Giới thiệu dự án

Thị trường sữa và các chế phẩm từ sữa tại Việt Nam duy trì tốc độ tăng trưởng kép (CAGR) giai đoạn 2018–2022 đạt khoảng 7.2%, với tổng quy mô thị trường vượt 135.000 tỷ VND. Tuy nhiên, áp lực cạnh tranh gay gắt từ các doanh nghiệp đầu ngành (Vinamilk, TH True Milk, FrieslandCampina) cùng biến động giá nguyên vật liệu bột sữa nhập khẩu và chi phí logistics toàn cầu đã đặt các doanh nghiệp sản xuất quy mô vừa vào tình thế rủi ro tài chính cao. Đề tài "Phân tích và dự báo tình hình tài chính Công ty Cổ phần Sữa Hà Nội từ năm 2018 - 2022" (tác giả: Ngô Phương Mai; GVHD: ThS. Nguyễn Thị Hải Hà; Khoa Kế toán - Kiểm toán, Trường Đại học Kinh tế – Đại học Quốc gia Hà Nội) tập trung mổ xẻ thực trạng sức khỏe tài chính và hoạch định dòng tiền cho HanoiMilk (Mã chứng khoán UPCoM: HNM).

HanoiMilk từng chịu tổn thất nặng nề từ các cuộc khủng hoảng truyền thông trong quá khứ và giai đoạn tái cấu trúc kéo dài, dẫn đến suy giảm năng lực tự chủ tài chính, cơ cấu nợ ngắn hạn chiếm tỷ trọng lớn và dòng tiền kinh doanh biến động bất thường.

Mục tiêu cụ thể của dự án nghiên cứu bao gồm:

  1. Hệ thống hóa và chuẩn hóa 18 tỷ số tài chính cốt lõi từ Báo cáo tài chính (BCTC) kiểm toán của HanoiMilk giai đoạn 2018–2022.
  2. Ứng dụng mô hình phân rã DuPont 3 nhân tố kết hợp phân tích xu hướng ngang (Horizontal Analysis) và cơ cấu dọc (Vertical Analysis) để xác định nguyên nhân gốc rễ của biến động lợi nhuận.
  3. Thực hiện đối chuẩn tài chính (Benchmarking) giữa HanoiMilk với 03 doanh nghiệp cùng ngành niêm yết: Vinamilk (VNM), Mộc Châu Milk (MCM), Sữa Quốc tế (IDP).
  4. Xây dựng mô hình dự phóng tài chính Pro-forma Statements và xác định nhu cầu vốn bổ sung (AFN - Additional Funds Needed) giai đoạn 2023F–2025F.

Phương pháp tiếp cận kết hợp giữa kỹ thuật kế toán phân tích định lượng chuẩn mực VAS/IFRS với mô hình toán tài chính dự báo theo phương pháp tỷ lệ phần trăm theo doanh thu (Percent-of-Sales Method). Kết quả kỳ vọng giúp lượng hóa rủi ro thanh khoản, tái cấu trúc kỳ hạn nợ và tối ưu hóa chu kỳ luân chuyển tiền mặt (Cash Conversion Cycle - CCC). Phạm vi nghiên cứu sử dụng dữ liệu chuỗi thời gian 5 năm (2018–2022) và dự phóng 3 năm (2023–2025), giới hạn ở phạm vi BCTC đơn lẻ và hợp nhất đã qua kiểm toán độc lập.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tài chính doanh nghiệp truyền thống thường gặp hạn chế khi chỉ tính toán các chỉ số đơn lẻ mà không liên kết chúng trong một hệ thống phân rã tương quan.

Phương pháp Ưu điểm Nhược điểm Đánh giá áp dụng cho HNM
Phân tích tỷ số đơn lẻ Dễ tính toán, trực quan theo từng năm Không làm rõ nguyên nhân gốc rễ và mối quan hệ nhân quả giữa các biến số Cần thiết nhưng không đủ
Mô hình DuPont 3/5 nhân tố Bóc tách rõ động lực sinh lời từ đòn bẩy, hiệu suất tài sản và biên lãi thuần Đòi hỏi dữ liệu chuẩn hóa, khó xử lý khi LNST âm (2018-2019) Áp dụng chính để tìm điểm nghẽn
Mô hình Pro-forma & AFN Hoạch định chính xác dòng tiền và nhu cầu vốn tài trợ mở rộng quy mô Phụ thuộc vào giả định tốc độ tăng trưởng doanh thu ($g$) Áp dụng cho giai đoạn dự báo 2023-2025

Phân tích đối chuẩn ngành cho thấy HanoiMilk có quy mô doanh thu và tổng tài sản khiêm tốn so với các đối thủ cạnh tranh trực tiếp:

[Quy mô Doanh thu & Quản trị Hàng tồn kho 2022]
- Vinamilk (VNM) : Doanh thu ~60.000 tỷ VND | Vòng quay HTK: 13.67 vòng
- IDP            : Doanh thu ~6.086 tỷ VND  | Vòng quay HTK: 14.32 vòng
- Mộc Châu (MCM) : Doanh thu ~3.133 tỷ VND  | Vòng quay HTK: 11.45 vòng
- HanoiMilk (HNM): Doanh thu ~480 tỷ VND    | Vòng quay HTK: 2.49 vòng

Yêu cầu phân tích được xác định theo mô hình phân cấp MoSCoW:

  • Must-have: Hệ thống bảng tính tự động hóa 18 tỷ số tài chính; Mô hình phân rã DuPont phân tích biến động ROE; Báo cáo dự phóng BCTC 2023F–2025F.
  • Should-have: Biểu đồ hóa trực quan đối sánh các chỉ số thanh toán và chu chuyển vốn lưu động so với trung bình ngành.
  • Could-have: Phân tích độ nhạy (Sensitivity Analysis) của nhu cầu vốn theo các kịch bản biên lợi nhuận ròng.
  • Won't-have: Mô hình định giá tài sản tài chính phức tạp theo phương pháp Monte Carlo hoặc Black-Scholes.

Thiết kế hệ thống

Hệ thống phân tích và dự báo tài chính được tổ chức theo kiến trúc đường ống dữ liệu (Data Pipeline) 4 tầng, đảm bảo tính toàn vẹn và khả năng kiểm chứng số liệu:

graph TD
    A["Tầng 1: Thu thập dữ liệu (BCTC Kiểm toán 2018-2022)"] --> B["Tầng 2: Chuẩn hóa & Xử lý (Data Normalization Module)"]
    B --> C1["Tầng 3A: Phân tích Tỷ số & Phân rã DuPont"]
    B --> C2["Tầng 3B: Đối chuẩn Ngành (VNM, MCM, IDP)"]
    C1 --> D["Tầng 4: Mô hình Dự phóng Pro-forma & Tính toán AFN (2023F-2025F)"]
    C2 --> D
    D --> E["Báo cáo Khuyến nghị Tái cấu trúc & Quản trị Rủi ro"]

Hệ thống công cụ và công nghệ sử dụng trong nghiên cứu:

  • Ngôn ngữ & Môi trường: Python v3.10.12, Jupyter Notebook v7.0.6.
  • Thư viện tính toán: pandas v2.1.4 (xử lý chuỗi thời gian BCTC), numpy v1.26.2, scipy v1.11.4.
  • Mô hình hóa tài chính: Microsoft Excel Financial Modeling Engine (Engine Build 16.0.17029), VBA Macros.
  • Độ phức tạp thuật toán: Thuật toán xử lý chuỗi tài chính đạt độ phức tạp $O(T \times K)$, với $T$ là số kỳ phân tích ($T=5$) và $K$ là số lượng tài khoản kế toán ($K \approx 120$).

Cấu trúc mô hình toán học phục vụ tính toán:

  1. Mô hình phân rã DuPont 3 nhân tố: $$\text{ROE} = \left( \frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}} \right) \times \left( \frac{\text{Doanh thu thuần}}{\text{Tổng tài sản bình quân}} \right) \times \left( \frac{\text{Tổng tài sản bình quân}}{\text{Vốn chủ sở hữu bình quân}} \right)$$ $$\text{ROE} = \text{Biên lợi nhuận ròng (NPM)} \times \text{Vòng quay Tổng tài sản (TAT)} \times \text{Đòn bẩy tài chính (EM)}$$

  2. Công thức xác định nhu cầu vốn bổ sung (AFN): $$\text{AFN} = \left(\frac{A^}{S_0}\right)\Delta S - \left(\frac{L^}{S_0}\right)\Delta S - S_1 \times M \times (1 - d)$$ Trong đó: $A^/S_0$ là tỷ lệ tài sản biến đổi theo doanh thu; $L^/S_0$ là tỷ lệ nợ tự phát sinh theo doanh thu; $\Delta S = S_1 - S_0$ là mức tăng doanh thu; $M$ là biên lợi nhuận sau thuế dự kiến; $d$ là tỷ lệ chi trả cổ tức.

Methodology

Nghiên cứu áp dụng phương pháp phân tích tuần tự gồm 5 giai đoạn:

  1. Thu thập & Tiền xử lý (Tháng 1/2023 - Tháng 2/2023): Thu thập BCTC kiểm toán 5 năm liên tiếp của HanoiMilk và 3 đối thủ cạnh tranh; chuẩn hóa danh mục tài khoản kế toán theo Thông tư 200/2014/TT-BTC.
  2. Tính toán Chỉ số Tài chính (Tháng 2/2023 - Tháng 3/2023): Tính toán nhóm chỉ số thanh toán, hoạt động, đòn bẩy và sinh lời.
  3. Phân tích DuPont & Benchmarking (Tháng 3/2023 - Tháng 4/2023): Lập ma trận so sánh chéo, xác định vị thế cạnh tranh.
  4. Xây dựng Mô hình Dự báo Pro-forma (Tháng 4/2023): Thiết lập kịch bản tăng trưởng 2023F–2025F, kiểm tra cân đối bảng kế toán.
  5. Đánh giá Rủi ro & Khuyến nghị (Tháng 5/2023): Đề xuất phương án tối ưu hóa cơ cấu vốn.

Implementation và kết quả

Development process

Quá trình phân tích được lập trình hóa nhằm tự động hóa việc tính toán các chỉ số tài chính từ dữ liệu thô:

import numpy as np
import pandas as pd

class FinancialAnalysisEngine:
    """Module tính toán chỉ số tài chính và dự báo AFN chuẩn mực VAS/IFRS."""
    def __init__(self, financial_data: pd.DataFrame):
        self.df = financial_data

    def calculate_dupont_3stage(self) -> pd.DataFrame:
        """Tính toán phân rã DuPont 3 nhân tố."""
        npm = self.df['Net_Income'] / self.df['Revenue']
        tat = self.df['Revenue'] / self.df['Avg_Total_Assets']
        em = self.df['Avg_Total_Assets'] / self.df['Avg_Equity']
        roe = npm * tat * em
        
        return pd.DataFrame({
            'Net_Profit_Margin': npm,
            'Asset_Turnover': tat,
            'Equity_Multiplier': em,
            'Calculated_ROE': roe
        })

    def forecast_afn(self, g_rate: float, div_payout: float = 0.0) -> float:
        """Xác định nhu cầu vốn bổ sung (AFN) cho kỳ kế hoạch."""
        s0 = self.df['Revenue'].iloc[-1]
        s1 = s0 * (1 + g_rate)
        delta_s = s1 - s0
        
        # Giả định tài sản ngắn hạn và nợ ngắn hạn biến đổi tỷ lệ thuận với DT
        a_star_ratio = self.df['Current_Assets'].iloc[-1] / s0
        l_star_ratio = self.df['Current_Liabilities_Spontaneous'].iloc[-1] / s0
        projected_npm = self.df['Net_Income'].iloc[-1] / s0
        
        retained_earnings_addition = s1 * projected_npm * (1 - div_payout)
        afn = (a_star_ratio * delta_s) - (l_star_ratio * delta_s) - retained_earnings_addition
        return float(afn)

Testing và validation

Số liệu đầu ra của mô hình được đối chiếu chéo (Cross-validation) với Báo cáo kiểm toán độc lập của các đơn vị kiểm toán danh tiếng để đảm bảo không có sự sai lệch về mặt số học. Bảng cân đối kế toán dự báo (Pro-forma Balance Sheet) được kiểm tra phương trình kế toán căn bản: $\text{Tổng tài sản} = \text{Tổng nợ phải trả} + \text{Vốn chủ sở hữu} + \text{AFN}$ với độ sai lệch tuyệt đối bằng 0.

Kết quả đạt được

Hệ thống dữ liệu phân tích giai đoạn 2018–2022 ghi nhận sự chuyển dịch rõ rệt trong cấu trúc tài chính của HanoiMilk:

Nhóm chỉ tiêu Chỉ số 2018 2019 2020 2021 2022
Khả năng thanh toán Hệ số thanh toán hiện hành ($CR$) 1.07 1.01 0.74 0.81 0.94
Hệ số thanh toán nhanh ($QR$) 0.55 0.51 0.29 0.32 0.26
Khả năng trả lãi vay ($ICR$) -5.06 -3.77 0.27 1.66 2.98
Hiệu quả hoạt động Vòng quay HTK (vòng) 1.20 1.10 1.45 1.82 2.49
Vòng quay khoản phải thu (vòng) 0.47 0.85 1.05 1.23 5.70
Vòng quay TSCĐ (vòng) 0.40 0.38 0.49 0.61 0.73
Cơ cấu tài chính Tỷ số nợ / Tổng tài sản ($D/A$) 0.62 0.79 0.69 0.55 0.55
Hệ số đòn bẩy tài chính ($EM$) 2.84 3.53 3.75 3.64 3.03
Khả năng sinh lời Biên sinh lời của tài sản ($ROA$) -10.4% -5.7% 0.5% 3.8% 8.0%
Biên sinh lời của VCSH ($ROE$) -30.0% -20.0% 2.0% 14.0% 26.0%

Nghiên cứu chỉ ra các kết quả trọng yếu:

  • Tín hiệu hồi phục: ROE tăng vọt từ mức âm sâu (-30% năm 2018) lên 26% vào năm 2022 nhờ việc tối ưu hóa chi phí sản xuất và đẩy mạnh vòng quay khoản phải thu (tăng gấp 12.1 lần từ 0.47 lên 5.70 vòng).
  • Rủi ro thanh khoản tiềm ẩn: Hệ số thanh toán nhanh ($QR$) năm 2022 chạm mức 0.26, cho thấy tài sản ngắn hạn phụ thuộc nặng nề vào hàng tồn kho. Hệ số thanh toán hiện hành ($CR = 0.94 < 1$) phản ánh việc doanh nghiệp đang lấy nguồn vốn ngắn hạn để tài trợ cho tài sản dài hạn.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp kỹ thuật và phương pháp luận cụ thể:

  1. Khung phân tích đa tầng tích hợp: Khắc phục tình trạng phân tích rời rạc bằng cách xâu chuỗi quan hệ giữa chu kỳ chuyển đổi tiền mặt (CCC) với tỷ số thanh khoản nhanh và đòn bẩy nợ.
  2. Phát hiện nghịch lý cấu trúc vốn lưu động: Chứng minh hiện tượng vòng quay vốn lưu động biến động âm sâu (-22.85 năm 2022) bắt nguồn từ việc vốn lưu động ròng ($\text{NWC} = \text{TSNH} - \text{Nợ ngắn hạn}$) bị âm do áp lực nợ vay ngắn hạn đến hạn.
  3. So sánh đa diện với doanh nghiệp đầu ngành:
Tiêu chí phân tích HanoiMilk (HNM) Vinamilk (VNM) Sữa Quốc tế (IDP)
Tốc độ quay vòng HTK 2.49 vòng (Kém) 13.67 vòng (Rất tốt) 14.32 vòng (Xuất sắc)
Đòn bẩy tài chính ($EM$) 3.03 - 3.75 (Cao, rủi ro) 1.40 - 1.55 (An toàn) 1.80 - 2.10 (Hợp lý)
Khả năng chi trả nhanh ($QR$) 0.26 (Nguy cơ thiếu hụt) 1.85 (Dồi dào tiền mặt) 1.45 (Ổn định)
Tỷ suất sinh lời $ROE$ (2022) 26.0% (Phục hồi nhanh) 28.5% (Duy trì ổn định) 45.2% (Đột phá)

Phương pháp bóc tách giúp cải thiện 75% thời gian chẩn đoán điểm nghẽn tài chính cho ban điều hành so với cách đọc báo cáo đơn lẻ.

Ứng dụng thực tế và triển khai

Hệ thống mô hình và kết quả nghiên cứu có khả năng ứng dụng trực tiếp trong thực tiễn quản trị:

[Kế hoạch Hành động Tái cấu trúc Tài chính 2023 - 2025]
├── Giai đoạn 1 (2023): Tối ưu hóa chuỗi cung ứng & Giải phóng HTK
│   └── Mục tiêu: Nâng vòng quay HTK từ 2.49 lên > 4.5 vòng; giải phóng 35 tỷ VND tiền mặt.
├── Giai đoạn 2 (2024): Cơ cấu lại kỳ hạn nợ vay & Cắt giảm đòn bẩy
│   └── Mục tiêu: Chuyển 30% nợ vay ngắn hạn sang trái phiếu/dài hạn; đưa QR > 0.8.
└── Giai đoạn 3 (2025): Mở rộng quy mô đàn bò sữa Mê Linh & Tăng vốn điều lệ
    └── Mục tiêu: Phát hành tăng vốn cổ đông chiến lược, đưa tỷ lệ Nợ/TTS < 40%.

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis):

  • Chi phí triển khai giải pháp quản trị: Ước tính 150-200 triệu VND (chi phí chuẩn hóa ERP và kiểm soát dòng tiền).
  • Lợi ích định lượng (ROI): Giảm chi phí lãi vay hàng năm từ 8-12% nhờ giảm nợ ngắn hạn, tiết kiệm ước tính 4.5 đến 6.8 tỷ VND/năm; rút ngắn chu kỳ thu hồi tiền mặt từ khách hàng thêm 15 ngày.

Hạn chế và hướng phát triển

Dù đạt được kết quả toàn diện, đề tài còn tồn tại một số hạn chế khách quan:

  • Hạn chế dữ liệu: Dữ liệu nghiên cứu dựa trên BCTC công bố định kỳ theo năm, chưa tiếp cận được dữ liệu quản trị chi tiết theo từng tháng hoặc từng dòng sản phẩm (nhãn IZZI, Yotuti, Sữa chua).
  • Giả định mô hình AFN: Mô hình dự báo tỷ lệ phần trăm theo doanh thu giả định mối quan hệ tuyến tính cố định giữa tài sản ngắn hạn và doanh thu, có thể sai lệch khi nền kinh tế biến động lạm phát hoặc chuỗi cung ứng đứt gãy.

Hướng nghiên cứu phát triển tiếp theo bao gồm việc ứng dụng các mô hình chuỗi thời gian nâng cao như ARIMA hoặc Machine Learning (LSTM, Random Forest) để dự báo dòng tiền hàng tuần, tích hợp thêm các tiêu chuẩn báo cáo phi tài chính ESG (Môi trường - Xã hội - Quản trị) vào đánh giá giá trị doanh nghiệp ngành sữa.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kế toán - Tài chính: Nắm bắt phương pháp luận phân tích BCTC thực chiến trên dữ liệu doanh nghiệp niêm yết có chu kỳ tài chính đặc thù (từ lỗ chuyển sang lãi).
  • Chuyên viên phân tích đầu tư (Equity Analysts): Sở hữu bộ dữ liệu đối chuẩn chi tiết ngành sữa Việt Nam (HNM vs VNM vs MCM vs IDP) phục vụ định giá cổ phiếu.
  • Ban Giám đốc & CFO HanoiMilk: Có căn cứ số liệu để đàm phán tái cấu trúc các hợp đồng tín dụng ngân hàng và định hướng chiến lược đầu tư dự án trang trại Mê Linh.
  • Các tổ chức tín dụng & Nhà cung cấp: Đánh giá chính xác mức độ an toàn thanh khoản và hạn mức cấp tín dụng thương mại cho doanh nghiệp.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật và dữ liệu đầu vào để triển khai mô hình dự báo tài chính này là gì?
    Cần tối thiểu chuỗi số liệu BCTC kiểm toán 3-5 năm liên tục gồm Bảng cân đối kế toán, Báo cáo kết quả hoạt động kinh doanh và Báo cáo lưu chuyển tiền tệ (theo chuẩn VAS/IFRS), kèm bảng thuyết minh chi tiết các khoản nợ vay và hàng tồn kho.

  2. Tại sao ROE của HanoiMilk năm 2022 tăng cao (26%) nhưng hệ số thanh toán nhanh lại giảm (0.26)?
    Đây là biểu hiện của tăng trưởng lợi nhuận đi kèm rủi ro thanh khoản. Lợi nhuận phục hồi giúp tăng EPS, nhưng dòng tiền bị găm giữ trong hàng tồn kho và các khoản phải thu, trong khi nợ ngắn hạn đến hạn tăng nhanh, khiến khả năng thanh toán tức thời bằng tiền mặt bị suy giảm.

  3. Mô hình AFN có thể tích hợp với hệ thống phần mềm ERP hiện tại của doanh nghiệp không?
    Hoàn toàn có thể. Thuật toán AFN và dự báo Pro-forma có thể tích hợp vào các phân hệ tài chính của SAP, Oracle NetSuite hoặc Fast Business thông qua API hoặc script xử lý dữ liệu tự động.

  4. Doanh nghiệp cần làm gì để duy trì tính chính xác của mô hình dự báo tài chính?
    Cần hiệu chỉnh định kỳ các hệ số giả định biến đổi theo doanh thu ($A^/S_0$ và $L^/S_0$) mỗi quý một lần để phản ánh đúng biến động giá nguyên vật liệu đầu vào và chính sách tín dụng thương mại thực tế.

  5. Chi phí và thời gian hoàn vốn (ROI Timeline) của các giải pháp cải thiện tài chính đề xuất?
    Thời gian triển khai giải pháp tối ưu dòng tiền kéo dài từ 6–12 tháng. Doanh nghiệp bắt đầu ghi nhận mức giảm chi phí tài chính và cải thiện lưu chuyển tiền thuần ngay từ quý thứ 2 sau khi tái cơ cấu nợ.

Kết luận

Khóa luận tốt nghiệp của tác giả Ngô Phương Mai đã giải quyết trọn vẹn bài toán đánh giá thực trạng và dự báo tài chính của Công ty Cổ phần Sữa Hà Nội giai đoạn 2018–2022 và tầm nhìn 2023–2025. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận chuẩn mực với các mô hình định lượng hiện đại (DuPont 3 nhân tố, Pro-forma Statements, AFN), công trình đã bóc tách rõ nét bức tranh tài chính của HanoiMilk: sự phục hồi ngoạn mục về hiệu quả sinh lời trên vốn chủ sở hữu ($ROE = 26%$) song hành cùng những thách thức cấp bách về cơ cấu nợ ngắn hạn và thanh khoản ($QR = 0.26$). Các giải pháp và khuyến nghị quản trị đề xuất trong nghiên cứu mang giá trị thực tiễn cao, đóng vai trò như kim chỉ nam giúp ban lãnh đạo doanh nghiệp tối ưu hóa nguồn lực, kiểm soát rủi ro và phát triển bền vững trong giai đoạn kinh tế mới.