Luận văn thạc sỹ tác động của thanh khoản đến khả năng sinh lời của các ngân hàng thương mại việt nam

GIỚI THIỆU NGHIÊN CỨU

Mục tiêu tổng quát

Mục tiêu nghiên cứu của đề tài là đánh giá tác động của thanh khoản đến KNSL của các NHTM Việt Nam.

Mục tiêu cụ thể

Xác định mức độ tác động của thanh khoản đến KNSL của hệ thống NHTM Việt Nam Đề xuất một số hàm ý chính sách nhằm nâng cao tính thanh khoản của các NHTM Việt Nam, từ đó nâng cao KNSL của các ngân hàng.

Từ các mục tiêu nghiên cứu trên, luận văn sẽ tập trung để trả lời các câu hỏi sau đây:

- Khả năng thanh khoản có tác động đến lợi nhuận của NHTM hay không? Mức độ tác động và chiều hướng tác động của thanh khoản đến KNSL ra sao?

- Những khuyến nghị nào nhằm nâng cao tính thanh khoản của các NHTM Việt Nam, từ đó nâng cao KNSL của các ngân hàng ? Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: Tác động của thanh khoản của ngân hàng đến KNSL của hệ thống NHTM Việt Nam.

Phạm vi không gian: Luận văn sử dụng dữ liệu được tổng hợp trên báo cáo tài chính của 27 NHTM Việt Nam, và là số liệu thứ cấp.

Phạm vi thời gian: Số liệu thu thập dựa trên Báo cáo tài chính hợp nhất của

27 NHTM Việt Nam từ năm 2010 đến năm 2021 Đây là khoảng thời gian đủ dài để có được số quan sát cần thiết, làm tăng mức độ tin cậy của các phương pháp thống kê sử dụng.

Luận văn sử dụng phương pháp định lượng để xác định mức độ tác động của thanh khoản đến KNSL của các NHTM Để đo lường mức độ ảnh hưởng của mức độ tác động của thanh khoản đến KNSL của các NHTM Việt Nam, tác giả sử dụng mô hình hồi quy Pooled (OLS), FEM và REM để nghiên cứu Nghiên cứu tiến hành các kiểm định F để lựa quyết định sử dụng mô hình OLS, FEM hay REM và thực hiện kiểm định Hausmann để lựa chọn giữa mô hình FEM và REM Khi đã lựa chọn được mô hình tối ưu, bước tiếp theo sẽ thực hiện việc kiểm định các hiện tượng đa cộng tuyến, phương sai thay đổi, tự tương quan đối với mô hình tối ưu vừa lựa chọn Sau bước kiểm định lực chọn ra mô hình tối ưu, các bước kiểm định tiếp theo gồm kiểm định các hiện tượng đa cộng tuyến, phương sai thay đổi, tự tương quan và để khắc phục các khuyết tật phát hiện ra từ mô hình FEM và REM được chọn, tác giả sử dụng mô hình GLS Với mô hình sau khi đã khắc phục các khuyết tật của mô hình đã lựa chọn (nếu có), tác giả tiến hành các phương pháp quy nạp, phân tích, để đưa ra các kết luận, và các hàm ý chính sách nhằm gia tăng thanh khoản cũng như nâng cao được KNSL của các NHTM Việt Nam.

Dữ liệu thu thập là dữ liệu thứ cấp từ Báo cáo tài chính của 27 NHTM tại Việt Nam từ năm 2010 đến năm 2021 Có 27 NHTM được lựa chọn là những ngân hàng công bố thông tin đầy đủ và đây cũng là các ngân hàng mà tác giả có thể lấy được nguồn số liệu Phụ lục 1. Đóng góp của đề tài

Nghiên cứu về thanh khoản và tác động của thanh khoản đến KNSL củaNHTM đã có nhiều đề tài nghiên cứu trên thế giới và cả ở Việt Nam, tuy nhiên các nghiên cứu này chưa nghiên cứu về vấn đề thanh khoản của các ngân hàng trong bối cảnh mới, tình hình mới với số liệu cập nhật hơn để xem xét mối tương quan thanh khoản với KNSL của hệ thống NHTM Vì vậy, với đề tài “Tác động của thanh khoản đến KNSL của hệ thống NHTM Việt Nam”, với nguồn dữ liệu được thu thập trong khoản thời gian dài hơn và cập nhật hơn, nghiên cứu cũng bổ sung thêm một bằng chứng thực nghiệm về thanh khoản đối với KNSL của các NHTMViệt Nam trong bối cảnh tình hình mới, với số liệu cập nhật hơn.

Bài nghiên cứu bao gồm 5 Chương được xây dựng như sau:

Chương 1: Giới thiệu nghiên cứu

Chương 2: Tổng quan lý thuyết và các nghiên cứu trước

Chương 3: Phương pháp nghiên cứu

Chương 4: Kết quả nghiên cứu và thảo luận.

Chương 5: Kết luận và khuyến nghị.

Chương này tập trung trình bày năm nội dung chính, gồm khái quát các vấn đề liên quan gồm thứ nhất là tính cấp thiết của đề tài, đối tượng phạm vi nghiên cứu phương pháp nghiên cứu, bố cục luận văn Bài viết tiếp cận theo hướng từ vai trò quan trọng của việc nhận định các yếu tố, xác định chiều hướng tác động của các yếu tố này đến KNSL của các NHTMVN Chương 2 tiếp theo sẽ trình bày tổng quan về các lý thuyết nền và các nghiên cứu trước có liên quan đến đề tài.

TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC

Thanh khoản

Thanh khoản là một thuật ngữ trong lĩnh vực tài chính ngân hàng Hiện nay có nhiều nhà nghiên cứu khoa học và nhà kinh tế học định đưa ra các khái niệm và cách hiểu về thuật ngữ thanh khoản.

Theo Falconer (2001) tính thanh khoản của ngân hàng thể hiện khả năng đáp ứng việc hoàn trả nợ vay khi đến hạn hoặc khả năng chuyển hóa ra tiền của tài sản ngắn hạn Một ngân hàng có đủ khả năng thanh khoản thể hiện bằng cách đi vay tiền hoặc chuyển đổi tài sản lưu động nhanh chóng thành tiền mặt với chi phí hợp lý.

Theo Peter S Rose (2002) một tài sản có tính thanh khoản cao phải thỏa mãn đồng thời 2 điều kiện: có thị trường giao dịch để có thể dễ dàng chuyển hóa tài sản thành tiền và có giá cả ổn định không chịu tác động của số lượng và thời gian giao dịch.

Theo Wasiuzzaman và Tarmizi (2010), tính thanh khoản của ngân hàng là đảm bảo sự sẵn có của các khoản tiền để đáp ứng cho các nghĩa vụ tài chính, các cam kết hoặc nghĩa vụ tài chính khi đến hạn tại một mức giá hợp lý ở mọi thời điểm Thanh khoản ngân hàng là một ngân hàng có tiền ở trong những trường hợp đặc biệt để đáp ứng nhu cầu rút tiền của khách hàng.

Ngoài ra, theo Basel (2008) khả năng ngân hàng gia tăng thêm tài sản để đáp ứng các nghĩa vụ tài chính khi đến hạn mà không có thiệt hại đáng kể nào được gọi là tính thanh khoản Bình luận về khái niệm này tại Basel (2008), theo Teply

(2011) bổ sung thêm là cần phân biệt tính thanh khoản của thị trường và tính thanh khoản tài trợ hoặc thanh toán, thể hiện mức độ khó khăn trong việc tìm kiếm được tiền để đáp ứng các nghĩa vụ.

Tiếp cận theo CAMELS, Demirguc-Kunt (1989) cho rằng tính thanh khoản của ngân hàng được đo lường bằng tỷ lệ thanh khoản dựa trên số liệu kế toán về tài sản lưu động trên tổng tài sản hoặc tổng số dư nợ cho vay trên tổng số tiền gửi huy động Theo Poorman và Blake (2005) nguyên nhân của các rủi ro là do việc các nhà quản trị chưa quan tâm đến tính thanh khoản của các tài sản ngắn hạn khác cũng như danh mục cho vay tại các ngân hàng.

Tiếp theo luồng quan điểm trên đây, nghiên cứu của Bradley và Shibut

(2006) còn cho thấy các ngân hàng đôi khi có thể bỏ qua các nghiệp vụ tăng vốn như phát hành trái phiếu nếu quá tập trung vào huy động tiền gửi từ khách hàng.

Một điểm mới trong nghiên cứu của Decker (2000) chính là việc đưa quan điểm của tính thanh khoản của thị trường vào cùng xem xét với thanh khoản của ngân hàng, hay nói cách khác khi đánh giá và đo lường thanh khoản của ngân hàng cũng cần xem xét đến yếu tố thanh khoản của thị trường.

Theo Giáo trình Ngân hàng Thương mại (2018) của Đại học Kinh tế Quốc dân thì cung thanh khoản là các khoản vốn làm tăng khả năng chi trả của ngân hàng, là nguồn cung cấp thanh khoản cho ngân hàng, bao gồm:

Các khoản tiền gửi đang đến (S1): Có thể coi đây là nguồn cung quan trọng nhất của ngân hàng Để gia tăng nguồn cung này, các ngân hàng có thể thực hiện các biện pháp như: tăng lãi suất huy động kèm theo đó là các dịch vụ đi kèm việc huy động Hoặc là các kênh đầu tư khác có mức lãi suất đầu tư kém hấp dẫn hơn thì nguồn cung này cũng được tăng lên

Doanh thu từ việc bán các khoản dịch vụ (S2): Nguồn cung này có thể đến từ việc các ngân hàng thực hiện thu phí đối với các khách hàng thực hiện các nghiệp vụ như bảo lãnh, mở L/C hay thanh toán các món chuyển tiền quốc tế, trong nước

Thu hồi tín dụng đã cấp (S3): Đây chính là nguồn cung quan trọng thứ hai của cung thanh khoản Hoạt động tín dụng là hoạt động chính của ngân hàng, do đó việc thu hồi các khoản tín dụng đã cấp mang lại nguồn thu lớn cho ngân hàng Nếu các khoản tín dụng đều thanh toán đ ng hạn thì không những mang lại nguồn cung lớn mà còn đảm bảo cho hiệu quả hoạt động kinh doanh của ngân hàng.

Bán các tài sản đang kinh doanh và sử dụng (S4): ngân hàng có thể chuyển hóa các tài sản của mình thành tiền để đáp ứng nhu cầu thanh khoản Vay mượn từ thị trường tiền tệ (S5): Việc tăng cung thanh khoản có thể đến từ việc đi vay trên thị trường tiền tệ Các giao dịch này được thực hiện giữa các NHTM với nhau hay giữa NHTM với NHNN

Theo Giáo trình Ngân hàng Thương mại (2018) của Đại học Kinh tế Quốc dân thì cầu thanh khoản (hay là nhu cầu thanh khoản) là nhu cầu thanh toán của khách hàng mà ngân hàng có nghĩa vụ đáp ứng Cầu thanh khoản bao gồm yêu cầu chi trả và tín dụng hợp pháp của khách hàng Việc ngân hàng bán các tài sản để đáp ứng nhu cầu thanh khoản gọi là bán thanh khoản Các yếu tố chính tạo cầu thanh khoản

Các chỉ tiêu đo lường thanh khoản

Phương pháp tiếp cận và đo lường theo các chỉ số thể hiện khả năng thanh khoản

- Tỷ lệ vốn chủ sở hữu trên tổng tài sản (CAR- Capital Ratio)

Theo của Pradhan (2016) để phản ánh tính thanh khoản và sức mạnh của vốn chủ sở hữu đối với thanh khoản của ngân hàng, hệ số CAR- tỷ lệ vốn chủ sở hữu trên tổng tài sản được sử dụng nhằm cho biết mức độ ổn định tài chính của ngân hàng Tỷ lệ này được tính bằng cách chia vốn chủ sở hữu cho tổng tài sản Phương pháp này đo lường cách thức phần lớn tài sản của ngân hàng được tài trợ bằng tiền của chủ sở hữu và là đại diện cho sự an toàn vốn của ngân hàng Theo như các kết quả nghiên cứu trước cho thấy có nhiều kết quả khác nhau về mối quan hệ giữa tỷ lệ vốn chủ sở hữu trên tài sản và KNSL của ngân hàng như trong các nghiên cứu của Pradhan, P., Shyam, R., & Shrestha, R (2016), Pak, O (2020), Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), Lê Đồng Duy Trung

(2020), Tăng Mỹ Sang (2020) Chẳng hạn như theo các giả thuyết đánh đổi rủi ro lợi nhuận, tỷ lệ vốn chủ sở hữu trên tài sản cao hơn dẫn đến lợi nhuận kỳ vọng thấp hơn Phản đối giả thuyết rủi ro, Berger (1995b) xem xét giả thuyết báo hiệu và chi phí phá sản, giả thuyết gợi ý rằng tỷ lệ vốn chủ sở hữu trên tài sản cao hơn sẽ làm tăng KNSL do các vấn đề về tín hiệu hoặc giảm chi phí của sự khó khăn tài chính. Trên cơ sở đó, nghiên cứu này đã phát triển giả thuyết sau Tại nghiên cứu của Pradhan và ctg (2017) cho rằng có mối quan hệ tương quan thuận chiều giữa tỷ suất vốn chủ sở hữu ( CAR) và KNSL của ngân hàng.

- Tỷ lệ dư nợ cho vay trên tổng vốn huy động ( LDR)

Tỷ lệ dư nợ cho vay trên tổng vốn huy động ( LDR) là tỷ lệ quan trọng nhất để đo lường điều kiện thanh khoản của ngân hàng (Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương, 2016; Lê Đồng Duy Trung, 2020) Dư nợ cho vay là tổng dư nợ cho vay đối với khách hàng của các NHTM và số liệu này được lấy trên bảng cân đối kế toán của các ngân hàng hàng năm Ngân hàng có hệ số LDR thấp được coi là có thanh khoản, lợi nhuận có khả năng thấp hơn và do đó ít rủi ro hơn so với ngân hàng có hệ số LDR cao Tuy nhiên, theo Chowdhury, T A.,

& Ahmed, K (2009) thì hệ số LDR cao cho thấy một ngân hàng đã chịu nhiều căng thẳng hơn về tài chính do cho vay quá nhiều và cũng cho thấy rủi ro rằng để đáp ứng yêu cầu của người gửi tiền, ngân hàng có thể phải bán một số khoản vay khi bị lỗ Hệ số LDR cho thấy sự phù hợp của việc đầu tư các khoản tiền hiện có vào ngân hàng thu được từ tiền gửi, để đáp ứng nhu cầu cho vay và ứng trước Hệ số LDR có thể được tính bằng cách chia tổng dư nợ cho vay cho tổng số tiền gửi tại ngân hàng Theo nghiên cứu của Pradhan (2017) hệ số LDR có quan hệ cùng chiều với KNSL của Ngân hàng.

- Tỷ lệ thanh khoản (LIR)

Hệ số tỷ lệ thanh khoản (LIR) là tỷ lệ giữa tổng tài sản và tài sản lưu động. Tài sản lưu động bao gồm dự trữ tiền mặt tại NHTW, tiền mặt và các khoản tương đương tiền, tiền gửi ngắn hạn trong ngân hàng, các chứng khoán khác được chính phủ và phi chính phủ bảo lãnh theo tỷ lệ phần trăm của tổng tài sản ngân hàng Hệ số LIR có thể được tính toán bằng cách chia tỷ lệ tài sản ngắn hạn cho tổng tài sản. Rủi ro thanh khoản là một trong những loại rủi ro đối với ngân hàng, khi các ngân hàng nắm giữ một lượng tài sản lưu động thấp hơn, họ sẽ dễ bị tổn thương hơn với số tiền gửi lớn rút tiền (Diamond và Rajan (2005), Lartey, V C., Antwi, S., & Boadi,

E K (2013), Ongore và Kus (2013), Abbas, F., Iqbal, S., & Aziz, B (2019), Pak,

O (2020), Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016))

- Hệ số khả năng thanh toán nhanh ( QIR)

Hệ số thanh toán nhanh (QIR) đo lường khả năng hoàn trả các nghĩa vụ ngắn hạn của ngân hàng trong một khoảng thời gian rất ngắn ( như một vài ngày) Hệ số thanh toán nhanh có thể được tính bằng cách lấy phần chênh lệch của tài sản lưu động và hàng tồn kho chia cho nợ ngắn hạn Các nghiên cứu về vấn đề này có nghiên cứu của Tăng Mỹ Sang (2020)

Các chỉ tiêu đo lường khả năng sinh lời

2.2.2.1 Tỷ suất lợi nhuận sau thuế trên tổng tài sản (ROA)

Theo Rose (2022), ROA được coi là thước đo định lượng tốt nhất đánh giáHQHĐ của các tổ chức kinh tế nói chung và ngân hàng nói riêng Thước đo này cho biết mỗi đô la tài sản được sử dụng trong hoạt động kinh doanh tạo ra bao nhiêu lợi nhuận, vì vậy nó có thể được sử dụng để so sánh HQHĐ của các ngân hàng Theo

Rivard & Thomas (1997), lợi nhuận sau thuế trên tổng tài sản là chỉ tiêu tốt nhất đánh giá KNSL của ngân hàng Với quy mô tài sản như nhau, ngân hàng nào có ROA cho thấy hoạt động kinh doanh của ngân hàng có hiệu quả (Nguyễn Thành Đạt & Nguyễn Thị Mỹ Duyên (2021), Batten & Vo (2019), Farkasdi và c.s (2021). Theo nghiên cứu của Davydenko (2010), ROA cũng có một số hạn chế, bao gồm việc loại bỏ các yếu tố ngoại bảng đóng góp vào lợi nhuận.

Lợi nhuận sau thuế (2.1) ROA Tài sản bình quân

2.2.2.2 Tỷ suất lợi nhuận sau thuế trên tổng tài sản (ROE)

ROA của một ngân hàng cho biết sức khỏe tổng thể của nó, trong khi ROE của nó cho biết giá trị của nó đối với các cổ đông Nói cách khác, ROE đo lường mức độ hiệu quả và hiệu quả của một ngân hàng sử dụng vốn và chất lượng quản lý vốn của ngân hàng Đối với các nhà đầu tư thì hệ số ROE càng cao là tín hiệu đầu tiên thu hút sự chú ý của các nhà đầu tư tương lai.

Trong nghiên cứu của Gul và c.s (2011b), đã chỉ ra cách các ngân hàng tạo ra lợi nhuận từ vốn đầu tư của họ Theo Nguyễn Thị Cành (2009), ROE là thước đo HQHĐ của ngân hàng dựa trên tỷ suất sinh lợi tài chính Ở ngân hàng có ROE cao thì vốn được sử dụng hiệu quả hơn Tuy nhiên, ROE thấp sẽ ảnh hưởng tiêu cực đến nhà đầu tư về tâm lý.

Lợi nhuận sau thuế (2.2) ROE Vốn chủ sở hữu bình quân

2.2.2.3 Tỷ lệ thu nhập lãi cận biên (NIM)

NIM của ngân hàng được tính bằng chênh lệch giữa doanh thu lãi và chi phí trả lãi trên tổng tài sản có sinh lãi Chỉ số NIM giúp ngân hàng có thể cân đối được giữa chi phí lãi và doanh thu lãi, tìm kiếm nguồn vốn có chi phí trả lãi thấp nhất để sử dụng với mức doanh thu lãi cao nhất.

Chỉ sô NIM được nghiên cứu khá nhiều trên thế giới như Ongore và Kus

(2013), Pradhan, P., Shyam, R., & Shrestha, R (2016), Pak, O (2020), Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016).

Thu nhập lãi thuần (2.3) NIM Tài sản sinh lãi

Mối quan hệ giữa của thanh khoản đến khả năng sinh lời.

Hiện nay, mối quan hệ giữa thanh khoản và KNSL được thể hiện ở nhiều lý thuyết, tuy nhiên đều tập trung trả lời tính thanh khoản có hưởng đến KNSL của các ngân hàng như thế nào Thông thường thanh khoản cao được coi là một dấu hiệu của sức mạnh tài chính (Chandra , 2001) Tuy nhiên, thực tế là Tài sản ngắn hạn thường mang lại ít lợi nhuận, nên thanh khoản cao có thể không phải là trạng thái mà nhiều ngân hàng mong muốn (Assaf Neto, 2003) Nó đại diện cho chi phí cơ hội khiến ngân hàng phải giảm đầu tư vào tài sản sinh lời ít đi, do đó làm giảm lợi nhuận của các công ty kết luận này được tìm thấy ở các nghiên cứu của Diamond và Rajan (2005), Lartey, V C., Antwi, S., & Boadi, E K (2013), Ongore và Kus (2013), Abbas, F., Iqbal, S., & Aziz, B (2019), Pak, O (2020), Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016).

Theo lý thuyết đánh đổi, thanh khoản cao giúp các ngân hàng hạn chế được các rủi ro xảy ra trong tương lai và việc duy trì này phần nào bù đắp được các chi phí làm giảm dự phòng các tổn thất xảy ra Trong suốt chu kỳ kinh doanh của mình, các ngân hàng thay đổi vị thế thanh khoản để tối ưu hóa nguồn lực, điều này có thể làm tăng KNSL của các ngân hàng.

Nghiên cứu thực nghiệm của Flannery & Rangan (2008) đã cho thấy rằng không tồn tại mối liên hệ tác động qua lại nào giữa KNSLvà thanh khoản của các ngân hàng Tuy nhiên, Agbada và Osuji (2013) bằng nghiên cứu của mình đã làm sáng tỏ về mối quan hệ giữa thanh khoản và KNSL của ngân hàng Nghiên cứu này đã cho thấy việc ngân hàng phải chấp nhận tăng chi phí và duy trì mức thanh khoản cao để hạn chế rủi ro cho nên KNSL bị suy giảm Ngược lại, để tăng KNSL, các ngân hàng cần chấp nhận mức độ rủi ro nhất định Đồng thời, tác giả cũng nhận định các nhà quản trị ngân hảng giỏi sẽ biết cách dung hòa giữa hai mục tiêu là của ngân hàng KNSL và đảm bảo thanh khoản theo từng thời kỳ.

Như vậy, các nghiên cứu trên đều có có các kết luận khác nhau về chiều hướng ảnh hưởng về mối quan hệ giữa KNSL và thanh khoản của ngân hàng Tác giả hy vọng qua số liệu được thu thập từ hệ thống NHTM tại Việt Nam, bằng nghiên cứu của mình tác giả cũng như đưa ra các bằng chứng thực nghiệm sẽ phần nào làm sáng tỏ thêm mối quan hệ giữa thanh khoản và KNSL của ngân hàng.

Các nghiên cứu thực nghiệm có liên quan

Các nghiên cứu nước ngoài

Nghiên cứu của Diamond và Rajan (2005) cho rằng có giả thuyết đánh đổi giữa thanh khoản và KNSL của NHTM Các kết luận của nghiên cứu cho thấy dấu hiệu của tình trạng thiếu thanh khoản có thể xuất phát từ nỗ lực giải quyết các vấn đề về khả năng thanh toán của các nhà quản lý ngân hàng, điều này có thể dẫn đến suy giảm khả năng cạnh tranh Nghiên cứu cũng đưa ra các khuyến nghị nếu các NHTM không qua tâm đúng mức đến thanh khoản thì có rủi ro dẫn đến ngân hàng phá sản.

Nghiên cứu của Lartey, V C., Antwi, S., & Boadi, E K (2013) tìm hiểu mối quan hệ giữa thanh khoản và KNSL của các ngân hàng niêm trên thị trường chứng khoán Ghana Bảy trong số chín ngân hàng niêm yết đã tham gia vào nghiên cứu.Nghiên cứu sử dụng mô hình hồi quy OLS với KNSL của các NHTM được đo lường bằng ROA Các báo cáo tài chính của bảy ngân hàng niêm yết đã được nghiên cứu và các tỷ lệ thanh khoản và KNSL có liên quan đã được tính toán Xu hướng về tính thanh khoản và lợi nhuận được xác định bằng cách sử dụng phân tích chuỗi thời gian Tỷ lệ thanh khoản được hồi quy trên tỷ suất sinh lời Có thể thấy rằng trong giai đoạn

2005-2010, cả khả năng thanh khoản và KNSL của các ngân hàng niêm yết đều giảm sút Một lần nữa, các kết luận của nghiên cứu cũng cho thấy rằng có một mối quan hệ cùng chiều rất yếu giữa KNSL và tính thanh khoản của các ngân hàng niêm yết ở Ghana.

Ongore và Kus (2013) chỉ ra rằng an toàn vốn, chất lượng tài sản có và hiệu quả quản lý ảnh hưởng đáng kể đến HQHĐ của NHTM (ROA, ROE và NIM) Tuy nhiên, ảnh hưởng này được tìm thấy là không mạnh Mối quan hệ giữa HQHĐ của ngân hàng với mức an toàn vốn và hiệu quả quản lý được tìm thấy là tích cực và đối với chất lượng tài sản, mối quan hệ này là tiêu cực Điều này chỉ ra rằng chất lượng tài sản kém hoặc nợ xấu cao trên tổng tài sản liên quan đến HQHĐ kém của ngân hàng.

Nghiên cứu của Pradhan, P., Shyam, R., & Shrestha, R (2016), nghiên cứu đã xem xét tác động của các biến cụ thể của ngân hàng và các biến kinh tế vĩ mô đối với HQHĐ của các NHTM của Nepal Biến phụ thuộc là ROA, ROE và NIM và các biến độc lập là tỷ lệ an toàn vốn, chất lượng tài sản, hiệu quả quản lý, quản lý thanh khoản, chi phí nhân viên, chi phí hoạt động khác, rủi ro tín dụng, GDP và lạm phát Để kiểm tra tác động của tầm quan trọng của các biến kinh tế vĩ mô và cụ thể của ngân hàng đối với các mô hình hồi quy HQHĐ của ngân hàng đã được ước tính Nghiên cứu cho thấy hiệu quả quản lý có mối quan hệ rất mạnh mẽ và tích cực với HQHĐ của ngân hàng ở Nepal Các biến số kinh tế vĩ mô không đáng kể và do đó không có bằng chứng cho thấy các lực lượng bên ngoài có tác động đến HQHĐ của ngân hàng Nghiên cứu cho thấy rằng tất cả các yếu tố cụ thể của ngân hàng được tìm thấy là những yếu tố quan trọng ảnh hưởng đến HQHĐ của ngân hàng.

Ibrahim, S S (2017) nghiên cứu xem xét mối quan hệ giữa thanh khoản đến lợi nhuận của các NHTM Iraq Năm ngân hàng có trụ sở tại Iraq là: Ngân hàng phíaBắc, Ngân hàng Hồi giáo Iraq, Ngân hàng Sumer, Ngân hàng Dar Es-Salam vàNgân hàng Babylon được thu thập trong giai đoạn 2005 đến 2013 Ngoài ra, các báo cáo hàng năm của các ngân hàng này đã được nghiên cứu và phân tích các tỷ lệ chính về KNSL và tính thanh khoản đã được tính toán Các báo cáo này có sẵn tại trang web

Sở giao dịch chứng khoán Iraq Các biến được xác định là độc lập với tính thanh khoản là tỷ lệ tiền gửi cho vay, tỷ lệ tài sản tiền gửi và tỷ lệ tiền gửi bằng tiền mặt, trong khi lợi nhuận trên tài sản là biến phụ thuộc cho KNSL Mô hình bình phương nhỏ nhất thông thường (OLS) được sử dụng để kiểm tra tác động của tính thanh khoản đến KNSL Nghiên cứu cho thấy rằng bất kỳ sự gia tăng nào về tỷ lệ thanh khoản như đã đề cập cũng sẽ dẫn đến lợi nhuận trên tài sản cũng tăng theo.

Abbas, F., Iqbal, S., & Aziz, B (2019) khám phá ảnh hưởng của vốn ngân hàng, mức độ thanh khoản của ngân hàng và rủi ro tín dụng đối với KNSL của các NHTM trong giai đoạn hậu khủng hoảng từ năm 2011 đến năm 2017 ở các nền kinh tế phát triển châu Á so với ngành ngân hàng Hoa Kỳ Các phát hiện cho thấy vốn ngân hàng và rủi ro tín dụng ảnh hưởng đến KNSL ở các nền kinh tế phát triển châu Á tương tự như ở các NHTM Hoa Kỳ, trong khi tác động này được tìm thấy tại các NHTM lớn của Hoa Kỳ là tiêu cực và ngược lại (tích cực) đối với các NHTM ở các nền kinh tế phát triển châu Á trong thời kỳ hậu khủng hoảng Kết quả cũng cho thấy vốn tăng 6% dẫn đến lợi nhuận tăng 1%, thanh khoản tăng 3,5% dẫn đến lợi nhuận tăng 1% Cụ thể, các ngân hàng lớn hơn tạo ra 1% lợi nhuận so với mức tăng 1% trong tài sản lưu động Các ngân hàng quy mô trung bình kiếm được 1% lợi nhuận so với mức tăng 3% của tài sản lưu động và các ngân hàng quy mô nhỏ tạo ra 1% lợi nhuận so với mức tăng 7% của tài sản lưu động Kết quả cho thấy tính thanh khoản ảnh hưởng đến KNSL nhiều hơn so với vốn, trong khi dấu hiệu của các hệ số là tương tự đối với quy mô lớn, nhỏ và vừa.

Pak, O (2020) phân tích mối quan hệ giữa sự ổn định nguồn vốn, tầm quan trọng của hệ thống ngân hàng và KNSL (NIM, ROA) của các ngân hàng ở ba quốc gia sáng lập Liên minh Kinh tế Á-Âu (EAEU): Nga, Kazakhstan và Belarus, cụ thể nghiên cứu này xem xét tầm quan trọng của thanh khoản có tác động như thế nào đến KNSL của ngân hàng trong Liên minh Kinh tế Á-Âu Dữ liệu được thu thập từ các báo cáo tài chính hàng năm cho giai đoạn 2008–2017 của các NHTM Kết quả cho thấy mức độ ổn định của tỷ suất lợi nhuận ròng (NIM) và sự thiếu ổn định về lợi nhuận trên tài sản (ROA) Việc tuân thủ Tỷ lệ tài trợ ròng ổn định (NSFR) ở mức tối thiểu làm giảm cả rủi ro thanh khoản tài trợ và NIM của các ngân hàng EAEU Hơn nữa, các ngân hàng quan trọng mang tính hệ thống trong khu vực có lịch sử hoạt động với mức chênh lệch lãi suất thấp hơn và ít thận trọng hơn NSFR, ngụ ý tác động bất lợi tiềm ẩn lớn hơn đối với NIM của họ Các biến cụ thể của ngân hàng có tác động khác nhau tùy thuộc vào thước đo KNSL Kết quả cũng nhấn mạnh rằng sự tập trung thị trường lớn hơn sẽ bảo vệ NIM và tác động tiêu cực đến ROA của các ngân hàng EAEU Cuối cùng, các biện pháp trừng phạt của phương Tây có tác động gây bất ổn đối với NIM của các ngân hàng EAEU, nhưng không ảnh hưởng đến các ngân hàng quan trọng trong hệ thống.

Nghiên cứu của Abbas, F., Ali, S., & Ahmad, M (2021) tìm hiểu vai trò của tăng trưởng kinh tế ảnh hưởng đến mối quan hệ qua lại giữa vốn, thanh khoản và KNSL của các NHTM ở châu Á Dữ liệu hàng năm được thu thập của các NHTM châu Á từ 2011 đến 2019 thông qua phân tích hồi quy hai 2SLS Các phát hiện chỉ ra rằng vốn ngân hàng và thanh khoản phụ thuộc lẫn nhau và được xác định đồng thời Kết quả chứng minh rằng sức mạnh của mối quan hệ qua lại giữa vốn, thanh khoản và KNSL của ngân hàng được cải thiện khi tăng trưởng kinh tế được tính đến trong phân tích Báo cáo kết quả cho thấy vốn thị trường, tỷ lệ cho vay, rủi ro tín dụng, quy mô ngân hàng và hiệu quả ngân hàng là những chỉ số quan trọng ảnh hưởng đến tính thanh khoản, KNSL và vốn của các NHTM ở châu Á Những phát hiện này không đồng nhất giữa các ngân hàng lớn, vừa và nhỏ ở các nền kinh tế mới nổi của châu Á.

Các nghiên cứu trong nước

Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016) tìm hiểu mối liên hệ nhân quả giữa vốn ngân hàng và sự tạo thanh khoản và trên cơ sở đó tìm hiểu tác động mang tính cấu trúc của vốn ngân hàng và sự tạo thanh khoản tới HQHĐ của ngân hàng tại Việt Nam trong thời kỳ 2009 - 2014 Nghiên cứu dùng mô hình nhân quả Granger (VAR) và mô hình SEM Kết quả cho thấy tồn tại mối quan hệ nhân quả ngược chiều giữa vốn ngân hàng và sự tạo thanh khoản Tại mô hình SEM, tác động của vốn ngân hàng tới sự tạo thanh khoản và hiệu quả mang tính độ trễ Nếu ngân hàng giảm vốn chủ sở hữu ở thời điểm hiện tại sẽ làm cho sự tạo thanh khoản tăng ở thời điểm sau đó Sự tạo thanh khoản tăng ngay lập tức sẽ làm tăng hiệu quả hoạt động kinh doanh Trong trường hợp này, biến số sự tạo thanh khoản làm trung gian giảm bớt tác động tiêu cực của việc tăng vốn ngân hàng tới HQHĐ của ngân hàng.

Trong nghiên cứu của Lê Đồng Duy Trung (2020) tại Việt Nam với đề tài các nhân tố tác động đến KNSL của các NHTM với phương pháp GMM trong nghiên cứu định lượng Kết luận nghiên cứu cho thấy “Tỷ lệ dư nợ trên tiền gửi khách hàng (LDR) tác động âm tại mức ý nghĩa 1% đến cả ROA, tuy nhiên, tác động âm này không có ý nghĩa thống kê tới ROE Một NHTM có tỷ lệ LDR cao hơn đặt nó vào vị thế thiếu khả năng chi trả bằng tiền khi khách hàng có nhu cầu rút tiền, do đó, có rủi ro thanh khoản cao hơn Bên cạnh đó, khi tỷ lệ LDR cao (LDR trung bình mẫu là 87,5%), dư địa cho tăng trưởng tín dụng dựa vào nguồn tiền gửi không còn lớn, tác động tiêu cực tới tăng trưởng lợi nhuận của NHTM. Điều này cũng cho thấy vai trò trọng yếu của nguồn tiền gửi trong việc đáp ứng nhu cầu thanh khoản cũng như tài trợ cho hoạt động tín dụng đối với các NHTM Việt Nam, cũng như mức độ an toàn thanh khoản không cao của các NHTM”

Tăng Mỹ Sang (2020) phân tích dữ liệu thực của hệ thống ngân hàng (NH) thương mại Việt Nam, nhằm kiểm định sự tác động của quản trị thanh khoản đến KNSL của các NHTM Việt Nam từ năm 2010 đến năm 2018, Kết quả nghiên cứu cho thấy và hệ số an toàn vốn, hệ số đầu tư và hệ số thanh toán nhanh có tác động đáng kể đến KNSL, và quản trị thanh khoản được tìm thấy trong nghiên cứu này có tác động có ý nghĩa thống kê đến KNSL của các NH,.

Bảng 2.1Tổng hợp các nghiên cứu có liên quan

Phương pháp nghiên cứu sử dụng

Tên biến Hướng tác động tới KNSL

Chất lượng tài sản (Tỷ lệ nợ xấu/Tổng nợ) -

Vốn chủ sở hữu/ Tổng tài sản

Tỷ lệ an toàn vốn ROA (+), ROE( -), NIM (+ ) Chất lượng tài sản ROA (-), ROE(- ), NIM (+ ) Rủi ro tín dụng ROA (-), ROE(- ), NIM ( +) Thanh khoản ROA (-), ROE (- ), NIM (-)

Qui mô ROA (+), ROE( +), NIM ( +)

Chi phí nhân viên ROA (+), ROE(+ ), NIM (+ ) Chi phí hoạt động khác ROA (+), ROE(+ ), NIM ( +) Hiệu quả quản lý ROA (+), ROE( +), NIM ( +)

Lạm phát ROA (+), ROE( +), NIM (- )

Thanh khoản (được đo lường thông qua tỷ lệ tiền gửi, tỷ lệ tiềncho vay, tỷ lệ tài sản tiền gửi)

Quy mô ngân hàng ROA và NIM (+)

Thanh khoản NIM (-) và ROA (+)

Tỷ lệ dư nợ cho vay/Tổng tài sản

Tỷ lệ vốn chủ sở hữu/Tổng Tài sản

NIM và ROA (+) Đa dạng hóa thu nhập ngoài lãi/tổng tài sản NIM (-) và ROA (+) Chi phí hoạt động /

Tỷ lệ sở hữu của nhà nước NIM (-) và ROA (+)

Lạm phát NIM (-) và ROA (+)

Thanh khoản ROA, ROE, NIM (+)

Dự phòng rủi ro tín dụng ROA, ROE, NIM (-)

Chi phí hoạt động/ Thu nhập ROA, ROE, NIM (+)

Tỷ lệ cho vay ROA, ROE, NIM (+)

Vốn chủ sở hữu ROA (+), ROE(-) và NIM (+)

Quy mô ROA và ROE ( +)

Vốn chủ sở hữu/ Tài sản ROA (+), ROE( -) Chi phí dự phòng RR tín dụng/ Tổng dư nợ

Dư nợ cho vay/ Vốn huy động

Chi phí hoạt động/ Tổng tài sản

Cho vay/Tiền gửi khách hàng

Cho vay/Tổng tài sản ROA và ROE ( +) Tài sản ngắn hạn/Tổng tài sản

Hệ số thanh toán nhanh ROA ( +) và ROE ( -)

(Nguồn: tác giả tổng hợp)

Thông qua kết quả của các nghiên cứu trước, tác giả nhận thấy mối quan hệ giữa tính thanh khoản và KNSL của ngân hàng trong các nghiên cứu là chưa thống nhất/ đa dạng Bởi vì các nghiên cứu này được thực hiện với đối tượng, phạm vi nghiên cứu khác nhau, các nghiên cứu khác nhau cũng như thời gian nghiên cứu khác nhau, chưa cập nhật các giai đoạn nghiên cứu sau này (năm 2020 và 2021). Đây chính là khoảng trống của đề tài về cập nhật thời gian nghiên cứu mà hiện chưa có nghiên cứu nào đề cập đến để xem xét tính thanh khoản tác động đến KNSL của các NHTMCP Việt Nam.

Cơ sở lý thuyết về KNSL, thanh khoản và các chỉ số để tính toán về thanh khoản và KNSL của NHTM đã được thảo luận trong Chương 2 Ngoài ra, các nghiên cứu ở trong và ngoài nước tác giả cũng đã lược khảo và thảo luận trong chương này để đưa ra dự đoán về tác động cùng chiều hoặc ngược chiều của thanh khoản đến KNSL của NHTM Cơ sở nền tảng lý thuyết trong chương 2 này sẽ là tiền đề để đưa ra các biến và hướng tác động của các biến đã được lựa chọn này trong Chương 3.

Bước 1: Xác định vấn đề và mục tiêu nghiên cứu

Bước 2: Xây dựng và đề xuất mô hình nghiên cứu

Bước 3: Thu thập số liệu

Bước 4: Thực hiện phương pháp nghiên cứu định lượng

Bước 5: Trình bày kết quả nghiên cứu

PHƯƠNG PHÁP NGHIÊN CỨU

Biến phụ thuộc

Lợi nhuận sau thuế trên tài sản (ROA): được tính bằng chênh lệch giữa

Tổng thu nhập và Tổng chi phí sau thuế và được lấy từ bảng kết quả kinh doanh dựa trên báo cáo tài chính hợp nhất được căn cứ theo định nghĩa của các NHTM Việt Nam trong giai đoạn 2010-2021 trong báo cáo tài chính hợp nhất Giá trị tài sản bình quân được tính dựa trên giá trị bình quân của tổng tài sản đầu kỳ và cuối kỳ báo cáo với số liệu được lấy trong khoảng thời gian từ năm 2010 đến năm 2021 trên báo cáo hợp nhất của các NHTM Việt Nam.

Lợi nhuận sau thuế trên vốn chủ sở hữu ( ROE): Lợi nhuận sau thuế được căn cứ theo định nghĩa của các NHTM Việt Nam từ năm 2010 đến năm 2021 trong báo cáo tài chính hợp nhất, là chênh lệch giữa Tổng thu nhập và Tổng chi phí sau thuế. Để tính vốn chủ sở hữu bình quân (VCSH), tác giả sử dụng số bình quân giá trị vốn chủ sở hữu bằng cách tính bình quân số đầu kỳ và cuối kỳ báo cáo Số liệu này thu thập từ BCTC của các NHTM Việt Nam.trong giai đoạn 2010-2021

Thu nhập lãi cận biên: Số liệu này thu thập từ BCTC của các NHTM Việt

Nam.trong giai đoạn 2010-2021 Thu nhập lãi thuần là chênh lệch giữa "Thu nhập lãi và thu nhập tương tự" và "Chi phí lãi và chi phí tương tự" được lấy trên bảng kết quả HĐKD của các NHTM Việt Nam Tài sản sinh lãi = Tiền gửi tại NHNNVN +Tiền gửi tại các TCTD khác + Chứng khoán đầu tư + Cho vay khách hàng.

Biến độc lập

Các biến độc lập được chia làm 2 nhóm.

Nhóm 1 gồm các biến đại diện cho thanh khoản của các NHTM như tỷ lệ vốn chủ sở hữu trên tổng tài sản ( CAR); Tỷ lệ dư nợ cho vay trên tổng vốn huy động ( LDR); Tỷ lệ thanh khoản ( LIR); Tỷ lệ thanh toán nhanh (QIR) Tác giả sử dụng bốn biến độc lập cùng đo lường thanh khoản với mục đích nhằm có góc nhìn tổng quan hơn về các khía cạnh đo lường thanh khoản, tuy nhiên bằng việc sử dụng cùng bốn biến để đo lường về thanh khoản sẽ dẫn đến các hiện tượng phương sai sai số thay đổi, đa cộng tuyến hay nội sinh Để giải quyết vấn đề này tác giả sử dụng các phương pháp hồi quy tương thích với các kiểm định sự phù hợp của mô hình nghiên cứu để có được kết quả định lượng đáng tin cậy sẽ được tác giả trình bày cụ thể trong phần phương pháp ước lượng tại mục 3.3

Nhóm 2: gồm các biến như tốc độ tăng trưởng kinh tế hàng năm (GDP) và tỷ lệ lạm phát (CPI) Biến này được tác giả thêm vào mô hình nhằm kiểm soát hiện tượng đa cộng tuyến

Các biến nghiên cứu được tổng hợp và trình bày ở bảng 3.1:

Bảng 3.1 Diễn giải cách đo lường các biến

STT KÝ HIỆU CÁCH ĐO LƯỜNG KỲ VỌNG

1 ROA ROA = Lợi nhuận sau thuế/Tài sản bình quân

2 ROE ROE = Lợi nhuận sau thuế/Vốn chủ sở hữu bình quân

3 NIM NIM = Thu nhập lãi thuần/Tài sản có sinh lời

1 CAR Vốn chủ sở hữu/ Tổng tài sản +

2 LDR Dư nợ cho vay/Tổng nguồn vốn huy động

3 LIR Tài sản ngắn hạn/ Tổng tài sản +

4 QIR (Tài sản lưu động + Hàng tồn kho)/ Nợ ngắn hạn

7 Period Period = 0 đối với các năm 2019 trở về trước (giai đoạn 2010-2019, không chịu ảnh hưởng của đại dich Covid-19) và biến Period = 1 đối với các năm

2020 trở về sau (giai đoạn 2020-2021, chịu ảnh hưởng của đại dich Covid-19)

(Nguồn: Tổng hợp của tác giả)

Luận văn sử dụng phương pháp định lượng Tác giả sử dụng bằng phần mềm Stata 17 để xử lý dữ liệu và thực hiện phân tích Thứ nhất là ước lượng mô hình hồi quy OLS (Pooled), thứ hai là ước lượng mô hình hồi quy với các tác động cố định (Fixed effects-FEM), và mô hình hồi quy với các tác động ngẫu nhiên (Random effects- REM) và cuối cùng là ước lượng GLS với các lựa chọn phù hợp nếu các mô hình trên vi phạm giả thiết.

Dữ liệu trong bài là dữ liệu dạng bảng không cân bằng Dữ liệu sau khi thu thập được mã hóa và làm sạch, sau đó tác giả kiểm định mô hình nghiên cứu, sau đó tiến hành hồi quy đa biến và kiểm định với mô hình hồi quy.

Kiểm định sự tương quan

Nghiên cứu thực hiện đo lường hệ số tương quan giữa các biến phụ thuộc với từng biến giải thích Phần mềm Stata 17 sẽ xây dựng ma trận hệ số tương quan Các biến độc lập có tương quan với biến phụ thuộc hay không được kiểm định thông qua sử dụng kiểm định hệ số tương quan của tổng thể với giả thuyết Ho: p = 0 (không có sự tương quan).

Nếu a > p- value thì bác bỏ giả thuyết Ho, hay nói cách khác là biến được kiểm định có tác động đến biến phụ thuộc với một hệ số có ý nghĩa thống kê.

• Các giả thiết trong mô hình hồi quy bội theo phương pháp OLS bao gồm:

- Kỳ vọng (hoặc giá trị trung bình) của sai số ui là bằng không E(ui) = 0 với mọi i.

- Phương sai của sai số là một hằng số (homoscedasticity) Var (ui) = δ với mọi i (sai số ui có tính đồng nhất)

- Hiệp phương sai giữa ui và uj là bằng không Cov(ui,uj) = 0 với i ^j (sai số ui và uj không có tương quan lẫn nhau (None Autocorrelation))

- Không nhận dạng sai mô hình.

- Không có hiện tượng đa cộng tuyến hoàn hảo Khi có hiện tượng đa cộng tuyến hoàn hảo (có nghĩa là không thỏa giả định OLS cho mô hình hồi quy bội) thì phương sai của hệ số ước lượng không còn nhỏ nhất và chúng ta không thể tìm ra giá trị ước lượng của các hệ số.

Sau khi xác định được phương pháp hồi quy phù hợp cho mô hình, nghiên cứu sẽ thực hiện kiểm tra mô hình có vi phạm các giả thuyết như đa cộng tuyến, phương sai sai số thay đổi và tự tương quan hay không.

Kiểm định đa cộng tuyến:

Theo Nguyễn Đình Thọ (2012), khi ước lượng mô hình hồi quy bội phải kiểm tra gi thuyết các biến độc lập không có tương quan hoàn toàn với nhau (Cor (X1,X2)

^ 1, j thông qua kiểm tra hiện tượng đa cộng tuyến (multicolinearity) Nếu hiện tượng đa cộng tuyến xuất hiện thì có thể dẫn đến kết quả là kiểm định t không có ý nghĩa, dấu của các ước lượng có thể sai Để kiểm định hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Để phát hiện đa cộng tuyến hay không cần xem xét hệ số tương quan giữa các cặp biến, nếu hệ số này vượt quá 10 thì đó là dấu hiệu cho biết mô hình hồi quy sẽ gặp vấn đề đa cộng tuyến nghiêm trọng.

Kiểm định phương sai thay đổi:

Một trong các giả thiết chủ yếu trong mô hình hồi quy bội là phương sai không đổi Có hai phương pháp để kiểm tra hiện tượng phương sai thay đổi là thống kê và phương pháp bằng đồ thị để phát hiện ra sự thay đổi của phương sai phần dư Chỉ tiêu phương sai của phần dư không đổi được kiểm định thông qua việc thực hiện kiểm định của White, với hai giả thuyết kiểm định là:

Ho: phương sai phần dư là thuần nhất

H1: phương sai phần dư thay đổi.

Nếu a > p- value thì bác bỏ giả thuyết Ho Kết luận mô hình hồi quy có hiện tượng phương sai thay đổi ở độ tin cậy 95%.

Lựa chọn mô hình nghiên cứu phù hợp

Nghiên cứu sử dụng kiểm định của Hausman (1978) để lựa chọn mô hình phù hợp Kiểm định này hỗ trợ cho việc lựa chọn giữa mô hình tác động cố định hay mô hình tác động ngẫu nhiên Thực chất, kiểm định Hausman là xem xét có tồn tại tự tương quan giữa Ui và it hay không Kiểm định Hausman là kiểm định giả thiết: H0: Ui và biến độc lập không tương quan; H1: Ui và biến độc lập có tương quan. Khi giá trị (Prob>chi2) chi2)

>0.05, lúc đó chấp nhận giả thiết H0, tức là Ui và biến độc lập không tương quan, mô hình tác động ngẫu nhiên sẽ được sử dụng Nếu kiểm định Hausman cho một kết quả có ý nghĩa thì mô hình tác động cố định phù hợp hơn so với mô hình tác động ngẫu nhiên Để lựa chọn mô hình REM hay FEM, thông qua kiểm định Hausman sẽ giúp tác giả đưa ra quyết định này Ngoài ra, nhằm khắc phục khuyết tật trong mô hình được chọn nghiên cứu tiếp tục dùng mô hình GLS để khắc phục các khuyết tật của mô hình FEM hay REM được chọn (Hoechle, 2007; Larisa, 2012) Theo Wooldrige

(2002), có thể sử dụng phương pháp GLS để khắc phục hiện tượng tự tương quan và phương sai thay đổi để đảm bảo ước lượng thu được vững và hiệu quả.

Trong chương 3 bằng việc kế thừa kết quả nghiên cứu của các nghiên cứu trước đã được trình bày tại chương 2 cũng như các tổng hợp về các yếu tố ảnh hưởng đến thanh khoản, tác giả tiền hành chọn lọc các biến để đưa vào mô hình nghiên cứu, áp dụng các phương pháp nghiên cứu hồi quy thông qua các mô hìnhOLS, FEM, REM và GLS để xử lý các khuyết tật của mô hình nghiên cứu Chương tiếp theo sẽ trình bày kết quả nghiên cứu và thảo luận.

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Kết quả lựa chọn mô hình giữa Pooled OLS, FEM và REM

Để quyết định lựa chọn giữa mô hình hồi quy Pooled OLS và FEM, tác giả thực hiện hồi quy mô hình FEM và thực hiện kiểm định F Kết quả kiểm định được trình bày trong Bảng 4.3

Bảng 4.3 Kết quả hồi qui mô hình Pooled OLS, FEM và REM theo ROA Biến

Hệ số P > | t | Hệ số P>z Hệ số P>z

Kiểm định Breusch & Pagan: Chibar2 (01) = 212,88; Prob > chibar2 = 0,000

(Nguồn: Kết quả phân tích từ Stata 17)

Bảng 4.3 cho thấy ba mô hình Pooled-OLS, FEM và REM đều đưa mức độ ý nghĩa thống kê và về dấu của các biến Để lựa chọn mô hình phù hợp, nghiên cứu tiếp tục tiến hành các kiểm định F, Breusch & Pagan, Hausman để xác định mô hình nào tốt hơn, cụ thể:

So sánh Pooled-OLS với FEM:

Bảng 4.3 cho kết quả mô hình FEM là phù hợp hơn so với Pooled-OLS, với các chỉ số kiểm định cho kết quả thống kê F ( 7, 207) = 30,06 và Prob > F = 0,000. Đây là bằng chứng thống kê bác bỏ giả thuyết H0 cho rằng tất cả các Var ui = 0.

So sánh Pooled-OLS với REM:

Kết quả tại bảng 4.3 thể hiện các thông số của kiểm định bằng Breusch & Pagan cho thấy trong trường hợp này, ước lượng REM là phù hợp hơn so với Pooled- OLS, vì giá trị Chibar2 (01) = 212,88 và Prob > chibar2 = 0,000 (với mức ý nghĩa là

5% ) cho thấy có bằng chứng thống kê chưa chấp nhận giả thuyết H0 cho rằng tất cả các Var ui = 0.

So sánh FEM với REM:

Kết quả tại bảng 4.3 thể hiện các thông số của kiểm định Hausman cho thấy giả thuyết H0 được chấp nhận với giá trị Prob > chi2 = 0,1179 > 0,05, bằng chứng thống kê này cho thấy mô hình REM tốt hơn mô hình FEM Ở kiểm định này giả thuyết H0 đặt ra là ước lượng FEM và REM không khác nhau đáng kể (theoGujarati, 2004) Nếu giả thuyết H0 bị bác bỏ thì mô hình REM không thích hợp và nên sử dụng mô hình FEM Giả thuyết H0 bị bác bỏ khi giá trị p-value là nhỏ hơn0,05 và ngược lại khi giá trị p-value > 0,05 thì chấp nhận giả thiết H0.

Kết quả hồi quy mô hình REM theo ROA

Kết quả hồi quy mô hình REM biến ROAit được thể hiện trong các bảng 4.4 sau:

Bảng 4.4 Hồi quy mô hình REM biến ROA lần 1 và lần 2

Biến Hồi quy mô hình Hồi quy mô hình REM

Từ bảng 4.4 đã cho thấy biến CPIt có giá trị p-value = 0,165 > 0,05; biến Period có giá trị p-value = 0,885 > 0,05 Vì vậy, biến CPIt và Period không có ý nghĩa thống kê, cần loại khỏi mô hình và chạy lại lần 2 Kết quả chạy lần 2, các biến đều có ý nghĩa thống kê.

- Kiểm định phương sai sai số thay đổi của mô hình REM biến ROA

Kết quả kiểm định Breusch và Pagan Lagrangian, chibar2(01) = 206,85; Prob> chibar2 = 0,0000 (phụ lục), mô hình vi phạm giả thiết về phương sai sai số không đổi.

- Kiểm định tương quan chuỗi của mô hình REM biến ROA

Kết quả kiểm định, F(1, 26) = 37,221; Prob > F = 0,000 (phụ lục), mô hình vi phạm giả thiết về tương quan chuỗi.

- Kiểm định đa cộng tuyến các biến của mô hình REM biến ROA

Bảng 4.5 Kiểm định đa cộng tuyến các biến của mô hình REM biến ROA

Biến VIF SQRT-VIF Tolerance R-Squared

Kết quả kiểm định (Bảng 4.5) cho thấy giá trị VIF của các biến đều nhỏ hơn

10 Tác giả có có sở kết luận, mô hình không vi phạm giả thiết về đa cộng tuyến.

Hiệu chỉnh mô hình biến phụ thuộc ROAit bằng GLS

Do mô hình REM vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi nên tác giả sử dụng hồi quy GLS Kết quả chạy hồi quy GLS với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.6 dưới đây.

Bảng 4.6 Hiệu chỉnh mô hình biến phụ thuộc ROAit bằng GLS lần 1 và lần 2

Biến GLS lần 1 GLS lần 2

Hệ số P>z Hệ số P>z CARit 0,0516 0,000 0,0569 0,000 LDRit 0,0129 0,001 0,0121 0,001 LIRit -0,0312 0,000 -0,0308 0,000 QIRit 0,0069 0,045 0,0067 0,039

Bảng 4.6 cho thấy kết quả hồi quy lần 1 biến GDPt có p-value = 0,224 > 0,05; biến Period có p-value = 0,379 > 0,05 Hai biến này không có ý nghĩa thống kê, vì vậy cần loại biến GDPt và Period ra khỏi mô hình và chạy hồi quy lần 2.

Kết quả chạy hồi quy GLS lần 2 với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.6 Từ kết quả tại bảng 4.6 ta có thứ tự tác động của các biến độc lập đến ROA tại bảng 4.8 như sau:

Bảng 4.7 Thứ tự tác động các biến độc lập đến ROA

Biến Hệ số hồi quy % tác động Thứ tự tác động

Kết quả định lượng của mô hình với biến phụ thuộc ROE

Tác giả tiến hành tuần tự các bước như đã tiến hành đối với biến phụ thuộc là ROE, cụ thể:

Kết quả lựa chọn mô hình giữa Pooled OLS, FEM và REM

Để quyết định lựa chọn giữa mô hình hồi quy Pooled OLS và FEM, tác giả thực hiện hồi quy mô hình FEM và thực hiện kiểm định F Kết quả kiểm định được trình bày trong Bảng 4.8.

Bảng 4.8 Kết quả hồi qui mô hình Pooled OLS, FEM và REM theo ROE

Hệ số P > | t | Hệ số P>z Hệ số P > | z |

Bảng 4.8 cho thấy cả ba mô hình Pooled-OLS, FEM và REM đều đưa mức độ ý nghĩa thống kê và về dấu của các biến độc lập Để lựa chọn mô hình phù hợp, tác giả cũng tiến hành các bước kiểm định giống như các bước đã thực hiện đối với biến phụ thuộc là ROA, cụ thể:

Kết quả nghiên cứu được thể hiện tại bảng 4.8 cho kết quả mô hình FEM là phù hợp hơn so với Pooled-OLS, với các chỉ số kiểm định cho kết quả thống kê F(7,

207) = 12,42 và Prob > F = 0,000 Đây là bằng chứng thống kê có thể chấp nhận giả thuyết H0 cho rằng tất cả các Var ui khác 0.

Theo kết quả tại bảng 4.8 cho các thông số của kiểm định Breusch & Pagan thì ước lượng REM là phù hợp hơn so với Pooled-OLS, vì giá trị Chibar2 (01) = - 141,75 và Prob > chibar2 = 0,001 cho thấy không có bằng chứng thống kê chấp nhận giả thuyết H0 cho rằng tất cả các Var ui = 0.

Tại bảng 4.8 thể hiện kết quả kiểm định Hausman cho thấy giả thuyết H0 được chấp nhận với giá trị Prob > chi2 = 0,001 < 0,05, bằng chứng thống kê này cho thấy mô hình FEM tốt hơn mô hình REM (theo Gujarati, 2004) Từ kết quả kiểm định, tác giả có cơ sở kết luận, mô hình FEM phù hợp hơn mô hình REM.Qua các lần kiểm định, so sánh các mô hình, kết quả cho thấy mô hình FEM là mô hình phù hợp, nên được sử dụng để hồi quy biến ROEit theo các biến độc lập theoFEM.

Kết quả hồi quy mô hình FEM theo biến ROE

Kết quả hồi quy ở mục 4.4.1 cho thấy biến GDPt, Period không có ý nghĩa thống kê, cần loại khỏi mô hình hồi quy và chạy lại mô hình Kết quả chạy lại mô hình nhiều lần sau khi loại hết các biến không có ý nghĩa thống kê, kết quả cuối cùng thông qua bảng 4.9 cho kết quả các biến độc lập đều có giá trị thống kê (p-value < 0,05) Kết quả hồi quy biến ROEit tại mô hình FEM được tổng hợp tại Bảng 4.9:

Bảng 4.9 Hồi quy mô hình FEM biến ROE

(Nguồn: Phân tích kết quả từ Stata 17)

- Kiểm định phương sai sai số thay đổi của mô hình FEM biến ROE

Các thông số kiểm định chibar2(27) = 48757,59; Prob> chibar2 = 0,0000 (phụ lục), mô hình vi phạm giả thiết về phương sai sai số không đổi.

- Kiểm định tương quan chuỗi của mô hình FEM biến ROE

Kết quả kiểm định, F(1, 26) = 23,205, Prob> F = 0,0001 (phụ lục); mô hình vi phạm giả thiết về phương sai sai số không đổi.

- Kiểm định đa cộng tuyến các biến của mô hình FEM biến ROE

Bảng 4.10 Kiểm định đa cộng tuyến các biến của mô hình FEM biến ROEit

Biến VIF SQRT VIF Tolerance R-Squared

Hiệu chỉnh mô hình biến phụ thuộc ROE bằng GLS

Từ kết quả của mô hình FEM vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi nên tác giả sử dụng hồi quy GLS Kết quả chạy hồi quy GLS với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.11 dưới đây.

Bảng 4.11 Hiệu chỉnh mô hình biến phụ thuộc ROE bằng GLS lần 1

Hệ số Độ lệch chuẩn P>z Hệ số Độ lệch P>z

Bảng 4.11 thể hiện kết quả hồi quy lần 1 cho thấy biến QIRit có p-value 0,273 > 0,05; biến Period có p-value = 0,057 > 0,05; các biến nàykhong có ý nghĩa thống kê Vì vậy cần loại hai biến QIRit và Period ra khỏi mô hình và chạy hồi quy lần 2 Kết quả chạy hồi quy GLS lần 2 với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi sau khi loại tiếp các biến không có ý nghĩa thống kê Kết quả được trình bày trong cùng Bảng 4.11 cho kết quả hồi quy GLS lần 2, các thông số về các biến trong mô hình đều có ý nghĩa thống kê (p-value > 0,05; khoảng tin cậy không chứa giá trị không).

Từ kết quả hệ số hồi quy bảng 4.11, tác giả xắp xếp thứ tự tác động các biến được thể hiện thông qua bảng 4.12.

Bảng 4.12 Thứ tự tác động các biến độc lập tác động đến ROE

Kết quả định lượng của mô hình với biến phụ thuộc NIM

Kết quả lựa chọn mô hình giữa Pooled OLS, FEM và REM theo NIM

Cũng tương tự đối với các bước lựa chọn các mô hình giữa Pooled OLS, FEM và REM ở phần kết quả định lượng của biến ROA và ROE, để quyết định lựa chọn giữa mô hình hồi quy Pooled OLS và FEM, tác giả thực hiện hồi quy mô hình FEM và thực hiện kiểm định F Kết quả kiểm định được trình bày trong Bảng 4.13.

Bảng 4.13 Kết quả hồi qui mô hình Pooled OLS, FEM và REM theo NIM

Hệ số P > | t | Hệ số P>z Hệ số P > | z |

Kết quả tại bảng 4.13 đều đưa mức độ ý nghĩa thống kê và về dấu của các biến độc lập của cả ba mô hình Pooled-OLS, FEM và REM Để lựa chọn mô hình phù hợp, nghiên cứu thực hiện các kiểm định F, Breusch & Pagan, Hausman để xác định mô hình nào tốt hơn, cụ thể:

Kết quả mô hình FEM tại bảng 4.16 là phù hợp hơn so với Pooled-OLS, với các chỉ số kiểm định cho kết quả thống kê F(7, 207) = 23,99 và Prob > F = 0,000. Đây là bằng chứng thống kê có thể chấp nhận giả thuyết H0 cho rằng tất cả các Var ui khác 0.

Bảng 4.13 cho các kết quả kiểm định Breusch & Pagan tại thì ước lượng REM là phù hợp hơn so với Pooled-OLS vì giá trị Chibar2 (01) = 291,21 và Prob > chibar2

= 0,0000 (có ý nghĩa thống kê) cho thấy chưa có bằng chứng thống kê chấp nhận giả thuyết H0 cho rằng tất cả các Var ui = 0.

Kết quả tại bảng 4.13 về các thông số của kiểm định Hausman cho thấy giả thuyết H0 được chấp nhận với giá trị Prob > chi2 = 0,0413 < 0,05, bằng chứng thống kê này cho thấy mô hình FEM tốt hơn mô hình REM (theo Gujarati, 2004) Từ kết quả kiểm định, tác giả có cơ sở kết luận, mô hình FEM phù hợp hơn mô hình REM.Qua các lần kiểm định, so sánh các mô hình, kết quả cho thấy mô hình FEM là mô hình phù hợp, nên được sử dụng để hồi quy biến NIM theo các biến độc lập theoFEM.

Kết quả hồi quy mô hình FEM theo biến NIM

Kết quả hồi quy mô hình FEM biến NIMit được thể hiện trong các bảng 4.14

Bảng 4.14 Hồi quy mô hình FEM biến NIM lần 1 và lần 2

Kết quả tại bảng 4.14 cho thấy biến LIRit có giá trị p-value = 0,306 > 0,051; QIRit có giá trị p-value = 0,085 > 0,05; GDPt có giá trị p-value = 0,306 > 0,05; Period có giá trị p-value = 0,453> 0,05 Vì vậy, các biến này không có ý nghĩa thống kê, cần loại khỏi mô hình và chạy lại lần 2 sau khi loại các biến không có yá nghĩa thống kê, Kết quả chạy mô hình GLS lần 2 tại bảng 4.15 cho thấy các biến trong mô hình đều có ý nghĩa thống kê (p-value < 0,05; 95% khoảng tin cậy không chứa giá trị 0).

Biến FEM lần 1 FEM lần 2

Hệ số Độ lệch chuẩn P>t Hệ số Độ lệch chuẩn P>t

- Kiểm định phương sai sai số thay đổi của mô hình FEM biến NIM

Các thông số kiểm định của chibar2(27) = 14501,12; Prob > chibar2 0,0000, mô hình vi phạm giả thiết về phương sai sai số không đổi.

- Kiểm định tương quan chuỗi của mô hình FEM biến NIM

Kết quả kiểm định, F(1, 26) = 22,954; Prob > F = 0,0001, mô hình vi phạm giả thiết về tương quan chuỗi.

- Kiểm định đa cộng tuyến các biến của mô hình FEM biến NIM

Bảng 4.15 Kiểm định đa cộng tuyến các biến của mô hình FEM biến NIM

Variable VIF SQRT-VIF Tolerance R-Squared

Hiệu chỉnh mô hình biến phụ thuộc NIM bằng GLS

Kết quả cho thấy mô hình FEM vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi nên nghiên cứu sử dụng mô hình GLS để xử lý Kết quả chạy hồi quy GLS với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.20 dưới đây

Bảng 4.16 Hiệu chỉnh mô hình biến phụ thuộc NIMit bằng GLS lần 1 và lần 2

Hệ số Độ lệch chuẩn P>t Hệ số Độ lệch chuẩn P>t

Kết quả chyạ mô hình lần 1, bảng 4.16 cho thấy biến LIRit có p-value 0,245; biến QIRit có p-value = 0,798; biến GDPit có p-value = 0,162; biến CPIit có p-value = 0,000; biếnPeriod có p-value = 0,136; biến hệ số chặn cons có p-value 0,682 > 0,05 Các biến này không có giá trị thống kê, vì vậy cần loại khỏi mô hình và chạy hồi quy lần 2 Kết quả chạy hồi quy GLS lần 2 với các lựa chọn khắc phục hiện tượng vi phạm giả thiết về phương sai sai số thay đổi và tương quan chuỗi được trình bày trong Bảng 4.16 Kết quả tại bảng 4.16 (chạy GLS lần 2) cho thấy các hệ số hồi quy đều có ý nghĩa thống kê (p-value > 0,05; khoảng tin cậy không chứa giá trị không) Từ kết quả hệ số hồi quy, tác giả xắp xếp thứ tự tác động của các biến độc lập lên biến phụ thuộc như sau (Bảng 4.17).

Bảng 4.17 Thứ tự tác động các biến độc lập

Thảo luận kết quả hồi quy

Đối với biến phụ thuộc là ROA

Dựa trên kết quả Bảng 4.18 cho thấy rằng với biến phụ thuộc là ROA có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, QIRit có tác động cùng chiều đến ROAit, và một yếu tố LIRit có tác động ngược chiều và có ý nghĩa thống kê đến đến ROAit của NHTM Việt Nam Kết quả tổng hợp các nhân tố tác động đến ROAit của NHTM Việt Nam được trình bày tại Bảng 4.23

Bảng 4.18 Tóm tắt kết quả tác động các biến độc lập đến ROA

Biến độc lập Giả thiết Kết quả Ảnh hưởng Hệ số Tác động So sánh với giả thiết

CARit Có tác động 0,0569 *** + Chấp nhận

LDRit Có tác động 0,0121 *** + Chấp nhận

LIRit Có tác động -0,0308 *** - Chấp nhận

QIRit Có tác động 0,0067 ** + Chấp nhận

(Nguồn: Kết quả phân tích từ Stata 17) Ghi chú: *** mức ý nghĩa 1%; ** mức ý nghĩa 5%; * mức ý nghĩa 10%;

Dựa trên kết quả Bảng 4.8 mô hình hồi quy được thể hiện như sau:

ROAit = 0,0148+0,0569*CARit+0,0121*LDRit-0,0308*LIRit +0,0067*QIRit (4.1)

Dựa vào mô hình hồi quy với độ lớn của hệ số hồi quy đại diện cho mức độ tác động của các nhân tố trong mô hình đến ROAit cho thấy: Đối với tỷ lệ Vốn chủ sở hữu/ Tổng tài sản (CARit): Đây là yếu tố có tác động lớn nhất đến ROA Hướng tác động của yếu tố này cùng chiều (+) đối với ROA của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp với giả thiết 1 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), Lê Đồng Duy Trung (2020) và Tăng Mỹ Sang (2020). Đối với tỷ lệ Tài sản ngắn hạn/ Tổng tài sản (LIRit): Đây là yếu tố có tác động lớn thứ hai đến ROA Hướng tác động của yếu tố này ngược chiều (-) đối vớiROA của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp với giả thiết 3 đặt ra của mô hình nghiên cứu.Tuy nhiên kết quả này trái ngược với các nghiên cứu của Vũ Hữu Thành, NguyễnThị Ánh Như và Phạm Thị Thu Phương (2016), Pak, O (2020). Đối với tỷ lệ Dư nợ cho vay/Tổng nguồn vốn huy động (LDRit): Đây là yếu tố có tác động lớn thứ ba đến ROA Hướng tác động của yếu tố này cùng chiều (+) đối với ROA của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp với giả thiết 2 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), Lê Đồng Duy Trung (2020) và Tăng Mỹ Sang (2020). Đối với tỷ lệ thanh toán nhanh (QIRit): Đây là yếu tố có tác động lớn thứ tư đến ROA Hướng tác động của yếu tố này cùng chiều (+) đối với ROA của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 5% Kết quả này phù hợp với giả thiết 4 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Khan, R A., & Ali, M (2016), Ibrahim, S S (2017), Tăng Mỹ Sang (2020).

Nghiên cứu không tìm thấy kết quả có ý nghĩa thống kê của yếu tố lạm phát(CPI), và tốc độ tăng trưởng tổng sản phẩm quốc nội (GDP) không có mối quan hệ thống kê có ý nghĩa đối với biến ROA trong mô hình nghiên cứu Các giả thiết 5,giả thiết 6 đối với ROA chưa có bằng chứng thống kê để được chấp nhận.

Đối với biến phụ thuộc là ROE

Dựa trên kết quả Bảng 4.14 cho thấy rằng với biến phụ thuộc là ROEit có kết quả cuối cùng cho thấy có hai yếu tố là LDRit, CPIt có tác động cùng chiều đến ROEit, và hai yếu tố là CARit và LIRit có tác động ngược chiều và có ý nghĩa thống kê đến ROEit của NHTM Việt Nam Kết quả tổng hợp được trình bày tại Bảng 4.19.

Bảng 4.19: Tóm tắt kết quả tác động các biến độc lập đến ROE

CARit Có tác động -0,4477 *** - Chấp nhận

LIRit Có tác động -0,2382 *** - Chấp nhận

CPIt Có tác động 0,0018 ** + Chấp nhận

(Nguồn: Kết quả phân tích từ Stata 17)Ghi chú: *** mức ý nghĩa 1%; ** mức ý nghĩa 5%; * mức ý nghĩa 10%;

Dựa trên kết quả Bảng 4.17 phương trình hồi quy được thể hiện :

ROEit = 0,2325 -0,4477*CARit +0,1617*LDRit -0,2382*LIRit +0,0018* CPIt (4.2)

Dựa vào mô hình hồi quy 4.2 với độ lớn của hệ số hồi quy đại diện cho mức độ tác động của các nhân tố trong mô hình đến ROEit cho thấy: Đối với tỷ lệ Vốn chủ sở hữu/ Tổng tài sản (CARit): Đây là yếu tố có tác động lớn nhất đến ROE Hướng tác động của yếu tố này ngược chiều (-) đối với ROE của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp với giả thiết 1 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả Pradhan, P., Shyam, R., & Shrestha, R (2016), Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), Lê Đồng Duy Trung

(2020) nhưng ngược với kết quả nghiên cứu của Tăng Mỹ Sang (2020). Đối với tỷ lệ Tài sản ngắn hạn/ Tổng tài sản (LIRit): Đây là yếu tố có tác động lớn thứ hai đến ROE Hướng tác động của yếu tố này ngược chiều (-) đối với ROE của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp với giả thiết 3 đặt ra của mô hình nghiên cứu tuy nhiên, kết quả này ngược với các kết quả nghiên cứu của Diamond và Rajan

V C., Antwi, S., & Boadi, E K (2013), Ongore và Kus (2013), Abbas, F., Iqbal, S., & Aziz, B (2019), Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016). Đối với tỷ lệ Dư nợ cho vay/Tổng nguồn vốn huy động (LDRit): Đây là yếu tố có tác động lớn thứ ba đến ROA Hướng tác động của yếu tố này cùng chiều (+) đối với ROE của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp với giả thiết 2 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), Lê Đồng Duy Trung (2020), và Tăng Mỹ Sang (2020). Đối với tỷ lệ lạm phát (CPIt): Đây là yếu tố có tác động lớn thứ tư đếnROE Hướng tác động của yếu tố này cùng chiều (+) đối với ROA của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 5% Kết quả này phù hợp với giả thiết 5 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Pradhan, P., Shyam, R., & Shrestha, R (2016), Lê Đồng Duy Trung (2020).

Các yếu tố khác gồm Tỷ lệ thanh toán nhanh (QIR), và tốc độ tăng trưởng tổng sản phẩm quốc nội (GDP) nghiên cứu không tìm thấy có mối quan hệ có ý nghĩa thống kê đối với biến ROE trong mô hình nghiên cứu Các giả thiết 4, giả thiết 6 đối với ROE chưa có bằng chứng thống kê để chấp nhận.

Đối với biến phụ thuộc là NIM

Dựa trên kết quả Bảng 4.21 cho thấy rằng với biến phụ thuộc là NIM có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, CPIt có tác động cùng chiều và có ý nghĩa thống kê đến NIMit của NHTM Việt Nam Kết quả tổng hợp các nhân tố tác động đến NIMit của NHTM Việt Nam được trình bày tại Bảng 4.20.

Bảng 4.19: Tóm tắt kết quả tác động các biến độc lập đến ROE

CARit Có tác động 0,1475 *** + Chấp nhận

CPIt Có tác động 0,0005 *** + Chấp nhận

(Nguồn: Kết quả phân tích từ Stata 17) Ghi chú: *** mức ý nghĩa 1%; ** mức ý nghĩa 5%; * mức ý nghĩa 10%;

Dựa trên kết quả Bảng 4.20 mô hình hồi quy được thể hiện như sau:

Dựa vào mô hình hồi quy với độ lớn của hệ số hồi quy đại diện cho mức độ tác động của các nhân tố trong mô hình đến NIMit cho thấy: Đối với tỷ lệ Vốn chủ sở hữu/Tổng tài sản (CARit): Đây là yếu tố có tác động lớn nhất đến NIM Hướng tác động của yếu tố này cùng chiều (+) đối với NIM của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này đúng với thực tiễn hiện nay, cụ thể tính đến hết năm 2022, theo thông tin trên BCTC các NHTM đã công bố, tổng tài sản nhóm ngành ngân hàng đạt hơn 12,7 triệu tỷ đồng, tăng 17% so với đầu năm 1 Các NHTM đều có nhu cầu bức thiết tăng vốn trong giai đoạn hiện nay trong bối cảnh hệ số an toàn vốn (CAR) của các NHTM Việt Nam cải thiện chậm và ở mức thấp so với khu vực Chưa kể các nước trong khu vực đã thực hiện áp dụng toàn bộ hoặc một phần tiêu chuẩn Basel

3, trong khi các NHTM Việt Nam mới đang trong giai đoạn triển khai Basel 2 Mức đệm vốn của các tổ chức tín dụng ở mức thấp làm hệ thống ngân hàng dễ bị tác động tiêu cực bởi các cú sốc bất lợi từ môi trường kinh doanh Kết quả này phù hợp với giả thiết 1 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016), nhưng ngược với kết quả nghiên cứu của Pradhan, P., Shyam, R., & Shrestha, R (2016). Đối với tỷ lệ Dư nợ cho vay/Tổng nguồn vốn huy động (LDRit): Đây là yếu tố có tác động lớn thứ hai đến NIM Hướng tác động của yếu tố này cùng chiều (+) đối với ROA của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Thực tế hiện nay, các NHTM vẫn còn tình trạng cho vay vượt huy động thể hiện năng lực hoạt động của một ngân hàng trong việc tìm kiếm khách hàng và giải ngân các khoản vay Đứng đầu nhóm 11 ngân hàng cho vay vượt huy động trong quý III/2022 là cái tên quen thuộc - Ngân hàng VPBank Đây cũng là hai ngân hàng dẫn đầu về tỷ lệ cho vay/huy động tính đến cuối quý II/2022. VPBank đang cho vay nhiều gấp rưỡi số lượng tiền gửi của khách hàng gửi vào ngân hàng này, tỷ lệ dư nợ/tiền gửi tăng 12,3 điểm % so với quý trước VPBank vốn sở hữu FE Credit, công ty tài chính chiếm gần một nửa thị phần cho vay tiêu dùng với hơn 12 triệu khách hàng - theo thông tin từ công ty 2 Kết quả này phù hợp với giả thiết 2 đặt ra của mô hình nghiên cứu và nó cũng giống kết quả của Vũ Hữu Thành, Nguyễn Thị Ánh Như và Phạm Thị Thu Phương (2016). Đối với tỷ lệ lạm phát (CPIt): Đây là yếu tố có tác động lớn thứ ba đến NIM Hướng tác động của yếu tố này cùng chiều (+) đối với NIM của ngân hàng trong điều kiện các yếu tố khác không đổi ở mức ý nghĩa thống kê 1% Kết quả này phù hợp

1 https://doanhnhanvn.vn/duong-dua-ngan-hang-2022-thu-hang-quy-mo-tong-tai-san-bo-dem-von-nhieu-bien- dong.html

2 https://markettimes.vn/diem-danh-cac-ngan-hang-cho-vay-vuot-huy-dong-trong-quy-iii-2022-7200.html với thực tế hiện nay, lạm phát tăng đang là hiện tượng toàn cầu, nhưng mức độ rất khác nhau giữa các khu vực và quốc gia trên thế giới Ở các nước có mức độ in tiền rất lớn (Mỹ) và chịu tác động mạnh nhất từ cuộc chiến tại Ukraine (EU, Nga), hay các nước đang gặp khủng hoảng kinh tế (Brazil, Argentina…), lạm phát đang tăng mạnh và lên mức kỷ lục Nhưng bức tranh lạm phát bớt gay gắt hơn ở phần còn lại của thế giới Tại châu Á, lạm phát đang ổn định, thậm chí ở mức thấp như tại Nhật (0,9%), Trung Quốc (0,9%), Indonesia (2,1%), hay Việt Nam (2,4%) Kết quả này phù hợp với giả thiết 5 đặt ra của mô hình nghiên cứu, tuy nhiên nó ngược với kết quả của Pradhan, P., Shyam, R., & Shrestha, R (2016) và Pak, O (2020).

Các yếu tố khác gồm Tỷ lệ thanh khoản (LIR), Tỷ lệ thanh toán nhanh (QIR), Lạm phát (CPI), và tốc độ tăng trưởng tổng sản phẩm quốc nội (GDP), với bộ dữ liệu trong nghiên cứu này, nghiên cứu không tìm thấy có mối quan hệ thống kê có ý nghĩa đối với biến NIM trong mô hình nghiên cứu Các giả thiết 3, giả thiết

4, giả thiết 6 đối với NIM chưa có bằng chứng thống kê để được chấp nhận Bên cạnh đó, với mục đích của nghiên cứu là cập nhật thời gian nghiên cứu tại hai năm

2020 và 2021, nghiên cứu chưa tìm thấy kết quả có ý nghĩa thống kê của biến Period (Period = 0 giai đoạn 2010-2019, không chịu ảnh hưởng của đại dich Covid-

19 và Period = 1 đối với các năm 2020 trở về sau (giai đoạn 2020-2021) để xem xét tác động của đại Covid-19 đến KNSL của các NHTMCP Việt Nam Có thể trong giai đoạn này, các dữ liệu thống kê chưa đủ dài cũng như còn nhiều yếu tố vi mô và vĩ mô ảnh hưởng đến KNSL chưa được đề cập (đã trình bày trong phần hạn chế của đề tài) Do đó, nghiên cứu chưa tìm thấy tác động này có ý nghĩa thống kê đến KNSL của các NHTMCP Việt Nam.

Bảng 4.20 Bảng tổng hợp kết quả cuối cùng của nghiên cứu

Hệ số hồi quy P>z Hệ số hồi quy P>z Hệ số hồi quy P>z

Không có ý nghĩa thống kê

QIRit 0,0067 0,039 Không có ý nghĩa thống kê

GDPt Không có ý nghĩa thống

Chương 4 đã trình bày tổng quan về các ngân hàng Việt Nam thông qua số liệu thống kê của Cục thống kê, báo cáo của NHNN, và báo các ngành từ các ngân hàng và công ty kiểm toán cho thấy các nhận định chung về thực trạng KNSL của NHTM giai đoạn từ 2010 – 2021 Trong chương này, tác giả cũng trình bày kết quả nghiên cứu định lượng, kết quả hồi qui cho thấy rằng mô hình GLS với tùy chọn khắc phục vi phạm giả thiết về phương sai sai số thay dổi và vi phạm giả thiết về tương quan chuỗi được áp dụng Với biến phụ thuộc là ROA có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, QIRit có tác động cùng chiều đến ROAit, và một yếu tố LIRit có tác động ngược chiều và có ý nghĩa thống kê đến đến ROAit của NHTM Việt Nam Với biến phụ thuộc là ROEit có kết quả cuối cùng cho thấy có hai yếu tố là LDRit, CPIt có tác động cùng chiều đến ROEit, và hai yếu tố làCARit và LIRit có ý nghĩa thống kê và có tác động ngược chiều đến ROEit củaNHTM Việt Nam Với biến phụ thuộc là NIM có kết quả cuối cùng cho thấy có ba yếu tố là CARit, LDRit, CPIt có tác động cùng chiều và có ý nghĩa thống kê đếnNIMit của NHTM Việt Nam Với bộ số liệu trong nghiên cứu này, tác giả chưa tìm thấy có bằng chứng thống kê cho thấy biến Period ảnh hưởng có ý nghĩa thống kê đến KNSL của các NHTMCP Việt Nam Từ kết quả của mô hình hồi quy, đặc điểm của tửng yếu tố tác động và chiều hướng thông qua mức ý nghĩa và dấu của hệ số hồi quy trong chương 4 này sẽ là cơ sở để để tác giả đưa ra kết luận và các hàm ý chính sách trong chương 5 tiếp theo của bài nghiên cứu.

Định dạng
Số trang	104
Dung lượng	230,16 KB