TP HỒ CHÍ MINH, NĂM 2023 1 , BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH HOCHIMINH UNIVERSITYOF BANKING NGUYỄN TRẦN THU NGÂN TÁC ĐỘNG CỦA KHẢ NĂNG SINH L[.]
TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
TÍNH CẤP THIẾT CỦA ĐỀ TÀI NGHIÊN CỨU
Nợ xấu vẫn tiềm ẩn nhiều rủi ro và là gánh nặng không nhỏ đối với hệ thống các TCTD, mặc dù NHNN Việt Nam (2022) đã xác định nợ xấu là ưu tiên hàng đầu của ngành ngân hàng giai đoạn 2016-2020 Mặc dù được bảo trợ bởi Nghị quyết 42/2017/QH14 (về thí điểm xử lý nợ xấu của các TCTD) do Quốc hội ban hành, nợ xấu vẫn là một vấn đề đáng lo ngại ở Việt Nam, như Võ Trí Thành (2022) lưu ý. Điều này xảy ra mặc dù đã hơn 10 năm Việt Nam thực hiện tái cơ cấu nền kinh tế, trong đó có chương trình tái cơ cấu hệ thống tài chính Các ngân hàng và người đi vay sẽ cảm nhận được tác động của việc nợ xấu gia tăng trước tiên, và sau đó là toàn bộ nền kinh tế sẽ cảm nhận được hậu quả.
Theo báo cáo của NHNN Việt Nam (2022), tính đến ngày 31 tháng 12 năm 2021, tỷ lệ nợ xấu của các TCTD được quản lý, điều tiết và duy trì ở mức 2% So với trước khi Nghị quyết 42 được thực thi, tỷ lệ nợ xấu nội bảng đã giảm gần 1,02% xuống mức 1,49% Tính chung từ cuối năm 2017 đến cuối năm 2021, các TCTD đã xử lý nợ xấu nội bảng đạt 750,1 nghìn tỷ đồng, trong đó các TCTD xử lý được 619,9 nghìn tỷ đồng (82,63%), Công ty Quản lý tài sản của các TCTD Việt Nam (VAMC) mua 112,2 nghìn tỷ đồng (14,96%) và tổ chức khác mua 0,01% Tính đến ngày 31/12/2021, tổng nợ xấu của toàn hệ thống TCTD là 412,7 nghìn tỷ đồng, giảm 6,32% so với cuối năm 2020 theo xác định của Nghị quyết 42 Theo Hang và các cộng sự (2020), mặc dù NHNN và các TCTD đã nỗ lực xử lý và kiểm soát tốc độ gia tăng nợ xấu, như đã trình bày ở trên, tỷ lệ này còn rất cao so với mặt bằng chung toàn cầu.
Do đó, điều cần thiết là tiến hành phân tích và hiểu rõ các yếu tố quyết định có ảnh hưởng đến nợ xấu để đảm bảo sự tăng trưởng bền vững của ngành ngân hàng Việt Nam nói riêng và toàn bộ nền kinh tế Nhiều nghiên cứu đã được thực hiện trên toàn cầu, bao gồm cả ở Việt Nam, để tìm hiểu và phân tích các yếu tố góp phần gây ra nợ xấu Chẳng hạn, Ekanayake và Azeez (2015) đã xem xét các yếu tố ảnh hưởng đến nợ xấu tại các ngân hàng Sri Lanka, trong khi đó Tole và các cộng sự (2019) đã tiến hành phân tích sâu rộng về tác động của nợ xấu đối với các ngân hàng Ethiopia.Tại Việt Nam, Nguyễn Thị Hồng Vinh (2015), Trần Vương Thịnh và Nguyễn NgọcHồng Loan (2021) cũng đã đóng góp thêm bằng chứng về tác động của các biến số khác nhau đối với nợ xấu Tuy nhiên, cơ cấu nợ xấu của các TCTD thay đổi theo từng giai đoạn rõ rệt của nền kinh tế Vì vậy, với mong muốn kế thừa thành tựu của các nghiên cứu trước đó, đồng thời đóng góp vào việc phân tích nợ xấu của cácTCTD, nghiên cứu tập trung khai thác tác động của hai biến số bao gồm khả năng sinh lời và quản trị điều hành đến nợ xấu của các NHTM Việt Nam, tác giả chọn đề tài: "Tác động của khả năng sinh lời và quản trị điều hành đến nợ xấu ngân hàng thương mại cổ phần tại Việt Nam".
MỤC TIÊU CỦA ĐỀ TÀI
Mục tiêu chung của nghiên cứu là kiểm định tác động và mức độ tác động của nhân tố khả năng sinh lời và quản trị điều hành đến nợ xấu ngân hàng TMCP tại Việt Nam.
1.2.2 Mục tiêu cụ thể Để đạt được mục tiêu tổng quát, các mục tiêu cụ thể mà nghiên cứu cần thực hiện như sau:
Thứ nhất, kiểm định nhân tố khả năng sinh lời và quản trị điều hành có tác động đến nợ xấu ngân hàng TMCP tại Việt Nam hay không?
Thứ hai, xác định được mức độ, chiều hướng tác động khả năng sinh lời và quản trị điều hành đến nợ xấu ngân hàng TMCP tại Việt Nam.
CÂU HỎI NGHIÊN CỨU
Để đạt được những mục tiêu cụ thể trên, các câu hỏi nghiên cứu cần trả lời như sau: Thứ nhất, nhân tố khả năng sinh lời và quản trị điều hành có tác động đến nợ xấu của ngân hàng TMCP tại Việt Nam hay không?
Thứ hai, mức độ tác động của nhân tố khả năng sinh lời và quản trị điều hành đến nợ xấu của ngân hàng TMCP tại Việt Nam mạnh hay yếu? Tác động này là cùng chiều hay ngược chiều?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của khóa luận là tác động của nhân tố khả năng sinh lời và quản trị điều hành đến nợ xấu ngân hàng TMCP tại Việt Nam.
1.4.2 Phạm vi nghiên cứu Đề tài được xác định phạm vi về thời gian thu thập dữ liệu trong 8 năm, tính từ 2014 đến 2021 Tác giả lựa chọn khoảng thời gian này vì đây là giai đoạn có sự thay đổi trong chính sách của Nhà nước về việc ban hành quy chế phân loại và xử lý nợ mà nổi bật và quan trọng nhất là Thông tư 02/2013/TT-NHNN và Thông tư 06/2014/TT-NHNN Do khó khăn về mặt thu thập dữ liệu năm 2013 trở về trước của các ngân hàng TMCP tại Việt Nam, hơn nữa quá trình tìm kiếm dữ liệu cho nghiên cứu vào thời điểm đầu tháng 2/2023 khi các ngân hàng chưa công bố báo cáo tài chính hợp nhất đã kiểm toán của năm 2022, vì vậy, tác giả lựa chọn giai đoạn 2014 –
2021 làm phạm vi về thời gian cho nghiên cứu.
Theo thống kê của NHNN Việt Nam (2021), tính đến ngày 31/12/2021, tại Việt Nam có 31 ngân hàng TMCP Việt Nam Tuy nhiên chỉ có 27 ngân hàng TMCP Việt Nam có đầy đủ các số liệu, báo cáo, thống kê được công khai một cách rõ ràng, minh bạch trên các trang thông tin chính thức Vì vậy, nếu các số liệu không đầy đủ được đưa vào bảng dữ liệu sẽ làm bảng không cân bằng, tác giả lựa chọn 27 ngân hàng TMCP này vì đủ điều kiện về dữ liệu và phù hợp với đề tài nghiên cứu.
PHƯƠNG PHÁP NGHIÊN CỨU
Nghiên cứu sử dụng phương pháp định lượng kết hợp sử dụng phần mềm Excel và Stata để xem xét tác động của khả năng sinh lời và quản trị điều hành đến tỷ lệ nợ xấu của các ngân hàng TMCP tại Việt Nam Một khuôn khổ nghiên cứu phù hợp được đề xuất Ngoài ra, nghiên cứu sử dụng ba mô hình chính là Pooled OLS, FEM, REM, sau đó là thử nghiệm để xác định mô hình tối ưu Tác giả thực hiện các kiểm định về đa cộng tuyến, phương sai thay đổi và tự tương quan cho mô hình đã chọn. Cuối cùng, bằng phương pháp FGLS, tác giả tiến hành khắc phục các khuyết tật của mô hình để xác định các biến có ý nghĩa và phù hợp nhất cho nghiên cứu.
ĐÓNG GÓP CỦA NGHIÊN CỨU
Về mặt học thuật, nghiên cứu của tác giả đã kết hợp các tài liệu trước đây về chủ đề trong nước và quốc tế để kiểm tra mức độ và chiều hướng tác động của KNSL và QTĐH.
Về ứng dụng thực tiễn, nghiên cứu nhằm kiểm định về tác động của KNSL vàQTĐH đến nợ xấu tại Ngân hàng TMCP Việt Nam Kết quả nghiên cứu sẽ cung cấp thêm bằng chứng về mức độ và chiều hướng tác động Dựa trên kết quả, các kiến nghị sẽ được đưa ra để nâng cao hiệu quả quản lý nợ xấu của ngân hàng.
KẾT CẤU CỦA ĐỀ TÀI
Nghiên cứu gồm 5 chương chính như sau:
Chương 1 tập trung vào giới thiệu về đề tài nghiên cứu, tính cấp thiết của đề tài, mục tiêu tổng quát, các mục tiêu cụ thể Đồng thời, ở chương 1, tác giả cũng đưa ra các câu hỏi nghiên cứu, đối tượng nghiên cứu, phương pháp nghiên cứu, phạm vi nghiên cứu và bố cục của khóa luận.
Chương 2 cung cấp một phân tích tổng quan về định nghĩa của nợ xấu, khả năng sinh lời và quản trị điều hành, đồng thời khảo lược các lý thuyết và nghiên cứu liên quan đến tác động của khả năng sinh lời và quản trị điều hành đối với nợ xấu của ngân hàng.
Chương 3 đưa ra những mô hình nghiên cứu, các giả thuyết kỳ vọng và nêu được dấu kỳ vọng dự kiến dựa trên các mô hình nghiên cứu thực nghiệm có liên quan trước đó.
Chương 4 sử dụng phương pháp định lượng, sử dụng ba mô hình riêng biệt, đó là Pooled OLS, FEM và REM Sau đó, tác giả sử dụng các kiểm định để đánh giá mô hình, giải thích kết quả và chọn mô hình tối ưu.
Chương 5 bao gồm các kiến nghị dựa trên kết quả nghiên cứu, cũng như thảo luận về những hạn chế của nghiên cứu và các hướng điều tra trong tương lai.
Chương 1 của nghiên cứu nêu bật tầm quan trọng của đối tượng nghiên cứu, đưa ra sự rõ ràng về cả mục tiêu tổng quát và mục tiêu cụ thể, hình thành các câu hỏi nghiên cứu, xác định chính xác thực thể nghiên cứu và phác thảo phạm vi không gian Thời gian nghiên cứu, phương pháp nghiên cứu, cấu trúc nghiên cứu và đóng góp là những thành phần thiết yếu cần được xem xét Chương 2 sẽ trình bày các lý thuyết liên quan đến nợ xấu, KNSL và QTĐH mà tác giả đã trình bày Sau đó, tác giả tiến hành lược khảo các nghiên cứu thực nghiệm có liên quan trong và ngoài nước.
CƠ SỞ LÝ THUYẾT VÀ KHẢO LƯỢC CÁC NGHIÊN CỨU LIÊN QUAN ĐẾN TÁC ĐỘNG CỦA KHẢ NĂNG SINH LỜI VÀ QUẢN TRỊ ĐIỀU HÀNH ĐẾN NỢ XẤU NGÂN HÀNG THƯƠNG MẠI
TỔNG QUAN VỀ NỢ XẤU, KHẢ NĂNG SINH LỜI VÀ QUẢN TRỊ ĐIỀU HÀNH CỦA NGÂN HÀNG THƯƠNG MẠI
2.1.1 Định nghĩa về nợ xấu NHTM
Theo IMF (2006), nợ xấu được nhận biết bằng ba yếu tố chính: (i) Nợ gốc và lãi quá hạn trên 90 ngày; (ii) Thời hạn cho khoản lãi phải trả lớn hơn hoặc bằng 90 ngày và khoản lãi nhiều hơn gốc phải trả; (iii) Khoản nợ được phân làm ba nhóm có chất lượng tín dụng dưới chuẩn, nghi ngờ và khả năng mất vốn cao.
Theo Ngân hàng Trung ương Châu Âu (ECB, 2017), nợ xấu được định nghĩa là các khoản cho vay đáp ứng một trong hai hoặc cả hai tiêu chí về thời hạn và khả năng thanh toán Tiêu chí thứ nhất để xác định nợ xấu là các khoản vay lớn đã quá hạn hơn 90 ngày Tiêu chí thứ hai được ngân hàng đánh giá là nợ xấu khi người đi vay mất khả năng thanh toán đầy đủ các nghĩa vụ tín dụng của mình khi quá hạn thanh toán và đồng thời khoản nợ không có tài sản thế chấp hoặc tài sản thế chấp không đủ để bù đắp cho khoản nợ trong trường hợp người vay không thể trả nợ.
Theo quan điểm của NHNN Việt Nam , định nghĩa nợ xấu ở Việt Nam là các khoản nợ được xếp vào nhóm nợ dưới tiêu chuẩn, nợ nghi ngờ và nợ có khả năng mất vốn.
Nợ xấu được phân loại dựa trên sự kết hợp của cả hai phương pháp định tính và định lượng Theo phương pháp định lượng, nợ xấu được xác định bằng tổng giá trị các khoản vay chưa được thanh toán đúng hạn (trễ hạn) trong một khoảng thời gian nhất định, thường là 90 ngày tính từ ngày đáo hạn của khoản vay Theo phương pháp định tính, nợ xấu được xác định dựa trên khả năng khách hàng trả nợ Các khoản vay được xem là nợ xấu khi khách hàng đã không thể hoàn tất các khoản nợ đúng hạn hoặc có dấu hiệu không khả quan về khả năng thanh toán nợ trong tương lai.
Nợ xấu được định nghĩa và phân loại tùy vào sự khác biệt của từng quốc gia Tuy nhiên, tại Việt Nam, theo quy định của NHNN, nợ xấu được hiểu là gồm các khoản vay chưa được thanh toán đúng hạn (trễ hạn) trong một khoảng thời gian nhất định và/hoặc các khoản vay có dấu hiệu không khả quan về khả năng thanh toán nợ trong tương lai, đồng thời được xếp vào nợ nhóm 3 (nợ dưới tiêu chuẩn), nợ nhóm 4 (nợ nghi ngờ) và nợ nhóm 5 (nợ có khả năng mất vốn) và xem như trường hợp rủi ro cao, dễ gây ra tổn thất cho các ngân hàng.
2.1.2 Định nghĩa về khả năng sinh lời NHTM
Theo Staikouras và Wood (2004), KNSL của ngân hàng đề cập đến khả năng mà ngân hàng tạo ra lợi nhuận từ các hoạt động của mình trong một khoảng thời gian. KNSL là một yếu tố quan trọng trong sự thành công lâu dài của một ngân hàng, vì nó cho phép ngân hàng tiếp tục hoạt động và phát triển kinh doanh.
Theo Bekmezci (2015), KNSL được định nghĩa là thu nhập của một công ty được tạo ra từ doanh thu sau khi loại bỏ đi hết các chi phí phát sinh trong một khoảng thời gian nhất định Đó là tiêu chí cơ bản và chiếm vị trí ưu tiên nhất báo hiệu sự thành công của ban lãnh đạo, sự hài lòng của cổ đông, sự thu hút đầu tư và sự bền vững của công ty.
Theo IMF (2019), KNSL của ngân hàng đề cập đến khả năng tạo ra lợi nhuận hoặc thu nhập từ các hoạt động và đầu tư của ngân hàng Đây là thước đo quan trọng về hiệu quả tài chính của ngân hàng và được tính toán bằng cách so sánh doanh thu của ngân hàng với chi phí, tổn thất và các chi phí khác Một ngân hàng có lãi sẽ tạo ra đủ thu nhập để trang trải chi phí hoạt động, khoản lỗ cho vay, thuế và các chi phí khác trong khi vẫn mang lại lợi nhuận cho các cổ đông Lợi nhuận của ngân hàng có thể bị ảnh hưởng bởi nhiều yếu tố, chẳng hạn như lãi suất, điều kiện kinh tế, cạnh tranh và chất lượng của danh mục cho vay.
Trong nghiên cứu này, tác giả rút kết lại về KNSL là khả năng tạo ra lợi nhuận hoặc thu nhập từ các hoạt động và đầu tư của ngân hàng KNSL là thước đo quan trọng trong việc xác định hiệu quả tài chính và đưa ra những cảnh báo sớm, hấp dẫn cho các nhà đầu tư.
2.1.3 Định nghĩa về quản trị điều hành NHTM
Theo Dar và Presley (2000), QTĐH ngân hàng đề cập đến quá trình quản lý các hoạt động và nguồn lực của ngân hàng để đảm bảo ngân hàng hoạt động hiệu quả Điều này bao gồm quản lý các bộ phận khác nhau của ngân hàng như cho vay, tiền gửi, dịch vụ khách hàng, tiếp thị và công nghệ, cũng như đảm bảo tuân thủ quy định, quản lý rủi ro và ổn định tài chính.
Theo Woods và Narlikar (2001), quản lý ngân hàng hiệu quả liên quan đến việc phát triển và thực hiện các chiến lược để tối đa hóa lợi nhuận, quản lý chi phí và giảm thiểu rủi ro Nó cũng liên quan đến việc tuyển dụng và đào tạo nhân viên, phát triển và thực hiện các chính sách và thủ tục cũng như tận dụng công nghệ để cải thiện hoạt động và trải nghiệm của khách hàng.
Theo Christopoulos và các cộng sự (2011), việc quản trị điều hành của các tổ chức ngân hàng cũng tương tự như quản trị doanh nghiệp Quản trị điều hành xác định hoạt động của ngân hàng thông qua các quyết định, với mục tiêu là xử lý rủi ro và thực hiện kiểm soát đảm bảo hoạt động kinh doanh ngân hàng được thông suốt. Tóm lại, quản trị ngân hàng là một quá trình phức tạp bao gồm nhiều trách nhiệm và đòi hỏi sự hiểu biết sâu sắc về hoạt động ngân hàng, quy định tài chính và thực tiễn về quản lý rủi ro.
CÁC LÝ THUYẾT VÀ GIẢ THUYẾT LIÊN QUAN ĐẾN TÁC ĐỘNG CỦA KHẢ NĂNG SINH LỜI VÀ QUẢN TRỊ ĐIỀU HÀNH ĐẾN NỢ XẤU NGÂN HÀNG
2.2.1 Lý thuyết Thông tin bất cân xứng (Asymmetric Information Theory)
Akerlof (1970) ban đầu đưa ra ý tưởng về lý thuyết thông tin bất đối xứng Thông tin bất cân xứng đề cập đến việc phân bổ thông tin không đồng đều có khả năng ảnh hưởng đến quá trình ra quyết định của cả bên vay và bên cho vay trong hợp đồng vay Giả sử một doanh nghiệp có một dự án sắp tới cần thực hiện và đang tìm kiếm các nguồn tài chính để tạo điều kiện tăng trưởng cho hoạt động sản xuất kinh doanh. Các công ty sẽ trình bày một bảng tính cho ngân hàng, trong đó phác thảo dòng tiền ra và dòng tiền vào dự kiến trong suốt vòng đời của dự án Tuy nhiên, các ngân hàng sẽ thận trọng trong suốt các quá trình cấp tín dụng, từ khâu thẩm định đến giải ngân cuối cùng Người ta thường tin rằng những người đi vay, đặc biệt là các doanh nghiệp, có hiểu biết vượt trội về những lợi ích và rủi ro tiềm ẩn liên quan đến hoạt động của họ so với những người cho vay, chẳng hạn như ngân hàng Trong những tình huống thiếu sự cân xứng về thông tin, sự xuất hiện tiềm ẩn của những rủi ro liên quan đến người đi vay có thể tác động đáng kể đến KNSL của các ngân hàng Người cho vay phải đối mặt với dữ liệu và thông tin không đầy đủ về người vay, điều này cản trở khả năng đưa ra đánh giá chính xác của họ Các ngân hàng thường xuyên yêu cầu khách hàng thế chấp tài sản như một biện pháp đảm bảo cho các khoản vay trong trường hợp không có đủ thông tin Sự khấu hao giá trị của tài sản thế chấp có khả năng tác động trực tiếp đến bảng cân đối kế toán và giá trị ròng tổng thể của doanh nghiệp Hiện tượng này ảnh hưởng không nhỏ đến các khía cạnh hoạt động của doanh nghiệp, dẫn đến giảm khả năng trả nợ và gia tăng nợ xấu đối với tổ chức tài chính.
2.2.2 Giả thuyết Quản trị yếu kém (Bad Management Hypothesis)
Berger và DeYoung (1997) đã đưa ra giả thuyết quản trị yếu kém vào năm 1997 Giả thuyết nói trên thừa nhận rằng kỹ năng quản lý không phù hợp trong việc giám sát và kiểm soát, cũng như giám sát của các nhà quản lý, có thể dẫn đến hiệu quả chi phí dưới mức tối ưu, có khả năng dẫn đến các khoản nợ quá hạn Do đó, giả thuyết Quản trị yếu kém cho rằng tồn tại mối tương quan nghịch giữa Nợ xấu (NPL) và hiệu suất chi phí Berger và DeYoung (1997) cho rằng quản trị ngân hàng không phù hợp có thể dẫn đến chất lượng tín dụng dưới mức tối ưu và cản trở quá trình cho vay Kỹ năng thẩm định không phù hợp của ngân hàng và quy trình, thủ tục cho vay lỏng lẻo có thể dẫn đến việc xác minh hồ sơ tín dụng của khách hàng không đầy đủ Do đó, điều này dẫn đến khả năng xảy ra các khoản nợ xấu cao hơn và sau đó làm cho tỷ lệ nợ xấu tăng lên Giả thuyết quản trị yếu kém được Berger và DeYoung (1997) đánh giá thông qua nghiên cứu thực nghiệm trong giai đoạn từ
1985 đến 1994 tại các NHTM của Mỹ Báo cáo của họ cho thấy có sự liên kết tồn tại giữa các ngân hàng hoạt động kém hiệu quả và sự gia tăng các khoản cho vay có vấn đề trong tương lai.
2.2.3 Giả thuyết Hớt váng (Skimping Hypothesis)
Berger và DeYoung (1997) đã mở rộng giả thuyết Hớt váng và đề xuất mối quan hệ tích cực giữa tỷ lệ chi phí hoạt động/thu nhập và nợ xấu Giả thuyết này dựa trên thực tế là tỷ lệ chi phí hoạt động/thu nhập cao có thể phản ánh mức độ hạn chế về quản lý và phân bổ nguồn lực của ngân hàng trong công tác theo dõi rủi ro về nợ xấu dẫn đến tình trạng nợ xấu cao hơn trong tương lai Lý do có thể là các ngân hàng có xu hướng tiết kiệm chi phí hoạt động bằng cách giảm giám sát tín dụng, định giá tài sản thế chấp và các hoạt động tiếp thị để trở nên hiệu quả hơn về mặt kinh tế Tuy nhiên, sự cải thiện về hiệu quả kinh tế do hớt váng có thể chỉ đạt được trong ngắn hạn, vì hậu quả của hớt váng là chất lượng của các khoản cho vay và đầu tư bị suy giảm, dẫn đến mất khả năng thanh toán tăng cao.
KHẢO LƯỢC CÁC NGHIÊN CỨU CÓ LIÊN QUAN ĐẾN TÁC ĐỘNG CỦA KHẢ NĂNG SINH LỜI VÀ QUẢN TRỊ ĐIỀU HÀNH ĐẾN NỢ XẤU
Nghiên cứu của Ekanayake và Azeez (2015) về chủ đề xác định các nhân tố ảnh hưởng đến nợ xấu đối với 9 NHTM được phép tại Sri Lanka đã xác định biến phụ thuộc là Tỷ lệ nợ xấu (NPL) và 11 biến độc lập, trong đó có biến OPE thể hiện khả năng quản lý, được tính toán bởi tỷ lệ chi phí hoạt động trên thu nhập và ROA. Thông qua việc sử dụng mô hình FEM, kết quả chỉ ra rằng OPE tác động cùng chiều NPL, ROA có tác động ngược chiều đến NPL Kết quả này ủng hộ giả thuyết Quản trị yếu kém của Berger và DeYoung (1997).
Tole và các cộng sự (2019) đã thực hiện một nghiên cứu về các yếu tố quyết định nợ xấu (NPL) tại 8 ngân hàng nổi tiếng và lâu đời ở Ethiopia Nghiên cứu kéo dài trong khoảng thời gian 14 năm, từ 2004 đến 2017 Các biến phụ thuộc trong nghiên cứu này bao gồm cả biến nhân tố vi mô và vĩ mô Các biến nhân tố vi mô bao gồm tỷ lệ an toàn vốn (CAR), quy mô ngân hàng (BAS), tỷ lệ cho vay trên tiền gửi (LDR), tốc độ tăng trưởng cho vay (LGR), lợi nhuận trên tổng tài sản (ROA) và nợ xấu năm trước (Lag NPL) Tập hợp các biến vĩ mô bao gồm tỷ lệ thất nghiệp (UR), tốc độ tăng trưởng kinh tế (GDPGR) và tỷ lệ lạm phát (INF) Bằng phương pháp thống kê mô tả và sử dụng mô hình tác động cố định FEM, nhóm tác giả đã xác định được tác động cùng chiều của các biến CAR, ROA, Lag NPL, UR đối với NPL và tác động ngược chiều giữa các biến LGR, GDPGR với NPL Biến quy mô ngân hàng (BAS) và tỷ lệ lạm phát (INFR) không có ý nghĩa về mặt thống kê.
Towhid và cộng sự (2019) đã thực hiện một nghiên cứu về tác động của các yếu tố kinh tế vĩ mô và đặc thù của ngân hàng đối với tỷ lệ nợ xấu tại các NHTM ở Bangladesh Với dữ liệu bảng từ năm 2011-2016 của 16 NHTM kết hợp với các phương pháp Pooled OLS, FEM, REM, tác giả đã tìm thấy tác động ngược chiều giữa lợi nhuận trên tài sản trung bình (ROAA), tỷ lệ dư nợ/vốn huy động (NLDEP), tỷ lệ an toàn vốn (CAR) và lạm phát (INF) với nợ xấu (NPL) Các biến còn lại gồm tỷ lệ chi phí/thu nhập (CIR), quy mô ngân hàng (SIZE) và tăng trưởng kinh tế(RGDP) tác động cùng chiều với NPL.
Khan và cộng sự (2020) đã thực hiện nghiên cứu về các yếu tố quyết định nợ xấu tại các NHTM Pakistan trong giai đoạn 2005-2017 Nghiên cứu sử dụng mô hình FEM, REM để chứng minh mối quan hệ giữa biến phụ thuộc là tỷ lệ nợ xấu (NPL) và các biến độc lập Các phát hiện chỉ ra rằng biến lợi nhuận trên tổng tài sản (ROA) và biến hiệu quả hoạt động, được đo bằng tỷ lệ chi phí/thu nhập (EF), thể hiện tác động ngược chiều đối với nợ xấu (NPL) Các biến đa dạng hóa thu nhập (DIV) và vốn chủ sở hữu ngân hàng (CAP) có tác động tích cực đến nợ xấu (NPL) Kết quả này ủng hộ giả thuyết Hớt váng của Berger và DeYoung (1997).
Msomi (2022) đã thực hiện một nghiên cứu về các yếu tố quyết định nợ xấu tại các NHTM trên khắp các quốc gia Tây Phi Nghiên cứu sử dụng bộ dữ liệu cho giai đoạn từ 2008 đến 2019 Nghiên cứu sử dụng phân tích hồi quy FEM, REM và GLS để kiểm tra mối quan hệ giữa các biến nghiên cứu với nợ xấu (NPL) Kết quả nghiên cứu chỉ ra rằng cả lãi suất cho vay (LIR) và tăng trưởng kinh tế (GDP) đều có tác động ngược chiều đến NPL Ngoài ra, nghiên cứu cũng xem xét các biến số khác như tỷ lệ thanh khoản (LIQ), tỷ lệ an toàn vốn (CAR), tỷ lệ chi phí/thu nhập (CIR), lãi suất thực (INR) và lạm phát (INF) tác động cùng chiều NPL Việc tác giả không thể truy cập nguồn dữ liệu và số lượng dữ liệu hạn chế về các ngân hàng ở các nền kinh tế Tây Phi đã dẫn đến việc loại trừ một số NHTM khỏi nghiên cứu Vấn đề nói trên là trở ngại chính trong nghiên cứu của tác giả.
2.2.2 Các nghiên cứu trong nước
Các nhân tố ảnh hưởng đến nợ xấu của các NHTM Việt Nam giai đoạn 2007 - 2014 được tác giả Nguyễn Thị Hồng Vinh (2015) nghiên cứu bằng ba phương pháp ước lượng dữ liệu bảng Nghiên cứu sử dụng ba mô hình riêng biệt, cụ thể là mô hìnhFEM, phương pháp GMM và SGMM Trong nghiên cứu này, tác giả sử dụng biến phụ thuộc là tỷ lệ nợ xấu (NPL) và biến độc lập bao gồm: tỷ lệ nợ xấu năm trước(NPLt-1), khả năng sinh lời (ROE), quy mô ngân hàng (SIZE), vốn chủ sở hữu(EQUITY), dư nợ cho vay/vốn huy động (LTD), dư nợ ngắn hạn (STL), tốc độ tăng trưởng tín dụng (CREDITGR), tốc độ tăng trưởng kinh tế (GDP) và tỷ lệ lạm phát(INF) Kết quả nghiên cứu chỉ ra ROE, STL, LTD, EQUITY, CREDITGR và GDP tác động ngược chiều đến NPL Trong khi đó, NPL t-1 , SIZE, GDP và INF có ảnh hưởng tích cực đến nợ xấu.
Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018) đã thực hiện nghiên cứu xem xét tác động của các yếu tố kinh tế vĩ mô và đặc điểm ngân hàng đối với nợ xấu trong hệ thống NHTM ở các nước Đông Nam Á Nghiên cứu sử dụng kỹ thuật ước lượng GMM với dữ liệu từ 204 NHTM ở các nước Đông Nam Á từ năm 2010 đến
2015, bao gồm tổng cộng 903 quan sát Kết quả cho thấy nợ xấu của các NHTM bị ảnh hưởng bởi sự kết hợp của các đặc điểm kinh tế vĩ mô và ngân hàng Nghiên cứu cho thấy nợ xấu của các tổ chức tài chính ở Đông Nam Á bị ảnh hưởng bất lợi bởi một số yếu tố, bao gồm hiệu quả ngân hàng được đo bằng lợi nhuận trên vốn chủ sở hữu (ROE), tăng trưởng tín dụng (LGR), tỷ lệ cho vay trên tiền gửi (LTD), tăng trưởng tín dụng (LTD) và quy mô ngân hàng (InTA) Tuy nhiên, mức an toàn vốn (ETA) cho thấy mối tương quan tích cực với các khoản nợ xấu Chất lượng cho vay của các NHTM chịu tác động đáng kể của các yếu tố kinh tế vĩ mô. Kết quả thực nghiệm cho thấy mối tương quan nghịch giữa nợ xấu (NPL) và tăng trưởng tổng sản phẩm quốc nội (GDPG), cũng như các biến số tài chính Kết quả chỉ ra rằng nợ xấu bị ảnh hưởng tích cực và đáng kể bởi tỷ lệ lạm phát (INF), tỷ lệ thất nghiệp (UNEMP) và thuế thu nhập (TAXINC) 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 hỗ trợ các nhà hoạch định chính sách trong việc xây dựng các chiến lược tài chính và kinh tế vĩ mô hợp lý, tập trung đánh giá tác động của các chính sách vĩ mô đến rủi ro tín dụng của các tổ chức tài chính.
Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) đã thực hiện nghiên cứu về vấn đề nợ xấu, sử dụng 3 mô hình chính: mô hình Pooled OLS, FEM, REM Bộ dữ liệu bao gồm 22 NHTM tại Việt Nam từ năm 2012 đến năm 2020 Phương pháp ước lượng bình phương nhỏ nhất tổng quát khả thi (FGLS) được sử dụng để thu được kết quả tương quan giữa các biến Nghiên cứu đã xem xét tác động của các biến độc lập khác nhau bao gồm quy mô ngân hàng (SIZE), lợi nhuận trên vốn chủ sở hữu(ROE), dự phòng rủi ro cho vay (LLP), tăng trưởng tín dụng (GROW) và lạm phát(INF) với biến phụ thuộc là nợ xấu (NPL) Kết quả cho thấy các biến độc lập này tác động cùng chiều đến NPL Chỉ duy nhất biến GDP là không có ý nghĩa thống kê.Kết quả nghiên cứu cung cấp những hiểu biết hữu ích cho các nhà quản lý ngân hàng trong việc quản lý rủi ro tín dụng và giúp các nhà hoạch định chính sách xây dựng các chính sách hiệu quả nhằm ngăn chặn nợ xấu trong hệ thống ngân hàng.
2.2.3.Khoảng trống trong nghiên cứu trước về tác động của khả năng sinh lời và quản trị điều hành đến nợ xấu
Các nghiên cứu trước đây đã thể hiện sự không đồng nhất về tác động của KNSL và QTĐH đến nợ xấu của NHTM trên thế giới cũng như ở Việt Nam dẫn đến sự tranh cãi giữa chiều hướng tác động của 2 biến độc lập này đến NPL Đa số kết quả nghiên cứu cho thấy KNSL tác động ngược chiều đến tỷ lệ nợ xấu, hay nói cách khác, khả năng sinh lời càng tăng thì tỷ lệ nợ xấu càng giảm Điều này được thể hiện qua kết quả của các tác giả trên thế giới như Ekanayake và Azeez (2015), Khan và các cộng sự (2020); đồng nhất với kết quả này, tại Việt Nam cũng có những tác giả như Nguyễn Thị Hồng Vinh (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng
(2018) Tuy nhiên, nhóm tác giả Tole và các cộng sự (2019), Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) lại tìm thấy KNSL tác động cùng chiều với NPL. Biến QTĐH được đa số các tác giả đo lường bằng tỷ lệ chi phí/thu nhập (CIR) tác động cùng chiều đến tỷ lệ nợ xấu (NPL) thông qua các nghiên cứu của tác giả Ekanayake và Azeez (2015), Towhid và các cộng sự (2019), Msomi (2022) và tác động ngược chiều với NPL qua nghiên cứu của Khan và các cộng sự (2020) Ngoài ra, các nghiên cứu trong và ngoài nước còn sử dụng nhiều biến độc lập khác để phân tích về tác động của chúng đến nợ xấu tại các NHTM.
Chính vì thế, sau khi lược khảo các nghiên cứu có liên quan ở một số quốc gia trên thế giới và ở Việt Nam về tác động các yếu tố đặc thù và vĩ mô đến nợ xấu NHTM, tác giả đã lựa chọn và tập trung nghiên cứu, xem xét về sự tác động của KNSL và QTĐH đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ phần Việt Nam Vấn đề nợ xấu tại các NHTM cần được quan tâm giải quyết, đồng thời phải tìm ra giải pháp khả thi để hạn chế nợ xấu và nâng cao khả năng sinh lời của các NHTM tại ViệtNam.
Bảng 2.1 Tóm lược sự tác động của khả năng sinh lời và quản trị điều hành đến nợ xấu của ngân hàng từ các nghiên cứu trước đây
Tên tác giả Phạm vi Phương pháp Biến đề nghị và kết quả
9 NHTM được cấp giấy phép tại Sri Lanka (1999- 2012)
Mô hình FEM Y1: tỷ lệ nợ xấu
(NPL) X1: quản trị điều hành (OPE) (+) X2: khả năng sinh lời (ROA) (-)
X3: Tỷ lệ cho vay/tổng tài sản (LA) (+)
X4: Tỷ lệ dự phòng nợ khó đòi/ tổng dư nợ của ngân hàng (PLL) (+)
X5: tăng trưởng cho vay ngân hàng (GRL) (-)
X6: quy mô ngân hàng (InSIZE) (-)
Tên tác giả Phạm vi Phương pháp Biến đề nghị và kết quả
X7: nợ xấu năm trước (NPL t-1 ) (+) X8: tăng trưởng kinh tế (GDP) (-) X9: tỷ lệ lạm phát (INF) (-)
X10: tỷ lệ thất nghiệp (UNE) (+) X11: trung bình lãi suất cho vay cơ bản (AWPR) (+)
Mô hình FEM, GMM, SGMM
Y: Tỷ lệ nợ xấu (NPL) X1: Nợ xấu năm trước (NPL t-1) (+)
X2: khả năng sinh lời (ROE) (-)
X3: quy mô ngân hàng (SIZE) (+) X4: vốn chủ sở hữu (EQUITY) (-)
X5: Dư nợ cho vay/vốn huy động(LTD) (*)X6: Dư nợ ngắn hạn (STL) (*)
Tên tác giả Phạm vi Phương pháp Biến đề nghị và kết quả
(+) X8: tốc độ tăng trưởng kinh tế (GDP) (-)
X9: tỷ lệ lạm phát (INF) (+)
Y: tỷ lệ nợ xấu (NPL) X1: hiệu quả ngân hàng (ROE) (-)
X2: vốn chủ sở hữu (ETA) (+)
X3: dư nợ cho vay (LTD) (-)
X4: tăng trưởng tín dụng (LGR) (-) X5: quy mô ngân hàng (InTA) (-) X6: tăng trưởng kinh tế ( GDPG) (-) X7: lạm phát (INF) (+)
X8: số dư ngân sách (FISCAL) (-) X9: thuế thu nhập (TAXINC) (+) X10: thất nghiệp
Tên tác giả Phạm vi Phương pháp Biến đề nghị và kết quả
4 Tole và các cộng sự (2019)
8 NHTM lâu năm tại Ethiopia (2004-2017)
Mô hình FEM Y: tỷ lệ nợ xấu
(NPL) X1: tỷ lệ an toàn vốn (CAR) (-)
X2: quy mô ngân hàng (BAS) (*) X3: tỷ lệ dư nợ tín dụng/vốn huy động (LDR) (+)
X4: tăng trưởng tín dụng (LGR) (-) X5: lợi nhuận trên tổng tài sản (ROA) (+) X6: tỷ lệ nợ xấu năm trước (Lag NPL) (+)
X7: tỷ lệ thất nghiệp (UR) (+)
X8: tăng trưởng kinh tế (GDPGR) (-)
5 Towhid và các cộng sự (2019)
Mô hình Pooled OLS, FEM, REM
Y: tỷ lệ nợ xấu (NPL) X1: lợi nhuận trên tài sản trung bình (ROAA) (-)X2: tỷ lệ dư nợ/vốn
Tên tác giả Phạm vi Phương pháp Biến đề nghị và kết quả huy động (NLDEP) (-)
X3: tỷ lệ an toàn vốn (CAR) (-)
X4: tỷ lệ chi phí/thu nhập (CIR) (+)
X5: quy mô ngân hàng (SIZE) (+) X6: tăng trưởng kinh tế (RGDP) (+) X7: lạm phát (INF) (-)
6 Khan và các cộng sự (2020)
Các NHTM được niêm yết trên sàn chứng khoán Pakistan (2005-2017)
Mô hình FEM, REM Y: tỷ lệ nợ xấu
(NPL) X1: lợi nhuận trên tổng tài sản (ROA) (-) X2: hiệu quả hoạt động (EF) (-)
X3: vốn chủ sở hữu ngân hàng (CAP) (+) X4: đa dạng hóa thu nhập (DIV) (+)
Mô hình Pooled OLS, FEM, REM, FGLS
Y: tỷ lệ nợ xấu (NPL)
X1: quy mô ngân hàng (SIZE) (+)X2: lợi nhuận trên vốn chủ sở hữu(ROE) (+) X3: tỷ lệ
Tên tác giả Phạm vi Phương pháp Biến đề nghị và kết quả
(2021) phòng rủi ro tín dụng
(LLR) (+) X4: tăng trưởng tín dụng (GROW) (+) X5: tăng trưởng kinh tế (GDP) (*) X6: lạm phát (INF)
47 NHTM ở 6 quốc gia thuộc khu vực Tây Phi (2008-2019)
Mô hình FEM, REM, GLS
Y: tỷ lệ nợ xấu (NPL)
X1: lãi suất cho vay (LIR) (-)
X2: tỷ lệ thanh khoản (LIQ) (+) X3: tỷ lệ an toàn vốn (CAR) (+)
X4: tỷ lệ chi phí/thu nhập (CIR) (+)
X6: tăng trưởng kinh tế (GDP) (-) X7: lạm phát (INF)
Nguồn: Tác giả tổng hợp từ các nghiên cứu có liên quanGhi chú: (-): ngược chiều; (+): cùng chiều; (*): không có ý nghĩa thống kê
TÓM TẮT CHƯƠNG 2 Chương 2 đã trình bày nền tảng lý thuyết về nợ xấu, KNSL và QTĐH của ngân hàng, sự tác động của KNSL và QTĐH đến nợ xấu và cho thấy có rất nhiều các nghiên cứu thực nghiệm trong nước cũng như ngoài nước về tác động của KNSL và QTĐH đến nợ xấu Qua các bằng chứng thực nghiệm đó, mặc dù sử dụng các phương pháp nghiên cứu, thời gian nghiên cứu, nền kinh tế khác nhau, nhưng đều chỉ ra được rằng tác động của KNSL và QTĐH đến nợ xấu ngân hàng Các kết quả nhìn chung đều đa dạng khi một số nghiên cứu cho thấy khả năng sinh lời và quản trị điều hành tác động cùng chiều đến nợ xấu, một số khác với kết quả chỉ ra tác động ngược chiều Các kết quả này là cơ sở nền tảng cho các nội dung nghiên cứu ở các chương tiếp theo của nghiên cứu.
PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
TIẾN TRÌNH NGHIÊN CỨU
Hình 3.1 Sơ đồ tiến trình nghiên cứuTiến trình nghiên cứu được tác giả thực hiện theo sơ đồ hình 3.1, trong đó, phân tích dữ liệu được thực hiện nhằm xác định được các nhân tố tác động có ý nghĩa thống kê trong mô hình.
PHÁT TRIỂN GIẢ THUYẾT NGHIÊN CỨU VÀ MÔ HÌNH ĐỀ XUẤT
3.2.1.1 Nợ xấu của các ngân hàng TMCP Việt Nam
Biến phụ thuộc NPL đại diện cho tỷ lệ nợ xấu của các NHTMCP tại Việt Nam. Theo quy định của NHNN, nợ xấu được phân loại là nợ nhóm 3, 4, 5 Theo các nghiên cứu có liên quan đã được tác giả khảo lược ở chương trước, NPL được sử dụng hầu hết trong các nghiên cứu thông qua cách đo lường bằng tỷ lệ của tổng nợ nhóm 3, 4, 5 trên tổng dư nợ cho vay.
3.2.1.2 Khả năng sinh lời của ngân hàng TMCP Việt Nam
Lợi nhuận trên tổng tài sản (ROA)
Biến đại diện cho khả năng sinh lời – ROA là một chỉ tiêu đánh giá mức độ thành
Lược khào 1Ý thuyết liên quan
Kiểm định Ẹ Haụsman Breusẹh — Pagan
Kiêm đinh Modiũed Wald Ước lượng mò hỉnh hồi quy FGLS
Lược khảo câc nghiên cứu trước
Xác đinh tương quan của từng biên tác động
Lựa chộn mô hỉnh Põoled OLS. FEM REM phù hợp Không phát hiện đa cộng tuyến
Phát hiện tự tương quan bậc nhất
Phát hỉện phương saí thay đổi Xác định các nhân tố tác động Để xuất khuyến nghị liên quan công của ngân hàng trong việc tạo ra lợi nhuận, do đó, tỷ suất sinh lời càng cao thì khả năng tạo ra lợi nhuận càng cao Chỉ tiêu ROA được Ekanayake và Azeez
(2015), Khan và các cộng sự (2020), Tole và cộng sự (2019) đo lường bằng lợi nhuận sau thuế trên tổng tài sản.
Nghiên cứu của Tole và cộng sự (2019) tìm thấy kết quả ROA tác động cùng chiều với NPL Trong khi đó, các tác giả Ekanayake và Azeez (2015), Khan và các cộng sự (2020) lại chỉ ra kết quả ROA tác động ngược chiều đến nợ xấu.
Trong nghiên cứu này, tác giả đề xuất giả thuyết ROA tác động cùng chiều đến nợ xấu theo quan điểm của Tole và cộng sự (2019) Lý giải cho điều này là vì tác giả nhận thấy khi một NHTM thực sự có tiềm lực và lợi nhuận cao thì họ càng mong muốn nhận được nguồn thu nhập từ các khoản cấp tín dụng mà trong đó có cả khoản vay chất lượng thấp, mang tính rủi ro cao.
H 1 : Lợi nhuận trên tổng tài sản tác động cùng chiều đến tỷ lệ nợ xấu
Lợi nhuận trên vốn chủ sở hữu (ROE)
Biến đại diện cho khả năng sinh lời – ROE là chỉ tiêu dùng để kiểm tra mức độ mà một ngân hàng sử dụng các nguồn lực để tạo ra lợi nhuận Chỉ tiêu ROE được Nguyễn Thị Hồng Vinh (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018), Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) đo lường bằng lợi nhuận sau thuế trên vốn chủ sở hữu.
Quan điểm của Nguyễn Thị Hồng Vinh (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018) khi đưa ra kết quả ROE tác động ngược chiều với tỷ lệ nợ xấu đã cho rằng ngân hàng nào có suất sinh lời cao, kiểm soát tốt chi phí kinh doanh thì tỷ lệ nợ xấu giảm Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) lại chỉ ra mối quan hệ cùng chiều giữa ROE và nợ xấu.
Tác giả đề xuất chọn giả thuyết theo nghiên cứu của Trần Vương Thịnh vàNguyễn Ngọc Hồng Loan (2021), bởi vì khi ngân hàng muốn tăng cường hoạt động tín dụng để tăng lợi nhuận và tăng hệ số ROE thì dư nợ cũng sẽ tăng lên,đồng nghĩa với việc nợ xấu cũng có thể gia tăng.
H2: Lợi nhuận trên vốn chủ sở hữu tác động cùng chiều với tỷ lệ nợ xấu 3.2.1.3 Quản trị điều hành (CIR)
Nghiên cứu của các Ekanayake và Azeez (2015), Towhid và các cộng sự (2019), Khan và các cộng sự (2020), Msomi (2022) đều đo lường quản trị điều hành bằng tỷ lệ chi phí hoạt động trên tổng thu nhập (CIR), nhằm phản ánh mức độ hiệu quả trong việc quản lý chi phí của ngân hàng.
Theo kết quả nghiên cứu của Ekanayake và Azeez (2015), Towhid và các cộng sự
(2019), Msomi (2022), quản trị điều hành (CIR) tác động cùng chiều với tỷ lệ nợ xấu Trong khi đó, Khan và các cộng sự (2020) đưa ra kết quả CIR tác động ngược chiều với nợ xấu.
Tác giả ủng hộ nghiên cứu của Khan và các cộng sự (2020), đồng thời đặt kỳ vọng có mối quan hệ ngược chiều giữa quản trị điều hành với nợ xấu, bởi vì khi CIR tăng, nghĩa là ngân hàng đang tập trung cải thiện và tăng chi phí hoạt động để tăng doanh thu một cách có hiệu quả, điều này sẽ dẫn đến sự tăng trưởng về lợi nhuận, góp phần giảm tỷ lệ nợ xấu.
H 3 : Quản trị điều hành tác động ngược chiều đến tỷ lệ nợ xấu
3.2.1.4 Biến kiểm soát trong mô hình
Quy mô ngân hàng (SIZE)
Theo các nghiên cứu của Ekanayake và Azeez (2015), Nguyễn Thị Hồng Vinh
(2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018), Towhid và các cộng sự (2019), Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021), quy mô ngân hàng được đo lường bằng logarit tự nhiên của tổng tài sản ngân hàng.
Theo nghiên cứu của Ekanayake và Azeez (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018), quy mô ngân hàng có tác động ngược chiều với tỷ lệ nợ xấu hay quy mô ngân hàng càng lớn thì ngân hàng sẽ có hệ thống quản lý rủi ro và khả năng xử lý thông tin bất cân xứng tốt hơn, do đó quy mô càng lớn sẽ tác động làm giảm tỷ lệ nợ xấu của ngân hàng Tuy nhiên, Nguyễn Thị HồngVinh (2015), Towhid và các cộng sự (2019), Trần Vương Thịnh và Nguyễn Ngọc
Hồng Loan (2021) lại chỉ ra mối quan hệ cùng chiều giữa tỷ lệ nợ xấu và quy mô ngân hàng Lý luận về tác động ngược chiều này, các tác giả đều cho rằng khi ngân hàng mở rộng về quy mô, càng nhiều chi nhánh nhưng trình độ quản lý yếu kém sẽ dẫn đến tỷ lệ nợ xấu tăng cao.
Trong nghiên cứu này, tác giả đặt kỳ vọng quy mô ngân hàng tác động ngược chiều đến tỷ lệ nợ xấu, bởi vì khi các ngâ hàng càng mở rộng quy mô thì sẽ tăng cường các nguồn lực về thông tin dữ liệu tốt hơn làm giảm thiểu tỷ lệ nợ xấu.
H 4 : Quy mô ngân hàng tác động ngược chiều với tỷ lệ nợ xấu
Tăng trưởng tín dụng (LGR)
Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018), Tole và cộng sự (2019), Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) đã đo lường mức độ tăng trưởng tín dụng bằng tỷ lệ tăng (giảm) dư nợ năm nay so với năm trước.
MẪU NGHIÊN CỨU VÀ PHƯƠNG PHÁP THU THẬPDỮ LIỆU
Bảng 3.1 Danh sách các ngân hàng TMCP Việt Nam
Tên tiếng Việt Tên tiếng Anh
1 ABB Ngân hàng TMCP An
An Binh Commercial Joint Stock Bank
Asia Commercial Joint Stock Bank
3 BAB Ngân hàng TMCP Bắc Á
BAC A Commercial Joint Stock Bank
4 BID Ngân hàng TMCP Đầu tư và Phát triển Việt Nam
Joint Stock Commercial Bank for Investment and Development of Vietnam
5 BVB Ngân hàng TMCP Bảo
Bao Viet Joint Stock Commercial Bank
TMCP Công thương Việt Nam
Vietnam Joint Stock Commercial Bank of Industry and Trade
8 HDB Ngân hàng TMCP Phát triển Thành phố Hồ Chí Minh
Ho Chi Minh City Development Joint Stock Commercial Bank
Kien Long Commercial Joint Stock Bank
10 LPB Ngân hàng TMCP Bưu điện Liên Việt
LienViet Commercial Joint Stock Bank
Military Commercial Joint Stock Bank
The Maritime Commercial Joint Stock Bank
Nam A Commercial Joint Stock Bank
Orient Commercial Joint Stock Bank
Petrolimex Group Commercial Joint Stock Bank
17 SCB Ngân hàng TMCP Sài
Sai Gon Commercial Joint Stock Bank
18 SGB Ngân hàng TMCP Sài
Saigon Bank for Industry & Trade
19 SHB Ngân hàng TMCP Sài Saigon-Hanoi Commercial Joint
Gòn – Hà Nội Stock Bank
Southeast Asia Commercial Joint Stock Bank
21 STB Ngân hàng TMCP Sài
Saigon Thuong Tin Commercial Joint Stock Bank
22 TCB Ngân hàng TMCP Kỹ
Viet Nam Technological and Commercial Joint Stock Bank
23 TPB Ngân hàng TMCP Tiên
TienPhong Commercial Joint Stock Bank
24 VAB Ngân hàng TMCP Việt Á
Viet A Commercial Joint Stock Bank
Joint Stock Commercial Bank for Foreign Trade of Vietnam
Vietnam International Commercial Joint Stock Bank
27 VPB Ngân hàng TMCP Việt
Vietnam Commercial Joint Stock Bank for Private Enterprise
Nguồn: Tác giả tổng hợp
Theo thống kê của NHNN Việt Nam (2021), tính đến ngày 31/12/2021, tại Việt Nam có 31 ngân hàng TMCP Việt Nam Tuy nhiên chỉ có 27 ngân hàng TMCP Việt Nam có đầy đủ các số liệu, báo cáo, thống kê được công khai một cách rõ ràng, minh bạch trên các trang thông tin chính thức Vì vậy, nếu các số liệu không đầy đủ được đưa vào bảng dữ liệu sẽ làm bảng không cân bằng sẽ dẫn đến những kết quả sai lệch Tác giả lựa chọn 27 ngân hàng TMCP này vì đủ điều kiện về dữ liệu và phù hợp với đề tài nghiên cứu, 4 ngân hàng TMCP còn lại không được chọn để đưa vào bộ dữ liệu nghiên cứu gồm Ngân hàng Bản Việt, Ngân hàng Đại Chúng Việt Nam, Ngân hàng Đông Á và Ngân hàng Xăng dầu Petrolimex.
3.3.2 Phương pháp thu thập dữ liệu Đề tài thực hiện dựa trên cơ sở dữ liệu thứ cấp được thu thập từ FiinPro, World Bank, Tổng cục Thống kê Việt Nam (GSO) và các tài liệu khác có liên quan trong giai đoạn 8 năm từ năm 2014 đến năm 2021 của 27 ngân hàng TMCP tại Việt Nam để đo lường các biến phụ thuộc và độc lập Danh sách các ngân hàng TMCP Việt Nam trong nghiên cứu được trình bày ở phần phụ lục Ở bảng 3.2 dưới đây, tác giả đưa ra cách thức đo lường biến lược khảo từ các nghiên cứu trước và nguồn dữ liệu được sử dụng trong nghiên cứu Đồng thời để gia tăng độ tin cậy của số liệu, tác giả tiến hành rà soát dựa trên báo cáo tài chính hợp nhất đã kiểm toán được công bố của 27 ngân hàng TMCP Việt Nam.
Bảng 3.2 Cách thức đo lường biến và nguồn dữ liệu
Biến Mô tả Đo lường Nguồn dữ liệu
NPL it Tỷ lệ nợ xấu Tổng nợ nhóm 3,4,5)/Dư nợ cho vay
ROA it Lợi nhuận trên tổng tài sản
Lợi nhuận sau thuế/Tổng tài sản
ROE it Lợi nhuận trên vốn chủ sở hữu
Lợi nhuận sau thuế/Vốn chủ sở hữu
CỈR it Quản trị điều hành
Chi phí hoạt động/Tổng thu nhập
Tác giả tự tính toán dựa trên dữ liệu từ FiinPro
SIZE it Quy mô ngân hàng
Ln (Tổng tài sản) Tác giả tự tính toán dựa trên dữ liệu từ FiinPro
LGR it Tăng trưởng tín dụng
Tăng (giảm) dư nợ năm nay/dư nợ năm trước
Tác giả tự tính toán dựa trên dữ liệu từ FiinPro
GDP it Tăng trưởng kinh tế
Tốc độ tăng trưởng GDP của quốc gia
World Bank lNF it Tỷ lệ lạm phát Sử dụng chỉ số giá tiêu dùng CPI để đo lường
Tổng cục Thống kê Việt Nam (GSO)
UNE it Tỷ lệ thất nghiệp % số người trong lực lượng lao động (từ 15 tuổi trở lên) nhưng không có việc làm
Tổng cục Thống kê Việt Nam (GSO)
Nguồn: Tác giả tổng hợp
Trong giai đoạn từ 2014 đến 2021, do một số ngân hàng TMCP tại Việt Nam chưa được niêm yết trên sàn chứng khoán nên các dữ liệu chưa được cập nhật đầy đủ trên các trang web chính thức Vì vậy, tác giả chỉ thu thập được 216 quan sát cho bộ dữ liệu và sử dụng thống kê mô tả để mô tả các đặc điểm cơ bản của dữ liệu này.
Kết quả của thống kê mô tả sẽ bao gồm giá trị trung bình (mean), độ lệch chuẩn (standard deviation), giá trị lớn nhất (max) và nhỏ nhất (min) của cả biến phụ thuộc và biến độc lập trong giai đoạn từ 2014 đến 2021 Tác giả sử dụng phần mềm Stata 14 thu được bảng thống kê các biến như sau:
Bảng 3.3 Thống kê mô tả các biến trong mô hình
Giá trị trung bình Độ lệch chuẩn
Nguồn: Nghiên cứu của tác giả
Mẫu nghiên cứu được thực hiện với dữ liệu được thống kê từ 27 ngân hàngTMCP Việt Nam gồm 216 biến quan sát cân bằng Kết quả từ bảng 3.3 cho thấyNPL có giá trị trung bình 1,93% trong khi độ lệch chuẩn ở mức 1,09% Giá trị nhỏ nhất là Ngân hàng TMCP Sài Gòn với 0,34% vào năm 2015 và giá trị lớn nhất thuộc về Ngân hàng TMCP Bảo Việt với 7,3% năm 2020 Điều này cho thấy không có sự chênh lệch đáng kể trong tỷ lệ nợ xấu của các ngân hàng TMCP tại Việt Nam từ năm 2014 – 2021.
Biến đại diện cho khả năng sinh lời là lợi nhuận trên tổng tài sản (ROA) có giá trị trung bình 0,85% trong khi độ lệch chuẩn là 0,72%, giá trị nhỏ nhất là Ngân hàng TMCP Sài Gòn với 0,01%, giá trị lớn nhất là Ngân hàng TMCP Xuất Nhập Khẩu với 3,65% Điều này cho thấy có sự chênh lệch lớn giữa ROA của các ngân hàng.
Biến tiếp theo đại diện cho khả năng sinh lời là lợi nhuận trên vốn chủ sở hữu (ROE) có giá trị trung bình là 19,8% với độ lệch chuẩn là 7,7%, giá trị nhỏ nhất và giá trị lớn nhất lần lượt thuộc về Ngân hàng TMCP Quốc Tế và Ngân hàng TMCP Quốc Dân Điều này cho thấy có sự khác biệt lớn giữa ROE của các ngân hàng TMCP trong mẫu nghiên cứu.
Biến quản trị điều hành (CIR) có giá trị trung bình 51,6% trong khi độ lệch chuẩn là chỉ ở mức 13,8% Kết quả từ bảng 3.3 cũng cho thấy giá trị nhỏ nhất của chỉ tiêu này là 7,1% thuộc về Ngân hàng TMCP Quốc Tế năm 2019 và giá trị lớn nhất là 91,1% thuộc về Ngân hàng Ngân hàng TMCP Quốc Dân năm 2014. Điều này cho thấy sự chênh lệch về quản trị điều hành giữa các ngân hàng TMCP tại Việt Nam trong giai đoạn từ 2014 – 2021 là rất lớn.
Biến tăng trưởng tín dụng (LGR) có giá trị trung bình là 119,3%, độ lệch chuẩn là 12,6%, giá trị nhỏ nhất là 86,1% thuộc về Ngân hàng TMCP Hàng Hải năm
2014 và giá trị lớn nhất là 166,3% thuộc về Ngân hàng TMCP Tiên Phong trong cùng năm Kết quả này cho thấy tăng trưởng tín dụng có sự chênh lệch lớn ở các ngân hàng.
Các biến nghiên cứu còn lại gồm quy mô ngân hàng (SIZE), tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF), tỷ lệ thất nghiệp (UNE) không có sự chênh lệch đáng kể giữa giá trị nhỏ nhất và giá trị lớn nhất.
Như vậy, các biến trong mô hình đều có đầy đủ dữ liệu, đảm bảo dữ liệu bảng sử dụng trong phân tích là bảng cân bằng Kết quả thống kê mô tả các biến cũng cho thấy không có các dữ liệu bất thường (outliers).
PHƯƠNG PHÁP NGHIÊN CỨU
3.4.1 Kiểm định lựa chọn mô hình
Kiểm định nhằm xác định giữa mô hình Pooled OLS và mô hình FEM thì phương pháp nào có hiệu quả hơn trong việc giải thích mối quan hệ giữa các biến Để xác định vấn đề này, bài nghiên cứu sử dụng kiểm định F Theo nghiên cứu của Johnstone (1987), tác giả sử dụng giả thuyết cho mô hình:
H0: Mô hình Pooled OLS thích hợp hơn.
H1: Mô hình Pooled OLS không thích hợp, lựa chọn mô hình FEM.
Khi kiểm định cho ra kết quả có P-value > 0.05 thì chấp nhận giả thuyết H0, nghĩa là phương pháp hồi quy FEM là không hiệu quả và do đó phương pháp hồi quy Pooled OLS nên được sử dụng Ngược lại, bác bỏ giả thuyết H0 với điều kiện P- value cho ra kết quả nhỏ hơn mức 5%, khi đó mô hình Pooled OLS không thích hợp và khuyến nghị lựa chọn mô hình FEM.
Kiểm định Breusch - Pagan nhằm chọn ra mô hình phù hợp giữa mô hình Pooled OLS và mô hình REM thì mô hình nào có hiệu quả hơn trong việc giải thích mối quan hệ giữa các biến Dựa theo nghiên cứu của Breusch và Pagan (1980), tác giả đưa ra giả thuyết:
H0: Mô hình Pooled OLS là thích hợp.
H1: Mô hình Pooled OLS không thích hợp, lựa chọn mô hình REM.
Khi kiểm định cho ra kết quả có P – value của Chibar2 > 0.05 thì chấp nhận giả thuyết H0, khi đó mô hình Pooled OLS là thích hợp hơn để giải thích cho mối tương quan giữa các biến Ngược lại, khi kiểm định cho ra kết quả có P-value của Chibar2 < 0.05, bác bỏ H0, khi đó mô hình REM là phù hợp ở mức ý nghĩa 5%.
Kiểm định nhằm chọn ra mô hình phù hợp giữa mô hình FEM và mô hình REM thì mô hình nào có hiệu quả hơn trong việc giải thích mối quan hệ giữa các biến. Để xác định vấn đề này, bài nghiên cứu sử dụng kiểm định Hausman Dựa theo nghiên cứu của Hausman (1978), tác giả đề xuất giả thuyết sau:
H0: Mô hình REM là thích hợp.
H1: Mô hình REM không thích hợp, lựa chọn mô hình FEM.
Khi kiểm định cho ra kết quả có P-value của Chi bình phương > 0.05 thì chấp nhận giả thuyết H0, khi đó mô hình REM là thích hợp hơn để giải thích cho mối tương quan giữa các biến Ngược lại, khi kiểm định cho ra kết quả có P-value của Chi bình phương < 0.05, bác bỏ H0, khi đó mô hình FEM là phù hợp.
3.4.2 Kiểm định các điều kiện của mô hình hồi quy
Kiểm định đa cộng tuyến VIF
Mỗi biến độc lập trong mô hình đề xuất được tác giả sử dụng kiểm định hệ số nhân tử phóng đại phương sai VIF để kiểm tra mức độ tương quan giữa các biến. theo Gujarati và các cộng sự (2012), hệ số VIF của các biến đều nhỏ hơn 5 thì các biến trong mô hình không xảy ra hiện tượng đa cộng tuyến.
Kiểm định tự tương quan Wooldridge
Dựa theo nghiên cứu của Wooldridge (2002), tác giả sử dụng kiểm định Wooldridge để kiểm tra tự tương quan của mô hình theo các giả thuyết sau: H0: không có hiện tượng tự tương quan
H1: có hiện tượng tự tương quan Điều kiện bác bỏ H0: Với mức ý nghĩa 5%, giá trị thống kê F có P-value < 0.05, nghĩa là mô hình có xảy ra hiện tượng tự tương quan.
Kiểm định phương sai thay đổi Modified Wald
Tác giả sử dụng kiểm định Modified Wald theo nghiên cứu của Greene (2000) để xem mô hình FEM liệu có xảy ra hiện tượng phương sai thay đổi hay không và sử dụng giả thuyết như sau:
H0: Phương sai sai số không đổi
H1: Phương sai sai số thay đổi Điều kiện bác bỏ H0: Với mức ý nghĩa 5%, giá trị P-value của thống kê Chi bình phương < 0.05, thì bác bỏ H0 tức mô hình có xảy ra hiện tượng phương sai sai số thay đổi.
3.4.3 Phương pháp hồi quy tuyến tính FGLS
Phương pháp FGLS (Feasible Generalized Least Squares) được sử dụng để ước lượng mô hình hồi quy tuyến tính trong trường hợp có sự hiện diện của hiệp biến Hiệp biến xảy ra khi sai số của mô hình không đồng nhất hoặc có sự tương quan với các biến độc lập FGLS sử dụng các trọng số khác nhau cho từng quan sát trong mô hình hồi quy, dựa trên một ma trận hiệp phương sai được ước lượng từ dữ liệu, để giảm thiểu sai số và tăng độ chính xác của mô hình FGLS là một phương pháp ước lượng thống kê phổ biến trong kinh tế học, tài chính và các lĩnh vực liên quan đến mô hình hồi quy tuyến tính.
TÓM TẮT CHƯƠNG 3 Chương 3 đã thảo luận về Pooled OLS, FEM và REM với kiểm định về đa cộng tuyến, phương sai thay đổi và tự tương quan Đồng thời, tác giả đã tiến hành phân tích thống kê mô tả đối với tập dữ liệu trong chương cụ thể này Chương tiếp theo sẽ liên quan đến việc sử dụng phần mềm Stata14 để phân tích bộ dữ liệu và kiểm tra kết quả của mô hình, với mục đích chọn mô hình tối ưu.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ TÁC ĐỘNG CỦA KHẢ NĂNG SINH LỜI VÀ QUẢN TRỊ ĐIỀU HÀNH ĐẾN NỢ XẤU
KẾT QUẢ NGHIÊN CỨU VÀ CÁC KIỂM ĐỊNH
4.1.1 Phân tích ma trận tương quan
Bảng 4.1 Kết quả phân tích ma trận tương quan giữa các biến
NPL ROA ROE CIR SIZE LGR GDP INF UNE
Nguồn: Nghiên cứu của tác giả Chú thích: *,**,*** lần lượt tương ứng với ý nghĩa thống kê ở mức 10%, 5%, 1%
Bảng 4.1 trình bày mối quan hệ giữa các biến độc lập và biến phụ thuộc Khan và cộng sự (2020) lưu ý rằng vì tất cả các hệ số tương quan giữa các biến đều nhỏ hơn 0,80 nên không có hiện tượng đa cộng tuyến đáng kể trong mô hình Dựa trên phân tích ma trận tương quan trong Bảng 4.1, rõ ràng là tất cả các biến độc lập đều có liên quan đến biến phụ thuộc NPL Cụ thể, ROA, ROE, SIZE, LGR và UNE có mối tương quan chặt chẽ với NPL Trong đó, ROE và nợ xấu có mối tương quan dương cao nhất ở mức 0,2865, tiếp theo là ROA và UNE với nợ xấu lần lượt ở mức 0,2124 và 0,1742. Ngoài ra, SIZE và NPL có tương quan nghịch với hệ số tương quan là - 0,2562, trong khi LGR và nợ xấu có tương quan âm với hệ số tương quan 0,2412 Mặt khác, các biến còn lại bao gồm CIR, GDP, INF có mối tương quan thấp với nợ xấu Cụ thể, GDP và INF có mối tương quan thuận chiều với nợ xấu lần lượt là 0,0231 và 0,0821, trong khi CIR có mối tương quan nghịch với tỷ lệ nợ xấu (NPL) là 0,0314.
4.1.2 Kiểm định lựa chọn mô hình
4.1.2.1 Kết quả mô hình Pooled OLS, FEM và REM
Hệ số hồi quy Coef
Hệ số hồi quy Coef
Hệ số hồi quy Coef
Bảng 4.2 Kết quả mô hình Pooled OLS, FEM và REM
Nguồn: Nghiên cứu của tác giả Chú thích: *,**,*** lần lượt tương ứng với ý nghĩa thống kê ở mức 10%, 5%, 1%
Bảng 4.2 thể hiện kết quả ước lượng mô hình hồi quy Pooled OLS, FEM và REM, cho thấy chỉ số đo lường mức độ giải thích R 2 của mô hình FEM (0,1495) thấp hơn so với
Pooled OLS (0,3114) và REM (0,2641). Đối với mô hình Pooled OLS, biến CIR không có ý nghĩa thống kê ở cả 3 mức độ (giá trị p của CIR lớn hơn 0,1) và đồng thời không có biến độc lập nào tác động đến biến NPL ở mức ý nghĩa 10% Ở mức ý nghĩa thống kê 5%, các biến SIZE, LGR, INF thể hiện sự tác động đến biến NPL; trong đó, chỉ có INF là thể hiện mối quan hệ tương quan dương với NPL Các biến còn lại gồm ROA, GDP, UNE đều tác động đến NPL ở mức 1%. Đối với mô hình FEM, các biến gồm ROA, CIR và SIZE không có ý nghĩa thống kê (giá trị p lớn hơn 0,1) Biến INF thể hiện tác động dương với NPL ở mức ý nghĩa 5% Với mức ý nghĩa 1%, biến ROE, GDP, UNE có tác động cùng chiều với NPL, chỉ có LGR tác động âm đến NPL ở mức ý nghĩa này. Đối với mô hình REM, các giá trị p-value cho ROA, ROE, INF đều có giá trị < 0.05, cho thấy các biến này ảnh hưởng đến NPL ở mức ý nghĩa thống kê 5% Các biến LGR, GDP, UNE đều tác động đến NPL ở mức ý nghĩa 1%, trong đó, chỉ có LGR là tương quan âm với NPL Tuy nhiên, giá trị p của CIR và SIZE đều lớn hơn 0,1, cho thấy không có ảnh hưởng đáng kể đến biến phụ thuộc NPL.
Vì vậy, các giá trị p trong ba mô hình ước lượng hồi quy có ý nghĩa thống kê khác nhau đối với các biến độc lập và phụ thuộc, tùy vào từng phương pháp ước lượng hồi quy cụ thể.
4.1.2.2 Kiểm định F với mô hình Pooled OLS và FEM
Giá trị thống kê F Prob > F Kiểm định F
Bảng 4.3 Kết quả kiểm định F
Nguồn: Nghiên cứu của tác giả
Bảng 4.3 thể hiện kết quả kiểm định F cho thấy Prob > F = 0.0000, với mức ý nghĩa 5% thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là mô hình FEM phù hợp hơn mô hình Pooled OLS.
4.1.2.3 Kiểm định Breusch – Pagan với mô hình Pooled OLS và REM
Kiểm định Breusch – Pagan Chibar2(01) Prob > Chibar2
Bảng 4.4 Kết quả kiểm định Breusch – Pagan
Nguồn: Nghiên cứu của tác giả
Bảng 4.4 thể hiện kết quả kiểm định nhân tử Larange (Breusch – Pagan) cho thấy Prob
> Chibar2 = 0.0000, với mức ý nghĩa 5% thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là mô hình REM phù hợp hơn mô hình Pooled OLS.
4.1.2.4 Kiểm định Hausman với mô hình FEM và REM
Bảng 4.5 Kết quả kiểm định Hausman
Test of H0: Difference in coefficients not systematic chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Nguồn: Nghiên cứu của tác giả
Bảng 4.5 là kết quả sau khi tác giả sử dụng kiểm định Hausman Với Prob > chi2 = 0.0000 nhỏ hơn mức ý nghĩa 5%, bác bỏ H0, chấp nhận giả thuyết H1, nghĩa là mô hình FEM được lựa chọn Sau các bước kiểm định, mô hình FEM là mô hình tối ưu hơn so với Pooled OLS và REM Vì vậy, nghiên cứu chọn FEM và tiến hành kiểm định khuyết tật còn tồn tại của mô hình.
KIỂM ĐỊNH KHUYẾT TẬT MÔ HÌNH FEM
4.2.1 Kiểm định đa cộng tuyến VIF
Bảng 4.6 Kết quả kiểm định hệ số VIF
5 Nguồn: Nghiên cứu của tác giả
Bảng 4.6 cho thấy kết quả kiểm định cho thấy hệ số VIF của các biến đều nhỏ hơn 5 Vì vậy, các biến trong mô hình không xảy ra hiện tượng đa cộng tuyến.
4.2.2 Kiểm định tự tương quan Wooldridge
Bảng 4.7 Kết quả kiểm định tự tương quan Wooldridge
Wooldridge test for autocorrelation in panel data
Nguồn: Nghiên cứu của tác giả
Với mức ý nghĩa 5%, kết quả kiểm định như bảng 4.7 cho thấy Prob > F = 0,0064 nhỏ hơn 5%, dẫn đến bác bỏ giả thuyết H0, chấp nhận H1, nghĩa là mô hình có tự tương quan bậc nhất.
4.2.3 Kiểm định phương sai thay đổi Modified Wald
Bảng 4.8 Kết quả kiểm định phương sai thay đổi Modified Wald
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i chi2 (27) 2562.42
Nguồn: Nghiên cứu của tác giả
Kết quả kiểm định Wald từ bảng 4.8 cho thấy P – value của Chi2 = 0,0000 nhỏ hơn mức ý nghĩa 5%, bác bỏ giả thuyết H0, chấp nhận giả thuyết H1: có tồn tại hiện tượng phương sai thay đổi, kết luận mô hình FEM có hiện tượng phương sai thay đổi.
4.2.4 Ước lượng mô hình bằng phương pháp GLS
Tác giả nhận thấy sau khi sử dụng các kiểm định gồm: kiểm định đa cộng tuyến VIF, kiểm định tự tương quan bằng phương pháp Wooldridge và kiểm định phương sai thay đổi bằng phương pháp Modified Wald, mô hình FEM có hiện tượng phương sai thay đổi và có tự tương quan bậc nhất nên cần xử lý khắc phục mô hình bằng phương pháp FGLS để tăng tính hiệu quả cho mô hình nghiên cứu.
Tác giả tiến hành khắc phục mô hình FEM bằng phương pháp bình phương tối thiểu tổng quát (GLS).
Bảng 4.9 Kết quả hồi quy mô hình GLS
Biến Hệ số hồi quy
Sai số chuẩn Hệ số hồi quy chuẩn hóa
Nguồn: Nghiên cứu của tác giả
Kết quả hồi quy mô hình bằng phương pháp FGLS qua bảng 4.9 cho thấy Prob > Chi2
= 0,0000 dẫn đến kết luận mô hình có ý nghĩa thống kê Trong đó, các biến ROA, LGR có ý nghĩa thống kê ở mức 1% với giá trị P đều bằng 0,000 Ở mức ý nghĩa 5%, biến ROE, CIR, SIZE, INF đều có tác động đến biến NPL Biến GDP và biến UNE không có ý nghĩa thống kê ở mức 1% và 5%, tuy nhiên, cả 2 biến đều có tác động đến NPL ở mức 10%.
THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
4.3.1 Thảo luận về mức độ tác động của khả năng sinh lời
Lợi nhuận trên tổng tài sản (ROA) cùng chiều với tỷ lệ nợ xấu (NPL) Với độ tin cậy 99%, ROA đạt mức độ tác động cao nhất so với các biến nghiên cứu khác Kết quả này đồng nhất với giả thuyết H 1 của tác giả khi chứng minh rằng khi lợi nhuận trên tổng tài sản tăng thì nợ xấu trong quá trình cấp tín dụng cho khách hàng cũng tăng.Tác động của lợi nhuận trên tổng tài sản đến nợ xấu tại các NHTM Việt Nam phụ thuộc vào nhiều yếu tố, bao gồm chính sách và chiến lược của ngân hàng, điều kiện thị trường kinh tế và tài chính, cũng như quản lý rủi ro và đánh giá khách hàng của ngân hàng Tài sản có thể tạo ra lợi nhuận nếu được quản lý hiệu quả và sử dụng trong các chiến lược đầu tư phù hợp Tuy nhiên, nếu không được quản lý tốt, chúng có thể gây ra những rủi ro đáng kể Trong khi đó, nợ xấu có thể gây thiệt hại đáng kể cho ngân hàng nếu không được quản lý tốt Để gia tăng lợi nhuận trên tổng tài sản, các ngân hàng thường tập trung tối ưu hóa hoạt động đầu tư và quản trị rủi ro Các ngân hàng cần đánh giá kỹ đối tượng khách hàng và theo dõi tình hình trả nợ của họ để giảm thiểu rủi ro từ nợ xấu
Hình 4.1 Biểu đồ tương quan biến động giữa ROA và NPL
Lợi nhuận trên vốn chủ sở hữu (ROE) cùng chiều với tỷ lệ nợ xấu (NPL) Độ tin cậy của ROE bằng 95% Mức độ tác động của ROE là khá cao, chỉ sau ROA Kết quả này đúng với kỳ vọng dấu ban đầu của tác giả ở giả thuyết H 2 Điều này cho thấy rằng có thể do bỏ qua yếu tố quản lý rủi ro tín dụng chặt chẽ và nới lỏng việc cho vay mà ngân hàng đang gia tăng lợi nhuận từ hoạt động tín dụng nhiều hơn dẫn đến nợ xấu cũng từ đó mà tăng lên Hơn nữa, thông qua kết quả này các ngân hàng cho thấy các ngân hàng hàng TMCP Việt Nam có thể đang gặp khó khăn trong việc quản lý nợ, và có thể gặp nguy cơ lỗ hơn trong tương lai.
Hình 4.2 Biểu đồ tương quan biến động giữa ROE và NPL 4.3.2 Thảo luận về mức độ tác động của quản trị điều hành
Quản trị điều hành (CIR) ngược chiều với tỷ lệ nợ xấu (NPL) Độ tin cậy của CIR đạt mức 95%, chấp nhận giả thuyết H 3 Mức độ tác động của CIR đối với NPL là cao thứ ba sau ROA và ROE QTĐH đóng vai trò cần thiết trong việc giảm thiểu nợ xấu và là một yếu tố quan trọng trong quản trị tài chính và kinh doanh của các NHTM ở Việt Nam Ý nghĩa của nó thể hiện ở giảm thiểu rủi ro tài chính Trong đó, nợ xấu có thể gây ra rủi ro cho tài chính của ngân hàng, đặc biệt là nếu không được quản trị và điều hành đúng cách Trong giai đoạn 2014 – 2021, nguyên nhân mà CIR tác động ngược chiều tới NPL của các ngân hàng TMCP Việt Nam chính là vì khi ngân hàng tăng chi phí hoạt động và các công tác tăng cường tín dụng dẫn đến giảm số lượng nợ xấu trong danh mục nợ của tổ chức.
Hình 4.3 Biểu đồ tương quan biến động giữa CIR và NPL
4.3.3 Thảo luận về mức độ tác động của biến kiểm soát
Quy mô ngân hàng (SIZE) ngược chiều với tỷ lệ nợ xấu (NPL) Điều này tương đồng với kỳ vọng dấu của tác giả theo giả thuyết H 4 và đồng thời phù hợp với nghiên cứu của E.M.N.N và cộng sự (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018). Nguyên nhân của mối quan hệ ngược chiều giữa quy mô ngân hàng và tỷ lệ nợ xấu được giải thích rằng trong hệ thống NHTM, do thực tế là các ngân hàng lớn có nguồn lực đủ mạnh để đánh giá các khoản vay của họ, giúp cải thiện chất lượng các khoản vay và cơ hội đa dạng hóa danh mục đầu tư nhiều hơn so với các ngân hàng nhỏ Vì vậy, quy mô ngân hàng càng mở rộng và tăng cường nguồn lực đủ mạnh thì tỷ lệ nợ xấu càng giảm.
Tăng trưởng tín dụng (LGR) ngược chiều với tỷ lệ nợ xấu (NPL) Kết quả tác động này phù hợp với kỳ vọng dấu của tác giả ở giả thuyết H 5 và đã được chứng minh bởi các nghiên cứu của Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng (2018), Tole và các cộng sự (2019) Trên thực tế, các ngân hàng TMCP Việt Nam trong giai đoạn 2014 – 2021 đã cho vay nhiều hơn so với số tiền gửi mà họ nhận được từ khách hàng Tuy nhiên, nếu tăng trưởng tín dụng được quản lý tốt và phân bổ đúng đắn, điều này có thể giúp tăng doanh thu và lợi nhuận, song song đó giúp giảm nợ xấu của ngân hàng.
Tăng trưởng kinh tế (GDP) cùng chiều với tỷ lệ nợ xấu (NPL) Độ tin cậy của GDP là 90%. Kết quả này phù hợp giả thuyết H6 của tác giả và tương đồng với nghiên cứu của Towhid và các cộng sự (2019) Trong giai đoạn 2014 – 2021, nền kinh tế Việt Nam tăng trưởng cao đã góp phần tạo điều kiện thuận lợi cho các hoạt động kinh doanh sản xuất, tuy nhiên chính lúc này, nhu cầu vay tiền cũng tăng, và do đó ngân hàng có thể tăng cường bổ sung các khoản vay Tuy nhiên, nếu khoản vay được sản xuất nhiều hơn mức khách hàng có khả năng trả nợ, tỷ lệ NPL có thể tăng Điều này xảy ra khi khoản vay được sản xuất một cách quá mức so với năng lực của khách hàng, và khi khách hàng không có khả năng trả nợ trong thời gian dài Nếu tỷ lệ NPL tăng, các ngân hàng có thể phải chịu áp lực tài chính và mất tiền lãi, gây ảnh hưởng tiêu cực đến hoạt động của ngân hàng và nền kinh tế.
Tỷ lệ lạm phát (INF) cùng chiều với tỷ lệ nợ xấu (NPL) Độ tin cậy của INF bằng 0,040 thể hiện ý nghĩa thống kê ở mức 5% Kết quả này phù hợp với nghiên cứu của tương đồng với giả thuyết H7 của tác giả Lý luận cho điều này là vì thực tế, giai đoạn năm 2014 – 2021, khi lạm phát tăng cao chính phủ có xu hướng áp dụng chính sách tiền tệ và tài khóa, điều này sẽ tác động xấu đến huy động vốn cho vay, đầu tư và thực hiện các dịch vụ ngân hàng, ảnh hưởng xấu đến khả năng trả nợ vay của khách hàng, làm gia tăng nợ xấu.
Tỷ lệ thất nghiệp (UNE) cùng chiều với tỷ lệ nợ xấu (NPL) Kết quả này phù hợp với các nghiên cứu của Ekanayake và Azeez (2015), Nguyễn Thị Hồng Vinh và Nguyễn Minh Sáng
(2018), Tole và các cộng sự (2019) Trong những năm từ 2014 đến 2021, thực tế khi tỷ lệ thất nghiệp tăng lên đồng nghĩa với khách hàng thất nghiệp phải chịu gánh nặng trong việc quản lý chi tiêu tài chính cho sinh hoạt hàng ngày Điều đó khiến các khách hàng không có đủ thu nhập để chi trả gốc và lãi khoản vay, dẫn đến nợ xấu tại các ngân hàng TMCP Việt Nam cũng theo đó mà gia tăng.
Thông qua bộ dữ liệu từ 27 ngân hàng TMCP Việt Nam trong giai đoạn từ 2014- 2021,nghiên cứu đã kiểm định được mức độ tác động của KNSL và QTĐH Kết quả cho thấyKNSL mà biến đại diện là lợi nhuận trên tổng tài sản (ROA) và lợi nhuận trên vốn chủ sở hữu (ROE) đều có tác động cùng chiều với tỷ lệ nợ xấu (NPL), quản trị điều hành (CIR) tác động ngược chiều với NPL Tiếp theo, chương 5 tác giả sẽ đưa ra kết luận của nghiên cứu và dựa theo kết quả nghiên cứu ở chương 4 để đưa ra các kiến nghị có liên quan.