BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH DIỆP THIÊN KỲ TÁC ĐỘNG CỦA BẤT ỔN CÁC YẾU TỐ VĨ MÔ ĐẾN RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN C[.]
GIỚI THIỆU
Lý do chọn đề tài
Tại Việt Nam, các ngân hàng hoạt động chủ yếu theo kiểu truyền thống, trong đó: hoạt động tín dụng giữ vai trò then chốt, chiếm tỷ trọng lớn trong hoạt động kinh doanh của NHTM Tuy nhiên hoạt động cấp tín dụng cũng ẩn chứa khá nhiều rủi ro với các mức độ tần suất khác nhau Trong các loại rủi ro của hoạt động cấp tín dụng, có thể nói rủi ro tín dụng (RRTD) chiếm một vị trí quan trọng bậc nhất bởi tính phổ biến và hậu quả của nó.
Trong các nghiên cứu trên thế giới chỉ ra rằng rủi ro tín dụng nói chung và nợ xấu nói riêng của ngân hàng bị tác động bởi hai yếu tố bên trong và bên ngoài (Dimitrios và các cộng sự, 2014; Messai và Jouini, 2013; Marijana và cộng sự, 2013; Ekanayake, 2015) Bên trong là các chỉ tiêu tài chính nội tại của ngân hàng, bên ngoài là môi trường kinh tế vĩ mô.
Khi nền kinh tế gặp khó khăn, tỷ lệ thất nghiệp tăng, rủi ro người đi vay không không trả được nợ đúng hạn hoặc không có khả năng trả nợ sẽ tạo áp lực cho ngân hàng, nợ xấu từ đó mà tăng lên Bên cạnh đó, cuộc khủng hoảng tài chính toàn cầu gây ra tác động tiêu cực đến Việt Nam: tăng trưởng kinh tế bị chững lại, gia tăng rủi ro tín dụng và nợ xấu Dẫn đến tình trạng nhiều ngân hàng rơi vào tình trạng khó khăn, thua lỗ Một khi hệ thống tài chính hoạt động kém hiệu quả và không ổn định sẽ tác động đến việc phát triển kinh tế của quốc gia (Badar và Javid 2013) Thế giới đã ghi nhận nợ xấu có liên hệ chặt chẽ với cuộc khủng hoảng tiền tệ Châu Á 1997 và khủng hoảng cho vay dưới chuẩn 2007, nợ xấu đã bị nghi ngờ là nguyên nhân chính của sự sụp đổ thị trường tài chính.
Một trong những thực tế đẩy tình trạng rủi ro tín dụng tăng cao, đặt biệt là nợ xấu gia tăng có xuất phát điểm từ nền kinh tế Khi mà nền kinh tế ngày càng toàn cầu hóa và hội nhập sâu rộng giữa các quốc gia thì việc ảnh hưởng từ cuộc khủng hoảng trên thế giới là một điều không thể tránh khỏi Ngoài ra, trong cuộc cách mạng công nghệ 4.0 hiện nay, hệ thống NHTM Viêt Nam đang chuyển mình trong xu thế toàn cầu hóa, nhiều ngân hàng đã tập trung đầu tư vào công nghệ nhằm thay đổi hệ thống quản lý, dịch vụ phục vụ khách hàng để nâng cao khả năng cạnh tranh Giữa áp lực
2 cạnh tranh trên con đường hội nhập, hoạt động tín dụng của các NHTM luôn được mở rộng, tuy nhiên hoạt động tín dụng là hoạt động thường nhật của các NHTM Do đó vấn đề rủi ro tín dụng, nợ xấu tất yếu vẫn luôn tồn tại và có xu hướng tăng mạnh gây ảnh hưởng đến toàn ngành Vì vậy, vai trò điều hành kinh tế của Nhà nước trong quản lý kinh tế vĩ mô và hoạt động quản lý nợ xấu của Ngân hàng Nhà nước là hết sức quan trọng và ngày càng được chú trọng Đối với một quốc gia đang phát triển như Việt Nam thì những biến động các yếu tố vĩ mô ít nhiều gây ra sự ảnh hưởng xấu đối với tăng trưởng và phát triển, từ đó có khả năng tác động đến rủi ro tín dụng, nợ xấu trong các NHTM.
Xuất phát từ những thực tế trên, kết hợp với những kiến thức đã được tích lũy trong suốt quá trình học tập và với niềm mong muốn tìm hiểu của bản thân, tác giả đi vào phân tích và đánh giá mối quan hệ giữa biến động kinh tế vĩ mô và rủi ro tín dụng qua đề tài “TÁC ĐỘNG CỦA BẤT ỔN CÁC YẾU TỐ VĨ MÔ ĐẾN RỦI RO TÍNDỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN VIỆT NAM”
Mục tiêu nghiên cứu
1.2.1 Mục tiêu nghiên cứu tổng quát
Nghiên cứu này được thực hiện với nỗ lực tìm ra sự tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của các NHTM cổ phần Việt Nam.
1.2.2 Mục tiêu nghiên cứu cụ thể Để thực hiện mục tiêu tổng quát như trên, khóa luận sẽ phân tích tác động của bất ổn các yếu tố vĩ mô đến rủi ro dụng của các NHTM cổ phần Việt Nam, cụ thể như sau:
- Tìm những biến tác động đến rủi ro tín dụng của NHTMCP Việt Nam thông qua các nghiên cứu đi trước Qua đó lựa chọn các biến phù hợp với mô hình Xây dựng mô hình thể hiện mối tương quan giữa các biến vĩ mô của nền kinh tế và rủi ro tín dụng của NHTM.
- Tìm dấu hiệu và mức độ ảnh hưởng của các biến trong mô hình tác động đến rủi ro tín dụng của các NHTMCP Việt Nam.
- Đưa ra các giải pháp dựa trên kết quả nghiên cứu.
Câu hỏi nghiên cứu
Để thực hiện được mục tiêu nghiên cứu trên, đề tài đưa ra câu hỏi nghiên cứu sau:
- Sự bất ổn trong kinh tế vĩ mô được đo lường như thế nào và có tác động ra sao đến rủi ro tín dụng trong các nghiên cứu trước đây?
- Rủi ro tín dụng của NHTMCP Việt Nam được đo lường bởi yếu tố nào?
- Bất ổn kinh tế vĩ mô và các nhân tố khác như biến vi mô ngân hàng có tác động như thế nào đến rủi ro tín dụng NHTMCP Việt Nam?
Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu: Tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng tại các NHTMCP Việt Nam.
- Về không gian: Nghiên cứu số liệu được thực hiện trên 28 NHTM Việt Nam gồm ABB, ACB, BAB, BIDV, BVB, BaoVietBank, CTG, EIB, HDB, KLB, LPB, MBB, MSB, NAB, NVB, OCB, PGB, SCB, SEAB, SGB, SHB, STB, TCB, TPB, VAB, VCB, VIB, VPB (chi tiết Phụ lục 1).
- Về thời gian: Từ năm 2010 đến năm 2019.
Phương pháp nghiên cứu
1.5.1 Phương pháp thu thập dữ liệu
Tác giả sử dụng dữ liệu nghiên cứu được xem xét là dữ liệu từ các báo cáo tài chính đã được kiểm toán của các NHTM đang hoạt động Dữ liệu được chọn từ năm
2010 - 2019 Các kênh thông tin lấy dữ liệu: thu thập từ các Website chính thức của các ngân hàng, dữ liệu từ WorldBank, dữ liệu của tổng cục thống kê Việt Nam và các trang báo kinh tế điện tử uy tín.
1.5.2 Phương pháp nghiên cứu Để đạt được mục tiêu đề ra là xem xét tác động của biến động các yếu tố vĩ mô đến rủi ro tín dụng của các NHTMCP Việt Nam, khóa luận sử dụng phương pháp định lượng để xử lý vấn đề nghiên cứu.
Thống kê mô tả: mô tả đặc tính cơ bản của bộ dữ liệu thu thập nhằm có cái nhìn tổng quát về mẫu nghiên cứu Thống kê các biến yếu tố vĩ mô và các biến đặc trưng thuộc về các NHTM Việt Nam trong giai đoạn năm 2010 đến 2019 qua đó thấy được giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất của từng biến trong
4 mô hình cũng như kích thước mẫu.
Phương pháp định lượng: Để ước lượng mô hình nghiên cứu, khóa luận sử dụng phương pháp ước lượng Moment tổng quát hệ thống (System - GMM) của Blundell vàBond (1998) đề xuất Vì ước lượng này có thể khắc phục một số khuyết tật của mô hình gồm hiện tượng tự tương quan, phương sai sai số thay đổi và đặc biệt là hiện tượng nội sinh Khi mô hình là với mẫu có thời gian ngắn và tính bền vững cao thì phương phápSGMM được cho là có ước lượng tốt Nó dùng sai phân có độ trễ của các biến tiên liệu như các biến công cụ và các sai phân của các biến ngoại sinh nghiêm ngặt (Blundell &Bond, 1998; Roodman, 2009).
Đóng góp của đề tài
Bài nghiên cứu thực hiện kiểm tra tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của các NHTM tại Việt Nam thông qua phương pháp ước lượng
SGMM Từ kết quả nghiên cứu đưa ra kết luận chính xác nhất về tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của ngân hàng.
Ngoài ra, về mặt thực tiễn, kết quả nghiên cứu của khóa luận đưa ra bằng chứng thực nghiệm về biến động của các yếu tố vĩ mô tác động đến rủi ro tín dụng của NHTMViệt Nam giúp cho công tác quản trị rủi ro tín dụng tại các NHTM Việt Nam hiệu quả hơn, giúp các nhà lãnh đạo của NHTM hiểu rõ mức tác động của các yếu tố trong mô hình nghiên cứu đến rủi ro tín dụng nhằm đưa ra các giải pháp phù hợp để hạn chế tác động tiêu cực của rủi ro tín dụng đối với hệ thống ngân hàng Bên cạnh đó, nghiên cứu cũng cung cấp những thông tin hữu ích cho những nhà nghiên cứu trong lĩnh vực ngân hàng tiếp tục các nghiên cứu sâu và rộng hơn những vấn đề liên quan.
Bố cục của khóa luận
Đề tài nghiên cứu bao gồm 5 chương:
- Chương 1: GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
Chương 1 trình bày những vấn đề chung về nghiên cứu bao gồm lý do nghiên cứu; mục tiêu, câu hỏi nghiên cứu; đối tượng, phạm vi nghiên cứu, phương pháp nghiên, những đóng góp của nghiên cứu và kết cấu dề tài nghiên cứu Thông qua chương này, người đọc sẽ hình dung tổng quát về đề tài nghiên cứu.
- Chương 2: CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU THỰC NGHIỆM
Chương 2 giải thích khái niệm, cách đo lường bất ổn yếu tố vĩ mô, đo lường rủi ro tín dụng ngân hàng và giới thiệu một số lý thuyết cơ sở nền tảng liên quan đến rủi ro tín dụng của ngân hàng Chương này cũng lược khảo các nghiên cứu trước liên quan đến đề tài về tác động của các yếu tố vĩ mô lẫn các yếu tố đặc thù trong ngân hàng đến rủi ro tín dụng của ngân hàng Từ đó làm cơ sở để tìm ra mô hình phù hợp cho nghiên cứu ở chương 3.
- Chương 3: PHƯƠNG PHÁP NGHIÊN CỨU
Dựa trên cở sở lý thuyết chương 2, chương 3 trình bày mô hình nghiên cứu, giải thích cách đo lường các biến nghiên cứu, dữ liệu nghiên cứu, phương pháp nghiên cứu, quy trình nghiên cứu đã sử dụng nhằm thu được kết quả phù hợp với mục tiêu đề ra.
- Chương 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 4 thực hiện thống kê mô tả các biến trong mô hình, thực hiện các kiểm định mô hình nghiên cứu, phân tích tương quan giữa các biến trong mô hình và phân tích tác động của các nhân tố tác động đến rủi ro tín dụng Từ kết quả đó đưa ra mô hình hồi quy phù hợp thể hiện mối quan hệ giữa các yếu tố nội tại ngân hàng, yếu tố kinh tế vĩ mô và rủi ro tín dụng của các ngân hàng thương mại cổ phần.
- Chương 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH
Chương 5 trình bày kết luận rút và gợi ý một số giải pháp dựa trên kết quả của nghiên cứu Ngoài ra, chương 5 cũng trình bày hạn chế của nghiên cứu này và hướng nghiên cứu tiếp theo liên quan đến chủ đề này.
Chương 1 trình bày sơ lược những thông tin cơ bản của đề tài nghiên cứu Trong đó bao gồm: lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, kết cấu của khóa luận và đóng góp của đề tài Qua đó giúp người đọc có cái nhìn bao quát về đề tài nghiên cứu, đi vào tìm hiểu cụ thể hơn ở các chương tiếp theo.
CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ TÁC ĐỘNG CỦA BẤT ỔN CÁC YẾU TỐ VĨ MÔ ĐẾN RỦI RO TÍN DỤNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN CỦA VIỆT NAM
Cơ sở lý thuyết
2.1.1 Cơ sở lý thuyết về bất ổn của các yếu tố vĩ mô
2.1.1.1 Khái niệm độ bất ổn của các yếu tố vĩ mô
Thuật ngữ bất ổn kinh tế vĩ mô được sử dụng phổ biến trong các nghiên cứu khoa học và điều hành chính sách tiền tệ tại các nền kinh tế khác nhau Theo Azam
(2001) khái quát bất ổn kinh tế vĩ mô chỉ tất cả những biến động theo chiều hướng xấu đối với tình hình kinh tế vĩ mô của một nền kinh tế Sameti và các cộng sự (2012) cho rằng bất ổn kinh tế vĩ mô được đánh giá bởi các biến động của một tập hợp các biến số kinh tế vĩ mô theo thời gian, bao gồm tăng trưởng, lạm phát, thâm hụt ngân sách, thâm hụt cán cân vãng lai và dự trữ ngoại hối Các nguyên tắc Maastric (Maastric Principles) đã đưa ra các chỉ số đo lường cho ổn định kinh tế vĩ mô bao gồm: Lạm phát thấp và ổn định (mức lạm phát tối đa là 3%), lãi suất dài hạn thấp (mức giới hạn la 9%), tỷ lệ nợ quốc gia so với tổng sản phẩm quốc nội (GDP) thấp (dưới 60%), thâm hụt ngân sách hàng năm thấp (mức tối đa là 3% GDP) và tỷ giá ổn định (mức biến động tối đa của tỷ giá là 2,5%) Chính vì vậy, theo cách hiểu thông thường, tình trạng bất ổn kinh tế vĩ mô là tình trạng ngược lại của ổn định kinh tế vĩ mô Và theo các nhà nghiên cứu hiện nay đang quan niệm bất ổn kinh tế vĩ mô cũng gắn liền với các biến số kinh tế vĩ mô quan trọng trong nền kinh tế.
Tình trạng bất ổn kinh tế vĩ mô được đặt biệt quan tâm bởi đó là tình trạng không nên xuất hiện trong một nền kinh tế do những tác động xấu có thể gây ra đối với tăng trưởng và phát triển (Elbadawi và Schmidt-Hebbek,1998) Bất kì sự biến động của một biến số kinh tế vĩ mô chẳng hạn như biến động của lạm phát, GDP đứng yên hoặc có xu hướng giảm đều có khó năng tạo ra sự bất ổn của một nền kinh tế Theo các nhà nghiên cứu, khi nền kinh tế rơi vào tình trạng bất ổn kinh tế vĩ mô sẽ tạo ra sự không chắc chắn Sự không chắc chắn sẽ dẫn đến những tác động không tốt cho các hoạt động kinh tế thông qua 2 kênh: (i) ảnh hưởng đến hiệu quả của cơ chế giá cả, từ đó làm giảm hiệu quả sản xuất; (ii) làm giảm đầu tư bởi các nhà đầu tư thường đợi đến khi tình trạng này được giải quyết mới ra quyết định đầu tư (Fischer, 1993).
Tóm lại, bất ổn các yếu tố vĩ mô là việc các biến số kinh tố vĩ mô như lạm phát, GDP, cung tiền, dự trữ ngoại hối, thay đổi một cách ngẫu nhiên tăng/giảm thông qua xác định khoảng cách giữa chỉ số cao nhất và thấp nhất của các yếu tố vĩ mô trong một khoảng thời gian Mức biến động của các yếu tố vĩ mô càng lớn thì mức độ bất ổn của các yếu tố vĩ mô càng cao Tình trạng này tạo ra sự không chắc chắn của nền kinh tế và làm ảnh hưởng đến hiệu quả hoạt động kinh tế.
2.1.1.2 Phương pháp đo lường độ bất ổn của các yếu tố vĩ mô
Do quan điểm về biến số đại diện cho bất ổn kinh tế vĩ mô là khác nhau, biến số sử dụng và cách thức đo lường được các nhà nghiên cứu sử dụng cũng không thống nhất Nhìn chung, các nghiên cứu đo lường tình trạng bất ổn vĩ mô của nền kinh tế đang đi theo hai xu hướng: dựa vào biến số kinh tế vĩ mô đơn lẻ và dựa vào một tập hợp biến số vĩ mô.
Các biến số kinh tế vĩ mô đơn lẻ
Một là lạm phát, nghiên cứu của Azam (2001) khẳng định rằng lạm phát là nhân tố quyết định quan trọng đến bất ổn vĩ mô trong nền kinh tế Madagascar và mức độ lạm phát chính là thành phần cơ bản của bất ổn kinh tế vĩ mô tại nền kinh tế này Frimpong và Marbuah (2010), Somoye và Ilo (2009), Beaudry và các đồng sự (2001) dựa vào hiệu ứng Mundell – Tobin (Mundell Tobin effect) để lý giải tác động không chắc chắn của lạm phát đến nền kinh tế qua hiệu quả phân bổ nguồn lực Theo hiệu ứng này lạm phát cao sẽ gây ra tác động lớn đến tích lũy vốn trong nền kinh tế theo xu hướng dịch chuyển danh mục đầu tư ra khỏi tiền tệ do tỷ suất sinh lời thực của đồng tiền giảm. Nghiên cứu của Olaniyan (2000) cũng chỉ ra lạm phát và sự biến động của lạm phát là dấu hiệu quan trọng cho tình trạng bất ổn vĩ mô tại Nigeria và có tác động tiêu cực đến đầu tư tại quốc gia này. Để đánh giá mức biến động của lạm phát, các nhà nghiên cứu thường sử dụng với nhiều cách đo lường khác nhau Azam (2001) đo độ bất ổn của lạm phát bằng chênh lệch của logarit tự nhiên của chỉ số giá tiêu dùng (CPI) tại thời điểm t và (t-1) với chênh lệch càng cao, bất ổn càng lớn và ngược lại Rodrigo và các cộng sự (2006) đo độ bất ổn của lạm phát bằng tỷ lệ lạm phát/(tỷ lệ lạm phát +1) trong đó tỷ lệ lạm phát được đo bằng thay đổi trung bình trong chỉ số CPI; chỉ số này nằm trong khoảng [-1;1] và càng cao càng thể hiện tính bất ổn Shu Lin và Haichun Ye (2007) đo lường độ bất ổn của lạm phát bằng độ lệch chuẩn của CPI được tính toán dựa trên dữ liệu của bảy quốc gia trong 3 năm Độ lệch chuẩn càng cao đồng nghĩa với sự bất ổn càng gia tăng.
Hai là tổng sản phẩm quốc nội (GDP), GDP là tổng giá trị tiền tệ hoặc giá trị thị trường của tất cá hàng hóa và dịch vụ được sản xuất trong biên giới của một quốc gia trong một khoảng thời gian cụ thể Là một thước đo tổng thể về sản xuất trong nước, nó hoạt động như một thẻ điểm toàn diện về sức khỏe kinh tế của một quốc gia nhất định. Bởi vì GDP cung cấp một chỉ báo trực tiếp về sức khỏe và sự tăng trưởng của nền kinh tế, các doanh nghiệp có thể sử dụng GDP như một chỉ dẫn cho chiến lược kinh doanh của họ Các tổ chức chính phủ, chẳng hạn như Cục Dữ trữ Liên bang ở Hoa Kỳ, sử dụng tốc độ tăng trưởng và các số liệu thống kê GDP khác để xác định loại chính sách tiền tệ nào sẽ thực hiện Nếu tốc độ tăng trưởng chậm lại, họ có thể thực hiện chính sách tiền tệ mở rộng để cố gắng thúc đẩy nền kinh tế Nếu tốc độ tăng trưởng cao, họ có thể sử dụng chính sách tiền tệ để làm chậm lại mọi thứ trong nỗ lực ngăn chặn lạm phát GDP được theo dõi và thảo luận rộng rãi bởi các nhà kinh tế, nhà phân tích, nhà đầu tư và các nhà hoạch định chính sách. Để đánh giá mức độ biến động của GDP, các nhà nghiên cứu thường sử dụng với nhiều cách đo lường khác nhau Denizer và các cộng sự (2002), Abu Wahid và Abdul Jalil (2010) đo lường độ bất ổn của GDP bằng cách lấy độ lệch chuẩn của GDP luân phiên 5 năm Tương tự Acedanski và Pietrucha (2019) đo độ biến động của GDP dựa trên độ lệch chuẩn của tăng trưởng GDP trong giai đoạn 5 năm Chỉ số này càng cao mức độ bất ổn càng gia tăng David Aikman và các cộng sự (2019) đã sử dụng độ lệch chuẩn cùa tăng trưởng GDP thực tế trong 3 năm để đo độ bất ổn của GDP Nghiên cứu của Houng Lee và các cộng sự (2012) đo lường sự không chắc chắn kinh tế vĩ mô dựa trên độ lệch chuẩn của thời hạn luân phiên 3 năm của tăng trưởng GDP thực tế.
Ba là mức cung tiền tệ, mức cung tiền tệ là số lượng tiền thực tế trong lưu thông, thường được xác định trong một thời kỳ nhất định Lượng tiền tệ thực tế trong lưu thông không chỉ bao gồm tiền mặt, tiền gửi thanh toán trong ngân hàng mà còn gồm nhiều tài sản khác có tính lỏng cao, dễ dàng chuyển sang tiền mặt và được chấp nhận rộng rãi trong thanh toán, giao dịch Các nhà kinh tế phân tích lượng cung tiền và phát triển các chính sách xoay quanh nó thông qua việc kiểm soát lãi suất và tăng hoặc giảm lượng tiền lưu thông trong nền kinh tế Thay đổi cung tiền từ lâu đã được coi là yếu tố chính trong việc thúc đẩy hoạt động kinh tế vĩ mô và chu kỳ kinh doanh Đồng thời, cũng là một trong những công cụ quan trọng mà chính phủ sử dụng để can thiệp vào nền kinh tế Sự bất ổn trong cung ứng tiền tệ có thể gây ra những tác động không tốt cho nền kinh tế như gây ra lạm phát, làm tăng lãi suất vay nợ trong nền kinh tế.
Nghiên cứu của John Thorton (1995) đo mức độ biến động của cung tiền dựa trên độ lệch chuẩn tám phần tư của mức tăng trưởng cung tiền theo phép đo M1 Matteo Bugamelli và Fracesco Paterno (2011) đo lường độ bất ổn cung tiền M2 dưới dạng tỷ lệ so với GDP Tỷ lệ này càng lớn cho thấy độ bất ổn càng cao và ngược lại.
• Chỉ số bất ổn kinh tế vĩ mô
Một là chỉ số bất ổn kinh tế vĩ mô (MII) của Ismihan và các cộng sự (2002).
Chỉ số bất ổn kinh tế vĩ mô (MII) sử dụng phương pháp tính chỉ số phát triển con người (HDI) và dựa trên bốn biến số kinh tế vĩ mô, bao gồm: tỷ lệ lạm phát, tỷ lệ thâm hụt ngân sách so với tổng sản phẩm quốc dân (GNP), tỷ lệ nợ nước ngoài so với GNP và sự biến động của tỷ giá hối đoái Cụ thể, MII được tính toán 2 bước:
Bước 1: Các chỉ số thành phần được tính toán dựa trên công thức chung:
I t giá trị chỉ số thành phần của biến số vĩ mô X trong năm;
X t là giá trị của biến số vĩ mô X năm t;
X Min (X Max ) là giá trị nhỏ nhất (lớn nhất) của biến số vĩ mô X trong cả giai đoạn nghiên cứu.
Bước 2: Chỉ số MII được tính toán bằng cách lấy trung bình cộng không trọng số của các chỉ số thành phần I t
4 Các I t sẽ có giá trị từ 0 đến 1 Do đó MII cũng nằm trong khoảng [0, 1] Như vậy, MII càng gần 0 thì mức độ bất ổn càng thấp, MII càng gần 1 thì tình trạng bất ổn càng cao.
Hai là các chỉ số bất ổn kinh tế vĩ mô (mi) theo Jaramillo và Sancak (2007).
Chỉ số bất ổn kinh tế vĩ mô (mi) được tính dựa trên bốn chỉ số kinh tế vĩ mô, bao gồm: biến động của lạm phát và tỷ giá hối đoái, tỷ lệ tích lũy dự trữ so với tiền cơ sở và tỷ lệ thâm hụt ngân sách so với GDP. ln ( cpiit ) ln ( erit ) ln( resit-resi,t-1 ) fbalit cpi i,t-1 er i,t-1 bm i,t-1 ln ( gdpit ) σ cpi σ er σ res σ fbal
Trong đó, mi: là chỉ số bất ổn kinh tế vĩ mô tại thời gian t; ln: là logarit cơ số tự nhiên;
Xmax - Xmin mi it = cpi: là chỉ số giá tiêu dùng; er: là tỷ giá hối đoái của đồng tiền quốc gia so với USD; res: là lượng dự trữ quốc tế; bm: là tiền cơ sở; fbal: là trạng thái thâm hụt ngân sách; gdp: là GDP danh nghĩa; σ: là độ lệch chuẩn của từng biến số.
Không như chỉ số MII, chỉ số mi sẽ không giới hạn trong một khoảng nhất định mà biến động không có chừng mực, với mi càng lớn thì tình hình kinh tế vĩ mô càng bất ổn.
2.1.2 Cơ sở lý thuyết về rủi ro tín dụng ngân hàng
2.1.2.1 Khái niệm rủi ro tín dụng ngân hàng
Trên thế giới có rất nhiều khái niệm về rủi ro tín dụng được tiếp cận từ nhiều khía cạnh khác nhau:
Theo ủy ban Basel, rủi ro tín dụng là khả năng mà khách hàng vay hoặc là bên đối tác của ngân hàng không thực hiện đúng cam kết đã thỏa thuận.
Các nghiên cứu thực nghiệm về tác động của bất ổn các yếu tố vĩ mô và các yếu tố đặc thù trong ngân hàng đến rủi ro tín dụng của ngân hàng thương mại
Để tìm ra sự tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của ngân hàng thương mại, khóa luận cần phải dựa trên các công trình nghiên cứu trước đây nhằm lựa chọn các biến phù hợp để xây dựng mô hình mô hình nghiên cứu Một số nghiên cứu liên quan đã chỉ ra bằng chứng thực nghiệm về mối quan hệ bất ổn kinh tế vĩ mô và rủi ro tín dụng của ngân hàng thương mại Nền kinh tế ảnh hưởng mạnh mẽ đến hoạt động của ngân hàng cụ thể là tình hình nợ xấu của ngân hàng (Settor Amediku, 2006) Điều này tương ứng với các rủi ro mà ngân hàng sẽ phải đối mặt khi tình hình nợ xấu tăng cao, căng thẳng về tín dụng Ngoài các yếu tố vĩ mô thì các yếu tố vi mô đặc thù trong ngân hàng cũng giải thích vấn đề rủi ro tín dụng của ngân hàng, đặc biệt là các khoản nợ xấu Có những nghiên cứu đánh giá tác động của yếu tố kinh tế vĩ mô và yếu tố ngân hàng đến rủi ro tín dụng một cách độc lập Trong khi đó, có những nghiên cứu khác đã đánh giá chúng cùng nhau Vì vậy, khóa luận thảo luận về các tài liệu hiện có và sử dụng chúng làm cơ sở để lựa chọn các biến giải thích cho nghiên cứu này.
2.2.1 Các yếu tố vĩ mô tác động đến rủi ro tín dụng ngân hàng
Một nghiên cứu của Talavera và cộng sự (2006) kết luận rằng các ngân hàng cho vay nhiều hơn trong khoảng thời gian bùng nổ kinh tế và khi mức độ không chắc chắn kinh tế vĩ mô giảm xuống, đồng thời cắt giảm cho vay khi nền kinh tế đang suy thoái Như vậy, môi trường kinh tế là một thành phần rủi ro có hệ thống điều đó ảnh hưởng đến mọi bên tham gia trong nền kinh tế Thông thường, tình trạng của nền kinh tế là được đo lường bằng các tổng hợp kinh tế vĩ mô, bao gồm tổng sản phẩm quốc nội (GDP), mức việc làm, sử dụng năng lực công nghiệp, lạm phát, cung tiền và thay đổi trong tỷ giá hối đoái.
Talavera và cộng sự (2012) sử dụng phương sai của chỉ báo cung tiền, người tiêu dùng, chỉ số giá cả và sự biến động của chỉ số giá cả sản xuất để đo lường sự không chắc chắn của kinh tế vĩ mô Nghiên cứu điều tra mối liên hệ giữa hành vi cho vay của ngân hàng và sự không chắc chắn của kinh tế vĩ mô Kết quả chỉ ra rằng có mối quan hệ ngược chiều giữa tỷ lệ vốn vay trên vốn chủ sở hữu và sự không chắc chắn của kinh tế vĩ mô. Điều này có thể lý giải rằng, khi sự bất ổn của kinh tế vĩ mô gia tăng, thì nguy cơ rủi ro tín dụng tăng cao, tỷ lệ nợ xấu gia tăng, đe dọa khả năng phá sản của ngân hàng Do đó các ngân hàng buộc phải giảm cung tín dụng để tập trung xử lý các khoản nợ xấu, tái cơ cấu ngân hàng Các ngân hàng sẽ gia tăng tỷ lệ cho vay khi mà sự không chắc của kinh tế vĩ mô giảm dần Hoặc nền kinh tế đang trong thời kỳ phát triển, các ngân hàng sẽ gia tăng lượng cho vay, lúc này ngân hàng có xu hướng đánh giá thấp khoản tín dụng, chấp nhận rủi ro nhiều hơn, để cho vay nhiều nhằm tối đa hóa lợi nhuận Vì thế rủi ro tín dụng là có khả năng gia tăng.
Hongbo Liang và Yuanliang Liu (2012) sử dụng bảng dữ liệu của các ngân hàng thương mại Trung Quốc để thực hiện nghiên cứu thực nghiệm, kết luận rằng khi bất ổn của kinh tế vĩ mô gia tăng thì nguy cơ rủi ro tín dụng ngân hàng sẽ tăng lên đáng kể và tỷ lệ nợ xấu sẽ tăng lên, dẫn đến ngân hàng giảm cung cấp tín dụng.
Baum và cộng sự (2002) thiết lập một khung phân tích đơn giản mà kết quả của nó cho thấy sự gia tăng của sự không chắc chắn kinh tế vĩ mô có thể dẫn đến hành vi đồng nhất hơn của các ngân hàng Ngân hàng phải thu thập thông tin tốn kém về người đi vay trước khi mở rộng khoản vay cho khách hàng mới hoặc khách hàng hiện tại, không chắc chắn về các điều kiện kinh tế (và khả năng vỡ nợ) sẽ có ảnh hưởng rõ ràng đến hành vi cho vay và ảnh hưởng đến việc phân bổ các nguồn vốn khả dụng Do đó, như sự không chắc chắn tăng, tỷ lệ cho vay trên tài sản sẽ giảm vì sự bất ổn kinh tế lớn hơn cản trở ngân hàng khả năng nhìn thấy trước các cơ hội đầu tư (lợi nhuận từ việc cho vay) Cơ hội đa dạng hóa danh mục cho vay của ngân hàng giảm đi, rủi ro tín dụng có khả năng tăng cao Ngược lại, mức độ không chắc chắn của kinh tế vĩ mô suy giảm, thu nhập sẽ dễ dự đoán hơn, khi đó rủi ro tín dụng của ngân hàng sẽ giảm.
Shigui Tao và Mengqiao Xu (2019) dựa trên dữ liệu bảng không cân bằng của 142 ngân hàng thương mại ở Trung Quốc từ 2007-2016, thông qua ước lượng GMM để xem xét tác động của sự không chắc chắn của chính sách nền kinh tế đến tín dụng ngân hàng.Kết quả thực nghiệm cho thấy rằng sự gia tăng không chắc chắn kinh tế vĩ mô sẽ dẫn đến hành vi ngân hàng bảo thủ và quy mô của tín dụng ngân hàng sẽ bị hạn chế Đồng thời, sự không chắc chắn này sẽ có tác động đến các ngân hàng ngoài quốc doanh và các ngân hàng ngoài niêm yết Trong các nghiên cứu của Salas và Saurina (2002), Ekanayake và Azeez
(2015), Phạm Hoàng Bảo Ngọc (2019) quy mô tín dụng của ngân hàng cho phép ngân hàng có thể đa dạng hóa danh mục cho vay, khi quy mô càng tăng thì tỷ lệ nợ xấu càng giảm Do vậy, nếu quy mô của tín dụng ngân hàng sẽ bị hạn chế bởi sự gia tăng của sự không chắc chắn kinh tế vĩ mô, điều này có khả năng gia tăng rủi ro tín dụng của ngân hàng.
Chính phủ phải điều chỉnh các chính sách kinh tế của mình để đảm bảo sự thống nhất giữa chính sách kinh tế và phát triển kinh tế Tuy nhiên, quá trình điều chỉnh chính sách luôn đi kèm với sự khó lường, không rõ ràng và sự mơ hồ, điều này sẽ dẫn đến sự gia tăng mức độ không chắc chắn của chính sách Các nghiên cứu hiện tại đã chỉ ra rằng sự không chắc chắn về chính sách có những tác động khác nhau đến nền kinh tế vĩ mô, thị trường vốn và hành vi của doanh nghiệp, điều này sẽ tạo ra nhiều ảnh hưởng sâu rộng đối với những người tham gia, chẳng hạn như sự không chắc chắn về chính sách và tài sản định giá (Pastor và Veronesi, 2013; Brogaar và Detzel, 2015 ), và quyết định đầu tư của công ty (Julio và Yook, 2012; Gulen và Ion, 2015) Là một bộ phận quan trọng của hệ thống tài chính, các ngân hàng thương mại tất yếu phải chịu tác động của các chính sách kinh tế và chuyển các tác động này Do đó, sự không chắc chắn trong chính sách kinh tế gây ra ảnh hưởng đến những người tham gia vào các hoạt động kinh tế, sẽ ảnh hưởng đến hành vi cung ứng tín dụng của các ngân hàng thương mại, sự không chắc chắn trong chính sách kinh tế vĩ mô sẽ ảnh hưởng đến quy mô tín dụng ngân hàng thông qua hai cách, một là trực tiếp ảnh hưởng đến hành vi của chính ngân hàng và tác động khác là gián tiếp ảnh hưởng đến ngân hàng thông qua ảnh hưởng của hành vi doanh nghiệp Cơ chế gián tiếp dựa trên bảng cân đối kế toán của công ty: sự không chắc chắn về chính sách kinh tế và cuối cùng ảnh hưởng đến tín dụng ngân hàng bằng cách ảnh hưởng đến hành vi của doanh nghiệp Baker và cộng sự (2013) cho thấy rằng sự gia tăng của sự không chắc chắn về chính sách cho thấy sự suy giảm của sản lượng, việc làm và đầu tư Các doanh nghiệp có xu hướng tăng lượng tiền mặt nắm giữ, do đó làm giảm nhu cầu tín dụng ngân hàng, dẫn đến giảm quy mô tín dụng Khi ngân hàng buộc phải giảm quy mô tín dụng trong bối cảnh sự không chắc chắn của kinh tế vĩ mô gia tăng, cơ hội đa dạng hóa danh mục cho vay bị sụt giảm Một số tác giả sử dụng quy mô ngân hàng làm đại diện cho các cơ hội đa dạng hóa Salas và Saurina (2002) tìm thấy mối quan hệ ngược chiều giữa quy mô và tỉ lệ nợ xấu ngân hàng và cho rằng quy mô lớn cho phép cơ hội đa dạng hóa nhiều hơn.
Nghiên cứu của Li Li (2019) xem xét tác động của sự không chắc chắn về chính sách tiền tệ Trung Quốc tác động đến rủi ro tín dụng của các ngân hàng Trung Quốc và những biến động kinh tế vĩ mô của Trung Quốc Tác giả đưa sự biến động ngẫu nhiên vào quy tắc chính sách tiền tệ dựa trên số lượng để nắm bắt sự không chắc chắn về chính sách tiền tệ của Trung Quốc và sau đó ước tính số tiền của Trung Quốc- sự không chắc chắn của chính sách tiền tệ bằng cách sử dụng phương pháp Bayesian MCMC Kết quả nghiên cứu cho thấy rằng sự gia tăng không chắc chắn về chính sách tiền tệ của Trung Quốc có thể trực tiếp dẫn đến sự gia tăng rủi ro tín dụng và thu hẹp sản lượng Sự gia tăng rủi ro tín dụng có thể làm trầm trọng thêm những cú sốc không chắc chắn của chính sách tiền tệ Sự gia tăng mạnh mẽ của sự không chắc chắn về chính sách tiền tệ của Trung Quốc sau cuộc khủng hoảng tài chính năm 2008 đã làm giảm tốc độ tăng trưởng sản lượng -0,75% trong năm quý 1 năm 2009 Kết quả nghiên cứu ngụ ý rằng sự gia tăng của những bất ổn chính sách tiền tệ sẽ đe dọa kinh tế vĩ mô và ổn định tài chính của Trung Quốc Một hàm ý chính sách quan trọng của bài báo này, ngoài việc đề phòng rủi ro tài chính hệ thống, Chính phủ cũng nên ưu tiên hàng đầu để giảm bớt sự không chắc chắn về chính sách của mình, vì sự không chắc chắn về chính sách kinh tế gia tăng đã được chứng minh là có tác động tiêu cực đến hoạt động kinh tế và làm trầm trọng thêm rủi ro tài chính.
Nghiên cứu của Sashana Whyte (2010) về tác động của chính sách của sự không chắc chắn về kinh tế vĩ mô đối với hành vi cho vay của ngân hàng ở Jamaica Kết quả cho thấy không có mối quan hệ lâu dài giữa cho vay của ngân hàng và sự không chắc chắn của các chỉ số kinh tế vĩ mô Tuy nhiên, bất ổn kinh tế vĩ mô sẽ ảnh hưởng đến hoạt động cho vay của ngân hàng trong ngắn hạn Cụ thể, sự biến động của lãi suất chuẩn, bị ảnh hưởng bởi chính sách tài khóa và chính sách tiền tệ, được coi là biến số kinh tế vĩ mô quan trọng nhất Do đó, mối quan tâm về tính bền vững của môi trường kinh tế vĩ mô hiện tại có thể giải thích một phần mức độ yếu kém của tín dụng hiện nay Thông thường khối lượng các khoản cho vay của một ngân hàng được xác định qua các đặc điểm như quy mô, cơ sở tiền gửi, tính thanh khoản, chính sách tín dụng và các yếu tố khác Các yếu tố này phần lớn nằm trong tầm kiểm soát của ngân hàng Tuy nhiên, những yếu tố này, ở một mức độ lớn hơn, bị ảnh hưởng bởi nền kinh tế vĩ mô chung Do đó, hành vi cho vay chung của hầu hết các ngân hàng sẽ phản ánh các tín hiệu từ nền kinh tế tổng hợp Người ta mong đợi rằng nếu các ngân hàng nhận thấy môi trường kinh tế vĩ mô ổn định, họ hình thành kỳ vọng rằng người đi vay sẽ có khả năng hoàn trả các khoản vay tốt hơn vì khả năng dự đoán chính xác dòng thu nhập được cải thiện trong vòng đời của khoản vay Khi đó rủi ro tín dụng của ngân hàng sẽ được hạn chế trong môi trường kinh tế vĩ mô ổn định.
Qinwei Chi and Wenjing Li (2016) sử dụng dữ liệu cho các ngân hàng thương mại Trung Quốc từ năm 2000 đến năm 2014 để kiểm tra những tác động của chính sách kinh tế không chắc chắn (economic policy uncertainty-EPU) đối với rủi ro tín dụng của các ngân hàng và quyết định cho vay Kết quả cho thấy các mối tương quan dương đáng kể giữa sự không chắc chắn của chính sách kinh tế và tỷ lệ nợ xấu, mức cho vay và khoản vay thông thường Điều này cho thấy EPU làm tăng rủi ro tín dụng của ngân hàng và ảnh hưởng tích cực đến quy mô cho vay, đặc biệt là đối với các ngân hàng cổ phần Với việc gia tăng rủi ro tín dụng do EPU tạo ra, các ngân hàng có thể cải thiện hoạt động hiệu suất bằng cách giảm quy mô khoản vay Nghiên cứu của tác giả góp phần đánh giá việc thực thi, hiệu quả và hiệu lực của các các chính sách kinh tế do chính phủ ban hành nhằm giảm bớt sự biến động kinh tế và đạt được sự điều hành kinh tế Những thay đổi thường xuyên đối với các chính sách kinh tế có thể tạo ra cú sốc không chắc chắn, có hại cho các hoạt động của NHTM bởi vì nó làm rối loạn định hướng và sức mạnh của các chính sách tiền tệ Do đó, phát hiện của bài báo nghiên cứu có thể giải thích tại sao kết quả thực thi của các chính sách kinh tế không phải lúc nào cũng đạt được kỳ vọng của các cơ quan quản lý.
Islamoglu (2015) đã kiểm tra tác động của biến số kinh tế vĩ mô, bao gồm: lãi suất vay thương mại và tỷ lệ nợ công trên GDP Nghiên cứu thực hiện dựa trên dữ liệu hàng quý của 13 ngân hàng Borsa, Istabul giai đoạn 2002-2013 bằng phương pháp VAR.
Nghiên cứu cho thấy việc giảm lãi suất gây ra tăng trưởng cho vay quá mức trong thời gian dài và làm tăng các khoản nợ xấu Nghiên cứu cũng phát hiện ra rằng, nợ công gia tăng gây ra sự gia tăng các khoản nợ xấu.
Tại Trung Quốc, Lu và Yang (2012) đã đưa ra mô hình hồi quy theo biến trễ giữa nợ xấu của ngân hàng với 4 biến vĩ mô: Tốc độ tăng trưởng GDP, CPI, tốc độ tăng cung tiền M2, giá nhà và biến giả Kết quả nghiên cứu cho thấy các biến vĩ mô đều tác động có ý nghĩa thống kê với nợ xấu của các NHTM Trung Quốc.
Fungacova và Jakubik (2013) đã thực hiện nghiên cứu rủi ro tín dụng đối với hệ thống ngân hàng Nga Nghiên cứu này xem xét các cú sốc kinh tế bất lợi đến rủi ro tín dụng của hệ thống ngân hàng Nga Tác giả xem xét ảnh hưởng của các yếu tố vĩ mô như GDP thực, GDP danh nghĩa, giá nhà và tốc độ tăng trưởng tín dụng hộ gia đình đến tăng trưởng nợ xấu và tăng trưởng tín dụng thông qua mô hình vĩ mô Từ đó các kịch bản cho năm tài chính được xây dựng để tính toán rủi ro tín dụng, rủi ro lãi suất và rủi ro liên ngân hàng Nghiên cứu đã chỉ ra rằng ngân hàng Nga hoàn toàn nhạy cảm với thay đổi môi trường vĩ mô.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu
Để nghiên cứu tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của các NHTM cổ phần tại Việt Nam trong giai đoạn 2010-2019, khóa luận sử dụng phương pháp nghiên cứu định tính kết hợp với nghiên cứu định lượng. Đầu tiên, phương pháp nghiên cứu định tính được áp dụng bằng cách khảo lược, tổng hợp, phân tích các nghiên cứu trước Sau khi thực hiện khảo lược các nghiên cứu trước, mô hình nghiên cứu được đề xuất Để phân tích được mô hình nghiên cứu, phương pháp định lượng với kỹ thuật hồi quy dữ liệu bảng được thực hiện Các phương pháp ước lượng thường được dùng với hồi quy dữ liệu bảng bao gồm Pooled OLS, FEM, REM Tuy nhiên trong trường hợp mô hình tồn tại các khuyết tật như hiện tượng tương quan, phương sai thay đổi, nội sinh, kết quả ước lượng của Pooled OLS, FEM, REM sẽ bị thiên lệch, do đó để khắc phục các khuyết tật này, phương pháp GMM do Blundell và Bond (1998) đề xuất.
Mô hình xảy ra hiện tượng nội sinh khi các biến giải thích (biến độc lập) có sự tương quan với phần dư mô hình Ngoài ra, khi biến độc lập (X) có mối quan hệ nhân quả với biến phụ thuộc (Y), nghĩa là xảy tác động cả hai chiều hướng, từ biến
X đến biến Y và ngược lại từ biến Y đến biến X, lúc này biến X được gọi là biến nội sinh nghiêm ngặt (Stricly endogenous variable) Khi biến Y không tác động trực tiếp với biến X trong kỳ t, nhưng có khả năng tác động đến biến X trong các kỳ tiếp theo (t+1, t+2, ), lúc này biến X được biết đến là biến nội sinh tiềm ẩn (predetermined variable) Biến X sẽ là biến ngoại sinh nghiêm ngặt (Stricly exogenous variable) khi
X không có tương quan với sai số của mô hình ở cả quá khứ và tương lai.
Trong các nghiên cứu thực nghiệm về rủi ro tín dụng hoặc các yếu tố nội tại trong ngân hàng, các tác giả thường sử dụng mô hình hồi quy có biến trễ của biến phụ thuộc làm biến độc lập, thì dữ liệu bảng lúc này là dữ liệu bảng động, trong đó biến trễ của biến phụ thuộc là biến nội sinh Điều này xuất hiện trong các nghiên cứu của Klein (2013), Rajha (2016), Salas và Saurina (2002) Ngoài ra, rủi ro tín dụng đặc biệt là tỷ lệ nợ xấu có tác động đáng kể đến lợi nhuận hoạt động của ngân hàng(Bhattarai, 2017) Đồng thời, khi hoạt động kinh doanh của ngân hàng hiệu quả, lợi nhuận tăng cao sẽ làm giảm rủi ro tín dụng của ngân hàng Do vậy, ngoài biến độ trễ của biến phụ thuộc thì biến tỷ suất sinh lời của ngân hàng cũng là biến nội sinh trong mô hình nghiên cứu Ngoài ra khi rủi ro tín dụng của ngân hàng gia tăng, các khách hàng, tổ chức có xu hướng e ngại khi gửi tiền vào trong ngân hàng, từ đó ảnh hưởng đến lượng tiền gửi trong ngân hàng và lợi nhuận hoạt động kinh doanh của ngân hàng Đồng thời khi rủi ro tín dụng gia tăng, buộc các ngân hàng phải giảm quy mô tín dụng lại, xử lý nợ xấu, hoặc tái cơ cấu Vì vậy, biến tiền gửi khách hàng và biến quy mô ngân hàng được tác giả nghi ngờ có khả năng xảy ra hiện tượng nội sinh. Sau khi thực hiện kiểm định Hausman, mô hình được chọn có thể là FEM hoặc REM Tuy nhiên sau khi tiền hành kiểm định Wald, mô hình nghiên cứu cho thấy có hiện tượng phương sai sai số thay đổi, đồng thời kết quả kiểm định Wooldrige cho thấy mô hình nghiên cứu có hiện tượng tự tương quan Vì vậy, tác giả sử dụng phương pháp GMM để ước lượng mô hình nghiên cứu Phương pháp GMM hữu dụng trong việc khắc phục vấn đề phương sai sai số thay đổi, tự tương quan và giải quyết vấn đề nội sinh.
GMM có hai dạng ước lượng là ước lượng GMM sai phân (Difference GMM- DGMM) và GMM hệ thống (System GMM – SGMM) Arellano và Bond
(1991) đã đề nghị dùng mô hình GMM sai phân, phương pháp DGMM cho phép chuyển mô hình gốc ban đầu sang mô hình sai phân bậc nhất Đồng thời đưa thêm biến trễ của biến phụ thuộc vào mô hình với vai trò như một biến giải thích Việc lấy sai phân của mô hình sẽ giúp loại bỏ được sự tương quan giữa phần dư (sai số) với các biến giải thích (vấn đề nội sinh) Tuy nhiên Blundell và Bond (1998) đã chứng minh rằng DGMM vẫn có các sai lệch về kết quả, các biến công cụ được đánh giá là không đủ mạnh làm cho mô hình có độ tin cậy thấp Và để khắc phục nhược điểm này Blundell và Bond (1998) đã đề xuất phương pháp SGMM, mô hình này sẽ sử dụng biến công cụ là các biến nội sinh và các biến trễ của biến nội sinh và được lấy sai phân Ngoài ra các biến ngoại sinh sẽ được đưa vào phần không được công cụ.
Do vậy, ước lượng SGMM được lựa chọn sử dụng cho nhiều nghiên cứu kinh tế. Để mô hình có ước lượng vững, khóa luận sử dụng các kiểm định liên quan đến mô hình hồi quy tuyến tính sử dụng dữ liệu bảng: kiểm định đa cộng tuyến, phương sai sai số thay đổi, tự tương quan, nội sinh. Để thực hiện kiểm định đa cộng tuyến giữa các biến trong mô hình nghiên cứu, khóa luận sử dụng phương pháp kiểm định bằng phân nhân tử phóng đại VIF. Nếu VIF lớn hơn 10 cho thấy sự hiện diện của đa cộng tuyến (Chaterjee và Price,
1977) Lúc này các biến có hệ số VIF lớn hơn 10 sẽ bị loại ra để đảm bảo mô hình không xảy ra hiện tượng đa cộng tuyến.
Sau đó, khóa luận sẽ tiến hành kiểm định các hiện tượng tự tương quan và phương sai sai số thay đổi Để kiểm định hiện tượng phương sai thay đổi, khóa luận tiến hành chạy hồi quy các mô hình Pooled OLS, FEM và REM, sau đó thực hiện kiểm định Hausman, trong trường hợp p-vlaue của kiểm định Hausman bé hơn 0,05 thì lựa chọn mô hình phù hợp là FEM Ngược lại tiến hành kiểm định nhân tử Lagrange để lựa chọn mô hình REM hoặc Pooled OLS, nếu p-value của kiểm định Lagrange bé hơn 0,05 thì lựa chọn mô hình REM, ngược lại lựa chọn mô hình Pooled OLS Sau khi có mô hình phù hợp sẽ tiến hành kiểm định phương sai sai số thay đổi và tự tương quan Khi mô hình tồn tại các khuyết tật này và hiện tượng nội sinh, nghiên cứu sử dụng phương pháp GMM. Để xét tính phù hợp trong kết quả của ướng lượng GMM, khóa luận thực hiện thêm một số kiểm định đặc thù, bao gồm:
Kiểm định Sargan, kiểm định này kiểm tra tính phù hợp của các biến công cụ trong ước lượng GMM Kiểm định Sargan với giả thiết H 0 biến công cụ là ngoại sinh, nghĩa là không tương quan với sai số mô hình Do vậy giá trị p-value có giá trị càng lớn càng tốt.
Kiểm định Arellano – Bond (AR) được đề xuất bởi Arellano và Bond (1991) để kiểm tra hiện tượng tự tương quan của phương sai sai số mô hình Kiểm địnhAR1 kiểm định tự tương quan chuỗi bậc 1 với giả thiết H 0 : không có sự tương quan chuỗi bậc 1, do vậy giá trị p-value của kiểm định AR1 càng nhỏ thể hiện có sự tự tương quan chuỗi bậc 1 Đối với tương quan bậc 2, AR2 kiểm tra hiện tượng tự tương quan của phần dư bậc 2, với giả thiết H 0 : không có sự tương quan chuỗi bậc 2 trong phần dư của mô hình nghiên cứu, do vậy giá trị p-value của kiểm định AR2 càng lớn, thể hiện không có tự tương quan bậc 2 cho phần dư.
Ngoài ra, để đảm bảo tính bền vững của các biến công cụ, yêu cầu số biến công cụ trong mô hình không được lớn hơn số nhóm.
Cụ thể, quy trình nghiên cứu được tác giả trình bày trong hình 3.1.
Hình 3.1: Quy trình nghiên cứu Đề xuất một số khuyến nghị
Nguồn: Tác giả tự tổng hợp
Mô hình và các giả thuyết nghiên cứu
Dựa vào cơ sở lý thuyết và các nghiên cứu trình bày ở mục 2 1, 2.2 và ở bảng 2.1 như Shu Lin và Haichun Ye (2007), Acedanski và Pietrucha (2019), John Thorton (1995), Badar và Javid (2013), Chen và các cộng sự (2017), Nguyễn Thị Hồng Vinh (2015), Ahmad và Bashir (2013), Louzis và các cộng sự (2010), ), Lê Thị Mỹ Nhàn (2016), Ekanayake và Azeez (2015), ta thấy ngoài các yếu tố vĩ mô tác động đến rủi ro tín dụng của NHTM, các yếu tố khác ảnh hưởng đến rủi ro tín dụng
Xác định mục tiêu nghiên cứu
Phân tích cơ sở lý thuyết, tổng quan các nghiên cứu trước
Xây dựng mô hình nghiên cứu
Phân tích tương quan và kiểm định đa cộng tuyến giữa các biến
Thống kê mô tả Thu thập dữ liệu
Kiểm định hiện tượng phương sai thay đổi, tự tương quan, nội sinh
Thực hiện hồi quy theo phương pháp SGMM và các kiểm định
Thảo luận và giải thích kết quả hồi quy của NHTM được xem xét là các yếu tố đặc thù của ngân hàng như là quy mô ngân hàng, tỷ lệ cho vay khách hàng trên tổng vốn huy động, tỷ lệ lợi nhuận trên vốn chủ sở hữu, tỷ lệ an toàn vốn Từ cơ sở đó, tác giả xây dựng mô hình bất ổn các yếu tố vĩ mô tác động đến rủi ro tín dụng của các NHTM tại Việt Nam như sau: m
RRTD: là rủi ro tín dụng của NH, được đo lường bằng tỷ lệ nợ xấu Non performing loan (NPL)
VOLATILITY: độ bất ổn của các yếu tố vĩ mô bao gồm: GDP, tỷ lệ lạm phát, cung tiền M2
BIENKS: các biến kiểm soát β i ; β j : các hệ số hồi quy ự it : phần dư của mô hình
Từ mô hình [*], tác giả đưa ra mô hình nghiên cứu cụ thể như sau:
NPL - = 0 0 + 0 1 NPL - +0 2 STDGDP lt + 0 3 STDCPI lt + 0 4 STDM2 lt + 0 5 SIZE it
Bảng 3.1: Diễn giải các biến của mô hình
STT Ký hiệu Diễn giải biến
1 NPL it Tỷ lệ nợ xấu trên tổng dư nợ
2 STDGDP it Độ lệch chuẩn của GDP trượt 3 năm
3 STDCPI it Độ lệch chuẩn của tỷ lệ lạm phát trượt 3 năm
4 STDM2 it Độ lệch chuẩn của cung tiền M2 trượt 3 năm
5 NPL it-1 Tỷ lệ nợ xấu năm trước
6 SIZE it Quy mô ngân hàng
7 ROE it Tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu
8 ETA it Tỷ lệ an toàn vốn
9 LTD it Tỷ lệ dư nợ cho vay trên tổng vốn huy động
10 DEP it Tỷ lệ tiền gửi khách hàng trên tổng tài sản
Nguồn: tác giả tổng hợp
3.2.2 Các giả thuyết nghiên cứu
Nợ xấu năm trước (NPL it-1 ): Theo giả thuyết quản lý kém của Berger và
DeYoung (1997) lập luận hiệu quả thấp quan hệ cùng chiều với sự gia tăng nợ xấu trong tương lai Nợ xấu là kết quả của quản trị ngân hàng kém liên quan đến các kỹ năng kém trong chấm điểm tín dụng, thẩm định tài sản đảm bảo và cam kết giám sát khách hàng vay nợ Như vậy, một ngân hàng hoạt động hiệu quả và ổn định trong quá khứ là tiền đề để gia tăng ổn định cho các năn sau Ngược lại, khi ngân hàng hoạt động kém hiệu quả, không chịu thay đổi, không thực thực hiện tái cấu trúc dẫn đến tình trạng nợ xấu gia tăng và có khả năng phá sản Các nghiên cứu trước đây như Klein (2013), Rajha (2016), Salas và Saurina (2002), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Phạm Hoàng Bảo Ngọc (2019) cũng cung cấp bằng chứng thực nghiệm cho thấy nợ xấu trong quá khứ cao thể hiện khả năng quản trị rủi ro trong cho vay của ngân hàng kém và có tác động cùng chiều đến nợ xấu hiện tại Trên cơ sở lý thuyết và một số nghiên cứu trước khóa luận đề xuất giả thuyết:
Giả thuyết H 1: Nợ xấu năm trước tác động cùng chiều (+) đến rủi ro tín dụng ngân hàng.
Bất ổn kinh tế vĩ mô: Ngân hàng thương mại có nhiều nguồn vốn nhất cho tăng trưởng kinh tế, trong phạm vi của mình mà việc phân bổ nguồn lực tín dụng chắc chẳn bị ảnh hưởng bởi các chính sách kinh tế vĩ mô Về mặt lý thuyết, vai trò định hướng của các chính sách kinh tế làm tăng hiệu quả của phân bổ tín dụng Tuy nhiên, nếu các thay đổi đối với các chính sách kinh tế diễn ra thường xuyên và quá mức, sự bất ổn kinh tế vĩ mô sẽ phát sinh, buộc các ngân hàng thương mại để đối phó với sự không rõ ràng về việc các cơ quan quản lý muốn hỗ trợ những ngành nào hoặc doanh nghiệp Khi đó, rất khó để xác định chính xác những ngành hoặc doanh nghiệp nào có giá trị đối với chuyển nhượng các nguồn tín dụng Trong trường hợp này, các chính sách kinh tế có thể đánh lừa các ngân hàng trong việc phân bổ các khoản vay tín dụng khan hiếm để các ngành hoặc doanh nghiệp có triển vọng kém về lợi nhuận trong tương lai (Qinwei Chi và Wenjin Li, 2016) Hậu quả là, các ngân hàng thương mại gặp phải sự bất cân xứng thông tin lớn hơn khi quyết định cách phân bổ tín dụng của mình Điều này cuối cùng tạo ra sự gia tăng các khoản nợ xấu.
Do đó, sự gia tăng không chắc chắn của kinh tế vĩ mô có thể trực tiếp làm tăng rủi ro tín dụng Sự không chắc chắn về kinh tế vĩ mô cũng có thể ảnh hưởng gián tiếp đến các ngân hàng thông qua ảnh hưởng của nó đối với các doanh nghiệp Ngân hàng là nguồn tài chính phổ biến nhất cho các doanh nghiệp, do đó tình trạng tài chính của một công ty xấu đi hoặc phá sản ảnh hưởng đến quy mô của các khoản cho vay và ảnh hưởng đến kết quả hoạt động của ngân hàng thương mại Cụ thể, nếu một khách hàng doanh nghiệp lâm vào tình trạng kiệt quệ tài chính, các ngân hàng sau đó có thể rơi vào tình trạng thua lỗ hoặc mất khả năng thanh toán ( Zhu, 2002 ) Do đó, rủi ro hoạt động của doanh nghiệp có tác động lan tỏa đến rủi ro tín dụng của ngân hàng.Theo phân tích trên thì sự không chắc chắn hay độ bất ổn kinh tế vĩ mô có thể gia tăng rủi ro tín dụng của các ngân hàng thông qua các kênh trực tiếp và gián tiếp Vì vậy trong khóa luận, tác giả đưa ra giả thuyết:
Gỉả thuyết H 2 : Độ biến động của kinh tế vĩ mô tác động cùng chiều (+) đến rủi ro tín dụng của ngân hàng.
Quy mô ngân hàng (SIZE): Theo lý thuyết quá lớn không thể bị sụp đổ, các ngân hàng có quy mô lớn, có tầm ảnh hưởng đến toàn bộ nền kinh tế quốc gia sẽ được chính phủ hỗ trợ khi gặp rủi ro vỡ nợ Qua đó, các ngân hàng lớn tăng đòn bẩy quá nhiều và cho vay với chất lượng khách hàng thấp hơn Theo Boyd và Gertler
(1994), trong những năm 1980, xu hướng các ngân hàng lớn của Mỹ có danh mục đầu tư rủi ro cao hơn bởi sự khuyến khích của chính sách Too big to fail (quá lớn không thể bị sụp đổ) của chính phủ Mỹ Nghiên cứu của Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), quy mô của ngân hàng có mối quan hệ cùng chiều với tỷ lệ nợ xấu Vì vây, tác giả đưa ra giả thuyết:
Giả thuyết H 3 : Quy mô ngân hàng có tác động cùng chiều (+) với rủi ro tín dụng.
Tỷ lệ an toàn vốn (ETA): Theo lý thuyết rủi ro đạo đức của Keeton và
Morris (1987) cho rằng mức vốn hóa đóng vai trò quan trọng trong việc xác định mức độ nợ xấu Mức vốn hóa thấp của ngân hàng làm tăng rủi ro của danh mục cho vay và do đó làm tăng rủi ro nợ xấu Mối quan hệ ngược chiều giữa nợ xấu và các chỉ số vốn được tìm thấy trong các nghiên cứu của Salas và Saurina (2002), Lê Thị
Mỹ Nhàn (2016) Vì vậy, dựa vào cơ sở lý thuyết và các nghiên cứu bài nghiên cứu đưa ra giả thuyết:
Giả thuyết H 4 : Tỷ lệ an toàn vốn tác động ngược chiều (-) với rủi ro tín dụng của ngân hàng.
Tỷ lệ dư nợ cho vay trên tổng vốn huy động (LTD): Lý thuyết rủi ro đạo đức của Jensen và Meckling (1976) hàm ý vấn đề rủi ro đạo đức đều dẫn đến tốc độ tăng trưởng cho vay cao hơn và hình thành một lượng lớn hơn các khoản nợ xấu.Theo nghiên cứu của Ahmad và Bashir (2013) cho rằng tỷ lệ cho vay trên vốn huy động tương quan tích cực với nợ xấu Khi ngân hàng tăng tỷ lệ cho vay trên tổng vốn huy động, nghĩa là ngân hàng đang thực hiện mở rộng tín dụng, điều này sẽ làm cho lợi nhuận và rủi ro tăng theo Mối quan hệ cùng chiều giữa tỷ lệ cho vay trên vốn huy động và tỷ lệ nợ xấu cũng được tìm thấy trong nghiên cứu của Louzis và các cộng sự (2010) Vì vậy, khóa luận đưa ra giả thuyết:
Giả thuyết H 5 : Tỷ lệ cho vay trên vốn huy động tác động cùng chiều (+) với rủi ro tín dụng ngân hàng.
Tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu (ROE): Các nghiên cứu của
Godlewski (2004), Nir Klein (2013), Lê Thị Mỹ Nhàn (2016) cho thấy khi ngân hàng hoạt động kém hiệu quả dẫn đến lợi nhuận giảm và gia tăng các khoản vay có vấn đề Khi ngân hàng có tỷ suất sinh lời ổn định sẽ kiểm soát được rủi ro hoạt động, giảm thiểu được nợ xấu Vì vậy, nghiên cứu đưa ra giả thuyết:
Giả thuyết H 6 : Tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu tác động ngược chiều (-) đến rủi ro tín dụng ngân hàng.
Tỷ lệ tiền gửi khách hàng trên tổng tài sản (DEP): Tiền gửi khác hàng là nguồn tài chính chủ yếu của ngân hàng với chi phí thấp nhất Các khoản tiền gửi huy động được chuyển thành các khoản vay với lãi suất cao hơn Do đó tiền gửi ảnh hưởng tích cực đến lợi nhuận ngân hàng theo nghiên cứu của Javaid và cộng sự
(2011), Gil và cộng sự (2011) Tuy nhiên nếu nguồn vốn huy động nhiều nhưng ngân hàng không thể cho vay dẫn đến tình trạng ứ đọng vốn, phải trả lãi nhiều hơn cho việc huy động mà nguồn thu từ cho vay lại thấp hơn sẽ ảnh hưởng tiêu cực đến hiệu quả hoạt động ngân hàng Davaydenko (2010) Vì thế tiền gửi có thể tác động dương hoặc âm đến hiệu quả hoạt động ngân hàng Mặt khác, lợi nhuận của ngân hàng có thể tác động dương hoặc âm đến rủi ro tín dụng của ngân hàng đã được tìm thấy trong các nghiên cứu của Godlewski (2004), Nir Klein (2013), Lê Thị Mỹ Nhàn
(2016), Garciya và Robles (2008) Vì vậy, trong khóa luận tác giả đưa ra giả thuyết:
Giả thuyết H 7 : Tỷ lệ tiền gửi khách hàng trên tổng tài sản tác động dương (+) hoặc âm (-) đến rủi ro tín dụng ngân hàng.
Dữ liệu nghiên cứu
Nghiên cứu thu thập dữ liệu thứ cấp từ báo cáo tài chính đã kiểm toán của 28 NHTM của Việt Nam trong khoảng thời gian từ 2010 – 2019 trong tổng số 31 NHTMCP Các NHTM Việt Nam trong mẫu nghiên cứu gồm ABB, ACB, BAB, BIDV, BVB, BaoVietBank, CTG, EIB, HDB, KLB, LPB, MBB, MSB, NAB, NVB, OCB, PGB, SCB, SEAB, SGB, SHB, STB, TCB, TPB, VAB, VCB, VIB, VPB (Phụ lục 1) Các ngân hàng được chọn vì cung cấp đủ thông tin về báo cáo tài chính, báo cáo thường niên đã được kiểm toán trong giai đoạn nghiên cứu, do đặc thù công bố thông tin trong hoạt động kinh doanh nên dữ liệu nghiên cứu là dữ liệu không cân bằng, những ngân hàng còn lại không trình bày đầy đủ chỉ tiêu do đó không thu thập được đầy đủ thông tin BCTC của những ngân hàng này trong giai đọng 2010-2019.
Dữ liệu của các yếu tố vĩ mô gồm GDP, tỷ lệ lạm phát, lượng cung tiền M2. Trong đó, lượng cung tiền M2 được lấy từ website của ngân hàng nhà nước Việt Nam Bộ dữ liệu tỷ lệ lạm phát và GDP được tác giả thu thập từ website của Tổng cục Thống kê, Ngân hàng Thế giới (WB) và IMF.
Dữ liệu nghiên cứu được thu thập và tổng hợp thành dữ liệu bảng gồm:
Dữ liệu thời gian: 10 năm
Dữ liệu không gian: 28 NHTM Việt Nam
Sau khi thu thập xong các dữ liệu trên, tác giả tiến hành tính toán từng chỉ tiêu mà khóa luận cần, sau đó sử dụng phần mềm Stata 14 để kiểm định các khuyết tật của dữ liệu, đồng thời tiến hành chạy hồi quy và phân tích kết quả.
3.3.2 Các biến trong mô hình nghiên cứu
Bảng 3.2: Các biến trong mô hình nghiên cứu
Ký hiệu Đo lường Nguồn dữ liệu Nghiên cứu
Kỳ vọng ảnh hưởng NPL
NPL Nợ xấu (Nợ nhóm 3, 4,
Badar và Javid (2013) Castro (2013), Akinlo và Emmanuel (2014)
Rajha (2016), Nguyễn Thị Hồng Vinh (2015), Lê Thị Mỹ Nhàn
Y it (Bất ổn kinh tế vĩ mô) Độ lệch chuẩn trượt 3 năm của GDP, Lạm phát, lượng cung tiền M2
NHNN, TCTK, IMF, World Bank
Talavera và cộng sự (2006), Hongbo Liang và Yuanliang Liu
(2012), Baum và cộng sự (2002), Shigui Tao và Mengqiao Xu
(2019), Baker và cộng sự (2013), Qinwei Chi and Wenjing Li
Nợ xấu năm trước (Nợ nhóm 3, 4, 5)/Tổng dư nợ
Nguyễn Thị Như Quỳnh và các cộng sự (2018), Klein (2013), Rajha (2016), Salas và Saurina
(2002), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Phạm Hoàng Bảo Ngọc (2019)
ETA Vốn chủ sở hữu/ Tổng tài sản BCĐKT
Salas và Saurina (2002), Lê Thị Mỹ
SIZE Cho vay khách hàng/ Tổng tài sản BCĐKT Đỗ Quỳnh Anh và Nguyễn Đức
ROE Lợi nhuận sau thuế/
LTD Dư nợ cho vay/Vốn huy động BCĐKT
Ahmad và Bashir (2013), Louzis và các cộng sự (2010), Lê Thị Mỹ Nhàn (2016)
DEP Tiền gửi khách hàng/Tổng tài sản BCĐKT
Javaid và cộng sự (2011), Gil và cộng sự (2011), Davaydenko
(2010), Godlewski (2004), Nir Klein (2013), Lê Thị Mỹ Nhàn
Nguồn: tác giả tổng hợp
Chương 3 của khóa luận đã đề xuất mô hình nghiên cứu dựa trên các nghiên cứu trước nhằm trả lời các câu hỏi nghiên cứu của khóa luận Đồng thời, khóa luận đưa ra các giả thuyết để thực hiện kiểm định trong chương 4 Chương 3 cũng phân tích chi tiết về các ước lượng và các kiểm định sẽ thực hiện trong mô hình nghiên cứu và nguồn dữ liệu mà khóa luận thực hiện Đây là cơ sở để chương 4 đề ra kết quả nghiên cứu về tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng củaNHTM tại Việt Nam.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Thống kê mô tả dữ liệu nghiên cứu
Bảng 4.1: Bảng thống kê mô tả giữa các biến trong mô hình
Biến số Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất
Nguồn: kết quả từ phần mềm Stata 14
Bảng thống kê mô tả khái quát các thông số cơ bản của dữ liệu nghiên cứu.Qua đó cho thấy có sự phân tán giữa các quan sát trong mẫu được thể hiện qua giá trị trung bình, lớn nhất, nhỏ nhất và độ lệch chuẩn Giá trị của các biến phân phối không đều, thông qua giá trị trung bình và độ lệch chuẩn Dữ liệu bảng thu thập được là không cân bằng Nghiên cứu được thực hiện trên mẫu gồm 28 NHTM Việt Nam từ năm 2010 đến năm 2019 Dữ liệu được sử dụng để tính các biến trong mô hình từ báo cáo tài chính đã được kiểm toán của các NHTM Việt Nam từ năm 2010 đến năm2019 và dữ liệu kinh tế vĩ mô từ Tổng cục thống kê, Worldbank và IMF Dữ liệu của các ngân hàng thu được là dữ liệu bảng không cân bằng với 245 quan sát Thống kê về mẫu nghiên cứu được trình bày ở bảng 4.1.
Tỷ lệ nợ xấu của 28 NHTM từ 2010 đến 2019 đạt giá trị trung bình 2,27%, trong đó tỷ lệ nợ xấu cao nhất là 12,46% thuộc NHTMCP Sài Gòn (SCB) vào năm
2010 Ngân hàng có tỷ lệ nợ xấu thấp nhất là NHTMCP Á Châu (ACB) với giá trị 0.34% vào năm 2010. Đối với độ bất ổn kinh tế vĩ mô, mức biến động trung bình của GDP trong giai đoạn 2010-2019 là 12,91 Trong đó mức biến động GDP lớn nhất là 13,18 vào năm 2013, thấp nhất là 12,45 vào năm 2010; Mức độ biến động trung bình 10 năm của tỷ lệ lạm phát trong giai đoạn 2010-2019 là 3,95%, thấp nhất là 1,17% vào năm
2019, cao nhất là 6,77% vào năm 2013; Trong giai đoạn 2010-2019 mức biến động trung bình của lượng cung tiền M2 là 13,49, thấp nhất là 12,973 vào năm 2012, cao nhất là 13,99 vào năm 2019. Đối với các biến kiểm soát thuộc về đặc thù ngân hàng, quy mô của 28 NHTM trong mẫu nghiên cứu ở mức trung bình là 7,93, giá trị lớn nhất là 9,15 thuộc NHTMCP Đầu tư và Phát triển Việt Nam (BID) vào năm 2019 và giá trị thấp nhất là 6,76 thuộc NHTMCP Bản Việt (CAB) vào năm 2010; tỷ lệ an toàn vốn trung bình ở mức 9,64%, mức cao nhất là 25,54% thuộc về NHTMCP Kiên Long (KLB) vào năm
2010, thấp nhất là 2,93% thuộc về NHTMCP Sài Gòn (SCB) vào năm 2019 Tỷ lệ cho vay trên vốn huy động ở mức trung bình 68,03%, tỷ lệ cao nhất là 119,48% thuộc ngân hàng BIDV vào năm 2011, thấp nhất là 21,84% thuộc NHTMCP Đông Nam Á vào năm 2011 Tỷ suất sinh lời trên vốn chủ sở hữu (ROE) của 28 NHTM từ
2010 đến 2019 đạt giá trị trung bình 9,28% Trong đó NHTMCP Quốc Dân (NVB) có tỷ suất sinh lời thấp nhất là 0,07% năm 2012 Ngân hàng có tỷ suất sinh lời lớn nhất là NHTMCP Sài Gòn Công Thương (SGB) với giá trị 29,2% vào năm 2010; Tỷ lệ tiền gửi khách hàng trên tổng tài sản của 28 NHTM trong giai đoạn 2010-2019 đạt giá trị trung bình 63,34%, thấp nhất là 29,23% thuộc về NHTMCP Quốc Dân vào năm
2012, cao nhất là 89,92% thuộc về ngân hàng SGB vào năm 2010.
Phân tích hệ số tương quan
Bảng 4.2: Kết quả phân tích hệ số tương quan
DP ROE SIZE ETA LT
Nguồn: Kết quả thống kê từ phần mềm Stata 14
Hệ số tương quan đo lường mối quan hệ tuyến tính giữa hai biến độc lập, xem mức độ phụ thuộc của biến này so với biến khác Dựa vào kết quả hồi quy bảng 4.2, ma trận hệ số tương quan giữa các biến trong mô hình cho thấy hầu hết hệ số tương quan của các cặp biến độc lập đều nhỏ hơn 80% Nếu hệ số tương quan giữa các biến độc lập vượt quá 0.8 thì có khả năng dẫn đến hiện tượng đa cộng tuyến cao trong mô hình Khi dấu của hệ số hồi quy có thể bị thay đổi, dẫn đến kết quả nghiên cứu bị sai lệch Quan sát bảng 4.2 mô tả ma trận hệ số tương quan giữa các biến trong mô hình, có thể thấy mối tương quan giữa độ biến động của lượng cung tiền M2 (STDM2) và độ biến động của tỷ lệ lạm phát (STDCPI) bằng -0.8642 Giá trị tuyệt đối lớn hơn 80% cho thấy thấy cặp biến này có tương quan khá cao gần bằng
1, nguy cơ có xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình. Việc xử lý đa cộng tuyến không phụ thuộc vào hệ số tương quan cao hay thấp mà phụ thuộc vào hậu quả của đa cộng tuyến làm cho hệ số hồi quy thay đổi dấu Vì vậy, tác giả tiến hành kiểm định hiện tượng đa cộng tuyến bằng hệ số phóng đại nhân tử phương sai VIF.
Bảng 4.3: Kết quả sử dụng VIF để kiểm định hiện tượng đa cộng tuyến
Nguồn: Kết quả thống kê từ phần mềm Stata 14
Khóa luận kiểm tra hiện tượng đa cộng tuyến thông qua phương pháp phóng đại nhân tử phương sai VIF Kết quả kiểm tra ở bảng 4.3 cho thấy giá trị VIF trung bình bằng 2,35 và hệ số phóng đại VIF của các biến dao động từ 1,47 đến 3,78, các hệ số VIF đều nhỏ hơn 10 Do đó không có hiện tượng đa cộng tuyến nghiêm trọng hay hiện tượng tự tương quan giữa các biến độc lập trong mô hình.
Kết quả nghiên cứu
Để phân tích tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của các NHTM tại Việt Nam, khóa luận thực hiện ước lượng mô hình (*) được đề cập ở chương 3 Như đã phân tích trong chương 3, đầu tiên phải kiểm tra các khuyết tật của mô hình để lựa chọn mô hình phù hợp, nghiên cứu thực hiện các kiểm định bao gồm kiểm định hiện tượng phương sai sai số thay đổi, hiện tượng tự tương quan.
Tác giả sẽ tiến hành chạy hồi quy Pooled OLS, FEM và REM, sau đó thực hiện kiểm định Hausmen test để lựa chọn mô hình FEM hoặc REM Trong trường hợp p-vlaue của kiểm định Hausman bé hơn 0,05 thì lựa chọn mô hình phù hợp là FEM Ngược lại tiến hành kiểm định nhân tử Lagrange để lựa chọn mô hình REM hoặc Pooled OLS, nếu p-value của kiểm định Lagrange bé hơn 0,05 thì lựa chọn mô hình REM, ngược lại lựa chọn mô hình Pooled OLS.
Bảng 4.4: Tổng hợp kết quả từ 3 phương pháp
Mô hình OLS FEM REM
H 0 Không có sự tương quan giữa sai số đặc trưng giữa các đối tượng với các biến giải thích
Giá trị thống kê chi2(8) = 94.44 p-value Prob>chi2 = 0.0000
Kết luận lựa chọn mô hình: mô hình FEM là mô hình phù hợp
***, **, * có ý nghĩa thống kê lần lượt ở mức 1%, 5%, 10%
Nguồn: kết quả tổng hợp từ Stata 14
Bảng 4.4 phản ánh tổng hợp 3 mô hình hồi quy Pooled OLS, FEM và REM và kiểm định Hausman (chi tiết Phụ lục 2) Theo kết quả Bảng 4.4, mô hình tác động cố định (FEM) là mô hình phù hợp Do đó mô hình FEM sẽ được dùng để thực hiện kiểm định hiện tượng phương sai thay đổi, hiện tượng tự tương quan.
Bảng 4.5: Kết quả kiểm định khuyết tật của mô hình
Kiểm định phương sai sai số thay đồi
H 0 : Mô hình không có phương sai thay đổi
H 1 : Mô hình có phương sai thay đổi
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model H 0 : sigma(i)^2 = sigma^2 for all i chi2 (28) = 4650.58
P – value = 0.0000 < 0.05, bác bỏ H 0 và chấp nhận H 1 nghĩa là mô hình có hiện tượng phương sai thay đổi với mức ý nghĩa 5%.
Kiểm định hiện tượng tự tương quan
H 0 : Mô hình không có hiện tương quan bậc nhất
H 1 : Mô hình có hiện tượng tương quan bậc nhất Wooldridge test for autocorrelation in panel data H 0 : no first- order autocorrelation
P – value = 0.0000 < 0.05, bác bỏ H 0 và chấp nhận H 1 nghĩa là mô hình có hiện tượng tự tương quan bậc nhất với mức ý nghĩa 5%.
Nguồn: kết quả tổng hợp từ Stata 14
Từ kết quả kiểm định khuyết tật của mô hình ở trong bảng 4.5 cho thấy mô hình nghiên cứu tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của NHTM tại Việt Nam xảy ra hiện tượng phương sai thay đổi và tự tương quan Ngoài ra, theo các nghiên cứu trước của Klein (2013), Rajha (2016), Salas và Saurina (2002), Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Phạm Hoàng Bảo Ngọc (2019), Nguyễn Thị Hồng Vinh (2015) mô hình kinh tế sử dụng độ trễ của biến phụ thuộc làm biến độc lập sẽ xảy ra hiện tượng nội sinh với biến nội sinh là biến trễ Đồng thời, biến tỷ suất sinh lời trên vốn chủ sở hữu (ROE) bị nghi ngờ là có hiện tượng nội sinh, bởi vì rủi ro tín dụng, đặc biệt là tỷ lệ nợ xấu có tác động đáng kể đến lợi nhuận hoạt động của ngân hàng (Bhattarai, 2017) Ngoài ra biến quy mô ngân hàng (SIZE) và biến tỷ lệ cho vay khách hàng trên tổng tài sản (DEP) cũng được cho là có nghi ngờ hiện tượng nội sinh Vì vậy, để khắc phục hiện tượng phương sai thay đổi, tự tương quan và nội sinh, khóa luận thực hiện ước lượng theo phương pháp SGMM.
Bảng 4.6: Tác động của bất ổn các yếu tố vĩ mô đến rủi ro tín dụng của các
NHTM tại Việt Nam bằng phương pháp SGMM
Mô hình Biến phụ thuộc NPL
Hệ số hồi quy P-value
*, **, *** tương ứng mức ý nghĩa thống kê lần lượt là 10%, 5%, 1%
Nguồn: Kết quả chạy mô hình từ Stata
Tính phù hợp của mô hình này được đánh giá thông qua kiểm định F, kiểm định Hansen và kiểm định Arellano – Bond (AR) Kiểm định F kiểm tra ý nghĩa thống kê của các hệ số ước lượng Kiểm định Hansen kiểm tra các ràng buộc quá mức, tính hợp lý của các biến đại diện Kiểm định Sargan xác định tính chất phù hợp của các biến công cụ Kiểm định AR xác định liệu có sự tương quan của phương sai sai số mô hình không.
Từ kết quả ở bảng 4.6 cho thấy, kiểm định Hasen và kiểm định Sargan có p- value lần lượt là 0,28 và 0,218 đều lớn hơn 10% Điều này có nghĩa là các biến công cụ trong mô hình là biến ngoại sinh, không có tương quan với sai số của mô hình.
Kiểm định AR1 của mô hình có giá trị p-value là 0,142 lớn hơn 10% nên chấp nhận H 0 : không có hiện tượng tương quan chuỗi bậc 1, nghĩa là không có sự tương quan chuỗi bậc 1 Kiểm định AR2 có giá trị p-value là 0,493 lớn hơn 10% nên chấp nhận giả thuyết H 0 : không có sự tương quan chuỗi bậc 2 trong phần dư của mô hình hồi quy Do đó, mô hình nghiên cứu là phù hợp.
Mô hình nghiên cứu sau khi hồi quy theo phương pháp SGMM để khắc phục các khuyết tật thì mô hình có được trình bày như sau:
NPL it = -0,249 + 0,293 NPL it-1 + 0,00476STDGDP it + 0,186 STDM2 + 0,00823 STDCPI it - 0,0441 ROE it + 0,00947 SIZE it + 0,0340 ETA it - 0,00372LTD it + 0,0157 DEP it + à it
Từ kết quả nghiên cứu tại bảng 4.6 cho thấy:
Hệ số hồi quy của biến NPL(t-1) là 0,293 có ý nghĩa ở mức thống kê 1% cho thấy tỷ lệ nợ xấu hiện tại của ngân hàng có phụ thuộc vào tỷ lệ nợ xấu của năm trước, và cũng cho thấy phương pháp hồi quy theo GMM là phù hợp Hệ số hồi quy dương cho thấy mối quan hệ cùng chiều giữa tỷ lệ nợ xấu hiện tại và tỷ lệ nợ xấu năm trước Kết quả này phù hợp với kỳ vọng dấu của tác giả và đồng thời chấp nhận giả thuyết H 1 : Nợ xấu năm trước tác động cùng chiều đến rủi ro tín dụng ngân hàng. Kết quả này phù hợp với nghiên cứu của Klein (2013), Rajha (2016), Salas và Saurina (2002) ở nước ngoài và của Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013), Phạm Hoàng Bảo
Ngọc (2019) tại Việt Nam Với kết quả nghiên cứu trên, NHTM nào có khả năng quản lý nợ xấu tốt trong quá khứ, sẽ có khả năng ít gặp rủi ro về tín dụng trong hiện tại. Độ bất ổn của các yếu tố vĩ mô được tìm thấy đều có ý nghĩa thống kê với tỷ lệ nợ xấu của ngân hàng và đều có hệ số hồi quy dương, trong đó bao gồm độ biến động của GDP, biến động lạm phát và biến động lượng cung tiền M2 có ý nghĩa thống kê lần lượt là 5%, 1% và 10% Kết quả này cho thấy khi sự không chắc chắn về kinh tế vĩ mô gia tăng sẽ dẫn đến gia tăng rủi ro tín dụng của ngân hàng Do đó, nghiên cứu chấp nhận giả thuyết H 2 : Biến động của kinh tế vĩ mô tác động cùng chiều (+) đến rủi ro tín dụng của ngân hàng Kết quả này phù hợp với các nghiên cứu của Talavera và cộng sự (2006), Hongbo Liang và Yuanliang Liu (2012), Baum và cộng sự (2002), Shigui Tao và Mengqiao Xu (2019), Baker và cộng sự (2013), Qinwei Chi and Wenjing Li (2016), Li Li (2019).
Tuy nhiên, trái với kỳ vọng ban đầu của giả thuyết, các biến kiểm soát vi mô thuộc yếu tố đặc thù trong ngân hàng như quy mô ngân hàng (SIZE), tỷ lệ an toàn vốn (ETA), tỷ lệ dư nợ cho vay trên vốn huy động (LTD), tỷ lệ tiền gửi khách hàng trên tổng tài sản (DEP) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE) đều không có ý nghĩa thống kê đối với tỷ lệ nợ xấu trong mô hình nghiên cứu Điều này có thể là do trong giai đoạn nghiên cứu, các mối quan hệ giữa các yếu tố này với nợ xấu của cácNHTM Việt Nam chưa thể hiện rõ.
Nghiên cứu về tác động của bất ổn các yếu tố vĩ mô, được đo lường bởi 3 biến bao gồm: biến động của GDP, biến động của tỷ lệ lạm phát và biến động của lượng cung tiền M2 đến rủi ro tín dụng của các NHTM tại Việt Nam trong giai đoạn2010- 2019 Bắt đầu từ việc lựa chọn mô hình phù hợp FEM cho mô hình nghiên cứu Tiếp đến kiểm tra các khuyết tật của mô hình và sử dụng ước lượng hồi quy theo phương pháp SGMM để khắc phục các hiện tượng nội sinh, phương sai thay đổi và tự tương quan Kết quả cho thấy, sự không chắc chắn của kinh tế vĩ mô có tác động cùng chiều đến rủi ro tín dụng của các NHTM Việt Nam Bên cạnh đó, biến trễ của biến tỷ lệ nợ xấu có tương quan dương mạnh đến tỷ lệ nợ xấu ngân hàng Tuy nhiên, các biến kiểm soát vi mô thuộc các yếu tố đặc thù bên trong ngân hàng như quy mô ngân hàng (SIZE), tỷ lệ an toàn vốn (ETA), tỷ lệ dư nợ cho vay trên vốn huy động (LTD), tỷ lệ tiền gửi khách hàng trên tổng tài sản (DEP) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE) không có ý nghĩa thống kê trong mô hình nghiên cứu.
