(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam

(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam(Luận văn thạc sĩ) Phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam

GIỚI THIỆU TỔNG QUAN NGHIÊN CỨU

Đặt vấn đề nghiên cứu

Cuộc khủng hoảng tài chính toàn cầu bắt đầu từ năm 2007 tại Hoa Kỳ đã phơi bày nhiều yếu điểm trong hệ thống tài chính của nhiều quốc gia Hệ thống giám sát tài chính chưa hoàn thiện đã dẫn đến sự gia tăng dòng tín dụng giá rẻ, chủ yếu tập trung vào lĩnh vực bất động sản Việc cho vay thế chấp dưới chuẩn và sự phát triển mạnh mẽ của thị trường chứng khoán phái sinh đã làm giảm các chuẩn mực kiểm soát rủi ro, nhằm tối đa hóa lợi nhuận cho các bên liên quan Khi nền kinh tế suy thoái và thị trường bất động sản đảo chiều, những khoản nợ đáo hạn mất khả năng thanh toán đã trở thành nợ xấu, gây ra đổ vỡ tín dụng dây chuyền trong hệ thống tài chính Hoa Kỳ và khởi phát khủng hoảng tài chính toàn cầu Tiếp theo, khủng hoảng nợ công ở Châu Âu cũng nhanh chóng xuất hiện sau sự kiện này.

Vấn đề nợ công Châu Âu vẫn chưa có lời giải hoàn hảo do giám sát tài chính kém, dẫn đến nhiều quốc gia mất khả năng thanh toán nợ và phát sinh nợ xấu Trong khi đó, Nhật Bản có tỷ lệ nợ công cao hơn 200% GDP nhưng vẫn kiểm soát tốt nhờ khả năng thanh toán nợ Trung Quốc đang đối mặt với nguy cơ bong bóng bất động sản, có thể làm gia tăng nợ xấu và ảnh hưởng đến hệ thống ngân hàng Tại Việt Nam, nợ xấu đang cản trở sự phát triển kinh tế và thu hút sự chú ý từ các nhà quản lý.

Nợ xấu trong hệ thống ngân hàng Việt Nam chiếm phần lớn trong khối nợ xấu toàn nền kinh tế, do ngân hàng là nguồn cung cấp vốn chủ yếu Khi các khoản nợ không thể thanh toán, ngân hàng sẽ chịu ảnh hưởng đầu tiên và nặng nề nhất Nợ xấu bị tác động bởi nhiều yếu tố, từ vĩ mô như sự phát triển kinh tế và tỷ lệ thất nghiệp, đến các yếu tố nội tại của từng ngân hàng như khả năng quản trị, nguồn vốn và hiệu quả hoạt động Hiểu rõ các yếu tố này giúp đánh giá sức khỏe của hệ thống ngân hàng và đề ra chiến lược điều chỉnh phù hợp, đặc biệt quan trọng trong giai đoạn hiện nay Do đó, việc phân tích các yếu tố tác động đến nợ xấu của hệ thống ngân hàng thương mại Việt Nam là cần thiết và là chủ đề của nghiên cứu này.

Mục tiêu nghiên cứu

Xuất phát từ ý tưởng trên nên đề tài nghiên cứu này được thực hiện với mong muốn đạt được các mục tiêu sau:

(i) Tìm hiểu thực trạng nợ xấu của hệ thống NHTMVN

(ii) Phân tích và tìm ra các yếu tố thuộc về ngân hàng mà có tác động đến nợ xấu của hệ thống NHTMVN

Để kiểm soát nợ xấu của hệ thống NHTMVN, cần thực hiện các giải pháp như tăng cường quản lý rủi ro tín dụng, cải thiện quy trình thẩm định khoản vay, và nâng cao năng lực phân tích tài chính Đồng thời, cần thiết lập cơ chế giám sát chặt chẽ các khoản vay tiềm ẩn rủi ro, khuyến khích các ngân hàng xây dựng quỹ dự phòng cho nợ xấu, và thúc đẩy hợp tác giữa các ngân hàng trong việc chia sẻ thông tin về khách hàng Việc đào tạo nhân viên về quản lý nợ xấu cũng là yếu tố quan trọng giúp nâng cao hiệu quả kiểm soát.

Các câu hỏi nghiên cứu

Đề tài này sẽ tập trung vào việc phân tích tình hình nợ xấu của các Ngân hàng Thương mại Việt Nam trong giai đoạn nghiên cứu và hiện tại, nhằm cung cấp cái nhìn rõ ràng về xu hướng và mức độ nợ xấu hiện nay.

(ii) Các yếu tố nào (thuộc về tính chất của ngân hàng) có tác động đến nợ xấu của hệ thống NHTMVN?

(iii) Từ kết quả nghiên cứu thu được, có thể kiểm soát nợ xấu của các NHTMVN bằng cách nào (nếu có)?

Đối tượng và phạm vi nghiên cứu

Luận văn này tập trung vào nghiên cứu nợ xấu và các yếu tố ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại Việt Nam, với thời gian nghiên cứu từ năm 2005 đến nay.

Phương pháp nghiên cứu và dữ liệu nghiên cứu

1.5.1 Ph ươ ng pháp nghiên c ứ u

Nghiên cứu này áp dụng phương pháp định tính, dựa vào việc khảo sát các nghiên cứu trước và các mô hình đã được công bố nhằm dự đoán các yếu tố có thể ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại Việt Nam.

Phương pháp định lượng là phương pháp chính trong nghiên cứu, tập trung vào việc thống kê số liệu và đánh giá thực trạng nợ xấu cũng như các yếu tố liên quan có thể tác động đến nợ xấu trong hệ thống NHTM Việt Nam Nghiên cứu sẽ áp dụng các kỹ thuật hồi quy đa biến kết hợp với các kiểm định liên quan để xác định các yếu tố có ảnh hưởng đáng kể đến nợ xấu và lựa chọn mô hình phù hợp để diễn giải kết quả.

Nghiên cứu này sử dụng dữ liệu thứ cấp từ báo cáo tài chính, báo cáo kiểm toán, báo cáo thường niên và các tài liệu liên quan của 39 ngân hàng thương mại, được công bố trong giai đoạn từ năm 2005 đến 2011.

Ý nghĩa và đóng góp của nghiên cứu

Nghiên cứu này nhằm phân tích các yếu tố ảnh hưởng đến nợ xấu trong hệ thống ngân hàng thương mại Việt Nam, từ đó cung cấp những hiểu biết quan trọng về tình hình nợ xấu và đưa ra các giải pháp cải thiện hiệu quả quản lý nợ xấu trong ngành ngân hàng.

Nghiên cứu này sẽ làm sáng tỏ mối quan hệ và ảnh hưởng của các yếu tố thuộc tính ngân hàng đến nợ xấu tại Việt Nam, bổ sung cho các nghiên cứu tương tự đã được thực hiện ở nhiều quốc gia khác trên thế giới.

Nghiên cứu này phân tích mối tương quan và tác động của các yếu tố đến nợ xấu, từ đó cung cấp cho các nhà quản trị ngân hàng cái nhìn sâu sắc hơn để xây dựng chiến lược và chính sách phù hợp Điều này nhằm nâng cao khả năng quản trị rủi ro ngân hàng, đặc biệt trong việc kiểm soát nợ xấu hiệu quả.

Kết cấu luận văn

Luận văn này được nghiên cứu và trình bày theo năm chương, nội dung tóm tắt các chương như sau: i Chương 1: GIỚI THIỆU TỔNG QUAN NGHIÊN CỨU

Nghiên cứu này đóng vai trò quan trọng trong việc hiểu rõ hơn về vấn đề đang được khảo sát Chương 1 không chỉ giới thiệu tổng quan về đề tài mà còn nhấn mạnh ý nghĩa và những đóng góp của nghiên cứu Tiếp theo, Chương 2 sẽ trình bày cơ sở lý thuyết cùng với các nghiên cứu trước đây liên quan, nhằm cung cấp nền tảng vững chắc cho việc phân tích và thảo luận sau này.

Chương này tập trung vào cơ sở lý thuyết của nghiên cứu trong luận văn, khảo sát các yếu tố ảnh hưởng đến nợ xấu của ngân hàng từ các nghiên cứu trước đây tại nhiều quốc gia và thời kỳ khác nhau Đồng thời, chương cũng trình bày các khái niệm liên quan và lý thuyết quản trị rủi ro trong lĩnh vực ngân hàng.

Sau khi khảo sát và trình bày cơ sở lý thuyết ở chương 2, chương này sẽ xây dựng mô hình nghiên cứu cùng với các giả thuyết nghiên cứu Mô hình nghiên cứu, các biến nghiên cứu và quy trình nghiên cứu cụ thể sẽ được trình bày chi tiết trong chương này.

5 iv Chương 4: KẾT QUẢ NGHIÊN CỨU

Sử dụng phần mềm Eview để thực hiện phân tích dữ liệu thông qua phương pháp hồi quy đa biến, nghiên cứu sẽ áp dụng các kiểm định liên quan nhằm đánh giá tác động của các biến đến nợ xấu và lựa chọn mô hình phù hợp để giải thích kết quả Sau khi xác định mô hình thích hợp, nghiên cứu sẽ thảo luận về kết quả thực nghiệm, từ đó đưa ra kết luận chấp nhận hoặc bác bỏ các giả thuyết đã thiết lập ở chương 3 và tổng kết về mô hình nghiên cứu.

Chương này sẽ tóm tắt các kết quả nghiên cứu chính của luận văn, đồng thời chỉ ra những đóng góp và hạn chế của đề tài Cuối cùng, nghiên cứu sẽ đề xuất các hướng nghiên cứu mới có tiềm năng phát triển dựa trên nền tảng hiện có.

Nội dung tổng quan của nghiên cứu bao gồm mục tiêu, câu hỏi, dữ liệu, phương pháp nghiên cứu và kết cấu chính của luận văn Chương 2 sẽ trình bày các lý thuyết liên quan và khảo sát các nghiên cứu đã được thực hiện và công bố, liên quan trực tiếp đến vấn đề nghiên cứu của đề tài này.

CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC

Lý thuyết quản trị rủi ro trong kinh doanh ngân hàng

Trong hoạt động kinh doanh, ngân hàng phải đối mặt với nhiều rủi ro, trong đó nợ xấu là một dạng rủi ro tín dụng quan trọng Nợ xấu có thể phát sinh từ nhiều nguyên nhân, bao gồm tình hình kinh doanh kém hiệu quả và khả năng quản trị dòng tiền yếu của khách hàng Ngoài ra, nợ xấu cũng có thể do ngân hàng không thẩm định hồ sơ cho vay đúng cách, không quản lý mục đích sử dụng vốn của khách hàng hiệu quả, và các vấn đề liên quan đến đạo đức nhân sự Sự xuất hiện của các rủi ro trong quá trình hoạt động có thể làm gia tăng nợ xấu, vì vậy việc khảo sát lý thuyết quản trị rủi ro trong kinh doanh ngân hàng là cần thiết để có cái nhìn tổng quan trước khi giải quyết vấn đề nợ xấu.

Rủi ro trong kinh doanh chưa có định nghĩa thống nhất và được hiểu theo nhiều cách khác nhau tùy thuộc vào lĩnh vực và trường phái Theo quan điểm định tính, một sự kiện được coi là có rủi ro khi có sự không chắc chắn và xác suất có thể ước đoán Trong hoạt động của mình, doanh nghiệp và tổ chức tài chính thường đối mặt với ba loại rủi ro cơ bản: rủi ro tín dụng, rủi ro lãi suất và rủi ro tỷ giá Ngoài ra, ngân hàng hiện đại còn phải đối mặt với các rủi ro khác như rủi ro thanh khoản, rủi ro hoạt động ngoại bảng, rủi ro công nghệ, rủi ro quốc gia và nhiều rủi ro khác Bài viết này sẽ trình bày một số biện pháp quản trị rủi ro chính trong hoạt động kinh doanh ngân hàng hiện đại.

2.1.1 Qu ả n tr ị r ủ i ro tín d ụ ng

Rủi ro tín dụng xảy ra khi khách hàng vay vốn hoặc nhận tín dụng không có khả năng thanh toán khoản nợ đến hạn Đối với doanh nghiệp phi tài chính, rủi ro này phát sinh từ chính sách bán chịu khi khách hàng không thể trả nợ Trong ngân hàng, rủi ro tín dụng xuất hiện khi khách hàng vay tiền không thể chi trả một phần hoặc toàn bộ khoản nợ đến hạn Dù ngân hàng có thẩm định kỹ lưỡng và có tài sản thế chấp, vẫn không thể đảm bảo thu hồi được khoản tín dụng Tất cả các khoản cho vay đều tiềm ẩn rủi ro tín dụng, trong đó nợ xấu là một dạng rủi ro khi khoản nợ quá hạn thanh toán từ 90 ngày trở lên và khả năng trả nợ của khách hàng là không chắc chắn.

Trong hoạt động kinh doanh, mối quan hệ tín dụng giữa doanh nghiệp và ngân hàng, cũng như giữa các doanh nghiệp, thường rất phức tạp Rủi ro tín dụng xuất hiện khi khách hàng không thể thanh toán nợ đúng hạn, và có thể ảnh hưởng dây chuyền đến tất cả các bên liên quan Rủi ro này có thể phát sinh từ cả hai phía: ngân hàng và khách hàng Do đó, quản trị rủi ro tín dụng là rất quan trọng cho cả ngân hàng và doanh nghiệp Một số biện pháp quản trị rủi ro tín dụng mà ngân hàng thường áp dụng bao gồm: tư vấn chính sách quản lý rủi ro cho khách hàng, cung cấp công cụ phòng ngừa rủi ro như bao thanh toán, xây dựng chính sách tín dụng chặt chẽ và thống nhất trong toàn hệ thống ngân hàng, và thiết lập quy trình phân tích và thẩm định tín dụng một cách nghiêm ngặt.

Phân tích tín dụng là quá trình đánh giá sức khỏe tài chính của khách hàng vay vốn, bao gồm các yếu tố như tình hình thanh khoản, hiệu quả sử dụng nợ, và hiệu quả hoạt động sản xuất kinh doanh Nó cũng xem xét doanh thu, chi phí, lợi nhuận, dòng tiền kỳ vọng và tính khả thi của phương án sản xuất kinh doanh trong tương lai.

Thẩm định tín dụng là quá trình quan trọng để đánh giá độ tin cậy của phương án sản xuất kinh doanh trước khi cấp tín dụng cho khách hàng Quá trình này tập trung vào việc xem xét dòng tiền kỳ vọng, đánh giá chi phí sử dụng vốn và thẩm định hiệu quả tài chính thông qua các chỉ số như giá trị hiện tại ròng (NPV), suất sinh lợi nội bộ (IRR) và thời gian hoàn vốn (PP, DPP) Bên cạnh đó, việc sử dụng công cụ xếp hạng tín dụng cũng đóng vai trò quan trọng trong việc đưa ra quyết định cho vay.

Trước khi cấp tín dụng, ngân hàng cần dựa vào xếp hạng tín dụng để xác định hạn mức và lãi suất cho khách hàng Tại Mỹ, các tổ chức xếp hạng tín dụng uy tín như S&P, Moody và Fitch đóng vai trò quan trọng Ở Việt Nam, các ngân hàng thường tự đánh giá tín dụng của khách hàng hoặc tham khảo Trung Tâm Thông Tin Tín Dụng của NHNN để đưa ra quyết định về hạn mức và lãi suất cho vay.

Ngân hàng sử dụng dữ liệu thống kê để đánh giá rủi ro tín dụng và chấm điểm tín dụng cho khách hàng Dựa vào điểm tín dụng này, ngân hàng quyết định hạn mức, thời gian và lãi suất cho vay Ở các quốc gia có thị trường tài chính phát triển, ngân hàng và cơ quan quản lý tín dụng đã xây dựng hệ thống chấm điểm tín dụng để hỗ trợ hoạt động ngân hàng.

Hệ thống chấm điểm tín dụng khách hàng tại Việt Nam dựa vào nhiều yếu tố như lịch sử thanh toán nợ, giá trị dư nợ, thời hạn tín dụng, và tình trạng việc làm Tuy nhiên, hiện tại, hệ thống này chưa được xây dựng một cách bài bản và thống nhất, dẫn đến việc mỗi ngân hàng áp dụng tiêu chí chấm điểm khác nhau.

Bảo đảm tín dụng là một phương thức phòng ngừa rủi ro phổ biến trong ngành ngân hàng, giúp tạo ra cơ sở kinh tế và pháp lý cho việc thu hồi nợ khi xảy ra rủi ro tín dụng Các hình thức đảm bảo tín dụng bao gồm thế chấp tài sản, cầm cố tài sản và bảo lãnh Tuy nhiên, mặc dù bảo đảm tín dụng có khả năng giảm thiểu rủi ro, nhưng nó không thể loại bỏ hoàn toàn rủi ro tín dụng, vì khi rủi ro xảy ra, ngân hàng vẫn phải đối mặt với nhiều khó khăn trong việc thu hồi nợ.

Tại Việt Nam, ngân hàng gặp nhiều khó khăn trong việc thanh lý tài sản đảm bảo là bất động sản do vướng mắc trong thủ tục hành chính tại tòa án và thi hành án, cùng với tình trạng giá bất động sản giảm mạnh Điều này dẫn đến việc giá trị thanh lý không đủ bù đắp khoản nợ Một giải pháp khả thi là mua bảo hiểm tín dụng để giảm thiểu rủi ro trong quá trình thanh lý tài sản.

Ngân hàng có thể yêu cầu khách hàng mua bảo hiểm tín dụng trước khi cấp tín dụng, nhằm bảo vệ quyền lợi của mình Bảo hiểm tín dụng sẽ giúp công ty bảo hiểm thanh toán nợ cho ngân hàng nếu khách hàng không còn khả năng thanh toán Việc lập quỹ dự phòng rủi ro tín dụng cũng là một biện pháp quan trọng để giảm thiểu rủi ro cho ngân hàng.

Ngân hàng cần chủ động trích lập quỹ dự phòng rủi ro tín dụng để bù đắp cho các khoản nợ không thu hồi được, thực hiện từ thu nhập trước thuế và chia cổ tức Tại Việt Nam, việc trích lập này là bắt buộc theo quy định của NHNN tại các văn bản như Quyết Định số 493/2005/QĐ-NHNN, Quyết định số 18/2007/QĐ-NHNN và Thông tư số 02/2013/TT-NHNN.

Các ngân hàng thường áp dụng nhiều biện pháp quản lý rủi ro tín dụng, trong đó thẩm định và phân tích tín dụng đóng vai trò quan trọng Hậu kiểm sau khi cấp tín dụng, bao gồm kiểm soát việc sử dụng vốn vay đúng mục đích, tình trạng hoạt động và thu nhập của khách hàng, cũng rất cần thiết Việc kiểm soát tốt tình trạng khách hàng giúp ngân hàng giảm thiểu rủi ro tín dụng trong tương lai Tuy nhiên, vấn đề này chưa được các ngân hàng Việt Nam chú trọng, dẫn đến việc khách hàng sử dụng vốn vay sai mục đích và gia tăng nợ xấu trong hệ thống.

2.1.2 Qu ả n tr ị r ủ i ro lãi su ấ t

Rủi ro lãi suất, theo Nguyễn Minh Kiều (2009), là loại rủi ro phát sinh từ sự biến động của lãi suất, dẫn đến giảm thu nhập hoặc gia tăng chi phí phải trả Khi ngân hàng huy động vốn, việc quản lý rủi ro lãi suất trở nên quan trọng để bảo vệ lợi nhuận và duy trì ổn định tài chính.

Khảo sát các nghiên cứu trước về các yếu tố tác động đến nợ xấu

Nhiều tác giả nghiên cứu về ngân hàng và rủi ro ngân hàng đã chỉ ra các vấn đề liên quan đến nợ xấu Cụ thể, Baral (2005) nhận định rằng nợ xấu có thể được thể hiện qua chất lượng tài sản, cho thấy mối liên hệ giữa chất lượng tài sản và tình trạng nợ xấu trong ngân hàng.

16 ngân hàng quản lý tài sản phụ thuộc vào rủi ro đặc thù, xu hướng nợ xấu, tình trạng sức khỏe và khả năng sinh lợi của ngân hàng cho vay Olweny và Shipho (2011) chỉ ra rằng nợ xấu là một dạng rủi ro tín dụng, ảnh hưởng lớn đến hoạt động của từng ngân hàng Bài viết này sẽ khảo sát các nghiên cứu trước đây của nhiều tác giả đã thực hiện và công bố ở các quốc gia khác nhau.

Nghiên cứu của Keeton và Morris sử dụng bộ dữ liệu từ các ngân hàng thương mại Hoa Kỳ trong giai đoạn 1979 đến 1985 để phân tích các nguyên nhân dẫn đến nợ xấu.

Nghiên cứu của năm 1987 chỉ ra rằng hiệu quả kinh tế vùng miền và sự kém hiệu quả của các ngành như công nghiệp, nông nghiệp, năng lượng có liên quan đến nợ xấu Cũng theo quan điểm của Keeton và Morris, Sinkey và Greenwalt (1991) đã phân tích dữ liệu từ các ngân hàng thương mại Hoa Kỳ trong giai đoạn 1984 đến 1987 để khám phá các yếu tố ảnh hưởng đến tỷ lệ nợ xấu Kết quả cho thấy, bên cạnh các yếu tố kinh tế vùng miền, lãi suất và dư nợ cho vay cũng có mối quan hệ đồng biến với tỷ lệ nợ xấu.

Keeton (1999) đã tiến hành nghiên cứu nhằm tìm hiểu mối tương quan giữa tốc độ tăng trưởng tín dụng và nợ xấu, sử dụng dữ liệu từ các ngân hàng thương mại ở Hoa Kỳ trong giai đoạn 1982.

- 1996 để nghiên cứu và tác giả đã kết luận: tốc độ tăng trưởng tín dụng (creditgrowth) càng nhanh thì nợ xấu (NPL) càng lớn

Trong nghiên cứu về rủi ro và hiệu quả hoạt động của các ngân hàng thương mại ở Nhật giai đoạn 1993-1996, Altunbas và cộng sự (2000) phát hiện mối quan hệ ngược chiều giữa hiệu quả hoạt động và tỷ lệ nợ xấu Kết quả này cũng phù hợp với nghiên cứu của Hughes và Mester (1992) về hiệu quả hoạt động của các ngân hàng tại Mỹ Tiếp theo, nghiên cứu của Girardone và cộng sự (2004) tại Italia đã củng cố thêm kết luận của Altunbas và cộng sự (2000).

Từ năm 2000 đến nay, Jesús Saurina cùng nhóm tác giả đã thực hiện nhiều nghiên cứu về rủi ro tín dụng và nợ xấu ngân hàng, với các công trình được công bố trên các tạp chí uy tín tại Châu Âu Những nghiên cứu này, như của Salas và cộng sự, đóng góp quan trọng vào hiểu biết về vấn đề tài chính này.

Nghiên cứu của Saurina (2002) chỉ ra rằng có mối tương quan thuận giữa tốc độ tăng trưởng tín dụng và nợ xấu ở các ngân hàng, với các độ trễ thời gian cho thấy nợ xấu sẽ cao hơn nếu tốc độ tăng trưởng tín dụng trong những năm trước cao Điều này phản ánh một vấn đề chung của các nền kinh tế đang phát triển Cụ thể, nghiên cứu cho thấy nợ xấu trong hệ thống ngân hàng Tây Ban Nha có xu hướng gia tăng: nợ xấu hiện tại sẽ bị ảnh hưởng bởi nợ xấu trong quá khứ, do đó các ngân hàng cần thực hiện các chính sách kiểm soát nợ xấu hiệu quả để ngăn chặn xu hướng này.

Ngoài việc nghiên cứu các yếu tố tác động trực tiếp đến nợ xấu, còn có những nghiên cứu liên quan đến nợ xấu thông qua biến dự phòng rủi ro, trong đó nổi bật là nghiên cứu của Hasan và Wall.

Nghiên cứu năm 2003 đã phân tích các yếu tố ảnh hưởng đến chi phí dự phòng cho vay khách hàng (Loan Loss Allowance, LLA) của các ngân hàng tại Hoa Kỳ Kết quả cho thấy có mối tương quan thuận giữa tỷ lệ nợ xấu và LLA Ngoài ra, tỷ lệ nợ không thu hồi được (Net Charge-off Ratio) và tỷ lệ cho vay trên tổng tài sản (Loan to Asset Ratio, LTA) cũng có tác động tích cực đến LLA.

Nghiên cứu của Rajan và Dhal (2003) chỉ ra rằng kỳ hạn tín dụng có ảnh hưởng đáng kể đến tỷ lệ nợ xấu, với việc kỳ hạn tín dụng dài hơn dẫn đến tỷ lệ nợ xấu giảm Ngược lại, khi tỷ lệ dư nợ cho vay ngắn hạn trên tổng dư nợ cho vay tăng, tỷ lệ nợ xấu cũng gia tăng Hơn nữa, dữ liệu từ các ngân hàng thương mại Ấn Độ cho thấy rằng nếu chi phí lãi vay tăng 2,5%, tỷ lệ nợ xấu sẽ tăng lên 1%.

Trong nghiên cứu về hiệu quả hoạt động ngân hàng, chất lượng tài sản, đặc biệt là nợ xấu, đóng vai trò quan trọng Girardone và cộng sự (2004) chỉ ra rằng nợ xấu gây ảnh hưởng tiêu cực đến lợi nhuận ngân hàng tại Italia Sự gia tăng nợ xấu cũng cho thấy vấn đề trong quy trình giám sát và đánh giá cho vay Theo Berger và DeYoung (1997), điều này càng nhấn mạnh tầm quan trọng của việc quản lý tín dụng hiệu quả trong ngân hàng.

Trong mối quan hệ giữa rủi ro và hiệu quả của các ngân hàng tại Mỹ, những ngân hàng hoạt động hiệu quả thường có khả năng quản lý rủi ro tín dụng tốt hơn Điều này tạo ra lợi thế cạnh tranh rõ rệt cho các ngân hàng trong ngành.

Fofack (2005) đã mở rộng mô hình nghiên cứu nợ xấu tại các nước vùng hạ Sahara Châu Phi bằng cách thêm biến tỷ lệ dư nợ cho vay liên ngân hàng Nghiên cứu cho thấy tỷ lệ cho vay liên ngân hàng có tác động nghịch biến với tỷ lệ nợ xấu, trong khi các biến vi mô như ROE, ROA và tỷ lệ thu nhập thuần cũng ảnh hưởng đến nợ xấu, với Equity có tác động cùng chiều lên NPL với mức ý nghĩa 10% Bên cạnh đó, các biến vĩ mô như tốc độ tăng trưởng GDP, lạm phát, lãi suất thực và cung tiền M2 cũng có tác động đáng kể đến tỷ lệ nợ xấu.

Nghiên cứu của Jiménez và Saurina (2006) đã chỉ ra rằng sự đa dạng hóa danh mục cho vay theo khu vực địa lý (biến HERFR) có tác động tích cực đến việc giảm thiểu nợ xấu ngân hàng, trong khi sự đa dạng hóa theo ngành nghề (biến HERFI) không có ảnh hưởng đáng kể Tương tự như nghiên cứu năm 2002, tác giả nhận thấy rằng tốc độ tăng trưởng tín dụng trong quá khứ có mối liên hệ thuận với nợ xấu hiện tại, với biến creditgrow ở một số bậc trễ tác động cùng chiều lên nợ xấu Hơn nữa, nợ xấu trong quá khứ (Lag1NPL, Lag2NPL, Lag3NPL) cũng có mối tương quan tích cực với nợ xấu hiện tại (NPL), cho thấy sự liên kết giữa nợ xấu ở các thời kỳ khác nhau.

MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Các yếu tố liên quan đến nợ xấu

Trong bài viết này, chúng tôi sẽ lần lượt xem xét và phân tích các khái niệm cùng với công thức tính toán những yếu tố có khả năng ảnh hưởng đến nợ xấu.

Theo Phòng Thống Kê - Liên Hợp Quốc, nợ xấu được định nghĩa là khoản nợ quá hạn trả lãi và/hoặc gốc trên 90 ngày, hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thoả thuận Ngoài ra, các khoản phải thanh toán quá hạn dưới 90 ngày nhưng có lý do nghi ngờ về khả năng thanh toán đầy đủ cũng được xem là nợ xấu Định nghĩa này dựa trên hai yếu tố chính: (i) quá hạn trên 90 ngày và (ii) khả năng trả nợ bị nghi ngờ, theo chuẩn mực kế toán quốc tế (IAS) đang được áp dụng rộng rãi toàn cầu.

Theo tiêu chuẩn của Việt Nam được Ngân hàng nhà nước quy định tại Quyết Định số 493/2005/QĐ-NHNN ngày 22/04/2005 và thông tư 02/2013/TT-NHNN ngày

Theo định nghĩa ngày 21/01/2013, nợ xấu được phân loại thành các nhóm 3 (nợ dưới chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn), và tỷ lệ nợ xấu trên tổng dư nợ phản ánh chất lượng tín dụng của tổ chức tín dụng Nợ xấu cũng được hiểu là các khoản nợ đã quá hạn thanh toán gốc và lãi từ 90 ngày trở lên, với khả năng trả nợ đáng lo ngại, phù hợp với chuẩn mực kế toán Việt Nam (VAS).

Công thức 3.1 dưới đây là công thức tính tỷ lệ nợ xấu, đã được nhiều nghiên cứu như của Salas và Saurina (2002), Jiménez và Saurina (2006), Jiménez, Lopez và Saurina (2010), Espinoza và Prasad (2010), và Klein (2013) áp dụng rộng rãi.

NPL Dư nợ nhóm 3 Dư nợ nhóm 4 Dư nợ nhóm 5

Các khoản mục dư nợ nhóm 3, 4, 5 được trích từ thuyết minh báo cáo tài chính và báo cáo thường niên hàng năm, trong khi tổng dư nợ được thu thập từ bảng cân đối kế toán Công thức tính tỷ lệ nợ xấu (NPL) theo phương trình 3.1 sẽ được áp dụng để tính toán tỷ lệ nợ xấu của từng ngân hàng theo từng năm.

Nhiều nghiên cứu trên thế giới đã chỉ ra các yếu tố ảnh hưởng đến nợ xấu, bao gồm cả yếu tố vi mô của ngân hàng và yếu tố vĩ mô của nền kinh tế Các tác giả như Salas và Saurina (2002), Jiménez và Saurina (2006), Jiménez, Lopez và Saurina (2010), Espinoza và Prasad (2010), và Klein (2013) đã chứng minh rằng nợ xấu trong quá khứ (NPLt-1 và NPLt-2) có tác động đến nợ xấu hiện tại (NPLt).

Hiệu quả hoạt động của ngân hàng thường được đánh giá thông qua tỷ suất sinh lời trên vốn chủ sở hữu (ROE) và tỷ suất sinh lời trên tổng tài sản (ROA) Tỷ lệ này càng cao thì chứng tỏ ngân hàng hoạt động hiệu quả hơn Tại Việt Nam, hầu hết các sách giáo khoa giảng dạy tại các trường đại học và nhiều công ty đều sử dụng công thức ROE và ROA để đánh giá hiệu suất ngân hàng.

ROE Lợi nhuận sau thuế

Vốn chủ sở hữu 3.2 và

ROA Lợi nhuận sau thuế

Khoản mục lợi nhuận sau thuế được lấy từ báo cáo kết quả hoạt động kinh doanh, trong khi tổng tài sản và vốn chủ sở hữu được thu thập từ bảng cân đối kế toán Đề tài này áp dụng công thức tính ROE và ROA để phân tích dữ liệu theo tiêu chuẩn tại Việt Nam.

Nhiều nghiên cứu về hiệu quả hoạt động của ngân hàng đã được thực hiện trên toàn cầu, trong đó ROE và ROA thường được sử dụng làm biến phụ thuộc Một số nghiên cứu tiêu biểu bao gồm các tác giả như Berger và Humphrey (1992), Hughes và Mester (1993), Wheelock và Wilson (1995), Altunbas và cộng sự (2000), Girardone và cộng sự (2004), Banker và cộng sự (2008), cùng với Achou và Tenguch (2008), cũng như Ali, Akhtar và Ahmed (2011).

ROE và ROA thường được sử dụng làm biến độc lập trong các nghiên cứu liên quan đến rủi ro và nợ xấu ngân hàng Một số nghiên cứu tiêu biểu có thể kể đến là của Berger và DeYoung (1997), Altunbas và cộng sự (2000), Louzis, Vouldis và Metaxas (2010), Jiménez, Lopez và Saurina (2010), Espinoza và Sprasad (2010), cùng với Klein (2013).

3.1.3 Quy mô ngân hàng (Size)

Khi so sánh quy mô của hai doanh nghiệp trong cùng ngành, chỉ tiêu tổng tài sản thường được sử dụng để thể hiện sự lớn mạnh và quy mô của doanh nghiệp Tổng tài sản không chỉ phản ánh quy mô mà còn là biến đại diện cho các nghiên cứu về lợi nhuận, nợ xấu và rủi ro tín dụng trong lĩnh vực ngân hàng, như các nghiên cứu của Hu và cộng sự (2006), Pasha và Khemraj (2010), cũng như Allen và Boffey.

Theo Powell (2011), tổng tài sản của một ngân hàng thường có giá trị tuyệt đối rất lớn Do đó, trong kỹ thuật hồi quy khi phân tích dữ liệu, các tác giả thường sử dụng logarit của tổng tài sản như một biến đại diện cho quy mô.

Size logarit tổng tài sản 3.4

Khoản mục tổng tài sản trên bảng cân đối kế toán hàng năm của các ngân hàng là nội dung chính của bài nghiên cứu này Đối tượng nghiên cứu là các ngân hàng, và quy mô ngân hàng được xác định theo công thức 3.4 đã nêu.

3.1.4 D ự phòng r ủ i ro tín d ụ ng (Loan Loss Reserves và Loan Loss Provision)

Tại Việt Nam, việc dự phòng rủi ro cho vay được quy định bởi Quyết Định 493/2005/QĐ-NHNN và Quyết Định 18/2007/QĐ-NHNN của Ngân Hàng Nhà Nước Theo các quyết định này, các ngân hàng phải lập dự phòng rủi ro cho vay dựa trên công thức cụ thể.

R là tổng dự phòng rủi ro cho vay

R2 là dự phòng cụ thể: R2 = max{0, (A-C)} x r Với: A là giá trị khoản nợ

C là giá trị tài sản đảm bảo (hay thế chấp) r là tỷ lệ trích lập dự phòng cụ thể

Tùy thuộc vào nhóm nợ mà r có giá trị khác nhau, theo Quyết định 493 thì: nhóm 1: r = 0%, nhóm 2: r = 5%, nhóm 3: r = 20%, nhóm 4: r = 50%, nhóm 5: r = 100%

Khi xem xét công thức tính mức trích lập dự phòng cụ thể R2, nếu hiệu số (A-C) có giá trị âm, thì R2 sẽ bằng 0 Điều này thường xảy ra trong thực tế, đặc biệt là trong thời gian gần đây, khi các ngân hàng có xu hướng tự định giá cao hơn giá trị tài sản thế chấp (C) trong các hợp đồng tín dụng Việc này nhằm nâng hạn mức tín dụng cho khách hàng vay trong bối cảnh bùng nổ tín dụng Có thể thấy, các ngân hàng có thể định giá tài sản thế chấp C cao hơn gấp đôi giá trị khoản nợ A, dẫn đến hiệu số A - C < 0.

Mô hình nghiên cứu và các giả thuyết nghiên cứu

Dựa trên khảo sát và đánh giá các yếu tố liên quan cùng với những nghiên cứu trước đây, luận văn này sẽ xây dựng mô hình nghiên cứu và các giả thuyết nghiên cứu.

Nghiên cứu nợ xấu trong hệ thống ngân hàng thường sử dụng nhóm biến vi mô và vĩ mô để phân tích Đối với các nghiên cứu tổng thể về nợ xấu của ngân hàng quốc gia qua thời gian, các yếu tố vĩ mô cũng được xem xét bên cạnh các yếu tố vi mô của hệ thống ngân hàng Trong khi đó, các nghiên cứu tập trung vào nợ xấu của một quốc gia thường chỉ sử dụng biến vi mô Dựa trên kinh nghiệm từ các nghiên cứu trước và thực tiễn tại Việt Nam, nghiên cứu này tập trung vào các yếu tố vi mô ảnh hưởng đến nợ xấu, nhằm xây dựng các giả thuyết nghiên cứu phù hợp với điều kiện địa phương Các biến tác động đến nợ xấu được lựa chọn dựa trên kinh nghiệm trước đó và được trình bày trong hình 3.1.

Nghiên cứu này phân tích các biến số liệu trong lĩnh vực tài chính, đặc biệt là tỷ lệ dư nợ cho vay nội bộ, theo ngành nghề và cơ cấu sở hữu Ngoài những biến phổ biến như Size, Equity, ROE, và Creditgr, nghiên cứu còn xem xét tỷ lệ dư nợ ngắn hạn trên tổng dư nợ cho vay (STL) do sự lo ngại của các ngân hàng Việt Nam về rủi ro khi cho vay dài hạn Tỷ lệ dư nợ ngắn hạn cao có thể làm tăng khả năng vỡ nợ của khách hàng trong bối cảnh kinh tế suy giảm, dẫn đến gia tăng nợ xấu cho ngân hàng.

Khi Jiménez và Saurina (2006) nghiên cứu rủi ro ngân hàng tại Châu Âu, họ đã phân tích hai nhóm biến ảnh hưởng đến tỷ lệ nợ xấu: nhóm biến vĩ mô và nhóm biến vi mô của ngân hàng Mô hình nghiên cứu bao gồm các yếu tố như tăng trưởng GDP (GDPG), lãi suất thực (RIR), tỷ lệ cho vay (LOANG), độ tập trung thị trường (HERFR), và kích thước ngân hàng (SIZE).

NPL là tỷ lệ nợ xấu, GDPG thể hiện tốc độ tăng trưởng GDP, và RIR là lãi suất thực LOANG chỉ ra tốc độ tăng trưởng tín dụng, trong khi HERFR và HERFI lần lượt là chỉ số Herfindahl theo khu vực địa lý và theo ngành công nghiệp COLIND phản ánh tỷ lệ dư nợ có thế chấp của hộ gia đình so với tổng dư nợ cho vay, còn COLFIR là tỷ lệ dư nợ có thế chấp của các doanh nghiệp trên tổng dư nợ cho vay Cuối cùng, SIZE đại diện cho quy mô ngân hàng.

Khi thực hiện thủ tục hồi quy, tác giả ước lượng hàm logarit của tỷ lệ nợ xấu, với ln ở vế trái và ln ở vế phải của mô hình thay thế cho NPLt.

37 và NPLt-1 Khi diễn giải kết quả thì sử dụng NPLt và NPLt-1 để thấy sự tác động của các các yếu tố đến NPLt

Jiménez, Lopez và Saurina (2010) đã nghiên cứu nợ xấu và rủi ro tín dụng tại Tây Ban Nha, sử dụng mô hình tương tự như năm 2005 để phân tích tỷ lệ nợ xấu (NPL).

100 NPL β STRUCTURE β STRUCTURE β GDPG β GDPG β ROA β SIZE β LOAN RATIO u ε 3.16

Từ năm 2000 đến 2010, nhóm tác giả Saurina và các cộng sự đã tiến hành nghiên cứu về nợ xấu, rủi ro vỡ nợ và dự phòng rủi ro tín dụng trong ngân hàng Trong các nghiên cứu của họ, các tác giả đã xác định có hai nhóm biến: vĩ mô và vi mô, có ảnh hưởng đến nợ xấu và dự phòng rủi ro tín dụng.

Nghiên cứu của Espinoza và Prasad (2010) đã phân tích nợ xấu trong hệ thống ngân hàng các nước vùng Vịnh, sử dụng mô hình với hai nhóm biến vi mô và vĩ mô Các tác giả đã xem xét các yếu tố như tỷ lệ vốn, tăng trưởng GDP không dầu, lãi suất và chỉ số VIX, nhằm đánh giá tác động đến nợ xấu.

Recently, Klein (2013) conducted a study on bad debts in banks within the Eurozone, employing a model that incorporates various economic indicators, including unemployment, inflation, exchange rates, real GDP, VIX, equity, ROE, LTA, and loan growth.

Bên cạnh đó cũng có tác giả sử dụng mô hình khác như Allen, Boffey & Powell

Năm 2011, trong nghiên cứu về nợ xấu của hệ thống ngân hàng Úc và Canada, các tác giả đã áp dụng mô hình hồi quy với biến phụ thuộc là tỷ lệ nợ xấu (NPL).

NPLit = β0 + β1Sizeit + β2Equityit + β3ROEit + β4LtAit+ β5CLLit + β6INTIit + β7DDit + β8Contagionit + αi+ εit (3.19) Trong đó:

Size : Quy mô của ngân hàng, được đo bằng logarit của tổng tài sản

Vốn chủ sở hữu (Equity) được xác định bằng tổng vốn chủ sở hữu chia cho tổng tài sản, trong khi khả năng sinh lợi (ROE) được tính bằng lợi nhuận sau thuế chia cho vốn chủ sở hữu.

LtA : tỷ lệ dư nợ cho vay, được đo bằng tổng cho dư nợ chia cho tổng tài sản

CLL : tỷ lệ khoản cho vay thương mại (ngoài trừ cho vay bất động sản) chia cho tổng dư nợ

INTI : Thu nhập từ lãi trên tổng thu nhập

DD : Distance to Default, do lường mức độ biến động nợ xấu khi giá trị tài sản đảm bảo thấp hơn mức nợ theo mô hình Merton (1974):

V là thị giá cổ phiếu của công ty, F là mệnh giá của nợ, và T là biến thời gian Phương sai và độ lệch chuẩn của ROA được ký hiệu lần lượt, trong khi độ lệch hàng năm của tài sản xấu được ước lượng là độ lệch (drift) của tài sản công ty.

Contagion là khái niệm "global DD", kết hợp giữa nợ xấu của Châu Âu và Mỹ, với phương pháp tính toán tương tự như nợ xấu ở Úc và Canada Biến này được sử dụng để phân tích ảnh hưởng của các cú sốc bên ngoài, như nợ xấu từ các quốc gia khác, đến tình hình nợ xấu của ngân hàng trong quốc gia đang nghiên cứu.

Dựa trên ý tưởng và cách tiếp cận vấn đề trong nghiên cứu của Salas và Saurina

(2002), Jiménez và Saurina (2006), Espinoza và Prasad (2010) và Klein (2013) làm nền tảng và kết hợp kinh nghiệm từ các nghiên cứu khác, bài nghiên cứu này chỉ tiếp cận ở

Các yếu tố vi mô ảnh hưởng đến nợ xấu (NPL) bao gồm các biến như tỷ lệ nợ xấu trễ (Lag1NPL), quy mô ngân hàng (Size), tỷ lệ vốn chủ sở hữu (Equity), suất sinh lợi trên vốn chủ sở hữu (ROE), tỷ lệ dư nợ cho vay (LTD), tỷ lệ dư nợ cho vay ngắn hạn (STL) và tốc độ tăng trưởng tín dụng (Creditgr).

Hình 3.1 Mô hình nghiên cứu các yếu tố tác động đến nợ xấu ngân hàng

Nguồn: tác giả tự tổng hợp

Phương pháp nghiên cứu

Phương pháp định lượng được áp dụng để kiểm tra các giả thuyết nghiên cứu đã nêu trong phần 3.2 Mô hình hồi quy đa biến sẽ phân tích ảnh hưởng của các biến độc lập đến biến phụ thuộc Bài viết này sẽ trình bày dữ liệu nghiên cứu và quy trình phân tích số liệu một cách chi tiết.

Nghiên cứu này sử dụng dữ liệu thứ cấp, được thu thập từ báo cáo tài chính, báo cáo thường niên và các tài liệu liên quan của 39 ngân hàng thương mại Việt Nam trong một khoảng thời gian nhất định.

Tính đến ngày 31/12/2012, hệ thống ngân hàng Việt Nam có 51 ngân hàng, bao gồm 5 ngân hàng thương mại nhà nước (trong đó 4 ngân hàng đã cổ phần hóa), 4 ngân hàng liên doanh, 5 ngân hàng 100% vốn nước ngoài và 37 ngân hàng thương mại cổ phần Sau khi sáp nhập, số lượng ngân hàng còn lại là 34 Việc lấy mẫu từ 39 ngân hàng thương mại, chiếm 76,5% tổng thể hệ thống (hoặc 92,9% nếu không tính ngân hàng liên doanh và 100% vốn nước ngoài), được coi là đại diện cho toàn bộ khối ngân hàng thương mại Việt Nam.

Luận văn này sử dụng dữ liệu bảng với 196 quan sát, áp dụng kỹ thuật phân tích hồi quy đa biến trong nghiên cứu kinh tế Một số nghiên cứu như của Green (1991) và Tabachnick cùng Fidell (2007) đã đưa ra kinh nghiệm về việc chọn kích thước mẫu để đảm bảo tính đại diện cho tổng thể.

Theo Green (1991), cỡ mẫu nghiên cứu tối thiểu được xác định bằng công thức n ≥ 50 + 8m, trong khi Tabachnick và Fidell (2007) đề xuất n ≥ 104 + m, với m là số lượng biến độc lập trong mô hình nghiên cứu Trong luận văn này, mô hình nghiên cứu bao gồm 9 biến độc lập, do đó, theo tiêu chuẩn của Green (1991), số quan sát tối thiểu cần có là n ≥ 50 + 8*9 = 82.

Nghiên cứu này được xây dựng dựa trên 196 quan sát, vượt qua yêu cầu tối thiểu là 113 quan sát theo Tabachnick và Fidell (2007) Mô hình nghiên cứu bao gồm 9 biến độc lập, đảm bảo tính đại diện cho tổng thể.

3.3.2 Quy trình phân tích s ố li ệ u

Sau khi dữ liệu được thu thập và chuẩn bị theo tiêu chuẩn, quy trình phân tích sẽ bắt đầu với thống kê mô tả bảng dữ liệu, bao gồm các chỉ số như giá trị nhỏ nhất, giá trị lớn nhất, trung bình, trung vị, sai số chuẩn và độ lệch chuẩn Những thông tin này giúp tạo ra cái nhìn tổng thể về dữ liệu nghiên cứu Tiếp theo, phân tích đơn biến sẽ được thực hiện, với việc xem xét ma trận tương quan giữa tất cả các biến để có cái nhìn sơ bộ về mối tương quan giữa chúng.

Ma trận tương quan giúp xác định mối quan hệ giữa các biến độc lập cũng như giữa các biến độc lập và biến phụ thuộc Từ đó, dấu hiệu đa cộng tuyến trong mô hình có thể được nhận diện Các nghiên cứu về kinh tế lượng và kỹ thuật hồi quy đa biến của Wooldridge (2002) và Gujarati cung cấp những kiến thức quan trọng cho việc phân tích này.

Năm 2004, đã chỉ ra rằng ma trận tương quan có thể giúp nhận diện dấu hiệu đa cộng tuyến giữa các biến thông qua hệ số tương quan cặp Cụ thể, nếu hệ số tương quan cặp nằm trong khoảng 0,8 đến 1, mô hình sẽ bị đa cộng tuyến Ngoài ra, hệ số nhân tử phóng đại phương sai (VIF) cũng được sử dụng để kiểm tra dấu hiệu đa cộng tuyến: VIF ≤ 5 cho thấy không có đa cộng tuyến; 5 < VIF < 10 cho thấy bắt đầu có đa cộng tuyến; và VIF ≥ 10 chỉ ra đa cộng tuyến hoàn hảo Đồ thị của số trung bình và trung vị của các biến cũng giúp giải thích mối liên hệ giữa chúng.

Sau khi thực hiện đánh giá sơ bộ dữ liệu nghiên cứu thông qua thống kê mô tả và phân tích chiều tác động của các biến độc lập đến biến phụ thuộc, bộ dữ liệu đã được đưa vào phần mềm Eviews 7.0 để tiến hành phân tích mô hình hồi quy đa biến Phân tích này sẽ được thực hiện với ba mô hình cơ bản: Mô hình Pool (Pooled OLS Regression Model), Mô hình tác động cố định (Fixed Effects Regression Model - FEM) và Mô hình tác động ngẫu nhiên (Random Effects Regression Model - REM).

Mô hình hồi quy Pool là một phương pháp phân tích dữ liệu bảng, không xem xét ảnh hưởng của thuộc tính thời gian và đặc tính của đối tượng quan sát Mô hình này ước lượng thông qua phương pháp bình phương bé nhất (Ordinary Least Square - OLS), với các biến như ln β, Size, Equity, ROE, LTD, STL và Creditgr, cho kết quả 3.24.

Mô hình này giả định rằng tất cả các ngân hàng đều có cùng hệ số cắt β0, tạo nên một cách tiếp cận đơn giản và dễ thực hiện Tuy nhiên, điều này có thể dẫn đến những sai lệch trong việc xác định mối quan hệ thực sự giữa biến độc lập và biến phụ thuộc, do không xem xét đầy đủ ảnh hưởng của các yếu tố khác.

Mô hình hồi quy Pool thường ít được tin cậy trong nghiên cứu với dữ liệu bảng do sự khác biệt lớn giữa các cá thể (ngân hàng) và những đặc điểm này thay đổi theo thời gian Các yếu tố này ảnh hưởng đến kết quả nghiên cứu, làm cho việc áp dụng mô hình này trở nên khó khăn.

Sau khi thực hiện hồi quy Pool với dữ liệu bảng, bài nghiên cứu tiếp tục các thủ tục ước lượng đối với hai mô hình còn lại:

Mô hình hồi quy tác động cố định (Fixed Effects Model - FEM) cho phép mỗi cá thể có một hệ số cắt β0 riêng biệt, trong đó hệ số cắt (intercept) của từng cá thể không thay đổi theo thời gian Điều này giúp phân tích mối quan hệ giữa các biến một cách chính xác hơn trong bối cảnh dữ liệu panel, đặc biệt trong nghiên cứu về tỷ lệ nợ xấu (ln NPL).

1 NPL β Size β Equity β ROE β LTD β STL β Creditgr u 3.25

Mô hình hồi quy tác động ngẫu nhiên (Random effects Model - REM) xác định hệ số cắt của mỗi cá thể với hai thành phần: β0i = β0 + εi, trong đó εi là sai số ngẫu nhiên với trung bình E(εi) = 0 và phương sai variance(εi) = σε² Do đó, mô hình hồi quy có thể được biểu diễn dưới dạng ln NPL.

1 NPL β Size β Equity β ROE β LTD β STL β Creditgr w 3.27

Các giả định của mô hình REM như sau:

(i) Phần dư có phân phối chuẩn: εi ~ N(0, σε 2) và uit ~ N(0, σu 2)

(ii) Trung bình sai số của phần dư bằng 0:

E(uituis) = E(uitujt) = E(uitujs) = 0 (với i # j, t # s) Hay E(wit) = 0 và Var(wit) = σε 2 + σu 2

Nhưng giữa wit và wis lại có mối tương quan: ρ , σ σ σ 3.28

Vì vậy phải sử dụng phương pháp bình phương bé nhất tổng quát khả thi (Feasible Generalized Least Square, FGLS) để ước lượng và dùng kiểm định Hausman (Hausman,

KẾT QUẢ NGHIÊN CỨU

Thống kê mô tả

Bảng 4.1 Bảng thống kê mô tả dữ liệu

Trung bình Trung vị Giá trị lớn nhất Độ lệch chuẩn

Nguồn: tác giả trích xuất từ Eview

Bảng 4.1 cung cấp thống kê mô tả tổng quát về bộ dữ liệu nghiên cứu, bao gồm các chỉ số như trung bình, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn và số quan sát Bài viết sẽ phân tích và đánh giá thực trạng hệ thống ngân hàng trong giai đoạn 2005 - 2011 dựa trên số liệu của từng biến trong nghiên cứu.

Tỷ lệ nợ xấu (NPL):

Theo thống kê, tỷ lệ nợ xấu trung bình đạt 2,034%, với mức cao nhất lên đến 31,30%, cho thấy tình hình nợ xấu đáng lo ngại của BIDV, một trong những ngân hàng thương mại quốc doanh lớn nhất, trong năm 2005.

Từ năm 2005 đến 2007, tỷ lệ nợ xấu của hệ thống ngân hàng giảm nhờ sự phát triển kinh tế Tuy nhiên, giai đoạn 2008-2011 chứng kiến sự gia tăng tỷ lệ nợ xấu, do các yếu tố nội tại của hệ thống ngân hàng và tác động tiêu cực từ khủng hoảng kinh tế, tài chính toàn cầu.

Năm 2008, cuộc khủng hoảng tài chính toàn cầu đã làm giảm tổng cầu ở nhiều quốc gia, ảnh hưởng nghiêm trọng đến kim ngạch xuất khẩu của Việt Nam Hệ quả là các khoản nợ đáo hạn không được thanh toán đúng hạn, dẫn đến tình trạng nợ xấu khi các doanh nghiệp gặp khó khăn trong việc quản lý dòng tiền.

Năm 2009, trước tác động của cuộc khủng hoảng 2008, chính phủ Việt Nam đã triển khai gói hỗ trợ lãi suất 4% cho doanh nghiệp vay, dẫn đến việc tăng trưởng dư nợ tín dụng trong hệ thống ngân hàng Đến cuối năm 2009, lãi suất cơ bản được điều chỉnh lên 8%/năm, kéo theo lãi suất cho vay tăng cao Mặc dù tỷ lệ nợ xấu toàn hệ thống giảm từ 2,57% năm 2008 xuống còn 1,68% năm 2009, sự sụt giảm này có thể được lý giải bởi chất lượng tín dụng tăng lên và tác động của gói kích cầu Tuy nhiên, thay vì đầu tư vào sản xuất, nhiều ngân hàng và doanh nghiệp đã sử dụng vốn để đảo nợ, làm cho báo cáo tài chính của một số ngân hàng cải thiện rõ rệt, như VPB giảm nợ xấu từ 10,83% xuống 1,72% và GPB từ 9,79% xuống 2,34% Trường hợp của VPB và GPB minh chứng cho hiện tượng đảo nợ trong hệ thống ngân hàng năm 2009.

2009 vì không có ngân hàng nào có thể giảm nhanh tỷ lệ nợ xấu một cách thần kỳ như

60 thế trong tình hình khủng hoảng tài chính toàn cầu đang lan tỏa khắp thế giới và tình hình kinh tế trong nước đang bấp bênh

Hình 4.1 Tỷ lệ nợ xấu bình quân cả hệ thống, 2005 - 2011

Đến năm 2011, Việt Nam đã thắt chặt chính sách tài khóa và tiền tệ để kiềm chế lạm phát, dẫn đến nợ xấu trong ngành ngân hàng gia tăng, với tỷ lệ trung bình đạt khoảng 2,55% SCB là một trong những ngân hàng nổi bật với tỷ lệ nợ xấu tăng liên tục từ 0,34% (2007) lên 12,46% vào năm 2010 Mặc dù TNB công bố tỷ lệ nợ xấu thấp, nhưng tình hình thanh khoản của ngân hàng này lại mất cân đối nghiêm trọng, dẫn đến việc hợp nhất với FCB và SCB HBB cũng ghi nhận tỷ lệ nợ xấu cao (5,55%), chủ yếu do dư nợ tín dụng tập trung vào một số doanh nghiệp nhà nước như Vinashin và Vinalines, khiến HBB mất khả năng thanh khoản và buộc phải sát nhập vào SHB Những trường hợp hợp nhất và sát nhập này cho thấy các ngân hàng đã không công bố tỷ lệ nợ xấu một cách trung thực.

Habubank báo cáo nợ xấu chỉ 5,55% và vẫn có lãi vào năm 2011, nhưng khi sáp nhập vào SHB, nợ xấu được công bố lên tới 16% Nếu trích lập dự phòng rủi ro đầy đủ, Habubank sẽ lỗ 4,066 tỷ đồng trong năm 2011, dẫn đến âm vốn điều lệ Hơn nữa, số liệu giám sát nợ xấu từ các cơ quan quản lý cũng không đồng nhất; ví dụ, NHNN từng công bố nợ xấu là 8,6% tại một thời điểm, sau đó lại điều chỉnh lên 10,2% cho cùng thời điểm đó.

Nợ xấu, thanh khoản kém và nội lực yếu đã thúc đẩy hàng loạt cuộc M&A trong ngành ngân hàng Việt Nam vào năm 2012 và 2013 Cụ thể, tập đoàn Thiên Thanh đã trở thành cổ đông lớn của TrustBank và đổi tên thành NHTMCP Xây Dựng Việt Nam Đồng thời, WesternBank và Tổng công ty cổ phần Tài Chính Dầu Khí Việt Nam đã sáp nhập để hình thành ngân hàng mới mang tên NHTMCP Đại Chúng (PVcombank) Eximbank cũng trở thành cổ đông lớn chi phối Sacombank, trong khi DaiABank lên kế hoạch sáp nhập vào HDBank.

Từ năm 2010 đến 2011, nợ quá hạn và nợ xấu của nhóm công ty tài chính và cho thuê tài chính đã đạt mức nghiêm trọng, trong khi nợ xấu của NHTM nhà nước cũng ở mức đáng báo động Tỷ lệ nợ quá hạn của nhóm công ty tài chính giảm từ 40,85% xuống 21,06%, nhưng nợ xấu lại tăng từ 11,38% lên 34,50%, cho thấy phần lớn nợ quá hạn đã chuyển thành nợ xấu Tương tự, NHTM nhà nước cũng ghi nhận giảm tỷ lệ nợ quá hạn nhưng tỷ lệ nợ xấu lại gia tăng Đặc biệt, nợ quá hạn của NHTM nhà nước chiếm tới 61% tổng dư nợ quá hạn toàn thị trường, trong khi nhóm này chỉ nắm giữ 50,64% thị phần tín dụng, do đó khi nợ quá hạn chuyển thành nợ xấu sẽ ảnh hưởng lớn đến toàn hệ thống Cuối năm 2011, tỷ lệ nợ quá hạn trên thị trường liên ngân hàng tăng 94,24% so với năm 2010, chiếm 10,84% tổng dư nợ cho vay, và đã biến thành nợ xấu đối với một số ngân hàng, điển hình là tranh chấp tiền cho vay trên thị trường 2 của một số tổ chức tín dụng với SCB.

Bảng 4.2 Nợ quá hạn và nợ xấu của toàn hệ thống, 2010 - 2011

Nợ quá hạn/ tổng dư nợ (%)

NHTM liên doanh, nước ngoài

Công ty tài chính và cho thuê tài chính

Nợ xấu/ tổng dư nợ (%)

NHTM liên doanh, nước ngoài

Công ty tài chính và cho thuê tài chính

Nguồn: Ủy ban Giám sát Tài chính Quốc Gia

Do gặp khó khăn về thanh khoản, một số ngân hàng đã phải lên thị trường 2 để vay vốn với lãi suất cao nhằm tài trợ cho các hoạt động dài hạn Hành động này không chỉ làm giảm khả năng thanh khoản mà còn dẫn đến nợ quá hạn và nợ xấu trên thị trường liên ngân hàng Kết quả là, các ngân hàng lớn đã yêu cầu các ngân hàng nhỏ phải có tài sản đảm bảo khi vay vốn trên thị trường 2, đánh dấu một bước ngoặt trong lịch sử hệ thống tín dụng Việt Nam, khi lần đầu tiên các ngân hàng thương mại yêu cầu tài sản thế chấp từ các ngân hàng khác để cho vay vốn trên thị trường liên ngân hàng.

Trong năm 2011, 63 hàng đã gặp phải tình trạng mất khả năng thanh khoản nghiêm trọng, điều này đã dẫn đến cuộc đua lãi suất huy động giữa các tổ chức tín dụng.

Hình 4.2 Lãi suất liên ngân hàng VND năm 2011

Nguồn: Ngân hàng Quân Đội

Theo báo cáo của Ủy Ban Giám Sát Tài Chính Quốc Gia Việt Nam, có rủi ro chéo lớn giữa doanh nghiệp phi tài chính và tổ chức tín dụng do dư nợ tập trung cao vào sáu ngành: bất động sản, xây dựng, vận tải, chế biến, bán buôn và dịch vụ khác Tính đến 30-04-2013, tỷ trọng dư nợ của nhóm này chiếm 66,69% tổng dư nợ của các tổ chức tín dụng Nợ xấu trong nhóm ngành này đang cao, với chỉ ngành vận tải có tỷ lệ nợ xấu giảm từ 13,4% (cuối 2011) xuống 9,34% (cuối 30-04-2013), trong khi nợ xấu ở các ngành khác tăng Việc giải quyết nợ xấu không dễ dàng trong thời gian ngắn do tài sản đảm bảo từ vốn vay có tính thanh khoản thấp, như căn hộ xây dở dang và nhà máy sản xuất.

Do hạn chế trong việc tiếp cận số liệu nợ xấu của hệ thống ngân hàng năm 2012, luận văn này chỉ tập trung nghiên cứu số liệu trong giai đoạn từ năm 2005 đến 2011.

64 vậy đề tài chưa khảo sát dữ liệu nợ xấu và các dữ liệu liên quan của hệ thống NHTM năm

2012 Trên thực tế nợ xấu của hệ thống ngân hàng đã tăng mạnh trong năm 2012 và nửa đầu năm 2013 theo công bố của NHNN như hình 4.3 bên dưới

Hình 4.3 Nợ xấu của hệ thống đến 5/2013

Nguồn: Ngân hàng Nhà nước

Vào ngày 09/07/2013, Công ty quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) chính thức hoạt động nhằm giải quyết nợ xấu trong nền kinh tế VAMC thực hiện nhiều biện pháp, bao gồm mua trực tiếp nợ xấu từ các tổ chức tín dụng và phát hành trái phiếu đặc biệt để các tổ chức này có thể chiết khấu tại NHNN lấy tiền mặt Tuy nhiên, các tổ chức tín dụng phải trích lập dự phòng 20% giá trị/năm cho khoản nợ xấu hoán đổi trái phiếu trong vòng 05 năm Với những động thái này, VAMC kỳ vọng sẽ xử lý nợ xấu trong hệ thống các tổ chức tín dụng Việt Nam trong khoảng thời gian hợp lý, dự kiến là trong 05 năm.

Quy mô ngân hàng (Size):

Bảng thống kê mô tả cho thấy sự chênh lệch lớn về quy mô tổng tài sản giữa các ngân hàng, với độ lệch chuẩn đạt 159,5% Trong giai đoạn 2005-2011, khối ngân hàng thương mại Việt Nam đã ghi nhận tốc độ tăng trưởng tài sản nhanh chóng.

Phân tích tương quan

Bảng thống kê mô tả đã cung cấp những thông tin cơ bản về dữ liệu nghiên cứu thông qua các giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn Những thông tin này giúp chúng ta hiểu rõ hơn về các vấn đề liên quan đến bài nghiên cứu.

Bảng 4.3 trình bày ma trận tương quan của các biến trong mô hình nghiên cứu, cho thấy giá trị tuyệt đối của hệ số tương quan giữa các biến đều nhỏ hơn 1, điều này chỉ ra không có hiện tượng tự tương quan Mỗi hệ số tương quan mang dấu (+) hoặc (-), phản ánh mối liên hệ giữa các cặp biến và cho thấy sự phù hợp hoặc không phù hợp với kỳ vọng dấu từ chương 3 Cụ thể, các biến LiNPLt-1, ROE, LTD và Lag1Creditgr đáp ứng kỳ vọng dấu, trong khi các biến Size, Equity và Lag1STL lại không phù hợp với kỳ vọng này.

Bảng 4.3 Ma trận tương quan giữa các biến

NPL Size Equity ROE LTD STL Creditgr

Nguồn: tác giả trích xuất từ Eview

Bảng 4.3 cho thấy các hệ số tương quan cặp đều nhỏ hơn 0,4, cho thấy vấn đề đa cộng tuyến không đáng lo ngại trong mô hình nghiên cứu này Để đảm bảo không có đa cộng tuyến giữa các biến, Gujarati (2004) và Wooldrige (2002) khuyến nghị kiểm tra hệ số nhân tử phóng đại phương sai (VIF) Cụ thể, nếu VIF < 5 thì không xảy ra đa cộng tuyến, còn nếu VIF > 10 thì có sự xuất hiện của đa cộng tuyến.

Bảng 4.4 dưới đây trình bày hệ số nhân tử phóng đại phương sai (VIF) của các biến trong ba mô hình nghiên cứu được xây dựng ở chương 3 Kết quả từ bảng 4.4 cho thấy

Tất cả 73 biến độc lập trong mô hình nghiên cứu đều có hệ số VIF nhỏ hơn 2, điều này cho thấy không có hiện tượng đa cộng tuyến xảy ra giữa các biến độc lập.

Bảng 4.4 Hệ số nhân tử phóng đại phương sai (VIF) của 3 mô hình

Nguồn: tác giả trích xuất từ Eview

Ma trận tương quan và thống kê mô tả chỉ cung cấp dự đoán về sự phù hợp giữa dấu của biến độc lập và biến phụ thuộc, cùng với các nhận định liên quan như hiện tượng tự tương quan và đa cộng tuyến Tuy nhiên, việc kết luận về mô hình nghiên cứu ở giai đoạn này vẫn còn quá sớm, và điều này sẽ được làm rõ hơn trong phần phân tích kết quả thực nghiệm.

Kết quả thực nghiệm

Chương 3 đã trình bày ba cách ước lượng mô hình: Pool, Fixed Effect, Random Effect cũng như việc sử dụng kiểm định Hausman để lựa chọn mô hình Fixed effect hay Random effect Bên cạnh đó chương 3 cũng trình bày một số cách kiểm định và khắc phục hiện tượng phương sai sai số thay đổi Ở chương 4 này, nghiên cứu sẽ sử dụng kiểm định Breusch - Pagan để kiểm định phương sai sai số thay đổi (Heteroskedasticity) cho cả ba mô hình Nếu có hiện tượng phương sai sai số thay đổi thì nghiên cứu sẽ sử dụng phương pháp khắc phục phương sai và sai số chuẩn không đồng nhất của White (White's Heteroskedasticity - consistent standard errors or robust standard errors) để hạn chế và khắc phục hiện tượng phương sai

Sau khi khắc phục sai số thay đổi, kiểm định Breusch - Pagan được thực hiện lần hai để xác nhận sự khắc phục hiện tượng này Luận văn tiếp tục sử dụng kiểm định Hausman để lựa chọn giữa mô hình Fixed effect và Random effect Cuối cùng, thống kê Durbin - Watson và kiểm định Breusch - Godfrey được áp dụng để kiểm tra hiện tượng tự tương quan trong mô hình Như đã trình bày trong chương 3, nghiên cứu xem xét ba mô hình dựa trên tác động của cặp biến STL và Creditgr (ở năm t, năm t-1 và kết hợp cả hai) đến nợ xấu Nghiên cứu sẽ phân tích và diễn giải kết quả thực nghiệm của cả ba mô hình đã xây dựng.

4.3.1 K ế t qu ả th ự c nghi ệ m mô hình 1

Mô hình 1 chỉ xem xét biến trễ của STL và Creditgr: ln β β ln β Size β Equity β ROE β LTD β STL β Creditgr u (3.21)

Sau khi thực hiện các thủ tục ước lượng, kết quả thu được như bảng 4.5 (từ phụ lục 1 đến phụ lục 9) Mô hình Pool và Random effect sử dụng White's Heteroskedasticity-consistent standard errors để khắc phục hiện tượng phương sai sai số thay đổi, mặc dù vẫn còn tồn tại vấn đề này Giá trị p-value ở thống kê t của cả ba mô hình đều bằng p-value = 0.000, cho thấy rằng cả ba mô hình đều có khả năng giải thích vấn đề nghiên cứu Do đó, cần dựa vào các kiểm định đã nêu ở chương 3 để lựa chọn mô hình phù hợp nhất.

Theo bảng 4.5, cả ba mô hình đều tương đồng về dấu giữa các biến độc lập và mức ý nghĩa thống kê Cụ thể, mô hình Pool có 7/7 biến có ý nghĩa thống kê, trong khi mô hình Random có 4/7 biến và mô hình Fixed có 5/7 biến đạt mức ý nghĩa thống kê.

Bảng 4.5 Kết quả hồi quy của mô hình 1

Variable Pool Random effect Fixed effect

Coeff t-St Coeff t-St Coeff t-St

Trong đó: , Lag1Creditgr = Creditgr t-1 , Lag1STL = STL t-1 và *, **, *** lần lượt là các mức ý nghĩa ở 10%, 5% và 1%

Bảng 4.6 trình bày mối quan hệ giữa các biến độc lập và biến phụ thuộc, cho thấy 6/9 biến có dấu phù hợp với kỳ vọng đã đề ra trong chương 3 Trong mô hình Pool, trong số 7/7 biến có ý nghĩa thống kê, chỉ có 4 biến (NPLt-1, ROE, LTD và Lag1Creditgr) phù hợp với giả thuyết Mô hình Fixed cũng xác định 4 biến có ý nghĩa thống kê tương tự như mô hình Pool Tuy nhiên, mô hình Random chỉ có 3 biến đáp ứng tiêu chí này Do đó, theo thứ tự ưu tiên về số lượng biến có ý nghĩa thống kê phù hợp với giả thuyết nghiên cứu, thứ tự lựa chọn mô hình là: Pool > Fixed effect > Random effect.

Mô hình Fixed Effect cho thấy mức độ giải thích cao nhất với R² đạt 56,85% và R² hiệu chỉnh là 41%.

76 đến là mô hình Pool (40,92% và 38,22%) và cuối cùng là mô hình Random effect (26,56% và 23,20%)

Bảng 4.6 Kết quả mối quan hệ tác động của biến độc lập đến biến phụ thuộc

Biến NPL t Kỳ vọng dấu

Nguồn: tác giả tự tổng hợp

Sau khi phân tích kết quả hồi quy của ba mô hình, luận văn sử dụng kiểm định Hausman để so sánh mô hình Fixed effect và Random effect Kết quả kiểm định Hausman cho thấy p-value = 0.1164, lớn hơn 10%, không bác bỏ giả thuyết H0, tức là không có sự khác biệt giữa hai mô hình Cả mô hình Fixed và Random đều có thể sử dụng để diễn giải kết quả nghiên cứu Tuy nhiên, mô hình Random vẫn gặp vấn đề về phương sai sai số thay đổi, trong khi mô hình Fixed đã khắc phục vấn đề này Do đó, mô hình Fixed effect sẽ cung cấp kết quả diễn giải tốt hơn so với mô hình Random.

Bảng 4.7 Kết quả kiểm định Hausman (mô hình 1)

Test Summary Chi-Sq Statistic Chi-Sq d.f Prob

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob

Nguồn: tác giả trích xuất từ Eview

Khi lựa chọn giữa hai mô hình Fixed Effect và Pool để diễn giải kết quả nghiên cứu, cần cân nhắc các yếu tố như tính phù hợp và độ chính xác của mô hình Bảng so sánh dưới đây sẽ giúp làm rõ sự khác biệt giữa hai mô hình này, từ đó đưa ra quyết định đúng đắn cho việc phân tích dữ liệu.

Bảng 4.8 So sánh giữa mô hình Fixed Effect và Pool

Chỉ tiêu Fixed effect Pool Lựa chọn

Số biến có YNTK phù hợp giả thuyết nghiên cứu 4 4 Fixed

Heteroskedasticitiy- consistent SE Đã khắc phục

Nguồn: tác giả tự tổng hợp

After addressing heteroskedasticity using White's heteroskedasticity-consistent standard errors and re-testing for heteroskedasticity a second time, the pooled model still exhibited signs of heteroskedasticity (see Appendix 4) Additionally, the Durbin-Watson statistic was found to be greater than expected.

Kiểm định Breusch - Godfrey cho thấy p-value > 10%, xác nhận rằng mô hình không có tự tương quan Do đó, mô hình Fixed đã đáp ứng giả thiết về phương sai sai số.

78 đồng nhất (Homoskedasticity) và không tự tương quan, đồng thời hiện tượng đa cộng tuyến cũng không xảy ra

Kết luận nghiên cứu cho thấy mô hình Fixed effect là lựa chọn tối ưu để phân tích kết quả Theo phụ lục 5, trong hồi quy của mô hình Fixed effect, hai biến Equity và Lag1STL không có ý nghĩa thống kê, cho thấy không đủ cơ sở để khẳng định tác động của vốn chủ sở hữu và tỷ lệ dư nợ tín dụng ngắn hạn năm trước đến nợ xấu hiện tại (NPL) Ngược lại, các biến còn lại đều có ý nghĩa thống kê và ảnh hưởng đến nợ xấu (NPL) theo đúng giả thuyết đề ra Kết quả của mô hình được thể hiện qua các hệ số: ln 7.9190 0.1809ln 0.2773Size 4.2608ROE.

4.3.2 K ế t qu ả th ự c nghi ệ m mô hình 2

Tương tự như mô hình 1, các thủ tục ước lượng được thực hiện đối với mô hình 2: ln β β ln β Size β Equity β ROE β LTD β STL β Creditgr u (3.22)

All three estimation procedures—Pool, Random, and Fixed—yield results indicating the presence of heteroskedasticity Even after addressing this issue using White's heteroskedasticity-consistent standard errors, the model continues to exhibit signs of heteroskedasticity (see Appendices 12 and 14).

Mô hình 2 có nhược điểm là kết quả kiểm định Hausman đã bác giả thuyết H0, ủng hộ mô hình Fixed effect Thống kê Durbin - Watson đạt 2.37 và kiểm định Breusch - Godfrey với p-value > 10% cho thấy mô hình không bị tự tương quan Kết quả thu được theo mô hình Fixed effect là: ln 5.4361 + 0.1818Size + 0.0914Equity + 3.82ROE.

Bảng 4.9 Kết quả hồi quy của mô hình 2

Variable Pool Random effect Fixed effect

Coeff t-St Coeff t-St Coeff t-St

Equity 0.0577*** 5.9248 0.0803*** 3.0409 0.0914** 1.9816 ROE -2.6989*** -3.0536 -4.1190*** -2.7237 -3.8200*** -3.0585 LTD 0.1331*** 6.7019 0.1838*** 2.6857 0.5116*** 4.2267 STL -1.3078*** -3.9430 -1.4915** -2.2754 -1.4819 -1.6019 Creditgr -0.2134*** -8.2262 -0.1691* -1.6737 -0.2049*** -2.7188

Trong đó: và *, **, *** lần lượt là các mức ý nghĩa ở

Kết quả thực nghiệm cho thấy chỉ có hai biến ROE và LTD có tác động tích cực đến nợ xấu, phù hợp với giả thuyết ban đầu, trong khi các biến Size, Equity và Creditgr lại cho kết quả trái ngược Phần thảo luận kết quả sẽ phân tích chi tiết về ảnh hưởng của các biến độc lập đối với biến phụ thuộc.

4.3.3 K ế t qu ả th ự c nghi ệ m mô hình 3

Mô hình 3 kết hợp giữa STL và Creditgr ở cả hiện tại và bậc trễ bằng 1 nhằm phân tích tác động của chúng đến nợ xấu Cụ thể, mô hình này được biểu diễn qua phương trình ln β β ln β Size β Equity β ROE β LTD β STL β Creditgr β STL β Creditgr u (3.23) Việc nghiên cứu này giúp làm rõ mối quan hệ giữa các yếu tố tài chính và tình hình nợ xấu trong các tổ chức.

Thảo luận kết quả

Kết quả hồi quy Fixed effect được lựa chọn để phân tích ba mô hình nghiên cứu Bảng 4.11 cho thấy mô hình 1 có hiệu quả tốt nhất với 5 trong 7 biến độc lập có ý nghĩa thống kê, trong đó 4 biến ảnh hưởng tích cực đến nợ xấu, phù hợp với giả thuyết ở chương 3 Mô hình 2 chỉ có 2 biến ảnh hưởng đến nợ xấu theo giả thuyết, trong khi mô hình 3 có kết quả kém nhất với chỉ 1 biến phù hợp trong 9 biến độc lập.

Bảng 4.11 So sánh kết quả 3 mô hình

Chỉ tiêu Mô hình 1 Mô hình 2 Mô hình 3

Số biến có YNTK / Tổng số biến 5/7 5/7 4/9

Số biến phù hợp giả thuyết / Tổng số biến 4/7 2/7 1/9

Heteroskedasticity Không còn Còn Còn

Tự tương quan (Breusch - Godfrey test) Không bị Không bị Không bị Đa cộng tuyến Không bị Không bị Không bị

Nguồn: tác giả tự tổng hợp

Do đó phần thảo luận kết quả và kết luận sẽ nghiêng về kết quả của mô hình 1 hơn hai mô hình còn lại

Kết quả hồi quy sẽ được phân tích chi tiết cho từng biến, đồng thời so sánh với những kết quả đạt được trong các nghiên cứu trước đây.

Tỷ lệ nợ xấu năm trước (NPL t-1 ):

Khi biến ln tăng 1 đơn vị, nợ xấu từ năm trước (NPLt-1) tăng 0,1809 đơn vị, dẫn đến nợ xấu hiện tại cũng gia tăng Mức độ tăng của NPL phụ thuộc vào giá trị ban đầu của NPLt-1, củng cố giả thuyết H1 rằng nợ xấu trong quá khứ có tác động tích cực đến nợ xấu hiện tại Kết quả thực nghiệm cho thấy nợ xấu cao trong quá khứ thường dẫn đến nợ xấu hiện tại gia tăng, điều này phù hợp với các nghiên cứu trước đây của Salas và Saurina (2002), Jiménez và Saurina (2005), Jimenez, Lopez và Saurina (2010), Espinoza và Prasad (2010), Pasha và Khemraj (2010), cũng như Bellas, Tsaganos và Markri (2011) và Klein.

Kết quả cho thấy rằng ngân hàng nào kiểm soát tốt nợ xấu sẽ không phải đối mặt với rủi ro nợ xấu tăng cao trong những năm tiếp theo Điều này khuyến nghị các ngân hàng cần chú trọng vào việc kiểm soát rủi ro và nợ xấu để phòng ngừa tình trạng nợ xấu có xu hướng gia tăng theo thời gian.

Quy mô ngân hàng (Size):

Kết quả thực nghiệm cho thấy mối quan hệ giữa quy mô ngân hàng và nợ xấu là tích cực, tức là khi quy mô ngân hàng tăng, nợ xấu cũng tăng theo Cụ thể, khi kích thước ngân hàng (Size) tăng 1 đơn vị, nợ xấu (NPL) tăng 0,2773 đơn vị, điều này không hỗ trợ giả thuyết H2 trong chương 3 cho rằng kích thước ngân hàng càng lớn thì nợ xấu càng giảm Kết quả này trái ngược với nhiều nghiên cứu trước đây, chẳng hạn như nghiên cứu của Jin và các tác giả (2006) cũng như Allen, Boffey và Powell.

(2011) Bên cạnh đó cũng có một số tác giả tìm ra mối tương quan thuận giữa Size và nợ xấu như: Pasha và Khemraj (2010)

Kết quả tác động của quy mô ngân hàng đến nợ xấu tại Việt Nam có thể được giải thích rằng các ngân hàng lớn thường có hệ thống chi nhánh và công ty con đông đảo, nhưng khả năng quản trị và kiểm soát nợ xấu tại các đơn vị này lại hạn chế, dẫn đến nợ xấu gia tăng Khi quy mô tổng tài sản tăng nhưng chất lượng nhân sự, trình độ quản lý và quy trình kiểm soát không được cải thiện, rủi ro nợ xấu càng dễ xảy ra Các ngân hàng lớn có lợi thế huy động tiền gửi từ dân cư và thường đầu tư vào nhiều lĩnh vực như vàng, ngoại hối và chứng khoán Tuy nhiên, khi thị trường biến động, các khoản đầu tư này có thể thua lỗ, làm tăng nợ xấu Hơn nữa, nhiều ngân hàng lớn là ngân hàng thương mại quốc doanh, thường cho các doanh nghiệp nhà nước vay, trong khi những doanh nghiệp này thường hoạt động kém hiệu quả, gây ra rủi ro nợ xấu cho ngân hàng.

Kết quả cho thấy các ngân hàng lớn đang đối mặt với rủi ro gia tăng nợ xấu, do đó, cần tăng cường kiểm soát rủi ro tại cả công ty mẹ và các đơn vị trực thuộc Các ngân hàng cũng nên chú trọng đến chất lượng và hiệu quả kinh doanh của khách hàng vay, tránh tình trạng tập trung tín dụng vào một số đối tượng nhất định, nhằm ngăn ngừa rủi ro nợ xấu gia tăng nhanh chóng, như trường hợp của Habubank khi tập trung vào Vinashin.

Suất sinh lợi trên vốn chủ sở hữu (ROE):

Kết quả thực nghiệm xác nhận giả thuyết H4 từ chương 3 rằng ROE có tác động ngược chiều đến tỷ lệ nợ xấu NPL Cụ thể, trong khi giữ các yếu tố khác không đổi, mỗi 1 đơn vị tăng của ROE sẽ dẫn đến giảm 4,2608 đơn vị NPL, từ đó giảm tỷ lệ nợ xấu Kết quả này phù hợp với nhiều nghiên cứu trước đây như của Karim, Chan và Hassan (2010); Louzis, Vouldis và Metaxas (2010); Ali, Akhtar và Ahmed (2011); và Klein (2013).

Kết quả cho thấy rằng các ngân hàng có hiệu quả kinh doanh tốt và suất sinh lợi trên vốn chủ sở hữu cao sẽ giúp giảm nợ xấu Việc kiểm soát nợ xấu và chi phí kinh doanh một cách hiệu quả là điều cần thiết để duy trì suất sinh lợi cao Khi ngân hàng giảm trích lập dự phòng, điều này không chỉ làm tăng lợi nhuận mà còn cho thấy nợ xấu đang có xu hướng giảm.

Kết quả nghiên cứu khuyến nghị các nhà quản lý ngân hàng cần chú trọng nâng cao hiệu quả hoạt động nhằm giảm thiểu rủi ro nợ xấu Tuy nhiên, cần lưu ý rằng nhiều ngân hàng tại Việt Nam đã cố tình điều chỉnh số liệu để giảm mức nợ xấu, từ đó giảm trích lập dự phòng rủi ro tín dụng nhằm tăng lợi nhuận Nếu tình trạng này tiếp diễn, lợi nhuận và mức nợ xấu của ngân hàng sẽ trở nên không đáng tin cậy.

Tỷ lệ dư nợ trên nguồn vốn huy động (LTD):

Giả thuyết H5 về sự tác động cùng chiều của tỷ lệ dư nợ cho vay đến nợ xấu đã được củng cố qua kết quả thực nghiệm, cho thấy rằng khi tỷ lệ dư nợ cho vay (LTD) tăng 1 đơn vị, nợ xấu (ln) cũng tăng 0,9355 đơn vị Kết quả này phù hợp với những nghiên cứu trước đây của Espinoza và Kabra (2010), Louzis, Vouldis và Metaxas (2010), cùng với Bellas, Tsaganos và Makri (2011).

Kết quả này chỉ ra rằng các ngân hàng huy động 100 đồng và cho vay gần 100 đồng hoặc hơn sẽ phải đối mặt với rủi ro gia tăng nợ xấu và rủi ro thanh khoản Mặc dù chức năng chính của hầu hết các ngân hàng là trung gian tiền tệ, việc quản lý rủi ro này là vô cùng quan trọng để đảm bảo ổn định tài chính.

Việc các ngân hàng huy động vốn từ thị trường 1 và 2 để cho vay lại với tỷ lệ dư nợ trên tổng nguồn vốn huy động (LTD) quá cao, gần 1 hoặc hơn 1, làm gia tăng rủi ro thanh khoản và nợ xấu Tình trạng này đặc biệt nghiêm trọng đối với những ngân hàng có mối quan hệ chặt chẽ với các doanh nghiệp, khi mà họ cho vay gần như toàn bộ vốn huy động cho những doanh nghiệp này Khi doanh nghiệp gặp rủi ro thanh khoản, nợ xấu của ngân hàng tăng nhanh chóng, dẫn đến tình trạng mất thanh khoản nghiêm trọng Các ngân hàng như Tín Nghĩa (TNB), Đệ Nhất (FCB), Sài Gòn (SCB), và Phương Tây (WEB) đã tập trung tín dụng vào các doanh nghiệp thuộc nhóm cổ đông chi phối, và khi những doanh nghiệp này không có khả năng trả nợ, ngân hàng buộc phải đối mặt với việc hợp nhất và sáp nhập.

Tỷ lệ LTD cao có thể do tăng vốn ảo và sở hữu chéo, dẫn đến rủi ro cho hệ thống ngân hàng Kết quả thực nghiệm cho thấy sự gia tăng LTD làm tăng nợ xấu, chứng minh tác hại của những vấn đề này Để giảm thiểu rủi ro nợ xấu, cần tránh đẩy tỷ lệ LTD lên quá cao và đa dạng hóa danh mục đầu tư nhằm tối ưu hóa lợi nhuận thay vì chỉ tập trung vào tín dụng.

Tốc độc tăng trưởng tín dụng (Creditgr t-1 ):

Kết quả thực nghiệm xác nhận giả thuyết H9 từ chương 3, cho thấy rằng khi Creditgrt-1 tăng 1 đơn vị, ln tăng 0,09 đơn vị, dẫn đến sự gia tăng nợ xấu Mặc dù mức tăng này không lớn, nó phản ánh xu hướng rằng sự tăng trưởng tín dụng sẽ làm nợ xấu gia tăng trong năm tiếp theo Nhiều nghiên cứu về nợ xấu, bao gồm các tác giả như Keeton (1999), cũng chỉ ra rằng tốc độ tăng trưởng tín dụng có tác động tích cực đến nợ xấu.

Salas và Saurina (2002); Jiménez và Saurina (2006); Jimenez, Lopez và Saurina (2010); Espinoza và Kabra (2010), Klein (2013)