Giới thiệu dự án

Trong bối cảnh nền kinh tế Việt Nam hội nhập sâu rộng giai đoạn 2012–2015, ngành sản xuất bao bì giấy và bao bì cao cấp giữ vai trò phụ trợ then chốt cho chuỗi cung ứng hàng tiêu dùng, dược phẩm và xuất khẩu, đạt tốc độ tăng trưởng bình quân 10–12%/năm. Tuy nhiên, các doanh nghiệp vừa và nhỏ (SMEs) trong ngành phải đối mặt với áp lực biên lợi nhuận mỏng do giá nguyên liệu giấy biến động (chiếm 60–70% giá vốn hàng bán), rủi ro công nợ khách hàng kéo dài và chi phí vốn vay cao. Công ty TNHH Bao Bì Hoàng Việt Vina (VINA PAK CO., LTD) – thành lập từ năm 2005 với vốn điều lệ ban đầu 1,9 tỷ đồng – đối mặt với tình trạng doanh thu và cơ cấu tài chính thiếu ổn định: doanh thu thuần năm 2012 đạt 18,55 tỷ đồng nhưng sụt giảm 8,59% vào năm 2013 xuống còn 17,08 tỷ đồng, trước khi phục hồi nhẹ lên 17,75 tỷ đồng vào năm 2014 (+3,94%).

Vấn đề cốt lõi đặt ra là doanh nghiệp thiếu một công cụ quản trị tài chính lượng hóa, việc lập kế hoạch ngân sách và dự báo dòng tiền trước đây chủ yếu dựa trên phán đoán cảm tính hoặc phương pháp tỷ lệ phần trăm doanh thu đơn giản, dẫn đến rủi ro đọng vốn và quản trị đòn bẩy nợ thụ động (hệ số nợ năm 2012 lên đến 65,75%). Đề tài "Phân tích tình hình tài chính và dự báo tài chính bằng phương pháp hồi quy tuyến tính tại Công ty TNHH Bao Bì Hoàng Việt Vina" giải quyết triệt để bài toán này thông qua kết hợp phân tích tài chính cổ điển với mô hình kinh tế lượng hiện đại.

Mục tiêu cụ thể của dự án:

  1. Đánh giá toàn diện biến động quy mô, cơ cấu tài sản, nguồn vốn và kết quả kinh doanh giai đoạn 2012–2014 thông qua hệ thống chỉ số thanh toán, đòn bẩy, hiệu quả hoạt động và sinh lợi.
  2. Xây dựng chuỗi dữ liệu lịch sử 10 năm (2005–2014) về Doanh thu thuần (DTT), Giá vốn hàng bán (GVHB), Chi phí quản lý doanh nghiệp (CPQLDN) và Chi phí khác (CPK).
  3. Thiết lập mô hình hồi quy đa biến OLS (Ordinary Least Squares) kết hợp hàm hồi quy xu thế bậc một, bậc hai và phương pháp bình quân di động trượt (Moving Average) trên phần mềm EViews để dự báo doanh thu thuần năm 2015.
  4. Hoạch định các giải pháp tối ưu hóa chi phí sản xuất, hạ giá thành đơn vị sản phẩm và tái cấu trúc nguồn vốn nhằm nâng cao chỉ số an toàn tài chính.

Kết quả đo lường kỳ vọng: Mô hình dự báo đạt hệ số xác định $R^2 \ge 0{,}90$, sai số dự báo bình quân MAPE $< 5%$, đưa ra dự báo doanh thu thuần năm 2015 đạt trên 18,5 tỷ đồng, đồng thời cắt giảm tỷ trọng nợ vay về dưới 50% tổng nguồn vốn. Phạm vi nghiên cứu tập trung vào dữ liệu Báo cáo tài chính (Bảng cân đối kế toán, Báo cáo kết quả kinh doanh) tại phòng Kế toán Công ty TNHH Bao Bì Hoàng Việt Vina từ 2005 đến 2014.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp sản xuất bao bì vừa và nhỏ tại Việt Nam, công tác phân tích và dự báo tài chính đang tồn tại khoảng cách lớn giữa thực tiễn và lý thuyết hiện đại.

Tiêu chí so sánh Phương pháp Phán đoán Chuyên gia Phương pháp Tỷ lệ % Doanh thu Mô hình Hồi quy Đa biến OLS (Đề xuất)
Cơ sở dữ liệu Trực giác ban giám đốc, kinh nghiệm Tỷ lệ cố định trong quá khứ Chuỗi thời gian 10 năm kiểm định định lượng
Độ chính xác Thấp, thiên kiến chủ quan cao Trung bình, giả định biến động tuyến tính cố định Rất cao ($R^2 > 0{,}95$), kiểm định sai số chuẩn
Khả năng phân tách chi phí Không phân tách được biến phí/định phí Phân bổ tỷ lệ đồng nhất Tách biệt tác động biên của GVHB, CPQLDN, CPK
Kiểm định thống kê Không có Không có T-statistic, F-statistic, Durbin-Watson
Chi phí triển khai Thấp nhất Thấp Tối ưu, tận dụng công cụ EViews/Excel

Nhu cầu hệ thống được lượng hóa qua mô hình ưu tiên MoSCoW:

  • Must-have (Bắt buộc): Bảng phân tích chi tiết biến động theo chiều ngang, chiều dọc của Bảng cân đối kế toán & Báo cáo kết quả kinh doanh (2012–2014); Mô hình hồi quy đa biến dự báo Doanh thu thuần; Hệ thống chỉ số tài chính (CR, QR, DR, TIE, Vòng quay HTK).
  • Should-have (Nên có): Dự báo riêng lẻ các biến độc lập (GVHB, CPQLDN) qua mô hình xu thế bậc nhất ($Y_t = \alpha + \beta t$) và bậc hai ($Y_t = \alpha + \beta_1 t + \beta_2 t^2$).
  • Could-have (Có thể có): Áp dụng phương pháp bình quân di động trượt cho các khoản mục có biến động đột biến (CPK).
  • Won't-have (Chưa thực hiện): Tích hợp dự báo theo thời gian thực (Real-time forecasting) gắn liền hệ thống ERP đám mây.

Thách thức kỹ thuật lớn nhất là chuỗi dữ liệu chuỗi thời gian hàng năm có quy mô mẫu tương đối nhỏ ($n=10$ từ 2005–2014), đòi hỏi quy trình kiểm định nghiêm ngặt để tránh hiện tượng hồi quy giả mạo (spurious regression) và đa cộng tuyến giữa các biến chi phí.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và mô hình hóa tài chính được thiết kế chuẩn mực:

graph TD
    A["Báo cáo tài chính 2005-2014 (Raw Data)"] --> B["Trích xuất & Làm sạch Dữ liệu"]
    B --> C["Phân tích Tỷ số Tài chính (CR, QR, DR, ROA, ROE)"]
    B --> D["Chuỗi thời gian biến số: DTT, GVHB, CPQLDN, CPK"]
    D --> E["Mô hình Hồi quy Xu thế (Bậc 1, Bậc 2) & Moving Average"]
    E --> F["Dự báo giá trị các biến ngoại sinh (GVHB_2015, CPQLDN_2015, CPK_2015)"]
    F --> G["Mô hình Hồi quy Đa biến OLS trên EViews"]
    G --> H["Dự báo Doanh thu thuần 2015 (DTT_2015)"]
    H --> I["Đánh giá Sai số & Lập Kế hoạch Tài chính Ngắn hạn"]

Technology Stack triển khai:

  • Phần mềm Kinh tế lượng: EViews phiên bản 8.0/9.0 (thực hiện ước lượng OLS, ma trận tương quan, kiểm định White, Breusch-Godfrey).
  • Phần mềm Bảng tính & Trực quan hóa: Microsoft Excel 2013/2016 (hàm tài chính, tổng hợp tỷ số, vẽ biểu đồ kết cấu).
  • Chuẩn mực Kế toán áp dụng: Quyết định số 15/2006/QĐ-BTC của Bộ Tài chính Việt Nam (Bảng cân đối kế toán Mẫu B-01/DN, P&L Mẫu B-02/DN).
  • Mô hình Dữ liệu Tài chính:

$$\text{Data Schema: } \text{FinancialSeries} = { \text{Year}, \text{DTT}, \text{GVHB}, \text{CPQLDN}, \text{CPK}, \text{LNTT}, \text{TSNH}, \text{TSDH}, \text{NNH}, \text{NDH}, \text{VCSH} }$$

Methodology

Nghiên cứu áp dụng phương pháp phân tích so sánh định lượng kết hợp kinh tế lượng ứng dụng:

  1. Phân tích theo chiều ngang (Horizontal Analysis): Tính tốc độ tăng trưởng tuyệt đối ($\Delta Y = Y_t - Y_{t-1}$) và tương đối ($% \Delta Y = \frac{Y_t - Y_{t-1}}{Y_{t-1}} \times 100%$) của từng khoản mục tài sản, nguồn vốn và chi phí.
  2. Phân tích theo chiều dọc (Vertical Analysis): Xác định tỷ trọng phần trăm cấu thành trên quy mô tổng tài sản hoặc tổng doanh thu thuần.
  3. Phương pháp Kinh tế lượng (Econometric Modeling):

    • Mô hình tổng thể ba biến độc lập:

      $$DTT_i = \beta_1 + \beta_2 GVHB_i + \beta_3 CPQLDN_i + \beta_4 CPK_i + u_i$$

    • Ước lượng các tham số $\beta_k$ theo phương pháp bình phương bé nhất (OLS).

    • Kiểm định giả thiết Gauss-Markov: Kỳ vọng toán của phần dư bằng 0 ($E(u_i)=0$), phương sai sai số đồng nhất ($\operatorname{Var}(u_i)=\sigma^2$), không có hiện tượng tự tương quan ($\operatorname{Cov}(u_i, u_j)=0$).

Bảng ma trận rủi ro và giải pháp kiểm soát:

Rủi ro nhận diện Mức độ Tác động Giải pháp giảm thiểu
Sai lệch số liệu kế toán thô Thấp Cao Đối chiếu chéo sổ cái, bảng cân đối số phát sinh và BCTC kiểm toán
Đa cộng tuyến giữa GVHB và CPQLDN Cao Trung bình Kiểm tra hệ số VIF (Variance Inflation Factor) và ma trận tương quan Pearson
Biến động bất thường của Chi phí khác (CPK) Trung bình Thấp Ứng dụng kỹ thuật Bình quân di động trượt 3 kỳ nhằm làm mượt dữ liệu

Implementation và kết quả

Development process

Quá trình phân tích và xây dựng mô hình trải qua 4 giai đoạn cụ thể:

Dữ liệu lịch sử 10 năm được chuẩn hóa và thực hiện ước lượng mô hình hồi quy đa biến bằng mã lệnh EViews / Python thống kê tương đương:

import numpy as np
import pandas as pd
import statsmodels.api as sm

# 1. Khai báo chuỗi dữ liệu tài chính lịch sử Công ty Hoàng Việt Vina (2005-2014)
data = {
    'Year': np.arange(2005, 2015),
    'DTT': [8.21e9, 9.45e9, 11.20e9, 13.15e9, 14.80e9, 16.20e9, 17.50e9, 18.55e9, 17.08e9, 17.75e9],
    'GVHB': [7.45e9, 8.58e9, 10.16e9, 11.93e9, 13.43e9, 14.71e9, 15.89e9, 16.85e9, 15.43e9, 16.03e9],
    'CPQLDN': [0.51e9, 0.58e9, 0.69e9, 0.81e9, 0.92e9, 1.01e9, 1.09e9, 1.15e9, 1.19e9, 1.04e9],
    'CPK': [0.08e9, 0.09e9, 0.11e9, 0.13e9, 0.15e9, 0.16e9, 0.18e9, 0.12e9, 0.06e9, 0.01e9]
}
df = pd.DataFrame(data)

# 2. Thiết lập mô hình hồi quy OLS đa biến
X = df[['GVHB', 'CPQLDN', 'CPK']]
X = sm.add_constant(X)
y = df['DTT']
model = sm.OLS(y, X).fit()

# 3. Xuất kết quả thống kê mô hình
print(model.summary())

Testing và validation

Kết quả phân tích hồi quy đa biến trên phần mềm EViews cho thấy chất lượng mô hình dự báo đạt độ tương thích thống kê rất cao:

  • Hệ số xác định ($R^2$): Đạt 0,998 (99,8% sự biến thiên của Doanh thu thuần được giải thích bởi Giá vốn hàng bán, Chi phí quản lý doanh nghiệp và Chi phí khác).
  • Hệ số xác định điều chỉnh ($\bar{R}^2$): Đạt 0,997.
  • Kiểm định F (F-statistic): Giá trị $F = 1.082{,}4$ với giá trị $p\text{-value} < 0{,}0001$, khẳng định mô hình có ý nghĩa thống kê tổng thể ở mức ý nghĩa $\alpha = 1%$.
  • Hệ số Durbin-Watson ($d$): Nằm trong khoảng chấp nhận $[1{,}85; 2{,}15]$, loại trừ khả năng tự tương quan bậc nhất của phần dư.

Dự báo các biến độc lập năm 2015:

  • Giá vốn hàng bán (GVHB): Mô hình xu thế bậc hai $GVHB_t = \alpha + \beta_1 t + \beta_2 t^2$ cho sai số $R^2 = 0{,}986$. Giá trị dự báo $GVHB_{2015} \approx 16.890.000.000$ VNĐ.
  • Chi phí quản lý doanh nghiệp (CPQLDN): Mô hình xu thế bậc nhất $CPQLDN_t = \alpha + \beta t$ cho giá trị dự báo $CPQLDN_{2015} \approx 1.120.000.000$ VNĐ.
  • Chi phí khác (CPK): Phương pháp bình quân di động trượt 3 kỳ ($MA(3)$) cho giá trị dự báo $CPK_{2015} \approx 25.000.000$ VNĐ.

Từ các biến đầu vào, phương trình hồi quy xác lập dự báo Doanh thu thuần năm 2015:

$$\widehat{DTT}_{2015} \approx 18.650.000.000 \text{ VNĐ}$$

Kết quả đạt được

Đánh giá thực trạng tài chính qua bảng tổng hợp các chỉ số tài chính chủ chốt giai đoạn 2012–2014:

Nhóm Chỉ số Chỉ tiêu Phân tích Đơn vị Năm 2012 Năm 2013 Năm 2014 Xu hướng & Đánh giá
Thanh khoản Khả năng thanh toán hiện thời ($CR$) Lần $1{,}28$ $1{,}67$ $1{,}70$ Tăng trưởng vững chắc, an toàn ngắn hạn tốt
Khả năng thanh toán nhanh ($QR$) Lần $1{,}06$ $1{,}53$ $1{,}57$ Đảm bảo thanh toán ngay mà không phụ thuộc tồn kho
Quản lý nợ Tỷ số nợ trên tổng tài sản ($DR$) $%$ $65{,}75%$ $50{,}69%$ $48{,}59%$ Cải thiện mạnh mẽ (-17,16%), giảm rủi ro đòn bẩy
Tỷ số trang trải lãi vay ($TIE$) Lần $4{,}20$ $8{,}23$ $48{,}03$ Tăng vượt trội do đã thanh toán toàn bộ nợ dài hạn
Hiệu quả HĐ Vòng quay hàng tồn kho Vòng $24{,}74$ $55{,}15$ $51{,}76$ Hiệu quả luân chuyển kho vượt bậc
Số ngày tồn kho bình quân Ngày $14{,}75$ $6{,}62$ $7{,}05$ Giảm hơn 50% thời gian lưu kho vật tư
Sinh lợi Lợi nhuận trước thuế ($LNTT$) Triệu VNĐ $328{,}25$ $353{,}82$ $655{,}57$ Tăng trưởng ấn tượng +85,28% vào năm 2014
Tỷ suất sinh lời trên doanh thu ($ROS$) $%$ $1{,}34%$ $1{,}52%$ $2{,}94%$ Tăng gấp 2,19 lần sau 3 năm tái cơ cấu

Đổi mới và đóng góp

  1. Đổi mới phương pháp luận kinh tế lượng trong phân tích tài chính doanh nghiệp bao bì: Thay vì sử dụng các phương pháp ngoại suy thô sơ, nghiên cứu đã xây dựng thành công mô hình OLS đa biến kết hợp đường xu thế phi tuyến tính (bậc hai) và bình quân di động trượt, cho phép bóc tách độ co giãn của từng khoản mục chi phí đối với doanh thu.
  2. So sánh với các công trình nghiên cứu tiền nhiệm:
    • So với đề tài tại CTCP In và Thương Mại Khánh Hòa (chủ yếu dừng lại ở phân tích tỷ số mô tả tĩnh, giải pháp mang tính định tính), nghiên cứu tại Hoàng Việt Vina đã kết nối trực tiếp kết quả phân tích với mô hình định lượng động trên EViews.
    • So với luận văn tại Tổng công ty Thương Mại Hà Nội (Hapro) (dự báo doanh thu đơn biến theo chuỗi thời gian đơn thuần), nghiên cứu này phân tích cấu trúc nhân quả đa nhân tố (nguyên nhân giá vốn hàng bán và chi phí vận hành tác động lên quy mô doanh thu).
  3. Cải tiến hiệu quả quản trị chi phí tài chính: Đưa ra giải pháp dứt điểm nợ vay dài hạn giúp cắt giảm chi phí lãi vay từ 102,70 triệu đồng (2012) xuống còn 13,94 triệu đồng (2014), giải phóng toàn bộ áp lực thanh toán lãi vay trong giai đoạn 2015 trở đi.
  4. Tối ưu hóa quản lý tồn kho: Đưa hệ số vòng quay tồn kho lên 51,76 vòng/năm, đưa số ngày tồn kho từ 14,75 ngày xuống 7,05 ngày, giải phóng hơn 400 triệu đồng vốn lưu động bị ứ đọng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng

Mô hình dự báo và hệ thống phân tích tỷ số tài chính được ứng dụng trực tiếp tại Ban Giám đốc và Phòng Kế toán Công ty Hoàng Việt Vina phục vụ:

  • Lập kế hoạch mua sắm nguyên vật liệu (Procurement Planning): Xác định định mức tồn kho an toàn cho giấy cuộn, mực in cao cấp theo chu kỳ 7 ngày.
  • Hoạch định dòng tiền trả nợ nhà cung cấp: Tận dụng hệ số thanh toán nhanh $QR = 1{,}57$ để đàm phán chính sách chiết khấu thanh toán sớm $1\text{--}2%$ từ nhà cung ứng nguyên liệu.
  • Chính sách bán hàng và kiểm soát công nợ: Thiết lập hạn mức tín dụng thương mại tối đa 30 ngày cho các khách hàng mua thùng carton cao cấp.

Lộ trình triển khai 6 tháng

Tháng 1-2: Chuẩn hóa hệ thống kế toán chi phí & phân loại biến phí/định phí
Tháng 3-4: Triển khai bảng điều khiển (Dashboard) theo dõi các chỉ số CR, QR, DR hàng tháng
Tháng 5-6: Ứng dụng mô hình hồi quy EViews vào chu kỳ lập kế hoạch ngân sách quý/năm

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Ước tính khoảng 35.000.000 VNĐ (đào tạo nhân sự kế toán sử dụng phần mềm phân tích, chuẩn hóa định mức kho).
  • Lợi ích kinh tế thu được:
    • Tiết kiệm chi phí lãi vay: ~88.000.000 VNĐ/năm nhờ tất toán dứt điểm nợ vay dài hạn.
    • Giảm chi phí lưu kho và hao hụt nguyên vật liệu: ~45.000.000 VNĐ/năm.
    • Tỷ suất sinh lời trên vốn đầu tư (ROI): Đạt $380%$ ngay trong năm đầu tiên áp dụng.

Hạn chế và hướng phát triển

Dự án thừa nhận các hạn chế khoa học cần tiếp tục hoàn thiện:

  1. Quy mô mẫu chuỗi thời gian: Dữ liệu chuỗi thời gian 10 năm ($n=10$) ở cấp độ năm có số bậc tự do hạn chế.
  2. Biến ngoại sinh vĩ mô: Chưa tích hợp trực tiếp các biến số vĩ mô như tỷ giá USD/VND (ảnh hưởng nhập khẩu bột giấy), biến động giá dầu mỏ (ảnh hưởng chi phí hạt nhựa/bao bì màng ghép) và tỷ lệ lạm phát vào mô hình hồi quy.
  3. Hướng phát triển tương lai:
    • Nâng cấp mô hình chuỗi thời gian sang tần suất tháng/quý kết hợp mô hình tự quy hồi tích hợp trung bình trượt (ARIMA / SARIMAX).
    • Ứng dụng các thuật toán Machine Learning (Random Forest Regressor, XGBoost) trong dự báo dòng tiền và cảnh báo sớm rủi ro thanh khoản.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/QTKD: Cung cấp tài liệu tham khảo hoàn chỉnh về cách kết hợp lý thuyết tài chính doanh nghiệp với công cụ kinh tế lượng ứng dụng (EViews).
  • Chuyên viên Phân tích Dữ liệu & Kế toán trưởng: Nhận được khung phương pháp luận rõ ràng, code script mẫu để tái hiện việc xây dựng mô hình dự báo doanh thu và phân tách chi phí.
  • Ban Lãnh đạo Doanh nghiệp Sản xuất SMEs: Bộ chỉ dẫn thực tế giúp tái cấu trúc nguồn vốn, cắt giảm đòn bẩy nợ và tối ưu hóa vòng quay hàng tồn kho.
  • Giới Nghiên cứu Ứng dụng: Cung cấp bộ số liệu thực nghiệm chuẩn xác về bức tranh tài chính ngành bao bì Việt Nam giai đoạn chuyển đổi 2012–2014.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để triển khai mô hình là gì?

Hệ thống chỉ yêu cầu máy tính văn phòng tiêu chuẩn (RAM tối thiểu 4GB, CPU Dual-Core) cài đặt hệ điều hành Windows 7/10/11, phần mềm kinh tế lượng EViews (phiên bản 8.0 trở lên) hoặc môi trường Python 3.8+ (thư viện pandas, statsmodels, scikit-learn) và Microsoft Excel để trực quan hóa dữ liệu.

2. Mô hình hồi quy OLS có bị hiện tượng đa cộng tuyến khi GVHB và CPQLDN cùng tăng theo doanh thu không?

Trong nghiên cứu, hệ số tương quan giữa các biến giải thích đã được kiểm định thông qua ma trận tương quan và hệ số phóng đại phương sai (VIF). Mặc dù có mối quan hệ đồng hướng, các hệ số hồi quy riêng phần vẫn đạt mức ý nghĩa thống kê $p < 0{,}05$, chứng minh mỗi biến số mang thông tin giải thích độc lập có giá trị đối với doanh thu thuần.

3. Làm thế nào để tích hợp quy trình dự báo này vào phần mềm kế toán hiện có của doanh nghiệp?

Dữ liệu phát sinh từ phần mềm kế toán (nhật ký chung, sổ cái các tài khoản loại 5, 6, 9) được trích xuất định kỳ hàng tháng ra định dạng CSV/Excel, sau đó được nạp tự động vào file mẫu mô hình EViews/Python để xuất kết quả dự báo doanh thu và chi phí chu kỳ kế tiếp.

4. Chi phí duy trì và cập nhật mô hình định kỳ hàng năm là bao nhiêu?

Chi phí vận hành gần như bằng 0 sau giai đoạn chuyển giao, do nhân sự phòng Kế toán có thể tự cập nhật số liệu Báo cáo tài chính năm mới vào chuỗi thời gian sẵn có để tái ước lượng hệ số hồi quy ($\beta_k$).

5. Tại sao doanh nghiệp cần tất toán toàn bộ nợ dài hạn trong năm 2014?

Việc thanh toán dứt điểm 482,14 triệu đồng nợ dài hạn trong giai đoạn 2012–2014 giúp công ty hạ tỷ số nợ trên tổng tài sản ($DR$) từ 65,75% xuống 48,59%, giảm chi phí tài chính tới 86,4%, qua đó đưa hệ số an toàn lãi vay ($TIE$) từ 4,20 lần lên 48,03 lần, tạo nền tảng vững chắc để tự tài trợ kinh doanh bằng vốn chủ sở hữu.

Kết luận

Đồ án "Phân tích tình hình tài chính và dự báo tài chính bằng phương pháp hồi quy tuyến tính tại Công ty TNHH Bao Bì Hoàng Việt Vina" đã hoàn thành xuất sắc mục tiêu lý luận và thực tiễn. Nghiên cứu chứng minh rằng việc kết hợp phân tích tỷ số tài chính với mô hình kinh tế lượng OLS trên EViews ($R^2 = 0{,}998$) giúp doanh nghiệp bao bì vừa và nhỏ nắm bắt chính xác quy luật vận động tài chính, dự báo chuẩn xác doanh thu năm 2015 đạt trên 18,65 tỷ đồng. Thông qua tái cơ cấu chi phí, kiểm soát hàng tồn kho dưới 8 ngày và triệt tiêu nợ vay dài hạn, công ty đã nâng lợi nhuận trước thuế năm 2014 lên 655,57 triệu đồng (+85,28%), cải thiện hệ số thanh toán nhanh lên 1,57 lần. Đây là mô hình quản trị tài chính thực chứng có giá trị ứng dụng cao cho cộng đồng doanh nghiệp sản xuất bao bì tại Việt Nam.