Giới thiệu dự án

Căng thẳng địa chính trị toàn cầu, xung đột thương mại và bất ổn chuỗi cung ứng đang tái cấu trúc sâu sắc dòng chảy vốn quốc tế. Theo khảo sát rủi ro toàn cầu của Oxford Economics (2023), 36% doanh nghiệp xem căng thẳng địa chính trị là rủi ro hàng đầu trước mắt và hơn 60% nhận định đây là mối lo ngại lớn nhất trong vòng 5 năm tới. Khảo sát của Bank of America Global Research cũng chỉ ra 89% các nhà quản lý quỹ đánh giá rủi ro địa chính trị đang vượt ngưỡng bình thường. Tại Việt Nam – nền kinh tế có độ mở thương mại trên 200% GDP với hơn 98% là doanh nghiệp vừa và nhỏ, khả năng chống chịu trước các cú sốc vĩ mô còn nhiều hạn chế (Trung tâm Thông tin và Thống kê KH&CN, 2022).

Vấn đề cốt lõi đặt ra là: Sự bất định gia tăng làm méo mó các quyết định chi tiêu vốn (CAPEX), khiến doanh nghiệp đối mặt với bài toán tối ưu hóa giữa việc nắm bắt cơ hội tăng trưởng hay co cụm phòng thủ. Dự án nghiên cứu thực nghiệm này giải quyết khoảng trống học thuật và thực tiễn về mức độ định lượng tác động của rủi ro địa chính trị đối với hành vi đầu tư của các doanh nghiệp niêm yết tại Việt Nam.

Mục tiêu dự án

  1. Định lượng tác động trực tiếp: Xác định chiều hướng và độ lớn tác động của chỉ số rủi ro địa chính trị Việt Nam (GPRVN) đến tỷ lệ đầu tư vốn ($CAPEXTA$) của các doanh nghiệp phi tài chính niêm yết trên HOSE giai đoạn 2009–2022.
  2. Kiểm định vai trò điều tiết của tiền mặt: Làm rõ cơ chế đệm thanh khoản từ lượng tiền mặt nắm giữ trong việc hóa giải áp lực cắt giảm đầu tư theo động cơ tiết kiệm dự phòng.
  3. So sánh tác động của rủi ro toàn cầu (GPR): Phân tích sự phân hóa phản ứng giữa rủi ro địa chính trị nội địa và rủi ro địa chính trị toàn cầu đối với dòng vốn đầu tư.
  4. Đề xuất hàm ý quản trị và chính sách: Xây dựng khung khuyến nghị chiến lược phân bổ vốn, quản trị rủi ro thanh khoản cho CFO và chính sách ổn định vĩ mô cho các cơ quan điều hành.

Phương pháp tiếp cận giải pháp

Dự án tích hợp lý thuyết kinh tế tài chính hiện đại (Lý thuyết Quyền chọn thực - Real Options Theory, Lý thuyết Bất cân xứng thông tin - Asymmetric Information Theory, và Động cơ tiết kiệm dự phòng - Precautionary Motive) kết hợp với kỹ thuật kinh tế lượng trên dữ liệu bảng (Unbalanced Panel Data). Để khắc phục triệt để các khuyết tật nội sinh, tự tương quan và phương sai sai số thay đổi, mô hình sử dụng phương pháp ước lượng Moment tổng quát hệ thống (Two-step System GMM) và Bình phương tối thiểu tổng quát khả thi (FGLS).

Kết quả kỳ vọng và Phạm vi nghiên cứu

  • Kết quả kỳ vọng: Cung cấp bằng chứng thực nghiệm có ý nghĩa thống kê ($p < 0.01$) về mức độ sụt giảm chi tiêu vốn khi GPRVN biến động, xác định ngưỡng an toàn của tỷ lệ dự trữ tiền mặt và kiểm định tính vững (robustness) của mô hình qua nhiều dạng ước lượng.
  • Phạm vi nghiên cứu: 358 doanh nghiệp phi tài chính niêm yết trên Sở Giao dịch Chứng khoán TP. Hồ Chí Minh (HOSE) trong giai đoạn 14 năm (2009–2022), tạo lập bộ dữ liệu bảng gồm 4.513 quan sát năm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tài chính doanh nghiệp tại các thị trường mới nổi thường gặp khó khăn trong việc mô hình hóa các biến số vĩ mô phi tài chính như địa chính trị vào quyết định chi tiêu vốn vi mô.

Phương pháp truyền thống Ưu điểm Nhược điểm / Hạn chế Hướng giải quyết của đề tài
Hồi quy OLS gộp (POLS) Đơn giản, dễ tính toán tham số Bỏ qua đặc trưng riêng không quan sát được của từng công ty; vi phạm giả định phương sai đồng nhất Sử dụng kiểm định Breusch-Pagan để kiểm tra và loại bỏ POLS
Mô hình Tác động cố định (FEM / REM) Kiểm soát được tính không đồng nhất giữa các doanh nghiệp Không xử lý được hiện tượng nội sinh động phát sinh từ biến trễ ($CAPEXTA_{t-1}$) và biến đồng thời Áp dụng kiểm định Durbin-Wu-Hausman và triển khai ước lượng Two-step System GMM
Mô hình chuỗi thời gian đơn lẻ Nắm bắt tốt chu kỳ vĩ mô Không phản ánh được sự không đồng nhất theo đặc thù ngành và quy mô tài sản doanh nghiệp Sử dụng cấu trúc dữ liệu bảng không cân bằng (Unbalanced Panel Data) 4.513 quan sát

Phân tích yêu cầu xử lý dữ liệu và mô hình theo chuẩn MoSCoW:

  • Must have: Xử lý biến ngoại lai bằng kỹ thuật Winsorization tại phân vị 1% và 99%; xử lý hiện tượng phương sai sai số thay đổi và tự tương quan bậc 1; kiểm định biến công cụ Hansen/Sargan và Arellano-Bond AR(1), AR(2).
  • Should have: Tích hợp đầy đủ các biến kiểm soát cấp độ doanh nghiệp ($SIZE, AGE, SALESGR, LEV, OANCF, ROE$) và cấp độ quốc gia ($RLW, INVF, GDP$).
  • Could have: Phân tích đa chiều sự khác biệt giữa biến rủi ro GPRVN (quốc gia) và GPR (toàn cầu).
  • Won't have: Mô phỏng định giá quyền chọn phức tạp bằng thuật toán Monte Carlo trong phạm vi khóa luận này.

Thiết kế hệ thống và Cấu trúc dữ liệu

Dự án thiết kế đường ống xử lý dữ liệu (Data Pipeline) và khung phân tích kinh tế lượng tích hợp:

Ngăn xếp công nghệ phân tích (Technology Stack)

  • Công cụ phân tích chính: Stata Corp Stata/MP version 17.0 (chuyên dụng xử lý hồi quy xtabond2, xtgls, xtreg).
  • Xử lý tiền kỳ dữ liệu: Microsoft Excel 2021 & Python 3.10 (Pandas 2.0, NumPy 1.24) phục vụ chuẩn hóa chuỗi thời gian 12 tháng của GPR thành biến năm.
  • Nguồn dữ liệu gốc: FiinPro Platform (báo cáo tài chính doanh nghiệp), Cơ sở dữ liệu Caldara & Iacoviello (2022), World Development Indicators (World Bank), Economic Freedom Index (The Heritage Foundation).

Cấu trúc bảng biến số nghiên cứu

Dữ liệu lưu trữ dạng bảng đa chiều $Panel(i, t)$, định danh bởi mã chứng khoán (Ticker_ID) và năm tài chính (Year):

$$\begin{aligned} \text{Biến phụ thuộc:} & \quad CAPEXTA_{i,t+1} = \frac{\text{Capital Expenditure}{i,t+1}}{\text{Total Assets}{i,t+1}} \ \text{Biến độc lập cốt lõi:} & \quad GPRVN_{it} = \frac{1}{12} \sum_{m=1}^{12} GPRVN_{m,t} \ \text{Biến kiểm soát công ty:} & \quad SIZE = \ln(\text{Total Assets}), ; AGE = \ln(\text{Firm Age}), ; SALESGR = \frac{\Delta \text{Revenue}}{\text{Revenue}_{t-1}}, \ & \quad LEV = \frac{\text{Total Debt}}{\text{Total Assets}}, ; OANCF = \frac{\text{Operating Cash Flow}}{\text{Total Assets}}, ; ROE = \frac{\text{Net Income}}{\text{Equity}} \ \text{Biến kiểm soát quốc gia:} & \quad RLW \in [-2.5, 2.5], ; INVF \in [0, 100], ; GDP = \Delta % \text{Real GDP} \end{aligned}$$

Phương pháp luận (Methodology)

Nghiên cứu triển khai mô hình kinh tế lượng tổng quát dạng:

$$CAPEXTA_{it+1} = \beta_0 + \beta_1 GPRVN_{it} + \beta_2 SIZE_{it} + \beta_3 AGE_{it} + \beta_4 SALESGR_{it} + \beta_5 LEV_{it} + \beta_6 OANCF_{it} + \beta_7 ROE_{it} + \beta_8 RLW_{it} + \beta_9 INVF_{it} + \beta_{10} GDP_{it} + \alpha_i + \varepsilon_{it} \quad (1)$$

Để đánh giá vai trò điều tiết của tiền mặt ($CASH$), mô hình mở rộng tích hợp số hạng tương tác:

$$CAPEXTA_{it+1} = \beta_0 + \beta_1 GPRVN_{it} + \beta_2 CASH_{it} + \beta_3 (GPRVN_{it} \times CASH_{it}) + \sum_{k} \gamma_k Controls_{k,it} + \alpha_i + \varepsilon_{it} \quad (2)$$

Ma trận đánh giá và kiểm soát rủi ro phương pháp luận:

  • Rủi ro nội sinh (Endogeneity): Phát sinh do tác động hai chiều giữa dòng tiền, quy mô và quyết định đầu tư. Biện pháp: Sử dụng biến trễ làm biến công cụ trong ước lượng System GMM (xtabond2).
  • Rủi ro sai lệch do giá trị ngoại lai (Outliers): Dữ liệu tài chính có độ lệch chuẩn cao. Biện pháp: Winsorize tất cả các biến liên tục ở mức 1% hai đầu.
  • Rủi ro sống sót (Survivorship Bias): Các công ty hủy niêm yết trong giai đoạn 2009–2022. Biện pháp: Thiết lập dữ liệu bảng không cân bằng (Unbalanced Panel) duy trì 4.513 quan sát đảm bảo tính đại diện khách quan.

Implementation và kết quả

Quy trình triển khai và Code kinh tế lượng

Quá trình phân tích thực nghiệm được cấu trúc qua 4 giai đoạn logic trên Stata 17:

* ==============================================================================
* STATA SCRIPT: PHÂN TÍCH HỒI QUY TÁC ĐỘNG CỦA GPRVN ĐẾN ĐẦU TƯ DOANH NGHIỆP
* Tác giả: Dương Nam Phong (2024) - Học viện Ngân hàng
* ==============================================================================

clear all
set more off
use "panel_data_hose_2009_2022.dta", clear

* Bước 1: Khai báo cấu trúc dữ liệu bảng
egen firm_id = group(ticker)
xtset firm_id year

* Bước 2: Xử lý ngoại lai (Winsorize 1% hai đầu)
foreach var of varlist CAPEXTA SIZE AGE SALESGR LEV OANCF ROE {
    winsor2 `var', replace cuts(1 99)
}

* Bước 3: Kiểm tra chẩn đoán mô hình
* (a) Kiểm định Breusch-Pagan Lagrange Multiplier
xtreg CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP, re
xttest0

* (b) Kiểm định Hausman lựa chọn giữa FEM và REM
quietly xtreg CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP, fe
estimates store fe_model
quietly xtreg CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP, re
estimates store re_model
hausman fe_model re_model

* (c) Kiểm định Tự tương quan Wooldridge
xtserial CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP

* (d) Kiểm định Phương sai sai số thay đổi Modified Wald
quietly xtreg CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP, fe
xttest3

* Bước 4: Hồi quy khắc phục khuyết tật (FGLS & Two-step System GMM)
* Mô hình FGLS:
xtgls CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP, panels(hetero) corr(ar1)

* Mô hình System GMM (Two-step):
xtabond2 CAPEXTA L.CAPEXTA GPRVN SIZE AGE SALESGR LEV OANCF ROE RLW INVF GDP, ///
    gmm(L.CAPEXTA SIZE LEV OANCF ROE, lag(2 3) collapse) ///
    iv(GPRVN AGE SALESGR RLW INVF GDP) ///
    twostep robust small

Kiểm định và Chẩn đoán mô hình

Toàn bộ các phép kiểm định thống kê đều cho kết quả bác bỏ giả thuyết $H_0$ với độ tin cậy 99%:

Tên phép kiểm định Mục đích kiểm tra Giá trị thống kê kiểm định p-value Kết luận thống kê
Breusch & Pagan LM Lựa chọn POLS hay REM $\bar{\chi}^2(01) = 1619.95$ 0.0000 Bác bỏ $H_0$; Mô hình REM phù hợp hơn POLS
Hausman Test Lựa chọn REM hay FEM $\chi^2(11) = 62.27$ 0.0000 Bác bỏ $H_0$; Có tương quan $\alpha_i$, FEM vượt trội REM
Wooldridge Test Tự tương quan bậc 1 $F(1, 357) = 76.027$ 0.0000 Bác bỏ $H_0$; Mô hình FEM tồn tại tự tương quan
Modified Wald Test Phương sai sai số thay đổi $\chi^2(358) = 5.8 \times 10^5$ 0.0000 Bác bỏ $H_0$; Phương sai sai số thay đổi nghiêm trọng
Durbin-Wu-Hausman Hiện tượng nội sinh $\chi^2 / F\text{-stat}$ có ý nghĩa < 0.05 Khẳng định nội sinh; Cần thiết dùng GMM/FGLS

Kết quả ước lượng thực nghiệm đạt được

Kết quả hồi quy thực nghiệm trên 4.513 quan sát chứng minh các giả thuyết nghiên cứu đặt ra:

  1. Tác động tiêu cực của Rủi ro địa chính trị: Hệ số tương quan Pearson giữa $GPRVN$ và $CAPEXTA$ đạt $-0.2819$ ($p < 0.01$). Khi rủi ro địa chính trị gia tăng, các doanh nghiệp niêm yết trên HOSE chủ động trì hoãn hoặc cắt giảm ngân sách đầu tư tài sản cố định nhằm phòng ngừa chi phí chìm không thể đảo ngược (Irreversible investment).
  2. Vai trò hóa giải của Tiền mặt: Hệ số của biến tương tác $GPRVN \times CASH$ mang dấu dương có ý nghĩa thống kê. Các doanh nghiệp duy trì tỷ lệ dự trữ tiền mặt cao duy trì được tính liên tục của các dự án mở rộng, giảm thiểu mức độ nhạy cảm tiêu cực trước các cú sốc bất định vĩ mô.
  3. Hiệu ứng phân hóa của Rủi ro toàn cầu (GPR): Trong ngắn hạn, rủi ro địa chính trị toàn cầu có tác động thúc đẩy dòng vốn dịch chuyển và thúc đẩy đầu tư tại Việt Nam nhờ vị thế điểm đến an toàn trong chuỗi cung ứng thay thế.

Đổi mới và đóng góp

Điểm mới học thuật và kỹ thuật

Nghiên cứu tạo bước đột phá trong phân tích định lượng tài chính doanh nghiệp tại Việt Nam thông qua việc kết hợp chỉ số xử lý ngôn ngữ tự nhiên từ báo chí quốc tế với dữ liệu vi mô doanh nghiệp:

  • Ứng dụng chỉ số NLP hiện đại: Khai thác dữ liệu rủi ro địa chính trị định lượng của Caldara & Iacoviello (2022) được chuẩn hóa từ hàng triệu bài báo quốc tế trên 10 cơ quan thông tấn hàng đầu (The Wall Street Journal, Financial Times, The New York Times,...), khắc phục nhược điểm định tính của các thang đo rủi ro chính trị truyền thống.
  • Xử lý trọn vẹn khuyết tật kinh tế lượng: Khác biệt với các nghiên cứu trước đây chỉ dừng lại ở FEM/REM, đề tài tiến hành phân tích so sánh chuyên sâu giữa hai kỹ thuật nâng cao: FGLS (khắc phục tự tương quan và phương sai sai số thay đổi) và Two-step System GMM (triệt tiêu hoàn toàn nội sinh động).

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Nghiên cứu của đề tài (Phong, 2024) Lê Anh Tuấn & Trần Phương Thảo (2021) Wang et al. (2019) / Dissanayake et al. (2018)
Mẫu nghiên cứu 358 DN phi tài chính HOSE (VN) 9 quốc gia mới nổi Châu Á Toàn bộ doanh nghiệp niêm yết Hoa Kỳ
Quy mô mẫu 4.513 quan sát (2009–2022) 96.618 quan sát (1995–2018) 9.088 doanh nghiệp (1987–2016)
Chỉ số rủi ro GPRVN (Nội địa) & GPR (Toàn cầu) GPR tổng hợp Châu Á GPR Hoa Kỳ
Phương pháp ước lượng System GMM + FGLS đối sánh GMM cơ bản Hồi quy OLS / Panel FEM cố định
Cơ chế phát hiện Đệm tiền mặt làm suy giảm tác động tiêu cực Tiền mặt có vai trò giảm nhẹ Độ nhạy cảm cao ở ngành thâm dụng vốn

Ứng dụng thực tế và triển khai

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

  1. Quản trị Tài chính Doanh nghiệp (Corporate Finance Strategy):

    • Tối ưu hóa ngân sách vốn (CAPEX Budgeting): Giúp Giám đốc Tài chính (CFO) xây dựng kịch bản chi tiêu vốn động linh hoạt (Dynamic Capital Budgeting). Khi chỉ số GPRVN vượt ngưỡng cảnh báo (trên mức trung bình 71.42), doanh nghiệp tự động kích hoạt trạng thái "bảo toàn vốn", chia nhỏ giai đoạn giải ngân thay vì ký kết các hợp đồng mua sắm thiết bị dài hạn không thể hủy bỏ.
    • Định cỡ quỹ tiền mặt đệm (Cash Buffer Sizing): Xác lập tỷ lệ nắm giữ tiền mặt và các khoản tương đương tiền tối ưu nhằm hấp thụ các cú sốc thanh khoản mà không phải thanh lý tài sản cố định với giá chiết khấu cao.

  2. Hoạch định Chính sách Vĩ mô (Policy Making):

    • Cung cấp cơ sở định lượng để Ngân hàng Nhà nước và Bộ Kế hoạch & Đầu tư đánh giá mức độ hấp thụ vốn của khối doanh nghiệp tư nhân khi xuất hiện các biến động địa chính trị khu vực, từ đó điều tiết chính sách lãi suất tái chiết khấu và các gói hỗ trợ tín dụng mục tiêu.

Lộ trình triển khai khuyến nghị cho doanh nghiệp

Giai đoạn 1: Chuẩn bị          Giai đoạn 2: Giám sát              Giai đoạn 3: Phản ứng
(Tháng 1 - Tháng 2)           (Tháng 3 - Tháng 6)               (Tháng 7 trở đi)
  • Giai đoạn 1 (Tháng 1 - 2): Xây dựng Dashboard tích hợp chỉ số GPRVN và GPR toàn cầu vào hệ thống ERP quản trị rủi ro doanh nghiệp.
  • Giai đoạn 2 (Tháng 3 - 6): Rà soát cơ cấu đòn bẩy tài chính ($LEV$), tái cấu trúc nợ ngắn hạn sang nợ dài hạn cố định lãi suất để phòng vệ hiện tượng thắt chặt tín dụng khi rủi ro tăng cao.
  • Giai đoạn 3 (Tháng 7 trở đi): Thiết lập quy chế phân bổ dòng tiền hoạt động ($OANCF$) ưu tiên gia tăng tỷ lệ tự tài trợ cho các dự án mở rộng có NPV dương cao.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Phạm vi không gian: Mẫu dữ liệu giới hạn ở 358 doanh nghiệp phi tài chính niêm yết trên HOSE, chưa bao quát các doanh nghiệp trên sàn HNX và UPCoM cũng như khối doanh nghiệp tư nhân chưa niêm yết.
  • Tần suất dữ liệu: Dữ liệu tài chính sử dụng là dữ liệu năm ($Yearly$), chưa phản ánh được các phản ứng tức thời ở cấp độ quý ($Quarterly$) của dòng vốn đầu tư trước các sự kiện địa chính trị bất ngờ (Event Risk).
  • Yếu tố đặc thù phi số liệu: Chưa định lượng hóa chi tiết các mối quan hệ liên kết chính trị hoặc mức độ trợ cấp của Chính phủ đối với từng nhóm doanh nghiệp nhà nước (SOE) so với doanh nghiệp tư nhân.

Hướng nghiên cứu mở rộng

  • Mở rộng tần suất dữ liệu: Thu thập dữ liệu báo cáo tài chính theo quý từ 2009 đến nay để triển khai mô hình phân tích độ trễ phân phối tự hồi quy (ARDL) hoặc mô hình VAR bảng đa chiều (Panel VAR).
  • Phân rã đa chiều chỉ số GPR: Tách biệt chỉ số rủi ro địa chính trị thành hai thành phần con: Chỉ số đe dọa địa chính trị (Geopolitical Threats - GPRT) và Chỉ số hành động địa chính trị (Geopolitical Acts - GPRA) để đo lường phản ứng tâm lý so với thiệt hại thực tế.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên khối ngành Tài chính - Kinh tế: Tiếp cận khung nghiên cứu mẫu mực, quy trình làm sạch dữ liệu bảng không cân bằng và hệ thống câu lệnh Stata hoàn chỉnh cho các kiểm định khuyết tật mô hình.
  • Chuyên viên Phân tích Định lượng (Quant Analysts) & Quản lý Danh mục: Ứng dụng biến số rủi ro vĩ mô GPRVN vào các mô hình định giá đa nhân tố và dự báo mức độ tăng trưởng tài sản ròng của các ngành thâm dụng vốn (sản xuất, xây dựng, vận tải).
  • CFO & Giám đốc Chiến lược Doanh nghiệp: Nắm bắt cơ sở khoa học để biện minh cho chiến lược duy trì mức dự trữ thanh khoản cao trong thời kỳ khủng hoảng, bảo vệ lợi ích của cổ đông hiện hữu trước rủi ro pha loãng vốn.
  • Cơ quan Quản lý Nhà nước: Có thêm căn cứ đánh giá độ nhạy cảm của thị trường vốn Việt Nam trước các biến động địa chính trị quốc tế, hỗ trợ quá trình hoàn thiện thể chế và nâng hạng thị trường chứng khoán.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường phần mềm để tái lập mô hình nghiên cứu này là gì?

Để tái lập toàn bộ kết quả phân tích thực nghiệm, người dùng cần môi trường Stata phiên bản 15.0 trở lên (khuyến nghị Stata/MP 17.0). Cần cài đặt bổ sung các gói lệnh mở rộng chính thống từ SSC: ssc install xtabond2, ssc install winsor2, ssc install xttest3, ssc install xtserial. Cấu hình phần cứng tối thiểu: CPU 4 nhân, 8GB RAM để xử lý ma trận nghịch đảo trong hồi quy System GMM 4.513 dòng.

2. Tại sao nghiên cứu phải chuyển từ mô hình FEM sang System GMM và FGLS?

Mô hình hiệu ứng cố định (FEM) tuy kiểm soát được các đặc trưng riêng không đổi theo thời gian của từng doanh nghiệp ($\alpha_i$) nhưng vi phạm nghiêm trọng hai giả định: phương sai sai số thay đổi ($p = 0.0000$ ở kiểm định Modified Wald) và tự tương quan bậc 1 ($p = 0.0000$ ở kiểm định Wooldridge). Đặc biệt, quyết định đầu tư có tính quán tính ($CAPEXTA_{t-1}$ tác động đến $CAPEXTA_t$), tạo ra hiện tượng nội sinh động mà chỉ có System GMM mới triệt tiêu được hoàn toàn sai số ước lượng thông qua ma trận biến công cụ trễ.

3. Chỉ số Rủi ro Địa chính trị Việt Nam (GPRVN) được tính toán như thế nào?

Chỉ số GPRVN được xây dựng bởi Caldara và Iacoviello (2022) bằng phương pháp khai phá văn bản tự động (Text Mining/NLP) trên 10 tờ báo quốc tế uy tín hàng đầu. Chỉ số đo lường tần suất xuất hiện hàng tháng của các bài báo chứa các từ khóa thuộc các chủ đề: căng thẳng quân sự, chiến tranh, khủng bố, xung đột hạt nhân liên quan trực tiếp đến Việt Nam, sau đó được chuẩn hóa về thang điểm trung bình chuẩn 100 giai đoạn 1985–2019.

4. Kết quả nghiên cứu có ý nghĩa gì đối với chính sách cổ tức của doanh nghiệp?

Theo Lý thuyết Trật tự phân hạng (Pecking Order Theory) và Động cơ tiết kiệm dự phòng, khi GPRVN leo thang, chi phí huy động vốn bên ngoài tăng vọt do nhà đầu tư đòi hỏi phần bù rủi ro cao. Doanh nghiệp cần chủ động cắt giảm tỷ lệ chi trả cổ tức bằng tiền mặt, tăng cường giữ lại lợi nhuận sau thuế nhằm củng cố nguồn vốn nội bộ cho các kế hoạch CAPEX tương lai.

5. Chi phí triển khai hệ thống quản trị rủi ro địa chính trị cho doanh nghiệp là bao nhiêu?

Việc tích hợp chỉ số GPR/GPRVN vào quản trị doanh nghiệp không đòi hỏi chi phí phần mềm đắt đỏ. Dữ liệu chỉ số GPR được cung cấp mở và miễn phí bởi Cục Dự trữ Liên bang Mỹ (FED) và nhóm tác giả Caldara & Iacoviello. Chi phí chủ yếu nằm ở việc chuẩn hóa quy trình báo cáo dòng tiền nội bộ và đào tạo đội ngũ phân tích rủi ro tài chính của doanh nghiệp.

Kết luận

Đồ án khóa luận đã giải quyết trọn vẹn và khoa học câu hỏi nghiên cứu về tác động của rủi ro địa chính trị đến hành vi đầu tư của 358 doanh nghiệp phi tài chính niêm yết trên sàn HOSE giai đoạn 2009–2022. Bằng hệ thống kiểm định kinh tế lượng khắt khe và phương pháp ước lượng nâng cao System GMM / FGLS, nghiên cứu khẳng định mối quan hệ nghịch biến vững chắc giữa rủi ro địa chính trị nội địa ($GPRVN$) và chi tiêu vốn ($CAPEXTA$), đồng thời chứng minh bằng chứng thực nghiệm về vai trò đệm thanh khoản sống còn của lượng tiền mặt nắm giữ.

Những phát hiện này cung cấp luận cứ giá trị cao cho các CFO trong việc điều chỉnh linh hoạt chính sách phân bổ vốn, xây dựng đệm an toàn tài chính và giúp các nhà hoạch định chính sách hoàn thiện khung thể chế kinh tế vĩ mô. Đề tài mở ra hướng tiếp cận mới đầy tiềm năng trong việc ứng dụng các chỉ số bất định vĩ mô định lượng vào phân tích quản trị tài chính tại thị trường chứng khoán Việt Nam.