sát dạng bảng cân bằng).
  • Giới hạn kỹ thuật: Loại trừ các định chế tài chính, ngân hàng, công ty bảo hiểm do có cấu trúc vốn và quy định thanh khoản đặc thù; chỉ tập trung vào dữ liệu thứ cấp từ báo cáo tài chính đã kiểm toán.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu cấu trúc nắm giữ tiền mặt dựa trên ba lý thuyết tài chính doanh nghiệp nền tảng:

Khung lý thuyết Tác giả tiêu biểu Luận điểm chính Dự báo tác động đến Tiền mặt ($CASH$)
Lý thuyết Đánh đổi (Trade-off Theory) Ferreira & Vilela (2004) Cân bằng giữa lợi ích biên (giảm kiệt quệ tài chính) và chi phí biên (chi phí cơ hội). $NWC (-)$, $LEV (-/+)$, $SIZE (-)$
Lý thuyết Trật tự phân hạng (Pecking Order Theory) Myers & Majluf (1984) Ưu tiên tài trợ nội bộ (tiền mặt/lợi nhuận giữ lại) trước nợ và vốn cổ phần mới. $CF (+)$, $ROA (+)$, $LEV (-)$
Lý thuyết Dòng tiền tự do (Free Cash Flow Theory) Jensen (1986) Nhà quản lý có xu hướng tích lũy tiền mặt quá mức để tăng quyền lực kiểm soát. $CF (+)$, $SIZE (+)$, $LEV (-)$

Phân tích khoảng trống nghiên cứu (Gap Analysis)

  • Hạn chế của nghiên cứu trước: Đa số các nghiên cứu quốc tế chỉ tập trung vào các biến tài chính tĩnh ($SIZE$, $LEV$, $ROA$). Nghiên cứu trong nước của Nguyễn Ngọc Thiện (2014) và Phạm Hữu Tín (2014) chưa cập nhật dữ liệu sau giai đoạn biến động kinh tế vĩ mô 2019-2021.
  • Điểm cải tiến của đề tài: Bổ sung đồng thời biến $AGE$ (thời gian hoạt động) và $CF$ (dòng tiền thuần từ HĐKD) trên bộ dữ liệu cân bằng 5 năm 920 quan sát, áp dụng kỹ thuật ước lượng ma trận hiệp phương sai nhất quán (Robust Covariance Estimator) để kiểm soát triệt để hiện tượng vi phạm giả định OLS.

Thiết kế hệ thống và mô hình định lượng

Mô hình hồi quy tuyến tính đa biến có dạng:

$$CASH_{it} = \beta_0 + \beta_1 SIZE_{it} + \beta_2 NWC_{it} + \beta_3 CF_{it} + \beta_4 LEV_{it} + \beta_5 ROA_{it} + \beta_6 AGE_{it} + \beta_7 DIV_{it} + \alpha_i + \varepsilon_{it}$$

Trong đó:

  • $i$: Đại diện cho doanh nghiệp thứ $i$ ($i = 1, 2, ..., 184$).
  • $t$: Đại diện cho năm quan sát ($t = 2017, ..., 2021$).
  • $\alpha_i$: Tác động cố định không quan sát được theo từng thực thể doanh nghiệp.
  • $\varepsilon_{it}$: Sai số ngẫu nhiên của mô hình.
       +----------------------------------------------------------------------+
       |                       BIẾN ĐỘC LẬP (INPUTS)                          |
       |  - Vốn lưu động ròng (NWC)       - Dòng tiền thuần HĐKD (CF)         |
       |  - Đòn bẩy tài chính (LEV)       - Thời gian hoạt động (AGE)         |
       |  - Quy mô doanh nghiệp (SIZE)    - Tỷ suất sinh lời (ROA)            |
       |  - Chính sách cổ tức (DIV)                                           |
       +----------------------------------------------------------------------+
                                          |
                                          v
       +----------------------------------------------------------------------+
       |             PIPELINE XỬ LÝ & ƯỚC LƯỢNG KINH TẾ LƯỢNG                 |
       |  1. Balanced Panel Structuring (N = 184, T = 5, Total = 920 obs)     |
       |  2. Redundant Fixed Effects F-Test (Pooled OLS vs. FEM)              |
       |  3. Hausman Specification Test (FEM vs. REM)                         |
       |  4. Diagnostic Tests: Breusch-Pagan Test & Wooldridge Test           |
       |  5. Robust Covariance Matrix Estimation (Huber-White/Arellano)       |
       +----------------------------------------------------------------------+
                                          |
                                          v
       +----------------------------------------------------------------------+
       |                       BIẾN PHỤ THUỘC (OUTPUT)                        |
       |       Tỷ lệ nắm giữ tiền mặt: CASH = Tiền & TĐT / Tổng tài sản ròng  |
       +----------------------------------------------------------------------+

Bảng định nghĩa và phương pháp đo lường các biến

Ký hiệu Tên biến Phương pháp đo lường công thức Kỳ vọng dấu
CASH Tỷ lệ nắm giữ tiền mặt $\frac{\text{Tiền và các khoản tương đương tiền}}{\text{Tổng tài sản} - \text{Tiền và TĐT}}$ Biến phụ thuộc
SIZE Quy mô công ty $\ln(\text{Tổng tài sản})$ $+ / -$
NWC Vốn lưu động ròng $\frac{\text{Tài sản ngắn hạn} - \text{Nợ ngắn hạn}}{\text{Tổng tài sản} - \text{Tiền và TĐT}}$ $+ / -$
CF Dòng tiền thuần $\frac{\text{Dòng tiền từ hoạt động kinh doanh}}{\text{Tổng tài sản}}$ $+$
LEV Đòn bẩy tài chính $\frac{\text{Tổng nợ phải trả}}{\text{Tổng tài sản}}$ $+ / -$
ROA Khả năng sinh lời $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$ $+ / -$
AGE Thời gian hoạt động $\ln(\text{Năm báo cáo} - \text{Năm thành lập})$ $+$
DIV Chi trả cổ tức Biến giả: $1$ nếu chi trả cổ tức tiền mặt trong năm, $0$ nếu không $+ / -$

Methodology

Quy trình nghiên cứu định lượng tuân thủ các chuẩn mực kinh tế lượng dữ liệu bảng:

[ Thu thập dữ liệu FiinPro ] 
[ Tiền xử lý & Cân bằng Panel (N=184, T=5) ]
[ Thống kê mô tả & Ma trận tương quan Pearson ]
[ Kiểm định khuyết tật: Heteroskedasticity & Autocorrelation ]
[ Khắc phục bằng Robust Covariance Matrix Estimation (vcovHC) ]
[ Kết quả hồi quy chuẩn xác & Đề xuất khuyến nghị ]

Implementation và kết quả

Development Process & Pipeline xử lý trên R

Quá trình làm sạch, chuyển đổi cấu trúc dữ liệu và thực thi mô hình được lập trình hoàn toàn bằng ngôn ngữ R (phiên bản 4.2.2) sử dụng các thư viện chuẩn: plm (v2.6-2), lmtest (v0.9-40), sandwich (v3.0-2).

# ==============================================================================
# PIPELINE PHÂN TÍCH KINH TẾ LƯỢNG DỮ LIỆU BẢNG (PANEL DATA) TRÊN R
# ==============================================================================

# 1. Nạp các package chuyên dụng
library(plm)
library(lmtest)
library(sandwich)

# 2. Định dạng cấu trúc Balanced Panel Data
panel_data <- pdata.frame(raw_financial_data, index = c("Ticker", "Year"))

# 3. Ước lượng mô hình Pooled OLS, FEM và REM
pooled_ols <- plm(CASH ~ SIZE + NWC + CF + LEV + ROA + AGE + DIV, 
                  data = panel_data, model = "pooling")

fem_model  <- plm(CASH ~ SIZE + NWC + CF + LEV + ROA + AGE + DIV, 
                  data = panel_data, model = "within")

rem_model  <- plm(CASH ~ SIZE + NWC + CF + LEV + ROA + AGE + DIV, 
                  data = panel_data, model = "random")

# 4. Kiểm định lựa chọn mô hình
# 4.1. F-test kiểm định hiệu ứng cố định thực thể (Pooled OLS vs FEM)
pFtest(fem_model, pooled_ols)

# 4.2. Hausman test (FEM vs REM)
phtest(fem_model, rem_model)

# 5. Kiểm tra khuyết tật mô hình (Phương sai thay đổi & Tự tương quan)
bptest(fem_model)
pwartest(fem_model)

# 6. Khắc phục khuyết tật bằng Ma trận hiệp phương sai nhất quán (Robust Standard Errors)
robust_fem_results <- coeftest(fem_model, vcov = vcovHC(fem_model, method = "arellano", type = "HC1"))
print(robust_fem_results)

Testing và Validation mô hình

Thống kê mô tả các biến nghiên cứu (N = 920)

Biến số Min Max Mean (Trung bình) Std. Dev (Độ lệch chuẩn)
CASH 0.00015 1.43611 0.11922 0.14734
SIZE 25.62605 33.69104 28.58193 1.46341
NWC -0.48641 1.74225 0.27072 0.24949
CF -1.10004 0.53621 0.06983 0.12580
LEV 0.01297 0.99168 0.47226 0.20204
ROA -0.25571 0.53599 0.08095 0.07567
AGE 0.69314 4.17438 2.93154 0.49978
DIV 0.00000 1.00000 0.49456 0.50024

Kết quả kiểm định lựa chọn mô hình và khuyết tật

+----------------------------------------------------------------------------------------+
|                                KẾT QUẢ CÁC KIỂM ĐỊNH MÔ HÌNH                           |
+----------------------------------------------------------------------------------------+
| 1. Redundant Fixed Effects Test (Pooled OLS vs FEM):                                   |
|    - Thống kê F: 10.628 (df1 = 183, df2 = 729)                                         |
|    - p-value: < 2.2e-16 (Bác bỏ H0 tại mức ý nghĩa 1% -> FEM vượt trội Pooled OLS)     |
+----------------------------------------------------------------------------------------+
| 2. Hausman Test (REM vs FEM):                                                          |
|    - Thống kê Chi-Square: 39.475 (df = 7)                                              |
|    - p-value: 1.586e-06 (Bác bỏ H0 tại mức ý nghĩa 1% -> FEM phù hợp nhất)            |
+----------------------------------------------------------------------------------------+
| 3. Kiểm định khuyết tật mô hình:                                                       |
|    - Breusch-Pagan Test: Phát hiện hiện tượng phương sai sai số thay đổi (p < 0.05)     |
|    - Wooldridge Test for Panel: Phát hiện hiện tượng tự tương quan bậc 1 (p < 0.05)    |
|    => Xử lý: Áp dụng White/Arellano Heteroskedasticity and Autocorrelation Consistent  |
|       (HAC) Covariance Matrix Estimation.                                              |
+----------------------------------------------------------------------------------------+

Kết quả đạt được

Kết quả hồi quy mô hình FEM sau khi hiệu chỉnh sai số chuẩn nhất quán (Robust Standard Errors):

Tên biến Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Error) Thống kê t-value p-value Mức ý nghĩa thống kê
SIZE 0.00424 0.02502 0.1696 0.86537 Không có ý nghĩa
NWC 0.51895 0.09603 5.4038 8.844e-08 *** (Mức ý nghĩa 0.1%)
CF 0.19855 0.05163 3.8456 0.00013 *** (Mức ý nghĩa 0.1%)
LEV 0.30578 0.08502 3.5965 0.00034 *** (Mức ý nghĩa 0.1%)
ROA -0.02026 0.14896 -0.1360 0.89186 Không có ý nghĩa
AGE 0.09168 0.05331 1.7196 0.08594 * (Mức ý nghĩa 10%)
DIV -0.00137 0.00125 -1.0947 0.27399 Không có ý nghĩa
Hệ số xác định \multicolumn{5}{l }{$R^2 = \mathbf{0.33691}$ ($33.69%$), $\text{Adjusted } R^2 = \mathbf{0.16409}$}

Diễn giải chi tiết các nhân tố có ý nghĩa thống kê

  1. Vốn lưu động ròng ($NWC$): $\beta = +0.51895$, $p < 0.001$

    • Phân tích: Tồn tại mối quan hệ đồng biến mạnh mẽ giữa vốn lưu động ròng và tỷ lệ tiền mặt. Khi $NWC$ tăng 1 đơn vị, $CASH$ tăng tương ứng 0.51895 đơn vị trong điều kiện các yếu tố khác không đổi.
    • Ý nghĩa thực tế: Phản ánh chiến lược quản trị vốn lưu động thận trọng tại các doanh nghiệp Việt Nam. Doanh nghiệp mở rộng tài sản lưu động thường tích lũy thêm tiền mặt tương ứng để hỗ trợ chu kỳ luân chuyển hàng tồn kho và các khoản phải thu.

  2. Dòng tiền thuần từ HĐKD ($CF$): $\beta = +0.19855$, $p < 0.001$

    • Phân tích: Dòng tiền từ hoạt động kinh doanh tác động thuận chiều đến tỷ lệ tiền mặt. Doanh nghiệp tạo ra nhiều thặng dư tiền mặt từ hoạt động cốt lõi sẽ gia tăng quỹ dự trữ thanh khoản.
    • Ý nghĩa thực tế: Phù hợp tuyệt đối với Lý thuyết Trật tự phân hạng, dòng tiền tự tạo là nguồn tài trợ rẻ nhất và luôn được giữ lại đầu tiên trước khi tính đến các kênh huy động ngoài.

  3. Đòn bẩy tài chính ($LEV$): $\beta = +0.30578$, $p < 0.001$

    • Phân tích: Đòn bẩy tài chính có tương quan dương với tỷ lệ tiền mặt. Doanh nghiệp có tỷ lệ nợ vay cao có xu hướng dự trữ nhiều tiền mặt hơn.
    • Ý nghĩa thực tế: Ủng hộ động cơ phòng ngừa rủi ro của Lý thuyết Đánh đổi. Khi nợ vay cao, nguy cơ mất khả năng thanh toán tăng lên, buộc doanh nghiệp phải giữ lượng tiền mặt dự phòng lớn hơn để thanh toán các nghĩa vụ nợ đến hạn và xoa dịu các yêu cầu giám sát từ phía ngân hàng.

  4. Thời gian hoạt động ($AGE$): $\beta = +0.09168$, $p < 0.10$

    • Phân tích: Thời gian thành lập có tác động thuận chiều ở mức ý nghĩa 10%. Các công ty lâu năm trên thị trường có thị phần, mạng lưới phân phối ổn định và khả năng tích lũy tiền mặt cao hơn các doanh nghiệp mới thành lập.

Đổi mới và đóng góp

  1. Khắc phục các giả định đơn giản hóa trong mô hình tài chính: Khác với các nghiên cứu sử dụng Pooled OLS truyền thống dễ dẫn đến ước lượng chệch do bỏ qua khác biệt cá thể (Individual heterogeneity), đề tài đã kiểm chứng khoa học bằng Redundant Fixed Effects Test ($p < 2.2\times 10^{-16}$) và Hausman Test ($p = 1.586\times 10^{-6}$), khẳng định tính ưu việt của mô hình Fixed Effects Model (FEM).
  2. Kiểm soát đồng thời hai khuyết tật kinh tế lượng: Ứng dụng kỹ thuật ước lượng hiệp phương sai Arellano-White để triệt tiêu hoàn toàn tác động của phương sai thay đổi và tự tương quan chuỗi trên dữ liệu bảng.
  3. So sánh tương quan đa chiều với các nghiên cứu tiền nhiệm:
Nhân tố tác động Kết quả nghiên cứu đề tài (HOSE 2017-2021) Saddour (2006) (Pháp) Ogundipe et al. (2012) (Nigeria) Nguyễn Ngọc Thiện (2014) (Việt Nam)
Vốn lưu động ròng ($NWC$) Dương (+) Âm (-) Âm (-) Âm (-)
Dòng tiền thuần ($CF$) Dương (+) Dương (+) Dương (+) Dương (+)
Đòn bẩy tài chính ($LEV$) Dương (+) Âm (-) Dương (+) Dương (+)
Quy mô công ty ($SIZE$) Không ý nghĩa Âm (-) Dương (+) Không ý nghĩa
Khả năng sinh lời ($ROA$) Không ý nghĩa Không ý nghĩa Dương (+) Không ý nghĩa
Thời gian hoạt động ($AGE$) Dương (+) Chưa khảo sát Chưa khảo sát Chưa khảo sát

Ứng dụng thực tế và triển khai

Khuyến nghị quản trị tài chính doanh nghiệp

+----------------------------------------------------------------------------------------+
|                      FRAMEWORK QUẢN TRỊ THANH KHOẢN TỐI ƯU                             |
+----------------------------------------------------------------------------------------+
                                           |
         +---------------------------------+---------------------------------+
         |                                                                   |
         v                                                                   v
 [ TỐI ƯU HÓA VỐN LƯU ĐỘNG (NWC) ]                         [ DỰ BÁO NGÂN SÁCH DÒNG TIỀN (CF) ]
 - Quản trị chu kỳ chuyển hóa tiền mặt (CCC)               - Thiết lập ngân sách dòng tiền cuốn chiếu
 - Giảm ngày tồn kho (DSI) và phải thu (DSO)               - Phân bổ dòng tiền nhàn rỗi sang MM/Treasury
 - Tránh để tiền mặt nhàn rỗi ở tài khoản vãng lai         - Thiết lập hạn mức thanh khoản phòng ngừa
         |                                                                   |
         +---------------------------------+---------------------------------+
                                           |
                                           v
                       [ QUẢN TRỊ ĐỆM NỢ VAY VÀ RỦI RO (LEV) ]
                       - Tái cấu trúc kỳ hạn nợ ngắn hạn/dài hạn
                       - Duy trì tỷ lệ đệm tiền mặt/tổng nợ an toàn

  1. Chiến lược tối ưu hóa vốn lưu động ròng ($NWC$):

    • Doanh nghiệp không nên giữ tiền mặt thụ động để bù đắp tài sản ngắn hạn. Cần áp dụng quy trình kiểm soát chu kỳ chuyển hóa tiền mặt (Cash Conversion Cycle - CCC), rút ngắn thời gian thu tiền khách hàng (DSO) và luân chuyển hàng tồn kho (DSI).
    • Chuyển đổi lượng tiền mặt dư thừa vượt mức an toàn sang các công cụ đầu tư ngắn hạn có tính thanh khoản cao (chứng chỉ tiền gửi, hợp đồng mua lại Repo, tín phiếu kho bạc) để tối ưu hóa tỷ suất sinh lời trên tài sản.

  2. Thiết lập hệ thống dự báo dòng tiền ($CF$) đa kỳ hạn:

    • Xây dựng mô hình lập kế hoạch dòng tiền cuốn chiếu (Rolling Cash Flow Forecast) theo tuần/tháng nhằm dự báo chính xác thời điểm thặng dư hoặc thâm hụt tiền tệ.
    • Khi dòng tiền thuần từ HĐKD tăng trưởng, doanh nghiệp cần có cơ chế tự động tái phân bổ vốn vào các dự án mở rộng sản xuất hoặc giảm bớt đòn bẩy tài chính để cắt giảm chi phí lãi vay.

  3. Cân đối cấu trúc nợ ($LEV$) và hạn mức thanh khoản dự phòng:

    • Với các doanh nghiệp sử dụng đòn bẩy nợ cao (trung bình mẫu đạt $47.23%$, cá biệt có đơn vị lên tới $99.17%$), cần chủ động duy trì đệm tiền mặt tương đương tối thiểu 1 đến 2 kỳ thanh toán lãi và gốc vay ngắn hạn, tránh phụ thuộc vào việc tái cấp vốn trong các giai đoạn siết chặt tín dụng.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Độ bao phủ dữ liệu: Mẫu nghiên cứu dừng lại ở 184 doanh nghiệp phi tài chính trên sàn HOSE giai đoạn 2017–2021; chưa bao gồm các doanh nghiệp niêm yết trên HNX và UPCoM.
  • Biến ngoại sinh vĩ mô: Mô hình tập trung chủ yếu vào các biến tài chính nội tại của doanh nghiệp, chưa kiểm soát trực tiếp các chỉ số vĩ mô như lạm phát (CPI), lãi suất điều hành của Ngân hàng Nhà nước, hoặc chỉ số bất ổn kinh tế.
  • Tính nội sinh (Endogeneity): Mô hình FEM đã xử lý được hiệu ứng cố định bất biến theo thời gian nhưng chưa áp dụng các phương pháp ước lượng nâng cao như GMM sai phân (Difference GMM) hoặc GMM hệ thống (System GMM) để giải quyết triệt để mối quan hệ nội sinh tiềm ẩn giữa đòn bẩy tài chính và tiền mặt.

Hướng nghiên cứu tiếp theo

  • Mở rộng giai đoạn nghiên cứu sau năm 2022 để đo lường toàn diện cú sốc tăng lãi suất và biến động tỷ giá.
  • Ứng dụng mô hình Dynamic Panel Model (GMM hai bước của Arellano-Bond) để khảo sát tốc độ điều chỉnh tiền mặt về mức mục tiêu tối ưu của doanh nghiệp.

Đối tượng hưởng lợi

  • Nhà quản trị tài chính (CFO/Treasury Manager): Nắm bắt được các động lực chi phối tỷ lệ tiền mặt, xây dựng chiến lược quản trị thanh khoản phù hợp với mức độ đòn bẩy và chu kỳ dòng tiền của doanh nghiệp.
  • Nhà đầu tư chứng khoán và chuyên viên phân tích tài chính: Đánh giá chính xác sức khỏe tài chính doanh nghiệp thông qua tỷ lệ $CASH$ (trung bình chuẩn 11.92% trên HOSE), nhận diện các tín hiệu cảnh báo rủi ro kiệt quệ tài chính hoặc tích lũy tiền mặt kém hiệu quả.
  • Cơ quan quản lý và các tổ chức tín dụng: Có thêm căn cứ định lượng khi đánh giá khả năng chi trả và thẩm định điều kiện cấp hạn mức tín dụng ngắn hạn cho các doanh nghiệp niêm yết.
  • Giảng viên và sinh viên khối ngành Kinh tế - Tài chính: Tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng dữ liệu bảng, quy trình thực thi mô hình FEM/REM trên phần mềm R.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn mô hình FEM thay vì Pooled OLS hay REM?

Mô hình Pooled OLS giả định các doanh nghiệp đồng nhất, bỏ qua đặc thù riêng biệt của từng công ty. Kiểm định F ($p < 2.2\times 10^{-16}$) bác bỏ giả thuyết đồng nhất. Tiếp tục kiểm định Hausman ($p = 1.586\times 10^{-6}$) chứng minh các yếu tố đặc thù doanh nghiệp có tương quan với các biến giải thích, do đó mô hình FEM là ước lượng không chệch và nhất quán nhất.

2. Tại sao đòn bẩy tài chính ($LEV$) lại có tác động dương (+) đến tỷ lệ nắm giữ tiền mặt?

Theo lý thuyết đánh đổi và động cơ phòng ngừa, doanh nghiệp sử dụng nhiều nợ vay đối mặt với áp lực thanh toán lãi vay và nguy cơ vỡ nợ cao hơn. Để giảm thiểu xác suất kiệt quệ tài chính, các doanh nghiệp này chủ động nắm giữ tỷ lệ tiền mặt cao hơn để đảm bảo thanh khoản.

3. Quy mô công ty ($SIZE$) và Lợi nhuận ($ROA$) không có ý nghĩa thống kê nói lên điều gì?

Tại thị trường chứng khoán Việt Nam giai đoạn 2017-2021, quyết định tích trữ tiền mặt của doanh nghiệp bị chi phối mạnh bởi nhu cầu vốn lưu động tức thời và nghĩa vụ nợ, thay vì quy mô tổng tài sản hay khả năng sinh lời kế toán.

4. Phần mềm và các gói lệnh nào được sử dụng để xử lý dữ liệu?

Toàn bộ quy trình xử lý dữ liệu bảng được thực hiện trên môi trường RStudio với ngôn ngữ R (v4.2+), sử dụng các gói thư viện chuẩn gồm plm cho hồi quy dữ liệu bảng, lmtest cho kiểm định giả định và sandwich cho ma trận hiệp phương sai vững (Robust SE).

Kết luận

Đề tài nghiên cứu đã xây dựng thành công khung phân tích định lượng toàn diện về các nhân tố tác động đến tỷ lệ nắm giữ tiền mặt của 184 doanh nghiệp niêm yết trên HOSE trong giai đoạn 2017 – 2021. Bằng phương pháp ước lượng mô hình hiệu ứng cố định (FEM) kết hợp xử lý sai số chuẩn nhất quán trên 920 quan sát bảng cân bằng, nghiên cứu chứng minh thực nghiệm:

  • Tỷ lệ nắm giữ tiền mặt trung bình của các doanh nghiệp trên sàn HOSE đạt 11.92%.
  • Vốn lưu động ròng ($NWC$, $\beta = 0.51895$), Đòn bẩy tài chính ($LEV$, $\beta = 0.30578$), Dòng tiền thuần ($CF$, $\beta = 0.19855$) và Thời gian hoạt động ($AGE$, $\beta = 0.09168$) là 4 nhân tố có tương quan thuận chiều và có ý nghĩa thống kê quyết định đến mức dự trữ tiền mặt.
  • Các biến Quy mô ($SIZE$), Lợi nhuận ($ROA$) và Cổ tức ($DIV$) không thể hiện tác động rõ ràng trong giai đoạn khảo sát.

Kết quả nghiên cứu đóng góp cơ sở khoa học và thực tiễn vững chắc, giúp các nhà quản trị doanh nghiệp xây dựng chính sách quản trị thanh khoản tối ưu, cân bằng hoàn hảo giữa mục tiêu an toàn thanh khoản và tối đa hóa giá trị doanh nghiệp.