CHƯƠNG 4 : CÁC KHUYẾN NGHỊ, HẠN CHẾ CỦA ĐỀ TÀI
4.3 HƯỚNG NGHIÊN CỨU TIẾP THEO
Do còn nhiều hạn chế trong thu thập dữ liệu và xử lí số liệu nên nghiên cứu chưa đưa ra được mơ hình tối ưu thích hợp cho vấn đề đặt ra. Chính vì vậy, bài nghiên cứu vẫn cịn chưa hồn chỉnh và kết quả cần kiểm tra thêm.
Kết quả này cũng cho thấy có nhiều vấn đề cần tìm hiểu thêm và phân tích sâu hơn về cách thức quản trị vốn luân chuyển. Một số hướng nghiên cứu tiếp theo cho đề tài có thể là khả năng thanh khoản của doanh nghiệp, độ nhạy cảm của vốn luân chuyển với hiệu quả hoạt động của doanh nghiệp cùng với số lượng quan sát lớn hơn và thời gian dài hơn.
Tuy vậy, như đã đề cập ở trên, Phương pháp D-GMM ngoài những ưu điểm cũng có những hạn chế nhất định khi tác giả muốn mở rộng với khoảng thời gian
nghiên cứu dài hơn và số doanh nghiệp lớn hơn, để khắc phục tồn tại, hạn chế này có thể sử dụng phương pháp ước lượng PMG để cho ra kết quả là các tham số có giá trị trung bình nhất quán và cho phép các tham số độc lập trong tồn bộ nhóm mà khơng xét đến tính đồng nhất có thể có giữa các nhóm. Ưu điểm của phương pháp PMG là co phép đặc tính năng động trong ngắn hạn khác nhau giữa các đơn vị bảng trong khi ràng buộc các hệ số trong dài hạn giống nhau. Ngoài ra, phương pháp PMG làm nổi bật đặc tính hiệu chỉnh năng động giữa dài hạn và ngắn hạn. như vậy, ước lượng PMG cho phép:
(i) Ước lượng các hệ số co giãn dài hạn;
(ii) Xác định tốc độ hiệu chỉnh để trở về cân bằng trong dài hạn; (iii) Kiểm tra tính bền vững của ước lượng D-GMM.
KẾT LUẬN
Tác giả đã nghiên cứu mối quan hệ giữa quản trị vốn luân chuyển và hiệu quả hoạt động của doanh nghiệp với mẫu nghiên cứu gồm 206 doanh nghiệp niêm yết trên Sở Giao dịch Chứng khoán Tp. HCM (HOSE) và Sở Giao dịch Chứng khoán Hà Nội (HNX) từ năm 2007 đến năm 2013. Bài viết đi qua nhiều phương pháp ước lượng trong kinh tế lượng như POOLED thông thường, POOLED sử dụng biến giả, FE, RE, GMM để đi đến kết luận sử dụng phương pháp D-GMM nhằm xử lý tốt vấn đề nội sinh, tự tương quan, phương sai sai số thay đổi và quan trọng hơn cả là có thể chủ động điều chỉnh các biến nội sinh và ngoại sinh trong thủ tục GMM và IV dựa trên lý thuyết và thực tiễn để cuối cùng có kết quả ước lượng hợp lý nhất. Bài nghiên cứu tìm thấy mối quan hệ nghịch biến và có ý nghĩa giữa các thành phần Vốn luân chuyển và khả năng sinh lời từ hoạt động của doanh nghiệp. Kết quả này hoàn toàn nhất quán với đa phần các nghiên cứu trước đây ở trong và ngoài nước.
Kết quả nghiên cứu cũng đã tìm thấy quản trị vốn luân chuyển được đo lường bằng chu kỳ luân chuyển tiền mặt (CCC) và các thành phần của nó (RCP, ICP và PDP) có tác động âm lên hiệu quả thị trường (TQ) của các doanh nghiệp. Tuy nhiên, mức độ tác động là không lớn với mức ý nghĩa thống kê α = 5%, riêng kỳ thu tiền khách hàng (RCP) chỉ có ý nghĩa ở mức α = 10%.
Nhìn chung, bài viết đã cung cấp bằng chứng thực nghiệm về mối quan hệ giữa quản trị vốn lưu động và hiệu quả hoạt động của các doanh nghiệp Việt Nam. Kết quả thực nghiệm của nghiên cứu này cho thấy rằng các nhà quản trị tài chính của doanh nghiệp có thể chú trọng đến hoạt động tài chính của mình để gia tăng khả năng sinh lời qua đó gia tăng giá trị tài sản cho cổ đông và cải thiện giá trị doanh nghiệp.
Tác giả cũng đề xuất hướng nghiên cứu tiếp theo khi phát triển thêm phương pháp PMG nhằm khai thác đặc tính năng động trong ngắn hạn để đạt được cân bằng trong dài hạn nhằm khắc phục các nhược điểm của phương pháp D-GMM.
Từ Thị Kim Thoa & Nguyễn Thị Uyên Uyên, 2014. Mối quan hệ giữa quản trị vốn luân chuyển và khả năng sinh lợi: Bằng chứng thực nghiệm ở VN. Tạp chí Phát triển & Hội nhập, Số 14 (24), trang 62-70.
Trần Ngọc Thơ, 2007. Tài chính doanh nghiệp hiện đại. Hà Nội: Nhà xuất bản
Thống kê.
Tổng Cục Thống Kê, 2014. Niên giám Thống kê tóm tắt năm 2013. Hà Nội: Nhà
xuất bản Thống kê
Danh mục tài liệu tiếng Anh
Abuzayed, B., 2012. Working Capital Management and Firms’ Performance in Emerging Markets: The Case of Jordan. International Journal of Managerial
Finance, Vol. 8, Issue 2, pp.155 – 179.
Akoto, R.K., Awunyo-Vitor, D., & Angmor, P.L., 2013. Working capital management and profitability: Evidence from Ghanaian listed manufacturing firms. Journal of Economics and International Finance, Vol.5 (9), pp. 373-
379.
Altman, E., 1968. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, Vol. 23, No. 4, pp. 589-609 [online] Available at: <http://www.jstor.org/stable/2978933> [Last accessed 08 August 2014].
Arellano, M. and Bond, S., 1991. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. The Review of
Economic Studies, Vol. 58, No. 2, pp. 277 – 297.
Arnold, G., 2008. Corporate financial management. 4th ed. Harlow: Financial
Times Prentice Hall.
Azhar, N. & Noriza, M., 2010. Working Capital Management: The Effect of Market Valuation and Profitability in Malaysia. International Journal of Business
Bhattacharya, H., 2001. Working Capital Management: Strategies and Techniques.
New Delhi: Prentice Hall.
Brealey, R., Myers, S.C., & Allen, F., 2006. Principles of Corporate Finance. 8th
ed. New York, NY: Mc Graw Hill-Irwin.
Charitou, M., Elfani, M. and Lois, P., 2010. The Effect of Working Capital Management On Firm’s Profitability: Empirical Evidence From An Emerging Market. Journal of Business & Economics Research, Vol. 8, No.
12, pp. 63-68.
Deloof, M., 2003. Does Working Capital Management Affect Profitability of Belgian Firms?. Journal of Business Finance and Accounting, Vol. 30, No. 3&4, pp. 573-587.
Dewing, A. S., 1941. The Financial Policy of Corporations. 4th ed. New York: The Ronald Press Company.
Dong, Huynh Phuong & Jhy-tay Su, 2010. The Relationship between Working Capital Management and Profitability A Vietnam Case. International Research Journal of Finance and Economics, Issue 49, pp. 59-67.
Drukker, D. M., 2003. Testing for serial correlation in linear panel-data models.
Stata Journal, Vol. 3, pp. 168-177.
Eljelly, A., 2004. Liquidity-Profitability Tradeoff: An Empirical Investigation in An Emerging Market. International Journal of Commerce & Management, Vol. 14, No. 2, pp. 48-60.
Erasmus, P., 2010. The Relationship Between Working Capital Management and Profitability for south African Listed Industrial Firms. The Business Review, Cambridge, Vol. 15, No. 1, pp. 183-188.
Falope, O.I. and Ajilore, O.T., 2009. Working Capital Management and Corporate Profitability: Evidence from Panel Data Analysis of Selected Quoted
Filbeck, G., Krueger, T., & Preece, D., 2007. CFO Magazine’s Working Capital Survey: Do Selected Firms Work for Shareholders?. Quarterly Journal of Business & Economics, Vol. 46 (2), pp. 3-22.
Garcia, Martins & Brandao, 2011. The Impact of Working Capital Management upon Companies’ Profitability Evidence from European Companies. FEP
Working Papers, n. 438.
Garcia-Teruel, P. J. and Martínez-Solono, P., 2007. Effects of Working Capital Management on SME Profitability. International Journal of Managerial Finance, Vol. 3, No. 2, pp. 174-177.
Gill, A., Biger, N. and Neil, M., 2010. The Relationship Between Working Capital Management And Profitability: Evidence From The United States. Business and Economics Journal, Vol. 10, pp. 1-9.
Guthmann, H.G. and Dougall, H.E., 1948. Corporate Financial Policy. 2nd ed.
New York: Prentice-Hall. Inc.
Hansen, L.P., 1982. Large Sample Properties of Generalized Methods of Moments Estimators. Econometrica, Vol. 50, Issue 4, pp. 1029-1054.
Holtz-Eakin, D., Newey, W. and Rosen, H.S., 1988. Estimating vector autoregressions with panel data. Econometrica, Vol. 56, No. 6, pp. 1371-
1395.
Kieschnick, R., LaPlante, M., Moussawi, R. & Baranchuk, N., 2006. Corporate Working Capital Management: Determinants and Consequences. Working
Paper. University of Texas: Dallas, pp. 1-33.
Kim, C., Mauer, D. and Sherman, A., 1998. The determinants of corporate liquidity: theory and evidence. Journal of Financial and Quantitative Analysis, Vol.
33, No. 3, pp. 335-59.
Lamberson, M., 1995. Changes in working capital of small firms in relation to changes in economic activity. Mid-American Journal of Business, Vol. 10
Exchange. Journal of Financial Management and Analysis, Vol. 18, No. 1,
pp. 26-35.
Losbichler, H., Mahmoodi, F. and Rothboeck, M., 2008. Creating Greater Shareholder Value from Supply Chain Initiatives. Supply Chain Forum: An International Journal, Vol. 9, No. 1, pp. 82-91.
Mansoori, E. & Muhammad, J., 2012. The effect of working capital management on firm's profitability: Evidence from Singapore. Interdisciplinary Journal of Contemporary Research in Business, Vol. 4, No. 5, pp. 472-486.
Mathuva, D.M., 2010. The Influence of Working Capital Management Components on Corporate Profitability: A Survey on Kenyan Listed Firms. Research Journal of Business Management, 4 (1), pp. 1-11.
Mehta, A., 2014. Working Capital Management and Profitability Relationship- Evidences from Emerging Markets of UAE. International Journal of Management Excellence, Vol. 2, No. 3, pp. 195-202.
Mohammad, A., 2011. Working Capital Management and Corporate Profitability Evidence from Iran. World Applied Sciences Journal, 12 (7), 1093-1099. Mousavi, Z., & Jari, A., 2012. The Relationship between Working Capital
Management and Firm Performance - Evidence from Iran. International Journal of Humanities and Social Science, Vol. 2, No. 2, pp. 141-146.
Myers, S., 1984. The Capital Structure Puzzle. Journal of Finance, Vol. 39, No. 3,
pp. 575-92.
Napompech, K., 2012. Effects of Working Capital Management on the Profitability of Thai Listed Firms. International Journal of Trade, Economics and Finance, Vol. 3, No. 3, 227-232.
Nazir, M. S., and Afza, T., 2009. Impact of Aggressive Working Capital Management Policy on Firms’ Profitability. The IUP Journal of Applied
Iss: 2, pp.147-156.
Nobanee, H., and Haddad, A.E., 2014. Working Capital Management and Corporate Profitability of Japanese Firms. The Empirical Economics Letters, 13 (1), pp. 39-44.
Opler, T., Pinkowitz, L., Stulz, R. and Williamson, R., 1999. The determinants and implications of corporate cash holdings. Journal of Financial Economics,
Vol. 52, No. 1, pp. 3-46.
Padachi, K., 2006. Trends in working capital management and its impact on firms’ performance: an analysis of Mauritian small manufacturing firms.
International Review of Business Research Papers, Vol. 2, No. 2, pp. 45-58.
Peel, M. and Wilson, N., 1996. Working capital and financial management practices in the small firm sector. International Small Business Journal, Vol. 14, No.
2, pp. 52-68
Pouraghajan, A., & Emamgholipourarchi, M., 2012. Impact of Working Capital Management on Profitability and Market Evaluation - Evidence from Tehran Stock Exchange. International Journal of Business and Social Science, Vol.
3, No. 10, pp. 311-318.
Raheman, A., and Nasr, M., 2007. Working Capital Management and Profitability- Case of Pakistan Firms. International Review of Business Research Papers, Vol. 3, No. 1 , pp. 279-300.
Rafuse, M. E., 1996. Working Capital Management: An Urgent Need to Refocus.
Journal of Management Decision, Vol. 34, No 2, pp. 59-63.
Roodman, D., 2006. How to do xtabond2: an introduction to “Difference” and “System” GMM in Stata. Center for Global Development Working Paper
Number 103.
Profitability: Empirical Evidence from India. Global Business Review, 12
(1), pp. 159-173.
Shin, H., and Soenen, L., 1998. Efficiency of Working Capital and Corporate Profitability. Financial Practice and Education, Vol. 8, No. 2, pp. 37-45. Su, F., 2001. The impact of the change of business cycle in manufacturing industry.
Unpublished master’s dissertation, Department of Accounting, National Cheng Chi University, Taiwan.
Taghizadeh, K.V., Akbari K.M. and Ebrati, M.R., 2012. An Investigation of the Association between Working Capital Management and Corporate Performance. International Journal of Management and Business Research, Vol. 2, No. 3, pp. 203- 218.
Vural, G., Sưkmen, A., Çentenak, E. H. 2012. Affects of Working Capital Management on Firm’s Performance - Evidence from Turkey. International Journal of Economics and Financial Issues, Vol. 2, No. 4, pp. 488-495.
Wang, Y.J., 2002. Liquidity Management, Operating Performance, and Corporate Value: Evidence from Japan and Taiwan. Journal of Multinational Financial
Management, Vol. 12, No. 2, pp. 159-169.
Wooldridge, J. M. 2010. Econometric Analysis of Cross Section and Panel Data.
Mơ hình (1.1)
GOPit = β0+ β1(CCCit) + β2(SIZEit) + β3(GROWTHit) + β4(LEVit)
+ β5(FARit) + β6(VNOIit) + β7(GDPt) + εi _cons .4013267 .069275 5.79 0.000 .2654355 .537218 GDP .0550956 .050638 1.09 0.277 -.044237 .1544281 VNOI .7572143 .0394166 19.21 0.000 .6798939 .8345346 FAR -.0524793 .0293167 -1.79 0.074 -.1099874 .0050289 LEV -.197399 .0181942 -10.85 0.000 -.2330892 -.1617089 GROWTH .0164479 .0066015 2.49 0.013 .0034983 .0293974 SIZE -.0047765 .0026287 -1.82 0.069 -.009933 .00038 CCC -.0000964 .000013 -7.42 0.000 -.0001218 -.0000709 GOP Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 39.7386558 1441 .027577138 Root MSE = .13297 Adj R-squared = 0.3588 Residual 25.3548728 1434 .017681222 R-squared = 0.3620 Model 14.383783 7 2.05482615 Prob > F = 0.0000 F( 7, 1434) = 116.22 Source SS df MS Number of obs = 1442 . regress GOP CCC SIZE GROWTH LEV FAR VNOI GDP
GDP .0983401 .0310633 3.17 0.002 .0373972 .1592831 VNOI .6264223 .0439101 14.27 0.000 .5402754 .7125693 FAR .1586679 .0307034 5.17 0.000 .098431 .2189048 LEV -.2235559 .0255099 -8.76 0.000 -.2736037 -.173508 GROWTH .027311 .0044132 6.19 0.000 .0186527 .0359692 SIZE .0407286 .0078929 5.16 0.000 .0252435 .0562137 CCC -.0000377 .0000121 -3.12 0.002 -.0000614 -.000014 GOP Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 39.7386558 1441 .027577138 Root MSE = .08088 Adj R-squared = 0.7628 Residual 8.04039497 1229 .006542225 R-squared = 0.7977 Model 31.6982608 212 .149520098 Prob > F = 0.0000 F(212, 1229) = 22.85 Source SS df MS Number of obs = 1442 . regress GOP CCC SIZE GROWTH LEV FAR VNOI GDP i.Congty
F test that all u_i=0: F(205, 1229) = 12.91 Prob > F = 0.0000 rho .72887252 (fraction of variance due to u_i)
sigma_e .08088402 sigma_u .13261778 _cons -.8390867 .2096447 -4.00 0.000 -1.250388 -.4277856 GDP .0983401 .0310633 3.17 0.002 .0373972 .1592831 VNOI .6264223 .0439101 14.27 0.000 .5402754 .7125693 FAR .1586679 .0307034 5.17 0.000 .098431 .2189048 LEV -.2235559 .0255099 -8.76 0.000 -.2736037 -.173508 GROWTH .027311 .0044132 6.19 0.000 .0186527 .0359692 SIZE .0407286 .0078929 5.16 0.000 .0252435 .0562137 CCC -.0000377 .0000121 -3.12 0.002 -.0000614 -.000014 GOP Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.2396 Prob > F = 0.0000 F(7,1229) = 79.64 overall = 0.1990 max = 7
rho .62090485 (fraction of variance due to u_i)
sigma_e .08088402 sigma_u .10351449 _cons .0295291 .1235417 0.24 0.811 -.2126083 .2716664 GDP .0798589 .0314434 2.54 0.011 .0182309 .141487 VNOI .5952715 .0387382 15.37 0.000 .519346 .671197 FAR .1126938 .028892 3.90 0.000 .0560665 .169321 LEV -.1987432 .0218083 -9.11 0.000 -.2414868 -.1559997 GROWTH .0226264 .0043947 5.15 0.000 .014013 .0312398 SIZE .0083381 .0046581 1.79 0.073 -.0007916 .0174678 CCC -.0000475 .0000116 -4.08 0.000 -.0000703 -.0000247 GOP Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(7) = 628.07 overall = 0.3204 max = 7 between = 0.3294 avg = 7.0 R-sq: within = 0.3001 Obs per group: min = 7 Group variable: Congty Number of groups = 206 Random-effects GLS regression Number of obs = 1442
(V_b-V_B is not positive definite) Prob>chi2 = 0.0000
= 60.89
chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg GDP .0983401 .0798589 .0184812 . VNOI .6264223 .5952715 .0311508 .0206747 FAR .1586679 .1126938 .0459741 .0103901 LEV -.2235559 -.1987432 -.0248126 .0132345 GROWTH .027311 .0226264 .0046846 .000404 SIZE .0407286 .0083381 .0323904 .0063718 CCC -.0000377 -.0000475 9.79e-06 3.19e-06
Difference (null H = exogenous): chi2(3) = 5.34 Prob > chi2 = 0.148 Sargan test excluding group: chi2(0) = 0.00 Prob > chi2 = . gmm(GROWTH, lag(2 2))
Difference-in-Sargan tests of exogeneity of instrument subsets: (Not robust, but not weakened by many instruments.)
Sargan test of overid. restrictions: chi2(3) = 5.34 Prob > chi2 = 0.148 Arellano-Bond test for AR(2) in first differences: z = -0.51 Pr > z = 0.609 Arellano-Bond test for AR(1) in first differences: z = -0.26 Pr > z = 0.793 L2.GROWTH
GMM-type (missing=0, separate instruments for each period unless collapsed) D.(CCC LEV GDP L.SIZE L.GROWTH L.FAR L3.VNOI)
Standard
Instruments for first differences equation
GDP .1432993 .0611055 2.35 0.019 .0232969 .2633017 VNOI .9766797 .3229244 3.02 0.003 .3425032 1.610856 FAR -.302267 .6406315 -0.47 0.637 -1.560374 .9558399 LEV .2402075 .1982385 1.21 0.226 -.149104 .629519 GROWTH -.0502122 .0250032 -2.01 0.045 -.0993148 -.0011096 SIZE -.3363607 .1174569 -2.86 0.004 -.567029 -.1056924 CCC -.0000878 .0000303 -2.90 0.004 -.0001473 -.0000283 GOP Coef. Std. Err. t P>|t| [95% Conf. Interval] Prob > F = 0.000 max = 3 F(7, 611) = 15.40 avg = 3.00 Number of instruments = 10 Obs per group: min = 3 Time variable : Year Number of groups = 206 Group variable: Congty Number of obs = 618 Dynamic panel-data estimation, one-step difference GMM
GOPit = β0+ β1(RCPit) + β2(SIZEit) + β3(GROWTHit) + β4(LEVit) + β5(FARit) + β6(VNOIit) + β7(GDPt) + εi _cons .4295716 .0673994 6.37 0.000 .2973596 .5617837 GDP .0523356 .0492469 1.06 0.288 -.0442682 .1489393 VNOI .7167163 .0385379 18.60 0.000 .6411197 .792313 FAR -.0292647 .0286258 -1.02 0.307 -.0854176 .0268882 LEV -.1853035 .0177357 -10.45 0.000 -.2200942 -.1505127 GROWTH .0131256 .0064188 2.04 0.041 .0005343 .0257168 SIZE -.0052799 .0025551 -2.07 0.039 -.0102921 -.0002676