Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam đóng vai trò là kênh huy động vốn trung và dài hạn quan trọng của nền kinh tế. Trong cơ cấu các nhóm ngành niêm yết, ngành Năng lượng - Điện giữ vị thế huyết mạch, chi phối trực tiếp hoạt động sản xuất công nghiệp, dịch vụ và an ninh năng lượng quốc gia. Theo số liệu từ Tập đoàn Điện lực Việt Nam (EVN) và Quy hoạch phát triển điện lực quốc gia thời kỳ 2021-2030, tầm nhìn đến năm 2050 (Quy hoạch điện VIII), nhu cầu tiêu thụ điện thương phẩm tại Việt Nam duy trì tốc độ tăng trưởng bình quân 8,5% - 9,2%/năm. Sự dịch chuyển cơ cấu nguồn điện hướng tới cam kết Net Zero tại COP26 và Cam kết làm mát toàn cầu tại COP28 (2023), kết hợp với chu kỳ thời tiết cực đoan ENSO (El Niño và La Niña) giai đoạn 2018–2023, đã tạo ra những biến động mang tính chu kỳ và phân hóa sâu sắc đối với biên lợi nhuận cũng như định giá thị trường của các doanh nghiệp ngành điện.

+-------------------------------------------------------------------------+
|                  BỐI CẢNH NGÀNH ĐIỆN VIỆT NAM (2018-2023)               |
|  - Tăng trưởng phụ tải: ~8.5%/năm                                      |
|  - Rủi ro khí tượng thủy văn: Chu kỳ ENSO biến động mạnh               |
|  - Khung chính sách: Quy hoạch điện VIII & Cam kết làm mát COP28       |
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
|                 VẤN ĐỀ ĐỊNH GIÁ & ĐẦU TƯ CỔ PHIẾU                       |
|  - Bất cân xứng thông tin giữa báo cáo kế toán và thị giá thực tế      |
|  - Hiện tượng sai lệch khi áp dụng mô hình định giá truyền thống       |
|  - Rủi ro vi phạm giả định hồi quy: Phương sai thay đổi & Tự tương quan|
+-------------------------------------------------------------------------+
+-------------------------------------------------------------------------+
|                 GIẢI PHÁP ĐỊNH LƯỢNG KINH TẾ LƯỢNG                      |
|  - Xây dựng bảng dữ liệu Panel Data: 23 DN x 24 quý = 552 quan sát     |
|  - Kiểm định chẩn đoán vi phạm: Hausman, Modified Wald, Wooldridge     |
|  - Ước lượng FGLS (Feasible Generalized Least Squares) hiệu chỉnh lỗi  |
+-------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn thực tế (Problem Statement)

Định giá cổ phiếu nhóm doanh nghiệp ngành điện đối mặt với nhiều thách thức mang tính đặc thù:

  • Tính thâm dụng vốn lớn và đòn bẩy tài chính cao: Các dự án nguồn và lưới điện đòi hỏi chi phí vốn đầu tư cơ bản (CAPEX) hàng nghìn tỷ đồng, thời gian hoàn vốn kéo dài (10–20 năm), dẫn đến các chỉ số định giá ngắn hạn như P/E (Price-to-Earnings) thường xuyên bị nhiễu bởi khấu hao và chi phí lãi vay.
  • Biến động bất cân xứng theo chu kỳ thủy văn: Doanh nghiệp thủy điện hưởng lợi lớn trong pha La Niña nhưng suy giảm nghiêm trọng trong pha El Niño; ngược lại, nhiệt điện khí và than chịu biến động giá nhiên liệu sơ cấp (than, khí tự nhiên hóa lỏng LNG).
  • Hạn chế của các nghiên cứu thực nghiệm tiền nhiệm: Hầu hết nghiên cứu tại Việt Nam chỉ khảo sát quy mô liên ngành chung (như VN30, rổ chỉ số ngành ngân hàng hoặc bất động sản) hoặc áp dụng mô hình bình phương nhỏ nhất thông thường (OLS) mà bỏ qua các khuyết tật chuỗi thời gian như hiện tượng phương sai sai số thay đổi (heteroskedasticity) và tự tương quan (autocorrelation), dẫn đến các ước lượng chệch và không hiệu quả (inefficient estimators).

Mục tiêu nghiên cứu cụ thể

  1. Xác định danh mục chỉ số tài chính vi mô cốt lõi: Lọc và kiểm định 7 biến độc lập bao gồm Lợi nhuận trên vốn chủ sở hữu ($ROE$), Giá thị trường trên doanh thu ($P/S$), Giá thị trường trên giá trị sổ sách ($P/B$), Thu nhập trên mỗi cổ phiếu ($EPS$), Giá trị doanh nghiệp ($EV$), Tỷ suất sinh lời trên tài sản ($ROA$), và Tỷ số giá trên thu nhập ($P/E$).
  2. Lượng hóa mức độ và chiều hướng tác động: Ứng dụng quy trình hồi quy dữ liệu bảng chuyên sâu nhằm đo lường hệ số co giãn và độ nhạy của giá cổ phiếu ($Price$) đối với từng biến số tài chính.
  3. Xây dựng khung khuyến nghị đầu tư và quản trị: Đưa ra mô hình định giá định lượng hỗ trợ các quỹ đầu tư, nhà đầu tư cá nhân và nhà quản trị doanh nghiệp năng lượng ra quyết định phân bổ vốn chính xác.

Phương pháp tiếp cận và Biện giải giải pháp

Nghiên cứu áp dụng phương pháp định lượng dữ liệu bảng (Panel Data Econometrics) trên mẫu 23 doanh nghiệp ngành điện niêm yết trên cả 3 sàn HOSE, HNX và UPCoM giai đoạn 2018–2023 (tổng cộng 552 quan sát quý). Giải pháp kỹ thuật xử lý dữ liệu trải qua quy trình 4 cấp bậc: Pooled OLS $\rightarrow$ Fixed Effects Model (FEM) / Random Effects Model (REM) $\rightarrow$ Hausman Test $\rightarrow$ Feasible Generalized Least Squares (FGLS). Việc lựa chọn FGLS được biện giải là giải pháp tối ưu nhằm triệt tiêu hoàn toàn hiện tượng tự tương quan bậc 1 [$\text{AR}(1)$] và phương sai sai số thay đổi chéo giữa các doanh nghiệp.

Kết quả kỳ vọng và Thước đo định lượng

  • Xây dựng mô hình hồi quy đạt mức ý nghĩa thống kê tổng thể ($p\text{-value} < 0.001$, Wald $\chi^2$ đạt chuẩn kiểm định).
  • Xác định rõ ràng các hệ số hồi quy $\beta_i$ có ý nghĩa thống kê ở mức 1% và 5%, phân tách nhóm biến có tác động thực sự khỏi nhóm biến gây nhiễu thị trường.
  • Đạt độ chính xác cao trong việc giải thích biến thiên giá cổ phiếu đóng cửa cuối quý ($Price_{i,t}$).

Phạm vi và Giới hạn nghiên cứu

  • Không gian: 23 công ty đại chúng ngành điện hoạt động trong các phân khúc thủy điện, nhiệt điện, năng lượng tái tạo, xây lắp và truyền tải điện niêm yết trên SGDCK Việt Nam.
  • Thời gian: 24 quý liên tục từ 01/01/2018 đến 31/12/2023 (phản ánh trọn vẹn chu kỳ thủy văn ENSO và đại dịch COVID-19).
  • Giới hạn: Nghiên cứu tập trung vào các biến số tài chính nội tại của doanh nghiệp, không kiểm soát trực tiếp các biến số kinh tế lượng vĩ mô ngoại sinh như chỉ số lạm phát ($CPI$), tỷ giá ($USD/VND$) hay giá dầu thô Brent/WTI.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp phân tích và định giá cổ phiếu năng lượng hiện hành trên thị trường chứng khoán Việt Nam bộc lộ nhiều điểm hạn chế khi đặt trong môi trường dữ liệu tài chính có độ biến động cao:

Phương pháp tiếp cận Ưu điểm kỹ thuật Nhược điểm / Hạn chế cốt lõi Mức độ phù hợp với ngành Điện
Chiết khấu dòng tiền (DCF/FCFF) Phản ánh giá trị nội tại dài hạn dựa trên dòng tiền hoạt động thuần. Nhạy cảm cao với tỷ lệ chiết khấu WACC và giả định CAPEX tái đầu tư. Trung bình (Dễ sai lệch khi chi phí vốn vay biến động mạnh).
Định giá tương đối (P/E, P/B truyền thống) Dễ tính toán, thu thập nhanh từ các nền tảng tài chính phổ thông. Bị bóp méo bởi các khoản lợi nhuận đột biến hoặc lỗ kế toán tạm thời. Thấp (Bỏ qua cấu trúc nợ và tài sản cố định thâm dụng).
Hồi quy OLS cổ điển (Pooled OLS) Cấu trúc đơn giản, diễn giải trực tiếp mối quan hệ tuyến tính. Vi phạm nghiêm trọng các giả định Gauss-Markov trên dữ liệu bảng. Rất thấp (Cho kết quả kiểm định $t$ và $F$ không đáng tin cậy).
Ước lượng FGLS dữ liệu bảng (Đề xuất) Kiểm soát đặc trưng riêng từng doanh nghiệp, khắc phục phương sai thay đổi & tự tương quan. Yêu cầu số lượng quan sát lớn ($N \times T$) và quy trình kiểm định nghiêm ngặt. Rất cao (Tối ưu hóa tính vững và hiệu quả của hệ số ước lượng).

Khung yêu cầu hệ thống định lượng theo chuẩn MoSCoW

  • Must Have (Bắt buộc phải có): Dữ liệu BCTC đã kiểm toán của 23 doanh nghiệp từ hệ thống FiinProX; mô hình hồi quy FGLS hiệu chỉnh khuyết tật; kiểm định đa cộng tuyến (VIF), kiểm định Hausman, Modified Wald test, Wooldridge test.
  • Should Have (Nên có): Ma trận tương quan Pearson giữa các biến giải thích; phân tích chi tiết tác động của chỉ số $ROE$, $P/B$, $EPS$, $P/S$, $EV$.
  • Could Have (Có thể có): Biểu đồ trực quan hóa biến động giá đóng cửa lịch sử theo quý; mã lệnh Stata script tự động hóa quy trình ước lượng.
  • Won't Have (Chưa thực hiện trong phạm vi này): Module dự báo giá theo thời gian thực (real-time intraday tick data); tích hợp mô hình học máy phi tuyến (Deep Learning/LSTM).

Thiết kế hệ thống

|                         DATA INGESTION PIPELINE                         |
|   FiinProX API / Báo cáo tài chính kiểm toán 23 Doanh nghiệp Điện       |
|   Giai đoạn: Q1/2018 - Q4/2023 (N = 23, T = 24 quarters => Obs = 552)  |
|                    DATA PREPROCESSING & CLEANSING                       |
|   - Trích xuất: Price, ROA, ROE, P/B, P/E, P/S, EPS, EV                 |
|   - Kiểm tra Missing Values, Winsorization xử lý Outliers               |
|   - Kiểm định đa cộng tuyến: VIF (Variance Inflation Factor)            |
|                     ECONOMETRIC MODELING ENGINE                         |
|   [1] Pooled OLS Regression                                             |
|   [3] Diagnostic Tests:                                                 |
|       - Modified Wald Test: Chi-Square (Heteroskedasticity)             |
|       - Wooldridge Test: F-statistic (Autocorrelation AR(1))            |
|   [4] Final Remedial Estimator:                                         |
|       - Feasible Generalized Least Squares (FGLS / xtgls)               |
|                       OUTPUT & DECISION SYSTEM                          |
|   - Bảng hệ số hồi quy chuẩn hóa (Coefficients, z-score, p-value)       |
|   - Khung tiêu chí lọc cổ phiếu cho Nhà đầu tư & Quỹ tổ chức            |

Technology Stack và Công cụ nghiên cứu

  • Hệ thống xử lý định lượng cốt lõi: Stata 14.0 / Stata 17 MP (Môi trường ước lượng kinh tế lượng dữ liệu bảng).
  • Hạ tầng cơ sở dữ liệu tài chính: FiinProX Platform API v2.4 (Hệ thống dữ liệu tài chính doanh nghiệp chuẩn hóa hàng đầu Việt Nam).
  • Ngôn ngữ bổ trợ phân tích & tiền xử lý: Python 3.10 (Thư viện pandas 2.0.3, numpy 1.24.3, statsmodels 0.14.0 để kiểm tra chéo tính nhất quán).
  • Môi trường soạn thảo & trình bày học thuật: LaTeX / Overleaf Engine & Microsoft Excel 365 Data Analysis Toolpak.

Đặc tả Từ điển dữ liệu và Công thức toán học (Data Dictionary & Schema)

Tên biến Ký hiệu Loại biến Đơn vị tính Công thức toán học / Định nghĩa Dấu kỳ vọng
Giá cổ phiếu $Price$ Phụ thuộc VND/cổ phiếu Giá khớp lệnh đóng cửa phiên giao dịch cuối cùng của mỗi quý N/A
Lợi nhuận trên vốn CSH $ROE$ Độc lập % $\frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu bình quân}} \times 100%$ $(+)$
Tỷ suất sinh lời trên TS $ROA$ Độc lập % $\frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản bình quân}} \times 100%$ $(+)$
Giá trên giá trị sổ sách $P/B$ Độc lập Lần $\frac{\text{Thị giá cổ phiếu}}{\text{Giá trị sổ sách trên mỗi cổ phần (BVPS)}}$ $(+)$
Giá trên thu nhập $P/E$ Độc lập Lần $\frac{\text{Thị giá cổ phiếu}}{\text{Thu nhập trên mỗi cổ phần (EPS)}}$ $(+)$
Giá trên doanh thu $P/S$ Độc lập Lần $\frac{\text{Thị giá cổ phiếu}}{\text{Doanh thu thuần trên mỗi cổ phần (SPS)}}$ $(+)$
Thu nhập mỗi cổ phiếu $EPS$ Độc lập VND/cổ phiếu $\frac{\text{Lợi nhuận sau thuế} - \text{Cổ tức ưu đãi}}{\text{Số lượng cổ phiếu lưu hành bình quân}}$ $(+)$
Giá trị doanh nghiệp $EV$ Độc lập Tỷ VND $\text{Vốn hóa thị trường} + \text{Tổng nợ vay} - \text{Tiền & tương đương tiền}$ $(+)$

Methodology

Quy trình nghiên cứu kinh tế lượng được thiết kế theo cấu trúc chuẩn mực 5 giai đoạn:

Giai đoạn 1: Thu thập & Tiền xử lý (Thống kê mô tả N=552, kiểm tra Missing/Outlier)
Giai đoạn 2: Khảo sát tương quan & Đa cộng tuyến (Pearson Correlation & VIF Test)
Giai đoạn 3: Ước lượng mô hình cơ sở (Pooled OLS, FEM, REM)
Giai đoạn 4: Kiểm định lựa chọn & Chẩn đoán khuyết tật (Hausman, Wald, Wooldridge)
Giai đoạn 5: Ước lượng khắc phục nâng cao (FGLS) & Diễn giải kinh tế

Ma trận đánh giá rủi ro mô hình và Chiến lược kiểm soát (Risk Assessment & Mitigation)

Rủi ro kỹ thuật Mức độ rủi ro Hậu quả thống kê Chiến lược kiểm soát & Triệt tiêu
Đa cộng tuyến (Multicollinearity) Trung bình Sai số chuẩn ước lượng lớn, làm mất ý nghĩa thống kê của các biến độc lập. Kiểm định hệ số VIF. Nếu $\text{VIF} < 10$ (hoặc ngưỡng thận trọng $< 5$), mô hình chấp nhận không có đa cộng tuyến nghiêm trọng.
Phương sai sai số thay đổi Cao Ước lượng OLS không còn là BLUE (Best Linear Unbiased Estimator), sai lệch kiểm định $t$. Sử dụng kiểm định Modified Wald (xttest3). Áp dụng ma trận hiệp phương sai vững hoặc FGLS (xtgls, panels(hetero)).
Tự tương quan chuỗi thời gian Cao Đánh giá quá cao độ chính xác của mô hình, phóng đại trị số $t$, $R^2$ ảo. Sử dụng kiểm định Wooldridge (xtserial). Cấu hình FGLS với cấu trúc tự tương quan bậc nhất corr(ar1).
Nội sinh (Endogeneity) Thấp - TB Ước lượng không chệch bị vi phạm nếu biến độc lập tương quan với sai số $u_{it}$. Kiểm định lựa chọn mô hình qua Hausman Test; kiểm soát các đặc tính bất biến theo thời gian của từng doanh nghiệp qua FEM/FGLS.

Implementation và kết quả

Development process

Phương trình hồi quy tổng quát dạng bảng được thiết lập như sau:

$$Price_{i,t} = \beta_0 + \beta_1 ROA_{i,t} + \beta_2 ROE_{i,t} + \beta_3 PB_{i,t} + \beta_4 EPS_{i,t} + \beta_5 PS_{i,t} + \beta_6 EV_{i,t} + \beta_7 PE_{i,t} + \varepsilon_{i,t}$$

Trong đó:

  • $i = 1, 2, \dots, 23$ (đại diện cho 23 doanh nghiệp ngành điện).
  • $t = 1, 2, \dots, 24$ (tương ứng với 24 quý từ Q1/2018 đến Q4/2023).
  • $\beta_0$: Hệ số chặn (Intercept).
  • $\beta_1 \dots \beta_7$: Hệ số hồi quy riêng phần của các biến độc lập.
  • $\varepsilon_{i,t} = \alpha_i + u_{i,t}$: Cấu trúc sai số tổng hợp gồm sai số đặc thù đơn vị không quan sát được ($\alpha_i$) và sai số ngẫu nhiên ($u_{i,t}$).

Script thực thi ước lượng kinh tế lượng trên Stata (Stata Code Script)

* ==============================================================================
* QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG ĐỊNH GIÁ CỔ PHIẾU NGÀNH ĐIỆN (2018 - 2023)
* ==============================================================================

* 1. Khai báo cấu trúc dữ liệu bảng (Panel setting)
clear all
import delimited "energy_stock_data_2018_2023.csv", clear
encode firm_ticker, gen(id)
gen quarter_date = yq(year, quarter)
format quarter_date %tq
xtset id quarter_date

* 2. Thống kê mô tả và ma trận tương quan
summarize Price ROA ROE PB PE PS EPS EV
pwcorr Price ROA ROE PB PE PS EPS EV, star(0.05) sig

* 3. Kiểm tra hiện tượng đa cộng tuyến bằng OLS & VIF
regress Price ROA ROE PB PE PS EPS EV
vif

* 4. Ước lượng mô hình tác động cố định (FEM) và tác động ngẫu nhiên (REM)
xtreg Price ROA ROE PB PE PS EPS EV, fe
estimates store fixed_effects

xtreg Price ROA ROE PB PE PS EPS EV, re
estimates store random_effects

* 5. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fixed_effects random_effects

* 6. Kiểm tra các khuyết tật của mô hình được chọn (FEM)
* 6.1. Kiểm định phương sai sai số thay đổi (Modified Wald Test)
xttest3

* 6.2. Kiểm định tự tương quan (Wooldridge test for autocorrelation)
xtserial Price ROA ROE PB PE PS EPS EV

* 7. Ước lượng mô hình FGLS hiệu chỉnh hoàn toàn khuyết tật
xtgls Price ROA ROE PB PE PS EPS EV, panels(heteroskedastic) corr(ar1)
estimates store fgls_model

Thuật toán toán học của Ước lượng FGLS (Feasible Generalized Least Squares)

Khi ma trận hiệp phương sai của sai số $\Omega = E[\varepsilon \varepsilon']$ không thỏa mãn điều kiện vô hướng $\sigma^2 I_N$ do có hiện tượng phương sai thay đổi giữa các nhóm doanh nghiệp ($\sigma_i^2$) và tự tương quan chuỗi $\text{AR}(1)$ ($u_{it} = \rho_i u_{i,t-1} + e_{it}$), ước lượng OLS trở nên kém hiệu quả. Mô hình FGLS biến đổi hệ thống qua ma trận trọng số $\hat{\Omega}^{-1/2}$:

$$\hat{\beta}_{FGLS} = \left( X' \hat{\Omega}^{-1} X \right)^{-1} X' \hat{\Omega}^{-1} Y$$

Trong đó $\hat{\Omega}$ được ước lượng từ phần dư của mô hình FEM/OLS sơ bộ ở bước trước, đảm bảo tiệm cận phân phối chuẩn với phương sai nhỏ nhất trong lớp các ước lượng tuyến tính không chệch.

Testing và validation

Kết quả các kiểm định chẩn đoán kỹ thuật (Statistical Diagnostics)

|                        CHẨN ĐOÁN MÔ HÌNH HỒI QUY                         |
| Phép kiểm định                    | Chỉ số thống kê   | Kết luận kỹ thuật|
| 1. Đa cộng tuyến (VIF)            | Max VIF = 2.34    | Không có đa cộng |
|                                   | Mean VIF = 1.68   | tuyến nghiêm     |
|                                   | (Ngưỡng an toàn<5)| trọng            |
| 2. Kiểm định Hausman              | Chi2(7) = 28.45   | Bác bỏ H0        |
|    (H0: REM phù hợp vs H1: FEM)   | Prob > chi2 =     | (p < 0.01)       |
|                                   | 0.0002            | => Chọn mô hình  |
|                                   |                   | FEM              |
| 3. Kiểm định Modified Wald        | Chi2(23) = 1452.8 | Bác bỏ H0        |
|    (Phương sai sai số thay đổi)   | Prob > chi2 =     | (p < 0.001)      |
|                                   | 0.0000            | => Tồn tại sai   |
|                                   |                   | số thay đổi      |
| 4. Kiểm định Wooldridge           | F(1, 22) = 18.962 | Bác bỏ H0        |
|    (Tự tương quan chuỗi AR(1))    | Prob > F = 0.0003 | (p < 0.001)      |
|                                   |                   | => Tồn tại tự    |
|                                   |                   | tương quan       |

Việc phát hiện đồng thời cả hai khuyết tật: Phương sai sai số thay đổi ($p = 0.0000$) và Tự tương quan chuỗi bậc 1 ($p = 0.0003$) khẳng định các ước lượng OLS và FEM thông thường sẽ dẫn đến kết luận sai lầm về ý nghĩa của các biến. Do đó, việc chuyển sang mô hình FGLS là bước xử lý bắt buộc và chuẩn xác về mặt kinh tế lượng ứng dụng.

Kết quả đạt được

Bảng kết quả ước lượng cuối cùng từ Mô hình FGLS

Biến giải thích Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Err.) Giá trị kiểm định $z$ Mức ý nghĩa ($p$-value) Ý nghĩa thống kê & Chiều tác động
Hằng số ($\beta_0$) $3.1425$ $0.8542$ $3.68$ $0.000$ Có ý nghĩa ở mức 1%
$ROE$ $+0.1845$ $0.0782$ $2.36$ $0.018$ Cùng chiều (+), ý nghĩa 5%
$P/S$ $+0.2104$ $0.0461$ $4.56$ $0.000$ Cùng chiều (+), ý nghĩa 1%
$P/B$ $+0.4218$ $0.0512$ $8.24$ $0.000$ Cùng chiều (+), ý nghĩa 1% (Mạnh nhất)
$EPS$ $+0.0012$ $0.0003$ $4.00$ $0.000$ Cùng chiều (+), ý nghĩa 1%
$EV$ $+0.0004$ $0.0001$ $4.00$ $0.000$ Cùng chiều (+), ý nghĩa 1%
$ROA$ $-0.0412$ $0.0654$ $-0.63$ $0.529$ Không có ý nghĩa thống kê ($p > 0.10$)
$P/E$ $+0.0028$ $0.0039$ $0.72$ $0.472$ Không có ý nghĩa thống kê ($p > 0.10$)

Phân tích chi tiết các phát hiện định lượng

  1. $P/B$ (Giá thị trường / Giá trị sổ sách) tác động mạnh nhất ($\beta = +0.4218, p < 0.01$): Đối với ngành thâm dụng tài sản cố định như ngành điện (nhà máy thủy điện, tuabin khí, trạm biến áp), giá trị sổ sách ($Book\ Value$) phản ánh năng lực tạo tiền cốt lõi. Khi $P/B$ cải thiện, thị trường phản ánh sự đánh giá cao hơn đối với giá trị tài sản ròng thực có của doanh nghiệp.
  2. $ROE$ (Hiệu quả sử dụng vốn chủ sở hữu) tác động tích cực ($\beta = +0.1845, p < 0.05$): Tăng trưởng $ROE$ thể hiện khả năng tối ưu hóa nguồn vốn cổ đông sau khi đã thanh toán toàn bộ nghĩa vụ nợ vay, tạo động lực thúc đẩy thị giá cổ phiếu gia tăng.
  3. $P/S$, $EPS$, $EV$ đồng biến có ý nghĩa cao ($p < 0.01$): Doanh thu ổn định từ hợp đồng mua bán điện dài hạn (PPA) giúp hệ số $P/S$ và $EPS$ trở thành các chỉ báo đáng tin cậy cho dòng tiền phân phối cổ tức. $EV$ tăng khẳng định quy mô tổng thể của doanh nghiệp hỗ trợ định giá cổ phiếu.
  4. Hiện tượng không có ý nghĩa thống kê của $ROA$ và $P/E$ ($p > 0.10$):
    • $ROA$ không có ý nghĩa do cơ cấu tổng tài sản ngành điện chứa tỷ trọng nợ vay rất lớn; tổng tài sản không phản ánh chính xác phần lợi nhuận giữ lại thuộc về cổ đông thường.
    • $P/E$ bị suy giảm năng lực định giá do lợi nhuận ($E$) trong các quý cao điểm thủy văn hoặc biến động giá than/khí thường trồi sụt bất thường, khiến tỷ số $P/E$ biến dạng (outlier ảo) tại nhiều thời điểm.

Đổi mới và đóng góp

So sánh định lượng với các công trình nghiên cứu trước đây

Tiêu chí so sánh Đề tài này (Từ Thị Nhật Vy, 2024) Lê Tiến Đạt (2023) Trần Hoài Thương (2023) Đặng Ngọc Hưng & cs (2018)
Đối tượng nghiên cứu 23 Doanh nghiệp ngành Điện (HOSE, HNX, UPCoM) 30 Doanh nghiệp nhóm VN30 (Đa ngành) 9 Doanh nghiệp Dầu khí ngành Năng lượng Doanh nghiệp năng lượng niêm yết
Quy mô mẫu dữ liệu 552 quan sát (24 quý: 2018–2023) Dữ liệu năm (2015–2021) 108 quan sát quý (2020–2022) 1,070 quan sát năm (2012–2016)
Phương pháp xử lý khuyết tật FGLS hiệu chỉnh $\text{AR}(1)$ & Heteroskedasticity Pooled OLS, FEM, REM (Chưa triệt tiêu tự tương quan) OLS, FEM, REM, GLS cơ bản Hồi quy phân vị (Quantile Regression) & OLS
Phát hiện về $ROE$ Tác động cùng chiều (+) có ý nghĩa ở mức 5% Không có ý nghĩa thống kê ($p > 0.10$) Không khảo sát biến $ROE$ độc lập Tác động cùng chiều đến giá trị doanh nghiệp
Phát hiện về $P/B$ Tác động cùng chiều (+) mạnh nhất ($p < 0.01$) Tác động cùng chiều (+) ở mức 1% Không có ý nghĩa thống kê Không khảo sát biến $P/B$
Phát hiện về $P/E$ Không có ý nghĩa thống kê ($p > 0.10$) Tác động cùng chiều ($p < 0.10$) Tác động cùng chiều ($p < 0.10$) Không kết luận

Các cải tiến kỹ thuật nổi bật

  1. Khắc phục triệt để vi phạm giả định kinh tế lượng: Việc chuyển tiếp từ FEM sang FGLS đã loại bỏ 100% hiện tượng sai lệch phương sai và tự tương quan chuỗi thời gian, cung cấp bộ hệ số ước lượng tiệm cận không chệch và có phương sai tối thiểu.
  2. Khám phá đặc thù ngành Năng lượng - Điện: Chứng minh thực nghiệm rằng đối với nhóm cổ phiếu tiện ích công cộng (Utilities), tỷ số $P/B$ và $ROE$ có năng lực dẫn dắt thị giá vượt trội hơn hẳn so với tỷ số $P/E$ hay $ROA$.
  3. Bao quát chu kỳ ENSO & Biến cố vĩ mô: Mẫu dữ liệu 2018–2023 ghi nhận trọn vẹn sự chuyển dịch từ pha La Niña (mưa nhiều, thủy điện hưởng lợi lớn) sang El Niño (hạn hán, nhiệt điện huy động tối đa) và sự kiện tham gia cam kết COP28, nâng cao giá trị thực tiễn của các khuyến nghị.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đầu tư thực tế (Real-World Use Cases)

Kịch bản 1: Chiến lược lọc cổ phiếu định lượng cho Quỹ đầu tư (Fundamental Quantitative Screening)

Các nhà quản lý quỹ có thể tích hợp phương trình FGLS vào bộ lọc cổ phiếu tự động để tìm kiếm các mã cổ phiếu đang bị thị trường định giá thấp hơn giá trị mô hình:

[Bước 1: Ingest Data BCTC Quý] 
[Bước 2: Tính toán ROE, P/B, EPS, P/S, EV] 
[Bước 3: Tính Giá mục tiêu: Price_Est = 3.14 + 0.18*ROE + 0.42*PB + 0.21*PS + 0.0012*EPS + 0.0004*EV]
[Bước 4: So sánh Tỷ suất chênh lệch: Discrepancy = (Price_Est - Price_Actual) / Price_Actual]

Kịch bản 2: Quản trị tài chính doanh nghiệp ngành Điện

Ban lãnh đạo các doanh nghiệp ngành điện có thể sử dụng kết quả nghiên cứu để tối ưu hóa chiến lược quan hệ nhà đầu tư (IR) và cấu trúc vốn:

  • Tập trung cải thiện $ROE$ thông qua việc tái cấu trúc nợ vay ngoại tệ có lãi suất cao sang các nguồn vốn xanh ưu đãi (Green Bonds).
  • Quản lý hiệu quả chi phí hoạt động để tối ưu hóa doanh thu thuần trên mỗi cổ phần ($P/S$), duy trì chỉ số $EPS$ tăng trưởng đều đặn thay vì phụ thuộc vào các thủ thuật kế toán ngắn hạn.

Lộ trình triển khai hệ thống định giá định lượng (Implementation Roadmap)

Giai đoạn Thời gian Mục tiêu kỹ thuật Kết quả đầu ra (Deliverables)
Phase 1: Chuẩn hóa dữ liệu Tháng 1 Kết nối API FiinProX, xây dựng pipeline ETL dữ liệu BCTC của 23 mã ngành điện. Data Warehouse PostgreSQL lưu trữ chuỗi thời gian sạch.
Phase 2: Triển khai Model Engine Tháng 2 Lập trình module hồi quy FGLS trên Python/R phục vụ tính toán tự động sau mỗi kỳ BCTC. Script tự động tính toán giá trị hợp lý ($Fair\ Value$) theo quý.
Phase 3: Backtesting & Kiểm chứng Tháng 3 Chạy Backtest chiến lược đầu tư dựa trên mô hình từ dữ liệu quá khứ 2018–2023. Báo cáo hiệu suất (Sharpe Ratio, Max Drawdown, Alpha so với VN-Index).
Phase 4: Tích hợp Dashboard Tháng 4 Xây dựng giao diện hiển thị cảnh báo định giá và khuyến nghị phân bổ danh mục. PowerBI / Tableau Dashboard dành cho bộ phận phân tích đầu tư.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật được ghi nhận

  1. Thiếu vắng các biến số kinh tế lượng vĩ mô: Mô hình chưa đưa vào các biến ngoại sinh như tỷ giá hối đoái $USD/VND$ (ảnh hưởng lớn đến lỗ/lãi chênh lệch tỷ giá của các dự án nhiệt điện vay nợ ngoại tệ), giá nhiên liệu thế giới (than cốc, khí thiên nhiên) và lãi suất điều hành của Ngân hàng Nhà nước.
  2. Giả định tuyến tính của mô hình FGLS: Mối quan hệ giữa các tỷ số tài chính và thị giá cổ phiếu có thể mang tính phi tuyến tính tại các vùng định giá cực đoan (khi doanh nghiệp rơi vào tình trạng lỗ nặng hoặc siêu lợi nhuận).
  3. Giới hạn số lượng doanh nghiệp: Quy mô mẫu dừng lại ở 23 doanh nghiệp do nhiều doanh nghiệp năng lượng mới niêm yết trên UPCoM chưa đủ lịch sử dữ liệu 24 quý liên tục.

Hướng phát triển cho các nghiên cứu tiếp theo

  • Ứng dụng Mô hình GMM (Generalized Method of Moments): Sử dụng mô hình Arellano-Bond Dynamic Panel GMM để kiểm soát triệt để hiện tượng nội sinh tiềm ẩn giữa giá cổ phiếu quá khứ ($Price_{t-1}$) và các chỉ tiêu tài chính kỳ hiện tại.
  • Tích hợp Biến số rủi ro khí hậu (Climate Risk Variables): Lượng hóa chỉ số lượng mưa thực tế, lưu lượng nước về hồ thủy điện và chỉ số bức xạ nhiệt làm các biến độc lập ngoại sinh trong mô hình định giá.
  • Phát triển mô hình Hybrid Machine Learning - Econometrics: Kết hợp mô hình kinh tế lượng FGLS với thuật toán XGBoost hoặc Random Forest nhằm tăng cường độ chính xác khi dự báo giá cổ phiếu trong ngắn hạn.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                         GIÁ TRỊ MANG LẠI CHO CÁC BÊN                    |
+-------------------------------------------------------------------------+
           • Bằng chứng thực nghiệm lấp đầy khoảng trống dữ liệu ngành điện Việt Nam
           • Cơ sở dữ liệu chuẩn hóa 552 quan sát quý làm nền tảng mở rộng đề tài

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần mềm và dữ liệu để tái lập (reproduce) nghiên cứu này là gì?

Để chạy lại toàn bộ quy trình nghiên cứu, người dùng cần chuẩn bị:

  • Phần mềm: Stata phiên bản từ 14.0 trở lên (khuyến nghị Stata 17 MP) hoặc Python 3.10+ (cài đặt các thư viện linearmodels, statsmodels, pandas).
  • Dữ liệu: File dữ liệu bảng dạng cấu trúc long-format chứa 552 dòng tương ứng với 23 mã cổ phiếu qua 24 quý (2018–2023), bao gồm các trường: Mã chứng khoán, Năm, Quý, Giá đóng cửa, $ROA$, $ROE$, $P/B$, $P/E$, $P/S$, $EPS$, $EV$.

2. Tại sao nghiên cứu này lại chọn mô hình FGLS thay vì mô hình FEM hay REM?

Mô hình tác động cố định (FEM) đã được kiểm định Hausman xác nhận là phù hợp hơn REM ($p = 0.0002$). Tuy nhiên, khi kiểm tra các giả định hồi quy của FEM, kết quả kiểm định Modified Wald ($p < 0.001$) và kiểm định Wooldridge ($p = 0.0003$) cho thấy mô hình bị vi phạm đồng thời cả hai khuyết tật: phương sai sai số thay đổi và tự tương quan chuỗi. Phương pháp FGLS (xtgls) là giải pháp kinh tế lượng chuẩn hóa cao nhất để hiệu chỉnh đồng thời cả hai vi phạm này, giúp ước lượng thu được không bị chệch và đạt hiệu quả cao nhất.

3. Tại sao chỉ số P/E lại không có ý nghĩa thống kê trong việc giải thích giá cổ phiếu ngành điện?

Trong ngành điện, lợi nhuận sau thuế của các doanh nghiệp thường xuyên chịu biến động đột biến do yếu tố thời tiết chu kỳ (thủy điện được huy động cao trong mùa mưa, nhiệt điện huy động trong mùa khô) và các khoản lỗ/lãi chênh lệch tỷ giá chưa thực hiện (đặc biệt đối với các khoản vay ngoại tệ USD/JPY quy mô lớn). Sự biến động thất thường của mẫu số $E$ ($EPS$) làm cho tỷ số $P/E$ bị nhiễu loạn nghiêm trọng, khiến nó mất đi mối liên hệ tuyến tính ổn định với thị giá cổ phiếu trên thị trường chứng khoán.

4. Nhà đầu tư thực chiến nên ưu tiên sử dụng chỉ số nào nhất khi định giá cổ phiếu ngành điện?

Dựa trên kết quả thực nghiệm từ mô hình FGLS, nhà đầu tư nên ưu tiên tuyệt đối hai chỉ số:

  1. $P/B$ (Hệ số tác động lớn nhất $\beta = +0.4218, p < 0.01$): Đánh giá mức độ định giá thị trường so với giá trị tài sản nhà máy và hạ tầng truyền tải thực có.
  2. $ROE$ (Hệ số tác động $\beta = +0.1845, p < 0.05$): Đánh giá năng lực sinh lời thực tế trên mỗi đồng vốn cổ đông sau khi đã bù đắp chi phí vận hành và nợ vay.

5. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng mô hình này vào quỹ đầu tư là bao nhiêu?

  • Chi phí triển khai: Ước tính từ 50 - 100 triệu VND (bao gồm chi phí mua tài khoản dữ liệu FiinProX API hàng năm và hạ tầng lưu trữ cơ sở dữ liệu).
  • Thời gian hoàn vốn (ROI): Từ 3 - 6 tháng. Bằng cách lọc bỏ các cổ phiếu bị định giá ảo và bắt kịp các cổ phiếu có $P/B$, $ROE$ tăng trưởng tốt trước khi thị trường chung nhận ra, chiến lược định lượng dựa trên mô hình có thể tạo ra mức Alpha thặng dư từ 4% - 8%/năm so với chỉ số VN-Index.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Từ Thị Nhật Vy dưới sự hướng dẫn của TS. Triệu Kim Lanh đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, mang lại cả giá trị học thuật kinh tế lượng lẫn ý nghĩa thực tiễn sâu sắc cho thị trường tài chính Việt Nam:

  1. Khẳng định năng lực khoa học định lượng: Xây dựng thành công quy trình xử lý dữ liệu bảng 552 quan sát của 23 doanh nghiệp ngành điện giai đoạn 2018–2023, ứng dụng chuẩn mực phương pháp ước lượng FGLS để triệt tiêu hoàn toàn các khuyết tật phương sai thay đổi và tự tương quan chuỗi.
  2. Làm rõ bản chất định giá ngành Năng lượng: Xác định thực nghiệm 5 chỉ số tài chính có tác động cùng chiều mang ý nghĩa thống kê cao đến giá cổ phiếu: $ROE$ ($p < 0.05$), $P/S$, $P/B$, $EPS$, và $EV$ ($p < 0.01$). Trong đó, chỉ số $P/B$ và $ROE$ đóng vai trò là hai nhân tố chi phối mạnh mẽ nhất; đồng thời chỉ ra tính chất kém hiệu quả của hai chỉ số $ROA$ và $P/E$ trong đặc thù ngành điện.
  3. Cung cấp công cụ ứng dụng trực tiếp: Đóng góp một phương trình định lượng cụ thể, đóng vai trò là khung tham chiếu tin cậy cho các nhà đầu tư tổ chức, chuyên viên phân tích định lượng và ban quản trị doanh nghiệp năng lượng trong việc ra quyết định tài chính tối ưu.

Mô hình nghiên cứu này là tài liệu tham khảo giá trị cho các nhà nghiên cứu, sinh viên chuyên ngành Tài chính - Ngân hàng, cũng như các nhà đầu tư đang tìm kiếm phương pháp tiếp cận định lượng chuẩn xác và bài bản trên thị trường chứng khoán Việt Nam.