1491 các yếu tố ảnh hưởng đến hệ số an toàn vốn của các nhtm vn 2023

GIỚI THIỆU ĐỀ TÀI

ĐẶT VẤN ĐỀ VÀ LÝ DO CHỌN ĐỀ TÀI

Trong quá trình hội nhập và phát triển, ngành ngân hàng Việt Nam góp phần không nhỏ đến sự phát triển nền kinh tế nước nhà Hoạt động kinh doanh của hệ thống Ngân hàng Việt Nam ngày càng có sự tăng trưởng mạnh mẽ và nhanh chóng cả về quy mô cũng như là số lượng Tuy nhiên chính vì sự phát triển nhanh trong thời gian ngắn đã tiềm ẩn nhiều rủi ro ảnh hưởng trực tiếp đến sự an toàn và nguy cơ xảy ra khủng hoảng cho ngành ngân hàng nói riêng và nền kinh tế nói chung.

Theo Friedman và Schwartz (1963) 1 cho rằng các cuộc khủng hoảng tài chính có liên quan đến những cuộc khủng hoảng ngân hàng; họ cho rằng khi một cuộc khủng hoảng tài chính xảy ra thường thúc đẩy hiện tượng rút tiền gửi hàng loạt tại các ngân hàng Bên cạnh đó, theo thống kê của Quỹ tiền tệ Quốc tế (IMF), sau năm

1970 các cuộc khủng hoảng ngân hàng xảy ra thường xuyên hơn trên thế giới và gây hậu quả nghiêm trọng hơn đến sự ổn định của hệ thống ngân hàng.

Vì thế, với mục đích tăng tính ổn định và ngăn chặn khủng hoảng ngân hàng ở Việt Nam, các nhà quản trị ngân hàng luôn phải duy trì hệ số an toàn vốn (CAR) trong hoạt động kinh doanh ngân hàng theo tiêu chuẩn Basel Đây là một trong những chỉ tiêu quan trọng đối với sự an toàn của khách hàng khi “chọn mặt gửi tiền” và cũng là yếu tố cần thiết để đánh giá mức độ hiệu quả cũng như sự ổn định của các Ngân hàng Thương mại Việt Nam (NHTM).

Tại Việt Nam, Ngân hàng Nhà nước đang tiếp cận đến Basel vào quản trị rủi ro ngân hàng, việc nghiên cứu và áp dụng các chuẩn mực của quốc tế là điều vô cùng cần thiết giúp nền kinh tế Việt Nam có thể hội nhập sâu hơn vào nền kinh tế tài

1 Tham khảo từ Mitchener, K J., & Richardson, G (2013) Shadowy banks and financial contagion during the Great Depression: a retrospective on Friedman and Schwartz.

2 chính toàn cầu Hiện nay, ngân hàng Nhà nước ban hành thông tư 41/2016/TT- NHNN nhằm triển khai áp dụng Basel II là tất yếu đối với các NHTM, và kể từ năm

2020, các ngân hàng sẽ phải chính thức áp dụng tỷ lệ an toàn vốn theo chuẩn Basel

II trong việc đảm bảo an toàn hoạt động của hệ thống ngân hàng Tuy nhiên, các ngân hàng đang bộc lộ nhiều hạn chế trong quá trình áp dụng Basel II, nhất là hệ số an toàn vốn.

Vậy nên, xuất phát từ yêu cầu thực tiễn trong việc tìm hiểu và nghiên cứu về hệ số an toàn vốn của các Ngân hàng Thương mại Việt Nam, tác giả lựa chọn đề tài

“Các yếu tố ảnh hưởng đến hệ số an toàn vốn của các Ngân hàng Thương mạiViệt Nam” làm đề tài khóa luận tốt nghiệp.

MỤC TIÊU CỦA ĐỀ TÀI

Mục tiêu tổng quát của đề tài là xác định những yếu tố và mức độ ảnh hưởng của các yếu tố đó đối với hệ số an toàn vốn của các Ngân hàng Thương mại Việt Nam Từ đó lập luận và đưa ra một số gợi ý giúp nâng cao chất lượng hệ số an toàn vốn của các Ngân hàng Thương mại tại Việt Nam trong thời gian tới.

Dựa trên mục tiêu tổng quát, mục tiêu cụ thể được triển khai như sau:

Thứ nhất, xác định các yếu tố ảnh hưởng đến hệ số an vốn của các Ngân hàng

Thứ hai, phân tích và đánh giá chiều hướng tác động của từng yếu tố đến hệ số an toàn vốn của các Ngân hàng Thương mại Việt Nam.

Thứ ba, đề xuất một số gợi ý giúp các nhà quản trị ngân hàng có thể đưa ra các chính sách nhằm cải thiện hệ số an toàn vốn.

CÂU HỎI NGHIÊN CỨU

(1) Những yếu tố ảnh hưởng đến hệ số an toàn vốn của Ngân hàng Thương mại Việt Nam là gì?

(2) Chiều hướng của các yếu tố tác động như thế nào đến hệ số an toàn vốn của Ngân hàng Thương mại Việt Nam?

(3) Những gợi ý nào cần được đề xuất từ kết quả nghiên cứu nhằm cải thiện hệ số an toàn vốn của các Ngân hàng Thương mại Việt Nam trong tương lai?

ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu là hệ số an toàn vốn của 26 Ngân hàng Thương mại và các yếu tố ảnh hưởng đến hệ số an toàn vốn của Ngân hàng Thương mại Việt Nam.

Phạm vi không gian: Nghiên cứu được tiến hành dựa trên dữ liệu của 26 Ngân hàng Thương mại Việt Nam trên tổng số 31 Ngân hàng Thương mại tính đến thời điểm nghiên cứu được thực hiện.

Phạm vi thời gian: Dữ liệu nghiên cứu được thực hiện trong giai đoạn từ 2012 đến 2020.

PHƯƠNG PHÁP NGHIÊN CỨU

Để thực hiện các mục tiêu nghiên cứu đã đề cập ở trên, đề tài sử dụng phương pháp và dữ liệu nghiên cứu như sau:

Phương pháp nghiên cứu định tính: Đề tài tổng hợp, phân tích, thống kê các số liệu tài chính của các Ngân hàng thương mại Việt Nam (NHTM) Ngoài ra, đề tài còn thu thập, tổng hợp và so sánh các nghiên cứu của nhiều tác giả trong và ngoài nước để áp dụng, kế thừa những quan điểm đánh giá hệ số an toàn vốn.

Phương pháp nghiên cứu định lượng: Với sự hỗ trợ của phần mềm Stata.Thông qua các dữ liệu thu thập được, tác giả tiến hành phân tích hồi quy và kiểm định để xây dựng mô hình phù hợp Cụ thể, đề tài sử dụng phần mềm Stata 15.0 để chạy hồi quy theo phương pháp bình quân dữ liệu nhỏ nhất (POOLED OLS),phương pháp tác động cố định (FEM), phương pháp tác động ngẫu nhiên (REM), và phương pháp S-GMM để xử lý vấn đề nội sinh.

ĐÓNG GÓP ĐỀ TÀI

Trong nghiên cứu này, các yếu tố ảnh hưởng chủ yếu đến hệ số an toàn vốn của 26 NHTM Việt Nam trong giai đoạn 2012 – 2020 sẽ được tập trung nghiên cứu. Trên cơ sở của các kết quả đạt được từ nghiên cứu là bằng chứng thực nghiệm trong việc đo lường các yếu tố ảnh hưởng đến hệ số an toàn vốn Từ đó gợi ý các giải pháp và nêu ra một số khuyến nghị cho các nhà quản trị trong việc nâng cao chất lượng của hệ số an toàn vốn của các NHTM Việt Nam nói riêng và hệ thống ngân hàngViệt Nam nói chung.

KẾT CẤU ĐỀ TÀI

Đề tài được chia làm 5 chương, cụ thể:

Chương 1 Giới thiệu đề tài

Chương 2 Cơ sở lý thuyết và các nghiên cứu liên quan trước Chương 3 Phương pháp nghiên cứu

Chương 4 Kết quả nghiên cứu

Chương 5 Kết luận và khuyến nghị

Trong chương này tác giả đã giới thiệu tổng quan về đề tài nghiên cứu, trong đó trình bày về tính cấp thiết của đề tài, tình hình nghiên cứu, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, đóng góp của đề tài và bố cục của đề tài Những định hướng nêu trên là cơ sở để tác giả trình bày luận văn này ở những chương tiếp theo.

CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN

CƠ SỞ LÝ THUYẾT VỀ HỆ SỐ AN TOÀN VỐN

2.1.1 Khái niệm về hệ số an toàn vốn

Hệ số an toàn vốn là thước đo lượng vốn của một ngân hàng được tính bằng tỷ lệ phần trăm của rủi ro tín dụng có trọng số rủi ro theo quan điểm của Mekonnen (2015).

Theo Ủy ban Basel về giám sát ngân hàng (The Basel Committee on Banking Supervision - BCBS), hệ số an toàn vốn được định nghĩa là một chỉ tiêu kinh tế giữa mối quan hệ về vốn của ngân hàng đối với tổng tài sản có điều chỉnh rủi ro Hệ số này biểu thị sức mạnh tài chính và mức độ an toàn trong hoạt động của ngân hàng.

Theo như thông tư 22/2019/TT-NHNN quy định các giới hạn, tỷ lệ bảo đảm an toàn trong hoạt động của ngân hàng, chi nhánh ngân hàng nước ngoài do NHNN Việt Nam ban hành Theo đó, tỷ lệ an toàn vốn tối thiểu phản ánh mức đủ vốn của ngân hàng, chi nhánh ngân hàng nước ngoài trên cơ sở giá trị vốn tự có và mức độ rủi ro trong hoạt động của ngân hàng, chi nhánh ngân hàng nước ngoài.

Theo Kumar Aspal và Nazneen (2014), hệ số an toàn vốn là cơ sở đo lường mức độ an toàn của vốn và được coi là một trong những chỉ tiêu về sức khoẻ tài chính của các ngân hàng và cực kỳ hữu ích trong việc ngăn chặn và đảm bảo các ngân hàng có thể chịu đựng các tổn thất dẫn đến bị phá sản Bên cạnh đó, chỉ số an toàn vốn cũng được xem đánh giá sức khỏe tài chính của ngân hàng Đây là một chỉ tiêu cho thấy khả năng chịu đựng những tổn thất bất ngờ trong tương lai của các NHTM.

Như vậy từ những khái niệm trên, có thể thấy hệ số an toàn vốn là thước đo về vốn tự có của ngân hàng đối với tổng tài sản có điều chỉnh rủi ro, là phần vốn dự trữ của ngân hàng dùng để bù đắp, xử lý các tổn thất bất ngờ để đảm bảo hoạt động kinh doanh của ngân hàng được diễn ra xuyên suốt Đồng thời hệ số này còn bảo vệ người gửi tiền vào ngân hàng cũng như các nhà đầu tư.

2.1.2 Đo lường về hệ số an toàn vốn 2.1.2.1 Hệ số an toàn vốn theo Basel Ủy ban Basel về Giám sát Ngân hàng (BCBS) là cơ quan thiết lập tiêu chuẩn toàn cầu chính về quy định an toàn của các ngân hàng Cung cấp một diễn đàn để hợp tác thường xuyên về các vấn đề giám sát ngân hàng nhằm tăng cường ổn định tài chính của các ngân hàng trên toàn thế giới Vào cuối năm 1974, trước sự sụt giảm về tỷ lệ vốn của các ngân hàng quốc tế và đồng thời gia tăng rủi ro quốc tế liên quan đến các nước có tỷ lệ nợ lớn, được sự ủng hộ của các nhà lãnh đạo của 10 nước thành viên thuộc nhóm G-10 2 , Ủy ban đã thành lập nên một hệ thống đo lường vốn, gọi là Hiệp ước Basel.

Hiệp ước này được bổ sung và hoàn thiện cho phù hợp với từng bối cảnh giai đoạn kinh tế Đến nay, Ủy ban đã ban hành Hiệp ước Basel III.

Bảng 2 1 Công thức tính hệ số an toàn vốn qua từng thời kỳ của Basel

CAR Tài ѕản có rủі ro(RWA)ản có rủі ro(RWA)

Basel II 2004 Vốn tự có

RWA rủі ro tín ԁụng ụng + RWA rủі ro һоạt động ạt động + RWA rủі ro thị trường

Basel III 2010 Vốn tự có

RWA rủі ro tín ԁụng ụng + RWA rủі ro hoạt động + RWA rủі ro thị trường

Nguồn: Hoàng Thị Thu Hường (2017)

2.1.2.2 Hệ số an toàn vốn theo quy định tại Việt Nam

❖ Theo Thông tư 41/2016/TT-NHNN quy định về tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàng tại nước ngoài có hiệu lực thi hành kể từ ngày 01/01/2020, quy định hệ số an toàn vốn tối thiểu được xác định bằng công thức:

2 Nhóm G-10: nhóm các nước đã đồng ý tham gia vào Thoả thuận chung để Mượn (GAB), một thỏa thuận để cung cấp các Quỹ Tiền tệ Quốc tế (IMF) với nguồn vốn bổ sung để tăng khả năng cho vay của mình bao gồm các nước: Bỉ, Canada, Pháp, Đức, Ý, Nhật Bản, Hà Lan, Thụy Điển, Anh và Mỹ.

RWA: Tổng tài sản tính theo rủi ro tín dụng

K OR : Vốn yêu cầu cho rủi ro hoạt động

K MR : Vốn yêu cầu cho rủi ro thị trường. Đối với ngân hàng không có công ty con hay chi nhánh ngân hàng nước ngoài, phải thường xuyên duy trì mức an toàn vốn xác định trên báo cáo tài chính của ngân hàng ở mức tối thiểu 8%. Đối với ngân hàng có công ty con phải duy trì hệ số an toàn vốn xác định trên báo cáo tài chính của ngân hàng tối thiểu là 8% Trường hợp ngân hàng có công ty con là công ty kinh doanh bảo hiểm thì tỷ lệ an toàn vốn hợp nhất được xác định trên cơ sở báo cáo tài chính hợp nhất của ngân hàng nhưng không hợp nhất công ty con là công ty kinh doanh bảo hiểm theo nguyên tắc hợp nhất của pháp luật về kế toán và báo cáo tài chính đối với tổ chức tín dụng 3

❖ Theo Thông Tư 22/2019/TT-NHNN quy định tỷ lệ bảo đảm an toàn trong hoạt động ngân hàng, chi nhánh ngân hàng nước ngoài Trong đó, Tỷ lệ an toàn vốn tối thiểu của ngân hàng gồm tỷ lệ an toàn vốn tối thiểu riêng lẻ và tỷ lệ an toàn vốn tối thiểu hợp nhất được tính như sau:

> Tỷ lệ an toàn vốn tối thiểu riêng lẻ

Từng ngân hàng phải duy trì được mức tỷ lệ an toàn vốn tối thiểu riêng lẻ 9%, và được tính bằng công thức sau:

Tỷ lệ an toàn vốn tốі thіểu rіêng lẻ (%) = 100%

Tổng tàі ѕản có rủі ro(RWA)ản rủі ro rіêng lẻ

- Vốn tự có riêng lẻ được xác định ở Phụ lục 1 kèm theo của thông tư này.

- Tổng tài sản Có rủi ro riêng lẻ là tổng giá trị các tài sản Có nội bảng được xác định theo mức độ rủi ro và giá trị tài sản Có nội bảng tương ứng của cam kết ngoại bảng được xác định theo mức độ rủi ro được xác định theo quy định tại Phụ lục 2 của Thông

3 Theo Điều 6 Thông tư 41/2016/TT-NHNN quy định về tỷ lệ an toàn vốn đối với ngân hàng, chi nhánh ngân hàng nước ngoài.

- Tỷ lệ an toàn vốn tối thiểu hợp nhất

Ngân hàng có công ty con ngoài việc duy trì tỷ lệ an toàn vốn tối thiểu riêng lẻ trên đồng thời duy trì tỷ lệ an toàn vốn tối thiểu hợp nhất 9% Tỷ lệ an toàn vốn hợp nhất được tính bằng công thức sau:

Vốn tự có hợр nhất

Tỷ lệ an toàn vốn tốі thіểu hợр nhất (%) = 100%

Tổng tàі ѕản có rủі ro(RWA)ản Có rủі ro hợр nhất

- Vốn tự có hợp nhất được xác định ở Phụ lục 1 kèm theo của thông tư này.

- Tổng tài sản Có rủi ro hợp nhất được xác định theo quy định tại Phụ lục 2 củaThông tư 5

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN HỆ SỐ AN TOÀN VỐN

2.2.1 Các yếu tố thuộc Ngân hàng

2.2.1.1 Hệ số đòn bẩy (LEV) Được xác định bằng công thức tổng vốn chủ sở hữu trên tổng tài sản Điều này có thể hiểu nếu hệ số đòn bẩy càng cao thì tỷ lệ nợ càng lớn, tiềm ẩn rủi ro lớn, đòi hỏi ngân hàng phải tăng trích lập dự phòng, lợi nhuận ngân hàng sẽ bị giảm và hệ số an toàn vốn cũng gián tiếp bị giảm Nghiên cứu của Rafet Aktas và cộng sự (2015) cho thấy đòn bẩy tài chính và CAR của ngân hàng tỷ lệ nghịch với nhau; ngược lại Dreca

(2014), Đỗ Hoài Linh và cộng sự (2019) và Usman và cộng sự (2019) lại cho thấy mối tương quan này là cùng chiều Trong khi đó Võ Hồng Đức và cộng sự (2014) và Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017) cho thấy hệ số đòn bẩy không có ý nghĩa thống kê đến CAR.

2.2.1.2 Khả năng thanh khoản (LIQ)

Khả năng thanh khoản cũng là một yếu tố tác động đến hệ số an toàn vốn Khả năng thanh khoản là sự dễ dàng chuyển đổi các tài sản thành tiền bao gồm tiền mặt, tiền gửi tại ngân hàng Nhà nước, tiền gửi tại các tổ chức tín dụng khác và cho vay các tổ chức tín dụng hay chứng khoán kinh doanh để chi trả hay tài trợ cho khách hàng. Nếu ngân hàng có khả năng thanh khoản cao đồng nghĩa rằng ngân hàng có thể chuyển đổi tài sản thành tiền mặt nhanh chóng, từ đó có thể giảm khả năng vỡ nợ, giảm rủi ro

4 Theo khoản b, Điểm 2, Điều 9 của Thông Tư 22/2019/TT-NHNN quy định tỷ lệ bảo đảm an toàn trong hoạt động ngân hàng, chi nhánh ngân hàng nước ngoài.

5 Theo khoản c, Điểm 2, Điều 9 của Thông Tư 22/2019/TT-NHNN quy định tỷ lệ bảo đảm an toàn trong hoạt động ngân hàng, chi nhánh ngân hàng nước ngoài. cho ngân hàng, hệ số an toàn vốn cũng tăng lên (Võ Hồng Đức và cộng sự, 2014) Bên cạnh đó, các nghiên cứu của Aspal & Nazneen (2014), Rafet Aktas và cộng sự (2015), Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017), Bhattarai (2020) cũng cho rằng mối tương quan giữa khả năng thanh khoản và CAR là cùng chiều.

2.2.1.3 Quy mô ngân hàng (SIZE)

Quy mô ngân hàng được phản ảnh bằng giá trị tổng tài sản của ngân hàng Điều này đồng nghĩa, khi một ngân hàng có sự gia tăng về tổng tài sản tức ngân hàng đó đang trong giai đoạn phát triển và mở rộng về quy mô.

Tương quan giữa quy mô ngân hàng và hệ số an toàn vốn đều được các tác giả chứng minh theo hai hướng thuận chiều và ngược chiều Ngân hàng càng lớn thì càng nắm giữ nhiều tài sản rủi ro hơn so với ngân hàng nhỏ, mối tương quan âm chỉ ra rằng các ngân hàng Việt Nam càng mở rộng quy mô thì tỷ lệ an toàn vốn càng giảm (Võ Hồng Đức và cộng sự, 2014); Dreca (2014); Rafet Aktas và cộng sự (2015); Đỗ Hoài Linh và cộng sự (2019); El-Ansary, El-Masry và Yousry (2019); Usman và cộng sự (2019); Bhattarai (2020) Mặt khác, nghiên cứu của Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) lại cho rằng quy mô ngân hàng có tác động cùng chiều với CAR.

2.2.1.4 Thu nhập lãi cận biên (NIM)

NIM được định nghĩa là tỷ lệ thu nhập ròng trên tổng tài sản và được gọi là thu nhập lãi cận biên của ngân hàng NIM là một hệ số rất quan trọng đối với các ngân hàng, tổ chức về tài chính hiện nay Thuật ngữ dùng để thể hiện sự chênh lệch về phần trăm của các thu nhập lãi suất và các chi phí lãi mà ngân hàng phải trả trong quá trình hoạt động của mình Các ngân hàng hiện nay thường áp dụng tính hệ số

NIM này để phân tích cũng như đưa ra được các quyết định về đầu tư một cách đúng đắn Đồng thời cũng theo dõi được về lợi nhuận đối với các hoạt động cho vay vốn, từ đó sẽ tiến hành điều chỉnh các hoạt động sao cho phù hợp và góp phần tối đa hóa về lợi nhuận cho doanh nghiệp của mình Các nghiên cứu của Dreca (2014); Rafet Aktas và cộng sự (2015); Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017); Usman và cộng sự (2019) cho rằng lãi cận biên có tương quan dương với CAR, trong khi đó Đỗ Hoài Linh và cộng sự (2019) có ý kiến ngược lại, và Phạm Phát Tiến và Nguyễn Thị Kiều

Ny (2019) lại cho rằng không có mối tương quan nào giữa NIM và CAR.

2.2.1.5 Tỷ lệ cho vay (LOA)

Tỷ lệ cho vay được đo bằng tổng dư nợ cho vay trên tổng tài sản Đây được xem là một hoạt động quan trọng mang lại thu nhập từ lãi vay cho ngân hàng Hoạt động này cũng có mức rủi ro cao, mang lại cho ngân hàng nhiều khoản nợ xấu Khi tỷ lệ cho vay tăng, tức mức độ rủi ro trong hoạt động cho vay tăng lên, vì thế ngân hàng cần tăng vốn để đảm bảo an toàn cho người gửi tiền Nghiên cứu của Đỗ Hoài Linh và cộng sự (2019) cho thấy mối quan hệ giữa các khoản vay và CAR là cùng chiều, có nghĩa là khi dư nợ cho vay tăng lên, CAR cũng tăng và ngược lại Ngược lại, Aspal & Nazneen (2014) và Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017) đã đề cập trong nghiên cứu của họ rằng việc cho vay có tương quan nghịch với CAR.

2.2.1.6 Tỷ lệ tiền gửi (DEP)

Hoạt động huy động vốn là một trong những hoạt động cơ bản và thường xuyên của các NHTM, giúp ngân hàng giữ đúng vai trò là trung gian tài chính Hoạt động nhận tiền gửi của khách hàng được xem là hoạt động chủ yếu nhất trong số các hoạt động huy động vốn của ngân hàng Tỷ lệ huy động tiền gửi của khách hàng được xác định bằng tỷ lệ tiền gửi của khách hàng trên tổng tài sản Tỷ lệ này cũng là một yếu tố tác động đến CAR Theo nghiên cứu của Anggono (2014); Dreca (2014); Võ Hồng Đức và cộng sự (2014) chỉ ra rằng hệ số tiền gửi trên tổng tài sản có tương quan âm với hệ số an toàn vốn.

2.2.1.7 Tỷ suất sinh lời trên tổng tài sản (ROA)

Tỷ suất sinh lời trên tổng tài sản được xác định bằng công thức lợi nhuận sau thuế trên tổng tài sản Chỉ số ROA đo lường lợi nhuận tạo ra từ tài sản và phản ánh mức độ các nhà quản lý của ngân hàng sử dụng các nguồn lực đầu tư thực tế để tạo ra lợi nhuận ROA cho biết cứ 100 đồng tài sản hiện có của ngân hàng thì có bao nhiêu đồng lợi nhuận mang lại Mối quan hệ giữa lợi nhuận sau thuế và tổng tài sản là vấn đề còn gây nhiều tranh cãi Nghiên cứu của Dreca (2014); Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) cho rằng đây là mối tương quan nghịch biến với CAR trong khi đó Anggono (2014); Mili và cộng sự (2016); El-Ansary, El-Masry và Yousry (2019); Bhattarai (2020) lại cho rằng mối quan hệ này là đồng biến.

2.2.2 Các yếu tố vĩ mô

2.2.2.1 Tăng trưởng kinh tế (GDP)

Tăng trưởng kinh tế là sự gia tăng hay tăng thêm của tổng sản phẩm quốc nội(GDP) hoặc sản phẩm quốc gia (GNP) bình quân trên đầu người của nền kinh tế trong một thời kỳ nhất định Hầu hết các nghiên cứu khi xem xét đến yếu tố vĩ mô nền kinh tế đều chỉ ra GDP có ảnh hưởng đến CAR của ngân hàng: Mili và cộng sự (2016) cho rằng nếu sự tăng trưởng của một quốc gia tăng cũng đồng nghĩa rằng ngân hàng có ít sự rủi ro hơn về vốn và có thể đầu tư nhiều hơn vào các lĩnh vực khác; hoặc ngược lại nếu tốc độ tăng trưởng này là thấp hoặc âm thì có nghĩa rằng ngân hàng có xác suất rủi ro cao hơn, nên giữ tỷ trọng vốn cao để ngăn tổn thất trong tương lai Trái lại nghiên cứu của Đỗ Hoài Linh và cộng sự (2019); Rafet Aktas và cộng sự (2015); Siti Norbaya Yahaya và cộng sự (2016) đã cho kết quả ngân hàng thường giữ tỷ trọng an toàn vốn thấp hơn sự tăng trưởng kinh tế quốc gia.

Tỷ lệ lạm phát là những thay đổi về mức giá của hàng hóa và dịch vụ có thể ảnh hưởng đến sức mua trên một đơn vị tiền tệ trong một thời kỳ nhất định Theo các nghiên cứu của Siti Norbaya Yahaya và cộng sự (2016) và Bhattarai (2020) đã cho kết quả lạm phát có tác động ngược chiều với hệ số an toàn vốn Khi tỷ lệ lạm phát tăng cao làm suy giảm sức mua trên một đơn vị tiền tệ, dẫn đến mất giá đồng tiền, do đó ngân hàng luôn phải duy trì một mức vốn cao nhằm bảo đảm hoạt động kinh doanh.

CÁC NGHIÊN CỨU THỰC NGHIỆM CÓ LIÊN QUAN

Tỷ lệ an toàn vốn (CAR) đối với các tổ chức Ngân hàng là một vấn đề quan trọng và được quan tâm nhiều trong các tài liệu tài chính vì thế đã có nhiều nghiên cứu liên quan đến các nhân tố ảnh hưởng đến tỷ lệ an toàn vốn của các ngân hàng Thương mại ở các nước phát triển và đang phát triển trên toàn thế giới Do không thể liệt kê hết tất cả các nghiên cứu có liên quan nên trong phần này tác giả sẽ khảo lược một số nghiên cứu nổi bật sau để làm cơ sở xây dựng cho mô hình nghiên cứu.

2.3.1 Các nghiên cứu trong nước

Võ Hồng Đức và cộng sự (2014) đã phân tích nhân tố ảnh hưởng đến CAR của

28 NHTM Việt Nam trong giai đoạn 2007 – 2012 Các nhân tố gồm Tài sản có tính thanh khoản cao, Tỷ lệ dự phòng rủi ro tín dụng, Quy mô ngân hàng, Tỷ lệ tiền gửi, Tỷ suất lợi nhuận trên vốn chủ sở hữu, Hệ số đòn bẩy và Tỷ lệ cho vay được sử dụng để đưa vào mô hình nghiên cứu Kết quả nghiên cứu chỉ ra rằng Tỷ lệ tài sản có tính thanh khoản cao và Tỷ lệ dự phòng rủi ro tín dụng tác động cùng chiều đến CAR.

Trong khi đó, Quy mô ngân hàng, Tỷ lệ tiền gửi và ROE có tác động ngược chiều đến

CAR Nghiên cứu này chưa tìm thấy được bằng chứng định lượng về tác động của Hệ số đòn bẩy và Tỷ lệ cho vay đến CAR.

Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017) đã phân tích Các yếu tố quyết định tỷ lệ an toàn vốn: Trường hợp hệ thống ngân hàng Việt Nam giai đoạn 2011-2015 Dữ liệu của bài nghiên cứu gồm 29 NHTM Việt Nam trong giai đoạn 2011 đến 2015, sau khi được xử lý, mẫu nghiên cứu được hồi quy theo mô hình OLS Kết quả nghiên cứu cho thấy Biên lãi ròng và Thanh khoản có tác động cùng chiều; trong khi Tỷ lệ cho vay trên tổng tài sản có tác động ngược chiều tới hệ số an toàn vốn Tác động của quy mô ngân hàng, Trích lập dự phòng và Hệ số đòn bẩy tài chính không có ý nghĩa thống kê.

Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) nhân tố ảnh hưởng đến tỷ lệ an toàn vốn tối thiểu của các ngân hàng thương mại ở Việt Nam Bài nghiên cứu này thu thập số liệu từ các báo cáo tài chính và báo cáo thường niên từ năm 2013 –

2017 của 29 NHTM Việt Nam được cung cấp bởi Stoxplus, sau khi được xử lý, dữ liệu hồi quy theo theo mô hình dữ liệu bảng với ảnh hưởng cố định (FEM) Kết quả cho thấy có 4 yếu tố tác động đến hệ số an toàn vốn: Quy mô ngân hàng và Tỷ lệ vốn chủ sở hữu trên tổng tài sản tỷ lệ thuận với hệ số an toàn vốn tối thiểu; trong khi đó Tỷ lệ lợi nhuận trên tổng tài sản (ROA) và Tỷ lệ dự phòng rủi ro tín dụng là tỷ lệ nghịch.

Ngoài ra kết quả còn cho thấy mối quan hệ của Biên lãi suất, Tỷ lệ cho vay trên tổng tài sản và Tỷ lệ nợ xấu đến hệ số an toàn vốn tối thiểu là không có ý nghĩa thống kê. Đỗ Hoài Linh và cộng sự (2019) đã nghiên cứu các yếu tố quyết định tỷ lệ an toàn vốn của các ngân hàng thương mại Việt Nam Bài nghiên cứu đã phân tích nhân tố ảnh hưởng đến hệ số an toàn vốn của các NHTM Việt Nam bằng cách sử dụng dữ liệu của 26 NHTM Việt Nam Thông qua mô hình Panel Tobit, nghiên cứu phát hiện ra rằng Đòn bẩy và Tiền gửi có tương quan thuận; trong khi Lãi suất ròng tỷ suất lợi nhuận (NIM), Quy mô ngân hàng, Tăng trưởng GDP, Lãi suất và Tỷ giá hối đoái có tương quan ngược chiều với CAR.

2.3.2 Các nghiên cứu nước ngoài

Anggono (2014) các yếu tố quyết định tỷ lệ an toàn vốn (CAR) tại 19 Ngân hàng thương mại Bài nghiên cứu sử dụng dữ liệu thứ cấp được lấy từ báo cáo xuất bản của ngân hàng Indonesia với số lượng là 19 ngân hàng thương mại (NHTM) từ giai đoạn 2008 – 2013 Kết quả cho thấy có 5 yếu tố ảnh hưởng đến hệ số an toàn vốn: Tỷ lệ nợ xấu; Lợi nhuận trên tổng tài sản có tác động cùng chiều; trong khi đó Lợi nhuận trên vốn chủ sở hữu, Tỷ lệ chi phí hoạt động trên thu nhập hoạt động và Tỷ lệ tiền gửi cho vay tác động ngược chiều với CAR.

Aspal & Nazneen (2014) phân tích thực nghiệm về mức độ an toàn vốn trong các ngân hàng khu vực tư nhân Ấn Độ Nghiên cứu này điều tra các yếu tố quyết định tỷ lệ an toàn vốn trong các Ngân hàng khu vực Tư nhân của Ấn Độ Kết quả nghiên cứu cho thấy có 5 yếu tố tác động đến hệ số an toàn vốn: Khoản vay, Hiệu quả quản lý, Tính thanh khoản và Độ nhạy cảm có tác động cùng chiều với CAR, và Chất lượng tài sản không có ý nghĩa thống kê.

Dreca (2014) các yếu tố quyết định tỷ lệ an toàn vốn trong một số ngân hàng

Bosnia được thống kê Mục đích của nghiên cứu này là xác định các yếu tố ảnh hưởng đến hệ số CAR tại 10 ngân hàng được chọn ở Bosnia và Herzegovina Nghiên cứu này sử dụng dữ liệu thứ cấp và dữ liệu thu được từ các báo cáo hàng năm của các ngân hàng, báo cáo của Cơ quan Ngân hàng Liên bang Bosnia và Herzegovina (FBA) và sử dụng phương pháp OLS tổng hợp để phân tích dữ liệu Sau khi thực hiện phân tích và phát triển kết quả mô hình kinh tế lượng chỉ ra rằng theo những dữ liệu này các biến Quy mô, Tỷ lệ tiền gửi trên tổng tài sản, Tỷ lệ cho vay và ROA có ảnh hưởng tiêu cực đến CAR, trong khi các biến Dự phòng rủi ro tín dụng, ROE, Lãi cận biên và Đòn bẩy có ảnh hưởng tích cực với CAR.

Rafet Aktas, Bilge Bakin, Gokhan Celik (2015) Các yếu tố quyết định đến tỷ lệ an toàn vốn của các ngân hàng: Một số bằng chứng từ các nước Đông Nam Âu. Nghiên cứu đã phát triển hai mô hình để tìm kiếm các yếu tố tác động đến CAR của các ngân hàng ở khu vực Đông Nam Châu Âu; với Mô hình 1 là các biến Quy mô, Khả năng sinh lời (ROA), Đòn bẩy, Khả năng thanh khoản, Biên lãi ròng và Rủi ro, Mô hình 2 là các biến Tốc độ tăng trưởng kinh tế, Lạm phát, Lãi suất thực, Chỉ số biến động thị trường chứng khoán Eurozone, Bảo hiểm tiền gửi phạm vi bao phủ và Chỉ số quản trị Dữ liệu được phân tích bằng phương pháp Bình phương tối thiểu tổng quát khả thi (GLS) Kết quả cho thấy Quy mô, Đòn bẩy và Rủi ro có dấu hiệu tiêu cực,

ROA, thanh khoản và Biên lãi ròng lại có dấu hiệu tích cực ở Mô hình 1 Mặt khác,Tốc độ tăng trưởng kinh tế và Quản trị có dấu hiệu tiêu cực, trong khi Tỷ lệ chi trả bảo hiểm tiền gửi và Chỉ số biến động thị trường chứng khoán Eurozone có tác động tích cực đến hệ số CAR.

Mili và cộng sự (2016) Các yếu tố ảnh hưởng đến hệ số an toàn vốn của các công ty con của ngân hàng nước ngoài: vai trò của thị trường liên ngân và các quy định Nghiên cứu này chỉ ra các yếu tố ảnh hưởng đến hệ số an toàn vốn của các ngân hàng nước ngoài bằng cách sử dụng dữ liệu của 310 công ty con và 265 chi nhánh với mô hình các biến là Quy mô ngân hàng, Tỷ lệ tiền gửi, Tỷ suất sinh lời trên tài sản, Tỷ suất lợi nhuận biên và yếu tố vĩ mô là Tốc độ tăng trưởng kinh tế để kiểm tra các tác động của các yếu tố của ngân hàng mẹ ảnh hưởng đến hệ số an toàn vốn của công ty con và các chi nhánh.

Siti Norbaya Yahaya và cộng sự (2016) Hiệu quả tài chính và tác động kinh tế đối với tỷ lệ an toàn vốn ở Nhật Bản Nghiên cứu này tìm ra mối quan hệ giữa hoạt động tài chính của các ngân hàng tại Nhật Bản và tình hình hoạt động của nền kinh tế Nhật với hệ số an toàn vốn Dữ liệu thứ cấp trong nghiên cứu này được thu thập tại các báo cáo thường niên của các ngân hàng Nhật và số liệu thống kê kinh tế được lấy từ báo cáo của Ngân hàng Thế giới (World Bank) Dữ liệu thu được trong 10 năm từ năm 2005 đến năm 2014 với tổng số biến là 640 quan sát Kết quả thực nghiệm cho thấy biến độc lập Tỷ suất lợi nhuận trên vốn chủ sở hữu tác động cùng chiều với hệ số an toàn vốn Trong khi đó, các yếu tố vĩ mô như Tăng trưởng kinh tế (GDP) và

Lạm phát lại tác động cùng chiều với CAR.

El-Ansary, El-Masry và Yousry (2019) Các yếu tố quyết định tỷ lệ an toàn vốn (CAR) trong khu vực MENA: Ngân hàng Hồi giáo và Ngân hàng thương mại Bài nghiên cứu sử dụng hệ số an toàn vốn như một biến phụ thuộc và được đo lường bằng khung Basel Kết quả phân tích trên 38 ngân hàng Hồi giáo (IBs) và ngân hàng thương mại (CBs) tại 10 quốc gia Mena trong giai đoạn 2009 – 2013 Kết quả thực nghiệm cho các Ngân hàng Hồi giáo có các yếu tố Rủi ro thanh khoản, Rủi ro tín dụng, Quy mô ngân hàng, Tiền gửi vào tài sản, Tốc độ tăng trưởng (GDP) tỷ lệ nghịch với hệ số an toàn vốn, và yếu tố Rủi ro thanh khoản tỷ lệ thuận với CAR Trong khi đó ở các ngân hàng thương mại (CBs) lại cho rằng các yếu tố Rủi ro tín dụng, Quy mô ngân hàng, Tốc độ tăng trưởng (GDP) có tương quan âm với CAR, yếu tố Rủi ro thanh khoản và Khả năng sinh lời tỷ lệ thuận với CAR.

Usman và cộng sự (2019) Các yếu tố quyết định tỷ lệ an toàn vốn trong ngành ngân hàng: Bằng chứng tại Sở giao dịch chứng khoán Indonesia Nghiên cứu này đã sử dụng dữ liệu của 27 ngân hàng được niêm yết trên Sở giao dịch chứng khoán Indonesia trong giai đoạn 2007-2018 Kết quả cho thấy Tỷ lệ đòn bẩy và Lãi suất ròng có tác động cùng chiều, ngược lại Quy mô ngân hàng, Dự phòng rủi ro cho vay và Tỷ lệ tài sản tín dụng có tác động ngược chiều và Khả năng thanh khoản không ảnh hưởng đến tỷ lệ an toàn vốn.

MÔ HÌNH NGHIÊN CỨU DỰ KIẾN

3.1.1 Khái quát mô hình nghiên cứu

Căn cứ vào các công trình nghiên cứu của Bhattarai (2020), Võ Hồng Đức và cộng sự (2014), Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017) nghiên cứu thấy rằng các yếu tố tác động đến tỷ lệ an toàn vốn bao gồm: Hệ số đòn bẩy (LEV), Khả năng thanh khoản (LIQ), Quy mô ngân hàng (SIZE), Thu nhập lãi cận biên (NIM), Tỷ lệ cho vay (LOA), Tỷ lệ tiền gửi (DEP), Tỷ suất sinh lời trên tổng tài sản (ROA), Tốc độ tăng trưởng kinh tế (GDP) và Lạm phát (INF).

Tác giả sẽ xây dựng mô hình nghiên cứu dự kiến như sau:

CAR it = β + β LEV it + β LIQ it + β SIZE it + β NIM it + β LOA it

+ β 6 DEP it + β 7 ROA it + β 8 GDP it + β 9 INF it + ε it

Trong đó: β 0 : hệ số chặn. β 1 … β 9 là các hệ số góc của các biến độc lập. ε là sai số thống kê của mô hình.

(CAR it ): Hệ số an toàn vốn của ngân hàng (i) tại thời điểm (t).

(LEV it ): Hệ số đòn bẩy của ngân hàng (i) tại thời điểm (t).

(LIQ it ): Khả năng thanh khoản của ngân hàng (i) tại thời điểm (t).

(SIZE it ): Quy mô ngân hàng của ngân hàng (i) tại thời điểm (t).

(NIM it ): Thu nhập lãi cận biên của ngân hàng (i) tại thời điểm (t).

(LOA it ): Tỷ lệ cho vay của ngân hàng (i) tại thời điểm (t).

(DEP it ): Tỷ lệ tiền gửi của ngân hàng (i) tại thời điểm (t).

(ROA it ): Tỷ suất sinh lợi trên tổng tài sản của ngân hàng (i) tại thời điểm (t). (GDP it ): Tốc độ tăng trưởng kinh tế của ngân hàng (i) tại thời điểm (t).

(INF it ): Lạm phát của ngân hàng (i) tại thời điểm (t).

3.1.2.1 Hệ số đòn bẩy (LEV)

Hầu hết các nghiên cứu thực nghiệm đều cho thấy mối quan hệ giữa hệ số đòn bẩy và hệ số an toàn vốn là đồng biến: Dreca (2014), Đỗ Hoài Linh và cộng sự (2019) và Usman và cộng sự (2019) Một số ít nghiên cứu khác cho rằng tương quan này có tác động nghịch biến hoặc không có ý nghĩa thống kê Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là cùng chiều và xây dựng giả thuyết như sau:

H 1 : Hệ số đòn bẩy tác động cùng chiều đến CAR.

3.1.2.2 Khả năng thanh khoản (LIQ) Đối với tác động của khả năng thanh khoản, đa số các quan điểm lý thuyết cũng như kết quả từ nghiên cứu cho rằng khả năng thanh khoản có tác động cùng chiều với hệ số an toàn vốn: Võ Hồng Đức và cộng sự (2014); Aspal & Nazneen (2014); Rafet Aktas (2015); Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017); Bhattarai (2020), nghiên cứu của Usman và cộng sự (2019) chỉ ra mối tương quan này không có tác động lẫn nhau Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là cùng chiều và xây dựng giả thuyết như sau:

H 2 : Khả năng thanh khoản tác động cùng chiều với CAR.

3.1.2.3 Quy mô ngân hàng (SIZE)

Hầu hết các quan điểm lý thuyết và kết quả thực nghiệm đều cho thấy mối quan hệ tỷ lệ nghịch giữa quy mô ngân hàng và hệ số an toàn vốn của các ngân hàng: Dreca (2014); Võ Hồng Đức và cộng sự (2014); Rafet Aktas và cộng sự (2015); Đỗ Hoài Linh và cộng sự (2019); Usman và cộng sự (2019); Bhattarai (2020) Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là ngược chiều và xây dựng giả thuyết như sau:

H 3 : Quy mô ngân hàng tác động ngược chiều đến CAR.

3.1.2.4 Thu nhập lãi cận biên (NIM) Đối với yếu tố thu nhập lãi cận biên, tác giả nhận thấy hầu hết các kết quả thực nghiệm cho rằng thu nhập lãi cận biên có tác động cùng chiều đến hệ số an toàn vốn: Dreca (2014); Rafet Aktas (2015); Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017); Usman và cộng sự (2019) Một số ít nghiên cứu khác chỉ ra NIM có tác động ngược chiều hay không tác động đến hệ số an toàn vốn Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là cùng chiều và xây dựng giả thuyết như sau:

H4: Thu nhập lãi cận biên tác động cùng chiều đến CAR.

3.1.2.5 Tỷ lệ cho vay (LOA)

Kết quả từ các nghiên cứu thực nghiệm đa số cho rằng, tỷ lệ cho vay của ngân hàng có mối quan hệ nghịch biến đến hệ số an toàn vốn: Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017); Aspal & Nazneen (2014); Dreca (2014); Võ Hồng Đức và cộng sự (2014); Usman và cộng sự (2019) Một số ít khác cho rằng LOA không có ý nghĩa thống kê đối với hệ số an toàn vốn Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là ngược chiều và xây dựng giả thuyết như sau:

H 5 : Tỷ lệ cho vay tác động ngược chiều đến CAR.

3.1.2.6 Tỷ lệ tiền gửi (DEP)

Về tỷ lệ tiền gửi, hầu hết các kết quả từ nghiên cứu thực nghiệm chỉ ra tỷ lệ tiền gửi có tác động ngược chiều đến hệ số an toàn vốn: Dreca (2014); Võ Hồng Đức và cộng sự (2014) Nghiên cứu khác cho rằng mối quan hệ này là cùng chiều: Đỗ Hoài Linh và cộng sự (2019) Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là ngược chiều hoặc cùng chiều và xây dựng giả thuyết như sau:

H 6 : Tỷ lệ tiền gửi tác động ngược chiều đến CAR.

3.1.2.7 Tỷ suất sinh lời trên tổng tài sản (ROA)

Tỷ suất lợi nhuận trên vốn chủ sở hữu là yếu tố gây nhiều tranh cãi trong các nghiên cứu về mối quan hệ giữa yếu tố này đến hệ số an toàn vốn Nghiên cứu của

Anggono (2014); Mili và cộng sự (2016); El-Ansary, El-Masry và Yousry (2019);Bhattarai (2020) cho rằng mối quan hệ này tác động dương đến nhau, trong khi nghiên cứu của Dreca (2014); Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) lại cho rằng

ROA tác động âm đến CAR Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là cùng chiều và ngược chiều và xây dựng giả thuyết như:

H 7 : Tỷ suất sinh lời trên tổng tài sản tác động ngược chiều đến CAR.

3.1.2.8 Tăng trưởng kinh tế (GDP)

Tăng trưởng kinh tế được xem là yếu tố tác động ngược chiều đến hệ số an toàn vốn, với các nghiên cứu sau: Rafet Aktas (2015); Đỗ Hoài Linh và cộng sự (2019); El-Ansary và cộng sự (2019); Siti Norbaya Yahaya và cộng sự (2016) Tuy nhiên chỉ một số ít cho rằng mối tương quan giữa hai biến này là không có ý nghĩa thống kê hoặc tác động dương Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là ngược chiều và xây dựng giả thuyết như sau:

H 8 : Tăng trưởng kinh tế tác động ngược chiều đến CAR.

Hầu hết các quan điểm lý thuyết và kết quả thực nghiệm đều cho thấy mối quan hệ tỷ lệ nghịch giữa yếu tố vĩ mô lạm phát và hệ số an toàn vốn của ngân hàng: Bhattarai (2020); Siti Norbaya Yahaya và cộng sự (2016) Vì thế dựa trên cơ sở đó, tác giả cũng kỳ vọng mối tương quan giữa hai yếu tố này là ngược chiều và xây dựng giả thuyết như sau:

H 9 : Lạm phát tác động ngược chiều đến CAR.

Bảng 3 1 Tổng hợp các biến sử dụng trong mô hình nghiên cứu

Công thức tính Các nghiên cứu trước Kỳ vọng

LEV Vốn chủ ѕản có rủі ro(RWA)ở hữu

Tổng tàі ѕản có rủі ro(RWA)ản Đỗ Hoài Linh và cộng sự (2019), Usman và cộng sự (2019)

LIQ Tіền và các khoản tương đương tіền

Tổng tàі ѕản có rủі ro(RWA)ản

Võ Hồng Đức và cộng sự (2014), Aspal & Nazneen (2014), Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017), Bhattarai (2020)

SIZE Ln(Tổng tàі ѕản có rủі ro(RWA)ản) Võ Hồng Đức và cộng sự (2014), Đỗ Hoài Linh và cộng sự (2019), Bhattarai (2020), Usman và cộng sự (2019)

NIM Thu nhậр lãі-Chі рhí lãі

Tổng tàі ѕản có rủі ro(RWA)ản ѕản có rủі ro(RWA)іnh lãі

Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017), Usman và cộng sự (2019)

LOA Cho vay khách hàng

Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017); Aspal &

Võ Hồng Đức và cộng sự (2014);

DEP Tіền gửі khách hàng

Võ Hồng Đức và cộng sự (2014), Anggono (2014); Đỗ Hoài Linh và cộng sự (2019)

Lợі nhuận ѕản có rủі ro(RWA)au thuế Tổng tàі ѕản có rủі ro(RWA)ản Anggono (2014); Mili và cộng sự

(2016); El-Masry và Yousry (2019); Bhattarai (2020) Dreca

(2014); Phạm Phát Tiến và Nguyễn Thị Kiều Ny (2019) GDP Tốc độ tăng trưởng GDP Rafet Aktas (2015); Đỗ Hoài

Linh và cộng sự (2019); El- Ansary và cộng sự (2019); Siti Norbaya Yahaya và cộng sự (2016)

Ghi chú: (+) tương quan dương, (-) tương quan âm

Nguồn: Tác giả tổng hợp

QUY TRÌNH NGHIÊN CỨU

Sơ đồ 3 1 Quy trình nghiên cứu Bước 1: Thu thập dữ liệu

Bước 2: Thống kê mô tả

Bước 3: Phân tích ma trận tương quan

Bước 4: Phân tích mô hình theo phương pháp

Bước 5: Kiểm định lựa chọn mô hình phù hợp

Bước 6: Kiểm định và xử lý các khuyết tật mô hình ì

Bước 7: Kết luận và đưa ra hàm ý chính sách

Bước 1: Thu thập dữ liệu Để có phục vụ cho nghiên cứu, tác giả đã sử dụng phương pháp thu thập dữ liệu thứ cấp bằng cách lấy các số liệu được công bố trong báo cáo thường niên, bảng cân đối kế toán, kết quả hoạt động kinh doanh của các NHTM Việt Nam trong giai đoạn

2012 –2020 tại website vietstock, sau đó thực hiện tính toán lại các chỉ số cần tìm.

Bước 2: Thống kê mô tả

Tác giả sử dụng phần mềm STATA để thực hiện mô tả tóm tắt các đặc trưng của dữ liệu về biến phụ thuộc và các biến độc lập như giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn.

Bước 3: Phân tích ma trận tương quan giữa các biến

Một trong những giả thiết của hồi quy tuyến tính là không có hiện tượng tương quan giữa các biến độc lập Chính vì thế, việc phân tích, kiểm tra tương quan giữa các biến độc lập là hết sức cần thiết thông qua ma trận tương quan Sau đó, bài viết thực hiện nhân tử phóng đại phương sai (VIF) để phát hiện tương quan nhóm, nguyên nhân xảy ra hiện tượng đa cộng tuyến.

Bước 4: Kiểm định mô hình theo phương pháp Pooled OLS, FEM, REM

Tác giả chạy mô hình hồi quy lần lượt theo các phương pháp bình phương nhỏ nhất (Pooled OLS), mô hình hồi quy theo phương pháp tác động cố định (FEM) và mô hình hồi quy theo phương pháp tác động ngẫu nhiên (REM).

Bước 5: Kiểm định lựa chọn mô hình

Sau khi thực hiện ước lượng với 3 phương pháp là Pooled OLS, FEM, REM, tác giả tiến hành thực hiện một số kiểm định bao gồm Kiểm định Fixed effect, Breusch – Pagan và Hausman để lựa chọn mô hình phù hợp nhất.

Bước 6: Kiểm định các khuyết tật mô hình

Nhằm mục đích tăng độ tin cậy và tính phù hợp cho kết quả nghiên cứu, tác giả tiến hành kiểm định các khuyết tật mô hình, bao gồm hiện tượng tự tương quan, phương sai sai số thay đổi Tiếp theo, tác giả khắc phục bằng dùng phương pháp SGMM trên dữ liệu bảng để khắc phục, xử lý các vấn đề như phương sai sai số thay đổi, hiện tượng tự tương quan và các vấn đề nội sinh của mô hình.

Bước 7: Kết luận và đưa ra hàm ý chính sách

Căn cứ vào kết quả hồi quy, đề tài tiến hành thảo luận, rút ra kết luận đồng thời đưa ra gợi ý, khuyến nghị nhằm giải quyết mục tiêu đã đề ra.

MẪU VÀ DỮ LIỆU NGHIÊN CỨU

Với mục đích nghiên cứu về các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM Việt Nam, đề tài sử dụng dữ liệu thứ cấp của của các NHTM Việt Nam để đo lường biến phụ thuộc là CAR và các biến độc lập ở nhóm yếu tố thuộc ngân hàng (LEV, LIQ, SIZE, NIM, LOA, DEP, ROA), được thu thập từ các báo cáo tài chính kiểm toán hợp nhất năm và báo cáo thường niên từ năm 2012 đến 2020 Dữ liệu thứ cấp đo lường các biến độc lập thuộc nhóm yếu tố vĩ mô (GDP và INF) được thu thập từ website của Ngân hàng Thế giới (data.worldbank.org).

Tác giả sử dụng những dữ liệu nghiên cứu của 26 NHTM Việt Nam và số liệu kinh tế vĩ mô của Tổng cục Thống kê, Ngân hàng Nhà nước Việt Nam trong giai đoạn từ năm 2012 đến năm 2020 Vì hạn chế trong việc công bố thông tin, một số ngân hàng không có sẵn dữ liệu về một số chỉ tiêu ở một số năm mà tác giả nghiên cứu, vậy nên tác giả chỉ chọn ra các ngân hàng có công bố các chỉ tiêu đầy đủ trong giai đoạn lựa chọn Cụ thể danh sách 26 NHTM được tác giả lựa chọn làm mẫu nghiên cứu được thể hiện ở Phụ lục 1. Đồng thời tác giả sử dụng phần mềm Excel để tính toán các giá trị của các biến độc lập, đồng thời xác định mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc dựa trên cơ sở dữ liệu bảng trong phần mềm Stata 15.0.

PHƯƠNG PHÁP NGHIÊN CỨU

Để xác định mức tác động của các biến độc lập với biến phụ thuộc, đề tài sử dụng phương pháp nghiên cứu định tính và định lượng để trả lời các câu hỏi nghiên cứu cũng như thực hiện mục tiêu nghiên cứu các yếu tố ảnh hưởng đến hệ số an toàn vốn của 26 NHTMCP tại Việt Nam.

3.4.1 Phương pháp nghiên cứu định tính

Phương pháp nghiên cứu định tính được sử dụng nhằm:

Thứ nhất, tiếp cận và phân tích tổng quan về hệ số an toàn vốn, cơ sở lý thuyết về các yếu tố tác động đến hệ số an toàn vốn.

Thứ hai, lược khảo các nghiên cứu thực nghiệm có liên quan trước về các yếu tố ảnh hưởng đến hệ số an toàn vốn trong và ngoài nước.

Thứ ba, thảo luận và thiết kế mô hình nghiên cứu và giải thích các giải thuyết cho từng biến độc lập đối với biến phụ thuộc.

Cuối cùng, nhận xét kết quả nghiên cứu và rút ra kết luận, đưa khuyến nghị có liên quan.

3.4.2 Phương pháp nghiên cứu định lượng

Phương pháp nghiên cứu định lượng được sử dụng để xác định các yếu tố ảnh hưởng đến hệ số an toàn vốn CAR bằng việc sử dụng các phương pháp kỹ thuật nghiệp vụ như sau:

Phương pháp này dùng để tóm tắt bộ dữ liệu mà tác giả đã thu thập được trong mô hình nghiên cứu để đo lường các chỉ tiêu như: số quan sát, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình.

Phân tích tương quan dùng để xác định mức độ tương quan cùng chiều hay ngược chiều, tương quan mạnh hay tương quan yếu, tương quan giữa từng biến độc lập với nhau và từng biến độc lập với biến phụ thuộc trong mô hình nghiên cứu.

Phân tích hồi quy dữ liệu bảng nhằm kiểm định xu hướng cũng như mức độ ảnh hưởng của các yếu tố ảnh hưởng đến hệ số an toàn vốn tại các NHTM Việt Nam. Đề tài sẽ sử dụng mô hình hồi quy bình phương nhỏ nhất – Pooled OLS (Pooled Ordinary Least Square), mô hình tác động cố định – FEM (Fixed Effects Model) và mô hình tác động ngẫu nhiên – REM (Random Effects Model), mô hình S-GMM (System Generalized Method of Moments).

3.4.2.4 Kiểm định lựa chọn mô hình Để kiểm định các giả thuyết nghiên cứu về ảnh hưởng của các yếu tố tác động đến hệ số an toàn vốn tại các NHTM Việt Nam giai đoạn 2012 – 2020, đề tài sử dụng phương pháp (i) kiểm định F, (ii) kiểm định Breusch – Pagan, hay (iii) kiểm định Hausman với mức ý nghĩa là 1%, 5% và 10% để xác định mức độ tin cậy của các biến độc lập với biến phụ thuộc, và căn cứ vào hệ số hồi quy (beta) để giải thích xu hướng cũng như mức độ của các biến này đến biến phụ thuộc.

(1) Kiểm định F Được sử dụng để lựa chọn mô hình theo phương pháp Pooled OLS hoặc FEM.

H 0 : Lựa chọn mô hình theo phương pháp Pooled OLS,

H1: Lựa chọn mô hình theo phương pháp FEM.

=> Nếu P-value > 5%, chấp nhận giả thuyết H 0 chọn mô hình Pooled OLS, bác bỏ giả thuyết H 1 và ngược lại chọn FEM.

(ii) Kiểm định Breusch – Pagan

Tiếp theo, để lựa chọn mô hình theo phương pháp Pooled OLS hoặc REM Với giả định

H 0 : Lựa chọn mô hình theo phương pháp Pooled OLS,

H1: Lựa chọn mô hình theo phương pháp REM.

=> Nếu P-value > 5%, chấp nhận giả thuyết H 0 chọn mô hình Pooled OLS, bác bỏ giả thuyết H 1 và ngược lại chọn REM.

Sau khi kiểm định lựa chọn mô hình theo phương pháp Pooled OLS hoặc FEM hay Pooled OLS hoặc REM, tác giả tiếp tục sử dụng kiểm định Hausman để lựa chọn mô hình theo phương pháp FEM hoặc REM Với giả định

H0: Lựa chọn mô hình theo phương pháp REM,

H 1 : Lựa chọn mô hình theo phương pháp FEM.

=> Nếu P-value > 5%, chấp nhận giả thuyết H 0 chọn mô hình REM, bác bỏ giả thuyết H1 và ngược lại chọn mô hình FEM.

3.4.2.5 Kiểm định khuyết tật của mô hình

Nhằm mục đích tăng độ tin cậy và tính phù hợp cho kết quả nghiên cứu, tác giả tiến hành kiểm định các khuyết tật mô hình, bao gồm (i) hiện tượng đa cộng tuyến, (ii) hiện tượng phương sai sai số thay đổi, (iii) kiểm định hiện tượng tự tương quan.

(i) Kiểm định hiện tượng đa cộng tuyến

Nghiên cứu sử dụng kiểm định hệ số phóng đại phương sai (VIF) để kiểm tra hiện tượng đa cộng tuyến trong mô hình Hệ số VIF quyết định mức độ nghiêm trọng của đa cộng tuyến trong phân tích hồi quy, nếu hệ số này không lớn hơn 10 thì không xảy ra hiện tượng đa cộng tuyến.

(ii) Kiểm định hiện tượng phương sai sai số thay đổi

Có rất nhiều kiểm định để phát hiện hiện tượng phương sai sai số thay đổi như kiểm định White, Harvey, Modified Wald hay Breusch-Pagan Cụ thể trong nghiên cứu này, tác giả sử dụng kiểm định Breusch-Pagan để xem xét hiện tượng tự tương quan dựa trên mô hình hồi quy tác động ngẫu nhiên REM với giả thuyết

H 0 : không có phương sai sai số thay đổi,

H1: có hiện tượng phương sai sai số.

=> Nếu P-value < 5%, bác bỏ giả thuyết H 0 , tức mô hình gặp hiện tượng phương sai hoặc ngược lại.

(iii) Kiểm định hiện tượng tự tương quan Để phát hiện hiện tượng tự tương quan, tác giả sử dụng kiểm định Wooldrige với giả thuyết

H0: không có hiện tượng tự tương quan,

(iv) mô hình gặp hiện tượng tự tương quan.

(v) Nếu P-value < 5%, bác bỏ giả thuyết H 0 , mô hình gặp hiện tượng tự tương quan hoặc ngược lại.

3.4.2.6 Hồi quy mô hình theo phương pháp SGMM

Bài nghiên cứu sử dụng SGMM để giải quyết các vấn đề nội sinh và tự tương quan trong mô hình Và để đảm bảo các ước lượng theo phương pháp SGMM là phù hợp, tác giả dựa vào các giả định như sau:

H 0 : Các biến công cụ là biến ngoại sinh

H1: Các biến công cụ không là biến ngoại sinh

=> Nếu P-value > 10% thì chấp nhận giả thuyết H 0 , tức các biến công cụ được sử dụng trong mô hình là biến ngoại sinh, và ngược lại.

(ii) Kiểm định Arellano – Bond

H0: Không có sự tương quan bậc 2 của phần dư

H 1 : Có sự tương quan bậc 2 của phần dư

=> Nếu P-value >10%, ta chấp nhận H 0 , phần dư của mô hình không tồn tại hiện tượng tự tương quan bậc 2, nghĩa là mô hình đạt yêu cầu.

Dựa trên cơ sở lý thuyết về hệ số an toàn vốn ở chương 2, tác giả khái quát mô hình nghiên cứu gồm 9 biến, bao gồm: Hệ số đòn bẩy, Khả năng thanh khoản, Quy mô ngân hàng, Thu nhập lãi cận biên, Tỷ lệ cho vay, Tỷ lệ tiền gửi, Tỷ suất sinh lời trên tổng tài sản, Tốc độ tăng trưởng kinh tế và Lạm phát Đồng thời xác định về quy trình nghiên cứu cũng như phương pháp nghiên cứu.

KẾT QUẢ NGHIÊN CỨU 34 4.1 THỰC TRẠNG HỆ SỐ AN TOÀN VỐN TẠI CÁC NGÂN HÀNG

KẾT QUẢ NGHIÊN CỨU

4.2.1 Thống kê mô tả Đề tài tổng hợp dữ liệu nghiên cứu từ các báo cáo thường niên, báo cái tài chính của

26 NHTM trong khoảng thời gian là 9 năm từ 2012 – 2020, với tổng cộng là 234 quan sát.

Mô hình được thống kê qua bảng thống kê mô tả dưới đây để thấy tổng quan của nguồn dữ liệu.

Bảng 4 1 Thống kê mô tả các biến Biến Quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất

Bảng 4.1 thống kê mô tả khái quát các thông số cơ bản về số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất của các biến trong mô hình nghiên cứu Tổng số quan sát trong mô hình cho biến độc lập và các biến phụ thuộc là 234 quan sát Cụ thể: Đối với hệ số an toàn vốn (CAR): Hệ số an toàn vốn của 26 NHTM Việt Nam trong giai đoạn từ 2012 đến 2020 CAR có giá trị trung bình là 13,26% và tương ứng với độ lệch chuẩn của mẫu là 3,94%, giá trị lớn nhất là 33,4% và giá trị nhỏ nhất là 8,5% (CAR của Agribank năm 2015) Như vậy nhìn chung giá trị trung bình của các NHTM đã đảm bảo so với quy định chung của NHNN là phải đạt mức tối thiểu 9% Điều này đồng nghĩa các NHTM về cơ bản có đủ khả năng về vốn để đáp ứng những cú sốc tài chính, và có khả năng bảo vệ chính ngân hàng và khách hàng. Đối với hệ số đòn bẩy tài chính (LEV): Biến LEV đạt giá trị trung bình là 8,83%, độ lệch chuẩn 3,80% Qua bảng thống kê cho thấy giá trị nhỏ nhất là 2,62% của ngân hàng SCB năm 2020 và giá trị lớn nhất là 23,84% của ngân hàng SGB năm 2013. Đối với khả năng thanh khoản (LIQ): Khả năng thanh khoản có giá trị trung bình bằng 13,43% với độ lệch chuẩn là 6,08% Giá trị nhỏ nhất là 3,85% của ngân hàng VPB năm 2016 và giá trị lớn nhất là 30,76% thuộc ngân hàng NVB năm 2014. Đối với quy mô ngân hàng (SIZE): có thể thấy quy mô của các NHTM cách biệt nhau khá lớn khi giá trị trung bình logarit của tổng tài sản đạt 18,74 tỷ đồng với độ lệch chuẩn lên đến 1,190 tỷ đồng Trong đó, giá trị nhỏ nhất bằng 16,502 của ngân hàng SGB năm 2013 và giá trị lớn nhất là 21,173 thuộc về ngân hàng Agribank năm 2020. Đối với lợi nhuận biên (NIM): Thu nhập lãi cận biên đạt giá trị trung bình là

2,64%, độ lệch chuẩn 1,22% Qua bảng thống kê cho thấy giá trị nhỏ nhất là 0,36% của ngân hàng HDB năm 2013 và giá trị lớn nhất là 8,13% thuộc ngân hàng VPB năm 2019. Đối với tỷ lệ cho vay (LOA): Tỷ lệ cho vay LOA đạt giá trị trung bình là 57,57%, độ lệch chuẩn 11,75% Qua bảng thống kê cho thấy giá trị nhỏ nhất là 21,62% của ngân hàng SSB năm 2012 và giá trị lớn nhất là 78,81% thuộc ngân hàng BIDV năm 2020. Đối với tỷ lệ tiền gửi (DEP): đạt giá trị trung bình là 1,28%, độ lệch chuẩn 0,91%.

Qua bảng thống kê cho thấy giá trị nhỏ nhất là 0,01% của ngân hàng Kiên Long năm 2020 và giá trị lớn nhất là 5,32% của ngân hàng VPB năm 2019. Đối với tỷ suất sinh lời trên tổng tài sản (ROA): đạt giá trị trung bình là 0,80%, độ lệch chuẩn 0,75% Qua bảng thống kê cho thấy giá trị nhỏ nhất là 0.00% của ngân hàng NVB năm 2020 và giá trị lớn nhất là 6,43% của ngân hàng VIB năm 2012. Đối với tăng trưởng kinh tế (GDP): Tốc độ tăng trưởng kinh tế ở Việt Nam trong khoảng 2012 – 2020 có độ lệch chuẩn 1,24% Qua bảng thống kê cho thấy GDP đạt giá trị trung bình đạt 5,93%, giá trị nhỏ nhất vào năm 2020 với 2,91% và giá trị lớn nhất vào năm

2018 với 7,08%. Đối với yếu tố lạm phát (INF): Lạm phát bình quân tại Việt Nam trong giai đoạn

2012 đến 2020 có độ lệch chuẩn 2,32% Qua bảng thống kê cho thấy INF đạt giá trị trung bình là 4,01%, giá trị nhỏ nhất vào năm 2015 là 0,63% và giá trị lớn nhất là vào năm 2012 là 9,09%.

Bảng 4 2 Tương quan giữa các biến độc lập trong mô hình các yếu tố ảnh hưởng đến hệ số an toàn vốn của các NHTM

CAR LEV LIQ SIZE NIM LOA DEP ROA GDP INF CAR 1,00

Kết quả từ bảng 4.2 cho thấy biến độc lập đều có quan hệ tuyến tính với biến phụ thuộc, trong đó có các biến LEV, LIQ, NIM, DEP, ROA, GDP, INF có quan hệ đồng biến với CAR, còn các biến SIZE và LOA có quan hệ ngược chiều Theo Kenedy (2008), hệ số tương quan giữa các biến độc lập vượt quá 0,8 thì sẽ xảy ra hiện tượng tự tương quan Nhìn vào bảng 4.2 ta thấy hệ số tương quan của các biến độc lập với biến phụ thuộc trong mô hình nằm trong khoảng từ -0,642 đến 0,773 Mối tương quan giữa SIZE và CAR bằng - 0,642; LEV và CAR bằng 0,773 cho thấy cặp biến này có tương quan khá cao, tuy nhiên con số này vẫn nằm trong khoảng an toàn dưới 0,8 Vậy nên, có thể kết luận rằng các biến trong mô hình là phù hợp, không có tương quan giữa các cặp biến số.

Tiếp theo, thông qua hệ số phóng đại phương sai (VIF), tác giả tiến hành kiểm định này để đảm bảo rằng mô hình có xảy ra hiện tượng đa cộng tuyến hay không Hệ số VIF sẽ quyết định mức độ nghiêm trọng của đa cộng tuyến trong phân tích hồi quy, nếu VIF không lớn hơn 10 thì mô hình không xảy ra hiện tượng đa cộng tuyến.

Bảng 4 3 Kiểm định đa cộng tuyến VIF

Kết quả ở bảng 4.3 có thể thấy hệ số VIF của các biến trong mô hình đều bé hơn 10 và giá trị trung bình của VIF bằng 2,01 Vì vậy mô hình không xuất hiện hiện tượng đa cộng tuyến, các biến được đưa vào mô hình nhìn chung sẽ phù hợp phân tích hồi quy.

4.2.3 Phân tích hồi quy tổng thể OLS, FEM và REM

4.2.3.1 Hồi quy theo mô hình POOLED OLS Đầu tiên tác giả sẽ sử dụng mô hình hồi quy OLS gộp để kiểm định mô hình Dựa trên kết quả hồi quy kiểm định OLS, ở bảng 4.4 đã giải thích được 65,73% sự thay đổi củaCAR tại các NHTMCP Việt Nam (R-sq = 0,6573) Như kết quả hồi quy cho thấy biếnLEV, GDP tác động cùng chiều đến CAR, có ý nghĩa thống kê lần lượt là 1% (P-value t [Khoảng tin cậy 95%]

_cons 0,3189 0,1212 2,63 0,010 0,0800 0,5578 sigma_u 0,0170 sigma_e 0,0210 rho 0,3960 (fraction of variance due to u_i)

4.2.3.3 Hồi quy theo mô hình REM

Tiếp theo tác giả thực hiện hồi quy mô hình tác động ngẫu nhiên REM (Random Effect Model) Dựa vào kết quả hồi quy theo mô hình REM đã giải thích được 64,87% sự thay đổi của CAR tại các NHTMCP Việt Nam (R-sq = 0,6487) Biến LEV có ý nghĩa ở mức 1% (P-value < 0.01); các biến LIQ và SIZE và LOA có ý nghĩa thống kê tại mức5% (P-value < 0.05); các biến ROA, GDP có ý nghĩa thống kê ở mức ý nghĩa 10% (P- value < 0.1).

Bảng 4 6 Hồi quy theo mô hình REM

Random-effects GLS regression Number of obs = 234

Group variable: bank Number of groups = 27

R-sq: Obs per group: within = 0,5538 min = 4 between = 0,7646 avg = 8,7 overall = 0,6487 max = 9

Wald chi2(9) = 325,95 corr (u_i, Xb) = 0 (assumed) Prob > chi2 = 0,000

CAR Hệ số hồi quy Độ lệch chuẩn t P>t [Khoảng tin cậy 95%]

_cons 0,2090 0,0582 3,59 0,000 0,0950 0,3230 sigma_u 0,01076 sigma_e 0,02101 rho 0,20768 (fraction of variance due to u_i)

KIỂM ĐỊNH MÔ HÌNH

4.3.1 Kiểm định sự phù hợp giữa mô hình POOLED OLS và FEM Đề tài sử dụng kiểm định F test để lựa chọn sự phù hợp giữa giữa hai mô hình Pooled OLS và FEM, với giả thuyết:

H 0 : chấp nhận giả thuyết mô hình Pooled OLS là phù hợp.

H1: chấp nhận giả thuyết mô hình Fixed Effect là phù hợp.

Kết quả thu được từ mô hình như sau: Ta thấy Prob > F = 0,0000 < 5% nên bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, do đó với mức ý nghĩa 5% mô hình FEM là phù hợp hơn.

Bảng 4 7 Kết quả kiểm định F test

Nguồn: Kết quả tính toán từ phần mềm Stata

4.3.2 Kiểm định sự phù hợp giữa mô hình POOLED OLS và REM

Tiếp đến đề tài sử dụng kiểm định Breusch & Pagan test để lựa chọn sự phù hợp giữa giữa hai mô hình Pooled OLS và REM, với giả thuyết:

H 0 : chấp nhận giả thuyết mô hình Pooled OLS là phù hợp.

H1: chấp nhận giả thuyết mô hình Random Effect là phù hợp.

Kết quả thu được từ mô hình như sau: Ta thấy Prob > chibar2 = 0,0001 < 5% nên bác bỏ giả thuyết H 0 , chấp nhận giả thuyết H 1 , do đó với mức ý nghĩa 5% mô hình REM là phù hợp hơn.

Bảng 4 8 Kết quả kiểm định Breusch & Pagan test

4.3.3 Kiểm định sự phù hợp giữa mô hình FEM và REM

Sau khi thực hiện 2 kiểm định trên thì kết quả cho thấy mô hình FEM và mô hình REM là phù hợp hơn mô hình OLS Tới đây đề tài sử dụng kiểm định Hausman test để lựa chọn sự phù hợp giữa giữa hai mô hình FEM và REM, với giả thuyết:

H0: chấp nhận giả thuyết mô hình Fixed Effect là phù hợp.

H 1 : chấp nhận giả thuyết mô hình Random Effect là phù hợp.

Kết quả thu được từ mô hình như sau: Ta thấy Prob > chi2 = 0,0739 > 5% nên chấp nhận giả thuyết H 0 , bác bỏ giả thuyết H 1 , do đó với mức ý nghĩa 5% mô hình REM là phù hợp hơn.

Bảng 4 9 Kết quả kiểm định Hausman test chi2 (9) = (b-B) ' [(V_b-V_B) ^ (-1)] (b-B)

Prob>chi2 = 0,0739 (V_b-V_B is not positive definite)

Bảng 4 10 Tổng hợp kết quả hồi quy và lựa chọn mô hình

Hệ số hồi quy P>t Hệ số hồi quy P>t Hệ số hồi quy P>t

Kiểm định F test Hausman test Breusch Pagan test

Lựa chọn OLS & FEM FEM & REM OLS & REM

P- value Prob > F = 0,0000 Prob>chi2 = 0,0739 Prob>chibar2 = 0,0001

Kết luận FEM REM REM

Chọn Kết luận lựa chọn mô hình REM là mô hình phù hợp

4.3.4 Kiểm định hiện tượng phương sai sai số thay đổi

Trong mô hỉnh REM, tác giả áp dụng kiểm định Breusch – Pagan để kiểm định hiện tượng phương sai sai số thay đổi bằng lệnh xttest0, với giả thuyết:

H 0 : Mô hình không có phương sai thay đổi

H1: Mô hình có phương sai sai số thay đổi

Kết quả thu được từ mô hình như sau: Ta thấy Prob > chibar2 = 0,0001 < 5%, từ đó chấp nhận H 1 , bác bỏ giả thuyết H 0, do đó với mức ý nghĩa 5% mô hình có tồn tại hiện tượng phương sai thay đổi.

Bảng 4 11 Kiểm định hiện tượng phương sai sai số thay đổi (Breusch – Pagan) chibar2 (01) = 13,93 Prob > chibar2 = 0,0001

4.3.5 Hồi quy mô hình theo phương pháp S-GMM.

Sau khi kiểm tra khiếm khuyết của mô hình, tác giả nhận thấy mô hình có hiện tượng phương sai sai số thay đổi Và để khắc phục các hiện tượng nội sinh trong mô hình được lựa chọn cũng như khắc phục hiện tượng phương sai sai số thay đổi, tác giả tiến hành ước lượng hồi quy theo phương pháp SGMM Song, tác giả lựa chọn mô hình hồi quy GMM làm mô hình cuối cùng để phân tích các biến độc lập có tương quan như thế nào đến hệ số an toàn vốn của các ngân hàng thương mại cổ phần tại Việt Nam.

Biến phụ thuộc Hệ số hồi quy P-value

Sargan test Arellano-Bond test Kết quả chi2(34) = 18,41154

Từ bảng 4.12 kết quả hồi quy mô hình GMM cho thấy có 7 biến độc lập tác động đến hệ số an toàn vốn có ý nghĩa thống kê bao gồm các biến LEV, LIQ, SIZE, NIM, LOA, ROA, INF Qua đó các biến LEV, LIQ, ROA có ý nghĩa thống kê ở mức 1%; SIZE, LOA có ý nghĩa thống kê ở mức 5%; NIM và INF có ý nghĩa thống kê ở mức 10% Biến DEP và GDP không mang ý nghĩa thống kê ở mô hình này.

Trong mô hình này, kiểm định Sargan nếu kết quả cho thấy rằng giá trị P- value >10% cho thấy không có hiện tượng nội sinh trong mô hình; đồng thời kiểm định

Arellano – Bond có giá trị P-value > 10% cho thấy không có hiện tượng tự tương quan giữa các biến trong mô hình Kết quả từ hồi quy SGMM cho thấy:

Kiểm định Sargan: kiểm định với mức ý nghĩa lớn hơn 10%, trong mô hình cho kết quả P-value = 0,9868 > 10% nghĩa là các biến độc lập trong mô hình không có hiện tượng nội sinh.

Kiểm định Arellano-Bond: kiểm định này cho kết quả P-value = 0,1468 > 10% nghĩa là phần dư trong mô hình không có hiện tượng tự tương quan.

=> Với kết quả như trên, mô hình SGMM hoàn toàn phù hợp cho đề tài này.

THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

Sau khi tiến hành các kiểm định, ước lượng và khắc phục các khuyết tật của mô hình được lựa chọn, nghiên cứu tổng hợp được 7 biến mang ý nghĩa thống kê với biến phụ thuộc là hệ số an toàn vốn dưới Bảng 4.13 dưới đây:

Bảng 4 13 Bảng tổ Biến phụ thuộc ng hợp các biến ma Hệ số hồi quy ng ý nghĩa thống kê P-value

Nguồn: Tác giả tổng hợp Đề tài đưa ra được mô hình nghiên cứu về các yếu tố tác động đến hệ số an toàn vốn của các Ngân hàng Thương mại Việt Nam như sau:

CAR = -0,0722 – 1,8185*ROA + 0,6439*NIM + 0,5851*LEV – 0,1034*LIQ –

Bảng 4 14 Tóm tắt kết quả Biến độc lập

Mức ý nghĩa Kiểm định giả thuyết

DEP (+)/ (-) — Không có ý nghĩa thống kê Bác bỏ

GDP (-) — Không có ý nghĩa thống kê Bác bỏ

Theo kết quả hồi quy được tổng hợp ở Bảng 4.13 và Bảng 4.14, tác giả thấy rằng:

4.4.1 Hệ số đòn bẩy (LEV)

Thứ nhất, đúng với giả thuyết ban đầu đặt ra, với mức ý nghĩa 1% (P-value 0.000), hệ số đòn bẩy (LEV) của các NHTM Việt Nam tác động cùng chiều đến hệ số an toàn vốn Điều này cho thấy rằng khi hệ số đòn bẩy của ngân hàng tăng (giảm) 1 đơn vị thì hệ số an toàn vốn cũng tăng (giảm) 0,5851 đơn vị Kết quả nghiên cứu này được ủng hộ bởi các nghiên cứu của Đỗ Hoài Linh và cộng sự (2019), Usman và cộng sự

(2019) cũng cho thấy biến thiên này là cùng chiều Kết quả giải thích được nếu hệ số đòn bẩy cao cũng đồng nghĩa với quy mô chủ sở hữu của các ngân hàng ngày càng cao, từ đó cũng làm tăng hệ số an toàn vốn của các NHTM Việt Nam.

Tương quan giữa LEV và CAR của các NHTM

Hình 4 2 Tương quan giữa LEV và CAR

Thực tế tại thị trường các NHTM Việt Nam trong giai đoạn từ năm 2012 đến

2020 cũng cho thấy tương quan này là cùng chiều (Hình 4.2) Điều này cũng phù hợp với thực trạng của các NHTM Việt Nam trong giai đoạn này, để đảm bảo trong hoạt động ngân hàng, NHNN liên tục ban hành những chính sách quy định về an toàn vốn, tạo điều kiện cho các NHTM cạnh tranh nhau NHNN cũng tuân thủ về việc gia tăng vốn điều lệ, điều này đã làm tăng vốn tự có của các ngân hàng, từ đó các ngân hàng luôn có thể duy trì hệ số an toàn vốn theo mức quy định.

4.4.2 Khả năng thanh khoản (LIQ)

Thứ hai, với mức ý nghĩa 1% (P-value = 0.000), khả năng thanh khoản của các

NHTM Việt Nam tác động ngược chiều đến hệ số an toàn vốn Cụ thể, khi khả năng thanh khoản của ngân hàng tăng (giảm) 1 đơn vị thì hệ số an toàn vốn giảm (tăng) 0,1034 đơn vị Kết quả ngược với các nghiên cứu của Võ Hồng Đức và cộng sự (2014) khi phân tích nhân tố ảnh hưởng đến CAR của 28 NHTM Việt Nam trong giai đoạn

2007 – 2012, Aspal & Nazneen (2014) khi phân tích thực nghiệm về mức độ an toàn vốn trong các ngân hàng khu vực tư nhân Ấn Độ, và Bhattarai (2020) nghiên cứu về các yếu tố quyết định tỷ lệ an toàn vốn của các ngân hàng thương mại ở Nepal.

Tương quan giữa LIQ và CAR của các NHTM Việt

Hình 4 3 Tương quan giữa LIQ và CAR

Trái với giả thuyết ban đầu đặt ra, thực trạng của các NHTM tại Việt Nam giai đoạn 2012 đến 2020 cho kết quả cho tương quan này là ngược chiều (Hình 4.3) Kết quả nghiên cứu cho thấy, cứ 1 đơn vị thay đổi tăng lên trong khả năng thanh khoản sẽ làm giảm 0,1034 đơn vị hệ số an toàn vốn Tại Việt Nam, trái ngược hoàn toàn so với kì vọng ban đầu này là do đã có những cuộc đua lãi suất trong giai đoạn năm 2012 – 2014 đã khiến khả năng thanh khoản của các ngân hàng được cải thiện 6 Tuy nhiên, nhu cầu cho vay trong giai đoạn này vẫn có xu hướng tăng cao, nhằm duy trì và đẩy mạnh hoạt động cho vay đã khiến nhiều ngân hàng thiếu hụt vốn dự trữ dẫn đến hệ số an toàn vốn của các ngân hàng có dấu hiệu suy giảm.

4.4.7 Quy mô ngân hàng (SIZE)

Thứ ba, trái ngược với giả thuyết ban đầu đưa ra, với mức ý nghĩa 5% (P- value 0,004), quy mô ngân hàng (SIZE) tác động cùng chiều với hệ số an toàn vốn và có ảnh hưởng ít nhất đến CAR Điều này cho thấy khi quy mô ngân hàng tăng (giảm) 1 đơn vị thì hệ số an toàn vốn cũng tăng (giảm) 0,0175 đơn vị Với thực trạng của các NHTM tại Việt Nam giai đoạn 2012 đến 2020 cho kết quả giữa tương quan này là cùng chiều, trái với kết quả của các nghiên cứu trước.

Kết quả nghiên cứu cho thấy những NHTM có quy mô càng lớn thì hệ số an toàn vốn càng tăng Điều này có thể giải thích rằng trong suốt giai đoạn này, các

NHTM đẩy mạnh việc bán cổ phần cho các đối tác ở thị trường trong và ngoài nước để gia tăng vốn của mình Thêm vào đó, các chuyên gia quản trị ngân hàng cũng tập trung vào quản lý rủi ro tài sản bằng cách chuyển đổi danh mục tài sản và tham khảo các biện pháp quản trị khác từ nước ngoài.

4.4.2 Thu nhập lãi cận biên (NIM)

Thứ tư, đúng với giả thuyết ban đầu đặt ra, thu nhập lãi cận biên có tác động cùng chiều với hệ số an toàn vốn ở mức ý nghĩa là 10% (P-value = 0,066) Tức là khi NIM tăng (giảm) 1 đơn vị thì hệ số an toàn vốn cũng tăng (giảm) 0,6439 đơn vị Kết quả này

6 “Quý I/2012: Lãi suất giảm, thanh khoản được cải thiện”, truy cập Báo Điện tử Chính phủ: https://baochinhphu.vn/quy-i-2012-lai-suat-giam-thanh-khoan-duoc-cai-thien-102123297.htm cũng được ủng hộ bởi Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017) khi nghiên cứu về các yếu tố quyết định tỷ lệ an toàn vốn tại hệ thống ngân hàng Việt Nam giai đoạn 2011 – 2015, Usman và cộng sự (2019) khi nghiên cứu về các yếu tố quyết định tỷ lệ an toàn vốn trong ngành ngân hàng: Bằng chứng tại Sở giao dịch chứng khoán Indonesia.

Tương quan giữa NIM và CAR của các NHTM

Hình 4 4 Tương quan giữa NIM và CAR

Hình 4.4 cho thấy thực trạng tương quan giữa thu nhập lãi cận biên và hệ số an toàn vốn của các NHTM Việt Nam giai đoạn 2012 đến 2020 Thực tế cho thấy NIM và CAR có mối tương quan cùng chiều với nhau Để tăng NIM thì phải tăng thu nhập lãi và giảm chi phí lãi, từ đó lợi nhuận tăng dẫn đến tăng vốn ngân hàng, dẫn đến hệ số an toàn vốn cũng tăng.

4.4.6 Tỷ lệ cho vay (LOA)

Thứ năm, đúng với giả thuyết ban đầu đặt ra, tỷ lệ cho vay có tác động ngược chiều với hệ số an toàn vốn ở mức ý nghĩa là 5% (P-value = 0,012) Tức là khi LOA tăng 1 đơn vị thì hệ số an toàn vốn giảm 0,0546 đơn vị và ngược lại Kết quả này cũng được ủng hộ bởi các nghiên cứu điển hình như Phạm Thị Xuân Thoa và Nguyễn Ngọc Anh (2017) khi nghiên cứu các yếu tố quyết định tỷ lệ an toàn vốn tại hệ thống ngân hàng Việt Nam giai đoạn 2011-2015, Usman và cộng sự (2019) nghiên cứu về các yếu tố quyết định tỷ lệ an toàn vốn trong ngành ngân hàng: Bằng chứng tại Sở giao dịch chứng khoán Indonesia, hay Aspal & Nazneen (2014) phân tích thực nghiệm về mức độ an toàn vốn trong các ngân hàng khu vực tư nhân Ấn Độ.

Tương quan giữa LOA và CAR của các NHTM Việt

Hình 4 5 Tương quan giữa LOA và CAR

Định dạng
Số trang	91
Dung lượng	174,3 KB