Thành Phố Hồ Chí Minh Năm 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH ĐẶNG THỊ LỆ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI CỔ P[.]
GIỚI THIỆU ĐỀ TÀI
Lý do chọn đề tài
Ngành ngân hàng đóng một vai trò quan trọng trong sự phát triển của một nền kinh tế (Adusei, 2018) Do đó, sự ổn định của ngành ngân hàng rất quan trọng và có vai trò quyết định bước phát triển của một nền kinh tế Về cơ bản, hoạt động tín dụng là một trong những hoạt động chủ yếu của các ngân hàng thương mại (NHTM) Điều này thường thể hiện giá trị của các khoản vay chiếm tỷ trọng lớn trong tổng tài sản hoạt động của các NHTM Trung gian tài chính hoạt động hiệu quả đòi hỏi hệ thống ngân hàng ổn định để chuyển các khoản các khoản tiền dư thừa từ tiết kiệm để đầu tư nhằm thúc đẩy nền kinh tế phát triển nhanh chóng Nkusu (2011) cho rằng nợ xấu tăng cao ở nhiều quốc gia gây áp lực lên bảng cân đối kế toán của ngân hàng và có thể ảnh hưởng xấu đến hoạt động của ngân hàng.
Chủ đề nợ xấu đã thu hút được nhiều sự chú ý hơn trong những thập kỷ gần đây Một số nghiên cứu sử dụng dữ liệu từ các NHTM ở Mỹ năm 1982 đến năm 1996, tác giả Keeton (1999) nghiên cứu về mối quan hệ giữa tăng trưởng tín dụng và nợ xấu, cho người đọc thấy được mối quan hệ chặt chẽ giữa các khoản nợ xấu và tăng trưởng tín dụng Đặc biệt, Keeton (1999) cho rằng tăng trưởng tín dụng nhanh nhưng tiêu chuẩn tín dụng thấp sẽ góp phần làm tăng nợ xấu ở một số bang ở Hoa Kỳ Tỷ lệ nợ xấu là một trong những nguyên nhân chính của vấn đề trì trệ kinh tế Mỗi một khoản nợ xấu trong lĩnh vực tài chính làm tăng khả năng dẫn đến ngân hàng gặp khó khăn và không có lợi nhuận.
Với mục tiêu đảm bảo cho hoạt động tín dụng được an toàn, hiệu quả và một điều kiện tiên quyết để cải thiện tăng trưởng kinh tế, việc giảm thiểu tỷ lệ nợ xấu là một thành phần không thể thiếu trong hoạt động tín dụng ngân hàng Tỷ lệ nợ xấu cao sẽ ảnh hưởng đến các nguồn lực, kèm theo đó là việc kinh doanh thua lỗ của các NHTM Như vậy, tỷ lệ nợ xấu có khả năng cản trở tăng trưởng kinh tế và làm giảm hiệu quả kinh tế (Hou & Dickinson (2007)) Một nghiên cứu thực nghiệm đã tìm thấy một sự kết hợp ngược chiều giữa nợ xấu và tăng trưởng GDP thực tế (Salas & Saurina, 2002; Fofack, 2005; Jimenez and Saurina, 2006; Khemraj and Pasha, 2009; Dash and Kabra, 2010) Điều này cải thiện khả năng khách hàng vay để trả nợ và góp phần giảm nợ xấu.
Xuất phát từ thực tế đầu năm 2020 đến nay nợ xấu tiềm ẩn đã và đang tăng lên Vào cuối năm 2019, tỷ lệ nợ xấu nội bảng ở mức 1,63% và đến 30/09/2020 là 1,96% và đến hết năm 2020
2 tăng lên trên 2%, nguyên nhân chính là do đại dịch Covid-19 đã tác động tiêu cực đến năng lực trả nợ của doanh nghiệp và hộ gia đình vay vốn Ảnh hưởng của dịch bệnh khiến cho doanh nghiệp khó khăn trong việc trả nợ TCTD nên nợ xấu thời gian tới sẽ tăng lên và ngành ngân hàng cần có giải pháp ứng phó với tình hình nợ xấu hậu Covid-19.
Hơn nữa những khó khăn trong lĩnh vực tài chính thể hiện ở thực tế thời gian gần đây sự sáp nhập, hợp nhất và mua lại với giá 0 đồng đã diễn ra ở một số ngân hàng thương mại Việt Nam Một trong những nguyên nhân dẫn đến tình trạng trên xuất phát từ hậu quả của hoạt động tín dụng, việc quản lý và kiểm soát hoạt động tín dụng không tốt đã làm cho nợ xấu tăng lên, kéo theo sự suy giảm lợi nhuận của các ngân hàng, thậm chí là mất vốn Nợ xấu tại các NHTM Việt Nam không phải mới phát sinh trong những năm gần đây mà thực chất đã tích tụ từ rất nhiều năm trước, với những biến động xấu của kinh tế vĩ mô, hoạt động sản xuất kinh doanh trì trệ làm giảm khả năng trả nợ của người đi vay thì nợ xấu càng trở thành vấn đề nóng bỏng của nền kinh tế Để tạo nền tảng tài chính cho các ngân hàng dần lành mạnh và phục hồi ổn định thì việc xem xét và phân tích các nhân tố ảnh hưởng đến nợ xấu của ngân hàng trở thành nhiệm vụ quan trọng và cấp thiết Chúng không chỉ làm tắc nghẽn dòng tín dụng trong nền kinh tế mà ảnh hưởng không nhỏ đến uy tín, chất lượng cũng như hiệu quả hoạt động kinh doanh của NHTM Xuất phát từ thực tiễn nêu trên, tác giả quyết định chọn đề tài “Các nhân tố ảnh hưởng đến nợ xấu của các ngân hàng thương mại cổ phần Việt Nam” để làm đề tài nghiên cứu nhằm phân tích,đánh giá thực trạng nợ xấu và tìm ra các nhân tố ảnh hưởng nợ xấu tại các NHTMCP Việt Nam giai đoạn 2011 – 2021.
Mục tiêu nghiên cứu
Phân tích các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam để đề xuất các khuyến nghị chính sách làm giảm nợ xấu cho các NHTMCP Việt Nam.
Từ mục tiêu nghiên cứu tổng quát, tác giả xác định các mục tiêu cụ thể như sau.
Thứ nhất, nghiên cứu hệ thống hóa khung khổ lý thuyết và khảo lược các nghiên cứu liên quan để xác định các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam.
Thứ hai, đánh giá mức độ ảnh hưởng của các nhân tố tác động đến nợ xấu tại các NHTMCP Việt Nam.
Thứ ba, đề xuất những hàm ý chính sách và những khuyến nghị để hạn chế nợ xấu tại các
Câu hỏi nghiên cứu
Thứ nhất, các nhân tố nào ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam ?
Thứ hai, mức độ tác động của các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam như thế nào ?
Thứ ba, những hàm ý chính sách và những khuyến nghị nào được đưa ra để hạn chế nợ xấu tại các NHTMCP Việt Nam ?
Phương pháp và dữ liệu nghiên cứu
Thứ nhất, các nhân tố nào ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam ?
Thứ hai, mức độ tác động của các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam như thế nào ?
Thứ ba, những hàm ý chính sách và những khuyến nghị nào được đưa ra để hạn chế nợ xấu tại các NHTMCP Việt Nam ?
1.4 Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài là các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam.
• về mặt không gian: Bao gồm 29 NHTMCP Việt Nam, mẫu lựa chọn có tính đại diện, vì một số NHTM không có đầy đủ dữ liệu nên tác giả loại ra khỏi mẫu nghiên cứu.
• Về mặt thời gian: tác giả nghiên cứu và sử dụng dữ liệu để tính toán các nhân tố vĩ mô và vi mô trong giai đoạn 2011 - 2021, vì giai đoạn từ năm 2011 là giai đoạn các NHTMCP Việt Nam có tăng trưởng tín dụng cao, nợ xấu tăng cao, đến năm 2016 là năm bắt đầu giai đoạn tái cấu trúc nợ xấu 2016 – 2020, trong giai đoạn này năm 2019 xảy ra đại dịch Covid 19 nên tình hình nợ xấu của NHTMCP cũng diễn biến phức tạp cho đến hiện tại Vậy giai đoạn 2011 - 2021 là giai đoạn nghiên cứu để đánh giá tốt nợ xấu và tìm ra ảnh hưởng của các nhân tố đến nợ xấu của các NHTMCP tại Việt Nam 1.5 Phương pháp và dữ liệu nghiên cứu
1.5.1 Phương pháp nghiên cứu Để đạt được những mục tiêu nghiên cứu đã được đề cập ở trên, đề tài kết hợp giữa phương pháp định tính và phương pháp định lượng.
Về phương pháp nghiên cứu định tính: Tác giả sử dụng phương pháp phân tích, đánh giá dựa vào tài liệu và các nghiên cứu trước về nợ xấu tại các NHTMCP nhằm đề xuất mô hình nghiên cứu các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam; kết hợp phân tích, so sánh, thống kê số liệu để đánh giá thực trạng nợ xấu của các NHTMCP Việt Nam.
Bên cạnh đó nghiên cứu này sử dụng phương pháp nghiên cứu định lượng phân tích hồi quy đa biến trên cơ sở dữ liệu bảng cân bằng để đánh giá mức độ ảnh hưởng của các nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam Để phân tích dữ liệu bảng, luận văn sử dụng ba phương pháp ước lượng khác nhau bao gồm: mô hình bình phương bé nhất Pooled OLS, mô hình
4 tác động cố định FEM (Fix Effects Model) và mô hình tác động ngẫu nhiên REM (Random Effects Model) Để lựa chọn phương pháp hồi quy nào nào phù hợp nhất trong ba phương pháp nêu trên là kiểm định F-test và kiểm định Breusch-Pagan lagrangian (Breuch và Pagan, 1979). Kiểm định F-test để lựa chọn giữa mô hình Pooled OLS và mô hình FEM Kiểm định Breusch- Pagan lagrangian để lựa chọn mô hình Pooled OLS và mô hình REM Để lựa chọn mô hình FEM hay REM sử dụng kiểm định Hausman Sau khi lựa chọn mô hình phù hợp, sẽ tiến hành kiểm định hiện tượng tự tương quan và hiện tượng phương sai của sai số thay đổi, nếu có hiện tượng tượng tự tương quan và/hoặc hiện tượng phương sai của sai số thay đổi thì nghiên cứu sẽ sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục hiện tượng tượng tự tương quan và/hoặc hiện tượng phương sai của sai số thay đổi và so sánh các kết quả từ các mô hình Mô hình FGLS có thể xảy ra hiện tượng nội sinh, tác giả thêm vào biến trễ của biến phụ thuộc – tỷ lệ nợ xấu và sử dụng phương pháp ước lượng GMM hệ thống để khắc phục các khuyết tật của mô hình.
Dữ liệu được thu thập là dữ liệu thứ cấp đã được kiểm toán từ báo cáo thường niên của các NHTMCP Việt Nam trong giai đoạn 2011 – 2021.
Dữ liệu vĩ mô trong đề tài này bao gồm tốc độ tăng trưởng GDP và tỷ lệ lạm phát hằng năm thuộc giai đoạn 2011 - 2021, tác giả lựa chọn lấy số liệu từ ngân hàng thế giới - World Bank(WB) và Tổng cục Thống kê (GSO).
Ý nghĩa của đề tài
Thứ nhất, đề tài tổng hợp lại được cơ sở lý thuyết liên quan đến những nhân tố tác động đến nợ xấu tại các NHTMCP và làm cơ sở tham khảo cho các nghiên cứu tiếp theo.
Thứ hai, đề tài xác định được những nhân tố ảnh hưởng đến nợ xấu tại các NHTMCP Việt Nam, từ đó làm cơ sở để giúp cho các NHTMCP có thể đưa ra những biện pháp và đề xuất phù hợp để giúp cải thiện nợ xấu tại các NHTMCP.
Thứ ba, đề tài dự kiến đánh giá tác động của các yếu tố vĩ mô đến nợ xấu, dựa vào kết quả này giúp cho nhà nước đưa ra những chính sách cũng như hoạch định phù hợp góp phần làm giảm tỷ lệ nợ xấu giúp cho chính phủ có thể kiểm soát lạm phát và tăng trưởng kinh tế.
Bố cục của luận văn
Ngoài lời mở đầu, kết luận, mục lục và danh mục tài liệu tham khảo, luận văn có kết cấu gồm 5 chương, nội dung chính được thể hiện qua từng chương cụ thể như sau:
Chương 1: Giới thiệu nghiên cứu
Giới thiệu đề tài nghiên cứu, lý do chọn đề tài, mục tiêu tổng quát và mục tiêu cụ thể của đề tài, đưa ra các câu hỏi nghiên cứu, xác định đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu và bố cục của luận văn.
CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU THỰC NGHIỆM 7 2.1 Cơ sở lý thuyết về nợ xấu
Khái niệm nợ xấu
Thông tin về chất lượng cho vay của các ngân hàng là một vấn đề quan trọng đã khơi dậy sự quan tâm của công chúng với tư cách là người sử dụng dịch vụ ngân hàng, người đầu tư tiềm năng vào vốn tự có của ngân hàng, quản lý ngân hàng, thị trường tài chính, người giám sát hoạt động ngân hàng và cơ quan quản lý kiểm soát sự ổn định của hệ thống tài chính và giới học thuật và sự quan tâm này đã tăng lên đáng kể trong hai thập kỷ qua (Kjosevski và Petkovski, 2021) Cụ thể là, khi nền kinh tế thực hiện tự do hóa thị trường tài chính, thay đổi công nghệ và toàn cầu hóa hàng hóa, cuộc khủng hoảng kinh tế toàn cầu 2008-2009 và cuộc khủng hoảng nợ châu Âu 2011–2012 đều có tác động đến chất lượng cho vay của các ngân hàng (Ansari và cộng sự, 2021).
Thuật ngữ “nợ xấu” (Non-Performing loans) có thể được thay thế bằng nợ khó đòi theo như Fofack (2005), hoặc các khoản vay có vấn đề (Berger và De Young, 1997) Nợ xấu cũng có thể được định nghĩa là các khoản nợ không trả được (defaulted loans) mà ngân hàng không thể thu lợi từ khoản vay đó.
Advisory Expert Group (2014) cho rằng “một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày hoặc các khoản lãi chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận; hoặc các khoản phải thanh toán đã quá hạn dưới 90 ngày nhưng có lý do chắc chắn để nghi ngờ về khả năng khoản vay sẽ được thanh toán đầy đủ”.
Abhayawansa & Abeysekera (2005) đề cập chuẩn mực Kế toán quốc tế (IAS) về ngân hàng thường đề cập các khoản nợ bị giảm giá trị (Impaired) thay vì sử dụng thuật ngữ nợ xấu (nonperforming) Chuẩn mực kế toán IAS 39 được khuyến cáo áp dụng ở một số nước phát triển vào đầu năm 2005 chỉ ra rằng cần có bằng chứng khách quan (objective evidence) để xếp một khoản vay có dấu hiệu bị giảm giá trị Trong trường hợp nợ bị giảm giá trị thì tài sản được ghi nhận sẽ bị giảm xuống vì những tổn thất do chất lượng nợ xấu gây ra Về cơ bản IAS 39 chú trọng khả năng hoàn trả của khoản vay bất luận thời gian quá hạn chưa tới 90 ngày hoặc chưa quá hạn Phương pháp đánh giá khả năng trả nợ của khách hàng thường là phương pháp phân tích dòng tiền tương lai chiết khấu hoặc xếp hạng khoản vay của khách hàng Hệ thống này được coi là chính xác về mặt lý thuyết, nhưng việc áp dụng thực tế gặp nhiều khó khăn.
Tại Việt Nam, Thông tư 11/2021/TT-NHNN có hiệu lực từ 01/10/2021 quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro về việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài quy định khoản nợ quá hạn là khoản nợ mà một phần hoặc toàn bộ nợ gốc và/hoặc lãi đã quá hạn Nợ xấu (NPL) là nợ thuộc các nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ), nhóm 5 (nợ có khả năng mất vốn).
Nợ xấu được định nghĩa của thông tư cũng được xác định dựa trên 2 yếu tố là nợ đã quá hạn trên
90 ngày và khả năng trả nợ đáng lo ngại của người vay.
Tóm lại, theo các khái niệm trên thì nợ xấu được xác định theo 2 yếu tố chính: (i) nợ quá thời hạn thanh toán cả gốc, lãi từ 90 ngày trở lên và (ii) sự nghi ngờ về khả năng trả nợ của người đi vay Tác giả sử dụng tỷ lệ nợ xấu trên tổng dư nợ trong các báo cáo chính thức theo chuẩn mực kế toán Việt Nam mà các NHTM Việt Nam áp dụng trong việc thực hiện nghiên cứu định lượng.
Nguyên nhân gây ra nợ xấu
Thông qua các nghiên cứu là các bài báo khoa học, các tác giả trên thế giới cũng như tại Việt Nam đã nghiên cứu các nguyên nhân gây ra nợ xấu như sau:
Phạm Hoàng Bảo Ngọc (2019) cho rằng sự yếu kém trong cách quản lý trong nội tại các Ngân hàng như công tác quản lý rủi ro còn yếu kém, chưa đánh giá triệt để về thực trạng khách hàng và nhận định đúng đắn về thị trường; các ngân hàng chưa chú trọng, không giám sát chặt chẽ danh mục cho vay của ngân hàng làm cho tỷ trọng cho vay rủi ro cao chiếm phần lớn trong danh mục cho vay.
Nikolopoulos và Tsalas (2017) cho rằng do Ngân hàng giảm bớt các quy định về điều kiện cấp tín dụng nhằm tăng tính cạnh tranh nhưng điều này dẫn đến cấp tín dụng cho các đối tượng chưa đủ tiêu chuẩn, làm gia tăng nợ xấu cho Ngân hàng Hơn nữa, Saunders và Cornet (2008) nhận định theo lý thuyết thông tin bất cân xứng, do rủi ro đạo đức, nhân viên ngân hàng có thể thiếu khách quan trong việc thẩm định khách hàng, dẫn đến cho vay khách hàng không có khả năng trả nợ làm phát sinh nợ xấu.
Bunn và Redwood (2003) nghiên cứu nguyên nhân gây ra nợ xấu tại NHTM xuất phát từ yếu tố khách hàng có năng lực kinh doanh hạn chế, các phương án kinh doanh triển khai không hiệu quả, thông tin cung cấp cho Ngân hàng thiếu minh bạch dẫn đến Ngân hàng không đánh giá đúng khả năng trả nợ khách hàng.
Chu kỳ kinh tế cũng có tác động đến nợ xấu của NHTM Rajan (1994) cho rằng trong giai đoạn mở rộng kinh tế, các ngân hàng có xu hướng áp dụng các chính sách cho vay tự do hơn và thậm chí mở rộng tín dụng cho những khách hàng có điểm tín dụng thấp hơn, trong khi kinh tế suy thoái, các ngân hàng buộc phải thắt chặt tín dụng đột ngột (Gertler và Gilchrist, 1998) Những tác giả này cho thấy rằng trong các giai đoạn tăng trưởng kinh tế mạnh mẽ, thu nhập của người đi vay tăng lên và do đó khả năng hoàn trả các khoản vay của họ, giảm nợ xấu Ngược lại, khi nền kinh tế suy thoái, nợ xấu tăng lên khi tỷ lệ thất nghiệp tăng lên và thu nhập khả dụng giảm, và kết quả là những người đi vay gặp khó khăn trong việc trả nợ (Salas và Saurina, 2002) Các yếu tố kinh tế vĩ mô có thể ảnh hưởng đến nợ xấu, ngoài những yếu tố đã được đề cập, có thể liên quan đến lạm phát, giá bất động sản, lãi suất của khoản vay và tỷ giá hối đoái (Nkusu, 2011).
Hậu quả của nợ xấu
Samad (2012) cho rằng nợ xấu tăng cao có thể dẫn đến hệ số an toàn vốn không đảm bảo, gây ra sự sụp đổ của NHTM cũng như gia tăng tính dễ bị tổn thương trong hệ thống ngân hàng và khu vực tài chính tổng thể (Ninimaki, 2012).
Nợ xấu gây ảnh hưởng tiêu cực đến tính thanh khoản và lợi nhuận của các NHTM, đồng thời làm suy giảm tính vững chắc của hệ thống ngân hàng Nợ xấu làm giảm uy tín của ngân hàng, một khi ngân hàng có tỷ lệ nợ xấu cao ảnh hưởng đến tâm lý của khách hàng, ảnh hưởng đến khả năng cạnh tranh và uy tín của ngân hàng (Berger và DeYoung, 1997).
Kjosevski và Petkovski (2021) đã chứng minh nợ xấu còn làm giảm lợi nhuận của ngân hàng, hạn chế khả năng tăng trưởng tín dụng Nợ xấu cao làm cho thu nhập của ngân hàng giảm sút đáng kể, bên cạnh đó ngân hàng phải tăng thêm chi phí trích lập dự phòng, chi phí quản lý và các chi phí liên quan khác trong vấn đề xử lý nợ xấu.
Rachman và cộng sự (2018) đã nhận định một khi nợ xấu tăng cao, gây đổ vỡ cả hệ thống ngân hàng, gây mất lòng tin của người dân, các nhà đầu tư và do đó làm ảnh hưởng đến hệ thống tài chính của cả quốc gia Nợ xấu gây ảnh hưởng đến dòng vốn lưu thông trong nền kinh tế bị hạn chế,nhiều thành phần kinh tế không tiếp cận được nguồn vốn dẫn đến trì trệ trong hoạt động sản xuất kinh doanh, gây tác động tiêu cực đến sự phát triển của nền kinh tế Messai và Jouini (2013) cho rằng khi nợ xấu tăng, các khoản chi phí để xử lý nợ xấu thường rất lớn nên ngân hàng không thể tự bản thân xử lý mà cần dựa vào ngân sách nhà nước.
Những chỉ tiêu đo lường nợ xấu
Thông thường để đo lường nợ xấu, các NHTM thường sử dụng một số chỉ tiêu sau đây: 2.1.4.1 Tỷ lệ nợ xấu trên tổng dư nợ
Tỷ lệ để đánh giá chất lượng hoạt động và rủi ro cho vay của các tổ chức tín dụng Chỉ tiêu này cho biết cứ 100 đồng mà một ngân hàng cho nền kinh tế vay thì có bao nhiêu đồng bị đánh giá là nợ xấu, qua đó phản ánh mức độ rủi ro của danh mục cho vay tại ngân hàng trong một thời điểm nhất định Nhìn chung, tỷ lệ này càng cao thì chất lượng hoạt động cho vay của các ngân hàng càng kém Ngược lại, tỷ lệ nợ xấu càng thấp thì thì ngân hàng được xem là có chất lượng tín dụng tốt, tỷ lệ nợ xấu trong mức an toàn.
2.1.4.2 Dự phòng rủi ro tín dụng
Dự phòng RRTD được trích lập
Tỷ lệ dự phòng RRTD = ∗ 100% 100%
Dự phòng rủi ro đánh giá khả năng chi trả của ngân hàng khi rủi ro xảy ra Mục đích của việc sử dụng dự phòng rủi ro của một ngân hàng là nhằm bù đắp tổn thất đối với những khoản nợ của ngân hàng xảy ra trong trường hợp khách hàng không có khả năng chi trả do giải thể, phá sản, chết, mất tích, hoặc khi khoản nợ được xếp vào nhóm
5 Dự phòng tín dụng được tính trên số dư nợ gốc của khách hàng bao gồm: (i) Dự phòng cụ thể - để bảo hiểm rủi ro cụ thể cho từng khoản vay; (ii) Dự phòng chung - bảo hiểm các rủi ro chung không xác định trong danh mục tín dụng và toàn bộ dự phòng được tính vào chi phí hoạt động của doanh nghiệp Chỉ tiêu này nói lên sự chuẩn bị của ngân hàng cho các khoản tổn thất tín dụng thông qua việc trích lập quĩ dự phòng RRTD hằng năm, nếu một ngân hàng có danh mục cho vay càng rủi ro thì tỷ lệ trích lập dự phòng cũng sẽ càng cao.
Lý thuyết nền về nợ xấu
2.2.1 Lý thuyết thông tin bất cân xứng (Asymmetric Information)
Lý thuyết thông tin bất cân xứng lần đầu tiên được đề cập bởi Akerlof vào năm 1970 Theo đó, thông tin bất cân xứng xảy ra khi các thành phần của thị trường không có sự cân bằng trong việc nắm giữ thông tin giữa các bên tham gia giao dịch Dẫn đến một bên tham gia giao dịch sẽ chiếm được lợi thế do có nhiều thông tin hơn các bên còn lại Khi đó, giá cả không phải là giá cân bằng của thị trường mà có thể quá thấp hoặc quá cao Bất cân xứng thông tin sẽ dẫn đến hai hệ quả phổ biến nhất, đó là rủi ro ngược hay còn gọi là sự lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard).
Lựa chọn đối nghịch là hành động xảy ra trước khi tiến hành giao dịch của bên có nhiều thông tin, biết rõ hơn một hay một vài tính chất của sản phẩm mà đối tượng kia không biết dẫn đến có thể gây tổn hại hoặc rủi ro cho bên có ít thông tin hơn Đối với hoạt động tín dụng, nếu ngân hàng không có đầy đủ thông tin của khách hàng vay vốn thì có thể xảy ra rủi ro không thu hồi được gốc, lãi và nợ xấu gia tăng.
Rủi ro đạo đức là hành động của bên có nhiều thông tin hơn thực hiện sau khi ký kết hợp đồng có thể gây tổn hại cho bên có ít thông tin hơn Trong hoạt động cho vay, tình trạng thông tin bất cân xứng dễ dàng xuất hiện khi ngân hàng khó có thể quan sát được có xu hướng gian dối, không trung thực hay biểu hiện những hành vi không tốt khiến các ngân hàng dễ rơi vào tình trạng cho vay các khách hàng xấu và mất đi các khách hàng tốt vì ngân hàng luôn là người có ít thông tin về dự án, về mục đích sử dụng khoản tín dụng được cấp hơn khách hàng Lý thuyết này giải thích kết quả của quá trình quản lý của NHTM thể hiện ở các yếu tố nội tại của ngân hàng như quy mô tài sản, vốn, hiệu quả kinh doanh… ảnh hưởng đến nợ xấu.
2.2.2 Lý thuyết chu kỳ kinh doanh (Business Cycle Theory)
Chu kỳ kinh doanh là một dao động của tổng sản lượng quốc dân, của thu nhập và việc làm, thường kéo dài trong một giai đoạn từ 2 đến 10 năm, được đánh dầu bằng một sự mở rộng hay thu hẹp trên qui mô lớn trong hầu hết các khu vực của nền kinh tế Chu kỳ kinh doanh có 02 giai đoạn chính là suy thoái và hưng thịnh Các đỉnh và đáy là những điểm chuyển hướng của chu kỳ Một chu kỳ thường trải qua các giai đoạn là thu hẹp sản lượng, suy thoái, phục hồi và hưng thịnh. Thông thường, chu kỳ kinh doanh được đo lường bằng cách xem xét sự biến động của tăng trưởng GDP thực (hay còn gọi là tăng trưởng kinh tế) xoay quanh xu hướng dài hạn của chính nó Tùy vào tình trạng nền kinh tế đang trong giai đoạn nào mà các ngân hàng đưa ra chính sách tín dụng mở rộng hoặc thu hẹp Ở giai đoạn GDP tăng đồng nghĩa với thu nhập của người dân tăng lên giúp tăng khả năng thanh toán nợ vay, do đó nợ xấu giảm và ngược lại khi nền kinh tế suy thoái thì sẽ là nguyên nhân gia tăng tỷ lệ nợ xấu Lý thuyết này vận dụng để giải thích mối quan hệ của các yếu tố vĩ mô như lạm phát, tăng trưởng kinh tế … đến nợ xấu 2.3 Các nghiên cứu thực nghiệm
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình và giả thuyết nghiên cứu
3.1.1 Mô hình nghiên cứu đề xuất
Các nghiên cứu trên thế giới cho các bằng chứng thực nghiệm ở các quốc gia, vùng lãnh thổ khác nhau, trong đó có cả các nước đang phát triển Vì vậy, nghiên cứu các nhân tố ảnh hưởng đến nợ xấu cần thực hiện tại Việt Nam – một nước đang phát triển Hơn nữa, tại Việt Nam, một số tác giả đã nghiên cứu chủ đề này nhưng trong những giai đoạn nghiên cứu khác nhau, chưa có nghiên cứu nào thực hiện cho giai đoạn 2011 – 2021 Vì vậy, nghiên cứu này của tác giả sẽ bổ sung vào các khoảng trống nghiên cứu nêu trên.
Mô hình nghiên cứu của luận văn được tác giả lựa chọn mô hình của tác giả Kjosevski và Petkovski (2021) Hơn nữa, tại Việt Nam thì yếu tố tăng trưởng kinh tế và lạm phát ảnh hưởng đến nền kinh tế rất nhiều do ảnh hưởng tới vật giá sẽ kéo theo các ảnh hưởng đến chi phí sản xuất nên cũng ảnh hưởng đến số tiền vay của các doanh nghiệp và tiêu thụ hàng hóa trong nên kinh tế Tác giả nhận thấy nghiên cứu Petkovski và cộng sự (2018) lại có nghiên cứu đến biến tăng trưởng kinh tế, lạm phát bổ sung vào nghiên cứu của tác giả Kjosevski và Petkovski (2021) Hơn nữa, tác giả tham khảo các nghiên cứu của El-Maude và cộng sự (2015), Rachman và cộng sự (2018), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018) để bổ sung thêm biến quy mô ngân hàng, chi phí dự phòng rủi ro tín dụng, tỷ lệ chi phí hoạt động vào mô hình để xem xét toàn diện hơn các yếu tố nội tại của NHTMCP ảnh hưởng như thế nào đến nợ xấu tại Việt Nam Hơn nữa, từ năm 2019 đại dịch Covid 19 diễn ra, theo nghiên cứu của Zunic thì Covid
19 có ảnh hưởng ngược chiều và chậm đến NPL do lệnh cấm cho vay của chính phủ, trong điều kiện Việt Nam, luận văn bổ sung biến giả: Giai đoạn Covid 19 (CVD) vào mô hình nghiên cứu để kiểm định kết quả tại Việt Nam.
Bảng 3.1: Tổng hợp các yếu tố ảnh hưởng đến nợ xấu dự kiến của mô hình
STT Tên biến Mô tả Nguồn Kỳ vọng tương quan Biến độc lập: Các yếu tố nội tại của ngân hàng
STT Tên biến Mô tả Nguồn Kỳ vọng tương quan
Quy mô ngân hàng Logarit (Tổng tài sản)
(2015), El-Maude và cộng sự (2015), Rachman và cộng sự (2018), Petkovski và cộng sự (2018), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018)
2 ROA Tỷ lệ lợi nhuận trên tổng tài sản
(2015), El-Maude và cộng sự (2015), Rachman và cộng sự (2018), Petkovski và cộng sự (2018), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018) Âm (-)
Tỷ lệ vốn chủ sở hữu trên tổng tài sản
Petkovski và cộng sự (2018), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2015)
Tốc độ tăng trưởng tín dụng
= (Dư nợ năm t – dư nợ năm (t- 1))/Dư nợ năm (t- 1)
5 CTP Tỷ lệ chi phí trên lợi nhuận
El-Maude và cộng sự (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018)
Chi phí dự phòng rủi ro tín dụng trên tổng dư nợ
El-Maude và cộng sự (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018)
Biến độc lập: Các yếu tố liên quan đến kinh tế vĩ mô
7 GDP Tốc độ tăng trưởng kinh tế
(2015), Petkovski và cộng sự (2018), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh Âm (-)
STT Tên biến Mô tả Nguồn Kỳ vọng tương quan
(2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018)
Sheefeni (2015), El-Maude và cộng sự (2015), Petkovski và cộng sự
(2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018)
9 CVD Giai đoạn Covid 19 Zunic và cộng sự (2021) Âm (-)
Biến phụ thuộc: Nợ xấu
Dư nợ nhóm 2,3,4/Tổng dư nợ
(2015), El-Maude và cộng sự (2015), Rachman và cộng sự (2018), Petkovski và cộng sự (2018), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018)
Nguồn: Tác giả tổng hợp
Từ việc tổng hợp các biến dự kiến đưa vào mô hình nghiên cứu tác giả lập mô hình nghiên cứu như sau:
NPL i,t = / o + /? i *ROA i,t + / 2 *ETA i,t + / 3 *GRO i,t + / 4 * CTP i,t + / 5 *LLR i,t + / 6 *SIZ i,t + / 7 * GDP i,t + / 8 *INF i,t + /*CVD i,t + S i,t
• i và t = [1,2, , N], với i là số NHTMCP trong mẫu nghiên cứu và t là số năm nghiên cứu
• Biến phụ thuộc là tỷ lệ nợ xấu NPLi,t, được xác định bằng tổng tỷ lệ nợ xấu ngân hàng thứ i trong năm t trên dư nợ cho vay
• Các biến độc lập bao gồm
/ Lợi nhuận trên tổng tài sản (ROA)
/ Vốn chủ sở hữu trên tổng tài sản (ETA)
^ Tốc độ tăng trưởng tín dụng (GROW)
/ Tỷ lệ chi phí trên thu nhập (CTP)
/ Tỷ lệ chi phí dự phòng rủi ro tín dụng (LLR)
/ Quy mô ngân hàng (SIZ)
/ Tốc độ tăng trưởng (GDP)
/ Tỷ lệ lạm phát (INF).
3.1.2 Phương pháp đo lường các biến
❖ Nợ xấu của NHTM (NPL)
Như trên phân tích thì tỷ lệ nợ xấu cho biết chất lượng và rủi ro của danh mục cho vay của ngân hàng Tỷ lệ này cho biết trong 100 đồng cho vay ra nền kinh tế, thì có bao nhiêu đồng nợ xấu xảy ra đối với ngân hàng Nợ xấu được tính bằng nợ nhóm 3, 4, 5 Khi tỷ lệ này gia tăng, ngân hàng có dấu hiệu gặp khó khăn trong hoạt động kinh doanh, nhất là trong hoạt động tín dụng và cũng như hoạt động quản lý chất lượng các khoản cho vay Ngược lại, tỷ lệ nợ xấu thấp cho thấy chất lượng tín dụng được cải thiện Như chương 2 đã đề cập công thức tỷ lệ nợ xấu bên dưới đã được Nguyễn Văn Tiến (2009) sử dụng Đây cũng là chỉ tiêu được sử dụng phổ biến trong các nghiên cứu về nợ xấu các ngân hàng như Khan và cộng sự (2020), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2017).
Tổng dư nợ cho vay
❖ Quy mô ngân hàng (SIZ)
Quy mô ngân hàng được tính qua tổng tài sản Tổng tài sản bao gồm Tài sản nợ của ngân hàng phản ánh toàn bộ giá trị tiền tệ của ngân hàng do huy động, vốn vay các tổ chức tín dụng khác, vốn của NHTM và tài sản có của ngân hàng là toàn bộ tài sản có giá trị mà ngân hàng hiện có quyền sở hữu hoặc có quyền chiếm hữu, sử dụng, định đoạt một cách hợp pháp Được hình thành trong quá trình sử dụng nguồn vốn Tài sản có bao gồm tài sản có sinh lời và tài sản có không sinh lời Chỉ tiêu này được đo lường trong các nghiên cứu về nợ xấu các ngân hàng như Rachman và cộng sự (2018), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung (2018), Nguyễn Thị Hồng Vinh (2017).
SIZ i,t = Log(Tổng tài sản i,t )
❖ Tỷ lệ chi phí dự phòng rủi ro tín dụng (LLR)
Là chỉ số đo lường chi phí dự phòng rủi ro tín dụng được trích lập trên mỗi đồng dư nợ, Căn cứ điều 3 thông tư 02/2013/NHNN về “Quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài”, các khoản dự phòng và nợ xấu được hiểu: Dự phòng rủi ro là số tiền được trích lập và hạch toán vào chi phí hoạt động để dự phòng cho những tổn thất có thể xảy ra đối với nợ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài Dự phòng rủi ro gồm dự phòng cụ thể và dự phòng chung Dự phòng cụ thể là số tiền được trích lập để dự phòng cho những tổn thất có thể xảy ra đối với từng khoản nợ cụ thể.
• Dự phòng chung là số tiền được trích lập để dự phòng cho những tổn thất có thể xảy ra nhưng chưa xác định được khi trích lập dự phòng cụ thể Nợ xấu (NPL) là nợ thuộc nhóm 3,4 và 5.
• Mức trích lập dự phòng đối tới từng nhóm nợ theo điều 12, thông tư 02/2013/TT- NHNN: Dưới 10 ngày là 0%; từ 10 đến 90 ngày 5%; từ 91 ngày đến 180 ngày là 20%; từ 181 ngày đến 360 ngày là 50% và trên 361 ngày là 100%.
• Đây cũng chính là cách tính mà El-Maude và cộng sự (2015), Petkovski và cộng sự (2018), Kjosevski và Petkovski (2021), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung
(2018) đã sử dụng trong nghiên cứu để đo lường tác động của ROE đến nợ xấu.
Chi phí dự phòng rủi ro tín dụng ^,^
❖ Lợi nhuận trên tổng tài sản (ROA)
ROA Là chỉ số lợi nhuận đo lường khả năng sinh lời trên mỗi đồng tài sản, cho thấy hiệu quả sử dụng tài sản của ngân hàng thương mại.
Tổng tài sản bình quân ^,^ Đây cũng chính là cách tính mà Messai và Jouini (2013), Sheefeni (2015), El- Maude và cộng sự (2015), Rachman và cộng sự (2018), Petkovski và cộng sự (2018), Kjosevski và Petkovski
(2021), Nguyễn Thị Hồng Vinh (2015), Nguyễn Kim Quốc Trung và Nguyễn Thị Phương Dung
(2018) và nhiều tác giả khác sử dụng.
❖ Vốn chủ sở hữu trên tổng tài sản (ETA)
Vốn chủ sở hữu có vai trò quan trọng đối với hoạt động kinh doanh của NHTM, giúp ngân
^ ∗ 100% 100% hàng chống lại rủi ro phá sản, bù đắp những thua lỗ về tài chính và nghiệp vụ Hơn nữa, vốn chủ sở hữu cao giúp nâng cao uy tín của ngân hàng với khách hàng, các nhà đầu tư… Vốn chủ sở hữu còn cung cấp năng lực tài chính cho quá trình tăng trưởng, điều tiết sự tăng trưởng, phát triển mở rộng quy mô, phát triển các sản phẩm dịch vụ của ngân hàng, vốn chủ sở hữu góp phần điều chỉnh các hoạt động của ngân hàng (Kjosevski và Petkovski (2021)) Như vậy, quy mô và cấu trúc hoạt động của ngân hàng được điều chỉnh theo vốn chủ sở hữu.
Tỷ lệ vốn chủ sở hữu = ∗ 100% 100%
Tổng tài sản Công thức đo lường này đã được Các nghiên cứu của các tác giả Petkovski và cộng sự
(2018), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2015) sử dụng chỉ tiêu này.
❖ Tốc độ tăng trưởng tín dụng (GROW)
Chỉ tiêu này cho thấy tốc độ tăng trưởng dư nợ tín dụng qua các năm, để đánh giá việc mở rộng quy mô cho vay của ngân hàng Sự cạnh tranh trong thị phần cho vay khiến các ngân hàng chạy đua mức tăng trưởng tín dụng, tăng trưởng tín dụng cao thường hệ lụy kéo theo khi nền kinh tế khủng hoảng, các ngân hàng có nguy cơ gặp phải những khoản vay kém chất lượng dẫn đến nợ xấu trong tương lai Chỉ tiêu được đo lường trong các nghiên cứu về nợ xấu các ngân hàng như Messai và Jouini (2013), Sheefeni (2015), Kjosevski và Petkovski (2021), Nguyễn Thị Hồng Vinh (2015).
Dư nợ tín dụng - Dư nợ tín dụng
❖ Tỷ lệ chi phí trên thu nhập (CTP)
Tỷ lệ chi phí trên lợi nhuận cho thấy để tạo ra một đồng lợi nhuận thì NHTM chi tiêu bao nhiêu đồng chi phí hoạt động Tỷ lệ này phản ánh năng lực quản lý của nhà quản trị NHTM, tỷ lệ này càng thấp thì chi phí hoạt động sử dụng càng ít tính trên 1 đồng lợi nhuận, tạo ra lợi nhuận cao hơn.
Chi phí hoạt độngit CTP i.t = - 7 Ạ 1,1 * 100%
^ Tốc độ tăng trưởng (GDP) và Tỷ lệ lạm phát (INF) lấy từ số liệu nền kinh tế theo các năm cụ thể.
CVD bằng 1 nếu thuộc giai đoạn 2019 – 2021, CVD bằng 0 nếu thuộc giai đoạn 2011 – 2018.
Dựa trên lý thuyết nền và các nghiên cứu trước có liên quan, tác giả có các kỳ vọng về giả thuyết nghiên cứu như sau:
ROA là chỉ tiêu phản ánh khả năng sinh lời của NHTM, cho thấy lợi nhuận thu được trên tổng tài sản Khi ngân hàng có lợi nhuận càng cao thì cần gia tăng các khoản cho vay có rủi ro cao. Kết quả nghiên cứu của các tác giả Messai và Jouini (2013), Sheefeni (2015), El-Maude và cộng sự
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả mẫu nghiên cứu và sự tương quan của các biến độc lập trong mô hình
Thông qua quá trình thu thập dữ liệu và tính toán, kết quả thống kê mẫu nghiên cứu thể hiện ở bảng 4.1 sau đây:
Bảng 4.1: Kết quả thống kê mô tả mẫu nghiên cứu
Tên biến Số quan sát
Giá trị trung bình Độ lệch chuẩn
(Nguồn: Trích xuất từ phần mềm STATA)
Dữ liệu nghiên cứu được thu thập từ 29 NHTMCP Việt Nam theo từng năm trong giai đoạn 2011 –
NPL có giá trị trung bình là 2.217%, độ lệch chuẩn 1.31% đối với độ lệch chuẩn này thì giá trị giao động của NPL có sự khác biệt qua các năm tại giai đoạn này Giá trị nhỏ nhất là 0.339% (Ngân hàng kỹ thương TCB năm 2020), giá trị lớn nhất là 8.806% (Ngân hàng SHB năm 2012) Theo kết quả thu thập được thì giá trị NPL lớn nhất xảy ra vào năm 2012 khi toàn hệ thống NHTMCP có tăng trưởng tín dụng nóng và nợ xấu tăng cao, tuy nhiên do đây là tỷ lệ mà các ngân hàng luôn cố gắng giữ ở mức độ ổn định theo chính sách quản lý nợ xấu mà NHNN chỉ đạo trong đề án tái cấu trúc kèm quyết định 254 và 1058 của chính phủ.
ROA có giá trị trung bình là 0.74%, độ lệch chuẩn là 0.73% đối với độ lệch chuẩn này thì mức độ chênh lệch qua các năm tại mỗi ngân hàng khá lớn Giá trị nhỏ nhất là -5.511% (Ngân hàng TPB năm 2011), giá trị lớn nhất là 3.174% (Ngân hàng TCB năm 2021) Khoảng cách về ROA của các ngân hàng trong giai đoạn này rất cao, cho thấy sự cách biệt của các ngân hàng lớn và ngân hàng nhỏ trong hệ thống ngân hàng qua quá trình thu lợi nhuận của mình Cụ thể các ngân hàng lớn như VCB, BID, CTG vẫn giữ được ROA của mình với mức tăng trưởng cao và đều đặn Trong những năm cuối giai đoạn nghiên cứu, Techcombank là ngân hàng có hiệu quả ROA cao nhất.
ETA trung bình cho thấy vốn chủ sở hữu của ngân hàng chiếm tỷ trọng khá thấp trong tổng tài sản là 9.00%, độ lệch chuẩn của ETA giữa các NHTM trong mẫu nghiên cứu qua các năm cũng không quá cao: 3.819% ETA của SCB thấp nhất năm 2020 là 2.69%, cao nhất là của SGB năm 2013 là 23.84%.
GROW – tốc độ tăng trưởng tín dụng có giá trị trung bình là 19.698%, độ lệch chuẩn khá lớn là 17.94%, giá trị nhỏ nhất là -29.86% (Ngân hàng TPB năm 2011), giá trị lớn nhất là 108.20% (Ngân hàng HDB năm 2013) Số liệu này cho thấy tốc độ tăng trưởng tín dụng của các NHTM Việt Nam trong giai đoạn nghiên cứu có sự khác biệt khá lớn.
Tỷ lệ chi phí trên lợi nhuận (CTP) trung bình là 54.868%, độ lệch chuẩn là 16.15% cho thấy chi phí chiếm trên 50% tổng lợi nhuận và có sự khác biệt giữa các NHTM CTA nhỏ nhất 23.863% là của MBB năm 2011 và lớn nhất là 111.523% của Pvcombank năm 2013.
LLR có giá trị trung bình là 1.102%, độ lệch chuẩn 0.874% với mức độ lệch chuẩn này ta có thể thấy các ngân hàng không có sự thay đổi về tỷ lệ dự phòng rủi ro qua các năm quá nhiều vì đây là tỷ lệ mà các ngân hàng luôn muốn duy trì ở mức thấp nhất có thể Giá trị nhỏ nhất là 0.0069% (Ngân hàng Kiên Long năm 2012), giá trị lớn nhất là 5.348% (Ngân hàng VPB năm 2021).
SIZE có giá trị trung bình là 32.42355, độ lệch chuẩn thấp 1.130238, Giá trị nhỏ nhất là 30.31783 (Ngân hàng TPB năm 2012), giá trị lớn nhất là 35.10519 (Ngân hàng BIDV năm 2021). Vào thời điểm những năm gần đây các hàng ra sức gia tăng quy mô của mình để tạo được thương hiệu và dành lại thị phần cho mình trong hệ thống ngân hàng, NHTM đầu tư và phát triển có quy mô tổng tài sản lớn nhất toàn hệ thống tại thời điểm cuối năm 2021.
GDP có giá trị trung bình là 5.99%, độ lệch chuẩn là 1.55% giá trị nhỏ nhất là 2.58% vào năm 2021 đối sánh với tình hình thực tế Việt Nam đây là năm xảy ra đại dịch Covid 19 làm cho tình hình kinh tế cả nước tuột dốc, sản xuất và tiêu thụ hàng hóa đình trệ làm cho GDP năm nay thấp nhất lịch sử trong giai đoạn 10 năm gần đây và giá trị lớn nhất là 7.31% vào năm 2014.
INF có giá trị trung bình là 3.25%, độ lệch chuẩn là 2.95% đối với tỷ lệ lạm phát độ lệch chuẩn thấp vì chính phủ luôn cố gắng duy trì làm phát ổn định để ổn định tình hình tiêu thụ và giá sản phẩm lưu thông Giá trị nhỏ nhất là -0.19% vào năm 2015 và giá trị lớn nhất là 10,92% vào năm 2012.
4.1.2 Sự tương quan của các biến độc lập
Bảng 4.2 trình bày sự tương quan của các biến trong mô hình nghiên cứu thông qua ma trận tương quan (xem phụ lục 02)
Bảng 4.2: Ma trận hệ số tương quan của các biến độc lập trong mô hình
NPL ROA ETA GRO CTP LLR SIZ GDP INF CVD
(Nguồn: Trích xuất từ phần mềm STATA)
Hệ số tương quan đơn tuyến tính giữa các cặp biến Pearson dùng để chỉ mối quan hệ giữa các biến trong mô hình Dựa vào kết quả ma trận tương quan, tác giả sẽ phân tích mối tương quan giữa các biến phụ thuộc với các biến độc lập trong mô hình và mối tương quan giữa các biến độc lập với nhau Điều này giúp ta thấy được các cặp biến độc lập nào có tương quan với nhau, tức là ảnh hưởng đến nhau trong mô hình hệ số tương quan giữa các biến có giá trị không cao, cao nhất là -0.6789 (ROA và CTP),
-0.4351 (LLR và CTP) chuẩn so sánh theo Farrar và Glauber (1967) là 0.8, vì vậy không có hiện tượng đa cộng tuyến nghiêm trọng.
Kết quả mô hình hồi quy
Để có được kết quả hồi quy, tác giả đã tiến hành trên dữ liệu bảng được thu thập với ba phương pháp ước lượng đó là Pooled OLS, mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) để xác định mức độ ảnh hưởng của các biến độc lập đến biến nợ xấu thông qua các hệ số ước lượng Kết quả hồi quy được tác giả tổng hợp vào bảng 4.3 cụ thể như sau:
Bảng 4.3: Tổng hợp kết quả hồi quy OLS, FEM, REM và FGLS đánh giá các yếu tố ảnh hưởng tới nợ xấu
Tên biến OLS FEM REM FGLS
Mức ý nghĩa: * p< 0.1; ** pchi2 = 1.0000
Hệ số tự tương quan bậc 2 – Kiểm định Hansen
Kiểm định Sargan Prob > chi2 = 0.998
(Nguồn: Trích xuất từ phần mềm STATA) Đầu tiên, tác giả hồi quy với mô hình bình phương bé nhất (OLS) (Kết quả thể hiện ở phụ lục
1), sau đó thực hiện kiểm định VIF để đánh giá hiện tượng đa cộng tuyến của mô hình OLS.
Hệ số VIF có giá trị 2.09 (Bảng 4.4) cho thấy mô hình không có hiện tượng đa cộng tuyến (thông thường, hệ số VIF cần xem xét nếu vi f> thì mô hình xảy ra hiện tượng đa cộng tuyến). Đối với mô hình OLS, hiện tượng phương sai thay đổi có thể xảy ra Vì vậy, tác giả thực hiện kiểm định White Thông qua kiểm định White, kết quả cho thấy p-value của mô hình OLS là 0.0000
< 5% (Bảng 4.4) nên giả thuyết H0 được chấp nhận, nghĩa là mô hình OLS xảy ra hiện tượng phương sai thay đổi.
Phương pháp ước lượng OLS với giả định không có sự khác biệt tỷ lệ nợ xấu các ngân hàng khác nhau, cũng như nợ xấu là không thay đổi theo thời gian; do đặc điểm của dữ liệu bảng thì cần thiết loại bỏ được các yếu tố không quan sát, không đo lường được và không thay đổi theo thời gian nhưng có tác động lên biến nợ xấu: mô hình các yếu tố ảnh hưởng cố định (FEM) khắc phục được những vấn đề này Mô hình FEM xem xét ảnh hưởng của các nhân tố đến NPL Trên kết quả hồi quy của mô hình FEM (Phụ lục 2) có kết quả kiểm định Fisher để lựa chọn mô hình OLS hay FEM Kết quả kiểm định cho thấy p – value của cả mô hình FEM là 0.003 nhỏ hơn 5% nên mô hình FEM được lựa chọn.
Tiếp theo, để xem xét mô hình FEM có xảy ra hiện tượng phương sai thay đổi hay không, tác giả thực hiện kiểm định Wald Kết quả kiểm định Wald cho thấy mô hình FEM (Bảng 4.4.) có kết quả p – value là 0.0000 < 5% nên mô hình này bị phương sai thay đổi.
Tiếp đến là mô hình REM, xem xét các yếu tố không quan sát được, thay đổi theo thời gian và có ảnh hưởng đến nợ xấu; chúng là các biến số ngẫu nhiên, không tương quan với các biến giải thích khác trong mô hình REM Kết quả mô hình REM thể hiện ở phụ lục 3.
Tác giả thực hiển kiểm định Breusch and Pagan Lagrangian để lựa chọn mô hình OLS hay REM kết quả ở bảng 4.4 cho thấy P – value là 0.0001 < 5% nên lựa chọn REM.
Tiếp theo, kết quả thực hiện kiểm định Hausman để lựa chọn mô hình FEM hay REM ở bảng 4.4 cho thấy p – value là 0.0001 < 5% nên mô hình FEM được chọn. Để đảm bảo điều kiện không có hiện tượng tự tương quan trong mô hình FEM, tác giả tiến hành thực hiện kiểm định Wooldridge với kết quả kiểm định (Bảng 4.4) hiện tượng tự tương quan cho thấy hệ số P-value = 0.0006 thấp hơn 0.05 vì vậy có hiện tượng tự tương quan trong mô hình FEM.
Qua các kết quả kiểm định trên, có thể thấy được mô hình REM có xảy ra hiện tượng phương sai thay đổi và hiện tượng tự tương quan Và để khắc phục các khuyết tật này, tác giả sẽ sử dụng ước lượng theo phương pháp FGLS với kết quả kiểm định bằng phần mềm Stata được thể hiện tại Phụ lục 4.
Với biến phụ thuộc là NPL sau khi sử dụng FGLS để khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi, mô hình có ý nghĩa ở mức ý nghĩa 1% (do Prob = 0.0000) nên mô hình hồi quy được xây dựng là phù hợp.
Tuy nhiên đối với dữ liệu bảng, dựa trên nghiên cứu của (Kjosevski và Petkovski, 2021) cho rằng các nghiên cứu thực nghiệm đo lường nợ xấu thường gặp các vấn đề nội sinh, một phần là do bản chất các biến được sử dụng trong mô hình nghiên cứu Tác giả tiến hành kiểm định mô hình hồi quy bằng phương pháp kiểm định của Durbin Wu- Hausman (Beck và cộng sự, 2013) để kiểm định hiện tượng nội sinh trong mô hình nghiên cứu hiện tượng nội sinh của các biến độc lập trong mô hình có thể xảy ra do tác động của các biến độc lập hay biến trễ của nợ xấu Vì vậy, tác giả thực hiện kiểm định nội sinh và thông qua kiểm định Hausman, tác giả nhận thấy:
Hệ số p = 1.00 >5% nên giả thuyết H0 bị bác bỏ nghĩa là chấp nhận H1: mô hình bị nội sinh. Để khắc phục hiện tượng nội sinh của mô hình, tác giả sử dụng mô hình GMM hệ thống và kết quả thể hiện ở phụ lục 5.
Trên kết quả mô hình GMM hệ thống (System GMM – SGMM), có kết quả kiểm định tự tương quan bậc 2 Arellano – Bond và Sargan (Bảng 4.4), cho thấy:
Hệ số p = 0.988 > 5% của kiểm định Sargan cho thấy mô hình SGMM không xảy ra hiện tượng tự tương quan bậc 2 và p = 0.188 > 5% cho thấy mô hình SGMM không xảy ra hiện tượng nội sinh Vì vậy, kết quả mô hình SGMM có thể được sử dụng để đánh giá các yếu tố ảnh hưởng đến nợ xấu của các NHTMCP Việt Nam trong giai đoạn 2011 – 2021.
