intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Ứng dụng phương pháp phân tích dữ liệu đa hợp trong phân tích phân cụm doanh nghiệp: Nghiên cứu thực nghiệm tại các doanh nghiệp ở Việt Nam, Thái Lan và Indonesia trong giai đoạn 2018-2022

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:16

Thêm vào BST
Báo xấu
9
lượt xem 2
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài nghiên cứu tập trung vào việc sử dụng các chỉ số tài chính để phân tích phân cụm các doanh nghiệp, sử dụng phương pháp phân tích dữ liệu đa hợp (CoDA). Với dữ liệu lấy từ báo cáo tài chính của 300 doanh nghiệp lớn tại Thái Lan, Indonesia và Việt Nam, bài nghiên cứu hướng đến việc phân cụm các doanh nghiệp và từ đó tìm hiểu được đặc tính của từng phân cụm cũng như sự dịch chuyển của doanh nghiệp giữa các cụm trong giai đoạn từ năm 2018 đến 2022.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ứng dụng phương pháp phân tích dữ liệu đa hợp trong phân tích phân cụm doanh nghiệp: Nghiên cứu thực nghiệm tại các doanh nghiệp ở Việt Nam, Thái Lan và Indonesia trong giai đoạn 2018-2022

  1. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ỨNG DỤNG PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU ĐA HỢP TRONG PHÂN TÍCH PHÂN CỤM DOANH NGHIỆP: NGHIÊN CỨU THỰC NGHIỆM TẠI CÁC DOANH NGHIỆP Ở VIỆT NAM, THÁI LAN VÀ INDONESIA TRONG GIAI ĐOẠN 2018-2022 Đào Thị Thanh Bình, Nguyễn Anh Tuấn Lê Thanh Bình, Phạm Văn Hùng Trường Đại học Hà Nội Email: binhdtt@hanu.edu.vn Tóm tắt: Trong giai đoạn năm (05) năm gần đây, môi trường kinh tế nói chung chứng kiến sự thay đổi liên tục dưới sự tác động to lớn của yếu tố đại dịch COVID-19 và các hệ quả nó đem lại. Việc nắm bắt được những biến động của doanh nghiệp ngày càng trở nên quan trọng hơn, thu hút được sự quan tâm của các nhà nghiên cứu, các nhà quản trị doanh nghiệp cũng như hoạch định chính sách. Bài nghiên cứu tập trung vào việc sử dụng các chỉ số tài chính để phân tích phân cụm các doanh nghiệp, sử dụng phương pháp phân tích dữ liệu đa hợp (CoDA). Với dữ liệu lấy từ báo cáo tài chính của 300 doanh nghiệp lớn tại Thái Lan, Indonesia và Việt Nam, bài nghiên cứu hướng đến việc phân cụm các doanh nghiệp và từ đó tìm hiểu được đặc tính của từng phân cụm cũng như sự dịch chuyển của doanh nghiệp giữa các cụm trong giai đoạn từ năm 2018 đến 2022. Kết quả thu được cho thấy các chỉ số tài chính đều thể hiện tính hiệu quả trong việc phân loại doanh nghiệp, phân chia thành 3 phân cụm dựa theo hiệu quả kinh doanh và mức độ rủi ro tài chính. Phân tích trong giai đoạn trước và sau COVID-19 cũng cho thấy dấu hiệu phục hồi về kết quả kinh doanh thông qua sự chuyển dịch phân cụm của một số công ty. Đáng chú ý hơn, các doanh nghiệp Việt Nam thể hiện hiệu suất hoạt động tốt và duy trì sự hiện diện với số lượng lớn trong nhóm có kết quả hoạt động tốt nhất với mức độ an toàn thanh toán cao. Từ khóa: phân tích dữ liệu đa hợp (CoDA), phân tích phân cụm, chỉ số tài chính, phân loại doanh nghiệp, COVID-19, Việt Nam, Thái Lan, Indonesia. 1. Giới thiệu Kể từ sau đại dịch COVID-19, các quốc gia, bao gồm cả các nước tiên tiến hay đang phát triển, đều phải chật vật phục hồi sau những tác động tiêu cực tới nền kinh tế. Trong dự báo gần đây do Quỹ Tiền tệ Quốc tế (IMF) đưa ra, tăng trưởng toàn cầu được dự báo sẽ tiếp tục xu hướng giảm trong năm 2022 và 2023 ở mức 2,9% vào năm 2024 (IMF, 2023a). Mặc dù tích cực hơn bình quân toàn cầu, tốc độ tăng trưởng của các nền kinh tế thị trường mới nổi tại Đông Nam Á vẫn bị giảm 0,3% so với dự báo trước đó. Cụ thể, tốc độ tăng trưởng chỉ còn 4,2% vào năm 2023 và 4,6% vào năm 2024 (IMF, 2023b). Trong tình hình suy thoái kinh tế, các công ty lớn trở thành trụ cột hỗ trợ nền kinh tế nhờ lợi thế về quy mô, tiềm lực tài chính và sự am hiểu thị trường. Các doanh nghiệp lớn vẫn được nhìn nhận như tác nhân kinh tế quan trọng có ảnh hưởng đáng kể đến sự thịnh vượng của một quốc gia (Binda, 2013; Bolt, 2002; Pollard, 1999). Vai trò chủ chốt của nhóm các doanh nghiệp này đã được thừa nhận ở nhiều khía cạnh như: nâng cao năng suất và thu nhập của người lao động (Idson & Oi, 1999), tác động lên kết quả của doanh 335
  2. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 nghiệp nhỏ trong chuỗi giá trị của họ thông qua sức mạnh tập trung thị trường (Kaplan, 1950), và tác động đến sự ổn định chính trị và kinh tế ở các quốc gia (Bolt, 2002). Đối với các nước đang phát triển, các doanh nghiệp lớn còn là đòn bẩy đối với sự nghiệp phát triển kinh tế và công cuộc xóa đói giảm nghèo thông qua vai trò tiên phong trong đổi mới công nghệ, áp dụng các tiêu chuẩn quốc tế về chất lượng sản phẩm, cũng như đào tạo nguồn nhân lực, tạo ra công ăn việc làm cho xã hội. Dựa trên Khảo sát Doanh nghiệp của Ngân hàng Thế giới với hơn 70.000 cơ sở tại 123 nền kinh tế, các công ty có vốn hóa thị trường cao được nhận xét là đại diện cho sự đổi mới, góp phần to lớn trong việc thúc đẩy hoạt động kinh tế toàn diện ở các nước thu nhập thấp và trung bình; điển hình như 20 doanh nghiệp lớn nhất Việt Nam đóng góp hơn 10% tổng doanh thu thuế từ lợi nhuận và lãi vốn (Ciani và cộng sự., 2020). Với tầm ảnh hưởng to lớn của mình lên nền kinh tế của một quốc gia, thậm chí một khu vực trong bối cảnh toàn cầu hóa, việc tìm hiểu, đo lường hiệu quả hoạt động, tình hình tài chính, cũng như dự đoán khả năng của các công ty hàng đầu là mối quan tâm của nhiều chính phủ, các nhà hoạch định chính sách, cũng như giới đầu tư. Trong nghiên cứu này, nhóm nghiên cứu chúng tôi đề xuất phân loại công ty dựa trên các tỷ số tài chính dưới dạng dữ liệu đa hợp. Nghiên cứu của tập trung vào nhóm 100 công ty hàng đầu dựa trên tổng tài sản của họ tại các quốc gia Đông Nam Á mới nổi bao gồm Indonesia, Thái Lan và Việt Nam. Trong số các nước ASEAN, Indonesia và Thái Lan là các nền kinh tế lớn thứ nhất và thứ hai về GDP, trong khi Việt Nam có tốc độ tăng trưởng GDP nhanh nhất trong 10 năm (2013 - 2023) và là quốc gia duy nhất trải qua đại dịch COVID-19 với mức tăng trưởng GDP dương. Do đó, bài nghiên cứu này quan tâm đến việc phân tích hiệu quả hoạt động của các doanh nghiệp lớn ở các quốc gia này trong thời gian trước, trong và sau đại dịch. Thông qua việc phân loại các doanh nghiệp theo các phân cụm, nhóm nghiên cứu muốn phân biệt đặc điểm giữa các cụm khác nhau, đồng thời tìm hiểu sự chuyển dịch của các công ty giữa các cụm trong khoảng thời gian của dữ liệu nghiên cứu, với hy vọng có thể hiểu rõ hơn ảnh hưởng của đại dịch đến các công ty lớn nói riêng và các quốc gia này trong khu vực ASEAN nói chung. Hình 1: Dữ liệu GDP các quốc gia Đông Nam Á Nguồn: www.worldeconomics.com 336
  3. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Biểu đồ 1: Tốc độ tăng trưởng GDP Nguồn: www.mckinsey.com 2. Cơ sở lý thuyết 2.1. Phân loại công ty Trong thế kỷ XXI, việc phân loại hoặc phân cụm doanh nghiệp xuất hiện ở hầu hết các nền kinh tế phát triển. Số liệu thống kê ở Châu Âu cho thấy có khoảng 2.000 cụm doanh nghiệp, sử dụng gần 40% lực lượng lao động, đóng góp nhiều sáng kiến thu hút hỗ trợ tài chính từ chính phủ, Liên minh Châu Âu hay các tổ chức khác (Grashof & Fornahl, 2021). Theo Bailey (1994), các phương pháp phân loại bao gồm hai nhóm: (1) các phương pháp phân loại theo khái niệm phổ biến trước khi có sự ra đời của máy tính và (2) các phương pháp phân tích phân cụm định lượng được phát triển từ những năm 1950. Trong suốt quá trình chuyển đổi giữa các phương pháp, nhiều nhà khoa học thuộc nhiều lĩnh vực đã ghi nhận lợi ích của phân loại trong các nghiên cứu của họ (Gkotsis, 2018; McAlister, 2023; Hooda, 2018; Hernández-Linares, 2017). Việc phân loại các doanh nghiệp thành các nhóm riêng biệt đã hỗ trợ rất nhiều cho quá trình phân tích chi tiết thuộc tính của những tổ chức đó (Rich, 1992). Ngoài ra, phân loại tổ chức cũng được coi là cơ sở để dự đoán các quyết định hoặc thay đổi của tổ chức và cho phép các nhà nghiên cứu dễ dàng xác định phạm vi mà mẫu tổ chức có thể được rút ra (Carper, 1980). Một số tác động tích cực từ việc phân loại doanh nghiệp tới với sự thành công của họ đã được đề cập trong nhiều nghiên cứu thực nghiệm, bao gồm: thu hút nguồn nhân lực có chuyên môn đặc thù (McCann và cộng sự, 2008), tiếp cận các yếu tố đầu vào sản xuất chuyên biệt (Feldman, 1994) hay kiến thức chuyên môn (Jaffe et al, 1993), thu hút thêm khách hàng bằng cách giảm chi phí tìm kiếm của người tiêu dùng (McCann, 2008), tạo động lực để doanh nghiệp phải đổi mới để duy trì tính cạnh tranh (Porter, 1998), hay hưởng lợi từ danh tiếng chung (Wu et al, 2010). Do đó, những lợi ích thực tế của việc phân nhóm hoặc phân loại doanh nghiệp ngày càng thu hút sự chú ý trong cả giới học thuật lẫn quản trị doanh nghiệp. 2.2. Các hệ số tài chính dạng dữ liệu đa hợp (CoDA) Phân tích dữ liệu đa hợp (Compositonal Data Analysis - CoDA) là phân tích dữ liệu đa biến không nhận giá trị âm, trong đó các giá trị tuyệt đối của dữ liệu mang ý nghĩa tương đối (Greenacre, 2018). CoDA lần đầu tiên được Lewi (1976) giới thiệu trong lĩnh vực nghiên cứu sinh học và sau đó được Aichison (1982) chuyển đổi sang nghiên cứu địa chất. Gần đây, dữ liệu đa hợp ngày càng được sử dụng nhiều trong lĩnh vực tài chính, chẳng hạn như ngân hàng (Vega Baquero & Santolino, 2022), danh mục đầu tư (Glassman & Riddick, 1996), rủi ro hệ 337
  4. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 thống (Fiori & Porro, 2023), thị trường tài chính (Kokoszka và cộng sự, 2019; Ortells và cộng sự, 2016; Wang và cộng sự, 2019). Phương pháp này cũng được các nhà nghiên cứu sử dụng như một giải pháp thay thế cho các chỉ số tài chính tiêu chuẩn nhằm mục đích phân tích báo cáo tài chính (Arimany Serrat và cộng sự, 2022; Coenders & Serrat, 2023; Linares-Mustarós và cộng sự, 2022) và thiết lập đặc tính của các công ty đang gặp khó khăn tài chính (Linares- Mustarós và cộng sự, 2018). Các hệ số tài chính được giới thiệu vào cuối thế kỷ 19 (Horrigan, 1968) và được sử dụng làm thước đo hiệu quả quản lý, đánh giá chiến lược, chấm điểm tín dụng và được sử dụng trong cả những nghiên cứu về các biến số phi tài chính khác (Altman, 1968; Altman và cộng sự, 2017; Barnes, 1987; Faello, 2015; Horrigan, 1968; Tascón và cộng sự, 2018). Mặc dù các hệ số tài chính tiêu chuẩn được công nhận là có tác dụng trong việc đánh giá hiệu quả tài chính của doanh nghiệp, nhưng độ tin cậy của chúng vẫn luôn bị đặt dấu hỏi về việc đánh mất tính đối xứng khi xây dựng các hệ số tài chính tiêu chuẩn, dẫn đến làm sai lệch kết quả khi chẩn đoán tình trạng tài chính (Cowen & Hoffer, 1982; Lev & Sunder, 1979; McLeay & Omar, 2000). Các hệ số tài chính tiêu chuẩn có thể được dùng trong đánh giá tình hình tài chính của từng công ty đơn lẻ (hoặc so sánh giữa các công ty), nhưng khi phân tích mẫu gồm nhiều công ty thì việc áp dụng các phương pháp thống kê cần được sử dụng. Trong trường hợp đó, việc sử dụng các hệ số tài chính tiêu chuẩn như biến số gặp một số hạn chế như tính bất đối xứng, phi tuyến tính, dữ liệu ngoại lai, phân phối phi chuẩn và rủi ro chủ quan duy ý chí trong quá trình lựa chọn các giá trị làm tử số hay mẫu số của hệ số (Coenders & Serrat, 2023). Sử dụng dữ liệu đa hợp CoDA ở dạng hệ số tài chính đã được biến đổi không chỉ có thể loại bỏ các vấn đề tương quan giả (Pawlowsky-Glahn & Buccianti, 2011) mà còn giảm thiểu được các vấn đề về độ lệch hay giá trị ngoại lai của dữ liệu (Linares-Mustarós và cộng sự, 2022). Để có thể sử dụng làm dữ liệu đa hợp, số liệu kế toán trong báo cáo tài chính phải đáp ứng các điều kiện sau: (1) không âm và (2) không chồng chéo (Coenders & Serrat, 2023). Thực tế, số liệu kế toán trong báo cáo tài chính có thể âm vì chúng là hệ quả của việc trừ các số liệu kế toán dương khác. Do đó, các hệ số tài chính dưới dạng dữ liệu CoDA cần tuân theo một số yêu cầu như sử dụng doanh thu, chi phí thay vì lợi nhuận; hoặc tài sản ngắn hạn, nợ ngắn hạn thay vì vốn lưu động. Dữ liệu không chồng chéo tức là dữ liệu không vừa nằm trong dữ liệu hợp nhất, vừa nằm trong dữ liệu thành phần. Ví dụ, dữ liệu trong tài sản ngắn hạn và tài sản dài hạn cũng chính là thành phần cấu thành tổng tài sản. Các số liệu kế toán vượt qua các điều kiện trên sẽ được chuyển đổi trước khi sử dụng trong phân tích thống kê truyền thống. Có thể chuyển đổi các số liệu kế toán dưới dạng tỷ lệ log theo cặp (Creixans-Tenas và cộng sự, 2019; Greenacre, 2019) hoặc tỷ lệ log tập trung (Aitchison, 1983). Trong khi các hệ số log theo cặp có được sử dụng để phân tích báo cáo tài chính, thì các hệ số log trung tâm lại phù hợp cho phân tích phân cụm, phân tích thành phần chính và biểu đồ hai biến (biplot) (Baquero & Santolino, 2022; Creixans-Tenas và cộng sự, 2019; Greenacre, 2019). 3. Phương pháp nghiên cứu 3.1. Số liệu nghiên cứu Dữ liệu được sử dụng trong bài báo này đến từ nguồn cơ sở dữ liệu ORBIS, được quản lý Bureau Van Dijk. Các công ty được lựa chọn đến từ Việt Nam, Thái Lan và Indonesia trong khoảng thời gian năm (05) năm tính từ 2018 đến 2022. Cơ sở dữ liệu được thu thập bao gồm thông tin chung của các công ty như ID, mã ISIN (nếu có), trạng thái, quốc gia, loại; và thông 338
  5. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 tin tài chính bao gồm doanh thu, lợi nhuận ròng, lợi nhuận trước thuế, tổng tài sản, tài sản ngắn hạn, nợ dài hạn, nợ ngắn hạn, giá vốn hàng hóa, giá trị doanh nghiệp và lợi nhuận từ hoạt động kinh doanh. Các tiêu chí lựa chọn yêu cầu các công ty phải có sẵn tất cả các thông tin tài chính nêu trên trong các năm từ 2018 đến 2022, loại trừ các công ty có giá trị vốn chủ sở hữu âm. Mẫu đầu tiên được thu thập từ cơ sở dữ liệu ORBIS bao gồm 730 công ty từ Việt Nam, 1.292 công ty từ Thái Lan và 212 công ty từ Indonesia. Để đảm bảo tính cân bằng trong dữ liệu giữa ba quốc gia, 100 công ty có tổng giá trị tài sản cao nhất của mỗi quốc gia được lựa chọn. Dữ liệu mẫu cuối cùng bao gồm 300 công ty từ ba quốc gia (100 công ty ở mỗi quốc gia) với tổng giá trị tài sản lớn nhất. 3.2. Lựa chọn biến số Dựa theo mục tiêu nghiên cứu đã đề ra, các chỉ số (tỷ số) tài chính liên quan đến khả năng thanh toán và các tỷ lệ thành phần trong phân tích DuPont được lựa chọn. Các tỷ lệ này được tính từ dữ liệu thông tin kế toán thu thập được. Bước đầu tiên, các biến cho thông tin kế toán được gán thành các biến 𝑥 𝑗 , cụ thể như sau: 𝑥1 = 𝑡à𝑖 𝑠ả𝑛 𝑑à𝑖 ℎạ𝑛 (= 𝑇ổ𝑛𝑔 𝑡à𝑖 𝑠ả𝑛 − 𝑇à𝑖 𝑠ả𝑛 𝑛𝑔ắ𝑛 ℎạ𝑛) 𝑥2 = 𝑇à𝑖 𝑠ả𝑛 𝑛𝑔ắ𝑛 ℎạ𝑛 𝑥3 = 𝑁ợ 𝑑à𝑖 ℎạ𝑛 𝑥4 = 𝑁ợ 𝑛𝑔ắ𝑛 ℎạ𝑛 𝑥5 = 𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 𝑥6 = 𝐶ℎ𝑖 𝑝ℎí (= 𝐷𝑜𝑎𝑛ℎ 𝑡ℎ𝑢 − 𝐿ợ𝑖 𝑛ℎ𝑢ậ𝑛 𝑟ò𝑛𝑔) Tiếp theo đó, các chỉ số tài chính tiêu chuẩn sẽ được tính từ các biến x được xác định ở trên. Bảng dưới đây cũng cấp giải thích cho ý nghĩa của từng chỉ số: Bảng 1: Giải thích các biến Chỉ số tài chính Phân loại Công thức 𝑥2 Khả năng thanh toán hiện hành 𝑥4 Khả năng 𝑥3 Tỷ số nợ dài hạn trên tổng nợ thanh toán 𝑥3 + 𝑥4 𝑥3 + 𝑥4 Cấu trúc vốn (Tổng nợ trên tổng tài sản) 𝑥1 + 𝑥2 𝑥5 Tỷ lệ vòng quay tổng tài sản 𝑥1 + 𝑥2 𝑥5 − 𝑥6 Biên lợi nhuận ròng 𝑥5 Phân tích 𝑥5 − 𝑥6 Tỷ suất lợi nhuận trên tổng tài sản (ROA) của DuPont 𝑥1 + 𝑥2 𝑥1 + 𝑥2 Hệ số đòn bẩy tài chính (𝑥1 + 𝑥2 ) − (𝑥3 + 𝑥4 ) 339
  6. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 𝑥5 − 𝑥6 Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) (𝑥1 + 𝑥2 ) − (𝑥3 + 𝑥4 ) 3.3. Việc sử dụng phương pháp phân tích dữ liệu đa hợp (Compositonal Data Analysis – CoDA) Việc sử dụng phương pháp CoDa để chuyển đổi thông tin tài chính và các bước trong phân tích phân cụm của dữ liệu sẽ được mô tả tóm lược ở phần dưới đây: 3.3.1. Phân tích CoDa Vectơ đa hợp được định nghĩa là một vectơ với D thành phần có giá trị dương, trong đó các phần thông tin được thể hiện bởi tỷ lệ tương đối giữa các thành phần này. Aitchison (1986) đã giới thiệu các nền tảng về độ đo Aitchison để xử lý các vectơ đa hợp. (𝑥1 , 𝑥2 , … . , 𝑥 𝐷 ) 𝑤𝑖𝑡ℎ 𝑥 𝑗 > 0, 𝑗 = 1,2, … . , 𝐷. (1) Liên hệ với phân tích báo cáo tài chính, các thành phần nêu trên bao gồm các số liệu kế toán được trích xuất từ báo cáo tài chính. Đưa số liệu báo cáo tài chính vào các thành phần trong vector đòi hỏi phải loại trừ các số liệu âm (Creixans-Tenas et al., 2019). Trong thực tế, các tỷ lệ tài chính có thể có sự tham gia của các số liệu kế toán âm. Sự tồn tại của các số liệu âm này có thể dẫn đến sự gián đoạn, các yếu tố ngoại lai hoặc đảo ngược việc nhận định phân tích, đặc biệt là khi số liệu kế toán âm được tìm thấy trong mẫu số (Lev và Sunder., 1979). 3.3.2. Chuyển đổi dữ liệu đa hợp thành không gian các số thực sử dụng biến đổi logarit trung tâm có trọng số Cách tiếp cận thông thường đối với phương pháp Phân tích dữ liệu thành phần (CoDA) liên quan đến việc chuyển đổi vectơ đa hợp về không gian các số thực R, tức là không gian Euclide. Sau đó, các phương pháp thống kê tiêu chuẩn có thể được áp dụng, chẳng hạn như phân tích phân cụm hoặc hồi quy tuyến tính. Một biến đổi phổ biến trong CoDa là việc sử dụng phép biến đổi logarit, như được giới thiệu bởi Aitchison vào năm 1986 (chi tiết về các phép biến đổi logarit có thể tham khảo ở Phụ lục 1). Trong nghiên cứu này, phép biến đổi logarit trung tâm (CLR) đã được chọn để sử dụng. Các thuộc tính của phép biến đổi này có thể tham khảo ở Phụ lục 2. Phương pháp CoDa đảm bảo rằng các D lần logratio trung tâm (CLR) bao gồm tất cả các thông tin quan trọng liên quan đến tổng cộng D số liệu kế toán (Aitchison, 1983). Phép biến đổi CLR có thể bảo toàn khoảng cách Aitchison giữa hai thành phần bằng khoảng cách Euclid điển hình giữa các vectơ biến đổi tương ứng. Đối với một tập hợp các D loại tài khoản kế toán thu được từ báo cáo tài chính (được gán là 𝑥 𝑗 ), việc phép biến đổi CLR được biểu diễn như sau: 𝑥𝑗 𝑥𝑗 𝑐𝑙𝑟𝑗 =𝑙𝑜𝑔 𝑙𝑜𝑔 ( 1 1 1 ) =𝑙𝑜𝑔 𝑙𝑜𝑔 ( 𝐷 ). (2) √ 𝑥1 … 𝑥 𝐷 𝑥1𝐷 𝑥2𝐷 … 𝑥 𝐷 𝐷 Liên hệ tới việc phân tích báo cáo tài chính, mỗi logratio trung tâm (CLR) liên quan đến việc so sánh một số liệu kế toán 𝑥 𝑗 , với giá trị trung bình nhân của tất cả các số liệu kế toán liên quan đến từng công ty. Việc sử dụng biến đổi CLR trong tài chính và kế toán có thể được tìm thấy trong các bài nghiên cứu của As Fiori và Porro (2023), Carreras Simó và Coenders (2020) và Saus-Sala & cộng sự. (2021). 340
  7. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Tuy nhiên, trong các ứng dụng thông thường của phân tích dữ liệu đa hợp, một số nhóm tài khoản nhất định có giá trị thường thấp có thể bộc lộ ra giá trị phương sai CLR rất lớn, gây ảnh hưởng đáng kể đến kết quả phân loại (Egozcue và Pawlowsky-Glahn, 2016; Greenacre, 2018; Greenacre và Lewi, 2009; Hron và cộng sự, 2022; Jofre-Campuzano và Coenders, 2022). Điểm hạn chế này có thể được giải quyết bằng cách tính toán một biến thể có trọng số của phép biến đổi CLR, trong đó trọng số (𝑤 𝑗 ), với tổng tất cả trọng số bằng 1, tỷ lệ thuận với giá trị trung bình của 𝑥 𝑗 (Greenacre và Lewi, 2009; Jofre-Campuzano và Coenders, 2022): 𝑥𝑗 𝑤𝑐𝑙𝑟𝑗 = √ 𝑤 𝑗 𝑙𝑜𝑔 𝑙𝑜𝑔 ( ). (3) 𝑥1𝑤1 𝑥2𝑤2 … 𝑥 𝐷𝑤𝐷 3.3.3. Các bước phân tích phân cụm có trọng số Quy trình thực hiện phân tích phân cụm báo cáo tài chính có trọng số được thực hiện theo phương pháp tiếp cận của Jofre-Campuzano và Coenders (2022), bao gồm các bước như sau (minh họa trong phụ lục 3) Trước khi tính toán logaratio trung tâm có trọng số (CLR), cần phải thực hiện gán các giá trị bằng không (Martín-Fernández và cộng sự., 2011). Phương pháp đa hợp cung cấp một bộ công cụ tiên tiến để gán giá trị không theo nhiều giả định khác nhau, chẳng hạn như thuật toán EM sửa đổi được đề xuất bởi Palarea-Albaladejo và Martín-Fernández (2008). Để giải quyết vấn đề này, chúng tôi đã sử dụng hàm lrEM trong gói zCompositions của R (Palarea-Albaladejo và Martín-Fernández, 2015). Đối với quá trình phân loại, hàm CLR trong gói easyCODA của R (Greenacre, 2018) đã được sử dụng để tính toán CLR có trọng số. Sau đó, phương pháp phân cụm Ward (Ward Jr, 1963; Landau et al., 2011) đã được áp dụng bằng cách sử dụng hàm WARD. Trong số các kỹ thuật phân cụm khác nhau xử lý dữ liệu thực tế với khoảng cách Euclide, phân cụm Ward là một phương pháp tiêu chuẩn thường được áp dụng cho dữ liệu báo cáo tài chính (Linares- Mustarós et al., 2018; Jofre-Campuzano và Coenders, 2022; Martín-Oliver và cộng sự, 2017). Việc xác định số lượng cụm dựa trên đồ thị scree plot của các tổng bình phương trong cụm (Dolnicar et al., 2018). Trung tâm đa hợp, được định nghĩa là D trung bình nhân của mỗi số liệu kế toán (𝑥1 đến 𝑥 𝐷 ) trên mẫu của các công ty, cần phân biệt với giá trị trung bình nhân của mỗi công ty tính trên tất cả các số liệu kế toán được sử dụng trong Phương trình (2) (Aitchison, 1997). Để giải thích đặc điểm tài chính đặc trưng trong mỗi cụm, các tỷ lệ tài chính tiêu chuẩn từ Bảng 1 được tính toán sử dụng các trung tâm đa hợp. Cách tiếp cận này cho phép việc nhận định kết quả có thể liên hệ lại với các tỷ lệ tài chính tiêu chuẩn, như trong phân tích của Saus- Sala et al. (2021). Thêm vào đó, các cụm đã được kiểm tra liên quan đến các biến phi tài chính bằng cách sử dụng các biểu đồ khảm (Mosaic plot) và biểu đồ khoảng tin cậy (Dolnicar et al., 2018; Goldstein và Healy, 1995). Trái ngược với Jofre-Campuzano và Coenders (2022), nghiên cứu này đánh giá động lực giữa các cụm bằng cách sử dụng ma trận chuyển tiếp (Transitional matrices). 4. Kết quả phân tích và thảo luận 4.1. Thống kê mô tả 341
  8. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Bảng 2 cung cấp thông tin tổng quan, thống kê mô tả cho bộ dữ liệu bao gồm tổng cộng 300 doanh nghiệp trong khoảng thời gian từ 2018 đến 2022, đến từ ba quốc gia là Việt Nam, Thái Lan và Indonesia. Bảng được chia thành hai phần. Phần đầu bao gồm sáu biến đầu vào: từ x1 đến x6, mỗi biến có giá trị trung bình và độ lệch chuẩn tương ứng được đặt trong ngoặc đơn. Đáng chú ý, độ lệch chuẩn cho các biến đầu vào này hầu hết lớn hơn nhiều so với giá trị trung bình tương ứng của chúng, cho thấy mức độ phân tán và biến động đáng kể trong mẫu. Phần thứ hai của bảng bao gồm tám biến được tính toán từ sáu biến đầu vào ban đầu. Các biến tỷ số (chỉ số) tài chính này cũng được trình bày với giá trị trung bình và độ lệch chuẩn. Đối với các biến này, độ lệch chuẩn tương đương với giá trị trung bình, cho thấy mức độ phân tán ở mức độ tương đối. Các tỷ số thanh toán duy trì khá ổn định trong suốt thời kỳ quan sát, cho thấy khả năng đáp ứng các nghĩa vụ nợ dài hạn ở mức tốt. Hơn nữa, các tỷ số tài chính cho thấy sự ổn định từ năm 2018 đến 2021, với sự cải thiện vào năm 2022, cũng là năm có hiệu suất tốt nhất. Bảng 2: Thống kê mô tả dữ liệu Năm 2018 2019 2020 2021 2022 1,51 1,74 1,98 2,16 2,18 Tài sản dài hạn (tỉ USD) (3,43) (4,2) (4,58) (5,05) (5,14) 0,8 0,85 0,86 0,99 1,09 Tài sản ngắn hạn (tỉ USD) (1,8) (1,73) (1,73) (1,87) (2,2) 0,68 0,8 0,99 1,05 1,07 Nợ dài hạn (tỉ USD) (1,56) (2,01) (2,5) (2,65) (2,85) 0,58 0,65 0,68 0,76 0,78 Nợ ngắn hạn (tỉ USD) (1,11) (1,23) (1,27) (1,37) (1,59) 1,7 1,8 1,56 1,77 2,25 Doanh thu (tỉ USD) (4,89) (5,02) (3,93) (4,65) (6,54) 1,58 1,68 1,5 1,64 2,08 Chi phí (tỉ USD) (4,57) (4,77) (3,81) (4,35) (6,3) 0,43 0,43 0,45 0,43 0,42 Tỷ số nợ dài hạn trên tổng nợ (0,26) (0,26) (0,26) (0,26) (0,26) 0,52 0,52 0,53 0,52 0,50 Cơ cấu vốn (0,20) (0,20) (0,21) (0,22) (0,21) 2,79 2,41 2,63 2,60 2,37 Hệ số đòn bẩy tài chính (4,46) (2,76) (2,29) (2,32) (2,77) 0,80 0,80 0,70 0,71 0,80 Tỷ lệ vòng quay tổng tài sản (0,83) (0,82) (0,75) (0,71) (0,82) 0,18 0,16 0,15 0,19 3,08 Biên lợi nhuận ròng (0,50) (0,31) (0,36) (0,47) (50,42) 1,89 1,87 1,83 1,90 2,03 Khả năng thanh toán hiện hành (1,88) (1,84) (1,47) (1,52) (2,13) Tỷ suất lợi nhuận trên tổng tài sản 0,06 0,06 0,05 0,07 0,08 (ROA) (0,06) (0,05) (0,06) (0,08) (0,09) Tỷ suất lợi nhuận trên vốn chủ sở 0,13 0,13 0,12 0,15 0,15 342
  9. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 hữu (ROE) (0,13) (0,13) (0,16) (0,16) (0,16) Giá trị trung bình và độ lệch chuẩn (trong ngoặc) của các biến đầu vào và tỷ số tài chính. Phân tích Biểu đồ 2 Boxplot của sáu biến đầu vào mang lại cái nhìn về phân phối và đặc điểm của dữ liệu. Các biến Nợ dài hạn, Nợ ngắn hạn và Chi phí không có các giá trị ngoại lệ, cho thấy sự ổn định tương đối. Tuy nhiên, có sự bất đối xứng xuất hiện trong phân phối của các biến Nợ ngắn hạn, Doanh thu và Chi phí; phân phối các biến này đều lệch về bên phải. Sự không đối xứng về bên phải này cho thấy hầu hết các điểm dữ liệu tập trung về bên trái của phân phối, với một đuôi kéo dài về các giá trị cao. Ngược lại, Tài sản dài hạn và Nợ dài hạn không thể hiện sự bất đối xứng đáng kể; cho thấy một phân phối giá trị cân bằng hơn cho những biến này. Biểu đồ 2: Boxplot biến đầu vào Biểu đồ 3: Boxplot các chỉ số tài chính 343
  10. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Phân tích Biểu đồ 3 Boxplot cho tám tỷ số tài chính cho thấy kết quả như sau: tất cả các tỷ số đều có các giá trị ngoại lệ, với các tỷ số Khả năng thanh khoản hiện hành, Cơ cấu vốn, Biên lợi nhuận ròng, Tỷ lệ vòng quay tổng tài sản, Tỷ suất lợi nhuận trên tổng tài sản (ROA)và Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) có giá trị ngoại lệ dương. Tất cả các tỷ số đều thể hiện sự bất đối xứng trong dữ liệu. Những phát hiện này cho thấy sự biến động đáng kể và sự chênh lệch tiềm ẩn trong hiệu suất tài chính giữa các doanh nghiệp tại Việt Nam, Thái Lan và Indonesia Dựa trên các thống kê mô tả và biểu đồ Boxplot, một hệ thống phân loại có thể đóng vai trò quan trọng trong việc mang lại cái nhìn rõ ràng hơn cho các nhà đầu tư và người làm chính sách. Bằng cách phân loại các doanh nghiệp dựa trên các đặc điểm tài chính, như tính thanh khoản và lợi nhuận, nhà đầu tư và người làm chính sách có thể có được cái nhìn sâu sắc hơn trong việc đưa ra quyết định. Bằng cách phân loại doanh nghiệp thành các nhóm; các bên liên quan sẽ có được cách tiếp cận chiến lược hơn; từ đó các quyết sách và quyết định sẽ mang lại hiệu quả cao hơn. Sau quá trình gán giá trị bằng 0, chúng tôi tính toán giá trị trung bình cho mỗi biến. Sau đó, các giá trị trung bình này được chuẩn hóa để đạt được tổng số đơn vị (tổng bằng 100%) (Bảng 3). Các giá trị trung bình đã được chuẩn hoá thành trọng số cho Phương trình 3 trong Bước 1 và 2, như minh họa trong Biểu đồ 1. Bảng 4 mô tả sự thay đổi trong trọng số của Tài sản dài hạn. Ngoài ra, việc áp dụng phương pháp nghiên cứu này cũng dẫn đến việc giảm trọng số của Nợ dài hạn. Quan sát cho thấy sự thay đổi trọng số thể hiện đóng góp đáng kể hơn từ biến Tài sản dài hạn, mang lại sự cân bằng tốt hơn trên các biến thành phần khác trong phân tích. Phương pháp có trọng số như mang lại cái nhìn sâu sắc và toàn diện hơn về vai trò và ảnh hưởng của các biến số trong khung phân tích toàn diện. Bảng 3: Giá trị trung bình các biến được chuẩn hóa thành tổng đơn vị, đóng vai trò như trọng số Biến Trọng số Tài sản dài hạn 0,25 Tài sản ngắn hạn 0,15 Nợ dài hạn 0,1 Nợ ngắn hạn 0,1 Doanh thu 0,21 Chi phí 0,19 344
  11. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Bảng 4: Trọng số các biến đóng góp trong phương sai tổng (%) Unweighted Weighted Tài sản dài hạn 0,09 0,16 Tài sản ngắn hạn 0,08 0,08 Nợ dài hạn 0,55 0,46 Nợ ngắn hạn 0,06 0,04 Doanh thu 0,10 0,12 Chi phí 0,12 0,13 4.2. Phân loại có trọng số Biểu đồ 4: Cây phân cấp cụm WARD (Trái) và đồ thị scree plot của các tổng bình phương trong cụm (Phải) Dựa trên thông tin thể hiện trong Biểu đồ 4, cây phân cấp hiển thị hai cụm lớn và một cụm thứ ba rất nhỏ. Ngoài ra, biểu đồ scree cho thấy một điểm uốn ở 3, cho thấy có sự phân tách thành 3 cụm để tiếp tục phân tích chi tiết. Bảng 5 cung cấp giá trị trung bình của các tỷ số tài chính cho các nhóm đã được phân tách. Trong bộ dữ liệu gồm 1500 quan sát trong vòng 5 năm, Nhóm 1 và Nhóm 2 chiếm hơn 98%, với Nhóm 1 đại diện cho 53% và Cụm 2 đóng góp 45,3% vào tổng phân phối. Ba tỷ số đầu tiên trong bảng là các chỉ số thanh toán, 5 tỷ số còn lại liên quan đến lợi nhuận. Tỷ số lợi nhuận cao hơn phản ánh hiệu suất tài chính tốt hơn, ngược lại tỷ số thanh toán thấp hơn sẽ thể hiện tình trạng tài chính an toàn hơn. Nhóm 2 và 3 thể hiện sự an toàn trong tài chính, và cũng có hiệu suất tài chính tốt hơn so với Nhóm 1. Mặc dù có tỷ suất lợi nhuận ở mức trung bình, Nhóm 3 nổi bật với Tỷ lệ vòng quay tổng tài sản nhanh, dẫn đến Tỷ suất lợi nhuận trên tổng tài sản (ROA) cao nhất trong 3 nhóm. Điều này cũng chứng tỏ rằng các công ty thuộc Nhóm 3 có hiệu suất sử dụng tài sản tốt, từ đó hỗ trợ rất nhiều cho tổng lợi nhuận. Trong 3 nhóm được xác định, Nhóm 3 nổi bật là nhóm tốt nhất, thể hiện sự kết hợp giữa an toàn tài chính và hiệu quả kinh doanh tốt. Nhóm 2 được định vị ở mức trung bình, vượt trội hơn Nhóm 1. Thêm vào đó, Nhóm 1, mặc dù có biên lợi nhuận cao nhất, nhưng lại đối mặt với một thách thức lớn với Tỷ suất lợi nhuận trên tổng tài sản (ROA) rất thấp. Khả năng quay vòng tổng tài sản chậm trong Nhóm 1 dẫn đến hệ quả tất yếu là ROA rất thấp. Phân loại ba nhóm này 345
  12. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 cung cấp cái nhìn quý báu về những ưu điểm và nhược điểm tương đối của các nhóm công ty; từ đó định hướng các bên liên quan trong chiến lược tối ưu hóa hiệu suất tài chính. Bảng 5: Đặc điểm các nhóm đã được phân tách Nhóm 1 Nhóm 2 Nhóm 3 Các tỷ số tài chính n=796 n=680 n=24 Khả năng thanh toán hiện hành 1,31 1,64 1,68 Tỷ số nợ dài hạn trên tổng nợ 0,61 0,18 0,00 Cơ cấu vốn 0,54 0,39 0,43 Tỷ lệ vòng quay tổng tài sản 0,28 1,13 1,64 Biên lợi nhuận ròng 0,14 0,09 0,11 Tỷ suất lợi nhuận trên tổng tài sản (ROA) 0,04 0,10 0,19 Hệ số đòn bẩy tài chính 2,18 1,64 1,75 Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE) 0,09 0,17 0,33 Hình 5 sử dụng biểu đồ Mosaic cho cái nhìn tổng quan về 1.500 quan sát, đồng thời làm nổi bật sự phân tách qua các nhóm khác nhau. Nhóm 3 chỉ bao gồm 24 quan sát, vẫn là một nhóm tương đối nhỏ so với các nhóm còn lại. Ngược lại, Nhóm 1 bao gồm 796 quan sát (334 từ Thái Lan, 199 từ Việt Nam và 263 từ Indonesia), trong khi Nhóm 2 có 680 quan sát. Biểu đồ 5: Biểu đồ Mosaic cho 3 nhóm từ Biểu đồ 6: Biểu đồ phân cụm WARD 2018-2023 2018-2022 346
  13. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Biểu đồ 6 minh họa sự ổn định trong tỷ lệ của mỗi nhóm trong giai đoạn từ 2018 đến 2022. Có ít biến động trong tỷ lệ của các nhóm trong thời kỳ này. Sự ổn định về tỷ lệ của các nhóm qua các năm làm tăng thêm độ tin cậy vào kết quả phân cụm, chỉ ra rằng tình hình tài chính của các công ty trong mỗi nhóm duy trì một sự nhất quán tương đối trong khoảng thời gian quan sát từ năm 2018-2023. Khi xem xét tỷ lệ theo quốc gia (theo biểu đồ 7 bên dưới) trong các nhóm đã được xác định, Nhóm 2 nổi bật với sự hiện diện đáng kể của các công ty Việt Nam (khoảng 55,4% các công ty Việt Nam được phân loại trong Nhóm 2). Cụm 3, được coi là cụm có hiệu suất tốt nhất, bao gồm tất cả 24 quan sát từ Việt Nam. Ngược lại, Thái Lan chiếm đa số trong Nhóm 1, chiếm 66,8%, nhóm này đang được đánh giá là nhóm có chỉ số an toàn tài chính và hiệu quả hoạt động thấp nhất. Indonesia, xác lập vị trí trung bình, phân phối đều trong Nhóm 1 và Nhóm 2. Quan sát toàn diện cho thấy Việt Nam là quốc gia có hiệu suất tốt nhất trong ba quốc gia, trong khi Thái Lan giữ vị trí thấp nhất. Nếu xem xét theo thời gian các kết luận phía trên vẫn giữ vững, sự ổn định trong sự hiện diện tương ứng của mỗi quốc gia trong các cụm qua các năm là rõ ràng. Việt Nam duy trì mức khoảng 25% liên tục trong Nhóm 1 và dao động trong khoảng 37%-43% trong Nhóm 2. Đáng chú ý, hơn 40% công ty trong Nhóm 1 đến từ Thái Lan. Biểu đồ 7: Biểu đồ tỷ lệ các quốc gia trong các nhóm đã phân tách theo các năm 2018-2023 (từ trái qua phải: nhóm 1, nhóm 2, nhóm 3) 2018 2019 100% 100% 28% 37% 24% 41% 50% 40% 27% 100% 50% 42% 100% 25% 32% 36% 34% 34% 0% 0% 2020 2021 100% 100% 24% 25% 43% 41% 50% 42% 100% 50% 43% 100% 23% 22% 34% 34% 32% 36% 0% 0% 2022 100% 25% Vietnam 41% 50% 43% 100% Thailand 24% 33% 35% Indonesia 0% Trong số 5 công ty Việt Nam được phân loại vào Nhóm 3 vào năm 2018, chỉ có 2 công ty duy trì vị trí trong nhóm, trong suốt giai đoạn 5 năm tiếp theo. Trong số 52 công ty Việt Nam 347
  14. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 được phân loại vào Nhóm 2 vào năm 2018, chỉ có 5 công ty đã được phân loại lại vào Nhóm 1, đại diện cho nhóm có chỉ số an toàn tài chính và hiệu quả hoạt động thấp nhất. Bảng 6: Ma trận chuyển đổi nhóm qua các năm 2018-2023 Năm 2018 Năm 2019 Tổng Nhóm 1 Nhóm 2 Nhóm 3 Nhóm 1 155 145 10 Nhóm 2 140 7 133 Nhóm 3 5 2 3 Tổng 152 145 3 Năm 2019 Năm 2020 Tổng Nhóm 1 Nhóm 2 Nhóm 3 Nhóm 1 152 150 2 Nhóm 2 145 19 122 4 Nhóm 3 3 1 2 Tổng 169 125 6 Năm 2020 Năm 2021 Tổng Nhóm 1 Nhóm 2 Nhóm 3 Nhóm 1 169 159 10 Nhóm 2 125 6 117 2 Nhóm 3 6 2 4 Tổng 165 129 6 Năm 2021 Năm 2022 Tổng Nhóm 1 Nhóm 2 Nhóm 3 Nhóm 1 165 149 16 Nhóm 2 129 6 122 1 Nhóm 3 6 3 3 Tổng 155 141 4 Theo Bảng 6 - ma trận chuyển đổi, có một xu hướng các công ty được phân loại lại mỗi năm, với 19-25 công ty trải qua quá trình phân loại lại hàng năm. Năm 2020 nổi bật là giai đoạn 348
  15. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 khó khăn nhất, chứng kiến một suy giảm đáng kể về hiệu quả kinh doanh, đặc biệt trong đó có 19 công ty từ Nhóm 2 sang Nhóm 1. Năm 2020 đánh dấu là năm có số lượng phân loại lại cao nhất trong suốt giai đoạn 5 năm, với 7 công ty từ Indonesia, 8 từ Thái Lan và 4 từ Việt Nam trải qua quá trình chuyển đổi này. Điều này có thể được giải thích bởi đại dịch COVID-19, là một sự kiện có tầm ảnh hưởng trên toàn cầu cũng như trong khu vực, đi kèm với đó là những thách thức các công ty phải đối mặt. Tuy nhiên, dấu hiệu của sự hồi phục trở nên rõ ràng vào năm 2021 và 2022, sau khi cả thế giới đã vượt qua đại dịch COVID-19. Trong giai đoạn này, có một sự gia tăng quan sát được trong số các công ty trở lại Nhóm 2, cho thấy một xu hướng tích cực của sự phục hồi và ổn định trong hiệu quả kinh doanh; trong đó 10 công ty đã được lên Nhóm 2; 6 công ty bị phân loại xuống Nhóm 1 trong năm 2021; 16 công ty đã được lên Nhóm 2; 6 công ty bị phân loại xuống Nhóm 1 trong năm 2022. 5. Kết luận Tóm lại, nghiên cứu của chúng tôi sử dụng phân tích dữ liệu trên một mẫu gồm 300 công ty từ Việt Nam, Thái Lan và Indonesia trong giai đoạn từ 2018 đến 2022. Nghiên cứu tập trung vào sáu biến đầu vào và tám tỷ số tài chính được tính tương ứng từ sáu biến đầu vào; trong đó có 3 tỷ số đánh giá khả năng thanh toán và 5 tỷ số đánh giá hiệu quả hoạt động. Mặc dù đối mặt với thách thức từ đại dịch COVID-19, nhưng từ mẫu nghiên cứu ta quan sát thấy không có sự ảnh hưởng rõ rệt lên các Nhóm được phân tách bởi mô hình. Phân tách xác định ba Nhóm riêng biệt, với Nhóm 3 nổi bật là nhóm tốt nhất, thể hiện sự an toàn trong khả năng thanh toán và hiệu quả kinh doanh tốt. Ngược lại, Nhóm1 đại diện cho nhóm có độ an toàn thấp và hiệu quả kinh doanh yếu. Đáng chú ý, các công ty trong nhóm tốt nhất (Nhóm 3) thể hiện cả tính thanh khoản trong ngưỡng an toàn và hiệu quả hoạt động tốt. Các công ty thuộc Nhóm 3 có tỷ số vòng quay tài sản nhanh, dẫn đến tỷ suất lợi nhuận trên tổng tài sản và trên vốn chủ sở hữu ở mức khá cao. Đáng chú ý, tất cả các công ty thuộc Nhóm 3 có hiệu suất tốt nhất đều từ Việt Nam. Trong số đó, ba công ty duy trì ổn định vị trí của mình trong Nhóm 3 trong suốt 5 năm. Từ đó cho thấy các công ty này thể hiện sự ổn định trong khả năng thanh toán tạo tiền đề đạt được hiệu quả tài chính tốt, trong cả trước và sau đại dịch COVID-19. Phân cụm WARD được sử dụng trong nghiên cứu đã chứng minh tính hiệu quả, từng nhóm phân tách đều có các đặc điểm riêng nhất quán trong hiệu quả kinh doanh và khả năng an toàn thanh toán. Kết quả duy trì khá nhất quán qua khoảng thời gian đã đề ra, với các chuyển dịch giữa các cụm phản ánh ảnh hưởng của đại dịch COVID-19. Tuy nhiên, nghiên cứu cũng có những hạn chế, đặc biệt là sự tập trung vào các công ty có tổng tài sản cao do thiếu thông tin vốn hóa thị trường. Trong tương lai, nghiên cứu có thể mở rộng phạm vi, bao gồm các quốc gia khác trong khu vực châu Á-Thái Bình Dương và tích hợp thêm tiêu chí để khám phá tác động qua nhiều tiêu chí khác nhau. Sự mở rộng này sẽ nâng cao tính phổ quát và sâu sắc của thông tin thu được từ mô hình phân tích. 349
  16. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 TÀI LIỆU THAM KHẢO [1]. Aitchison, J. (1983). Principal component analysis of compositional data. Biometrika, 70(1), 57-65. https://doi.org/10.1093/biomet/70.1.57 [2]. Aitchison, J. (1997). The one-hour course in compositional data analysis, or compositional data analysis is simple. In V. Pawlowsky-Glahn (Ed.), Proceedings of IAMG’97, the third annual conference of the international association for mathematical geology, pp. 3– 35. Barcelona: CIMNE. [3]. Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609. https://doi.org/10.2307/2978933 [4]. Altman, E. I., Iwanicz-Drozdowska, M., Laitinen, E. K., & Suvas, A. (2017). Financial Distress Prediction in an International Context: A Review and Empirical Analysis of Altman's Z-Score Model. Journal of International Financial Management & Accounting, 28(2), 131-171. https://doi.org/https://doi.org/10.1111/jifm.12053 [5]. Arimany Serrat, N., Farreras, M. À., & Coenders, G. (2022). New developments in financial statement analysis. Liquidity in the winery sector. Accounting, 8, 355-366. https://doi.org/10.5267/j.ac.2021.10.002 [6]. Bailey, K. D. (1994). Typologies and taxonomies an introduction to classification techniques. SAGE. [7]. Baquero, J. D. V., & Santolino, M. (2022). Too big to fail? An analysis of the Colombian banking system through compositional data. Latin American Journal of Central Banking, 3(2), 100060. [8]. Barnes, P. (1987). THE ANALYSIS AND USE OF FINANCIAL RATIOS: A REVIEW ARTICLE [Article]. Journal of Business Finance & Accounting, 14(4), 449-461. https://doi.org/10.1111/j.1468-5957.1987.tb00106.x [9]. Binda, V. (2013). The Dynamics of Big Business : Structure, Strategy, and Impact in Italy and Spain (1st ed.). Taylor & Francis Group. [10]. Bolt, P. (2002). Rajeswary Ampalavanar Brown. Chinese Big Business and the Wealth of Asian Nations. China Review International, 9(1), 71. [11]. Carper, W. B., & Snizek, W. E. (1980). The Nature and Types of Organizational Taxonomies: An Overview. The Academy of Management Review, 5(1), 65–75. https://doi.org/10.2307/257805 [12]. Carreras Simó, M. and G. Coenders (2020). Principal component analysis of financial statements: a compositional approach. Revista de Métodos Cuantitativos para la Economía y la Empresa 29, 18–37. Các nội dung hoàn chỉnh của mục tài liệu tham khảo và phần phụ lục được cập nhật đầy đủ theo đường link sau: https://docs.google.com/document/d/1dZnMv_Oym1qntCYGMNzbkSPuzrZaVCxu/edit?usp= sharing&ouid=100386149645818428517&rtpof=true&sd=true 350
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

CEO.24: Bộ 240+ Tài Liệu Quản Trị Rủi Ro Doanh Nghiệp
249 tài liệu
1545 lượt tải
THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2