GIỚI THIỆU
Lý do lựa chọn đề tài
Hoạt động tín dụng đối với các NHTM từ lâu được xem là hoạt động quan trọng chiếm tỷ trọng chủ yếu trong ngân hàng, ảnh hưởng trực tiếp đến hiệu quả hoạt động của một ngân hàng, đem lại nguồn lợi nhuận lớn nhất Là cầu nối luân chuyển vốn từ cá nhân, tổ chức nhàn rỗi đến cá nhân, tổ chức cần vốn để phục vụ các hoạt động sản xuất kinh doanh cũng như các hoạt động đầu tư Chính vì đem lại nguồn lợi nhuận cao nên đối mặt với hoạt động này là rủi ro cao, và một trong các chỉ tiêu phản ánh đến rủi ro ngân hàng là nợ xấu Hoạt động cho vay ảnh hưởng đến rủi ro tín dụng của các ngân hàng, được xem là rủi ro nghiêm trọng nhất tùy theo mức độ mà việc ảnh hưởng từ nợ xấu mang lại khác nhau Khi một mức nợ xấu càng gia tăng cho thấy được chất lượng hiệu quả an toàn vốn của các ngân hàng đang suy giảm trong các hoạt động cho vay, làm gia tăng các khoản trích lập dự phòng của các ngân hàng, gia tăng các chi phí để thu hồi khoản nợ ảnh hưởng trực tiếp đến lợi nhuận của ngân hàng và tác động trực tiếp đến sự tồn tại và phát triển của các ngân hàng thông qua sự suy giảm tài sản và thu nhập trong việc không thể thu hồi lại vốn đối với các ngân hàng ngày càng gia tăng Từ đó làm tắc nghẽn sự lưu thông tiền tệ của nền hệ thống, ảnh hưởng nghiêm trọng đến hoạt động kinh doanh của các TCTD.
Trong những năm gần đây, nợ xấu vẫn không ngừng biến đổi liên tục, nó không chỉ đe dọa ảnh hưởng, tác động tiêu cực đến hệ thống các Ngân hàng ở Việt Nam nói riêng mà còn tác động mạnh mẽ đến cả hệ thống Tài chính – Ngân hàng toàn cầu trên thế giới Hệ thống tài chính đóng một vai trò quan trọng, nếu như một đất nước mà không có tài chính thì đất nước cũng sẽ không thể nào phát triển được Từ những cuộc khủng hoảng của các năm trước đây đã tác động tiêu cực đến hệ thống lưu thông tiền tệ và chất lượng trong hoạt động cho vay tín dụng nền kinh tế Việt Nam Thời gian gần đây, về mảng tín dụng doanh nghiệp gặp không ít khó khăn và đang dần chậm lại.Chính vì vậy mà các ngân hàng đang có xu hướng mở rộng cho các khách hàng cá nhân vay về cả số lượng và quy mô Những cú sốc từ tài chính có thể phát sinh từ các yếu tố cụ thể cho các doanh nghiệp và sự mất cân bằng các yếu tố vĩ mô, việc khuyến khích các cá nhân góp vốn kích cầu cho hoạt động tín dụng vì có thể biết rằng vốn tín dụng là nguồn đầu tư quan trọng ảnh hưởng đến trực tiếp nền kinh tế Tuy nhiên thì hoạt động 1
2 này hàm chứa rất nhiều rủi ro với những nguyên nhân khác nhau, quan trọng nhất là các khách hàng không thu hồi được nợ ảnh hưởng nghiêm trọng gây tổn thất đến ngân hàng,làm tắc nghẽn đến sự lưu thông tiền tệ của nền kinh tế, ảnh hưởng xấu đến các hoạt động kinh doanh của các tổ chức tín dụng.
Xuất phát từ thực tế trên, bài viết nhằm nghiên cứu và tìm ra các “ Yếu tố ảnh hưởng đến nợ xấu tại các NHTM ở Việt Nam”, các mức độ ảnh hưởng để có thể giúp cho các nhà quản trị chủ động trong việc đưa ra các chính sách kịp thời, ngăn ngừa việc nợ xấu gia tăng, giúp cho hệ thống Ngân hàng hoạt động tốt Và từ đó đưa ra một số khuyến nghị phù hợp để giảm thiểu tỷ lệ nợ xấu.
Mục tiêu nghiên cứu
Bài nghiên cứu nhằm phân tích các yếu tố ảnh hưởng đến nợ xấu ở các NHTM tại Việt Nam và làm sáng tỏ các yếu tố ảnh hưởng đến nợ xấu, từ đó đưa ra các khuyến nghị nhằm giảm thiểu nợ xấu tại các ngân hàng.
- Thứ nhất, xác định các yếu tố ảnh hưởng đến nợ tại các NHTM, từ đó xây dựng mô hình nghiên cứu phù hợp.
- Thứ hai, phân tích mức độ ảnh hưởng và chiều ảnh hưởng của các yếu tố đặc thù của ngân hàng và yếu tố vĩ mô đến nợ xấu.
- Thứ ba, đưa ra các khuyến nghị để giảm thiểu nợ xấu tại ngân hàng, qua đó giúp cho hoạt động tín dụng tại các ngân hàng hoạt động một cách an toàn.
Câu hỏi nghiên cứu
Để đạt được mục tiêu nghiên cứu đã nêu ở trên, đề tài nghiên cứu cần tập trung giải quyết các câu hỏi sau:
- Yếu nào ảnh hưởng đến nợ xấu tại các NHTM ở Việt Nam?
- Mức độ tác động của các yếu tố đến nợ xấu tại các NHTM ở Việt Nam như thế nào?
- Từ kết quả của mô hình nghiên cứu đề tài đề xuất các khuyến nghị phù hợp để giảm thiểu nợ xấu tại ngân hàng, qua đó giúp cho hoạt động tín dụng tại các ngân hàng hoạt động một cách an toàn.
Đối tượng nghiên cứu
- Các yếu tố ảnh hưởng nợ xấu đến các NHTM ở Việt Nam.
Phạm vi nghiên cứu
- Phạm vi nội dung: Những yếu tố ảnh hưởng nợ xấu đến các NHTM ở Việt Nam.
- Phạm vi không gian: Các NHTM ở Việt Nam, cụ thể là 28 NHTM
- Phạm vi thời gian: nghiên cứu trong giai đoạn 2007 - 2021
Phương pháp nghiên cứu
Bài nghiên cứu sử dụng phương pháp thu thập số liệu dựa trên dữ liệu bảng kết hợp với phương pháp định lượng để thể hiện rõ được đặc điểm của bộ dữ liệu thu nhằm có cái nhìn cụ thể tổng quát hơn Kết hợp giữa phương pháp định lượng và phương pháp định tính, thống kê, so sánh nhằm đưa ra cái nhìn tổng quát về các yếu tố ảnh hưởng đến nợ xấu trong giai đoạn nghiên cứu, biến động của tỷ lệ nợ xấu.
Phương pháp nghiên cứu định tính:
- Phương pháp thu nhập thông tin và phương pháp phân tích Nguồn thông tin được tác giả thu thập thông qua các BCTC năm, BCTN của các NHTM tại Việt Nam. Đối với các dữ liệu thuộc yếu tố vĩ mô, tác giả thu thập từ trang web của ngân hàng thế giới (WorldBank).
- Phương pháp phân tích sử dụng các thông tin và dữ liệu thứ cấp, kết hợp với phương pháp so sánh, đối chiếu các thông tin và từ đó đưa ra những nhận định về tình hình nợ xấu và một số chỉ tiêu có liên quan như tăng trưởng cho vay, quy mô ngân hàng, tỷ lệ cho vay khách hàng trên tiền gửi ngân hàng…
- Phương pháp xử lý dữ liệu: thống kê mô tả, phân tích dữ liệu chuỗi thời gian, tổng hợp sử dụng sơ đồ, biểu bảng.
Phương pháp nghiên cứu định lượng:
Dựa trên các công trình nghiên cứu trên thế giới và trong nước trước đây để tìm ra mô hình nghiên cứu phù hợp Các phương pháp ước lượng phổ biến trên cơ sở dữ liệu bảng để xác định các yếu tố tác động đó chính là phương pháp OLS, FEM, REM.
Và trong nghiên cứu này tác giả sẽ ước lượng trên các phương pháp trên để kiểm định lựa chọn phương pháp phù hợp Đồng thời đề tài nghiên cứu sử dụng phương pháp hồi quy thích hợp để đo lường các yếu tố Do dữ liệu nghiên cứu gặp phải hiện tượng phương sai sai số thay đổi và tự tương quan nên cấn khắc phục qua các phương pháp hồi quy phù hợp Ngoài ra mô hình nghiên cứu cũng có khả năng cao gặp phải hiện tượng nội sinh nên tác giả sẽ sử dụng phương pháp Moment tổng quát (Generalized
4 method of moments – GMM) để đánh giá các yếu tố có tác động đến nợ xấu tại các NHTM Việt Nam, Kết quả thực nghiệm từ mô hình hồi quy sẽ được sử dụng làm cơ sở để chấp nhận hay bác bỏ giả thuyết nghiên cứu Cuối cùng, ứng dụng kết quả của mô hình hồi quy ở Chương 3 bài nghiên cứu sẽ đề xuất một số giải pháp cho công tác kiểm soát, hạn chế nợ xấu tại các NHTM Việt Nam.
Những dữ liệu được sử dụng trong nghiên cứu được thể hiện theo dữ liệu bảng, đó là các số liệu tài chính được thu nhập từ các báo cáo tài chính và báo cáo thường niên của các NHTM Việt Nam giai đoạn 2007-2021, các dữ liệu vĩ mô được lấy từ cơ sở dữ liệu của Tổng cục thống kê, báo cáo Ngân hàng Nhà nước.
Đóng góp của nghiên cứu
Dựa trên mô hình nghiên cứu, các NHTM tại Việt Nam xác định được các yếu tố ảnh hưởng dẫn đến rủi ro tín dụng, từ đó đưa ra các giải pháp phù hợp, ngăn chặn nguy cơ nợ xấu xảy ra, dễ chủ động trong việc đưa ra các chính sách phù hợp trong quá trình tái cơ cấu lại Ngân hàng.
Về mặt lý thuyết, bài nghiên cứu đã cung cấp thêm bằng chứng nghiên cứu về chủ đề các yếu tố ảnh hưởng đến nợ xấu tại các NHTM ở Việt Nam Kết quả này đóng góp thêm vào cơ sở tổng quan nghiên cứu về chủ đề nợ xấu tại Việt Nam, góp phần cho nghiên cứu sau mở rộng, tiếp tục hoàn thiện và khai thác thêm nhiều góc cạnh khác sau của nghiên cứu.
Về mặt thực tiễn, nghiên cứu đã chỉ ra tác động của hai nhóm yếu tố đặc điểm ngân hàng và các yếu tố vĩ mô đến nợ xấu Đối với nhóm đại diện các yếu tố đặc thù của ngân hàng, kết quả cho thấy tỷ lệ của năm trước có tác động cùng chiều với tỷ lệ nợ xấu ngân hàng Trong khi đó, hiệu quả hoạt động của ngân hàng, chi phí trích lập dự phòng rủi ro tín dụng, quy mô ngân hàng, tăng trưởng cho vay có tác động ngược chiều đến tỷ lệ nợ xấu Đối với các yếu tố vĩ mô, tốc độ tăng trưởng có tác động cùng chiều đến tỷ lệ nợ xấu.
Kết cấu của nghiên cứu
Chương 1: Giới thiệu nghiên cứu
Chương 2: Cơ sở lý thuyết và tổng quan nghiên cứu
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả và thảo luận
Chương 5: Kết luận và khuyến nghị chính sách
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
Khái quát chung về nợ xấu
Thuật ngữ “nợ xấu” (Non-Performing loans) có thể thay thế được bằng nợ khó đòi Fofack, (2005), hoặc các khoản vay có vấn đề ( Berger và DeYoung, 1997).
Nhóm chuyên gia tư vấn Advisory Expert Group (AEG) của Liên hợp quốc cho rằng “Về cơ bản, một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/ hoặc gốc trên
90 ngày, hoặc các khoản lãi chưa trả đủ từ 90 ngày trở lên được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận; hoặc các khoản nợ quá hạn thanh toán dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng sẽ được thanh toán đầy đủ”
Theo quan điểm của Quỹ tiền tệ Quốc tế (IMF - International Monetary Fund) đưa ra định nghĩa về nợ xấu trong đoạn 4.84 và 4.85 của hướng dẫn để tính toán các chỉ số lành mạnh tài chính tại các quốc giá (FSIs) như sau:
“Một khoản vay được coi là nợ xấu khi quá hạn thanh toán gốc hoặc lãi 90 ngày hoặc hơn; khi các khoản lãi suất đã quá hạn 90 ngày hoặc hơn đã được vốn hóa, cơ cấu lại hoặc trì hoãn theo thỏa thuận; khi các khoản thanh toán đến hạn dưới 90 ngày nhưng có thể nhận thấy các dấu hiệu rõ ràng, cho thấy người vay không thể hoàn trả đầy đủ”. Sau khi khoản vay được xếp vào danh mục nợ xấu, nó hoặc bất cứ khoản vay thay thế nào cũng nên được xếp vào danh mục nợ xấu cho tới thời điểm phải xóa nợ hoặc thu hồi được gốc và lãi của các khoản vay thay thế” (IMF’s Compilation Guide on Financial Indicators, 2004).
Theo Ủy ban Basel về giám sát ngân hàng (BCBS), tổ chức này không đưa ra cụ thể về nợ xấu Tuy nhiên trong các hướng dẫn về thông lệ chung tại nhiều quốc gia về quản lý rủi ro tín dụng BCBS xác định việc các khoản nợ bị coi là không có khả năng hoàn trả ( a default) khi một trong hai hoặc cả hai điều kiện sau xảy ra: (i) ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa hiện hành động gì để cố gắng thu hồi ví dụ như giải chấp Chứng khoán( nếu đang nắm giữ); (ii) người vay đã quá hạn trả nợ quá 90 ngày (BCBS, 2002),
Theo quan điểm về nợ xấu của NHTW Châu Âu (ECB) yêu cầu khả năng so sánh tài sản và định nghĩa để đánh giá mức độ rủi ro giữa các ngân hàng trung ương khu vực đồng Euro ECB chỉ định nhiều tiêu chí có thể gây ra phân loại nợ xấu khi nó thực hiện các bài kiểm với các ngân hàng tham gia ECB đã thực hiện và đánh giá toàn diện và phát triển các tiêu chí để xác định các khoản vay là không hoạt động nếu chúng:
- Không tuân thủ các chi tiết kế toán cụ thể cho các ngân hàng GAAP và Chuẩn mực báo cáo tài chính quốc tế ( IFRS) của Hoa Kỳ
- Có nguy cơ vỡ nợ theo Quy định yêu cầu vốn( the Capital Requirements Regulation)
Nợ xấu (NPLS) đã trở thành một vấn đề đáng báo động trong vài thập kỷ trước do các đặc điểm riêng của nó Điều thú vị hơn, nợ xấu đang phát triển đáng sợ không chỉ ở các quốc gia đang phát triển và kém phát triển mà còn ở các nước tiên tiến (Kjosevski & Petkovski, 2017; Saif-alyousfi et al., 2018).
Nợ xấu theo quan điểm ở Việt Nam: Theo Khoản 8 Điều 3 của Thông tư 02/2013/ TT-NHNN ngày 21/01/2013 của NHNN quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro của NHNN Việt Nam thì: Nợ xấu là các khoản nợ thuộc nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn) Trong đó:
– Nợ nhóm 3: thời gian quá hạn từ 90 – 180 ngày.
– Nợ nhóm 4: thời gian quá hạn từ 181 – 360 ngày.
– Nợ nhóm 5: thời gian quá hạn trên 360 ngày.
Các tài liệu trước đó đã đề cập đến hai bộ các yếu tố khiến nợ xấu qua khoảng thời gian Bộ đầu tiên là các yếu tố nội bộ được coi là các biến cụ thể của ngân hàng có thể dễ dàng được kiểm soát bởi quản lý hiệu quả của các ngân hàng tương ứng Bộ khác là các yếu tố bên ngoài như hoàn cảnh kinh tế vĩ mô, không thể được kiểm soát bởi quản lý của các ngân hàng trực tiếp nhưng tỷ lệ rủi ro có thể được giảm bằng cách thực hiện hành động theo kế hoạch đúng đắn Khái niệm “nợ xấu” Non-Performing Loan (NPL) hiện nay không hoàn toàn thống nhất ở các quốc gia và mỗi nền kinh tế dưới góc nhìn của các cá thể khác nhau.
Các tiêu chí đo lường nợ xấu
Việc phân loại nợ giúp cho các ngân hàng căn cứ vào các tiêu chuẩn định tính và định lượng để có thể đánh giá mức độ rủi ro khác nhau của các khoản vay cũng như là điểm giống nhau giữa các khoản vay để từ đó có thể lập một mức dự phòng rủi ro để đề phòng trước những rủi ro có thể xảy ra trong thực tế Trên cơ sở đó nhằm phân loại các khoản nợ vào các nhóm thích hợp Việc thường xuyên xem xét và phân loại nợ giúp cho các ngân hàng có thể kiểm soát được chất lượng danh mục ở khác khoản cho khách hàng vay và trong những trường hợp cần thiết sẽ đưa ra những biện pháp xử lý các vấn đề phát sinh trong chất lượng tín dụng các danh mục cho vay Việc phân loại nợ gây nhiều khó kahwns về mặt pháp lý ở từng quốc gia khác nhau, tuy nhiên nó giúp cho các quốc gia có sự lựa chọn rất đa dạng cho hệ thống phân loại và lập dự phòng ( BCBS, 2006).
Theo Viện Tài chính quốc tế ( Institute of International Finance: IIF), cụ thể ở mục 15 “Xử lý nợ xấu trong thống kê kinh tế vĩ mô” (The Treatment of Nonperforming Loans in Macroeconomic Statistics, 2001), tác giả Adriaan M.Bloem và Cornelis N.Gorter đã đề cập đến cách phân loại nợ của IIF thành 5 nhóm Đây được xem là một trong những cách phân loại nhóm nợ được sử dụng rộng rãi nhất Trong đó, nợ xấu là các khoản nợ thuộc nhóm 3, 4,5.
- Nhóm 1: Nợ đủ tiêu chuẩn (Standard): Là các khoản thanh toán gốc và lãi đều nằm trong hạn Đồng thời không có xuất hiện khó khăn nào trong việc thanh toán các khoản vay và dự báo có thể hoàn trả nợ đầy đủ theo cam kết.
- Nhóm 2: Nợ cần chú ý (Watch): Là các khoản nợ trong tình trạng có nguy cơ không thanh toán đầy đủ nếu không có những biện pháp xử lý Do đó, các ngân hàng cần chú ý đến các khoản ở nhóm nợ này nhiều hơn bình thường.
- Nhóm 3: Nợ dưới tiêu chuẩn (Substandard): Là các khoản nợ bị nghi ngờ về khả năng thanh toán đầy đủ cả gốc và / hoặc lãi đã quá hạn 90 ngày Những tài sản đảm bảo của các khoản nợ bị giảm giá trị có thể dẫn đến những tổn thất xảy ra nếu không có những biện pháp xử lý kịp thời.
- Nhóm 4: Nợ nghi ngờ (Doubtful): Là khoản nợ được xác định là không thể thu hồi được gốc và/hoặc lãi đã quá hạn trên 180 ngày Tuy nhiên, khoản nợ thuộc nhóm này được coi là giảm giá trị nhưng vẫn chưa hẳn là mất vốn hoàn toàn vì vẫn còn những yếu tố có thể cải thiện được chất lượng của khoản nợ như sáp nhập, tài trợ mới hoặc tiếp vốn
- Nhóm 5: Nợ mất vốn (Loss): Là khoản nợ được cho là không còn khả năng thu hồi khi gốc và /hoặc lãi đã quá hạn trên 1 năm.
Tại Việt Nam, Văn bản hợp nhất 22/VBHN-NHNN ngày 04 tháng 06 năm 2014 quyết định về quy định phân loại nợ, trích lập và sử dụng dự phòng để xử lý rủi ro tín dụng trong hoạt động ngân hàng của TCTD do NHNN Việt Nam ban hành:
Bảng 2: Phân loại nhóm nợ theo phương pháp định lượng
Phân loại theo phương pháp định lượng ( Số ngày quá hạn)
Nguồn: Tổng hợp của tác giả
Phân loại nhóm nợ theo phương pháp định tính
- Nhóm 1 (Nợ đủ tiêu chuẩn) bao gồm: Các khoản nợ được tổ chức tín dụng đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn.
- Nhóm 2 (Nợ cần chú ý) bao gồm: Các khoản nợ được tổ chức tín dụng đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi nhưng có dấu hiệu khách hàng suy giảm khả năng trả nợ.
- Nhóm 3 (Nợ dưới tiêu chuẩn) bao gồm: Các khoản nợ được tổ chức tín dụng đánh giá là không có khả năng thu hồi nợ gốc và lãi khi đến hạn Các khoản nợ này được tổ chức tín dụng đánh giá là có khả năng tổn thất một phần nợ gốc và lãi.
- Nhóm 4 (Nợ nghi ngờ) bao gồm: Các khoản nợ được tổ chức tín dụng đánh giá là khả năng tổn thất cao.
- Nhóm 5 (Nợ có khả năng mất vốn) bao gồm: Các khoản nợ được tổ chức tín dụng đánh giá là không còn khả năng thu hồi, mất vốn.
2.2.2 Các chỉ tiêu đo lường nợ xấu
Tong dư nợ cho vay Đây được xem là chỉ tiêu quan trọng và chủ yếu nhất được sử dụng để đánh giá chất lượng tín dụng và mức độ rủi ro của danh mục cho vay tại các NHTM Chỉ tiêu này cho biết cứ 100 đồng mà một ngân hàng cho vay thì có bao nhiêu đồng bị đánh giá là nợ xấu Nếu tỷ lệ này nhỏ hơn 3% thì ngân hàng được xem là có chất lượng tín dụng tốt, tỷ lệ nợ xấu ở mức an toàn Khi ngân hàng gặp vấn đề trong quản lý chất lượng các khoản vay từ việc không thu hồi được nợ từ các khách hàng thì tỷ lệ nợ xấu có tình trạng tăng cao hơn trung bình ngành và có chiều hướng tăng lên Ngược lại, khi tỷ lệ này thấp hơn so với trung bình ngành và có chiều hướng giảm có nghĩa là ngân hàng đang quản lý chất lượng các khoản vay tốt Hoặc có những trường hợp ngân hàng dùng chính sách xóa nợ, thay đổi các phân loại của khoản nợ.
2.2.2.2 Tỷ lệ nợ quá hạn
Tỷ lệ nợ quá hạn = — -7 -j -* 100%
Tong dư nợ cho vay
Tỷ lệ nợ quá hạn là một trong những chỉ tiêu phản ánh tỷ lệ nợ xấu, chỉ tiêu này cho thấy tình hình nợ quá hạn tại ngân hàng, đồng thời phản ánh khả năng quản lý của ngân hàng ở khâu cho khách hàng vay, đôn đốc các khách hàng thu hồi nợ từ các khoản cho vay của ngân hàng Nợ quá hạn phát sinh khi đến hạn trả nợ theo cam kết thì người đi vay không có khả năng trả nợ Khi tỷ lệ quá hạn này càng cao thì cho thấy chất lượng tín dụng ở các ngân hàng ngày càng kém đi và ngược lại nếu tỷ lệ này càng thấp thì cho thấy ngân hàng đang hoạt động hiệu quả, chất lượng tín dụng ngày càng cao Theo quy định của NHNN hiện nay chỉ tiêu này không được vượt quá 3% cho phép.
2.2.2.3 Hệ số rủi ro tín dụng
Tổng dư nợ cho vay
Hệ số rủi ro tín dụng = ——7;- —H -;— * 100%
Hệ số này cho thấy tỷ trọng của các khoản mục tín dụng trong hoạt động của ngân hàng, khoản mục tín dụng trọng tổng tài sản càng lớn thì cho thấy lợi nhuận sẽ lớn nhưng bên cạnh đó mức độ rủi ro sẽ càng lớn.
Tổng quan các nghiên cứu trước đây
Makri, Tsagkanos, và Bellas (2014) mục đích của nghiên cứu này là xác định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu (NPL) của hệ thống ngân hàng Eurozone trong giai đoạn 2000-2008, ngay trước khi bắt đầu suy thoái Trong thời đại ngày nay, Khu vực đồng tiền chung châu Âu đang ở giữa một cuộc khủng hoảng tài chính chưa từng có, khiến hệ thống ngân hàng của các nước châu Âu gặp khó khăn Xem xét cả các biến số vĩ mô (ví dụ tỷ lệ phần trăm tăng trưởng hàng năm của tổng sản phẩm quốc nội, nợ công tính theo% tổng sản phẩm quốc nội, tỷ lệ thất nghiệp) và các biến số vi mô (ví dụ tỷ lệ cho vay trên tiền gửi, tỷ suất sinh lời trên tài sản, tỷ suất sinh lời) Nghiên cứu sử dụng dữ liệu bảng của các ngân hàng thuộc 14 quốc gia và áp dụng ước tính GMM Nhìn chung, các phát hiện trong nghiên cứu cho thấy mối tương quan chặt chẽ giữa nợ xấu và các yếu tố vĩ mô khác nhau (nợ công, tỷ lệ thất nghiệp, tỷ lệ tăng trưởng hàng năm của tổng sản phẩm trong nước) và các yếu tố thuộc đặc thù ngân hàng (tỷ lệ an toàn vốn, tỷ lệ nợ xấu của năm trước và lợi nhuận trên vốn chủ sở hữu) các yếu tố.
Salas và Saurina (2002), So sánh các yếu tố quyết định đến nợ xấu của ngân hàng thương mại Tây Ban Nha trong giai đoạn 1985 – 1997 Sử dụng công cụ ước lượng Arellano-Bond để tính toán cho các mô hình động từ dữ liệu bảng và sử dụng phương pháp GMM Kết quả nghiên cứu cho thấy các yếu tố vi mô như việc mở rộng tín dụng trong quá khứ và sự gia tăng mạng lưới chi nhánh trong quá khứ, quy mô của ngân hàng ảnh hưởng tiêu cực và đáng kể đến nợ xấu Tốc độ tăng trưởng GDP có tác động ngược chiều đến tỷ lệ nợ xấu.
Louzis, Vouldis & Metaxas (2010), nghiên cứu này sử dụng phương pháp GMM để xem xét các yếu tố quyết định các khoản cho vay dẫn đến nợ xấu (NPL) trong hệ thống Ngân hàng thương mại Hy Lạp từ quý 1 năm 2003 đến quý 3 năm 2009 với các yếu tố nợ công, Nghiên cứu thấy rằng các biến số kinh tế vĩ mô, cụ thể là tốc độ tăng trưởng GDP thực tế, tỷ lệ thất nghiệp và lãi suất cho vay có tác động mạnh đến mức nợ xấu Hơn nữa, các biến cụ thể của ngân hàng như các chỉ số hoạt động và hiệu quả được phát hiện có khả năng giải thích bổ sung khi được thêm vào mô hình cơ sở Kết quả thực nghiệm cũng chỉ ra những khác biệt đáng kể liên quan đến tác động định lượng của các yếu tố quyết định nợ xấu khác nhau tùy thuộc vào loại khoản vay.
Messai (2013) trong nghiên cứu này, tác giả phát hiện các yếu tố vi mô và vĩ mô quyết định đến nợ xấu đối với 85 ngân hàng ở ba quốc gia (Ý, Hy Lạp và Tây Ban Nha) trong giai đoạn 2004-2008 Các quốc gia này đã phải đối mặt với các vấn đề tài chính sau cuộc khủng hoảng năm 2008 Các biến được sử dụng là các biến kinh tế vĩ mô và các biến vi mô của ngân hàng Các biến số kinh tế vĩ mô bao gồm tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất thực tế đối với các biến cụ thể được lựa chọn cho tỷ suất sinh lợi của tài sản, sự thay đổi trong các khoản vay và tỷ lệ dự phòng rủi ro cho vay trên tổng các khoản cho vay (LLR / TL) Sau khi áp dụng phương pháp dữ liệu bảng, ma trận tương quan Pearson tác giả nhận thấy các vấn đề cho vay thay đổi tỷ lệ nghịch với tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất thực có ảnh hưởng cùng chiều đến nợ xấu. Hơn nữa, người ta thấy rằng các khoản dự phòng của các ngân hàng tăng lên cùng với các khoản nợ xấu.
Fofack (2005) nghiên cứu các nguyên nhân hàng đầu của các khoản nợ xấu trong các cuộc khủng hoảng kinh tế và ngân hàng đã ảnh hưởng đến một số lượng lớn các quốc gia ở châu Phi cận Sahara trong những năm 1990 Phân tích nhân quả dựa trên dữ liệu bảng động bằng phương pháp GMM để tìm hiểu các yếu tố dẫn đến nợ xấu Kết quả thực nghiệm cho thấy sự gia tăng đáng kể các khoản vay này và rủi ro tín dụng cực kỳ cao, với sự khác biệt đáng kể giữa các quốc gia CFA và không có CFA, và chi phí tài chính cao hơn đáng kể cho nhóm các quốc gia sau này Kết quả cũng cho thấy mối quan hệ nhân quả mạnh mẽ giữa các khoản vay này và tăng trưởng kinh tế, tỷ giá hối đoái thực tăng, lãi suất thực, biên lãi ròng và các khoản vay liên ngân hàng phù hợp với quan hệ nhân quả và phân tích kinh tế lượng, cho thấy tầm quan trọng của các yếu tố kinh tế vĩ mô và vi mô Sự gia tăng đáng kể của các khoản vay này phần lớn là do biến động kinh tế vĩ mô và phản ánh tính dễ bị tổn thương của các nền kinh tế Châu Phi chưa phát triển, vốn vẫn chịu nhiều tác động từ các cú sốc bên ngoài Kết quả mô phỏng cho thấy sự ổn định kinh tế vĩ mô và tăng trưởng kinh tế có liên quan đến mức độ suy giảm của các khoản nợ xấu; trong khi những cú sốc bất lợi về kinh tế vĩ mô cùng với chi phí vốn cao hơn và tỷ suất lợi nhuận thấp hơn có liên quan đến việc gia tăng phạm vi các khoản xấu Kết quả mô hình cho thấy sự ổn định kinh tế vĩ mô và tăng trưởng kinh tế có mối liên hệ đến mức độ suy giảm nợ xấu, trong khi những cú sốc vĩ mô bất lợi cùng với chi phí vốn cao và biên lợi nhuận thấp có mối liên quan đến sự gia tăng nợ xấu
Hosen và cộng sự (2020) nghiên cứu với 26 ngân hàng thông thường hàng đầu và bốn ngân hàng Hồi giáo ở Bangladesh trong giai đoạn 2014 đến 2018, sử dụng phương pháp hồi quy OLS được sử dụng để điều tra tác động của tăng trưởng tín dụng, các khoản cho vay, chi phí hoạt động, quy mô, tăng trưởng kinh tế đối với các khoản nợ xấu (NPL) Các kết quả thực nghiệm cho thấy bằng chứng rõ ràng rằng hoạt động kém hiệu quả có tác động tích cực đáng kể đến nợ xấu, trong khi tỷ lệ cho vay trên tiền gửi có tác động tiêu cực đến nợ xấu Kết quả cho thấy các nhà hoạch định chính sách cần giảm thiểu sự kém hiệu quả của ngân hàng với quan điểm giảm nợ xấu.
Chaibi và Ftiti (2015) xem xét các yếu tố quyết định các khoản nợ xấu (NPL) của các ngân hàng thương mại trong nền kinh tế dựa trên thị trường, đại diện là Pháp, so với nền kinh tế dựa vào ngân hàng, đại diện là Đức, trong giai đoạn 2005–2011 Nghiên cứu này sử dụng phương pháp GMM Bài viết được thúc đẩy bởi giả thuyết rằng các biến số kinh tế và đặc điểm ngân hàng có ảnh hưởng đến chất lượng cho vay và những ảnh hưởng này khác nhau giữa các hệ thống ngân hàng khác nhau Câu hỏi quan trọng được thảo luận là các yếu tố quyết định rủi ro tín dụng nào được quan trọng đối với cả hai quốc gia Tác giả cho rằng tất cả các biến kinh tế vĩ mô, tăng trưởng GDP, lãi suất, tỷ lệ thất nghiệp và tỷ giá hối đoái, có ảnh hưởng mạnh đến cả hai nền kinh tế Cả hai hệ thống ngân hàng chỉ có hai yếu tố quyết định rủi ro tín dụng chung từ đó có ảnh hưởng đến tỷ lệ nợ xấu, cụ thể là quy mô và khả năng chuyên nghiệp của các ngân hàng.
Klein (2013), nghiên cứu nhằm đánh giá các yếu tố quyết định nợ xấu trong các nền kinh tế CESEE bằng cách xem xét cả dữ liệu cấp ngân hàng và các chỉ số kinh tế vĩ mô trong giai đoạn 1998–2011 Nghiên cứu sử dụng phương pháp tác động hồi quy vector (VAR), bao gồm các biến nội sinh (NPL, tăng trưởng GDP thực, tỷ lệ thất nghiệp, sự thay đổi trong tín dụng) Bài nghiên cứu phát hiện ra rằng mức nợ xấu có thể do cả điều kiện kinh tế vĩ mô và các yếu tố cụ thể của các ngân hàng , mặc dù các yếu tố sau được cho là có sức giải thích tương đối thấp Kết quả cho thấy rằng mức độ nợ xấu có thể bị tác động đối với cả điều kiện kinh tế vĩ mô và các yếu tố cụ thể của các ngân hàng. Đặc biệt, kết quả cho thấy mức nợ xấu có xu hướng gia tăng khi thất nghiệp gia tăng, tỷ giá hối đoái mất giá và lạm phát cao Ngoài các tác động cụ thể đến từng quốc gia, các yếu tố, chẳng hạn như tăng trưởng GDP của khu vực đồng Euro và tâm lý ngại rủi ro toàn cầu, có tác động trực tiếp đến chất lượng tài sản của các ngân hàng
2.3.2 Các nghiên cứu trong nước
Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018) nghiên cứu tác động của các yếu tố vĩ mô và đặc thù ngân hàng đến nợ xấu Mục tiêu của bài nghiên cứu là đánh giá tác động của các yếu tố vĩ mô và yếu tố đặc thù đến nợ xấu của hệ thống ngân hàng thương mại ở các quốc gia khu vực Đông Nam Á Nghiên cứu sử dụng phương pháp ước lượng GMM hệ thống thông qua dữ liệu từ 204 ngân hàng thương mại ở các quốc gia khu vực Đông Nam Á trong giai đoạn 2010–2015 Kết quả nghiên cứu cho thấy nợ xấu của ngân hàng thương mại các nước trong khu vực chịu tác động bởi cả yếu tố vĩ mô và yếu tố đặc thù Theo đó, nợ xấu hiện tại của các ngân hàng trong khu vực Đông Nam Á chịu tác động ngược chiều của các yếu tố là tỷ suất sinh lợi, tốc độ tăng trưởng tín dụng, tỷ lệ cho vay/tiền gửi, quy mô ngân hàng nhưng cùng chiều với nợ xấu trong quá khứ và vốn chủ sở hữu Đặc biệt, các yếu tố vĩ mô có ảnh hưởng đáng kể đến chất lượng cho vay của các ngân hàng thương mại Kết quả cũng tìm thấy biến ngân sách và thuế thu nhập tác động có ý nghĩa thống kê đối với nợ xấu Qua đó, các nhà quản trị ngân hàng có thể xem xét tác động của các biến đặc thù ngân hàng như là các chỉ số cảnh báo sớm Kết quả này cũng giúp ích cho các nhà hoạch định chính sách trong việc thiết kế các chính sách tài khóa và vĩ mô an toàn, trong đó cần chú trọng đánh giá tác động của các chính sách vĩ mô đến rủi ro tín dụng của các ngân hàng.
Võ Thị Quý và Bùi Văn Toản (2014) nghiên cứu các yếu tố ảnh hưởng đến rủi ro tín dụng trên 26 NHTM giai đoạn 2009 – 2012 Dữ liệu bảng với phương pháp GMM được sử dụng để khắc phục hiện tượng tự tương quan bậc nhất giữa các sai số và hiện tượng biến nội sinh để đảm bảo các ước lượng thu được vững và hiệu quả Kết quả nghiên cứu cho thấy rủi ro tín dụng ngân hàng trong quá khứ với độ trễ một năm (LLR i, t-
1), tỷ lệ tăng trưởng tín dụng trong quá khứ với độ trễ một năm (LG i, t-1 ), và tỷ lệ tăng trưởng GDP trong quá khứ với độ trễ một năm (△GDP i, t-1 ) tác động có ý nghĩa đến rủi ro tín dụng NHTM Việt Nam.
Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) sử dụng dữ liệu trong nghiên cứu được thu thập từ số liệu trong báo cáo tài chính của 27 NHTMCP tại Việt Nam từ năm 2005 - 2016 Sử dụng phương pháp hồi quy GMM sai phân với ưu điểm có thể khắc phục hiện tượng nội sinh, phương sai thay đổi và tự tương quan, bài nghiên cứu phát hiện thấy rằng các đặc điểm ngân hàng có tác động đáng kể Ngoài các yếu tố thuộc đặc điểm của ngân hàng, nghiên cứu còn cho thấy biến số vĩ mô có mối quan hệ cùng chiều với tỷ lệ nợ xấu của các ngân hàng.
Nguyễn Thị Như Quỳnh, Lê Đình Luân, Nguyễn Thị Hương Mai (2018) bài viết nhằm phân tích các nhân tố tác động đến nợ xấu của Ngân hàng thương mại (NHTM) trong giai đoạn 2006-2016, thông qua mẫu nghiên cứu gồm 25 NHTM cổ phần tại ViệtNam Nhóm tác giả sử dụng mô hình Pooled OLS, FEM, REM sau đó lựa chọn mô hình phù hợp là FEM Các kiểm định khuyết tật của mô hình lần lượt được tiến hành, phát hiện mô hình FEM có hiện tượng phương sai thay đổi Để khắc phục tình trạng này,nhóm tác giả sử dụng mô hình hồi quy theo phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares – FGLS) để đảm bảo hiệu quả của mô hình.Kết quả nghiên cứu cho thấy với mức ý nghĩa thống kê 1%, tốc độ tăng trưởng kinh tế, tăng trưởng tín dụng của ngân hàng và tỷ lệ thất nghiệp tác động ngược chiều với tỷ lệ nợ xấu Đồng thời, tỷ lệ lạm phát và tỷ lệ nợ xấu năm trước tương quan thuận chiều với tỷ lệ nợ xấu hiện tại Tuy nhiên, mối quan hệ giữa yếu tố quy mô và khả năng sinh lời của ngân hàng với tỷ lệ nợ xấu chưa được tìm thấy.
Phan Thị Hồng Thẩm (2019) bài viết của luận văn nhằm xác định và kiểm định các yếu tố tác động đến nợ xấu của các NHTM Việt Nam trong giai đoạn 2007- 2018.Luận văn sử dụng phương pháp GMM, tác giả đã xây dựng mô hình gồm 5 biến có ý nghĩa thống kê bao gồm yếu tố thuộc đặc thù ngân hàng và yếu tố thuộc kinh tế vĩ mô là hiệu quả kinh doanh, quy mô ngân hàng, tăng trưởng tín dụng, tăng trưởng tổng sản phẩm quốc nội và tỷ lệ lạm phát Mô hình ước lượng cuối cùng là hiệu quả vì các khuyết tật đã được kiểm định nên không tồn tại các khiếm khuyết trong mô hình.
Bảng 2 1: Tổng hợp các nghiên cứu có liên quan
Tác giả Phạm vi nghiên cứu
Biến tác động đến nợ xấu
Hệ thống ngân hàng lớn nhất tại
Hy Lạp, sử dụng dữ liệu hàng quý trong giai đoạn
Các yếu tố nợ công, các biến vĩ mô ( tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp, chỉ số lạm phát), các biến thuộc đặc thù ngân hàng (tỷ lệ nợ xấu quá khứ, quy mô ngân hàng, tỷ lệ thu nhập trên vốn chủ sở hữu) sử dụng phương pháp GMM để xem xét các yếu tố quyết định các khoản cho vay dẫn đến nợ xấu (NPL) trong hệ thống Ngân hàng thương mại
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Hình 3 1: Quy trình nghiên cứu
Từ mục tiêu nghiên cứu đã được xác định trong chương 1 của đề tài, bài nghiên cứu tiến hành tìm hiểu cơ sở lý thuyết, tổng quan các nghiên cứu thực nghiệm trước đây để tìm hiểu rõ hơn nguyên nhân gây ra nợ xấu của ngân hàng Dựa vào mô hình nghiên cứu đã được đề xuất, bài nghiên cứu tiến hành thu thập các dữ liệu có liên quan đến các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu Tác giả sử dụng phương pháp nghiên cứu phù hợp bao gồm nghiên cứu định lượng (mô hình OLS, FEM, REM và phương phápMomen tổng quát-GMM) để xây dựng mô hình, ước lượng và kiểm định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu của các NHTM tại Việt Nam Qua đó, tác giả sẽ đề xuất xá khuyến nghị nhằm kiểm soát và quản lý nợ xấu cho các NHTM ở Việt Nam.
Mô tả các biến trong mô hình
Bảng 3 1: Bảng ký hiệu biến và dấu kỳ vọng
Cách đo lường Dấu kỳ vọng
NPL: nợ xấu ngân hàng
Tỷ lệ nợ xấu (nhóm 345) i : t Salas và
Từ các BCTC của các NHTM cổ phần
Tổng dư nợ cho vay khách hàng i t
NPL: nợ xấu ngân hàng năm trước
Tỷ lệ nợ xấu (nhóm 345) 1^-1 + Salas và
Từ các BCTC của các NHTM cổ phần
Tổng dư nợ cho vay khách hàng it
+Yếu tố nội tại ngân hàng
LLP: Dự phòng rủi ro tín dụng
Chi phí trích lập dự phòng rủi ro
Peristi a ni (1996) và DeYo u ng (1997) Berg và cộng sự (1992) Wheelock và Wilson, 1994
Từ các BCTC của các NHTM cổ phần
Vốn chủ sở hữu it Tổng tài sản it
Katuka và cộng sự, 2016; Berger
Từ các BCTC của các NHTM cổ phần
Logarit tự nhiên của tổng tài sản
Salas và Saurina, 2002; Hu và các cộng sự 2004; Micco và các cộng sự
Swamy, 2012; Kumar và cộng sự,
Từ các BCTC của các NHTM cổ phần
Hiệu quả hoạt động của ngân hàng
Lợi nhuận sau thuế it Vồn chủ sở hữu it
(2015), Hu và các cộng sự (2004) Jimenez và Saurina
(2006), Boudriga và các cộng sự (2009)
Từ các BCTC của các NHTM cổ phần
LOANS: tăng trưởng cho vay
Cho vay khách hàng it Tổng tài sản it
(2007), Nguyễn Thị Như Quỳnh và cộng sự
(2018), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018)
Từ các BCTC của các NHTM cổ phần
LDR: tỷ lệ thanh khoản
Cho vay khách hàng i t Tiền gửi của khách hàng i t
(2005), Pasha và Khemraj (2010),Hosen và cộng sự (2020)
Từ các BCTC của các NHTM cổ phần
GDP: tăng trưởng kinh tế
Tốc độ tăng trưởng kinh tế ( GDP) thực hằng năm
Fernandez de Lis, Martinez Pagés, và Saurina
Tỷ lệ lạm phát theo chỉ số giá tiêu dùng
Mô hình nghiên cứu
Dựa trên các nghiên cứu đã thực nghiệm trước đây bao gồm trong và ngoài nước như: Salas và Saurina (2002), Louzis và cộng sự (2010), Klein (2013),Chaibi và Ftiti (2015), Jimenez và Saurina (2006), Berger & DeYoung (1997), Hasan và Wall (2004) Nguyễn T.N.Quỳnh và cộng sự (2018), Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018), Võ Thị Quý và Bùi Văn Toản (2014) về tác động của các yếu tố thuộc đặc thù của ngân hàng và các yếu tố thuộc kinh tế vĩ mô ảnh hưởng đến nợ xấu tác giả áp dụng cách tiếp cận phân tích dữ liệu bảng động để giải thích cho sự tồn tại yếu tố thời gian trong tỷ lệ nợ xấu Mối quan hệ giữa các yếu tố tác động và nợ xấu được xác định cụ thể phương trình nghiên cứu (1) sau đây:
Trong đó: i và t biểu thị đường chéo và chiều thời gian trong mẫu dữ liệu bảng tương ứng, NPLit là biến phụ thuộc là nợ xấu của ngân hàng năm t.
Mít đại diện các yếu tố kinh tế vĩ mô gồm: tỷ lệ lạm phát (INFit), tốc độ tăng trưởng kinh tế (GDPit); Fit đại diện các yếu tố thuộc đặc thù của ngân hàng bao gồm: biến đo lường hiệu quả hoạt động được tính bằng lợi nhuận sau thuế trên vốn chủ sở hữu (ROE), biến tỷ số vốn chủ sở hữu và tỷ lệ thanh khoản được đo lường lần lượt theo tỷ lệ vốn chủ sở hữu trên tổng tài sản và tỷ lệ cho vay khách hàng trên tiền gửi của ngân hàng, biến tăng trưởng cho vay được đo lường bởi cho vay khách hàng trên tổng tài sản, biến dự phòng rủi ro được đo lường bởi chi phí trích lập dự phòng rủi ro tín dụng trên tổng tài sản và biến quy mô ngân hàng được tính bởi logarit tự nhiên của tổng tài sản. ô0: hệ số chặn; cỏc ký hiệu al,/3,71 lần lượt là hệ số tương quan giữa cỏc biến nợ xấu trong quá khứ, các biến kinh tế vĩ mô và các biến thuộc đặc thù của ngân hàng với nợ xấu. s ít: các sai số
Dữ liệu nghiên cứu
Dựa trên khung cơ sở lý thuyết của các nghiên cứu trước đây, dữ liệu nghiên cứu được tác giả thu thập số liệu từ các báo cáo tài chính bao gồm bảng cân đối kế toán, bảng kết quả hoạt động kinh doanh ngân hàng và thuyết minh báo cáo tài chính, nghiên cứu sử dụng dữ liệu bảng với quy mô 28 NHTM đang hoạt động tại Việt Nam ở giai đoạn từ 2007 đến 2021 Bên cạnh đó bài nghiên cứu sử dụng các biến thể hiện các yếu tố kinh tế vĩ mô ảnh hưởng đến nợ xấu trong ngân hàng, các chỉ tiêu này được thu thập từ cơ sở dữ liệu World Development Indicators của Ngân hàng thế giới (WB)
Từ những phân tích các kết quả từ những nghiên cứu trước đã nêu ở chương 2, tác giả xây dựng các giả thuyết cho các yếu tố ảnh hưởng đến nợ xấu tại các NHTM Việt Nam bao gồm: hiệu quả hoạt động của ngân hàng, tỷ số vốn, tổng tài sản, mức độ sử dụng chi phí hoạt động, rủi ro thanh khoản và các yếu tố vĩ mô như tỷ lệ lạm phát, tốc độ tăng trưởng GDP.
Giả thuyết H1: Nợ xấu năm trước (NPL t-1 ) có tác động cùng chiều đến nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H2: Hiệu quả hoạt động kinh doanh ngân hàng (ROE) có tác động ngược chiều đến nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H3: Quy mô ngân hàng (SIZE) có tác động ngược chiều đến nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H4: Tỷ số vốn (EAT) có tác động cùng chiều đến nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H5: Dự phòng rủi ro tín dụng (LLP) có tác động cùng chiều đến tỷ lệ nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H6: Rủi ro thanh khoản (LDR) có tác động cùng chiều đến tỷ lệ nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H7: Tăng trưởng cho vay (LOANS) có tác động cùng chiều đến tỷ lệ nợ xấu (NPL) tại các NHTM Việt Nam
Giả thuyết H8: Tỷ lệ lạm phát (INF) có tác động cùng chiều đến nợ xấu(NPL) tại các NHTM Việt Nam
Giả thuyết H9: Tốc độ tăng trưởng GDP có tác động ngược chiều đến nợ xấu (NPL) tại các NHTM Việt Nam.
Phương pháp nghiên cứu
3.5.1 Phương pháp nghiên cứu định tính
-Phương pháp thu nhập thông tin và phương pháp phân tích Nguồn thông tin được tác giả thu thập thông qua các BCTC năm, BCTN của các NHTM tại Việt Nam. Đối với các dữ liệu thuộc yếu tố vĩ mô, tác giả thu thập từ trang web của ngân hàng thế giới (WorldBank).
-Phương pháp phân tích sử dụng các thông tin và dữ liệu thứ cấp, kết hợp với phương pháp so sánh, đối chiếu các thông tin và từ đó đưa ra những nhận định về tình hình nợ xấu và một số chỉ tiêu có liên quan như tăng trưởng cho vay, quy mô ngân hàng, tỷ lệ cho vay khách hàng trên tiền gửi ngân hàng…
-Phương pháp xử lý dữ liệu: thống kê mô tả, phân tích dữ liệu chuỗi thời gian, tổng hợp sử dụng sơ đồ, biểu bảng.
3.5.2 Phương pháp nghiên cứu định lượng
3.5.2.1 Hồi quy gộp ( Pooled OLS)
Mô hình ước lượng: Yit = /? + a Xit + uit
Là dạng phân tích hồi quy đơn giản và dễ hiểu nhất thưởng sử dụng để ước tính dữ liệu bảng chính là mô hình hồi quy gộp Pool-OLS Dữ liệu bảng là sự kết hợp của dữ liệu chéo (cross-section) và dữ liệu thời gian (time series) Để thu thập dữ liệu bảng, cần phải thu thập nhiều đối tượng (units) giống nhau trong cùng một hoặc nhiều thời điểm.
Dữ liệu bảng có nhiều ưu điểm so với dữ liệu chéo và dữ liệu thời gian Cụ thể, dữ liệu bảng có 2 ưu điểm nổi trội như sau: (i) Dữ liệu bảng cho các kết quả ước lượng các của tham số trong mô hình tin cậy hơn; (ii) Dữ liệu bảng cho phép xác định và đo lường tác động mà những tác động này không thể được xác định và đo lường khi sử dụng dữ liệu chéo hoặc dữ liệu thời gian Tuy nhiên mô hình OLS xem các đối tượng là như nhau, không xem xét đến sự khác nhau của từng đặc điểm cụ thể của những đối 35
3 6 tượng hay giữa các thời điểm, chính vì vậy mô hình hồi quy OLS thường gặp nhiều khuyết tật như lỗi mô tả, phương sai thay đổi, phân phối chuẩn đa biến, đa cộng tuyến, tự tương quan… , các ước lượng với OLS thường không đáng tin cậy.
Với ưu điểm của phương pháp này đơn giản không quá phức tạp mà lại hiệu quả Mô hình hồi quy với một số giả thuyết ban đầu sẽ dễ dàng xác định các giá trị ước lượng hiệu quả Tuy nhiên với dữ liệu chuỗi thời gian trong bài nghiên cứu có nhiều chuỗi vi phạm hoặc nhiều giả định của OLS Mô hình không cho biết phản ứng của biến phụ thuộc có thay đổi giữa các ngân hàng và thay đổi theo thời gian hay không. Khi đó các ước lượng thu được sẽ bị bóp méo, mất tính vững từ đó dẫn đến sai lầm khi phân tích Có thể kể đến một trong những vi phạm phổ biến nhất là hiện tượng nội sinh, khi hệ số ước lượng hoặc biến tương quan với phần dư.
3.5.2.2 Hồi quy tác động cố định (FEM) Fixed Effect Model
Mô hình FEM giả định rằng có tồn tại đặc điểm riêng giữa các đối tượng hoặc các thời điểm khác nhau, và các đặc điểm riêng này là cố định có thể ảnh hưởng đến các biến độc lập Mô hình phân tích mối tương quan giữa phần dư của mỗi ngân hàng với các biến độc lập qua đó kiểm soát và tác ảnh hưởng của các đặc điểm riêng biệt ra khỏi các biến độc lập.
Mô hình ước lượng: Yit = ỉ+aXit + Vị t + n it
Yit là biến phụ thuộc
Xit: biến giải thích a là hệ số góc; /ỉ là hệ số chặn, Hi t : phần dư
Phương pháp tác động cố định đã thêm vào biến V ịt là sai số thành phần đối tượng khác nhau, của từng ngân hàng khác nhau, sự khác biệt này có thể do các đặc điểm khác nhau của từng ngân hàng cụ thể hoặc là do sự khác nhau trong chính sách quản lý, hoạt động của ngân hàng Tuy nhiên mô hình sẽ có những hạn chế nếu đưa vào quá nhiều biến độc lập và biến giả, dẫn đến không thể kiểm soát các biến thay đổi theo thời gian hoặc các biến độc lập xảy ra hiện tượng đa cộng tuyến sẽ làm cho các ước lượng không chính xác, có thể dẫn đến làm giảm quá mức mô hình, giảm thông tin hữu ích.
3.5.2.3 Hồi quy tác động ngẫu nhiên (REM) Random Effects Model
Mô hình ước lượng: Yit = ỉ+aXit + H í t
Với Yit: biến phụ thuộc; Xit: biến giải thích; /ỉ: hệ số chặn; a là hệ số góc
Trong đó ịi it = v it + £ i t Sai số của mô hình hồi quy chia làm 2 thành phần v it đại diện cho tất các các yếu tố không quan sát được mà thay đổi giữa các đối tượng nhưng không thay đổi theo thời gian Thành phần εit đại diện cho tất cả các yếu tố không quanit đại diện cho tất cả các yếu tố không quan sát được mà thay đổi giữa các đối tượng và thời gian. Điểm khác biệt giữa mô hình hồi quy tác động ngẫu nhiên (REM) và mô hình hồi quy cố định (FEM) là sự biến động giữa các đơn vị có tương quan đến biến độc lập- biến giải thích, trong mô hình tác động ngẫu nhiên sự biến động giữa các đơn vị được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích Do đó, nếu có sự khác biệt giữa các đơn vị tác động đến biến phụ thuộc thì mô hình tác động ngẫu nhiên sẽ phù hợp hơn so với mô hình tác động cố định Phần dư uit không tương quan với biến giải thích được xem là một biến giải thích mới.
Trong các hiệu ứng ngẫu nhiên, cần xác định các đặc điểm riêng lẻ đó có thể hoặc không ảnh hưởng đến các biến dự đoán Vấn đề là một số biến có thể không khả dụng do đó dẫn đến sai lệch biến bị bỏ qua trong mô hình Re cho phép khái quát các suy luận ngoài mẫu được sử dụng trong mô hình Để quyết định giữa các hiệu ứng cố định hoặc ngẫu nhiên, bằng cách kiểm tra Hausman là hiệu ứng ngẫu nhiên so với các hiệu ứng cố định Giúp kiểm tra xem các lỗi có tương quan với các hồi quy không.
Bài nghiên cứu chạy mô hình hồi quy tác động cố định (FEM) và mô hình hồi quy tác động ngẫu nhiên (REM) trong phân tích dữ liệu bảng Dữ liệu bảng giúp nghiên cứu có kết quả ước lượng của các tham số trong mô hình được tin cậy hơn. Đồng thời giúp cho bài nghiên cứu xác định và đo lường khi sử dụng dữ liệu chéo hoặc dữ liệu thời gian Tuy nhiên cả hai mô hình FEM và REM đều gặp vấn đề nội sinh của biến khi chạy mô hình cũng như các vấn đề liên quan đến tính chất động của mô hình dữ liệu bảng Chính vì vậy, phương pháp hồi quy GMM được sử dụng trong mô hình để đem lại ước lượng bền vững và chính xác hơn khi phương pháp OLS, FEM, REM bị vi phạm các vấn đề như: hiện tượng tự tương quan hoặc phương sai sai số thay đổi thì kết quả của 3 phương pháp ước lượng này đều bị thiên lệch nên không còn đảm bảo sự tin cậy nữa.
3.5.2.4 Hồi quy mô-men tổng quát (GMM)
Phương pháp GMM lần đầu tiên được xây dựng bởi Lars Peter Hansen năm 1982- giáo sư kinh tế ĐH Chicago- người đoạt giải Nobel kinh tế năm 2013 Phương pháp GMM là một phương pháp thống kê cho phép kết hợp các dữ liệu kinh tế quan sát được trong các điều kiện moment tổng thể ( population moment conditions) để ước lượng các tham số chưa biết của mô hình kinh tế Phương pháp GMM được sử dụng phổ biến trong các ước lượng dữ liệu bảng động tuyến tính hoặc các dữ liệu bảng vi phạm tính chất HAC ( Heteroskedasticity and AutoCorrelation) Khi đó, các ước lượng tuyến tính cổ điển của mô hình dữ liệu bảng như FE, RE sẽ không còn kết quả ước lượng đáng tin cậy, hiệu quả. Điểm mạnh của phương pháp GMM
- Dữ liệu bảng có T ( mốc thời gian) nhỏ, N(quan sát) lớn
- Tồn tại mối quan hệ tuyến tính giữa biến phụ thuộc với các biến giải thích
- Mô hình động với một hoặc 2 vế của phương trình chứa biến trễ
- Các biến độc lập không phải là một biến ngoại sinh ngặt ( strictly exogenous), nghĩa là chúng có thể tương quan với các phần dư ( hiện tại hoặc trước đó) hoặc tồn tại biến nội sinh ( endogenous variables) trong mô hình.
- Tồn tại các tác động cố định riêng lẻ ( fixed individual effects)
- Tồn tại phương sai sai số thay đổi và tự tương quan trong mỗi đối tượng( nhưng không tồn tại giữa các đối tượng)
Phương pháp ước lượng Momen tổng quát giúp cho mô hình nghiên cứu khắc phục tính nội sinh khi có mặt của các biến công cụ Các kiểm định trong mô hình liên quan đến đa cộng tuyến, tự tương quan, phương sai thay đổi và các hiện tượng nội sinh.Nghiên cứu sẽ thực hiện các bài kiểm tra để đảm bảo mô hình không có sai leecchj và ước tính hiệu quả Bên cạnh đó do mô hình có sự xuất hiện của biến trễ (NPLit-1) nên ước lượng bằng các phương pháp như OLS, REM và FEM sẽ không hiệu quả Vì vậy,bài nghiên cứu sẽ sử dụng phương pháp GMM để khắc phục các sai phạm trong mô hình.
KẾT QUẢ NGHIÊN CỨU
Thực trạng nợ xấu và các yếu tố tác động đến nợ xấu ở các NHTM tại Việt Nam
Hình 4 1: Biến động bình quân tỷ lệ nợ xấu của 28 NHTM trong giai đoạn 2007-
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Tỷ lệ nợ xấu của các ngân hàng biến động nhiều qua các năm, 1.17% năm 2007 tăng mạnh lên 2.30% trong năm 2008 nguyên nhân là do cuộc khủng hoảng tài chính toàn cầu vào cuối năm 2008 bắt nguồn từ Mỹ và lan rộng ra các vùng lân cận và các nước trên thế giới, trong đó có Việt Nam và trong giai đoạn từ năm 2009-2012 tiếp tục tăng mạnh từ 2% lên đến 3.47%, đây được xem là giai đoạn xảy ra khủng hoảng kinh tế, cuộc khủng hoảng kéo dài kéo theo sự suy giảm trong hoạt động kinh doanh của ngân hàng, sự suy giảm trong chất lượng cho vay của ngân hàng Giai đoạn từ năm 2012- 2015 tỷ lệ nợ xấu giảm mạnh từ 3.47% giảm còn 1.92% và biến động cho đến
2019 giảm chỉ còn 1.81% Đến năm 2020, tỷ lệ này ở mức bình quân của 28 ngân hàng là 1.87%, tỷ lệ này tăng lên so với 2019 do nền kinh tế bị ảnh hưởng nghiêm trọng do dịch bệnh Covid và đến năm 2021 tỷ lệ này giảm nhẹ còn 1.70%, mặc dù ảnh hưởng từ
4 0 dịch bệnh, tỷ lệ này ở mức không quá cao, được cho là mức nợ xấu an toàn và trong tầm kiểm soát của NHTM phù hợp so với mức quy định của NHNN là 3% Trước tình hình nợ xấu biến động nhiều, gây bất ổn đối với an toàn hoạt động hệ thống ngân hàng, cũng như các hoạt động kinh tế, NHNN đã thực hiện đánh giá thực trạng nợ xấu của hệ thống ngân hàng và chủ trì xây dựng và trình Thủ tướng Chính phủ ban hành Quyết định 843/2013/QĐ-TTg ngày 31/5/2013 về phê duyệt Đề án “Xử lý nợ xấu của hệ thống các TCTD” và Đề án “Thành lập Công ty Quản lý Tài sản của các TCTD Việt Nam (VAMC)” Đây là một trong những giải pháp quan trọng nằm trong kế hoạch hành động của ngành Ngân hàng khi ban hành Quyết định số 734/QĐ-NHNN ngày 18/04/2012 nhằm góp phần thực hiện thành công mục tiêu của Đề án “Cơ cấu lại hệ thống TCTD giai đoạn 2011-2015” ban hành theo Quyết định số 254/QĐ-TTg của Thủ tướng Chính phủ.
Bên cạnh đó, trong bối cảnh dịch bệnh Covid-19 bùng phát mạnh vào cuối năm
2019 đã ảnh hưởng đến khả năng trả nợ của các khách hàng vay làm cho nợ xấu của các TCTD gia tăng, ảnh hưởng trực tiếp đến chất lượng tín dụng và công tác xử lý nợ xấu Mặc dù tỷ lệ nợ xấu 2021 có xu hướng giảm hơn so với 2020, hoạt động kinh tế tiếp tục phục hồi song các doanh nghiệp vẫn còn gặp khó khăn trong hoạt động sản xuất kinh doanh khiến nợ xấu có thể gia tăng Trước tình hình biến động, việc áp dụng Nghị quyết 42/2017/QH14 về thí điểm xử lý nợ của xấu của TCTD, việc cơ cấu lại thời hạn trả nợ, miễn giảm lãi , phí và giữ nguyên nhóm nợ nhằm giải quyết khó khăn trong hoạt động sản xuất kinh doanh cho các doanh nghiệp cũng như người dân Song các ngân hàng gia tăng các khoản trích lập dự phòng nhằm đảm bảo chất lượng tài sản và an toàn trong hệ thống ngân hàng.
Và ngân hàng được xem có tỷ lệ nợ xấu cao nhất từ số liệu thu thập được là ngân hàng TMCP Sài Gòn với tỷ lệ 11.4% vào năm 2010, và ngân hàng có tỷ lệ nợ xấu thấp nhất là ngân hàng TMCP Sài Gòn Thương Tín với tỷ lệ 0.23% vào năm 2007 Tỷ lệ nợ xấu trung bình của 28 ngân hàng là 2.18%.
Hình 4 2: Biến động bình quân quy mô ngân hàng của 28 NHTM trong giai đoạn 2007-2021
Quy mô bình quân của ngân hàng
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Biến động của quy mô bình quân qua các năm từ 2007-2021 nhìn chung có thể thấy được xu hướng tăng qua các năm Năm 2012 có sự giảm nhẹ nguyên nhân là do hậu quả từ cuộc khủng hoảng tài chính toàn cầu cuối năm 2008 Nhìn chung, quy mô bình quân của ngân hàng cao nhất vào năm 2021 là 33.27 nghìn tỷ đồng và thấp nhất trong năm 2007 là 30,98 nghìn tỷ đồng Trong đó, và Ngân hàng Bản Việt (Vietcapital) có quy mô thấp nhất năm 2007 là 28,34 nghìn tỷ đồng và Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) có quy mô cao nhất là 35.10 nghìn tỷ đồng vào năm 2021. Trung bình quy mô của 28 ngân hàng trong giai đoạn 2007-2021 là 32,15 nghìn tỷ đồng.
Hình 4 3: Biến động bình quân tỷ số vốn của 28 NHTM trong giai đoạn 2007- 2021
Biến động bình quân tỷ số vốn
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Tỷ lệ vốn chủ sở hữu giảm mạnh trong giai đoạn từ năm 2009 đến năm 2011, cho đến năm 2012 tỷ lệ này tăng lên và các năm sau đó lại giảm dần Nguyên nhân là do trong giai đoạn 2009-2012 tốc độ tăng trưởng tín dụng nhanh làm cho tổng tài sản của các ngân hàng tăng nhiều hơn so tổng vốn chủ sở hữu nên làm cho tỷ lệ vốn chủ sở hữu trên tổng tài sản giảm, mặc dù trước đó thì đã ban hành Nghị định 14/2006/NĐ vào ngày 22/11/2006 về yêu cầu mức vốn pháp định của các tổ chức tín dụng làm cho tỷ lệ vốn chủ sở hữu ngày càng tăng Tỷ lệ vốn chủ sở hữu ở mức thấp nhất vào năm 2017 là 7.55% và cao nhất vào năm 2008 ở mức là 13,17% Tỷ lệ vốn chủ sở hữu trung bình của 28 ngân hàng trong giai đoạn 2007-2021 là 9,86% Ở tỷ lệ này, ngân hàng đạt thấp nhất là Ngân hàng Thương mại Cổ phần Sài Gòn (SCB) là 2.69% vào năm 2020, cao nhất là Ngân hàng Bản Việt (Vietcapital) là 37,10% vào năm 2007.
Hình 4 4: Biến động bình quân hiệu quả hoạt động ngân hàng của 28 NHTM trong giai đoạn 2007-2021
Biến động bình quân hiệu quả hoạt động
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Hiệu quả bình quân của ngân hàng qua các năm trong giai đoạn 2007-2021 biến động nhiều, đặc biệt biến động mạnh trong giai đoạn 2009-2015 Hiệu quả hoạt động bình quân thấp nhất trong năm 2015 với tỷ lệ 5,37% và cao nhất trong năm 2009 với tỷ lệ 14,17% Ngân hàng có hiệu quả hoạt động của ngân hàng thấp nhất là Ngân hàngTMCP Tiên Phong vào năm 2011 với tỷ lệ âm 82% và ngân hàng có tỷ lệ cao nhất làNgân hàng TMCP Ngoại Thương Việt Nam vào năm 2008 với tỷ lệ 36.28% Hiệu quả hoạt động trung bình của 28 ngân hàng là 9.66%.
Hình 4 5: Biến động bình quân tỷ lệ dự phòng rủi ro tín dụng của 28 NHTM trong giai đoạn 2007-2021
Bình quân dự phòng rủi ro tín dụng
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Dự phòng rủi ro có nhiều biến động trong giai đoạn 2007-2021, đặc biệt nhất trong giai đoạn 2007-2015 Dự phòng rủi ro bình quân cao nhất ở năm 2012 là 0.9% nguyên nhân là do trong giai đoạn 2009 – 2012 tỷ lệ nợ xấu của các ngân hàng gia tăng, đòi hỏi các ngân hàng phải gia tăng các khoản trích lập dự phòng để giảm thiểu rui ro nợ xấu và tỷ lệ này thấp nhất ở năm 2007 là 0.45% Và bắt đầu từ 2015 - 2019, chi phí trích biến động tương đối định ở mức 0.7% Đến năm 2020 tỷ lệ này ở mức 0.71% cho tới năm 2021 trích lập dự phòng tăng mạnh lên đến 0.88% Nguyên nhân có sự gia tăng này là do sự xuất hiện của Covid vào cuối năm 2019 ảnh hưởng nghiêm trọng đến nền kinh tế trong đó có hệ thống ngân hàng Vì vậy, các ngân hàng tăng cường gia tăng các khoản trích lập dự phòng để đảm bảo sự an toàn cho chính ngân hàng và tạo ra bộ đệm dự phòng vững chắc để có thể giảm thiểu được tối đa rủi ro nợ xấu gia tăng.
Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) có trích lập dự phòng cao nhất trong năm 2021 là 0.0204 nghìn tỷ đồng ( tương đương 2.04%).
Tỷ lệ bình quân dự phòng rủi ro tín dụng của 28 ngân hàng là 0.0072 nghìn tỷ đồng ( tầm khoảng 0.72% là tỷ lệ dự phòng rủi ro bình quân của 28 ngân hàng).
Hình 4 6: Biến động bình quân tăng trưởng cho vay của 28 NHTM trong giai đoạn 2007-2021
Bình quân tăng trưởng cho vay
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Trong giai đoạn 2007-2021 tăng trưởng cho vay bình quân có nhiều biến động từ khoảng năm 2008-2012, nguyên nhân là do cuộc khủng hoảng toàn cầu cuối năm
2008 gây ảnh hưởng nghiêm trọng đến toàn bộ hệ thống tài chính Năm 2011 giảm mạnh còn 46% và cao nhất trong năm 2019 là 63.83% Ngân hàng có tỷ lệ cho vay khách hàng trên tổng tài sản thấp nhất là Ngân hàng TMCP Đông Nam Á với tỷ lệ là 19,43% năm 2011.Và ngân hàng có tăng trưởng cho vay cao nhất là Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) năm 2021 là 75.58% Tăng trưởng cho vay trung bình của 28 ngân hàng là 56%.
Hình 4 7: Biến động bình quân tỷ lệ thanh khoản của 28 NHTM trong giai đoạn 2007- 2021
Biến động bình quân tỷ lệ thanhkhoản
Nguồn: tác giả tự tổng hợp từ số liệu của 28 NHTM từ 2007-2021
Tỷ lệ thanh khoản bình quân của các ngân hàng có nhiều biến động, tăng cao trong năm
2011 với tỷ lệ là 113% và từ năm 2014 tỷ lệ này ổn định, biến động không nhiều nguyên nhân là do thông tư 36/2014/TT-NHNN quy định các giới hạn, tỷ lệ đảm bảo an toàn vốn trong hoạt động của tổ chức tín dụng bởi vì các ngân hàng đều phải tuân thủ theo thông tư này với tỷ lệ an toàn vốn tối thiểu riêng lẻ, từng tổ chức tín dụng phải duy trì tỷ lệ an toàn vốn tối thiểu riêng lẻ 9% Tổng mức dư nợ cấp tín dụng đối với một khách hàng không được vượt quá 25% vốn tự có của tổ chức tín dụng phi ngân hàng; tổng mức dư nợ cấp tín dụng đối với một khách hàng và người có liên quan không được vượt quá 50% vốn tự có của tổ chức tín dụng phi ngân hàng. Thông tư này giúp cho các ngân hàng hạn chế được các rủi ro thanh khoản Tỷ lệ cho vay khách hàng trên tiền gửi khách hàng bình quân của các ngân hàng thương mại thấp nhất vào năm 2014 với 76% và tăng dần cho đến 2021 thì tỷ lệ này ở mức 96%, so với năm 2020 thì tỷ lệ này tăng lên khoảng 8%.
Ngân hàng Thương mại Cổ Phần Đại Chúng (PVCombank) có tỷ lệ rủi ro thanh khoản cao nhất vào năm 2011 là 5.1, tương đương với cho vay khách hàng cao gấp 5 lần so với tiền gửi của khách hàng và Ngân hàng TMCP Hàng Hải Việt Nam (MSB) thấp nhất là 0.37 tương ứng 37% vào năm 2014 Trong giai đoạn 2007-2021, tỷ số trung bình của 28 ngân hàng đạt 92%.
Thống kê mô tả và ma trận hệ số tương quan
Bảng 4 1: Thống kê mô tả
Variable Obs Mean Std.Dev Min Max
Nguồn: kết quả từ phần mềm Stata- Phụ lục 1.
Bảng 4.1 trình bày kết quả thống kê mô tả các biến Nhìn chung, tỷ lệ nợ xấu của các NHTMCP tại Việt Nam trong giai đoạn 2007-2021 có giá trị trung bình là 2% so với tổng tăng trưởng cho vay (nhỏ hơn với mức 3% theo quy định của NHNN), các giá trị nhỏ nhất và lớn nhất tương ứng là 0.08% và 11.4% Hiệu quả hoạt động của ngân hàng có giá trị trung bình, giá trị nhỏ nhất và giá trị lớn nhất lần lượt là 9.41; -82; 36.28 tương ứng.
Quy mô ngân hàng (SIZE) có giá trị biến thiên từ 28 đến 35 với giá trị trung bình32.29 Dự phòng rủi ro biến động trong mức âm 0.32 đến 0 với mức trung bình âm 0.007 so với tổng tài sản Bên cạnh đó tỷ số vốn có giá trị bình quân là 0.10, tỷ lệ thanh khoản có giá trị nhỏ nhất tương ứng 0.03 và giá trị lớn nhất tương ứng 0.37 với giá trị trung bình 0.10 Tương tự, tăng trưởng tăng trưởng cho vay biến động từ 0.15 đến 0.85 và giá trị trung bình 0.56 Tỷ lệ lạm phát có giá trị trung bình, giá trị nhỏ nhất và giá trị lớn nhất lần lượt là 6.46%, 6.3%, 23.11% tương ứng Và GDP biến động trong mức 0.63 đến 23.12 với mức trung bình 5.99.
4.2.2 Ma trận hệ số tương quan
Bảng 4 2: Ma trận hệ số tương quan npl roe cost eta size ldr loans gdp inf npl 1.000 roe -0.2126 1.000 llp -0.4116 -0.1176 1.000 eta 0.0526 -0.1464 0.2344 1.000 size -0.0526 0.3295 -0.4832 -0.6815 1.000 ldr -0.0179 0.1081 -0.0900 0.2740 -0.1465 1.000 loans -0.0339 0.1510 -0.4657 -0.0754 0.3080 0.2984 1.000 gdp 0.1090 -0.0636 -0.0350 0.0501 -0.1191 0.0303 -0.0723 1.000 inf 0.1171 0.0392 0.0838 0.2469 -0.3132 0.1458 -0.2775 -0.0410 1.000
Nguồn: kết quả từ phần mềm Stata - Phụ lục 2.
Ma trận hệ số tương quan (Correlation) ở bảng 4.2 cho biết hệ số tương quan giữa các biến trong mô hình hồi quy Ma trận hệ số tương quan phản ánh mức độ và chiều tương quan giữa các biến trong mô hình nghiên cứu, giao động trong khoản từ [- 1,1] Dấu của các hệ số thể hiện sự tương quan giữa hai biến bất kỳ trong mô hình, giá trị càng tiến về 1 cho thấy các hệ số có mức độ tương quan càng cao Ở bảng trên, ta có thể thấy được hiệu quả hoạt động của ngân hàng, chi phí trích lập dự phòng rủi ro tín dụng, quy mô ngân hàng, tỷ lệ thanh khoản, tăng trưởng dư nợ cho vay và tỷ lệ lạm phát có mối quan hệ ngược chiều với nợ xấu, trong khi đó, hệ số vốn và GDP có tương quan cùng chiều với tỷ lệ nợ xấu của các ngân hàng trong mẫu nghiên cứu Các hệ số tương quan đều nhỏ hơn 0.8 và lớn hơn -0.8 nên mô hình nghiên cứu không có hiện tượng đa cộng tuyến Tuy nhiên để đảm bảo kết quả khách quan, tác giả tiến hành kiểm định hệ số VIF.
Kiểm định đa cộng tuyến
Bảng 4 3: Kiểm định đa cộng tuyến
Variable VIF 1/VIF size 2.88 0.347565 eta 2.04 0.489711 llp 1.63 0.612649 loans 1.62 0.618263 ldr 1.28 0.779005 inf 1.27 0.785895 roe 1.20 0.831519 gdp 1.04 0.963576
Nguồn: kết quả từ phần mềm Stata- Phụ lục 3.
Các hệ số VIF từ bảng 4.4 đều nhỏ hơn 10, chưa có bằng chứng cho thấy hiện tượng đa cộng tuyến nghiêm trọng trong mô hình nghiên cứu.
Kiểm định mô hình nghiên cứu
4.4.1 Kiểm định lựa chọn phương pháp hồi quy
Bảng 4 4: Tóm tắt kết quả kiểm định lựa chọn phương pháp hồi quy
Test Giả thuyết Giả trị P-value Luật so sánh Kết luận
Hausman so sánh FE và RE
Nguồn: Tác giả tính toán, tổng hợp từ phần mềm Stata - Phụ lục 4
Tác giả sử dụng kiểm định Hausman Test và LM-Test để lựa chọn mô hình giữa FEM và REM; OLS và REM với giả thuyết H0: chọn mô hình REM Với mức ý nghĩa a=5% kiểm định Hausman cho kết quả là P-value =0.2603>0.05 nên chấp nhận giả thuyết H0, trong khi đó kết quả kiểm định LM-Test chọn giả thuyết H1 cũng là hồi quy tác động ngẫu nhiên REM. Hay nói cách khác là phương pháp hồi quy tác động ngẫu nhiên REM phù hợp hơn tác động cố định FE và hồi quy gộp OLS.
Kiểm định phương sai thay đổi và tự tương quan
Bảng 4 5: Kiểm định hiện tượng phương sai sai số thay đổi
White’s test for H0: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(44) = 100.51 Prob > chi2 = 0.0000
Nguồn: kết quả từ phần mềm Stata- Phụ lục 5.
Bảng 4.5 thể hiện kết quả kiểm định hiện tượng phương sai sai số thay đổi bằng kiểm định White Với giá trị P-value = 0.0000 nhỏ hơn a =5% nên bác bỏ giả thuyết H0: mô hình không có hiện tượng phương sai sai số thay đổi Tiếp theo tác giả xem xét hiện tượng tự tương quan trong mô hình.
Bảng 4 6: Kiểm định hiện tượng tự tương quan
Wooldridge test for autocorrelation in panel dataH0: no first-order autocorrelation in panel data
Nguồn: kết quả từ phần mềm Stata- Phụ lục 5
Bảng 4.6 thể hiện kết quả kiểm định “Wooldridge test for autocorrelation in panel data”, với giả thuyết H0: không có hiện tượng tự tương quan Với mức ý nghĩa a = 5% kiểm định cho kết quả là P-value =0.0058 < 0.05 nên bác bỏ giả thuyết H0 hay là mô hình có tồn tại hiện tượng tự tương quan.
Tóm tắt kết quả hồi quy
4.5.1 Tóm tắt kết quả hồi quy OLS, FE, RE
Bảng 4 7: Tóm tắt kết quả hồi quy OLS, FE, RE
Nguồn: kết quả từ phần mềm Stata- Phụ lục 6.
Kết quả trên cho thấy hiệu quả hoạt động của ngân hàng (ROE), dự phòng rủi ro tín dụng (Llp), quy mô ngân hàng (SIZE), tỷ lệ tanh khoản (LDR) và tăng trưởng cho vay (LOANS) là 5 yếu tố đại diện cho các yếu tố đặc thù của NHTM tác động đến nợ xấu và có ý nghĩa thống kê.
4.5.2 Tóm tắt hồi quy mô-men tổng quát (GMM)
Cuối cùng, tác giả đề xuất sử dụng mô hình hồi quy GMM để xử lý các khuyết tật như hiện tượng nội sinh (nếu có), hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan.
Bảng 4 8: Tóm tắt kết quả hồi quy GMM npl Coef Std.
Interval ] npl L1 0.365 0.095 3.86 0.000 0.179 0.550 roe -0.040 0.007 -5.85 0.000 -0.054 -0.027 llp -1.602 0.290 -5.52 0.000 -2.171 -1.034 eta 0.160 0.024 6.55 0.000 0.111 0.207 size 0.002 0.000 2.92 0.004 0.000 0.002 ldr -0.002 0.005 -0.43 0.664 -0.013 0.008 loans -0.024 0.003 -7.58 0.000 -0.031 -0.019 gdp 0.000 0.000 5.56 0.000 0.000 0.000 inf 0.000 0.000 2.78 0.005 0.000 0.0000
Nguồn: kết quả từ phần mềm Stata - Phụ lục 7.
Kết quả hồi quy mô hình bằng phương pháp GMM cho thấy mô hình có 8 biến có ý nghĩa thống kê ở mức 5%, các biến lần lượt là nợ xấu trong quá khứ, hiệu quả hoạt động của ngân hàng, chi phí trích lập dự phòng rủi ro tín dụng, tỷ số vốn chủ sở hữu, quy mô ngân hàng, tăng trưởng cho vay và tăng trưởng GDP, tỷ lệ lạm phát.
Cuối cùng, mô hình nghiên cứu có phương trình như sau với mức ý nghĩa thống kê 5%:
NPLit =0.365NPL it-1 - 0.040ROE - 1.602LLP + 0.160ETA + 0.002SIZE
– 0.024LOANS + 0.0004GDP + 0.0002INF Tuy nhiên để đảm bảo mức độ phù hợp của kết quả GMM tác giả tiến hành kiểm định cho biến công cụ và tự tương quan.
Bảng 4 9: Kiểm định sự phù hợp của biến công cụ
Hansen test of overid restrictions chi2(17) = 20.21 Prob > chi2 = 0.264
Nguồn: kết quả từ phần mềm Stata - Phụ lục 8.
Kết quả kiểm định biến công cụ Hansen Test, cho kết quả P-value 0.264, tương đương với 26.4% lớn hơn giá trị tham chiếu bằng 5% Kết luận rằng chấp nhận giả thuyết H0, không có đủ bằng chứng cho thấy biến công cụ là kém hiệu quả Do đó, phương pháp ước lượng GMM có giá trị trong nghiên cứu này.
Bảng 4 10: Kiểm định hiện tượng tự tương quan
Nguồn: kết quả từ phần mềm Stata - Phụ lục 8 53
5 4 Đối với kiểm định Arellano-Bond Test với giả thuyết H0: không có hiện tượng tự tương quan Kiểm định cho thấy giá trị P-value 0.399> 0.05, chấp nhận giả thuyết H0, có nghĩa là mô hình khá tốt do không có hiện tượng tự tương quan giữa các sai số Vì giá trị P- value cho bậc 2 lớn hơn 5%.
Như vậy, cả hai kiểm định đã cung cấp bằng chứng quan trọng cho thấy hồi quy GMM thỏa mãn điều kiện kiểm định cho biến công cụ và hiện tượng TTQ bậc 2, do đó kết quảGMM là kết quả cuối cùng được luận văn sử dụng để kết luận cho vấn đề nghiên cứu đặt ra ban đầu.
Thảo luận kết quả
Mô hình nghiên cứu có 8 biến có ý nghĩa thống kê ở mức 5% với các kiểm định được thực hiện và các khiếm khuyết không tồn tại trong mô hình Các biến có ý nghĩa thống kê và tác động đến nợ xấu của các NHTM trong nghiên cứu này lần lượt dưới đây:
❖ Nợ xấu trong quá khứ (NPLit-1)
Kết quả ước lượng trong bảng 4.8 cho thấy mối quan hệ chặt chẽ giữa nợ xấu trong quá khứ và nợ xấu hiện tại với mức ý nghĩa 1% và tác động cùng chiều với nhau Như vậy, trong điều kiện các yếu tố khác không đổi, khi biến nợ xấu của quá khứ NPLit- 1 tăng lên 1 đơn vị làm cho biến NPLit tăng 0.365 đơn vị nghĩa là một cú sốc nợ xấu từ quá khứ có thể ảnh hưởng lâu dài đến nợ xấu của hiện tại, đến hệ thống ngân hàng tại Việt Nam Hay nói cách khác các NHTM kiểm soát nợ xấu của quá khứ và hiện tại tốt sẽ giúp cho tương lai khoản nợ xấu giảm và ngược lại nợ xấu trong quá khứ cao thể hiện khả năng quản trị rủi ro trong cho vay ngân hàng kém làm cho nợ xấu gia tăng ở hiện tại Một cú sốc với nợ xấu sẽ ảnh hưởng lâu dài đối với hệ thống ngân hàng (V T H Nguyen, 2015) Các nghiên cứu thực nghiệm của Salas và Saurina (2002) và Klein (2013) cũng có kết quả tương tự Tại Việt Nam, trong giai đoạn nghiên cứu, các NHTM nào kiểm soát được tỷ lệ nợ xấu của năm trước tốt thì những năm sau thưởng có rủi ro về nợ xấu thấp hơn chính vì nhờ việc thực hiện tốt các chính sách kiểm soát, phòng ngừa tỷ lệ nợ xấu tốt.
Nguyên nhân mà nợ xấu của các NHTM Việt Nam thay đổi trong thời gian nghiên cứu là do ảnh hưởng từ một số chính sách chủ yếu sau:
Tỷ lệ nợ xấu tại Việt Nam có xu hướng tăng từ cuối năm 2007 và trở nên nghiêm trọng hơn từ cuối năm 2011 Theo báo cáo của các TCTD, đến 31/5/2012, nợ xấu của hệ thống là117.723 tỷ đồng, chiếm 4,47% Theo số liệu của Fitch Ratings , tỷ lệ nợ xấu Việt Nam năm
2012 là 13% trên tổng dư nợ và trong tháng 9/2012 tỷ lệ này lên tới 15%, theo đánh giá của Barclay tỷ lệ này tới 20% Trước tình hình nợ xấu gia tăng , ảnh hưởng nặng nề tới hệ thống ngân hàng, NHNN xây dựng và trình Thủ tướng Chính Phủ Quyết định 843/2013/QĐ-TTg ngày 31/5/2013 về phê duyệt Đề án “Xử lý nợ xấu của hệ thống các TCTD” và Đề án “Thành lập Công ty Quản lý Tài sản của các TCTD Việt Nam (VAMC)”
Nhờ vậy, sau gần 3 năm thực hiện, tính đến cuối tháng 2/2017, có thể nói, nợ xấu của các ngân hàng Việt Nam đã được xử lý một bước căn bản, thể hiện qua các số liệu sau: Thứ nhất, hệ thống ngân hàng đã xử lý một khối lượng lớn nợ xấu 611,59 nghìn tỷ đồng nợ xấu (tính từ 2012-2016), Tỷ lệ nợ xấu nội bảng của các ngân hàng là 2,46% vào cuối năm 2016, nhưng nếu tính số nợ xấu các ngân hàng đã bán cho VAMC chưa thu hồi được (hiện đang theo dõi ngoại bảng), nợ đã được các ngân hàng cơ cấu lại thời hạn trả nợ theo Quyết định 780 và Thông tư 09/2014/TT-NHNN có khả năng chuyển thành nợ xấu thì tỷ lệ nợ xấu của các ngân hàng Việt Nam có thể cao hơn.
NHNN đã xây dựng, trình Quốc hội thông qua Nghị quyết số 42/2017/QH14 ngày 21/6/2017 về thí điểm xử lý nợ xấu của các TCTD, và trình Thủ tướng Chính phủ phê duyêṭ Đề án “Cơ cấu lại hệ thống các TCTD gắn liền với xử lý nợ xấu giai đoạn 2016- 2020” ban hành kèm theo Quyết định 1058/QĐ-TTg ngày 19/7/2017 (Đề án 1058); đồng thời, ban hành Chỉ thị số 06/CT-NHNN ngày 20/7/2017 về việc thực hiện Nghị quyết số 42 thí điểm xử lý nợ xấu của các TCTD và Thông tư số 09/2017/TT-NHNN ngày 14/8/2017 về mua, bán và xử lý nợ xấu của VAMC để hướng dẫn Điều 6 Nghị quyết 42 Kết quả cho thấy, sau khi Nghị quyết 42 và Đề án 1058 được ban hành và có hiệu lực việc cơ cấu lại thời hạn trả nợ, miễn giảm lãi , phí và giữ nguyên nhóm nợ nhằm giải quyết khó khăn trong hoạt động sản xuất kinh doanh cho các doanh nghiệp cũng như người dân.
, ❖ Hiệu quả hoạt động của ngân hàng (ROE)
Lợi nhuận sau thuế trên vốn chủ sở hữu cho thấy mối quan hệ ngược chiều với tỷ lệ nợ xấu của các ngân hàng trong mẫu nghiên cứu ở mức ý nghĩa 5% Kết quả này cho thấy các ngân hàng có lợi nhuận ngày càng được cải thiện thì sẽ giúp ngân hàng giảm thiểu được nợ xấu của chính ngân hàng mình Điều này tương tự với phát hiện của Louzis và các cộng sự(2012), Chaibi và Ftiti(2015) Kết quả cho thấy các ngân hàng có lợi nhuận càng cao càng cho thấy động cơ xảy ra rủi ro càng ít bởi vì các ngân hàng này ít bị áp lực bởi việc tạo ra lợi nhuận cho ngân hàng (Hu và các cộng sự, 2004) Bên cạnh đó, các ngân hàng có lợi nhuận
5 6 càng cao sẽ có nhiều cơ hội hơn để có thể lựa chọn khách hàng đáp ứng đủ các chính sách của ngân hàng, khả năng về tài chính và hồ sơ tín dụng tốt, giảm thiểu rủi ro cho ngân hàng Chính vì có nguồn lợi nhuận cao nên các nhà quản trị ngân hàng sẽ hạn chế vào các dự án gây rủi ro cho ngân hàng làm cho tỷ lệ nợ xấu cũng giảm đi Ngược lại, nếu một ngân hàng có nguồn lợi nhuận thấp, các nhà quản trị sẽ áp lực, cố gắng tạo ra lợi nhuận nên có thể sẽ tham gia vào các dự án gây rủi ro cho ngân hàng và làm cho tỷ lệ nợ xấu gia tăng của các ngân hàng.
❖ Dự phòng rủi ro tín dụng (LLP)
Chi phí trích lập thể hiện tác động ngược chiều đến tỷ lệ nợ xấu của các ngân hàng trong mẫu nghiên cứu ở mức ý nghĩa 1% Nghĩa là các ngân hàng càng trích lập dự phòng rủi ro tín dụng sẽ càng giảm được tỷ lệ nợ xấu của các ngân hàng Điều này trái ngược với một số bằng chứng thực nghiệm trước đây trên thế giới như Hasan và Wall (2003), Chaibi và Ftiti (2015); nhưng lại có thể giải thích kết quả này như là việc trích lập chi phí dự phòng rủi ro tín dụng càng nhiều càng cho thấy ngân hàng đang có chính sách thận trọng đối với các khoản cho vay các khách hàng Từ đó cho thấy, ngân hàng đang có nhiều sự quan tâm vào công tác kiểm soát các khoản vay sau khi giải ngân và giúp ngân hàng nhận diện được các khoản vay có vấn đề và có thể thương lượng, đàm phán với khách hàng nhằm mục đích tránh chuyển nhóm nợ Do đó có thể làm giảm tỷ lệ nợ xấu ở các ngân hàng này (Phạm Dương Phương Thảo , 2018).
❖ Quy mô ngân hàng( SIZE)
Kết quả mô hình hồi quy cho thấy mối quan hệ cùng chiều giữa quy mô ngân hàng và nợ xấu với biến SIZE với mức ý nghĩa 5% Trong các hoạt động của các NHTM tại Việt Nam thì một ngân hàng có quy mô càng lớn càng cho thấy vị thế của ngân hàng đó trên thị trường, bên cạnh đó còn thể hiện năng lực cạnh tranh của ngân hàng trong hệ thống Vì vậy, khi các ngân hàng có quy mô ngày càng lớn sẽ có tham vọng muốn gia tăng lợi nhuận hơn nữa từ đó sẽ làm cho các ngân hàng tích cực tham gia hoạt động tín dụng để gia tăng quy mô, làm cho nguy cơ nợ xấu gia tăng do các ngân hàng có thể bỏ qua các đánh giá, kiểm tra chất lượng tín dụng Kết luận này cũng tương tự như kết luận trong các nghiên cứu của Stern vàFeldman(2004), dựa trên quan điểm “ quá lớn để thất bại” đã đóng một vai trò quan trọng trong một số cuộc khủng hoảng ngân hàng trên toàn thế giới xảy ra trong những thập kỷ gần đây Họ giải thích rằng các ngân hàng lớn hơn có xu hướng chấp nhận rủi ro cao hơn vì kỷ luật thị trường không bị áp đặt bởi các chủ nợ của họ Do đó, các ngân hàng đẩy mạnh đòn
5 7 bẩy của họ, tăng các khoản cho vay đối với những người khách hàng rủi ro và do đó làm cho nợ xấu gia tăng Kết quả của các nghiên cứu thực nghiệm trước đó Hosen và cộng sự (2020); Chaib và Ftiti (2015) cũng cho kết quả quy mô ngân hàng tác động cùng chiều đến nợ xấu.
Kết quả mô hình hồi quy cho thấy mối quan hệ cùng chiều giữa quy mô ngân hàng và nợ xấu với biến SIZE với mức ý nghĩa 5% Các ngân hàng có tỷ lệ vốn chủ sở hữu trên tổng tài sản cao thường có xu hướng dễ dàng chấp nhận các khoản vay có rủi ro từ đó làm cho tỷ lệ nợ xấu gia tăng Nghiên cứu thực nghiệm trước đây của Kharabsheh, B (2019); Rajan và Dhal (2003) cũng cho kết luận rằng tác động cùng chiều giữa tỷ lệ vốn chủ sở hữu trên tổng tài sản đối với tỷ lệ nợ xấu Các ngân hàng có số vốn chủ sở hữu cao sẽ dễ dàng chấp nhận rủi ro hơn trong các chính sách cấp các khoản cho vay đến khách hàng.
❖ Tăng trưởng cho vay (LOANS)
Kết quả nghiên cứu với hồi quy GMM đã cho kết luận tăng trưởng cho vay tác động ngược chiều đến nợ xấu của NHTM Hệ số hồi quy biến LOANS bằng -0.025 với mức ý nghĩa 5% Tăng trưởng cho vay là một trong những yếu tố quan trọng ảnh hưởng đến nợ xấu, tăng trưởng cho vay tăng cho thấy nhu cầu vay vốn của khách hàng tăng lên để phục vụ các hoạt động sản xuất kinh doanh Khi các yếu tố khác không đổi, tăng trưởng cho vay tăng một đơn vị thì tỷ lệ nợ xấu sẽ giảm 0.025 đơn vị Tác động ngược chiều này khác với giả thuyết “ chu kỳ tín dụng” Điều này hàm ý rằng việc tăng trưởng cho vay ngày càng thấp sẽ khiến người đi vay khó tiếp cận đến khoản vay hơn và làm cho khả năng trả nợ của họ cũng giảm đi làm cho nợ xấu tăng lên ( Keeton, 1999) Đồng thời, kết quả này cũng được lý giải bởi các khoản tín dụng của các NHTM thường phát sinh nợ xấu sau một năm Nếu ngân hàng năm trước có tỷ lệ nợ xấu cao thì năm sau ngân hàng có tăng trưởng cho vay thấp vì ngân hàng bắt buộc phải tập trung xử lý nợ xấu và hạn chế tăng trưởng tín dụng bởi sự áp đặt của NHNN (Nguyễn Tuấn Kiệt và Đinh Hùng Phú, 2016) Kết quả phù hợp với giả thuyết ban đầu và cũng được tìm thấy kết quả tương tự trong các nghiên cứu thực nghiệm trước của Louzis và cộng sự (2010), Jimenez và Saurina (2006).
Về các biến vĩ mô, kết quả hồi quy cho thấy tốc độ tăng trưởng kinh tế ảnh hưởng cùng chiều đến tỷ lệ nợ xấu của các ngân hàng trong mẫu nghiên cứu ở mức ý nghĩa 1% Trái ngược với kỳ vọng ban đầu, thông thường khi nền kinh tế tăng trưởng thì sẽ giúp các NHTM
5 8 giảm thiểu được nợ xấu trong danh mục dư nợ cho vay Đồng thời tăng trưởng GDP góp phần cải thiện thu nhập của các tổ chức, cá nhân từ đó cải thiện khả năng thanh toán lãi vay và nợ của người đi vay làm giảm được tỷ lệ nợ xấu của các ngân hàng Tuy nhiên, theo kết quả của mô hình nghiên cứu, mối quan hệ giữa tốc độ tăng trưởng GDP và nợ xấu là mối quan hệ cùng chiều Luận giải cho vấn đề này, nghiên cứu cho rằng khi tăng trưởng GDP thì nhu cầu vay vốn càng ngày sẽ tăng lên nếu các khách hàng sử dụng không đúng mục đích vay hoặc nếu các NHTM cho vay một cách ồ ạt, các chính sách cho vay không chặt chẽ, kiểm soát không tốt, cho vay một cách dễ dãi trong ngắn hạn thì sẽ làm cho nợ xấu gia tăng trở lại trong trung và dài hạn Kết quả tương tự với nghiên cứu đã thực nghiệm của Bonilla (2011) mô hình nghiên cứu tại các NHTM tại Ý thì mối quan hệ giữa chúng là cùng chiều nhau và nghiên cứu tại Việt Nam của Phạm Thị Hồng Thẩm (2019) cũng cho kết quả mô hình nghiên cứu là mối quan hệ giữa chúng là cùng chiều.
