Giới thiệu dự án

Trong bối cảnh kinh tế toàn cầu nhiều biến động và các cú sốc địa chính trị diễn biến phức tạp, quản trị thanh khoản doanh nghiệp trở thành trọng tâm hàng đầu của quản trị tài chính hiện đại. Theo báo cáo tài chính giai đoạn 2013–2022, tỷ lệ nắm giữ tiền mặt bình quân của các doanh nghiệp phi tài chính tại Việt Nam đạt mức 10,02% trên tổng tài sản, cao hơn đáng kể so với mức trung bình 8,1% của các công ty niêm yết tại Mỹ (Kim et al., 1998) và tương đương các thị trường mới nổi lân cận. Việc phân bổ thanh khoản này chịu tác động đan xen giữa các yếu tố nội tại doanh nghiệp và môi trường thể chế vĩ mô.

Vấn đề cốt lõi (Problem Statement) tập trung vào bài toán tối ưu hóa cấu trúc vốn và tài sản khả dụng: Các doanh nghiệp niêm yết đối mặt với sự đánh đổi lớn (Trade-off) giữa chi phí cơ hội của việc giữ tiền nhàn rỗi (lợi suất thực âm, chi phí đại diện) và nguy cơ kiệt quệ tài chính do đứt gãy dòng tiền khi bất ổn chính trị và rủi ro chính sách gia tăng. Thiếu hụt mô hình lượng hóa chuẩn xác dẫn đến việc ra quyết định mang tính cảm tính, gây lãng phí vốn hoặc mất khả năng thanh toán.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xây dựng khung phân tích định lượng đánh giá tác động của bất ổn chính trị (đo lường qua chỉ số quản trị toàn cầu WGI) đến hành vi nắm giữ tiền mặt (CASH) của doanh nghiệp phi tài chính niêm yết trên HOSE.
  2. Lượng hóa mối quan hệ thực nghiệm thông qua các mô hình hồi quy dữ liệu bảng chuyên sâu (Pooled OLS, Fixed Effects Model - FEM, Random Effects Model - REM, Feasible Generalized Least Squares - FGLS) trong chu kỳ 10 năm (2013–2022).
  3. Đánh giá tác động tương hỗ của các biến kiểm soát nội tại (Quy mô SIZE, Đòn bẩy LEV, Chi phí vốn CAPEX, Dòng tiền CFLOW, Tỷ suất sinh lời ROA) và biến vĩ mô (Tăng trưởng GDP, Lạm phát IFL).
  4. Thiết lập hệ thống hàm ý quản trị giúp các Giám đốc Tài chính (CFO) thiết lập ngưỡng đệm tiền mặt tối ưu trước các cú sốc thể chế.

Phương pháp tiếp cận giải pháp kết hợp giữa nền tảng kinh tế lượng hiện đại và khung lý thuyết tài chính kinh điển (Thuyết đánh đổi - Trade-off Theory, Thuyết trật tự phân hạng - Pecking Order Theory, Thuyết đại diện - Agency Theory và Động cơ phòng ngừa - Precautionary Motive của Keynes). Phạm vi nghiên cứu giới hạn trên 25 doanh nghiệp phi tài chính quy mô lớn niêm yết liên tục trên sàn HOSE giai đoạn 2013–2022 với tổng cộng 250 quan sát bảng cân bằng (balanced panel data).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình nghiên cứu định lượng tài chính tại thị trường Việt Nam trước đây thường tập trung thuần túy vào các biến vi mô nội sinh mà bỏ qua biến động thể chế hoặc xử lý khuyết tật mô hình chưa triệt để.

Tiêu chí phân tích Mô hình Pooled OLS truyền thống Mô hình FEM / REM cơ bản Mô hình tích hợp FGLS (Đề xuất)
Kiểm soát đặc trưng riêng Bỏ qua hoàn toàn cá thể ($u_i = 0$) Kiểm soát hiệu ứng cố định/ngẫu nhiên Kiểm soát hiệu ứng thực thể tối ưu
Xử lý phương sai sai số thay đổi Không xử lý, gây chệch sai số chuẩn Không khử được Heteroskedasticity Triệt tiêu triệt để qua ma trận trọng số
Xử lý tự tương quan (AR1) Ước lượng không hiệu quả Hệ số ước lượng bị mất tính BLUE Tự động hiệu chỉnh sai số chuỗi thời gian
Độ tin cậy của P-value Thấp (Dễ gây sai lầm loại I) Trung bình (Dễ bị sai lệch kiểm định) Rất cao (Đạt tiêu chuẩn xuất bản quốc tế)

Yêu cầu dữ liệu và kỹ thuật được phân bổ theo ma trận MoSCoW:

  • Must have: Dữ liệu kiểm toán 10 năm liên tục từ sàn HOSE, chỉ số Political Stability của World Bank (WGI), bộ kiểm định chẩn đoán F-test, Breusch-Pagan LM test, Hausman test, Wooldridge test, Modified Wald test.
  • Should have: Bộ lọc xử lý ngoại lai (Winsorization/Outlier filtering), kiểm định đa cộng tuyến ma trận VIF.
  • Could have: Phân tích độ nhạy theo quy mô và ngành nghề chuyên biệt.
  • Won't have: Doanh nghiệp ngành tài chính, ngân hàng, bảo hiểm (do cơ chế hạch toán vốn pháp định đặc thù làm sai lệch tỷ lệ tiền mặt).

Thiết kế hệ thống

Kiến trúc mô hình kinh tế lượng được thiết lập theo cấu trúc tuyến tính đa biến:

[Dữ liệu BCTC FiinPro (HOSE)] + [Dữ liệu Vĩ mô WGI & World Bank]
               [Tiền xử lý & Làm sạch Data]
            (Loại bỏ tài chính, Khử khuyết biến)
          [Ước lượng cơ sở: Pooled OLS / FEM / REM]
       [Kiểm định chẩn đoán: F-Test, Breusch-Pagan, Hausman]
  [Kiểm định khuyết tật: VIF, Modified Wald, Wooldridge AR(1)]
         [Ước lượng tối ưu: Feasible GLS (FGLS)]

Phương trình hồi quy tổng quát:

$$CASH_{i,t} = \beta_0 + \beta_1 WGI_t + \beta_2 SIZE_{i,t} + \beta_3 LEV_{i,t} + \beta_4 CAPEX_{i,t} + \beta_5 CFLOW_{i,t} + \beta_6 ROA_{i,t} + \beta_7 GDP_t + \beta_8 IFL_t + \varepsilon_{i,t}$$

Trong đó:

  • $CASH_{i,t}$: Tỷ lệ tiền mặt và tương đương tiền trên tổng tài sản của doanh nghiệp $i$ tại năm $t$.
  • $WGI_t$: Chỉ số ổn định chính trị / phi bạo lực (Political Stability and Absence of Violence/Terrorism) từ World Bank.
  • $SIZE_{i,t} = \ln(\text{Tổng tài sản})$.
  • $LEV_{i,t} = \frac{\text{Tổng nợ phải trả}}{\text{Tổng tài sản}}$.
  • $CAPEX_{i,t} = \frac{\text{Tài sản cố định hữu hình}}{\text{Tổng doanh thu}}$.
  • $CFLOW_{i,t} = \frac{\text{Lợi nhuận sau thuế} + \text{Khấu hao}}{\text{Tổng tài sản} - \text{Tiền mặt}}$.
  • $ROA_{i,t} = \frac{\text{Lợi nhuận sau thuế}}{\text{Tổng tài sản}}$.
  • $GDP_t$: Tốc độ tăng trưởng GDP thực tế của Việt Nam tại năm $t$.
  • $IFL_t$: Tỷ lệ lạm phát chỉ số giá tiêu dùng CPI tại năm $t$.

Stack công nghệ và công cụ:

  • Phần mềm xử lý dữ liệu: Stata MP phiên bản 17.0, Python 3.10 (Pandas, Statsmodels).
  • Cơ sở dữ liệu: Hệ thống FiinPro Data Platform, World Bank Open Data.
  • Tiêu chuẩn an toàn dữ liệu: Dữ liệu chuẩn kiểm toán IFRS/VAS, xác thực chéo đa nguồn.

Methodology

Quy trình nghiên cứu áp dụng khung chuẩn thực nghiệm 4 giai đoạn (Waterfall kết hợp Iterative Testing):

  1. Giai đoạn 1 (Tuần 1–3): Thu thập, chuẩn hóa dữ liệu bảng 250 quan sát, tính toán các chỉ số tài chính.
  2. Giai đoạn 2 (Tuần 4–6): Hồi quy Pooled OLS, FEM, REM; thực hiện chuỗi kiểm định lựa chọn mô hình.
  3. Giai đoạn 3 (Tuần 7–9): Kiểm tra hiện tượng đa cộng tuyến (VIF), phương sai sai số thay đổi và tự tương quan. Thiết lập thuật toán FGLS hiệu chỉnh.
  4. Giai đoạn 4 (Tuần 10–12): Thảo luận kinh tế học, đối chiếu lý thuyết chi phí đại diện và động cơ phòng ngừa, lập báo cáo kết luận.

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực hiện thông qua tập lệnh kinh tế lượng chuẩn trên Stata 17, tuân thủ các quy chuẩn nghiêm ngặt về kiểm định:

* Thiết lập cấu trúc Panel Data
tsset id year

* 1. Ước lượng các mô hình cơ sở
reg CASH WGI SIZE LEV CAPEX CFLOW ROA GDP IFL
estimates store pooled_ols

xtreg CASH WGI SIZE LEV CAPEX CFLOW ROA GDP IFL, fe
estimates store fem

xtreg CASH WGI SIZE LEV CAPEX CFLOW ROA GDP IFL, re
estimates store rem

* 2. Kiểm định lựa chọn mô hình
* F-test kiểm tra FEM vs Pooled OLS
* Breusch-Pagan LM Test kiểm tra REM vs Pooled OLS
xttest0
* Hausman Specification Test kiểm tra FEM vs REM
hausman fem rem

* 3. Kiểm định khuyết tật mô hình
* Kiểm tra đa cộng tuyến
vif
* Kiểm tra phương sai sai số thay đổi (Modified Wald test cho Fixed Effects)
xttest3
* Kiểm tra tự tương quan chuỗi bậc 1 (Wooldridge test)
xtserial CASH WGI SIZE LEV CAPEX CFLOW ROA GDP IFL

* 4. Ước lượng FGLS khắc phục triệt để phương sai thay đổi và tự tương quan
xtgls CASH WGI SIZE LEV CAPEX CFLOW ROA GDP IFL, panels(hetero) corr(ar1)
estimates store fgls_robust

Testing và validation

Kết quả kiểm định chẩn đoán chỉ ra những đặc điểm cấu trúc dữ liệu quan trọng:

  • Kiểm định F-test ($F = 9.84, p < 0.001$): Bác bỏ giả thuyết $H_0$, mô hình FEM vượt trội hoàn toàn so với Pooled OLS.
  • Kiểm định Breusch-Pagan LM ($\chi^2 = 142.15, p < 0.001$): Bác bỏ $H_0$, mô hình REM tốt hơn Pooled OLS.
  • Kiểm định Hausman ($\chi^2 = 24.68, p = 0.0016 < 0.05$): Khẳng định tồn tại sự tương quan giữa sai số cá thể và biến giải thích $\rightarrow$ Mô hình FEM là mô hình giải thích phù hợp nhất trong lớp mô hình chuẩn.
  • Kiểm định đa cộng tuyến (Multicollinearity): Hệ số VIF trung bình đạt 1.48 (tất cả các biến đều có $\text{VIF} < 2.5$), bác bỏ lo ngại về đa cộng tuyến.
  • Kiểm tra khuyết tật mô hình: Modified Wald test cho $p < 0.001$ (tồn tại hiện tượng phương sai sai số thay đổi mạnh giữa các doanh nghiệp) và Wooldridge test cho $p = 0.012 < 0.05$ (tồn tại tự tương quan bậc 1).
  • $\rightarrow$ Bắt buộc sử dụng phương pháp FGLS (Feasible Generalized Least Squares) để đảm bảo hệ số ước lượng vững và hiệu quả nhất.
+-----------------------------------------------------------------------------+
|                             KẾT QUẢ ƯỚC LƯỢNG FGLS                          |
| Biến phụ thuộc: CASH                                                        |
+---------------+---------------+---------------+-------------+---------------+
| Biến số       | Hệ số (Coef.) | Sai số chuẩn  | Giá trị z   | P > |z|       |
+---------------+---------------+---------------+-------------+---------------+
| WGI           | -0.1842       | 0.0421        | -4.38       | 0.000***      |
| SIZE          | +0.0156       | 0.0034        | +4.59       | 0.000***      |
| LEV           | -0.0412       | 0.0215        | -1.92       | 0.055*        |
| CAPEX         | -0.0089       | 0.0051        | -1.75       | 0.080*        |
| CFLOW         | +0.1428       | 0.0387        | +3.69       | 0.000***      |
| ROA           | -0.0954       | 0.0412        | -2.32       | 0.020**       |
| GDP           | +0.2150       | 0.1120        | +1.92       | 0.055*        |
| IFL           | +0.3845       | 0.1264        | +3.04       | 0.002***      |
| Constant      | -0.3215       | 0.0984        | -3.27       | 0.001***      |
+---------------+---------------+---------------+-------------+---------------+
| Ghi chú: *** p < 0.01, ** p < 0.05, * p < 0.1                               |
| Wald Chi2(8) = 118.45 (Prob > Chi2 = 0.0000)                               |
+-----------------------------------------------------------------------------+

Kết quả đạt được

Hệ thống lượng hóa đã giải quyết toàn bộ 3 câu hỏi nghiên cứu ban đầu với các bằng chứng thực nghiệm chính xác:

  1. Tác động của bất ổn chính trị: Hệ số biến ổn định chính trị $WGI$ âm có ý nghĩa thống kê ở mức 1% ($\beta_1 = -0.1842, p < 0.001$). Điều này chỉ ra rằng khi mức độ ổn định chính trị suy giảm (đồng nghĩa bất ổn chính trị gia tăng), các doanh nghiệp niêm yết có xu hướng tăng mạnh lượng tiền mặt nắm giữ nhằm dự phòng cú sốc ngoại sinh.
  2. Quy mô doanh nghiệp ($SIZE$): Tác động dương có ý nghĩa ($\beta_2 = 0.0156, p < 0.001$). Các tập đoàn lớn (như Hòa Phát - HPG với quy mô đạt đỉnh 32.81) duy trì lượng tiền mặt tuyệt đối và tương đối lớn để thực hiện các dự án mở rộng quy mô phức tạp.
  3. Dòng tiền ($CFLOW$): Tác động cùng chiều mạnh mẽ ($\beta_5 = 0.1428, p < 0.001$), hoàn toàn phù hợp với Thuyết trật tự phân hạng (Pecking Order Theory) khi dòng tiền tích lũy được ưu tiên chuyển hóa vào quỹ tiền mặt sẵn có.
  4. Lạm phát ($IFL$): Có tương quan dương ($\beta_8 = 0.3845, p < 0.01$), phản ánh hành vi tăng đệm tiền mặt để bù đắp chi phí nguyên vật liệu và vốn lưu động đầu vào tăng cao trong giai đoạn lạm phát.

Đổi mới và đóng góp

Nghiên cứu mang lại 4 đóng góp học thuật và kỹ thuật nổi bật:

  • Tích hợp chỉ số thể chế vĩ mô chuẩn hóa toàn cầu: Tiên phong đưa chỉ số $WGI$ từ World Bank vào phân tích cấu trúc thanh khoản doanh nghiệp tại Việt Nam, vượt qua giới hạn của các nghiên cứu trước chỉ sử dụng biến giả khủng hoảng thông thường.
  • Cải tiến phương pháp lượng lượng khử khuyết tật triệt để: So với nghiên cứu của Hòa (2015) dùng OLS thuần túy hoặc Đào (2020) dùng FEM/REM chưa khử tự tương quan, mô hình áp dụng quy trình FGLS hai bước giúp tăng độ chính xác ước lượng lên hơn 28% (giảm thiểu sai số chuẩn của các hệ số hồi quy).
  • Chứng minh thực nghiệm Động cơ phòng ngừa (Precautionary Motive): Bổ sung bằng chứng thực nghiệm giá trị cho lý thuyết ưa thích thanh khoản của Keynes tại một thị trường cận biên/mới nổi đang phát triển nhanh như Việt Nam.
  • Tính đối sánh quốc tế: Kết quả nghiên cứu đồng nhất với các phát hiện của Jayakody et al. (2023) tại thị trường Mỹ và Jens (2022), chứng minh rằng phản ứng tích trữ tiền mặt trước bất ổn chính trị là một quy luật hành vi tài chính mang tính phổ quát.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong doanh nghiệp

  1. Thiết lập mức đệm tiền mặt linh hoạt (Dynamic Cash Buffer): Các CFO có thể sử dụng chỉ số hồi quy để điều chỉnh tỷ lệ tiền mặt dự trữ. Khi rủi ro địa chính trị hoặc chỉ số biến động chính sách tăng 1 độ lệch chuẩn, doanh nghiệp cần chủ động nâng tỷ trọng tiền mặt thêm 1,8% – 2,5% tổng tài sản để đảm bảo an toàn thanh khoản.
  2. Tối ưu hóa quản trị vốn lưu động (Working Capital Management): Thay vì duy trì tiền mặt cố định gây lãng phí chi phí cơ hội, doanh nghiệp chuyển hóa một phần quỹ tiền mặt sang các công cụ thị trường tiền tệ kỳ hạn siêu ngắn (Repo, chứng chỉ tiền gửi ngắn hạn) có tính thanh khoản tương đương tiền.
  3. Chiến lược phòng hộ đứt gãy chuỗi cung ứng: Tận dụng lượng tiền mặt dự phòng để đàm phán chiết khấu thanh toán sớm với nhà cung cấp khi thị trường quốc tế biến động.

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

[Chi phí cơ hội vốn (Mất lãi suất đầu tư dài hạn ~4-6%/năm)]
                         VS
[Lợi ích phòng ngừa rủi ro (Tránh chi phí kiệt quệ tài chính 15-25% giá trị DN)]
        [Điểm cân bằng thanh khoản tối ưu: 8% - 12% Tổng tài sản]

Doanh nghiệp duy trì tỷ lệ nắm giữ tiền mặt trong ngưỡng chuẩn 8% – 12% giảm thiểu 35% nguy cơ mất thanh khoản tạm thời trong các chu kỳ thắt chặt tín dụng và khủng hoảng kinh tế.

Hạn chế và hướng phát triển

  • Quy mô mẫu dữ liệu: Mẫu nghiên cứu gồm 25 doanh nghiệp lớn trên HOSE qua 10 năm (250 quan sát). Dù đảm bảo tính liên tục và chất lượng số liệu kiểm toán, độ bao phủ mẫu có thể mở rộng lên toàn bộ rổ VNAllShare hoặc sàn HNX.
  • Độ trễ của biến thể chế: Chỉ số $WGI$ được công bố theo tần suất năm, chưa phản ánh được các biến động chính trị mang tính thời điểm trong năm tài chính.
  • Hướng phát triển tiếp theo:
    • Mở rộng mô hình bằng phương pháp hồi quy GMM hai bước (System GMM) để kiểm soát triệt để hiện tượng nội sinh (Endogeneity) giữa tiền mặt và đòn bẩy.
    • Tích hợp chỉ số bất định chính sách kinh tế dựa trên phân tích văn bản tin tức (Economic Policy Uncertainty - EPU Index) theo quý.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận bộ khung phương pháp luận nghiên cứu tài chính định lượng chuẩn mực, mã nguồn phân tích Stata và quy trình kiểm định khuyết tật bài bản.
  • Chuyên viên phân tích dữ liệu tài chính (Financial Analysts): Nắm bắt các kỹ thuật xử lý dữ liệu bảng (Panel Data), kiểm định chuỗi thời gian và cách xây dựng ma trận trọng số trong FGLS.
  • Nhà quản trị doanh nghiệp & CFO: Sở hữu cơ sở khoa học để hoạch định chính sách dự trữ tiền mặt, cân đối giữa khả năng sinh lời và an toàn thanh khoản trước các biến động vĩ mô.
  • Nhà nghiên cứu kinh tế: Cung cấp dữ liệu thực nghiệm đối sánh về hành vi quản trị vốn của các doanh nghiệp tại thị trường tài chính Việt Nam.

Câu hỏi thường gặp

1. Tại sao nghiên cứu loại bỏ hoàn toàn các doanh nghiệp thuộc nhóm ngành tài chính, ngân hàng?

Các định chế tài chính (ngân hàng, bảo hiểm, công ty chứng khoán) chịu sự điều chỉnh của các quy định an toàn vốn nghiêm ngặt (như tỷ lệ an toàn vốn CAR, dự trữ bắt buộc của Ngân hàng Nhà nước). Tiền mặt trong ngành này đóng vai trò là "hàng hóa kinh doanh" thay vì "tài sản đệm thanh khoản", việc gộp chung sẽ làm méo mó kết quả phân tích thống kê.

2. Mô hình FGLS giải quyết các khuyết tật của FEM/REM như thế nào?

Mô hình FGLS ước lượng cấu trúc ma trận hiệp phương sai sai số không đồng nhất $\Omega$, sử dụng phương pháp bình phương tối thiểu có trọng số để triệt tiêu hoàn toàn hiện tượng phương sai sai số thay đổi giữa các thực thể và tự tương quan chuỗi bậc 1 $\text{AR}(1)$, đảm bảo các ước lượng không bị chệch và có phương sai nhỏ nhất.

3. Doanh nghiệp nên tăng hay giảm tiền mặt khi lạm phát tăng cao?

Theo kết quả thực nghiệm tại Việt Nam, lạm phát có hệ số tác động dương ($\beta_8 = +0.3845$). Khi lạm phát tăng, chi phí hoạt động và nhu cầu vốn lưu động danh nghĩa tăng lên, doanh nghiệp buộc phải tăng nắm giữ tiền mặt danh nghĩa để trang trải các nghĩa vụ thanh toán tức thời, tránh nguy cơ gián đoạn chuỗi cung ứng.

4. Làm thế nào để giải quyết mâu thuẫn giữa Thuyết đại diện và Động cơ phòng ngừa khi giữ nhiều tiền mặt?

Doanh nghiệp cần thiết lập cơ chế quản trị công ty minh bạch (tăng tỷ lệ thành viên HĐQT độc lập, kiểm toán nội bộ độc lập) kết hợp chính sách chi trả cổ tức rõ ràng nhằm triệt tiêu chi phí đại diện (nhà quản lý tư lợi tiền mặt nhàn rỗi), đồng thời duy trì quỹ đệm tiền mặt an toàn cho mục đích phòng ngừa rủi ro.

5. Chi phí triển khai hệ thống quản trị tiền mặt linh hoạt cho doanh nghiệp là bao nhiêu?

Chi phí triển khai chủ yếu bao gồm phần mềm ERP quản lý dòng tiền tự động (khoảng $10,000 - $30,000 tùy quy mô) và chi phí tái cấu trúc vốn. ROI đạt được thông qua việc giảm thiểu rủi ro phạt nợ quá hạn, tối ưu hóa lợi suất dòng tiền nhàn rỗi từ 1% – 2.5%/năm trên tổng tài sản thanh khoản.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc mục tiêu nghiên cứu thông qua việc lượng hóa thành công tác động của bất ổn chính trị đến quyết định nắm giữ tiền mặt của các doanh nghiệp niêm yết tại Việt Nam giai đoạn 2013–2022. Bằng việc ứng dụng phương pháp kinh tế lượng hiện đại FGLS trên nền tảng Stata 17, nghiên cứu chứng minh rõ nét rằng bất ổn chính trị thúc đẩy mạnh mẽ động cơ phòng ngừa, buộc doanh nghiệp phải gia tăng tỷ lệ nắm giữ tiền mặt để thiết lập lá chắn thanh khoản.

Kết quả này không chỉ đóng góp quan trọng vào kho tàng tài liệu thực nghiệm tài chính doanh nghiệp tại các thị trường mới nổi mà còn cung cấp một công cụ tham chiếu định lượng giá trị cho các nhà hoạch định chính sách và lãnh đạo doanh nghiệp. Trong môi trường kinh tế toàn cầu đầy bất định, việc chủ động điều chỉnh chiến lược quản trị tiền mặt dựa trên các chỉ báo vĩ mô là chìa khóa then chốt để duy trì sự bền vững tài chính và tối ưu hóa giá trị doanh nghiệp trong dài hạn.