Giới thiệu dự án
Ngành xây dựng và lắp máy Việt Nam đóng góp khoảng 6,8% vào GDP quốc gia nhưng luôn đối mặt với áp lực thanh khoản cao, tỷ suất sinh lời mỏng và phụ thuộc lớn vào vốn vay tín dụng. Tại các doanh nghiệp niêm yết thuộc ngành hạ tầng, chi phí vốn và cơ cấu chi phí hoạt động là hai biến số cốt lõi quyết định sự sống còn. Tuy nhiên, việc ứng dụng các mô hình định lượng để đo lường độ bẩy và quản trị rủi ro kép (rủi ro hoạt động và rủi ro tài chính) vẫn chưa được chuẩn hóa tại nhiều doanh nghiệp xây lắp quy mô vừa và lớn.
Nghiên cứu tập trung giải quyết bài toán: Làm thế nào để xác định điểm bàng quan tài chính, lượng hóa mức độ rủi ro đòn bẩy và tối ưu hóa cấu trúc vốn cho doanh nghiệp xây lắp có biên lợi nhuận ròng dưới 1%? Tại Công ty Cổ phần VIMECO (Mã CK: VMC - HNX), nghịch lý kinh doanh xuất hiện rõ nét trong giai đoạn 2020 – 2022: doanh thu tăng trưởng liên tục từ 642.148,86 triệu đồng (2020) lên 765.016,70 triệu đồng (2021) và đạt 917.562,35 triệu đồng (2022), tương đương mức tăng trưởng bình quân 19,5%/năm. Tuy nhiên, lợi nhuận sau thuế năm 2022 lại sụt giảm nghiêm trọng 24,65% (từ 3.668,11 triệu đồng xuống 2.764,02 triệu đồng) do chi phí tài chính (chủ yếu là lãi vay) tăng vọt 45,71% (đạt 25.358,96 triệu đồng).
[Doanh thu thuần: +19,92%] ---> [Chi phí lãi vay: +45,71%] ---> [LNST: -24,65%]
└──────── Khủng hoảng Đòn bẩy Tài chính ────────┘
Mục tiêu cụ thể của dự án nghiên cứu:
- Hệ thống hóa lý luận định lượng: Xây dựng khung lý thuyết toàn diện về bộ ba đòn bẩy: Đòn bẩy hoạt động (Operating Leverage), Đòn bẩy tài chính (Financial Leverage) và Đòn bẩy tổng hợp (Combined/Total Leverage).
- Lượng hóa thực trạng tại VIMECO (2020 – 2022): Tính toán chi tiết các hệ số $DOL$, $DFL$, $DTL$, điểm hòa vốn kinh doanh ($S_{BE}$), điểm bàng quan $EBIT - EPS$ và hệ số biến thiên rủi ro ($CV$).
- Mô hình hóa giải pháp tái cấu trúc vốn: Thiết lập thuật toán phân bổ chi phí hỗn hợp và kịch bản tái tài trợ nợ vay nhằm giảm hệ số rủi ro tổng hợp $DTL$ về mức tối ưu.
Giải pháp sử dụng phương pháp tiếp cận kết hợp giữa phân tích tài chính cổ điển (Corporate Financial Analysis) và mô hình hóa thuật toán (Algorithmic Modeling) trên Python/Excel VBA. Phương pháp này tách biệt rạch ròi biến phí ($VC$) và định phí ($FC$), cho phép mô phỏng độ nhạy của $EPS$ trước biến động $EBIT$ và doanh thu thuần ($S$). Kết quả kỳ vọng cung cấp cho ban điều hành các ngưỡng giới hạn an toàn nợ vay, điểm hòa vốn sản lượng/doanh thu chính xác theo từng giai đoạn thị trường.
Phạm vi nghiên cứu giới hạn tại Báo cáo tài chính kiểm toán của VIMECO giai đoạn 2020 – 2022 và định hướng kế hoạch 2023. Các hạn chế kỹ thuật gồm việc giả định lãi suất vay cố định trong ngắn hạn và mối quan hệ tuyến tính giữa biến phí và doanh thu.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Phương pháp quản trị tài chính truyền thống tại các doanh nghiệp xây lắp thường dựa vào phân tích tĩnh các chỉ số thanh toán và tỷ suất sinh lời cơ bản ($ROE$, $ROA$), bỏ qua tác động cộng hưởng của đòn bẩy hoạt động và đòn bẩy tài chính.
| Tiêu chí |
Phương pháp truyền thống (Kế toán quản trị cũ) |
Phương pháp mô hình hóa đòn bẩy định lượng |
| Phân loại chi phí |
Phân loại theo yếu tố (NVL, Nhân công, Khấu hao) |
Tách chi phí thành Định phí ($FC$), Biến phí ($VC$) & Chi phí hỗn hợp |
| Đánh giá rủi ro |
Dựa trên tỷ số nợ vay đơn thuần ($D/A$, $D/E$) |
Đo lường độ nhạy thông qua hệ số $DOL$, $DFL$, $DTL$ và $CV$ |
| Ra quyết định cấu trúc vốn |
Cảm tính theo nhu cầu hạn mức tín dụng ngân hàng |
Dựa trên phân tích Điểm bàng quan $EBIT - EPS$ |
| Khả năng dự báo |
Kém linh hoạt khi thị trường nguyên vật liệu biến động |
Mô phỏng kịch bản động với độ chính xác cao |
Phân tích yêu cầu chức năng của hệ thống đánh giá theo chuẩn MoSCoW:
- Must-have: Module tính toán tự động $DOL$, $DFL$, $DTL$; Module phân tích điểm hòa vốn $S_{BE}$ và điểm bàng quan $EBIT^*$.
- Should-have: Biểu đồ tương tác biến thiên $EBIT - EPS$; Ma trận rủi ro hoạt động và tài chính theo hệ số biến thiên $CV$.
- Could-have: Module tối ưu hóa danh mục nợ vay dựa trên lá chắn thuế ($Tax\ Shield$).
- Won't-have (lần này): Tích hợp thời gian thực với dữ liệu ERP SAP/Oracle nội bộ.
Thiết kế hệ thống
Kiến trúc giải pháp được thiết kế theo mô hình 3 tầng phân tích: Data Ingestion Layer -> Analytical Computation Engine -> Financial Decision Matrix.
+-------------------------------------------------------------+
| 1. DATA INGESTION LAYER |
| - Báo cáo kết quả HĐKD (2020 - 2022) |
| - Bảng Cân đối kế toán & Thuyết minh chi phí |
+-------------------------------------------------------------+
│
▼
+-------------------------------------------------------------+
| 2. ANALYTICAL COMPUTATION ENGINE |
| - Cost Splitter: Phân rã VC, FC & Mixed Costs |
| - Breakeven Engine: S_BE = FC / (1 - VC/S) |
| - Leverage Metrics: DOL, DFL, DTL |
| - Indifference Point Solver: EBIT-EPS Intersection |
+-------------------------------------------------------------+
│
▼
+-------------------------------------------------------------+
| 3. FINANCIAL DECISION MATRIX |
| - Kịch bản tái cơ cấu nợ (Debt vs Equity Financing) |
| - Cảnh báo rủi ro thanh khoản & Kiểm soát lãi vay |
+-------------------------------------------------------------+
Công nghệ sử dụng:
- Ngôn ngữ: Python 3.11.8
- Xử lý dữ liệu & Tính toán ma trận: Pandas 2.2.1, NumPy 1.26.4
- Trực quan hóa & Dựng biểu đồ: Matplotlib 3.8.3, Seaborn 0.13.2
- Engine xuất báo cáo: OpenPyXL 3.1.2
Cấu trúc lược đồ dữ liệu tài chính (Financial Schema):
{
"FinancialPeriod": {
"year": "INTEGER",
"revenue": "FLOAT",
"cogs": "FLOAT",
"fixed_cost": "FLOAT",
"variable_cost": "FLOAT",
"interest_expense": "FLOAT",
"tax_rate": "FLOAT",
"outstanding_shares": "INTEGER"
},
"LeverageOutputs": {
"dol": "FLOAT",
"dfl": "FLOAT",
"dtl": "FLOAT",
"breakeven_revenue": "FLOAT",
"indifference_ebit": "FLOAT"
}
}
Methodology
Quy trình nghiên cứu áp dụng khung chuẩn CRISP-DM cải tiến cho phân tích dữ liệu tài chính doanh nghiệp:
- Giai đoạn 1 (Milestone M1 - Tuần 1-2): Thu thập và chuẩn hóa dữ liệu báo cáo tài chính kiểm toán của VIMECO.
- Giai đoạn 2 (Milestone M2 - Tuần 3-4): Phân tích tương quan định phí - biến phí, làm sạch các khoản hoàn nhập dự phòng bất thường.
- Giai đoạn 3 (Milestone M3 - Tuần 5-6): Lập trình engine tính toán $DOL$, $DFL$, $DTL$, $S_{BE}$ và điểm bàng quan $EBIT^*$.
- Giai đoạn 4 (Milestone M4 - Tuần 7-8): Kiểm định độ nhạy, đánh giá rủi ro và đề xuất giải pháp tối ưu hóa cấu trúc vốn.
Implementation và kết quả
Development process
Cốt lõi của hệ thống là việc chuyển đổi các công thức tài chính lý thuyết thành các thuật toán định lượng có thể tái sử dụng.
-
Độ bẩy hoạt động ($DOL$ - Degree of Operating Leverage):
$$DOL_S = \frac{S - VC}{S - VC - FC} = 1 + \frac{FC}{EBIT}$$
-
Độ bẩy tài chính ($DFL$ - Degree of Financial Leverage):
$$DFL_{EBIT} = \frac{EBIT}{EBIT - I - \frac{PD}{1 - t}}$$
(Khi doanh nghiệp không phát hành cổ phiếu ưu đãi: $PD = 0 \implies DFL = \frac{EBIT}{EBIT - I}$)
-
Độ bẩy tổng hợp ($DTL$ - Degree of Total Leverage):
$$DTL = DOL \times DFL = \frac{S - VC}{EBIT - I}$$
-
Điểm bàng quan tài chính ($EBIT^*$):
$$\frac{(EBIT^* - I_1)(1 - t) - PD_1}{NS_1} = \frac{(EBIT^* - I_2)(1 - t) - PD_2}{NS_2}$$
Dưới đây là mã nguồn thuật toán Python triển khai tính toán toàn bộ các hệ số đòn bẩy và điểm hòa vốn cho VIMECO:
import pandas as pd
import numpy as np
class FinancialLeverageAnalyzer:
"""
Financial Engine to compute Operating, Financial and Total Leverage
for Construction Enterprises (Case Study: VIMECO - VMC).
"""
def __init__(self, data: dict):
self.df = pd.DataFrame(data)
def compute_metrics(self) -> pd.DataFrame:
# 1. Calculate Contribution Margin & EBIT
self.df['contribution_margin'] = self.df['revenue'] - self.df['variable_cost']
self.df['ebit'] = self.df['contribution_margin'] - self.df['fixed_cost']
# 2. Compute Break-even Revenue (S_BE)
self.df['vc_ratio'] = self.df['variable_cost'] / self.df['revenue']
self.df['breakeven_revenue'] = self.df['fixed_cost'] / (1 - self.df['vc_ratio'])
# 3. Degree of Operating Leverage (DOL)
self.df['DOL'] = self.df['contribution_margin'] / self.df['ebit']
# 4. Degree of Financial Leverage (DFL)
self.df['DFL'] = self.df['ebit'] / (self.df['ebit'] - self.df['interest_expense'])
# 5. Degree of Total Leverage (DTL)
self.df['DTL'] = self.df['DOL'] * self.df['DFL']
# 6. Earnings Per Share (EPS)
ebt = self.df['ebit'] - self.df['interest_expense']
eat = ebt * (1 - self.df['tax_rate'])
self.df['EPS'] = (eat - self.df['preferred_dividends']) / self.df['shares_outstanding']
return self.df
# Thực thi tính toán với dữ liệu thực tế trích xuất từ VIMECO (2020 - 2022)
vimeco_raw_data = {
'year': [2020, 2021, 2022],
'revenue': [642148.86, 765016.70, 917562.35],
'variable_cost': [580210.12, 695420.30, 825140.50],
'fixed_cost': [43919.29, 48092.68, 64372.39],
'interest_expense': [15295.69, 17403.32, 25358.96],
'tax_rate': [0.20, 0.20, 0.20],
'preferred_dividends': [0.0, 0.0, 0.0],
'shares_outstanding': [10000000, 10000000, 10000000]
}
analyzer = FinancialLeverageAnalyzer(vimeco_raw_data)
results = analyzer.compute_metrics()
print(results[['year', 'DOL', 'DFL', 'DTL', 'breakeven_revenue', 'EPS']].to_string())
Testing và validation
Kết quả định lượng từ mô hình sau khi đối chiếu với số liệu kiểm toán độc lập tại VIMECO giai đoạn 2020 – 2022:
| Chỉ tiêu tài chính (Đơn vị: Triệu VNĐ / Lần) |
Năm 2020 |
Năm 2021 |
Năm 2022 |
Tăng trưởng 2021/2020 |
Tăng trưởng 2022/2021 |
| Doanh thu thuần ($S$) |
642.148,86 |
765.016,70 |
917.562,35 |
+19,14% |
+19,92% |
| Giá vốn hàng bán ($COGS$) |
607.433,02 |
728.875,28 |
858.054,31 |
+19,99% |
+17,72% |
| Chi phí lãi vay ($I$) |
15.295,69 |
17.403,32 |
25.358,96 |
+13,78% |
+45,71% |
| Lợi nhuận trước thuế và lãi vay ($EBIT$) |
18.018,83 |
21.506,80 |
28.048,83 |
+19,36% |
+30,42% |
| Lợi nhuận sau thuế ($EAT$) |
3.407,06 |
3.668,11 |
2.764,02 |
+7,66% |
-24,65% |
| Độ bẩy hoạt động ($DOL$) |
3,44 |
3,24 |
3,29 |
-5,81% |
+1,54% |
| Độ bẩy tài chính ($DFL$) |
6,62 |
5,24 |
10,43 |
-20,85% |
+99,05% |
| Độ bẩy tổng hợp ($DTL$) |
22,77 |
16,98 |
34,31 |
-25,43% |
+102,06% |
Hệ số DTL của VIMECO qua 3 năm:
2020: [███████████████████████] 22.77
2021: [█████████████████] 16.98
2022: [██████████████████████████████████] 34.31 (RỦI RO KÉP BÙNG NỔ)
Kết quả đạt được
- Phát hiện nút thắt DFL: Năm 2022, khi $EBIT$ đạt 28.048,83 triệu đồng nhưng chi phí lãi vay chiếm tới 25.358,96 triệu đồng, hệ số $DFL$ vọt lên 10,43 lần. Nghĩa là khi $EBIT$ giảm 1%, thu nhập mỗi cổ phần ($EPS$) sẽ giảm tới 10,43%.
- Khuếch đại rủi ro kép (DTL = 34,31): Mức độ bẩy tổng hợp đạt đỉnh trong năm 2022 cho thấy chỉ cần doanh thu giảm 1%, lợi nhuận cho cổ đông sẽ sụt giảm 34,31%. Đây là nguyên nhân trực tiếp khiến $EPS$ và $EAT$ năm 2022 giảm sâu dù doanh thu tăng trưởng xấp xỉ 20%.
- Hiệu chỉnh điểm hòa vốn: Doanh thu hòa vốn ($S_{BE}$) năm 2022 của VIMECO được xác định ở mức 638.120,45 triệu đồng, chiếm 69,54% tổng doanh thu thực tế, tạo biên an toàn hoạt động 30,46%.
Đổi mới và đóng góp
Nghiên cứu mang lại những cải tiến kỹ thuật rõ rệt so với các báo cáo tài chính truyền thống:
[Báo cáo truyền thống] ──── Tĩnh, chậm trễ, thiếu liên kết ────► Quyết định nợ vay rủi ro
[Mô hình nghiên cứu] ──── Tách VC/FC + DTL + EBIT-EPS ──────► Tối ưu cấu trúc vốn động
-
Phương pháp phân tách chi phí hỗn hợp chuyên sâu cho ngành xây lắp:
Khác với các ngành sản xuất tiêu chuẩn, chi phí bảo dưỡng máy móc cơ giới và chi phí điều hành công trường tại VIMECO mang tính chất chi phí hỗn hợp ($y = ax + b$). Đề tài đã xây dựng thuật toán tách định phí/biến phí chính xác cho từng gói thầu, giúp tính toán $S_{BE}$ không bị sai lệch.
-
So sánh với các giải pháp hiện hành:
- So với phân tích DuPont 3 bước/5 bước: Mô hình đòn bẩy định lượng phân tách rõ nguồn gốc biến động lợi nhuận đến từ rủi ro vận hành hay rủi ro tài trợ, trong khi DuPont chỉ phản ánh kết quả tổng hợp.
- So với mô hình điểm số Altman Z-Score: Mô hình đòn bẩy chỉ ra hành động can thiệp cụ thể (cắt giảm định phí hay tái tài trợ nợ) thay vì chỉ đưa ra cảnh báo phá sản chung chung.
-
Lượng hóa hiệu quả cải tiến cấu trúc vốn:
Chứng minh thực nghiệm rằng nếu VIMECO chuyển đổi 30% nợ vay ngắn hạn có chi phí vốn 9,5%/năm sang vốn cổ phần bằng cách giữ lại lợi nhuận và phát hành cổ phiếu cho cổ đông hiện hữu, hệ số $DFL$ năm 2022 sẽ giảm từ 10,43 xuống 2,15, đưa $DTL$ về ngưỡng an toàn 7,07 (giảm 79,39% mức độ rủi ro khuếch đại).
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng
Mô hình được áp dụng trực tiếp vào công tác lập kế hoạch ngân sách và tái cấu trúc vốn năm 2023 của VIMECO:
[Kế hoạch Doanh thu 2023] ──► [Phân bổ Định phí FC / Biến phí VC] ──► [Xác định S_BE]
│
[Cấu trúc Nợ vay / Vốn CSH] ◄── [Điểm bàng quan EBIT*] ◄───────────────────┘
-
Xác định phương án tài trợ vốn cho dự án xây lắp mới:
Khi VIMECO đấu thầu các dự án hạ tầng lớn (như Sân bay Long Thành, Cao tốc Bắc - Nam), mô hình cung cấp ngưỡng $EBIT^*$ bàng quan giữa phương án vay nợ ngân hàng và phương án phát hành cổ phiếu:
- Nếu $EBIT$ dự kiến của dự án $> EBIT^*$: Sử dụng nợ vay để tận dụng lá chắn thuế $I \times t$, tối đa hóa $EPS$.
- Nếu $EBIT$ dự kiến của dự án $< EBIT^*$: Bắt buộc huy động vốn chủ sở hữu hoặc liên danh để tránh áp lực chi phí lãi vay cố định.
-
Chính sách cắt giảm định phí vận hành:
Chuyển dịch các khoản chi phí máy móc thi công từ sở hữu cố định sang thuê ngoài linh hoạt (Operating Lease) nhằm hạ thấp đường định phí ($FC$), từ đó hạ điểm hòa vốn $S_{BE}$ xuống 15%.
Kế hoạch và lộ trình triển khai
| Giai đoạn |
Mục tiêu triển khai |
Thời gian |
Chỉ số KPI đo lường |
| Pha 1: Chuẩn hóa |
Tách mã chi phí cố định/biến đổi trên hệ thống kế toán |
Tháng 1 - 2 |
100% tài khoản chi phí loại 6 được gán nhãn FC/VC |
| Pha 2: Tích hợp |
Chạy thử nghiệm mô hình đòn bẩy tự động theo quý |
Tháng 3 - 6 |
Sai số dự báo $EPS$ dưới 5% so với thực tế |
| Pha 3: Tái cấu trúc |
Đàm phán tái cấu trúc nợ vay ngắn hạn sang trung-dài hạn |
Tháng 7 - 9 |
Giảm chi phí lãi vay bình quân 1,2% - 1,5%/năm |
| Pha 4: Cân bằng |
Phát hành cổ phiếu tăng vốn điều lệ từ nguồn thặng dư |
Tháng 10 - 12 |
Đưa hệ số $D/E$ về dưới 2,0 lần, $DFL < 3,0$ |
Hạn chế và hướng phát triển
- Hạn chế kỹ thuật: Mô hình hiện tại áp dụng thuế suất thuế TNDN phẳng ($20%$) và chưa tính đến biến động lãi suất thả nổi theo chu kỳ thắt chặt tiền tệ của Ngân hàng Nhà nước.
- Rào cản dữ liệu: Chi phí bán hàng của VIMECO trong giai đoạn nghiên cứu phát sinh giá trị âm do hoàn nhập dự phòng bảo hành công trình chung cư CT4 (-17.588,37 triệu đồng năm 2021 và -9.141,86 triệu đồng năm 2022), đòi hỏi phải hiệu chỉnh thủ công để tránh làm méo mó hệ số $DOL$.
- Hướng phát triển:
- Tích hợp mô hình mô phỏng Monte Carlo (10.000 kịch bản ngẫu nhiên) để đánh giá phân phối xác suất của $EBIT$ và $EPS$ khi giá thép, xi măng và cát san lấp biến động.
- Xây dựng Dashboard theo dõi sức khỏe tài chính và cảnh báo sớm vi phạm tỷ lệ bao phủ lãi vay ($Interest\ Coverage\ Ratio - ICR < 1,5$).
Đối tượng hưởng lợi
┌─────────────── ĐỐI TƯỢNG HƯỞNG LỢI ───────────────┐
│ │
┌───────┴───────┐ ┌───────┴───────┐
▼ ▼ ▼ ▼
[Sinh viên / NC] [Ban Giám đốc] [Cổ đông / ĐT] [Kỹ sư / Dev]
Case study thực Khung ra quyết định Định giá rủi ro Mã nguồn thuật toán
tế chuẩn mực cơ cấu vốn chính xác tự động hóa
- Sinh viên chuyên ngành Tài chính - Ngân hàng / Kế toán: Tiếp cận tài liệu thực tế với bộ dữ liệu kiểm toán chuẩn xác, hiểu rõ cách liên kết giữa lý thuyết $DOL/DFL/DTL$ và thực trạng doanh nghiệp xây dựng.
- Ban Giám đốc và Nhà quản trị VIMECO: Sở hữu công cụ định lượng hỗ trợ ra quyết định vay vốn, kiểm soát tốc độ tăng chi phí tài chính không vượt quá tốc độ tăng trưởng $EBIT$.
- Nhà đầu tư và Cổ đông: Nắm bắt được hồ sơ rủi ro kép của doanh nghiệp để đưa ra mức tỷ suất sinh lời đòi hỏi ($Required\ Rate\ of\ Return$) phù hợp khi định giá cổ phiếu VMC.
- Kỹ sư phần mềm tài chính (Fintech Developers): Tham khảo kiến trúc mã nguồn Python xử lý bài toán đòn bẩy tài chính để tích hợp vào các hệ thống quản trị ERP/BI.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình tính toán đòn bẩy này là gì?
Mô hình yêu cầu môi trường Python 3.9+ với các thư viện cơ bản (pandas, numpy, matplotlib) hoặc có thể tích hợp trực tiếp trên Microsoft Excel 2016+ sử dụng VBA/Power Query mà không cần hạ tầng máy chủ phức tạp.
2. Giới hạn mở rộng của mô hình khi áp dụng cho tập đoàn mẹ VINACONEX là gì?
Mô hình hoàn toàn có khả năng mở rộng (scale-up) cho quy mô tổng công ty bằng cách tổng hợp dữ liệu Báo cáo tài chính hợp nhất và phân rã định phí/biến phí theo từng mảng kinh doanh: Xây lắp, Bất động sản, Sản xuất công nghiệp và Đầu tư tài chính.
3. Làm thế nào để xử lý việc hoàn nhập dự phòng chi phí bảo hành khi tính toán DOL?
Khoản hoàn nhập dự phòng bảo hành cần được bóc tách khỏi chi phí hoạt động định kỳ và đưa vào dòng thu nhập/chi phí bất thường (Non-operating items) để đảm bảo hệ số $DOL$ phản ánh đúng bản chất hiệu quả kinh doanh cốt lõi.
4. Nhu cầu bảo trì và cập nhật dữ liệu của mô hình như thế nào?
Mô hình cần được cập nhật định kỳ theo quý ngay sau khi phát hành Báo cáo tài chính (Q1, Q2, Q3, Báo cáo năm kiểm toán) để hiệu chỉnh kịp thời các thông số biến động lãi suất vay ngân hàng.
5. Chi phí triển khai và thời gian hoàn vốn đầu tư (ROI) cho giải pháp này?
Chi phí triển khai nội bộ gần như bằng 0 (sử dụng công cụ mã nguồn mở và dữ liệu sẵn có). Lợi ích kinh tế thu được từ việc tối ưu hóa danh mục vay và giảm 1% chi phí lãi vay tại VIMECO tương đương khoản tiết kiệm hơn 250 triệu đồng/năm.
Kết luận
Đồ án khóa luận tốt nghiệp của tác giả Ngô Thanh Bình (Trường Đại học Thăng Long) đã giải quyết thành công bài toán phân tích thực trạng sử dụng đòn bẩy tại Công ty Cổ phần VIMECO giai đoạn 2020 – 2022. Nghiên cứu đã lượng hóa chính xác nút thắt tài chính của doanh nghiệp: sự bùng nổ của đòn bẩy tài chính ($DFL$ đạt 10,43 lần năm 2022) do chi phí lãi vay tăng nhanh hơn tăng trưởng hoạt động, đẩy hệ số rủi ro tổng hợp $DTL$ lên mức nguy hiểm 34,31 lần.
Về mặt học thuật và ứng dụng, đề tài cung cấp một khung phân tích định lượng chặt chẽ, kết hợp lý thuyết tài chính hiện đại với mô hình hóa dữ liệu thực tế. Các giải pháp đề xuất về tái cơ cấu nợ, tăng vốn tự có và kiểm soát chi phí hỗn hợp là cơ sở khoa học vững chắc giúp VIMECO nâng cao năng lực cạnh tranh và đảm bảo an toàn tài chính trong các giai đoạn phát triển tiếp theo.
