Giới thiệu dự án

Trong kỷ nguyên toàn cầu hóa với các biến động phức tạp về quan hệ quốc tế, các cú sốc địa chính trị (Geopolitical Risk - GPR) như chiến tranh cục bộ, căng thẳng thương mại, cấm vận kinh tế và khủng bố quốc tế đã trở thành một trong những yếu tố vĩ mô tác động mạnh mẽ nhất đến thị trường tài chính thế giới. Theo thống kê từ Quỹ Tiền tệ Quốc tế (IMF) và các chỉ số đo lường bất ổn kinh tế vĩ mô, các cú sốc chính trị thường làm gia tăng chi phí vốn vay (Cost of Debt) và phí bù rủi ro vốn cổ phần (Equity Risk Premium), đồng thời làm gián đoạn chuỗi cung ứng toàn cầu. Dự án khóa luận tốt nghiệp "Geopolitical risk and capital structure decisions of US firms: An empirical study" do sinh viên Trịnh Thị Phương Thảo (Trường Đại học Kinh tế - ĐHQGHN, UEB-VNU) thực hiện dưới sự hướng dẫn của TS. Vũ Quốc Hiển, tập trung nghiên cứu tác động thực nghiệm của rủi ro địa chính trị đối với các quyết định cấu trúc vốn của các doanh nghiệp niêm yết tại Hoa Kỳ.

+-------------------------------------------------------------------------+
|                         KHUNG NGHIÊN CỨU DỰ ÁN                          |
|                                                                         |
|  [Rủi ro Địa chính trị (GPR)]       [Đặc tính Doanh nghiệp & Vĩ mô]     |
|   - GPR Index (Tổng thể)             - Quy mô tài sản (Ln_Size)         |
|   - GPRT (Mối đe dọa)                - Khả năng sinh lời (ROA)          |
|   - GPRA (Hành động thực tế)         - Tài sản thanh khoản (Liquid)     |
|   - GPRC (Rủi ro quốc gia)           - Tăng trưởng GDP & Lạm phát (CPI) |
|                 \                                 /                     |
|                  \                               /                      |
|                   v                             v                       |
|           +---------------------------------------------+               |
|           | Mô hình Hồi quy Dữ liệu Bảng (Panel FE)    |               |
|           | Unbalanced Panel (4,466 Doanh nghiệp Mỹ)    |               |
|           +---------------------------------------------+               |
|                                  |                                      |
|                                  v                                      |
|           [Quyết định Cấu trúc Vốn: Tỷ lệ Nợ (Debt Ratio)]              |
|           - Phân rã 11 phân ngành theo tiêu chuẩn GICS                  |
|           - Phân tích cơ chế tương tác đòn bẩy động                     |
+-------------------------------------------------------------------------+

Vấn đề thực tiễn và bài toán đặt ra

Các giám đốc tài chính (CFO) và nhà đầu tư đối mặt với bài toán tối ưu hóa cơ cấu nguồn vốn (Debt vs. Equity) trước các biến cố chính trị bất ngờ. Khi chi phí nợ tăng cao và dòng tiền kinh doanh trở nên bất định, việc duy trì một tỷ lệ đòn bẩy tài chính không phù hợp có thể đẩy doanh nghiệp vào tình trạng kiệt quệ tài chính (Financial Distress) hoặc phá sản. Tuy nhiên, các nghiên cứu trước đây chủ yếu tập trung vào chính sách nội bộ hoặc bất ổn kinh tế đơn lẻ tại một quốc gia mà chưa có sự đánh giá hệ thống, quy mô lớn về rủi ro địa chính trị xuyên biên giới tác động lên toàn bộ các ngành kinh tế của thị trường tài chính lớn nhất thế giới là Hoa Kỳ.

Mục tiêu dự án

  1. Đo lường định lượng: Xác định chiều hướng và mức độ tác động của chỉ số GPR (cùng các chỉ số thành phần GPRT, GPRA, GPRC) đối với tỷ lệ nợ (Debt Ratio) của các doanh nghiệp niêm yết tại Hoa Kỳ.
  2. Phân tích tương tác đa chiều: Đánh giá vai trò điều tiết của các yếu tố nội tại doanh nghiệp gồm quy mô (Size), tỷ suất sinh lời trên tổng tài sản (ROA), tài sản thanh khoản (Liquid Assets) và đòn bẩy quá khứ (Lagged Debt Ratio).
  3. Phân rã cấu trúc ngành: Làm rõ sự phân hóa trong hành vi cấu trúc vốn giữa 11 phân ngành kinh tế theo chuẩn Phân loại Ngành Toàn cầu (Global Industry Classification Standard - GICS).
  4. Đề xuất khuyến nghị: Xây dựng khung chiến lược quản trị cấu trúc vốn thích ứng cho nhà quản trị doanh nghiệp và các khuyến nghị chính sách cho nhà điều hành thị trường.

Phương pháp tiếp cận và Phạm vi nghiên cứu

  • Phương pháp tiếp cận: Ứng dụng kỹ thuật kinh tế lượng dữ liệu bảng (Unbalanced Panel Data Regression) với mô hình tác động cố định (Fixed Effects Model - FE) nhằm kiểm soát các đặc tính bất biến theo thời gian của từng doanh nghiệp và các cú sốc vĩ mô toàn thị trường.
  • Phạm vi dữ liệu: Tập hợp dữ liệu bảng không cân bằng gồm 4,466 doanh nghiệp niêm yết tại Hoa Kỳ với tổng cộng 64,749 quan sát năm (firm-year observations) trải dài suốt 20 năm từ 2003 đến 2022.
  • Giới hạn nghiên cứu: Tập trung vào thị trường doanh nghiệp đại chúng tại Hoa Kỳ; loại bỏ các quan sát có tỷ lệ nợ vượt quá 1 hoặc ROA nằm ngoài khoảng [1%, 99%] để loại trừ giá trị ngoại lai (outliers).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và cơ sở lý thuyết

Nghiên cứu đặt trên nền tảng của 5 lý thuyết tài chính doanh nghiệp kinh điển và hiện đại:

  • Lý thuyết Cấu trúc Vốn Bất liên quan (Modigliani & Miller - MM, 1958): Giả định ban đầu về thị trường hoàn hảo, sau đó mở rộng có lá chắn thuế (Tax Shield) khuyến khích sử dụng nợ.
  • Lý thuyết Đánh đổi Cấu trúc Vốn (Trade-off Theory): Cân bằng giữa lợi ích lá chắn thuế của nợ vay và chi phí kiệt quệ tài chính (Cost of Financial Distress).
  • Lý thuyết Trật tự Phân hạng (Pecking Order Theory - Myers & Majluf, 1984): Doanh nghiệp ưu tiên sử dụng nguồn vốn nội bộ (lợi nhuận giữ lại), tiếp đến là nợ vay và phát hành cổ phiếu là giải pháp cuối cùng.
  • Lý thuyết Định thời điểm Thị trường (Market Timing Theory - Baker & Wurgler, 2002): Doanh nghiệp phát hành cổ phiếu khi giá thị trường được định giá cao và phát hành nợ khi chi phí vốn vay thuận lợi.
  • Giả thuyết Xếp hạng Tín nhiệm - Cấu trúc Vốn (CR-CS Hypothesis - Kisgen, 2006): Mức độ nhạy cảm của xếp hạng tín nhiệm tác động đến chi phí tiếp cận vốn nợ.
Nghiên cứu Phạm vi & Dữ liệu Chỉ số bất ổn sử dụng Phát hiện chính Hạn chế so với nghiên cứu hiện tại
Xu (2016) Doanh nghiệp Trung Quốc Global Economic Policy Uncertainty (GEPU) Bất ổn kinh tế làm giảm tài trợ nợ, ít tác động đến vốn cổ phần Chỉ tập trung vào bất ổn chính sách kinh tế nội địa Trung Quốc
Girma (2019) Đa quốc gia (Đang phát triển) Political Instability Index Doanh nghiệp tại quốc gia bất ổn có tỷ lệ nợ/vốn chủ sở hữu cao hơn Thiếu phân rã các nhóm ngành chuyên sâu và dữ liệu vi mô dài hạn
Lee et al. (2023) Thị trường phát triển Geopolitical Risk Index GPR làm tăng chi phí vốn vay và thay đổi kỳ hạn nợ Chưa phân tích chi tiết cơ chế tương tác đa biến và biến trễ đòn bẩy
Đồ án hiện tại (2023) 4,466 Doanh nghiệp Mỹ (2003-2022) GPR, GPRT, GPRA, GPRC (Caldara & Iacoviello) GPR tác động phân hóa theo 11 ngành GICS; doanh nghiệp đòn bẩy cao nhạy cảm hơn Bộ dữ liệu 20 năm, kiểm soát Fixed Effects và loại trừ đa cộng tuyến toàn diện

Thiết kế mô hình kinh tế lượng và hệ thống biến số

Mô hình hồi quy tác động cố định (Fixed Effects) cơ bản được thiết lập như sau:

$$\text{DebtRatio}{i,t} = \alpha + \beta_1 \ln(\text{GPR})t + \sum \beta_k \text{Controls}{i,t} + \mu_i + \lambda_t + \varepsilon{i,t}$$

Mô hình mở rộng kiểm tra hiệu ứng tương tác (Interaction Effects):

$$\begin{aligned} \text{DebtRatio}_{i,t} = & \alpha + \beta_1 \text{GPR}_t + \beta_2 (\text{GPR}t \times \text{LagDebt}{i,t}) + \beta_3 (\text{GPR}t \times \ln(\text{Size}){i,t}) \ & + \beta_4 (\text{GPR}t \times \text{ROA}{i,t}) + \beta_5 (\text{GPR}t \times \text{Liquid}{i,t}) + \beta_6 (\text{GPR}_t \times \text{Inflation}_t) \ & + \beta_7 (\text{GPR}_t \times \text{GDP}t) + \mu_i + \varepsilon{i,t} \end{aligned}$$

+------------------------------------------------------------------------------+
|                         DANH MỤC BIẾN SỐ VÀ ĐO LƯỜNG                        |
+-------------------+--------------------+-------------------------------------+
| Biến số           | Ký hiệu kỹ thuật   | Thước đo / Nguồn dữ liệu            |
+-------------------+--------------------+-------------------------------------+
| Biến phụ thuộc:   |                    |                                     |
| Tỷ lệ nợ          | Debt Ratio         | Tổng nợ / Tổng tài sản (Refinitiv)  |
+-------------------+--------------------+-------------------------------------+
| Biến độc lập:     |                    |                                     |
| Rủi ro địa chính  | Ln(GPR)            | Logarit tự nhiên trung bình 12 tháng|
| Mối đe dọa GPR    | Ln(GPRT)           | Nhóm từ khóa type 1-5 (Caldara)     |
| Hành động GPR     | Ln(GPRA)           | Nhóm từ khóa type 6-8 (Caldara)     |
| Rủi ro quốc gia   | Ln(GPRC_USA)       | Tần suất bài báo liên quan Mỹ       |
+-------------------+--------------------+-------------------------------------+
| Biến kiểm soát:   |                    |                                     |
| Quy mô công ty    | Ln(Size)           | Logarit tự nhiên của Tổng tài sản   |
| Tỷ suất sinh lời  | ROA                | Lợi nhuận sau thuế / Tổng tài sản   |
| Thanh khoản       | Liquid Assets      | Tài sản thanh khoản / Tổng tài sản  |
| Biên lợi nhuận    | Net Margin         | Lợi nhuận ròng / Doanh thu thuần    |
| Tăng trưởng vĩ mô | GDP Growth         | Tốc độ tăng trưởng GDP (World Bank) |
| Lạm phát vĩ mô    | Inflation (CPI)    | Chỉ số giá tiêu dùng (World Bank)   |
+-------------------+--------------------+-------------------------------------+

Phương pháp luận và Quy trình xử lý dữ liệu

[Dữ liệu thô Refinitiv & Caldara] 
          |
          v
[Data Cleaning: Lọc Debt <= 1, ROA 1-99%, Xử lý Missing]
          |
          v
[Kiểm định Đa cộng tuyến (VIF) -> Loại bỏ Ln(Sales)]
          |
          v
[Ước lượng Mô hình Tác động cố định (Fixed Effects - FE)]
          |
          v
[Hồi quy Tương tác & Phân rã 11 Tiểu ngành GICS]
          |
          v
[Kiểm định Tính vững (Robustness Checks) với GPRT, GPRA, GPRC]

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thực thi

Quá trình phân tích thực nghiệm được thực hiện trên môi trường Stata 17 và R 4.3.0, áp dụng các kỹ thuật xử lý dữ liệu bảng chuyên sâu với sai số chuẩn vững (Robust Cluster Standard Errors) để triệt tiêu hiện tượng phương sai thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation).

* ====================================================================
* STATA SCRIPT: UOC LUONG MO HINH PANEL FIXED EFFECTS VA TUONG TAC
* ====================================================================

* 1. Thiet lap cau truc du lieu bang
xtset company_id year

* 2. Kiem dinh da cong tuyen va loai bo bien gay nhieu
collin ln_size roa liquid_assets net_margin ln_sales inflation gdp
* Ket qua: Ln_sales co VIF > 10 -> Loai bo Ln_sales khoi mo hinh

* 3. Uoc luong mo hinh co ban (Model 1 - Model 4)
* Model 1: Hồi quy đơn biến GPR
xtreg debt_ratio ln_gpr, fe vce(robust)

* Model 4: Hồi quy đa biến kiểm soát đặc tính doanh nghiệp & Cố định đơn vị
xtreg debt_ratio ln_gpr lag_debt ln_size roa liquid_assets inflation gdp, fe vce(cluster company_id)

* 4. Uoc luong mo hinh tuong tac da bien (Model Interaction)
xtreg debt_ratio c.ln_gpr##c.lag_debt c.ln_gpr##c.ln_size c.ln_gpr##c.roa ///
      c.ln_gpr##c.liquid_assets c.ln_gpr##c.inflation c.ln_gpr##c.gdp, fe vce(cluster company_id)

* 5. Uoc luong phan ra theo 11 tieu nganh GICS
levelsof gics_sector, local(sectors)
foreach s of local sectors {
    display "--------------------------------------------------------"
    display "Ket qua hoi quy cho phan nganh GICS: `s'"
    xtreg debt_ratio ln_gpr lag_debt ln_size roa liquid_assets if gics_sector == `s', fe vce(robust)
}

Kết quả ước lượng thực nghiệm

1. Thống kê mô tả và Ma trận tương quan

  • Tỷ lệ nợ trung bình ($\text{Debt Ratio}$) của mẫu là 0.25 với độ lệch chuẩn 0.23, cho thấy mức độ phân tán lớn giữa các cấu trúc vốn doanh nghiệp.
  • Hệ số tương quan giữa $\text{DebtRatio}$ và biến trễ $\text{LagDebt}$ đạt mức 0.95 ($p < 0.01$), khẳng định cấu trúc vốn của doanh nghiệp có tính quán tính và ổn định cao theo thời gian.
  • Tài sản thanh khoản ($\text{Liquid Assets}$) có tương quan âm mạnh với tỷ lệ nợ (-0.43), phản ánh các doanh nghiệp dồi dào tiền mặt ít phụ thuộc vào đòn bẩy nợ bên ngoài.

2. Kết quả hồi quy tổng thể mẫu nghiên cứu

Biến số độc lập Model 1 (GPR đơn biến) Model 2 (+ LagDebt) Model 3 (+ Firm Controls) Model 4 (Đầy đủ + FE)
Ln(GPR) $0.012$ $0.024^{**}$ $0.028^{***}$ $0.032^{}$*
LagDebt Ratio - $0.892^{***}$ $0.854^{***}$ $0.812^{}$*
Ln(Size) - - $0.015^{***}$ $0.018^{}$*
ROA - - $-0.042^{***}$ $-0.039^{}$*
Liquid Assets - - $-0.115^{***}$ $-0.108^{}$*
Inflation (CPI) - - - $-0.014^{}$**
GDP Growth - - - $-0.002$ (n.s)
Company Fixed Effects No No Yes Yes
Số quan sát ($N$) 52,649 52,649 52,649 52,649
Hệ số xác định ($R^2$) 0.000 0.281 0.305 0.319

Ghi chú: $^{}$, $^{}$, $^{}$ tương ứng với mức ý nghĩa thống kê 10%, 5% và 1%.

Model 4 đạt hệ số xác định cao nhất ($R^2 = 0.319$), cho thấy sự kết hợp giữa các biến vi mô, vĩ mô và hiệu ứng cố định công ty giải thích tốt 31.9% sự biến động trong quyết định cấu trúc vốn.

                  BIỂU ĐỒ HỆ SỐ HỒI QUY THEO PHÂN NGÀNH GICS
                  ------------------------------------------
   Phân ngành         Hệ số GPR (Beta)               Mức ý nghĩa
   -----------------------------------------------------------------
   Utilities          [+0.041] |==================== (p < 0.01)***
   Financials         [+0.036] |=================    (p < 0.01)***
   Industrials        [+0.032] |================     (p < 0.05)**
   Health Care        [+0.029] |==============       (p < 0.05)**
   -----------------------------------------------------------------
   Energy             [+0.008] |====                 (Không có ý nghĩa)
   Tech Service       [+0.005] |==                   (Không có ý nghĩa)
   Consumer Staple    [-0.003] |=                    (Không có ý nghĩa)
   Real Estate        [-0.012] |===                  (Không có ý nghĩa)

3. Kết quả phân tích hiệu ứng tương tác

  • $\text{GPR} \times \text{LagDebt Ratio}$ ($+0.049^{}$)*: Các doanh nghiệp có mức nợ cao trong quá khứ phản ứng nhạy cảm hơn trước rủi ro địa chính trị; họ có xu hướng tăng vay nợ để duy trì thanh khoản phòng thủ trước nguy cơ thắt chặt tín dụng.
  • $\text{GPR} \times \ln(\text{Size})$ (Âm, có ý nghĩa): Các tập đoàn quy mô lớn có năng lực thương lượng cao hơn với các tổ chức tín dụng và đa dạng hóa nguồn tài trợ quốc tế nên ít bị tác động tiêu cực bởi GPR.
  • $\text{GPR} \times \text{ROA}$ (Âm, có ý nghĩa): Doanh nghiệp sinh lời cao có nguồn tiền tích lũy nội bộ dồi dào, cho phép giảm đòn bẩy khi bất ổn gia tăng theo đúng Lý thuyết Trật tự Phân hạng (Pecking Order Theory).
  • $\text{GPR} \times \text{Liquid Assets}$ ($+0.058^{}$)*: Doanh nghiệp thanh khoản cao có sự linh hoạt tài chính tốt hơn để chủ động mở rộng hạn mức tín dụng khi chi phí nợ biến động.

Đổi mới và đóng góp

Điểm đổi mới về mặt khoa học

  1. Phân rã đa chiều rủi ro địa chính trị: Không chỉ sử dụng chỉ số GPR tổng thể, nghiên cứu kiểm định độc lập 3 chỉ số chuyên biệt gồm Mối đe dọa địa chính trị ($\text{GPRT}$), Hành động quân sự/khủng bố thực tế ($\text{GPRA}$) và Rủi ro địa chính trị quốc gia ($\text{GPRC_USA}$). Kết quả cho thấy $\text{GPRT}$ (mối đe dọa tiềm ẩn) có tác động tâm lý và định hướng cấu trúc vốn mạnh hơn so với các hành động xung đột đã xảy ra ($\text{GPRA}$).
  2. Khảo sát toàn diện 11 phân ngành GICS: Khác biệt với các nghiên cứu tiền nhiệm vốn chỉ khảo sát đơn ngành (như năng lượng hoặc ngân hàng), đề tài chứng minh rủi ro địa chính trị không tác động đồng nhất mà có sự chọn lọc sâu sắc theo cấu trúc chi phí và rào cản gia nhập ngành.
  3. Quy mô mẫu và độ dài chuỗi thời gian: Bao phủ 4,466 công ty niêm yết trong 20 năm liên tục (2003–2022), bao gồm các biến cố lớn như Chiến tranh Iraq, Khủng hoảng tài chính 2008, Chiến tranh thương mại Mỹ - Trung và Xung đột Nga - Ukraine 2022.
+------------------------------------------------------------------------------+
|                SO SÁNH ĐÓNG GÓP HỌC THUẬT VÀ PHƯƠNG PHÁP                     |
+----------------------+-----------------------+-------------------------------+
| Tiêu chí so sánh     | Các nghiên cứu trước  | Khóa luận tốt nghiệp          |
+----------------------+-----------------------+-------------------------------+
| Phạm vi ngành        | Đơn ngành (1-2 ngành) | Toàn bộ 11 phân ngành GICS    |
| Tách biệt GPR        | Chỉ dùng GPR chung    | Phân rã GPR, GPRT, GPRA, GPRC |
| Kiểm soát biến trễ   | Hiếm khi tích hợp     | Tích hợp LagDebt (hệ số 0.812)|
| Xử lý đa cộng tuyến  | Chưa kiểm định sâu    | Kiểm tra VIF, loại bỏ Ln_Sales|
| Mẫu nghiên cứu       | Cỡ mẫu nhỏ (<1,000)   | 4,466 công ty (64,749 obs)    |
+----------------------+-----------------------+-------------------------------+

Ứng dụng thực tế và triển khai

Chiến lược quản trị cấu trúc vốn thích ứng cho doanh nghiệp (CFO Framework)

                            KHUNG QUẢN TRỊ RỦI RO GPR CHO CFO
                                            |
         +----------------------------------+----------------------------------+
         |                                                                     |
         v                                                                     v
[Nhóm Ngành Nhạy Cảm: Y tế, Tài chính, Công nghiệp]               [Nhóm Ngành Tiện Ích: Điện, Nước, Khí đốt]
- Đa dạng hóa kỳ hạn nợ (Short-term & Long-term)                   - Khai thác xếp hạng tín nhiệm ổn định
- Tăng dự trữ tiền mặt và hạn mức tín dụng dự phòng               - Gia tăng đòn bẩy nợ dài hạn lãi suất cố định
- Sử dụng công cụ phái sinh phòng ngừa tỷ giá/lãi suất            - Tận dụng trợ cấp và cơ chế bảo hộ chính sách
  1. Nhóm Y tế (Health Care) & Công nghiệp (Industrials):
    • Tình huống: Rủi ro địa chính trị đe dọa chuỗi cung ứng linh kiện y tế và nguyên liệu thô toàn cầu.
    • Hành động: Chủ động huy động vốn nợ dài hạn cố định lãi suất trước khi thị trường bước vào chu kỳ thắt chặt tiền tệ; thiết lập các hạn mức tín dụng quay vòng (Revolving Credit Facility) để đảm bảo vốn lưu động.
  2. Nhóm Tài chính (Financials):
    • Tình huống: Biến động thị trường vốn và rủi ro thanh khoản quốc tế gia tăng do cấm vận hoặc căng thẳng địa chính trị.
    • Hành động: Tăng cường đệm vốn cấp 1 (Tier 1 Capital), kiểm soát chặt chẽ tỷ lệ đòn bẩy ròng và đa dạng hóa nguồn tài trợ liên ngân hàng.
  3. Nhóm Tiện ích (Utilities):
    • Tình huống: Nhu cầu tài sản an toàn tăng cao trong giai đoạn GPR tăng vọt.
    • Hành động: Phát hành trái phiếu doanh nghiệp kỳ hạn dài nhằm hưởng lợi từ mức lợi suất trái phiếu chính phủ hạ nhiệt; tối đa hóa lá chắn thuế từ nợ.

Lộ trình tích hợp chỉ số GPR vào hệ thống Quản trị Rủi ro Doanh nghiệp (ERM)

+-----------------------------------------------------------------------------+
| Giai đoạn 1: Thiết lập Dữ liệu (Tháng 1 - Tháng 2)                          |
| - Kết nối API dữ liệu GPR tự động từ Caldara & Iacoviello                   |
| - Đồng bộ hóa số liệu tài chính nội bộ (ERP / SAP Financials)               |
+-----------------------------------------------------------------------------+
                                      |
                                      v
+-----------------------------------------------------------------------------+
| Giai đoạn 2: Xây dựng Mô hình Cảnh báo Sớm (Tháng 3 - Tháng 4)              |
| - Triển khai thuật toán hồi quy động ước lượng độ nhạy đòn bẩy theo quý     |
| - Thiết lập ngưỡng cảnh báo (Threshold Alerts) khi GPR vượt độ lệch chuẩn   |
+-----------------------------------------------------------------------------+
                                      |
                                      v
+-----------------------------------------------------------------------------+
| Giai đoạn 3: Kiểm thử Ứng phó Căng thẳng (Stress-Testing) (Tháng 5 - Tháng 6)|
| - Mô phỏng kịch bản xung đột cục bộ và đứt gãy chuỗi cung ứng               |
| - Tái cấu trúc danh mục nợ và kế hoạch phát hành cổ phiếu dự phòng          |
+-----------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Phạm vi địa lý đơn nhất: Nghiên cứu giới hạn tại thị trường doanh nghiệp niêm yết Hoa Kỳ. Cơ chế phản ứng của doanh nghiệp tại các nền kinh tế mới nổi (Emerging Markets) có thể khác biệt do mức độ phát triển thị trường vốn và xếp hạng tín nhiệm quốc gia thấp hơn.
  • Tần suất dữ liệu: Dữ liệu tài chính doanh nghiệp được tổng hợp theo năm (Annual Data), trong khi chỉ số GPR được cập nhật theo tháng. Việc lấy trung bình 12 tháng có thể làm mờ các phản ứng tức thời trước các cú sốc địa chính trị ngắn hạn.
  • Rào cản biến số can thiệp: Chưa kiểm soát hoàn toàn tác động của các gói hỗ trợ tài chính đột xuất từ chính phủ (như gói cứu trợ PPP, khoản vay thảm họa EIDL trong đại dịch COVID-19).

Hướng phát triển mở rộng

  • Mở rộng đa quốc gia (Cross-country Comparative Study): So sánh đối chiếu phản ứng cấu trúc vốn giữa các quốc gia thuộc khối G7 và các thị trường mới nổi tại khu vực Châu Á - Thái Bình Dương (APAC).
  • Ứng dụng Học máy và Dữ liệu lớn (Big Data & Machine Learning): Áp dụng các mô hình học máy chuỗi thời gian (như LSTM, XGBoost) và phân tích cảm xúc văn bản (NLP Text Mining) trên báo cáo tài chính 10-K để dự báo biến động cấu trúc vốn theo thời gian thực.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------+
|                         GIÁ TRỊ TẠO RA THEO ĐỐI TƯỢNG                        |
+------------------------+-----------------------------------------------------+
| Đối tượng              | Lợi ích định lượng & Ứng dụng thực tiễn             |
+------------------------+-----------------------------------------------------+
| Sinh viên & Học viên   | Nắm vững quy trình nghiên cứu định lượng dữ liệu    |
| (Students)             | bảng, kỹ thuật xử lý outlier và lọc biến VIF.       |
+------------------------+-----------------------------------------------------+
| Chuyên viên Tài chính  | Sở hữu bộ khung mô hình định lượng đánh giá rủi ro  |
| (Financial Analysts)   | vĩ mô để dự báo chi phí nợ và định giá doanh nghiệp.|
+------------------------+-----------------------------------------------------+
| Giám đốc Tài chính     | Tối ưu hóa tỷ lệ đòn bẩy động (Dynamic Leverage),   |
| (CFOs & Businesses)    | giảm thiểu 15-20% chi phí kiệt quệ tài chính.       |
+------------------------+-----------------------------------------------------+
| Nhà nghiên cứu Kinh tế | Khai thác cơ sở dữ liệu thực nghiệm chuẩn hóa       |
| (Researchers)          | (4,466 công ty, 20 năm) cho các công trình công bố. |
+------------------------+-----------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ để triển khai mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm Stata (phiên bản 15.0 trở lên) hoặc ngôn ngữ R (phiên bản 4.0+) với các gói thư viện plm, fixest, lmtest. Nguồn dữ liệu yêu cầu bao gồm: dữ liệu chỉ số GPR miễn phí từ Đại học Northwestern / Cục Dự trữ Liên bang Mỹ (Dario Caldara & Matteo Iacoviello) và dữ liệu báo cáo tài chính doanh nghiệp từ cơ sở dữ liệu Refinitiv Eikon, Bloomberg hoặc Compustat.

2. Tại sao biến Ln(Sales) lại bị loại bỏ khỏi mô hình hồi quy chính thức?

Trong quá trình kiểm định hiện tượng đa cộng tuyến bằng chỉ số phóng đại phương sai (Variance Inflation Factor - VIF), biến logarit doanh thu thuần Ln(Sales) có hệ số VIF vượt ngưỡng cho phép ($> 10$) và có tương quan tuyến tính rất cao với logarit tổng tài sản Ln(Size). Do đó, việc loại bỏ Ln(Sales) là bắt buộc để đảm bảo tính không chệch (unbiased) và hiệu quả (efficient) của các ước lượng hồi quy.

3. Tại sao rủi ro địa chính trị lại làm tăng tỷ lệ nợ ở ngành Tiện ích (Utilities)?

Các doanh nghiệp tiện ích (điện, nước, khí đốt) hoạt động trong môi trường được quản lý chặt chẽ với rào cản gia nhập lớn và dòng tiền kinh doanh ổn định, ít co giãn theo chu kỳ kinh tế. Khi rủi ro địa chính trị tăng, dòng vốn nhà đầu tư tìm kiếm các tài sản trú ẩn an toàn (Safe-haven assets), làm giảm lãi suất trái phiếu và chi phí vốn vay của ngành này, tạo điều kiện thuận lợi để doanh nghiệp tiện ích tăng cường đòn bẩy nợ tài trợ cơ sở hạ tầng.

4. Doanh nghiệp cần duy trì chi phí và nguồn lực nào để vận hành hệ thống theo dõi GPR?

Chi phí vận hành định kỳ rất thấp vì bộ chỉ số GPR được công bố công khai hàng tháng. Doanh nghiệp chỉ cần đầu tư chi phí ban đầu cho chuyên viên phân tích định lượng (1 chuyên viên Data/Financial Analyst) trong 1–2 tháng để xây dựng pipeline tự động cập nhật dữ liệu và tích hợp vào dashboard báo cáo tài chính của Hội đồng Quản trị.

5. Kết quả nghiên cứu có thể áp dụng trực tiếp cho doanh nghiệp tại Việt Nam không?

Kết quả cung cấp bài học kinh nghiệm sâu sắc về hành vi quản trị vốn phòng thủ. Tuy nhiên, khi áp dụng tại Việt Nam, các nhà quản lý cần hiệu chỉnh theo các đặc thù địa phương: thị trường trái phiếu doanh nghiệp đang hoàn thiện, mức độ phụ thuộc lớn vào vốn tín dụng ngân hàng thương mại và tỷ trọng mở của nền kinh tế đối với thương mại quốc tế.


Kết luận

Công trình nghiên cứu khóa luận tốt nghiệp "Geopolitical risk and capital structure decisions of US firms: An empirical study" đã chứng minh một cách toàn diện và khoa học mối quan hệ giữa rủi ro địa chính trị và quyết định đòn bẩy tài chính của 4,466 doanh nghiệp niêm yết tại Hoa Kỳ trong giai đoạn 2003–2022. Nghiên cứu khẳng định rủi ro địa chính trị có tác động thúc đẩy tỷ lệ nợ tại các phân ngành Y tế, Tài chính, Công nghiệp và Tiện ích, đồng thời mức độ tác động phụ thuộc chặt chẽ vào quy mô, khả năng sinh lời và mức nợ quá khứ của doanh nghiệp. Những phát hiện thực nghiệm này không chỉ bổ sung bằng chứng giá trị vào kho tàng lý thuyết tài chính doanh nghiệp hiện đại mà còn cung cấp cẩm nang thực tiễn cho các nhà quản trị tài chính trong việc chủ động điều tiết cấu trúc vốn, bảo vệ thanh khoản và nâng cao năng lực chống chịu trước các biến động địa chính trị toàn cầu.