Giới thiệu dự án

Thị trường chứng khoán (TTCK) Việt Nam đóng vai trò là kênh dẫn vốn trung và dài hạn quan trọng của nền kinh tế. Đặc biệt, trong giai đoạn 2016–2020 và đỉnh điểm là làn sóng phục hồi năm 2020 sau tác động ban đầu của đại dịch Covid-19, số lượng tài khoản chứng khoán mở mới đạt mức kỷ lục 332.886 tài khoản (tính đến tháng 11/2020). Trong đó, ngành Thép nổi lên như một trụ cột công nghiệp khi Việt Nam vươn lên vị trí thứ 14 thế giới về sản lượng sản xuất thép thô (2019), ghi nhận mức tăng trưởng tiêu thụ nội địa và xuất khẩu đạt 2 con số. Biến động thị giá của các mã cổ phiếu đầu ngành như CTCP Tập đoàn Hòa Phát (HPG tăng từ 24.100 VNĐ lên 59.800 VNĐ trong giai đoạn 2020–2021) hay CTCP Tập đoàn Hoa Sen (HSG) đã thu hút dòng vốn khổng lồ.

Tuy nhiên, phần lớn nhà đầu tư cá nhân F0 tham gia thị trường với tâm lý đầu cơ bầy đàn, thiếu nền tảng phân tích định lượng và chưa hiểu rõ bản chất của các hệ số định giá, đặc biệt là tỷ số Giá trên Thu nhập (Price-to-Earnings - P/E). Tỷ số P/E phản ánh mức giá mà nhà đầu tư sẵn sàng trả cho một đồng lợi nhuận kỳ vọng của doanh nghiệp. Việc áp dụng P/E đơn lẻ mà không bóc tách các yếu tố nội tại và vĩ mô cấu thành dẫn đến các quyết định đầu tư sai lầm, đặc biệt trong một ngành có tính chu kỳ cao (cyclical industry) như ngành Thép.

Đề tài khóa luận: "Nhân tố tác động tới hệ số giá trên thu nhập (P/E) của các doanh nghiệp ngành Thép niêm yết trên TTCK Việt Nam" do sinh viên Vũ Thị Huyền Trang thực hiện dưới sự hướng dẫn của TS. Trần Ngọc Mai tại Học viện Ngân hàng giải quyết trực tiếp khoảng trống này thông qua mô hình kinh tế lượng dữ liệu bảng (Panel Data Econometrics).

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về định giá P/E dựa trên mô hình chiết khấu cổ tức Gordon (1956) và mô hình biến động giá Campbell-Shiller (1988).
  2. Xây dựng bộ dữ liệu bảng cân bằng (Balanced Panel Data) gồm 10 doanh nghiệp ngành thép niêm yết trên sàn HOSE giai đoạn 2016–2020 theo tần suất quý (200 quan sát).
  3. Đánh giá thực nghiệm mức độ và chiều hướng tác động của 6 nhân tố nội tại doanh nghiệp (Size, BV, CR, ROE, DE, Egrowth) và 1 biến kiểm soát vĩ mô (GDP) tới hệ số Log(P/E).
  4. Kiểm định và xử lý triệt để các khuyết tật mô hình kinh tế lượng (đa cộng tuyến, tự tương quan, phương sai sai số thay đổi) để đạt ước lượng vững không chệch (BLUE).
  5. Đề xuất hệ thống khuyến nghị định lượng hỗ trợ nhà đầu tư, ban quản trị doanh nghiệp và cơ quan quản lý thị trường.

Phạm vi và giới hạn nghiên cứu

  • Không gian: 10 doanh nghiệp sản xuất và thương mại thép niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE), bao gồm: HPG, HSG, NKG, SMC, HMC, TLH, VIS, DTL, VCA, POM.
  • Thời gian: Giai đoạn 5 năm từ Quý 1/2016 đến Quý 4/2020 (20 quý liên tục).
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào dữ liệu tài chính kế toán đã kiểm toán; không bao gồm các biến tâm lý thị trường ngoại sinh dạng phi cấu trúc.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong phân tích chứng khoán, việc định giá doanh nghiệp ngành sản xuất công nghiệp nặng thường dựa trên nhiều phương pháp với ưu và nhược điểm khác nhau:

Phương pháp định giá Bản chất kỹ thuật Ưu điểm Nhược điểm đối với ngành Thép
Chiết khấu dòng tiền (DCF/FCFF) Chiết khấu dòng tiền tự do doanh nghiệp theo WACC Phản ánh giá trị nội tại dài hạn Độ nhạy cao với giả định tỷ lệ tăng trưởng $g$ và WACC biến động do đòn bẩy nợ lớn
Giá trị tài sản ròng điều chỉnh (NAV) Đánh giá lại toàn bộ tài sản hữu hình trừ đi nợ Thích hợp cho doanh nghiệp thanh lý Bỏ qua năng lực tạo tiền từ chuỗi giá trị và thương hiệu
Phương pháp Sức mạnh lợi nhuận (EPV) Vốn hóa lợi nhuận điều chỉnh không tính tăng trưởng Đơn giản, loại trừ rủi ro dự phóng ảo Không phản ánh được chu kỳ mở rộng công suất (như Dung Quất - HPG)
Bội số Giá trên Thu nhập (P/E Multiple) So sánh tương đối $P/E = P / EPS$ Trực quan, dễ tính toán, phản ánh kỳ vọng tức thời Dễ bị bóp méo khi EPS âm hoặc biến động đột biến theo chu kỳ giá thép nguyên liệu

Yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have (Bắt buộc): Loại bỏ ngoại lai (Outliers) bằng kỹ thuật Winsorization; kiểm tra tính dừng (Stationarity); kiểm định đa cộng tuyến (VIF/Pearson); so sánh mô hình OLS, FEM, REM qua Hausman Test; kiểm định phương sai thay đổi (Breusch-Pagan LM Test).
  • Should have (Nên có): Ước lượng sai số chuẩn mạnh (Robust Standard Errors) để khắc phục triệt để hiện tượng Heteroskedasticity.
  • Could have (Có thể có): Phân tích tương quan trễ giữa tốc độ tăng trưởng GDP quý và định giá P/E.
  • Won't have (Không làm): Mô hình hóa mạng nơ-ron phi tuyến tính Deep Learning (giữ tính tường minh giải thích kinh tế lượng).

Thiết kế hệ thống mô hình định lượng

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế thành một pipeline khép kín:

[Báo cáo tài chính 10 DN Thép (HOSE)] + [Dữ liệu Vĩ mô GDP (GSO)]
        [ETL & Data Cleaning: Winsorization (Stata)]
           [Kiểm định tính dừng: Panel Unit Root]
       [Kiểm định mô hình: Hausman & Breusch-Pagan]
    [Chẩn đoán khuyết tật: Wooldridge & White Test]
   [Khắc phục: REM với Robust Standard Errors (Huber/White)]
           [Kết quả định lượng & Báo cáo đề xuất]

Ngăn xếp công nghệ và công cụ thực thi

  • Phần mềm phân tích chính: Stata 14.2 SE (Special Edition) phục vụ xử lý Panel Data.
  • Phần mềm tiền xử lý: Microsoft Excel 2019 (Data Cleaning, Reshaping Wide-to-Long).
  • Hệ thống dữ liệu nguồn: Vietstock Finance API, CafeF Data Portal, Báo cáo tài chính kiểm toán hợp nhất.

Thiết kế cấu trúc dữ liệu bảng (Data Schema)

Mô hình dữ liệu dạng bảng với $N = 10$ đơn vị chéo (cross-sectional units) và $T = 20$ mốc thời gian ($i = 1 \dots 10; t = 1 \dots 20$):

$$\text{Log}(PE_{it}) = \beta_0 + \beta_1 \text{logSize}{it} + \beta_2 \text{logBV}{it} + \beta_3 CR_{it} + \beta_4 ROE_{it} + \beta_5 DE_{it} + \beta_6 Egrowth_{it} + \beta_7 GDP_{t} + u_{it}$$

Trong đó:

  • Log(PE): Logarit tự nhiên của hệ số $P/E$ bình quân quý (Biến phụ thuộc).
  • logSize: Logarit tự nhiên của Tổng tài sản (Đại diện quy mô doanh nghiệp).
  • logBV: Logarit tự nhiên của Giá trị sổ sách trên một cổ phần ($BVPS = VCSH / \text{Số CP lưu hành}$).
  • CR: Khả năng thanh toán ngắn hạn ($TSNH / Nợ ngắn hạn$).
  • ROE: Tỷ suất sinh lời trên vốn chủ sở hữu ($LNST / VCSH$).
  • DE: Hệ số nợ trên vốn chủ sở hữu ($Tổng nợ phải trả / VCSH$).
  • Egrowth: Tốc độ tăng trưởng thu nhập trên mỗi cổ phần ($(EPS_t - EPS_{t-1}) / |EPS_{t-1}|$).
  • GDP: Tốc độ tăng trưởng tổng sản phẩm quốc nội theo quý (Biến vĩ mô kiểm soát).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kiểm định kinh tế lượng 6 bước chuẩn mực:

Bước 1: Đặc tả mô hình & giả thiết 
Bước 2: Thu thập & làm sạch dữ liệu (Winsorize 1% hai đuôi)
Bước 3: Thống kê mô tả & Kiểm tra ma trận tương quan Pearson
Bước 4: Ước lượng OLS, Fixed Effects (FEM), Random Effects (REM)
Bước 5: Kiểm định chọn mô hình (F-test, Hausman Test, Breusch-Pagan LM Test)
Bước 6: Kiểm định khuyết tật (Wooldridge, Modified Wald) & Khắc phục bằng Robust Covariance

Implementation và kết quả

Quy trình triển khai và xử lý mã lệnh (Stata Scripts)

Dữ liệu thô từ BCTC các doanh nghiệp ngành Thép xuất hiện các giá trị biến động cực đoan (outliers) do tính chu kỳ của giá thép cán nóng (HRC) và phôi thép. Thuật toán làm sạch dữ liệu Winsorization ở mức 1% được thực hiện trước khi phân tích hồi quy:

* Thiết lập môi trường làm việc trên Stata 14
clear all
set more off

* Khai báo cấu trúc dữ liệu bảng (Panel Data)
* id: Mã công ty (1 đến 10), time: Quý (1 đến 20)
tsset id time

* Xử lý ngoại lai bằng thuật toán Winsorization 1%
ssc install winsor2
winsor2 pe size bv cr roe de egrowth gdp, replace cuts(1 99)

* Tạo biến Logarit chuẩn hóa phân phối
gen logPE = ln(pe)
gen logSize = ln(size)
gen logBV = ln(bv)

* Kiểm định ma trận tương quan Pearson phát hiện đa cộng tuyến
correlate logPE logSize logBV cr roe de egrowth gdp

* 1. Ước lượng mô hình Pooled OLS
regress logPE logSize logBV cr roe de egrowth gdp
estimates store pooled_ols

* 2. Ước lượng mô hình Tác động cố định (FEM)
xtreg logPE logSize logBV cr roe de egrowth gdp, fe
estimates store fem

* 3. Ước lượng mô hình Tác động ngẫu nhiên (REM)
xtreg logPE logSize logBV cr roe de egrowth gdp, re
estimates store rem

* 4. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fem rem

* 5. Kiểm định Breusch and Pagan Lagrangian Multiplier (REM vs OLS)
xttest0

* 6. Kiểm định tự tương quan chuỗi bậc 1 (Wooldridge Test)
xtserial logPE logSize logBV cr roe de egrowth gdp

* 7. Hồi quy REM với sai số chuẩn mạnh (Robust Standard Errors) khắc phục sai số
xtreg logPE logSize logBV cr roe de egrowth gdp, re robust

Kiểm định và chẩn đoán mô hình

1. Thống kê mô tả dữ liệu mẫu (2016–2020)

  • log(PE): Giá trị trung bình đạt $1{,}868$, độ lệch chuẩn $0{,}924$. Giá trị lớn nhất đạt $6{,}275$ (CTCP Kim khí TP.HCM - HMC vào Q3/2016 do EPS phục hồi từ $-520$ VNĐ lên $+16$ VNĐ). Giá trị nhỏ nhất là $0$. Nhiều doanh nghiệp ghi nhận P/E âm liên tục trong giai đoạn khủng hoảng (DTL, TLH, VIS).
  • log(Size): Trung bình đạt $8{,}341$, giá trị cực đại đạt $11{,}787$ (HPG - Q4/2020 với tổng tài sản vượt $131.000$ tỷ VNĐ), nhỏ nhất là $5{,}026$ (HMC - Q4/2016).
  • BVPS: Trung bình $17.108$ VNĐ/CP, cao nhất đạt $32.526$ VNĐ/CP (SMC - Q2/2018), thấp nhất $6.188$ VNĐ/CP (VIS - Q1/2020).
  • ROE: Bình quân đạt $3{,}766%$/quý, cao nhất đạt $30{,}38%$ (SMC - Q2/2016), thấp nhất $-24{,}00%$ (VIS - Q4/2018).
  • DE: Trung bình đạt $1{,}894$ lần; cao nhất đạt $5{,}998$ lần (SMC - Q1/2016), thấp nhất $0{,}353$ lần (VCA - Q3/2016), chứng minh ngành thép sử dụng đòn bẩy nợ vay rất lớn để tài trợ vốn lưu động và dự án sản xuất.

2. Kết quả ma trận tương quan và kiểm định đa cộng tuyến

Hệ số tương quan tuyến tính Pearson giữa các biến độc lập đều nằm trong khoảng $(-0{,}42; +0{,}48)$, tuyệt đối đều $< 0{,}50$. Hệ số phóng đại phương sai (VIF) đều $< 3{,}0$, khẳng định mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.

3. Kết quả lựa chọn mô hình và kiểm định khuyết tật

Bước kiểm định Kiểm định thống kê Giá trị thống kê P-value Kết luận
FEM vs REM Hausman Test ($\chi^2$) $\chi^2(7) = 6{,}82$ $0{,}4478 > 0{,}05$ Chấp nhận $H_0$: Mô hình REM tối ưu hơn FEM
REM vs Pooled OLS Breusch-Pagan LM Test $\bar{\chi}^2(1) = 28{,}14$ $0{,}0000 < 0{,}01$ Bác bỏ $H_0$: Mô hình REM vượt trội hoàn toàn so với OLS
Tự tương quan Wooldridge Test ($F$) $F(1, 9) = 2{,}15$ $0{,}1764 > 0{,}05$ Chấp nhận $H_0$: Mô hình không có tự tương quan chuỗi
Phương sai sai số Modified Wald / LM $\chi^2 = 45{,}32$ $0{,}0002 < 0{,}01$ Bác bỏ $H_0$: Mô hình bị hiện tượng phương sai sai số thay đổi

Để triệt tiêu hoàn toàn hiện tượng phương sai sai số thay đổi (Heteroskedasticity), nghiên cứu sử dụng ma trận hiệp phương sai sai số chuẩn vững (Huber-White Sandwich Robust Estimator) cho mô hình REM.

Kết quả đạt được (Empirical Regression Results)

Phương trình hồi quy đa biến cuối cùng sau khi khắc phục khuyết tật:

$$\text{Log}(PE_{it}) = 16{,}481 - 1{,}423 \cdot \text{logBV}{it} - 0{,}582 \cdot CR{it} - 0{,}041 \cdot ROE_{it} - 0{,}214 \cdot DE_{it} - 0{,}0000619 \cdot Egrowth_{it} + \epsilon_{it}$$

Biến độc lập Hệ số hồi quy ($\beta$) Sai số chuẩn vững (Robust Std. Err.) Thống kê $z$ P-value ($P > |z|$) Mức ý nghĩa thống kê Chiều tác động thực nghiệm
_cons (Hằng số) $+16{,}4810$ $3{,}2145$ $5{,}13$ $0{,}000$ $1%$ Dương
logSize $-0{,}0842$ $0{,}0618$ $-1{,}36$ $0{,}173$ Không có ý nghĩa Không tác động
logBV $-1{,}4230$ $0{,}2841$ $-5{,}01$ $0{,}000$ $1%$ Nghịch chiều (Mạnh nhất)
CR $-0{,}5821$ $0{,}1935$ $-3{,}01$ $0{,}003$ $1%$ Nghịch chiều
ROE $-0{,}0412$ $0{,}0115$ $-3{,}58$ $0{,}000$ $1%$ Nghịch chiều
DE $-0{,}2143$ $0{,}0942$ $-2{,}27$ $0{,}023$ $5%$ Nghịch chiều
Egrowth $-0{,}0000619$ $0{,}0000284$ $-2{,}18$ $0{,}029$ $5%$ Nghịch chiều (Nhỏ)
GDP $+0{,}0125$ $0{,}0241$ $+0{,}52$ $0{,}604$ Không có ý nghĩa Không tác động

Bàn luận chuyên sâu về kết quả kinh tế lượng

  1. Giá trị sổ sách ($\text{logBV}$): Hệ số $\beta_2 = -1{,}423$ ($p < 0{,}01$). Khi giá trị sổ sách tăng $1%$, hệ số P/E giảm tương ứng $1{,}423%$. Điều này phản ánh đặc thù TTCK Việt Nam: nhà đầu tư cá nhân ưa chuộng giao dịch lướt sóng ngắn hạn ở các cổ phiếu đầu cơ có BV thấp, trong khi các mã có BV cao, tích lũy tài sản lớn thường có biến động thị giá chậm, làm P/E bị nén lại.
  2. Khả năng thanh toán ngắn hạn ($CR$): Hệ số $\beta_3 = -0{,}582$ ($p < 0{,}01$). $CR$ tác động ngược chiều cho thấy doanh nghiệp thép nắm giữ tài sản ngắn hạn quá lớn (tồn kho nguyên liệu quặng/thép phế) mà không tối ưu luân chuyển vốn sẽ làm giảm hiệu suất sinh lời, khiến định giá thị trường chiết khấu tỷ số P/E.
  3. Hiệu quả sử dụng vốn ($ROE$): Hệ số $\beta_4 = -0{,}041$ ($p < 0{,}01$). $ROE$ tăng phản ánh EPS tăng trưởng nhanh hơn tốc độ tăng thị giá trong ngắn hạn, kéo hệ số P/E thuần túy giảm xuống.
  4. Hệ số đòn bẩy tài chính ($DE$): Hệ số $\beta_5 = -0{,}214$ ($p < 0{,}05$). Đối với ngành thâm dụng vốn như thép, đòn bẩy nợ cao làm tăng rủi ro tài chính và chi phí lãi vay, khiến nhà đầu tư yêu cầu phần bù rủi ro cao hơn, dẫn tới định giá P/E bị chiết khấu thấp hơn.
  5. Tăng trưởng thu nhập ($Egrowth$): Hệ số $\beta_6 = -0{,}0000619$ ($p < 0{,}05$). Mức độ tác động nhỏ nhưng mang dấu âm, phản ánh sự thận trọng của thị trường trước các đợt tăng trưởng đột biến không bền vững của lợi nhuận ngành thép.
  6. Quy mô doanh nghiệp ($\text{logSize}$) và Tăng trưởng GDP: Không có ý nghĩa thống kê ở mức $10%$, cho thấy trong ngành Thép, lợi thế quy mô tài sản thuần túy hay biến động vĩ mô ngắn hạn chưa phải là yếu tố quyết định tới định giá P/E nếu không đi kèm hiệu quả vận hành nội tại.

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến học thuật và thực tiễn rõ rệt so với các công trình trước đây:

                  SO SÁNH MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Đóng góp khoa học cụ thể

  1. Tính chi tiết về chu kỳ thời gian (Granularity): Chuyển đổi dữ liệu từ năm sang quý giúp tăng kích thước mẫu lên 200 quan sát, phản ánh chính xác chu kỳ biến động lợi nhuận và giá thép trong các đợt bùng nổ hạ tầng đầu tư công.
  2. Khám phá nghịch lý giá trị sổ sách (BV Anomaly): Chứng minh mối quan hệ ngược chiều mạnh mẽ giữa BV và P/E tại thị trường cận biên Việt Nam, nơi dòng tiền cá nhân chi phối hành vi thị giá.
  3. Mô hình hóa kinh tế lượng chặt chẽ: Cung cấp bằng chứng thực nghiệm rằng mô hình Tác động ngẫu nhiên (REM) kết hợp ước lượng sai số chuẩn mạnh (Robust Standard Errors) là cấu trúc chuẩn xác nhất cho bài toán định giá P/E ngành công nghiệp nặng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

1. Xây dựng bộ lọc cổ phiếu định lượng (Quantitative Stock Screening)

Nhà đầu tư tổ chức và cá nhân có thể tích hợp phương trình hồi quy vào hệ sinh thái giao dịch để phát hiện các cổ phiếu Thép bị định giá sai lệch:

  • Nguyên lý: Tính toán giá trị $\text{Log}(PE)_{\text{dự báo}}$ từ các biến số tài chính quý của doanh nghiệp.
  • Tín hiệu MUA (Undervalued): Khi $PE_{\text{thực tế}} < PE_{\text{dự báo}}$ với biên an toàn $\ge 25%$, kết hợp điều kiện doanh nghiệp có $ROE$ cải thiện và $DE \le 1{,}5$.
  • Tín hiệu BÁN/HẠ TỶ TRỌNG (Overvalued): Khi thị giá tăng nóng đẩy $PE_{\text{thực tế}} > PE_{\text{dự báo}}$ vượt quá 2 độ lệch chuẩn trong khi hệ số nợ $DE$ tăng nhanh.

2. Tối ưu hóa cấu trúc vốn cho Ban điều hành doanh nghiệp Thép

  • Kiểm soát đòn bẩy nợ ($DE$): Duy trì tỷ lệ $Nợ / VCSH$ quanh mức tối ưu $1{,}0 - 1{,}5$. Việc tăng nợ quá mức không chỉ làm tăng chi phí vốn mà còn trực tiếp kéo giảm hệ số định giá P/E của cổ phiếu trên thị trường.
  • Quản trị vốn lưu động ($CR$): Duy trì hệ số thanh toán ngắn hạn trong ngưỡng an toàn $1{,}3 - 1{,}8$, tránh tích trữ hàng tồn kho đầu cơ nguyên liệu quá lớn làm ứ đọng dòng tiền.

Lộ trình triển khai hệ thống định lượng 4 giai đoạn

Giai đoạn 1: Data Pipeline (Tuần 1-4)
- Kết nối API lấy BCTC quý tự động từ Vietstock / FiinGroup.
- Tự động hóa chuẩn hóa dữ liệu & chạy thuật toán Winsorization.

Giai đoạn 2: Model Automation (Tuần 5-8)
- Đóng gói mô hình REM Robust thành microservice Python/R.
- Tự động cập nhật trọng số hồi quy sau mỗi mùa báo cáo tài chính quý.

Giai đoạn 3: Dashboard & Scoring (Tuần 9-12)
- Xây dựng giao diện trực quan hóa định giá P/E dự báo so với P/E thị trường.
- Thiết lập hệ thống cảnh báo sớm rủi ro đòn bẩy tài chính DE và suy giảm ROE.

Giai đoạn 4: Backtesting & Thực thi (Tuần 13-16)
- Kiểm thử chiến lược danh mục đầu tư thép trên dữ liệu lịch sử (Backtest 2016-2020).
- Đo lường Sharpe Ratio, Maximum Drawdown và tỷ suất sinh lời vượt trội (Alpha).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Giới hạn mẫu dữ liệu: Nghiên cứu mới chỉ giới hạn ở 10 doanh nghiệp thép niêm yết trên sàn HOSE; chưa mở rộng sang sàn HNX và UPCoM (nơi có nhiều doanh nghiệp thép quy mô vừa và nhỏ).
  2. Biến số ngành đặc thù: Chưa đưa vào mô hình các biến vĩ mô ngành như: Biến động giá thép cuộn cán nóng thế giới (HRC Price), giá quặng sắt 62% Fe, thuế tự vệ thương mại chống bán phá giá.
  3. Mối quan hệ tuyến tính: Mô hình REM giả định quan hệ tuyến tính giữa các biến tài chính và $\text{Log}(PE)$, chưa nắm bắt được các điểm gãy cấu trúc (Structural Breaks) do biến cố đại dịch hoặc khủng hoảng chuỗi cung ứng.

Hướng nghiên cứu tiếp theo

  • Phương pháp Kinh tế lượng Nâng cao: Ứng dụng mô hình Moment Tổng quát dạng Động (System GMM - Blundell & Bond) để kiểm soát triệt để hiện tượng nội sinh (Endogeneity) giữa biến sinh lời và hệ số định giá trễ.
  • Machine Learning Integration: Kết hợp mô hình hồi quy truyền thống với các thuật toán phi tuyến tính như Random Forest, XGBoost và SHAP (SHapley Additive exPlanations) để trích xuất tầm quan trọng của các đặc trưng tài chính phi tuyến.
  • Mở rộng liên ngành: Mở rộng so sánh tương quan chuỗi giá trị giữa ngành Thép - Xây dựng - Bất động sản để đánh giá độ trễ lan truyền định giá.

Đối tượng hưởng lợi

                              BẢNG GIÁ TRỊ GIA TĂNG CHO CÁC BÊN

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập kết quả nghiên cứu là gì?

Hệ thống cần tối thiểu phần mềm Stata phiên bản 14.0 trở lên (khuyến nghị Stata 16/17 SE hoặc MP). Bộ nhớ RAM tối thiểu 4GB. Dữ liệu đầu vào yêu cầu file Excel chuẩn hóa dạng bảng dài (Long format) với các trường nhận diện id (mã công ty) và time (quý từ 1 đến 20) trước khi chạy lệnh tsset id time.

2. Vì sao biến Tỷ lệ nợ trên vốn chủ sở hữu (DE) lại có tương quan âm với P/E?

Theo lý thuyết tài chính hiện đại, ngành thép là ngành công nghiệp nặng có chi phí cố định lớn. Khi tỷ lệ nợ $DE$ tăng cao, rủi ro vỡ nợ tiềm tàng và gánh nặng chi phí lãi vay trong các chu kỳ đi xuống của giá thép sẽ tăng mạnh. Nhà đầu tư nhận thức rủi ro phá sản cao hơn nên sẽ chiết khấu thị giá cổ phiếu, dẫn đến hệ số P/E bị nén xuống thấp hơn.

3. Tại sao quy mô công ty (logSize) lại không có ý nghĩa thống kê trong mô hình?

Trong giai đoạn 2016–2020, quy mô tài sản lớn không đồng nghĩa với khả năng sinh lời vượt trội nếu doanh nghiệp đầu tư dàn trải vào công nghệ cũ hoặc dự án chậm tiến độ. Dòng tiền thị trường tập trung vào hiệu quả sinh lời thực tế trên vốn ($ROE$) và tốc độ luân chuyển dòng tiền hơn là quy mô tổng tài sản thuần túy.

4. Xử lý như thế nào khi gặp các doanh nghiệp có P/E và EPS bị âm?

Trong nghiên cứu này, các trường hợp EPS âm được xử lý thông qua biến đổi $Egrowth = (EPS_t - EPS_{t-1}) / |EPS_{t-1}|$ và áp dụng giải thuật lọc ngoại lai Winsorization 1% hai đuôi, kết hợp lấy logarit tự nhiên $\text{Log}(PE)$ trên chuỗi số dương đã hiệu chỉnh để đảm bảo phân phối xấp xỉ chuẩn của phần dư hồi quy.

5. Làm thế nào để áp dụng kết quả này vào quyết định đầu tư thực tế?

Nhà đầu tư không nên mua cổ phiếu thép chỉ vì P/E đơn lẻ ở mức thấp (ví dụ $P/E < 5$). Cần kiểm tra ma trận 4 yếu tố: Nếu $P/E$ thấp nhưng đi kèm $ROE$ cao, $DE < 1{,}5$, $CR > 1{,}2$ và $BV$ đang tăng trưởng ổn định thì đây là cơ hội định giá rẻ thực sự; ngược lại nếu $P/E$ thấp do đỉnh chu kỳ lợi nhuận tạm thời và nợ $DE$ quá cao thì đó là bẫy giá trị (Value Trap).

Kết luận

Khóa luận tốt nghiệp của sinh viên Vũ Thị Huyền Trang đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến hệ số P/E của các doanh nghiệp ngành Thép niêm yết trên sàn HOSE giai đoạn 2016–2020. Bằng việc ứng dụng phương pháp kinh tế lượng dữ liệu bảng hiện đại với mô hình Tác động ngẫu nhiên (REM) và kỹ thuật ước lượng sai số chuẩn mạnh (Robust Standard Errors), công trình đã cung cấp những bằng chứng thực nghiệm xác thực và vững chắc:

  • Thành tựu chính: Xác lập mô hình định lượng chứng minh 5 nhân tố nội tại gồm Giá trị sổ sách ($\text{logBV}$), Khả năng thanh toán ngắn hạn ($CR$), Tỷ suất sinh lời vốn chủ sở hữu ($ROE$), Tỷ lệ nợ ($DE$) và Tăng trưởng thu nhập ($Egrowth$) đều có tác động nghịch chiều có ý nghĩa thống kê tới hệ số định giá $\text{Log}(PE)$.
  • Giá trị học thuật & thực tiễn: Xóa bỏ tư duy định giá P/E đơn giản hóa, trang bị cho thị trường công cụ lượng hóa rủi ro và xác định giá trị thực của cổ phiếu công nghiệp nặng.
  • Thông điệp hành động: Các nhà đầu tư cần chuyển đổi từ phương pháp suy đoán cảm tính sang phân tích định lượng đa nhân tố; các doanh nghiệp ngành Thép cần chủ động tái cấu trúc nợ vay và tối ưu hóa quản trị vốn lưu động nhằm nâng cao giá trị vốn hóa bền vững trên thị trường chứng khoán.