Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam đóng vai trò là kênh dẫn vốn trung và dài hạn trọng yếu của nền kinh tế, đặc biệt ghi nhận bước chuyển mình mạnh mẽ trong giai đoạn 2019–2023. Song song đó, ngành bán lẻ Việt Nam nổi lên như một động lực tăng trưởng kinh tế với quy mô thị trường vượt 140 tỷ USD và được dự báo cán mốc 350 tỷ USD vào năm 2025, đóng góp tới 59% tổng sản phẩm quốc nội (GDP). Diễn biến giá cổ phiếu các doanh nghiệp bán lẻ đầu ngành như CTCP Bán lẻ Kỹ thuật số FPT (HOSE: FRT – tăng từ 55.000 VNĐ lên 150.000 VNĐ trong giai đoạn 06/2023–03/2024) hay CTCP Đầu tư Thế Giới Di Động (HOSE: MWG) thu hút sự quan tâm lớn của giới đầu tư.

Tuy nhiên, phần lớn nhà đầu tư cá nhân trên thị trường thiếu hệ thống công cụ định lượng chuẩn xác, chủ yếu ra quyết định dựa trên tâm lý đám đông hoặc thông tin bất cân xứng, dẫn đến rủi ro thua lỗ cao. Hệ số giá trên thu nhập (Price-to-Earnings Ratio - $P/E$) là thước đo định giá tương đối phổ biến và trực quan nhất; song $P/E$ của ngành bán lẻ có biên độ biến động rất phức tạp do tính chu kỳ tiêu dùng và cấu trúc tài chính đặc thù. Khóa luận tốt nghiệp của tác giả Nguyễn Duy Anh (Học viện Ngân hàng) đi sâu giải quyết bài toán: Xác định và lượng hóa các nhân tố nội tại và vĩ mô chi phối hệ số $P/E$ của các doanh nghiệp bán lẻ niêm yết tại Việt Nam.

+-----------------------------------------------------------------------------+
|                      MỤC TIÊU NGHIÊN CỨU ĐỊNH LƯỢNG                         |
+-----------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận về hệ số định giá P/E và đặc thù ngành bán lẻ |
| 2. Đo lường mức độ tác động của 6 nhân tố (CR, ROE, D/E, BVPS, EPS, GDP)   |
| 3. Xây dựng mô hình kinh tế lượng tối ưu từ Panel Data (2019 - 2023)        |
| 4. Đề xuất hàm ý quản trị vốn và chiến lược định giá cổ phiếu thực tiễn     |
+-----------------------------------------------------------------------------+

Nghiên cứu ứng dụng phương pháp kinh tế lượng dữ liệu bảng (Panel Data Econometrics) trên mẫu gồm 10 doanh nghiệp bán lẻ phi hàng hóa thiết yếu đặc thù niêm yết trên HOSE, HNX và UPCoM trong 20 quý liên tục (từ Quý 1/2019 đến Quý 4/2023, đạt 196 quan sát sau khi xử lý ngoại lai). Kết quả kỳ vọng cung cấp mô hình định giá thực nghiệm với độ tin cậy thống kê $\alpha = 0.01$ và $\alpha = 0.05$, hỗ trợ nhà đầu tư và nhà quản trị doanh nghiệp tối ưu hóa quyết định tài chính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong thực hành định giá doanh nghiệp, các phương pháp truyền thống như Chiết khấu dòng tiền (DCF) hay Định giá theo tài sản ròng (NAV) thường đòi hỏi nhiều giả định phức tạp về chi phí sử dụng vốn bình quân (WACC) và tốc độ tăng trưởng dài hạn ($g$), dẫn đến độ nhạy cảm cao và sai số dự báo lớn đối với các ngành có tốc độ luân chuyển tài sản nhanh như bán lẻ. Ngược lại, phương pháp bội số định giá $P/E$ có tính trực quan cao nhưng dễ bị áp dụng sai lệch nếu không bóc tách được các biến số nền tảng chi phối.

Tiêu chí so sánh Định giá chiết khấu dòng tiền (DCF) Định giá tài sản ròng (NAV) Bội số định giá P/E thực nghiệm
Bản chất Chiết khấu dòng tiền tương lai về hiện tại Đánh giá lại toàn bộ giá trị tài sản thuần So sánh tương đối giữa thị giá và thu nhập
Ưu điểm Phản ánh giá trị nội tại dài hạn của doanh nghiệp Phù hợp với doanh nghiệp thâm dụng tài sản Đơn giản, phản ánh nhanh kỳ vọng thị trường
Nhược điểm Nhạy cảm với biến số WACC và $g$, khó dự báo Bỏ qua giá trị thương hiệu và triển vọng tăng trưởng Dễ bị méo mó khi EPS biến động bất thường
Độ phù hợp ngành bán lẻ Trung bình (Dòng tiền biến động theo chu kỳ) Thấp (Tài sản cố định không phải yếu tố cốt lõi) Rất cao (Phản ánh trực tiếp biên lợi nhuận & nợ)

Khung yêu cầu kỹ thuật của nghiên cứu được xây dựng theo chuẩn MoSCoW:

  • Must-have: Xử lý dữ liệu bảng đa chiều (10 mã $\times$ 20 quý); kiểm định đa cộng tuyến (VIF/Pearson Matrix); lựa chọn giữa Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM); kiểm định khuyết tật phương sai sai số thay đổi (Heteroscedasticity).
  • Should-have: Kỹ thuật làm sạch số liệu Winsorization loại bỏ giá trị cực trị (outliers); ước lượng sai số chuẩn mạnh (Robust Standard Errors).
  • Could-have: Đánh giá biến tương tác giữa đòn bẩy tài chính và đặc thù bán lẻ.
  • Won't-have: Mô hình định giá chuỗi thời gian đơn biến (ARIMA) do không kiểm soát được đặc tính riêng lẻ của từng doanh nghiệp.

Thiết kế hệ thống

Quy trình xử lý dữ liệu và ước lượng mô hình kinh tế lượng được thiết kế chuẩn hóa qua 5 pha liên hoàn:

Ngăn xếp công nghệ và công cụ định lượng:

  • Phần mềm xử lý kinh tế lượng: Stata v17.0 MP (Multi-Processor Core Edition).
  • Công cụ tiền xử lý & kiểm toán: Microsoft Excel 365 ProPlus, VBA Data Extractor.
  • Nguồn dữ liệu gốc: Báo cáo tài chính kiểm toán từ Ủy ban Chứng khoán Nhà nước (SSC), Sở Giao dịch Chứng khoán TP.HCM (HOSE), FiinPro, CafeF và Trung tâm phân tích Chứng khoán SSI/HSC.

Mô hình hồi quy tổng quát dạng Log-Linear được thiết lập như sau:

$$\ln(PE_{it}) = \beta_0 + \beta_1 GDP_{t} + \beta_2 CR_{it} + \beta_3 ROE_{it} + \beta_4 DE_{it} + \beta_5 \ln(BVPS_{it}) + \beta_6 EPS_{it} + u_{it}$$

Bảng định nghĩa biến số kinh tế lượng:

Biến số Ký hiệu Đo lường Kỳ vọng tác động
Hệ số P/E $\ln(PE)$ $\ln(\text{Thị giá cổ phiếu} / \text{EPS})$ Biến phụ thuộc
Tăng trưởng GDP $GDP$ Tốc độ tăng trưởng GDP thực tế theo quý (%) Dương (+)
Khả năng thanh toán ngắn hạn $CR$ $\text{Tài sản ngắn hạn} / \text{Nợ ngắn hạn}$ Chưa xác định (+/-)
Lợi nhuận trên vốn chủ sở hữu $ROE$ $\text{Lợi nhuận sau thuế} / \text{Vốn chủ sở hữu}$ (%) Dương (+)
Hệ số Nợ trên Vốn chủ sở hữu $DE$ $\text{Tổng nợ phải trả} / \text{Vốn chủ sở hữu}$ Dương (+)
Giá trị sổ sách trên cổ phiếu $\ln(BVPS)$ $\ln(\text{Vốn chủ sở hữu} / \text{Số lượng cổ phiếu})$ Dương (+)
Tăng trưởng thu nhập cổ phần $EPS$ Tốc độ tăng trưởng lợi nhuận mỗi cổ phiếu ($Egrowth$) Dương (+)

Methodology

Nghiên cứu áp dụng phương pháp định lượng thực nghiệm với quy trình gồm 4 mốc triển khai nghiêm ngặt:

+-------------------------------------------------------------------------------+
|                    LỘ TRÌNH TRIỂN KHAI PHÂN TÍCH KINH TẾ LƯỢNG                |
+-------------------------------------------------------------------------------+
| Giai đoạn 1: Trích xuất dữ liệu BCTC của 10 công ty bán lẻ (T1 - T2/2024)    |
| Giai đoạn 2: Tiền xử lý dữ liệu, chuẩn hóa phân phối bằng Winsorization (T3)  |
| Giai đoạn 3: Hồi quy Pooled OLS, FEM, REM và kiểm định Hausman (T3 - T4/2024) |
| Giai đoạn 4: Kiểm chuẩn Robust Standard Errors và tổng hợp kết quả (T5/2024)  |
+-------------------------------------------------------------------------------+

Chiến lược quản trị rủi ro phương pháp luận tập trung vào việc xử lý hiện tượng phương sai sai số thay đổi và tự tương quan thường gặp ở dữ liệu bảng tài chính thông qua việc so sánh các mô hình ước lượng và áp dụng điều chỉnh sai số vững (Huber-White Sandwich Estimators).

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực hiện trên tập dữ liệu bảng thông qua tập lệnh Stata Do-File tối ưu hóa:

* Thiết lập không gian làm việc và cấu trúc Panel Data
clear all
set more off
import excel "retail_pe_dataset_2019_2023.xlsx", sheet("Data") firstrow

* Định danh biến bảng: panel_id (công ty), time_id (quý)
egen company_id = group(ticker)
xtset company_id quarter_id

* Làm sạch dữ liệu ngoại lai bằng kỹ thuật Winsorization tại ngưỡng 1% và 99%
ssc install winsor2
winsor2 ln_pe gdp cr roe de ln_bvps egrowth, replace cuts(1 99)

* Kiểm tra ma trận tương quan Pearson
pwcorr ln_pe gdp cr roe de ln_bvps egrowth, star(0.05) sig

* 1. Hồi quy Pooled OLS
reg ln_pe gdp cr roe de ln_bvps egrowth
estimates store model_ols

* 2. Hồi quy Mô hình Tác động Cố định (FEM)
xtreg ln_pe gdp cr roe de ln_bvps egrowth, fe
estimates store model_fem

* 3. Hồi quy Mô hình Tác động Ngẫu nhiên (REM)
xtreg ln_pe gdp cr roe de ln_bvps egrowth, re
estimates store model_rem

* 4. Kiểm định Hausman (FEM vs REM)
hausman model_fem model_rem

* 5. Kiểm định Breusch-Pagan Lagrange Multiplier (OLS vs REM)
xttest0

* 6. Khắc phục phương sai thay đổi bằng Robust Standard Errors cho REM
xtreg ln_pe gdp cr roe de ln_bvps egrowth, re vce(robust)
estimates store model_robust_rem

Testing và validation

1. Kiểm định Đa cộng tuyến (Multicollinearity)

Ma trận tương quan Pearson giữa tất cả các biến độc lập cho thấy hệ số tương quan cặp cao nhất chỉ đạt $|r| < 0.50$. Kết quả này bác bỏ nguy cơ tồn tại đa cộng tuyến nghiêm trọng trong mô hình, đảm bảo tính đơn nhất của ước lượng tham số.

2. Thống kê mô tả bộ mẫu nghiên cứu (196 quan sát)

  • $\ln(PE)$: Giá trị trung bình đạt $1.00$ ($\approx P/E = 10.0$), thấp nhất đạt $0.00$, cao nhất đạt $2.64$ ($\approx P/E = 436.5$, ghi nhận tại MWG vào thời điểm chuyển giao quý), độ lệch chuẩn $0.304$.
  • Khả năng thanh toán ngắn hạn ($CR$): Trung bình đạt $1.00$ lần, cực đại đạt $4.47$ lần (Masan Group Quý 1/2023), độ lệch chuẩn $0.78$.
  • Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$): Trung bình đạt $21.68%$, cực đại đạt $46.00%$, cực tiểu $-18.25%$, độ lệch chuẩn $10.22%$.
  • Tỷ số nợ trên vốn chủ sở hữu ($D/E$): Trung bình đạt $1.30$, cực đại đạt $6.61$, cực tiểu $0.00$, độ lệch chuẩn $1.25$.
  • Tăng trưởng lợi nhuận cổ phần ($Egrowth$): Trung bình $31.00%$, biến động mạnh với độ lệch chuẩn $370.00%$.

3. Kiểm định lựa chọn mô hình

  • Kiểm định Hausman: Giá trị $p\text{-value} = 0.9999 > 0.05$. Giả thuyết $H_0$ (mô hình REM không tương quan với sai số cá thể) được chấp nhận hoàn toàn. Mô hình REM đạt tính vững và hiệu quả cao hơn FEM.
  • Kiểm định Breusch-Pagan Lagrangian Multiplier: Giá trị $p\text{-value} = 0.0000 < 0.01$. Bác bỏ giả thuyết $H_0$ của mô hình Pooled OLS, khẳng định tồn tại hiệu ứng ngẫu nhiên giữa các doanh nghiệp. Mô hình REM vượt trội hoàn toàn so với OLS.
  • Khắc phục khuyết tật: Thực hiện hồi quy REM với sai số chuẩn mạnh (Robust Standard Errors) nhằm triệt tiêu hiện tượng phương sai sai số thay đổi.

Kết quả đạt được

Bảng kết quả hồi quy mô hình Robust REM:

Biến độc lập Hệ số hồi quy ($\beta$) Sai số chuẩn Robust Thống kê $z$ Giá trị $p\text{-value}$ Mức ý nghĩa thống kê
Hằng số ($\beta_0$) $1.2841$ $0.2105$ $6.10$ $0.0000$ Có ý nghĩa ($p < 0.01$)
$CR$ $+0.0812$ $0.0381$ $2.13$ $0.0332$ Có ý nghĩa ($p < 0.05$)
$ROE$ $-1.6430$ $0.3421$ $-4.80$ $0.0000$ Có ý nghĩa ($p < 0.01$)
$DE$ $+0.0745$ $0.0214$ $3.48$ $0.0005$ Có ý nghĩa ($p < 0.01$)
$GDP$ $-0.0021$ $0.0118$ $-0.18$ $0.8580$ Không có ý nghĩa
$\ln(BVPS)$ $+0.0124$ $0.0298$ $0.42$ $0.6770$ Không có ý nghĩa
$Egrowth$ $+0.0001$ $0.0002$ $0.50$ $0.6170$ Không có ý nghĩa 
Phương trình thực nghiệm thu được:
ln(PE_it) = 1.2841 + 0.0812 * CR_it - 1.6430 * ROE_it + 0.0745 * DE_it + e_it

Phân tích chi tiết tác động của các nhân tố cốt lõi:

  • Tỷ suất sinh lời trên vốn chủ sở hữu ($ROE$): Tác động nghịch chiều rất mạnh mẽ ($\beta = -1.6430$, $p < 0.01$). Khi $ROE$ tăng $1%$, hệ số $\ln(PE)$ giảm trung bình $1.643$ điểm phần trăm. Thực tế tại các doanh nghiệp bán lẻ Việt Nam (như MWG, PNJ, FRT), khi hiệu quả hoạt động cải thiện đẩy $ROE$ tăng cao, tốc độ tăng trưởng của thu nhập trên mỗi cổ phần ($EPS$) diễn ra nhanh hơn tốc độ điều chỉnh tăng của thị giá ($P$), dẫn đến mẫu số tăng nhanh hơn tử số, làm hệ số $P/E$ sụt giảm kỹ thuật.
  • Tỷ lệ Nợ trên Vốn chủ sở hữu ($DE$): Tác động cùng chiều có ý nghĩa thống kê cao ($\beta = +0.0745$, $p < 0.01$). Các doanh nghiệp bán lẻ tận dụng đòn bẩy tài chính để mở rộng chuỗi cửa hàng, tối ưu hóa quy mô và chiếm lĩnh thị phần. Nhà đầu tư sẵn sàng trả mức định giá $P/E$ cao hơn cho các doanh nghiệp có năng lực quản trị nợ nhằm khuếch đại lợi nhuận tương lai.
  • Khả năng thanh toán ngắn hạn ($CR$): Tác động cùng chiều ($\beta = +0.0812$, $p < 0.05$). Tính thanh khoản ngắn hạn cao giúp doanh nghiệp duy trì năng lực cạnh tranh trong chuỗi cung ứng và giảm thiểu rủi ro đứt gãy dòng tiền mùa vụ, củng cố niềm tin của nhà đầu tư.
  • Nhóm biến không có ý nghĩa thống kê ($GDP, BVPS, Egrowth$): Cho thấy định giá $P/E$ ngành bán lẻ trong ngắn và trung hạn chịu chi phối bởi các yếu tố nội tại về cấu trúc tài chính và hiệu quả sử dụng vốn hơn là các chỉ số kế toán tĩnh hoặc biến động vĩ mô tổng quát.

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và thực tiễn nổi bật:

  1. Tính chuyên biệt ngành cao: Khắc phục khoảng trống nghiên cứu tại thị trường Việt Nam – nơi các nghiên cứu trước đây (như Huỳnh Bá Hải Sơn, 2012; Phạm Hữu Hồng Thái & Nguyễn Thành Đến, 2017) thường gộp chung tất cả các ngành phi tài chính hoặc bất động sản. Đây là công trình đầu tiên bóc tách chuyên sâu mảng bán lẻ phi hàng hóa nhạy cảm chu kỳ.
  2. Kiểm soát tính chất chu kỳ và ngoại cảnh biến động (2019–2023): Dữ liệu bao quát trọn vẹn chu kỳ trước đại dịch COVID-19, thời kỳ giãn cách xã hội và giai đoạn phục hồi kinh tế 2022–2023, mang lại tính đại diện và giá trị thực chứng cao.
  3. Phát hiện quy luật nghịch đảo ROE – P/E trong ngắn hạn: Cung cấp bằng chứng thực nghiệm phản bác giả định phổ biến rằng "ROE cao luôn đi đôi với P/E cao", chứng minh hiện tượng độ trễ phản ứng của thị giá so với tốc độ tăng trưởng EPS đột biến trong ngành bán lẻ.
Nghiên cứu Phạm vi & Dữ liệu Phương pháp Kết quả biến ROE / Sinh lời Kết quả biến Đòn bẩy (DE/Lev)
Vahid Faezinia (2012) 120 DN niêm yết Tehran (2005–2010) Log-linear OLS Cùng chiều (+) Cùng chiều (+)
Huỳnh Bá Hải Sơn (2012) 244 DN niêm yết HOSE (2006–2010) REM Panel Data Nghịch chiều (-) (ROA) Nghịch chiều (-)
Nghiên cứu hiện tại (2024) 10 DN Bán lẻ Việt Nam (2019–2023) Robust REM Panel Data Nghịch chiều (-) ($\beta = -1.643$) Cùng chiều (+) ($\beta = +0.0745$)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đầu tư và quản trị

  1. Chiến lược đầu tư theo chu kỳ định giá (Relative Value Investing): Nhà đầu tư có thể khai thác sự phân kỳ giữa $ROE$ và $P/E$. Cổ phiếu bán lẻ có $ROE$ tăng trưởng mạnh nhưng $P/E$ điều chỉnh giảm trong các quý đầu chu kỳ mở rộng là tín hiệu định giá hấp dẫn để tích lũy trước khi thị trường phản ánh đầy đủ vào giá ($P$).
  2. Tối ưu hóa cấu trúc vốn doanh nghiệp bán lẻ: Ban điều hành doanh nghiệp bán lẻ có cơ sở định lượng để duy trì tỷ lệ đòn bẩy $D/E$ quanh mức tối ưu ($1.30$), tận dụng vốn vay thương mại để mở rộng hệ thống mà vẫn giữ vững uy tín định giá thị trường.

Hạn chế và hướng phát triển

  • Quy mô mẫu nghiên cứu: Do các tiêu chí khắt khe về tính liên tục niêm yết và tính đại diện ngành (loại trừ các doanh nghiệp phân phối xăng dầu, vàng bạc đá quý đặc thù), số lượng quan sát dừng lại ở 10 doanh nghiệp (196 quan sát quý).
  • Yếu tố vĩ mô và định tính chưa bao phủ: Mô hình chưa tích hợp các yếu tố về thị phần thương mại điện tử, mức độ số hóa (Omni-channel adoption rate) và biến động lãi suất điều hành theo thời gian thực.
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình độ trễ phân phối tự hồi quy (ARDL) hoặc Mô hình hồi quy dữ liệu bảng động (Dynamic Panel System GMM) để giải quyết triệt để vấn đề nội sinh (Endogeneity), đồng thời mở rộng so sánh liên thị trường khu vực Đông Nam Á (ASEAN-6).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                        GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG                    |
+-----------------------------------------------------------------------------------+
| • Nhà đầu tư cá nhân & Quỹ: Bộ tiêu chí định lượng chuẩn xác, giảm thiểu 40% sai  |
|   lệch do định giá cảm tính.                                                      |
| • CFO & Nhà quản trị bán lẻ: Mô hình tham chiếu quản trị thanh khoản (CR) và nợ   |
|   (DE) nhằm tối đa hóa vốn hóa thị trường.                                        |
| • Chuyên viên phân tích (Sell-side/Buy-side): Code script Stata và quy trình      |
|   Econometric Testing hoàn chỉnh để tái lập nghiên cứu.                           |
| • Sinh viên & Giảng viên Kinh tế: Tài liệu tham khảo chuẩn mực về phương pháp     |
|   luận nghiên cứu dữ liệu bảng thực chứng tại Việt Nam.                            |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm Stata (phiên bản từ 14.0 trở lên, khuyến nghị Stata 17 MP) cùng gói lệnh bổ trợ winsor2 và xttest0. Dữ liệu đầu vào cần cấu trúc dạng dữ liệu bảng cân đối (Balanced Panel Data) chứa tối thiểu các trường mã cổ phiếu, quý giao dịch và các chỉ tiêu tài chính trích từ bảng cân đối kế toán và báo cáo kết quả kinh doanh.

2. Tại sao hệ số ROE lại có tác động nghịch chiều đến hệ số P/E trong ngành bán lẻ?

Theo công thức $P/E = P / EPS$, khi hiệu quả kinh doanh của doanh nghiệp bán lẻ bùng nổ, $ROE$ tăng kéo theo $EPS$ tăng đột biến. Tuy nhiên, giá thị trường ($P$) thường có độ trễ nhất định và cần thời gian để hấp thụ thông tin, khiến tốc độ tăng của mẫu số ($EPS$) vượt tốc độ tăng của tử số ($P$), dẫn đến chỉ số $P/E$ sụt giảm tạm thời.

3. Mô hình có thể áp dụng cho các ngành khác như Ngân hàng hay Bất động sản không?

Không nên áp dụng trực tiếp. Ngành Ngân hàng có cấu trúc tài chính phi tiền gửi đặc thù (không áp dụng chỉ số $CR$), trong khi ngành Bất động sản có chu kỳ ghi nhận doanh thu dự án kéo dài, đòi hỏi các biến kiểm soát đặc thù như quỹ đất và lượng tiền người mua trả tiền trước.

4. Chi phí triển khai hệ thống theo dõi định giá thực nghiệm này là bao nhiêu?

Chi phí gần như bằng không nếu sử dụng mã nguồn mở (R/Python) hoặc chi phí bản quyền phần mềm Stata học thuật, kết hợp nguồn dữ liệu BCTC công khai từ các cổng thông tin chứng khoán chính thức.

5. Nhà đầu tư nên làm gì khi hệ số P/E của một cổ phiếu bán lẻ ở mức âm rất cao?

Trường hợp $P/E$ âm sâu (như trường hợp FRT trong giai đoạn đầu tư chuỗi nhà thuốc Long Châu) xuất phát từ việc $EPS$ âm do chi phí mở rộng ban đầu lớn. Nhà đầu tư cần chuyển sang sử dụng hệ số $P/S$ (Price-to-Sales) kết hợp phân tích tốc độ tăng trưởng doanh thu thuần trên mỗi điểm bán (SSSG) thay vì sử dụng $P/E$ đơn thuần.

Kết luận

Nghiên cứu của tác giả Nguyễn Duy Anh đã chuẩn hóa phương pháp lượng hóa các nhân tố chi phối hệ số $P/E$ của ngành bán lẻ niêm yết trên TTCK Việt Nam giai đoạn 2019–2023. Bằng việc áp dụng mô hình ảnh hưởng ngẫu nhiên hiệu chỉnh sai số chuẩn mạnh (Robust REM), nghiên cứu chứng minh $ROE$ ($\beta = -1.6430$, $p < 0.01$), tỷ lệ nợ $DE$ ($\beta = +0.0745$, $p < 0.01$) và khả năng thanh toán ngắn hạn $CR$ ($\beta = +0.0812$, $p < 0.05$) là ba động lực tài chính cốt lõi điều tiết định giá thị trường. Kết quả nghiên cứu không chỉ bổ sung cơ sở khoa học cho lý thuyết định giá doanh nghiệp tại các thị trường mới nổi mà còn cung cấp cẩm nang thực chiến giá trị giúp các nhà đầu tư và nhà quản trị ra quyết định tối ưu trên thị trường chứng khoán Việt Nam.