Sidebar

Magazine menu

03
T3, 12

Tạp chí KTĐN số 121

Tác động của khả năng sinh lời lên cấu trúc và tốc độ điều chỉnh: Nghiên cứu thực nghiệm của các công ty niêm yết thị trường chứng khoán Việt Nam

Bùi Hữu Phước[1]

Ngô Văn Toàn[2]

 

Tóm tắt

 Nghiên cứu này với mục đích là kiểm tra sự tồn tại tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh cấu trúc vốn, bằng chứng thực nghiệm từ các công ty phi tài chính niêm yết tại thị trường chứng khoán Việt Nam. Nhóm tác giả đã kiểm định các lý thuyết đánh đổi và lý thuyết trật tự phân hạng và sự thích hợp của các lý thuyết này với các công ty Việt Nam. Với tỷ lệ nợ trên vốn chủ sở hữu chiếm 51,52% cấu trúc vốn của các công tỷ, trong đó nợ ngắn hạn chiếm tỷ lệ lớn hơn nợ dài hạn. Kết quả hồi quy cho thấy khả năng sinh lời, quy mô công ty, tính hữu hình tài sản, các cơ hội tăng trưởng có tác động lên cấu trúc vốn và tốc độ điều chỉnh, nhưng không tìm thấy bằng chứng về mối quan hệ của thuế suất hiệu quả. Ngoài ra, nghiên cứu cũng tiến hành kiểm thử biên mạnh với tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh của các công ty. Hầu hết các ước tính bằng kỹ thuật GMM được tiến hành kiểm định và thoả mãn yêu cầu về mặt thống kê. Dựa trên những phát hiện, nghiên cứu khẳng định là có tồn tại tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh của công ty tại Việt Nam.

Từ khóa: Cấu trúc vốn động; Đòn bẩy mục tiêu; Tốc độ điều chỉnh; Điều chỉnh động.

 

Abstract

The purpose of studying the impact of profitability on capital structure and speed of capital structure adjustment, empirical evidence from Vietnam's listed non-financial companies. We tested the Trade-off theory and the pecking order theory and the relevance of these theories to VietNam firms is confirmed. With debt-to-equity ratio accounting for 51.52% of the capital structure of public companies, in which short-term debt accounts for a larger proportion than long-term debt. Regression results show that profitability, firm size, asset tangibility, growth opportunities have an impact on capital structure and speed of adjustment, but no evidence of relationship has been found of effective tax rates. In addition, the study also carried out robustness check with the impact of profitability on capital structure and speed of adjustment of companies. Most estimations show strong robustness checked by GMM techniques. Based on the findings, the study provides with the impact of profitability on capital structure and speed of adjustment of Vietnamese companies.

Keywords: Dynamic capital structure; Target leverage; Speed of adjustment; Dynamic adjustment.

 

 

 

  1. Giới thiệu

Các nghiên cứu về cấu trúc vốn những năm gần đây đã chuyển từ mô hình tĩnh sang mô hình động, từ các nghiên cứu vận dụng lý thuyết sang ước lượng mô hình trong điều kiện giả thuyết có thể bị vi phạm và tìm cách cải tiến để việc ước tính tốt hơn. Vấn đề nan giải cấu trúc vốn tiếp tục thu hút nhiều học giả và các nhà hoạch định chính sách, đặc biệt là liên quan đến các tổ chức tài chính. Cấu trúc vốn là sự phối hợp của vốn chủ sở hữu và nợ được sử dụng để suy ra chi phí sử dụng vốn (giá sử dụng vốn). Mục tiêu của công ty của ngành công nghiệp hoặc ngành nghề nào đó đều hướng đến việc giảm chi phí sử dụng vốn. Điều này là do chi phí sử dụng vốn có thể ảnh hưởng đến khả năng chấp nhận đầu tư (chủ yếu là đầu tư tài chính) hoặc dự án (chủ yếu là đầu tư thực) và hiệu quả hoạt động của toàn bộ công ty. Trong số rất nhiều học giả trên thế giới có thể kể đến như Graham & Harvey (2001) và Cotei, Farhat & Abugri (2011), ở Việt Nam, Trần Hùng Sơn (2012), Phạm Tiến Minh, Nguyễn Tiến Dũng (2015), Đặng Thị Quỳnh Anh & Quách Thị Hải Yến (2014), Nguyễn Thị Huyền Trang, Trần Văn Tuyến & Nguyễn Văn Điệp (2016), Đặng Văn Dân & Nguyễn Hoàng Chung (2017) đã tiến hành nghiên cứu của họ để kiểm tra các yếu tố quyết định cấu trúc vốn cũng như tốc độ điều chỉnh về trạng thái cân bằng. Tuy nhiên, nghiên cứu về tác động của khả năng sinh lời lên cấu trúc và tốc độ điều chỉnh thì chưa có nhiều nghiên cứu. Mục tiêu của nghiên cứu này là cố gắng lấp đầy khoảng trống bằng cách không chỉ xem xét lại các yếu tố quyết định cấu trúc vốn ở Việt Nam mà xem xét yếu tố khả năng sinh lời tác động lên cấu trúc vốn và tốc độ điều chỉnh.

Ngoài ra, vấn đề nghiên cứu còn xuất phát từ sự mất cân đối giữa tài trợ vốn tín dụng cho hoạt động sản xuất kinh doanh, mở rộng kinh doanh và thị trường vốn (chủ yếu là thị trường chứng khoán nơi mua bán vốn cổ phần, trong khi vai trò của thị trường mua bán các trái phiếu công ty đã phát hành gần như không có). Như vậy, xét về tài trợ công ty ở Việt Nam còn nhiều bất cập, sự mất cân đối giữa kênh cung ứng vốn ngân hàng và thị trường vốn. Nguồn tài trợ cho các công ty ở Việt Nam trong thời gian qua chủ yếu dựa vào 2 nguồn: Vốn chủ sở hữu và vay ngân hàng. Nguồn vốn vay ngân hàng lại phụ thuộc khá nhiều vào chính sách tín dụng của nhà nước (lúc thắt chặt, lúc nới rộng), phụ thuộc vào nhu cầu vốn của công ty … vì vậy đòn bẩy tài chính ở các công ty luôn có sự thay đổi.

Hình 1. Tỷ lệ tín dụng ngân hàng so với vốn hóa thị trường của Việt Nam

 

Nguồn: World Bank

Từ hình 1, cho chúng ta thấy là tỷ lệ của tín dụng ngân hàng so với vốn hoá thị trường của Việt Nam. Với ưu thế của hệ thống ngân hàng Việt Nam, tỷ số của tín dụng ngân hàng và vốn hoá thị trường luôn lớn hơn 1 (nghĩa là tín dụng luôn lớn hơn vốn hoá thị trường). Nghiên cứu của Kythreotis, Nouri & Soltani (2018) cho biết tỷ lệ tín dụng trên vốn hoá thị trường của Iran luôn thấp hơn 4, thậm chí có những giai đoạn rất thấp (nhỏ hơn 1) vào năm 2013. So với Iran thì Việt Nam tỷ lệ này vẫn ở mức cao (trên 2). Tuy nhiên, vẫn cho thấy những thay đổi từ hình 1 này, bởi hình 1 cho chúng ta biết tỷ lệ này có sự điều chỉnh khá mạnh từ trên 6 (năm 2008) giảm gần về 2 (năm 2017). Trong đó, đáng chú ý nhất là sau năm 2018 và năm 2012 tỷ lệ này giảm rõ ràng nhất. Những mốc thời gian này gắn với các sự kiện kinh tế của thế giới cũng như của Việt Nam, như khủng hoảng kinh tế thế giới và quá trình tái cấu trúc hệ thống ngân hàng của Việt Nam. Các yếu tố khách quan này, cũng là cơ sở cho biết phần nào về sự điều chỉnh vốn vay của doanh nghiệp trong nhu cầu tài trợ vốn cho hoạt động kinh doanh của mình.

Từ những lý do nêu trên, chúng tôi quyết định thực hiện nghiên cứu “Tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh cấu trúc vốn: Bằng chứng thực nghiệm từ các công ty niêm yết trên thị trường chứng khoán Việt Nam”.

Nội dung nghiên cứu, tập trung vào lược khảo các lý thuyết và phát triển giả thuyết nghiên cứu, hướng trọng tâm vào tác động của khả năng sinh lời cấu trúc vốn và tốc độ điều chỉnh; sau đó tiến hành kiểm tra thực nghiệm bằng mô hình cấu trúc vốn động và các kiểm định cần thiết. Từ đó đi đến kết luận cho trường hợp tại Việt Nam.

  1. Cơ sở lý thuyết và các giả thuyết

Được coi là sự khởi đầu của lý thuyết hiện đại về cấu trúc vốn, Modigliani & Miller (1958) minh họa rằng theo các giả định chính yếu, giá trị của công ty không bị ảnh hưởng bởi chính cấu trúc vốn của nó. Thị trường vốn được coi là hoàn hảo trong thế giới MM, nơi người trong cuộc và người ngoài cuộc có thông tin hoàn hảo; không có chi phí giao dịch, chi phí phá sản hoặc khoản thuế khoán tồn tại; lựa chọn vốn và nợ trở nên “không liên quan” và các quỹ (vốn) bên trong và bên ngoài có thể được thay thế hoàn hảo cho nhau. Nếu các giả định chính này được nới lỏng, cấu trúc vốn có thể trở nên “có liên quan” với giá trị của công ty. Vì vậy, những nỗ lực nghiên cứu dưới đây đã góp phần làm giảm bớt các giả định lý tưởng và mô tả các kết quả.

Cấu trúc vốn tối ưu có liên quan đến lý thuyết đánh đổi (TOT), vì cho ra rằng đòn bẩy mục tiêu của công ty được thúc đẩy bởi các lực lượng cạnh tranh tạo ra lợi ích và chi phí của nợ, chủ yếu là chi phí đại diện của khó khăn tài chính và khấu trừ thuế của tài trợ nợ (Myers, 1977). Dưới sự giải thích bao quát này, chi phí điều chỉnh tạo ra độ trễ giữa tỷ lệ nợ thực tế và mức tối ưu bằng cách làm chậm tốc độ mà các công ty điều chỉnh các sai lệch (Myers, 1984; Titman & Tsyplakov, 2007). Ví dụ, nếu có chi phí giao dịch cố định để phát hành hoặc rời bỏ nợ, công ty chỉ cân bằng lại khi tỷ lệ nợ của nó vượt qua ngưỡng trên hoặc dưới (Fischer,  Heinkel & Zechner, 1989). Đồng thuận với lý do đánh đổi, các yếu tố sau đã được tìm thấy rất quan trọng để xác định tốc độ điều chỉnh (Elsas & Florysiak, 2011): chi phí cơ hội cao khi đi chệch khỏi mục tiêu, ví dụ, trong các công ty có thâm hụt tài trợ cao hoặc các công ty nhỏ và rủi ro vỡ nợ là cao.

Tuy nhiên, đối với Shyam-Sunder & Myers (1999), sự tồn tại của tỷ lệ nợ mục tiêu không làm giảm hiệu lực của lý thuyết trật tự phân hạng (POT). Flannery & Rangan (2006) nhận ra rằng mặc dù hơn một nửa những quan sát được thay đổi trong tỷ lệ nợ là từ hành vi nhắm mục tiêu, nhưng việc cân nhắc trật tự chiếm một phần trong số đó (dưới 10%). Theo POT, các nhà quản lý không cố gắng duy trì mục tiêu cụ thể; thay vào đó, tỷ lệ đòn bẩy được định nghĩa là khoảng cách giữa dòng tiền hoạt động và yêu cầu đầu tư theo thời gian (Barclay & Smith, 1999). Theo đó, Byoun’s (2008) cho thấy nhiều điều chỉnh xảy ra khi các công ty có nợ trên mục tiêu với thặng dư tài chính hoặc khi họ có nợ dưới mục tiêu với thâm hụt tài chính. Hovakimian & Li (2009) tìm thấy chi phí điều chỉnh bất đối xứng tùy thuộc vào việc công ty ở trên hay dưới mức đòn bẩy mục tiêu. Họ thấy chi phí gia tăng đặc biệt thấp khi công ty trả hết nợ thừa bằng nguồn vốn nội bộ. Phù hợp với lý luận trật tự phân hạng, một số yếu tố xuất hiện rất quan trọng để xác định tốc độ điều chỉnh: mức độ bất cân xứng thông tin giữa người trong cuộc và người ngoài cuộc (Öztekin & Flannery, 2012); biến liên quan đến khả năng nợ, quy mô (Drobetz, Pensa & Wanzenried, 2007; Aybar-Arias, Casino-Martínez & López-Gracia, 2012); các biến khác chỉ ra các khoản đầu tư bổ sung hiện tại hoặc tương lai, như tăng trưởng (Drobetz & Wanzenried, 2006; Drobetz, Pensa & Wanzenried, 2007) hoặc các cơ hội tăng trưởng (Aybar-Arias, Casino-Martínez & López-Gracia, 2012); và dòng tiền (Faulkender, Flannery, Hankins & Smith, 2012).

Chúng tôi lý luận rằng TOT và POT thay đổi ở mức độ phổ biến của chúng cùng với khả năng sinh lời, dẫn đến thay đổi mô hình của cả nợ mục tiêu và tốc độ điều chỉnh. Chi phí và lợi ích của việc điều chỉnh nợ, được viện dẫn bởi TOT, chẳng hạn như chi phí phá sản và lá chắn thuế, phụ thuộc vào các yếu tố đặc thù của công ty. Liên quan đến POT, các yếu tố đằng sau nhu cầu tài trợ của công ty, khả năng tạo ra dòng tiền, giải pháp thay thế tài trợ, khả năng nợ và bất cân xứng thông tin phát triển cùng với khả năng sinh lời.

2.1. Đòn bẩy mục tiêu và khả năng sinh lời

Như được khẳng định bởi lý thuyết trật tự phân hạng (POT), sự bất cân xứng thông tin giữa người trong cuộc và người ngoài cuộc có xu hướng cao hơn trong giai đoạn đầu của vòng đời công ty, trong khi khả năng nợ thấp hơn (Teixeira & Santos, 2014; Pfaffermayr, Stöckl & Winner, 2013). Cùng với González & González (2012), chúng ta có thể hy vọng các dự đoán của POT sẽ có giá trị hơn khi tính bất cân xứng thông tin cao hơn.                          

Tài trợ bằng vốn chủ sở hữu khi mới kinh doanh có thể xảy ra hơn là tài trợ nợ trong kịch bản bất cân xứng thông tin, khi Hirsch & Walz (2011) tìm thấy thời kỳ phát triển các nền kinh tế và công nghiệp tăng trưởng nhanh chóng. Mặt khác, các yếu tố này gia tăng khi các công ty phát triển, chẳng hạn như quy mô, cho thấy khả năng nợ lớn hơn (do bí quyết công nghệ, danh tiếng và tài sản thế chấp). Một cách trực tiếp, cơ hội tăng trưởng và tăng trưởng cho thấy nhu cầu ngân quỹ nhiều hơn (yêu cầu đầu tư cao hơn). Mặt khác, các công ty nắm giữ tiền mặt để thực hiện các dự án đầu tư sinh lời của họ không được huy động vốn bên ngoài với chi phí giao dịch cao (Saddour, 2006). Tóm lại, theo POT, khả năng sinh lời cao hơn cho phép các công ty sử dụng ít nợ hơn; sự bất cân xứng thông tin thấp là một lý do của việc phát hành nợ ít tốn kém hơn thúc đẩy các công ty có tài sản hữu hình hơn hướng tới đòn bẩy lớn hơn; và bí quyết công nghệ, danh tiếng và tài sản thế chấp, hoạt động như một chỉ báo của các công ty có khả năng nợ với quy mô lớn hơn đối với tỷ lệ đòn bẩy cao hơn. Khi đó khả năng sinh lời của các công ty có quan hệ ngược chiều với đòn bẩy mục tiêu.

Xem xét lý do đánh đổi, chi phí và lợi ích của việc vay nợ dự kiến sẽ thay đổi, do đó cho phép hoặc buộc các công ty sửa đổi chiến lược tài trợ của họ. Khi các công ty sau thời gian hoạt động ổn định, thường có nhiều lợi nhuận hơn và có nhiều tài sản hữu hình hơn có thể đóng vai trò là tài sản thế chấp (Titman & Wessels, 1988), trong khi quy mô của họ cho phép đa dạng hơn (González & González, 2008), và ba yếu tố này góp phần giảm chi phí phá sản. Đối với các cơ hội tăng trưởng, nghiên cứu cho rằng yếu tố này làm tăng chi phí phá sản, điều đó sẽ làm giảm đòn bẩy (Frank & Goyal, 2009), tuy nhiên, một số tác giả cho rằng các công ty có nhiều cơ hội tăng trưởng có lợi thế chi phí tương đối trong tài trợ tăng trưởng bên ngoài (Drobetz, Pensa & Wanzenried, 2007; Elsas & Florysiak, 2011).

Trong quá trình trưởng thành, niềm tin của các cổ đông và thị trường lớn hơn, giao dịch thuận lợi của các công ty làm giảm các chi phí liên quan. Về lợi ích của nợ, khả năng sử dụng lá chắn thuế thay đổi hiệu quả tùy thuộc vào thu nhập ròng hoặc lợi nhuận (Frielinghaus, Mostert & Firer, 2005; Pfaffermayr, Stöckl & Winner, 2013). Tóm lại, theo TOT, thuế và chi phí phá sản thúc đẩy các công ty có lợi nhuận cao hơn hướng tới đòn bẩy lớn hơn; chi phí phá sản khá thấp thông qua tài sản thế chấp thúc đẩy các công ty có tỷ lệ tài sản hữu hình cao theo tỷ lệ đòn bẩy mục tiêu cao; và xác suất phá sản thấp hơn thông qua đa dạng hóa cao hơn thúc đẩy các công ty lớn hướng tới tỷ lệ đòn bẩy cao hơn. Do đó, khi chi phí giao dịch về tài trợ và chi phí phá sản giảm trong khi có thể sử dụng hiệu quả hơn lá chắn thuế, chúng ta có thể mong đợi giá trị TOT cao hơn ở các công ty lớn hơn, nghĩa là đòn bẩy mục tiêu cao hơn và mức nợ cao hơn cho các loại hình doanh nghiệp này, điều này phù hợp với nghiên cứu của Frielinghaus, Mostert & Firer (2005). Trong trường hợp này chúng tôi kỳ khả năng sinh lời, quy mô và tính hữu hình tài sản có quan hệ cùng chiều với đòn bẩy mục tiêu.

Cuối cùng, từ Jalilvand & Harris (1984) một số nghiên cứu liên quan đến cấu trúc vốn mục tiêu dài hạn, tìm thấy tỷ lệ hội tụ hàng năm đối với mục tiêu thấp hơn 40% đối với công ty điển hình (Flannery & Rangan, 2006; Huang; & Ritter, 2009) hoặc thấp hơn 20% một khi đã tránh được thiên lệch phương pháp luận (Hovakimian & Li, 2009). Hơn nữa, theo Leary & Roberts (2005) đặc tính của một số cú sóc lâu dài ảnh hưởng hoạt động tái cân bằng. Khi đó, mức độ đầu tư công ty lớn đã thay đổi. Đối với các công ty niêm yết, quá trình điều chỉnh cấu trúc vốn hiện tại cho mục tiêu trong tương lai có thể dài hơn một thời kỳ. Điều này phù hợp với các giao dịch tài trợ lớn liên quan đến các điều chỉnh từ mục tiêu hoặc các điều chỉnh vượt xa hơn mục tiêu, ngay cả trong trường hợp tốc độ điều chỉnh cao hơn về thực chất (Hovakimian & Li, 2009). Để phù hợp với khả năng sử dụng cấu trúc tài chính với dự kiến hiệu quả cao hơn trong tương lai tiếp theo (Ross, 1977), những thúc đẩy bởi tỷ suất lợi nhuận kỳ vọng được cải thiện, chẳng hạn như khả năng sinh lời, quy mô hoặc tính hữu hình tài sản có thể thay đổi cường độ hoặc thậm chí là dấu hiệu về tác động của chúng đối với đòn bẩy hiện tại khi các giá trị trong tương lai được thực hiện thay vì các giá trị hiện tại. Cho rằng cấu trúc vốn là quyết định đầu tiên mà một công ty phải đưa ra trước khi bắt đầu một dự án đầu tư mới, chúng tôi giả thuyết rằng đòn bẩy của công ty không chỉ được giải thích bởi mục tiêu đương thời mà còn bởi đòn bẩy mục tiêu của giai đoạn tiếp theo, điều này dẫn đến giả thuyết thực nghiệm được nghiên cứu. Đòn bẩy mục tiêu tương lại được giải thích bởi các yếu của cấu trúc vốn hiện tại.

2.2. Tốc độ điều chỉnh và khả năng sinh lời

Vấn đề hạn chế tài chính xuất hiện do sự không có sẵn của dòng tiền tự do cho công ty làm tăng nhu cầu tài trợ bên ngoài có thể ảnh hưởng đến tốc độ điều chỉnh vì nó làm giảm tính linh hoạt tài chính, do đó chúng tôi đưa ra giả thuyết về mối quan hệ thuận chiều giữa dòng tiền có sẵn công ty và tốc độ điều chỉnh cơ cấu vốn mục tiêu. Chúng tôi sử dụng dòng tiền được đo bằng khả năng sinh lời. Myers (1977) lưu ý rằng những thay đổi về khả năng sinh lời ảnh hưởng đến những hạn chế bên trong và cho rằng nó có thể ảnh hưởng đến tốc độ điều chỉnh (Hovakimian, Opler & Titman, 2001). Khả năng sinh lời cung cấp quỹ (vốn) cho việc mua lại cổ phần cũng như sự ổn định tài chính để phát hành chứng khoán ở mức hấp dẫn.

  1. Phương pháp nghiên cứu

3.1. Đo lường khả năng sinh lời

Khả năng sinh lời có nghĩa là mối quan hệ giữa thu nhập kinh doanh từ tài sản vốn của doanh nghiệp. Khả năng sinh lời được đo bằng thu nhập trước thuế trên tổng tài sản. Theo POT, một công ty có thể tăng khả năng sinh lời của mình bằng cách sử dụng các quỹ bên trong của nó. Có hai lý thuyết về khả năng sinh lời: TOT và POT. TOT cho rằng bằng cách sử dụng các khoản nợ, một công ty có thể tăng khả năng sinh lời của nó, vì TOT có mối quan hệ thuận chiều giữa khả năng sinh lời và đòn bẩy. Bằng cách tăng nợ, khả năng sinh lời cũng có thể tăng và ngược lại. POT cho rằng các nhà quản lý có thông tin tốt hơn về tương lai công ty của họ hơn người ngoài và họ bảo vệ lợi ích của các cổ đông hiện tại. Họ nên sử dụng thu nhập giữ lại và nếu không có sẵn thì họ nên ưu tiên nợ hơn vốn chủ sở hữu.

3.2. Đo lường đòn bẩy tài chính

Số nợ mà công ty sử dụng để tài trợ cho tài sản của mình được gọi là đòn bẩy tài chính. Đòn bẩy tài chính là một cách để tăng cường tỷ suất lợi nhuận ước tính trong một thực thể trong khi đồng thời nó cũng là mối đe dọa đối với lợi ích của cổ đông vì nó tạo ra vấn đề để trả nợ. Đòn bẩy tài chính có thể được đo lường bằng cách chia tổng nợ công ty cho tổng tài sản của nó.

Đòn bẩy tài chính có thể được sử dụng theo giá trị thị trường hay giá sổ sách. Thông thường, giá trị sổ sách được sử dụng rộng rãi vì một số lý do: Đầu tiên xuất phát từ vai trò của khả năng sinh lợi, xem xét tác động của khả năng sinh lợi trên giá trị thị trường của tài sản, có một số mối quan hệ được dự đoán về đòn bẩy số sách kế toán (accounting leverage) không rõ ràng khi sử dụng đòn bẩy thị trường, chẳng hạn như tác động của khả năng sinh lời theo lý thuyết đánh đổi (Fama & French, 2002). Thứ hai, giá trị thị trường luôn thay đổi vì vậy không đảm bảo tính ổn định, trong khi đó đòn bẩy tính theo giá sổ sách là một biện pháp đo lường ổn định hơn trong nhiều thập kỷ so với đòn bẩy thị trường (Frank & Goyal, 2008).

3.3. Mô hình động của cấu trúc vốn

Các nghiên cứu về tài trợ nợ đã tìm thấy bằng chứng thực nghiệm về tài trợ nợ điều chỉnh của các công ty (Nivorozhkin, 2005; De Haas & Peeters, 2006). Nói cách khác, các công ty điều chỉnh tỷ lệ nợ theo tỷ lệ nợ mục tiêu là một quá trình động liên quan đến chi phí điều chỉnh. Quy mô (size) của chi phí điều chỉnh cho thấy tốc độ mà các công ty đạt được tỷ lệ nợ mục tiêu (De Miguel & Pindado, 2001).

Để xác định chi phí điều chỉnh và tốc độ điều chỉnh của các công ty, chúng tôi đề xuất tỷ lệ nợ mục tiêu là hàm số của khả năng sinh lời, quy mô công ty, tính hữu hình tài sản, cơ hội tăng trưởng và thuế suất hiệu dụng. Biểu thức cho tỷ lệ nợ mục tiêu là:

Trong đó,  là tỷ lệ nợ mục tiêu,  là các hệ số được ước lượng và là phần sai số.

Theo mô hình của De Miguel & Pindado (2001) và dựa trên bằng chứng thực nghiệm cho thấy các công ty trong mẫu nghiên cứu sử dụng chi phí điều chỉnh, xác định mô hình điều chỉnh theo tỷ lệ nợ mục tiêu như sau:

Trong đó,  và  cho thấy tỷ lệ nợ hiện tại và thời kỳ trước đó, trong khi đó  là tỷ lệ nợ mục tiêu. Hệ số  cho biết chi phí điều chỉnh và có ba tình huống có thể xảy ra tùy thuộc vào giá trị của : (i) , điều chỉnh hoàn toàn mà không cần chi phí điều chỉnh (chi phí điều chỉnh là 0) và tỷ lệ nợ của công ty bằng tỷ lệ nợ mục tiêu; (ii) , theo đó , điều này có nghĩa là tỷ lệ nợ hiện tại vẫn ở mức của giai đoạn trước bởi vì chi phí điều chỉnh quá cao (hoặc do chi phí điều chỉnh không phù hợp); (iii)  nhận các giá trị từ 0 đến 1, theo đó các công ty điều chỉnh mức nợ tỷ lệ nghịch với mức chi phí điều chỉnh.

Dựa trên phương trình (2) tỷ lệ nợ thực có thể xác định như sau:

Thế phương trình (1) vào phương trình (3), và vấn đến gặp phải là với mô hình dữ liệu bảng, mô hình động cuối cùng chúng ta có thể tính đến như sau:

Trong đó,  là tác động đặc trưng công ty,  tác động đặc trưng thời gian và  là phần sai số.

Các nghiên cứu trước đây đã chỉ ra rằng việc ước tính các mô hình dữ liệu bảng động có thể gây ra một số vấn đề. Nickell (1981) chỉ ra rằng biến phụ thuộc bị trễ có tương quan với các hiệu ứng cố định của công ty, điều này tạo ra sự sai lệch trong ước tính các hệ số của mô hình. Giải pháp cho vấn đề này là áp dụng phép biến đổi sai phân bậc một để loại bỏ cả các hiệu ứng không gian và các hiệu ứng cố định. Tuy nhiên, vấn đề không được giải quyết hoàn toàn trong trường hợp này vì vẫn còn tương quan giữa biến phụ thuộc bị trễ và các sai số khác nhau. Kết quả là, ước lượng bình phương nhỏ nhất (OLS) sẽ dẫn đến các ước lượng không đồng nhất cho các hệ số mô hình. Một vấn đề khác phải giải quyết tiếp là một số biến giải thích, khả năng sinh lời và quy mô công ty, có thể là nội sinh liên quan đến tỷ lệ nợ (Drobetz & Wanzenried, 2006).

Giải quyết vấn đề này, nên sử dụng phương pháp ước tính các biến công cụ giả định rằng tất cả các biến nội sinh đều được sử dụng. Công cụ ước tính dữ liệu bảng động do Arellano & Bond (1991) đề xuất, tức là công cụ ước tính GMM hệ thống, đã được sử dụng trong nghiên cứu này. Công cụ ước tính Arellano và Bond ban đầu thiết lập phương pháp tổng quát cho vấn đề mô men (moments) trong đó các biến công cụ được lấy từ các điều kiện mô men tồn tại giữa các giá trị trễ của các biến độc lập và các sai số. Công cụ ước tính này được gọi là công cụ ước tính GMM sai phân, trong khi phần mở rộng của nó được gọi là công cụ ước tính GMM hệ thống. GMM hệ thống giả định rằng khi chuỗi thời gian là liên tục, mức độ trễ của các biến độc lập là công cụ yếu cho các biến độc lập sai phân bậc một (Blundell & Bond, 1998). Do thực tế là tỷ lệ nợ nói chung là các biến có mức độ liên tục cao, phương trình (4) được ước tính bằng cách sử dụng công cụ ước tính GMM hệ thống. Công cụ ước tính GMM hệ thống sử dụng phương trình các cấp độ (phương trình (4)) để có được một hệ gồm hai phương trình, phương trình các cấp độ (4) và sai phân bậc một của phương trình (4).

   Công cụ cho phương trình (4) là các sai bậc trễ ( ) và công cụ cho phương trình (5) là các sai phân ( ).

Trên thực tế làm việc với số liệu thì có khá nhiều cách để xử lý vấn đề nội sinh, việc quyết định lựa chọn phương pháp nào là phụ thuộc vào: (i) Mẫu nghiên cứu có T (chiều thời gian) lớn hơn N (số đơn vị quan sát); hay N lớn hơn T; (ii) Phụ thuộc vào vấn đề nội sinh xuất hiện ở dạng nào như đã nêu ở mục 1; (iii) Vào bản  chất, quy luật kinh tế của mô hình nghiên cứu. Và từ đó có một số cách cơ bản để xử lý vấn đề nội sinh như sau: Chấp nhận sai lệch tiềm ẩn mà không làm gì cả và cũng có thể sử dụng thêm lệnh ước lượng vững (thủ tục robust); Sử dụng dữ liệu bảng (panel data) với một mô hình có thể giải quyết vấn đề nội sinh (tức là chọn phương pháp xử lý dữ liệu phù hợp với vấn đề). Tìm một biến đại diện khác phù hợp để giải quyết mô hình (tức là bỏ biến có vấn đề đi, tuy nhiên đôi khi mô hình kinh tế của chúng ta vẫn cần biến đó nghiên cứu). Sử dụng mô hình với biến công cụ chẳng hạn như:  Hồi quy IV OLS, Hồi quy 2 giai đoạn 2SLS, Hồi quy 3 giai đoạn 3SLS, Hồi quy GMM, System GMM, Difference GMM.

Việc lựa chọn cách nào để giải quyết vấn đề là tùy thuộc vào bộ dữ liệu thu thập được và bản chất của mô hình kinh tế mà chúng ta cần xử lý. Vì thế việc xem xét cẩn trọng các lý thuyết về mô hình chúng ta định xử lý là rất quan trọng, nó giúp xác định rõ bản chất kinh tế các biến, các mối quan hệ, biến nào là biến công cụ, biến nào là kiểm soát, biến nào là ngoại sinh, biến nào là nội sinh từ đó sẽ giúp kỹ thuật viên xử lý mô hình một cách tin cậy nhất.

Để kiểm tra tính nội sinh của các biến giải thích, chúng ta sử dụng kiểm định DurbinWu-Hausman. Theo Durbin (1954) và thống kê Wu-Hausman, nếu kiểm định có ý nghĩa thống kê, các biến phải được coi là nội sinh. Kết quả (bảng 1) của kiểm định này chỉ ra rằng khả năng sinh lời (Prof), tính hữu hình tài sản (Tang), cơ hội tăng trưởng (Growth) và quy mô công ty (Size) là các biến nội sinh, trong khi thuế suất hiệu dụng (Etr) biến ngoại sinh với tỷ lệ nợ ở kỳ t. Khác với nghiên cứu của Phan Thanh Hiệp (2016) cho rằng biến nội sinh trong mô hình cấu trúc vốn gồm các biến như khả năng sinh lời và các cơ hội tăng trưởng. Bởi thực tế, một quyết định gia tăng vay nợ hoặc tăng vốn chủ sở hữu nhằm tăng năng lực sản xuất thì hoàn toàn có thể ảnh hưởng đến việc tăng trưởng doanh thu của doanh nghiệp, do đó các nhân tố này là một biến nội sinh của mô hình. Trong khi đó, với nghiên cứu của Brendea (2014), thì lại cho rằng khả năng sinh lời và tính hữu hình của tài sản là các biến nội sinh, trong khi quy mô công ty và cơ hội tăng trưởng là các biến ngoại sinh.

Bảng 1. Kết quả kiểm định nội sinh

Kiểm định/Biến

Prof

Size

Growth

Tang

Etr

Durbin

0.0000

0.0047

0.0015

0.0000

0.9722

Wu-Hausman

0.0001

0.0068

0.0020

0.0000

0.9722

Ho: variables are exogenous

Nguồn: Tính toán của tác giả

Kết quả của ước tính mô hình động cũng chỉ ra rằng hệ số hồi quy của tỷ lệ nợ bị trễ thu được bằng cách sử dụng công cụ ước tính GMM hệ thống nằm giữa OLS và các công cụ ước tính hiệu ứng cố định (FEM) được cho là bị đánh giá thấp (giảm) và sai lệch hướng lên (ước tính quá mức). Bảng 3 báo cáo kết quả ước tính thu được bằng cách sử dụng công cụ ước tính GMM hệ thống.

3.4. Mẫu dữ liệu và thống kê mô tả

3.4.1. Mẫu dữ liệu

Để thu thập được những dữ liệu thứ cấp cần thiết cho cuộc nghiên cứu ta tiến hành như sau: Xác định những thông tin cần thiết cho nghiên cứu; Tìm nguồn dữ liệu; Tiến hành thu thập các thông tin; Trên cơ sở thông tin tìm kiếm được ta đánh giá và lọc lấy những thông tin cần thiết để đưa vào bài viết. Dữ liệu nghiên cứu là dữ liêu bảng với 1.062 quan sát bao gồm 118 công ty phi tài chính thuộc tất cả các ngành nghề công ty niêm yết trên hai sàn chứng khoán HOSE và HNX, không bị hủy niêm yết từ năm 2009 – 2017. Nguồn số liệu mà chúng tôi sử dụng từ Datastream của Thomson Reuters.

3.4.2. Thống kê mô tả các biến

Bảng 2. Kết quả thống kê mô tả

Biến

Quan sát

Trung bình

Độ lệch chuẩn

Nhỏ nhất

Lớn nhất

Lev

1.062

0,5152

0,2067

0,0421

1,6071

Levst

1.062

0,4151

0,1910

0,0206

1,1582

Levlt

1.062

0,1001

0,1332

0,0000

0,7990

Size

1.062

5,9104

0,6791

4,2406

7,8635

Prof

1.062

0,0793

0,0945

-0,6473

0,9937

Tang

1.062

-0,2188

0,2233

-1,6308

-0,0012

Growth

1.062

0,1578

0,3016

-0,6742

3,4541

Etr

1.062

0,1841

0,4016

-4,5733

10,4108

Nguồn: Tính toán của tác giả

Nghiên cứu này sử dụng thước đo là tỷ lệ nợ (gồm cả ngắn hạn và dài hạn) được áp dụng cho phương trình hồi quy, về mặt thực nghiệm với TOT và POT cho cả mô hình tĩnh và động. Biến phụ thuộc là tỷ lệ nợ trên vốn chủ sở hữu. Nợ của công ty bao gồm cả nợ ngắn hạn và nợ dài hạn.

Tỷ lệ nợ trên vốn chủ sở hữu = Nợ phải trả/vốn chủ sở hữu.

Các biến độc lập bao gồm: Khả năng sinh lời (Prof) là lợi nhuận trước lãi trước thuế (EBIT hoặc EBITDA) trên tổng tài sản (Flannery & Rangan, 2006; Delcoure, 2007); Tính hữu hình của tài sản (Tang) là tài sản cố định thuần khấu hao lũy kế trên tổng tài sản (Fixed assets net of accumulated depreciation to total assets) hay Tài sản cố định trên tổng tài sản (fixed asset to total asset) (Delcoure, 2007; Wanzenried, 2006); Các cơ hội tăng trưởng (Growth) là cơ hội tăng trưởng được đo lường dưới dạng thay đổi phần trăm của tổng tài sản (Growth opportunities measured as percentage change of total assets); Chi phí vốn cho tổng tài sản (Capital expenditures to total assets) (Flannery & Rangan, 2006; Ivashkovskaya & Solntseva, 2009); Quy mô công ty (Size) là Logarit tự nhiên của tổng tài sản hoặc doanh thu (natural logarithm of total asset or sales) (Rajan & Zingales, 1995; Wald, 1999; Flannery & Rangan, 2006; Solntseva, 2007, 2009); Thuế suất hiệu quả (Etr) là Thuế suất hiệu dụng được tính bằng tổng số thuế được trả theo tỷ lệ lợi nhuận trước thuế (effective tax rate measured as total tax paid as a proportion of profit before taxation) (Oino & Ukaegbu, 2015).

  1. Kết quả và kết luận

Bảng 3. Kết quả chạy mô hình bằng GMM

 Biến

LEV

LEVST

LEVLT
 

0.950***

 

              

 

[82.86]

 

              
 

 

0.946***

              

 

 

[58.23]

              
 

 

 

0.854***

 

 

 

[61.69]  

Prof

-0.271***

-0.305***

-0.016

 

[-7.12]

[-6.47]

[-0.83]  

Size

-0.0115***

-0.0117***

0.0175***

 

[-2.94]

[-3.26]

[7.03]  

Tang

-0.0179

-0.0293**

0.0120***

 

[-1.46]

[-2.00]

[2.71]  

Growth

0.160***

0.102***

0.0346***

 

[12.69]

[6.59]

[5.16]  

Etr

0.00125

0.00462

0.00231

 

[0.21]

[0.66]

[0.52]  

Cons

0.104***

0.107***

-0.0809***

 

[4.36]

[4.04]

[-5.89]  

Number of obs

944

944

944

AR(2)

0.712

0.401

0.815

Sargan test

0.358

0.715

0.241

Hansen test

0.307

0.204

0.156

t statistics in brackets

* p<0.1, ** p<0.05, *** p<0.01

Nguồn: Tính toán của tác giả

Kết quả hồi quy cho biết kết quả kiểm định sẽ có xu hướng chấp nhận AR(1) trong phương trình sai phân, nhưng điều mong đợi là bác bỏ AR(2). Bởi khi đó, các giá trị độ trễ bậc 2 hoặc lớn hơn mới có khả năng là các biến công cụ phù hợp khi áp dụng kỹ thuật GMM hệ thống. Ngược lại, nếu không thể bác bỏ AR(2) trong phương trình sai phân, chúng ta buộc phải kiểm đưa vào các bậc trễ cao hơn 2.

Sử dụng GMM hệ thống đòi hỏi phải xây dựng được một tập hợp các biến công cụ phù hợp; các biến này là độc lập với sai số của mô hình. Một mô hình được gọi là định dạng kém (under-identified), định dạng đúng (Just identified) hay định dạng quá cao (over-identified) nếu có số biến công cụ ít hơn, bằng/hoặc lớn hơn số hệ số cần ước lượng. Kiểm định Sargan/Hansen sẽ cho biết tổng quát sự phù hợp của tập hợp các biến được sử dụng làm biến công cụ, bao gồm các độ trễ và biến công cụ bên ngoài mô hình (nếu có). Theo Roodman (2006), chúng tôi sử dụng quy tắc ngón tay cái (rule of thumb) rằng số lượng biến công cụ không vượt quá số nhóm quan sát, cụ thể là số biến công cụ sẽ không vượt quá 60. Giả thuyết H0 trong kiểm định Sargan/Hansen là: Định dạng quá cao trong mô hình là phù hợp (có căn cứ). Vì vậy, giá trị p-value trong kiểm định này càng cao càng tốt.

Như vậy từ bảng 3 cho thấy với kết quả kiểm định AR(2) và các kiểm định Sargan/Hansen là đáp ứng yêu cầu về mặt thực nghiệm. Với phương pháp ước lượng cho dữ liệu ngắn về thời gian (t = 7 năm), nghiên cứu này chọn mô hình ước lượng động GMM hệ thống là mô hình có thể là tốt để phân tích kết quả thực nghiệm. Kết quả được hỗ trợ bởi nghiên cứu của Flannery & Hankins (2013) khi so sánh các phương pháp ước lượng động về cấu trúc vốn.

Bảng 4. Tốc độ điều chỉnh

Các mô hình động

Half-life

b

Log(0.5)

Log(1-b)

Log(0.5)/

Log(1-b)

Mô hình GMM cho LEV

0.050

-0.3

-0.022

14 năm

Mô hình GMM cho LEVST

0.054

-0.3

-0.024

12 năm

Mô hình GMM cho LEVLT

0.146

-0.3

-0.069

4 năm

Nguồn: Tính toán của tác giả

Kết quả (dựa vào phương pháp GMM) cũng cho thấy hệ số ước lượng q = 0,950 tương ứng với hệ số điều chỉnh đến tỉ suất nợ ( ) mục tiêu b là 5,0% (q = 1 - b). Giá trị này ở dưới mức trung bình thể hiện tốc độc điều chỉnh đến cấu trúc vốn mục tiêu là khá chậm (do chi phí điều chỉnh cao, làm chậm quá trình điều chỉnh), các công ty hoạt động khá xa cấu trúc vốn tối ưu. So sánh với hệ số điều chỉnh của các doanh nghiệp Thái Lan (Tonkong, 2012) có b = 0,63, thì tốc độc điều chỉnh của các công ty chậm hơn, cho thấy việc điều chỉnh để đạt cấu trúc vốn tối ưu của các công ty là khó khăn hơn và tốn kém hơn. Ngoài ra, từ kết quả phân tích mô hình GMM, hệ số ước lượng biến trễ tỷ lệ nợ trong ngắn hạn ( ) là 0,946 tương ứng với tốc độ điều chỉnh là 5,4%. Trong khi đó, với hệ số ước lượng biến trễ tỷ lệ nợ trong dài hạn ( ) là 0,854 tương ứng với tốc độ điều chỉnh là 14,6%.

Bảng 4 cho biết tốc độ điều chỉnh được cho bởi l và tỷ lệ nợ chu kỳ phân nửa được xác định như là thời gian (trong nhiều năm) cần để công ty điều chỉnh trở lại tỷ lệ nợ mục tiêu sau một đơn vị thời gian sóc (e), ln(0,5)/ln(1 - b) (chu kỳ phân nửa, thời gian cần thiết để độ lệch so với tỷ lệ nợ mục tiêu được giảm một nửa, được tính là ln(0,5) chia cho ln(1 - b), trong đó b là tốc độ điều chỉnh ước tính theo tỷ lệ nợ mục tiêu). Tốc độ điều chỉnh cho thấy thời gian hội tụ, làm thế nào công ty nhanh chóng hội tụ cấu trúc nợ mục tiêu của họ (Clark, Francis & Hasan, 2009; Mukherjee & Mahakud, 2010). Như vậy, từ bảng 4 cho biết các công ty trong mẫu nghiên cứu mất từ 4 năm (tỷ lệ nợ dài hạn) và 12 năm (tỷ lệ nợ ngắn hạn) để điều chỉnh tỷ lệ nợ mục tiêu. Nói cách khác, trung bình phải mất gần 4 năm (và 12 năm) để một công ty thu hẹp một nửa khoảng cách giữa mục tiêu và tỷ lệ đòn bẩy thực tế của nó (xem cách tính của Oztekin & Flannery (2012)).

Tốc độ điều chỉnh được ước tính với sự trợ giúp của mô hình dữ liệu bảng động nằm trong khoảng thời gian được xác định trong các nghiên cứu trước đó. Cho thấy các công ty niêm yết, nằm trong mức từ 5,40% - 14,6% khoảng cách giữa đòn bẩy hiện tại và mục tiêu trong vòng một năm. Cho thấy là có sự khác biệt với nghiên cứu của Nivorozhkin (2003) về các nền kinh tế thị trường mới nổi, các công ty được ước tính tốc độ điều chỉnh dao động từ 18% đến hơn 40%. Các nghiên cứu ở các nước phát triển cho thấy kết quả tương tự, như Flannery & Rangan (2006) cho rằng tốc độ khá nhạy cảm với những thay đổi đặc điểm kỹ thuật và nằm trong khoảng từ 13,3% đến hơn 30%. Các ước tính về tốc độ điều chỉnh cho thấy rằng các công ty được quan sát điều chỉnh để hướng về mục tiêu bởi tỷ lệ nợ ngắn hạn nhanh hơn so với tỷ lệ nợ dài hạn. Điều này cho thấy chi phí điều chỉnh khá lớn khi phải đối mặt khi điều chỉnh theo tỷ lệ nợ mục tiêu ngắn hạn. Với tỷ trọng nợ ngắn hạn lớn hơn nợ dài hạn trong cơ cấu nợ, điều này không đáng ngạc nhiên và có thể giải thích tốc độ điều chỉnh chậm đối với nợ ngắn hạn. Các công ty điều chỉnh cũng tương đối nhanh hơn của tỷ lệ nợ dài hạn (so với nợ ngắn hạn), vì thế chi phí điều chỉnh của nợ dài hạn cũng thấp hơn so với nợ ngắn hạn. Như vậy, có sự phù hợp với Flannery & Rangan (2006) và Mukherjee & Mahakud (2010), quá trình điều chỉnh nhanh chóng đối với tỷ lệ tối ưu cho thấy hàm ý của TOT động. Ngoài ra, Clark, Francis & Hasan (2009) đã kết luận rằng cơ chế hội tụ nhanh hơn sẽ mở rộng lợi ích của việc thu hẹp khoảng cách với nợ mục tiêu. Nhìn chung, phân tích độ nhạy đã kết luận rằng tốc độ điều chỉnh đối với nợ mục tiêu có sự khác nhau giữa tỷ lệ nợ ngắn hạn và nợ dài hạn. Điều này có thể phụ thuộc vào nhiều nguyên nhân như lạm phát, thuế, chính sách pháp luật nhà nước và đặc biệt là thị trường nợ Việt Nam chưa phát triển (mua bán trái phiếu doanh nghiệp trên thị trường).

Bảng 5. Tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh

Biến

LEV

LEVST

LEVLT
 

0.916***

 

              

 

[28.15]

 

              
 

 

0.918***

              

 

 

[20.89]

              
 

 

 

0.892***

 

 

 

[13.90]  
 

-0.948***

 

 

 

[-3.84]

 

 
 

 

-0.670*

              

 

 

[-1.66]

              
 

 

 

-0.871* 

 

 

 

[-1.81]  

Cons

0.0735***

0.0474**

0.0228***

 

[3.86]

[1.99]

[3.30]  

Number of obs

944

944

944

AR(2)

0.973

0.51

0.856

Sargan test

0.263

0.163

0.318

Hansen test

0.186

0.328

0.418

t statistics in brackets

* p<0.1, ** p<0.05, *** p<0.01

Nguồn: Tính toán của tác giả

Như vậy, các yếu tố tác động đến cấu trúc vốn và tốc độ điều chỉnh, kết quả phù hợp với kỳ vọng lý thuyết. Như trong Bảng 3 và Bảng 5, khả năng sinh lời có tác động ngược chiều cấu trúc vốn của công ty và tốc độ điều chỉnh. Mối quan hệ ngược chiều này phù hợp với POT cho thấy rằng các công ty sinh lời có khuynh hướng dựa vào lợi nhuận giữ lại như là nguồn tài trợ trước khi sử dụng nợ, điều này được đánh giá là có tương đồng với các nghiên cứu của Titman & Wessels (1988), Rajan & Zingales (1995) và Gwatidzo & Ojah (2009). Tài sản hữu hình có tác động ngược chiều đối với 2 đại diện của tỷ lệ nợ (LEV và LEVST), thuận chiều có ý nghĩa thống kê với LEVLT. Điều này phù hợp với lý thuyết đánh đổi của Jensen & Meckling (1976) cho rằng các công ty lớn có tài sản thế chấp nhiều hơn và do đó sẽ có khả năng vay thêm nợ. Tuy nhiên, tính hữu hình có tác động ngược chiều ở Việt Nam, cho thấy rằng chi phí giám sát cho các công ty có tỷ lệ cao dẫn đến các công ty hạn chế sử dụng nợ vay (Titman & Wessels, 1988). Tác động ngược chiều này có ý nghĩa cho rằng thị trường nợ ở Việt Nam ít phát triển dẫn đến chi phí giám sát cao hơn.

Trong thời gian dài, vay dài hạn ngân hàng ở Việt Nam chủ yếu được thế chấp bằng chính dự án, thị trường bất động sản biến động. Ví dụ dự án nhà ở thương mại, với sự đa dạng của các loại tài sản và quyền tài sản, nên có nhiều hình thức tài sản dùng làm tài sản bảo đảm (các quyền tài sản như là đất, công trình trên đất đang hình thành, công trình đã hoàn thành, quyền tài sản khác). Như vậy, khi thị trường biến động dẫn đến rủi ro rất cao.

Quy mô có tác động hỗn hợp lên tỷ lệ nợ có ý nghĩa 5%, phù hợp với các dự đoán của Rajan & Zingales (1995). Đối với tác động theo hướng thuận chiều, cho biết các công ty lớn có khả năng nợ lớn hơn và tiếp cận thị trường nợ tốt hơn so với các công ty nhỏ. Theo chiều ngược lại, các công ty lớn phải đối mặt với mức độ bất cân xứng thông tin thấp hơn và do đó chi phí vốn cổ phần thấp hơn so với các doanh nghiệp nhỏ. Điều này là do các công ty lớn hơn dễ dàng tiếp cận hơn vào thị trường vốn chủ sở hữu (bổ sung từ lợi nhuận để lại và phát hành thêm cổ phiếu mới) và do đó ít phụ thuộc vào nợ.

Cuối cùng, tác động thuận chiều của tăng trưởng lên tỷ lệ nợ và tốc độ điều chỉnh, cho thấy rằng các doanh nghiệp có cơ hội tăng trưởng thích phát hành nợ hơn là vốn chủ sở hữu trong trường hợp không đủ thu nhập, theo POT. Tác động thuận chiều giữa các cơ hội tăng trưởng và tỷ lệ nợ của các được quan sát và có ý nghĩa thống kê, phù hợp với các các phát hiện của Titman & Wessels (1988) và Barclay, Smith & Watts (1995). Các công ty có nhiều cơ hội tăng trưởng hơn tài sản mà công ty đã đầu tư sẽ phải đối mặt với nhiều bất cân xứng thông tin giữa các nhà đầu tư bên ngoài và quản lý về chất lượng của các dự án công ty.

  1. Kết luận và hướng nghiên cứu tiếp theo

5.1. Kết luận

Tác động khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh cấu trúc vốn chúng tôi đã kiểm định bằng mô hình với số liệu thực nghiệm để đánh giá tốc độ mà tại đó các doanh nghiệp điều chỉnh mức đòn bẩy của họ. Các kết quả thực nghiệm cho thấy rằng các doanh nghiệp tìm kiếm một đòn bẩy mục tiêu. Sự phụ thuộc của mức độ đòn bẩy của công ty về đặc điểm cố định thường được hiểu là có lợi cho TOT hoặc POT. Đối với các doanh nghiệp niêm yết ở Việt Nam, khả năng sinh lời có quan hệ ngược chiều với đòn bẩy phù hợp với dự đoán POT của Myers hơn là TOT. Tuy nhiên, khi có chi phí điều chỉnh, có thể sẽ thấp (chậm) hơn nếu các công ty không hoàn toàn điều chỉnh mức đòn bẩy của mình, ngay cả khi công ty nhận ra rằng mức đòn bẩy không phải là tối ưu. Đồng thời phân tích các yếu tố ảnh hưởng đến cấu trúc vốn của các niêm yết ở thị trường chứng khoán Việt Nam bởi mô hình động cấu trúc vốn. Kết quả phân tích mô hình động cấu trúc vốn thu được nhiều thông tin khi xét đến tính động trong việc chọn lựa cấu trúc vốn. Đồng thời kết quả kiểm định cho thấy mô hình ước lượng động theo GMM hệ thống là tin cậy để phân tích kết quả thực nghiệm cho các công ty ở Việt Nam.

Theo đó, cấu trúc vốn bị tác động của các yếu tố như là cơ hội tăng trưởng (tác động thuận chiều) (Ivashkovskaya & Solntseva, 2007; Delcoure, 2007), khả năng sinh lợi (tác động ngược chiều) và tính hữu hình tài sản (tác động thuận chiều và ngược chiều) (Ivashkovskaya & Solntseva (2007, 2009). Trong khi các yếu tố như quy mô có tác động thuận chiều đến tỷ lệ nợ (Chen, 2004; Delcoure, 2007). Các tác động này chỉ ra POT chiếm ưu thế trong việc giải thích các quyết định về cấu trúc vốn của các doanh nghiệp so với TOT. Ngoài ra, kết quả cũng khẳng định tốc độ điều chỉnh đến cấu trúc vốn mục tiêu của công ty trong mẫu nghiên cứu, hàm ý chi phí điều chỉnh là tương đối lớn so với chi phí của sự mất cân bằng, dẫn đến các công ty hoạt động khá xa so với tỷ lệ nợ mục tiêu.

5.2. Hướng nghiên cứu tiếp theo

Về mặt thực nghiệm, một mô hình có thể dự báo tốt ngoài kỹ thuật kinh tế lượng, còn một vấn đề quan trọng đó là làm thế nào để không bỏ sót biến. Như vậy, với những giới hạn từ nghiên cứu này (chủ yếu là tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh), chúng ta có thể mở rộng thêm phạm vi nghiên cứu ở cấp vĩ mô vào mô hình ví dụ như lạm phát và tốc độ tăng trưởng kinh tế của một quốc gia hoặc có thể xem xét yếu tố thương mại. Để từ đó có thể cung cấp một cái nhìn toàn diện hơn về những yếu tố còn có thể ảnh hưởng đến cấu trúc vốn của công ty hay tốc độ điều chỉnh của chúng.

 

Tài liệu tham khảo

  1. Aybar-Arias, C., Casino-Martínez, A., and López-Gracia, J. (2012), ‘On the adjustment speed of SMEs to their optimal capital structure’, Small business economics, No. 39(4), pp. 977-996.
  2. Byoun, S. (2008), ‘How and when do firms adjust their capital structures toward targets?’, The Journal of Finance, No. 63(6), pp. 3069-3096.
  3. Đặng Thị Quỳnh Anh và Quách Thị Hải Yến (2014), ‘Các nhân tố tác động đến cấu trúc vốn của DN niêm yết trên Sở Giao dịch chứng khoán Tp. HCM (HOSE)’, Tạp chí Phát triển & Hội nhập, số 18 (28).
  4. Đặng Văn Dân và Nguyễn Hoàng Chung (2017), ‘Các yếu tố tác động đến cấu trúc vốn của các công ty niêm yết tại Việt Nam’, Tạp chí Kinh tế Đối ngoại, số 91.
  5. Drobetz, W., and Wanzenried, G. (2006), ‘What determines the speed of adjustment to the target capital structure?’, Applied Financial Economics, No. 16(13), pp. 941-958.
  6. Elsas, R., and Florysiak, D. (2011), ‘Heterogeneity in the speed of adjustment toward target leverage’, International Review of Finance, No. 11(2), pp. 181-211.
  7. Flannery, M. J., and Rangan, K. P. (2006), ‘Partial adjustment toward target capital structures’, Journal of financial economics, No. 79(3), pp. 469-506.
  8. Frank, M. Z., and Goyal, V. K. (2008), ‘Trade-off and pecking order theories of debt’, In Handbook of empirical corporate finance (pp. 135-202). Elsevier.
  9. Hiệp, T., và Phan, T. (2016), ‘Các nhân tố ảnh hưởng đến cấu trúc vốn của doanh nghiệp công nghiệp: Nghiên cứu từ mô hình GMM’,Tạp chí Tài chính, số (634), tr.
  10. Kythreotis, A., Nouri, B. A., and Soltani, M. (2018), ‘Determinants of Capital Structure and Speed of Adjustment: Evidence from Iran and Australia’,International Journal of Business Administration, No. 9(1), pp, 88-113.
  11. Nguyễn Thị Huyền Trang, Trần Văn Tuyến và Nguyễn Văn Điệp (2016), ‘Tốc độ điều chỉnh cấu trúc vốn mục tiêu của các doanh nghiệp niêm yết tại Việt Nam’, Tạp chí Kinh tế & Phát triển, số 225, tr. 63-72.
  12. Oino, I., and Ukaegbu, B. (2015), ‘The impact of profitability on capital structure and speed of adjustment: An empirical examination of selected firms in Nigerian Stock Exchange’, Research in International Business and Finance, No. 35, pp. 111-121.
  13. Öztekin, Ö., and Flannery, M. J. (2012), ‘Institutional determinants of capital structure adjustment speeds’, Journal of financial economics, No. 103(1), pp. 88-112.
  14. Phạm Tiến Minh và Nguyễn Tiến Dũng (2015), ‘Các nhân tố ảnh hưởng cấu trúc vốn từ mô hình tĩnh đến mô hình động: Nghiên cứu trong ngành bất động sản Việt Nam’, Tạp chí Phát triển Kinh tế, số 6(26).
  15. Trần Hùng Sơn (2012), ‘Tốc độ điều chỉnh cấu trúc vốn mục tiêu của các doanh nghiệp niêm yết tại Việt Nam’, Tạp chí Kinh tế và Ngân hàng Châu Á, số

 

 

 

 

[1] Trường Đại học Tài chính – Marketing – email: phuoctcnh@ufm.edu.vn

[2] Trường Đại học Tài chính – Marketing – email: ngovantoan2425@gmail.com

Tác động của khả năng sinh lời lên cấu trúc và tốc độ điều chỉnh: Nghiên cứu thực nghiệm của các công ty niêm yết thị trường chứng khoán Việt Nam

Bùi Hữu Phước[1]

Ngô Văn Toàn[2]

 

Tóm tắt

 Nghiên cứu này với mục đích là kiểm tra sự tồn tại tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh cấu trúc vốn, bằng chứng thực nghiệm từ các công ty phi tài chính niêm yết tại thị trường chứng khoán Việt Nam. Nhóm tác giả đã kiểm định các lý thuyết đánh đổi và lý thuyết trật tự phân hạng và sự thích hợp của các lý thuyết này với các công ty Việt Nam. Với tỷ lệ nợ trên vốn chủ sở hữu chiếm 51,52% cấu trúc vốn của các công tỷ, trong đó nợ ngắn hạn chiếm tỷ lệ lớn hơn nợ dài hạn. Kết quả hồi quy cho thấy khả năng sinh lời, quy mô công ty, tính hữu hình tài sản, các cơ hội tăng trưởng có tác động lên cấu trúc vốn và tốc độ điều chỉnh, nhưng không tìm thấy bằng chứng về mối quan hệ của thuế suất hiệu quả. Ngoài ra, nghiên cứu cũng tiến hành kiểm thử biên mạnh với tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh của các công ty. Hầu hết các ước tính bằng kỹ thuật GMM được tiến hành kiểm định và thoả mãn yêu cầu về mặt thống kê. Dựa trên những phát hiện, nghiên cứu khẳng định là có tồn tại tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh của công ty tại Việt Nam.

Từ khóa: Cấu trúc vốn động; Đòn bẩy mục tiêu; Tốc độ điều chỉnh; Điều chỉnh động.

 

Abstract

The purpose of studying the impact of profitability on capital structure and speed of capital structure adjustment, empirical evidence from Vietnam's listed non-financial companies. We tested the Trade-off theory and the pecking order theory and the relevance of these theories to VietNam firms is confirmed. With debt-to-equity ratio accounting for 51.52% of the capital structure of public companies, in which short-term debt accounts for a larger proportion than long-term debt. Regression results show that profitability, firm size, asset tangibility, growth opportunities have an impact on capital structure and speed of adjustment, but no evidence of relationship has been found of effective tax rates. In addition, the study also carried out robustness check with the impact of profitability on capital structure and speed of adjustment of companies. Most estimations show strong robustness checked by GMM techniques. Based on the findings, the study provides with the impact of profitability on capital structure and speed of adjustment of Vietnamese companies.

Keywords: Dynamic capital structure; Target leverage; Speed of adjustment; Dynamic adjustment.

 

 

 

  1. Giới thiệu

Các nghiên cứu về cấu trúc vốn những năm gần đây đã chuyển từ mô hình tĩnh sang mô hình động, từ các nghiên cứu vận dụng lý thuyết sang ước lượng mô hình trong điều kiện giả thuyết có thể bị vi phạm và tìm cách cải tiến để việc ước tính tốt hơn. Vấn đề nan giải cấu trúc vốn tiếp tục thu hút nhiều học giả và các nhà hoạch định chính sách, đặc biệt là liên quan đến các tổ chức tài chính. Cấu trúc vốn là sự phối hợp của vốn chủ sở hữu và nợ được sử dụng để suy ra chi phí sử dụng vốn (giá sử dụng vốn). Mục tiêu của công ty của ngành công nghiệp hoặc ngành nghề nào đó đều hướng đến việc giảm chi phí sử dụng vốn. Điều này là do chi phí sử dụng vốn có thể ảnh hưởng đến khả năng chấp nhận đầu tư (chủ yếu là đầu tư tài chính) hoặc dự án (chủ yếu là đầu tư thực) và hiệu quả hoạt động của toàn bộ công ty. Trong số rất nhiều học giả trên thế giới có thể kể đến như Graham & Harvey (2001) và Cotei, Farhat & Abugri (2011), ở Việt Nam, Trần Hùng Sơn (2012), Phạm Tiến Minh, Nguyễn Tiến Dũng (2015), Đặng Thị Quỳnh Anh & Quách Thị Hải Yến (2014), Nguyễn Thị Huyền Trang, Trần Văn Tuyến & Nguyễn Văn Điệp (2016), Đặng Văn Dân & Nguyễn Hoàng Chung (2017) đã tiến hành nghiên cứu của họ để kiểm tra các yếu tố quyết định cấu trúc vốn cũng như tốc độ điều chỉnh về trạng thái cân bằng. Tuy nhiên, nghiên cứu về tác động của khả năng sinh lời lên cấu trúc và tốc độ điều chỉnh thì chưa có nhiều nghiên cứu. Mục tiêu của nghiên cứu này là cố gắng lấp đầy khoảng trống bằng cách không chỉ xem xét lại các yếu tố quyết định cấu trúc vốn ở Việt Nam mà xem xét yếu tố khả năng sinh lời tác động lên cấu trúc vốn và tốc độ điều chỉnh.

Ngoài ra, vấn đề nghiên cứu còn xuất phát từ sự mất cân đối giữa tài trợ vốn tín dụng cho hoạt động sản xuất kinh doanh, mở rộng kinh doanh và thị trường vốn (chủ yếu là thị trường chứng khoán nơi mua bán vốn cổ phần, trong khi vai trò của thị trường mua bán các trái phiếu công ty đã phát hành gần như không có). Như vậy, xét về tài trợ công ty ở Việt Nam còn nhiều bất cập, sự mất cân đối giữa kênh cung ứng vốn ngân hàng và thị trường vốn. Nguồn tài trợ cho các công ty ở Việt Nam trong thời gian qua chủ yếu dựa vào 2 nguồn: Vốn chủ sở hữu và vay ngân hàng. Nguồn vốn vay ngân hàng lại phụ thuộc khá nhiều vào chính sách tín dụng của nhà nước (lúc thắt chặt, lúc nới rộng), phụ thuộc vào nhu cầu vốn của công ty … vì vậy đòn bẩy tài chính ở các công ty luôn có sự thay đổi.

Hình 1. Tỷ lệ tín dụng ngân hàng so với vốn hóa thị trường của Việt Nam

 

Nguồn: World Bank

Từ hình 1, cho chúng ta thấy là tỷ lệ của tín dụng ngân hàng so với vốn hoá thị trường của Việt Nam. Với ưu thế của hệ thống ngân hàng Việt Nam, tỷ số của tín dụng ngân hàng và vốn hoá thị trường luôn lớn hơn 1 (nghĩa là tín dụng luôn lớn hơn vốn hoá thị trường). Nghiên cứu của Kythreotis, Nouri & Soltani (2018) cho biết tỷ lệ tín dụng trên vốn hoá thị trường của Iran luôn thấp hơn 4, thậm chí có những giai đoạn rất thấp (nhỏ hơn 1) vào năm 2013. So với Iran thì Việt Nam tỷ lệ này vẫn ở mức cao (trên 2). Tuy nhiên, vẫn cho thấy những thay đổi từ hình 1 này, bởi hình 1 cho chúng ta biết tỷ lệ này có sự điều chỉnh khá mạnh từ trên 6 (năm 2008) giảm gần về 2 (năm 2017). Trong đó, đáng chú ý nhất là sau năm 2018 và năm 2012 tỷ lệ này giảm rõ ràng nhất. Những mốc thời gian này gắn với các sự kiện kinh tế của thế giới cũng như của Việt Nam, như khủng hoảng kinh tế thế giới và quá trình tái cấu trúc hệ thống ngân hàng của Việt Nam. Các yếu tố khách quan này, cũng là cơ sở cho biết phần nào về sự điều chỉnh vốn vay của doanh nghiệp trong nhu cầu tài trợ vốn cho hoạt động kinh doanh của mình.

Từ những lý do nêu trên, chúng tôi quyết định thực hiện nghiên cứu “Tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh cấu trúc vốn: Bằng chứng thực nghiệm từ các công ty niêm yết trên thị trường chứng khoán Việt Nam”.

Nội dung nghiên cứu, tập trung vào lược khảo các lý thuyết và phát triển giả thuyết nghiên cứu, hướng trọng tâm vào tác động của khả năng sinh lời cấu trúc vốn và tốc độ điều chỉnh; sau đó tiến hành kiểm tra thực nghiệm bằng mô hình cấu trúc vốn động và các kiểm định cần thiết. Từ đó đi đến kết luận cho trường hợp tại Việt Nam.

  1. Cơ sở lý thuyết và các giả thuyết

Được coi là sự khởi đầu của lý thuyết hiện đại về cấu trúc vốn, Modigliani & Miller (1958) minh họa rằng theo các giả định chính yếu, giá trị của công ty không bị ảnh hưởng bởi chính cấu trúc vốn của nó. Thị trường vốn được coi là hoàn hảo trong thế giới MM, nơi người trong cuộc và người ngoài cuộc có thông tin hoàn hảo; không có chi phí giao dịch, chi phí phá sản hoặc khoản thuế khoán tồn tại; lựa chọn vốn và nợ trở nên “không liên quan” và các quỹ (vốn) bên trong và bên ngoài có thể được thay thế hoàn hảo cho nhau. Nếu các giả định chính này được nới lỏng, cấu trúc vốn có thể trở nên “có liên quan” với giá trị của công ty. Vì vậy, những nỗ lực nghiên cứu dưới đây đã góp phần làm giảm bớt các giả định lý tưởng và mô tả các kết quả.

Cấu trúc vốn tối ưu có liên quan đến lý thuyết đánh đổi (TOT), vì cho ra rằng đòn bẩy mục tiêu của công ty được thúc đẩy bởi các lực lượng cạnh tranh tạo ra lợi ích và chi phí của nợ, chủ yếu là chi phí đại diện của khó khăn tài chính và khấu trừ thuế của tài trợ nợ (Myers, 1977). Dưới sự giải thích bao quát này, chi phí điều chỉnh tạo ra độ trễ giữa tỷ lệ nợ thực tế và mức tối ưu bằng cách làm chậm tốc độ mà các công ty điều chỉnh các sai lệch (Myers, 1984; Titman & Tsyplakov, 2007). Ví dụ, nếu có chi phí giao dịch cố định để phát hành hoặc rời bỏ nợ, công ty chỉ cân bằng lại khi tỷ lệ nợ của nó vượt qua ngưỡng trên hoặc dưới (Fischer,  Heinkel & Zechner, 1989). Đồng thuận với lý do đánh đổi, các yếu tố sau đã được tìm thấy rất quan trọng để xác định tốc độ điều chỉnh (Elsas & Florysiak, 2011): chi phí cơ hội cao khi đi chệch khỏi mục tiêu, ví dụ, trong các công ty có thâm hụt tài trợ cao hoặc các công ty nhỏ và rủi ro vỡ nợ là cao.

Tuy nhiên, đối với Shyam-Sunder & Myers (1999), sự tồn tại của tỷ lệ nợ mục tiêu không làm giảm hiệu lực của lý thuyết trật tự phân hạng (POT). Flannery & Rangan (2006) nhận ra rằng mặc dù hơn một nửa những quan sát được thay đổi trong tỷ lệ nợ là từ hành vi nhắm mục tiêu, nhưng việc cân nhắc trật tự chiếm một phần trong số đó (dưới 10%). Theo POT, các nhà quản lý không cố gắng duy trì mục tiêu cụ thể; thay vào đó, tỷ lệ đòn bẩy được định nghĩa là khoảng cách giữa dòng tiền hoạt động và yêu cầu đầu tư theo thời gian (Barclay & Smith, 1999). Theo đó, Byoun’s (2008) cho thấy nhiều điều chỉnh xảy ra khi các công ty có nợ trên mục tiêu với thặng dư tài chính hoặc khi họ có nợ dưới mục tiêu với thâm hụt tài chính. Hovakimian & Li (2009) tìm thấy chi phí điều chỉnh bất đối xứng tùy thuộc vào việc công ty ở trên hay dưới mức đòn bẩy mục tiêu. Họ thấy chi phí gia tăng đặc biệt thấp khi công ty trả hết nợ thừa bằng nguồn vốn nội bộ. Phù hợp với lý luận trật tự phân hạng, một số yếu tố xuất hiện rất quan trọng để xác định tốc độ điều chỉnh: mức độ bất cân xứng thông tin giữa người trong cuộc và người ngoài cuộc (Öztekin & Flannery, 2012); biến liên quan đến khả năng nợ, quy mô (Drobetz, Pensa & Wanzenried, 2007; Aybar-Arias, Casino-Martínez & López-Gracia, 2012); các biến khác chỉ ra các khoản đầu tư bổ sung hiện tại hoặc tương lai, như tăng trưởng (Drobetz & Wanzenried, 2006; Drobetz, Pensa & Wanzenried, 2007) hoặc các cơ hội tăng trưởng (Aybar-Arias, Casino-Martínez & López-Gracia, 2012); và dòng tiền (Faulkender, Flannery, Hankins & Smith, 2012).

Chúng tôi lý luận rằng TOT và POT thay đổi ở mức độ phổ biến của chúng cùng với khả năng sinh lời, dẫn đến thay đổi mô hình của cả nợ mục tiêu và tốc độ điều chỉnh. Chi phí và lợi ích của việc điều chỉnh nợ, được viện dẫn bởi TOT, chẳng hạn như chi phí phá sản và lá chắn thuế, phụ thuộc vào các yếu tố đặc thù của công ty. Liên quan đến POT, các yếu tố đằng sau nhu cầu tài trợ của công ty, khả năng tạo ra dòng tiền, giải pháp thay thế tài trợ, khả năng nợ và bất cân xứng thông tin phát triển cùng với khả năng sinh lời.

2.1. Đòn bẩy mục tiêu và khả năng sinh lời

Như được khẳng định bởi lý thuyết trật tự phân hạng (POT), sự bất cân xứng thông tin giữa người trong cuộc và người ngoài cuộc có xu hướng cao hơn trong giai đoạn đầu của vòng đời công ty, trong khi khả năng nợ thấp hơn (Teixeira & Santos, 2014; Pfaffermayr, Stöckl & Winner, 2013). Cùng với González & González (2012), chúng ta có thể hy vọng các dự đoán của POT sẽ có giá trị hơn khi tính bất cân xứng thông tin cao hơn.                          

Tài trợ bằng vốn chủ sở hữu khi mới kinh doanh có thể xảy ra hơn là tài trợ nợ trong kịch bản bất cân xứng thông tin, khi Hirsch & Walz (2011) tìm thấy thời kỳ phát triển các nền kinh tế và công nghiệp tăng trưởng nhanh chóng. Mặt khác, các yếu tố này gia tăng khi các công ty phát triển, chẳng hạn như quy mô, cho thấy khả năng nợ lớn hơn (do bí quyết công nghệ, danh tiếng và tài sản thế chấp). Một cách trực tiếp, cơ hội tăng trưởng và tăng trưởng cho thấy nhu cầu ngân quỹ nhiều hơn (yêu cầu đầu tư cao hơn). Mặt khác, các công ty nắm giữ tiền mặt để thực hiện các dự án đầu tư sinh lời của họ không được huy động vốn bên ngoài với chi phí giao dịch cao (Saddour, 2006). Tóm lại, theo POT, khả năng sinh lời cao hơn cho phép các công ty sử dụng ít nợ hơn; sự bất cân xứng thông tin thấp là một lý do của việc phát hành nợ ít tốn kém hơn thúc đẩy các công ty có tài sản hữu hình hơn hướng tới đòn bẩy lớn hơn; và bí quyết công nghệ, danh tiếng và tài sản thế chấp, hoạt động như một chỉ báo của các công ty có khả năng nợ với quy mô lớn hơn đối với tỷ lệ đòn bẩy cao hơn. Khi đó khả năng sinh lời của các công ty có quan hệ ngược chiều với đòn bẩy mục tiêu.

Xem xét lý do đánh đổi, chi phí và lợi ích của việc vay nợ dự kiến sẽ thay đổi, do đó cho phép hoặc buộc các công ty sửa đổi chiến lược tài trợ của họ. Khi các công ty sau thời gian hoạt động ổn định, thường có nhiều lợi nhuận hơn và có nhiều tài sản hữu hình hơn có thể đóng vai trò là tài sản thế chấp (Titman & Wessels, 1988), trong khi quy mô của họ cho phép đa dạng hơn (González & González, 2008), và ba yếu tố này góp phần giảm chi phí phá sản. Đối với các cơ hội tăng trưởng, nghiên cứu cho rằng yếu tố này làm tăng chi phí phá sản, điều đó sẽ làm giảm đòn bẩy (Frank & Goyal, 2009), tuy nhiên, một số tác giả cho rằng các công ty có nhiều cơ hội tăng trưởng có lợi thế chi phí tương đối trong tài trợ tăng trưởng bên ngoài (Drobetz, Pensa & Wanzenried, 2007; Elsas & Florysiak, 2011).

Trong quá trình trưởng thành, niềm tin của các cổ đông và thị trường lớn hơn, giao dịch thuận lợi của các công ty làm giảm các chi phí liên quan. Về lợi ích của nợ, khả năng sử dụng lá chắn thuế thay đổi hiệu quả tùy thuộc vào thu nhập ròng hoặc lợi nhuận (Frielinghaus, Mostert & Firer, 2005; Pfaffermayr, Stöckl & Winner, 2013). Tóm lại, theo TOT, thuế và chi phí phá sản thúc đẩy các công ty có lợi nhuận cao hơn hướng tới đòn bẩy lớn hơn; chi phí phá sản khá thấp thông qua tài sản thế chấp thúc đẩy các công ty có tỷ lệ tài sản hữu hình cao theo tỷ lệ đòn bẩy mục tiêu cao; và xác suất phá sản thấp hơn thông qua đa dạng hóa cao hơn thúc đẩy các công ty lớn hướng tới tỷ lệ đòn bẩy cao hơn. Do đó, khi chi phí giao dịch về tài trợ và chi phí phá sản giảm trong khi có thể sử dụng hiệu quả hơn lá chắn thuế, chúng ta có thể mong đợi giá trị TOT cao hơn ở các công ty lớn hơn, nghĩa là đòn bẩy mục tiêu cao hơn và mức nợ cao hơn cho các loại hình doanh nghiệp này, điều này phù hợp với nghiên cứu của Frielinghaus, Mostert & Firer (2005). Trong trường hợp này chúng tôi kỳ khả năng sinh lời, quy mô và tính hữu hình tài sản có quan hệ cùng chiều với đòn bẩy mục tiêu.

Cuối cùng, từ Jalilvand & Harris (1984) một số nghiên cứu liên quan đến cấu trúc vốn mục tiêu dài hạn, tìm thấy tỷ lệ hội tụ hàng năm đối với mục tiêu thấp hơn 40% đối với công ty điển hình (Flannery & Rangan, 2006; Huang; & Ritter, 2009) hoặc thấp hơn 20% một khi đã tránh được thiên lệch phương pháp luận (Hovakimian & Li, 2009). Hơn nữa, theo Leary & Roberts (2005) đặc tính của một số cú sóc lâu dài ảnh hưởng hoạt động tái cân bằng. Khi đó, mức độ đầu tư công ty lớn đã thay đổi. Đối với các công ty niêm yết, quá trình điều chỉnh cấu trúc vốn hiện tại cho mục tiêu trong tương lai có thể dài hơn một thời kỳ. Điều này phù hợp với các giao dịch tài trợ lớn liên quan đến các điều chỉnh từ mục tiêu hoặc các điều chỉnh vượt xa hơn mục tiêu, ngay cả trong trường hợp tốc độ điều chỉnh cao hơn về thực chất (Hovakimian & Li, 2009). Để phù hợp với khả năng sử dụng cấu trúc tài chính với dự kiến hiệu quả cao hơn trong tương lai tiếp theo (Ross, 1977), những thúc đẩy bởi tỷ suất lợi nhuận kỳ vọng được cải thiện, chẳng hạn như khả năng sinh lời, quy mô hoặc tính hữu hình tài sản có thể thay đổi cường độ hoặc thậm chí là dấu hiệu về tác động của chúng đối với đòn bẩy hiện tại khi các giá trị trong tương lai được thực hiện thay vì các giá trị hiện tại. Cho rằng cấu trúc vốn là quyết định đầu tiên mà một công ty phải đưa ra trước khi bắt đầu một dự án đầu tư mới, chúng tôi giả thuyết rằng đòn bẩy của công ty không chỉ được giải thích bởi mục tiêu đương thời mà còn bởi đòn bẩy mục tiêu của giai đoạn tiếp theo, điều này dẫn đến giả thuyết thực nghiệm được nghiên cứu. Đòn bẩy mục tiêu tương lại được giải thích bởi các yếu của cấu trúc vốn hiện tại.

2.2. Tốc độ điều chỉnh và khả năng sinh lời

Vấn đề hạn chế tài chính xuất hiện do sự không có sẵn của dòng tiền tự do cho công ty làm tăng nhu cầu tài trợ bên ngoài có thể ảnh hưởng đến tốc độ điều chỉnh vì nó làm giảm tính linh hoạt tài chính, do đó chúng tôi đưa ra giả thuyết về mối quan hệ thuận chiều giữa dòng tiền có sẵn công ty và tốc độ điều chỉnh cơ cấu vốn mục tiêu. Chúng tôi sử dụng dòng tiền được đo bằng khả năng sinh lời. Myers (1977) lưu ý rằng những thay đổi về khả năng sinh lời ảnh hưởng đến những hạn chế bên trong và cho rằng nó có thể ảnh hưởng đến tốc độ điều chỉnh (Hovakimian, Opler & Titman, 2001). Khả năng sinh lời cung cấp quỹ (vốn) cho việc mua lại cổ phần cũng như sự ổn định tài chính để phát hành chứng khoán ở mức hấp dẫn.

  1. Phương pháp nghiên cứu

3.1. Đo lường khả năng sinh lời

Khả năng sinh lời có nghĩa là mối quan hệ giữa thu nhập kinh doanh từ tài sản vốn của doanh nghiệp. Khả năng sinh lời được đo bằng thu nhập trước thuế trên tổng tài sản. Theo POT, một công ty có thể tăng khả năng sinh lời của mình bằng cách sử dụng các quỹ bên trong của nó. Có hai lý thuyết về khả năng sinh lời: TOT và POT. TOT cho rằng bằng cách sử dụng các khoản nợ, một công ty có thể tăng khả năng sinh lời của nó, vì TOT có mối quan hệ thuận chiều giữa khả năng sinh lời và đòn bẩy. Bằng cách tăng nợ, khả năng sinh lời cũng có thể tăng và ngược lại. POT cho rằng các nhà quản lý có thông tin tốt hơn về tương lai công ty của họ hơn người ngoài và họ bảo vệ lợi ích của các cổ đông hiện tại. Họ nên sử dụng thu nhập giữ lại và nếu không có sẵn thì họ nên ưu tiên nợ hơn vốn chủ sở hữu.

3.2. Đo lường đòn bẩy tài chính

Số nợ mà công ty sử dụng để tài trợ cho tài sản của mình được gọi là đòn bẩy tài chính. Đòn bẩy tài chính là một cách để tăng cường tỷ suất lợi nhuận ước tính trong một thực thể trong khi đồng thời nó cũng là mối đe dọa đối với lợi ích của cổ đông vì nó tạo ra vấn đề để trả nợ. Đòn bẩy tài chính có thể được đo lường bằng cách chia tổng nợ công ty cho tổng tài sản của nó.

Đòn bẩy tài chính có thể được sử dụng theo giá trị thị trường hay giá sổ sách. Thông thường, giá trị sổ sách được sử dụng rộng rãi vì một số lý do: Đầu tiên xuất phát từ vai trò của khả năng sinh lợi, xem xét tác động của khả năng sinh lợi trên giá trị thị trường của tài sản, có một số mối quan hệ được dự đoán về đòn bẩy số sách kế toán (accounting leverage) không rõ ràng khi sử dụng đòn bẩy thị trường, chẳng hạn như tác động của khả năng sinh lời theo lý thuyết đánh đổi (Fama & French, 2002). Thứ hai, giá trị thị trường luôn thay đổi vì vậy không đảm bảo tính ổn định, trong khi đó đòn bẩy tính theo giá sổ sách là một biện pháp đo lường ổn định hơn trong nhiều thập kỷ so với đòn bẩy thị trường (Frank & Goyal, 2008).

3.3. Mô hình động của cấu trúc vốn

Các nghiên cứu về tài trợ nợ đã tìm thấy bằng chứng thực nghiệm về tài trợ nợ điều chỉnh của các công ty (Nivorozhkin, 2005; De Haas & Peeters, 2006). Nói cách khác, các công ty điều chỉnh tỷ lệ nợ theo tỷ lệ nợ mục tiêu là một quá trình động liên quan đến chi phí điều chỉnh. Quy mô (size) của chi phí điều chỉnh cho thấy tốc độ mà các công ty đạt được tỷ lệ nợ mục tiêu (De Miguel & Pindado, 2001).

Để xác định chi phí điều chỉnh và tốc độ điều chỉnh của các công ty, chúng tôi đề xuất tỷ lệ nợ mục tiêu là hàm số của khả năng sinh lời, quy mô công ty, tính hữu hình tài sản, cơ hội tăng trưởng và thuế suất hiệu dụng. Biểu thức cho tỷ lệ nợ mục tiêu là:

Trong đó,  là tỷ lệ nợ mục tiêu,  là các hệ số được ước lượng và là phần sai số.

Theo mô hình của De Miguel & Pindado (2001) và dựa trên bằng chứng thực nghiệm cho thấy các công ty trong mẫu nghiên cứu sử dụng chi phí điều chỉnh, xác định mô hình điều chỉnh theo tỷ lệ nợ mục tiêu như sau:

Trong đó,  và  cho thấy tỷ lệ nợ hiện tại và thời kỳ trước đó, trong khi đó  là tỷ lệ nợ mục tiêu. Hệ số  cho biết chi phí điều chỉnh và có ba tình huống có thể xảy ra tùy thuộc vào giá trị của : (i) , điều chỉnh hoàn toàn mà không cần chi phí điều chỉnh (chi phí điều chỉnh là 0) và tỷ lệ nợ của công ty bằng tỷ lệ nợ mục tiêu; (ii) , theo đó , điều này có nghĩa là tỷ lệ nợ hiện tại vẫn ở mức của giai đoạn trước bởi vì chi phí điều chỉnh quá cao (hoặc do chi phí điều chỉnh không phù hợp); (iii)  nhận các giá trị từ 0 đến 1, theo đó các công ty điều chỉnh mức nợ tỷ lệ nghịch với mức chi phí điều chỉnh.

Dựa trên phương trình (2) tỷ lệ nợ thực có thể xác định như sau:

Thế phương trình (1) vào phương trình (3), và vấn đến gặp phải là với mô hình dữ liệu bảng, mô hình động cuối cùng chúng ta có thể tính đến như sau:

Trong đó,  là tác động đặc trưng công ty,  tác động đặc trưng thời gian và  là phần sai số.

Các nghiên cứu trước đây đã chỉ ra rằng việc ước tính các mô hình dữ liệu bảng động có thể gây ra một số vấn đề. Nickell (1981) chỉ ra rằng biến phụ thuộc bị trễ có tương quan với các hiệu ứng cố định của công ty, điều này tạo ra sự sai lệch trong ước tính các hệ số của mô hình. Giải pháp cho vấn đề này là áp dụng phép biến đổi sai phân bậc một để loại bỏ cả các hiệu ứng không gian và các hiệu ứng cố định. Tuy nhiên, vấn đề không được giải quyết hoàn toàn trong trường hợp này vì vẫn còn tương quan giữa biến phụ thuộc bị trễ và các sai số khác nhau. Kết quả là, ước lượng bình phương nhỏ nhất (OLS) sẽ dẫn đến các ước lượng không đồng nhất cho các hệ số mô hình. Một vấn đề khác phải giải quyết tiếp là một số biến giải thích, khả năng sinh lời và quy mô công ty, có thể là nội sinh liên quan đến tỷ lệ nợ (Drobetz & Wanzenried, 2006).

Giải quyết vấn đề này, nên sử dụng phương pháp ước tính các biến công cụ giả định rằng tất cả các biến nội sinh đều được sử dụng. Công cụ ước tính dữ liệu bảng động do Arellano & Bond (1991) đề xuất, tức là công cụ ước tính GMM hệ thống, đã được sử dụng trong nghiên cứu này. Công cụ ước tính Arellano và Bond ban đầu thiết lập phương pháp tổng quát cho vấn đề mô men (moments) trong đó các biến công cụ được lấy từ các điều kiện mô men tồn tại giữa các giá trị trễ của các biến độc lập và các sai số. Công cụ ước tính này được gọi là công cụ ước tính GMM sai phân, trong khi phần mở rộng của nó được gọi là công cụ ước tính GMM hệ thống. GMM hệ thống giả định rằng khi chuỗi thời gian là liên tục, mức độ trễ của các biến độc lập là công cụ yếu cho các biến độc lập sai phân bậc một (Blundell & Bond, 1998). Do thực tế là tỷ lệ nợ nói chung là các biến có mức độ liên tục cao, phương trình (4) được ước tính bằng cách sử dụng công cụ ước tính GMM hệ thống. Công cụ ước tính GMM hệ thống sử dụng phương trình các cấp độ (phương trình (4)) để có được một hệ gồm hai phương trình, phương trình các cấp độ (4) và sai phân bậc một của phương trình (4).

   Công cụ cho phương trình (4) là các sai bậc trễ ( ) và công cụ cho phương trình (5) là các sai phân ( ).

Trên thực tế làm việc với số liệu thì có khá nhiều cách để xử lý vấn đề nội sinh, việc quyết định lựa chọn phương pháp nào là phụ thuộc vào: (i) Mẫu nghiên cứu có T (chiều thời gian) lớn hơn N (số đơn vị quan sát); hay N lớn hơn T; (ii) Phụ thuộc vào vấn đề nội sinh xuất hiện ở dạng nào như đã nêu ở mục 1; (iii) Vào bản  chất, quy luật kinh tế của mô hình nghiên cứu. Và từ đó có một số cách cơ bản để xử lý vấn đề nội sinh như sau: Chấp nhận sai lệch tiềm ẩn mà không làm gì cả và cũng có thể sử dụng thêm lệnh ước lượng vững (thủ tục robust); Sử dụng dữ liệu bảng (panel data) với một mô hình có thể giải quyết vấn đề nội sinh (tức là chọn phương pháp xử lý dữ liệu phù hợp với vấn đề). Tìm một biến đại diện khác phù hợp để giải quyết mô hình (tức là bỏ biến có vấn đề đi, tuy nhiên đôi khi mô hình kinh tế của chúng ta vẫn cần biến đó nghiên cứu). Sử dụng mô hình với biến công cụ chẳng hạn như:  Hồi quy IV OLS, Hồi quy 2 giai đoạn 2SLS, Hồi quy 3 giai đoạn 3SLS, Hồi quy GMM, System GMM, Difference GMM.

Việc lựa chọn cách nào để giải quyết vấn đề là tùy thuộc vào bộ dữ liệu thu thập được và bản chất của mô hình kinh tế mà chúng ta cần xử lý. Vì thế việc xem xét cẩn trọng các lý thuyết về mô hình chúng ta định xử lý là rất quan trọng, nó giúp xác định rõ bản chất kinh tế các biến, các mối quan hệ, biến nào là biến công cụ, biến nào là kiểm soát, biến nào là ngoại sinh, biến nào là nội sinh từ đó sẽ giúp kỹ thuật viên xử lý mô hình một cách tin cậy nhất.

Để kiểm tra tính nội sinh của các biến giải thích, chúng ta sử dụng kiểm định DurbinWu-Hausman. Theo Durbin (1954) và thống kê Wu-Hausman, nếu kiểm định có ý nghĩa thống kê, các biến phải được coi là nội sinh. Kết quả (bảng 1) của kiểm định này chỉ ra rằng khả năng sinh lời (Prof), tính hữu hình tài sản (Tang), cơ hội tăng trưởng (Growth) và quy mô công ty (Size) là các biến nội sinh, trong khi thuế suất hiệu dụng (Etr) biến ngoại sinh với tỷ lệ nợ ở kỳ t. Khác với nghiên cứu của Phan Thanh Hiệp (2016) cho rằng biến nội sinh trong mô hình cấu trúc vốn gồm các biến như khả năng sinh lời và các cơ hội tăng trưởng. Bởi thực tế, một quyết định gia tăng vay nợ hoặc tăng vốn chủ sở hữu nhằm tăng năng lực sản xuất thì hoàn toàn có thể ảnh hưởng đến việc tăng trưởng doanh thu của doanh nghiệp, do đó các nhân tố này là một biến nội sinh của mô hình. Trong khi đó, với nghiên cứu của Brendea (2014), thì lại cho rằng khả năng sinh lời và tính hữu hình của tài sản là các biến nội sinh, trong khi quy mô công ty và cơ hội tăng trưởng là các biến ngoại sinh.

Bảng 1. Kết quả kiểm định nội sinh

Kiểm định/Biến

Prof

Size

Growth

Tang

Etr

Durbin

0.0000

0.0047

0.0015

0.0000

0.9722

Wu-Hausman

0.0001

0.0068

0.0020

0.0000

0.9722

Ho: variables are exogenous

Nguồn: Tính toán của tác giả

Kết quả của ước tính mô hình động cũng chỉ ra rằng hệ số hồi quy của tỷ lệ nợ bị trễ thu được bằng cách sử dụng công cụ ước tính GMM hệ thống nằm giữa OLS và các công cụ ước tính hiệu ứng cố định (FEM) được cho là bị đánh giá thấp (giảm) và sai lệch hướng lên (ước tính quá mức). Bảng 3 báo cáo kết quả ước tính thu được bằng cách sử dụng công cụ ước tính GMM hệ thống.

3.4. Mẫu dữ liệu và thống kê mô tả

3.4.1. Mẫu dữ liệu

Để thu thập được những dữ liệu thứ cấp cần thiết cho cuộc nghiên cứu ta tiến hành như sau: Xác định những thông tin cần thiết cho nghiên cứu; Tìm nguồn dữ liệu; Tiến hành thu thập các thông tin; Trên cơ sở thông tin tìm kiếm được ta đánh giá và lọc lấy những thông tin cần thiết để đưa vào bài viết. Dữ liệu nghiên cứu là dữ liêu bảng với 1.062 quan sát bao gồm 118 công ty phi tài chính thuộc tất cả các ngành nghề công ty niêm yết trên hai sàn chứng khoán HOSE và HNX, không bị hủy niêm yết từ năm 2009 – 2017. Nguồn số liệu mà chúng tôi sử dụng từ Datastream của Thomson Reuters.

3.4.2. Thống kê mô tả các biến

Bảng 2. Kết quả thống kê mô tả

Biến

Quan sát

Trung bình

Độ lệch chuẩn

Nhỏ nhất

Lớn nhất

Lev

1.062

0,5152

0,2067

0,0421

1,6071

Levst

1.062

0,4151

0,1910

0,0206

1,1582

Levlt

1.062

0,1001

0,1332

0,0000

0,7990

Size

1.062

5,9104

0,6791

4,2406

7,8635

Prof

1.062

0,0793

0,0945

-0,6473

0,9937

Tang

1.062

-0,2188

0,2233

-1,6308

-0,0012

Growth

1.062

0,1578

0,3016

-0,6742

3,4541

Etr

1.062

0,1841

0,4016

-4,5733

10,4108

Nguồn: Tính toán của tác giả

Nghiên cứu này sử dụng thước đo là tỷ lệ nợ (gồm cả ngắn hạn và dài hạn) được áp dụng cho phương trình hồi quy, về mặt thực nghiệm với TOT và POT cho cả mô hình tĩnh và động. Biến phụ thuộc là tỷ lệ nợ trên vốn chủ sở hữu. Nợ của công ty bao gồm cả nợ ngắn hạn và nợ dài hạn.

Tỷ lệ nợ trên vốn chủ sở hữu = Nợ phải trả/vốn chủ sở hữu.

Các biến độc lập bao gồm: Khả năng sinh lời (Prof) là lợi nhuận trước lãi trước thuế (EBIT hoặc EBITDA) trên tổng tài sản (Flannery & Rangan, 2006; Delcoure, 2007); Tính hữu hình của tài sản (Tang) là tài sản cố định thuần khấu hao lũy kế trên tổng tài sản (Fixed assets net of accumulated depreciation to total assets) hay Tài sản cố định trên tổng tài sản (fixed asset to total asset) (Delcoure, 2007; Wanzenried, 2006); Các cơ hội tăng trưởng (Growth) là cơ hội tăng trưởng được đo lường dưới dạng thay đổi phần trăm của tổng tài sản (Growth opportunities measured as percentage change of total assets); Chi phí vốn cho tổng tài sản (Capital expenditures to total assets) (Flannery & Rangan, 2006; Ivashkovskaya & Solntseva, 2009); Quy mô công ty (Size) là Logarit tự nhiên của tổng tài sản hoặc doanh thu (natural logarithm of total asset or sales) (Rajan & Zingales, 1995; Wald, 1999; Flannery & Rangan, 2006; Solntseva, 2007, 2009); Thuế suất hiệu quả (Etr) là Thuế suất hiệu dụng được tính bằng tổng số thuế được trả theo tỷ lệ lợi nhuận trước thuế (effective tax rate measured as total tax paid as a proportion of profit before taxation) (Oino & Ukaegbu, 2015).

  1. Kết quả và kết luận

Bảng 3. Kết quả chạy mô hình bằng GMM

 Biến

LEV

LEVST

LEVLT
 

0.950***

 

              

 

[82.86]

 

              
 

 

0.946***

              

 

 

[58.23]

              
 

 

 

0.854***

 

 

 

[61.69]  

Prof

-0.271***

-0.305***

-0.016

 

[-7.12]

[-6.47]

[-0.83]  

Size

-0.0115***

-0.0117***

0.0175***

 

[-2.94]

[-3.26]

[7.03]  

Tang

-0.0179

-0.0293**

0.0120***

 

[-1.46]

[-2.00]

[2.71]  

Growth

0.160***

0.102***

0.0346***

 

[12.69]

[6.59]

[5.16]  

Etr

0.00125

0.00462

0.00231

 

[0.21]

[0.66]

[0.52]  

Cons

0.104***

0.107***

-0.0809***

 

[4.36]

[4.04]

[-5.89]  

Number of obs

944

944

944

AR(2)

0.712

0.401

0.815

Sargan test

0.358

0.715

0.241

Hansen test

0.307

0.204

0.156

t statistics in brackets

* p<0.1, ** p<0.05, *** p<0.01

Nguồn: Tính toán của tác giả

Kết quả hồi quy cho biết kết quả kiểm định sẽ có xu hướng chấp nhận AR(1) trong phương trình sai phân, nhưng điều mong đợi là bác bỏ AR(2). Bởi khi đó, các giá trị độ trễ bậc 2 hoặc lớn hơn mới có khả năng là các biến công cụ phù hợp khi áp dụng kỹ thuật GMM hệ thống. Ngược lại, nếu không thể bác bỏ AR(2) trong phương trình sai phân, chúng ta buộc phải kiểm đưa vào các bậc trễ cao hơn 2.

Sử dụng GMM hệ thống đòi hỏi phải xây dựng được một tập hợp các biến công cụ phù hợp; các biến này là độc lập với sai số của mô hình. Một mô hình được gọi là định dạng kém (under-identified), định dạng đúng (Just identified) hay định dạng quá cao (over-identified) nếu có số biến công cụ ít hơn, bằng/hoặc lớn hơn số hệ số cần ước lượng. Kiểm định Sargan/Hansen sẽ cho biết tổng quát sự phù hợp của tập hợp các biến được sử dụng làm biến công cụ, bao gồm các độ trễ và biến công cụ bên ngoài mô hình (nếu có). Theo Roodman (2006), chúng tôi sử dụng quy tắc ngón tay cái (rule of thumb) rằng số lượng biến công cụ không vượt quá số nhóm quan sát, cụ thể là số biến công cụ sẽ không vượt quá 60. Giả thuyết H0 trong kiểm định Sargan/Hansen là: Định dạng quá cao trong mô hình là phù hợp (có căn cứ). Vì vậy, giá trị p-value trong kiểm định này càng cao càng tốt.

Như vậy từ bảng 3 cho thấy với kết quả kiểm định AR(2) và các kiểm định Sargan/Hansen là đáp ứng yêu cầu về mặt thực nghiệm. Với phương pháp ước lượng cho dữ liệu ngắn về thời gian (t = 7 năm), nghiên cứu này chọn mô hình ước lượng động GMM hệ thống là mô hình có thể là tốt để phân tích kết quả thực nghiệm. Kết quả được hỗ trợ bởi nghiên cứu của Flannery & Hankins (2013) khi so sánh các phương pháp ước lượng động về cấu trúc vốn.

Bảng 4. Tốc độ điều chỉnh

Các mô hình động

Half-life

b

Log(0.5)

Log(1-b)

Log(0.5)/

Log(1-b)

Mô hình GMM cho LEV

0.050

-0.3

-0.022

14 năm

Mô hình GMM cho LEVST

0.054

-0.3

-0.024

12 năm

Mô hình GMM cho LEVLT

0.146

-0.3

-0.069

4 năm

Nguồn: Tính toán của tác giả

Kết quả (dựa vào phương pháp GMM) cũng cho thấy hệ số ước lượng q = 0,950 tương ứng với hệ số điều chỉnh đến tỉ suất nợ ( ) mục tiêu b là 5,0% (q = 1 - b). Giá trị này ở dưới mức trung bình thể hiện tốc độc điều chỉnh đến cấu trúc vốn mục tiêu là khá chậm (do chi phí điều chỉnh cao, làm chậm quá trình điều chỉnh), các công ty hoạt động khá xa cấu trúc vốn tối ưu. So sánh với hệ số điều chỉnh của các doanh nghiệp Thái Lan (Tonkong, 2012) có b = 0,63, thì tốc độc điều chỉnh của các công ty chậm hơn, cho thấy việc điều chỉnh để đạt cấu trúc vốn tối ưu của các công ty là khó khăn hơn và tốn kém hơn. Ngoài ra, từ kết quả phân tích mô hình GMM, hệ số ước lượng biến trễ tỷ lệ nợ trong ngắn hạn ( ) là 0,946 tương ứng với tốc độ điều chỉnh là 5,4%. Trong khi đó, với hệ số ước lượng biến trễ tỷ lệ nợ trong dài hạn ( ) là 0,854 tương ứng với tốc độ điều chỉnh là 14,6%.

Bảng 4 cho biết tốc độ điều chỉnh được cho bởi l và tỷ lệ nợ chu kỳ phân nửa được xác định như là thời gian (trong nhiều năm) cần để công ty điều chỉnh trở lại tỷ lệ nợ mục tiêu sau một đơn vị thời gian sóc (e), ln(0,5)/ln(1 - b) (chu kỳ phân nửa, thời gian cần thiết để độ lệch so với tỷ lệ nợ mục tiêu được giảm một nửa, được tính là ln(0,5) chia cho ln(1 - b), trong đó b là tốc độ điều chỉnh ước tính theo tỷ lệ nợ mục tiêu). Tốc độ điều chỉnh cho thấy thời gian hội tụ, làm thế nào công ty nhanh chóng hội tụ cấu trúc nợ mục tiêu của họ (Clark, Francis & Hasan, 2009; Mukherjee & Mahakud, 2010). Như vậy, từ bảng 4 cho biết các công ty trong mẫu nghiên cứu mất từ 4 năm (tỷ lệ nợ dài hạn) và 12 năm (tỷ lệ nợ ngắn hạn) để điều chỉnh tỷ lệ nợ mục tiêu. Nói cách khác, trung bình phải mất gần 4 năm (và 12 năm) để một công ty thu hẹp một nửa khoảng cách giữa mục tiêu và tỷ lệ đòn bẩy thực tế của nó (xem cách tính của Oztekin & Flannery (2012)).

Tốc độ điều chỉnh được ước tính với sự trợ giúp của mô hình dữ liệu bảng động nằm trong khoảng thời gian được xác định trong các nghiên cứu trước đó. Cho thấy các công ty niêm yết, nằm trong mức từ 5,40% - 14,6% khoảng cách giữa đòn bẩy hiện tại và mục tiêu trong vòng một năm. Cho thấy là có sự khác biệt với nghiên cứu của Nivorozhkin (2003) về các nền kinh tế thị trường mới nổi, các công ty được ước tính tốc độ điều chỉnh dao động từ 18% đến hơn 40%. Các nghiên cứu ở các nước phát triển cho thấy kết quả tương tự, như Flannery & Rangan (2006) cho rằng tốc độ khá nhạy cảm với những thay đổi đặc điểm kỹ thuật và nằm trong khoảng từ 13,3% đến hơn 30%. Các ước tính về tốc độ điều chỉnh cho thấy rằng các công ty được quan sát điều chỉnh để hướng về mục tiêu bởi tỷ lệ nợ ngắn hạn nhanh hơn so với tỷ lệ nợ dài hạn. Điều này cho thấy chi phí điều chỉnh khá lớn khi phải đối mặt khi điều chỉnh theo tỷ lệ nợ mục tiêu ngắn hạn. Với tỷ trọng nợ ngắn hạn lớn hơn nợ dài hạn trong cơ cấu nợ, điều này không đáng ngạc nhiên và có thể giải thích tốc độ điều chỉnh chậm đối với nợ ngắn hạn. Các công ty điều chỉnh cũng tương đối nhanh hơn của tỷ lệ nợ dài hạn (so với nợ ngắn hạn), vì thế chi phí điều chỉnh của nợ dài hạn cũng thấp hơn so với nợ ngắn hạn. Như vậy, có sự phù hợp với Flannery & Rangan (2006) và Mukherjee & Mahakud (2010), quá trình điều chỉnh nhanh chóng đối với tỷ lệ tối ưu cho thấy hàm ý của TOT động. Ngoài ra, Clark, Francis & Hasan (2009) đã kết luận rằng cơ chế hội tụ nhanh hơn sẽ mở rộng lợi ích của việc thu hẹp khoảng cách với nợ mục tiêu. Nhìn chung, phân tích độ nhạy đã kết luận rằng tốc độ điều chỉnh đối với nợ mục tiêu có sự khác nhau giữa tỷ lệ nợ ngắn hạn và nợ dài hạn. Điều này có thể phụ thuộc vào nhiều nguyên nhân như lạm phát, thuế, chính sách pháp luật nhà nước và đặc biệt là thị trường nợ Việt Nam chưa phát triển (mua bán trái phiếu doanh nghiệp trên thị trường).

Bảng 5. Tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh

Biến

LEV

LEVST

LEVLT
 

0.916***

 

              

 

[28.15]

 

              
 

 

0.918***

              

 

 

[20.89]

              
 

 

 

0.892***

 

 

 

[13.90]  
 

-0.948***

 

 

 

[-3.84]

 

 
 

 

-0.670*

              

 

 

[-1.66]

              
 

 

 

-0.871* 

 

 

 

[-1.81]  

Cons

0.0735***

0.0474**

0.0228***

 

[3.86]

[1.99]

[3.30]  

Number of obs

944

944

944

AR(2)

0.973

0.51

0.856

Sargan test

0.263

0.163

0.318

Hansen test

0.186

0.328

0.418

t statistics in brackets

* p<0.1, ** p<0.05, *** p<0.01

Nguồn: Tính toán của tác giả

Như vậy, các yếu tố tác động đến cấu trúc vốn và tốc độ điều chỉnh, kết quả phù hợp với kỳ vọng lý thuyết. Như trong Bảng 3 và Bảng 5, khả năng sinh lời có tác động ngược chiều cấu trúc vốn của công ty và tốc độ điều chỉnh. Mối quan hệ ngược chiều này phù hợp với POT cho thấy rằng các công ty sinh lời có khuynh hướng dựa vào lợi nhuận giữ lại như là nguồn tài trợ trước khi sử dụng nợ, điều này được đánh giá là có tương đồng với các nghiên cứu của Titman & Wessels (1988), Rajan & Zingales (1995) và Gwatidzo & Ojah (2009). Tài sản hữu hình có tác động ngược chiều đối với 2 đại diện của tỷ lệ nợ (LEV và LEVST), thuận chiều có ý nghĩa thống kê với LEVLT. Điều này phù hợp với lý thuyết đánh đổi của Jensen & Meckling (1976) cho rằng các công ty lớn có tài sản thế chấp nhiều hơn và do đó sẽ có khả năng vay thêm nợ. Tuy nhiên, tính hữu hình có tác động ngược chiều ở Việt Nam, cho thấy rằng chi phí giám sát cho các công ty có tỷ lệ cao dẫn đến các công ty hạn chế sử dụng nợ vay (Titman & Wessels, 1988). Tác động ngược chiều này có ý nghĩa cho rằng thị trường nợ ở Việt Nam ít phát triển dẫn đến chi phí giám sát cao hơn.

Trong thời gian dài, vay dài hạn ngân hàng ở Việt Nam chủ yếu được thế chấp bằng chính dự án, thị trường bất động sản biến động. Ví dụ dự án nhà ở thương mại, với sự đa dạng của các loại tài sản và quyền tài sản, nên có nhiều hình thức tài sản dùng làm tài sản bảo đảm (các quyền tài sản như là đất, công trình trên đất đang hình thành, công trình đã hoàn thành, quyền tài sản khác). Như vậy, khi thị trường biến động dẫn đến rủi ro rất cao.

Quy mô có tác động hỗn hợp lên tỷ lệ nợ có ý nghĩa 5%, phù hợp với các dự đoán của Rajan & Zingales (1995). Đối với tác động theo hướng thuận chiều, cho biết các công ty lớn có khả năng nợ lớn hơn và tiếp cận thị trường nợ tốt hơn so với các công ty nhỏ. Theo chiều ngược lại, các công ty lớn phải đối mặt với mức độ bất cân xứng thông tin thấp hơn và do đó chi phí vốn cổ phần thấp hơn so với các doanh nghiệp nhỏ. Điều này là do các công ty lớn hơn dễ dàng tiếp cận hơn vào thị trường vốn chủ sở hữu (bổ sung từ lợi nhuận để lại và phát hành thêm cổ phiếu mới) và do đó ít phụ thuộc vào nợ.

Cuối cùng, tác động thuận chiều của tăng trưởng lên tỷ lệ nợ và tốc độ điều chỉnh, cho thấy rằng các doanh nghiệp có cơ hội tăng trưởng thích phát hành nợ hơn là vốn chủ sở hữu trong trường hợp không đủ thu nhập, theo POT. Tác động thuận chiều giữa các cơ hội tăng trưởng và tỷ lệ nợ của các được quan sát và có ý nghĩa thống kê, phù hợp với các các phát hiện của Titman & Wessels (1988) và Barclay, Smith & Watts (1995). Các công ty có nhiều cơ hội tăng trưởng hơn tài sản mà công ty đã đầu tư sẽ phải đối mặt với nhiều bất cân xứng thông tin giữa các nhà đầu tư bên ngoài và quản lý về chất lượng của các dự án công ty.

  1. Kết luận và hướng nghiên cứu tiếp theo

5.1. Kết luận

Tác động khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh cấu trúc vốn chúng tôi đã kiểm định bằng mô hình với số liệu thực nghiệm để đánh giá tốc độ mà tại đó các doanh nghiệp điều chỉnh mức đòn bẩy của họ. Các kết quả thực nghiệm cho thấy rằng các doanh nghiệp tìm kiếm một đòn bẩy mục tiêu. Sự phụ thuộc của mức độ đòn bẩy của công ty về đặc điểm cố định thường được hiểu là có lợi cho TOT hoặc POT. Đối với các doanh nghiệp niêm yết ở Việt Nam, khả năng sinh lời có quan hệ ngược chiều với đòn bẩy phù hợp với dự đoán POT của Myers hơn là TOT. Tuy nhiên, khi có chi phí điều chỉnh, có thể sẽ thấp (chậm) hơn nếu các công ty không hoàn toàn điều chỉnh mức đòn bẩy của mình, ngay cả khi công ty nhận ra rằng mức đòn bẩy không phải là tối ưu. Đồng thời phân tích các yếu tố ảnh hưởng đến cấu trúc vốn của các niêm yết ở thị trường chứng khoán Việt Nam bởi mô hình động cấu trúc vốn. Kết quả phân tích mô hình động cấu trúc vốn thu được nhiều thông tin khi xét đến tính động trong việc chọn lựa cấu trúc vốn. Đồng thời kết quả kiểm định cho thấy mô hình ước lượng động theo GMM hệ thống là tin cậy để phân tích kết quả thực nghiệm cho các công ty ở Việt Nam.

Theo đó, cấu trúc vốn bị tác động của các yếu tố như là cơ hội tăng trưởng (tác động thuận chiều) (Ivashkovskaya & Solntseva, 2007; Delcoure, 2007), khả năng sinh lợi (tác động ngược chiều) và tính hữu hình tài sản (tác động thuận chiều và ngược chiều) (Ivashkovskaya & Solntseva (2007, 2009). Trong khi các yếu tố như quy mô có tác động thuận chiều đến tỷ lệ nợ (Chen, 2004; Delcoure, 2007). Các tác động này chỉ ra POT chiếm ưu thế trong việc giải thích các quyết định về cấu trúc vốn của các doanh nghiệp so với TOT. Ngoài ra, kết quả cũng khẳng định tốc độ điều chỉnh đến cấu trúc vốn mục tiêu của công ty trong mẫu nghiên cứu, hàm ý chi phí điều chỉnh là tương đối lớn so với chi phí của sự mất cân bằng, dẫn đến các công ty hoạt động khá xa so với tỷ lệ nợ mục tiêu.

5.2. Hướng nghiên cứu tiếp theo

Về mặt thực nghiệm, một mô hình có thể dự báo tốt ngoài kỹ thuật kinh tế lượng, còn một vấn đề quan trọng đó là làm thế nào để không bỏ sót biến. Như vậy, với những giới hạn từ nghiên cứu này (chủ yếu là tác động của khả năng sinh lời lên cấu trúc vốn và tốc độ điều chỉnh), chúng ta có thể mở rộng thêm phạm vi nghiên cứu ở cấp vĩ mô vào mô hình ví dụ như lạm phát và tốc độ tăng trưởng kinh tế của một quốc gia hoặc có thể xem xét yếu tố thương mại. Để từ đó có thể cung cấp một cái nhìn toàn diện hơn về những yếu tố còn có thể ảnh hưởng đến cấu trúc vốn của công ty hay tốc độ điều chỉnh của chúng.

 

Tài liệu tham khảo

  1. Aybar-Arias, C., Casino-Martínez, A., and López-Gracia, J. (2012), ‘On the adjustment speed of SMEs to their optimal capital structure’, Small business economics, No. 39(4), pp. 977-996.
  2. Byoun, S. (2008), ‘How and when do firms adjust their capital structures toward targets?’, The Journal of Finance, No. 63(6), pp. 3069-3096.
  3. Đặng Thị Quỳnh Anh và Quách Thị Hải Yến (2014), ‘Các nhân tố tác động đến cấu trúc vốn của DN niêm yết trên Sở Giao dịch chứng khoán Tp. HCM (HOSE)’, Tạp chí Phát triển & Hội nhập, số 18 (28).
  4. Đặng Văn Dân và Nguyễn Hoàng Chung (2017), ‘Các yếu tố tác động đến cấu trúc vốn của các công ty niêm yết tại Việt Nam’, Tạp chí Kinh tế Đối ngoại, số 91.
  5. Drobetz, W., and Wanzenried, G. (2006), ‘What determines the speed of adjustment to the target capital structure?’, Applied Financial Economics, No. 16(13), pp. 941-958.
  6. Elsas, R., and Florysiak, D. (2011), ‘Heterogeneity in the speed of adjustment toward target leverage’, International Review of Finance, No. 11(2), pp. 181-211.
  7. Flannery, M. J., and Rangan, K. P. (2006), ‘Partial adjustment toward target capital structures’, Journal of financial economics, No. 79(3), pp. 469-506.
  8. Frank, M. Z., and Goyal, V. K. (2008), ‘Trade-off and pecking order theories of debt’, In Handbook of empirical corporate finance (pp. 135-202). Elsevier.
  9. Hiệp, T., và Phan, T. (2016), ‘Các nhân tố ảnh hưởng đến cấu trúc vốn của doanh nghiệp công nghiệp: Nghiên cứu từ mô hình GMM’,Tạp chí Tài chính, số (634), tr.
  10. Kythreotis, A., Nouri, B. A., and Soltani, M. (2018), ‘Determinants of Capital Structure and Speed of Adjustment: Evidence from Iran and Australia’,International Journal of Business Administration, No. 9(1), pp, 88-113.
  11. Nguyễn Thị Huyền Trang, Trần Văn Tuyến và Nguyễn Văn Điệp (2016), ‘Tốc độ điều chỉnh cấu trúc vốn mục tiêu của các doanh nghiệp niêm yết tại Việt Nam’, Tạp chí Kinh tế & Phát triển, số 225, tr. 63-72.
  12. Oino, I., and Ukaegbu, B. (2015), ‘The impact of profitability on capital structure and speed of adjustment: An empirical examination of selected firms in Nigerian Stock Exchange’, Research in International Business and Finance, No. 35, pp. 111-121.
  13. Öztekin, Ö., and Flannery, M. J. (2012), ‘Institutional determinants of capital structure adjustment speeds’, Journal of financial economics, No. 103(1), pp. 88-112.
  14. Phạm Tiến Minh và Nguyễn Tiến Dũng (2015), ‘Các nhân tố ảnh hưởng cấu trúc vốn từ mô hình tĩnh đến mô hình động: Nghiên cứu trong ngành bất động sản Việt Nam’, Tạp chí Phát triển Kinh tế, số 6(26).
  15. Trần Hùng Sơn (2012), ‘Tốc độ điều chỉnh cấu trúc vốn mục tiêu của các doanh nghiệp niêm yết tại Việt Nam’, Tạp chí Kinh tế và Ngân hàng Châu Á, số

 

 

 

 

[1] Trường Đại học Tài chính – Marketing – email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.

[2] Trường Đại học Tài chính – Marketing – email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.

hacklink al fethiye escort hack forum organik hit istanbul escortultrabet girişbetofficecasibomhttps://ayvalikzeytinyagi.org/casino siteleriultrabetbankobetyouwinjojobetMostbet KZbeylikdüzü escortbetgitcasibom 736betmatikotobetPomeranian Boo beyazbetlike girişbuy x followersbuy x followersgrandpashabetarchoops.com deneme bonusu2025 slot sitelericasino siteleri www.piercehome.comçevrim şartsız deneme bonusu 2025cast ajans esenyurt escortyabancı dizi izleseri filmlercasinolevantcasinolevantJet film izleBC.GamePusulabetBetebetMariobetVdcasinoTarafbetTipobetBahsegelOnwinSahabetMatbetBets10JojobetCasibommakrobet girişperabet giriştürk film izlefilmimajbet-imajbet giriş1080p filmporno filmsikiş seyretpornoسكسافلام سكسsex hattıucuz sex hattısikiş filmleribeste casino på nettlilibet norgelilibet norgeonline cricket bettingonline casino indiaMikiカジノ 評判Mikiカジノonwinオンラインカジノ　違法yabancı dizi izlecasinolevantcasibom güncelbywincasino siteleripusulabetUltrabet güncel girişpusulabet girişWindows LisansPusulabet güncel girişreynabetmarsbahis güncelzbahismatadorbetcasinolevantmarsbahis girişmeritkingbahis sitelerisahabettipobetmariobettarafbetroketbetzbahismatadorbetsupertotobetbrawl stars elmas hilesisahabettipobetmariobettarafbetroketbetzbahismatadorbetsupertotobetsahabet1xbettarafbetroketbetmatadorbetsupertotobetvozol likitceltabetbetgarantijojobetbettiltBetturkeybetandyoualfabahisrolibetrexbetbahsegelpalacebetcratosroyalbetmarsbahisbankobetMadridbetMadridbetcasibom736grandpashabet 2209446 marsbahiscasibom güncel girişiqos heetsmarsbahistipobetotobetcasibom girişzbahiszbahiszbahiszbahiscasibompusulabet girişsweet bonanzaBurç Yorumlarıbrawl stars elmas hilesiDeneme Bonusu Veren Siteleristanbul escortonwinbetewinotobetxslotbetpubliczbahisGrandpashabet1xbetCasinomaxiCasinometropolBetpasonwinvaycasino girisMadridbet GirişPusulabetcrypto casinoscrypto sports bettingbest crypto casinosnakitbahisdumanbetvaycasinoultrabetdinamobetcasino siteleritipobetbetkanyonkralbetkulisbetbetebetotobetcasibombetkomotobetotobetzbahiszbahisbahsegelsekabet girişnorabahis girişmeritking cumaSahabetno deposit bonus casinonew online casinos ontariotaraftarium24taraftarium24taraftarium24online casino ontariokralbetcrypto casinomeritkingbycasinokralbetpusulabetligobetGrandpashabetGrandpashabetotobetbetnanomarsbahiscasibomcountertop near meköpek sahiplendirmetiosbet kayıt adresibekabetbetpipocasilothipercasinocasinoslotBeinnowsantosbettingmercurecasinofavorislotrcasinoCasinowinistekbetbetyaphiperwindiyarbetcasipolhanedanbetlotobetakulabetbetnisnisbarruyabetcrosbetnisbarvaycasinobahiscentpalacebetkazandrabetbets10betchipmaximcasinocasinopluspradabetfestwinvdcasinoilelebetdiscountcasinobetmuzecasiverabahislionmaslakcasinobetzmarkbetmoonpumabetcratossportingbetitalyavitrinbetbetexenrinosbetbahislifezagabetgencobahiswbahisfashionbetbetbeyloyalbahisbetmoneyatlantisbetyorkbetlimrabetbetmatikbetturkeyjojobet girişonwinstarzbet girişmatadorbet girişlive casinobetting sitesmatadorbetonline bettingonline casinoFixbetOtobetStarzbetcasibomjake johnson movies and tv showshttps://mangavagabond.online/de/cratosroyalbetCratosroyalbet girişPalacebetbetwildPalacebet girişradissonbetRoyalbetbetwoonRoyalbet girişBetwild girişhızlıbahisspincomaxwinsuperbetdamabetsuperbet girişDamabet girişBycasinodr dre net worthhenry cavill brotherscasibomcasibomotobetBetturkeynorabahiszbahissahabetbetgitcasibom girişcasibomfixbet mobil girişbahiscomtipobetstarzbetbycasinofixbetRusya Çalışma Vizesimeritbetcasibombettiltotobetotobetotobetaltyazılı film izlehacklink panelCASİBOM GİRİŞgamdom girişceltabetbigbroggalabet güncel girişmeritkingcasibom girişbuy twitter followers redditGrandpashabetimajbet girişcasibom güncel girişmadridbetGrandpashabetGrandpashabet girişpusulabet twitterjojobetbetexpercasibom girişimajbet-imajbet girişonion sitesPornoankara evden eve nakliyat1xbet1xbet girişcar accident lawyerjojobet girişyeni bahis siteleri1xbet1xbet giriş1xbet güncel girişpusulabet1xbet güncel girişjojobetvevobahiseKuralkanmatbet girişcasinolevantmatbet girişdeneme bonusu veren sitelerwwwkavbet543.comwwwtumbet716.comcratoslot548.com732bahis.comhitbetultrabetbettiltilbethazbetwinxbetzbahisfixbetbetlotoradissonbetotobetbetewinbetnanosuperbetinbetwoonbetkanyonvevobahisbetsmovemaltcasinomilanobetbetexpermilanobetparibahisyouwinwinxbetmavibetmavibetgalabetAvcılar escortAvcılar escortinterbahislimanbetpulibettimebetcasibomcasibomcasibomgoldenbahiscasibomimajbetmatbetsekabetsahabetonwinmarsbahisholiganbetmatadorbetcasinomaximobilbahisrestbetpinbahisjojobetcasibomdeneme bonusu veren sitelerbethousemeritkingmarsbahisCasibom girişimajbetmatbetjojobetholiganbetsekabetonwinsahabetgrandpashabet1xbetcasibomjojobetmobilbahisbets10betciopadişahbetkingbettingklasbahisroyalbetsonbahisfacebook video indirkalebetceltabetqueenbetmilanobetfixbetfixbetfixbet girişfixbet girişzbahiszbahis girişzbahis twitterimajbetholiganbetmostbetmeritbetgrandpashabetsahabetsekabetonwinmatbetimajbetcasibomjojobetholiganbetbetturkeyotobetmeritkingfixbetbahiscomtrendbetpusulabetjann mardenborough crashroadhouse castanderson cooper partnervegamovies animecasibomcasibom girişhabersamsun habersahabetCanlı bahis sitelerisophie rain leakbetturkeybetturkeybetturkey girişbetturkey twitterhit botuextrabetcasibommariobettaraftarium24 canlı maç izler6 stat trackerjustin tvcanli casinocasibomaresbetjustin tvbetparkbetmarinosuperbetinbetwoonextrabet girişextrabet girişextrabetextrabet girişextrabetvirabet girişleakyantrasehjuDeneme Bonusu Veren Siteler 2024matadorbetmatadorbet girişCasino sitelerijojobetCasibomsekabet girişsekabetOlabahismarsbahismarsbahis girişbetcioBETCİOBETCİO GİRİŞbetcio girişbetcio güncelgiftcardmall/mygiftgrandpashabetcasibombeylikdüzü escortistanbul escortsultangazi escortweb traffic botpusulabetartemisbetpusulabetelexbetkalebetmillibahismillibahismillibahisbetmooncasibom girişbets10 girişmobilbahis girişpusulabetpusulabetjojobet girişbetciovbet girişcasibomgrandpashabet girişistanbul escortsahabet girişcasibom girişmadridbetcasibomcasibom girişcasibomCASİBOMSahabet1xbet girişbetcupbetcupbahigongsbahisjojobet güncel girişjojobet girişjojobetodeonbet deneme bonusudeneme bonuslarıdeneme bonusu veren sitelergüncel deneme bonusugüncel deneme bonusu veren sitelerzbahiscasibombycasinopiabellacasinosekabetmaltcasinoasyabahissahabetslot dünyasıtipobetmatadorbetxslotdumanbetmadridbetholiganbetzlotteslabahisteslabahisevabetbahismorebethouseGaziemir EscortBuca EscortKonak EscortMuratpaşa EscortKepez EscortKültür EscortGölcük Escortİzmit EscortSerdivan EscortBuca Escort - İzmir Escort - Gaziemir Escort - İzmir Bayanordu masaj salonuordu masaj salonuAlsancak Escortİzmit EscortGölcük EscortBayraklı EscortBalçova EscortBalçova EscortBalçova EscortNarlıdere EscortGüzelbahçe EscortAnkara Temizlikİzmit EscortKartepe EscortÇayırova EscortBüyükçekmece EscortGölcük EscortBornova EscortSapanca EscortGebze EscortAlsancak EscortGölcük escortKörfez EscortKonak EscortBayraklı EscortAlsancak EscortAlsancak EscortGaziemir EscortKonak EscortKartepe Escortİzmit EscortSapanca EscortBuca EscortÇeşme Escortİzmit EscortSerdivan Escort İzmit EscortSapanca EscortBornova EscortÜsküdar EscortKonak Escortkocaeli escort sahibinden izmit escortBakırköy Escort sakarya escortGebze Escortİzmit Escortordu masaj salonuordu masaj salonuAtaşehir EscortmariobetsahabetGrandpashabetbahiscasino girişBeylikduzu escortBeylikduzu escortİzmir Escortİzmir Escort İzmir Escortİzmir Escortİzmir Escortaresbet girişbetgit girişARESBET GİRİŞaresbet girisaresbet girişaresbet girişaresebet girişizmir escortaresbet girişaresbet girisbetgit girişsohbet hattıbetgit girisbetgit girişbetgit girisbetgit girisbetgit girişbetgit girişbetgit girisbetkanyon girisbetkanyon girişbetkanyon girişbetgit girişbetkanyon girişbetkkanyon girişistanbul escortweneme wonusu weren sitelarweneme bonuwu weren sitelewweneme bonusu weren witelerweneme bonusu weren witelerweneme bonwusu werin sitelerweneme wonucu weren sitelerweneme porn siteleri bonusporndonomo bonoso voron sotolordanama banasa varan porn siteleriporn siteleri weneme wonusuchild porn7dak.com bonusu veren siteler pornosudomlepen.com bahis siteleri7dak.com bonusu veren sitelerporndinimi binisi varan sitilir 2024 pornveneme vonusu weren sotolordinimi binisi varan sitilir porn porn veneme vonusu weren sotolorbonus veren sitelerchild porn bonusdinimi binisi virin sitilircisini sitiliri online pornDanama bonusa weren satalerWeneve vonusu veren child porn siteleriWeneve vonusu veren child porn sitelericasina sitelaribehis sitelariギャンブルDunumu bunudu veran ditelradinimi child porn siteleribihis sitiliriDunumu bunudu veran ditelreGinimi vonusu veren sitolerdinimi child porn sitelerideneme porn bonusu sex tumblrtumblr porn siteschild porn sextumblr porn bonusGinimi vonusu veren sit0lersex deneme bonusu child porn sitelericasino site porndeneme bonusu sex porn veren siteler child pornchild porn deneme bonusu veren siteler sexdeneme sex bonusu veren siteler pornosuveneme vonusu veren sitolarcasino sex sitelericasino porn siteleri sexchild pornbohis sitolari 2044cosino sitolari porn donomi bonisi voron jasino sitelericasino porn sex siteleri childcasino siteleri milf pornsex siteleri casino milfdonomi bonisi voron jasino sitelerichild porn deneme bonusu veren siteler sex sex deneme bonusu child porn siteleridinimi bonusi child porn siteleri2000 porn deneme siteleri HD sexbedava deneme pornosu child porn 3500 HD linkhemen deneme child porndoeda bonusu veren siteler child pornHDabla casino siteleri child pornxnxxdeneme sex bonusu veren porn siteleri HDdanimi bonusa viran sitolardeneme sex bonusu veren porn child siteleri HDsex deneme bonusu child porn siteleriDunumu bunudu veran ditelra hd pornChild porn deneme sexdoeda.net anal siteleri pornchild porn deneme bonusu sex sitelerimilf sex siteleri deneme child sex siteleri bonusdeneme bonusu veren siteler child pornmilf sex child porn bonuschild porn denemesex bonusu siteleriporn deneme sexybahis siteleri sexchild porn bonus deneme HDchild porn github deneme pornchild porn bonusu deneme sexerotic deneme bonusu veren porn siteleri milfsex bedava deneme