Thành phố Hồ Chí Minh – Năm 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG THÀNH PHỐ HỒ CHÍ MINH NGUYỄN VĂN HÒA CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN CHỈ SỐ CHẤT LƯỢNG TÍN DỤNG TẠ[.]
GIỚI THIỆU ĐỀTÀI NGHIÊN CỨU
Tính cấp thiết đề tài
Tín dụng từ lâu đã chiếm vai trò quan trọng trong hoạt động của ngân hàng thương mại. Đây cũng chính là hoạt động đem lại nguồn lợi nhuận cao nhất cho ngân hàng Tuy nhiên, như nguyên tắc cơ bản của tài chính, lợi nhuận luôn đi kèm với rủi ro Theo đó, rủi ro tín dụng, được định nghĩa là “rủi ro do khách hàng không thực hiện hoặc không có khả năng thực hiện một phần hoặc toàn bộ nghĩa vụ trả nợ theo hợp đồng hoặc thoả thuận với ngân hàng”, là rủi ro chính khiến các ngân hàng phải dồn nguồn lực tìm hiểu, nghiên cứu, xây dựng các phòng ban chức năng nhằm quản lý hiệu quả, đảm bảo khả năng sinh lời cũng như sự an toàn cho các khoản tiền gửi của khách hàng.
Theo truyền thống, việc quản lý rủi ro tín dụng được thực hiện từ trước khi cho vay như ban hành và quản lý chính sách, chấm điểm, phân tích, và phê duyệt tín dụng đến sau khi cho vay như quản lý khoản vay, quan hệ khách hàng… Như vậy, có thể thấy, ngân hàng hòan toàn có thể tập trung nguồn lực xây dựng một hệ thống chính sách, công cụ toàn diện để kiểm soát khoản vay trước khi cấp tín dụng, vốn chỉ chiếm lượng thời gian ngắn so với toàn bộ thời hạn vay Tuy nhiên, rủi ro phát sinh từ sau khi cho vay, trải dài trong suốt thời gian khoản vay còn hiệu lực, phụ thuộc nhiều vào kinh nghiệm, năng lực của từng nhân viên quản lý khoản vay của khách hàng cũng như diễn biến về thu nhập, tình hình kinh doanh, môi trường kinh tế trong suốt thời hạn vay. Rủi ro tín dụng là một trong các tác nhân quan trọng ảnh hưởng đến chất lượng tín dụng Hai yếu tố này có mối quan hệ tỷ lệ nghịch với nhau Rủi ro tín dụng nếu không được nhận diện, quản lý, giám sát, dự báo và ước lượng một cách hợp lý có thể khiến ngân hàng chủ quan, đẩy mạnh cho vay vào các lĩnh vực có nguy cơ cao (thường là lĩnh vực thu nhiều lợi nhuận) Đến một thời điểm nhất định, khi không kiểm soát được các khoản vay này được nữa, ngân hàng sẽ phát sinh hàng loạt các tổn thất tín dụng, ảnh hưởng nặng nề đến lợi nhuận cũng như các khoản tiền gửi của khách hàng Vì vậy dự phóng các rủi ro có thể xảy ra, cũng chính là tìm hiểu về các yếu tố tác động đến chất lượng tín dụng Điều này sẽ giúp ngân hàng nâng cao năng lực giám sát, quản lý, phân tích và dự phóng các rủi ro có thể xảy ra, chủ động thực hiện các biện pháp cần thiết bảo vệ hoạt động kinh doanh của ngân hàng cũng như sự an toàn đối với tiền gửi của khách hàng,
2 một nhiệm vụ tối thượng của ngân hàng thương mại. Để giải quyết vấn đề này, hệ thống tài chính thế giới từ lâu đã phát triển nhiều phương pháp, mô hình tiên tiến nhằm đánh giá chất lượng tín dụng, dự phóng các biến kinh tế vĩ mô, kết nối và ước lượng tác động của các biến này với chất lượng tín dụng Ngân hàng Thanh toán Quốc tế (BIS), tổ chức quốc tế có thể được coi như là ngân hàng trung ương của các ngân hàng trung ương trên thế giới, từ lâu cũng đã đặt ra các quy định cụ thể yêu cầu các ngân hàng về việc đánh giá, lượng hóa các yếu tố rủi ro trong hoạt động ngân hàng, đồng thời kiểm tra sức chịu đựng đối với các kịch bản căng thẳng về kinh tế vĩ mô Trong số các văn bản đã được BIS ban hành, các ngân hàng quan tâm chú trọng nhất là Hiệp ước Basel Văn bản này được giới thiệu lần đầu tiên từ năm
1988, đến nay Hiệp ước Basel, trải qua nhiều lần nâng cấp, hiện tại áp dụng chính thức Basel III và đang chuẩn bị nâng lên phiên bản Basel IV vào năm đầu năm 2023.
Ngoài ra, Ủy ban Chuẩn mực kế toán quốc tế (IASB) cũng đã ban hành một hệ thống chuẩn mực kế toán với tên gọi là Chuẩn mực báo cáo tài chính quốc tế (IFRS) nhằm tạo ra một “ngôn ngữ” toàn cầu chung về kế toán, giúp cho các báo cáo tài chính được trình bày nhất quán, minh bạch, tin cậy, và dễ dàng so sánh với nhau Các chuẩn mực này cũng yêu cầu về việc ước lượng các tổn thất dự kiến của doanh nghiệp và phải tính toán đến tác động hướng tới tương lai (ước lượng tác động của các biến kinh tế vĩ mô đến chất lượng tín dụng trong tương lai) của các tổn thất này Các qui định, yêu cầu trên đã tạo ra tiêu chuẩn và nền tảng cho các định chế tài chính, mà ngân hàng thương mại đóng vai trò quan trọng, đánh giá và quản lý rủi ro tín dụng sát sao và toàn diện hơn.
Tại Việt Nam, vào cuối năm 2016, Ngân hàng Nhà nước Việt Nam (NHNN) đã ban hành thông tư 41/2016/TT-NHNN (TT41), quy định tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàng nước ngoài và vào tháng 5 năm 2018, NHNN cũng đã ban hành thêm Thông tư 13 quy định về hệ thống kiểm soát nội bộ của Ngân hàng thương mại, trong đó nội dung về đánh giá nội bộ mức đủ vốn yêu cầu các ngân hàng phải kiểm tra sức chịu đựng trong các trường hợp căng thẳng và dự trữ đủ vốn cho giai đoạn này Tất cả ngân hàng thương mại buộc phải tuân thủ nội dung này là đầu năm 2021 và thời hạn nộp báo cáo đầu tiên cho Ngân hàng Nhà nước là tháng 2 năm 2022 Hai thông tư này,
3 cùng với nhau, có thể được coi là phiên bản Việt hóa của Hiệp ước Basel II Điều này buộc ngân hàng phải gấp rút xây dựng các kịch bản về trường hợp căng thẳng của các biến kinh tế vĩ mô và kết nối các biến này với các yếu tố ảnh hưởng đến chỉ số chất lượng tín dụng tại ngân hàng.
Ngoài ra, trong tháng 3 năm 2020, Bộ Tài chính cũng đã chính thức quyết định phê duyệt đề án áp dụng chuẩn mực báo cáo tài chính tại Việt Nam, theo đó ban hành mới và tổ chức thực hiện hệ thống chuẩn mực báo cáo tài chính Việt Nam (VFRS) theo nguyên tắc tiếp thu tối đa thông lệ quốc tế, phù hợp với đặc thù của nền kinh tế Việt Nam và nhu cầu của doanh nghiệp, đảm bảo tính khả thi trong quá trình thực hiện. VFRS được xây dựng chủ yếu dựa trên các chuẩn mực báo cáo tài chính quốc tế, trong đó một cấu phần lớn và quan trọng nhất là chuẩn mực số 9 (IFRS 9), chủ yếu quy định các nguyên tắc về việc hạch toán suy giảm giá trị đối với các tài sản tài chính (Impairment) IFRS 9 cũng nêu rõ việc tính toán giá trị dự phòng, tổn thất tín dụng dự kiến phải được dự phóng đối với các kịch bản khác nhau của nền kinh tế trong tương lai.
Những nội dung nêu trên cho thấy việc phân tích, dự phóng các yếu tố vĩ mô của nền kinh tế và ước lượng tác động của chúng đối với chất lượng tín dụng của các ngân hàng thương mại là cực kỳ cấp thiết Bên cạnh việc tuân thủ các quy định hiện hành cũng như trong tương lại gần, việc hiểu, phân tích, xây dựng các kịch bản dự phóng các tác động của các biến kinh tế vĩ mô đến hiệu quả hoạt động kinh doanh của ngân hàng thương mại cũng giúp nội bộ ngân hàng chủ động quản lý tốt hơn các yếu tố rủi ro có thể xảy ra trong tương lai, đề ra các biện pháp, kế hoạch ứng phó cũng như dự trữ đầy đủ lượng vốn cần thiết, bảo vệ tiền gửi của khách hàng, ổn định hoạt động kinh doanh của ngân hàng.
Các nghiên cứu hiện nay thường tập trung sử dụng tỷ lệ nợ xấu (Non-performing Loan
- NPL) là thước đo chất lượng tín dụng Tỷ lệ NPL thường được phân tích hồi quy thông qua các biến kinh tế vĩ mô và các biến đặc điểm ngân hàng để ước lượng tác động cũng như dự phóng chất lượng tín dụng trong tương lai Tuy nhiên, tỷ lệ NPL chưa phải là một chỉ số tối ưu để phản ánh chất lượng tín dụng do không thể hiện được khả năng vỡ nợ của khách hàng Do đó, trong nghiên cứu này, chất lượng tín dụng sẽ được ước lượng thông qua các ma trận chuyển dịch nhóm nợ Bên cạnh đó, với cơ chế
4 có thể chuyển đổi qua lại từ dạng chỉ số sang dạng ma trận chuyển dịch nhóm nợ từng thời điểm, ngân hàng có thể linh hoạt dự phóng chỉ số Z dựa trên các kịch bản vĩ mô và chuyển thành dạng ma trận chuyển dịch chứa nhiều thông tin về khả năng vỡ nợ của khách hàng, từ đó làm cơ sở tính toán các trích lập dự phòng cần thiết khi nền kinh tế diễn biến bất lợi.
Từ suy nghĩ đó, tác giả chọn đề tài: “Các yếu tố ảnh hưởng đến chỉ số chất lượng tín dụng tại Ngân Hàng Thương Mại Cổ Phần Á Châu” làm luận văn tốt nghiệp cao học của mình.
Mục tiêu nghiên cứu
Mục tiêu tổng quát của đề tài này là xác định các yếu tố có khả năng ảnh hưởng đến chất lượng tín dụng của ACB, từ đó đề xuất các giải pháp nhằm nâng cao chất lượng tín dụng tại ACB trong thời gian tới.
Từ mục tiêu tổng quát, đề tài bao gồm 03 mục tiêu nghiên cứu cụ thể như sau:
• Ước lượng chỉ số Z phản ánh chất lượng tín dụng của ACB thông qua khả chuyển dịch nhóm nợ.
• Xác định các yếu tố phía cầu (kinh tế vĩ mô) và phía cung (đặc điểm ngân hàng) có khả năng ảnh hưởng đến chất lượng tín dụng của ACB thông qua phân tích hồi quy.
• Đề xuất các giải pháp nâng cao chất lượng tín dụng tại ACB trong thời gian tới.
Câu hỏi nghiên cứu
Câu hỏi nghiên cứu chính của đề tài như sau:
• Chất lượng tín dụng tại ACB được phản ánh thông qua chỉ số Z như thế nào?
• Những yếu tố nào ảnh hưởng đến chất lượng tín dụng tại ACB?
• Những giải pháp nào nhằm nâng cao chất lượng tín dụng tại ACB trong thời gian tới?
Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu là chất lượng tín dụng (thông qua phân tích chỉ số Z) và nhân tố ảnh hưởng đến chất lượng tín dụng tại NHTM.
Phạm vi nghiên cứu tại ACB trong giai đoạn 2014-2021 Giai đoạn này được lựa chọn dựa trên tính khả thi của dữ liệu và giai đoạn kinh tế ổn định sau 2 cuộc suy thoái kinh
5 tế ở Việt Nam năm 2008 và 2012.
Đóng góp của đề tài
Đề tài này có ý nghĩa trên cả hai phương diện lý luận và thực tiễn Cụ thể:
Về mặt lý luận: Để đo lường chất lượng tín dụng, hầu hết các nghiên cứu thực nghiệm ở Việt Nam và trên thế giới đều sử dụng tỷ lệ nợ xấu Tuy nhiên, thước đo này phản ánh tỷ lệ dựa trên số dư tại một thời điểm trong trạng thái tĩnh, không phản ánh đúng bản chất về khả năng vỡ nợ của khách hàng, đó là khả năng dịch chuyển nhóm nợ, biểu hiện cho sự thay đổi chất lượng tín dụng do chịu ảnh hưởng của các yếu tố bên ngoài. (nói khác đi là xem xét chất lượng tín dụng trong trạng thái động) Chính vì vậy, nên kết quả dự phóng thu được từ việc nghiên cứu chất lượng tín dụng thông qua tỷ lệ nợ xấu không có nhiều giá trị sử dụng khi chỉ biết được một con số tỷ lệ nợ xấu chung, hạn chế khả năng đề xuất các hàm ý chính sách trong kiểm tra sức chịu đựng Trên thế giới, việc sử dụng chỉ số Z là thước đo chất lượng tín dụng không phải là một ý tưởng mới (theo cách tiếp cận của Gupton, Finger, và Bhatia (1997); Belkin và cộng sự (1998)) Tuy nhiên, tại Việt Nam, việc nghiên cứu chất lượng tín dụng thông qua chỉ số
Z là một phương pháp mới, đột phá về mặt lý luận so với phương pháp đã và đang được sử dụng từ trước đến nay trong lĩnh vực tài chính tại Việt Nam.
Sử dụng chỉ số Z là thước đo chất lượng tín dụng có những ưu điểm sau đây:
• Phản ánh chất lượng tín dụng qua thông qua bức tranh về sự chuyển dịch giữa các nhóm nợ.
• Được xây dựng dựa trên lý thuyết xác suất, có ý nghĩa về mặt định lượng, phản ánh đúng bản chất của khả năng vỡ nợ.
• Chỉ số Z và ma trận xác suất chuyển dịch nhóm nợ có thể được tính toán khi biết
1 trong 2 đối tượng, mang lại nhiều giá trị sử dụng khi thực hiện dự phóng, đặc biệt trong việc kiểm tra sức chịu đựng.
Về mặt thực tiễn: Nghiên cứu này trước hết sẽ giúp cho nhà quản trị ngân hàng tại ACB vận dụng để hiểu chính xác về chất lượng tín dụng tại ngân hàng mình, từ đó đề ra các chính sách quản lý hiệu quả Tiếp sau đó, nếu thực hiện tại ACB có kết quả tốt, sẽ mở ra hướng đi cho các NHTM khác trong quá trình quản lý, nâng cao chất lượng tín dụng
Cấu trúc của đề tài
Đề tài có cấu trúc 5 chương như sau:
• Chương 1 Giới thiệu đề tài nghiên cứu: Nêu tính cấp thiết của đề tài, các mục tiêu, câu hỏi, đối tượng, phạm vi nghiên cứu và đóng góp của đề tài.
• Chương 2 Lược khảo lý thuyết và các nghiên cứu có liên quan đến chất lượng tín dụng và nhân tố ảnh hưởng đến chất lượng tín dụng: Trình bày các cơ sở lý thuyết có liên quan đến các yếu tố ảnh hưởng đến chất lượng tín dụng, các kết quả thực nghiệm gần đây trên thế giới và Việt Nam có liên quan đến đề tài.
• Chương 3 Dữ liệu và Phương pháp nghiên cứu: Trình bày về dữ liệu và các nguồn thu thập, cách thức tính toán và xử lý dữ liệu đáp ứng yêu cầu của đề tài. Trình bày phương pháp xây dựng chỉ số Z, mô hình sử dụng và các phương pháp kiểm định mô hình.
• Chương 4 Kết quả nghiên cứu: Trình bày kết quả về việc xây dựng chỉ số chất lượng tín dụng ước lượng và kiểm định mô hình nghiên cứu.
• Chương 5 Kết luận và giải pháp: Trình bày các kết luận về đề tài nghiên cứu, đề xuất các giải pháp ổn định và nâng cao chất lượng tín dụng ở ACB, xác định vai trò của mô hình đối với việc kiểm tra sức chịu đựng tại ngân hàng.
CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU CÓ LIÊN QUAN VỀ CHẤT LƯỢNG TÍN DỤNG VÀ YẾU TỐ ẢNH HƯỞNG ĐẾN CHẤT LƯỢNG TÍN DỤNG
Cơ sở lý thuyết về chất lượng tín dụng
• 1.1 Khái niệm chất lượng tín dụng
2.1.1.1 Khái niệm chung về chất lượng
Thuật ngữ "chất lượng" có một ý nghĩa tương đối Trong mỗi lĩnh vực khác nhau, với mục đích khác nhau sẽ có nhiều quan điểm về chất lượng khác nhau Theo Tổ chức tiêu chuẩn hoá quốc tế (ISO: International Organization for Standardization), chất lượng là mức độ mà một tập hợp các đặc tính vốn có của một đối tượng đáp ứng các yêu cầu trong đó các yêu cầu là nhu cầu hoặc kỳ vọng được nêu ra, thường là ngụ ý hoặc bắt buộc Đối tượng được nhắc đến trong định nghĩa bao gồm: hàng hóa, dịch vụ, quy trình, cá nhân, tổ chức, hệ thống hoặc nguồn lực.
2.1.1.2 Khái niệm chất lượng tín dụng
Dựa trên định nghĩa về chất lượng của ISO, chất lượng tín dụng có thể được xem là mức độ mà các đặc tính vốn có của các khoản tín dụng đáp ứng các yêu cầu của bên cấp tín dụng Các đặc tính và yêu cầu có thể kể đến bao gồm:
• Dòng tiền trả nợ gốc và lãi cần phải được thanh toán đủ số lượng và đúng hạn. Đây là đặc tính cốt lõi mà hầu hết các ngân hàng, tổ chức tín dụng hay các cá nhân, tổ chức có tham gia cấp tín dụng đều quan tâm.
• Mục đích sử dụng phù hợp với chính sách tín dụng nói riêng cũng mục tiêu phát triển kinh tế xã hội nói chung.
• Tài sản thế chấp phải được đảm bảo về mặt pháp lý cũng như có giá trị phù hợp với khoản vay để đảm bảo tính an toàn.
• Lãi suất và kỳ hạn: cần phải ở mức phù hợp để phù hợp với mặt bằng chung của thị trường, đảm bảo khả năng trả nợ của người đi vay cũng như lợi nhuận của bên cho vay.
• Các thông tin khác về bên vay vốn cần được đảm bảo tính trung thực và đáp ứng các yêu cầu mà bên cho vay đưa ra. Ở một góc nhìn khác, chất lượng tín dụng là một khái niệm dùng để phản ánh mức độ rủi ro trong hoạt động tín dụng Theo đó, chất lượng tín dụng có thể được đánh giá trên 03 phương diện: bên đi vay, bên cho vay và nền kinh tế.
• Đối với bên đi vay: chất lượng tín dụng được thể hiện qua phạm vi, mức độ, giới hạn tín dụng phải phù hợp với năng lực của bản thân người đi vay, đảm bảo nguyên tắc hoàn trả đúng hạn và có lãi.
• Đối với bên cho vay: chất lượng tín dụng được thể hiện qua mức lãi suất và kỳ hạn hợp lý, đảm bảo được tính cạnh tranh trên thị trường và đúng với các nguyên tắc tín dụng.
• Đối với nền kinh tế: chất lượng tín dụng được thể hiện qua việc thúc đẩy sản xuất và lưu thông hàng hoá, góp phần giải quyết việc làm cho người lao động, tận dụng tốt các nguồn lực trong nền kinh tế, củng cố mối quan hệ giữa tăng trưởng tín dụng và tăng trưởng kinh tế.
Như vậy, nói một cách tổng quát, có thể hiểu chất lượng tín dụng “là một chỉ tiêu tổng hợp phản ánh mức độ đáp ứng yêu cầu vay vốn hợp lý của khách hàng; phù hợp với chính sách tín dụng, bảo đảm an toàn, giảm thiểu rủi ro và mang lại hiệu quả kinh tế cho ngân hàng; đồng thời góp phần thúc đẩy phát triển kinh tế xã hội như một tổng thể” (Nguyễn Văn Tiến, 2015)
• 1.2 Đo lường chất lượng tín dụng
2.1.2.1 Đo lường chất lượng tín dụng thông qua chỉ tiêu nợ xấu
Các nghiên cứu trước đây thường sử dụng tỷ lệ nợ xấu (NPL ratio) như thước đo chất lượng tín dụng vì đây là biểu hiện của rủi ro trong hoạt động tín dụng của ngân hàng khi khách hàng không trả được nợ hoặc trả nợ không đúng hạn Tỷ lệ nợ xấu cao đồng nghĩa với chất lượng tín dụng thấp và ngược lại Tuy nhiên đo lường thông qua tỷ lệ nợ xấu có điểm bất cập Đó là tỷ lệ nợ xấu được xác định dựa trên tỷ lệ số dư các khoản nợ xấu so với tổng dư nợ tín dụng, do đó con số này có thể không phản ánh chính xác chất lượng tín dụng tại một ngân hàng vì bị ảnh hưởng bởi độ lớn của dư nợ tín dụng Các khách hàng sẽ có dư nợ tín dụng khác nhau, nếu một ngân hàng có rất nhiều khách hàng nhỏ vỡ nợ thì tỷ lệ nợ xấu tăng lên không phản ánh đúng chính xác khả năng vỡ nợ của các khách hàng mà ngân hàng đó đang cơ nguy cơ gặp phải.
2.1.2.2 Đo lường chất lượng tín dụng thông qua sự chuyển dịch xếp hạng
Theo cách tiếp cận của Gupton, Finger, và Bhatia (1997), chất lượng tín dụng có thể được đo lường thông qua khả năng (xác suất) chuyển dịch giữa các nhóm xếp hạng tín dụng. Đây là phương pháp đo lường chất lượng tín dụng có nhiều ưu việt hơn so với phương pháp đo lường theo tỷ lệ nợ xấu, vì dựa trên xác suất chuyển dịch giữa các nhóm xếp hạng tín dụng và con số xác suất được xác định dựa trên số lượng khách hàng ở các nhóm hạng tín dụng Theo đó, cách tiếp cận này phản ánh chính xác khả năng vỡ nợ của các khách hàng mà ngân hàng đang phải đối mặt và điều này mới phản ánh chính xác hơn về chất lượng tín dụng của ngân hàng (theo Gupton và cộng sự (1997) và Belkin và cộng sự (1998)).
Dựa trên cách tiếp cận của Gupton và cộng sự (1997) và Belkin và cộng sự (1998), giả định rằng sự chuyển dịch từ một nhóm sang các nhóm xếp hạng tín dụng sau 1 năm được thể hiện bởi một chỉ số X và X sẽ tuân theo quy luật phân phối xác suất chuẩn tắc. Xét tại một nhóm xếp hạng là BBB, xác suất chuyển dịch sang các nhóm xếp hạng khác từ nhóm BBB được thể hiện trong hình dưới đây:
Hình 2.1 Chỉ số X và sự chuyển dịch các nhóm xếp hạng
Theo Hình 2.1 trên, do nhóm xếp hạng ban đầu là BBB, do đó theo hình dạng của phân phối xác suất chuẩn tắc thì khả năng cao chất sẽ không có sự chuyển dịch sang nhóm nợ khác sau 1 năm mà sẽ giữ nguyên xếp hạng là BBB (ví dụ là 88%), xác suất này là được tính bằng ϕ(xBBB) - ϕ(xBB) với ϕ là hàm phân phối xác suất tích lũy, ϕ(xBBB) chính là xác suất để các khách hàng ở nhóm BBB chuyển sang các nhóm từ BBB trở xuống, tương tự ϕ(xBB) chính là xác suất để các khách hàng ở nhóm BBB chuyển sang các nhóm từ BB trở xuống.
Một cách tương tự xác suất để khách hàng nhóm BBB chuyển lên nhóm A chính là ϕ(xA)
- ϕ(xBBB) hay xác suất để nhóm BBB chuyển xuống nhóm BB là ϕ(xBB) - ϕ(xA) Một cách tổng quát sẽ có công thức sau đây:
Với G là nhóm xếp hạng ban đầu, g là nhóm xếp hạng chuyển đến sau 1 năm Φ là hàm phân phối xác suất tích lũy, xg các giá trị ngưỡng sao cho ϕ(xg) là xác suất để nhóm xếp hạng G chuyển đến nhóm nhỏ hơn hoặc bằng g.
Hình 2.1 cũng thể hiện xác suất chuyển dịch sang các nhóm xếp hạng từ nhóm BBB ở trạng thái trung bình dựa trên dữ liệu lịch sử, do đó phân phối xác suất mang tính chất đối xứng, tức là xác suất nhóm BBB chuyển sang nhóm tốt hơn hay xấu hơn liền kề sẽ tương đối bằng nhau Xét ở một số thời kỳ, ví dụ như trong pha tăng trưởng của nền kinh tế, xếp hạng tín dụng của khách hàng thường sẽ có khả năng cao chuyển sang nhóm tốt hơn nhóm xấu, ngược lại trong pha suy thoái thì xác suất chuyển sang các nhóm xấu sẽ cao hơn.
Các yếu tố ảnh hưởng đến chất lượng tín dụng
Các nghiên cứu thực nghiệm trên thế giới về những yếu tố ảnh hưởng đến chất lượng tín dụng đều đánh giá từ hai phía: phía cầu và phía cung Trong đó, phía cầu được thể hiện bởi các biến kinh tế vĩ mô và phía cung chính là các nhóm biến vi mô hay còn gọi là các đặc điểm của ngân hàng.
2.2.1 Nhóm các yếu tố vĩ mô
Các nghiên cứu trên thế giới đã chỉ ra được rằng tồn tại mối quan hệ giữa điều kiện kinh tế vĩ mô và chất lượng tín dụng Các nghiên cứu thường giả định rằng khi nền kinh tế thuận lợi hoặc đang trong pha tăng trưởng thì các chủ thể vay vốn như doanh nghiệp, hộ gia đình sẽ có đủ các nguồn thu nhập để trả nợ, dẫn đến chất lượng tín dụng sẽ cao và ngược lại, khi nền kinh tế suy thoái sẽ ảnh hưởng đến các dòng tiền thu nhập của các chủ thể vay vốn, từ đó chất tín dụng suy giảm Carey (1998) cho rằng trạng thái của nền kinh tế là một nhân tố quan trong nhất mang tính hệ thống trong việc tác động đến các danh mục cho vay của ngân hàng.
Tốc độ tăng trưởng GDP
Biến số đặc trưng đại diện cho trạng thái của nền kinh tế đầu tiên có thể kể đến là tốc độ tăng trưởng GDP Khi nền kinh tế tăng trưởng chậm lại, cơ hội việc làm và thu nhập của cá nhân sẽ bị ảnh hưởng theo chiều hướng xấu đi (tỷ lệ thất nghiệp tăng và thu nhập có xu hướng giảm) Đối với các doanh nghiệp, doanh thu và khả năng sinh lời cũng bị giảm đi khi sức tiêu thụ của thị trường xuống dốc Những yếu tố này làm giảm khả năng trả nợ của cả nhóm khách hàng cá nhân và doanh nghiệp nếu họ có tham gia vay vốn ngân hàng. Như vậy, trong điều kiện sự giảm tốc của nền kinh tế, chất lượng tín dụng trong hệ thống ngân hàng sẽ giảm đi.
Sự gia tăng về tốc độ tăng trưởng GDP cũng có thể được xem là sự tăng lên về năng lực sản xuất của nền kinh tế, điều này làm tăng khả năng trả nợ của các chủ thể vay vốn do sự tăng lên của các dòng tiền thu nhập khi các hoạt động sản xuất kinh doanh đều thuận lợi. Như vậy, có thể thấy khi năng lực sản xuất của nền kinh tế được cải thiện thì tạo điều kiện cho chất lượng tín dụng trong hệ thống ngân hàng tăng lên và ngược lại.
Salas và Saurina (2002) trong nghiên cứu về chất lượng tín dụng ở các ngân hàng Tây Ban Nha cho thấy tốc độ tăng trưởng GDP có tác động ngược chiều ngay lập tức và có ý nghĩa thống kê đến tỷ lệ nợ xấu Louzis và cộng sự (2012) cũng có kết quả nghiên cứu tương tự đối với các ngân hàng ở Hy Lạp Nkusu (2011) tìm ra những bằng chứng rất rõ cho thấy tốc độ tăng trưởng GDP và tỷ lệ nợ xấu có mối quan hệ ngược chiều với nhau ở các quốc gia phát triển và Makri và cộng sự (2014) cũng có phát hiện tương đương đối với các ngân hàng thuộc khu vực Châu Âu Zibri (2011) cũng cho thấy tốc độ tăng trưởng GDP góp phần làm giảm tài sản có rủi ro tín dụng Figlewski và cộng sự (2012) cũng tìm thấy các mối quan hệ ngược chiều giữa tốc độ tăng trưởng của GDP và chuyển dịch xếp hạng tín dụng, cụ thể là các luồng chuyển dịch sang các nhóm vỡ nợ và chuyển dịch từ nhóm xếp hạng cao sang các nhóm thấp hơn Ở Việt Nam, các nghiên cứu về nợ xấu của Thành (2017), Quỳnh (2018), Hằng và cộng sự (2020) cũng cho thấy tốc độ tăng trưởng GDP có khả năng làm giảm tỷ lệ nợ xấu.
Giá trị GDP dùng trong tính toán tốc độ tăng trưởng thường là GDP thực (hay còn gọi là GDP theo giá so sánh với một năm gốc nào đó) Các nghiên cứu cũng sử dụng tốc độ tăng trưởng GDP thực là biến số đo lường tốc độ tăng trưởng kinh tế vì đây mới phản ánh đúng năng lực sản xuất của nền kinh tế sau khi đã bỏ qua yếu tố lạm phát của tiền tệ.
Biến kinh tế vĩ mô thứ hai đóng vai trò quan trọng trong việc giải thích sự biến động của chất lượng tín dụng là lãi suất Có nhiều loại lãi suất khác nhau trên thị trường nhưng loại lãi suất mà có mối quan hệ mật thiết đến chất lượng tín dụng là lãi suất cho vay Lãi suất cho vay thực tế là một biến số thuộc nhóm đặc điểm ngân hàng do các ngân hàng sẽ có những chính sách định giá sản phẩm tín dụng khác nhau đối với khách hàng Tuy nhiên, dưới góc nhìn kinh tế vĩ mô, với vai trò là một trung gian tài chính quan trọng trong nền kinh tế, ngân hàng cũng không thể định giá một cách tùy tiện đối với mức lãi suất cho vay mà cần phải phù hợp với các mục tiêu vĩ mô do ngân hàng trung ương hướng đến thông qua chính sách tiền tệ Như vậy, để thể hiện được vai trò vĩ mô của biến lãi suất, loại lãi suất bình quân liên ngân hàng sẽ được sử dụng trong nghiên cứu này, đây cũng là một dạng lãi suất cho vay nhưng do các ngân hàng thỏa thuận với nhau để vay vốn ngắn hạn, đáp ứng các nhu cầu về thanh khoản, thanh toán Sự gia tăng (hoặc giảm) của lãi suất bình quân liên ngân hàng chắc chắn cũng phản ảnh sự tăng lên (hoặc giảm xuống) của mặt bằng lãi suất cho vay của hệ thống ngân hàng.
Lãi suất cho vay chính là một phần của chi phí sử dụng vốn của chủ thể vay vốn và nó có ý nghĩa đặc biệt hơn đối với các chủ thể sử dụng đòn bẩy tài chính cao Lãi suất cao đồng nghĩa với việc chủ thể vay vốn phải trả nhiều tiền hơn cho ngân hàng khi đến kỳ thanh toán, từ đó ảnh hưởng trực tiếp đến dòng tiền thu nhập của chủ thể vay vốn, do đó rủi ro mất khả năng thanh toán cũng dễ xảy ra hơn và làm suy giảm chất lượng tín dụng Ngược lại, nếu lãi suất thấp thì sẽ không gây áp lực lớn đến khả năng trả nợ của chủ thể vay vốn, chất lượng tín dụng sẽ được duy trì ở mức tốt.
Có hai cách tiếp cận khi sử dụng biến lãi suất là dùng lãi suất thực hoặc lãi suất danh nghĩa Theo Rinaldi và Sanchis (2006) lãi suất cho vay thực hay danh nghĩa đều có thể được sử dụng trong các phân tích về chất lượng tín dụng, kết quả nghiên cứu cho thấy cả lãi suất thực và danh nghĩa đều có tác động cùng chiều đến tỷ lệ nợ xấu của các khoản cho vay hộ gia đình.
Figlewski và cộng sự (2012) cũng có kết quả nghiên cứu tương tự khi cho thấy sự tác động cùng chiều của các biến lãi suất đến các luồng chuyển dịch đến các nhóm vỡ nợ và ngược chiều đối với các luồng chuyển dịch cải thiện nhóm xếp hạng Bên cạnh đó, Louzis và cộng sự (2012) cũng tìm thấy các bằng chứng thể hiện mối quan hệ đồng biến giữa lãi suất và tỷ lệ nợ xấu Tuy nhiên, vẫn có nghiên cứu cho ra kết quả ngược lại như Zibri
(2011) đã cho thấy lãi suất góp phần làm giảm tài sản có rủi ro tín dụng tại các ngân hàng ở Tunisia Một số nghiên cứu về chất lượng tín dụng ở các NHTM Việt Nam trong phạm vi tổng quan tài liệu của đề tài này chưa tìm thấy bằng chứng cho rằng lãi suất có tác động đến chất lượng tín dụng.
Lạm phát thể hiện sự mất giá trị của tiền tệ khi giá cả của hàng hóa và dịch vụ tăng lên hay một lượng tiền sẽ mua được ít hơn số lượng hàng hóa và dịch vụ hơn Lạm phát của nền kinh tế thường được đo lường thông qua tốc độ tăng trưởng của chỉ số giá tiêu dùng(CPI) hoặc chỉ số giảm phát GDP Trong nghiên cứu này, dựa trên tính khả thi về mặt số liệu, tỷ lệ lạm phát sẽ được đo lường thông qua tốc độ tăng trưởng so với cùng kỳ năm trước của CPI.
Trong các nghiên cứu thực nghiệm về chất lượng tín dụng, tỷ lệ lạm phát tuy là biến kinh tế vĩ mô quan trọng nhưng không có chiều tác động rõ ràng đến chất lượng tín dụng Xét trên các quan điểm thông thường thì tỷ lệ lạm phát cao có thể phản ánh một tình trạng không tốt của nền kinh tế, do đó sẽ làm tăng nguy cơ của rủi ro tín dụng Nhưng nếu đứng ở góc độ ở người đi vay với một số tiền danh nghĩa nào đó, lạm phát sẽ làm giảm đi giá trị thực của của số tiền mà người đó phải trả, từ đó làm giảm nguy cơ vỡ nợ.
Xu hướng tăng của CPI (lạm phát tăng) có thể ảnh hưởng tiêu cực đến khả năng trả nợ của khách hàng Trong nền kinh tế, CPI tăng đồng nghĩa với sức mua của đồng tiền bị giảm Đối với các khách hàng cá nhân có nguồn thu nhập tương đối cố định, sự suy giảm sức mua của đồng tiền sẽ tạo thêm gánh nặng lên khả năng chi trả các nhu cầu cơ bản của khách hàng, và thu nhập còn lại dùng để chi trả cho các khoản nợ sẽ giảm đi tương ứng khiến khả năng trả nợ của các khách hàng cá nhân bị giảm đi Đối với các khách hàng doanh nghiệp, khi đồng nội tệ mất giá, chi phí cho các hàng hóa và dịch vụ đầu vào hoặc chi phí nhập khẩu để phục vụ cho hoạt động sản xuất kinh doanh sẽ tăng khiến thu nhập còn lại dùng để trả nợ giảm, từ đó khả năng trả nợ cũng suy giảm.
Rinaldi và Sanchis (2006) có kết quả nghiên cứu khẳng định tác động cùng chiều của tỷ lệ lạm phát đến tỷ lệ nợ xấu Figlewski và cộng sự (2012) cũng tìm thấy một số bằng chứng thể hiện tỷ lệ lạm phát ảnh hưởng cùng chiều đến luồng dịch chuyển đến nhóm vỡ nợ trong khi ở các luồng dịch chuyển cải thiện nhóm xếp hạng thì có mối quan hệ ngược chiều Qua đó, tỷ lệ lạm phát sẽ tác động tiêu cực đến chất lượng tín dụng theo quan điểm thông thường Một số nghiên cứu ở Việt Nam của Quỳnh (2018) và Hằng và cộng sự (2020) cũng cho các kết quả tương tự Tuy nhiên, nghiên cứu của Zibri (2011) lại có kết quả ngược lại khi tìm thấy bằng chứng cho thấy lạm phát góp phần vào việc làm giảm tài sản có rủi ro tín dụng tại các ngân hàng ở Tunisia.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Khung phân tích
Dựa trên mục tiêu nghiên cứu, khung phân tích về các yếu tố ảnh hưởng đến chất lượng tín dụng tại ACB được mô tả trong hình dưới đây:
Theo Hình 3.1, đề tài nghiên cứu được thực hiện qua 02 giai đoạn sau đây:
1 Xây dựng chỉ số chất lượng tín dụng Z Chỉ số Z sẽ được xây dựng trên danh mục khách hàng cá nhân, khách hàng doanh nghiệp và toàn bộ ngân hàng.
2 Phân tích hồi quy để xác định các yếu tố ảnh hưởng đến chỉ số chất lượng tín dụng
Z, từ đó đề xuất các giải pháp nâng cao chất lượng cũng như đảm bảo an toàn cho hoạt động tín dụng tại ACB. Ở giai đoạn 1, từ bộ dữ liệu của ACB của về nhóm nợ của khách hàng, một số kỹ thuật biến đổi dữ liệu sẽ được thực hiện để chuyển về dạng ma trận chuyển dịch nhóm nợ Từ đó làm cơ sở để xây dựng chỉ số chất lượng tín dụng Z Bộ dữ liệu sẽ được chia ra thành
02 danh mục riêng biệt để xây dựng chỉ số Z gồm khách hàng cá nhân và khách hàng doanh nghiệp, bên cạnh đó, chỉ số Z cũng được xây dựng dựa trên toàn bộ danh mục tín dụng của ACB Kết thúc giai đoạn 1 sẽ thu được 3 chuỗi thời gian là chỉ số chất lượng tín dụng ứng với tần suất hàng quý từ 2014Q2 đến 2021Q2. Ở giai đoạn 2, mô hình hồi quy thể hiện các yếu tố ảnh hưởng tín dụng tại ACB sẽ được ước lượng với biến phụ thuộc là chỉ số Z, biến độc lập gồm 02 nhóm là nhóm biến kinh tế vĩ mô và nhóm biến đặc điểm ACB Kết quả mô hình là cơ sở để đưa ra các hàm ý chính sách trong việc duy trì và cải thiện chất lượng tín dụng cũng như đảm bảo mục tiêu an toàn vốn trong hoạt động cho vay của ACB.
Dữ liệu nghiên cứu
Dựa vào khung phân tích đã đề cập ở trên, có ba nhóm dữ liệu chính sử dụng trong nghiên cứu bao gồm:
• Nhóm dữ liệu tín dụng của ACB
• Nhóm dữ liệu về các thông tin tài chính của ACB
• Nhóm dữ liệu kinh tế vĩ mô
3.2.1 Dữ liệu tín dụng của ACB
Dữ liệu tín dụng của ACB được sử dụng với mục đích là ước tính chỉ số chất lượng tín dụng của ACB Đây là bảng dữ liệu nội bộ đã được xử lý để đảm bảo yêu cầu cho mục tiêu nghiên cứu Theo đó bảng dữ liệu gồm các trường thông tin sau đây:
• Quý: Thời điểm ghi nhận của báo cáo, theo quý (khóa chính), có độ dài lịch sử từ
• Mã khách hàng: Mã khách hàng (khóa chính), có ý nghĩa phân biệt và nhận diện khách hàng ở các quý khác nhau.
• Nhóm nợ: Nhóm nợ của khách hàng tại thời điểm báo cáo, nhận giá trị từ 1 đến 5.
• Loại khách hàng: Phân biệt khách hàng cá nhân và khách hàng doanh nghiệp, nhận giá trị là “Cá nhân” hoặc “Doanh nghiệp”.
3.2.2 Dữ liệu về các thông tin tài chính của ACB
Dữ liệu về các thông tin tài chính của ACB được thu thập từ các báo cáo tài chính hợp nhất theo quý đã kiểm toán từ 2014Q2 đến 2021Q2 Các khoản mục trên báo cáo tài chính dùng để tính toán các biến đặc điểm ACB bao gồm:
Bảng 3.1 Các khoản mục trên báo cáo tài chính và mục đích sử dụng
Khoản mục Mục đích sử dụng
Tổng dư nợ cho vay Tính toán tốc độ tăng trưởng tín dụng
Tổng vốn chủ sở hữu Tính toán tỷ suất sinh lời trên vốn chủ sở hữu
Lợi nhuận sau thuế Tính toán tỷ suất sinh lời trên vốn chủ sở hữu
Thu nhập từ lãi Tính toán tỷ lệ các khoản thu nhập ngoài lãi
Chi phí từ lãi Tính toán tỷ lệ thu nhập ròng từ lãi so với tổng tài sản Tổng thu nhập Tính toán tính hiệu quả hoạt động và tỷ lệ các khoản thu nhập ngoài lãi
Tổng chi phí Tính toán tính hiệu quả hoạt động
Tổng tài sản Tính toán tỷ lệ thu nhập ròng từ lãi so với tổng tài sản
3.2.3 Dữ liệu kinh tế vĩ mô
Dữ liệu kinh tế vĩ mô được tổng hợp từ nhiều nguồn để đáp ứng mục tiêu nghiên cứu. Các dữ liệu đều được thu thập với tần suất hàng quý từ 2014Q2 đến 2021Q2 Theo đó các dữ liệu cần thu thập được tổng hợp trong bảng dưới đây:
Bảng 3.2 Các dữ liệu kinh tế vĩ mô, nguồn thu thập và mục đích sử dụng
Dữ liệu Nguồn Mục đích sử dụng
IMF Tính toán biến tỷ lệ lạm phát trong mô hình nghiên cứu.
Lãi suất liên ngân hàng kỳ hạn 3 tháng
NHNN Tính toán biến lãi suất trong mô hình nghiên cứu.
Tín dụng nội địa NHNN Tính toán biến tăng trưởng tín dụng trong mô hình nghiên cứu.
GDP theo giá so sánh GSO Dùng để tính biến tăng trưởng GDP thực trong mô hình nghiên cứu.
Giai đoạn 1: Xây dựng chỉ số đo lường chất lượng tín dụng Z
3.3.1 Xác suất chuyển dịch nhóm nợ và chỉ số Z tại ACB
Dựa trên cách tiếp cận của Gupton và cộng sự (1997) và Belkin và cộng sự (1998) về sự chuyển dịch các nhóm xếp hạng, khi áp dụng trong thực tế ở ACB có thể sử dụng dữ liệu về nhóm nợ của các khoản vay vì nhóm nợ mang nhiều nét tương đồng với nhóm xếp hạng.
Theo Thông tư 02/2013/TT-NHNH (Thông tư 02), các khoản cho vay khách hàng được phân loại theo các mức rủi ro như sau:
• Nợ đủ tiêu chuẩn (nợ nhóm 1): nợ trong hạn và được đánh giá là có khả năng thu hồi gốc và lãi đúng thời hạn; nợ quá hạn dưới 10 ngày nhưng được đánh giá là có thể thu hồi phần bị quá hạn, phần còn lại có thể thu hồi đúng hạn.
• Nợ cần chú ý (nợ nhóm 2): nợ quá hạn từ 10 đến 90 ngày; nợ được điều chỉnh kỳ hạn trả nợ lần đầu.
• Nợ dưới tiêu chuẩn (nợ nhóm 3): nợ quá hạn từ 91 đến 180 ngày; nợ gia hạn lần đầu; nợ được miễn hoặc giảm lãi do vượt khả năng chi trả theo hợp đồng tín dụng.
• Nợ nghi ngờ (nợ nhóm 4): nợ quá hạn từ 181 đến 360 ngày; nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn dưới 90 ngày; nợ cơ cấu thời hạn trả nợ lần thứ hai.
• Nợ có khả năng mất vốn (nợ nhóm 5): nợ quá hạn trên 360 ngày; nợ cơ cấu lại thời hạn trả nợ lần đầu quá hạn từ 90 ngày trở lên; nợ cơ cấu thời hạn trả nợ lần thứ hai và quá hạn; nợ cơ cấu lại thời hạn trả nợ lần thứ ba trở lên.
Như vậy theo Thông tư 02, các nhóm nợ từ 1 đến 5 là mang tính thứ bậc thể hiện sự giảm dần của chất lượng tín dụng, bên cạnh đó, dựa vào các yếu tố về số ngày quá hạn nên sẽ tồn tại hiện tượng nhóm nợ có khả năng chuyển dịch sang nhóm tốt hơn và xấu hơn Ví dụ nếu khách hàng không trả nợ trong vòng 3 tháng (> 90 ngày) thì sẽ được ghi nhận là nợ nhóm 3, nếu khách hàng thực hiện thanh toán đầy đủ gốc và lãi của 1 tháng thì khoản nợ quá hạn còn lại sẽ dưới 90 ngày thì sẽ được ghi nhận là nợ nhóm 2 Với tính chất thứ bậc và có khả năng chuyển dịch thì nhóm nợ là hoàn toàn phù hợp với ý tưởng của nhóm xếp hạng khi ứng dụng phương pháp về xác suất chuyển dịch.
Dựa vào dữ liệu tín dụng lịch sử của ACB ở cấp độ khách hàng có thể thống kê được xác suất chuyển dịch nhóm nợ sau khoảng thời gian là 1 năm cho từng thời điểm khác nhau (hàng quý), đây còn được gọi là các trạng thái tín dụng theo thời điểm Các trạng thái này sẽ được bình quân hóa để tạo ra trạng thái tín dụng trung bình Sau đó thực hiện đánh giá trạng thái tín dụng ở từng thời điểm so với trạng thái tín dụng trung bình, hai trường hợp kết quả thu được như sau:
• Trạng thái tín dụng tại 1 thời điểm tốt hơn trạng thái tín dụng trung bình, tức là xác suất chuyển dịch sang các nhóm nợ thấp có xu hướng cao hơn so với chuyển dịch sang các nhóm nợ cao, tương tự với trường hợp chuyển dịch trong pha tăng trưởng, lúc này chỉ số Z được ghi nhận sẽ lớn hơn 0.
• Trạng thái tín dụng tại 1 thời điểm xấu hơn trạng thái tín dụng trung bình, tức là xác suất chuyển dịch sang các nhóm nợ cao có xu hướng cao hơn so với chuyển dịch sang các nhóm nợ thấp, tương tự với trường hợp chuyển dịch trong pha suy thoái, lúc này chỉ số Z được ghi nhận sẽ nhỏ hơn 0.
3.3.2 Ma trận xác suất chuyển dịch nhóm nợ
Như đã đề cập trên, từ ý tưởng của các nhóm xếp hạng, có thể ứng dụng trong việc xây dựng xác suất chuyển dịch nhóm nợ Trong ví dụ ở Mục 2.1.2.2 có đề cập đến xác suất chuyển dịch nhóm xếp hạng BBB sang các nhóm khác Một cách tương tự, có thể lập được xác suất của chuyển dịch của các nhóm xếp hạng khác Trong trường hợp thay nhóm xếp hạng bằng nhóm nợ thì với 5 nhóm nợ, có thể lập bảng xác suất chuyển dịch cho mỗi nhóm nợ theo dạng ma trận như sau:
Bảng 3.3 Cấu tạo ma trận xác suất chuyển dịch nhóm nợ
Ma trận xác suất chuyển dịch nhóm nợ chính là đối tượng phản ánh trạng thái tín dụng. Để lập các ma trận xác suất chuyển dịch nhóm nợ theo cấu tạo trên, bộ dữ liệu ban đầu cần được thu thập các trường thông tin sau đây:
• Quý: Thời điểm ghi nhận của báo cáo (khóa chính).
• Mã khách hàng: Mã khách hàng để phân biệt (khóa chính).
• Nhóm nợ: Nhóm nợ của khách hàng tại thời điểm báo cáo, từ 1 đến 5.
Bộ dữ liệu ban đầu (primary table) sẽ được thực hiện ghép (merge) với chính nó nhưng trường Quý ở bộ dữ liệu ghép (merge table) sẽ được trừ cho 4 để lấy giá trị quý cùng kỳ năm trước, đồng thời trường Nhóm nợ cũng được đổi tên thành Nhóm nợ cùng kỳ năm trước Bộ dữ liệu sau khi ghép sẽ được nhóm lại theo (group by) Quý, Nhóm nợ kỳ này và Nhóm nợ cùng kỳ năm trước Trường Mã khách hàng sẽ được tính tổng số lượng theo nhóm và đổi tên thành Số lượng tài khoản.
Như vậy, dữ liệu ma trận chuyển dịch sau khi được ghép và nhóm từ dữ liệu ban đầu sẽ có cấu trúc gồm các trường thông tin sau đây: Quý, Chuyển đến (được đổi tên từ Nhóm nợ kỳ này), Chuyển từ (được đổi tên từ Nhóm nợ cùng kỳ năm trước) và Số lượng tài khoản Bảng thu được chính là bảng thống kê tổng số lượng khách hàng theo luồng dịch chuyển nhóm nợ như sau:
Bảng 3.4 Bảng số lượng khách hàng theo luồng dịch chuyển nhóm nợ
Quý Chuyển từ Chuyển đến Số lượng tài khoản
Quý Chuyển từ Chuyển đến Số lượng tài khoản
Nguồn: Số liệu minh họa của tác giả
Từ cấu trúc dữ liệu ở Bảng 3.4 trên, có thể tiếp tục biến đổi (pivot table) để đưa về dạng các ma trận chuyển dịch có kích thước 5 x 5 theo các kỳ báo cáo (hàng quý) Các giá trị của trường Chuyển đến sẽ được đưa lên thành 5 trường riêng tương ứng với 5 nhóm nợ từ
1 đến 5 Các giá trị cho các trường nhóm nợ chính là số lượng khách hàng Như vậy, kết quả thu được là bảng dữ liệu thống kê số lượng khách hàng theo luồng dịch chuyển nhóm nợ dạng ma trận sẽ có cấu trúc như sau:
• Quý: thời điểm ghi nhận báo cáo
• Chuyển từ: Nhóm nợ kỳ trước (4 quý trước), nhận giá trị từ 1 đến 5.
Giai đoạn 2: Xây dựng mô hình nghiên cứu
Dựa trên các nghiên cứu thực nghiệm và tính khả thi của dữ liệu ở Việt Nam, mô hình các yếu tố ảnh hưởng đến chỉ số chất lượng tín dụng Z có dạng như sau:
Trong đó Zt là chỉ số chất lượng tín dụng của ACB tại thời điểm quý t Zt-1 là biến trễ 1 bậc của biến Zt thể hiện chất lượng tín dụng cũng có thể bị tác động bởi chính nó trong quá khứ Yt đại diện cho các biến kinh tế vĩ mô Xt đại diện cho các biến đặc điểm ACB. α là hệ số chặn, α1, β và γ lần lượt đại diện cho các hệ số hồi quy của các biến kinh tế vĩ mô và đặc điểm ACB và εt là phần dư mô hình.
Các biến kinh tế vĩ mô được sử dụng trong mô hình như sau:
Bảng 3.9 Danh sách các biến kinh tế vĩ mô
INT Lãi suất liên ngân hàng kỳ hạn 03 tháng
GCPI Tỷ lệ lạm phát được xác định là tốc độ tăng trưởng so với cùng kỳ năm trước của chỉ số giá tiêu dùng CPI như sau:
Chỉ số giá tiêu dùng kỳ này
Chỉ số giá tiêu dùng cùng kỳ năm trước
GCRE Tốc độ tăng trưởng tín dụng nội địa so với cùng kỳ năm trước, được xác định như sau:
Dư nợ tín dụng nội địa kỳ này
Dư nợ tín dụng nội địa cùng kỳ năm trước
GGDP Tốc độ tăng trưởng GDP thực được xác định như sau:
GDP theo giá so sánh tích lũy 4 quý đến kỳ báo cáo
G GDP=GDP theo giá so sánh tích lũy 4 quý cùng kỳ năm trước
Nguồn: Theo nghiên cứu và tổng hợp của tác giả
Các biến đặc điểm ACB được xác định như sau:
Bảng 3.10 Danh sách các biến đặc điểm ACB
ROE Tỷ suất sinh lời trên tổng tài sản (Return On Equity), được xác định như sau:
Lợi nhuận sau thuế ROE Tổng vốn chủ sở hữu
NIM Hệ số chênh lệch lãi thuần (Net Interest Margin), được xác định như sau:
Thu nhập từ lãi - Chi phí từ lãi NIM Tổng tài sản
CRE Tốc độ tăng trưởng tín dụng tại ACB, được xác định như sau:
Tổng dư nợ cho vay kỳ này Tổng dư nợ cho vay cùng kỳ năm trước
EFF Hiệu quả hoạt động (Effective), được xác định như sau:
Tổng thu nhập EFF Tổng chi phí
NII Tỷ lệ thu nhập ngoài lãi (Non-interest Income), được xác định như sau:
Tổng thu nhập - Thu nhập từ lãi Tổng chi phí
Nguồn: Theo nghiên cứu và tổng hợp của tác
Mô hình sẽ được ước lượng độc lập đối với 3 trường hợp chỉ số chất lượng tín dụng tương ứng với 3 danh mục: khách hàng cá nhân, khách hàng doanh nghiệp và toàn ngân hàng.
Mô hình trên sẽ được ước lượng bằng phương pháp bình phương nhỏ nhất (OLS) với cơ chế hiệu chỉnh sai số chuẩn vững (robust standard error) để đảm bảo kết quả ước lượng đúng của sai số chuẩn có thể chấp nhận sự hiện diện của hiện tượng phương sai không đồng nhất của sai số trong mô hình.
Dữ liệu đầu vào với các biến kinh tế vĩ mô và các biến đặc điểm ACB thường là các chuỗi không dừng, có khả năng dẫn đến kết quả ước lượng mô hình là giả mạo Cách xử lý thông thường là thực hiện lấy sai phân bậc 1 của tất cả các biến để đảm bảo tất cả các chuỗi thời gian trong mô hình đều dừng, tuy nhiên cách làm này dẫn đến một hệ quả là làm mất đi các biến động trong trung hạn và dài hạn của dữ liệu Do đó nghiên cứu vẫn thực hiện ước lượng trên các chuỗi thời gian có thể là không dừng và thực hiện kiểm định tính đồng liên kết Engle-Granger, bản chất của kiểm định này là thực hiện một kiểm định tính dừng (Augmented Dickey-Fuller test) trên phần dư của mô hình, nếu kết quả kiểm định kết luận phần dư là một chuỗi dừng thì kết quả mô hình hồi quy không phải là giả mạo.
Bên cạnh đó, một số các kiểm định cần thiết cho mô hình hồi quy cũng được thực hiện bao gồm:
• Kiểm định về hiện tượng đa cộng tuyến bằng trận hệ số tương quan và hệ số phóng đại phương sai (VIF)
• Kiểm định hiện tương phương sai sai số không đồng nhất có thể bỏ qua do đã ước lượng mô hình với cơ chế sai số chuẩn vững.
• Kiểm định hiện tượng tự tương quan bằng thống kê Durbin-Watson cho tự tương quan bậc 1 và kiểm định Breusch-Godfrey cho các bậc cao hơn.
Việc ước lượng mô hình nhằm kiểm tra các giả thiết nghiên cứu sau đây:
Bảng 3.11 Các giả thiết nghiên cứu về chất lượng tín dụng
Biến độc lập Giả thiết nghiên cứu Dấu
Các yếu tố kinh tế vĩ mô
INT Lãi suất liên ngân hàng ảnh hưởng ngược chiều đến chất lượng tín dụng tại ACB
GCPI Tỷ lệ lạm phát có tác động hai chiều đến chất lượng tín dụng tại ACB
GCRE Tốc độ tăng trưởng tín dụng nội địa có tác động hai chiều đến chất lượng tín dụng tại ACB
GGDP Tốc độ tăng trưởng GDP thực ảnh hưởng thuận chiều đến chất lượng tín dụng tại ACB
Các yếu tố đặc điểm ACB
ROE Tỷ suất sinh lời trên vốn chủ sở hữu có tác động +/– hai chiều đến chất lượng tín dụng tại ACB
NIM Hệ số chênh lệch lãi thuần ảnh hưởng thuận chiều + đến chất lượng tín dụng tại ACB
CRE Tốc độ tăng trưởng tín dụng có tác động hai chiều +/– đến chất lượng tín dụng tại ACB
EFF Hiệu quả hoạt động có tác động hai chiều đến chất +/– lượng tín dụng tại ACB
NII Tỷ lệ thu nhập ngoài lãi ảnh hưởng ngược chiều + đến chất lượng tín dụng tại ACB
Nguồn: Theo nghiên cứu và tổng hợp của tác giả
KẾT QUẢ NGHIÊN CỨ
Kết quả chỉ số đo lường chất lượng tín dụng Z
Trạng thái chất lượng tín dụng trung bình tại ACB
Dựa trên dữ liệu về nhóm nợ của ACB ở từng danh mục khách hàng, các ma trận xác suất chuyển dịch nhóm nợ theo thời gian được lập dựa trên việc thống kê về tỷ lệ số lượng tài khoản chuyển dịch sang các nhóm nợ sau 1 năm Sau đó ma trận xác suất chuyển dịch nhóm nợ trung bình được lập Kết quả các ma trận trung bình được trình bày trong bảng dưới đây:
Bảng 4.1 Kết quả ma trận xác suất chuyển dịch nhóm nợ trung bình Đơn vị tính: %
Danh mục Từ 1 2 3 4 5 Nợ xấu
Nguồn: Kết quả tính toán của tác giả 1
Từ bảng kết quả trên có thể thấy được trạng thái tín dụng bình quân của các danh mục khách hàng của ACB trong giai đoạn 2014Q2 đến 2021Q2 Ở trạng thái này, xác suất các khách hàng ở ACB duy trì ở nhóm 1 là rất cao ở tất cả danh mục khách hàng, cụ thể là 97.95% đối với khách hàng cá nhân, 98.55% đối với khách hàng doanh nghiệp và 98.03% khi xét toàn bộ danh mục tín dụng Kết quả cũng cho thấy sự khác biệt về sự cải thiện chất lượng tín dụng ở các khách hàng có nợ nhóm 5 giữa danh mục cá nhân và doanh nghiệp Có thể thấy ở danh mục cá nhân có tới 2.23% khả năng khách hàng có thể khôi phục lại các khoản vay về lại trạng thái đủ tiêu chuẩn trong khi con số này chỉ đạt 0.41% đối với danh mục khách hàng doanh nghiệp.
Theo định nghĩa của Ngân hàng Nhà Nước Việt Nam thì nợ xấu là các khoản nợ thuộc nhóm 3, 4 và 5 Cột Nợ xấu ở Bảng 4.1 là tổng các xác suất ở các cột thể hiện luồng chuyển dịch đến nhóm nợ 3, 4 và 5 Kết quả cho thấy xác suất khoản vay của khách hàng chuyển thành nợ xấu từ nợ nhóm 1 ở ACB là khá thấp, chỉ vào khoản 0.68% ở cấp độ toàn danh mục Tuy nhiên cần lưu ý các khách hàng mang nhóm nợ cần chú ý (nhóm
2) do có đến 33.72% khả năng khách hàng cá nhân ở nhóm này sẽ chuyển thành nợ xấu và 36.8% khả năng khách hàng doanh nghiệp sẽ chuyển thành nợ xấu Xét góc độ về cải thiện chất lượng tín dụng ở các khách hàng ở nợ nhóm 2 thì khách hàng doanh nghiệp là có xác suất cải thiện tốt hơn so với khách hàng cá nhân (43.94% so với 40.28%) Như vậy có thể thấy ở ACB, các khoản nợ thuộc nhóm cần chú ý ở khách hàng doanh nghiệp khá nhạy cảm đối với sự biến động từ các yếu tố bên ngoài, khi có biến cố bất lợi, các khoản nợ này sẽ dễ bị tổn thương hơn so với danh mục khách hàng cá nhân, và ngược lại khi trong các điều kiện thuận lợi thì sẽ có sự cải thiện mạnh hơn so với danh mục khách hàng cá nhân. Đối với nhóm nợ dưới tiêu chuẩn (nhóm 3), đây là các khoản cho vay vừa bị ghi nhận thành các khoản nợ xấu Các khoản vay ở nhóm này có đến 75.16% khả năng sẽ tiếp tục duy trì là nợ xấu và không có sự cải thiện chất lượng tín dụng Đối với danh mục khách hàng cá nhân và doanh nghiệp thì con số này lần lượt là 74.16% và 84.97% Điều này một lần nữa khẳng định về sự nhạy cảm của danh mục khách hàng doanh nghiệp, một khi đã được ghi nhận là nợ xấu thì khó có khả năng cải thiện chất lượng so với danh mục khách hàng cá nhân Hơn nữa, nợ dưới tiêu chuẩn của khách hàng doanh nghiệp cũng khó có khả năng cải thiện lên nhóm nợ tốt hơn so với khách cá nhân, cụ thể là khả năng chuyển về nợ nhóm 1 và 2 từ nhóm 3 của khách hàng doanh nghiệp lần lượt là 11.46% và 3.57% trong khi khả năng này đối với khách hàng cá nhân là 18 % và 7.84%.
Về việc đánh giá khả năng duy trì nhóm nợ ở ACB có thể thấy được nợ nhóm 1 và nợ nhóm 5 là có xác suất duy trì trong nhóm cao nhất (trên 95% cho tất cả danh mục) Điều này xuất phát từ việc nếu đã là nợ tốt thì sẽ rất khó có chuyển nhóm xấu hơn cũng như nếu đã là nợ xấu thì sẽ rất khó cải thiện nhóm nợ Sự chuyển dịch chủ yếu là ở các nhóm nợ 3, 4 và 5 Trong đó, nợ nhóm 3 là các khoản nợ dễ dàng chuyển dịch sang các nhóm khác do xác suất duy trì trong nhóm 3 là thấp nhất, chỉ 7.14% ở cấp độ toàn danh mục.
Trạng thái chất lượng tín dụng thời điểm so với trung bình và chỉ số Z
Bảng 4.2 cho thấy kết quả ma trận chuyển dịch xác suất của toàn bộ dạnh mục tín dụng của ACB tại 02 thời điểm 2014Q4 và 2016Q2 (02 thời điểm này có giá trị Z âm và dương, các thời điểm khác sẽ có cách giải thích tương tự) như sau:
• Tại 2014Q4: Kết quả giải thuật tìm kiếm cho thấy kết quả Z2014Q4 = -0.5723 có nghĩa trạng thái tín dụng tại 2014Q4 là thấp hơn so với trạng thái trung bình. Điều này có thể nhận thấy qua một số chi tiết sau đây:
- Xác suất chuyển thành nợ xấu từ các nhóm nợ tại thời điểm 2014Q4 đều cao hơn so với trạng thái trung bình (VD từ nhóm 1 sang nợ xấu: 1.07% > 0.68%).
- Xác suất chuyển thành nợ nhóm 1 tại thời điểm 2014Q4 đều thấp hơn so với trạng thái trung bình (VD từ nhóm 5 lên nhóm 1: 1.31% < 1.86%).
- Tại 2016Q2: Kết quả giải thuật tìm kiếm cho thấy kết quả Z2016 Q 2 = 0.3984 có nghĩa trạng thái tín dụng tại 2016Q2 là cao hơn so với trạng thái trung bình Điều này có thể nhận thấy qua một số chi tiết sau đây:
- Xác suất chuyển thành nợ xấu từ các nhóm nợ tại thời điểm 2016Q2 đều thấp hơn so với trạng thái trung bình (VD từ nhóm 1 sang nợ xấu: 0.55% 1.86%).
Bảng 4.2 Kết quả ma trận xác suất chuyển dịch thời điểm so với trung bình
Toàn bộ danh mục tín dụng tại ACB
Ma trận Từ 1 2 3 4 5 Nợ xấu
^2O14Q4 = —0- 5723: Trạng thái tín dụng xấu hơn mức trung bình 8
Z201 6Q 2 = 0 3984: Trạng thái tín dụng tốt hơn mức trung bình 7
Nguồn: Kết quả tính toán của tác giả
Ngoài ra có thể thấy các chi tiết về xác suất chuyển dịch qua các phần tử ở các vị trí gồm: vị trí 1 (đường chéo), vị trí 2 (phía trên, góc phải so với đường chéo) và vị trí 3(phía dưới, góc trái so với đường chéo) tương ứng với các luồng dịch chuyển lần lượt là duy trì, suy giảm và cải thiện nhóm nợ của các ma trận xác suất thời điểm so với trung bình cũng phù hợp để phản ánh trạng thái tín dụng tốt hơn hay xấu hơn so với trạng thái trung bình.
Từ các ma trận xác suất chuyển dịch thời điểm và ma trận xác suất chuyển dịch trung bình, kết quả chỉ số chất lượng tín dụng Z (dựa trên sơ đồ Hình 3.2) được thể hiện trong đồ thị Hình 4.1. Đồ thị trong Hình 4.1 thể hiện chỉ số Z phản ánh chất lượng tín dụng hay chính xác hơn là mức độ khác biệt so với trạng thái tín dụng trung bình ở các danh mục khách hàng tại ACB Có thể thấy được chất lượng tín dụng tại ACB ở tất cả các danh mục có xuất phát điểm khá thấp và bắt đầu có những cải thiện đáng kể từ năm 2014 trở đi Điều này có thể được lý giải bởi nền kinh tế ở Việt Nam bắt đầu có những dấu hiệu phục hồi sau giai đoạn khủng hoảng kéo dài liên tục từ năm 2008 đến cuối năm 2013, mặt khác, không loại trừ những tác động tiêu cực từ rủi ro thanh khoản mà ACB phải đối mặt trong nằm
2012 Từ năm 2015 cho đến đầu năm 2020 chất lượng tín dụng của ACB được duy trì ổn định, có những biến động nhẹ làm chỉ số Z âm nhưng xu hướng chung vẫn là đi ngang và duy trì ở mức dương Khi đại dịch Covid-19 bắt đầu xuất hiện ở Việt Nam từ giữa năm 2020 đến nay, chất lượng tín dụng của ACB bắt đầu có sự sụt giảm, đặc biệt là đối với nhóm khách hàng doanh nghiệp là bị ảnh hưởng nặng nề nhất từ đại dịch, điều này có thể được giải thích bởi các doanh nghiệp buộc phải tạm ngừng hoạt động để thực hiện các biện pháp giãn cách xã hội, làm trì trệ đến hoạt động sản xuất kinh doanh và gây áp lực đến khả năng trả nợ Nhìn vào đồ thị có thể thấy được tác động của dịch bệnh đã đưa trạng thái tín dụng của danh mục khách hàng doanh nghiệp về mức tương đương so với thời kỳ hậu khủng hoảng năm 2015 Tuy nhiên, trạng thái này đã có những dấu hiệu hồi phục lên cao hơn trạng thái tín dụng trung bình sau đó.
Hình 4.1 Chỉ số chất lượng tín dụng Z cho từng danh mục khách hàng
0.8 Đối với nhóm khách hàng cá nhân ở ACB, chất lượng tín dụng cũng chịu ảnh hưởng tiêu cực từ dịch bệnh nhưng ở mức độ nhẹ hơn Do số lượng khách hàng cá nhân chiếm một tỷ trọng khá lớn trong danh mục tín dụng của ACB nên chỉ số Z đại diện cho toàn bộ danh mục khá tương đồng với danh mục khách hàng cá nhân nên cũng chỉ giảm nhẹ trong giai đoạn dịch bệnh Qua đó có thể thấy khả năng tài chính của nhóm khách hàng cá nhân của ACB có sự chống chịu tốt trước đại dịch, không bị ảnh hưởng quá nặng nề, tuy nhiên cũng không loại trừ khả năng các khoản nợ này được tái cấu trúc hoặc miễn giảm lãi suất do các điều kiện bất khả kháng từ dịch bệnh. Đồ thị trong Hình 4.1 cũng cho thấy chỉ số Z của danh mục khách hàng doanh nghiệp có mối tương quan cùng chiều với danh mục khách hàng cá nhân nhưng có biên độ biến động lớn hơn, tức là chỉ số Z của khách hàng danh nghiệp khi tăng (hay giảm) thì sẽ tăng lên cao hơn (hoặc giảm xuống thấp hơn) so với khách hàng cá nhân Từ đó có thể thấy chất lượng tín dụng, hay khả năng vỡ nợ của danh mục khách hàng doanh nghiệp sẽ nhạy hơn với các yếu tố ảnh hưởng.
Kết quả mô hình nghiên cứu
Bảng 4.3 Thống kê mô tả các biến sử dụng trong mô hình
Trung bình Độ lệch chuẩn
Giá trị nhỏ nhất 25% 50% 75% Giá trị lớn nhất
Các biến kinh tế vĩ mô
Nguồn: Kết quả tính toán của tác giả
Các biến sử dụng trong mô hình là các chuỗi thời gian từ 2014Q2 đến 2021Q2 tương ứng với 29 kỳ quan sát Bằng phương pháp sử dụng mô hình hồi quy tuyến tính với dữ liệu chuỗi thời gian, các kết quả được trình bày sau đây gồm: Kiểm định tính dừng các biến; Ma trận hệ số tương quan giữa các biến; Uớc lượng & kiểm định mô hình; và Diễn giải kết quả mô hình.
Kiểm định tính dừng cho các biến trước khi ước lượng mô hình
Bảng 4.4 Kết quả kiểm định tính dừng các biến trong mô hình
ADF P-value Kết quả (mức ý nghĩa
Danh mục -2.4967 0.1163 Chuỗi không dừng
Z Cá nhân -2.5478 0.1043 Chuỗi không dừng
Các biến NIM 0.4669 0.9838 Chuỗi không dừng đặc điểm CRE -3.1106 0.0258 Chuỗi dừng
ACB EFF -2.2373 0.1930 Chuỗi không dừng
GCPI -2.8484 0.0517 Chuỗi không dừng kinh tế vĩ GCRE -1.8679 0.3473 Chuỗi không dừng mô GGDP -4.1110 0.0009 Chuỗi dừng
Nguồn: Kết quả tính toán của tác giả
Theo kết quả kiểm định tính dừng thì phần lớn đều là chuỗi không dừng ở mức ý nghĩa 5% Theo đó, để đảm bảo kết quả mô hình hồi quy không phải là giả mạo mà vẫn bảo toàn các mối quan hệ cân bằng dài hạn của các biến thì cần phải thực hiện kiểm định tính đồng liên kết Engle-Granger có bản chất là một kiểm định tính dừng cho phần dư thu được từ mô hình hồi quy.
Ma trận hệ số tương quan giữa các biến độc lập sử dụng trong mô hình
Một trong các giả định quan trọng của mô hình hồi quy tuyến tính là các biến độc lập không có tương quan với nhau để đảm bảo không xảy ra hiện tượng đa cộng tuyến trong mô hình Theo đó ma trận hệ số tương quan giữa các biến độc lập sử dụng trong mô hình như sau:
Bảng 4.5 Ma trận hệ số tương quan giữa các biến độc lập Đơn vị tính: %
Nguồn: Kết quả tính toán của tác giả 0
Theo kết quả ma trận hệ số tương quan có thể thấy mức độ tương quan giữa biến EFF và NII là rất cao (88.3%) Do đó chỉ giữ lại một trong 02 biến này trong mô hình Biến giữ lại cần có mức độ tương quan với biến phụ thuộc là cao nhất, kết quả hệ số tương quan giữa biến EFF và NII so với các biến phụ thuộc như sau:
Bảng 4.6 Ma trận hệ số tương quan với các biến phụ thuộc
Nguồn: Kết quả tính toán của tác giả%
Bảng 4.6 cho thấy biến EFF có mức độ tương quan với cả 03 biến phụ thuộc mạnh hơn so với biến NII Như vậy biến EFF sẽ được giữ lại trong ước lượng mô hình
Kết quả uớc lượng và kiểm định mô hình
Bảng 4.7 Kết quả ước lượng và kiểm định mô hình
Biến độc lập Toàn danh mục KHCN KHDN
Các biến đặc điểm ngân hàng -0.9805 -1.1566 0.0818
Các biến kinh tế vĩ mô
Kiểm định đa cộng tuyến
Kiểm định tính dừng phần dư
Kiểm định tự tương quan
Ký hiệu *, **, *** thể hiện các mức ý nghĩa lần lượt là 0.1, 0.05 và 0.01
Số trong ngoặc là sai số chuẩn vững (robust standard error)
Nguồn: Kết quả tính toán của tác giả
Theo Bảng 4.7, kết quả ước lượng mô hình về các yếu tố ảnh hưởng để chỉ số chất lượng tín dụng Z tại ACB ở cả 03 danh mục đều đảm bảo đạt yêu cầu bởi vì:
• Cả 03 mô hình thuộc 03 danh mục đều có các biến có ý nghĩa thống kê ở nhóm biến đặc điểm ACB và nhóm biến kinh tế vĩ mô Bên cạnh đó, mức độ phù hợp của mô hình cũng được thể hiện qua giá trị R 2 hiệu chỉnh với mô hình danh mục toàn ngân hàng là 71.11%, danh mục khách hàng cá nhân là 66.25% và danh mục khách hàng doanh nghiệp là 53.87%.
• Hệ số VIF lớn nhất thu được là 5.72, điều này cho thấy hiện tượng đa cộng tuyến trong mô hình là không đáng kể.
• Kiểm định tính dừng phần dư cho thấy cả 03 mô hình thuộc 03 danh mục đều kết luận phần dư là một chuỗi dừng ở mức ý nghĩa 5% Điều này cho thấy quan hệ giữa các biến trong mô hình hồi quy không phải là quan hệ giả mạo.
• Kiểm định hiện tượng tự tương quan cho thấy cả 03 mô hình thuộc 03 danh mục đều không có hiện tượng tự tương quan bậc 1 do các giá trị của thống kê Durbin- Watson không quá xa giá trị 2 Bên cạnh đó, kiểm định Breusch-Godfrey cho hiện tượng tự tương quan ở các bậc cao hơn có giá trị p-value khá cao (ở cả 03 mô hình đều > 5%), điều này đồng nghĩa với việc không có mô hình nào bị hiện tượng tự tương quan bậc cao.
• Mô hình được ước lượng với cơ chế sai số chuẩn vững (robust standard error), do đó sai số chuẩn của các hệ số hồi quy là cho phép có hiện tượng phương sai sai số thay đổi xảy ra trong mô hình.
