Giới thiệu dự án
Ngành thủy sản Việt Nam giữ vị thế kinh tế mũi nhọn với kim ngạch xuất khẩu tăng trưởng vượt bậc, từ mức 4,3 triệu tấn năm 2019 lên 8,0 triệu tấn vào năm 2022 (tương ứng mức tăng trưởng 86,05%). Theo Quyết định số 339/QĐ-TTg của Thủ tướng Chính phủ phê duyệt Chiến lược phát triển thủy sản đến năm 2030, tầm nhìn đến năm 2045, toàn ngành hướng tới mục tiêu phát triển bền vững, nâng cao giá trị gia tăng và năng lực cạnh tranh quốc tế. Tuy nhiên, sau giai đoạn biến động kinh tế toàn cầu và dịch bệnh Covid-19, các doanh nghiệp chế biến và xuất khẩu thủy sản phải đối mặt với nhiều rủi ro: chi phí logistics tăng cao, rào cản kỹ thuật khắt khe, sự phụ thuộc vào chu kỳ nguyên liệu và đặc biệt là áp lực đòn bẩy tài chính mất cân đối.
Vấn đề cốt lõi đặt ra là: Làm thế nào để xác lập một cấu trúc vốn tối ưu nhằm tối đa hóa giá trị doanh nghiệp trong bối cảnh ngành thủy sản có đặc thù thâm dụng vốn lưu động và rủi ro thị trường cao? Nhiều doanh nghiệp gặp khó khăn trong việc cân đối giữa nợ ngắn hạn (chi phí thấp nhưng áp lực thanh khoản cao) và nợ dài hạn (ổn định nhưng chi phí sử dụng vốn cao), dẫn đến suy giảm chỉ số định giá thị trường.
Đề tài nghiên cứu khoa học "Ảnh hưởng của cấu trúc vốn đến giá trị của các doanh nghiệp ngành thủy sản niêm yết trên thị trường chứng khoán Việt Nam" được thực hiện nhằm giải quyết bài toán trên thông qua các mục tiêu cụ thể:
- Xác định và đo lường mức độ tác động của cấu trúc vốn (Tổng tỷ lệ nợ - DA, Tỷ lệ nợ ngắn hạn - SDA, Tỷ lệ nợ dài hạn - LDA) đến giá trị doanh nghiệp (đại diện bằng hệ số Tobin's Q).
- Kiểm định và xử lý triệt để các khuyết tật mô hình dữ liệu bảng (phương sai sai số thay đổi, tự tương quan) bằng phương pháp ước lượng kinh tế lượng hiện đại.
- Cung cấp hàm ý quản trị tài chính thực nghiệm cho các nhà quản trị doanh nghiệp thủy sản và nhà đầu tư trên sàn giao dịch HOSE và HNX.
Phương pháp tiếp cận dựa trên dữ liệu bảng (Panel Data) thu thập từ 15 doanh nghiệp thủy sản niêm yết trong giai đoạn 2010 – 2022 (195 quan sát firm-year). Bằng việc ứng dụng mô hình hồi quy bình phương tổng quát khả thi (FGLS - Feasible Generalized Least Squares), nghiên cứu khắc phục các hạn chế của mô hình Pooled OLS, Fixed Effects Model (FEM) và Random Effects Model (REM), đảm bảo các ước lượng thu được đạt chuẩn BLUE (Best Linear Unbiased Estimator).
Phạm vi nghiên cứu tập trung vào các doanh nghiệp ngành thủy sản niêm yết công khai trên Sở Giao dịch Chứng khoán TP.HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX), sử dụng báo cáo tài chính đã kiểm toán giai đoạn 2010 - 2022. Hạn chế của nghiên cứu nằm ở việc chưa bao quát các doanh nghiệp vừa và nhỏ chưa niêm yết và chưa kiểm soát toàn diện các biến số vĩ mô như biến động tỷ giá hối đoái VND/USD hay lãi suất điều hành.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trong quản trị tài chính doanh nghiệp, việc đo lường giá trị doanh nghiệp và đánh giá tác động của đòn bẩy tài chính có thể thực hiện qua nhiều công cụ khác nhau. Bảng so sánh dưới đây tổng hợp các phương pháp định giá phổ biến:
| Phương pháp định giá |
Nguyên lý thực hiện |
Ưu điểm |
Nhược điểm |
Tính phù hợp với nghiên cứu |
| Chiết khấu dòng tiền (DCF) |
Hiện giá hóa dòng tiền tự do (FCFF/FCFE) theo WACC. |
Phản ánh giá trị nội tại dựa trên khả năng sinh lời tương lai. |
Nhạy cảm với giả định tốc độ tăng trưởng ($g$) và tỷ suất chiết khấu. |
Thấp (khó chuẩn hóa dữ liệu bảng lớn). |
| Giá trị kinh tế gia tăng (EVA) |
$EVA = NOPAT - (WACC \times Invested\ Capital)$. |
Đo lường hiệu quả vượt trội so với chi phí sử dụng vốn. |
Dữ liệu kế toán cần điều chỉnh phức tạp, dễ bị bóp méo. |
Trung bình. |
| Định giá theo tài sản ròng (NAV) |
Giá trị thị trường tài sản trừ nợ phải trả. |
Trực quan, phù hợp với doanh nghiệp giải thể/thanh lý. |
Bỏ qua giá trị tài sản vô hình và triển vọng sinh lời. |
Thấp đối với doanh nghiệp đang hoạt động liên tục. |
| Hệ số Tobin's Q |
Tỷ lệ giữa giá trị thị trường và giá trị sổ sách của tổng tài sản. |
Kết hợp dữ liệu thị trường và báo cáo tài chính; phản ánh kỳ vọng của nhà đầu tư. |
Đòi hỏi thị trường chứng khoán có thanh khoản để định giá cổ phiếu. |
Rất cao (Được chọn làm biến phụ thuộc chuẩn). |
Yêu cầu hệ thống dữ liệu và mô hình kinh tế lượng được phân loại theo ma trận MoSCoW:
- Must-have (Bắt buộc): Dữ liệu bảng cân đối 13 năm liên tục; các chỉ số tài chính chuẩn hóa (DA, SDA, LDA, Tobin's Q, ROA, SIZE, AGE, GROWTH, AT); quy trình kiểm định F-test, Hausman, Modified Wald, Wooldridge test; mô hình hiệu chỉnh sai số FGLS.
- Should-have (Nên có): Ma trận tương quan Pearson, hệ số phóng đại phương sai (VIF) kiểm soát đa cộng tuyến.
- Could-have (Có thể có): So sánh đối chiếu với các nhóm ngành chế biến thực phẩm lân cận.
- Won't-have (Không thực hiện): Mô hình hóa dữ liệu chuỗi thời gian tần suất cao theo ngày/tháng (chỉ dùng dữ liệu năm theo chuẩn báo cáo kiểm toán).
Thiết kế hệ thống
Kiến trúc quy trình nghiên cứu định lượng được chuẩn hóa thành 7 phân hệ xử lý khép kín:
Ngăn xếp công nghệ & Môi trường thực thi
- Ngôn ngữ & Phần mềm phân tích: Stata/MP Version 17.0 (StataCorp LLC) phục vụ ước lượng kinh tế lượng chuyên sâu.
- Hệ thống thu thập dữ liệu nguồn: Vietstock Financial Database Engine, Báo cáo thường niên và Báo cáo tài chính kiểm toán chuẩn VAS từ HOSE/HNX.
- Công cụ kiểm chứng độc lập: Python 3.10 (thư viện
pandas 2.0.3, statsmodels 0.14.0, linearmodels 5.1).
Cấu trúc biến số và mô hình nghiên cứu
Hệ số Tobin's Q được xác định theo công thức chuẩn hóa của Damodaran (2006):
$$\text{Tobin's Q} = \frac{EMV + LBV}{EBV + LBV}$$
Trong đó:
- $EMV$ (Equity Market Value): Giá trị thị trường vốn chủ sở hữu = Giá đóng cửa cuối năm $\times$ Số lượng cổ phiếu lưu hành.
- $LBV$ (Liabilities Book Value): Giá trị sổ sách của nợ phải trả.
- $EBV$ (Equity Book Value): Giá trị sổ sách của vốn chủ sở hữu.
Mô hình hồi quy tổng quát:
$$\text{Tobin's Q}{it} = \beta_0 + \beta_1 \text{CS}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{AGE}{it} + \beta_4 \text{ROA}{it} + \beta_5 \text{AT}{it} + \beta_6 \text{GROWTH}{it} + \varepsilon{it}$$
Cụ thể hóa thành hai phương trình kiểm định:
- Mô hình 1 (Đo lường tác động của tổng đòn bẩy):
$$\text{Tobin's Q}{it} = \beta_0 + \beta_1 \text{DA}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{AGE}{it} + \beta_4 \text{ROA}{it} + \beta_5 \text{AT}{it} + \beta_6 \text{GROWTH}{it} + \varepsilon{it}$$
- Mô hình 2 (Bóc tách kỳ hạn cấu trúc nợ):
$$\text{Tobin's Q}{it} = \beta_0 + \beta_1 \text{LDA}{it} + \beta_2 \text{SDA}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{AGE}{it} + \beta_5 \text{ROA}{it} + \beta_6 \text{AT}{it} + \beta_7 \text{GROWTH}{it} + \varepsilon_{it}$$
Methodology
Nghiên cứu áp dụng quy trình định lượng tuần tự với các mốc kiểm soát chất lượng dữ liệu:
[Giai đoạn 1: Q1/2023] Lọc mẫu dữ liệu 15 DN thỏa mãn niêm yết liên tục 2010 - 2022
[Giai đoạn 2: Q2/2023] Xử lý số liệu ngoại lai (Outliers), chuẩn hóa Logarithm cơ số tự nhiên
[Giai đoạn 3: Q3/2023] Chạy kiểm định ma trận VIF, Pooled OLS, FEM, REM
[Giai đoạn 4: Q4/2023] Chạy kiểm định chẩn đoán vi phạm giả định OLS & Ước lượng FGLS
Kế hoạch quản trị rủi ro nghiên cứu:
- Rủi ro nội sinh (Endogeneity): Kiểm soát bằng cách đưa đầy đủ các biến kiểm soát đặc trưng doanh nghiệp (ROA, SIZE, AGE, AT, GROWTH).
- Rủi ro đa cộng tuyến: Sử dụng hệ số VIF với ngưỡng cắt bỏ nghiêm ngặt $VIF < 5$ (thấp hơn ngưỡng lý thuyết 10).
- Rủi ro sai lệch do khuyết tật dữ liệu bảng: Thay thế ước lượng OLS thông thường bằng FGLS mô hình hóa cấu trúc phương sai riêng của từng thực thể ($\sigma_i^2$) và hệ số tự tương quan bậc nhất $AR(1)$.
Implementation và kết quả
Development process
Quá trình phân tích thực nghiệm được thực thi tự động hóa thông qua kịch bản lệnh Stata Script (.do file). Dưới đây là đoạn mã nguồn thực thi toàn bộ chu trình ước lượng và chẩn đoán:
*-------------------------------------------------------------------------------
* DỰ ÁN: PHÂN TÍCH TÁC ĐỘNG CỦA CẤU TRÚC VỐN ĐẾN TOBIN'S Q NGÀNH THỦY SẢN
* TÁC GIẢ: TRẦN THỊ CẨM BI (2023) - STATA 17.0
*-------------------------------------------------------------------------------
clear all
set more off
* 1. Thiết lập cấu trúc Panel Data
xtset id year
* 2. Thống kê mô tả và Ma trận tương quan
summarize tobin_q da lda sda size age roa at growth
pwcorr tobin_q da lda sda size age roa at growth, sig star(0.05)
* 3. Ước lượng Mô hình 1 bằng Pooled OLS và kiểm tra Đa cộng tuyến
regress tobin_q da size age roa at growth
vif
* 4. Ước lượng Mô hình Cố định (FEM) và Mô hình Ngẫu nhiên (REM)
xtreg tobin_q da size age roa at growth, fe
estimates store fem_model1
xtreg tobin_q da size age roa at growth, re
estimates store rem_model1
* 5. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman fem_model1 rem_model1
* 6. Kiểm định khuyết tật mô hình (Heteroskedasticity & Autocorrelation)
* Kiểm định phương sai thay đổi (Modified Wald Test cho FEM)
xttest3
* Kiểm định tự tương quan (Wooldridge Test)
xtserial tobin_q da size age roa at growth
* 7. Hiệu chỉnh khuyết tật bằng phương pháp FGLS (Final Optimal Model)
* Mô hình 1: Tổng tỷ lệ nợ (DA)
xtgls tobin_q da size age roa at growth, panels(hetero) corr(ar1)
* Mô hình 2: Bóc tách nợ ngắn hạn (SDA) và nợ dài hạn (LDA)
xtgls tobin_q lda sda size age roa at growth, panels(hetero) corr(ar1)
Testing và validation
Kết quả thực hiện các kiểm định thống kê chẩn đoán mô hình:
- Kiểm tra đa cộng tuyến: Giá trị VIF của tất cả các biến độc lập và biến kiểm soát đều dao động từ $1,12$ đến $2,34$ (trung bình Mean VIF = $1,58$), nhỏ hơn rất nhiều so với ngưỡng cảnh báo 10. Điều này khẳng định mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến.
- Kiểm định F-test: Giá trị $F(14, 174) = 8,42$ với $p\text{-value} = 0,0000 < 0,05$, bác bỏ giả thuyết $H_0$ (cho rằng hệ số chặn của các doanh nghiệp là đồng nhất), khẳng định mô hình FEM vượt trội so với Pooled OLS.
- Kiểm định Hausman: Thống kê $\chi^2(6) = 18,76$ với $p\text{-value} = 0,0046 < 0,05$, bác bỏ giả thuyết $H_0$ (cho rằng không có tương quan giữa sai số ngẫu nhiên và biến giải thích), xác nhận mô hình FEM phù hợp hơn REM.
- Kiểm định Modified Wald (Phương sai thay đổi): Thống kê $\chi^2(15) = 482,15$ với $p\text{-value} = 0,0000 < 0,01$, xác nhận sự hiện diện của hiện tượng phương sai sai số thay đổi giữa các doanh nghiệp.
- Kiểm định Wooldridge (Tự tương quan): Giá trị $F(1, 14) = 14,892$ với $p\text{-value} = 0,0017 < 0,05$, xác nhận mô hình tồn tại tự tương quan chuỗi bậc nhất $AR(1)$.
Nhờ phát hiện chính xác các khuyết tật trên, mô hình FGLS đã được áp dụng để khử bỏ hoàn toàn hiện tượng tự tương quan và phương sai sai số thay đổi.
Kết quả đạt được
Bảng tổng hợp kết quả hồi quy FGLS cuối cùng cho thấy ảnh hưởng thực nghiệm của cấu trúc vốn đối với giá trị doanh nghiệp:
| Biến số |
Ký hiệu |
Hệ số Hồi quy (Mô hình 1) |
$p$-value |
Hệ số Hồi quy (Mô hình 2) |
$p$-value |
Ý nghĩa thống kê & Tác động |
| Tổng tỷ lệ nợ |
DA |
+0,8452 |
0,000 |
— |
— |
Tác động dương, ý nghĩa 1% |
| Tỷ lệ nợ dài hạn |
LDA |
— |
— |
+0,9124 |
0,002 |
Tác động dương, ý nghĩa 1% |
| Tỷ lệ nợ ngắn hạn |
SDA |
— |
— |
+0,8105 |
0,000 |
Tác động dương, ý nghĩa 1% |
| Quy mô doanh nghiệp |
SIZE |
+0,0841 |
0,018 |
+0,0792 |
0,025 |
Tác động dương, ý nghĩa 5% |
| Tuổi doanh nghiệp |
AGE |
-0,0042 |
0,312 |
-0,0038 |
0,365 |
Không có ý nghĩa thống kê |
| Tỷ suất sinh lời |
ROA |
+1,4210 |
0,000 |
+1,3856 |
0,000 |
Tác động dương rất mạnh (1%) |
| Vòng quay tài sản |
AT |
+0,1542 |
0,041 |
+0,1488 |
0,049 |
Tác động dương, ý nghĩa 5% |
| Tăng trưởng doanh thu |
GROWTH |
+0,0625 |
0,082 |
+0,0594 |
0,094 |
Tác động dương, ý nghĩa 10% |
| Hệ số chặn |
_cons |
-0,6215 |
0,045 |
-0,5842 |
0,058 |
Ý nghĩa 5% |
| Thống kê mô hình |
|
$\text{Wald } \chi^2 = 142,65^{***}$ |
$p = 0,000$ |
$\text{Wald } \chi^2 = 151,32^{***}$ |
$p = 0,000$ |
Mô hình đạt độ tin cậy tuyệt đối |
Phân tích kinh tế lượng chuyên sâu:
- Biến DA có hệ số dương (+0,8452) ở mức ý nghĩa 1%, chứng minh rằng việc gia tăng đòn bẩy tài chính giúp gia tăng giá trị thị trường của doanh nghiệp thủy sản, ủng hộ Lý thuyết đánh đổi (Trade-off Theory) và Lý thuyết Modigliani-Miller (1963) có thuế.
- Bóc tách theo kỳ hạn, cả LDA (+0,9124) và SDA (+0,8105) đều có tác động tích cực. Đáng chú ý, hệ số của nợ dài hạn cao hơn nợ ngắn hạn (+0,9124 so với +0,8105), khẳng định vai trò sống còn của vốn vay trung và dài hạn trong việc tài trợ tài sản cố định chuyên dụng như kho lạnh âm sâu, hệ thống cấp đông IQF và nhà xưởng đạt chuẩn HACCP/ASC/BAP.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp học thuật và giá trị thực nghiệm rõ nét khi đặt cạnh các công trình nghiên cứu trước đây:
- Đóng góp về tính đặc thù ngành: Khác với nghiên cứu của Đức Hữu Lưu (2021) trên ngành hóa chất (khuyến nghị doanh nghiệp giảm nợ và tăng vốn chủ sở hữu), nghiên cứu này chứng minh đối với ngành thủy sản, việc sử dụng đòn bẩy nợ mang lại hiệu quả đòn bẩy tích cực do đặc thù ngành có vòng quay vốn nhanh và khả năng tận dụng ưu đãi lãi suất xuất khẩu.
- Kiểm chứng thực nghiệm lý thuyết tài chính: Cung cấp bằng chứng thực nghiệm khẳng định Lý thuyết Đánh đổi (Trade-off Theory) chiếm ưu thế hơn Lý thuyết Trật tự phân hạng (Pecking Order Theory) trong việc giải thích hành vi tài trợ của doanh nghiệp thủy sản niêm yết tại Việt Nam.
- Độ tin cậy của thuật toán ước lượng: Quy trình xử lý lỗi hai bước thông qua kiểm định Modified Wald và Wooldridge kết hợp ước lượng FGLS giúp loại bỏ hoàn toàn hiện tượng suy diễn sai lầm do sai số chuẩn bị lệch (biased standard errors), nâng cao độ tin cậy của các hệ số hồi quy lên mức ý nghĩa 99% ($p < 0,01$).
Ứng dụng thực tế và triển khai
Khung chiến lược tài trợ tài chính (Corporate Financing Playbook)
Dựa trên kết quả định lượng, các doanh nghiệp thủy sản cần triển khai lộ trình tái cấu trúc nguồn vốn theo 3 kịch bản vận hành thực tế:
- Quản trị vốn lưu động qua Nợ ngắn hạn (SDA):
- Tận dụng tối đa các gói tín dụng ưu đãi xuất khẩu ngắn hạn (lãi suất thấp bằng VND hoặc USD) để tài trợ thu mua nguyên liệu tôm, cá tra vào mùa cao điểm thu hoạch.
- Duy trì hệ số thanh toán hiện hành (Current Ratio) ở ngưỡng an toàn $\ge 1,2$ để tránh rủi ro vỡ nợ kỹ thuật khi đối tác quốc tế kéo dài thời gian thanh toán LC.
- Mở rộng năng lực chế biến sâu qua Nợ dài hạn (LDA):
- Đẩy mạnh huy động nợ vay trung - dài hạn thông qua kênh trái phiếu doanh nghiệp hoặc vay hợp vốn ngân hàng để đầu tư công nghệ chế biến sâu (giá trị gia tăng cao) và kho logistics lạnh.
- Hệ số nợ dài hạn gia tăng đóng vai trò tín hiệu tích cực (Signaling Theory) phát đi tới thị trường rằng doanh nghiệp có dự án mở rộng khả thi, thúc đẩy tăng trưởng hệ số Tobin's Q.
- Tối ưu hóa lá chắn thuế (Tax Shield Optimization):
- Khai thác tối đa chi phí lãi vay hợp lý được trừ khi tính thuế thu nhập doanh nghiệp, cân đối mức đòn bẩy $DA$ tổng thể trong vùng tối ưu dao động từ $50% - 65%$ tổng tài sản.
Hạn chế và hướng phát triển
- Hạn chế mẫu nghiên cứu: Mẫu nghiên cứu chỉ giới hạn trong 15 doanh nghiệp đã niêm yết trên HOSE/HNX, chưa đại diện cho hàng trăm doanh nghiệp vừa và nhỏ (SMEs) chưa niêm yết vốn gặp nhiều rào cản tiếp cận vốn vay ngân hàng hơn.
- Biến số vĩ mô: Chưa đưa vào mô hình các biến ngoại sinh như biến động tỷ giá (USD/VND, EUR/VND), giá nguyên liệu thủy sản toàn cầu, lạm phát và các rào cản phi thuế quan (thuế chống bán phá giá, thẻ vàng IUU).
- Hướng nghiên cứu tương lai:
- Mở rộng mẫu nghiên cứu sang các quốc gia Đông Nam Á có điều kiện tương đồng (Thái Lan, Indonesia, Ấn Độ).
- Ứng dụng phương pháp hồi quy GMM hai bước (System Generalized Method of Moments) để kiểm soát triệt để tính nội sinh động (Dynamic Endogeneity) và độ trễ của biến giá trị doanh nghiệp ($\text{Tobin's Q}_{t-1}$).
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Nắm vững quy trình xử lý dữ liệu bảng toàn diện từ Pooled OLS, FEM, REM đến FGLS trên Stata 17.
- Chuyên viên phân tích tài chính & Nhà phát triển mô hình định lượng: Sở hữu bộ code mẫu Stata chuẩn hóa và khung lý thuyết đo lường tác động của cấu trúc vốn ứng dụng trực tiếp cho báo cáo phân tích ngành.
- Giám đốc Tài chính (CFO) & Ban Quản trị Doanh nghiệp Thủy sản: Nhận được cơ sở khoa học để tự tin mở rộng quy mô vốn vay có kiểm soát, phân bổ hợp lý giữa nợ ngắn hạn và nợ dài hạn nhằm tối ưu hóa giá trị vốn hóa thị trường.
- Nhà đầu tư chứng khoán: Có thêm tiêu chí định lượng (cấu trúc vốn và vòng quay tài sản) để lọc cổ phiếu tiềm năng trong nhóm ngành thủy sản.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường để tái lập mô hình kinh tế lượng này là gì?
Hệ thống cần cài đặt phần mềm Stata Version 15.0 trở lên (khuyến nghị Stata 17-MP để tối ưu tốc độ tính toán ma trận FGLS) hoặc môi trường Python 3.10+ với gói linearmodels. Dữ liệu đầu vào cần cấu trúc chuẩn dạng dài (Long format) với hai biến định danh chính là id (mã doanh nghiệp) và year (năm quan sát 2010–2022).
2. Vì sao nghiên cứu này lại ưu tiên mô hình FGLS thay vì giữ nguyên mô hình FEM?
Mặc dù kiểm định Hausman chỉ ra FEM phù hợp hơn REM, nhưng các kiểm định chẩn đoán sâu hơn (Modified Wald test và Wooldridge test) phát hiện mô hình FEM bị vi phạm nghiêm trọng hai giả định: xuất hiện hiện tượng phương sai thay đổi ($p = 0,0000$) và tự tương quan chuỗi ($p = 0,0017$). Phương pháp FGLS là công cụ tối ưu để khắc phục đồng thời cả hai khuyết tật này, giúp ước lượng chuẩn xác và không làm chệch sai số.
3. Doanh nghiệp thủy sản nên ưu tiên nợ ngắn hạn hay nợ dài hạn hơn?
Kết quả thực nghiệm cho thấy cả hai loại nợ đều có tác động tích cực đến Tobin's Q, nhưng hệ số của nợ dài hạn ($+0,9124$) cao hơn nợ ngắn hạn ($+0,8105$). Do đó, doanh nghiệp nên sử dụng nợ ngắn hạn linh hoạt cho chu kỳ vốn lưu động hàng năm, đồng thời chủ động tăng tỷ trọng nợ dài hạn để đầu tư dây chuyền chế biến sâu và cơ sở bảo quản lạnh, tạo động lực tăng trưởng giá trị doanh nghiệp bền vững.
4. Hệ số Tobin's Q phản ánh điều gì khác biệt so với các chỉ số kế toán truyền thống như ROA hay ROE?
ROA và ROE là các chỉ số kế toán phản ánh hiệu quả kinh doanh đã diễn ra trong quá khứ dựa trên giá trị sổ sách. Ngược lại, Tobin's Q tích hợp giá trị thị trường của vốn chủ sở hữu ($EMV$), phản ánh kỳ vọng, niềm tin và sự đánh giá của các nhà đầu tư về tiềm năng tăng trưởng, giá trị thương hiệu và năng lực quản trị của doanh nghiệp trong tương lai.
5. Chi phí kiệt quệ tài chính có làm triệt tiêu lợi ích lá chắn thuế khi tăng nợ không?
Theo Lý thuyết Đánh đổi, khi tỷ lệ nợ vượt quá một ngưỡng an toàn nhất định, chi phí kiệt quệ tài chính và chi phí đại diện sẽ tăng vọt, lấn át lợi ích lá chắn thuế. Đối với ngành thủy sản Việt Nam trong giai đoạn nghiên cứu, mức đòn bẩy trung bình vẫn nằm trong vùng mang lại lợi ích ròng dương ($DA \approx 50% - 65%$). Tuy nhiên, doanh nghiệp cần liên tục theo dõi hệ số thanh toán lãi vay (ICR) để tránh rơi vào bẫy mất khả năng thanh toán.
Kết luận
Công trình nghiên cứu đã giải quyết trọn vẹn bài toán đo lường tác động của cấu trúc vốn đến giá trị doanh nghiệp ngành thủy sản niêm yết trên thị trường chứng khoán Việt Nam giai đoạn 2010 – 2022. Bằng việc áp dụng phương pháp ước lượng FGLS trên nền tảng Stata 17, nghiên cứu đã chứng minh một cách khoa học rằng tổng tỷ lệ nợ (DA), tỷ lệ nợ ngắn hạn (SDA) và tỷ lệ nợ dài hạn (LDA) đều có tác động tích cực có ý nghĩa thống kê ở mức 1% đến giá trị doanh nghiệp đo lường qua hệ số Tobin's Q.
Về mặt giá trị ứng dụng, kết quả nghiên cứu là kim chỉ nam giúp các nhà quản trị doanh nghiệp thủy sản mạnh dạn chuyển dịch chiến lược từ phòng thủ sang tận dụng hiệu quả đòn bẩy tài chính, kết hợp tối ưu giữa nguồn vốn vay ngắn hạn phục vụ thu mua nguyên liệu và nguồn vốn trung - dài hạn đầu tư công nghệ chế biến sâu. Đây là nền tảng vững chắc để ngành thủy sản Việt Nam nâng cao vị thế cạnh tranh trên thị trường xuất khẩu toàn cầu và tối đa hóa giá trị vốn hóa cho các cổ đông.
