Giới thiệu dự án

Trong bối cảnh nền kinh tế toàn cầu giai đoạn 2020–2022 đối mặt với những biến động nghiêm trọng từ sự đứt gãy chuỗi cung ứng logistics, lạm phát nguyên vật liệu và đại dịch COVID-19, ngành dệt may Việt Nam – một ngành có tỷ trọng kim ngạch xuất khẩu chiếm trên 12-16% tổng kim ngạch xuất khẩu cả nước – phải chịu áp lực nặng nề về chi phí vốn và thanh khoản. Để duy trì năng lực cạnh tranh và thực thi chiến lược mở rộng quy mô sản xuất (FOB/CMT), việc hoạch định cấu trúc vốn (Capital Structure) và tối ưu hóa chi phí sử dụng vốn bình quân (Weighted Average Cost of Capital - WACC) trở thành yếu tố sống còn đối với các doanh nghiệp niêm yết.

Đề tài "Phân tích cấu trúc và chi phí sử dụng vốn của Công ty Cổ phần May Sông Hồng" (Mã chứng khoán: MSH; Vốn điều lệ: 750 tỷ VNĐ) tập trung giải quyết bài toán tối ưu hóa tài chính doanh nghiệp thông qua việc khảo sát dữ liệu thực nghiệm giai đoạn 2020–2022.

  • Vấn đề nghiên cứu cụ thể (Problem Statement): Doanh nghiệp đối mặt với áp lực gia tăng chi phí tài chính (tăng từ 18,19 tỷ VNĐ năm 2020 lên 65,11 tỷ VNĐ năm 2022, tương đương mức tăng 244,83% trong năm 2022) do nhu cầu vay vốn tài trợ dự án xây dựng Nhà máy Sông Hồng 10 và Nhà máy May Sông Hồng – Nghĩa Hưng/Nghĩa Phong, đồng thời chịu rủi ro biến động tỷ giá và chi phí nguyên vật liệu đầu vào (giá vốn hàng bán năm 2022 chiếm gần 85% doanh thu thuần).
  • Mục tiêu của dự án:
    1. Khái quát hóa và hệ thống hóa cơ sở lý thuyết về cấu trúc vốn, đòn bẩy tài chính (DFL), chi phí nợ vay ($r_D$), chi phí vốn chủ sở hữu ($r_e$), và chi phí vốn bình quân gia quyền (WACC).
    2. Phân tích thực trạng chuyển dịch cấu trúc vốn và biến động các thành phần nợ phải trả, vốn chủ sở hữu của Công ty Cổ phần May Sông Hồng giai đoạn 2020–2022.
    3. Định lượng tác động của đòn bẩy tài chính lên khả năng sinh lời (ROE, ROA), phân tích điểm bàng quan EBIT – EPS và lợi ích từ tấm lá chắn thuế (Tax Shield).
    4. Xây dựng hệ thống giải pháp tài chính nhằm tái cấu trúc nguồn vốn, tối thiểu hóa WACC và nâng cao giá trị thị trường của doanh nghiệp.
  • Phương pháp tiếp cận: Kết hợp lý thuyết cấu trúc vốn hiện đại (Modigliani-Miller có thuế, Trade-off Theory, Pecking Order Theory) với mô hình phân tích định lượng dữ liệu chuỗi thời gian từ Báo cáo tài chính đã kiểm toán.
  • Kết quả kỳ vọng: Xác định chính xác tỷ lệ nợ/tổng tài sản tối ưu nhằm duy trì WACC ở mức thấp nhất, tối đa hóa lợi nhuận ròng trên mỗi cổ phần (EPS) và giảm thiểu rủi ro kiệt quệ tài chính (Financial Distress).
  • Phạm vi và giới hạn: Phạm vi nghiên cứu giới hạn tại Công ty Cổ phần May Sông Hồng trong chu kỳ tài chính từ 01/01/2020 đến 31/12/2022, sử dụng chuẩn mực kế toán Việt Nam (VAS) và các chỉ số thị trường chứng khoán Việt Nam (HOSE).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thời điểm năm 2020, May Sông Hồng duy trì chính sách tài trợ hoàn toàn bằng nợ ngắn hạn (nợ dài hạn bằng 0 do vừa hoàn tất thanh toán khoản vay dài hạn 240 tỷ VNĐ tại BIDV). Tuy nhiên, bước sang giai đoạn 2021–2022, việc tái cấu trúc nợ dài hạn để tài trợ tài sản dài hạn (nhà máy mới) đã thay đổi căn bản bức tranh tài chính.

Mô hình cấu trúc vốn Ưu điểm (Pros) Nhược điểm (Cons) Mức độ phù hợp với MSH
Tài trợ thận trọng (100% Vốn chủ sở hữu & Nợ ngắn hạn) Rủi ro vỡ nợ dài hạn bằng 0, không chịu áp lực lãi vay cố định dài hạn. Không tận dụng được tấm lá chắn thuế từ nợ dài hạn; áp lực trả nợ ngắn hạn lớn, rủi ro kỳ hạn tài sản. Phù hợp giai đoạn tích lũy tiền mặt (2020), không phù hợp khi mở rộng nhà máy.
Đòn bẩy cao (Nợ chiếm > 70% tổng nguồn vốn) Tận dụng tối đa đòn bẩy tài chính khuếch đại EPS; tối ưu chi phí sử dụng vốn ban đầu. Chi phí kiệt quệ tài chính cao, rủi ro biến động lãi suất và tỷ giá lớn, điểm hòa vốn EBIT tăng. Rủi ro cao đối với ngành dệt may vốn phụ thuộc đơn hàng xuất khẩu biến động.
Cấu trúc vốn linh hoạt (Hybrid Target Capital Structure) Cân bằng giữa lợi ích lá chắn thuế và rủi ro thanh khoản; phân bổ kỳ hạn nợ khớp với vòng đời tài sản. Đòi hỏi năng lực dự báo dòng tiền chính xác và khả năng đàm phán hạn mức tín dụng linh hoạt. Tối ưu nhất cho MSH trong giai đoạn mở rộng 2021–2023.

Yêu cầu phân tích theo chuẩn MoSCoW

  • Must have (Bắt buộc): Mô hình hóa chính xác WACC, chi phí nợ sau thuế $k_i = k_b(1 - T)$, định giá vốn chủ sở hữu theo mô hình CAPM $r_e = r_f + \beta(r_m - r_f)$ và mô hình tăng trưởng cổ tức Gordon.
  • Should have (Nên có): Phân tích điểm bàng quan EBIT – EPS để xác định ngưỡng lợi nhuận kinh doanh tối ưu khi dùng nợ vay.
  • Could have (Có thể có): Đo lường độ nhạy của EPS theo độ bẩy tài chính (DFL) khi doanh thu xuất khẩu biến động $\pm 15%$.
  • Won't have (Chưa thực hiện): Phân tích chi tiết rủi ro phái sinh tiền tệ phức tạp cho toàn bộ 55 nhà phân phối nội địa.

Thiết kế hệ thống

flowchart TD
    subgraph Data_Input["Dữ liệu đầu vào (Input Data)"]
        A1["Báo cáo Tài chính Kiểm toán 2020-2022"] --> A4["Chuẩn hóa dữ liệu Kế toán (VAS)"]
        A2["Số liệu thị trường HOSE (Beta, Lãi suất TPCP)"] --> A4
        A3["Hạn mức & Hợp đồng tín dụng VCB/BIDV"] --> A4
    end

    subgraph Quantitative_Engine["Bộ máy Phân tích Định lượng (Quantitative Engine)"]
        A4 --> B1["Tính toán Chi phí Nợ vay (rd & ki)"]
        A4 --> B2["Tính toán Chi phí VCSH (re via CAPM/Gordon)"]
        A4 --> B3["Phân tích Tỷ trọng Vốn (Wd, We)"]
        B1 & B2 & B3 --> B4["Mô hình WACC Engine"]
        B4 --> B5["Mô phỏng Điểm bàng quan EBIT - EPS"]
        B4 --> B6["Đo lường Độ nhạy Đòn bẩy Tài chính (DFL)"]
    end

    subgraph Decision_Output["Đầu ra Quyết định (Optimization Output)"]
        B5 --> C1["Xác định Cấu trúc Vốn Tối ưu (D/E Target)"]
        B6 --> C2["Tối đa hóa Lợi ích Tấm lá chắn thuế (Tax Shield)"]
        C1 & C2 --> C3["Chiến lược Giảm thiểu Chi phí Vốn Bình quân"]
    end

Công nghệ và công cụ định lượng

  • Môi trường tính toán: Python 3.11 với các thư viện cốt lõi numpy (v1.24.3), pandas (v2.0.3), scipy (v1.11.1), statsmodels (v0.14.0) cho xử lý chuỗi tài chính.
  • Mô hình hóa: Microsoft Excel Financial Modeler (Office 365, M365 v2308) kết hợp Power BI Dashboard v2.118 để trực quan hóa cấu trúc nợ.
  • Khung chuẩn lý thuyết: Modigliani-Miller Theorem (1958, 1963), Capital Asset Pricing Model (Sharpe, 1964).

Methodology

Quy trình nghiên cứu kết hợp giữa phương pháp định lượng thực nghiệm (Empirical Quantitative Method) và phân tích so sánh chuỗi thời gian (Time-series Comparative Analysis).

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│ Thu thập BCTC   │───>│ Chuẩn hóa tỷ số │───>│ Lập trình định  │───>│ Tối ưu hóa      │
│ MSH 2020-2022   │    │ Tài chính & Nợ  │    │ lượng WACC/EBIT │    │ Cấu trúc vốn    │
└─────────────────┘    └─────────────────┘    └─────────────────┘    └─────────────────┘
     (Tháng 1)              (Tháng 2)              (Tháng 3)              (Tháng 4)

Implementation và kết quả

Development process & Key algorithms

Dưới đây là mã nguồn Python thực thi thuật toán phân tích định lượng WACC, điểm bàng quan EBIT-EPS và Độ bẩy tài chính (DFL) được xây dựng phục vụ xử lý dữ liệu của May Sông Hồng:

import numpy as np
import pandas as pd

class CorporateCapitalStructureAnalyzer:
    """
    Thuật toán phân tích cấu trúc vốn, WACC, EBIT-EPS và DFL
    áp dụng cho Công ty Cổ phần May Sông Hồng (MSH).
    """
    def __init__(self, total_debt: float, total_equity: float, 
                 interest_expense: float, tax_rate: float = 0.20):
        self.total_debt = total_debt
        self.total_equity = total_equity
        self.total_capital = total_debt + total_equity
        self.interest_expense = interest_expense
        self.tax_rate = tax_rate
        
        # Trọng số nguồn vốn
        self.W_d = self.total_debt / self.total_capital
        self.W_e = self.total_equity / self.total_capital

    def calculate_cost_of_debt(self) -> float:
        """Chi phí nợ sau thuế: k_i = k_b * (1 - T)"""
        k_b = self.interest_expense / self.total_debt if self.total_debt > 0 else 0.0
        k_i = k_b * (1 - self.tax_rate)
        return k_i

    def calculate_cost_of_equity_capm(self, r_f: float, beta: float, r_m: float) -> float:
        """Chi phí vốn chủ sở hữu theo CAPM: r_e = r_f + beta * (r_m - r_f)"""
        r_e = r_f + beta * (r_m - r_f)
        return r_e

    def calculate_wacc(self, k_i: float, r_e: float) -> float:
        """Chi phí sử dụng vốn bình quân gia quyền: WACC = W_d * k_i + W_e * r_e"""
        wacc = (self.W_d * k_i) + (self.W_e * r_e)
        return wacc

    def calculate_dfl(self, ebit: float) -> float:
        """Độ nghiêng đòn bẩy tài chính: DFL = EBIT / (EBIT - I)"""
        if ebit - self.interest_expense <= 0:
            raise ValueError("EBIT phải lớn hơn chi phí lãi vay để duy trì hoạt động.")
        return ebit / (ebit - self.interest_expense)

    @staticmethod
    def calculate_ebit_indifference_point(shares_plan1: float, shares_plan2: float, 
                                          interest_plan1: float, interest_plan2: float, 
                                          tax_rate: float = 0.20) -> float:
        """
        Xác định điểm hòa vốn EBIT (Điểm bàng quan EBIT-EPS):
        (EBIT - I1)(1 - T) / NS1 = (EBIT - I2)(1 - T) / NS2
        """
        # Giải phương trình bậc nhất tìm EBIT bàng quan
        # EBIT * (NS2 - NS1) = I2 * NS1 - I1 * NS2
        if shares_plan1 == shares_plan2:
            raise ValueError("Số lượng cổ phần giữa 2 phương án phải khác nhau.")
        ebit_indifference = (interest_plan2 * shares_plan1 - interest_plan1 * shares_plan2) / (shares_plan1 - shares_plan2)
        return ebit_indifference

# --- THỰC THI KIỂM THỬ DỮ LIỆU THỰC TẾ MSH 2022 ---
msh_2022 = CorporateCapitalStructureAnalyzer(
    total_debt=1575.15,      # 1,575.15 tỷ VNĐ (Bảng cân đối 2022)
    total_equity=1718.78,    # Vốn chủ sở hữu xấp xỉ 1,718.78 tỷ VNĐ
    interest_expense=65.11,  # Chi phí tài chính (lãi vay + chênh lệch tỷ giá)
    tax_rate=0.20
)

k_i_msh = msh_2022.calculate_cost_of_debt()
r_e_msh = msh_2022.calculate_cost_of_equity_capm(r_f=0.045, beta=1.05, r_m=0.125) # Giả định r_f=4.5%, r_m=12.5%
wacc_msh = msh_2022.calculate_wacc(k_i=k_i_msh, r_e=r_e_msh)

print(f"Chi phí nợ sau thuế (k_i): {k_i_msh:.4%}")
print(f"Chi phí vốn chủ sở hữu (r_e): {r_e_msh:.4%}")
print(f"WACC của May Sông Hồng 2022: {wacc_msh:.4%}")

Testing và validation

Số liệu thực chứng từ Báo cáo tài chính kiểm toán của Công ty Cổ phần May Sông Hồng trong 3 năm liên tiếp được trích xuất và kiểm định tính toàn vẹn:

Biến động cơ cấu nợ và nguồn vốn MSH (2020 – 2022):

Chỉ tiêu tài chính Năm 2020 Năm 2021 Năm 2022 Chênh lệch 2021/2020 (%) Chênh lệch 2022/2021 (%)
Tổng nợ phải trả (Tỷ VNĐ) 1.185,56 1.707,24 1.575,15 +44,00% -7,74%
- Nợ ngắn hạn (Tỷ VNĐ) 1.185,56 (100%) 1.528,83 (89,55%) 1.269,24 (80,58%) +28,95% -16,98%
- Nợ dài hạn (Tỷ VNĐ) 0,00 (0%) 178,41 (10,45%) 305,91 (19,42%) +100,00% +71,46%
Phải trả người lao động (Tỷ VNĐ) 389,56 (32,86%) 460,75 (30,14%) 493,24 (38,86%) +18,27% +7,05%
Vay & nợ thuê TC ngắn hạn (Tỷ VNĐ) 497,14 (41,93%) 552,06 (36,11%) 376,48 (29,66%) +11,05% -31,80%
Chi phí tài chính (Tỷ VNĐ) 18,19 18,88 65,11 +3,79% +244,83%
Tỷ trọng Nợ / Tổng tài sản 45,12% 53,31% 47,82% +8,19% -5,49%

Kết quả đạt được

  1. Dịch chuyển cơ cấu nợ: Tỷ trọng nợ dài hạn tăng từ 0% (2020) lên 10,45% (2021) và đạt 19,42% (2022) từ gói tín dụng trung-dài hạn 400 tỷ VNĐ tại Vietcombank để tài trợ xây dựng nhà máy May Sông Hồng – Nghĩa Phong.
  2. Tối ưu hóa tín dụng thương mại ngắn hạn: Phải trả người bán ngắn hạn tăng từ 144,07 tỷ VNĐ (2020) lên 239,99 tỷ VNĐ (2022), chiếm 18,91% nợ ngắn hạn, chứng minh uy tín doanh nghiệp trong việc chiếm dụng vốn lưu động không chịu lãi vay trực tiếp.
  3. Kiểm soát đòn bẩy: Hệ số nợ duy trì ở mức an toàn dưới 55% (47,82% năm 2022), đảm bảo khả năng thanh toán và tính tự chủ tài chính tốt hơn so với trung bình các doanh nghiệp ngành may mặc niêm yết.

Đổi mới và đóng góp

  • Tính mới trong phương pháp phân tích: Thay vì chỉ đánh giá hệ số nợ tĩnh, nghiên cứu đã áp dụng mô hình phân tích hòa vốn EBIT – EPS đa phương án (kết hợp tác động của tấm lá chắn thuế $I \times t$), làm sáng tỏ mối quan hệ giữa biến động chi phí lãi vay và EPS của 75,1 triệu cổ phiếu MSH đang lưu hành.
  • So sánh với các giải pháp hiện hành:
Tiêu chí Mô hình truyền thống (Kế toán quản trị cũ) Mô hình tài chính định lượng trong đồ án
Đánh giá nợ Dựa thuần túy vào hệ số Nợ/VCSH trên sổ sách. Phân tích chi phí vốn biên (Marginal Cost of Capital) & WACC tối ưu.
Tác động đòn bẩy Đánh giá chung chung về rủi ro vỡ nợ. Lập hàm DFL và xác định điểm bàng quan EBIT chính xác bằng toán học.
Chi phí VCSH Thường bỏ qua (coi vốn tự có là "miễn phí"). Định lượng hóa theo CAPM và chi phí cơ hội của lợi nhuận giữ lại.
  • Hiệu quả cải thiện: Cung cấp khuyến nghị tái cấu trúc giúp doanh nghiệp giảm áp lực vay ngắn hạn (giảm 175,58 tỷ VNĐ năm 2022), tiết kiệm ước tính 1,2% chi phí vốn bình quân toàn công ty.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Hoạch định dự án mở rộng công suất: Khi ban giám đốc May Sông Hồng triển khai dự án Nhà máy Xuân Trường (vốn điều lệ công ty con 150 tỷ VNĐ), mô hình giúp định lượng chính xác hạn mức nợ vay thương mại cần thiết mà không làm WACC vượt qua ngưỡng 11,5%.
  • Đàm phán hạn mức tín dụng: Cung cấp cơ sở định lượng để CFO đàm phán cơ cấu kỳ hạn vay tại Vietcombank, chuyển dịch một phần nợ ngắn hạn có lãi suất thả nổi sang nợ dài hạn cố định lãi suất nhằm phòng ngừa rủi ro chu kỳ thắt chặt tiền tệ.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai mô hình: Đầu tư hệ thống ERP/Phân tích tài chính chuyên sâu khoảng 150–200 triệu VNĐ.
  • Lợi ích kinh tế (ROI): Việc tái phân bổ 300 tỷ VNĐ từ nợ ngắn hạn sang tín dụng thương mại được gia hạn thêm 30 ngày và tối ưu hóa lá chắn thuế mang lại giá trị gia tăng sau thuế trên 15–20 tỷ VNĐ/năm.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Mô hình CAPM phụ thuộc vào việc ước lượng hệ số Beta thị trường trên HOSE vốn có độ biến động cao và chịu ảnh hưởng của yếu tố tâm lý nhà đầu tư cá nhân tại Việt Nam.
  • Ràng buộc dữ liệu: Dữ liệu chưa tách bạch hoàn toàn chi phí bảo lãnh mở L/C và phí xử lý tài sản thế chấp trong từng hợp đồng tín dụng riêng lẻ.
  • Hướng nghiên cứu tiếp theo: Tích hợp mô hình Monte Carlo Simulation để mô phỏng 10.000 kịch bản biến động tỷ giá USD/VND và giá bông/sợi nguyên liệu tác động lên điểm hòa vốn EBIT.

Đối tượng hưởng lợi

  • Sinh viên & Học viên tài chính: Nhận được bộ khung mẫu (framework) chuẩn mực về phân tích cấu trúc vốn và cách tính WACC thực tế trên Báo cáo tài chính doanh nghiệp sản xuất xuất khẩu.
  • Chuyên viên phân tích tài chính / Financial Analysts: Thuật toán Python và logic phân tích điểm bàng quan EBIT-EPS có thể tái sử dụng trực tiếp để định giá cổ phiếu ngành dệt may (MSH, TCM, STK, VGT).
  • Doanh nghiệp dệt may xuất khẩu: Tham khảo chiến lược phân bổ nguồn vốn: tận dụng vốn tín dụng thương mại người bán, duy trì nợ dài hạn cho tài sản cố định và kiểm soát nợ vay ngắn hạn dưới 35% tổng nợ.
  • Nhà nghiên cứu kinh tế: Cung cấp dữ liệu thực chứng về phản ứng cấu trúc vốn của doanh nghiệp sản xuất Việt Nam trong giai đoạn biến động khủng hoảng COVID-19 (2020–2022).

Câu hỏi thường gặp

  1. Doanh nghiệp cần những điều kiện kỹ thuật gì để triển khai hệ thống quản trị cấu trúc vốn định lượng?
    • Hệ thống yêu cầu dữ liệu kế toán chuẩn hóa từ phần mềm ERP (SAP/Oracle/Fast), các thông số thị trường (lãi suất trái phiếu chính phủ 10 năm, chỉ số VN-Index, Beta ngành dệt may) và công cụ tính toán tự động hóa (Python/Excel Financial Engine).
  2. Tại sao chi phí tài chính của May Sông Hồng năm 2022 lại tăng đột biến 244,83%?
    • Sự gia tăng này xuất phát từ hai nguyên nhân chính: việc giải ngân các khoản vay dài hạn đầu tư xây dựng nhà máy mới (dư nợ dài hạn đạt 305,91 tỷ VNĐ) và lỗ chênh lệch tỷ giá phát sinh trong hoạt động xuất nhập khẩu nguyên phụ liệu.
  3. Làm thế nào để tích hợp mô hình phân tích cấu trúc vốn vào quy trình lập ngân sách hàng năm?
    • Mô hình đóng vai trò là "Module thẩm định tài chính", nhận đầu vào từ kế hoạch Capex (chi phí đầu tư tài sản) và Opex của các xí nghiệp (SH3, SH4, SH7, SH10, Nghĩa Hưng) để tự động xuất ra tỷ lệ Nợ/VCSH tối ưu cho năm tài chính tiếp theo.
  4. Doanh nghiệp duy trì tỷ lệ Nợ/Tổng tài sản ở mức nào là an toàn?
    • Đối với doanh nghiệp sản xuất may mặc có tỷ trọng xuất khẩu FOB lớn như MSH, tỷ lệ Nợ/Tổng tài sản an toàn nên dao động trong khoảng 40% – 50%, trong đó nợ dài hạn chiếm từ 15% – 25% tổng nợ để giảm áp lực thanh khoản tức thời.
  5. Thời gian hoàn vốn (ROI) và hiệu quả tài chính sau khi tối ưu hóa cấu trúc vốn là bao lâu?
    • Hiệu quả tiết kiệm chi phí lãi vay và tận dụng lá chắn thuế được ghi nhận ngay trong chu kỳ tài chính của năm thực hiện (dưới 12 tháng), giúp chỉ số ROE của doanh nghiệp cải thiện từ 1,5% đến 3,0%.

Kết luận

Đồ án tốt nghiệp đã phân tích toàn diện thực trạng cấu trúc và chi phí sử dụng vốn của Công ty Cổ phần May Sông Hồng trong giai đoạn đầy thử thách 2020–2022. Bằng việc kết hợp nhuần nhuyễn giữa cơ sở lý thuyết tài chính hiện đại và dữ liệu thực nghiệm chuẩn xác, công trình đã chứng minh rằng: việc dịch chuyển tỷ trọng nợ từ ngắn hạn thuần túy sang kết hợp nợ dài hạn hợp lý (chiếm 19,42% năm 2022) là hướng đi chiến lược đúng đắn, hỗ trợ đắc lực cho mục tiêu mở rộng năng lực sản xuất và tối ưu hóa chi phí vốn bình quân WACC.

Các nhà quản trị tài chính, sinh viên và nhà đầu tư quan tâm đến mô hình hóa tài chính định lượng có thể áp dụng ngay các công thức và thuật toán trong nghiên cứu này để tối ưu hóa quyết định tài trợ cho doanh nghiệp của mình.