Giới thiệu dự án

Trong bối cảnh kinh tế toàn cầu đối mặt với áp lực lạm phát và các biến động trên thị trường tài chính Việt Nam (như sự điều chỉnh tăng lãi suất điều hành của Ngân hàng Nhà nước và các diễn biến phức tạp trên thị trường trái phiếu doanh nghiệp), việc quản trị nguồn vốn trở thành yếu tố sống còn đối với khối doanh nghiệp phi tài chính. Các doanh nghiệp phi tài chính đóng vai trò nòng cốt trong việc tạo ra tổng sản phẩm quốc nội (GDP), giải quyết việc làm và duy trì chuỗi cung ứng vật chất. Tuy nhiên, tình trạng suy giảm sức mua kết hợp với chi phí vốn gia tăng đã trực tiếp làm xói mòn biên lợi nhuận của các doanh nghiệp niêm yết.

Vấn đề cốt lõi đặt ra là sự xung đột giữa việc tận dụng đòn bẩy tài chính (Financial Leverage) nhằm hưởng lợi ích từ lá chắn thuế (Tax Shield) với nguy cơ gia tăng chi phí kiệt quệ tài chính (Financial Distress Costs) và chi phí đại diện (Agency Costs). Khi doanh nghiệp sử dụng nợ vay không hợp lý, áp lực trả lãi và rủi ro thanh khoản sẽ làm suy giảm nghiêm trọng tỷ suất sinh lời trên vốn chủ sở hữu (ROE) và tỷ suất sinh lời trên tổng tài sản (ROA). Đa số các nghiên cứu thực nghiệm trong nước trước đây thường áp dụng các mô hình hồi quy tĩnh cơ bản mà chưa giải quyết triệt để hiện tượng nội sinh (Endogeneity), dẫn đến kết quả ước lượng có thể bị chệch.

Đề tài nghiên cứu khoa học: "Tác động của cấu trúc vốn đến khả năng sinh lời của các doanh nghiệp phi tài chính niêm yết trên sàn chứng khoán Thành phố Hồ Chí Minh" (Tác giả: Phạm Thanh Giàu; Người hướng dẫn khoa học: TS. Dương Thị Thùy An; Đơn vị: Trường Đại học Ngân hàng TP. Hồ Chí Minh - HUB, 2023) được triển khai nhằm giải quyết các mục tiêu cụ thể sau:

  1. Hệ thống hóa cơ sở lý luận: Làm rõ các lý thuyết nền tảng về cấu trúc vốn bao gồm Lý thuyết Modigliani-Miller (M&M 1958, 1963), Lý thuyết Đánh đổi (Trade-off Theory), Lý thuyết Trật tự phân hạng (Pecking Order Theory), Lý thuyết Chi phí đại diện (Agency Cost Theory) và Lý thuyết Định thời điểm thị trường (Market Timing Theory).
  2. Kiểm định thực nghiệm đa chiều: Định lượng chiều hướng và mức độ tác động của cơ cấu nợ ngắn hạn (SDA) và nợ dài hạn (LDA) cùng các biến kiểm soát quy mô (SIZE), tăng trưởng doanh thu (GROWTH) đến khả năng sinh lời (ROE, ROA) thông qua chuỗi mô hình kinh tế lượng từ Pooled OLS, FEM, REM đến FGLS và System-GMM.
  3. Đề xuất hàm ý quản trị: Xây dựng khung khuyến nghị định lượng giúp các nhà quản trị doanh nghiệp tái cấu trúc danh mục nợ và tối ưu hóa hiệu quả hoạt động kinh doanh.

Phạm vi và quy mô dữ liệu: Nghiên cứu sử dụng mẫu dữ liệu bảng (Panel Data) bao gồm 300 doanh nghiệp phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE), trải dài trong giai đoạn 11 năm liên tục từ 2012 đến 2022 với tổng số 3.140 quan sát (firm-year observations). Mẫu nghiên cứu bao phủ 7 phân ngành trọng yếu: Hàng tiêu dùng (20,7%), Nguyên vật liệu (19,0%), Tiện ích công cộng (11,0%), Dịch vụ tiêu dùng (7,7%), Dược phẩm & Y tế (4,7%), Công nghệ thông tin (2,7%) và Dầu khí (0,7%).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu cấu trúc vốn doanh nghiệp đòi hỏi việc đánh giá các kỹ thuật ước lượng kinh tế lượng để kiểm soát các khuyết tật dữ liệu bảng. Bảng dưới đây so sánh các phương pháp phân tích phổ biến trong nghiên cứu tài chính thực nghiệm:

Phương pháp ước lượng Ưu điểm kỹ thuật Nhược điểm & Hạn chế Mức độ phù hợp với dữ liệu bảng HOSE
Pooled OLS (Hồi quy gộp) Đơn giản, dễ tính toán tham số $\beta$. Bỏ qua đặc trưng riêng không quan sát được của từng doanh nghiệp ($u_i$). Không phù hợp do vi phạm giả định sai số độc lập.
FEM / REM (Mô hình tác động cố định / ngẫu nhiên) Kiểm soát được tính không đồng nhất riêng lẻ của từng công ty theo thời gian. Vi phạm khi có hiện tượng tự tương quan, phương sai sai số thay đổi và nội sinh. Cần thiết cho bước phân tích lựa chọn ban đầu.
FGLS (Bình phương nhỏ nhất tổng quát khả thi) Khắc phục hoàn toàn phương sai sai số thay đổi (Heteroskedasticity) và tự tương quan (Autocorrelation). Vẫn bị chệch nếu tồn tại biến nội sinh hoặc mối quan hệ đồng thời giữa nợ và lợi nhuận. Thích hợp xử lý khuyết tật sai số chuẩn cấp độ 1.
Two-Step System GMM (Phương pháp khoảnh khắc tổng quát hệ thống) Kiểm soát triệt để hiện tượng nội sinh, trễ của biến phụ thuộc và sai số đo lường. Đòi hỏi cấu trúc dữ liệu bảng phù hợp và kiểm định biến công cụ chặt chẽ (Sargan/Hansen, AR(2)). Phương pháp tối ưu nhất cho kết quả vững.

Thực tế nghiên cứu tại Việt Nam cho thấy tồn tại khoảng trống nghiên cứu (Research Gap): Nhiều công trình chỉ dừng lại ở mô hình tĩnh (Pooled OLS, FEM/REM) hoặc chưa phân tách chi tiết tác động của kỳ hạn nợ (nợ ngắn hạn SDA vs. nợ dài hạn LDA) trong mối liên hệ với các biến kiểm soát quy mô và tốc độ tăng trưởng.

Thiết kế hệ thống & Mô hình nghiên cứu

Mô hình kinh tế lượng tổng quát được xác lập dựa trên cơ sở kế thừa các nghiên cứu chuẩn tắc quốc tế (Salim & Yadav, 2012; Vuong et al., 2017) và nghiên cứu tại thị trường Việt Nam (Nguyen et al., 2023):

$$\text{ROE}{it} = \beta_0 + \beta_1 \text{SDA}{it} + \beta_2 \text{LDA}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{GROWTH}{it} + \varepsilon{it} \quad (1)$$

$$\text{ROA}{it} = \beta_0 + \beta_1 \text{SDA}{it} + \beta_2 \text{LDA}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{GROWTH}{it} + \varepsilon{it} \quad (2)$$

Trong đó:

  • $\text{ROE}_{it}$: Lợi nhuận sau thuế chia cho Vốn chủ sở hữu bình quân của doanh nghiệp $i$ tại năm $t$.
  • $\text{ROA}_{it}$: Lợi nhuận sau thuế chia cho Tổng tài sản bình quân của doanh nghiệp $i$ tại năm $t$.
  • $\text{SDA}_{it}$: Tỷ số nợ vay ngắn hạn trên tổng tài sản ($\text{Short-term Debt} / \text{Total Assets}$).
  • $\text{LDA}_{it}$: Tỷ số nợ vay dài hạn trên tổng tài sản ($\text{Long-term Debt} / \text{Total Assets}$).
  • $\text{SIZE}_{it}$: Quy mô doanh nghiệp, đo lường bằng Logarit tự nhiên của tổng tài sản ($\ln(\text{Total Assets})$).
  • $\text{GROWTH}{it}$: Tốc độ tăng trưởng doanh thu: $(\text{Doanh thu}t - \text{Doanh thu}{t-1}) / \text{Doanh thu}{t-1}$.
  • $\beta_0$: Hệ số chặn; $\beta_1, \beta_2, \beta_3, \beta_4$: Hệ số góc hồi quy; $\varepsilon_{it}$: Sai số ngẫu nhiên.

Công nghệ & Công cụ thực hiện:

  • Nền tảng trích xuất dữ liệu: Cơ sở dữ liệu tài chính vĩ mô và vi mô FiinPro Platform (FiinGroup).
  • Phần mềm xử lý số liệu sơ cấp: Microsoft Excel 365 (Chuẩn hóa cấu trúc bảng, xử lý mã chứng khoán trùng lặp và làm sạch khuyết dữ liệu).
  • Phần mềm phân tích kinh tế lượng chuyên sâu: Stata 17.0 (Thực hiện thống kê mô tả, ma trận tương quan Pearson, hồi quy xtreg, xtgls, kiểm định Breusch-Pagan, Hausman, Modified Wald, Wooldridge và mô hình xtabond2 System-GMM).

Methodology (Phương pháp nghiên cứu)

Nghiên cứu tuân thủ quy trình 7 bước chuẩn hóa trong kinh tế lượng ứng dụng:

  1. Khảo lược lý thuyết & Bằng chứng thực nghiệm: Rà soát các khung lý thuyết M&M, Pecking Order, Trade-off và đối chiếu các công trình nghiên cứu giai đoạn 2011–2023.
  2. Thiết lập mô hình & Giả thuyết: Xác định các biến phụ thuộc, độc lập, kiểm soát và kỳ vọng dấu.
  3. Thu thập và lọc dữ liệu: Thu thập 300 báo cáo tài chính kiểm toán của doanh nghiệp phi tài chính trên HOSE (2012–2022).
  4. Phân tích thống kê mô tả & Ma trận tương quan: Nhận diện phân phối biến và sàng lọc sớm hiện tượng đa cộng tuyến (ngưỡng tương quan $|r| > 0.8$).
  5. Ước lượng mô hình tĩnh: Chạy OLS gộp, FEM và REM; áp dụng kiểm định $F$-test và Hausman test để chọn mô hình tối ưu.
  6. Kiểm định & Khắc phục khuyết tật: Thực hiện kiểm định Modified Wald (phương sai thay đổi), Wooldridge (tự tương quan), VIF (đa cộng tuyến); xử lý bằng hồi quy FGLS và System-GMM (kiểm soát biến nội sinh).
  7. Thảo luận kết quả & Đề xuất khuyến nghị: Phân tích mối liên hệ định lượng với các lý thuyết tài chính và ban hành giải pháp quản trị.

Implementation và kết quả

Development process & Mã lệnh Stata 17

Toàn bộ quy trình phân tích định lượng được tự động hóa bằng hệ thống kịch bản Stata (.do file) đảm bảo tính tái lập (reproducibility):

*====================================================================*
* DỰ ÁN: TÁC ĐỘNG CỦA CẤU TRÚC VỐN ĐẾN KHẢ NĂNG SINH LỜI (HOSE 2012-2022)
* CÔNG CỤ: STATA 17.0 | MẪU: 300 DOANH NGHIỆP PHI TÀI CHÍNH
*====================================================================*

clear all
set more off

* 1. Khai báo cấu trúc dữ liệu bảng (Panel setting)
* id: Mã định danh doanh nghiệp (1..300), year: Năm tài chính (2012..2022)
destring id year roe roa sda lda size growth, replace
xtset id year

* 2. Thống kê mô tả và Ma trận hệ số tương quan
summarize roe roa sda lda size growth, detail
pwcorr roe roa sda lda size growth, sig star(0.05)

* 3. Kiểm tra đa cộng tuyến qua chỉ số VIF (hồi quy OLS phụ trợ)
regress roe sda lda size growth
estat vif

* 4. Hồi quy Mô hình 1: Biến phụ thuộc ROE
* 4.1. Hồi quy Pooled OLS, FEM và REM
regress roe sda lda size growth
estimates store pooled_roe

xtreg roe sda lda size growth, fe
estimates store fe_roe

xtreg roe sda lda size growth, re
estimates store re_roe

* 4.2. Kiểm định lựa chọn mô hình: Hausman test (FE vs RE)
hausman fe_roe re_roe

* 5. Kiểm định khuyết tật mô hình (sau khi chọn Fixed Effects)
* 5.1. Kiểm định phương sai sai số thay đổi (Modified Wald test)
xtreg roe sda lda size growth, fe
xttest3

* 5.2. Kiểm định tự tương quan bậc 1 (Wooldridge test)
xtserial roe sda lda size growth

* 6. Khắc phục khuyết tật bằng mô hình FGLS (Cross-sectional time-series FGLS)
xtgls roe sda lda size growth, panels(hetero) corr(ar1)
estimates store fgls_roe

xtgls roa sda lda size growth, panels(hetero) corr(ar1)
estimates store fgls_roa

* 7. Khắc phục biến nội sinh bằng phương pháp Two-Step System GMM
xtabond2 roe L.roe sda lda size growth, gmm(L.roe sda lda, lag(2 4) collapse) ///
    iv(size growth) robust twostep small
xtabond2 roa L.roa sda lda size growth, gmm(L.roa sda lda, lag(2 4) collapse) ///
    iv(size growth) robust twostep small

Testing và validation

Kết quả kiểm định chẩn đoán kỹ thuật cho mô hình hồi quy thể hiện rõ ràng các đặc tính dữ liệu bảng:

  1. Kiểm tra đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập và biến kiểm soát đều nằm trong khoảng $1.05 - 1.82$, thấp hơn nhiều so với ngưỡng cảnh báo vi phạm ($VIF > 10$). Hệ số tương quan cặp giữa các biến độc lập đều có $|r| < 0.60$, khẳng định mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
  2. Kiểm định lựa chọn mô hình: Kiểm định $F$-test ($p\text{-value} < 0.001$) bác bỏ giả thuyết $H_0$ của Pooled OLS, xác nhận mô hình FEM vượt trội hơn OLS gộp. Tiếp tục thực hiện kiểm định Hausman ($p\text{-value} < 0.01$), kết quả ủng hộ mô hình tác động cố định (FEM) so với mô hình tác động ngẫu nhiên (REM).
  3. Kiểm định vi phạm giả định hồi quy:
    • Kiểm định Modified Wald đối với mô hình FEM cho giá trị $\chi^2$ có mức ý nghĩa $p < 0.0000$, chỉ ra sự tồn tại của hiện tượng phương sai sai số thay đổi.
    • Kiểm định Wooldridge cho kết quả $F$-test có $p < 0.05$, xác nhận mô hình bị hiện tượng tự tương quan chuỗi bậc 1.
    • Hiện tượng này được xử lý triệt để thông qua mô hình FGLS (xtgls với cấu hình panels(hetero) corr(ar1)) và kiểm định hệ thống Dynamic System-GMM (với kiểm định Arellano-Bond $AR(2)$ có $p > 0.1$ và Hansen test có $p > 0.1$, bảo đảm tính hợp lệ của các biến công cụ).

Kết quả đạt được

Bảng tổng hợp các chỉ số thống kê mô tả mẫu nghiên cứu ($N = 3.140$ quan sát):

Biến số Ký hiệu Số quan sát Giá trị trung bình (Mean) Độ lệch chuẩn (Std. Dev.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
Tỷ suất sinh lời trên VCSH ROE 3.140 13,68% 19,64% -348,20% 435,60%
Tỷ suất sinh lời trên Tài sản ROA 3.133 7,18% 8,92% -91,30% 88,40%
Tỷ lệ nợ ngắn hạn / Tổng tài sản SDA 3.140 16,26% 15,10% 0,00% 89,40%
Tỷ lệ nợ dài hạn / Tổng tài sản LDA 3.140 8,64% 13,20% 0,00% 88,20%
Quy mô doanh nghiệp SIZE 3.138 12,45 1,61 9,12 19,80
Tốc độ tăng trưởng doanh thu GROWTH 3.085 29,14% 312,50% -100,00% 9.840,00%

Tổng hợp kết quả ước lượng thực nghiệm:

  • Tác động của nợ ngắn hạn (SDA): Tác động ngược chiều ($\beta < 0$) có ý nghĩa thống kê ở mức 1% đối với cả ROE và ROA. Cụ thể, khi tỷ lệ nợ ngắn hạn trên tổng tài sản tăng lên 1%, ROE và ROA của doanh nghiệp giảm tương ứng khoảng 0,18% đến 0,25% trong điều kiện các yếu tố khác không đổi.
  • Tác động của nợ dài hạn (LDA): Tác động ngược chiều ($\beta < 0$) có ý nghĩa thống kê ở mức 1% đối với cả ROE và ROA. Việc lạm dụng nợ dài hạn tạo ra gánh nặng chi phí lãi vay cố định lớn, làm giảm tỷ suất sinh lời của doanh nghiệp.
  • Tác động của quy mô (SIZE): Tác động cùng chiều ($\beta > 0$) có ý nghĩa thống kê ở mức 1%. Các doanh nghiệp có quy mô tài sản lớn hơn tận dụng được lợi thế kinh tế theo quy mô (Economies of Scale), đa dạng hóa hoạt động kinh doanh và tối ưu hóa chi phí vận hành.
  • Tác động của tăng trưởng doanh thu (GROWTH): Tác động cùng chiều ($\beta > 0$) đến hiệu quả tài chính, khẳng định mở rộng thị phần và doanh số là động lực trực tiếp gia tăng lợi nhuận sau thuế.

Đổi mới và đóng góp

  1. Đổi mới phương pháp luận kinh tế lượng: Khác với các nghiên cứu truyền thống tại Việt Nam chỉ áp dụng OLS hoặc FEM/REM tĩnh (dễ bị chệch do biến nội sinh), công trình đã kết hợp đồng thời phương pháp hiệu chỉnh khuyết tật FGLS và phương pháp Dynamic System GMM hai bước (Two-Step System-GMM). Kỹ thuật này kiểm soát hoàn toàn hiện tượng nội sinh phát sinh từ quan hệ nhân quả hai chiều giữa quyết định vay nợ và khả năng sinh lời.
  2. Đối chiếu thực nghiệm với các nghiên cứu tiền nhiệm:
    • So với nghiên cứu của Nguyen và cộng sự (2023): Nghiên cứu của Nguyen et al. cho thấy SDA tác động cùng chiều còn LDA tác động ngược chiều. Đề tài này chứng minh rằng trong giai đoạn 2012–2022 (bao gồm cả các cú sốc thanh khoản và lãi suất tăng cao), cả SDA và LDA đều tác động ngược chiều đến khả năng sinh lời của các doanh nghiệp trên HOSE.
    • So với nghiên cứu của Tristian Nguyen & Huy Cuong Nguyen (2015): Nghiên cứu năm 2015 kết luận kỳ hạn nợ không tạo ra sự khác biệt rõ rệt. Đề tài này chỉ ra sự phân hóa rõ ràng: Doanh nghiệp phi tài chính Việt Nam sử dụng nợ ngắn hạn (trung bình 16,26%) cao gần gấp đôi nợ dài hạn (8,64%), và cả hai loại đòn bẩy này đều tạo ra áp lực tài chính làm suy giảm ROE và ROA.
  3. Minh chứng cho các lý thuyết tài chính hiện đại tại thị trường mới nổi: Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm mạnh mẽ ủng hộ Lý thuyết trật tự phân hạng (Pecking Order Theory) và Lý thuyết chi phí đại diện (Agency Theory): Doanh nghiệp ưu tiên sử dụng lợi nhuận giữ lại hơn là nợ vay; khi gia tăng tỷ lệ nợ, chi phí đại diện của nợ và áp lực trả lãi vay triệt tiêu hoàn toàn lợi ích từ lá chắn thuế tại thị trường Việt Nam.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-world Use Cases)

  • Chiến lược tái cơ cấu nợ cho Giám đốc Tài chính (CFO): Doanh nghiệp cần cắt giảm tỷ trọng tài trợ bằng nợ ngắn hạn đối với các tài sản có tính thanh khoản thấp, tránh tình trạng lấy nợ ngắn hạn tài trợ cho đầu tư dài hạn (Maturity Mismatch).
  • Tối ưu hóa nguồn vốn tự có: Tăng cường chính sách giữ lại lợi nhuận để tái đầu tư thay vì phụ thuộc quá mức vào đòn bẩy ngân hàng hoặc phát hành trái phiếu lãi suất cao.

Lộ trình triển khai 3 giai đoạn cho Doanh nghiệp niêm yết

Giai đoạn 1: Tối ưu vốn lưu động (Tháng 1 - 6)

Giai đoạn 2: Tái cấu trúc kỳ hạn nợ & Tăng quy mô vốn (Tháng 7 - 18)

Giai đoạn 3: Kiểm soát rủi ro kiệt quệ tài chính (Tháng 19 - 36)

Hạn chế và hướng phát triển

  • Hạn chế về không gian mẫu: Đề tài chỉ tập trung vào 300 doanh nghiệp phi tài chính niêm yết trên sàn HOSE, chưa bao quát các doanh nghiệp trên sàn HNX và UPCoM, cũng như khối doanh nghiệp chưa niêm yết (vốn có cấu trúc vốn phụ thuộc nhiều hơn vào tín dụng ngân hàng).
  • Hạn chế về biến số kinh tế vĩ mô: Nghiên cứu chưa đưa vào các biến vĩ mô ngoại sinh như lạm phát (CPI), lãi suất tái cấp vốn của Ngân hàng Nhà nước, hoặc biến động tỷ giá (USD/VND) vốn có tác động gián tiếp đến chi phí sử dụng nợ.
  • Hướng phát triển mở rộng:
    • Ứng dụng mô hình hồi quy ngưỡng dạng bảng (Panel Threshold Regression) để xác định chính xác ngưỡng cấu trúc vốn tối ưu (Optimal Capital Structure Threshold) cho từng ngành nghề cụ thể.
    • Tích hợp các thuật toán học máy (Machine Learning / XGBoost / Random Forest) nhằm dự báo xác suất kiệt quệ tài chính khi cấu trúc nợ thay đổi theo chu kỳ kinh tế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận kịch bản phân tích kinh tế lượng hoàn chỉnh trên Stata 17, nắm vững quy trình xử lý dữ liệu bảng thực tế từ FiinPro và phương pháp luận System-GMM.
  • Chuyên viên phân tích tài chính & Lập trình viên FinTech: Ứng dụng các thuật toán định lượng và mô hình hồi quy vào việc xây dựng hệ thống tự động chấm điểm sức khỏe tài chính và đánh giá rủi ro đòn bẩy của doanh nghiệp.
  • Doanh nghiệp & Hội đồng Quản trị: Có căn cứ khoa học định lượng để hoạch định chính sách cổ tức, giữ lại lợi nhuận và hạn chế rủi ro phá sản do lạm dụng đòn bẩy tài chính.
  • Nhà nghiên cứu & Giảng viên: Cung cấp tài liệu tham khảo thực nghiệm chuẩn xác về mối quan hệ giữa cấu trúc vốn và tỷ suất sinh lời tại thị trường chứng khoán Việt Nam giai đoạn 2012–2022.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật về phần mềm và dữ liệu để triển khai nghiên cứu là gì?

Hệ thống yêu cầu cài đặt Stata 17.0 trở lên (hoặc các gói plm, gmm trong R/Python), bảng tính Microsoft Excel để tiền xử lý số liệu, và nguồn dữ liệu thô chuẩn hóa từ hệ sinh thái dữ liệu tài chính FiinPro Platform với đầy đủ các chỉ tiêu trong Bảng cân đối kế toán và Báo cáo kết quả hoạt động kinh doanh đã kiểm toán.

2. Tại sao cả nợ ngắn hạn (SDA) và nợ dài hạn (LDA) đều tác động tiêu cực đến ROE và ROA?

Tại thị trường Việt Nam giai đoạn 2012–2022, lãi suất cho vay thương mại ở mức tương đối cao kết hợp với biến động thị trường tài chính khiến chi phí trả lãi vượt qua lợi ích thu được từ lá chắn thuế. Ngoài ra, việc quản trị dòng tiền chưa tối ưu dẫn đến việc chi phí đại diện và rủi ro thanh khoản gia tăng, trực tiếp kéo giảm biên lợi nhuận của doanh nghiệp.

3. Phương pháp System-GMM giải quyết vấn đề nội sinh trong mô hình như thế nào?

System-GMM sử dụng các giá trị trễ của biến độc lập và biến phụ thuộc làm biến công cụ (Instrumental Variables), kết hợp đồng thời phương trình sai phân bậc nhất và phương trình mức. Kỹ thuật này loại bỏ các hiệu ứng cố định không quan sát được và triệt tiêu tương quan giữa biến giải thích với sai số ngẫu nhiên.

4. Doanh nghiệp quy mô nhỏ cần áp dụng cấu trúc vốn ra sao để tăng khả năng sinh lời?

Do biến quy mô (SIZE) có tương quan dương với hiệu quả hoạt động, các doanh nghiệp nhỏ nên ưu tiên tích lũy vốn từ nguồn tài trợ nội bộ (lợi nhuận giữ lại theo Lý thuyết trật tự phân hạng), thận trọng khi tiếp cận nợ vay ngắn hạn lãi suất cao, và tập trung nâng cao tốc độ tăng trưởng doanh thu để tích lũy quy mô tài sản.

5. Chi phí và thời gian cần thiết để tối ưu hóa lại cơ cấu vốn doanh nghiệp?

Quá trình tái cấu trúc vốn thường kéo dài từ 12 đến 24 tháng. Chi phí liên quan bao gồm phí tái tài trợ nợ, chi phí phát hành cổ phiếu mới, và chi phí cơ hội của việc giữ lại lợi nhuận. Tuy nhiên, việc giảm tỷ lệ đòn bẩy xuống mức an toàn có thể giúp doanh nghiệp tiết kiệm 2% - 4% chi phí tài chính ròng hàng năm và giảm thiểu 80% rủi ro mất thanh khoản khi thị trường thắt chặt tín dụng.

Kết luận

Nghiên cứu khoa học của tác giả Phạm Thanh Giàu đã lượng hóa toàn diện và kiểm định thành công tác động của cấu trúc vốn đến tỷ suất sinh lời của 300 doanh nghiệp phi tài chính niêm yết trên sàn HOSE giai đoạn 2012–2022. Bằng việc ứng dụng chuỗi mô hình kinh tế lượng từ Pooled OLS, FEM/REM, FGLS đến phương pháp hồi quy nâng cao System-GMM, công trình đã chứng minh rõ ràng: Tỷ lệ nợ ngắn hạn (SDA) và nợ dài hạn (LDA) đều có tác động ngược chiều đến tỷ suất sinh lời (ROE, ROA), trong khi quy mô doanh nghiệp (SIZE) và tốc độ tăng trưởng doanh thu (GROWTH) có tác động cùng chiều mạnh mẽ.

Kết quả thực nghiệm này khẳng định tính đúng đắn của Lý thuyết trật tự phân hạng và Lý thuyết chi phí đại diện trong bối cảnh thị trường chứng khoán Việt Nam. Đây là tài liệu tham khảo có giá trị ứng dụng cao, giúp các nhà quản trị doanh nghiệp chủ động cắt giảm tỷ lệ đòn bẩy nợ không cần thiết, gia tăng hiệu quả sử dụng vốn tự có và định hình chiến lược tài chính bền vững. Các nhà đầu tư và nhà quản trị có thể áp dụng ngay khung phân tích định lượng này để đánh giá danh mục doanh nghiệp và đưa ra các quyết định tái cơ cấu vốn kịp thời.