GIỚI THIỆU
Từ năm 2000 đến nay, tình hình kinh tế và chính trị toàn cầu đã có nhiều biến đổi phức tạp, trong đó quá trình tự do thương mại và hội nhập thị trường đã mang lại nhiều kết quả tích cực cho Việt Nam Việc gia nhập các hiệp hội và diễn đàn quốc tế như ASEAN, APEC, ASEM, cùng với các tổ chức như Ngân hàng Thế giới, IMF, WTO, đã giúp Việt Nam tiếp cận thị trường xuất nhập khẩu dễ dàng hơn, thu hút dòng vốn đầu tư trực tiếp nước ngoài tăng nhanh, cải thiện môi trường kinh doanh và củng cố thể chế kinh tế thị trường Tuy nhiên, tiến trình này cũng đối mặt với nhiều thách thức, như sức ép cạnh tranh cho các ngành công nghiệp trong nước và sự dễ bị tổn thương trước các cú sốc bên ngoài, điều này đã được minh chứng qua cuộc khủng hoảng kinh tế toàn cầu 2007-2009 và khủng hoảng nợ công Châu Âu.
Năm 2010, sự giảm sút trong đầu tư và tiêu dùng tại Việt Nam cùng với nguy cơ khủng hoảng nợ trong hệ thống ngân hàng đã tạo ra nhu cầu cấp thiết nghiên cứu tác động của các cú sốc kinh tế bên ngoài đến nền kinh tế Việt Nam Cụ thể, cần phân tích mức độ ảnh hưởng của những cú sốc này và tác động của chúng đối với nền kinh tế trong nước Đồng thời, việc xem xét hoạt động của hệ thống ngân hàng thương mại, đặc biệt là tỷ lệ nợ xấu đang gia tăng, cũng cần được thực hiện để xác định các yếu tố kinh tế vĩ mô và nội bộ ngân hàng có ảnh hưởng đến tình hình này Điều này lý giải cho việc tôi chọn đề tài nghiên cứu: “Phản ứng của các yếu tố kinh tế vĩ mô đối với các cú sốc bên ngoài.”
- Ứng dụng mô hình Stress Testing”.
Bài nghiên cứu này áp dụng mô hình Vectơ tự hồi quy (VAR) để đánh giá khả năng phục hồi của nền kinh tế Việt Nam trước các cú sốc kinh tế bên ngoài, đặc biệt là từ nền kinh tế Mỹ trong giai đoạn từ quý I năm 2000 đến quý II năm 2015 Dữ liệu được thu thập theo quý, với cú sốc bên ngoài được xác định từ GDP của Mỹ, sử dụng thông tin từ Ngân hàng Dự trữ Liên bang St Louis Các biến vĩ mô trong nước được xem xét bao gồm tổng kim ngạch xuất khẩu hàng hóa và dịch vụ của Việt Nam từ Worldbank, sản lượng công nghiệp từ Tổng cục Thống kê, và tỷ lệ thất nghiệp theo tiêu chuẩn ILO cũng từ Worldbank.
Bài viết sử dụng phương pháp GMM và Stress Testing để đo lường tác động của các yếu tố vĩ mô và nội bộ ngân hàng lên tỷ lệ nợ xấu Các yếu tố vĩ mô bao gồm tăng trưởng GDP thực, tỷ lệ lạm phát hàng năm, tỷ giá hối đoái thực hiệu lực và lãi suất thực Bên cạnh đó, các yếu tố nội bộ ngân hàng như thị phần tương đối và tốc độ tăng trưởng nợ cũng được xem xét Dữ liệu nghiên cứu được thu thập từ năm 2005 đến 2014 từ các ngân hàng thương mại Việt Nam, cùng với dữ liệu vĩ mô từ Tổng cục thống kê, Ngân hàng Nhà nước, và Worldbank, cùng các biến ngân hàng từ báo cáo tài chính hợp nhất đã được kiểm toán.
Bài nghiên cứu tiến hành giải quyết các mục tiêu chính sau:
Đo lường phản ứng của các yếu tố kinh tế vĩ mô Việt Nam trước cú sốc bên ngoài, đặc biệt là ảnh hưởng từ nền kinh tế Mỹ, là điều cần thiết để hiểu rõ hơn về sự ổn định và khả năng thích ứng của nền kinh tế trong bối cảnh toàn cầu.
Luận văn nghiên cứu tác động của các yếu tố vĩ mô cùng với các đặc điểm nội bộ của ngân hàng đến tỷ lệ nợ xấu.
Bài nghiên cứu dựa theo hai nghiên cứu chính của Colin Bermingham,Thomas Conefrey (2014) và Sukrishnalall Pasha (2005) nhằm làm sáng tỏ các câu hỏi nghiên cứu sau:
- Thứ nhất, phản ứng của nền kinh tế Việt Nam trước cú sốc đến từ Mỹ ra sao?
- Thứ hai, tỷ lệ nợ xấu chịu ảnh hưởng của các yếu tố nào? Mức độ ảnh hưởng ra sao?
Từ kịch bản vĩ mô được xác định, hoạt động của hệ thống ngân hàng diễn biến như thế nào?
Bố cục luận văn gồm 05 phần, cụ thể như sau:
Chương 1: Giới thiệu Phần này sẽ trình bày những dẫn nhập về vấn đề nghiên cứu của luận văn.
Chương 2: Tổng quan các nghiên cứu trước đây sẽ tổng hợp và phân tích các nghiên cứu của các tác giả trong và ngoài nước liên quan đến các vấn đề được nêu trong luận văn Phần này nhằm cung cấp cái nhìn sâu sắc về bối cảnh nghiên cứu, từ đó làm rõ sự phát triển và đóng góp của các công trình trước đây vào lĩnh vực nghiên cứu hiện tại.
Chương 3: Dữ liệu và Phương pháp Nghiên cứu sẽ giải thích lý do lựa chọn mô hình nghiên cứu, đồng thời mô tả quy trình thu thập và xử lý dữ liệu đầu vào, cũng như các phương pháp nghiên cứu được áp dụng.
Chương 4: Kết quả nghiên cứu Phần này sẽ trình bày việc chạy mô hình, các kiểm định, kết quả rút ra được từ mô hình nghiên cứu.
Chương 5: Kết luận và Kiến nghị sẽ tổng kết nội dung nghiên cứu và đưa ra hướng nghiên cứu tiếp theo Đồng thời, phần này cũng sẽ đề xuất một số kiến nghị liên quan đến vấn đề nghiên cứu đã trình bày trong bài.
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Luận văn đầu tiên sẽ phân tích phản ứng của nền kinh tế vĩ mô Việt Nam trước cú sốc bên ngoài, đặc biệt là cuộc khủng hoảng tài chính toàn cầu, ảnh hưởng đến nhiều quốc gia châu Âu và châu Á Các yếu tố dẫn đến cuộc khủng hoảng, như sự yếu kém của hệ thống ngân hàng và các chính sách kinh tế vĩ mô, đã làm gia tăng sự nhạy cảm của các quốc gia châu Á với các cú sốc thương mại Giải pháp cho vấn đề này là cải cách hệ thống tài chính, bao gồm chính sách kinh tế vĩ mô và quy chế tài chính Hạ Thị Thiều Dao (2013) cho rằng mức độ hội nhập của nền kinh tế sẽ ảnh hưởng đến tác động của khủng hoảng toàn cầu thông qua các kênh đầu tư và thương mại Việt Nam, với lợi thế về địa lý và nguồn tài nguyên, đã mở cửa đón nhận vốn đầu tư và phát triển sản xuất hàng hóa xuất khẩu Nghiên cứu sẽ định lượng tầm quan trọng của hoạt động thương mại và thảo luận về các tác động chính sách.
Bài nghiên cứu áp dụng mô hình VAR để phân tích cú sốc cầu quốc tế trong nền kinh tế mở nhỏ, với nghiên cứu của Cushman và Zha (1997) cho thấy chính sách tiền tệ của Đài Loan có ảnh hưởng nhỏ đến đầu ra, đồng thời nhấn mạnh vai trò của tỷ giá hối đoái như một cơ chế truyền dẫn Nghiên cứu sử dụng dữ liệu từ tháng 4 năm 1989 đến tháng 8 năm 2006, kiểm soát biến tỷ giá hối đoái với các biến nội sinh như chỉ số sản xuất công nghiệp và chỉ số giá tiêu dùng Linde (2003) cũng áp dụng mô hình VAR để xem xét các cú sốc ngoại sinh lên chu kỳ kinh doanh của Thụy Điển từ năm 1986 đến 2002, khẳng định tầm quan trọng của chính sách tiền tệ đối với kết quả kinh tế vĩ mô Bartosz Mackowiak (2006) cho thấy các cú sốc bên ngoài ảnh hưởng mạnh đến các biến trong mô hình SVAR tại 8 nước mới nổi, trong khi tác động đến lãi suất và sản lượng thực ít hơn Nghiên cứu của Mala Raghavan và Param Silvapulle cũng sử dụng mô hình SVAR để phân tích các yếu tố tương tự.
Nghiên cứu năm 2007 đã phân tích sự biến động trong cơ chế truyền dẫn tiến tệ trước và sau khủng hoảng, đóng góp vào ổn định kinh tế Trước khủng hoảng, các yếu tố như sản lượng, giá cả, lãi suất, cung tiền và tỷ giá bị ảnh hưởng mạnh bởi cú sốc tiền tệ và tỷ giá Ngược lại, sau khủng hoảng, sản lượng chủ yếu bị tác động bởi cung tiền Dữ liệu nghiên cứu bao gồm các chỉ số như giá hàng hóa thế giới, sản xuất công nghiệp Mỹ, giá tiêu dùng Mỹ, lãi suất Fed, sản xuất công nghiệp Malaysia, giá tiêu dùng Malaysia, cung tiền M1, lãi suất qua đêm và tỷ giá danh nghĩa, với dữ liệu từ tháng 01 năm 1980 đến tháng 05 năm 2006 ở Malaysia Nghiên cứu áp dụng mô hình GVAR của Castren, Dees và Zaher.
Từ năm 1979 đến 2005, nghiên cứu sử dụng dữ liệu hàng quý về GDP thực, chỉ số giá thị trường chứng khoán thực, chỉ số giá tiêu dùng, lãi suất ngắn hạn, giá dầu tính bằng USD mỗi thùng và tỷ giá hối đoái của đồng tiền so với USD để phân tích các biến động kinh tế.
Nghiên cứu cho thấy 33 quốc gia từ nhiều vùng khác nhau đã phát hiện ra rằng tần suất vỡ nợ của công ty trong khu vực đồng Euro phản ứng mạnh mẽ với các cú sốc về GDP, tỷ giá và giá cổ phiếu Kilian (2009) đã sử dụng mô hình VAR để phân tích tác động của cú sốc giá dầu lên các biến kinh tế vĩ mô, bao gồm sự thay đổi trong sản lượng dầu thô, chỉ số hoạt động kinh tế thực và giá dầu thực Bài viết ước tính rằng các cú sốc về giá dầu có thể tác động trực tiếp đến nền kinh tế Mỹ và gián tiếp thông qua giá dầu Sự thay đổi trong thành phần của các cú sốc này giúp giải thích tính không ổn định trong hồi quy của các biến kinh tế vĩ mô liên quan đến giá dầu.
Nghiên cứu của Nguyễn Phúc Cảnh (2013) cho thấy chỉ số VN-Index có sự phản ứng mạnh mẽ với lạm phát và cung tiền M2, trong khi lại không rõ ràng với giá dầu và lãi suất điều hành Chính sách tiền tệ của Việt Nam tác động mạnh lên thị trường chứng khoán qua lạm phát và cung tiền, nhưng lãi suất không ảnh hưởng lớn đến VN-Index và HNX-Index Nghiên cứu của Huỳnh Thị Cẩm Hà và cộng sự (2014) sử dụng mô hình VAR và VECM cho thấy mối quan hệ dài hạn giữa các biến vĩ mô và thị trường chứng khoán, trong đó cung tiền có khả năng dự báo biến động thị trường, và VN-INDEX ít nhạy cảm với cú sốc thông tin vĩ mô, ngoại trừ cú sốc từ cung tiền.
Luận văn xem xét vấn đề nợ xấu ngân hàng, nhấn mạnh rằng dòng chảy thương mại trong cuộc khủng hoảng tài chính bị ảnh hưởng bởi tính sẵn có của tín dụng, với các công ty có tài chính đầy đủ xuất khẩu nhiều hơn Chính sách hỗ trợ cho vay ngân hàng có thể cải thiện GDP thông qua kênh thương mại Nghiên cứu của Claessens và các cộng sự chỉ ra rằng vấn đề hệ thống ngân hàng là cốt lõi của cuộc khủng hoảng tài chính Cú sốc cầu quốc tế tích cực có thể kích thích tăng cầu nội địa và lao động, nhưng về lâu dài, áp lực giá cả và lương dẫn đến lạm phát và giảm tiêu thụ hàng hóa, kéo theo sản xuất trì trệ và tăng tỷ lệ thất nghiệp Các doanh nghiệp xuất khẩu gặp khó khăn khi đầu tư giảm, tạo ra nợ xấu cho ngân hàng, làm gia tăng nguy cơ khủng hoảng Luận văn tập trung vào các yếu tố chi phối nợ xấu ngân hàng và các chính sách giải quyết vấn đề này nhằm cải thiện hệ thống tài chính của nền kinh tế, đồng thời kết nối các biến kinh tế vĩ mô và nội tại của ngân hàng để kiểm tra tác động của cú sốc cầu quốc tế lên tỷ lệ nợ xấu.
Bài nghiên cứu này sẽ áp dụng công cụ Stress Testing trong nghiên cứu thực nghiệm Stress Testing được định nghĩa là công cụ đo lường biến động của danh mục đầu tư khi xảy ra các biến cố vĩ mô bất ngờ Hiện nay, công cụ này ngày càng trở nên phổ biến, được sử dụng để đánh giá độ nhạy cảm của hệ thống tài chính trước các cú sốc.
Hoggarth, Sorensen và Zicchino (2005) đã nghiên cứu mối liên hệ giữa các biến kinh tế vĩ mô và rủi ro tín dụng tại Anh, đề xuất một công cụ bổ sung để thực hiện các bài kiểm tra căng thẳng đối với hệ thống ngân hàng Anh trước các cú sốc kinh tế vĩ mô Trong nghiên cứu, rủi ro tín dụng được đưa vào mô hình VAR cùng với ba biến kinh tế vĩ mô khác, cho thấy rằng rủi ro tín dụng tổng hợp phản ứng với sự thay đổi trong tốc độ tăng trưởng và lãi suất Mô hình chính bao gồm các biến như tỷ lệ tổn thất trên tổng nợ, chênh lệch sản lượng, tỷ lệ lạm phát hàng năm của giá bán lẻ (không bao gồm các khoản thanh toán có thế chấp), và lãi suất danh nghĩa ngắn hạn, được áp dụng cho cả doanh nghiệp và hộ gia đình, sử dụng dữ liệu theo quý từ quý I năm 1988 đến quý II năm.
Nghiên cứu của Jimenez và Mencia (2009) cho thấy rằng rủi ro tín dụng tại Tây Ban Nha bị ảnh hưởng bởi chu kỳ kinh tế vĩ mô, với cú sốc GDP có tác động mạnh mẽ hơn so với cú sốc lãi suất Bài viết sử dụng các biến vĩ mô như tốc độ thay đổi GDP thực và lãi suất thực kỳ hạn 3 tháng để đo lường xác suất vỡ nợ trong mười khu vực doanh nghiệp và hai khu vực tư nhân từ quý IV năm 1984 đến quý IV năm 2006 Sommer và Shahnazarian (2009) áp dụng mô hình VECM và Stress Testing để dự đoán chất lượng tín dụng tương lai, chỉ ra rằng tăng sản lượng sản xuất làm giảm xác suất vỡ nợ, trong khi lạm phát cao lại làm tăng rủi ro tín dụng Funda Yurdakul (2013) nhấn mạnh rằng tỷ lệ nợ xấu (NPL) phản ánh rủi ro tín dụng, và cho thấy rằng sự gia tăng trong chỉ số ISE cùng với tốc độ tăng trưởng có thể dẫn đến suy giảm rủi ro tín dụng ngân hàng Ngược lại, tăng cung tiền, tỷ giá, tỷ lệ thất nghiệp và lãi suất lại làm tăng rủi ro tín dụng Các mô hình chỉ ra rằng rủi ro tín dụng trong giai đoạn trước có ảnh hưởng đáng kể đến rủi ro tín dụng hiện tại, với lãi suất và tỷ lệ thất nghiệp trước đó góp phần vào sự gia tăng rủi ro tín dụng của các ngân hàng.
Vào tháng 4 năm 1995, Ủy ban Basel đã đề xuất rằng các ngân hàng cần thực hiện Stress Testing để tăng cường vốn nhằm hấp thụ các cú sốc tài chính Đến tháng 1 năm 2009, Ủy ban Basel phát hành tài liệu tư vấn về Stress Testing, nhằm đối phó với tổn thất trong hệ thống ngân hàng do khủng hoảng tài chính toàn cầu và khủng hoảng nợ công Châu Âu Những sự kiện này đã chỉ ra rằng rủi ro kinh tế vĩ mô là mối đe dọa chính đối với khả năng thanh khoản của ngân hàng Để đánh giá khả năng chịu đựng vốn của hệ thống ngân hàng, Cục Dự trữ Liên bang Mỹ đã triển khai chương trình kiểm soát vốn (SCAP) với hai kịch bản vĩ mô: kịch bản chuẩn và kịch bản xấu hơn, trong giai đoạn 2009-2010.
EU của EBA 2011 tiến hành theo phương pháp bottom-up cho 903 ngân hàng trong giai đoạn năm 2010 đến năm 2012 nhằm đánh giá khả năng phục hồi của hệ thống
Ngân hàng thực hiện các kịch bản dựa trên các biến số vĩ mô như GDP, tỷ lệ thất nghiệp và giá nhà, cho thấy chỉ có 20 ngân hàng có chỉ số CT1 giảm xuống dưới ngưỡng an toàn Để giảm thiểu tác động từ các cú sốc kinh tế, các ngân hàng cần thực hiện các biện pháp mở rộng như sử dụng dự phòng phản chu kỳ, thoái vốn, huy động vốn và các hoạt động quản lý khác Ngoài ra, Stress Testing cũng đã được thực hiện cho hệ thống ngân hàng Nga vào năm 2009, cho thấy sự nhạy cảm của hệ thống này đối với các biến động trong môi trường kinh tế vĩ mô.
Hình 2.1 Mô hình hóa Stress Testing ngân hàng.
Nguồn: paper: “Banking Event Modeling in Scenario-Oriented Stress Testinging” của Daning Hu, J Leon Zhao, Zhimin Hua (2011)
Bài viết này mô tả quá trình mô hình hóa một kịch bản Stress Testing điển hình từ một ngân hàng i, nhằm minh họa phương pháp tiếp cận theo chuỗi sự kiện và mô hình hiệu ứng lây lan Các sự kiện trong kịch bản Stress Testing được trình bày rõ ràng trong hình ảnh đi kèm.
Sự bùng nổ của bong bóng bất động sản có thể gây ra cú sốc kinh tế nghiêm trọng, dẫn đến những biến động lớn trong các chỉ số kinh tế cơ bản của quốc gia Những thay đổi này bao gồm việc tăng lãi suất, tịch biên tài sản và sự sụt giảm đáng kể của chỉ số thị trường chứng khoán.
Từ quan điểm của một ngân hàng, các cú sốc tiêu cực có thể ảnh hưởng nghiêm trọng đến một hoặc nhiều ngân hàng đối tác, dẫn đến việc họ không thể thực hiện nghĩa vụ thanh toán cho i, gây ra thiệt hại lớn.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Dữ liệu và lựa chọn biến
Để giải quyết vấn đề đầu tiên của bài, các biến trong luận văn được lấy từ nghiên cứu của Colin Bermingham và Thomas Conefrey (2014) về phản ứng kinh tế vĩ mô của Ireland trước cú sốc bên ngoài Mô hình VAR sử dụng các biến kinh tế vĩ mô quan trọng, bao gồm GDP thực điều chỉnh theo mùa của Mỹ, giá dầu tính theo USD/thùng, tổng kim ngạch xuất khẩu hàng hóa và dịch vụ của Việt Nam, chỉ số sản xuất công nghiệp, và tỷ lệ thất nghiệp theo tiêu chuẩn ILO.
Tương tác giữa các biến sẽ quyết định khả năng ứng phó với cú sốc bên ngoài và các quy định liên quan Dữ liệu GDP của Mỹ được lấy từ ngân hàng dữ liệu của Ngân hàng Dự trữ Liên bang St Louis, trong khi dữ liệu khác đến từ cơ sở dữ liệu của từng ngân hàng Mô hình được ước lượng dựa trên dữ liệu từ quý I năm 2000 đến quý II năm 2015, và kết quả được trình bày trong bảng 3.1.
Bảng 3.1 Các biến kinh tế vĩ mô được xem xét lựa chọn
Biến nghiên cứu Ký hiệu Diễn giải Nguồn
OIL_PRICE Cushing, WTI Spot Price
Quản lý thông tin năng lượng Mỹ dịch vụ của Việt Nam của Việt Nam tính theo
Tỷ lệ thất nghiệp trênUNEMPLOTỷ lệ thất nghiệp trên cơWorldbank sở ILO tính theo tỷ lệ phần trăm cơ sở ILO YMENT_R
Tổng cục thống kê Việt Nam
Bài nghiên cứu này phân tích tác động của cú sốc GDP thực của Mỹ (GDP_US) và giá dầu (OIL_PRICE) lên các biến nội sinh của Việt Nam, bao gồm tổng kim ngạch xuất khẩu hàng hóa và dịch vụ (EXPORT), sản lượng công nghiệp (IPI) và tỷ lệ thất nghiệp theo tiêu chuẩn ILO (UNEMPLOYMENT_RATE) Mục tiêu là tìm hiểu cách mà các yếu tố vĩ mô của Việt Nam sẽ biến đổi khi có sự thay đổi từ nền kinh tế Mỹ.
Trong nghiên cứu này, biến trong nước sẽ bao gồm GDP thực, tổng kim ngạch xuất khẩu hàng hóa và dịch vụ, tỷ lệ thất nghiệp theo ILO, và tiền lương đo bằng tiền công cho mỗi nhân công Tuy nhiên, do hạn chế về số liệu tại Việt Nam, luận văn thay thế biến GDP thực bằng biến sản lượng công nghiệp Sản lượng công nghiệp là chỉ tiêu quan trọng để đánh giá tốc độ phát triển sản xuất ngành công nghiệp theo tháng, quý, và năm, đồng thời phản ánh tình hình phát triển chung của toàn ngành và từng sản phẩm, nhóm ngành sản phẩm Biến này cũng được chọn để thể hiện tình hình kinh tế trong nước, như nghiên cứu của Cushman và Zha (1997) cùng với Mala Raghavan và Param Silvapulle (2007).
Biến EXPORT là yếu tố quan trọng trong hoạt động sản xuất thương mại, thể hiện sự ảnh hưởng của phát triển kinh tế toàn cầu đến Việt Nam Bên cạnh đó, biến sản lượng công nghiệp phản ánh năng lực sản xuất, trong khi biến tỷ lệ thất nghiệp cho thấy tình hình thị trường lao động.
Hình 3.1 Các thị trường xuất nhập khẩu lớn nhất của Việt Nam
Nguồn: Niên giám thống kê hải quan về hàng hóa xuất nhập khẩu Việt Nam năm 2014
Mỹ được chọn làm đối tượng nghiên cứu trong luận văn này do là đối tác quan trọng của Việt Nam trong lĩnh vực xuất nhập khẩu, chỉ sau Trung Quốc về tổng kim ngạch Nền kinh tế Mỹ, với quy mô lớn và sức ảnh hưởng mạnh mẽ, đóng vai trò quan trọng trong nền kinh tế toàn cầu.
Về việc giải quyết vấn đề kiểm tra cú sốc vĩ mô bằng cách sử dụng mô hình VAR: ứng dụng cho nợ quá hạn
Bài viết áp dụng mô hình rủi ro tín dụng kinh tế vĩ mô để phân tích mối quan hệ giữa các biến số kinh tế vĩ mô, đặc trưng ngân hàng và tỷ lệ nợ xấu (NPLR) trong hệ thống ngân hàng Việc lựa chọn các biến phù hợp là rất quan trọng, vì vậy bài viết sẽ tóm tắt ngắn gọn các biến đã được xem xét trong các nghiên cứu trước đây và sau đó đưa ra lý do cho sự lựa chọn các biến phù hợp với bối cảnh Việt Nam.
Mô hình của nhà kinh tế Sukrishnalall Pasha xác định mối quan hệ giữa tỷ lệ nợ xấu (NPL) và các biến vĩ mô cũng như các yếu tố nội bộ của ngân hàng.
Nghiên cứu này bổ sung ba biến EXPORT, IPI và UNEMPLOYMENT RATE từ mô hình BVAR vào mô hình nợ quá hạn để phân tích tác động của cú sốc cầu quốc tế trên thị trường nợ thế chấp Các biến vĩ mô này được chuyển đổi thành logarit tự nhiên và mô hình được chạy cho năm t và năm t-1.
Bảng 3.2 Các biến dùng trong mô hình hồi quy
Biến Định nghĩa Dấu lnNPL_A i,t
Logarit tự nhiên của tỷ số NPLs trên tổng nợ của ngân hàng i trong năm t
Tăng trưởng GDP thực hàng năm thời điểm t
Logarit tự nhiên của lãi suất thực của ngân hàng i vào năm t được tính bằng sự chênh lệch giữa lãi suất cho vay trung bình theo tỷ trọng và tỷ lệ lạm phát hàng năm.
Logarit tự nhiên của tỷ lệ lạm phát hàng năm thời điểm t (+)
Biến Định nghĩa Dấu lnREER t
Logarit tự nhiên của tỷ giá hối đoái thực hiệu lực thời điểm t (+) lnL_A i,t
Logarit tự nhiên của tỷ số nợ trên tổng tài sản của ngân hàng i thời điểm t (+)
Thị phần tương đối ngân hàng i thời điểm t
Tốc độ tăng trưởng nợ ngân hàng i thời điểm t
Logarit tự nhiên cuả tổng kim ngạch xuất khẩu hàng hóa và dịch vụ (-) ln IPI t Logarit tự nhiên của sản lượng công nghiệp (-) lnUNEMPLOY
Logarit tự nhiên của tỷ lệ thất nghiệp trên cơ sở ILO (+)
Bài nghiên cứu này đề xuất sử dụng các chỉ số kinh tế quan trọng như tốc độ tăng trưởng GDP (ΔGDP), lạm phát hàng năm (INF), tỷ giá thực hiệu lực (REER), tổng kim ngạch xuất khẩu hàng hóa và dịch vụ (EXPORT), sản lượng công nghiệp (IPI) và tỷ lệ thất nghiệp (UNEMPLOYMENT RATE) để đánh giá tình hình kinh tế.
Mối quan hệ giữa tốc độ tăng trưởng GDP và tỷ lệ nợ xấu (NPLs) đã được chứng minh là nghịch biến qua nhiều nghiên cứu (Salas và Suarina, 2002; Rajan và Dhal, 2003; Fofack, 2005; Jimenez và Saurina, 2005) Tăng trưởng GDP không chỉ phản ánh sự phát triển kinh tế của một quốc gia mà còn cho thấy chất lượng thể chế của quốc gia đó.
GDP có tác động tích cực đến hiệu suất hoạt động ngân hàng, điều này rõ ràng khi nền kinh tế phát triển, dẫn đến sự gia tăng đầu tư và tiêu dùng, từ đó làm tăng tín dụng (Porta et al., 2002; Schwaiger và Liebeg, 2008) Khi GDP tăng trưởng mạnh, thu nhập của người dân cũng tăng, nâng cao khả năng trả nợ và giảm nợ xấu Bên cạnh đó, tổng kim ngạch xuất khẩu hàng hóa và dịch vụ cùng với sản lượng công nghiệp có mối tương quan nghịch biến với tỷ lệ nợ xấu, cho thấy rằng sự phát triển của nền kinh tế quốc gia, thông qua gia tăng xuất khẩu và sản xuất, sẽ thúc đẩy hiệu suất hoạt động của các ngân hàng.
Mối quan hệ giữa tỷ lệ lạm phát và nợ xấu cho thấy sự đồng biến, với lạm phát ảnh hưởng đến ổn định kinh tế vĩ mô và rủi ro của hệ thống ngân hàng Theo Staikouras và Wood (2003), lạm phát tác động trực tiếp và gián tiếp đến ngân hàng thông qua việc tăng giá lao động, lợi nhuận và giá tài sản Hiệu suất hoạt động của ngân hàng phụ thuộc vào sự tăng trưởng của chi phí hoạt động, như đã được chỉ ra bởi Revell (1979) và Demirgüyör-Kunt cùng Huizinga.
Lạm phát được dự đoán tốt sẽ điều chỉnh chi phí hợp lý, mang lại tác động tích cực đến lợi nhuận, trong khi lạm phát không được dự đoán sẽ dẫn đến lãi suất tăng chậm và chi phí cao hơn, gây tác động tiêu cực Ben Naceur và Kandil (2009) chỉ ra rằng khi lạm phát tăng, sự lo lắng về tương lai làm giảm nhu cầu vay vốn, ảnh hưởng xấu đến hoạt động tín dụng của ngân hàng Mối quan hệ giữa tỷ giá thực hiệu lực (REER) và nợ xấu (NPLs) là đồng biến; theo Fofack (2005), tỷ giá hối đoái tăng sẽ làm gia tăng NPLs ở các ngân hàng hoạt động theo chế độ tỷ giá cố định Cuối cùng, cú sốc tiêu cực từ cầu quốc tế sẽ làm tăng tỷ lệ thất nghiệp, dẫn đến gia tăng nợ xấu.
Phương pháp
3.2.1 Khái quát công cụ đánh giá rủi ro – Stress Testing
Stress Testing là công cụ đánh giá mức độ biến động của danh mục đầu tư khi xảy ra các sự kiện vĩ mô bất ngờ Công cụ này cung cấp thông tin quan trọng về sự thay đổi của thị trường dưới tác động của các biến cố lớn, điều mà các tài sản thị trường và thu nhập trong quá khứ không thể hiện rõ.
Công cụ Stress Testing ngày càng được áp dụng rộng rãi để đo lường độ nhạy cảm của các tổ chức tài chính trước các cú sốc Đây là một phương pháp quản trị rủi ro hiệu quả, giúp đánh giá tác động của rủi ro thị trường, rủi ro tín dụng và rủi ro thanh khoản Stress Testing cho phép các tổ chức xác định các khoản lỗ có thể xảy ra do biến động giá, lãi suất, hoặc sự mất thanh khoản, từ đó nâng cao khả năng ứng phó với những thách thức tài chính.
Theo mức độ kiểm định
Stress Testing được chia làm hai loại: Stress Testing hệ thống (vĩ mô) và Stress Testing danh mục (vi mô).
Sự khác biệt chính giữa Stress Testing và Stress Testing danh mục là quy mô phân tích Stress Testing tập trung vào việc đánh giá toàn bộ hệ thống tài chính để hiểu rõ tác động của những thay đổi trong môi trường kinh tế, trong khi Stress Testing danh mục chỉ xem xét các yếu tố riêng lẻ của từng danh mục đầu tư.
Sự khác biệt thứ hai trong Stress Testing hệ thống nằm ở mức độ phức tạp và sự tập hợp, thường liên quan đến việc so sánh nhiều danh mục khác nhau dựa trên các giả định và phương pháp tính toán đa dạng Stress Testing được thiết kế nhằm cung cấp cái nhìn toàn diện về độ nhạy cảm của hệ thống trước các cú sốc khác nhau, và thường áp dụng cùng một kịch bản cho các tổ chức khác nhau.
Theo phương pháp kiểm định
Theo phương pháp này Stress Testing sẽ được chia làm hai loại: Phân tích độ nhạy và phân tích kịch bản.
Phân tích độ nhạy là một phương pháp kiểm định đơn giản, giúp đánh giá sự thay đổi của từng biến rủi ro khi các biến tài chính thay đổi một đơn vị Phương pháp này cung cấp kết quả nhanh chóng và thường được các nhà quản lý cấp cao sử dụng để có cái nhìn tổng quan về tác động của biến động tài chính Bên cạnh đó, phân tích độ nhạy còn cho phép kiểm tra sự di chuyển của thị trường trong quá khứ dưới ảnh hưởng của nhiều yếu tố khác nhau.
Phân tích kịch bản là một quy trình phức tạp hơn so với phân tích độ nhạy, vì nó không chỉ xem xét từng yếu tố rủi ro một cách riêng lẻ Thay vào đó, phân tích kịch bản đánh giá toàn bộ rủi ro mà ngân hàng có thể phải đối mặt khi xảy ra các biến cố bất thường cùng một lúc.
Có hai cách tiếp cận trong phương pháp quản lý rủi ro: cách tiếp cận thứ nhất tập trung vào danh mục đầu tư, trong khi cách tiếp cận thứ hai chú trọng vào các sự kiện bất thường có thể xảy ra trong tương lai Đối với cách tiếp cận đầu tiên, các nhà quản lý rủi ro sẽ xác định các khoản lỗ tiềm năng của danh mục đầu tư và xây dựng các kịch bản tương ứng Ngược lại, cách tiếp cận thứ hai sẽ dựa vào các sự kiện đặc biệt có khả năng xảy ra để phân tích tác động của chúng đến giá trị tài sản của ngân hàng thông qua các yếu tố rủi ro.
Các sự kiện có khả năng xảy ra thấp, được xác định bởi công cụ Stress Rủi ro thông qua chỉ số VaR, đã từng diễn ra trong quá khứ.
Các nhân tố rủi ro thường được đề cập bởi các quản lý cấp cao, đặc biệt là khi có những tin tức mới như sự gia tăng lãi suất ngắn hạn và tác động của nó Bên cạnh đó, việc xem xét các mối tương quan giữa các tài sản và khoản đầu tư là cần thiết để đảm bảo rằng kết quả phân tích không bị ảnh hưởng quá nhiều bởi yếu tố chủ quan.
3.2.1.3 Vai trò của Stress Testing
Stress Testing là công cụ quan trọng giúp cải thiện các mô hình thống kê như VaR, nhằm khắc phục những hạn chế của các phương pháp này khi đối mặt với các sự kiện lớn, đặc biệt trong thời kỳ khủng hoảng.
Stress Testing là công cụ quan trọng giúp ngân hàng đánh giá tác động của các sự kiện không thường xuyên gây tổn thất lớn Bằng cách sử dụng thống kê VAR, chúng ta có thể theo dõi biến động giá thị trường hàng ngày dựa trên dữ liệu quá khứ để dự đoán xu hướng tương lai Tuy nhiên, nhược điểm của phương pháp này là các xu hướng trong quá khứ có thể không lặp lại, và Stress Testing đã khắc phục được hạn chế này, cung cấp cái nhìn toàn diện hơn về rủi ro tiềm ẩn.
Hình 3.2 Stress Testing và các sự kiện bất ngờ có tầm ảnh hưởng lớn
Xác định và kiểm soát rủi ro là một yếu tố quan trọng trong quản lý tài chính Stress Testing giúp phân tích các rủi ro tiềm ẩn mà các tổ chức tài chính có thể gặp phải Bằng phương pháp kiểm tra độ nhạy, chúng ta có thể đánh giá mức độ nhạy cảm của từng khoản mục đối với từng loại rủi ro cụ thể, từ đó xem xét tổng thể các rủi ro và tác động tổng hợp của chúng.
Stress Testing là công cụ quan trọng trong đánh giá rủi ro của các tổ chức tài chính, giúp quản lý ngân hàng đưa ra quyết định trong các tình huống bất ngờ có thể ảnh hưởng đến giá trị của ngân hàng Công cụ này cung cấp khung nền cho việc quản trị rủi ro, cho phép các nhà quản lý xác định các giả định và mục tiêu mà ngân hàng đang theo đuổi, từ đó giảm thiểu tác động tiêu cực từ các sự kiện không mong muốn.
Đưa ra quyết định về mức độ chịu đựng rủi ro và phân bổ nguồn lực là một quá trình quan trọng trong quản lý rủi ro Các nhà quản lý cấp cao thường dựa trên các kết quả tính toán thiệt hại có thể xảy ra trong tương lai để xác định mức độ chịu đựng rủi ro cho từng bộ phận Sau khi xác định, các mức độ này sẽ được liên kết để đưa ra quyết định phân bổ nguồn lực một cách hiệu quả nhất cho toàn bộ ngân hàng.
3.2.2 Giới thiệu mô hình VAR ((Vector Auto-regressive)
Phương pháp VAR (véc tơ tự hồi quy) được giới thiệu lần đầu tiên vào năm 1980 bởi Christopher H Sims, người đã nhận giải Nobel Kinh tế năm 2011 Phương pháp này đã trở thành một công cụ quan trọng trong phân tích kinh tế và dự đoán, giúp nghiên cứu mối quan hệ giữa các biến kinh tế theo thời gian.
KẾT QUẢ NGHIÊN CỨU
Kiểm định tác động của cú sốc bên ngoài lên nền kinh tế vĩ mô Việt Nam 30 4.2 Kết quả ước lượng mô hình BVAR
Sau khi thu thập và tính toán dữ liệu, kết quả được trình bày trong bảng thống kê mô tả 4.1 Kết quả này cho thấy phạm vi, giá trị trung bình và độ lệch chuẩn của các biến được sử dụng trong nghiên cứu.
Bảng 4.1: Thống kê mô tả giữa các biến trong mô hình
Mean Median Maximum Minimum Std Dev Observations
Nguồn: Kết quả tổng hợp từ Eviews trên số liệu thu thập
Biến GDP_US có độ biến động từ 4,3 đến 4,733, với giá trị trung bình là 4,527 và độ lệch chuẩn mẫu là 0,132 Dữ liệu cho thấy sự dao động ổn định, vì độ lệch chuẩn không lớn hơn giá trị trung bình.
Giá OIL_PRICE có sự biến động trong khoảng từ 3.015 đến 4.82, với giá trị trung bình là 4.05 và độ lệch chuẩn là 0.504 Dữ liệu cho thấy sự dao động ổn định, khi độ lệch chuẩn không vượt quá giá trị trung bình.
Biến EXPORT có độ biến động từ 8.068 đến 10.55, với giá trị trung bình là 9.354 và độ lệch chuẩn là 0.786.
Dữ liệu dao động ổn định, giá trị của độ lệch chuẩn không lớn hơn so với giá trị trung bình.
Chỉ số IPI dao động trong khoảng từ 8.141 đến 8.551, với giá trị trung bình là 8.317 và độ lệch chuẩn mẫu là 0.082 Dữ liệu cho thấy sự ổn định, khi độ lệch chuẩn không vượt quá giá trị trung bình.
Biến UNEMPLOYMENT_RATE có độ biến động từ 0.581 đến 1.114, với giá trị trung bình mẫu là 0.859 và độ lệch chuẩn là 0.139 Dữ liệu thể hiện sự dao động ổn định, với độ lệch chuẩn không vượt quá giá trị trung bình.
Bảng 4.1 trình bày thống kê heo cho thấy các biến trong mô hình có độ lệch chuẩn nhỏ hơn giá trị trung bình mẫu của từng biến quan sát Điều này cho thấy dữ liệu có tính đồng đều giữa các biến Nghiên cứu được thực hiện trên cỡ mẫu 62 quan sát, đây là một cỡ mẫu tương đối trong thống kê.
4.1.2 Kiểm định tính dừng ADF
Hồi quy dữ liệu bảng hoặc chuỗi thời gian có thể gặp phải vấn đề nếu dữ liệu không dừng, dẫn đến hiện tượng hồi quy giả mạo, như đã được Phillips (1986) chỉ ra Để tránh tình trạng này, chuỗi dữ liệu cần phải dừng tại bậc gốc Trong nghiên cứu này, tác giả đã áp dụng kiểm định tính dừng Augmented Dickey-Fuller (ADF) và so sánh với kiểm định DF-GLS do Elliott, Rothenberg và Stock (1992, 1996) đề xuất.
Bảng 4.2: Kiểm định tính dừng bậc gốc dữ liệu
Biến Giá trị thống kê ADF Giá trị thống kê DF-GLS
(**), (***) dữ liệu dừng ở mức ý nghĩa tương ứng 5% và 1%.
Nguồn: Kết quả tổng hợp từ Eviews trên số liệu tác giả thu thập
Kiểm định tính bằng phương pháp ADF và DF-GLS cho thấy tất cả các biến trong dữ liệu gốc đều có bằng chứng dừng ở mức ý nghĩa 10% Điều này cho phép sử dụng mô hình VAR trong phân tích chuỗi thời gian dừng, giúp tránh được hiện tượng hồi quy giả mạo.
4.1.3 Kiểm định độ trễ tối ưu cho mô hình VAR
Mô hình VAR kết hợp hai phương pháp: hồi quy đơn chiều (AR) và hệ phương trình ngẫu nhiên (SEs) Để tránh bỏ sót tác động trễ của các yếu tố vĩ mô lên biến phụ thuộc, tác giả thực hiện kiểm định chọn độ trễ tối ưu cho mô hình VAR bằng công cụ Lag Structure trong Eviews Kết quả cho thấy độ trễ được chọn dựa trên các tiêu chuẩn LR, AIC, FPE, SC và HQ.
Bảng 4.3 Kiểm định độ trễ tối ưu
VAR Lag Order Selection Criteria
Endogenous variables: GDP_US OIL_PRICE EXPORT IPI
Lag LogL LR FPE AIC SC HQ
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
HQ: Hannan-Quinn information criterion
Nguồn: Kết quả tổng hợp từ Eviews trên số liệu tác giả thu thập
Kiểm định lựa chọn độ trễ và kiểm định VAR chỉ ra rằng độ trễ tối ưu cho mô hình VAR ở Hoa Kỳ là 1.
4.1.4 Kiểm định tính ổn định mô hình
Sai số trong mô hình đại diện cho các yếu tố chưa được đưa vào trong nghiên cứu định lượng Để kiểm định độ ổn định của mô hình VAR, cần thực hiện kiểm định tính dừng của chuỗi dữ liệu sai số Nếu các sai số dừng, điều này có nghĩa là chuỗi sai số là nhiễu trắng, cho thấy mô hình VAR ổn định trong phân tích.
Bảng 4.4: Kiểm định tính ổn định mô hình
Mô hình VAR Mô hình BVAR
Inverse Roots of AR Characteristic
Inverse Roots of AR Characteristic Polynomial 1.5
Nguồn: Kết quả tổng hợp từ Eviews trên số liệu tác giả thu thập
Kết quả kiểm định độ ổn định của mô hình VAR và BVAR cho thấy hầu hết các điểm nằm trong vòng tròn đơn vị, chứng tỏ rằng cả hai mô hình đều tương đối ổn định Sự ổn định này cho phép thực hiện phân tích mô hình một cách đáng tin cậy Đặc biệt, mô hình BVAR thể hiện độ dừng cao hơn so với mô hình VAR, với các điểm tập trung gần giá trị 0 trong vòng tròn đơn vị, cho thấy BVAR kiểm soát tốt hơn các yếu tố chưa được đưa vào mô hình, mang lại kết quả ổn định hơn.
4.2 Kết quả ước lượng mô hình BVAR
Sau khi xác định độ trễ tối đa cho mô hình, tác giả tiến hành kiểm định ổn định và ước lượng mô hình VAR Các biến kinh tế vĩ mô thường có tính nội sinh, ảnh hưởng qua lại lẫn nhau, điều này khiến phương pháp hồi quy bội có thể bị sai lệch trong ước lượng Chính vì lý do này, VAR trở nên phổ biến trong nghiên cứu kinh tế vĩ mô Tác giả áp dụng phương pháp Bayesian VAR để ước lượng hệ phương trình VAR và phân tích truyền dẫn sốc thông qua hàm phản ứng xung.
Hàm phản ứng xung trong mô hình Bayesian VAR được sử dụng để đo lường tác động của cú sốc các biến vĩ mô đến biến động của các biến kinh tế vĩ mô khác Theo Todd (1984), mô hình Bayesian VAR có ưu điểm trong việc phân tích ảnh hưởng của các yếu tố đầu vào mà không cần điều chỉnh chủ quan từ người nghiên cứu, như việc thay đổi ma trận hay hệ số trong các mô hình SVAR Kết quả ước lượng hàm xung phản ứng đẩy của mô hình BVAR cho 20 kỳ cho thấy những kết quả đáng chú ý.
Bảng 4.5 Biều đồ IRF và bảng phân rã theo tác động từ cú sốc trong GDP_F của mô hình US theo BVAR:
Response to Cholesky One S.D Innovations
Response of EXPORT to GDP_US
Response of IPI to GDP_US
Response of UNEMPLOYMENT_RATE to GDP_US
Cholesky Ordering: GDP_US OIL_PRICE EXPORT
Kiểm tra cú sốc vĩ mô bằng cách sử dụng mô hình Stress Testing: ứng dụng cho nợ quá hạn
dụng cho nợ quá hạn
4.3.1 Kiểm định hiện tượng phương sai thay đổi phần dư trên dư liệu bảng - Greene (2000)
Hiện tượng phương sai thay đổi có thể làm giảm hiệu quả ước lượng mô hình và làm mất độ tin cậy của kiểm định hệ số Để kiểm tra phương sai sai số thay đổi, tác giả áp dụng phương pháp kiểm định Greene (2000) với các giả thuyết cụ thể.
Giả thuyết H0: Mô hình không có hiện tượng phương sai thay đổi
Giả thuyết H1: Mô hình có hiện tượng phương sai thay đổi
Bảng 4.7 Kết quả kiểm tra phương sai thay đổi mô hình
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập
Kết quả kiểm định Greene (2000) thông qua phần mềm Stata, như thể hiện trong bảng 4.6, cho thấy p-value là 0.0197, nhỏ hơn α = 0.05 Điều này dẫn đến việc bác bỏ giả thuyết Ho ở mức ý nghĩa 5%, cho thấy sự tồn tại của hiện tượng phương sai thay đổi trong mô hình.
Kết luận: Tồn tại hiện tượng phương sai thay đổi trong mô hình ở mức ý nghĩa 5%.
4.3.2 Kiểm định hiện tượng tự tương quan phần dư trên dư liệu bảng–
Hiện tượng tự tương quan phần dư có thể làm giảm hiệu quả của ước lượng mô hình và gây mất tín cậy trong kiểm định hệ số Để kiểm tra hiện tượng này, tác giả áp dụng phương pháp Wooldridge (2002) và Drukker (2003), đồng thời đưa ra giả thuyết kiểm định tương ứng.
Giả thuyết H0: Mô hình không có hiện tượng tự tương quan bậc 1
Giả thuyết H1: Mô hình có hiện tượng tự tương quan bậc 1
Bảng 4.8 Kết quả kiểm tra tự tương quan mô hình
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập
Kết quả kiểm định bằng phần mềm Stata11 cho thấy p-value là 0.0068, nhỏ hơn mức ý nghĩa α = 0.05 Điều này dẫn đến việc bác bỏ giả thuyết Ho, khẳng định sự tồn tại của hiện tượng tự tương quan bậc 1 trong mô hình.
Kết luận: Tồn tại hiện tượng tự tương quan bậc 1 trong mô hình với mức ý nghĩa 5%
Các mô hình hồi quy dữ liệu bảng như hiệu ứng tác động cố định (FEM) và hiệu ứng tác động ngẫu nhiên (REM) thường không kiểm soát được hiện tượng phương sai thay đổi, tự tương quan và vấn đề nội sinh Nghiên cứu của Arellano và Bond (1991) đã chỉ ra rằng phương pháp hồi quy tuyến tính dữ liệu bảng GMM là giải pháp hiệu quả để ước lượng hồi quy trong các mô hình có những vấn đề này Mô hình Arellano và Bond có khả năng kiểm soát tự tương quan giữa phần dư, hiện tượng phương sai thay đổi và nội sinh, mang lại độ tin cậy cao hơn trong phân tích dữ liệu bảng.
Bảng 4.9 Kết quả hồi quy mô hình
(1) (2) (3) lnnpl_ait lnnpl_ait lnnpl_ait lnnpl_ait1 0.425*** 0.537*** 0.342*
Nguồn: Kết quả tổng hợp từ Phần mềm Stata trên số liệu tác giả thu thập
Biến tỷ lệ nợ xấu có mối quan hệ đồng biến với tỷ lệ nợ xấu trong quá khứ (0,342) và có quan hệ nghịch biến với biến quy mô (-3,393), nhưng không có ý nghĩa thống kê Nó cũng có mối quan hệ đồng biến và ý nghĩa thống kê với tốc độ tăng trưởng nợ hiện tại (0,635), trong khi tốc độ tăng trưởng nợ với độ trễ 1 và 2 không có ý nghĩa thống kê Biến này có quan hệ nghịch biến với lãi suất thực hiện tại (-0,617) và đồng biến khi có độ trễ 1 (0,541) Đối với lạm phát hàng năm, hệ số là -1,145 cho lạm phát hiện tại và 1,616 cho lạm phát với độ trễ 1 Cuối cùng, có quan hệ nghịch biến có ý nghĩa thống kê với tổng kim ngạch xuất khẩu hàng hóa và dịch vụ với độ trễ 1 năm (-0,155) Lạm phát là yếu tố có ảnh hưởng lớn nhất đến tỷ lệ nợ xấu ngân hàng, và các biến đặc trưng ngân hàng đều tác động đến tỷ lệ nợ xấu, cho thấy tác động từ môi trường vĩ mô lớn hơn so với môi trường nội bộ.
Mối quan hệ nghịch biến giữa tỷ lệ nợ xấu và lạm phát hiện tại được giải thích bởi việc ngân hàng đã chủ động lập kế hoạch ứng phó với lạm phát từ đầu năm, giúp hạn chế nợ xấu mặc dù lạm phát tăng Tuy nhiên, theo Ben Naceur và Kandil (2009), khi lạm phát gia tăng, sự lo lắng về tương lai khiến nhu cầu vay vốn giảm, ảnh hưởng tiêu cực đến hoạt động tín dụng của ngân hàng và làm tăng tỷ lệ nợ xấu Điều này cho thấy lạm phát có tác động mạnh mẽ đến tỷ lệ nợ xấu, khi nhà đầu tư phản ứng mạnh với thông tin lạm phát do ảnh hưởng và độ trễ của chính sách.
Bài nghiên cứu này tập trung vào việc xác định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của ngân hàng và xây dựng kịch bản vĩ mô dựa trên những phát hiện đó.
Giai đoạn 1: Xác định cú sốc vĩ mô a Lạm phát
Trong những năm gần đây, tốc độ tăng trưởng chỉ số giá tiêu dùng (CPI) đã giảm, cho thấy Chính phủ vẫn kiên định với mục tiêu kiểm soát lạm phát Cụ thể, theo số liệu từ Hình 4.1, CPI năm 2015 chỉ tăng 0,63% so với năm 2014.
Hình 4.1 Lạm giai đoạn năm 2006 – năm 2015 (%)
Nguồn: Tổng cục Thống kê
Lạm phát năm 2015 bị ảnh hưởng bởi nhiều yếu tố, bao gồm mục tiêu tăng trưởng kinh tế, điều chỉnh tỷ giá và tăng trưởng tín dụng để thu hút đầu tư nước ngoài Từ giữa năm 2014, lạm phát cơ bản và lạm phát phi lương thực - thực phẩm không có sự chênh lệch lớn so với lạm phát chung, cho thấy rằng các yếu tố gây biến động đã được loại bỏ, dự báo lạm phát năm 2015 sẽ xoay quanh mức 5% Bên cạnh đó, sự gia tăng tổng cầu và chính sách điều chỉnh giá của chính phủ đối với các mặt hàng cơ bản cũng đóng góp vào tình hình lạm phát trong năm.
Theo báo cáo của Ủy ban Giám sát tài chính quốc gia, giá hàng hóa thế giới dự báo tiếp tục giảm trong năm 2016, ảnh hưởng đến giá tiêu dùng và chi phí sản xuất trong nước Khoảng cách giữa lạm phát và lạm phát cơ bản sẽ không lớn như năm 2015, với lạm phát cơ bản ước tính khoảng 3% và lạm phát chung ở mức 2-3% Chính sách ổn định kinh tế vĩ mô, kiểm soát cung tiền và phục hồi cầu tiêu dùng, cùng với áp lực tăng giá một số mặt hàng, dẫn đến dự báo lạm phát thấp hơn so với năm trước Bài nghiên cứu chọn lạm phát 2,5% cho kịch bản chuẩn.
Bảng 4.9 Dự báo lạm phát 2016 cho một số nước Đông Nam Á
Nguồn: Triển vọng Phát triển Châu Á 2016
Dù vậy, lạm phát có thể đứng trước những biến động mạnh hơn trong năm
Năm 2016, giá năng lượng và nhiều loại hàng hóa đạt mức thấp kỷ lục, trong khi hiện tượng thời tiết bất lợi có thể làm tăng giá một số mặt hàng lương thực thực phẩm Đây là thời điểm áp lực điều chỉnh giá hàng hóa và dịch vụ cơ bản cũng như tỷ giá gia tăng Theo Ủy ban Giám sát tài chính quốc gia, một sự tăng 1% của tỷ giá có thể làm lạm phát tăng thêm 0.06-0.1 điểm % Nếu tâm lý người dân không ổn định, điều này sẽ dẫn đến lạm phát ở mức cao Dự báo của VEPR cho lạm phát năm 2016 là khoảng 4-5%.
So với mục tiêu lạm phát dưới 5% do Quốc hội đề ra Bài nghiên cứu lựa chọn kịch bản xấu hơn khi lạm phát là 5%. b Xuất khẩu
Theo số liệu mới nhất từ Tổng Cục Hải Quan, kim ngạch xuất khẩu hàng hóa năm 2015 đã đạt quy mô ấn tượng, tạo kỳ vọng cho năm 2016 sẽ thiết lập mức cao nhất từ trước đến nay.
Hình 4.2 Tình hình xuất khẩu Việt Nam giai đoạn 2010 – 2015 và dự báo năm 2016
Nguồn: Tổng cục Thống kê
Năm 2016, Việt Nam đã ký kết nhiều hiệp định thương mại quan trọng như TPP và Hiệp định thương mại tự do Việt Nam - EU, cho thấy sự mở cửa mạnh mẽ của nền kinh tế và thúc đẩy hoạt động thương mại phát triển Kim ngạch xuất khẩu hàng hóa bình quân đầu người đạt 1.768 USD, cao nhất từ trước đến nay, với dự báo có thể vượt 1.920 USD/người vào cuối năm Trong số các mặt hàng xuất khẩu, có 23 mặt hàng đạt trên 1 tỷ USD, trong đó điện thoại và linh kiện vượt mốc 30 tỷ USD Cơ cấu xuất khẩu chuyển dịch tích cực, với tỷ trọng hàng công nghiệp nặng và khoáng sản đạt 74 tỷ USD, chiếm 45,5% tổng kim ngạch, trong khi hàng công nghiệp nhẹ và tiểu thủ công nghiệp đạt 64,8%, chiếm 39,9%.
Mục tiêu xuất khẩu năm 2016 là tăng 10% và giữ mức nhập siêu ở 5%, điều này khả thi nhờ vào 8 Hiệp định thương mại (FTA) đã ký và các FTA thế hệ mới Việc tham gia TPP và Cộng đồng Kinh tế ASEAN sẽ tạo cơ hội thu hút đầu tư nước ngoài, từ đó thúc đẩy xuất khẩu vào các thị trường lớn.
