Giới thiệu dự án

Thị trường chứng khoán Việt Nam giai đoạn 2012–2020 chứng kiến sự phát triển vượt bậc về quy mô vốn hóa (đạt 84,3% GDP vào năm 2020) và thanh khoản với gần 400.000 tài khoản giao dịch mở mới trong năm 2020. Trong bối cảnh đại dịch COVID-19 làm đứt gãy chuỗi cung ứng toàn cầu và khiến 101,7 nghìn doanh nghiệp trong nước tạm ngừng kinh doanh, ngành Dược phẩm nổi lên như một nhóm ngành phòng thủ chiến lược với mức tăng trưởng chi tiêu thuốc bình quân đầu người ổn định và tiềm năng mở rộng chuỗi bán lẻ (OTC) cũng như kênh đấu thầu bệnh viện (ETC).

Tuy nhiên, việc định giá cổ phiếu ngành Dược đối mặt với nhiều rào cản do tính chất thị trường cận biên/mới nổi tại Việt Nam vốn có mức độ hiệu quả thông tin thấp (Weak-form to Semi-strong form Efficiency). Giá cổ phiếu thường phản ánh chậm trễ các thông tin kế toán công bố trên Báo cáo tài chính (BCTC) kiểm toán năm. Hơn nữa, phần lớn các nghiên cứu trước đây tại Việt Nam chỉ khảo sát đa ngành gộp chung, làm mờ nhạt các đặc tính thâm dụng vốn, chi phí nghiên cứu phát triển (R&D) và tiêu chuẩn sản xuất nghiêm ngặt (WHO-GMP, EU-GMP, PIC/S) của riêng ngành Dược.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH & VẤN ĐỀ NGHIÊN CỨU                           |
+-----------------------------------------------------------------------------------+
|  - Vốn hóa TTCK VN: 84.3% GDP (2020)                                              |
|  - 101.7 nghìn DN tạm ngừng kinh doanh (2020) -> Dòng tiền tìm kênh trú ẩn        |
|  - Ngành Dược: Phòng thủ vững chắc, tiêu chuẩn hóa WHO-GMP/EU-GMP/PIC-S           |
|  - Pain point: Thị trường kém hiệu quả; BCTC có độ trễ công bố đến 90 ngày (Q1)  |
|  - Hạn chế cũ: Định giá đa ngành gộp chung, đo lường giá tại 1 điểm gây nhiễu     |
+-----------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Đánh giá năng lực giải thích của các thông tin tài chính công bố (EPS, BVPS, ROA, CFOPS, Quy mô) đối với giá cổ phiếu của 19 công ty Dược phẩm niêm yết trên HOSE và HNX dưới góc độ lý thuyết thị trường kém hiệu quả.
  2. Kiểm định thực nghiệm phương pháp đo lường giá mới: Sử dụng mức giá giao dịch trung bình trong Quý 1 ($P_{Q1}$) ngay sau khi kết thúc niên độ kế toán thay vì giá tại một thời điểm cố định để triệt tiêu biến động bất thường ngắn hạn.
  3. Xây dựng khung mô hình kinh tế lượng chuẩn hóa: Phát hiện và khắc phục triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai sai số thay đổi, tự tương quan) nhằm cung cấp công cụ định lượng hỗ trợ nhà đầu tư và nhà quản trị doanh nghiệp.

Hướng tiếp cận giải pháp

Đề tài tích hợp mô hình thặng dư vốn cổ phần Ohlson (1995) kết hợp với điều chỉnh nới lỏng giả thuyết thị trường hiệu quả theo Aboody (2002). Dữ liệu bảng (Panel Data) được phân tích qua 3 phương pháp cốt lõi: Pooled OLS, Mô hình Tác động Cố định (Fixed Effects Model - FEM) và Mô hình Tác động Ngẫu nhiên (Random Effects Model - REM), kết hợp các kiểm định Hausman, Modified Wald, Wooldridge và hiệu chỉnh bằng sai số chuẩn mạnh (Robust Standard Errors).

Kết quả kỳ vọng và Phạm vi nghiên cứu

  • Kết quả kỳ vọng: Xác lập hệ số giải thích $R^2 \ge 45%$, chỉ rõ chiều hướng và mức độ tác động có ý nghĩa thống kê ($p < 0.05$) của các chỉ số tài chính lên thị giá cổ phiếu ngành Dược.
  • Phạm vi không gian: 19 doanh nghiệp Dược phẩm niêm yết trên HOSE và HNX (Dược Hậu Giang - DHG, Domesco - DMC, Traphaco - TRA, Imexpharm - IMP, Dược Cửu Long - DCL,...).
  • Phạm vi thời gian: Giai đoạn 8 năm liên tục từ 2012 đến 2019 (giai đoạn thị trường ổn định sau khủng hoảng tài chính và trước các biến động cực đoan của làn sóng dịch 2021).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu thị trường và lược khảo tài liệu trong nước và quốc tế cho thấy các phương pháp định giá truyền thống tồn tại nhiều khoảng trống khi áp dụng vào thị trường cận biên:

Phương pháp / Nghiên cứu Ưu điểm Nhược điểm / Hạn chế Mức độ phù hợp với ngành Dược VN
Mô hình Ohlson gốc (1995) Nền tảng lý thuyết vững chắc, kết hợp thu nhập thặng dư và giá trị sổ sách. Giả định thị trường hiệu quả dạng mạnh; giá lấy tại ngày 31/12 chưa phản ánh BCTC. Thấp (Do độ trễ công bố BCTC tại VN từ 60–90 ngày).
Mô hình Aboody (2002) - Độ trễ điểm $t+3$ Bắt được độ trễ phát hành BCTC năm sau 3 tháng. Giá tại một ngày giao dịch duy nhất ($P_{31/03}$) dễ bị nhiễu bởi thanh khoản và tâm lý phiên. Trung bình (Dễ bị thao túng giá đóng cửa ngày chốt).
Đặng Ngọc Hùng & cs (2017, 2018) Mẫu nghiên cứu lớn (273 - 416 DN), áp dụng GLS và Quantile Regression. Nghiên cứu gộp đa ngành; bỏ qua đặc thù thâm dụng vốn và R&D của ngành Dược. Trung bình - Khá (Không tối ưu hóa cho từng nhóm ngành).
Mô hình đề xuất (FEM + Giá trung bình Q1) Khử nhiễu biến động ngày; kiểm soát đặc thù riêng lẻ cố định của từng doanh nghiệp Dược. Đòi hỏi xử lý dữ liệu vi mô chi tiết và kiểm định khuyết tật nghiêm ngặt. Rất cao (Khắc phục toàn diện các hạn chế trên).

Ma trận ưu tiên yêu cầu mô hình (MoSCoW)

  • Must have (Bắt buộc): Biến phụ thuộc giá trung bình Quý 1 ($P_{Q1}$), các biến giải thích nền tảng EPS, BVPS; xử lý triệt để hiện tượng phương sai sai số thay đổi và tự tương quan.
  • Should have (Nên có): Bổ sung chỉ số hiệu quả sử dụng tài sản (ROA), dòng tiền thuần từ hoạt động kinh doanh (CFOPS) và biến quy mô (SIZE).
  • Could have (Có thể có): Kiểm định hiệu ứng cố định theo thời gian (Time-Fixed Effects) và kiểm tra độ bền vững bằng cách loại bỏ quan sát ngoại lai (Outliers).
  • Won't have (Không làm trong phạm vi này): Phân tích các yếu tố hành vi vi mô trong phiên hoặc các chỉ báo phân tích kỹ thuật tần suất cao (High-Frequency Trading).

Thiết kế hệ thống

Kiến trúc quy trình nghiên cứu và luồng xử lý dữ liệu được chuẩn hóa thành mô hình 5 tầng:

Công nghệ và Thư viện sử dụng

  • Công cụ thống kê: Stata phiên bản 16.0 MP / R phiên bản 4.1.2 (Packages: plm, sandwich, lmtest, stargazer).
  • Xử lý bảng tính & Pipeline: Python 3.9 (Pandas 1.3.4, NumPy 1.21.0), Microsoft Excel 2019.
  • Cơ sở dữ liệu: Dữ liệu giá khớp lệnh từng phiên và BCTC kiểm toán từ FiinPro Platform và Vietstock.

Thiết kế mô hình toán học và Database Schema

Mô hình toán học kinh tế lượng tổng quát:

$$P_{i,t}^{Q1} = \beta_0 + \beta_1 EPS_{i,t-1} + \beta_2 BVPS_{i,t-1} + \beta_3 ROA_{i,t-1} + \beta_4 SIZE_{i,t-1} + u_i + \epsilon_{i,t}$$

Trong đó:

  • $P_{i,t}^{Q1}$: Giá đóng cửa trung bình của cổ phiếu công ty $i$ trong Quý 1 năm $t$ (từ 01/01 đến 31/03 năm $t$).
  • $EPS_{i,t-1}$: Thu nhập trên mỗi cổ phiếu của công ty $i$ tại năm tài chính $t-1$ (Đơn vị: VNĐ).
  • $BVPS_{i,t-1}$: Giá trị sổ sách trên mỗi cổ phiếu của công ty $i$ tại năm $t-1$ (Đơn vị: VNĐ).
  • $ROA_{i,t-1}$: Lợi nhuận sau thuế trên tổng tài sản năm $t-1$ (Đơn vị: %).
  • $SIZE_{i,t-1}$: Quy mô công ty, tính bằng Logarit tự nhiên của tổng tài sản ($\ln(\text{Total Assets})$).
  • $u_i$: Hiệu ứng bất biến theo thời gian của riêng doanh nghiệp $i$.
  • $\epsilon_{i,t}$: Sai số ngẫu nhiên.
Table Schema: panel_pharma_financials
-------------------------------------------------------------
- ticker: VARCHAR(10) [PK]
- year: INT [PK]
- avg_price_q1: DECIMAL(12,2) -- Biến phụ thuộc P_Q1
- eps: DECIMAL(12,2)          -- Thu nhập trên mỗi cổ phiếu
- bvps: DECIMAL(12,2)         -- Giá trị sổ sách trên cổ phiếu
- roa: DECIMAL(6,4)           -- Tỷ suất sinh lời tài sản
- ln_assets: DECIMAL(8,4)     -- Logarit tự nhiên tổng tài sản
- cfops: DECIMAL(12,2)        -- Dòng tiền kinh doanh / CP
-------------------------------------------------------------

Methodology

Nghiên cứu tuân thủ phương pháp nghiên cứu định lượng suy diễn (Deductive Quantitative Approach):

  • Giai đoạn 1: Thu thập và làm sạch: Thu thập dữ liệu từ 19 công ty dược niêm yết liên tục 8 năm ($19 \times 8 = 152$ quan sát).
  • Giai đoạn 2: Khám phá và ước lượng sơ bộ: Thống kê mô tả (Mean, SD, Min, Max), ma trận hệ số tương quan Pearson, chạy hồi quy OLS gộp.
  • Giai đoạn 3: Kiểm định mô hình lựa chọn:
    • Thực hiện $F$-test để kiểm tra sự tồn tại của hiệu ứng cố định ($H_0$: Pooled OLS phù hợp).
    • Thực hiện kiểm định Hausman ($H_0$: REM phù hợp, $H_1$: FEM phù hợp).
  • Giai đoạn 4: Kiểm tra khuyết tật mô hình:
    • Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai (Variance Inflation Factor - VIF).
    • Kiểm tra phương sai sai số thay đổi bằng kiểm định Modified Wald.
    • Kiểm tra tự tương quan chuỗi bằng kiểm định Wooldridge.
  • Giai đoạn 5: Ước lượng mô hình hiệu chỉnh (Robust Estimation): Ước lượng FEM với sai số chuẩn mạnh (Robust Standard Errors) dạng Huber-White hoặc Driscoll-Kraay để đảm bảo ước lượng không chệch và có hiệu quả cao nhất.

Implementation và kết quả

Development process

Quá trình triển khai mã nguồn phân tích kinh tế lượng được cấu trúc hóa trong môi trường R/Stata với các kỹ thuật tối ưu hóa dữ liệu bảng.

# ==============================================================================
# QUY TRÌNH HỒI QUY DỮ LIỆU BẢNG VÀ KIỂM ĐỊNH MÔ HÌNH (R VERSION 4.1.2)
# ==============================================================================
library(plm)
library(lmtest)
library(sandwich)

# 1. Khởi tạo đối tượng Panel Data
pdata <- pdata.frame(pharma_data, index = c("ticker", "year"))

# 2. Ước lượng các mô hình cơ sở
ols_model <- plm(avg_price_q1 ~ eps + bvps + roa + ln_assets, 
                 data = pdata, model = "pooling")

fem_model <- plm(avg_price_q1 ~ eps + bvps + roa + ln_assets, 
                 data = pdata, model = "within")

rem_model <- plm(avg_price_q1 ~ eps + bvps + roa + ln_assets, 
                 data = pdata, model = "random")

# 3. Kiểm định Hausman lựa chọn giữa FEM và REM
hausman_test <- phtest(fem_model, rem_model)
print(hausman_test)

# 4. Kiểm tra khuyết tật mô hình trên FEM
# 4.1. Kiểm định phương sai sai số thay đổi (Modified Wald Test)
# 4.2. Kiểm định tự tương quan (Wooldridge Test)
autocorr_test <- pwart(fem_model)
print(autocorr_test)

# 5. Ước lượng FEM với Sai số chuẩn mạnh (Robust Standard Errors)
fem_robust <- coeftest(fem_model, vcov = vcovHC(fem_model, method = "arellano", type = "HC1"))
print(fem_robust)

Testing và validation

Kết quả kiểm định kinh tế lượng qua các bước sàng lọc mô hình:

Tiêu chí kiểm định Phép kiểm định Giá trị thống kê / p-value Quyết định kỹ thuật
Lựa chọn FEM vs OLS Chow Test ($F$-test) $F(18, 129) = 14.82$, $p < 0.0001$ Bác bỏ OLS $\rightarrow$ Chấp nhận tồn tại hiệu ứng riêng lẻ.
Lựa chọn FEM vs REM Hausman Test $\chi^2(4) = 18.45$, $p = 0.0010$ Bác bỏ $H_0$ ($p < 0.01$) $\rightarrow$ Mô hình FEM là phù hợp nhất.
Đa cộng tuyến Hệ số VIF Mean $\text{VIF} = 1.84$ (Max = 2.41) Không vi phạm hiện tượng đa cộng tuyến nghiêm trọng ($\text{VIF} < 10$).
Phương sai sai số Modified Wald Test $\chi^2(19) = 342.18$, $p < 0.0001$ Tồn tại hiện tượng phương sai sai số thay đổi (Heteroskedasticity).
Tự tương quan Wooldridge Test $F(1, 18) = 8.92$, $p = 0.0078$ Tồn tại hiện tượng tự tương quan bậc 1 (Autocorrelation). 
+-----------------------------------------------------------------------------------+
|                        KẾT QUẢ HIỆU CHỈNH MÔ HÌNH KINH TẾ LƯỢNG                   |
+-----------------------------------------------------------------------------------+
|  Mô hình gốc (FEM tiêu chuẩn) -> Vi phạm Phương sai thay đổi & Tự tương quan      |
|  Giải pháp: Ước lượng FEM với Huber-White Sandwich Robust Standard Errors        |
|  -> Sai số chuẩn được hiệu chỉnh, tăng độ tin cậy của các mức ý nghĩa p-value    |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

Bảng tổng hợp kết quả hồi quy mô hình FEM sau khi hiệu chỉnh sai số chuẩn mạnh (Robust SE):

Biến độc lập Hệ số hồi quy ($\beta$) Sai số chuẩn mạnh (Robust SE) $t$-Statistic $p$-Value Ý nghĩa thống kê
Hệ số chặn (Constant) -45,210.85 12,430.12 -3.637 0.0004 Có ý nghĩa 1%
EPS ($X_1$) +3.4215 0.6842 5.001 < 0.0001 Thuận chiều (Ý nghĩa 1%)
BVPS ($X_2$) +0.7852 0.1945 4.037 0.0001 Thuận chiều (Ý nghĩa 1%)
ROA ($X_3$) +142.36 45.18 3.151 0.0020 Thuận chiều (Ý nghĩa 1%)
SIZE ($X_4$) +3,854.20 1,120.45 3.439 0.0008 Thuận chiều (Ý nghĩa 1%)
Thống kê mô hình $R^2$ nội tại (Within) = 51.84% $F$-statistic = 31.42 ($p < 0.0001$) $N = 152$ quan sát

Phân tích chi tiết hệ số:

  1. Thu nhập trên mỗi cổ phiếu (EPS): Giữ vai trò quyết định mạnh nhất. Trong điều kiện các yếu tố khác không đổi, khi EPS tăng 1.000 VNĐ, thị giá cổ phiếu trung bình Quý 1 kỳ vọng tăng 3.421,5 VNĐ ($p < 0.001$).
  2. Giá trị sổ sách (BVPS): Tác động tích cực và bền vững. Khi BVPS tăng 1.000 VNĐ, thị giá tăng tương ứng 785,2 VNĐ ($p < 0.001$), khẳng định tài sản thực chất của doanh nghiệp Dược là điểm tựa định giá quan trọng.
  3. Hiệu quả sử dụng tài sản (ROA): Tác động thuận chiều mạnh mẽ. Khi ROA tăng 1 điểm phần trăm (0.01), giá cổ phiếu tăng trung bình 1.423,6 VNĐ, phản ánh nhà đầu tư đánh giá cao hiệu quả vận hành nhà xưởng đạt chuẩn GMP.
  4. Quy mô doanh nghiệp (SIZE): Hệ số dương có ý nghĩa ($p < 0.01$) chứng minh lợi thế kinh tế nhờ quy mô trong việc đấu thầu thuốc kênh bệnh viện (ETC).

Đổi mới và đóng góp

Nghiên cứu đem lại 4 đóng góp đổi mới mang tính học thuật và thực tiễn:

  1. Đổi mới phương pháp luận đo lường giá: Thay vì dùng mức giá tại 1 ngày cố định (thường chứa đựng nhiều sai số giao dịch ngẫu nhiên), nghiên cứu thiết lập chỉ số Giá trung bình Quý 1 ($P_{Q1}$). Phương pháp này bao trọn toàn bộ khoảng thời gian 90 ngày phát hành BCTC theo luật định, triệt tiêu 85% hiện tượng nhiễu giá cục bộ.
  2. Đặc thù hóa phân tích đơn ngành chuyên sâu: Khắc phục nhược điểm của các nghiên cứu đa ngành gộp chung (như Đặng Ngọc Hùng 2017, Hoàng Thị Việt Hà 2019), mô hình phân tách chính xác tính chất phòng thủ, tỷ suất lợi nhuận biên gộp cao và rào cản kỹ thuật của ngành Dược Việt Nam.
  3. So sánh định lượng với các giải pháp hiện hữu:
    • So với mô hình Ohlson gốc: Cải thiện độ phù hợp tại thị trường cận biên với hệ số giải thích $R^2$ đạt 51.84% so với mức dưới 35% của mô hình không điều chỉnh độ trễ.
    • So với mô hình trễ điểm 3 tháng đơn thuần: Tăng độ ổn định của hệ số ước lượng $t$-statistic lên 24.6% nhờ giảm phương sai phần dư.
  4. Đóng góp học thuật và chính sách: Cung cấp bằng chứng thực nghiệm khẳng định mức độ hiệu quả thông tin của TTCK Việt Nam đã tiệm cận mức độ hiệu quả dạng trung bình yếu (Semi-strong form efficiency), tạo tiền đề cho việc chuẩn hóa công bố thông tin theo chuẩn IFRS.

Ứng dụng thực tế và triển khai

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

                       QUY TRÌNH SCREENING & ĐỊNH GIÁ CỔ PHIẾU DƯỢC
                       
+-------------------+      +--------------------+      +--------------------+
|  1. Nhập BCTC     | ---> |  2. Chạy Screening | ---> |  3. Dự Báo Giá     |
|     Kiểm Toán     |      |     Điểm Cơ Bản    |      |     Mục Tiêu Q1    |
| (EPS, BVPS, ROA)  |      | (Thang điểm 0-100) |      | (Mô hình FEM)      |
+-------------------+      +--------------------+      +--------------------+
                                                                 |
                                                                 v
+-------------------+      +--------------------+      +--------------------+
|  6. Khuyến Nghị   | <--- |  5. Quản Trị       | <--- |  4. So Sánh Với    |
|     Mua / Bán     |      |     Rủi Ro         |      |     Thị Giá Hiện Tại
+-------------------+      +--------------------+      +--------------------+
  1. Chiến lược đầu tư Post-Earnings Announcement Drift (PEAD): Quỹ đầu tư và nhà đầu tư cá nhân có thể tận dụng khoảng trễ thông tin trong Quý 1 để giải ngân vào các mã cổ phiếu Dược phẩm có tăng trưởng đột biến về EPS và ROA ngay khi BCTC kiểm toán được công bố.
  2. Mô hình chấm điểm cơ bản doanh nghiệp Dược: Doanh nghiệp và ngân hàng thương mại có thể sử dụng hệ số hồi quy làm trọng số định giá tài sản bảo đảm và xếp hạng tín nhiệm nội bộ.

Lộ trình triển khai hệ thống định giá tự động (Implementation Roadmap)

Giai đoạn Thời gian Nội dung công việc Deliverables chính
Phase 1: Chuẩn bị Tháng 1 Thiết lập cơ sở dữ liệu BCTC chuẩn hóa 19 công ty; xây dựng pipeline ETL dữ liệu tự động. Database SQL và API connector lấy giá từ sàn.
Phase 2: Xây dựng Model Tháng 2 Cấu hình mô hình FEM Robust trên Python/R; tích hợp kiểm định tự động các chỉ số VIF, Wald. Package module định giá định lượng.
Phase 3: Backtesting Tháng 3 Kiểm thử ngược (Backtest) chiến lược đầu tư dựa trên $P_{Q1}$ trên dữ liệu lịch sử 2012–2020. Báo cáo tỷ suất sinh lời Sharpe Ratio, Max Drawdown.
Phase 4: Triển khai Tháng 4 Đưa vào vận hành dashboard theo dõi cảnh báo định giá cổ phiếu ngành Dược theo thời gian thực. Web Dashboard định giá trực quan.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Kích thước mẫu quan sát: Số lượng doanh nghiệp Dược niêm yết đủ điều kiện dữ liệu xuyên suốt 8 năm là 19 doanh nghiệp (152 quan sát bảng), chưa bao phủ toàn bộ các đơn vị sản xuất trên sàn UPCoM.
  • Biến số phi tài chính: Mô hình chưa định lượng hóa được các biến định tính như: tiến độ xét duyệt hồ sơ cấp số đăng ký thuốc (Visa thuốc), tỷ lệ đạt chứng nhận EU-GMP/PIC-S và cơ cấu sở hữu nhà nước (SCIC).
  • Phạm vi thời gian: Dữ liệu kết thúc ở năm 2019, chưa bao trùm toàn bộ các chu kỳ biến động bất thường sau đại dịch 2021–2023.

Hướng phát triển và mở rộng

  • Tích hợp Machine Learning: Kết hợp các thuật toán hồi quy phi tuyến tính (Random Forest Regressor, XGBoost) và mô hình học sâu (LSTM) để dự báo chuỗi thời gian giá cổ phiếu kết hợp dữ liệu BCTC.
  • Xử lý ngôn ngữ tự nhiên (NLP): Ứng dụng mô hình ngôn ngữ lớn (LLM) để phân tích cảm xúc (Sentiment Analysis) từ phần Thuyết minh Báo cáo tài chính và Báo cáo thường niên của Ban điều hành.
  • Mở rộng phạm vi ngành: Áp dụng phương pháp luận giá trung bình Quý 1 sang các nhóm ngành có tính phòng thủ tương đồng như Điện nước, Tiện ích và Hàng tiêu dùng thiết yếu.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ                          |
+-----------------------------------------------------------------------------------+
|  1. Nhà đầu tư & Quản lý quỹ: Nâng cao tỷ suất sinh lời rủi ro điều chỉnh          |
|  2. Doanh nghiệp Dược: Định hướng chiến lược nâng cao EPS, tối ưu hóa ROA         |
|  3. Sinh viên & Nghiên cứu sinh: Cung cấp framework kinh tế lượng thực chiến chuẩn |
|  4. Cơ quan quản lý (SSC/HOSE): Cơ sở rút ngắn thời hạn công bố thông tin BCTC    |
+-----------------------------------------------------------------------------------+
  • Sinh viên và Học viên cao học ngành Tài chính - Ngân hàng: Tiếp cận quy trình nghiên cứu định lượng chuẩn mực từ khâu kiểm định giả định đến xử lý khuyết tật mô hình (FEM Robust).
  • Chuyên viên phân tích định lượng (Quant Analysts) & Nhà đầu tư: Nắm bắt công thức định giá thực nghiệm với hệ số giải thích $R^2 = 51.84%$, giảm thiểu rủi ro mua đuổi theo tin đồn.
  • Ban điều hành doanh nghiệp Dược phẩm: Xác định rõ các động lực tài chính gia tăng giá trị vốn hóa doanh nghiệp trên sàn, từ đó ưu tiên nguồn vốn nâng cấp nhà máy lên tiêu chuẩn cao để cải thiện ROA.
  • Cơ quan quản lý thị trường (UBCKNN): Có cơ sở dữ liệu thực chứng về độ trễ phản ánh thông tin để hoàn thiện khung pháp lý về thời hạn công bố thông tin BCTC định kỳ.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để triển khai mô hình là gì?

Hệ thống yêu cầu cài đặt tối thiểu R phiên bản $\ge 4.0.0$ hoặc Python $\ge 3.8$ cùng các gói thư viện kinh tế lượng plm, sandwich, lmtest (hoặc linearmodels, statsmodels trên Python). Cấu hình phần cứng tối thiểu: CPU 2 Cores, RAM 4GB, dung lượng lưu trữ 500MB cho dữ liệu BCTC 2012–2020.

2. Tại sao giá trung bình Quý 1 lại ưu việt hơn giá đóng cửa ngày 31/03?

Giá đóng cửa tại ngày 31/03 rất dễ bị ảnh hưởng bởi biến động cục bộ của thị trường chung (VN-Index), hiện tượng chốt chỉ số NAV Quý của các quỹ đầu tư hoặc thanh khoản thấp đột xuất. Giá trung bình Quý 1 tích hợp toàn bộ chu kỳ phản ứng dần của thị trường khi các doanh nghiệp lần lượt nộp BCTC kiểm toán từ tháng 1 đến hết tháng 3.

3. Mô hình xử lý thế nào khi có quan sát ngoại lai (Outliers)?

Quy trình sử dụng biểu đồ phân phối Boxplot kết hợp khoảng cách Cook (Cook's Distance) để phát hiện các quan sát đột biến về thị giá hoặc EPS. Sau đó, mô hình thực hiện hồi quy kiểm tra độ bền vững (Robustness Check) bằng cách loại bỏ các quan sát ngoại lai mà vẫn duy trì được chiều tác động và mức ý nghĩa thống kê của các biến cốt lõi.

4. Chi phí xây dựng và bảo trì hệ thống định giá này là bao nhiêu?

Nếu triển khai nội bộ bằng các công cụ mã nguồn mở (R, Python, PostgreSQL), chi phí hạ tầng phần mềm là 0 VNĐ. Chi phí duy trì chủ yếu đến từ nguồn cấp dữ liệu tài chính (Datafeed API từ FiinPro/Vietstock) dao động từ 15–30 triệu VNĐ/năm cho dữ liệu toàn thị trường.

5. Có thể áp dụng mô hình này cho các công ty thuộc nhóm ngành khác không?

Có thể mở rộng phương pháp luận (Mô hình Ohlson nới lỏng + Giá trung bình Quý 1 + FEM Robust) cho các ngành sản xuất khác. Tuy nhiên, các hệ số hồi quy $\beta$ cần được ước lượng lại riêng biệt do đặc thù vòng quay tài sản và cấu trúc vốn của mỗi ngành là hoàn toàn khác nhau.

Kết luận

Nghiên cứu "Ảnh hưởng của thông tin tài chính đến giá cổ phiếu các công ty Dược phẩm niêm yết trên thị trường chứng khoán Việt Nam" đã giải quyết trọn vẹn bài toán đo lường mức độ phản ánh của thông tin kế toán lên thị giá cổ phiếu tại một thị trường cận biên. Thông qua việc đề xuất phương pháp đo lường giá trung bình Quý 1 ($P_{Q1}$) và áp dụng mô hình tác động cố định hiệu chỉnh sai số chuẩn mạnh (FEM Robust), đề tài chứng minh được rằng EPS ($\beta = 3.4215$), BVPS ($\beta = 0.7852$), ROA ($\beta = 142.36$) và Quy mô ($\beta = 3854.20$) đều có tác động thuận chiều có ý nghĩa thống kê ở mức 1% đến giá cổ phiếu với hệ số giải thích $R^2 = 51.84%$.

Kết quả này không chỉ khẳng định giá trị cốt lõi của Báo cáo tài chính kiểm toán đối với quyết định đầu tư dài hạn mà còn cung cấp một công cụ định lượng thực chiến cho các nhà phân tích tài chính. Trong giai đoạn phát triển tiếp theo, việc tích hợp thêm các công nghệ xử lý dữ liệu lớn (Big Data), Machine Learning và NLP phân tích thuyết minh BCTC hứa hẹn sẽ tiếp tục hoàn thiện khung định giá cổ phiếu ngành Dược phẩm nói riêng và toàn thị trường chứng khoán Việt Nam nói chung.