Phân tích Báo cáo tài chính: Ý nghĩa và phương pháp

Phân tích Báo cáo tài chính: Ý nghĩa và phương pháp
Ngày 28 tháng 12 năm 2007
Trong bài Tổng quan về Báo cáo tài chính tôi đã giới thiệu với các bạn những nội
dung chính như: Báo cáo tài chính là gì? Tại sao phải lập Báo cáo tài chính? Nguyên
tắc lập? Ai là người lập? và Ai là người sử dụng Báo cáo tài chính?
Tuy nhiên, để đọc và hiểu được Báo cáo tài chính của một doanh nghiệp thì không
phải ai cũng làm được. Vì vậy, bài này tôi sẽ giới thiệu với các bạn cách để đọc và
phân tích Báo cáo tài chính. Từ đó bạn sẽ có cái nhìn, có cách đánh giá tình hình tài
chính của một doanh nghiệp một cách hiệu quả và sát thực.
1. Ý nghĩa và các mục tiêu phân tích báo cáo tài chính
Phân tích báo cáo tài chính xét theo nghĩa khái quát đề cập tới nghệ thuật phân tích và
giải thích các báo cáo tài chính. Để áp dụng hiệu quả nghệ thuật này đòi hỏi phải thiết
lập một quy trình có hệ thống và logic, có thể sử dụng làm cơ sở cho việc ra quyết
định. Trong phân tích cuối cùng, việc ra quyết định là mục đích chủ yếu của phân tích
báo cáo tài chính. Dù cho đó là nhà đầu tư cổ phần vốn có tiềm năng, một nhà cho vay
tiềm tàng, hay một nhà phân tích tham mưu của một công ty đang được phân tích, thì
mục tiêu cuối cùng đều như nhau - đó là cung cấp cơ sở cho việc ra quyết định hợp lý.
Các quyết định xem nên mua hay bán cổ phần, nên cho vay hay từ chối hoặc nên lựa
chọn giữa cách tiếp tục kiểu trước đây hay là chuyển sang một quy trình mới, tất cả sẽ
phần lớn sẽ phụ thuộc vào các kết quả phân tích tài chính có chất lượng. Loại hình
quyết định đang được xem xét sẽ là yếu tố quan trọng của phạm vi phân tích, nhưng
mục tiêu ra quyết định là không thay đổi. Chẳng hạn, cả những người mua bán cổ
phần lẫn nhà cho vay ngân hàng đều phân tích các báo cáo tài chính và coi đó như là
một công việc hỗ trợ cho việc ra quyết định, tuy nhiên phạm vị chú ý chính trong
những phân tích của họ sẽ khác nhau. Nhà cho vay ngân hàng có thể quan tâm nhiều
hơn tới khả năng cơ động chuyển sang tiền mặt trong thời kỳ ngắn hạn và giá trị lý
giải của các tài sản có tính cơ động. Còn các nhà đầu tư cổ phần tiềm năng quan tâm
hơn đến khả năng sinh lợi lâu dài và cơ cấu vốn. Tuy nhiên, trong cả hai trường hợp,
sự định hướng vào việc ra quyết định của công tác phân tích là đặc trưng chung.
Có hai mục đích hoặc mục tiêu trung gian trong phân tích báo cáo tài chính, đồng thời
là mối quan tâm cho mọi nhà phân tích thông minh.

- Thứ nhất, mục tiêu ban đầu của việc phân tích báo cáo tài chính là nhằm để "hiểu
được các con số" hoặc để "nắm chắc các con số", tức là sử dụng các công cụ phân tích
tài chính như là một phương tiện hỗ trợ để hiểu rõ các số liệu tài chính trong báo cáo.
Như vậy, người ta có thể đưa ra nhiều biện pháp phân tích khác nhau nhằm để miêu tả
những quan hệ có nhiều ý nghĩa và chắt lọc thông tin từ các dữ liệu ban đầu.
- Thứ hai, do sự định hướng của công tác phân tích tài chính nhằm vào việc ra quyết
định, một mục tiêu quan trọng khác là nhằm đưa ra một cơ sở hợp lý cho việc dự đoán
tương lai. Trên thực tế, tất cả các công việc ra quyết định, phân tích tài chính hay tất
cả những việc tương tự đều nhằm hướng vào tương lai. Do đó, người ta sử dụng các
công cụ và kĩ thuật phân tích báo cáo tài chính nhằm cố gắng đưa ra đánh giá có căn
cứ về tình hình tài chính tương lai của công ty, dựa trên phân tích tình hình tài chính


trong quá khứ và hiện tại, và đưa ra ước tính tốt nhất về khả năng của những sự cố
kinh tế trong tương lai.
Trong nhiều trường hợp người ta nhận thấy rằng, phần lớn công việc phân tích báo
cáo tài chính bao gồm việc xem xét cẩn thận, tỷ mỉ các báo cáo tài chính, thậm chí cả
việc đọc kỹ lưỡng hơn đối với các chú thích và việc sắp xếp lại hoặc trình bày lại các
số liệu sẵn có để đáp ứng nhu cầu của người phân tích. Khi đó, người ta có thể hỏi tại
sao không thể chấp nhận các báo cáo tài chính đã chuẩn bị theo các mệnh giá, nói
cách khác là tại sao lại “can thiệp vào các con số” ngay từ đầu? Câu trả lời hiển nhiên
là, hầu như luôn luôn phải có can thiệp đôi chút để “hiểu rõ các con số”. Nhìn chung,
đòi hỏi phải có sự phân tích nào đó với tư cách là bước đầu tiên đối với báo cáo tài
chính đã được chuẩn bị nhằm chắt lọc các thông tin từ các số liệu trình bày trong báo
cáo. Thứ hai, hầu hết các quyết định được thực hiện trên cơ sở phân tích báo cáo tài
chính là khá quan trọng, cho nên việc chấp nhận các số liệu tài chính đã trình bày lúc
đầu thường là một cách làm không tốt. Về mặt tài chính, hầu hết các quyết định đều
đòi hỏi phải sử dụng một kết cấu logic, trong đó, các cảm nghĩ và các kết luận có thể
được phát triển một cách có hệ thống và có ý kiến đánh giá hợp lý.
2. Công cụ phân tích Báo cáo tài chính

Hiện này, công cụ thường được sử dụng trong phân tích báo cáo tài chính là Phân
tích tỷ lệ. Việc sử dụng các tỷ lệ cho phép người phân tích đưa ra một tập hợp các con
số thống kê để vạch rõ những đặc điểm chủ yếu về tài chính của một số tổ chức đang
được xem xét. Trong phần lớn các trường hợp, các tỷ lệ được sử dụng theo hai
phương pháp chính. Thứ nhất, các tỷ lệ cho tổ chức đang xét sẽ được so sánh với các
tiêu chuẩn của ngành. Có thể có những tiêu chuẩn của ngành này thông qua các dịch
vụ thương mại như của tổ chức Dun and Bradstreet hoặc Robert Morris Associates,
hoặc thông qua các hiệp hội thương mại trong trường hợp không có sẵn, các tiêu
chuẩn ngành cho ngành đã biết hoặc do tổ chức mà ta đang xem xét không thể dễ
dàng gộp lại được thành một loại hình ngành “tiêu chuẩn”. Các nhà phân tích có thể
đưa ra một tiêu chuẩn riêng của họ bằng cách tính toán các tỷ lệ trung bình cho các
công ty chủ đạo trong cùng một ngành. Cho dù nguồn gốc của các tỷ lệ là như thế nào
cũng đều cần phải thận trọng trong việc so sánh công ty đang phân tích với các tiêu
chuẩn được đưa ra cho các công ty trong cùng một ngành và có quy mô tài sản xấp xỉ.
Công dụng lớn thứ hai của các tỷ lệ là để so sánh xu thế theo thời gian đối với mỗi
công ty riêng lẻ. Ví dụ, xu thế số dư lợi nhuận sau thuế đối với công ty có thể được
đối chiếu qua một thời kỳ 5 năm hoặc 10 năm. Rất hữu ích nếu ta quan sát các tỷ lệ
chính thông qua một vài kỳ sa sút kinh tế trước đây để xác định xem công ty đã vững
vàng đến mức nào về mặt tài chính trong các thời kỳ sa cơ lỡ vận về kinh tế.
Đối với cả hai phạm trù sử dụng chính, người ta thường nhận thấy rằng “trăm nghe
không bằng mắt thấy” và việc mô tả các kết quả phân tích dưới dạng đồ thị thường rất
hữu ích và xúc tích. Nếu ta chọn phương pháp này để trình bày các kết quả thì tốt nhất
là nên trình bày cả tiêu chuẩn ngành và xu thế trên cùng một biểu đồ. Các tỷ lệ tài
chính then chốt thường được nhóm lại thành bốn loại chính, tuỳ theo khía cạnh cụ thể
về tình hình tài chính của công ty mà các tỷ lệ này muốn làm rõ. Bốn loại chính, xét
theo thứ tự mà chúng ta sẽ được xem xét ở dưới đây là:
a. Khả năng sinh lợi: Các tỷ lệ “ở hàng dưới cùng” được thiết kế để đo lường năng


lực có lãi và mức sinh lợi của công ty.

b. Tính thanh khoản: Các tỷ lệ được thiết kế ra để đo lường khả năng của một công
ty trong việc đáp ứng nghĩa vụ thanh toán nợ ngần ngắn hạn khi đến hạn.
c. Hiệu quả hoạt động: Đo lường tính hiệu quả trong việc sử dụng các nguồn lực của
công ty để kiếm được lợi nhuận.
d. Cơ cấu vốn (đòn bẩy nợ / vốn): Đo lường phạm vi theo đó việc trang trải tài chính
cho các khoản vay nợ được công ty thực hiện bằng cách vay nợ hay bán thêm cổ
phần. Có hàng loạt tỷ lệ trong mỗi loại nêu trên. Ta sẽ xem xét tuần tự từng loại và sẽ
khảo sát các tỷ lệ chính trong mỗi nhóm.
Nguồn: haitvonline.blogspot.com Sưu tầm và tổng hợp
kienthuctaichinh.com
Nhãn: Báo cáo tài chính, Kinh tế, Tài chính doanh nghiệp

Khi đăng lại bài viết này vui lòng ghi rõ nguồn
Trang chủ |

E-mail | Bản In | Bookmark to | Lên đầu trang

Cảm ơn bạn đã ghé thăm kiến thức tài chính[.]com, hi vọng các bạn sẽ tìm thấy
nhiều kiến thức bổ ích. Để tiết kiệm thời gian, bạn nên sử dụng tiện ích Tìm kiếm
hoặc đọc bản tin RSS. Nếu bạn muốn theo dõi thường xuyên các bài viết hãy đăng ký
nhận bản tin mới. Và nếu bạn có thắc mắc hay góp ý gì về các bài viết, xin hãy để lại
nhận xét của mình bằng cách nhấp vào Gửi nhận xét của bạn. Xin cảm ơn!
Khuyến cáo: Mọi thông tin trên trang kienthuctaichinh.com được sửu tầm, tổng hợp
từ các nguồn đáng tin cậy và chỉ mang tính tham khảo. Chúng tôi không chịu bất kỳ
trách nhiệm nào về những hậu quả có thể xảy ra do sử dụng các thông tin của bài
viết.
Các nhận xét về bài viết
Hiện tại
Có 11 nhận xét

•

# Ngày 29/10/08 08:58,

Nặc danh viết…

You vẫn chưa cho một vài ví dụ cụ thể. Nên còn tổng quát quá.Tien day hoi
you luon,cac cong ty dich vu nhu Bao Minh thi vay tien o dau?vay de lam gi?
no tra truoc o dau ra?Noi chung la ve cac khoan no.Sorry, khong the danh chu
co dau duoc nua roi!


•

# Ngày 6/11/08 18:21,

vietphuong viết…

Quá chung chung bạn ơi! mình nghĩ phải có thêm phần cần phải liên kết các
công thức đã tính với nhau đó mới là điều quan trọng để thấy dc cốt lõi vấn đề.


•

# Ngày 6/11/08 18:26,

haitvonline viết…

Chào các bạn. Đây đúng là bài viết rất tổng quát về việc phân tích báo cáo tài
chính. Để phân tích được báo cáo TC, chúng ta cần rất nhiều kiến thức và

không thể nói hết trong 1 hay 2 bài viết. Chúng tôi đang cố gắng để giới thiệu
tiếp với bạn đọc các phần còn lại. Mong các bạn thông cảm.
Chúc thành công.

•

# Ngày 15/11/08 23:56,

Nặc danh viết…

Với bài viết trên, nếu là người chưa biết đọc BCTC, khi đọc xong họ sẽ vẫn
không thể đọc, không hiểu các con số trong bctc nói lên cái gì :( Còn với
những người có thể đọc thì tôi nghĩ bạn hãy chia sẻ với mọi người :)
Vậy nên tôi mạn phép nói 1 cách rất sơ cua thôi vì tự biết trình độ có hạn.
Báo cáo tài chính là công cụ cuối cùng để chọn ra những công ty tốt, để đầu
tư.
Trước đó chúng ta phải lọc theo ngành, xu hướng thị trường của ngành, vốn
điều lệ của cty đó so với các công ty khác trong ngành, các chỉ số cơ bản như
PE, ROA, ROE, EPS, … Cần lưu ý rằng tất cả các chỉ số kia có tuyệt đẹp thì
cũng không thể đảm bảo cho 1 cổ phiếu của công ty đó sẽ tăng giá trong tương
lai bởi có nhiều yếu tố chi phối. Chúng ta phải nhận ra và biết kết hợp các yếu
tố này trong việc dự đoán.
Và xin nhớ rằng các chỉ số trên được tính tại 1 thời điểm cố định trong hiện
tại, và điều đó đồng nghĩa với việc nó hoàn toàn có thể thay đổi trong tương
lai theo cả hai chiều hướng tốt và xấu. Vậy một nhà đầu tư giỏi là người biết
dự đoán các chỉ số trên ở tương lai của nó chứ ko phải ở hiện tại. Vậy làm sao
để biết được chúng trong tương lai?
Chúng ta không thể biết chính xác nhưng có thể dự đoán với xác suất cao bằng
cách nhìn vào các khả năng của công ty trong tương lai. Trong tương lai mặt
hàng công ty đó kinh doanh sẽ như thế nào ? Đầu vào liệu có biến động gì

không ? Tình hình tài chính nói chung trong hiện tại và tương lai gần là tốt hay
xấu v.v…Tình hình tài chính của các công ty thuộc các lĩnh vực khác nói
chung là tốt hay xấu ?


Một vd cụ thể để hiểu vấn đề này :
Cổ phiếu của nhiệt điện Phả Lại, mã PPC tại thời điểm thị trường đang xấu có
các chỉ số rất đẹp, nếu mua nó không có gì phải bàn.
(nói thêm chút xíu là tại sao nó đẹp : điện là ngành năng lượng, chủ yếu là
thủy điện chỉ có 1 khấu hao duy nhất là khấu hao máy móc. Đầu vào là gì ?
Nước. Nước có mất tiền mua không? Không. Đầu ra thì không bao giờ thiếu.
Vậy các chỉ số của nó đẹp là điều tất nhiên.
Khi thị trường bắt đầu uptrend, vì nó mới chỉ bắt đầu thoát ra khỏi “ vùng xấu
“ nên chỉ số của PPC vẫn được coi là đẹp so với các CP khác. Nhiều nhà đầu
tư lão luyện nghĩ bụng với những chỉ số như mơ như vậy, khi mà thị trường
bắt đầu uptrend, còn gì tuyệt hơn là mua vào và đợi một món lợi lớn. Và điều
xảy ra thì đã không như họ mong đợi. PPC rớt giá ! Câu hỏi là tại sao.
Nhiều nhà đầu tư, kể cả NĐT lão luyện đều nhìn vào nhiều cái quá cao siêu
mà ko để ý tới những cái bé nhỏ. Điện thì không thể có đột phá về lợi nhuận
được, hay nói cách khác là nếu tình hình có tốt đến thế nào, doanh thu ngành
điện là khó tăng nhiều, đơn giản là họ không thể phá giá điện và cũng khó có
thể tăng sản lượng- đó là việc của nhà nước .
Khi mà các CP khác có mức đột phá về lợi nhuận, nó sẽ thu hút các nhà đầu
tư. Tổng tiền là không đổi, đương nhiên khi tiền chảy về chỗ này nhiều thì chỗ
kia sẽ phải ít đi. Chỗ ít trở thành chỗ kém hấp dẫn, thanh khoản thấp. và do
vậy giá down là chuyện ắt xảy ra..
Kết thúc phần nói qua loa 1 chút trước khi đi vào BCTC
Để đọc được BCTC 1 cách chi tiết thì không đơn giản, nhưng đối với nhà đầu
tư mới thì cũng có cách :
Có 1 số thứ cần quan tâm sau đây :

1. Dòng tiền : tiền và các thứ liên quan đến tiền
2. Lợi nhuận
3. Nợ ngắn hạn
4. Hàng tồn kho
5. Các khoản phải chi
6. Dự trữ, dự phòng
Tôi không nói các cái khác không quan trọng, nhưng với những người mới thì
những chỉ số trên vừa là để xem lướt tương đối ok, vừa là để học cách xem
BCTC sâu hơn sau này.
1. Dòng tiền : nói lên quy mô hoạt động của DN ở thời điểm nào đó. Dòng tiền
mà tăng thì chứng tỏ quy mô hoạt động của DN đó đang mở rộng. Nói chung
dòng tiền càng nhiều càng tốt, nhưng không phải lúc nào mở rộng sx cũng là
tốt cả, chúng ta phải xem với từng tình hình cụ thể ở từng thời điểm cụ thể.
2. Lợi nhuận (nói chung) :Lợi nhuận thu được là tăng hay giảm, xem lợi nhuận
thu được là do công ty mở rộng sản xuất, kinh doanh hiệu quả ( từ 1 lời 2 rồi
lời 3 rồi lời 4 …vd như vậy ) hay là chỉ đơn giản tại 1 thời điểm nào đó, do 1
nguyên nhân khách quan, giá sản phẩm của công ty đó tăng giá do 1 nguyên
nhân nào đó (vd như trời đột ngột rét đậm, các cty bán chăn trúng lớn chẳng
hạn) . Công ty được hưởng sái mà thực chất họ chả có gì thay đổi về chất.
v.v…Rồi lợi nhuận đó họ thu được có phải từ ngành chính của họ không?
Chiếm bao nhiêu phần trăm? Hay do những khoản đầu tư bên ngoài mang tính
thời vụ…
3. Nợ ngắn hạn cho thấy khả năng quay vòng vốn của DN, nhưng nó cũng cho


thấy quy mô SX, nó liên quan đến dòng tiền. Dòng tiền không đổi hoặc ít đi
mà nợ ngắn hạn tăng lên thì tức là có vấn đề. Còn nếu 2 thằng cùng tăng thì fải
xem xét, có thể DN mở rộng sx, họ fải vay nhiều hơn để sx nhiều hàng hóa
hơn. Không sao bởi nếu bán được hang thì lợi nhuận cũng sẽ lớn hơn.
4. Hàng tồn kho cũng là 1 yếu tố rất quan trọng, đặc biệt khi thị trường rơi vào

khủng hoảng. Những DN giải quyết đc hàng tồn kho sẽ là những DN có khả
năng sống sót cao. Nó cũng cho thấy khả năng tiêu thụ, quay vòng vốn của 1
DN.
5. Các khoản phải chi : Cái này cần phải xem khi thị trương nói chung đang
trong tình trạng xấu, khủng hoảng. Khi đó nếu DN biết lường trước được
khủng hoảng, họ sẽ có những biện pháp cắt giảm chi phí một cách kịp thời, họ
sẽ giảm các khoản phải chi xuống. Nói cách khác họ có bộ máy quản trị tốt và
có khả năng chuẩn bị, dự đoán dự báo tình hình tốt.
6. Dự trữ: Đặc biệt quan trọng trong khủng hoảng. Nếu DN không có dự trữ
đủ mạnh thì chỉ cần 1 tác động nhỏ cũng có thể làm nó phá sản.
Trên đây là những gì chung chung nhất để mọi người có thể hình dung ra cách
đọc 1 BCTC
Thân ái, Patrician !

•

# Ngày 17/11/08 08:53,

haitvonline viết…

Chúng tôi - kiến thức tài chính rất cảm ơn vì những chia sẻ của bạn.

•

# Ngày 29/11/08 17:11,

Quang viết…

Tôi muốn xem phân tích cụ thể về một bản báo cáo cụ thể của một cty cụ thể.
Cám ơn

YM: ytuongquang

•

# Ngày 30/11/08 15:10,

Nặc danh viết…

to Quang: bạn có thể qua trang danketoan.com để lấy tài liệu về 1 Cty cụ thể.
Chúc bạn thành công.

•

# Ngày 28/3/09 10:16,

Nặc danh viết…


phân tích một báo cáo tài chính ko đơn giản như vậy mà cần phải chi ra được
ý nghĩa của mỗi con số. có một vài chỉ tiêu tăng là tốt nhưng một số chỉ tiêu
tăng chưa chắc là tốt.chúng ta cần một khung cho các chỉ tiêu.

•

# Ngày 3/4/09 11:46,

luu viết…

em đang phải làm một đề tài nghiên cứu khoa học có tên là phân tích báo cáo
tài chính của BIDV năm 2006-2007. các bác giúp em cái "sươn" với. thanks

các bác rất nhiều

•

# Ngày 9/4/09 09:18,

Nặc danh viết…

mình cũng đang làm luận án tốt nghiệp về đề tài tài chính
bác nào có cái đề cương về phân tích tài chính và 1 số biên pháp nâng cao hiêu
quả sử dụng tài chính thi gui mail cho mình nha
thanks nhiêu
mail :

•

# Ngày 25/5/09 22:41,

Nặc danh viết…

em đọc báo cáo tài chính thấy khoản mục doanh thu thuần thường bằng hoặc
lớn hơn tiền thu được từ hoạt động kinh doanh trong lưu chuyển tiền tệ.
Nhưng sao có trường hợp nó lại nhỏ hơn. em không hiểu. bác nào biết xin giải
thích giúp em. meolua

Structural Equation Modeling (SEM) là một trong những kỹ thuật nghiên cứu
mạnh nhất hiện nay được ứng dụng trong rất nhiều lĩnh vực nghiên cứu như
sinh học, kinh tế học, giáo dục, marketing, quản lý, hoá học cũng như các ngành
khoa học xã hội khác.
Kỹ thuật nghiên cứu SEM ngày càng được nhiều nhà nghiên cứu sử dụng thông qua

các mô hình nghiên cứu chuyên nghiệp hoá như AMOS, EQS, LISREL…
SEM ưu việt hơn so với các kỹ thuật nghiên cứu trước đây ở các nội dung phân tích
như “phân tích nhân tố”, phân tích hồi qui... nhờ tính linh hoạt của nó, đặc biệt đối với
việc (i) Mô hình hóa mối quan hệ giữa các biến độc lập và phụ thuộc; (ii) Xây dựng
các biến ẩn trung gian (iii) Mô hình hoá các sai lệch khi đo lường các biến quan sát,


và (iv) Kiểm định việc đo lường và mô hình được xây dựng thông qua dữ liệu thu
thập được.
Chương trình SAV - Chương trình Phát triển năng lực quản lý hợp tác giữa Thuỵ Sĩ,
Việt Nam và Viện Công nghệ châu Á (Thái Lan) hỗ trợ 1 khoá học duy nhất về
phương pháp phân tích, xử lý số liệu thống kê AMOS tại Hà nội dành riêng cho các
nhà nghiên cứu, giảng viên, các chuyên viên nghiên cứu thị trường, marketing.
Khoá học khai giảng ngày 23/11/2006.
Thông tin chi tiết về khoá học và đăng ký tham dự tại:
Trung tâm nghiên cứu và tư vấn về quản lý (CRC), Trường ĐH Bách khoa Hà
Nội
Phòng 210, Tòa nhà Việt - Đức
Số 1 Đại Cồ Việt, Hà Nội
Tel: (84 4) 868 4773; Fax: (84 4) 868 4287

Phân tích số liệu và biểu đồ bằng R

Vietsciences- Nguyễn Văn Tuấn-Nguyễn Đình Nguyên
05/08/2006
Bài 1. Giới thiệu R, một phần mềm (hay nói đúng hơn là một ngôn ngữ thống kê
học) dùng cho phân tích số liệu và vẽ biều đồ. Nội dung gồm có: hướng dẫn cách
tải phần mềm R và thư viện của R cho phân tích số liệu; cách nhập dữ liệu vào R;
cách biên tập dữ liệu sao cho R có thể xử lí; và một số phương pháp tính toán đơn
giản.

Bài 2. Thống kê mô tả. “Vạn sự khởi đầu nan”, học là phải học từ căn bản. Do
đó, chủ trương của phần này không phải là tính toán, mà sẽ chú trọng đến ý nghĩa
và khái niệm của một số phương pháp phân tích thống kê mô tả, như ý nghĩa và
sự khác biệt giữa quần thể (population) và mẫu (sample), giữa thông số
(parameters) và ước số (estimates), giữa độ lệch chuẩn (standard deviation) và
sai số chuẩn (standard error), v.v… Nhiều người vẫn tưởng mình thông hiểu các
khái niệm này, nhưng rất tiếc là rất nhiều người hiểu sai, cho nên cần phải ôn một
số khái niệm căn bản đó.
Bài 3. Phân tích bằng biểu đồ. Biểu đồ là một phương tiện không thể thiếu
được trong phân tích số liệu, và cách thức thiết kế biểu đồ đòi hỏi một suy nghĩ
cẩn thận. Trong bài này, tôi sẽ giới thiệu một số biểu đồ thông dụng trong phân
tích thống kê, và cách vẽ chúng bằng ngôn ngữ R.
Bài 4. Phân tích thống kê mô tả, bao gồm kiểm định thống kê hai nhóm (twosample tests) như kiểm định t, kiểm định Chi bình phương (Chi square test), kiểm
định nhị phân (Binomial test), và một số phương pháp kiểm định phi thông số
(non-parametric tests).
Bài 5. Kiểm định thống kê hơn 2 nhóm bao gồm phân tích phương sai
(analysis of variance) đơn giản và phân tích phương sai đa chiều. Ngoài ra, sẽ bàn
qua về các hình thức thí nghiệm cross-over và factorial cùng những phương pháp
phương sai để phân tích các thí nghiệm này.
Bài 6. Phân tích hồi qui tuyến tính (linear regression analysis) sẽ giới
thiệu mô hình và ý nghĩa (cách diễn dịch) của các thông số trong mô hình. Sẽ bàn
qua phân tích hồi qui tuyến tính nhiều biến (tức multiple linear regression), và các


phương pháp [mới] để tìm một “mô hình tối ưu”. Khái niệm về một mô hình tối ưu
cũng sẽ được giới thiệu.
Bài 7. Phân tích hồi qui logistic (logistic regression model) là một trong
những phát triển mới trong ngành thống kê học, rất có ích cho việc phân tích các
biến phi liên tục hay các biến chỉ có hai giá trị (như sống/chết, có/không,
thích/không thích, v.v…). Mô hình phân tích hồi qui logistic cũng sẽ được bàn thảo

bằng những ví dụ cụ thể và thực tế.
Bài 8. Ước tính cỡ mẫu (sample size determination) là một bước cực kì quan
trọng trong bất cứ một công trình nghiên cứu nào, cho nên trong phần này, tôi sẽ
bàn qua khái niệm “power” và hai loại sai số (type I và type II errors) trong suy
luận khoa học, cùng ảnh hưởng của chúng đến việc ước tính cỡ mẫu. Sau khi bàn
qua các khái niệm này, tôi sẽ giới thiệu một số phương pháp tính cỡ mẫu bằng R.
Bài 9. Phân tích tổng hợp (meta-analysis) là một phương pháp được phát
triển vào thập niên 1970s để tổng hợp các nghiên cứu một cách có hệ thống. Cho
đến nay phương pháp này được ứng dụng cực kì rộng rãi trong tất cả các bộ môn
khoa học. Do đó, tôi sẽ nhân cơ hội giới thiệu mô hình và phương pháp phân tích
tổng hợp bằng R.

Tất cả các bài giảng sẽ được minh họa bằng những ví dụ cụ thể, và kèm theo mã
R để học viên có thể tự mình phân tích. Ngoài ra, các mã và dữ liệu (datasets) sử
dụng trong lớp học sẽ được đưa lên mạng để học viên có thể tải về máy tính mà
không cần phải gõ lại.

NHỮNG PHƯƠNG PHÁP PHÂN TÍCH RỦI RO
DỰA TRÊN XÁC SUẤT
Thursday, 16. April 2009, 08:51:00

Trong bảng, NPV của dự án đầu tư có thể từ -2.484.000 USD đến + 4.444.000 USD.
Câu hỏi tiếp theo thường xuất hiện với nhà quản trị là xác suất của mỗi tình huống sẽ
bằng bao nhiêu? Câu hỏi này có thể được trả lời bằng cách tính toán những tham số
của phân phối xác suất NPV – như là NPV kỳ vọng, độ lệch chuẩn …- hoặc nó có thể
được trả lời bằng tính xác suất của từng tình huống cụ thể. Trước tiên, chúng ta sẽ
giải quyết phương pháp tính NPV kỳ vọng và và độ lệch chuẩn dựa trên phân phối
xác suất của dòng tiền tương lai. Sau đó, chúng ta sẽ tìm hiểu mô phỏng Monte –
Carlo, một quá trình cho phép kết hợp một số lượng lớn các thông tin trong phân
phối xác suất của dòng tiền. Cuối cùng, chúng ta sẽ xem cây quyết định một công cụ

để tính xác suất của các kết quả nhất định khi một số qyết định có thể được hoãn lại
cho tới khi có những thông tin mới.

Giá trị kỳ vọng
Nếu dòng tiền dự kiến mỗi năm trong tương lai đã biết, chúng ta có thể tính được giá
trị NPV kỳ vọng như sau:

Với E(CFt) là dòng tiền kỳ vọng ở thời điểm t k là tỷ suất sinh lợi đòi hỏi.
Công thức này thì có giá trị khi dòng tiền có tương quan xác định hoàn toàn, tương
quan 1 phần hay không tương quan giữa các năm với nhau. Tuy nhiên, một quy luật
tương tự thì không thỏa mãn trong IRR.
Độ lệch chuẩn của NPV của một chuỗi các dòng tiền phụ thuộc vào mối tương quan
của các dòng tiền qua từng năm. Dòng tiền tương quan từ kỳ này sang kỳ khác nếu
phân phối xác suất của dòng tiền của một kỳ nào đó thì liên quan đến dòng tiền thực
sự xảy ra trong kỳ trườc đó. Chúng ta bắt đầu bằng cách xem xét 2 thái cực, tương
quan hoàn toàn và không tương quan và sau đó tập trung vào những giải pháp để giải
quyết những trường hợp khác trong tương quan 1 phần.

Độ lệch chuẩn hiện giá của dòng tiền tương quan hoàn toàn
Dòng tiền tương quan xác định hoàn toàn từ kỳ này sang kỳ khác nếu dòng tiền sau
kỳ thứ nhất thì hoàn toàn xác định bởi dòng tiền của kỳ thứ nhất. Nói cách khác, tất cả
những thay đổi về dòng tiền tương lai sẽ bị loại trừ khi dòng tiền thứ nhất xảy ra. Nếu
dòng tiền tương quan xác định hoàn toàn qua các năm, độ lệch chuẩn của hiện giá của
những dòng tiền này là:

σCF là độ lệch chuẩn của phân phối xác suất dòng tiền năm t

Độ lệch chuẩn hiện giá của một dòng tiền không tương quan

Nếu dòng tiền là không tương quan, dòng tiền của một năm bất kỳ hoàn toàn độc lập
với dòng tiền của năm trước đó. Ví dụ, vào cuối năm thứ nhất chúng ta không cần
thiết phải biết về dòng tiền thực sự xảy ra trong năm đầu tiên để điều chỉnh những ước
tính của chúng ta về dòng tiền năm thứ hai. Nếu chuỗi các dòng tiền không tương
quan


nhau, công thức tính độ lệch chuẩn của hiện giá sẽ là:

Ví dụ: mức doanh số hàng năm và dòng tiền có thể xảy ra của dự án đầu tư nhà máy
mới của công ty RC được cho trong bảng 2.2
Bảng 2.2 – Mức doanh thu và dòng tiền hàng năm của RC

đơn vị : 1000USD
Dòng tiền kỳ vọng và độ lệch chuẩn của dòng tiền hàng năm được tính như sau:

Với pj: xác suất xảy ra dòng tiền thứ j.
E(CF) = 1.250.000 USD.

σCF = 362.000 USD
Nếu dòng tiền là hoàn toàn tương quan qua từng năm, độ lệch chuẩn của hiện giá của
các dòng tiền qua các năm sẽ là:


Mặt khác, nếu dòng tiền là không tương quan, độ lệch chuẩn của hiện giá của các
dòng tiền qua các năm sẽ là:

Giả sử rằng giá trị thu hồi hoặc là 1 triệu USD hoặc là 3 triệu USD với xác suất lần
lượt là 40% và 60%. Giá trị thu hồi kỳ vọng và độ lệch chuẩn của giá trị thu hồi là:
E(giá trị thu hồi) = 40% x 1.000.000 + 60% x 3.000.000 = 2.200.000 USD

SV: Salvage Value: giá trị thu hồi.
Hiện giá của giá trị thu hồi kỳ vọng và độ lệch chuẩn của hiện giá giá trị thu hồi là

Giá trị thu hồi thì không tương quan với dòng tiền hoạt động hàng năm do đó chúng ta
có thể áp dụng quy tắc thống kê căn bản là phương sai của tổng các biến cố độc lập
nhau sẽ bằng tổng các phương sai riêng lẽ. Bởi vì đầu tư thuần ban đầu đã biết, chúng
ta có thể tính được hiện giá thuần kỳ vọng và độ lệch chuẩn của hiện giá thuần dựa


trên cả hai giả định là không có tương quan trong chuỗi thời gian và có tương quan
hoàn toàn qua các năm

Tương quan hoàn toàn qua các năm

Không tương quan qua các năm

Tương quan hoàn toàn và không tương quan là hai thái cực mà chúng ta hiếm gặp
trong thực tế. Tương quan một phần thì phổ biến hơn, trong đó có một vài sự liên hệ
giữa dòng tiền năm này và dòng tiền của năm kế tiếp. Nếu doanh thu thấp hơn mức
dự kiến trong suốt năm thứ nhất thì dự báo cho năm thứ hai phải được điều chỉnh lại
nhưng những số liệu về doanh thu thực sự xảy ra ở năm thứ nhất sẽ giúp loại trừ sự
không chắc chắn về doanh thu trong tương lai.
Phân tích về 2 thái cực ở trên sẽ hữu dụng trong trường hợp tương quan một phần.
Nếu chuỗi các dòng tiền là tương quan một phần, độ lệch chuẩn của NPV sẽ nằm đâu
đó giữa 2 thái cực này, giữa 868.000 USD và 1.501.000 USD. Với ví dụ của công ty
RC, chúng ta có thể phán đoán rằng độ lệch chuẩn ước tính sẽ gần với 868.000 USD
nếu chúng ta tin rằng mức tương quan là thấp và gần với 1.501.000 USD nếu chúng ta
tin rằng mức tương quan là cao. Đã có rất nhiều tác giả đóng góp những nghiên cứu
về phương pháp kỹ thuật để tính độ lệch chuẩn của NPV trong trường hợp đặc biệt

liên quan đến tương quan 1 phần.
Một khi NPV kỳ vọng và độ lệch chuẩn NPV đã được tính toán, nhà quản trị có thể sử
dụng những thông tin này để ra quyết định, hoặc là sử dụng phán đoán hoặc là phát
triển những định hướng chính sách để có thể chấp nhận sự đánh đổi giữa khả năng
sinh lợi và rủi ro. Chúng ta thảo luận việc ra quyết định sau khi giải thích sự mô
phỏng và phân tích cây quyết định, đây là những công cụ cấp cao cho việc nghiên cứu
phân phối xác suất của khả năng sinh lợi.
còn tiếp...


PHÂN TÍCH HOÀ VỐN TRONG LẬP DỰ ÁN ĐÂU
TƯ
Wednesday, 15. April 2009, 06:21:00
Phân tích độ nhạy thì hữu dụng trong việc xác định biến số chính yếu, và doanh số thì
luôn là một trong những biến số chính đó. Phân tích hòa vốn thu nhập hoặc dòng tiền
tập trung vào mối quan hệ giữa doanh số và khả năng sinh lợi hoặc dòng tiền. Điểm
hòa vốn NPV mở rộng khả năng phân tích dòng tiền và tập trung vào mối quan hệ
giữa doanh số, dòng tiền, tỷ suất sinh lợi đòi hỏi và NPV.
Để hiều về hòa vốn, chúng ta cần nhớ rằng trong dạng phân tích này, mọi chi phí đều
được chia thành biến phí hoặc định phí. Biến phí là chí phí mà tổng chi phí sẽ thay đổi
cùng với số lượng sản phẩm hoặc là mức biến phí trên một sản phẩm không thay đổi
khi sản lượng thay đổi. Ví dụ, một biến phí của hamburger chính là thịt bò. Khi cửa
hàng bán thêm 1 hamburger với giá 99 cent thì đồng thời họ sẽ gánh chịu 1 chi phí
thịt bò hết 10 cent. Khi số lượng hamburger tiêu thụ tăng lên, chi phí thịt bò cũng tăng
lên. Nhưng chi phí này là một hằng số nếu xét theo khía cạnh chi phí/1 đơn vị sản
phẩm. Như trong ví dụ trên, khi cửa hàng gia tăng số lượng Hamburger tiêu thụ thì cứ
trong
10% giá bán chính là chi phí dành cho thịt bò và nó không đổi. Vì thế, đây chính là
biến phí.
Định phí là những chi phí mà tổng chi phí không đổi khi mức độ doanh số thay đổi

nhưng định phí/đơn vị sản phẩm sẽ giảm dần khi doah số tăng lên trong một phạm vi
nào đó. Lương của nhà quản trị của một doanh nghiệp nào đó là một ví dụ của định
phí. Quay lại ví dụ trên, giả định nhà quản trị nhận được 40.000 USD năm kể cả các
khoản thưởng. Cửa hàng trên có thể tiêu thụ từ 0 đến 500.000 hamburger mỗi năm
dưới sự điều hành của nhà quản trị này. Như vậy ở mức tiêu thụ 160.000 hamburger
thì tổng định phí là 40.000 USD/năm hay là 25% trên giá bán của mỗi hamburger.
Nhưng nếu cửa hàng gia tăng sản phẩm tiêu thụ là 500.000 hamburger mỗi năm, tổng
định phí vẫn không thay đổi là 40.000 USD, bây giờ định phí/1 đơn vị sản phẩm chỉ
còn là 8% giá bán của mỗi hamburger. Không phải trùng hợp rằng định phí trên mỗi
đơn vị sản phẩm là thấp nhất khi doanh nghiệp sử dụng tài sản ở mức tối đa năng suất
của chúng (trong ví dụ này là năng lực của nhà quản trị). Đó chính là một trong những
lý do phân tích hòa vốn là phương pháp tốt đo lường rủi ro của một dự án riêng lẽ.
Phụ thuộc vào việc bạn kỳ vọng doanh số ở đâu và sự biến động trong doanh số phân
tích hòa vốn có thể xác định được doanh số cần thiết để chuyển từ thu nhập âm sang
thu nhập dương hay nói cách khác là điểm hòa vốn.
Điểm hòa vốn thu nhập hoặc điểm hòa vốn dòng tiền là mức doanh số cần thiết để bắt
đầu tạo ra lợi nhuận hoặc dòng tiền bắt đầu dương. Điểm hòa vốn trong số lượng sản
phẩm tiêu thụ (BEPq) là:
BEPq = Định phí / (Giá bán – Biến phí)
Điểm hòa vốn về doanh số (BEP$) là
BEP$ = Định phí /(1- %biến phí/đơn vị sản phẩm)


Công thức tính hòa vốn thu nhập và hòa vốn dòng tiền là như nhau, nhưng những con
số được đưa vào có thể khác nhau. Đặc biệt, định phí kế toán có thể khác định phí tiền
mặt. Khấu hao được tính là một định phí trong phân tích hòa vốn thu nhập nhưng nó
không phải là một khoản tiền chi ra và vì thế không được tính trong phân tích hòa vốn
dòng tiền.
Ví dụ: Biến phí của RC là 50% doanh thu và chi phí tiền mặt cố định là 500.000 USD.
Giá của mỗi sản phẩm là 40$ vì thế biến phí sẽ là 20$. Điểm hòa vốn và doanh thu

hòa vốn trong phân tích hòa vốn dòng tiền sẽ là:
BEPq= 500.000/(40-20) = 25.000 sản phẩm. BEP$ = 500.000/(1-0,5) = 1.000.000 $.
Để mở rộng phân tích này và tính được điểm hòa vốn NPV, chúng ta cần nhớ rằng
dòng tiền hàng năm của RC là:
CF = 0,5 x Doanh thu – 500.000
Với tỷ suất sinh lợi đòi hỏi là 10% và giá trị thu hồi là ở mức từ 1 triệu USD đến 3
triệu USD. Điểm hòa vốn trong khía cạnh NPV được tính như sau:
Trong trường hợp giá trị thu hồi 1.000.000 USD:
NPV = CF x PVFA(5,10%) + 1.000 x PVF(5,10%) -5.000 = 0
Suy ra doanh thu bằng 3.306.000 USD.
Trong trường hợp giá trị thu hồi 3.000.000 USD:
NPV = CF x PVFA(5,10%) + 3.000 x PVF(5,10%) -5.000 = 0
Suy ra doanh thu bằng 2.655.000 USD.
Hòa vốn dòng tiền cho chúng ta biết rằng mức doanh thu cần thiết để dòng tiền bắt
đầu từ 0 USD, một con số hữu dụng để tiên đoán khả năng của chúng ta có đáp ứng
những nhu cầu tiền mặt trong tương lai. Ví dụ, nó có thể có lợi tức nhưng những khế
ước nợ sẽ dẫn đến một số tình trạng mất kiểm soát nếu công ty không kiếm ra tiền
mặt. Nhưng nhìn chung, phân tích điểm hòa vốn NPV là điểm phân tích thường được
sử dụng cho mục tiêu hoạch định ngân sách vốn đầu tư. Nó nói cho chúng ta mức
doanh số mà dự án bắt đầu tạo ra giá trị cho doanh nghiệp.
Nhà quản trị thỉnh thoảng muốn biết điểm hòa vốn ở góc độ thu nhập của một tỷ suất
sinh lợi phi rủi ro. Điều này sẽ chỉ cho chúng ta mức doanh số mà chúng ta có thể tốt
hơn đầu tư vào những chứng khoán phi rủi ro như kỳ phiếu chính phủ. Ở mức tỷ suất
sinh lợi phi rủi ro 6% sau thuế, mức doanh số mà nó cung cấp một tỷ suất sinh lợi phi
rủi ro với giá trị thu hồi là 3 triệu USD là:
NPV = CF x PVFA(5,6%) + 3.000 x PVF(5,6%) -5.000 = 0
Suy ra doanh thu bằng 2.310.000 USD.


Phân tích hòa vốn thường xuyên được thể hiện bằng đồ thị. Bởi vì trục ngang trong đồ

thị ở hình 4.1 là doanh thu nên hình 4.1là hình thể hiện phân tích hòa vốn.
Một giới hạn của phân tích độ nhạy, bao gồm cả phân tích hòa vốn là nó thường cho
thấy mối quan hệ giữa khả năng sinh lợi với 1 hoặc 2 biến số trong khi các biến số
khác là không đổi. Một bảng tính NPV cho mười mức độ khác nhau của 6 nhân tố có
thể đòi hỏi 1.000.000 lần nhập liệu và sự thể hiện bằng đồ thị là điều không thể. Vì
thế, phân tích độ nhạy thì có thể hữu dụng trong xác định nhân tố chính yếu và đo
lường sự nhạy cảm đối với các nhân tố đó “một cách tách biệt” hoặc giới hạn một con
số kịch bản nhất định. Những phương pháp dựa trên xác suất thì thường khó và phức
tạp nhưng nó cho phép phát triển một sự thấu hiểu toàn bộ về rủi ro, đặc biệt khi dự
án
đối mặt với nhiều nguồn của sự không chắc chắn.
Các phương pháp dự báo kinh tế và khả năng áp dụng cho thành phố Hồ Chí Minh
Th.S.Nguyễn Văn Phúc
Dự báo kinh tế vĩ mô là một công việc vô cùng phức tạp. Trong nhiều thập kỷ qua,
với việc ứng dụng ngày càng nhiều các công cụ toán học vào nghiên cứu kinh tế, các
phương pháp dự báo kinh tế đã phát triển không ngừng. Các mô hình toán và kinh tế
lượng được vận dụng một cách triệt để trong công tác dự báo. Tuy nhiên, cho đến nay,
tính chính xác của các mô hình dự báo kinh tế còn nhiều giới hạn. Các cơ quan nghiên
cứu lớn như Ngân hàng Thế giới (WB), Quỹ Tiền tệ Quốc tế (IMF) đều có các mô
hình dự báo rất phức tạp và tỉ mỉ nhưng các kết quả dự báo của họ luôn sai biệt so với
thực tiễn khá xa. Điều này có thể nhận thấy qua việc so sánh các chỉ tiêu dự báo của
họ với các chỉ tiêu thực tế diễn ra sau đó (xem De Masi, 1996; Beach và các tác giả,
1999).
Mặc dù công tác dự báo là khó khăn, các cơ quan chính phủ, các nhà hoạch định
chính sách, nhà doanh nghiệp,… luôn cần đến các dự báo kinh tế để làm cơ sở cho
việc điều hành chính sách, để thiết lập kế hoạch kinh doanh. Các dự báo không mang
tính chính xác hoàn toàn nhưng cũng phản ánh được xu hướng của các biến động kinh
tế. Ở TP.HCM và trên phạm vi cả nước, dự báo kinh tế thường được thể hiện thông
qua các kế hoạch phát triển kinh tế - xã hội hàng năm, 5 năm và các quy hoạch, chiến
lược phát triển kinh tế - xã hội dài hạn hơn. Tuy nhiên, cơ sở để đề ra các chỉ tiêu kinh

tế cho các kế hoạch trên thường mang nặng tính chủ quan và cảm tính là nhiều,
thường thiếu các cơ sở khoa học để luận giải cho các chỉ tiêu đề ra. Điều này có thể
nhận thấy qua sự khác biệt lớn của các số liệu thực tế diễn ra sau đó so với các số liệu
dự báo. Do đó, việc nghiên cứu tìm kiếm các phương thức dự báo thích hợp cho
TP.HCM là một việc quan trọng. Dưới đây xin tóm lược một số phương pháp dự báo
kinh tế chính được áp dụng rộng rãi trên thế giới và qua đó xem xét khả năng áp dụng
vào điều kiện của TP.HCM.
Dự báo kinh tế có thể phân thành: định tính, định lượng và sự kết hợp cả hai phương
pháp trên. Dự báo định lượng thường liên quan đến việc sử dụng các mô hình kinh tế
định lượng (như kinh tế lượng, I/O, cân bằng tổng thể) để dự báo.


Các phương pháp dự báo định lượng
Mặc dù các mô hình định lượng tương đối đa dạng, nhưng về cơ bản có các loại sau:
(ngoài ra có thể mở rộng phân loại theo tĩnh và động, nền kinh tế mở và đóng,…):
Mô hình kinh tế lượng (econometric model):
Mô hình được thể hiện bằng hệ thống các phương trình. Các phương trình này mô tả
mối quan hệ giữa các biến số kinh tế với nhau. Một phương trình sẽ bao gồm một biến
phụ thuộc và một hoặc nhiều biến giải thích. Sự tác động của một biến giải thích lên
biến phụ thuộc được đo lường bằng hệ số của nó và hình thức hàm của phương trình.
Một phương trình tiêu biểu như sau:
Y(t) = f{x1(t), x2 (t), ... xn(t), u(t)}
Y(t) là biến phụ thuộc tại thởi điểm t, biểu trưng cho chỉ tiêu cần nghiên cứu hay dự
báo (ví dụ như GDP, việc làm, lạm phát,…).
x1(t), x2 (t), ... xn(t) là các biến giải thích tại thời điểm t, biểu trưng cho các nhân tố tác
động lên biến phụ thuộc. Sự thay đổi của một hay nhiều biến này sẽ dẫn tới sự thay
đổi của biến phụ thuộc.
u(t) là sai số ngẫu nhiên, biểu trưng cho các nhân tố không xác định được tác động lên
biến phụ thuộc tại thời điểm t.
Một mô hình kinh tế lượng sẽ bao gồm nhiều phương trình dạng trên (và các đẳng

thức).
Mô hình này không đi chi tiết vào các ngành kinh tế như mô hình I/O và mô
hình cân bằng tổng thể (CGE). Các biến thường là tổng hợp cho toàn bộ nền
kinh tế, thể hiện các mối quan hệ kinh tế vĩ mô. Mô hình đơn giản bao gồm
hàm số của các khối cầu, khối cung và khối tiền tệ. Việc ước lượng các hệ số
của các phương trình này đòi hỏi phải có chuỗi số liệu thời gian (time-series
data) dài. Đây cũng là một hạn chế cơ bản của mô hình này khi áp dụng vào
điều kiện của Việt Nam. Các chuỗi số liệu thời gian ở Việt Nam nhìn chung là
ngắn (duới 15 năm) bởi vì hệ thống số liệu thống kê của Việt Nam mới được
chuẩn hóa theo thông lệ quốc tế vào đầu những năm 1990s khi chúng ta
chuyển từ hệ thống MPS sang hệ thống SNA của Liên Hiệp quốc.
Việc xây dựng hệ thống các phương trình, với các biến giải thích lựa chọn, được dựa
trên nền tảng của lý thuyết kinh tế. Ví dụ như hàm tiêu dùng phải dựa trên lý thuyết
về tiêu dùng, hàm đầu tư phải dựa trên lý thuyết về đầu tư,… Điều này dẫn đến hệ quả
là các nhà mô hình khác nhau có thể sẽ xây dựng các phương trình với các biến giải
thích khác nhau, tùy thuộc vào việc áp dụng lý thuyết kinh tế nào. Điều đó cũng lý
giải về sự đa dạng của các mô hình kinh tế lượng hiện nay.
Sau khi xây dựng xong hệ thống các phương trình, nhà nghiên cứu phải tập hợp đủ
các chuỗi số liệu thời gian cho các biến và tiến hành ước lượng các hệ số của các
phương trình. Kỹ thuật hồi quy (regression) được áp dụng để ước lượng các hệ số của
các phương trình. Sau khi ước lượng xong toàn bộ các phương trình của mô hình, nhà


nghiên cứu sẽ tiến hành mô phỏng (simulation) tác động của các thay đổi chính sách
trong tương lai lên các biến kinh tế mà mình quan tâm (ví dụ như tăng trưởng, việc
làm, lạm phát,…). Trên cơ sở đó, các kịch bản dự báo sẽ được đề xuất. Nhà nghiên
cứu cũng có thể tham mưu cho lãnh đạo về việc áp dụng chính sách nào là tối ưu nhất
dựa trên kết quả của mô phỏng.
Mô hình cân đối liên ngành (gọi tắc là I/O, Input-output):
Ưu điểm của mô hình I/O so với mô hình kinh tế lượng là nó phản ánh được mối quan

lệ liên ngành trong nền kinh tế. Nền kinh tế được phân thành nhiều ngành và bảng I/O
thể hiện mối liên hệ đa ngành này (ví dụ như bảng I/O của Việt Nam và TP.HCM năm
1996 có 97 ngành). Bảng I/O được xây dựng cho một năm nhất định nào đó. Về mặt
hình thức, bảng I/O có dạng như sau:

Ngành 1 Ngành 2 Ngành 3

…

Ngành n

Zi

YI

Xi

Z1
Z2
Z3
…
Zn

Y1
Y2
Y3
…
Yn

X1

X2
X3
…
Xn

Ngành 1
Ngành 2
Ngành 3
…
Ngành n
Zj

X11
X21
X31
…
X41
Z1

X12
X22
X32
…
X42
Z2

X13
X23
X33
…

X43
Z3

…
…
…
…
…
…

X1n
X2n
X3n
…
X4n
Zn

Vj=Wj+Rj

V1

V2

V3

…

Vn

Nền kinh tế được phân ra thành n ngành. Bảng trên được hiểu như sau:

•

Xij: là giá trị sản phẩm của ngành i cung ứng cho ngành j

• Zi: là tổng giá trị sản phẩm của ngành i cung ứng cho các ngành sản xuất
khác.
•

Zj: là tổng giá trị sản phẩm của các ngành cung ứng cho ngành j.

· Yi: là giá trị sản phẩm của ngành i cung ứng cho nhu cầu tiêu dùng cuối cùng. Ta
có và
Y = C + I + G + X là GDP.
Với G : tiêu dùng chính phủ
I : đầu tư của nhà sản xuất
C : tiêu dùng dân cư
X: là xuất khẩu ròng (xuất khẩu trừ đi nhập khẩu)


•

Xi: là tổng giá trị sản xuất của ngành i

• Vj : là giá trị tăng thêm của ngành j (thực tế bao gồm cả khấu hao và thuế
gián thu)
•

Wj : thu nhập của lao động trong ngành j

•

Rj: thu nhập về vốn của ngành j.

Từ bảng trên, chúng ta xây dựng được ma trận hệ số A theo công thức:
Xij

= aij Xj

Ma trận dự báo dạng đơn giản có thể biểu thị như sau:
x = ( I - A ) -1 y
Với x là vec tơ tổng sản phẩm của các ngành sản xuất {X1, X2, X3,… Xn} và y là vec
tơ sản phẩm sử dụng cuối cùng của các ngành sản xuất {Y1, Y2, Y3,… Yn}, A là ma
trận hệ số, I là ma trận đơn vị.
Từ công thức trên, chúng ta thấy rằng có thể dự báo giá trị sản xuất và GDP của từng
ngành khi biết được sự thay đổi của nhu cầu cuối cùng. Ví dụ như khi tăng đầu tư
công cộng vào ngành i một lượng là q, chúng ta sẽ tính toán được sự thay đổi sản
lượng của tất cả các ngành còn lại là bao nhiêu. Như vậy, nếu chúng ta dự báo được
sự thay đổi của các thành phần của nhu cầu cuối cùng, chúng ta sẽ dự báo được sự
thay đổi sản lượng của tất cả các ngành kinh tế. Đây là mô hình I/O đơn giản. Mô
hình này có thể mở rộng bằng cách đưa vào một số phương trình hành vi hay hàm sản
xuất như Viện Kinh tế đã áp dụng trước đây (xem Nguyễn Thị Cành và các tác giả,
1998).
Mô hình cân bằng tổng thể (CGE-Computable General Equilibrium):
Mô hình cân bằng tổng thể phát triển trên nền của bảng I/O nhưng mở rộng ra cho
nhiều khu vực khác ngoài khu vực sản xuất. Ví dụ như các dòng thu nhập và chi tiêu
của các hộ gia đình, dòng duy chuyển vốn,… Trên cơ sở bảng I/O sẽ xây dựng bảng
SAM (social accounting matrix) và qua đó xây dựng mô hình cân bằng tổng thể.
Nhiều biến là ngoại suy (exogenous) trong mô hình I/O giờ là nội suy (endogenous)
trong mô hình cân bằng tổng thể. Ngoài ra, mô hình cân bằng tổng thể còn bao gồm
cả các phương trình hành vi của mô hình kinh tế lượng. Do đó, trong các loại mô hình

trên thì mô hình cân bằng tổng thể là toàn diện nhất, phức tạp nhất và phản ánh gần
với nền kinh tế thực hơn.
Mô hình được gọi là cân bằng tổng thể vì nó được xây dựng trên giả định cân bằng
đồng thời của các loại thị trường và khu vực trong nền kinh tế. Giá cả và sản lượng
điều chỉnh sao cho không còn cầu quá mức (excess demand) hay cung quá mức
(excess supply). Mô hình thể hiện sự cân bằng đồng thời trên tất cả các loại thị
trường. Giả định của mô hình là nhà sản xuất tối đa hóa lợi nhuận, người tiêu dùng tối
đa hóa hữu dụng. Thông tin và thị trường là hoàn hảo. Trong điều kiện cân bằng, lợi


nhuận kinh tế sẽ bằng không; các nhân tố sản xuất được hữu dụng hóa hoàn toàn
(fully utilised).
Vì mô hình mô tả một cách tổng thể quan hệ của các biến kinh tế với nhau trong nền
kinh tế, do đó mô hình dễ dàng đánh giá tác động của một biến nào đó lên tất cả các
biến còn lại của mô hình. Đây là cơ sở thuận lợi để sử dụng mô hình vào công tác dự
báo. Dự báo được thực hiện dựa trên kịch bản ‘cái gì nếu’ (what if?). Với tính chất
tổng thể và chi tiết như vậy, các mô hình cân bằng tổng thể có thể có hàng ngàn
phương trình và biến số.
Các phương pháp dự báo định tính
Dự báo định tính là các dự báo không sử dụng các mô hình định lượng như trên.
Phương pháp phổ biến hiện nay là phiếu thăm dò và thu thập ý kiến chuyên gia. Đối
với phiếu thăm dò, ví dụ như để dự báo nhu cầu tiêu dùng sắp tới, nhà dự báo sẽ phát
phiếu thăm dò đến người tiêu dùng (ví dụ như điều tra về consumers’ confidence).
Qua các phiếu thăm dò này, nhà dự báo sẽ phỏng đoán về mức độ thay đổi nhu cầu
tiêu dùng trong tương lai. Đối với thu thập ý kiến chuyên gia, nhà dự báo sẽ tập hợp ý
kiến chuyên gia am hiểu sâu về lĩnh vực cần dự báo. Chỉ tiêu dự báo được đưa ra là
chỉ tiêu được nhiều chuyên gia tán thành nhất. Ngoài ra, dự báo có thể căn cứ vào yếu
tố mùa vụ (seasoning) hoặc yếu tố chu kỳ kinh tế (business cycle). Dự báo định tính
cũng có thể kết hợp với các phương pháp thông kê theo dõi các chỉ tiêu định lượng
như (số trung bình, trung bình di động, phân tích xu hướng,…).

Để dự báo định tính có cơ sở khoa học hơn, việc thiết lập khung phân tích (analytical
framework) là rất cần thiết. Khung phân tích sẽ giúp nhận diện các nhân tố quan trọng
ảnh hưởng đến nhân tố cần dự báo. Khung phân tích này phải được thiết lập trên nền
tảng vững chắc của các lý thuyết kinh tế. Các kết quả nghiên cứu trước đó cũng là cơ
sở quan trọng để thiết lập khung phân tích này. Sau khi thiết lập xong khung phân
tích, nhà dự báo sẽ căn cứ vào đó theo dõi và tiên liệu các diễn biến chính sách, thể
chế, … ảnh hưởng lên các nhân tố của khung phân tích và dùng đó để dự báo tương
lai.
Ưu và nhược điểm của các mô hình dự báo:
Các mô hình định lượng
Các mô hình định lượng có ưu điểm là khắc phục được sự chủ quan và cảm tính trong
công tác dự báo. Các chỉ tiêu dự báo thường được thể hiện bằng các con số cụ thể,
chính xác. Bằng cách sử dụng các công cụ toán học và thống kê, mô hình có thể xữ lý
được các mối quan hệ phức tạp, nhiều chiều của các biến kinh tế với nhau mà không
một nhà kinh tế tài ba nào có thể ước lượng định tính trong đầu mình được. Các mô
hình phức tạp hiện nay thường lên đến hàng ngàn phương trình và hàng ngàn biến, do
đó phản ánh hầu hết các chỉ tiêu quan trọng trong nền kinh tế. Đối với bảng I/O và mô
hình CGE còn có thể đánh giá tác động liên ngành và cho từng ngành kinh tế. Điều
này rất quan trọng đối với việc đề ra chính sách phát triển từng ngành và vấn đề
chuyển dịch cơ cấu trong nền kinh tế. Ngày nay, với sự hỗ trợ của máy tính, việc xữ lý
các mô hình định lượng trở nên thuận lợi hơn rất nhiều so với trước đây. Do đó, các
mô hình định lượng ngày càng được áp dụng rộng rãi.


Tuy nhiên, các mô hình dự báo định lượng cũng có rất nhiều nhược điểm. Thứ nhất,
các mô hình được xây dựng trên giả định là lịch sử lặp lại. Nghĩa là hệ thống các hàm
(và bảng) được ước lượng sử dụng số liệu trong quá khứ, nhưng được dùng để phỏng
đoán cho tương lai. Vấn đề là tương lai chưa chắc giống với quá khứ và hiện tại. Các
điều kiện có thể thay đổi, các mối quan hệ và độ lớn của chúng có thể thay đổi,… Thứ
hai, các mô hình định lượng hầu hết đưa ra các giả định không phù hợp với thực tế.

Các giả định như kỹ thuật (technology) và giá tương đối (relative prices) không thay
đổi của mô hình I/O rõ ràng là vô lý. Những giả định như thị trường hoàn hảo, thông
tin hòan hảo, tất cả thị trường trong trạng thái cân bằng,… của mô hình cân bằng tổng
thể là hoàn toàn không đúng và phản ánh sai thực tế. Thứ ba, về mặt lý thuyết kinh tế,
đã có những cuộc tranh luận trong suốt thế kỷ thứ 20 về khả năng tính toán để kế
hoạch hóa kinh tế (thực chất là dự báo và phân bổ tài nguyên), nổi tiếng là cuộc tranh
luận giữa Lange với Mises và Hayek1 về tính khả thi của kế hoạch hóa trong các nền
kinh tế xã hội chủ nghĩa. Sau này, Stiglitz2 cũng có cùng sự hoài nghi về vai trò của
các mô hình cân bằng tổng thể tân cổ điển trong việc dự báo và giải thích các hiện
tượng thị trường ở các nước theo nền kinh tế thị trường. Cả hai mô hình kế hoạch hóa
tập trung và mô hình cân bằng tổng thể tân cổ điển đều dựa trên nền tảng giả định là
thông tin hoàn hảo và kiến thức hoàn hảo (perfect information and perfect
knowledge). Với thông tin hoàn hảo và kiến thức hoàn hảo thì việc lập kế hoạch và
điều phối nền kinh tế để đạt được kết quả cân bằng tối ưu là hoàn toàn khả thi. Nhưng
Hayek cho rằng bản chất của thông tin và kiến thức là không hòan hảo. Kiến thức và
thông tin luôn gắn với các cá nhân cụ thể, nằm rải rác trong tất cả các thành viên tham
gia thị trường, không dễ dàng để truyền từ người này sang người khác, luôn luôn biến
đổi và có tính bất định. Do đó, không một nhà kế hoạch hay dự báo nào có thể biết
đầy đủ các thông tin và kiến thức này để có một kế hoạch hay dự báo chính xác.
Trong điều kiện thông tin và kiến thức không hoàn hảo, Hayek cho rằng thị trường
không bao giờ ở trạng thái cân bằng, nếu có, chỉ là tạm thời. Bởi vì cân bằng đỏi hỏi
phỏng đoán (foresight) của bất cứ người tham gia thị trường nào về các kế hoạch của
những người khác tham gia thị trường phải đúng. Thị trường chỉ cân bằng khi tất cả
các phỏng đoán này và kế hoạch trùng khớp nhau. Điều này là không thể trong điều
kiện thông tin và kiến thức không hoàn hảo. Do đó, thị trường luôn ở trong trạng thái
mất cân bằng (disequilibrium) và luôn luôn thay đổi. Các mô hình dự báo dựa trên
khái niệm cân bằng sẽ không phản ánh chính xác bản chất của quá trình thị trường.
Thứ tư, cho dù các mô hình có phức tạp đến mấy đi nữa thì cũng không thể phản ánh
hết được các nhân tố ảnh hưởng vào trong mô hình. Hơn nữa, rất nhiếu nhân tố quan
trọng đối với nền kinh tế nhưng không thể nào đo lường bằng con số cụ thể được như

các biến về thể chế, luật pháp, văn hóa,… Vì không thể đo lường được nên chúng
không được đưa vào mô hình. Thứ năm, số liệu không đầy đủ và không chính xác
luôn là những cản trở lớn để các mô hình cho các kết quả dự báo chính xác.
Do các nhược điểm ở trên, các mô hình dự báo định lượng thường cho khác kết quả
không chính xác. Các cơ quan như Ngân hàng Thế giới và Quỹ Tiền tệ Quốc tế sử
dụng các mô hình phức tạp nhất để dự báo, nhưng kết quả dự báo của họ sai biệt khá
lớn so với thực tế. Theo De Masi (1996), dẫn từ một số nghiên cứu thống kê, cho thấy
là trong giai đoạn 1973-1994, các chỉ tiêu dự báo một năm trong báo cáo Triển vọng
Kinh tế Thế giới (World Economic Outlook) của IMF có các sai số như sau: cho các
nước công nghiệp phát triển, chỉ tiêu tăng trưởng GDP sai số là 1% điểm so với tốc độ
tăng GDP trung bình cho cả giai đoạn là 2,75% (nghĩa là sai số hơn 35%); chỉ tiêu
lạm phát có sai số là 0,75% điểm so với tốc độ lạm phát trung bình là 5,75% cho cả
giai đoạn. Đối với các nước đang phát triển, dự báo của IMF cũng không khá hơn.


Điều quan trọng nữa là tính chính xác trong các dự báo của IMF không hề được cải
thiện qua các năm. Nghiên cứu của Beach và các tác giả (1999) cho thấy là sai số
trong dự báo của IMF đối với tăng trưởng GDP của các nước đang phát triển trong
giai đoạn từ năm 1971 đến 1998 là 0,57% điểm so với tốc độ tăng GDP trung bình
cho cả giai đoạn là 3% (nghĩa là sai số gần 20%). IMF phóng đại tăng trưởng GDP
của châu Phi lên hơn 1,05% điểm so với tốc độ tăng GDP trung bình cho cả giai đoạn
là 2,29% và của Tây bán cầu lên hơn 0,51% điểm so với tốc độ tăng GDP trung bình
cho cả giai đoạn là 2,11%. Các tác giả này cũng cho thấy là tính chính xác của các dự
báo của IMF không cải thiện mấy theo thời gian.
Dự báo định tính
Dự báo định tính có ưu điểm là không đòi hỏi các số liệu tính toán phức tạp. Do đó,
việc dự báo có thể được tiến hành trong thời gian ngắn. Ưu điểm khác của phương
pháp này là có thể dự liệu được cả các yếu tố không đo lường được vào trong dự báo
như thay đổi thể chế, luật pháp,… Đây là các biến số mà mô hình định lượng không
đưa vào được. Ngoài ra, vì không phụ thuộc vào bộ số liệu hay hệ các phương trình

nhất định nào đó nên dự báo có thể được điều chỉnh linh hoạt, phù hợp với các biến
động của nền kinh tế. Nhược điểm của phương pháp này là mang nặng tính chủ quan
và cảm tính. Nếu các nhà dự báo và các chuyên gia được tham khảo có trình độ hiểu
biết thấp kém thì các dự báo sẽ cho kết quả rất xa rời thực tiễn.
Khả năng vận dụng các phương pháp dự báo để nghiên cứu và lập kế
hoạch cho kinh tế TP.HCM
Mặc dù có nhiều nhược điểm nhưng dự báo kinh tế là cần thiết để giúp lãnh đạo điều
hành, phát triển nền kinh tế. Đối với TP.HCM, hàng năm các cơ quan sở ngành đều có
lập kế hoạch và dự báo cho các chỉ tiêu kinh tế - xã hội năm sau và tổng hợp thành kế
hoạch phát triển kinh tế - xã hội hàng năm do UBND TP ban hành. Các kỳ Đại hội
Đảng bộ Thành phố đều có các kế hoạch và các chỉ tiêu phát triển 5 năm. Dài hạn hơn
là quy hoạch phát triển kinh tế - xã hội (như Quy hoạch Phát triển Kinh tế - xã hội
trên địa bàn TP.HCM từ năm 1996 đến năm 2010 do Viện Kinh tế thực hiện). Nhìn
chung, công tác dụ báo của Thành phố hiện nay chủ yếu mang tính định tính, sử dụng
ý kiến chuyên gia là chủ yếu. Các phương pháp định lượng hầu như không được áp
dụng. Phòng Nghiên cứu Phát triển của Viện Kinh tế vào các năm 1997-1998 có tiến
hành thực hiện các đề tài nghiên cứu để áp dụng mô hình I/O vào trong công tác dự
báo kinh tế của Thành phố. Kết quả của đề tài sau đó sử dụng để góp ý vào điều chỉnh
quy hoạch kinh tế Thành phố đến năm 2010 và kế hoạch 5 năm 2001-2005. Tuy nhiên
tính chính xác của mô hình cũng còn nhiều hạn chế do điều kiện về số liệu và các yếu
tố khác thuộc nhược điểm của mô hình định lượng như đã đề cập ở trên.
Trong các mô hình định lượng kể trên, trong tương lai Thành phố có thể
nghiên cứu vận dụng mô hình I/O và mô hình kinh tế lượng. Mô hình cân
bằng tổng thể đòi hỏi số liệu quá phức tạp vượt quá khả năng của các cơ
quan thống kê của Thành phố. Một đặc điểm trong nghiên cứu kinh tế Thành
phố là ngoài số liệu quan hệ với nước ngoài (như trường hợp của cả nước)
còn phải có số liệu thể hiện mối quan hệ của Thành phố với các tỉnh, thành
khác của Việt Nam. Những số liệu như vậy hiện nay hầu như không có.
Trước mắt Viện Kinh tế sẽ tiếp tục áp dụng mô hình I/O vào dự báo kinh tế
Thành phố. Hiện nay Thành phố đã có được 2 bảng I/O, một do Viện Kinh tế

lập năm 1996 và một do Cục Thống kê Thành phố lập năm 2000. Thành phố
cần phải tiếp tục duy trì việc xây dựng bảng I/O, định kỳ 4-5 năm một lần để
phục vụ cho công tác này và những phân tích khác. Ưu điểm của bảng I/O là
cho thấy mối liên hệ đa ngành, rất cần cho việc nghiên cứu chuyển dịch cơ
cấu kinh tế của Thành phố. Nếu có điều kiện, Viện Kinh tế sẽ đề xuất với
Thành phố tiến hành xây dựng mô hình kinh tế lượng (dạng đơn giản) để thử
nghiệm dự báo cho kinh tế Thành phố.
Song song với việc phát triển các mô hình dự báo định lượng, Viện Kinh tế, cùng các
cơ quan liên quan của Thành phố sẽ tiếp tục áp dụng các phương pháp định tính lâu
nay như lấy ý kiến chuyên gia trong việc dự báo và lập kế hoạch. Điều quan trọng
hiện nay là cần thiết lập khung phân tích (analytical framework) để theo dõi một cách
tổng thể các nhân tố tác động đến tăng trưởng, phát triển của Thành phố. Khung phân
tích sẽ giúp cho các cán bộ nghiên cứu kịp thời nhận diện các vấn đề quan trọng tác
động lên kinh tế Thành phố và qua đó đưa ra các dự báo sát hợp hơn, cũng như đề
xuất với lãnh đạo những giải pháp kịp thời thúc đẩy phát triển kinh tế Thành phố. Đối
với phương pháp thăm dò phục vụ dự báo, nếu có điều kiện, Thành phố nên tiến hành
hàng năm điều tra về lòng tin tiêu dùng và đầu tư, làm cơ sở cho dự báo tổng cầu và
tăng trưởng. Đây là những cuộc điều tra mà các nước phát triển tiến hành rất thường
xuyên.