Luận văn thạc sỹ tác động của cạnh tranh và tập trung ngành đến ổn định ngân hàng nghiên cứu tại việt nam

ii TÓM TẮT LUẬN VĂN Hệ thống ngân hàng thương mại xem huyết mạch hệ thống tài nói riêng kinh tế nói chung Sự phát triển bền vững ổn định hệ thống ngân hàng tạo tảng vững hỗ trợ phát triển ngành nghề khác kinh tế, qua thúc đẩy kinh tế tăng trưởng cách bền vững ổn định Kinh tế Việt Nam có giai đoạn phát triển bùng nổ đặc biệt năm 2006-2007, với sóng thành lập ngân hàng chuyển đổi ngân hàng nông thôn thành ngân hàng thành thị, khiến số lượng ngân hàng có tăng trưởng nóng giai đoạn Tuy nhiên, dù tăng trưởng mạnh số lượng quy mô ngân hàng lực tài quản trị yếu làm xuất trục trặc thị trường tài chính, đặc biệt giai đoạn 2011-2012 Trước tình hình này, NHNN tiến hành tái cấu trúc hệ thống ngân hàng với mục tiêu giảm số lượng ngân hàng, tăng tính tập trung tăng khả cạnh tranh ngân hàng nước Nghiên cứu thực để cung cấp thêm chứng thực nghiệm mối quan hệ tập trung ngành, cạnh tranh ổn định NHTM Thông qua hồi quy đa biến theo cách tiếp cận Bayes liệu thu thập từ 27 NHTM niêm yết thị trường chứng khoán Việt Nam giai đoạn 2011-2021, kết nghiên cứu cho thấy tập trung ngành khơng có vai trị q lớn việc trì ổn định hệ thống NHTM, lực cạnh tranh ngân hàng giữ vị trí quan trọng việc trì ổn định NHTM Nghiên cứu nhấn mạnh vai trị quy mơ ngân hàng, tỷ lệ VCSH, đa dạng hóa thu nhập việc cải thiện lành mạnh hệ thống ngân hàng Ngoài ra, nghiên cứu cho thấy, lãi suất sách có tác động tiêu cực đến ổn định ngân hàng, lạm phát lại có xu hướng cải thiện ổn định hệ thống tài chính, nhiên, tác động ngắn hạn Các yếu tố cịn lại tăng trưởng tín dụng, tăng trưởng GDP đại dịch Covid-19 có tác động tương đối mờ nhạt ổn định tài Từ khóa: Tập trung ngành, cạnh tranh, ổn định ngân hàng iii ABSTRACT The commercial banking system is considered the backbone of the financial system in particular and the economy as a whole Sustainable and stable development of the banking system will create a solid foundation to support the development of other industries in the economy, thereby promoting sustainable and stable economic growth Vietnam's economy has undergone a boom in development, especially in the years 2006-2007, along with the wave of establishing new banks and transforming rural banks into urban banks, which has led to a hot growth in the number of banks during this period However, despite the strong growth in both the number and scale of banks, weak financial and management capacity has led to difficulties in the financial market, especially during the period of 2011-2012 In response to this situation, the SBV has restructured the banking system with the goal of reducing the number of banks, increasing concentration and enhancing the competitiveness of domestic banks This study is conducted to provide additional empirical evidence on the relationship between industry concentration, competition, and stability of credit institutions Through multivariate regression using a Bayesian approach on data collected from 27 credit institutions listed on the Vietnam stock market during the period 2011-2021, the research results show that industry concentration does not play an overly important role in maintaining the stability of the credit institution system, while the competitive capacity of banks holds an important position in maintaining the stability of credit institutions The study also emphasizes the role of bank scale, capital adequacy ratio, and income diversification in improving the soundness of the banking system In addition, the study also shows that policy interest rates have a negative impact on banking stability, while inflation tends to improve the stability of the financial system, although this effect is only true in the short term Other factors such as credit growth, GDP growth, and the Covid-19 pandemic have a relatively vague impact on financial stability Keywords: industry concentration, competition, banking stability iv DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Cụm từ tiếng Việt TCTC HHI SCP 2SLS ROA ROE VCSH Cụm từ tiếng Anh Tổ chức tài Financial Institution Chỉ số tập trung ngành Herfindahl-Hirschman Lý thuyết cấu trúc – hành vi – Structure-conduct- hiệu performance Ước lượng bình phương nhỏ two stage ordinary least hai giai đoạn squares Suất sinh lời tổng tài sản Return on Asset bình quân Tỷ số lợi nhuận ròng vốn Return on common equyty chủ sở hữu Vốn chủ sở hữu Equity Tổng tài sản Total assets Tổ chức Hợp tác Phát triển Organization for Economic Kinh tế Cooperation and Development NHNN Ngân hàng Nhà nước State Bank NHTM Ngân hàng thương mại Commercial Bank TMCP Thương mại cổ phần Stock Commercial TTS OECD v MỤC LỤC LỜI CAM ĐOAN i TÓM TẮT LUẬN VĂN ii DANH MỤC CÁC TỪ VIẾT TẮT iv MỤC LỤC v DANH MỤC BẢNG BIỂU VÀ HÌNH viii CHƯƠNG GIỚI THIỆU NGHIÊN CỨU 1.1 Đặt vấn đề 1.2 Tính cấp thiết đề tài 1.3 Mục tiêu nghiên cứu .3 1.3.1 Mục tiêu tổng quát 1.3.2 Mục tiêu cụ thể 1.4 Câu hỏi nghiên cứu 1.5 Đối tượng nghiên cứu phạm vi nghiên cứu .3 1.6 Phương pháp nghiên cứu 1.7 Nội dung nghiên cứu 1.8 Đóng góp đề tài Kết luận chương CHƯƠNG CƠ SỞ LÝ THUYẾT VÀ .7 TỔNG QUAN NGHIÊN CỨU TRƯỚC .7 2.1 Cơ sở lý thuyết 2.1.1 Lý thuyết cạnh tranh 2.1.2 Lý thuyết tập trung vi 2.1.3 Lý thuyết ổn định ngân hàng 10 2.1.4 Lý thuyết tác động cạnh tranh tập trung ngành đến ổn định ngân hàng 12 2.2 Tổng quan nghiên cứu gần 15 Kết luận chương 23 CHƯƠNG 25 PHƯƠNG PHÁP NGHIÊN CỨU 25 3.1 Phương pháp đo lường 25 3.1.1 Phương pháp ổn định ngân hàng thương mại 25 3.1.2 Phương pháp ước lượng mức độ tập trung thị trường 26 3.1.3 Phương pháp đo lường mức độ cạnh tranh ngân hàng 27 3.2 Mơ hình nghiên cứu giả thuyết nghiên cứu 30 3.3 Phương pháp ước lượng – Cách tiếp cận Bayes 36 Kết luận chương 40 CHƯƠNG 41 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 41 4.1 Tổng quan hoạt động hệ thống ngân hàng Việt Nam giai đoạn 2011-2021 41 4.2 Thống kê mô tả biến mơ hình nghiên cứu 47 4.3 Kết phân tích tính vững mơ Bayes 48 4.2 Kết nghiên cứu thảo luận 56 Kết luận chương 64 CHƯƠNG 65 KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH 65 5.1 Kết luận nghiên cứu 65 5.2 Hàm ý sách 66 vii 5.3 Hạn chế hướng nghiên cứu 66 Kết luận chương 71 TÀI LIỆU THAM KHẢO i PHỤ LỤC xiii PHỤ LỤC xvi viii DANH MỤC BẢNG BIỂU VÀ HÌNH Bảng 2.1 Tổng hợp nghiên cứu có liên quan 19 Bảng 3.1 Mô tả biến mơ hình 35 Bảng 3.2 Mô thông tin tiên nghiệm 38 Bảng 4.1 Thống kê mơ tả biến mơ hình 47 Bảng 4.2 Kết phân tích nhân tố Bayes 49 Bảng 4.3 Kết phân tích Bayes hậu nghiệm 50 Bảng 4.4 Kiểm định Grubin 55 Bảng 4.5 Kết mô Bayes 56 Bảng 4.6 Xác suất hậu nghiệm Bayes 58 Hình 4.1 Biểu đồ chuẩn đốn hội tụ 51 Hình 4.2 Đồ thị Cusum 53 CHƯƠNG GIỚI THIỆU NGHIÊN CỨU 1.1 Đặt vấn đề Trong vài thập kỷ gần đây, bất ổn tài trở thành mối quan tâm hàng đầu nhà hoạch định sách nhà nghiên cứu giới Kể từ sau khủng hoảng tài tồn cầu năm 2008, quốc gia phát triển phát triển triển khai cải cách mạnh mẽ hệ thống tài quốc gia mà trọng tâm hệ thống ngân hàng Hoạt động ngân hàng trải qua thay đổi đáng kể cấu trúc, trạng thái quy định pháp lý môi trường cạnh tranh thường xuyên biến động Xu hướng sát nhập, mua lại ngân hàng yếu diễn cách thường xuyên nhiều quốc gia ví dụ Việt Nam, ngân hàng giảm mạnh số lượng lại tăng đáng kể tài sản với mục đích cải thiện lành mạnh hệ thống ngân hàng Ý tưởng trình nêu bật tầm quan trọng việc tập trung ngân hàng việc tạo ngân hàng mạnh để có hệ thống tài ổn định Theo đó, tổ chức tín dụng có quy mơ lớn có nhiều khả việc thu thập thơng tin, sàng lọc giám sát người vay tạo dựng mối quan hệ dài hạn người vay người cho vay, qua làm giảm vấn đề liên quan đến rủi ro đạo đức lựa chọn bất lợi Đồng thời, tập trung ngân hàng ngăn chặn bất ổn tài cạnh tranh mức gây Sự gia nhập thị trường người chơi dẫn đến việc giảm thị phần tổ chức tài (TCTC) đó, lợi nhuận thấp Điều thúc đẩy ngân hàng tăng tài sản rủi ro để bù đắp tổn thất (Allen & Gale, 2000) Như vậy, ngân hàng có tài sản lớn có khả kháng cự với cú sốc tốt hơn, từ làm cho hệ thống tài trở nên an tồn Mặc dù có nhiều nhà nghiên cứu phản đối ý tưởng Theo Stigler (2010), tập trung ngành ngân hàng biểu độc quyền nhóm Theo giả định này, độc quyền lĩnh vực ngân hàng khơng có lợi cho phát triển tài Guzman (2000) cho ngân hàng có quyền lực độc quyền có xu hướng cho vay mức với niềm tin họ “quá lớn để sụp đổ” Những hành vi làm xuất vấn đề rủi ro đạo đức làm cho hoạt động ngân hàng giảm hiệu Cạnh tranh thấp dẫn đến tăng lãi suất cho vay đó, người vay có xu hướng chuyển sang dự án rủi ro (Leroy & Lucotte, 2017), điều làm trầm trọng rủi ro đạo đức làm cho ngân hàng hiệu Anginer, Demirguc-Kunt & Zhu (2014) lập luận ngân hàng có mức độ cạnh tranh cao có xu hướng đa dạng hóa khoản đầu tư qua làm cho tính mong manh tài hệ thống bị giảm 1.2 Tính cấp thiết đề tài Như vậy, thấy mối quan hệ mức cạnh tranh ngân hàng, tập trung ngân hàng ổn định hệ thống ngân hàng nhận nhiều quan tâm gây nhiều tranh cãi nhà nghiên cứu Tại Việt Nam, hệ thống ngân hàng giữ vị trí vơ quan trọng xem động lực phát triển kinh tế Theo số liệu World Bank, tín dụng khu vực tư nhân Việt Nam năm 2020 lên đến 137,9% GDP, số quốc gia có trình độ phát triển tương đương Indonesia 38,7%; Philippines 51,9%; Ấn Độ 55,3%… Đặc biệt năm 2021 vừa qua, dịch bệnh bùng phát nước ta, ngành ngân hàng đầu ban hành triển khai sách hỗ trợ người dân doanh nghiệp phục hồi phát triển sản xuất kinh doanh Ngành ngân hàng có vai trị quan trọng then chốt việc ổn định vĩ mô, cân đối lớn kinh tế Ngân hàng Nhà nước điều hành chủ động, linh hoạt, phối hợp chặt chẽ với sách tài khóa; giảm mặt lãi suất, triển khai đồng liệt nhiều giải pháp mở rộng tín dụng hiệu nhằm hỗ trợ người dân, doanh nghiệp phục hồi phát triển sản xuất kinh doanh bối cảnh dịch bệnh phức tạp; giữ ổn định tỷ giá, thị trường ngoại hối Điều khẳng định ổn định hệ thống ngân hàng Việt Nam đóng vai trị then chốt cho tăng trưởng cho kinh tế Việt Nam, lý này, tác giả định lựa chọn đề tài “Tác động cạnh tranh tập trung ngành đển ổn định ngân hàng nghiên cứu Việt Nam” nhằm xác định mức độ tác động cạnh tranh tập trung ngành đến ổn định tài Việt Nam đưa khuyến nghị nhằm cải thiện ổn định hệ thống ngân hàng 1.3 Mục tiêu nghiên cứu 1.3.1 Mục tiêu tổng quát Nghiên cứu thực để đánh giá tác động cạnh tranh tập trung ngành đến ổn định ngân hàng Việt Nam Đề xuất số hàm ý sách để cải thiện ổn định tài hệ thống ngân hàng Việt Nam 1.3.2 Mục tiêu cụ thể Để đạt mục tiêu tổng quát đánh giá tác động cạnh tranh tập trung ngành đến ổn định ngân hàng, tác giả giải mục tiêu cụ thể sau: Mục tiêu 1: Xác định yếu tố tác động đo lường tác động cạnh tranh mức độ tập trung ngành đến ổn định ngân hàng Mục tiêu 2: Đánh giá chiều hướng tác động từ cạnh tranh mức độ tập trung ngành đến ổn định ngân hàng Việt Nam Mục tiêu 3: Trên sở kết nghiên cứu đề xuất hàm ý sách nhằm cải thiện ổn định hệ thống ngân hàng Việt Nam 1.4 Câu hỏi nghiên cứu Để đạt mục tiêu cụ thể, luận văn trả lời câu hỏi nghiên cứu sau: Các yếu tố tác động đo lường tác động cạnh tranh mức độ tập trung ngành đến ổn định ngân hàng? Cạnh tranh tác động đến ổn định ngân hàng nào? Tập trung ngành tác động đến ổn định ngân hàng nào? Từ kết nghiên cứu, hàm ý sách nên thực thi để cải thiện ổn định hệ thống ngân hàng Việt Nam 1.5 Đối tượng nghiên cứu phạm vi nghiên cứu Đối tượng nghiên nghiên cứu: Tác động tập trung ngành, cạnh tranh ngành đến ổn định ngân hàng Phạm vi nghiên cứu: - Phạm vi không gian: 27 ngân hàng thương mại Việt Nam niêm yết sàn chứng khoán Việt Nam Khi doanh nghiệp hay ngân hàng niêm yết Sở giao dịch chứng khốn tính minh bạch cao, điều làm cho doanh xxiii Kết phân tích nhân tố Bayes (Bayes Factor) mơ hình Bayesian information criteria Chains Avg DIC Avg log(ML) log(BF) 3 3 472.4122 471.4099 473.6563 475.0287 475.4880 -255.4935 -257.5948 -267.0257 -278.6265 -290.8961 -2.1013 -11.5321 -23.1330 -35.4026 Zscore1 Zscore2 Zscore3 Zscore4 Zscore5 Kết phân tích mơ hình Bayes (Bayesian model test) mơ hình Bayesian model tests Zscore1 Zscore2 Zscore3 Zscore4 Zscore5 Chains Avg log(ML) P(M) P(M|y) 3 3 -255.4935 -257.5948 -267.0257 -278.6265 -290.8961 0.2000 0.2000 0.2000 0.2000 0.2000 0.8910 0.1090 0.0000 0.0000 0.0000 xxiv Kết mô 2.1 Model summary Likelihood: NPL ~ normal(xb_NPL,{var}) Priors: {NPL:HHI_TD} {NPL:LERNER} {NPL:SIZE} {NPL:CAP} {NPL:NITA} {NPL:CRE} {NPL:ITP} {NPL:GDP} {NPL:INF} {NPL:COVID} {NPL:_cons} {var} ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) normal(0,1) igamma(0.01,0.01) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) Parameters are elements of the linear form xb_NPL Block summary 1: 2: {var} {NPL:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons} Bayesian normal regression Gibbs sampling Avg log marginal-likelihood = Mean Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc 807.35993 Std Dev MCSE Median (Gibbs) (Gibbs) = = = = = = = = = = 12,500 2,500 10,000 297 9357 9908 1 Equal-tailed [95% Cred Interval] NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons -.1395527 -.0161769 -.0010952 -.0232879 -.021925 000395 0939213 -.0470771 0507519 -.0012271 0441519 4100537 0100141 0014807 0212434 0081065 0035074 0977524 1853694 0536415 0073715 0410894 002375 000058 8.5e-06 000124 000047 00002 000564 001071 00031 000043 000239 -.1411666 -.0161558 -.0010915 -.0233596 -.0219532 0004005 0936485 -.0476992 0506102 -.0012711 0443518 -.9382013 -.0358798 -.0040143 -.0646866 -.0376545 -.006515 -.0991959 -.4122059 -.0548097 -.0156636 -.0364657 6785024 00367 0017842 0181824 -.0059001 0072846 2851989 3185146 1559811 0132243 1240852 var 000184 0000154 9.2e-08 0001833 0001564 0002168 Note: Default initial values are used for multiple chains xxv Kết mô 2.2 Model summary Likelihood: NPL ~ normal(xb_NPL,{var}) Priors: {NPL:HHI_TD} {NPL:LERNER} {NPL:SIZE} {NPL:CAP} {NPL:NITA} {NPL:CRE} {NPL:ITP} {NPL:GDP} {NPL:INF} {NPL:COVID} {NPL:_cons} {var} ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) normal(0,10) igamma(0.01,0.01) (1) Parameters are elements of the linear form xb_NPL Block summary 1: 2: {var} {NPL:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons} Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc Bayesian normal regression Gibbs sampling Avg log marginal-likelihood = Mean 794.93293 Std Dev MCSE Median (Gibbs) (Gibbs) = = = = = = = = = = 12,500 2,500 10,000 297 9399 994 1 Equal-tailed [95% Cred Interval] NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons -.1663867 -.0161808 -.0011041 -.023612 -.0219808 0003864 0988349 -.0430306 0490695 -.0011583 0467713 453107 0099345 0014943 0210801 0080518 0035223 1027227 1928385 0541199 0075525 0446191 002631 000057 8.6e-06 000122 000046 00002 000593 001113 000312 000044 000258 -.1687645 -.0161245 -.0011028 -.0236753 -.0219745 0003781 0991908 -.0420232 0494458 -.0011147 0472458 -1.041518 -.0357922 -.004045 -.0648904 -.0379158 -.0065319 -.1051702 -.4248911 -.0570578 -.016167 -.0412375 7255252 0031855 0018218 0176625 -.0060656 0073237 2981964 336025 1558743 013617 1335458 var 0001842 0000155 9.2e-08 0001833 0001564 000217 Note: Default initial values are used for multiple chains xxvi Kết phân tích mơ 2.3 Model summary Likelihood: NPL ~ normal(xb_NPL,{var}) Priors: {NPL:HHI_TD} {NPL:LERNER} {NPL:SIZE} {NPL:CAP} {NPL:NITA} {NPL:CRE} {NPL:ITP} {NPL:GDP} {NPL:INF} {NPL:COVID} {NPL:_cons} {var} ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) normal(0,100) igamma(0.01,0.01) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) Parameters are elements of the linear form xb_NPL Block summary 1: 2: {var} {NPL:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons} Bayesian normal regression Gibbs sampling Avg log marginal-likelihood = Mean Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc 782.01443 Std Dev MCSE Median (Gibbs) (Gibbs) = = = = = = = = = = 12,500 2,500 10,000 297 9263 9917 1 Equal-tailed [95% Cred Interval] NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons -.1706226 -.0161693 -.0011035 -.023574 -.0219918 0004128 0996781 -.0414827 048704 -.0010961 0470962 4531534 009915 0014956 0211258 0080471 0034849 1028415 1930115 0542288 007521 0445868 002618 000057 8.6e-06 000122 000046 00002 000594 001114 000314 000043 000257 -.1708321 -.0161395 -.0010997 -.0235086 -.0219599 0003951 1002265 -.0411137 0488808 -.0011211 0470757 -1.057382 -.0355772 -.004052 -.0655207 -.037885 -.0063521 -.101708 -.4200145 -.0586272 -.0157971 -.0404988 715394 0034505 0018097 0177043 -.0062938 0072708 3016292 3311637 1544512 0135974 1345511 var 0001841 0000155 9.3e-08 0001832 000156 000217 Note: Default initial values are used for multiple chains xxvii Kết mô 2.4 Model summary Likelihood: NPL ~ normal(xb_NPL,{var}) Priors: {NPL:HHI_TD} {NPL:LERNER} {NPL:SIZE} {NPL:CAP} {NPL:NITA} {NPL:CRE} {NPL:ITP} {NPL:GDP} {NPL:INF} {NPL:COVID} {NPL:_cons} {var} ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) normal(0,1000) igamma(0.01,0.01) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) Parameters are elements of the linear form xb_NPL Block summary 1: 2: {var} {NPL:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons} Bayesian normal regression Gibbs sampling Avg log marginal-likelihood = Mean Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc 769.51708 Std Dev MCSE Median (Gibbs) (Gibbs) = = = = = = = = = = 12,500 2,500 10,000 297 9284 983 1 Equal-tailed [95% Cred Interval] NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons -.1669663 -.0162544 -.0010954 -.0234517 -.0220453 0003768 0990496 -.0403481 0487803 -.0010353 0465938 4552391 0098908 001491 0209731 0080272 0034935 1027905 1922262 0540856 0075045 0449346 002628 000058 8.8e-06 000121 000047 00002 000593 001122 000314 000044 000259 -.1665844 -.016295 -.0010999 -.0235428 -.0220361 0003962 0988877 -.0411565 0490099 -.00098 0465297 -1.05561 -.0355435 -.0040194 -.0643046 -.0377394 -.0064252 -.1020179 -.4169725 -.0578244 -.0159424 -.0413106 7263409 0029388 0018335 0180523 -.0061757 007198 3000828 3363278 1547548 0136581 1347932 var 000184 0000155 9.3e-08 0001831 000156 0002167 Note: Default initial values are used for multiple chains xxviii Kết phân tích mơ 2.5 Priors: {NPL:HHI_TD} {NPL:LERNER} {NPL:SIZE} {NPL:CAP} {NPL:NITA} {NPL:CRE} {NPL:ITP} {NPL:GDP} {NPL:INF} {NPL:COVID} {NPL:_cons} {var} ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) (1) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) normal(0,10000) igamma(0.01,0.01) (1) Parameters are elements of the linear form xb_NPL Block summary 1: 2: {var} {NPL:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons} Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc Bayesian normal regression Gibbs sampling Avg log marginal-likelihood = Mean 756.84353 Std Dev MCSE Median (Gibbs) (Gibbs) = = = = = = = = = = 12,500 2,500 10,000 297 9427 9932 1 Equal-tailed [95% Cred Interval] NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons -.1671247 -.0162526 -.0011007 -.0235392 -.0219725 0004154 0987454 -.0440616 0489812 -.0011909 0468937 4588597 0099685 001491 0212799 0080686 0035308 1037077 1923436 0545755 0074788 0451433 002652 000058 8.6e-06 000123 000047 00002 000599 00111 000316 000043 000261 -.1634087 -.0161492 -.0011145 -.0235306 -.0219653 0003903 0981304 -.0439573 0488866 -.0011816 046594 -1.074552 -.0358031 -.0040268 -.0652356 -.0377204 -.0064609 -.1031727 -.4189748 -.0580621 -.0159378 -.0414963 7263906 0031158 0018264 018372 -.0061958 0073792 3005139 3365741 1560724 0133319 1358767 var 0001841 0000154 9.2e-08 0001832 0001562 0002167 Note: Default initial values are used for multiple chains xxix Kết phân tích nhân tố Bayes (Bayes Factor) mơ hình Bayesian information criteria Chains Avg DIC Avg log(ML) log(BF) 3 3 -479.3812 -477.3358 -476.2349 -475.9839 -475.9096 214.1712 203.5832 191.5438 179.0198 166.4367 -10.5880 -22.6274 -35.1514 -47.7345 NPL1 NPL2 NPL3 NPL4 NPL5 Kết kiểm định mơ hình Bayes (Bayesian test model) mơ hình Bayesian model tests NPL1 NPL2 NPL3 NPL4 NPL5 Chains Avg log(ML) P(M) P(M|y) 3 3 214.1712 203.5832 191.5438 179.0198 166.4367 0.2000 0.2000 0.2000 0.2000 0.2000 1.0000 0.0000 0.0000 0.0000 0.0000 xxx Kết mơ mơ hình Block summary 1: 2: {var} (Gibbs) {LnZscore:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons}(Gibbs) Bayesian normal regression Gibbs sampling Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc Avg log marginal-likelihood = -255.49369 Mean Std Dev MCSE Median = = = = = = = = = = 12,500 2,500 10,000 297 9356 9864 1 Equal-tailed [95% Cred Interval] LnZscore HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons 244559 1.922842 0965863 2.252963 -.1045335 -.095516 6418698 -.0172741 6579098 025884 1.625084 9900205 3474471 0488322 6272516 2953551 1335435 8490587 9809778 6836582 1178133 4295041 005716 002041 000282 003652 001705 000771 004923 00571 003995 00068 00248 2364547 1.923184 0962286 2.248789 -.1049697 -.0952289 6413581 -.0193897 6561123 0265473 1.626333 -1.695636 1.237611 0017076 1.024112 -.6871473 -.3571881 -1.032362 -1.93361 -.6820659 -.2057705 7825057 2.181167 2.607312 1932346 3.482669 4732305 1669331 2.303571 1.921589 1.996594 2563172 2.466476 var 2803901 0235286 00014 2791892 2381866 3297584 Note: Default initial values are used for multiple chains xxxi Phân tích Grubin mơ hình Number of chains = MCMC size, per chain = Max Gelman-Rubin Rc = 10,000 1.00014 Rc LnZscore HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons 1.000111 9999901 9999575 9999963 1.000125 1.000081 1.000064 1.00014 1.000086 1.000018 999951 var 1.000034 Convergence rule: Rc < 1.1 Phân tích xác suất Bayes hậu nghiệm mơ hình Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {LnZscore:HHI_TD} > Mean prob1 Interval tests 5934667 Std Dev 0.49119 Number of chains = MCMC sample size = MCSE 0028359 30,000 prob1 : {LnZscore:LERNER} > Mean prob1 Interval tests Std Dev 0.00000 Number of chains = MCMC sample size = MCSE 30,000 prob1 : {LnZscore:CAP} > Mean prob1 9997667 Std Dev 0.01527 MCSE 0000882 xxxii Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {LnZscore:SIZE} > Mean prob1 Interval tests 9768333 Std Dev 0.15043 Number of chains = MCMC sample size = MCSE 0008746 30,000 prob1 : {LnZscore:NITA} < Mean prob1 Interval tests 6383333 Std Dev 0.48050 Number of chains = MCMC sample size = MCSE 0027881 30,000 prob1 : {LnZscore:CRE} < Mean prob1 7620333 Std Dev 0.42584 MCSE 0024586 bayestest interval { LnZscore :ITP}, lower(0) Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {LnZscore:ITP} > Mean prob1 Interval tests 7766667 Std Dev 0.41649 Number of chains = MCMC sample size = MCSE 0024229 30,000 prob1 : {LnZscore:GDP} < Mean prob1 5089667 Std Dev 0.49994 MCSE 0029122 xxxiii Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {LnZscore:INF} > prob1 Mean Std Dev .832 0.37387 MCSE 0021585 bayestest interval { LnZscore :COVID}, lower(0) Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {LnZscore:COVID} > prob1 Mean Std Dev .5874 0.49231 MCSE 0028573 xxxiv Kết mơ mơ hình Block summary 1: 2: {var} {NPL:HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons} Bayesian normal regression Gibbs sampling Avg log marginal-likelihood = Mean Number of chains Per MCMC chain: Iterations Burn-in Sample size Number of obs Avg acceptance rate Avg efficiency: avg max Max Gelman-Rubin Rc 807.39995 Std Dev MCSE Median (Gibbs) (Gibbs) = = = = = = = = = = 12,500 2,500 10,000 297 9401 9918 1 Equal-tailed [95% Cred Interval] NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons -.1436958 -.0162565 -.0010881 -.0234417 -.0219198 0003964 0947202 -.0459934 0504543 -.0012107 04448 4108651 0099758 0014862 0210348 00805 0035037 0980711 1864703 0537369 0074274 0410914 002372 000058 8.6e-06 000122 000047 00002 000566 001081 00031 000043 000237 -.1428685 -.0162869 -.0010875 -.0235431 -.0219296 0003966 094446 -.0460358 05054 -.0011859 0446673 -.9489436 -.0357392 -.004043 -.0643802 -.0378102 -.0065048 -.0955093 -.4102071 -.0542067 -.015691 -.0355122 6548259 0033594 0018222 0180673 -.0061558 0072284 2871425 3191058 1561622 0133234 1250098 var 0001839 0000155 9.2e-08 0001831 0001561 0002165 Note: Default initial values are used for multiple chains xxxv Phân tích Grubin mơ hình Number of chains = MCMC size, per chain = Max Gelman-Rubin Rc = 10,000 1.00034 Rc NPL HHI_TD LERNER SIZE CAP NITA CRE ITP GDP INF COVID _cons 1.00003 1.00034 1.000069 9999685 1.000049 9999768 1.000013 1.00005 9999707 1.000038 1.000132 var 1.000001 Convergence rule: Rc < 1.1 Phân tích Bayes hậu nghiệm mơ hình Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {NPL:HHI_TD} < Mean prob1 Interval tests Std Dev .6365333 0.48100 Number of chains = MCMC sample size = MCSE 0027935 30,000 prob1 : {NPL:LERNER} < Mean prob1 Interval tests Std Dev .9471333 0.22377 Number of chains = MCMC sample size = MCSE 0012919 30,000 prob1 : {NPL:CAP} < Mean prob1 8693333 Std Dev 0.33704 MCSE 0019536 xxxvi Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {NPL:SIZE} < Mean prob1 Interval tests 7660333 Std Dev 0.42336 Number of chains = MCMC sample size = MCSE 0024523 30,000 prob1 : {NPL:SIZE} < Mean prob1 Interval tests 7660333 Std Dev 0.42336 Number of chains = MCMC sample size = MCSE 0024523 30,000 prob1 : {NPL:SIZE} < Mean prob1 Interval tests 7660333 Std Dev 0.42336 Number of chains = MCMC sample size = MCSE 0024523 30,000 prob1 : {NPL:SIZE} < Mean prob1 Interval tests 7660333 Std Dev 0.42336 Number of chains = MCMC sample size = MCSE 0024523 30,000 prob1 : {NPL:SIZE} < Mean prob1 Interval tests 7660333 Std Dev 0.42336 Number of chains = MCMC sample size = MCSE 0024523 30,000 prob1 : {NPL:SIZE} < Mean prob1 7660333 Std Dev 0.42336 MCSE 0024523 xxxvii Interval tests Number of chains = MCMC sample size = 30,000 prob1 : {NPL:SIZE} < Mean prob1 7660333 Std Dev 0.42336 MCSE 0024523