Bối cảnh và vấn đề nghiên cứu

Thị trường bất động sản giữ vị trí trọng yếu trong nền kinh tế quốc dân khi chiếm tỷ trọng đáng kể trong cơ cấu tổng sản phẩm quốc nội (GDP) và có mối liên hệ chặt chẽ với hệ thống tài chính, tiền tệ, thị trường lao động cùng các ngành công nghiệp phụ trợ như xây dựng, vật liệu, dịch vụ. Tuy nhiên, trong giai đoạn 2022–2023, thị trường bất động sản Việt Nam rơi vào tình trạng đình trệ do chịu tác động kép từ hậu quả kéo dài của đại dịch Covid-19 và biến động kinh tế vĩ mô toàn cầu. Tình trạng nợ xấu gia tăng, áp lực lạm phát, mặt bằng lãi suất leo thang và thanh khoản sụt giảm nghiêm trọng khiến các giao dịch rơi vào cảnh "mua dễ bán khó", nhiều dự án ngưng trệ, gây suy kiệt dòng tiền của các công ty địa ốc. Theo số liệu của Bộ Kế hoạch và Đầu tư năm 2023, số lượng doanh nghiệp bất động sản thành lập mới sụt giảm trong khi số lượng giải thể và tạm ngừng kinh doanh tăng mạnh. Thực trạng này đặt các doanh nghiệp trước nguy cơ mất khả năng thanh toán và rủi ro vỡ nợ trên diện rộng.

Trước thực tiễn trên, khóa luận tốt nghiệp ngành Tài chính – Ngân hàng của tác giả Nguyễn Thị Thu Hoài (Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2024) tập trung giải quyết bài toán nhận diện và định lượng các yếu tố tác động đến nguy cơ mất khả năng chi trả của các công ty địa ốc niêm yết.

Mục tiêu nghiên cứu của đề tài được xác định:

  • Mục tiêu tổng quát: Phân tích các yếu tố tác động đến rủi ro phá sản của các doanh nghiệp ngành bất động sản niêm yết trên thị trường chứng khoán Việt Nam; từ đó đề xuất các hàm ý chính sách nhằm giảm thiểu rủi ro phá sản cho các doanh nghiệp này trong tương lai.
  • Mục tiêu cụ thể:
    1. Một là, tìm ra được các yếu tố tác động đến rủi ro phá sản của các doanh nghiệp.
    2. Hai là, phân tích được tác động của các yếu tố này đến rủi ro phá sản của các doanh nghiệp ngành bất động sản niêm yết trên thị trường chứng khoán tại Việt Nam.
    3. Ba là, đề xuất được các hàm ý chính sách nhằm giảm thiểu rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán tại Việt Nam.

Nhiệm vụ nghiên cứu được cụ thể hóa qua ba câu hỏi nghiên cứu:

  1. Một là, các yếu tố nào ảnh hưởng đến rủi ro phá sản của các doanh nghiệp?
  2. Hai là, mức độ ảnh hưởng của các yếu tố trên đến rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán tại Việt Nam như thế nào?
  3. Ba là, các hàm ý chính sách nào cần đề xuất nhằm giảm thiểu rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán tại Việt Nam?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các yếu tố tác động đến rủi ro phá sản của các doanh nghiệp bất động sản niêm yết trên thị trường chứng khoán Việt Nam.
  • Phạm vi không gian: Nghiên cứu chọn lọc 65 công ty cổ phần bất động sản niêm yết trên hai Sở Giao dịch Chứng khoán HOSE và HNX có báo cáo tài chính đầy đủ và được kiểm toán chấp nhận tính trung thực (được sàng lọc từ tổng số 79 doanh nghiệp bất động sản niêm yết tính đến tháng 4/2024 theo hệ thống dữ liệu FiinPro của CTCP StoxPlus).
  • Phạm vi thời gian: Giai đoạn 8 năm liên tục từ năm 2016 đến năm 2023, bao hàm toàn diện giai đoạn trước, trong và sau đại dịch Covid-19 cùng giai đoạn thị trường đóng băng 2022–2023.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý luận dựa trên các khái niệm rủi ro của John Haynes (1895), Frank H. Knight (1921) và COSO (2004), kết hợp với định nghĩa pháp lý tại Khoản 2 Điều 4 Luật Phá sản 2014 của Việt Nam: phá sản là tình trạng doanh nghiệp mất khả năng thanh toán và bị Tòa án nhân dân ra quyết định tuyên bố phá sản. Bên cạnh đó, tác giả kế thừa các dấu hiệu nhận diện kiệt quệ tài chính của Denis và Denis (1995).

Về mặt đo lường, tác giả tổng thuật có hệ thống các mô hình dự báo kinh điển:

  • Mô hình Z-score của Edward I. Altman (1968, 1977, 2000) với 3 biến thể: mô hình gốc cho doanh nghiệp sản xuất niêm yết, mô hình Z' cho doanh nghiệp sản xuất chưa niêm yết và mô hình Z'' áp dụng cho doanh nghiệp phi sản xuất.
  • Mô hình S-Score của Springate (1978) sử dụng phân tích đa biệt (ngưỡng an toàn là 0,826).
  • Mô hình X-Score của Zmijewski (1984) sử dụng hàm xác suất Probit (ngưỡng cắt 0,5).
  • Phương pháp đo lường qua chỉ số tài chính kiệt quệ: Hệ số chi trả lãi vay ICR (Interest Coverage Ratio), được xác định bằng tỷ số giữa Thu nhập trước thuế và lãi vay (EBIT) trên Chi phí lãi vay theo nghiên cứu của Hadi (2014), Utami Kartika (2019), Joseph và cộng sự (2013), và Phạm Võ Ninh Bình và cộng sự (2018).

Do đặc thù các mô hình Z-score, S-score hay X-score được xây dựng trong bối cảnh lịch sử và cấu trúc thị trường nước ngoài cách xa hiện tại, khóa luận sử dụng tiêu chí hệ số ICR để xác định trạng thái rủi ro phá sản của doanh nghiệp. Biến phụ thuộc Rủi ro phá sản ($FD$) nhận giá trị nhị phân:

  • $FD = 1$ khi doanh nghiệp rơi vào tình trạng rủi ro phá sản, thỏa mãn điều kiện $ICR < 1$ (tương đương thu nhập hoạt động $EBIT$ không đủ trang trải chi phí lãi vay phát sinh).
  • $FD = 0$ khi doanh nghiệp an toàn tài chính ($ICR \ge 1$).

Phương pháp nghiên cứu thực nghiệm:

  • Phương pháp định lượng: Sử dụng mô hình hồi quy Binary Logistic (Logit) để ước lượng xác suất rủi ro phá sản dạng biến phụ thuộc nhị phân dựa trên phần mềm Stata 17:

$$\ln\left(\frac{P_0}{1 - P_0}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k$$

Trong đó $P_0$ là xác suất doanh nghiệp gặp rủi ro phá sản ($FD = 1$).

  • Kiểm định mô hình: Đánh giá hiện tượng đa cộng tuyến thông qua Hệ số nhân tử phóng đại phương sai (VIF) và ma trận tương quan; đo lường độ chính xác phân loại bằng Ma trận nhầm lẫn (Confusion Matrix với các chỉ số Sensitivity và Specificity), phân tích đường cong ROC (Receiver Operating Characteristic) và diện tích dưới đường cong (AUC) theo chuẩn đánh giá của DeLong & Clarke-Pearson (1988) và Altman (2010).
  • Nguồn dữ liệu: Dữ liệu vi mô thu thập từ báo cáo tài chính đã kiểm toán của 65 doanh nghiệp bất động sản niêm yết trên HOSE và HNX thông qua hệ thống FiinPro (tổng cộng 520 quan sát dạng bảng). Dữ liệu kinh tế vĩ mô về tỷ lệ lạm phát (INF) và tốc độ tăng trưởng kinh tế (GDP) của Việt Nam từ 2016–2023 thu thập từ Ngân hàng Phát triển Châu Á (ADB) và Ngân hàng Thế giới (World Bank).

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương mở đầu trình bày bối cảnh kinh tế và thực trạng khó khăn của ngành bất động sản Việt Nam giai đoạn 2016–2023, từ đó xác lập tính cấp thiết của đề tài. Tác giả làm rõ mục tiêu nghiên cứu tổng quát là phân tích các nhân tố ảnh hưởng đến rủi ro phá sản của doanh nghiệp bất động sản niêm yết nhằm đề xuất hàm ý chính sách; cụ thể hóa thành 3 mục tiêu và 3 câu hỏi nghiên cứu tương ứng. Phạm vi nghiên cứu được định vị rõ gồm 65 doanh nghiệp địa ốc (520 quan sát) trong chuỗi thời gian 8 năm. Chương này cũng phác thảo sơ bộ phương pháp hồi quy Logit, chỉ rõ đóng góp về mặt lý luận và thực tiễn của công trình, đồng thời công bố kết cấu 5 chương của toàn bộ khóa luận.

Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu

Chương 2 thiết lập khung lý luận thông qua việc phân tích nguồn gốc khái niệm rủi ro từ John Haynes (1895), Frank H. Knight (1921), COSO (2004) và căn cứ pháp lý tại Khoản 2 Điều 4 Luật Phá sản 2014. Tác giả rà soát và so sánh ưu, nhược điểm của các mô hình dự báo rủi ro kinh điển gồm Altman Z-score (3 phiên bản), Springate S-score, Zmijewski X-score và phương pháp đo lường thông qua chỉ số khả năng thanh toán lãi vay ICR.

Chương này tổng thuật chi tiết 17 công trình nghiên cứu thực nghiệm trong và ngoài nước (gồm Beaver, 1966; Salehi & Abedini, 2009; Campbell và cộng sự, 2011; Tinoco & Wilson, 2013; Bhattacharjee & Han, 2014; Antikasari & Djuminah, 2017; Moch và cộng sự, 2019; Ikpesu, 2019; Isayas, 2021; Nguyễn Thị Nga, 2018; Phạm Thị Hồng Vân, 2018; Nguyễn Văn Thép & Tạ Quang Dũng, 2018; Phạm Võ Ninh Bình và cộng sự, 2018; Đinh Thu Ngọc, 2019; Nguyễn Thị Tuyết Lan, 2019; Nguyễn Văn Công và cộng sự, 2019; Võ Minh Long, 2020; Trương Thế Quang, 2022; Phan Trần Trung Dũng và cộng sự, 2022). Qua đó, tác giả xác định khoảng trống học thuật: các nghiên cứu trước đây tại Việt Nam chủ yếu khảo sát đa ngành hoặc phân tích trong các giai đoạn cũ, chưa có nghiên cứu chuyên sâu về phân khúc doanh nghiệp bất động sản niêm yết trong chu kỳ biến động tài chính 2016–2023. Cuối cùng, chương 2 luận giải chi tiết 7 yếu tố tác động (5 yếu tố tài chính nội tại: ROA, TAT, LEV, LIQ, SIZE và 2 yếu tố kinh tế vĩ mô: INF, GDP).

Chương 3: Phương pháp nghiên cứu

Chương 3 xây dựng quy trình nghiên cứu logic gồm 8 bước: từ xác định mục tiêu, tổng quan lý thuyết, xây dựng mô hình, thu thập dữ liệu FiinPro, phân tích mô tả và kiểm định tương quan, ước lượng hồi quy Logit, kiểm tra độ phù hợp mô hình (ROC/AUC, Ma trận nhầm lẫn), đến thảo luận kết quả và đề xuất hàm ý chính sách. Mô hình hồi quy Logit tổng quát được thiết lập:

$$FD_{it} = \alpha + \beta_1 ROA_{it} + \beta_2 TAT_{it} + \beta_3 LEV_{it} + \beta_4 LIQ_{it} + \beta_5 SIZE_{it} + \beta_6 INF_t + \beta_7 GDP_t + \varepsilon_{it}$$

Tác giả định nghĩa biến và thiết lập 7 giả thuyết kiểm định:

  • $H_1$: Khả năng sinh lời ($ROA = \text{Lợi nhuận sau thuế} / \text{Tổng tài sản bình quân}$) tác động ngược chiều (-) đến rủi ro phá sản.
  • $H_2$: Vòng quay tổng tài sản ($TAT = \text{Doanh thu thuần} / \text{Tổng tài sản bình quân trong kỳ}$) tác động ngược chiều (-) đến rủi ro phá sản.
  • $H_3$: Đòn bẩy tài chính ($LEV = \text{Tổng nợ phải trả} / \text{Tổng tài sản}$) tác động cùng chiều (+) đến rủi ro phá sản.
  • $H_4$: Khả năng thanh khoản ($LIQ = \text{Vốn lưu động} / \text{Tổng tài sản}$) tác động ngược chiều (-) đến rủi ro phá sản.
  • $H_5$: Quy mô doanh nghiệp ($SIZE = \log(\text{Tổng tài sản})$) tác động ngược chiều (-) đến rủi ro phá sản.
  • $H_6$: Tỷ lệ lạm phát ($INF$) tác động cùng chiều (+) đến rủi ro phá sản.
  • $H_7$: Tốc độ tăng trưởng kinh tế ($GDP$) tác động ngược chiều (-) đến rủi ro phá sản.

Chương 4: Phân tích kết quả nghiên cứu và thảo luận

Chương 4 công bố số liệu thống kê mô tả: mẫu quan sát 520 dữ liệu năm từ 65 doanh nghiệp ghi nhận 129 quan sát rơi vào tình trạng rủi ro phá sản ($FD = 1$, chiếm 24,81%) và 391 quan sát ở trạng thái an toàn tài chính ($FD = 0$, chiếm 75,19%). Thống kê mô tả các biến độc lập và ma trận hệ số tương quan kết hợp chỉ số VIF cho thấy mô hình không vi phạm hiện tượng đa cộng tuyến nghiêm trọng.

Kết quả ước lượng mô hình hồi quy Logit cho thấy:

  • Các biến có tác động ngược chiều (làm giảm xác suất rủi ro phá sản): Khả năng sinh lời ($ROA$), Vòng quay tổng tài sản ($TAT$), Khả năng thanh khoản ($LIQ$) và Tỷ lệ lạm phát ($INF$).
  • Biến có tác động cùng chiều (làm gia tăng xác suất rủi ro phá sản): Đòn bẩy tài chính ($LEV$).
  • Các biến không có ý nghĩa thống kê trong mô hình: Quy mô doanh nghiệp ($SIZE$) và Tốc độ tăng trưởng kinh tế ($GDP$).
  • Đánh giá độ phù hợp: Mô hình Logit đạt tỷ lệ dự đoán chính xác tổng thể là 81%. Phân tích đường cong ROC cho thấy chỉ số diện tích dưới đường cong AUC đạt trên 0,8, khẳng định mô hình có năng lực phân loại và dự báo rủi ro tốt.

Chương 5: Kết luận

Chương cuối tóm lược các kết luận thực nghiệm then chốt, khẳng định vai trò quyết định của đòn bẩy tài chính, năng lực sinh lời, hiệu suất khai thác tài sản và vốn lưu động đối với sự an toàn tài chính của doanh nghiệp bất động sản niêm yết. Dựa trên số liệu, tác giả đưa ra các nhóm hàm ý chính sách cho nhà điều hành doanh nghiệp (cắt giảm nợ vay rủi ro, thúc đẩy vòng quay tài sản qua thanh lý dự án tồn đọng, dự phòng vốn lưu động) và các cơ quan điều hành vĩ mô. Cuối chương, tác giả nêu rõ các hạn chế về quy mô mẫu niêm yết và đề xuất hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Kết quả nghiên cứu chính

Nghiên cứu trên 520 quan sát của 65 doanh nghiệp bất động sản niêm yết giai đoạn 2016–2023 mang lại các kết quả thực nghiệm định lượng cụ thể:

Tên biến Ký hiệu Cách đo lường Kỳ vọng giả thuyết Kết quả thực nghiệm Ý nghĩa tác động đến rủi ro phá sản
Rủi ro phá sản $FD$ $ICR < 1 \rightarrow FD=1$; $ICR \ge 1 \rightarrow FD=0$ (Biến phụ thuộc) 129 quan sát $FD=1$ (24,81%)
391 quan sát $FD=0$ (75,19%)		 Đo lường bằng hệ số khả năng trả lãi ($EBIT / \text{Chi phí lãi vay}$)
Khả năng sinh lời $ROA$ Lợi nhuận sau thuế / Tổng tài sản bình quân Âm (-) Ngược chiều (-) Chấp nhận $H_1$: Tăng sinh lời giúp giảm nguy cơ rủi ro phá sản
Vòng quay tài sản $TAT$ Doanh thu thuần / Tổng tài sản bình quân Âm (-) Ngược chiều (-) Chấp nhận $H_2$: Khai thác tài sản hiệu quả làm giảm rủi ro vỡ nợ
Đòn bẩy tài chính $LEV$ Tổng nợ phải trả / Tổng tài sản Dương (+) Cùng chiều (+) Chấp nhận $H_3$: Doanh nghiệp lạm dụng nợ vay làm tăng mạnh rủi ro phá sản
Tính thanh khoản $LIQ$ Vốn lưu động / Tổng tài sản Âm (-) Ngược chiều (-) Chấp nhận $H_4$: Vốn lưu động dồi dào giúp bảo đảm nghĩa vụ thanh toán
Quy mô doanh nghiệp $SIZE$ Logarit tự nhiên của Tổng tài sản Âm (-) Không có ảnh hưởng Bác bỏ $H_5$: Quy mô tài sản không có ý nghĩa thống kê
Tỷ lệ lạm phát $INF$ Tốc độ thay đổi chỉ số giá tiêu dùng qua các năm Dương (+) Ngược chiều (-) Khác kỳ vọng $H_6$: Kết quả thực nghiệm cho thấy tác động ngược chiều
Tăng trưởng kinh tế $GDP$ Tốc độ tăng trưởng GDP qua các năm Âm (-) Không có ảnh hưởng Bác bỏ $H_7$: Tăng trưởng GDP không có ý nghĩa thống kê
  • Độ chính xác của mô hình: Mô hình Logit đề xuất đạt tỷ lệ dự đoán chính xác tổng thể là 81%. Chỉ số AUC của đường cong ROC đạt trên ngưỡng 0,8, thể hiện khả năng phân loại rủi ro ở mức rất tốt.

Giải pháp và kiến nghị của tác giả

  1. Kiểm soát đòn bẩy tài chính ($LEV$): Doanh nghiệp bất động sản cần chủ động tái cơ cấu các khoản nợ, hạ thấp tỷ lệ nợ phải trả trên tổng tài sản, hạn chế phụ thuộc quá mức vào vốn vay ngân hàng hoặc nợ trái phiếu chi phí cao để tránh rơi vào bẫy mất khả năng thanh toán lãi vay khi thị trường suy giảm.
  2. Nâng cao khả năng sinh lời ($ROA$) và quản trị vốn lưu động ($LIQ$): Doanh nghiệp cần duy trì tỷ trọng vốn lưu động hợp lý để bảo đảm tính thanh khoản tức thời; linh hoạt điều chỉnh chính sách bán hàng và biên lợi nhuận nhằm bảo toàn dòng tiền ròng.
  3. Tối ưu hóa vòng quay tổng tài sản ($TAT$): Đẩy nhanh tiến độ hoàn thiện pháp lý và triển khai dự án, kiên quyết xử lý hoặc thoái vốn tại các dự án tồn kho đóng băng kéo dài để giải phóng tài sản không sinh lời, từ đó tạo ra doanh thu thuần tương ứng với quy mô tài sản sở hữu.
  4. Đối với cơ quan quản lý và ngân hàng: Cần thiết lập hệ thống giám sát cảnh báo sớm dựa trên chỉ số $ICR$ để sàng lọc rủi ro tín dụng của các doanh nghiệp bất động sản trước khi cấp tín dụng hoặc cấp phép phát hành trái phiếu.

Đóng góp của đề tài

  • Về mặt học thuật: Bổ sung bằng chứng thực nghiệm định lượng về rủi ro kiệt quệ tài chính chuyên sâu cho ngành bất động sản trên thị trường chứng khoán Việt Nam trong chu kỳ 2016–2023. Đề tài lấp đầy khoảng trống nghiên cứu khi kết hợp cả biến tài chính doanh nghiệp và biến kinh tế vĩ mô trên bộ dữ liệu bảng bao quát giai đoạn khủng hoảng dịch bệnh.
  • Về mặt thực tiễn: Cung cấp mô hình hồi quy Logit với tỷ lệ dự đoán chính xác 81%, giúp các nhà quản trị doanh nghiệp, cổ đông, ngân hàng thương mại và nhà đầu tư có công cụ định lượng đáng tin cậy để nhận diện sớm các tín hiệu mất khả năng thanh toán của các công ty địa ốc.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ ra một số hạn chế gắn liền với phạm vi dữ liệu:

  • Mẫu nghiên cứu chỉ khảo sát 65 doanh nghiệp bất động sản niêm yết trên HOSE và HNX có báo cáo tài chính đầy đủ được kiểm toán, loại bỏ các doanh nghiệp thiếu dữ liệu (tổng số 79 doanh nghiệp niêm yết tính đến tháng 4/2024). Do đó, kết quả chưa đại diện cho toàn bộ các doanh nghiệp bất động sản chưa niêm yết hoặc các công ty quy mô vừa và nhỏ ngoài sàn.
  • Mô hình chỉ tập trung vào 5 chỉ số tài chính nội tại và 2 chỉ số kinh tế vĩ mô, chưa lượng hóa được các biến số phi tài chính như năng lực quản trị doanh nghiệp, cơ cấu sở hữu, chính sách pháp lý đất đai và rủi ro từ thị trường trái phiếu doanh nghiệp riêng lẻ.

Hướng nghiên cứu tiếp theo được đề xuất:

  • Mở rộng phạm vi mẫu nghiên cứu sang các năm tiếp theo để cập nhật chu kỳ phục hồi của thị trường sau năm 2023.
  • Bổ sung các biến kiểm soát về quản trị công ty, cấu trúc nợ vay chi tiết (tỷ lệ nợ trái phiếu, nợ ngân hàng) và áp dụng thêm các mô hình học máy phân loại hiện đại để so sánh độ chính xác dự báo với mô hình Logit.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

  • Sinh viên, học viên chuyên ngành Tài chính – Ngân hàng, Kế toán, Kiểm toán: Cung cấp tài liệu tham khảo chuẩn mực về cách thiết kế một nghiên cứu định lượng ứng dụng mô hình hồi quy Binary Logistic trên dữ liệu bảng (panel data) sử dụng phần mềm Stata 17.
  • Các nhà nghiên cứu về kiệt quệ tài chính: Cung cấp hệ thống