Giới thiệu công trình nghiên cứu
Trong hoạt động của mình, các ngân hàng thương mại (NHTM) luôn phải đối mặt với rủi ro tín dụng (RRTD) Quản trị RRTD với các công cụ, mô hình khác nhau luôn được NHTM, cơ quan quản lý và giới nghiên cứu quan tâm Thực tế đã chứng minh Kiểm tra sức chịu đựng (Stress Testing) là một công cụ quản trị RRTD hữu hiệu, được nhiều tổ chức, quốc gia và ngân hàng trên thế giới sử dụng Tại Việt Nam, Kiểm tra sức chịu đựng bước đầu đã được một số ngân hàng lớn ứng dụng, điển hình là Ngân hàng TMCP Công thương Việt Nam (Vietinbank) Tuy nhiên, do còn khá mới mẻ, mô hình và quy trình ứng dụng Kiểm tra sức chịu đựng còn nhiều hạn chế và cần tiếp tục được nghiên cứu phát triển.
Trong luận án này, tác giả tiếp cận khái niệm nói trên dưới góc độ Kiểm tra sức chịu đựng vi mô (Micro-prudential Stress Testing) đối với RRTD, được sử dụng trong quản trị rủi ro nội bộ của NHTM Sau khi hệ thống hóa cơ sở lý luận về Kiểm tra sức chịu đựng vi mô, luận án đã đưa ra mô hình gồm ba bước giúp kiểm định mức độ an toàn vốn của Vietinbank trong ba kịch bản kinh tế Ngoài Vietinbank, các ngân hàng thương mại khác tại Việt Nam cũng có thể sử dụng phương pháp luận tương tự để đánh giá mức độ an toàn vốn trong các kịch bản xấu Sự ưu việt của mô hình Kiểm tra sức chịu đựng vi mô trong luận án so với những mô hình khác tại Việt Nam là không dừng lại ở đánh giá tác động xấu của kinh tế vĩ mô đối với tỷ lệ nợ xấu (NPL), mà còn liên kết, đánh giá tới các chỉ số rủi ro tiên tiến theo chuẩn quốc tế như xác suất vỡ nợ (PD) Việc liên kết, tuy còn chưa chính xác do kế thừa công thức ước tính của các công trình nghiên cứu nước ngoài, đã giúp cho các ngân hàng thương mại Việt Nam ước tính tác động tới chỉ số an toàn vốn khi chuyển sang dùng PD trong quản trị RRTD Ngoài đưa ra được mô hình định lượng, luận án còn đề cập đến các điều kiện ứng dụng thành công mô hình nói trên tại NHTM Việt Nam nói chung, Vietinbank nói riêng.
Luận án, ngoài danh mục tài liệu tham khảo và 4 phụ lục, bao gồm 142 trang, với 9 hình, 15 đồ thị và 22 bảng Trong đó, phần mở đầu có 8 trang, chương 1 có 15 trang, chương 2 có 33 trang, chương 3 có 30 trang, chương 4 có 36 trang, chương 5 có 17 trang và phần kết luận 3 trang.
Tính cấp thiết của luận án
Rủi ro tín dụng (RRTD) là loại rủi ro khi một hay một nhóm khách hàng không trả được nợ gốc, lãi đầy đủ, đúng thời hạn cho ngân hàng như cam kết Tín dụng là nghiệp vụ cơ bản, thường xuyên nhất trong hoạt động kinh doanh của NHTM RRTD, nếu không được thường xuyên kiểm soát chặt chẽ, có thể mang lại tổn thất lớn, giảm lợi nhuận của ngân hàng Trong thực tiễn, có rất nhiều ngân hàng đã bị phá sản hoặc bị buộc phải sáp nhập do không đủ vốn để bù đắp những khoản lỗ do khách hàng không trả được nợ Sau hệ quả nghiêm trọng và kéo dài của cuộc khủng khoảng 2007-2008, các quan điểm về quản trị rủi ro ngân hàng đã phải thay đổi Ngày nay, các NHTM cần chủ động đánh giá khả năng chống đỡ được rủi ro trong những kịch bản tiêu cực, xác suất cực thấp nhưng vẫn có thể xảy ra Đây là tiền đề để Kiểm tra sức chịu đựng trở thành một yêu cầu bắt buộc tại Trụ Cột 2 của Basel II trong khuôn khổ Quy trình nội bộ ngân hàng nhằm đánh giá mức độ an toàn vốn (ICAAP) Theo đó, Kiểm tra sức chịu đựng là một công cụ đo lường, đánh giá và quản lý RRTD hữu hiệu, linh hoạt, có tính ứng dụng cao, phục vụ cho các mục đích sử dụng khác nhau.
Thực tế cho thấy, đối với một nước có hệ thống ngân hàng mới đang ở giai đoạn phát triển ban đầu như Việt Nam, việc áp dụng Kiểm tra sức chịu đựng, sẽ gặp nhiều khó khăn, thách thức và mất nhiều thời gian do việc tiếp cận tiêu chuẩn này đòi hỏi kỹ thuật phức tạp, chi phí khá cao, kinh nghiệm trong việc xử lý các mâu thuẫn xung đột giữa các bên liên quan Tuy nhiên, trước xu thế hội nhập, mở cửa thị trường dịch vụ tài chính - ngân hàng với nhiều loại hình dịch vụ mới, và nhất là sau cuộc khủng hoảng tài chính và suy thoái kinh tế toàn cầu, việc thực hiện Kiểm tra sức chịu đựng tại các NHTM Việt Nam là yêu cầu cấp thiết Các nhà quản lý tin tưởng rằng, quy định Basel sẽ khích lệ các ngân hàng Việt Nam cải thiện công tác quản lý rủi ro hiệu quả hơn, tạo tiền đề phát triển bền vững hệ thống ngân hàng.
Là một trong ba trụ cột của hệ thống ngân hàng Việt Nam với quy mô tổng dư nợ tín dụng 720 nghìn tỷ đồng tại 31/12/2016, đứng thứ hai toàn hệ thống, cơ cấu danh mục đa dạng theo đối tượng khách hàng và ngành nghề kinh tế, Ngân hàng thương mại cổ phần Công thương Việt Nam có tín dụng vẫn là hoạt động kinh doanh chủ lực (chiếm trên 80% doanh thu) Công tác quản trị RRTD, đảm bảo tỷ lệ nợ xấu dưới 3% được ngân hàng hết sức coi trọng Vietinbank cũng là một trong mười NHTM được Ngân hàng Nhà nước Việt Nam chỉ định triển khai thực hiện Hiệp ước vốn Basel II theo phương pháp chuẩn từ cuối 2015 và theo phương pháp sử dụng xếp hạng tín dụng nội bộ từ cuối 2018 Vietinbank là một trong số ít các ngân hàng đầu tư nguồn lực để thực hiện chuyển đổi toàn diện, đáp ứng yêu cầu về quy trình thực hiện Kiểm tra sức chịu đựng của Ủy ban Basel Chính vì vậy, việc nghiên cứu áp dụng công cụ Kiểm tra sức chịu đựng để quản lý RRTD tại Vietinbank là cần thiết để Điều này giúp cho bản thân ngân hàng phát triển được bền vững, và cũng là bài học để các NHTM khác tại Việt Nam áp dụng.
Tuy nhiên, lý luận về Kiểm tra sức chịu đựng tại Việt Nam vẫn còn khoảng trống nghiên cứu khá lớn Ví dụ, các nghiên cứu vẫn sử dụng thước đo truyền thống là tỷ lệ nợ xấu, trong khi chỉ số này có nhiều nhược điểm như phụ thuộc vào chế độ kế toán, không có tính dự báo ; chưa có nghiên cứu đi sâu phân tích Kiểm tra sức chịu đựng khi ứng dụng cho mục đích quản trị rủi ro nội bộ ngân hàng trên cơ sở những quy chuẩn hiện đại về đo lường RRTD của Basel II.
Xuất phát từ tính mới, sự cấp thiết và khoảng trống nêu trên, đề tài luận án
“ Kiểm tra sức chịu đựng rủi ro tín dụng của các ngân hàng thương mại Việt
Nam – nghiên cứu điển hình Ngân hàng TMCP Công thương Việt Nam ” là rất cần thiết Mục tiêu chính của nghiên cứu là hoàn thiện mô hình Kiểm tra sức chịu đựng vi mô (Micro-prudential Stress Testing) đối với RRTD, để đánh giá mức độ an toàn vốn của các NHTM Việt Nam, điển hình là Vietinbank Từ đó, luận án sẽ đề xuất các giải pháp nhằm tăng cường ứng dụng mô hình Kiểm tra sức chịu đựngRRTD theo chuẩn mực quốc tế tại Vietinbank nói riêng và các NHTM Việt Nam nói chung.
Mục tiêu nghiên cứu
Mục tiêu tổng quát là hoàn thiện mô hình Kiểm tra sức chịu đựng vi mô (Micro- prudential Stress Testing) đối với RRTD tại Vietinbank theo tiêu chuẩn quốc tế, từ đó, áp dụng cho các NHTM khác tại Việt Nam.
Các mục tiêu cụ thể gồm có:
-Hệ thống hóa cơ sở lý luận về Kiểm tra sức chịu đựng vi mô RRTD tại các NHTM;
-Phân tích thực trạng kinh tế vĩ mô Việt Nam, các chính sách điều hành tín dụng của NHNN, qua đó, xác định yếu tố kinh tế nào có tác động tới RRTD NHTM để sử dụng làm biến số độc lập của mô hình;
-Phân tích thực trạng triển khai Kiểm tra sức chịu đựng vi mô RRTD tại Vietinbank;
-Hoàn thiện mô hình Kiểm tra sức chịu đựng vi mô RRTD tại Vietinbank;
-Đề xuất giải pháp nhằm tăng cường ứng dụng Kiểm tra sức chịu đựng vi môRRTD tại các NHTM Việt Nam.
Câu hỏi nghiên cứu
Luận án nghiên cứu trả lời 5 câu hỏi chính:
-Cơ sở lý luận của Kiểm tra sức chịu đựng vi mô RRTD là gì?
-Môi trường hoạt động của các NHTM Việt Nam trong giai đoạn 2009-2015 có đặc điểm gì? Các yếu tố kinh tế vĩ mô có tác động ra sao đến RRTD các ngân hàng?
-Thực trạng ứng dụng Kiểm tra sức chịu đựng tại Vietinbank đã đạt được những thành công, hạn chế gì? Nguyên nhân?
-Mô hình Kiểm tra sức chịu đựng vi mô nào phù hợp cho Vietinbank và các
-Làm thế nào để tăng cường ứng dụng Kiểm tra sức chịu đựng vi mô tại cácNHTM Việt Nam?
Phương pháp nghiên cứu
Luận án sử dụng cả phương pháp định tính và định lượng để đạt mục tiêu nghiên cứu Các phương pháp định tính được sử dụng khi nghiên cứu tổng thể lý thuyết, xây dựng mô hình và hệ thống các giả thuyết cần điểm định, các điều kiện cần có để ứng dụng Kiểm tra sức chịu đựng tại Việt Nam Kiểm tra sức chịu đựng là một lĩnh vực được quan tâm nghiên cứu trên thế giới, và bắt đầu thu hút giới học giả Việt Nam Vì vậy, việc luận án nghiên cứu tổng hợp, kế thừa kết quả nghiên cứu đi trước là hoàn toàn hợp lý Luận án so sánh các phương pháp xây dựng mô hình, cách thức lựa chọn yếu tố kinh tế vĩ mô có tác động tới chất lượng tín dụng vào mô hình sao cho phù hợp với đặc điểm của các NHTM Việt Nam Ngoài ra, luận án tiến hành đánh giá thực trạng ứng dụng Kiểm tra sức chịu đựng tại Vietinbank so với các nguyên tắc khuyến nghị bởi Ủy bán Basel để từ đó, đưa ra những đề xuất đối với các NHTM và cơ quan quản lý nhà nước nhằm tăng cường ứng dụng Kiểm tra sức chịu đựng tại Việt Nam.
Luận án đã sử dụng phương pháp nghiên cứu định lượng nhằm đánh giá khả năng chịu đựng RRTD của Vietinbank Luận án đã đánh giá tác động của các yếu tố kinh tế vĩ mô Việt Nam đối với tỷ lệ nợ xấu của Vietinbank dựa trên dữ liệu của chín NHTM cổ phần niêm yết tại Việt Nam trong 28 quý, từ quý 1/2009 đến quý 4/2015 Phương pháp thu thập số liệu là phương pháp thu thập thứ cấp từ báo cáo tài chính kiểm toán của NHTM và số liệu kinh tế vĩ mô do các cơ quan nhà nước công bố Việc lựa chọn ngân hàng tham gia nghiên cứu, biến độc lập và điều chỉnh số liệu được thực hiện công phu, đòi hỏi sự hiểu biết sâu sắc về cấu trúc, đặc thù số liệu nợ xấu của các ngân hàng Việt Nam, cũng như số liệu thống kê các chỉ số kinh tế vĩ mô nước ta.
Sau khi xây dựng phương trình mô tả tác động của các yếu tố vĩ mô đến tỷ lệ nợ xấu ngân hàng, luận án đã dự phóng giá trị của các biến kinh tế vĩ mô được lựa chọn cho thời gian 7 quý và đánh giá giá trị nợ xấu của Vietinbank trong ba kịch bản chuẩn, xấu và căng thẳng.
Căn cứ kết quả nghiên cứu định tính và định lượng, tác giả đưa ra kết luận về mô hình và đề xuất tăng cường ứng dụng Kiểm tra sức chịu đựng vi mô đối với cácNHTM và cơ quan quản lý nhà nước tại Việt Nam.
Những đóng góp của luận án
Thứ nhất, luận án sẽ hệ thống hóa cơ sở lý luận về Kiểm tra sức chịu đựng vi mô, bao gồm đưa ra khái niệm, phân loại, các bước thực hiện Kiểm tra sức chịu đựng, các mô hình Kiểm tra sức chịu đựng và khả năng ứng dụng tại các NHTM Việt Nam Ngoài ra, luận án sẽ phân tích vai trò của Kiểm tra sức chịu đựng vi mô trong quản trị RRTD và lập kế hoạch tài chính tại các NHTM, cũng như các điều kiện cần có để tăng cường ứng dụng Kiểm tra sức chịu đựng theo tiêu chuẩn quốc tế của Ủy ban Basel Luận án cũng phân tích thực trạng, điểm được và chưa được, nguyên nhân trong quá trình ứng dụng công cụ này tại các NHTM Điều này rất cần thiết vì để tăng cường ứng dụng Kiểm tra sức chịu đựng và tích hợp một cách nghiêm túc vào quá trình ra quyết định của ngân hàng Từ đó, luận án đưa ra những đề xuất thực tiễn đối với lãnh đạo các NHTM và các cấp quản lý ngân hàng.
Thứ hai, luận án sẽ hoàn thiện mô hình Kiểm tra sức chịu đựng vi mô tại Vietinbank theo tiêu chuẩn quốc tế Basel II, theo đó, RRTD phải được đo lường bằng PD, LGD và EAD, chứ không phải là thước đo truyền thống tỷ lệ nợ xấu NPL như tại Việt Nam Do đó, luận án đã tiến thêm một bước so với những nghiên cứu tương tự tại Việt Nam bằng cách ước tính tác động của cú sốc lên PD, LGD và RWA từ kết quả cú sốc lên NPL Mô hình này rất hữu ích cho các ngân hàng Việt Nam trong quá trình chuyển đổi cách đánh giá RRTD từ NPL sang PD, LGD, từ đó, chủ động hơn trong các kế hoạch phát triển và tăng vốn / chia cổ tức trong các năm sau.
Thứ ba, trong quy trình Kiểm tra sức chịu đựng vi mô, luận án đã tiến hành đánh giá tác động của các yếu tố kinh tế vĩ mô tới tỷ lệ nợ xấu của các NHTM niêm yết tại Việt Nam trong giai đoạn 2009-2015 Mặc dù có không ít các nghiên cứu về chủ đề này, nhưng điểm khác biệt của luận án là đã phân tích tác động của Công tyTNHH quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) đối với tỷ lệ nợ xấu của các NHTM Kết quả của mô hình đánh giá kinh tế vĩ mô sẽ giúp kiểm định lần nữa những yếu tố ảnh hưởng tới RRTD tại các NHTM, rút ra những vấn đề cần giải quyết nhằm nâng cao mức độ bền vững của Vietinbank và các NHTM khác tạiViệt Nam trong thời gian tới.
Kết cấu của luận án
Ngoài phần mở đầu, kết luận, các phụ lục và tài liệu tham khảo, luận án có kết cấu gồm 5 chương:
Chương 1: Tổng quan tình hình nghiên cứu
Chương 2: Cơ sở lý luận về Kiểm tra sức chịu đựng vi mô RRTD tại các NHTM
Chương 3: Thực trạng hoạt động tín dụng và triển khai Kiểm tra sức chịu đựng vi mô RRTD tại Vietinbank
Chương 4: Hoàn thiện mô hình Kiểm tra sức chịu đựng vi mô theo tiêu chuẩn quốc tế tại Vietinbank
Chương 5: Một số đề xuất nhằm tăng cường ứng dụng Kiểm tra sức chịu đựng vi mô RRTD tại các NHTM Việt Nam.
TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
Các nghiên cứu về Kiểm tra sức chịu đựng ở nước ngoài
1.1.1 Quá trình hình thành và phát triển lý thuyết về Kiểm tra sức chịu đựng
Rủi ro tín dụng (RRTD) được định nghĩa là khả năng một người đi vay không thể thanh toán khoản vay ngân hàng một cách đầy đủ và đúng thời hạn hợp đồng. Mục đích của quản trị RRTD là đảm bảo ngân hàng tối đa hoá lợi nhuận, nhưng mức độ rủi ro phải nằm trong phạm vi cho phép Khi nghiên cứu về các bài học sau cuộc khủng hoảng tài chính thế giới năm 2007-2008, Bennett và Conan (2009) nhấn mạnh bối cảnh kinh tế có thể thay đổi rất nhanh, do đó, ngân hàng không thể đối phó khủng hoảng nếu không sẵn sàng kế hoạch ứng phó.
Trong 20 năm trở lại đây, lý thuyết về quản trị RRTD đã trải qua một cuộc cách mạng về ứng dụng các mô hình định lượng nhằm lượng hóa giá trị vốn tự có tối thiểu cần có để phòng ngừa rủi ro Người ta nhận ra rằng, mô hình định lượng rất hữu ích, cho phép xây dựng một khung quản lý RRTD tổng thể, bao gồm nhận diện, phân tích đánh giá và truyền tải thông điệp về chính sách rủi ro của ngân hàng. Trong “Các nguyên tắc quản trị rủi ro tín dụng” năm 2000, Ủy ban giám sát các ngân hàng Basel (Ủy ban Basel) đã nhấn mạnh việc ngân hàng phải thiết lập được hệ thống đo lường và giám sát RRTD tốt (BCBS, 2000) Giới học giả đã xây dựng một nhánh lý thuyết về quản trị rủi ro định lượng, tiêu biểu là cuốn sách của McNeil và cộng sự (2005).
Một trong những phương pháp định lượng rủi ro phổ biến nhất là khung lý thuyết về giá trị tổn thất (Value at Risk, VaR) dựa trên nền tảng nghiên cứu về định giá cổ phiếu của Sharpe năm 1964, định giá quyền chọn mua của Black Schole và Merton năm 1973, xây dựng đường cong lãi suất của Vasicek năm 1977 VaR được hiểu là giá trị tổn thất lớn nhất của danh mục với một khoảng tin cậy được lựa chọn, ví dụ 95% hay 99%, và trong một khoảng thời gian nhất định, ví dụ 1 ngày hay 10 ngày VaR đã được áp dụng rộng rãi và trở thành một tiêu chuẩn trong việc đo lường và giám sát rủi ro Ưu điểm lớn nhất của VaR là đã biểu diễn rủi ro dưới dạng một con số duy nhất, với xác suất xảy ra nhất định theo quy luật phân phối chuẩn. Tuy nhiên, VaR không đánh giá tổn thất có thể xảy ra ở phân đuôi bên trái của đường cong phân bổ xác suất tổn thất, còn gọi là hiệu ứng “đuôi chuông” hay “thiên nga đen” Trong khi đó, những giá trị tổn thất lớn mới là thủ phạm gây nguy cơ phá sản cho ngân hàng, và thường nằm ở phần phần đuôi trái của quả chuông Để khắc phục nhược điểm đó, người ta đã nghiên cứu phát triển công cụ Kiểm tra sức chịu đựng (Stress Testing) như một công cụ quản trị rủi ro bổ sung cho VaR.
Những mô hình đơn giản đầu tiên của Kiểm tra sức chịu đựng là phương pháp phân tích kịch bản (scenario analysis), phân tích độ nhạy (sensitivity analysis), phân tích tổn thất lớn nhất (maximum loss analysis) được sử dụng để đo lường khả năng tổn thất rủi ro thị trường có thể xảy ra đối với danh mục đầu tư (Pyle, 1997) Về bản chất, các phương pháp này đều tính độ nhạy của giá trị danh mục đầu tư theo các giả định về biến động giá hàng hóa, cổ phiếu, lãi suất, tỷ giá… trên thị trường. Nhờ vậy, NHTM trả lời câu hỏi ví dụ như “nếu thị trường chứng khoán giảm 20% thì giá trị danh mục cổ phiếu, tín dụng, công cụ phái sinh sẽ thay đổi ra sao?” Tuy chúng cho phép xác định các giá trị tiêu cực tại đuôi phân bổ xác suất tổn thất (lower tail), nhưng chưa trả lời được các câu hỏi sự kiện “chứng khoán giảm 20%” sẽ diễn ra với xác suất như thế nào, giảm 20% là nhiều hay ít, đã là trường hợp xấu nhất có thể xảy ra chưa (Blaschke và cộng sự (2001), Bunn và cộng sự (2005)). Ngoài ra, hàm ý nghĩa ứng dụng của Kiểm tra sức chịu đựng khi đó còn nhiều hạn chế, chỉ là “kỹ thuật đơn giản, một ranh giới phòng ngừa (maginot line) cho khả năng khủng hoảng”, phần nào ước tính mức độ tổn thất lớn nhất, nhưng không có giá trị trong hoạt động hàng ngày của các NHTM (Pyle, 1997).
So với ứng dụng đối với rủi ro thị trường nêu trên, Kiểm tra sức chịu đựng được ứng dụng muộn hơn đối với RRTD Trong một nghiên cứu khảo sát của Ủy ban Basel vào năm 2005, hơn 80% trong số 64 ngân hàng và công ty chứng khoán tại 16 quốc gia sử dụng Kiểm tra sức chịu đựng để đánh giá rủi ro thị trường,nhưng chưa ứng dụng đối với danh mục cho vay (BCBS, 2005) Nguyên nhân là do việc đo lường tác động của kịch bản Kiểm tra sức chịu đựng đối với RRTD đòi hỏi kỹ thuật phức tạp Theo Foglia (2008), cơ sở lý luận về Kiểm tra sức chịu đựng RRTD chỉ được phát triển và hoàn thiện cùng với Chương trình đánh giá Khu vực Tài chính (Financial Stability Assessment Program, FSAP) của Quỹ tiền tệ quốc tế (IMF) và Ngân hàng thế giới (WB), cũng như trong quá trình xây dựng các chuẩn về vốn an toàn tối thiểu của Ủy ban Basel Theo đó, Kiểm tra sức chịu đựng RRTD được gọi là “macro-to-micro” gồm hai bước:
-Xây dựng mô hình kinh tế vĩ mô (Macroeconomic Modelling) để xác định yếu tố vĩ mô nào có tác động đến hoạt động ngân hàng Mỗi nền kinh tế là một hệ thống bao gồm các hoạt động kinh tế có quan hệ biện chứng, ràng buộc lẫn nhau, và có những nét đặc thù riêng Sự ổn định hay mất ổn định của nền kinh tế sẽ có tác động mạnh mẽ đến hoạt động của ngân hàng, đặc biệt là hoạt động tín dụng Khi thực hiện Kiểm tra sức chịu đựng tại từng nước, người ta phải kiểm định mối quan hệ giữa nền kinh tế nước đó với hoạt động tín dụng của hệ thống NHTM, và qua đó, có thể xây dựng kịch bản Kiểm tra sức chịu đựng phản ánh đúng rủi ro có thể xảy ra đối với ngân hàng khi chịu những cú sốc tác động từ môi trường kinh tế vĩ mô. Tùy thuộc vào độ mở, sự phức tạp của nền kinh tế - hệ thống tài chính, cũng như mức độ sẵn có của số liệu mà người ta sẽ lựa chọn mô hình kinh tế vĩ mô phù hợp.
-Xây dựng mô hình đánh giá RRTD (Credit risk Satellite Modelling) để đánh giá tác động của kịch bản kinh tế tiêu cực tới lợi nhuận / mức độ an toàn vốn của ngân hàng theo một trong hai phương pháp: (i) phương pháp dựa trên thông tin bảng cân đối tài chính (balance-sheet based approach) đánh giá sự sụt giảm chất lượng danh mục cho vay Phương pháp này rõ ràng, dễ hiểu, có thể ứng dụng tại các nước có thị trường chứng khoán, phái sinh chưa phát triển Nhược điểm của phương pháp này bị ảnh hưởng bởi chế độ kế toán, trích lập dự phòng ngân hàng, khó đánh giá mức độ tương tác và rủi ro lan truyền giữa các ngân hàng, giữa các loại sản phẩm dịch vụ…; hoặc (ii) phương pháp dựa trên thông tin giá thị trường (market- based approach), cụ thể là giá các công cụ tài chính được giao dịch thường xuyên trên thị trường như cổ phiếu, trái phiếu, quyền chọn cổ phiếu… Theo đó, người ra tính toán xác suất rủi ro của từng khách hàng, nhóm sản phẩm ngân hàng, của ngân hàng hay toàn hệ thống Ưu điểm của phương pháp này là số liệu giá giao dịch có tính khách quan cao hơn, liên tục hơn Tuy nhiên, việc giải thích kết quả Kiểm tra sức chịu đựng gặp nhiều khó khăn do không rõ nguồn phát sinh rủi ro, không sử dụng mối liên kết rõ ràng giữa nền kinh tế và hệ thống ngân hàng Kết quả Kiểm tra sức chịu đựng đôi khi bị “nhiễu” bởi biến động giá ngắn hạn, và đặc biệt, khó ứng dụng tại các nước chưa có thị trường tài chính phát triển.
Mặc dù đã được ứng dụng trước cuộc khủng hoảng tài chính thế giới 2007 -
2008, Kiểm tra sức chịu đựng vẫn bộc lộ một số hạn chế nên không dự báo đúng mức độ rủi ro, khiến một số ngân hàng lớn đã sụp đổ Những hạn chế đó bao gồm Kiểm tra sức chịu đựng chưa thực sự tích hợp vào hệ thống quản trị rủi ro và ra quyết định của ngân hàng; kết quả mới dừng ở mục đích tham khảo; các kịch bản kiểm định chưa đạt được đủ độ mạnh cần thiết; chưa có các nguyên tắc thực hiện Kiểm tra sức chịu đựng hiệu quả (Drehmann (2008), Alfaro và Drehmann (2009), Borio và những cộng sự (2012), Summer (2007)) Sau giai đoạn này, để tăng mức độ căng thẳng của kịch bản Kiểm tra sức chịu đựng , các nghiên cứu của Alfaro và Drehmann (2009), Andreas và cộng sự (2013) đã lồng ghép tác động của hiện tượng phản hồi (feedback effects) Hiện tượng này diễn ra khi các ngân hàng bị tác động của cuộc khủng hoảng buộc phải thu hẹp tín dụng đối với các thành phần kinh tế, các doanh nghiệp và cá nhân không tiếp cận được các gói tín dụng mới khiến cuộc khủng hoảng càng trầm trọng hơn Trước đó, hầu hết các Kiểm tra sức chịu đựng đều bỏ qua hiện tượng phản hồi này, và giả định sự tương tác giữa kinh tế vĩ mô và ngân hàng không thay đổi khi ngay cả khi nền kinh tế rơi vào trạng thái khủng hoảng Ngoài ra, các tác giả Brunnermeier (2009), Cont và Wagalath (2012), Geanakoplos và Fostel (2013) chứng mimh tâm lý đám đông tháo chạy khỏi thị trường tài chính khi có khủng hoảng xảy ra, dẫn tới ngân hàng mất thanh khoản, đổ vỡ dây chuyền, lãi suất tăng, tín dụng thu hẹp
Khi nghiên cứu hiệu quả ứng dụng của Kiểm tra sức chịu đựng vĩ mô trong giám sát hệ thống và phòng chống khủng hoảng, Morgan và cộng sự (2014) đã chỉ ra kết quả Kiểm tra sức chịu đựng tại 19 ngân hàng lớn nhất Mỹ vào năm 2009 thành công là do mức độ minh bạch thông tin Thị trường có thể dự đoán các ngân hàng nào thiếu vốn theo quy định trước khi kết quả Kiểm tra sức chịu đựng được công bố, nhưng không biết trước quy mô thiếu hụt vốn Nhờ Kiểm tra sức chịu đựng , các thành viên thị trường có thông tin về mức độ thiếu hụt vốn, và nhờ đó, có sự phân hóa về giá cổ phiếu giữa ngân hàng tốt và ngân hàng yếu kém Ngược lại, các nghiên cứu cuả Cardinali và Nordmark (2011), Petrella và Resti (2013) về Kiểm tra sức chịu đựng thực hiện tại Liên minh châu Âu vào các năm 2010 và 2011 lại cho thấy, kết quả công bố không có giá trị thông tin đáng kể, chủ yếu do mức độ minh bạch của các ngân hàng châu Âu không bằng các ngân hàng Mỹ Ngoài ra, nghiên cứu của Goldstein và Sapra (2012) cũng phân tích kỹ ưu điểm và nhược điểm của công khai kết quả, và đưa ra những khuyến nghị bổ ích đối với các cơ quan quản lý nhà nước nhằm tăng cường ứng dụng Kiểm tra sức chịu đựng tại các NHTM. Đối với Kiểm tra sức chịu đựng vi mô ứng dụng trong quản trị của các NHTM, hầu hết các nghiên cứu đều nhấn mạnh tầm quan trọng của Kiểm tra sức chịu đựng trong việc đánh giá khả năng ngân hàng có thể chống đỡ khủng hoảng có thể xảy ra (Ayuso và cộng sự (2004), Stolz và Wedow (2011), Cummings và Durrani (2016)) Ngoài chức năng này, Schuermann (2016) còn chỉ ra vai trò của Kiểm tra sức chịu đựng trong quản trị rủi ro ngân hàng vào “thời bình” Một là, nghiên cứu của Lelyveld và Iman năm 2009 đề cập đến vai trò của Kiểm tra sức chịu đựng trong kiểm định tính chính xác của các mô hình quản trị RRTD khác. Hai là, Kiểm tra sức chịu đựng là cơ sở ra quyết định tăng trưởng, mở rộng kinh doanh để có phân bổ hợp lý nguồn lực tài chính, hạn mức tín dụng vào các sản phẩm mới, có cấu trúc rủi ro phức tạp (Fed, 2014) Kết quả Kiểm tra sức chịu đựng vi mô sẽ giúp cho các nhà lãnh đạo ngân hàng trả lời câu hỏi: Ngân hàng có đủ vốn đủ phát triển theo những chiến lược, kế hoạch mở rộng hay không Nếu mô hình của Kiểm tra sức chịu đựng vĩ mô thường phải minh bạch, dễ truyền tải nội dung tới công chúng bên ngoài, thì các mô hình Kiểm tra sức chịu đựng vi mô cần chính xác và có tính dự báo cao Ba là, theo Hirtle và Lehnert (2014), kết quả Kiểm tra sức chịu đựng vi mô có thể là cơ sở quyết định ngân hàng có chia cổ tức hay không, cần phát hành thêm bao nhiêu vốn cổ phần để đảm bảo kế hoạch phát triển trung dài hạn bền vững.
Trên cơ sở những nghiên cứu này, các cơ quan quản lý đã xây dựng hệ thống các nguyên tắc, giải pháp nhằm nâng cao hiệu quả của Kiểm tra sức chịu đựng và chuẩn hóa thành thông lệ quốc tế Cụ thể, Ủy ban Basel đã đưa ra những quy định về Kiểm tra sức chịu đựng trong khuôn khổ Basel II (năm 2006) và Basel III (năm
2011), cũng như 21 nguyên tắc trong thực hiện Kiểm tra sức chịu đựng nội bộ đối với lãnh đạo ngân hàng và cơ quan quản lý nhà nước vào năm 2009 Cùng với việc áp dụng theo lộ trình các thông lệ về an toàn vốn của Basel II và III, các quốc gia và ngân hàng đều có thể áp dụng các quy chuẩn về Kiểm tra sức chịu đựng của Basel. Tóm lại, có thể nói số lượng các nghiên cứu lý thuyết về Kiểm tra sức chịu đựng RRTD của các NHTM trên thế giới rất đa dạng nhằm không ngừng hoàn thiện Kiểm tra sức chịu đựng trở thành một công cụ kiểm soát RRTD có hiệu quả tại các NHTM.
1.1.2 Tác động của kinh tế vĩ mô đối với RRTD trong xây dựng kịch bản Kiểm tra sức chịu đựng
Các nghiên cứu về các yếu tố vĩ mô có ảnh hưởng tới RRTD ngân hàng có kết quả khá khác nhau, đôi khi trái ngược Các yếu tố vĩ mô thường được chia thành các nhóm sau:
1.1.2.1 Chỉ số đại diện cho chu kỳ kinh tế
Theo Salas và Saurina (2002), trong giai đoạn kinh tế tăng trưởng, cả ngân hàng và doanh nghiệp đều lạc quan về phương án đầu tư và khả năng trả nợ vay.Hơn nữa, do chịu áp lực cạnh tranh, các ngân hàng có xu hướng nới lỏng điều kiện tín dụng, mở rộng cho vay các khách hàng “dưới chuẩn” Khi nền kinh tế chuyển trạng thái sang suy thoái, các khách hàng và dự án “dưới chuẩn” không có khả năng trả nợ, khiến tỷ lệ nợ xấu của ngân hàng tăng mạnh Vì vậy, tốc độ tăng trưởng
GDP thường có quan hệ nghịch với tỷ lệ nợ xấu, ví dụ tại các ngân hàng Tây Ban Nha giai đoạn 1985-1997 (Salas và Saurina, 2002); tại các ngân hàng Ý trong giai đoạn 1987-2002 (Quagliarello, 2007); tại 9 ngân hàng lớn nhất (chiếm 90% hệ thống) của Hy Lạp giai đoạn 2003-2009 (Louzis và cộng sự, 2010); và tại 80 ngân hàng thuộc Tổ chức Hợp tác Vùng Vịnh (GCC) giai đoạn 1995-2008 (Espinoza và Prasad, 2010).
Một số nghiên cứu kiểm chứng khác lại tìm thấy mối quan hệ giữa RRTD với những biến số khác đặc trưng cho chu kỳ kinh tế như tăng trưởng GDP bình quân đầu người (Fofack, 2005) và tỷ lệ thất nghiệp (Aver, 2008, Bucur và Dragomirescu, 2014).
Về lạm phát, các nghiên cứu của Shu (2002) và Waeibrorheem và Suriani
Các nghiên cứu về Kiểm tra sức chịu đựng vi mô tại Việt Nam
Đối với tình hình nghiên cứu liên quan đến nội dung quản trị RRTD tại ViệtNam, trước hết, chúng ta nhận thấy đã có những nghiên cứu về lý thuyết mô hình quản lý rủi ro tín, dụng điển hình là luận án tiến sỹ của Lê Diệu (2010) “Luận cứ khoa học về xác định mô hình quản lý RRTD tại hệ thống NHTM Việt Nam” Tác giả đã đề cập một cách tương đối có hệ thống các vấn đề liên quan đến RRTD, cấu thành của mô hình quản lý RRTD (nhận biết rủi ro, đo lường rủi ro, quản lý rủi ro,kiểm soát và xử lý RRTD) Mặc dù chưa có những phân tích sâu sắc, tác giả đã chứng minh hệ thống NHTM Việt Nam có thể áp dụng phương pháp quản lý rủi ro định lượng nếu hoàn thiện tốt các điều kiện để vận hành mô hình, trong đó chú trọng nhất đến công nghệ và nhân sự Khi đó, việc áp dụng mô hình đo lườngRRTD định lượng sẽ tiến hành theo hai bước: (1) hoàn hiện hệ thống chấm điểm tín dụng nội bộ và (2) hoàn hiện mô hình xếp hạng tín dụng theo chuẩn Basel II Tuy nhiên, nghiên cứu chưa đề cập sâu về phương pháp đo lường và quản lý RRTD theo chuẩn Hiệp ước vốn Basel, những điều kiện cần và đủ để ứng dụng thước đo đó trong mô hình quản lý rủi ro ngân hàng.
Một số tác giả đã đề cập đến tính cấp thiết phải chuyển thước đo RRTD sang chuẩn Basel II Bài báo nghiên cứu của Phạm Thủy và Đỗ Hà (2013) đã nhấn mạnh các nhược điểm của đo lường RRTD dựa trên chỉ tiêu nợ xấu, bao gồm các quy định về phân loại nợ xấu, trích lập dự phòng, xử lý rủi ro có thể thay đổi theo thời gian tuỳ thuộc vào cơ quan quản lý hoặc quyết định của ngân hàng; chỉ tiêu này chỉ thể hiện mức độ rủi ro tại một thời điểm trong quá khứ, khó có thể tính toán rủi ro của một khoản vay trước khi cấp tín dụng… Luận án Tiến sỹ của tác giả Nguyễn Phương (2012) “Quản lý nợ xấu tại NHTM Việt Nam” đã chứng minh rằng chỉ khi nào nợ xấu được nhận biết và đo lường một cách chính xác thì các ngân hàng mới có thể quản lý có hiệu quả Quy trình quản lý nợ xấu nhất thiết phải bổ sung cách thức đo lường nợ xấu như thế nào Các ngân hàng phải xây dựng quy trình và tổ chức đo lường tổn thất của nợ xấu, phải tính được EL (tổn thất dự kiến) và UL (tổn thất ngoài dự kiến) thông qua 3 cấu phần rủi ro cơ bản là PD, LGD và EAD. Đã có nhiều nghiên cứu điển hình thực trạng quản lý RRTD tại một NHTM cụ thể, nhưng còn ít luận án sử dụng phương pháp nghiên cứu định lượng, mà chủ yếu sử dụng phương pháp nghiên cứu định tính để chứng minh giả thuyết khoa học và đưa ra các giải pháp Các luận văn tiến sỹ của Nguyễn Đức Tú (2012) và Nguyễn Tuấn Anh (2012) đã hệ thống hóa những nội dung lý luận về quản lý rủi ro theo thông lệ quốc tế, sử dụng số liệu của Vietinbank và Ngân hàng Nông nghiệp và Phát triển nông thôn Việt Nam để phân tích những mặt hạn chế của công tác quản lý RRTD như chiến lược chưa toàn diện, mô hình chưa phù hợp, quy trình tín dụng còn nhiều bất cập, hệ thống đo lường rủi ro thiếu đồng bộ
Gần đây đã xuất hiện nhiều hơn các luận án sử dụng mô hình định lượng như luận án Tiến sỹ của tác giả Nguyễn Đông (2012), ngoài việc đưa ra lý luận chung về tín dụng ngân hàng, đã sử dụng mô hình định lượng Logistic, mô hình phân lớp nhằm phân tích các yếu tố ảnh hưởng đến xếp hạng tín dụng của khách hàng pháp nhân từ bộ số liệu sơ cấp của 115 khách hàng pháp nhân đã được khảo sát tại VCB– chi nhánh Đà Nẵng Ngoài ra, Luận án cũng chỉ ra những bất cập trong hệ thống xếp hạng tín dụng nội bộ hiện đang áp dụng ở chi nhánh của VCB và kết luận việc ứng dụng mô hình định lượng có thể nâng cao chất lượng tín dụng tại các chi nhánh ngân hàng này.
Trong lĩnh vực Kiểm tra sức chịu đựng , tính tới thời điểm hiện nay, tất cả các nghiên cứu được công bố đều phân tích mô hình Kiểm tra sức chịu đựng rủi ro vĩ mô, chưa có nghiên cứu về Kiểm tra sức chịu đựng vi mô. Đánh dấu mối quan tâm đầu tiên về lý thuyết Kiểm tra sức chịu đựng của hệ thống ngân hàng tài chính nước ta là các ấn phẩm của Võ Trí Thành, Lê Xuân Sang (đồng chủ biên) (2013) và Dương Quốc Anh (Chủ nhiệm đề tài, 2013), do Ngân hàng Nhà nước và Ủy ban Kinh tế Quốc hội chủ trì biên soạn Hai ấn phẩm này chủ yếu tổng hợp những khái niệm cơ bản và thử nghiệm một số phương pháp Kiểm tra sức chịu đựng đơn giản.
Tiếp đó, trong lĩnh vực nghiên cứu thực nghiệm, đã xuất hiện đề tài “Đánh giá sức chịu đựng của các NHTM lớn ở Việt Nam” của Phùng Đức Quyền (2013), xây dựng ba kịch bản cho Kiểm tra sức chịu đựng, gồm kịch bản cơ sở (thể hiện diễn biến thông thường của nền kinh tế), kịch bản “suy thoái kép” (dựa theo cuộc khủng hoảng 1997, có điều chỉnh theo những thay đổi trong cấu trúc kinh tế các nguy cơ ở hiện tại), kịch bản “trì trệ kéo dài” (xây dựng từ khu vực đuôi 1% trong đường phân phối xác suất của các dự báo từ mô hình VAR) Dựa trên kết quả thu được, tác giả kết luận sức chịu đựng của các ngân hàng trước cú sốc bất lợi tại thời điểm cuối năm 2012 là rất yếu.
Một nghiên cứu khác của Nguyễn Trâm (2014) sử dụng mô hình vec-tơ sai số hiệu chỉnh (Vecto error-corection Model, VECM) để mô phỏng kịch bản cú sốc kinh tế vĩ mô trong thời gian 2 năm, sau đó phân tích độ nhạy của NPL khi chịu ảnh hưởng của tăng trưởng GDP, tăng trưởng tín dụng, biến động lãi suất cơ bản với một độ trễ bằng hàm logarit Sau cùng, tác giả sử dụng CreditRisk+ với biến đầu vào là tổng dư nợ của 8 NHTM niêm yết, tỷ lệ vỡ nợ được xác định trên cơ sở tỷ lệ nợ xấu, và độ biến động của nợ xấu để tính toán mức vốn yêu cầu phòng cho trường hợp rủi ro không mong đợi xảy ra Tác giả kết luận, nếu xảy ra rủi ro với 1% xác suất thì tổng giá trị trích lập dự phòng của các ngân hàng tại thời điểm hiện nay không đủ để chống đỡ tổn thất.
Hạn chế của hai công trình nghiên cứu này là vẫn sử dụng chỉ số nợ xấu làm thước đo RRTD Hiện nay, thước đo truyền thống tại Việt Nam và một số nước đang phát triển trên thế giới vẫn là NPL và LLP, ví dụ các nghiên cứu Phùng Đức Quyền (2013), Nguyễn Trâm (2014), Tian và Yang (2011), Muliaman và những cộng sự (2011) tại Trung Quốc, Indonesia và Việt Nam Các tác giả đã nâng cao tính chính xác của mô hình dự báo trong kịch bản cú sốc bằng cách chuyển từ hàm tuyến tính sang hàm logarit Tuy nhiên, kết quả nghiên cứu vẫn phụ thuộc vào chất lượng số liệu nợ xấu trong quá khứ và chưa phản ánh được đúng bản chất của RRTD.
Về chủ đề đánh giá tác động của nền kinh tế đối với RRTD tại các ngân hàng Việt Nam, trong thời gian gần đây, đã xuất hiện khá nhiều nghiên cứu định lượng có giá trị Điển hình là nghiên cứu của Lê Vân Chi và Hoàng Trung Lai (2014) sử dụng mô hình hồi quy dữ liệu mảng với tác động cố định trên số liệu báo cáo tài chính năm của 13 NHTM, chiếm 62% tổng dư nợ toàn hệ thống trong giai đoạn từ
2007 đến 2013 Các tác giả kết luận tỷ lệ nợ xấu có mối quan hệ cùng chiều với tỷ lệ an toàn vốn tối thiểu, dư nợ tín dụng bất động sản (với hệ số hồi quy 0.21 và có ý nghĩa ở mức 10%), lãi suất cho vay danh nghĩa và GDP; và mối quan hệ âm với giá trị tổng tài sản và tỷ lệ sinh lời trên tổng tài sản.
Nghiên cứu của Đặng Hữu Mẫn và Hoàng Anh (2014) sử dụng mô hình phân tích hồi quy dữ liệu bảng kiểu động (Dynamic Panel Data Regression Analysis, DPDA) để nghiên cứu yếu tố tác động đến lợi nhuận ngân hàng (Return on Asset, ROA) Các tác giả đã cung cấp bằng chứng thực nghiệm về sự tác động của tỷ lệ lạm phát và tỷ lệ giá trị vốn hóa thị trường chứng khoán / tổng sản phẩm quốc nội có mối tương quan “dương” với lợi nhuận ngân hàng Ngược lại, trong giai đoạn 2003-2012 ở Việt Nam, tăng trưởng kinh tế và lợi nhuận đôi khi không đi liền với nhau, đồng nghĩa với việc không tìm thấy bằng chứng cho mối liên hệ có ý nghĩa thống kê giữa ROA và tăng trưởng GDP.
Một nghiên cứu mới khác của các tác giả Trương Đông Lộc và Nguyễn Văn
Thép (2015) phân tích các nhân tố ảnh hưởng đến RRTD tại 155 quỹ tín dụng nhân dân khu vực Đồng bằng sông Cửu Long giai đoạn 2010-2012 Kết quả cho thấy, có
4 trong số 6 biến độc lập được đưa vào mô hình có ý nghĩa thống kê từ 1% đến 5%.
Cụ thể, ROA và quy mô tổng tài sản có quan hệ tỷ lệ nghịch với tỷ lệ nợ xấu Tăng trưởng tín dụng với độ trễ một năm cũng có quan hệ cùng chiều với tỷ lệ nợ xấu ngân hàng Điều này được giải thích là do hầu hết các quỹ tín dụng nhân dân tại khu vực có quy mô rất nhỏ Càng tăng trưởng nhanh thì quỹ tín dụng càng có lợi thế trong huy động vốn để tăng quy mô, giảm tỷ lệ nợ xấu trên tổng tài sản, và tăng cường khả năng quản trị rủi ro tốt hơn Liên quan đến các biến vĩ mô, các tác giả chỉ tìm thấy mối liên hệ ngược chiều giữa tỷ lệ nợ xấu và tốc độ tăng trưởng kinh tế, mà không chứng minh được mối liên hệ với tỷ lệ lạm phát.
Nghiên cứu của Nguyễn Trâm (2014) đã chứng minh được mối quan hệ nghịch chiều (độ trễ là 1 năm và 2 năm) giữa tỷ lệ nợ xấu của 8 ngân hàng niêm yết với tốc độ tăng trưởng GDP trên cơ sở dữ liệu quý từ 2007 đến 2013 Tuy nhiên,nghiên cứu chưa đánh giá tác động của các nhân tố khác lên tỷ lệ nợ xấu ngân hàng,ngoài tốc độ tăng trưởng GDP.
Khoảng trống nghiên cứu
Từ phần tổng quan nêu trên, luận án sẽ giải quyết những khoảng trống nghiên cứu sau:
Thứ nhất, luận án sẽ đi sâu nghiên cứu về lý luận về Kiểm tra sức chịu đựng vi mô (Micro-prudential Stress Testing) đối với RRTD tại các NHTM Việt Nam. Luận án sẽ tập trung nghiên cứu vai trò của Microprudential Stress Testing trong quản trị RRTD tại các NHTM Việt Nam theo Basel II Từ đó, đưa ra những hàm ý đối với ngân hàng và cơ quan nhà nước nhằm ứng dụng Kiểm tra sức chịu đựng có hiệu quả trong quản trị rủi ro nội bộ nghiên cứu về Kiểm tra sức chịu đựng RRTD tại một ngân hàng cụ thể tại Việt Nam với những đặc trưng nhất định.
Thứ hai , luận án sẽ nghiên cứu hoàn thiện mô hình Kiểm tra sức chịu đựng phù hợp với đặc thù của Vietinbank và các ngân hàng Việt Nam trong giai đoạn chuyển đổi từ NPL sang EL, PD, LGD, EAD Hiện mới có mô hình Kiểm tra sức chịu đựng đánh giá tác động cú sốc lên NPL của ngân hàng như nghiên cứu của Nguyễn Trâm (2014) Luận án sẽ xây dựng mô hình Kiểm tra sức chịu đựng vi mô tại Vietinbank theo tiêu chuẩn quốc tế Basel II, theo đó, RRTD phải được đo lường bằng PD, LGD và EAD, chứ không phải là thước đo truyền thống tỷ lệ nợ xấu NPL như tại Việt Nam Ngoài ra, những kịch bản cú sốc sẽ được xác định bằng mô hình định lượng, thay vì chỉ dựa trên các giá trị được giả định, nhằm đảm bảo cú sốc đủ mạnh theo yêu cầu của các tổ chức quốc tế.
Thứ ba , luận án bổ sung thêm một nghiên cứu định lượng về mối quan hệ giữa yếu tố vĩ mô với rủi ro ngân hàng, đặc biệt trong bối cảnh nền kinh tế còn nhiều diễn biến khó dự đoán như hiện nay Nghiên cứu sẽ đánh giá tác động của kinh tế vĩ mô giai đoạn 2009-2015 đối với RRTD ngân hàng, bóc tách tác động của việc các ngân hàng được chuyển nợ xấu sang VAMC đổi lấy trái phiếu đặc biệt trong giai đoạn 2013-2015 Kết quả của mô hình đánh giá kinh tế vĩ mô sẽ giúp kiểm định lần nữa những yếu tố ảnh hưởng tới RRTD tại các NHTM, rút ra những vấn đề cần giải quyết nhằm nâng cao mức độ bền vững của Vietinbank và các NHTM khác tại Việt Nam trong thời gian tới.
Trong chương 1, Luận án đã tổng hợp các tài liệu nghiên cứu về quá trình hình thành và phát triển, các loại mô hình và hiệu quả ứng dụng Kiểm tra sức chịu đựng trên thế giới và Việt Nam Từ đó, tác giả đã đưa ra ba khoảng trống nghiên cứu sẽ được phân tích làm rõ trong khuôn khổ Luận án nghiên cứu “Kiểm tra sức chịu đựngRRTD của các ngân hàng thương mại Việt Nam - Nghiên cứu điển mình Ngân hàngTMCP Công thương Việt Nam” Mục tiêu nghiên cứu của luận án là kiểm định sức chịu đựng RRTD tại Vietinbank, từ đó, tăng cường ứng dụng Kiểm định sức chịu đựng vi mô đối với RRTD tại các ngân hàng TMCP khác tại Việt Nam.
CƠ SỞ LÝ LUẬN VỀ KIỂM TRA SỨC CHỊU ĐỰNG VI MÔ ĐỐI VỚI RRTD TẠI CÁC NHTM
Khái niệm Kiển tra sức chịu đựng vi mô
Trong các tài liệu tiếng Việt, Stress Test hay Stress Testing được gọi bằng các tên khác nhau như “Kiểm định sức chịu đựng” (Dương Quốc Anh, 2013), “Đánh giá sức chịu đựng” (Võ Trí Thành, Lê Xuân Sang, 2013), “Kiểm tra RRTD” (Nguyễn Trâm, 2014) Tùy thuộc vào mục đích sử dụng mà Kiểm tra sức chịu đựng có những định nghĩa khác nhau. Đứng trên quan điểm giám sát hệ thống ngân hàng, Quỹ tiền tệ quốc tế IMF đã đưa ra khái niệm về Kiểm tra mức độ rủi ro vĩ mô (macro-prudential Stress Testing) như sau (IMF, 2012):
“Stress Testing là một kỹ thuật đo lường mức độ tổn thất của một danh mục, ngân hàng hoặc cả hệ thống tài chính trong các kịch bản giả định Đây là phương pháp phân tích định lượng “nếu thì ”, tính toán điều gì sẽ xảy ra với tỷ lệ an toàn vốn, lợi nhuận, dòng tiền của một ngân hàng, hoặc cả hệ thống ngân hàng nói chung, khi xảy ra rủi ro”.
Theo đó, Kiểm tra sức chịu đựng là quá trình thực hiện gồm:
- Lựa chọn ngân hàng tham gia kiểm định, loại rủi ro cần đánh giá tác động và kịch bản cú sốc;
- Lựa chọn các mô hình liên kết kịch bản giả định với các chỉ số đại diện mức độ thanh khoản và an toàn vốn của ngân hàng;
- Báo cáo kết quả kiểm định và các phương án truyền thông (nếu cần thiết); và
- Ra quyết định các hành động cần thực hiện trên cơ sở kết quả của Stress Testing. Đứng trên quan điểm Kiểm tra sức chịu đựng vi mô, Ủy ban Basel đã đưa ra định nghĩa của Kiểm tra sức chịu đựng vi mô như sau (BCBS, 2009):
“Stress Testing là một công cụ (risk management tool), cấu phần quan trọng của hệ thống quản trị rủi ro nội bộ ngân hàng, và được các cơ quan quản lý khuyến khích sử dụng trong khuôn khổ về an toàn vốn của Basel II Kiểm tra sức chịu đựng cảnh báo cho các cấp quản lý về hệ quả của các loại rủi ro khác nhau, và cho phép ước lượng mức vốn cần có để bù đắp tổn thất khi một cú sốc lớn xảy ra”.
Như vậy, Kiểm tra sức chịu đựng vi mô là một cấu phần của hệ thống quản trị rủi ro nội bộ ngân hàng, phải được xây dựng, đánh giá và sử dụng trong quá trình ra quyết định của lãnh đạo ngân hàng Kiểm tra sức chịu đựng không những đóng vai trò trong giai đoạn khủng hoảng, mà còn là công cụ quản trị rủi ro trọng yếu trong giai đoạn tăng trưởng và triển khai các nghiệp vụ / đơn vị kinh doanh / sản phẩm mới của NHTM Ngoài mục đích đánh giá khả năng đủ vốn yêu cầu của tổ chức tín dụng, Kiểm tra sức chịu đựng nhìn từ góc độ quản trị ngân hàng còn giúp lãnh đạo có thêm thông tin trong quá trình ra quyết định phân bổ vốn và thanh khoản, xác định khẩu vị rủi ro của ngân hàng và xây dựng các phương án dự phòng / giảm thiểu rủi ro trong các tình huống xấu Ủy ban Basel yêu cầu các ngân hàng thực hiện Kiểm tra sức chịu đựng định kỳ, tối thiểu đối với danh mục tín dụng Tính chất kịch bản cú sốc được kiểm định trong Kiểm tra sức chịu đựng được miêu tả rõ hơn: phải đủ mức độ trầm trọng, nhưng vẫn khả năng xảy ra.
Tại Mỹ, Cục dự trữ liên bang Fed cũng yêu cầu các ngân hàng có quy mô tổng tài sản hợp nhất trên 10 tỷ USD, bao gồm 19 định chế, chiếm trên 2/3 tổng tài sản hệ thống ngân hàng Mỹ, phải tuân thủ khuôn khổ Kiểm tra sức chịu đựng vi mô (Fed, 2012) Theo đó, khuôn khổ Kiểm tra sức chịu đựng bao gồm các hoạt động toàn diện, được tích hợp với các hoạt động khác và có tính dự báo của ngân hàng nhằm phát hiện, đo lường rủi ro và bất ổn xuất phát từ môi trường kinh tế - tài chính khủng hoảng hoặc những sự kiện bất lợi của chính ngân hàng Khuôn khổ này sẽ bổ sung cho các phương pháp quản trị rủi ro định lượng khác, vốn chỉ thuần túy là ước lượng rủi ro / tổn thất trên số liệu quá khứ, cũng như những phương pháp quản trị rủi ro định tính khác… Ngân hàng xây dựng, thực hiện khuôn khổ Kiểm tra sức chịu đựng phù hợp với quy mô, mức độ phức tạp, các mảng nghiệp vụ và rủi ro tổng thể của mình.
Như vậy, yêu cầu về Kiểm tra sức chịu đựng đối với các ngân hàng lớn tại
Mỹ khắt khe hơn so với yêu cầu của Basel II ở những điểm sau:
- Tính toàn diện: khuôn khổ Kiểm tra sức chịu đựng bao gồm (1) mục tiêu xác định rõ ràng; (2) kịch bản xây dựng phù hợp với đặc thù kinh doanh và rủi ro của ngân hàng; (3) các giả định và phương pháp, mô hình phải được văn bản hóa, có thể đánh giá được tác động đối với tình hình tài chính của tổ chức; (4) có các báo cáo quản trị có giá trị thông tin; (5) có quy trình thực hiện hiệu quả và được đánh giá lại;
(6) có những khuyến nghị hành động cần thiết dựa trên kết quả Kiểm tra sức chịu đựng
- Kiểm tra sức chịu đựng đánh giá kịch bản cú sốc từ môi trường bên ngoài, đồng thời cả những sự kiện bất lợi của riêng ngân hàng Đây là điểm khác biệt với IMF và Ủy ban Basel, vì Basel chỉ đánh giá các rủi ro bên ngoài –các tác động kinh tế vĩ mô, và giả định danh mục cho vay của ngân hàng đã được đa dạng hóa để không còn rủi ro riêng của từng khoản vay đơn lẻ.
- Kiểm tra sức chịu đựng , theo Fed, cần được tích hợp, thể hiện ở chỗ được kết nối với hệ thống dữ liệu có chất lượng của ngân hàng, và sử dụng những giả định thực tế, nhằm đảm bảo kết quả Kiểm tra sức chịu đựng có ý nghĩa trong quá trình ra quyết định kinh doanh Ngoài ra, ngân hàng cần có cơ cấu điều hành, hạ tầng công nghệ đảm bảo khuôn khổ Kiểm tra sức chịu đựng hoạt động hiệu quả. Trên cơ sở các khái nhiệm trên, luận án sẽ xem xét Kiểm tra sức chịu đựng từ góc độ vi mô, theo tiêu chuẩn quốc tế Basel II, với những đặc trưng sau:
- Kiểm tra sức chịu đựng là một công cụ quản trị rủi ro quan trọng tại mỗi ngân hàng, và được các cơ quan quản lý khuyến khích sử dụng trong khuôn khổ về an toàn vốn của Basel II.
-Kiểm tra sức chịu đựng được xây dựng phù hợp với quy mô danh mục tín dụng của một trong những NHTM lớn, có sự phân bổ rủi ro đa dạng, nhưng chịu sự tác động lớn của chu kỳ kinh tế như Vietinbank Do vậy, Kiểm tra sức chịu đựng cần đánh giá được khả năng duy trì được tỷ lệ an toàn vốn tối thiểu theo quy định khi xảy ra những cú sốc kinh tế vĩ mô rất bất lợi, hiếm gặp, nhưng vẫn có khả năng xảy ra tại Việt Nam.
- Kiểm tra sức chịu đựng có tính toàn diện, được tích hợp và có tính dự báo, phục vụ cho quá trình ra quyết định của ngân hàng Nó bao gồm (1) mục tiêu xác định rõ ràng; (2) kịch bản xây dựng phù hợp với đặc thù kinh doanh và rủi ro của ngân hàng; (3) các giả định và phương pháp, mô hình phải được văn bản hóa, có thể đánh giá được tác động đối với tình hình tài chính của tổ chức; (4) có các báo cáo quản trị có giá trị thông tin; (5) có quy trình thực hiện hiệu quả và được đánh giá lại;
(6) có những khuyến nghị hành động cần thiết dựa trên kết quả Kiểm tra sức chịu đựng
Phân loại Kiểm tra sức chịu đựng vi mô
Khi bắt đầu, chúng ta cần phân loại mục tiêu thực hiện Kiểm tra sức chịu đựng nhằm xác định đúng các yếu tố nào cần đưa vào kịch bản Kiểm tra sức chịu đựng , các biến kết quả, mô hình thống kê phù hợp, cuối cùng, ý nghĩa kết quả Kiểm tra sức chịu đựng sẽ được truyền thông và sử dụng như thế nào. a) Căn cứ vào loại rủi ro thực hiện kiểm định, Kiểm tra sức chịu đựng chia thành:
- Kiểm tra sức chịu đựng rủi ro đơn lẻ, ví dụ: Kiểm tra sức chịu đựng cho rủi ro tín dụng, Kiểm tra sức chịu đựng cho rủi ro hoạt động, Kiểm tra sức chịu đựng cho rủi ro thị trường
- Kiểm tra sức chịu đựng tổng thể nhiều loại rủi ro, bằng cách xác định sự tác động của kịch bản cú sốc lên qua nhiều kênh rủi ro lên chất lượng tài sản, kết quả hoạt động và mức độ an toàn vốn của ngân hàng Trước thực tiễn các sản phẩm ngân hàng ngày càng phức tạp, BCBS đã lưu ý các Kiểm tra sức chịu đựng tổng thể cần bao quát cả những loại rủi ro đặc thù như (BCBS, 2009) như hệ quả của các biện pháp giảm thiểu rủi ro như hedging, bù trừ, sử dụng tài sản bảo đảm; các sản phẩm chứng khoán hóa, bao gồm các hợp đồng chính và các cam kết kèm theo; rủi ro liên quan đến bảo lãnh và chứng khoán hóa (pipeline risk và warehouse risk); rủi ro uy tín (reputational risk); rủi ro từ các khách hàng có tỷ lệ đòn bẩy cao (wrong- way risk). b) Căn cứ vào nội dung kiểm tra, Kiểm tra sức chịu đựng chia thành:
- Khả năng đảm bảo đủ vốn tối thiểu (Solvency Stress Testing): các Kiểm định có ích cho ngân hàng trong công tác quản trị và xây dựng phân bổ vốn. Thông thường, Solvency Stress Testing được tiến hành đồng thời với quy trình phân tích đảm bảo vốn quy định của ngân hàng, phân tích tác động tiêu cực tới các chỉ số vốn của ngân hàng trong thời gian dự báo tối thiểu hai năm Ngoài ra, Solvency Stress Testing cũng được sử dụng khi ngân hàng lựa chọn phương án mở rộng kinh doanh, thành lập thêm mảng nghiệp vụ mới Dựa trên kết quả Solvency Stress Testing, lãnh đạo ngân hàng sẽ có thêm thông tin đánh giá về rủi ro của mảng kinh doanh mới, có nên triển khai không, và nếu triển khai thì có cần vốn bổ sung không.
- Khả năng đảm bảo thanh khoản (Liquidity Stress Testing): đây là loại Kiểm định mới được phát triển sau khi Basel III bổ sung các quy định về chỉ số thanh khoản Tương tự như Kiểm định an toàn vốn, Kiểm định thanh khoản đánh giá tác động của các kịch bản xấu lên dòng tiền, các trạng thái thanh khoản, khả năng huy động tiền gửi và các vốn khác của ngân hàng. c) Căn cứ vào phương pháp thực hiện, Kiểm tra sức chịu đựng được chia thành:
- Phương pháp dựa trên thông tin bảng cân đối tài chính (balance-sheet based approach Stress Testing) đánh giá tác động của các yếu tố thay đổi trong kịch bản cú sốc làm sụt giảm chất lượng bên tài sản cho vay đầu tư hoặc sụt giảm nguồn vốn huy động được của ngân hàng Phương pháp này rõ ràng, dễ hiểu, có thể ứng dụng tại các nước đang phát triển có thị trường chứng khoán, phái sinh ít thanh khoản và chưa hoàn hảo Nhược điểm của phương pháp này là yêu cầu nhiều số liệu, số liệu quá khứ không cập nhật liên tục, bị ảnh hưởng bởi chế độ kế toán, trích lập dự phòng ngân hàng, khó đánh giá mức độ tương tác và rủi ro lan truyền giữa các ngân hàng, giữa các loại sản phẩm dịch vụ…
- Phương pháp dựa trên thông tin giá thị trường (market-based approach Stress Testing) Dựa vào số liệu đầu vào là giá các công cụ tài chính được giao dịch thường xuyên trên thị trường như cổ phiếu, trái phiếu, quyền chọn cổ phiếu , người ra tính toán xác suất rủi ro của từng khách hàng, nhóm sản phẩm ngân hàng, của cả ngân hàng hay toàn hệ thống Ưu điểm của phương pháp này là số liệu giá giao dịch có tính khách quan cao hơn, liên tục hơn Tuy nhiên, việc giải thích kết quả Kiểm tra sức chịu đựng gặp nhiều khó khăn do không rõ nguồn phát sinh rủi ro; không tồn tại mối liên kết rõ ràng giữa nền kinh tế và hệ thống ngân hàng; kết quả Kiểm tra sức chịu đựng đôi khi bị “nhiễu” bởi biến động giá ngắn hạn; và đặc biệt là không ứng dụng tại các nước chưa có thị trường tài chính phát triển. d) Căn cứ vào cách dự phóng kịch bản cú sốc, Kiểm tra sức chịu đựng chia làm:
- Kịch bản cú sốc dự báo theo mô hình (Structural stress scenario) là sự liên kết giữa các chỉ số đại diện cho kinh tế vĩ mô với các chỉ số đại diện cho hoạt động của ngân hàng Khi đó, người ra sẽ xây dựng một mô hình kinh tế định lượng, mô phỏng độ nhạy của biến cần đánh giá (ví dụ NPL, PD, ROA, ROE…) dưới tác động của các biến độc lập của nền kinh tế (ví dụ GDP, CPI, lãi suất ) Những Kiểm tra sức chịu đựng với kịch bản xây dựng kiểu này sẽ giúp cấp lãnh đạo ngân hàng, cơ quan nhà nước dễ hiểu vì sự gắn kết chặt chẽ giữa biến đổi trong môi trường kinh doanh với hoạt động ngân hàng.
- Kịch bản xây dựng trên số liệu quá khứ (Reduced-form stress scenario hay Historical-based stress scenario) mô phỏng trực tiếp trạng thái của biến kết quả với một giá trị của biến giải thích Ví dụ, Kiểm tra sức chịu đựng sẽ đánh giá mức độ đảm bảo vốn của ngân hàng nếu tỷ lệ không trả được nợ của khách hàng tăng thêm 0.2% Kết quả của các Kiểm tra sức chịu đựng rất khó sử dụng vì không xác định được xác suất không trả được nợ của khách hàng trong năm tới có tăng hay không, tăng 0.2% là nhiều hay ít, dưới tác động của các yếu tố nào Reduced-form Stress Testing rất phổ biến trước khủng hoảng 2007-2008 Theo một nghiên cứu của Ngân hàng thanh toán quốc tế (BIS) năm 2004, hầu hết các ngân hàng kiểm định rủi ro tín dụng bằng cách tăng tỷ lệ PD và LGD (Committee on the Global FinancialSystem, 2005).
Mô hình Kiểm tra sức chịu đựng vi mô
Kiểm tra sức chịu đựng bao gồm hai mô hình chính: mô hình kinh tế vĩ mô (Macro-Economic Modelling) nhằm xác định các yếu tố vĩ mô có ảnh hưởng tới chất lượng tín dụng của ngân hàng / hệ thống ngân hàng và mức độ ảnh hưởng và mô hình đánh giá RRTD (Credit Risk Satellite Modelling) nhằm tính toán tác động của kịch bản lên chất lượng tín dụng của ngân hàng (Drehmann, 2008 và Foglia,
2008) Tiếp nối giữa mô hình thứ nhất và mô hình thứ hai là bước xây dựng kịch bản cú sốc có thể xảy ra cho biến vĩ mô được xác định là có vai trò quan trọng đối với RRTD ngân hàng Cuối cùng, ngoài đánh giá tác động của cú sốc lên chất lượng tín dụng, người ta còn đánh giá thêm tác động đối với các chỉ tiêu khác của ngân hàng như tỷ lệ lợi nhuận hoặc tỷ lệ an toàn vốn (CAR).
Hình 2.1: Quy trình Kiểm tra sức chịu đựng vi mô
Nguồn: Tổng hợp từ Drehmann (2008) và Foglia (2008)
Kiểm tra sức chịu đựng là một tập hợp công cụ mà người sử dụng có thể tự do lựa chọn cho phù hợp với mục đích thực hiện Kiểm tra sức chịu đựng , chứ không phải là một khuôn mẫu mô hình cố định Vì vậy, tùy thuộc vào mục đích thực hiện, mức độ phức tạp của hệ thống tài chính ngân hàng và nền kinh tế, cũng như sự sẵn sàng của số liệu mà người thực hiện sẽ lựa chọn phương pháp, biến số độc lập và phụ thuộc phù hợp.
2.3.1 Các mô hình kinh tế vĩ mô (Macroeconomic Modeling)
Theo BCBS (2011), người ta có thể sử dụng ba loại mô hình cơ bản để đánh giá tác động của nền kinh tế vĩ mô đối với hệ thống tài chính ngân hàng, cụ thể là: 2.3.1.1 Các mô hình hồi quy chuỗi thời gian phi cấu trúc
Mô hình tự hồi quy vec-tơ (Vecto autoregressive – VAR) do tác giả
Christopher đề xuất vào năm 1980 được sử dụng ở các biến thể khác nhau để đo lường sự phụ thuộc và tương quan tuyến tính giữa nhiều biến theo chuỗi thời gian. Tất cả các biến trong một vectơ tự hồi quy được đối xử ngang nhau theo cấu trúc, mỗi biến sẽ có một phương trình giải thích sự phát triển của biến đó dựa trên độ trễ của chính biến nghiên cứu và độ trễ của các biến khác trong mô hình Mô hình VAR không đòi hỏi sự hiểu biết các lý thuyết kinh tế về mối quan hệ nội sinh giữa biến, mà đơn giản nghiên cứu sự tương tác giữa các biến theo thời gian Có khá nhiều tác giả sử dụng mô hình này như Glenn và Lea (2005), Jimenez và Mencıa
(2009) Như được đề cập tại nghiên cứu của Asberg và Shahnazarian (2008), ưu điểm của mô hình VAR là dễ diễn giải kết quả do sử dụng ít biến số Tuy nhiên, nó có yếu điểm là dễ bỏ sót biến, hay kết quả mô hình VAR đi ngược lại những lý thuyết kinh tế Do đó, Bernanke và cộng sự (2004) đề xuất nên sử dụng mô hình có cấu trúc tốt hơn, các nhà kinh tế học sử dụng nhiều phương pháp trung gian khác để khắc phục những điểm yếu trên như VAR cấu trúc (SVAR).
Một số nghiên cứu sử dụng mô hình SVAR (VAR có cấu trúc) ví dụ, nghiên cứu về các cú sốc vĩ mô đối với hệ thống tài chính Malaysia giai đoạn 1997-2002 của Mohammad-Reza và cộng sự (2013) dựa trên lý thuyết Mô hình IS-LM (Investment / Saving - Liquidity preference / Money supply, mô hình Hicks- Hansen) về sự kết hợp của thị trường tài chính (tiền tệ) với thị trường hàng hóa và dịch vụ Theo đó, tỷ lệ nợ xấu NPL của ngân hàng phụ thuộc vào ba yếu tố quan trọng nhất là GDP, lãi suất và chỉ số giá tiêu dùng CPI (lạm phát) Tuy nhiên, theo BCBS (2011), các mô hình này bản chất vẫn đơn giản và phi cấu trúc, do mới dừng lại ở mức độ sử dụng lý thuyết kinh tế - tài chính để xác định các biến số vĩ mô nào nên đưa vào mô hình định lượng.
Mô hình tự hồi quy vec-tơ toàn cầu Global VAR (GVAR) là một biến thể củaVAR, trog đó có bổ sung thêm biến số bên ngoài quốc gia được nghiên cứu Ví dụ,tác giả Alessandri và cộng sự (2007), mô tả mối quan hệ giữa tăng trưởng GDP,CPI, lãi suất cho vay qua đêm, chỉ số giá cổ phiếu của hai nước Anh và Mỹ đối với kết quả hoạt động của các ngân hàng Anh Mô hình này là cơ sở cho hệ thống giám sát RAMSI (Risk Assessment Model for Systemic Institutions) của Ngân hàng Trung ương Anh.
Mô hình hiệu chỉnh sai số vecto (VECM) cũng được phát triển từ VAR, nhưng lại có dạng của một mô hình hiệu chỉnh sai số ECM bao gồm (i) Các quan hệ ngắn hạn giữa ∆Yt và trễ của nó là ∆Yt-j thể hiện qua các tham số Ci; (ii) quan hệ dài hạn thể hiện qua thành phần hiệu chỉnh sai số ПYt-1 Tuy nhiên điều khác biệt giữa VECM và ECM là thành phần hiệu chỉnh sai số của VECM có dạng một Vectơ đồng tích hợp thể hiện mối quan hệ đồng tích hợp giữa các biến Với cấu trúc như vậy, mô hình VECM chứa thông tin về điều chỉnh cả ngắn hạn và dài hạn với những thay đổi trong Yt, thông qua dự báo, ước lượng của tham số C và phần hiệu chỉnh sai số Π tương ứng Qua đó, nó cho phép đo lường sự đồng liên kết giữa các biến trong mô hình Điển hình là nghiên cứu của Asberg và Shahnazarian (2008) khi nghiên cứu mối quan hệ Xác suất vỡ nợ dự kiến (EDF) của các doanh nghiệp Thụy Điển với các biến vĩ mô CPI, lãi suất ngắn hạn và chỉ số công nghiệp.
2.3.1.2 Các mô hình cân bằng tổng thể động
Có thể coi mô hình chu kỳ kinh doanh thực (real business cycle) của Prescott và các cộng sự (1982) là mô hình cân bằng tổng thể động (DSGE - Dynamic Stochastic General Equilibrium Modeling) đầu tiên được ra đời để khắc phục những hạn chế mà Lucas (1976) đã chỉ ra đối với các mô hình kinh tế vĩ mô quy mô lớn trước đây như tham số không mang tính cấu trúc và sự vắng mặt của yếu tố kỳ vọng Cùng với sự phát triển của các phương pháp ước lượng mô phỏng (ví dụ Markov Chain Monte Carlo), mô hình cân bằng tổng thể ngẫu nhiên (Dynamic Stochastic General Equilibrium – DSGE) đã trở thành công cụ quan trọng trong quá trình ra quyết định về chính sách tiền tệ của các ngân hàng trung ương trên thế giới như Cục Dự trữ liên bang Mỹ (Fed), NHTW châu Âu (ECB), NHTW Anh quốc, Canada và nhiều nước phát triển khác DSGE là hệ thống mô hình phức tạp, phi tuyến tính, trong đó, hành vi của mọi thành phần trong nền kinh tế và mối quan hệ giữa chúng đều được mô phỏng và lượng hóa.
Hầu hết các mô hình DSGE hiện nay đều theo trường phái kinh tế Neo-
Keynes, cho phép quan sát kỹ chu kỳ lên xuống của nền kinh tế DSGE đã được sử dụng cho các nghiên cứu về Kiểm tra sức chịu đựng RRTD, điển hình như Goodhart và cộng sự (2009) Tuy nhiên, hậu quả các khủng hoảng gần đây khiến các học giả đang tiếp tục hoàn thiện, cụ thể đưa ngân hàng thành một yếu tố trong các mô hình, thay vì chỉ bao gồm hộ gia đình, doanh nghiệp và chính phủ Các ngân hàng bị bỏ qua bởi các nhà kinh tế học vĩ mô cho rằng chúng chỉ đơn giản là cầu nối giữa người tiết kiệm và người đi vay, chứ không phải là những doanh nghiệp tìm kiếm lợi nhuận và có thể ảnh hưởng lớn đến nền kinh tế.
2.3.1.3 Các mô hình dữ liệu bảng
Các mô hình dữ liệu bảng cho phép nghiên cứu dữ liệu của các ngân hàng trong hệ thống theo chuỗi thời gian Điểm ưu việt của panel-data model là tăng số liệu quan sát, giúp tăng độ chính xác vè dự báo, cũng như đánh giá được tác động của cú sốc trong cùng một thời điểm đối với các ngân hàng có khác nhau không Do các ngân hàng thường có quy định tương đối nhất quán về báo cáo số liệu, nên panel-data là mô hình phù hợp và thường được sử dụng trong phân tích định lượng Điển hình là nghiên cứu của Luizis và cộng sự (2012) phân tích nợ xấu tại chín ngân hàng Hy Lạp giai đoạn từ quý 1 năm 2003 đến quý 1 năm 2009; Vasiliki và cộng sự (2014) khi nghiên cứu khu vực châu Âu giai đoạn 2000-2008; của Nguyễn Trâm (2014) tại 13 ngân hàng Việt Nam giai đoạn 2007-2013.
2.3.2 Xây dựng kịch bản Kiểm tra sức chịu đựng vi mô
Một trong những nguyên tắc quan trọng của Kiểm tra sức chịu đựng , theoBasel (2009), là kịch bản cú sốc phải đại diện cho các sự kiện có khả năng xảy mà khi xảy ra, sẽ gây tổn thất rất lớn cho ngân hàng Để xác định điều này không đơn giản Trong một nghiên cứu, Borio và cộng sự (2012) đã kết luận, Kiểm tra sức chịu đựng đã thất bại khi chúng cần nhất: không Kiểm tra sức chịu đựng nào phát hiện được mức độ dễ bị tổn thương của hệ thống ngân hàng trước khủng hoảng Tuy nhiên, một kịch bản quá xấu không dễ được chấp nhận sử dụng, vì bị coi là không thực tế, yêu cầu tỷ lệ an toàn vốn quá cao, trong khi ngân hàng cần vốn để kinh doanh Để giải quyết mâu thuẫn này, cần trả lời ba câu hỏi sau:
-Yếu tố nào có khả năng gây sốc cho hoạt động của ngân hàng?
-Đo lường mức độ cú sốc như thế nào và kịch bản cú sốc nên có mức độ nghiêm trọng như thế nào thì phù hợp?
2.3.2.1 Lựa chọn yếu tố gây sốc cho ngân hàng
Như đã nêu trên, Fed yêu cầu các ngân hàng xây dựng kiểm định rủi ro bắt nguồn từ môi trường kinh tế - tài chính bên ngoài và từ nội tại ngân hàng Theo đó, ngoài những yếu tố kinh tế vĩ mô, chính trị, chính sách điều hành kinh tế của chính phủ, tỷ lệ nợ xấu còn phụ thuộc vào đặc thù riêng của hệ thống ngân hàng từng nước và chiến lược kinh doanh nhằm tối đa hóa lợi nhuận của từng ngân hàng Lý thuyết hành vi quản lý (“management behavior”) đề cập đến mối liên hệ giữa nợ có vấn đề, mức độ vốn chủ sở hữu và hiệu suất kinh doanh ngân hàng Đi đầu là nghiên cứu của Berger và DeYoung (1997) và Williams (2004) sử dụng Granger causality approach kiểm định các giả thiết về “khả năng quản lý kém” (“bad management”), giả thiết về “sự hà tiện” (“skimping”), giả thiết về rủi ro đạo đức (“moral hazard”)
Tuy nhiên, mô hình đánh giá mức độ an toàn vốn trên cơ sở xếp hạng nội bộ (IRB), trong đó, IRB có hai dạng là IRB cơ bản (F-IRB) và IRB nâng cao (A-IRB), của Basel II dựa trên mô hình giả định một nhân tố rủi ro (Asymptotic Risk Factor Model) của Gordy (2002) Theo đó, RRTD của một danh mục gồm hai cấu thành: rủi ro hệ thống (systematic risk) và rủi ro đặc thù (idiosyncratic risk) Rủi ro hệ thống xuất phát từ những tác động không lường trước của điều kiện kinh tế, tài chính vĩ mô lên khả năng trả nợ của khách hàng vay Rủi ro đặc thù bắt nguồn từ rủi ro của từng khách hàng Mức vốn cần thiết cho cả danh mục tín dụng được xác định trên cơ sở thông tin về giá trị tổn thất của từng khoản vay / cam kết thanh toán ngoại bảng, có tính tới sự tương tác giữa các khoản vay trong danh mục, với giả định rằng danh mục tín dụng của ngân hàng được phân bổ đa dạng hóa hoàn toàn Do đó,người ta coi RRTD chỉ phụ thuộc vào các yếu tố kinh tế vĩ mô; và sử dụng mô hình kinh tế vĩ mô để đánh giá xem yếu tố nào đóng vai trò quan trọng nhất đối với hệ thống ngân hàng hay từng ngân hàng riêng lẻ Một số nghiên cứu chỉ đưa vào mô hình các yếu tố kinh tế vĩ mô như Salas và Saurina (2002), Louzis và cộng sự
2.3.2.2 Đo lường quy mô cú sốc
Có hai cách xây dựng kịch bản và đo lường quy mô cú sốc:
Ứng dụng Kiểm tra sức chịu đựng vi mô đối với RRTD trong quản trị ngân hàng
Uỷ ban Basel về giám sát ngân hàng (BCBS) được thành lập vào năm 1974 bởi một nhóm các Ngân hàng Trung ương và cơ quan giám sát của 10 nước phát triển (G10) tại thành phố Basel Mặc dù BCBS không có bất kỳ một cơ quan giám sát nào và những kết luận của Uỷ ban này không có tính pháp lý, nhưng những tiêu chuẩn và những hướng dẫn giám sát của tổ chức này đã trở thành những thông lệ quốc tế được công nhận rộng rãi Mục tiêu quan trọng của BCBS là thu hẹp khoảng cách giám sát quốc tế trên hai nguyên lý cơ bản không ngân hàng nước ngoài nào được thành lập mà thoát khỏi sự giám sát và việc giám sát phải tương xứng giữa các quốc gia khác nhau, dưới các thể chế khác nhau trên phạm vi toàn cầu Điều này giúp cho các ngân hàng có môi trường cạnh tranh bình đẳng khi mở rộng hoạt động kinh doanh ra khỏi biên giới quốc gia nơi đặt trụ sở chính, cũng như tạo lập bộ tiêu chí so sánh mức độ đảm bảo về vốn, thanh khoản, mức độ rủi ro, khả năng quản trị giữa các ngân hàng được dễ dàng hơn.
Cơ cấu tổ chức, khẩu vị và chiến lược QTRR
Mức độ nhận thức và tham gia của lãnh đạo cấp cao của NH
Xây dựng khẩu vị rủi ro
Thống nhất với phân bổ vốn
Quy trình QTRR Đánh giá khả năng chịu đựng rủi ro Hạn mức vốn Xây dựng hạn mức hoạt động Quản trị rủi ro thanh khoản
Mô hình xác định vốn kinh tế
Kiểm định sức chịu đựng rủi ro (Stress Testing)
Hiệp ước vốn Basel II ra đời vào năm 2006 có ba Trụ cột Trụ cột thứ nhất đề cập đến các khái niệm và công thức đo lường mức vốn tối thiểu mà ngân hàng cần nắm giữ để có thể hấp thụ tổn thất của ba loại rủi ro chính (RRTD, rủi ro thị trường và rủi ro hoạt động) Trụ cột thứ ba quy định những tiêu chuẩn về công khai thông tin đối với cổ đông và công chúng Riêng nội dung của Trụ cột thứ hai về giám sát ngân hàng yêu cầu các ngân hàng tuân thủ Basel II phải triển khai có hiệu quả Quy trình tự đánh giá mức độ an toàn vốn (Internal Capital Adequacy Assessment
Process, ICAAP) để nâng cao năng lực điều hành và quản trị rủi ro nói chung, quản trị RRTD nói riêng Trong đó, cùng với mô hình xác định vốn kinh tế, Kiểm tra sức chịu đựng là một công cụ đo đường rủi ro, triển khai trong quy trình QTRR theo một chiến lược và khẩu vị rủi ro định trước của ngân hàng [Hình 2.3] Điều này được thể hiện bởi một trong bốn nguyên tắc cơ bản về giám sát ngân hàng của Trụ cột 2: các ngân hàng cần có quy trình đánh giá tỷ lệ an toàn vốn tổng thể trong mối liên hệ với rủi ro và có chiến lược duy trì các mức vốn tối thiểu quy định (BCBS,
Hình 2.3: Cấu phần Quy trình tự đánh giá mức độ an toàn vốn (ICAAP)
Trong ICAAP, Kiểm tra sức chịu đựng được tích hợp với cấu thành quản trị
Khẩu vị rủi ro và quản lý rủi ro Song song với đo lường mức vốn cần thiết trong kịch bản thông thường, Kiểm tra sức chịu đựng đóng một vai trò nổi bật trong quy trình ICAAP. ICAAP thể hiện mối quan hệ khăng khít giữa ba khái niệm: tài chính kế hoạch – xác định khẩu vị rủi ro – xác định khả năng chịu đựng rủi ro trước các cú sốc Cụ thể:
Hình 2.4: Mối quan hệ Khẩu vị rủi ro, Tài chính kế hoạch và Kiểm tra sức chịu đựng
(i) Kiểm tra sức chịu đựng là cơ sở xác định khẩu vị rủi ro
Mỗi NHTM muốn thành công cần có chiến lược kinh doanh, gắn kết với định hướng quản trị rủi ro phù hợp Khẩu vị rủi ro tương đối ổn định theo thời gian, được thông qua bởi cấp lãnh đạo cao nhất, và quyết định hành động của ngân hàng trong từng tình huống kinh doanh cụ thể Tuy nhiên, để xác định được khẩu vị rủi ro đúng, ngân hàng cần thực hiện một loại các kiểm định Kiểm tra sức chịu đựng Kiểm tra sức chịu đựng giúp ngân hàng để tính toán tác động của các loại rủi ro lên kết quả hoạt động.
Tuyên ngôn về khẩu vị rủi ro được nhiều ngân hàng xây dựng nhằm xác định mức độ rủi ro mà ngân hàng có thể chấp nhận và mục tiêu kinh doanh Kiểm tra sức chịu đựng có thể giúp các ngân hàng đưa tuyên ngôn này vào công tác quản trị rủi ro hàng ngày Ví dụ, ngân hàng lập mục tiêu duy trì tỷ lệ an toàn vốn tối thiểu trên 9%.Bằng cách định kỳ thực hiện Kiểm tra sức chịu đựng với những giả định kịch bản xấu xảy ra, ngân hàng có thể tính được khả năng mức vốn hiện nay có duy trì được trên tỷ lệ đặt ra hay không, hành động cần thực hiện là gì (bổ sung thêm vốn hay giảm rủi ro ).
Ngoài ra, ngân hàng có thể nâng cao hiệu quả sử dụng vốn bằng cách thực hiện Kiểm tra sức chịu đựng trước khi phê duyệt triển khai sản phẩm mới Hội đồng sản phẩm yêu cầu thực hiện Kiểm tra sức chịu đựng để đánh giá ảnh hưởng đối với ROE, ROA, EL, UL, CAR, vốn kinh tế của ngân hàng.
(ii) Khẩu vị rủi ro là tiêu chuẩn đánh giá kết quả Kiểm tra sức chịu đựng Khi đã được xác định, khẩu vị rủi ro lại là tiêu chuẩn để ngân hàng sử dụng kết quả của Kiểm tra sức chịu đựng và có chỉ đạo kinh doanh phù hợp Điều này được thể hiện bằng hai cách:
-Thực hiện Kiểm tra sức chịu đựng để kiểm định, nếu kịch bản xấu xảy ra thì các hạn mức, tỷ lệ được quy định tại Khẩu vị rủi ro ngân hàng có bị vi phạm hay không Nếu có, ngân hàng cần xem xét giảm thiểu quy mô tín dụng có mức độ rủi ro lớn hoặc bổ sung vốn.
-Thực hiện Kiểm tra sức chịu đựng ngược (Reverse Stress Testing hay Threshhold Approach) Theo đó, trên cơ sở khẩu vị rủi ro, ngân hàng xác định mức vốn tối thiểu cần duy trì Sau đó, người ta tính ngược lại giá trị của các biến số kinh tế đã được lựa chọn dùng làm cú sốc Ví dụ, để duy trì tỷ lệ vốn trên 9%, tỷ lệ tăng trưởng GDP phải tăng trưởng ít nhất 5.5% Như vậy, nếu GDP tăng dưới 5.5% thì khả năng ngân hàng sẽ không thực hiện được mục tiêu trong Khẩu vị rủi ro Tỷ lệ 5.5.% này được so sánh kịch bản xấu có thể xảy ra, ví dụ bằng tốc độ tăng trưởng bình quân dự kiến trong năm tới, và trừ đi 2 lần độ lệch chuẩn Nếu tốc độ GDP trong kịch bản cú sốc có thể thấp hơn 5.5%, ngân hàng cần xem xét giảm mức độ rủi ro thực tế của danh mục tín dụng hiện nay.
(iii) Kiểm tra sức chịu đựng gắn kết quản trị RRTD với tài chính kế hoạchCông tác tài chính kế hoạch (capital planning) là việc các NHTM xem xét việc phân bổ nguồn tài chính đầu tư trong nội bộ ngân hàng Công tác tài chính kế hoạch sẽ ảnh hưởng đến quyết định thành lập, triển khai / đóng cửa, thu hẹp và dừng triển khai các đơn vị kinh doanh, sản phẩm kinh doanh Kiểm tra sức chịu đựng và Khẩu vị rủi ro có thể tích hợp vào công tác tài chính kế hoạch theo các bước như sau:
- Xác định Khẩu vị rủi ro, mục tiêu kinh doanh của mình (ví dụ 15% ROE, 1% EL).
- Xây dựng các phương án kết hợp danh mục tài sản hiện hữu với sản phẩm mới, hoặc giảm bớt tỷ trọng / loại bỏ sản phẩm cũ.
- Thực hiện Kiểm tra sức chịu đựng đối với từng phương án, tính ROE và EL. Loại bỏ phương án có ROE thấp hơn 15% hoặc EL trên 1% theo Khẩu vị rủi ro. Để tích hợp thành công Kiểm tra sức chịu đựng vào hệ thống quản trị rủi ro ngân hàng, theo Ủy bán Basel, các ngân hàng cần đảm bảo những điều kiện sau:
2.4.1 Nhận thức về vai trò của Kiểm tra sức chịu đựng
Kiểm tra sức chịu đựng cần có tính thực thi, kết quả cần có ảnh hưởng đối với việc ra quyết định bởi các cấp quản lý, bao gồm cả những quyết định mang tính chiến lược của Hội đồng quản trị và lãnh đạo cấp cao Việc Hội đồng quản trị và lãnh đạo cấp cao tham gia vào chương trình Kiểm tra sức chịu đựng có ý nghĩa quan trọng đối với hiệu quả của Kiểm tra sức chịu đựng và đảm bảo rằng việc thực hiện là phù hợp đối với quy trình quản trị rủi ro và quản trị vốn của ngân hàng Hội đồng quản trị và lãnh đạo cấp cao tham gia vào các việc thiết lập mục tiêu, tạo ra các tình huống, thảo luận kết quả, đánh giá các tác động trong mỗi tình huống và đưa ra quyết định cuối cùng Tại những ngân hàng mà có rủi ro tài chính cao, các nhà quản trị cấp cao rất chú trọng vào việc phát triển và sử dụng Kiểm tra sức chịu đựng , sử dụng các kết quả Kiểm tra sức chịu đựng là các dữ liệu đầu vào trong quá trình hoạch định chiến lược phát triển cho ngân hàng Việc thực hiện Kiểm tra sức chịu đựng tại hầu hết các ngân hàng không tạo ra các cuộc tranh cãi nội bộ ngân hàng và cũng không làm cho ngân hàng mất nhiều thời gian và chi phí.
Cuộc khủng hoảng tài chính đã làm bộc lộ những yếu kém trong việc thực hiện Kiểm tra sức chịu đựng Trước cuộc khủng hoảng, các ngân hàng thực hiện
Kiểm tra sức chịu đựng một cách riêng lẻ và tại những lĩnh vực kinh doanh nhất định, thể hiện rằng kết quả của Kiểm tra sức chịu đựng là không có tính tin cậy cao. Hơn nữa, tại một vài ngân hàng, Kiểm tra sức chịu đựng được thực hiện một cách dập khuôn và máy móc Mặc dù các ngân hàng vẫn thực hiện Kiểm tra sức chịu đựng thường xuyên, nhưng các kết quả này không cung cấp được toàn bộ bức tranh hoạt động của ngân hàng do cách tiếp cận máy móc và dập khuôn không cung cấp cho nhà quản trị sự thay đổi trong môi trường kinh doanh và những chỉ tiêu định tính khác Hơn nữa, do việc thực hiện Kiểm tra sức chịu đựng còn riêng lẻ và tại những lĩnh vực kinh doanh khác nhau, các ngân hàng thường gặp khó khăn khi tổng hợp tất cả các kết quả này lại Bên cạnh đó, Kiểm tra sức chịu đựng được thực hiện tại các ngân hàng thường liên quan đến các rủi ro thị trường và rủi ro lãi suất, Kiểm tra sức chịu đựng RRTD mới chỉ được thực hiện gần đây, còn các Kiểm tra sức chịu đựng liên quan đến các rủi ro khác vẫn còn chưa được thực hiện nhiều Do đó, các Kiểm tra sức chịu đựng của các ngân hàng gần như không thể bao gồm được tất cả các rủi ro trên tổng thể ngân hàng.
Thực trạng hoạt động tín dụng của Vietinbank
3.2.1 Quá trình hình thành và vai trò của Vietinbank trong hệ thống NHTM Việt Nam
Vietinbank được thành lập vào ngày 26/3/1988 trên cơ sở tách ra từ Ngân hàng Nhà nước theo Nghị định số 53/HĐBT của Hội đồng Bộ trưởng Trải qua gần
30 năm hình thành và phát triển, Vietinbank đã trở thành một trong bốn NHTM lớn nhất tại Việt Nam hiện nay với những cột mốc lịch sử như sau:
1988 Thành lập ngân hàng chuyên doanh theo Nghị định số 53/HĐBT của Hội đồng Bộ trưởng
1990 Chuyển Ngân hàng chuyên doanh Công thương Việt Nam thành Ngân hàng Công thương Việt Nam
1993 Thành lập Doanh nghiệp Nhà nước có tên Ngân hàng Công thương Việt
2008 Thủ tướng Chính phủ phê duyệt phương án cổ phần hóa Ngân hàng
2009 Quyết định cấp giấy phép thành lập và hoạt động số 142/GP-NHNN của
Thống đốc Ngân hàng Nhà nước Việt Nam cho Ngân hàng TMCP Công thương Việt Nam (viết tắt là Vietinbank)
2011 International Finance Company (IFC) chính thức trở thành cổ đông chiến lược nước ngoài của Vietinbank, sở hữu 10% vốn điều lệ
2012 Bank of Tokyo-Mitsubishi UFJ (BTMU) chính thức trở thành cổ đông nước ngoài thứ hai, sở hữu 19,73% vốn điều lệ của Vietinbank
Hiện nay, Vietinbank có hệ thống mạng lưới trải rộng toàn quốc với một Sở giao dịch, 149 chi nhánh trong nước và ba chi nhánh tại nước ngoài, trên 1000 phòng giao dịch/ quỹ tiết kiệm, tám công ty con, công ty liên kết và ba đơn vị sự nghiệp Vietinbank cung cấp các dịch vụ ngân hàng bán buôn và bán lẻ trong và ngoài nước, cho vay và đầu tư, tài trợ thương mại, bảo lãnh và tái bảo lãnh, kinh doanh ngoại hối, tiền gửi, thanh toán, chuyển tiền, phát hành và thanh toán thẻ tín dụng trong nước và quốc tế, séc du lịch, kinh doanh chứng khoán, bảo hiểm, cho thuê tài chính và các dịch vụ tài chính ngân hàng khác.
Trải qua 25 năm hình thành và phát triển, Vietinbank vẫn giữ vững vai trò là một trong những trụ cột của hệ thống NHTM Việt Nam và đứng đầu trong số các ngân hàng niêm yết trên Sở Giao dịch chứng khoán TP Hồ Chí Minh [Bảng 3.2].
Bảng 3.2: Hoạt động kinh doanh của các NHTM CP niêm yết trong năm 2015 Đơn vị tính: Nghìn tỉ VND
Nguồn: Báo cáo thường niên năm 2015 của các ngân hàng
Vai trò trụ cột của Vietinbank được thể hiện rõ nét trong bảng trên Vietinbank là ngân hàng có hệ số CAR lớn hơn mức tiêu chuẩn của NHNN và có tỷ lệ nợ xấu thấp nhất trong số các ngân hàng niêm yết trên thị trường chứng khoán Việt Nam. Bên cạnh đó, Vietinbank là ngân hàng đứng thứ hai toàn hệ thống xét trên khía cạnh Tổng dư nợ cho vay và có đóng góp thuế thu nhập doanh nghiệp tương đương với BID Khả năng sinh lời của Vietinbank (thể hiện qua chỉ tiêu ROA và ROE) cũng luôn đứng trong nhóm đầu của những ngân hàng niêm yết Chính vì vậy, có thể khẳng định rằng Vietinbank có đủ yếu tố nguồn lực tài chính hơn các ngân hàng khác trong việc thực hiện Kiểm tra sức chịu đựng và việc thực hiện này là cần thiết với một ngân hàng lớn và có vai trò quan trọng đối với nền kinh tế.
3.2.2 Kết quả hoạt động tín dụng của Vietinbank 2009 - 2015
Tính đến cuối năm 2015, tổng tài sản của Vietinbank đạt 779.483 tỷ đồng, tăng gấp 3,2 lần so với quy mô tổng tài sản ngân hàng tại 31/12/2009 Vốn chủ sở hữu tại31/12/2015 đạt 55.867 tỷ đồng, tăng 4,44 lần so với cùng kỳ năm 2009 (12.572 tỷ
Tỷ lệ cho vay/Tổng tài sản (%) Tỷ lệ cho vay/Tổng tiền gửi (%) đồng) Năm 2015, Vietinbank là ngân hàng có quy mô tổng tài sản, dư nợ cho vay và giá trị huy động lớn nhất thứ hai trong toàn hệ thống ngân hàng Việt Nam.
Mặc dù chịu ảnh hưởng từ cuộc khủng hoảng tài chính toàn cầu và khủng hoảng nợ công Châu Âu, nền kinh tế Việt Nam nói chung và ngành ngân hàng nói riêng cũng gặp nhiều khó khăn, Vietinbank vẫn là ngân hàng đứng thứ hai trong hệ thống về lợi nhuận Cơ cấu thu nhập của Vietinbank qua các năm chủ yếu từ hai hoạt động chính là thu nhập lãi thuần và thu nhập từ hoạt động dịch vụ Trong đó, thu nhập lãi thuần chiếm khoảng gần 85% và thu nhập từ hoạt động dịch vụ là 7%. Đến hết ngày 31/12/2015, tổng dư nợ cho vay của Vietinbank đạt 533.530 tỷ đồng, tăng 3.27 lần so với 31/12/2009 Hoạt động cho vay vẫn là hoạt động chủ chốt của Vietinbank Tổng dư nợ khách hàng chiếm từ 64 đến 69% quy mô tổng tài sản ngân hàng Tỷ lệ cho vay trên tổng tiền gửi luôn lớn hơn 100% (Đồ thị 3.8). Như vậy, hoạt động tín dụng tại Vietinbank vẫn là hoạt động chính trong giai đoạn
2009 - 2015 và vẫn tiếp tục là hoạt động chính trong giai đoạn sắp tới. Đồ thị 3.8: Quy mô hoạt động tín dụng tại Vietinbank giai đoạn 2009 - 2015
Nguồn: Báo cáo thường niên giai đoạn 2009-2015 của Vietinbank
Cho vay nền kinh tế của Vietinbank năm 2015 đã đạt 537.000 tỷ đồng, tăng
22,1% so với đầu năm Dư nợ bán lẻ của Vietinbank tăng mạnh 51% so với năm 2014; dư nợ khách hàng doanh nghiệp tăng 15,3%, trong đó phân khúc khách hàng vừa và nhỏ có sự tăng trưởng bứt phá ở mức 26% và khách hàng doanh nghiệp FDI tăng mạnh 37,5% so với năm 2014 Tỷ trọng dư nợ bán lẻ trong tổng dư nợ cho vay của Vietinbank tăng từ mức 18,1% năm 2014 lên mức 22,4% năm 2015 (Bảng 3.3).
Cơ cấu dư nợ cho vay của Vietinbank trong những năm gần đây không có sự biến động nhiều, chủ yếu cho vay ngắn hạn (chiếm 56% dư nợ cho vay năm 2015) Mặt khác, đa dạng hoá danh mục tín dụng theo thành phần kinh tế cũng đã được Vietinbank chú trọng Năm 2004, khách hàng truyền thống của Vietinbank chủ yếu là các doanh nghiệp nhà nước (chiếm khoảng 45% dư nợ cho vay) Đến năm 2015, dư nợ cho vay doanh nghiệp nhà nước (bao gồm cả các công ty cổ phần Nhà nước và công ty TNHH Nhà nước) chỉ còn chiếm 24,92% tổng dư nợ; cá nhân và các thành phần khác chiếm 20,85%; phần còn lại là doanh nghiệp ngoài quốc doanh (DNNQD) (48,45%), doanh nghiệp FDI (5,07%) và các thành phần khác (0,72%). Như vậy, điểm chú ý trong hoạt động tín dụng của Vietinbank trong giai đoạn này là sự đa dạng hoá về phân khúc khách hàng với số lượng khách hàng bán lẻ (đặc biệt là các doanh nghiệp vừa và nhỏ) ngày càng tăng và sự đa dạng hoá về thành phần kinh tế cho vay khi tỷ trọng tín dụng dành cho các doanh nghiệp nhà nước giảm xuống và tỷ trọng dành cho các doanh nghiệp ngoài quốc danh tăng lên.
Bảng 3.3: Tín dụng theo phân khúc khách hàng trong giai đoạn 2009 - 2015 Đơn vị: tỷ VNĐ
KH Cá nhân Tỷ trọng KH Doanh nghiệp Tỷ trọng
2009201020112012201320142015 Thu nhập lãi thuần/Tổng thu nhập (%) NIM (%) ROAA (%)
Nguồn: Phòng kế toán Vietinbank
Theo xu hướng chung của toàn hệ thống ngân hàng, khả năng sinh lời của Vietinbank có xu hướng giảm trong giai đoạn từ năm 2009 đến năm 2015 Tuy nhiên, tốc độ giảm của các chỉ tiêu sinh lời (biên lợi nhuận cho vay NIM, tỷ lệ lợi nhuận trên tổng tài sản bình quân ROAA, tỷ lệ lợi nhuận trên vốn chủ sở hữu bình quân ROAE) đã chậm dần trong giai đoạn từ năm 2013 đến năm 2015 (Đồ thị 3.9).
Tỷ lệ thu nhập lãi thuần trên tổng tài sản của Vietinbank luôn lớn hơn 80% trong giai đoạn này chứng tỏ thu nhập từ hoạt động tín dụng của Vietinbank là quan trọng đối với sự phát triển của doanh nghiệp Sự sụt giảm của biên lãi thuần thể hiện sự cạnh tranh ngày càng tăng lên trong hệ thống ngân hàng và do Ngân hàng Nhà nước liên tục điều chỉnh giảm lãi suất để hỗ trợ các doanh nghiệp vượt qua khó khăn. Đồ thị 3.9: Khả năng sinh lời của Vietinbank trong giai đoạn 2009 – 2015
Nguồn: Báo cáo thường niên của Vietinbank
NIM, ROAA VÀ ROAE (%) THU NHẬP LÃI THUẦN/TỔNG THU NHẬP (%)
Tỷ lệ nợ xấu (%) Tỷ lệ trích lập dự phòng (%)
Song song với tăng trưởng tín dụng, kết quả chất lượng tín dụng của Vietinbank đạt khá tốt so với bình quân toàn hệ thống (Đồ thị 3.10) Tỷ lệ nợ xấu của Vietinbank trong năm 2015 ở mức thấp nhất so với các ngân hàng niêm yết và thấp hơn rất nhiều so với mức trung bình của ngành Nguyên nhân là do Vietinbank đã tích cực xử lý thu hồi nợ xấu (đặc biệt là những tháng cuối năm), cũng như sử dụng quỹ dự phòng rủi ro để xử lý các khoản nợ không có khả năng thu hồi Năm
2015, Vietinbank cũng đã phát hành thành công hơn 8.000 tỷ đồng trái phiếu thứ cấp, bổ sung lượng vốn tự có nhằm nâng cao tỷ lệ an toàn vốn của Vietinbank, đáp ứng đầy đủ yêu cầu của NHNN và tiệm cận các chuẩn mực của Basel II. Đồ thị 3.10: Chất lượng tín dụng của Vietinbank trong giai đoạn 2009 - 2015
Nguồn: Báo cáo thường niên của Vietinbank
Đánh giá thực trạng triển khai Kiểm tra sức chịu đựng vi mô đối với
3.3.1 Thực trạng triển khai Kiểm tra sức chịu đựng RRTD tại Vietinbank
Vietinbank là một trong những ngân hàng tiên phong chủ động triển khai Basel II với định hướng chiến lược rõ ràng từ phía Hội đồng quản trị và Ban lãnh đạo ngân hàng Ngay từ giai đoạn 2007 - 2009, Ban lãnh đạo Vietinbank đã thành lập một nhóm cán bộ tập trung nghiên cứu phương pháp luận trong công tác đánh giá xếp hạng tín dụng nội bộ và áp dụng Basel II, trong đó có Kiểm tra sức chịu đựng , đặc biệt là RRTD Đến đầu năm 2012, trên cơ sở hỗ trợ của tư vấn nước ngoài, Vietinbank đã xây dựng hệ thống quản lý RRTD theo chuẩn Basel II, xây dựng lộ trình triển khai Basel II từ nay đến năm 2018.
3.3.1.1 Nhận thức về vai trò của Kiểm tra sức chịu đựng
Vị trí của Kiểm tra sức chịu đựng tại Vietinbank được thể hiện qua Hình 3.1.
Cụ thể, Kiểm tra sức chịu đựng là một trong các ứng dụng quản trị rủi ro của ngân hàng nhằm quản lý vốn kinh doanh, đã được Vietinbank thực hiện và trong qua trình hoàn thiện Các ứng dụng trong ô vuông màu đỏ là những ứng dụng chưa có tại Vietinbank, các ứng dụng trong ô vuông màu vàng là những ứng dụng đã có nhưng chưa hoàn thiện, và các ứng dụng trong ô vuông màu xanh lá cây là những ứng dụng Vietinbank đã phát tiển được Trong số 16 ứng dụng quản trị rủi ro Vietinbank dự kiến áp dụng, Kiểm tra sức chịu đựng là một trong số 7 ứng dụng được ưu tiên phát triển sớm Điều này thể hiện sự quan tâm đặc biệt của Vietinbank đối với công cụ Kiểm tra sức chịu đựng
Một trong những lợi thế của Vietinbank trong quá trình triển khai là có sự trao đổi và hỗ trợ rà soát thường xuyên giữa Ban quản lý dự án, Khối quản lý rủi ro và cổ đông nước ngoài Bank of Tokyo Mitsubishi UFJ Singapore từ năm 2013 Vì vậy, Vietinbank đã nhanh chóng ban hành Khung quản trị RRTD ngày 5/6/2013 đảm bảo tuân thủ các nguyên tắc quản trị RRTD của Basel II, đó là: i) Thiết lập môi trường RRTD thích hợp; ii) Hoạt động theo một quy trình cấp tín dụng chặt chẽ; iii) Duy trì quy trình giám sát, đo lường và hỗ trợ cấp tín dụng thích hợp; iv) Đảm bảo kiểm soát đầy đủ RRTD.
Bên cạnh đó, Ngân hàng đã thiết lập được các nguyên tắc xác định Khẩu vị rủi ro trong từng thời kỳ khá rõ ràng, trong đó:
- Mục tiêu về tỷ lệ an toàn vốn tối thiểu được đặt ra trong từng thời kỳ nhưng tối thiểu là 10% (vượt mức yêu cầu về vốn tối thiểu đưa ra bởi NHNN là 9%).
- Hàng năm, trên cơ sở vốn tự có đã xác định, Vietinbank xây dựng danh mục tài sản Có tín dụng mục tiêu đảm bảo tối đa hóa giá trị ngân hàng và đạt được tỷ lệ an toàn vốn tối thiểu đã đặt ra.
- Chấp nhận RRTD ở chừng mực vẫn đảm bảo đáp ứng yêu cầu dự trữ bắt buộc của Ngân hàng Nhà nước và đảm bảo nhu cầu thanh khoản của Vietinbank.
- Chấp nhận RRTD của Vietinbank phải đảm bảo chất lượng tài sản Có phù hợp với mức xếp hạng tín nhiệm tín dụng mục tiêu của mình Vietinbank hướng tới đạt hạng tín nhiệm mục tiêu bằng với hạng tín nhiệm quốc gia của Việt Nam (Standard và Poor’s xếp hạng BB- cho Việt Nam, B+ cho Vietinbank; Moody’s B1và B2, Fitch B+ và B).
3.3.1.2 Xây dựng kịch bản Kiểm tra sức chịu đựng
Tại Vietinbank, quá trình xây dựng kịch bản thực hiện Kiểm tra sức chịu đựng được thực hiện với sự tham gia của tất cả các cấp, từ Hội đồng quản trị, Ban lãnh đạo cho tới các phòng ban quản lý và các nhân viên quản trị rủi ro Cụ thể, Hội đồng quản trị và Ban lãnh đạo Vietinbank yêu cầu các bộ phận của ngân hàng cung cấp các số liệu hàng quý cho phòng quản trị rủi ro Mô hình được các chuyên gia trong ngân hàng đề xuất là mô hình kiểm định sức ép gây sốc trực tiếp lên tỷ lệ tăng trưởng GDP theo các kịch bản tiêu chuẩn, kịch bản suy giảm, và kịch bản căng thẳng Gắn với mỗi kịch bản này, tương ứng với các mức độ biến động của tỷ lệ tăng trưởng GDP là các giả định đã được Ban lãnh đạo thông qua về dư nợ, cơ cấu nhóm nợ, trích lập dự phòng, giá trị chấp nhận của tài sản bảo đảm
Tại Vietinbank, kịch bản tiêu chuẩn thể hiện những biến động tương đối nhẹ của biến số kinh tế Tính bất lợi của tình huống xấu không cao, chủ yếu dùng để tham chiếu và so sánh Kịch bản căng thẳng dựa trên giả định tốc độ tăng trưởng củaGDP mang yếu tố bất lợi cao, nền kinh tế có dấu hiệu suy thoái Kịch bản suy giảm dựa trên giả định tốc độ tăng trưởng của GDP giảm mạnh mang yếu tố bất lợi rất cao, nền kinh tế ở đáy của chu kỳ suy thoái Theo ý kiến của các chuyên gia thực
Chiến lược và khẩu vị rủi ro
Ngân hàng bán lẻ Ngân hàng bán buôn Chiến lược kinh doanh Đề nghị vayThẩm định, vốnphê duyệt
Cân đối lợi nhuận, rủi ro
Tối ưu hoá danh mục
Rủi ro thị trường Rủi ro hoạt động
Hạ tầng công nghệ thông tin CORE LOS CRM Treasury
Tranzware MIS MIS hiện trong Vietinbank, kịch bản suy giảm và kịch bản căng thẳng không phải là dự báo mà chỉ là các kịch bản giả định được xây dựng để đánh giá sức khoẻ của ngân hàng và khả năng chịu đựng các cú sốc khi khủng hoảng tài chính xảy ra. o
Các ứng dụng quản trị rủi ro
Quản lý vốn Vốn Phân bổ vốn Kiểm định sức ép Hệ thống RWA Đánh giá kết quả RAROC Định giá khoản vay FPT Khả năng sinh
Hình 3.1: Mô hình quản trị rủi ro tại Vietinbank
Quản lý danh mục Tương quan RR Rủi ro tập trung Tổn thất danh mục Báo cáo KS rủi Đo lường rủi ro PD Hệ thống dữ liệu về rủi LGD EAD EL/UL roRRTD
Nguồn: Phòng Quản trị rủi ro Vietinbank
3.3.1.3 Văn bản quy định Kiểm tra sức chịu đựng
Khung quản lý RRTD tại Vietinbank đã được xây dựng và đã đề cập tới quy trình Kiểm tra sức chịu đựng được thực hiện như sau:
- Nhận diện, mô phỏng tình trạng căng thẳng, các nhân tố rủi ro hoặc kịch bản căng thẳng, đề ra mục tiêu của việc kiểm tra sức chịu đựng được xây dựng bởi khối kinh doanh và bộ phận quản lý RRTD, sau đó được ban lãnh đạo và Ủy ban rủi ro thuộc HĐQT phê duyệt.
- Phòng ban Khối QLRR chịu trách nhiệm về kỹ thuật thực hiện, giả định được sử dụng, kết quả định tính và định lượng của Kiểm tra sức chịu đựng, phân tích tác động tới tình hình tài chính của ngân hàng và kế hoạch hành động đối phó.
- Kết quả Kiểm tra sức chịu đựng phải được ghi nhận và nếu cần thiết, ngân hàng sẽ điều chỉnh chiến lược rủi ro và các giới hạn RRTD để đảm bảo RRTD nằm trong khẩu vị rủi ro của ngân hàng, Ban điều hành phải xem xét kểt quả Kiểm tra sức chịu đựng và hoạch định các chiến lược ứng phó phù hợp để trình Ủy ban rủi ro thuộc HĐQT phê duyệt Giám đốc QLRR có trách nhiệm đảm bảo các kế hoạch ứng phó đã được phê duyệt được triển khai trong phạm vi thời gian cho phép.
Như vậy, Vietinbank bước đầu đã có văn bản quy định các vấn đề liên quan đến thực hiện Kiểm tra sức chịu đựng
3.3.1.4 Cơ sở hạ tầng thông tin ngân hàng
Từ năm 2012, Vietinbank đã triển khai dự án xây dựng Hệ thống quản lý RRTD cơ bản Dự án nhằm nâng cao chất lượng công tác quản trị RRTD, kiểm soát chất lượng tín dụng Đây là dự án dài hạn mang tính chiến lược, nhằm cải tổ toàn bộ hệ thống quản trị RRTD của Vietinbank theo Basel II, từ cơ cấu tổ chức, mô hình hoạt động, các chính sách, quy định, quy trình cấp tín dụng và quản lý RRTD đến xây dựng một hệ thống đo lường RRTD theo phương pháp tiếp cận nội bộ.
HOÀN THIỆN MÔ HÌNH KIỂM TRA SỨC CHỊU ĐỰNG VI MÔ ĐỐI VỚI RRTD THEO CHUẨN MỰC QUỐC TẾ TẠI VIETINBANK 88 4.1 Mô hình
Dữ liệu nghiên cứu
Mục tiêu của bài nghiên cứu là tìm ra được những biến quan trọng có ý nghĩa thống kê tác động đến tỷ lệ nợ xấu của Vietinbank để từ đó có thể dự đoán được tỷ lệ nợ xấu của Vietinbank trong thời gian tới Đề tài sử dụng dữ liệu bảng của 9 ngân hàng thương mại niêm yết trải qua 28 quý từ năm 2009 đến 2015 Do Vietinbank là ngân hàng thuộc nhóm đầu và là ngân hàng niêm yết, nên việc sử dụng số liệu của các ngân hàng niêm yết phù hợp Nếu đối tượng Kiểm ra sức chịu đựng không phải là Vietinbank, mà là một ngân hàng thuộc nhóm các ngân hàng nhỏ, không niêm yết, thì việc lựa chọn ngân hàng niêm yết có thể chưa phản ánh đúng chất lượng nợ mà phải dùng một mẫu dữ liệu khác.
Sử dụng dữ liệu bảng giúp cho các kết quả ước lượng trong mô hình tin cậy hơn, đồng thời cho phép xác định những tác động vốn không xác định và đo lường được khi sử dụng dữ liệu chéo hoặc dữ liệu thời gian Tổng thể đối tượng của nghiên cứu là toàn bộ các NHTM tại Việt Nam Tuy nhiên, do không có điều kiện thu thập số liệu về tỷ lệ nợ xấu của tổng thể các NHTM theo quý, nên mẫu nghiên cứu được xây dựng từ dữ liệu của 9 NHTM niêm yết Các ngân hàng này bao gồm
3 NHTM do Nhà nước nắm quyền sở hữu chi phối và 6 NHTM CP, với tổng dư nợ cấp cho nền kinh tế đạt 2,188.5 nghìn tỷ đồng tại 31/12/2015 Theo số liệu NHNN, tổng dư nợ đối với nền kinh tế của toàn hệ thống, bao gồm các NHTM Nhà nước, NHTM CP, NH liên doanh, nước ngoài, công ty tài chính, NH Hợp tác xã, quỹ tín dụng nhân dân tại cùng thời điểm là 4,657 nghìn tỷ đồng Như vậy, 9 NHTM thuộc mẫu nghiên cứu chiếm 46.99% tổng dư nợ cho vay nền kinh tế; tương đương 51.32% tổng dư nợ được cấp bởi các NHTM, không bao gồm khối ngân hàng liên doanh và ngân hàng nước ngoài Về tổng tài sản, 9 NHTM thuộc mẫu nghiên cứu chiếm 54.57% tổng tài sản toàn hệ thống tại 31/12/2015.
Thời gian nghiên cứu từ quý 1 năm 2009 đến quý 4 năm 2015 (28 quý), do hai ngân hàng lớn CTG và VCB niêm yết lần đầu trong năm 2009 Số liệu về nợ xấu tại thời điểm trước khi cổ phần hóa của các ngân hàng này có nhiều điểm chưa thống nhất Một số ngân hàng có độ dài dữ liệu thu thập được ngắn hơn như BID (từ quý 4/2011) và MBB (từ quý 1/2011) Bảng dữ liệu được sử dụng trong mô hình là kiểu bảng cân đối (balanced panel) Tuy độ dài thời gian của chuỗi dữ liệu chỉ có 28 quan sát, tương đương với 28 quý, nhưng so với những nghiên cứu tương tự tại Việt Nam, đây không phải là chuỗi dữ liệu ngắn, phản ánh tính hạn chế của dữ liệu (Bảng 4.2).
Bảng 4.1: Tỷ trọng dư nợ của các ngân hàng niêm yết so với dư nợ tín dụng toàn hệ thống tại 31/12/2015
1 NH TMCP Đầu tư và
Phát triển Việt Nam BID 850,669 13.73% 596,166 12.80%
2 NH TMCP Công thương Việt Nam CTG 779,483 12.58% 533,102 11.45%
3 NH TMCP Ngoại thương Việt Nam VCB 674,394 10.89% 384,643 8.26%
4 NH TMCP Sài gòn thương tín STB 292,542 4.72% 184,612 3.96%
6 NH TMCP Sài gòn Hà
7 NH TMCP Quân đội MBB 221,041 3.57% 120,308 2.58%
8 NH TMCP Xuất nhập khẩu Việt Nam EIB 125,829 2.03% 84,759 1.82%
9 NH TMCP Quốc Dân NCB 48,230 0.78% 20,431 0.44%
Nguồn: Tổng hợp từ số liệu NHNN, Sở Giao dịch chứng khoán TP HCM và báo cáo tài chính của các ngân hàng
Bảng 4.2: So sánh số lượng quan sát của một số nghiên cứu cùng chủ đề tại Việt Nam
Tác giả Số lượng quan sát chéo
Số lượng quan sát theo thời gian
Luận án nghiên cứu 9 ngân hàng 28 quý (quý 1/2009 đến quý 1/2015)
8 ngân hàng 23 quý (quý 4/2007 đến quý 2/2013)
155 quỹ tín dụng nhân dân
Lê Vân Chi và Hoàng
Nguồn: Tác giả tổng hợp từ các nghiên cứu
Nghiên cứu sử dụng số liệu về giá trị nợ xấu (nợ nhóm 3,4 và 5) và tổng giá trị cho vay khách hàng (trước khi trừ dự phòng rủi ro cho vay khách hàng) được công bố tại các báo cáo tài chính riêng lẻ theo quý của các ngân hàng Theo đó, từ ngày 1/1/2015 trở về trước, các ngân hàng thực hiện phân loại nợ theo Quyết định số 493/2005/QĐ-NHNN ngày 22/4/2005 của Thống đốc NHNN về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài.
Từ ngày 1/1/2015, các ngân hàng đã phân loại nợ theo Thông tư số 02/2013/TT-NHNN ban hành ngày 18/3/2014 và Thông tư số 09/2014/TT-NHNN sửa đổi, bổ sung một số điều của Thông tư số 02/2013.
Ngoài số liệu nợ nhóm 3,4 và 5, mô hình nghiên cứu cũng tính toán tác động của việc các NHTM bán nợ xấu cho VAMC kể từ khi công ty này được thành lập từ tháng 7/2013 Mặc dù nợ xấu bán cho VAMC sẽ được tạm thời đưa khỏi bảng cân đối tài sản của các ngân hàng để chuyển sang trái phiếu đặc biệt do VAMC phát hành, nhưng sẽ quay lại sổ sách của ngân hàng sau 5 năm nếu chưa xử lý được Vì vậy, tỷ lệ nợ xấu chính thức của các ngân hàng được điều chỉnh cộng thêm số nợ xấu đã chuyển sang VAMC để thể hiện đúng chất lượng tín dụng ngân hàng: ỷ
� ợ� ℎo� ��� ℎ ℎ� á� ℎà�� + ư� ợ� đã �á� ℎo� ���� (�ế� ó)� Tổng nợ nhóm 3-5 của 9 ngân hàng niêm yết tại thời điểm 31/12/2015 là 32,588 tỷ đồng; nợ đã bán cho VAMC của 9 ngân hàng này là 55,934 tỷ đồng Tỷ lệ nợ xấu bình quân (điều chỉnh trọng số theo tổng tài sản) là 1,49% Tỷ lệ nợ xấu bình quân sau khi tính thêm phần nợ đã bán cho VAMC là 3,94% Để so sánh, trong Báo cáo thẩm tra của Ủy ban Thường vụ Quốc hội báo cáo tại phiên họp Quốc hội lần 8 khóa VIII diễn ra ngày 1/11/2014, tỷ lệ nợ xấu trên tổng dư nợ của khối NHTM Nhà nước năm 2012 là 3,18% (toàn hệ thống: 4,08%), năm 2013 là 2,75% (toàn hệ thống: 3,61%), đến tháng 8/2014 là 3,88% (toàn hệ thống: 3,9%) Chỉ có 3 ngân hàng có tỷ lệ nợ xấu sau khi tính thêm phần bán cho VAMC vẫn giữ mức dưới 3% là CTG, VCB và ACB Những ngân hàng có tỷ lệ nợ xấu tương đối cao sau khi tính thêm nợ đã bán cho VAMC là NCB, EIB và STB SHB có thời điểm nợ xấu tăng cao đột biến vào năm 2012 khi sáp nhập thêm Habubank và chịu tác động của số nợ xấu từ Vinashin của ngân hàng này Trong năm 2015 SHB đã tích cực xử lý nợ xấu không qua phương thức bán cho VAMC Vì vậy, tỷ lệ nợ xấu của SHB, tuy còn cao,nhưng đã được cải thiện đáng kể (Đồ thị 4.1).
Mô hình nghiên cứu
Nghiên cứu sử dụng phân tích hồi quy dữ liệu bảng kiểu động (Dynamic PanelData Regression Analysis - DPDA) nhằm kiểm tra các biến số quan trọng và có ý nghĩa thống kê để dự đoán được tỷ lệ nợ xấu của ngân hàng Ngoài DPDA, một số
Graphs by NH ít các nghiên cứu nước ngoài, điển hình như Jose Ramon và Thiam (2012), sử dụng mô hình tự hồi quy dữ liệu bảng (panel-data VAR) với giả định toàn bộ các yếu tố kinh tế vĩ mô và tỷ lê nợ xấu ngân hàng có mối liên hệ chặt chẽ theo thời gian Khi đó, vec-tơ hồi quy sẽ bao gồm tỷ lệ nợ xấu và các chỉ số kinh tế vĩ mô tại thời điểm t, và sẽ được tự hồi quy so với những thời điểm t-1, t-2 t-3 đến t-p Tuy nhiên, điểm yếu của mô hình này là giả thiết rằng mối liên hệ giữa các biến trong véc-tơ là bất biến theo thời gian. Đồ thị 4.1: Tỷ lệ nợ xấu sau khi điều chỉnh phần nợ đã bán cho VAMC của các ngân hàng niêm yết
Nguồn: Tác giả tính toán sử dụng phần mềm Stata
So với panel-data VAR, mô hình DPDA được sử dụng phổ biến hơn khi nghiên cứu tác động của kinh tế vĩ mô đối với tỷ lệ nợ xấu trong hệ thống ngân hàng Điển hình là nghiên cứu của Luizis, Vouldis và Metaxas (2012) phân tích nợ xấu tại chín ngân hàng Hy Lạp giai đoạn 2003Q1 đến 2009Q1; Vasiliki M.,
Athanasios T và Athanasios B (2014) khi nghiên cứu khu vực châu Âu giai đoạn 2000-2008; của Nguyễn Hoàng Thụy Bích Trâm (2014) tại 13 ngân hàng Việt Nam giai đoạn 2007-2013 Nó vừa cho biến mô tả sự phụ thuộc của biến số phụ thuộc vào biến trễ của chính nó theo thời gian (tính tự hồi quy), nhưng cũng không quá chặt chẽ như panel-data VAR Khi sử dụng DPDA, việc lựa chọn dữ liệu bảng sẽ nghiên cứu được sự khác biệt (nếu có) giữa các ngân hàng mà trước đây chúng ta hay sử dụng biến giả; động thái thay đổi của các ngân hàng theo thời gian; nâng cao được số quan sát trong mẫu và phần nào khắc phục được hiện tượng đa cộng tuyến; cũng như có nhiều thông tin hơn kiểu dữ liệu khác Nếu xét một mô hình ví dụ với biến phụ thuộc, Y, và hai biến giải thích quan sát được, X1và X2, và một hoặc nhiều biến không quan sát được, dạng mô hình tổng quát của hồi quy dữ liệu bảng:
�i� = �1Xi� 1 + �2Xi� 2 + �i + si� với i = 1, 2, …, N và t = 1, 2, …, T Trong đó, sai số được chia làm 2 thành phần:
- �i là ảnh hưởng của từng ngân hàng i không thay đổi theo thời gian nhưng không quan sát được
- si� là những sai số còn lại chưa đưa vào mô hình
Ta có ba cách tiếp cận ước lượng mô hình tổng quát:
- Phương pháp hồi quy kết hợp tất cả các quan sát (Pooled OLS) coi tất cả các hệ số đều không đổi Nhược điểm của cách tiếp cận này là ràng buộc quá chặt về ngân hàng (các đơn vi chéo), điều này khó xảy ra trong thực tế.
- Phương pháp tiếp cận cố định (Fixed-effects Modeling, FEM) có thể kiểm soát và tách các ảnh hưởng riêng biệt theo không gian và thời gian ra khỏi các biến độc lập Vì vậy, FEM là phù hợp nếu những yếu tố đặc trưng của ngân hàng hoặc những biến độc lập khác chưa được xem xét trong mô hình (phần dư mô hình) có tương quan với biến số độc lập.
- Phương pháp tiếp cận ngẫu nhiên (Random-effects Modeling, REM) xem phần dư của mô hình không tương quan với biến độc lập, và coi đó là một biến riêng để giải thích Vì vậy, REM là phù hợp nếu những yếu tố đặc trưng của ngân hàng hoặc những biến độc lập khác chưa được xem xét trong mô hình (phần dư mô hình) không có tương quan với các biến số độc lập.
Mục tiêu mô hình là tìm hiểu sự tác động của các biến số độc lập (yếu tố kinh tế vĩ mô) mà giá trị của chúng thay đổi theo thời gian, cũng như những yếu tố thuộc về đặc điểm của ngân hàng được lựa chọn mà những yếu tố này không thay đổi theo thời gian Tuy nhiên, phương pháp Pooled OLS sẽ ràng buộc chặt chẽ mô hình về không gian và thời gian của các đối tượng khi các hệ số hồi quy không đổi, nên phương pháp này không phản ánh sự khác biệt trong các tác động của các yếu tố kinh tế vĩ mô lên từng ngân hàng Hay nói cách khác, việc hồi quy theo Pooled OLS sẽ khiến mô hình gặp hiện tương thiếu biến (thiếu những ảnh hưởng không thay đổi của từng ngân hàng) Do đó, chúng ta sẽ loại bỏ Pooled OLS và chỉ xem xét lựa chọn một trong hai phương pháp ước lượng còn lại: FEM và REM Để kiểm định cách tiếp cận REM hay FEM sẽ phù hợp với dữ liệu nghiên cứu, ta cõ thể sử dụng kiểm định Hausman (Baltagi, B., 2008) với giả thuyết H0 cho rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng �i với các biến giải thích X trong mô hình Nếu kết quả cho thấy chưa có đủ bằng chứng để bác bỏ H0 (p-value
> 0.05), thì ước lượng ngẫu nhiên sẽ được sử dụng và ngược lại.
Việc lựa chọn mô hình có biến trễ của biến phụ thuộc là rất quan trọng Khi tiến hành các kiểm định về hiện tượng tương quan giữa các sai số ngẫu nhiên ε_it, nghĩa là cov (ε_it �,ε�_im) = 0 cho mô hình không có biến trễ, bộ số đều cho kết quả có sự tự tương quan giữa các sai số ngẫu nhiên Tuy nhiên, việc có sự tự tương quan này phù hợp với bản chất “tính ì” của nợ xấu tại các ngân hàng Việt Nam trong giai đoạn nghiên cứu Ngoài ra, để kiểm định tác động của việc ngân hàng bán nợ cho VAMC, nghiên cứu bổ sung thêm một biến giả (VAMC), biến này nhận giá trị bằng 1 vào quý ngân hàng ghi nhận tăng nợ bán cho VAMC trên báo cáo tài chính. Biến này nhận giá trị bằng 0 vào những quý còn lại Tiếp theo, để kiểm định giả thuyết rằng tỷ lệ nợ xấu các ngân hàng có xu hướng giảm vào quý 4, thời điểm chốt số liệu báo cáo năm, nghiên cứu bổ sung thêm một biến giả (Q4D) nhận giá trị 1 vào quý 4 và giá trị 0 vào các quý khác của năm.
Trong thời gian nghiên cứu, có hai sự kiện ngân hàng sáp nhập Ngân hàng TMCP Nhà Hà Nội (Habubank) vào SHB vào quý 3 năm 2012 và Ngân hàng Nhà Đồng bằng Sông Cửu Long (Mekong Housing Bank) vào BID vào quý 2 năm 2015. Để kiểm định sự tác động của sự kiện sáp nhập tới tỷ lệ nợ xấu được công bố của ngân hàng SHB và BID, Luận án nghiên cứu cho thêm 2 biến giả là SHB và BID vào mô hình Mặc dù có nhiều phương pháp tái cấu trúc ngân hàng, bài nghiên cứu chỉ đề cập đến hình thức thành lập VAMC và sáp nhập ngân hàng vì đây là hai hình thức tái cấu trúc được áp dụng đầu tiên trong giai đoạn nghiên cứu, nên sẽ có tác động lớn đến hệ thống ngân hàng Đồng thời, nếu cho thêm các biến giả đề cập đến các hình thức tái cấu trúc khác thì bậc tự do của mô hình sẽ giảm xuống trong khi kích cỡ mẫu nghiên cứu là không lớn.
Biến độc lập
Một số nghiên cứu trong và ngoài nước, ngoài các yếu tố kinh tế vĩ mô, đã đưa các nhân tố nội tại ngân hàng (quy mô vốn chủ sở hữu, tổng tài sản, tỷ suất lợi nhuận, tốc độ tăng trưởng tín dụng của ngân hàng ) dựa trên lý thuyết về hành vi quản lý vào mô hình RRTD (Luizis và cộng sự (2010), Lê Vân Chi và Hoàng TrungLai (2014)) Tuy nhiên, luận án dựa trên giả định của phương pháp tính tỷ lệ an toàn Vốn Basel II, theo đó, rủi ro hệ thống từ kinh tế vĩ mô là nhân tố duy nhất tác động tới RRTD danh mục Vì vậy, luận án chỉ lượng hóa mức độ tác động của các nhân tố kinh tế vĩ mô đối với tỷ lệ nợ xấu ngân hàng Để lựa chọn biến độc lập đưa vào mô hình, luận án đã thực hiện theo các bước trong Hình 4.1.
• Hệ thống chỉ số Đánh giá mức độ sẵn có về dữ liệu tại nước ta • Khảo sát hệ số EWS
• Nguồn các cơ quan nhà nước
• Nguồn các tổ chức khác tương quan
Loại bớt các chỉ số đã được sử dụng trên thế giới số có tương quan
Hình 4.1: Các bước lựa chọn biến kinh tế vĩ mô trong mô hình
Nguồn: Tác giả tổng hợp đề xuất
Bước 1: Tác giả đã tổng hợp danh sách các chỉ tiêu an toàn vĩ mô như đã được đề cập ở Chương 1 và Chương 2 (Bảng 4.3) Trong đó, “Y” là yếu tố được tác giả chứng minh có tác động tới chất lượng tín dụng của ngân hàng thuộc đối tượng nghiên cứu Bảng tổng hợp cho thấy, mối quan hệ giữa kinh tế vĩ mô – rủi ro ngân hàng rất khác nhau Danh sách các yếu tố vĩ mô có tác động phụ thuộc những đặc điểm riêng của từng ngân hàng như cơ cấu dư nợ theo nhóm khách hàng, ngành, tuổi nợ, chính sách tăng trưởng tín dụng, tỷ lệ dư nợ bằng ngoại tệ hoặc cho vay nước ngoài Việc lựa chọn yếu tố vĩ mô nào cần đưa vào mô hình kiểm định tại Việt Nam sẽ khác với các nước khác trên thế giới, cũng như Vietinbank khác với các NHTM khác tại Việt Nam Danh sách các yếu tố vĩ mô có tác động phụ thuộc những đặc điểm riêng của từng ngân hàng như cơ cấu dư nợ theo nhóm khách hàng, ngành, tuổi nợ, chính sách tăng trưởng tín dụng, tỷ lệ dư nợ bằng ngoại tệ hoặc cho vay nước ngoài
Bước 2 Tác giả đánh giá mức độ sẵn sàng về dữ liệu theo quý tại Việt Nam để lựa chọn những chỉ số có thể thu thập được dữ liệu có độ tin cậy cao Kết quả đánh giá được trình bày tại Phụ lục 1 Trên cơ sở đánh giá mức độ tin cậy và sẵn có của dữ liệu quý, Luận án nghiên cứu lựa chọn được 9 biến kinh tế vĩ mô tại Bảng
Bảng 4.3: Các yếu tố kinh tế vĩ mô được sử dụng trong các nghiên cứu khác
Van den End và cộng sự
Nguồn: Tác giả tổng hợp
Bảng 4.4: Các biến kinh tế vĩ mô được lựa chọn vào mô hình định lượng
Biến độc lập Tên Nguồn dữ liệu
Tốc độ tăng GDP so với cùng kỳ năm trước (%)
GDP Tổng cục Thống kê
Tốc độ tăng giá tiêu dùng so với cùng kỳ năm trước (%)
CPI Tổng cục Thống kê
Tốc độ tăng tổng phương tiện thanh toán M2 so với cùng kỳ năm trước (%)
Tốc độ tăng trưởng tín dụng toàn hệ thống so với cùng kỳ năm trước (%)
Tốc độ tăng trưởng xuất khẩu so với cùng kỳ năm trước
EXG Tổng cục Thống kê
Tốc độ tăng trưởng chỉ số chứng khoán
VnIndex so với cùng kỳ năm trước (%)
VNI Sở Giao dịch Chứng khoán TP
HCM Tốc độ tăng tỷ giá bình quân liên ngân hàng VNĐ/USD so quý trước (%)
Lãi suất cho vay kỳ hạn dưới 12 tháng
Lãi suất huy động 12 tháng Agribank,
Nguồn: Tác giả đề xuất
Bước 3 Khảo sát mối tương quan giữa các biến độc lập cho thấy, hai biến lãi suất (LSG và LSV) có hệ số tương quan rất cao với biến số lạm phát CPI (tương ứng là 0.89 và 0.92) Bản thân hai biến cũng có tương quan thuận chiều gần bằng 1 với nhau Do biến CPI được thu thập từ nguồn tin cậy hơn (Tổng cục Thống kê), nên nghiên cứu sẽ chỉ đưa một biến CPI vào mô hình và loại bỏ 2 biến lãi suất.
Ngoài ra, biến CRG và M2 cũng có hệ số tương quan bằng 0.8, cho thấy tốc độ tăng trưởng tín dụng toàn hệ thống đi song hành với sự điều hành tổng giá trị phương tiện thanh toán M2 Để loại bỏ mối quan hệ ngược chiều sẵn có giữa tốc độ tăng tín dụng và tỷ lệ nợ xấu, nghiên cứu sẽ loại bỏ biến CRG khỏi mô hình.
Tỷ lệ nợ xấu được chuyển sang hàm logarit, sao cho biến phụ thuộc sẽ nhận giá trị (-∞; +∞), thay vì khoảng [0, 1] như ban đầu Cách tính này được đưa ra trong các nghiên cứu của Luiziz và cộng sự (2010), Nguyễn Trâm (2014)) Phương trình hồi quy có dạng:
+ β 9 ∑ Q4D t + β 10 ∑ SHB t + β 11 ∑ BIDV t + ε it (phương trình 1)
Trong đó: t=1 t=1 t=1 lnNPL = ln( NPL it ) (NPL là tỷ lệ nợ xấu điều chỉnh của ngân hàng i tại thời điểm t.
Trong đó: lnNPL_(it-1) là biến trễ 1 quý của lnNPL_it
Biến giả VAMC nhận giá trị bằng 1 vào quý ngân hàng ghi nhận tăng nợ bán cho VAMC trên báo cáo tài chính và nhận giá trị bằng 0 vào những quý còn lại Biến giả Q4D nhận giá trị 1 vào quý 4 và giá trị 0 vào các quý khác của năm. Biến giả SHB nhận giá trị bằng 1 vào thời điểm quý 3 năm 2012, các quý khác nhận giá trị bằng 0 Biến giả BIDV nhận giá trị bằng 1 vào thời điểm quý 2 năm 2015, các quý khác nhận giá trị bằng 0. εit là phần dư của phương trình hồi quy
Giả thuyết nghiên cứu
Kết quả hồi quy phương trình 1 sẽ chứng minh các giả thuyết trong Bảng 4.5 Trong số các biến độc lập kinh tế vĩ mô, tốc độ tăng trưởng kinh tế (GDP), lạm phát it i,t
(CPI), tốc độ tăng tổng phương tiện thanh toán M2, tốc độ tăng trưởng xuất khẩu và tốc độ tăng trưởng chỉ số giá chứng khoán được đo lường so với cùng kỳ năm trước còn thay đổi tỷ giá sẽ được đo lường hàng quý vì sự thay đổi của tỷ giá sẽ tác động ngay lập tức đến doanh thu và lợi nhuận của doanh nghiệp, từ đó ảnh hưởng đến nợ xấu của các ngân hàng.
Bảng 4.5: Các giả thuyết nghiên cứu về mối quan hệ giữa kinh tế vĩ mô và tỷ lệ nợ xấu ngân hàng
Giả thuyết nghiên cứu Dấu Nghiên cứu đại diện
H1: Tỷ lệ nợ xấu quý trước có tác động tiêu cực tới tỷ lệ nợ xấu quý sau.
+ Jimenez và Saurina (2006); Das và Gosh (2007); Nguyễn Trâm (2014)
H2: Mức tăng trưởng kinh tế thấp hay giảm dần làm tăng
+ Salas và Saurina (2002), Louzis và cộng sự
(2010) chỉ ra mối quan hệ ngược chiều giữa tốc độ tăng trưởng kinh tế và tỷ lệ nợ xấu
H3: Lạm phát tăng đột biến sẽ làm tăng tỷ lệ nợ xấu
- Rinaldi và Sanchis-Arellano (2006), Gunsel (2011) đã chứng minh mối quan hệ thuận chiều giữa lạm phát và tỷ lệ nợ xấu H4: Tỷ giá biến động mạnh sẽ làm tăng tỷ lệ nợ xấu
- Fofack (2005) và Nkusu (2011) cho thấy khi đồng nội tệ tăng giá, các doanh nghiệp xuất khẩu gặp khó khăn do hàng hoá trở lên đắt đỏ, doanh số xuất khẩu giảm, và hệ quả là tỷ lệ nợ xấu tăng tại các ngân hàng. H5: Tốc độ tăng trưởng xuất khẩu tăng sẽ làm giảm tỷ lệ nợ xấu
(2014) đã kết luận rằng khi tốc độ tăng trưởng xuất khẩu giảm xuống, tỷ lệ nợ xấu sẽ tăng lên.
H6: Tổng giá trị các phương tiện thanh toán tăng làm giảm nợ xấu
+ Các nghiên cứu của Waeibrorheem và Suriani (2015), Bofondi và Ropele (2011) đã chỉ ra mối quan hệ nghịch giữa cung tiền và RRTD.
H7: Tăng trưởng chứng khoán có tác động làm giảm tỷ lệ nợ xấu
+ Aver (2008) chứng minh giá trị của chỉ số chứng khoán là yếu tố vĩ mô tác động quan trọng tới tỷ lệ nợ xấu của các ngân hàng.H8:NHTM có tỷ lệ nợ xấu cuối + Chưa có
Giả thuyết nghiên cứu Dấu Nghiên cứu đại diện quý 4 thấp hơn các quý khác
H9: Việc bán nợ xấu cho
VAMC có tác động tới tỷ lệ nợ xấu ngay trong quý đó
Nguồn: Tác giả đề xuất
Mô tả và thống kê mẫu nghiên cứu
Bảng 4.6 thống kê đặc trưng của các biến số độc lập được sử dụng trong mô hình nghiên cứu.
Bảng 4.6: Mô tả thống kê các biến trong mô hình
Variable Obs Mean Std Dev Min Max gdp 252 0548929 0086665 031 072 cpi 252 0785778 0566898 0 2242 m2 252 2127346 0664818 121 367 exg 252 1569825 1355847 -.2634116 3715017 vni 252 0319048 1461234 -.1656 5484 vndq 252 0091607 017161 -.0163 0723
Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA
Số liệu cho thấy, trong giai đoạn từ Quý 1 2009 đến Quý 4 năm 2015, tốc độ tăng bình quân CPI của Việt Nam là 7.9%, dao động khá lớn từ 0.00% (quý 1 năm
2016) tới 22.42% (Quý 3/2011) Tốc độ tăng GDP bình quân đạt 5.57%, trong đó, giá trị nhỏ nhất là 3.14% vào quý 1 năm 2009 vào cao nhất là 7.34% vào quý 4 năm
2010 Tỷ giá VNĐ/USD tăng bình quân 0.9%/quý, tăng cao nhất là 7.2% vào quý 1 năm 2011 và biến động dưới 1% vào những quý sau đó Thống kê các biến nhân tố kinh tế vĩ mô phản ánh đúng kinh tế Việt Nam chịu tác động của cuộc khủng hoảng tài chính thế giới 2008-2009 Lạm phát, lãi suất tăng cao và thị trường bất động sản đóng băng sau một thời gian tăng trưởng nóng.
Tiếp theo, luận án kiểm tra sự tương quan giữa các biến độc lập với kết quả được trình bày tại Bảng 4.7 Ma trận tương quan giữa các biến độc lập cho thấy, các mối tương quan khá thấp Điều này cho thấy ít có khả năng xảy ra hiện tượng đồng liên kết giữa các biến được đưa vào xem xét trong mô hình nghiên cứu Đối với tỷ lệ nợ xấu theo quý của các ngân hàng (tổng số 252 quan sát), giá trị trung bình là 2.89% và độ lệch chuẩn là 1.91%.
Bảng 4.7: Hệ số tương quan giữa các biến số độc lập trong mô hình
Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA
Kiểm định mô hình
Một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định tại bất kỳ thời điểm nào Giá trị của chuỗi dừng có xu hướng trở về giá trị trung bình Nói cách khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai Trong phân tích chuỗi thời gian, bất kỳ chuỗi nào có tính dừng mới cho kết quả ước lượng đáng tin cậy Thực hiện phương pháp sử dụng kiểm định Dickey và Fuller mở rộng (ADF) đối với lần lượt sáu biến độc lập, ta có kết quả như tại Bảng 4.8 Kết quả kiểm định ADF cho chuỗi dữ liệu theo quý từ quý 1 năm 2009 đến quý 1 năm 2016 cho thấy, tất cả các biến đều dừng tại chuỗi gốc Do vậy, 09 biến nói trên có thể được sử dụng trong hồi quy mô hình DPDA.
Bảng 4.8: Kết quả kiểm định tính dừng
Biến Sử dụng trong mô hình Tính dừng
Var sd = sqrt(Var) lnNPL e u 5204442
Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA
4.1.6.2 Kiểm định phương sai của sai số không đổi (nhân tử Lagrange)
Sử dụng hàm xttest 0 của Stata, ta có:
Breusch and Pagan Lagrangian multiplier test for random effects lnNPL[Ten1,t] = Xb + u[Ten1] + e[Ten1,t]
Giả thuyết H0: Var(u) =0, chibar2(01) = 0.00, Prob > chibar2 = 1.0000 Giả thuyết H0 không bị bác bỏ Mô hình có phương sai sai số không đổi.
4.1.6.3 Kiểm định đa cộng tuyến Để kiểm tra có có mối quan hệ tuyến tính giữ các biến độc lập trong mô hình hay không, Luận án dùng hệ số VIF (variance inflation factor – hệ số phóng đại phương sai) Về giá trị VIF, theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), khi VIF vượt quá 10 là dấu hiệu của đa cộng tuyến Tuy nhiên cũng có một số tài liệu đưa ra điều kiện VIF lớn hơn 4 hoặc thậm chí là 2 Tuy nhiên, kết quả VIF bình quân của mô hình là 1.23, và không có hệ số nào lớn 2 (Bảng 4.9) Vì vậy, ta có thể kết luận hiện tượng đa cộng tuyến không tồn tại trong mẫu được sử dụng.
Bảng 4.9: Kết quả kiểm định đa cộng tuyến
Biến số độc lập VIF
Nguồn: Tác giả tổng hợp và tính toán bằng phần mềm STATA
Kết quả chạy kiểm định Hausman cho như sau:
L1 -.4152373 -.4789843 063747 1805992 vamc -.2018876 -.1856778 -.0162097 0137936 q4d 1028449 1000329 002812 0064524 var38 -.360278 -.339413 -.020865 0677397 var39 -1.37797 -1.378129 0001585 0566663 b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic chi2(9) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 2.32
Kết quả p-value > 5%, nên giả thuyết Ho không được bác bỏ, sự khác biệt giữa các hệ số không có tính hệ thống Vì vậy, phương pháp ước lượng ngẫu nhiên phù hợp với số liệu của mô hình Kết quả này khác với kết quả Hausman test tại nghiên cứu của Lê Vân Chi và Hoàng Trung Lai (2014), khi phương pháp ước lượng cố định được coi là mô hình phù hợp để đánh giá nhân tố tác động đến RRTD tại 13 NHTM Việt Nam trong giai đoạn 2007 đến 2013 Tuy nhiên, điều này có thể lý giải bởi sự khác biệt về các nhân tố độc lập được lựa chọn Mô hình của Lê VânChi và Hoàng Trung Lai (2014) bao gồm 6/7 nhân tố là đặc trưng của ngân hàng như quy mô tổng tài sản, tỷ lệ an toàn vốn, tốc độ tăng tín dụng, tỷ lệ cho vay bất động sản
Kết quả mô hình
Phần này xem xét tác động của các nhân tố khác nhau đến tỷ lệ nợ xấu NHTM theo phương trình 1 (“Mô hình đầy đủ”) Bảng 4.10 báo cáo kết quả hồi quy đối với mẫu nghiên cứu sử dụng phương pháp ước lượng ngẫu nhiên REM Kết quả gốc của mô hình được trình bày tại Phụ lục 2 Giá trị thống kê R2 cao, đạt 85,84%, xác nhận ý nghĩa thống kê và độ tin cậy của mô hình thực nghiệm Số trong ngoặc là p-value của hệ số beta, *, ** và *** thể hiện mức ý nghĩa 1%, 5% và 10%, cụ thể:
Bảng 4.10: Kết quả mô hình hồi quy mô hình đầy đủ
Nguồn: Tính toán của tác giả từ phần mềm thống kê STATA
Kết quả hồi quy phù hợp với mong đợi về dấu và có ý nghĩa thống kê p