BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH HOCHIMINH UN1VERSITYOF BANKING TRỊNH HỒNG TRÂM CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU CỦA CÁC NGÂN HÀNG THƯƠNG MẠI N[.]
GIỚI THIỆU
Lý do chọn đề tài
Ngân hàng thương mại (NHTM) là tổ chức tài chính với đặc trưng là nhận tiền gửi, cho vay và cung ứng các dịch vụ thanh toán Ngoài ra, NHTM còn cung cấp đa dạng các dịch vụ khác nhằm đáp ứng nhu cầu về sản phẩm dịch vụ của xã hội Từ khi hệ thống ngân hàng được thành lập cho đến nay, ngành Ngân hàng luôn đi đầu hỗ trợ khách hàng vượt qua những giai đoạn khủng hoảng tài chính đồng thời đóng vai trò huyết mạch trong nền kinh tế Đối với NHTM, hoạt động tín dụng là kênh huy động vốn vô cùng quan trọng vì đem đến nguồn thu nhập dồi dào nhưng lại tiềm ẩn nhiều rủi ro Do đó, việc kiểm soát rủi ro tín dụng (RRTD) được xem là vấn đề cấp thiết đối với ngành ngân hàng hiện nay Có thể thấy nợ xấu chính là một trong các nguyên nhân gây ra RRTD, nó đánh giá chính xác thực trạng của toàn bộ nền kinh tế và là thước đo đánh giá năng lực xử lý rủi ro của ngân hàng trước những áp lực xuất phát từ khủng hoảng tài chính và tính bất ổn của kinh tế Theo các nhà nghiên cứu trên thế giới, nợ xấu được xem là rủi ro tiềm ẩn nếu không được theo dõi, kiểm soát chặt chẽ thì trong tương lai có thể xảy ra khủng hoảng kinh tế Lịch sử của các NHTM toàn cầu đã chứng kiến sự đổ vỡ của nhiều ngân hàng lớn, để lại hậu quả không chỉ ở một quốc gia mà còn ảnh hưởng đến nhiều quốc gia khác trên thế giới Để hiểu sâu hơn về việc này, Vithessonthi (2016) đã sử dụng dữ liệu của 82 ngân hàng để nghiên cứu về các nhân tố ảnh hưởng đến nợ xấu của các NHTM niêm yết Nhật Bản trong giai đoạn 1993 – 2013 Nghiên cứu đã đưa ra kết luận rằng nguyên nhân nợ xấu tăng cao trước khủng hoảng tài chính năm 2007 là vì ngân hàng đẩy mạnh TTTD nhưng lại có chiều hướng giảm dần sau khi cuộc khủng hoảng diễn ra Có thể thấy rằng tài chính thế giới bị sụp đổ vào năm 2007 đã làm thay đổi mối tương quan giữa TTTD và nợ quá hạn Từ đó, Tobin (1880) đã đưa ra những chính sách nhằm khắc phục tình trạng nợ xấu tăng cao bằng cách quan tâm, chú trọng đến vấn đề thanh khoản của ngân hàng Đồng thời, nhiều tổ chức cần xây dựng quỹ dự phòng khẩn cấp để xử lý các tình huống xấu xảy ra bất kỳ lúc nào.
Trong khoảng thời gian trở lại đây, tỷ lệ nợ xấu tại Việt Nam liên tục thay đổi
2 đã làm cho gây khó khăn trong hoạt động kinh doanh của ngân hàng và khả năng thanh khoản của các ngân hàng Việt Nam gặp nhiều khó khăn và thách thức Chẳng hạn như năm 2011 nợ xấu nội bảng bắt đầu tăng giá trị lên 85.000 tỷ đồng, chiếm 3,3% tổng dư nợ gây ra ảnh hưởng nặng nề cho NHTM về thanh khoản, lợi nhuận giảm Nguyên nhân là do thắt chặt chính sách tiền tệ, nợ xấu tích tụ qua các năm trước, số lượng doanh nghiệp phá sản ngày càng gia tăng Năm 2012 tỷ lệ nợ xấu đạt mức kỷ lục với 4.86% tổng dư nợ cao nhất trong 11 năm vừa qua Trước tình hình nợ xấu gia tăng liên tục, năm 2015 Ngân hàng Nhà nước (NHNN) đã ban hành chỉ thị 02/CT-NHNN về xử lý nợ xấu của tổ chức tín dụng (TCTD) Chính vì vậy, từ năm 2016 đến năm 2019 là giai đoạn tái cấu trúc nợ xấu khi tỷ lệ các khoản vay quá hạn ở năm 2016 giảm về 2,5% và đến năm 2019 nợ quá hạn trên tổng dư nợ chiếm tỷ lệ thấp nhất là 1,6% Điều này cho thấy NHNN và các NHTM Việt Nam đã cố gắng và hoàn thành tốt mục tiêu Chính phủ giao Tuy nhiên dịch bệnh Covid- 19, biến chủng Delta xuất hiện đã gây ra nỗi lo ngại cho toàn thế giới khi thương mại toàn cầu suy giảm mạnh, cụ thể là trì hoãn các hoạt động như du lịch, đầu tư, sản xuất, kinh doanh, Có thể nói nợ xấu cũng đã tác động tiêu cực đến RRTD của ngân hàng khi tỷ lệ các khoản vay quá hạn giai đoạn năm 2019 - 2021 liên tục có xu hướng tăng Bằng chứng là tỷ lệ nợ xấu nội bảng năm 2020 đạt 1,7% (tăng 0,1% so với năm 2019) và năm 2021 đạt mức 1,9% (tăng 0,2% so với năm 2020 và tăng 0,3% so với năm 2019) Chính vì vậy, nợ xấu vẫn là điều đáng quan ngại đối với các ngân hàng Thế nên việc cần làm lúc này là chú trọng và quan tâm đến vấn đề xử lý các khoản vay quá hạn càng sớm càng tốt.
Qua những vấn đề đã đề cập ở trên, nhận thấy rằng nợ xấu là đề tài cấp thiết cần được giải quyết Vì vậy, "Các nhân tố tác động đến nợ xấu của các NHTM niêm yết Việt Nam" được tác giả quyết định chọn làm đề tài nghiên cứu cho khóa luận Từ đó, thực hiện rõ danh mục nợ xấu, mức độ tác động đến nợ xấu và đưa ra một số chính sách khuyến nghị nhằm hỗ trợ các NHTM giảm thiểu rủi ro nợ xấu gia tăng, mang lại lợi nhuận cũng như khả năng thanh khoản.
Mục tiêu nghiên cứu
Mục đích của nghiên cứu này là xác định các nhân tố tác động đến nợ xấu của các NHTM niêm yết Việt Nam giai đoạn 2011 - 2021 Qua đó tìm hiểu và nắm rõ về các nhân tố, mức độ tác động đến nợ xấu của các NHTM Đồng thời, nghiên cứu còn so sánh các yếu tố tác động đến nợ xấu trong giai đoạn trước và sau dịch Covid-19 để hiểu rõ hơn về sự biến động của các biến Từ đó, tác giả đưa ra một số giải pháp, chính sách khuyến nghị nhằm hạn chế tối đa rủi ro nợ xấu, nâng cao khả năng dự báo và mang lại lợi nhuận cho các NHTM niêm yết Việt Nam.
1.2.2 Mục tiêu cụ thể Để đạt được mục tiêu nghiên cứu tổng quát, các mục tiêu nghiên cứu cụ thể cần thực hiện như sau: Đầu tiên, xác định được các nhân tố tác động đến nợ xấu của các NHTM niêm yết Việt Nam.
Thứ hai, xem xét mức độ tác động các nhân tố đó đến nợ xấu của các NHTM niêm yết Việt Nam.
Thứ ba, so sánh các yếu tố tác động đến nợ xấu trong giai đoạn trước và sau dịch Covid-19.
Cuối cùng, đề xuất các giải pháp kiểm soát và giảm thiểu khả năng nợ xấu của các NHTM niêm yết Việt Nam.
Câu hỏi nghiên cứu
Từ những mục tiêu cụ thể được đề ra, nội dung bài khóa luận hướng đến giải đáp các thắc mắc sau:
- Những nhân tố nào tác động đến nợ xấu của các NHTM niêm yết Việt Nam giai đoạn 2011 -2021?
- Xác định mức độ tác động của các nhân tố đến nợ xấu của các NHTM niêm yết Việt Nam giai đoạn 2011 -2021?
- Những nhân tố nào tác động đến nợ xấu trong giai đoạn trước và sau dịch Covid-19?
- Những khuyến nghị nào cần đưa ra nhằm khắc phục nợ xấu của các
Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của bài luận là các nhân tố tác động đến nợ xấu của các NHTM niêm yết Việt Nam.
Bài luận sử dụng dữ liệu của 24 NHTM niêm yết Việt Nam Lý do tác giả chọn NHTM niêm yết là vì các thông tin đều công khai, rõ ràng và đầy đủ theo pháp luật quy định Bên cạnh đó, việc niêm yết trên sàn giao dịch chứng khoán góp phần nâng cao uy tín ngân hàng, tạo sự an toàn và niềm tin cho khách hàng.
Các dữ liệu được thu thập từ năm 2011 đến năm 2021 vì đây là khoảng thời gian nợ xấu đầy biến động Từ năm 2011 nợ xấu bắt đầu tăng cao và đã đạt đỉnh điểm ở năm 2015 Giai đoạn 2016 - 2019 là giai đoạn tái cấu trúc nợ xấu nhưng vào năm 2019 dịch bệnh Covid-19, biến chủng Delta bùng phát khắp nơi gây ra nhiều thiệt hại cho nền kinh tế nước ta nên tình hình nợ xấu của các NHTM vẫn đang diễn biến đầy phức tạp cho đến hiện nay Do đó, giai đoạn 2011 – 2021 là giai đoạn cần được nghiên cứu để chọn ra các yếu tố ảnh hưởng đến những khoản vay vượt quá thời gian quy định của các NHTM niêm yết Việt Nam.
Phương pháp nghiên cứu
Với mục đích hoàn thành được mục tiêu nghiên cứu đã đề ra, bài luận được phân tích dựa trên phương pháp định tính và định lượng để có cái nhìn sâu hơn về nguyên nhân dẫn đến nợ xấu các NHTM niêm yết Việt Nam Từ những ưu và nhược điểm của các bài viết trong quá khứ, khóa luận chọn ra biến phụ thuộc và các biến độc lập để đưa vào giả thuyết nghiên cứu Sau đó, tiến hành phân tích thống kê mô tả nhằm đánh giá tổng thể đặc điểm của các biến Tiếp đến, tác giả sử dụng một số phương pháp hồi quy gồm Pooled OLS, FEM, REM, FGLS và thực hiện kiểm định hiện tượng đa cộng tuyến, phương sai sai số thay đổi, tự tương quan thông qua phần
5 mềm Stata 16.0 để tìm được mô hình thích hợp Từ đó, bài viết thảo luận dựa trên kết quả của mô hình và so sánh sự khác nhau giữa các yếu tố trong khoảng thời gian trước và sau khi dịch Covid-19 lan rộng ra toàn cầu Cuối cùng, đưa ra ý kiến thảo luận và khuyến khích chính sách nhằm giảm thiểu rủi ro nợ xấu cho các NHTM.
Đóng góp của đề tài
Đề tài nghiên cứu sẽ giúp cho các nhà quản trị nắm rõ cơ sở lý thuyết cũng như xác định được những nhân tố tác động đến nợ xấu của các NHTM giai đoạn
2011 – 2021 Từ đó đưa ra các biện pháp, cách thức xử lý hiệu quả nhằm hạn chế việc hoàn trả không đúng hạn của các khoản vay mà không ảnh hưởng tới mục tiêu lợi nhuận của ngân hàng Bên cạnh việc tìm ra các nhân tố, bài viết còn đo lường mức độ tác động của từng nhân tố đến nợ xấu nhằm tăng thêm khả năng dự báo,đánh giá khách quan hơn và chuẩn bị được hướng hành động thích hợp Ngoài ra,khóa luận còn nêu ra một số chính sách khuyến nghị góp phần thúc đẩy ngân hàng phát triển, hạn chế gia tăng các khoản vay từ nhóm 3 đến nhóm 5 và nâng cao hiệu quả hoạt động cho vay sao cho phù hợp với từng giai đoạn kinh tế.
Kết cấu luận văn
Bài luận dự kiến được chia làm 5 chương như sau:
Chương đầu tiên trình bày về lý do chọn đề tài; mục tiêu nghiên cứu; câu hỏi nghiên cứu; xác định đối tượng và phạm vi nghiên cứu; phương pháp nghiên cứu; và cuối cùng là đóng góp của nghiên cứu.
Chương 2: CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO CÁC TÀI LIỆU NGHIÊN CỨU CÓ LIÊN QUAN
Dựa vào cơ sở lý luận về nợ xấu trên toàn cầu nói chung và Việt Nam nói riêng, bài viết đã trình bày sự khác nhau về khái niệm, phân loại nợ của các quốc gia trong chương 2 Ngoài ra, bài luận còn đưa ra một vài lý thuyết nền, chỉ tiêu đo lường và nguyên nhân gây ra tình trạng không hoàn trả nợ đúng hạn của các khoản vay thông qua hai yếu tố chính là yếu tố vi mô và yếu tố vĩ mô Đồng thời, tác giả còn khảo lược các tài liệu nghiên cứu trước có liên quan nhằm có cái nhìn tổng quan
6 về những yếu tố ảnh hưởng đến nợ xấu của các NHTM trên thế giới, qua đó hình thành nên mô hình thích hợp ở chương phương pháp luận.
Thông qua cơ sở lý luận và các nghiên cứu trong quá khứ ở chương 2, tác giả đề xuất quy trình, giả thuyết, dữ liệu và phương pháp nghiên cứu Qua đó xác định được các dữ liệu cần phải thu thập để xây dựng nên mô hình phù hợp.
Chương 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Khóa luận phân tích thống kê mô tả các biến, kiểm định và ước lượng mô hình hồi quy bởi phần mềm Stata 16.0 Tiếp đến, trình bày và thảo luận kết quả số liệu đã được thu thập trong quá trình nghiên cứu cũng như đưa ra kết luận về các giả thuyết trong bài viết Thêm vào đó, khóa luận tách hai giai đoạn trong mô hình hồi quy tốt nhất để so sánh khoảng thời gian trước và sau khi dịch bệnh Covid-19 xảy ra.
Chương 5: KẾT LUẬN VÀ KHUYẾN NGHỊ CHÍNH SÁCH
Tác giả thảo luận về kết quả của các nhân tố tác động đến nợ xấu NHTM niêm yết Việt Nam dựa trên các kết quả nghiên cứu ở chương 4 Từ đó đưa ra một số khuyến nghị chính sách cụ thể cho các nhà quản trị, các TCTD có liên quan Không những thế, bài viết còn trình bày một vài hạn chế của bài luận và đề xuất thêm các yếu tố nên bổ sung vào trong nghiên cứu tương lai
Thông qua chương đầu tiên, khóa luận đã được trình bày tổng quan về sự ảnh hưởng của nợ xấu đến các NHTM ở các quốc gia trên thế giới và tại Việt Nam Bên cạnh đó, tác giả còn thể hiện khái quát về các vấn đề như lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu Từ đó làm tiền đề xây dựng nên cơ sở lý thuyết cũng như tìm nguyên nhân dẫn đến nợ xấu tăng cao của các ngân hàng và những vấn đề này sẽ được tác giả trình bày ở chương 2.
CƠ SỞ LÝ THUYẾT VÀ LƯỢC KHẢO CÁC TÀI LIỆU NGHIÊN CỨU CÓ LIÊN QUAN
Khái niệm nợ xấu
Hiện nay, khái niệm cũng như cách thức để đo lường về nợ xấu vẫn chưa có sự thống nhất về mặt lý luận Tùy theo quan điểm của từng quốc gia mà cách phân loại và định nghĩa về nợ xấu được phát biểu theo nhiều cách khác nhau.
Theo IMF (2004) cho rằng các ngân hàng không nên mô tả các khoản vay không được hoàn trả đúng hạn bằng khái niệm mà cần phải sử dụng như một cách hướng dẫn Do đó, IMF đã đưa ra định nghĩa "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" Nói cách khác, IMF đã đưa ra hai tiêu chí để xác định các khoản vay không hiệu quả là nợ quá hạn từ 90 ngày trở lên và khả năng thanh toán bị nghi ngờ Khả năng thanh toán ở đây là toàn bộ hoặc một phần gốc và lãi của khoản vay. Ủy ban Basel về Giám sát Ngân hàng (BCBS) định nghĩa rằng nợ xấu cần đáp ứng ít nhất một trong hai điều kiện sau: (i) thời gian trả nợ vượt quá thời gian quy định; (ii) bị nghi ngờ về năng lực hoàn trả mặc dù ngân hàng chưa sử dụng biện pháp nào để thu hồi lại khoản cho vay (Basel Committee on Banking Supervision, 2002). Không những thế, BCBS cho rằng khi ngân hàng không còn khả năng thu hồi lại các khoản nợ thì giá trị của khoản vay giảm Điều này có nghĩa là giá trị thiệt hại sẽ được ghi nhận như một khoản dự phòng để giảm trừ giá trị khoản vay và được trình bày cụ thể trên báo cáo tài chính (BCTC) của ngân hàng.
Ngân hàng thương mại trung ương Châu Âu (ECB) dựa trên các tiêu chí của BCBS đưa ra khái niệm rằng nợ xấu là một khoản nợ vượt thời gian quy định từ
90 ngày trở lên hoặc có lý do chính đáng để nghi ngờ về việc không có khả năng trả nợ của khách hàng và nếu có khả năng thanh toán thì giá trị mà ngân hàng nhận được vẫn không đầy đủ Điều này được kết luận dựa trên kết quả thu hồi nợ của các
NHTM mà ECB đã thu thập được.
Tại Việt Nam , Thông tư 11/2021/TT-NHNN năm 2021 về sử dụng dự phòng để xử lý rủi ro hoạt động của tổ chức tín dụng mới nhất quy định rằng "nợ xấu là những khoản nợ thuộc nhóm 3,4,5 gồm nợ dưới tiêu chuẩn, nợ nghi ngờ và nợ có khả năng mất vốn" Bên cạnh đó, tiêu chí đánh giá nợ xấu của NHNN chủ yếu dựa trên thời gian thanh toán các khoản vay và khả năng hoàn trả của khách hàng Cụ thể các nhóm nợ được phân loại như sau: (1) nhóm 3: Nợ dưới tiêu chuẩn được xem như khoản nợ vượt quá thời gian quy định từ 91 ngày đến 180 ngày và được nhận định là có thể thu hồi một phần giá trị; (2) nhóm 4: Nợ nghi ngờ là khoản vay không được hoàn trả đúng hạn từ 181 ngày đến 360 ngày và được đánh giá là khoản vay có nguy cơ tổn thất cao, khó thu hồi được gốc và lãi; (3) nhóm 5: Nợ có khả năng mất vốn là khoản nợ không còn khả năng hoàn trả và vượt quá thời gian quy định của ngân hàng trên 360 ngày và hoàn toàn không thể thu hồi lại được các khoản vay.
Tóm lại, qua các định nghĩa của các định chế tài chính trên thì thuật ngữ nợ xấu đều có nét tương tự trong cách nhận định, đồng thời được dựa trên hai nguyên nhân chính: (i) nợ quá thời gian quy định về hoàn trả gốc và lãi trên 90 ngày; (ii) có lý do rõ ràng về việc nghi ngờ khả năng trả nợ của khách hàng Những khoản nợ này vừa không tạo ra nguồn thu vừa làm mất cân đối thu – chi khi ngân hàng phải bỏ ra các chi phí để huy động khách hàng vay.
Việc phân chia các khoản nợ trong danh mục cho vay của các TCTD vào các nhóm nợ có mức độ rủi ro tương ứng được gọi là hoạt động phân loại nợ Hiện nay các NHTM đang áp dụng phương pháp định tính và định lượng để nhận định giá trị các khoản cho vay và phân loại chúng vào các nhóm phù hợp Việc phân loại nợ giúp cho các NHTM nhận định đúng tình trạng của các khoản vay, từ đó đưa ra các biện pháp phù hợp nhằm xử lý theo từng nhóm nợ.
Tại các quốc gia trên thế giới việc phân loại nợ có nhiều điểm khác nhau.Bholat và cộng sự (2016) đã dẫn chứng về sự bất đồng trong phân loại nợ tại các nước trên thế giới Bằng chứng là các quốc gia như Argentina, Trung Quốc, Hàn Quốc, Nga, Thổ Nhĩ Kỳ đều có điểm chung là phân chia nhóm nợ ở các mức độ khác nhau nhằm dễ dàng quản lý RRTD của từng nhóm Còn ở các nước như Pháp, Úc, Liên minh Châu Âu dường như không có sự tách biệt giữa các nhóm nợ mà chỉ đưa ra các tiêu chí để đánh giá nợ xấu là khoản vay không được thanh toán đúng hạn từ
90 ngày trở lên và bị nghi ngờ về năng lực thanh toán cả gốc và lãi Qua đó, có thể thấy rằng tùy theo tình trạng và đặc điểm tài chính của mỗi nước trên thế giới mà có các cách phân loại nợ khác nhau, tuy nhiên phần lớn các nước vẫn phân chia nợ theo từng nhóm để dễ dàng quản lý và giảm thiểu RRTD trên danh mục.
Bảng 2-1: Phân loại nợ ở một số quốc gia trên thế giới
Danh mục khoản vay được chia thành 6 loại: (1) Nợ đủ tiêu chuẩn; (2) Nợ cần chú ý; (3) Nợ không đạt chuẩn; (4) Nợ có rủi ro cao; (5) Nợ khó thu hồi; (6) Nợ không còn khả năng thu hồi. Úc
Nợ xấu là khoản vay không được đánh giá cao về khả năng trả nợ cho dù thời gian quá hạn vẫn chưa vượt 90 ngày.
Các NHTM phân loại 5 nhóm nợ cụ thể như sau: (1) nợ đạt chuẩn, (2) nợ cần chú ý, (3) nợ dưới tiêu chuẩn, (4) nợ nghi ngờ,
(5) nợ không thể thu hồi Trong đó, ba nhóm nợ cuối được xem là nợ xấu.
Nợ xấu là khoản vay bị nghi ngờ về khả năng hoàn trả hoặc khoản vay vượt quá thời gian quy định là 90 ngày (tùy vào rủi ro mà thời hạn có thể dài hơn).
Theo quy tắc phân loại tài sản, các khoản nợ được chia thành 5 nhóm, gồm: (1) nợ đạt tiêu chuẩn, (2) nợ cần chú ý, (3) nợ dưới tiêu chuẩn, (4) nợ nghi ngờ, (5) nợ tổn thất.
Các khoản vay được chia thành 5 loại với các mức độ khác nhau: (1) Nợ đạt chuẩn không có RRTD, (2) nợ chú ý có RRTD vừa phải, (3) nợ khó đòi – RRTD lớn, (4) Nợ có vấn đề - RRTD cao, (5) Nợ tổn thất do bên đi vay không còn khả năng trả nợ hoặc khoản vay bị giảm giá trị hoàn toàn (100%).
Các khoản nợ được tách thành 5 loại: (1) nợ đạt tiêu chuẩn, (2) nợ cần chú ý, (3) nợ dưới tiêu chuẩn, (4) nợ nghi ngờ, (5) nợ tổn thất.
Các nguyên tắc kế toán được chấp nhận chung (GAAP) yêu cầu các TCTD phải đo lường RRTD và tình trạng tổn thất của các khoản vay đính kèm tài sản.
Nợ khó đòi gồm các khoản nợ vượt quá thời gian quy định từ 90 ngày trở lên, khoản vay giảm giá trị và không được đánh giá cao về năng lực thanh toán.
Nguồn: Bholat và cộng sự (2016)
Lý tuyết nền
2.3.1 Lý thuyết thông tin bất cân xứng
George Akerlof là người đầu tiên đề cập đến lý thuyết thông tin bất cân xứng vào năm 1970 Theo đó, đây được xem là tình trạng phổ biến và thường xuất hiện trong nhiều ngành nghề như ngân hàng, bảo hiểm, thị trường chứng khoán, bất động sản… Lý thuyết này phát sinh khi một trong các bên tham gia giao dịch thông tin không có sự cân bằng, khi đó, bên sở hữu thông tin đầy đủ, đáng tin cậy hơn so với bên còn lại sẽ có cơ sở để đưa ra quyết định đầy đủ và chính xác hơn Hơn thế nữa,thông tin bất cân xứng còn gây ra hai rủi ro chính là sự lựa chọn nghịch và rủi ro đạo đức Sự lựa chọn nghịch xuất hiện trước khi tiến hành giao dịch của một bên có nhiều thông tin, tính chất sản phẩm hơn so với bên còn lại, dẫn đến sự tổn thất cho bên nắm giữ ít thông tin Đối với hoạt động tín dụng, vấn đề này phát sinh khi khách hàng cố ý che giấu thông tin cá nhân hoặc dùng thông tin giả để đi vay nhằm che đậy mục đích vay vốn và khả năng thanh toán mặc dù khách hàng biết rõ bản thân họ không có đủ khả năng trả nợ nhưng vẫn đi vay Tuy nhiên, ngân hàng lại không có đầy đủ thông tin, đánh giá sai về khả năng tài chính của khách hàng nên đã cấp tín dụng cho khách hàng có rủi ro cao Đối với rủi ro đạo đức là hành động gian dối, không trung thực hoặc hoạt động không tích cực sau khi cuộc giao dịch xảy ra. Chẳng hạn trong hoạt động tín dụng, khách hàng đáp ứng đủ điều kiện vay vốn và có thái độ hợp tác tốt nhưng sau khi giao dịch thành công thì khách hàng không có ý định trả lãi và/hoặc gốc cho ngân hàng Kết quả là các khoản vay không được hoàn trả đúng hạn, khả năng tổn thất cao và nợ xấu có chiều hướng gia tăng Qua đó, lý thuyết thông tin bất cân xứng giúp ngân hàng hiểu rõ hơn về nguyên nhân nợ xấu gia tăng là do sự thiếu sót trong việc thẩm định các khoản vay, không có đầy đủ thông tin khách hàng, đồng thời khuyến nghị tính minh bạch trong từng khoản vay là rất quan trọng.
2.3.2 Lý thuyết chu kỳ kinh doanh
Theo Samuelson và Nordhaus (1948) cho rằng chu kỳ kinh doanh là những dao động mang tính chu kì trong các hoạt động kinh tế tổng hợp của một hay nhiều quốc gia trên thế giới và được đo lường bằng tăng trưởng GDP thực Một chu kỳ kinh doanh thường diễn ra từ 2 đến 10 năm và những biến động này thường được thể hiện qua quá trình mở rộng, thu hẹp hoặc phục hồi sản xuất trên quy mô hoạt động kinh doanh lớn Chu kỳ kinh doanh gồm 2 giai đoạn chính là suy thoái và hưng thịnh Suy thoái xảy ra khi nền kinh tế tại một quốc gia đang có chiều hướng tăng trưởng chậm,nhu cầu của người tiêu dùng giảm, doanh thu công ty giảm, cầu về lao động bị cắt giảm dẫn đến thất nghiệp tăng cao Điều này làm ảnh hưởng đến khả năng thanh toán của khách hàng cũng như gia tăng các khoản vay không được trả đúng hạn trong nền kinh tế Ngược lại, hưng thịnh là giai đoạn tăng trưởng của một nền kinh tế, sức mua của người tiêu dùng tăng, thu nhập công ty và cá nhân tăng dẫn đến việc thanh toán các khoản vay đúng hạn và giảm tỷ lệ nợ xấu Tùy vào nền kinh tế đang ở trạng thái nào mà ngân hàng cần sử dụng chính sách tín dụng mở rộng hoặc thu hẹp cho phù hợp Tuy nhiên, các NHTM cần phải hiểu rõ rằng không có tình trạng kinh tế nào hoàn toàn giống nhau và cũng không có một công thức nào chính xác dự báo được chu kỳ kinh doanh tiếp theo Lý thuyết chu kỳ kinh doanh được vận dụng nhằm thể hiện sự liên kết của các yếu tố vĩ mô như lạm phát, lãi suất danh nghĩa tác động đến nợ xấu.
Chỉ tiêu đo lường nợ xấu
Nhiều nhà nghiên cứu đã tìm cách đo lường nợ xấu để đưa ra phương án giảm thiểu những ảnh hưởng tiêu cực mà nền kinh tế thị trường phải hứng chịu Qua đó, các chỉ tiêu để đánh giá và đo lường mức độ nợ xấu của một ngân hàng được trình bày cụ thể như sau"
2.4.1 Tỷ lệ nợ xấu trên tổng dư nợ
Chỉ tiêu tỷ lệ nợ xấu trên tổng dư nợ thể hiện rõ chất lượng của danh mục các khoản vay và năng lực quản lý tín dụng của ngân hàng Bên cạnh đó, hệ số này cho biết cứ 100 khách hàng vay ngân hàng thì có bao nhiêu khách hàng thanh toán không đúng hạn, khách hàng nợ xấu Qua đó nhận định được mức độ rủi ro của từng khoản vay trong một thời điểm nhất định Có thể thấy rằng tỷ lệ nợ xấu trên tổng dư nợ càng cao chứng tỏ chất lượng từng khoản vay càng thấp, khả năng mất vốn cao kéo theo hoạt động tín dụng của ngân hàng có hiệu quả thấp Ngược lại, tỷ lệ nợ xấu càng thấp thì chất lượng tín dụng càng tốt, mức độ uy tín của ngân hàng được đánh giá cao Chỉ tiêu này được coi là an toàn khi dưới 3%.
2.4.2 Tỷ lệ Nợ quá hạn trên tổng dư nợ
Nợ quá hạn là thời gian khách hàng trả nợ vượt quá quy định của ngân hàng, hoặc nói cách khác là khách hàng không thanh toán khoản vay đúng thời hạn như cam kết ban đầu Chỉ tiêu nợ quá hạn trên tổng dư nợ phản ánh tình trạng chất lượng
Tỷ lệ nợ xấu trên tổng dư nợ = Nợ xẵu
Tỷ lệ nợ quá hạn trên tổng dư nợ = Nợ quả hạn
Tông dư nợ x 100% tín dụng và cách quản lý tín dụng trong danh mục các khoản vay của ngân hàng Bên cạnh đó, chỉ tiêu này đo lường mức độ nợ quá hạn của khách hàng và hiệu suất thu hồi nợ đối với các khoản vay Đối với danh mục nợ quá hạn, có một số khoản vay trong nhóm nợ khó đòi đã gây ra tình trạng chất lượng tín dụng giảm, RRTD gia tăng Thế nên, có thể nói rằng đây chính là một trong các vấn đề phổ biến tại NHTM hiện nay.
2.4.3 Tỷ lệ các khoản xóa nợ
, „ Dư nợ các khoản được xóa nợ trong nẫm
Tỷ lệ các khoản xóa nợ = x 100%
Tong dư nợ cho vay trong năm
Khoản xóa nợ được sử dụng cho các khoản vay quá hạn hoặc khách hàng không còn năng lực thanh toán gốc và lãi, chẳng hạn như doanh nghiệp phá sản sẽ được ngân hàng thực hiện các chương trình giảm nợ và xóa nợ đối với công nhân có hoàn cảnh khó khăn Thông thường, các khoản vay không còn năng lực hoàn trả được phân vào nhóm nợ có nguy cơ mất vốn cao sẽ được trích lập dự phòng RRTD với tỷ lệ là 100% và được ngân hàng xóa nợ Đây là chỉ tiêu được sử dụng như giải pháp khẩn cấp xử lý nợ xấu của ngân hàng Việc xóa nợ các khoản vay khó đòi giúp ngân hàng hạn chế NPL trong danh mục, cải thiện đánh giá xếp hạng về RRTD và giúp ngân hàng có thể tập trung vào hoạt động kinh doanh chính Tuy nhiên nếu ngân hàng lạm dụng việc xóa nợ thì trong tương lai khả năng hấp thụ các khoản lỗ của ngân hàng sẽ bị giảm.
2.4.4 Tỷ lệ dự phòng rủi ro tín dụng
, Dự phòng RRTD được trích lập
Tỷ lệ dự phòng rủi ro tín dụng = x 100%
Dự phòng RRTD là việc ngân hàng trích một số tiền từ lợi nhuận để dự trữ cho những thất thoát tài sản phát sinh trong tương lai nhằm bù đắp tổn thất cho các khoản nợ mà khách hàng không trả nợ đúng thời hạn quy định hoặc bị nghi ngờ về năng lực hoàn trả Theo Thông tư 11/2021/TT-NHNN sử dụng dự phòng để xử lý rủi ro hoạt động của tổ chức tín dụng mới nhất năm 2021 quy định rằng dự phòng RRTD được chia thành 2 loại gồm dự phòng cụ thể và dự phòng chung Đối với dự phòng cụ thể được trích lập dự phòng cho từng nhóm nợ theo các tỷ lệ sau: Nhóm 1 là 0%, nhóm 2 là 5%, nhóm 3 là 20%, nhóm 4 là 50%, nhóm 5 là 100% Dự phòng chung là trích lập khoản dự phòng cho những rủi ro có thể xảy ra nhưng chưa xác định được khoản trích lập dự phòng cụ thể, về mức trích lập dự phòng chung phải được xác định bằng 0,75% tổng số dư đối với các khoản nợ từ nhóm 1 đến nhóm 4.
Có thể thấy việc trích lập dự phòng giúp đánh giá tổng quan về khả năng phòng thủ của các NHTM khi xuất hiện những rủi ro trong danh mục các khoản vay NPL tăng cao làm RRTD tăng, mức trích lập dự phòng RRTD tăng dẫn đến lợi nhuận giảm và hiệu quả hoạt động của ngân hàng kém.
Các nhân tố tác động đến nợ xấu
Dựa trên các bài nghiên cứu trong quá khứ, các nhân tố ảnh hưởng đến nợ xấu hiện nay gồm hai yếu tố chính là yếu tố vi mô và yếu tố vĩ mô.
2.5.1 Các yếu tố vi mô
2.5.1.1 Tỷ lệ nợ xấu năm trước
Tỷ lệ nợ xấu năm trước là một trong những nguyên nhân ảnh hưởng đến nợ xấu hiện tại của ngân hàng Tỷ lệ này xảy ra khi ngân hàng chưa có chính sách quản lý rủi ro hiệu quả, các khoản vay chưa được giám sát kỹ càng, quy trình tín dụng còn nhiều vấn đề Không những thế, việc thu hồi những khoản vay không hoàn trả từ năm trước vẫn chưa được xử lý làm ảnh hưởng đến năm hiện tại gây ra nhiều khó khăn cho ngân hàng Theo Makri và cộng sự (2014), Nguyễn Thị Như Quỳnh và cộng sự
(2018), cho rằng NPLt-1 có mối tương quan cùng chiều với NPL Tương tự, Phạm Thị Trang (2018) nghiên cứu về các nhân tố tác động đến nợ xấu thông qua ba phương pháp ước lượng hồi quy gộp OLS, FEM, REM cũng kết luận có sự tác động tích cực giữa nợ xấu năm trước và nợ xấu hiện tại.
Theo quy định hiện hành của NHNN, ngân hàng muốn mở rộng quy mô hoạt động thì phải tăng vốn tự có Việc thực hiện chiến lược tăng quy mô sẽ góp phần thúc đẩy hoạt động kinh doanh, đổi mới công nghệ và chất lượng dịch vụ được nâng cao.
Hu và cộng sự (2004) nghiên cứu về các biến ảnh hưởng đến nợ xấu được thu thập dữ liệu của 40 ngân hàng tại Đài Loan trong giai đoạn 1996 – 1999 Qua đó, kết quả đã cho thấy tác động tiêu cực giữa SIZE và NPL Bởi vì khi quy mô hoạt động càng lớn, ngân hàng có nguồn lực và kinh nghiệm dồi dào trong việc phát triển chất lượng các khoản vay dẫn đến năng lực quản trị RRTD tốt Điều này giúp cho ngân hàng đánh giá đúng khả năng tài chính của khách hàng cũng như giảm NPL Vì vậy, mở rộng quy mô hoạt động luôn là mục tiêu hướng đến của các NHTM tại các nước trong chiến lược phát triển kinh tế.
2.5.1.3 Tỷ lệ dự phòng RRTD
Dự phòng RRTD được xem là khoản chi phí dự trữ nhằm bù đắp cho những tổn thất có thể xảy ra ở các khoản vay không được thanh toán đúng hạn hoặc không có khả năng hoàn trả Yếu tố này giúp cho các NHTM đánh giá chính xác về chất lượng tín dụng cũng như là số tài sản hiện có Ngoài ra, các NHTM thường gia tăng chi phí liên quan đến danh mục nợ từ nhóm 3 đến nhóm 5 để ngăn ngừa RRTD xảy ra và đảm bảo thu nhập, tỷ lệ an toàn vốn của ngân hàng Theo Ghosh (2015), Nguyễn Thị Mỹ Huệ (2016) đều cho ra kết quả rằng tỷ lệ dự phòng RRTD tăng dẫn đến nợ xấu tăng.
2.5.1.4 Vốn chủ sở hữu trên tổng tài sản
Keeton và Morris (1987) đưa ra giả thuyết rủi ro đạo đức đã nhận định rằng yếu tố có sức ảnh hưởng lớn trong việc xác định mức độ xảy ra nợ xấu là mức vốn hóa, cụ thể là vốn hóa ngân hàng thấp gây ra tình trạng ngân hàng chấp nhận gia tăng các rủi ro của khoản vay dẫn đến việc hoàn trả không đúng hạn của khách hàng ngày càng nhiều Bên cạnh đó, nghiên cứu của Keeton và Morris (1987) về nợ xấu của các NHTM Mỹ từ năm 1979 đến năm 1985 và kết luận rằng ETA có tác động tiêu cực đến NPL Đồng thời, mối tương quan âm này cũng được thể hiện trên các bài nghiên cứu của Berger và DeYoung (1997), Salas và Saurina (2002).
2.5.1.5 Tốc độ tăng trưởng tín dụng
Dựa vào những nghiên cứu trước đây, TTTD là một trong những nguyên nhân chủ yếu góp phần làm cho hoạt động kinh doanh của ngân hàng đạt hiệu quả và tăng trưởng Khi nền kinh tế phát triển, nguồn vốn huy động dồi dào làm gia tăng các khoản cấp tín dụng, từ đó nới lỏng việc đánh giá rủi ro của các khoản vay kéo theo khoản vay không được thanh toán đúng thời hạn gia tăng Theo Keeton &
Morris, (1987) sử dụng dữ liệu của các NHTM Mỹ trong giai đoạn 1982 – 1996 và đưa ra kết luận rằng tốc độ TTTD có tác động cùng chiều với nợ xấu Tác giả giải thích rằng mặc dù tốc độ TTTD của ngân hàng có xu hướng tăng mạnh nhưng xếp hạng tín dụng vẫn còn thấp nên khả năng xảy ra tổn thất cao làm gia tăng tỷ lệ các khoản vay không hoàn trả đúng thời gian quy định ở một số bang tại Hoa Kỳ Tuy nhiên, Nguyễn Thị Như Quỳnh và cộng sự (2018) nghiên cứu về các yếu tố ảnh hưởng đến nợ xấu tại các NHTM Việt Nam bằng cách thu thập và thống kê số liệu của 25 NHTM từ năm 2006 đến năm 2016 thông qua mô hình gộp OLS, FEM, REM, FGLS Kết quả nghiên cứu đã chỉ ra mối tương quan âm giữa LGR và NPL Nguyên nhân là sau cuộc khủng hoảng kinh tế năm 2008, nước ta bắt đầu vào giai đoạn phục hồi làm cho tốc độ TTTD có khuynh hướng tăng cao dẫn đến nợ xấu giảm Cụ thể là khi nền kinh tế phát triển, các doanh nghiệp hoạt động kinh doanh hiệu quả làm tăng doanh thu kéo theo thu nhập của người lao động tăng cho nên khách hàng sẽ hoàn trả các khoản vay đúng thời gian quy định hơn.
2.5.1.6 Lợi nhuận trên tổng tài sản
Lợi nhuận trên TTS phản ánh hiệu quả hoạt động kinh doanh của ngân hàng. Đồng thời đánh giá kết quả tài chính của các NHTM do nhân tố này không chịu tác động bởi tài chính cao Khi khả năng sinh lời càng thấp thì việc quản lý RRTD và giám sát danh mục các khoản vay càng thấp dẫn đến RRTD gia tăng Điều này gây ảnh hưởng đến lợi nhuận của ngân hàng khi số lượng khách hàng không còn năng lực thanh toán các khoản vay đúng hạn tăng Theo Dimitrios et al (2012), Trần Huy Hoàng và Lê Thị Mỹ Tiên (2022) đã đưa ra kết luận rằng ROA có tác động ngược chiều với NPL Tuy nhiên, Karimiyan và các cộng sự (2013) lại đưa ra kết quả là có mối tương quan dương giữa NPL và ROA.
2.5.2 Các yếu tố vĩ mô
Bên cạnh các yếu tố vi mô ảnh hưởng đến tỷ lệ nợ xấu đã đề cập trên, yếu tố vĩ mô cũng là nhân tố trực tiếp tác động đến nợ xấu và gây biến động tỷ lệ nợ xấu của ngân hàng.
2.5.2.1 Tốc độ tăng trưởng kinh tế
Tốc độ tăng trưởng kinh tế được coi như nhân tố quan trọng ảnh hưởng đến tình hình nợ xấu của các nước Khi nền kinh tế có tín hiệu tăng trưởng, việc sản xuất kinh doanh của nhiều doanh nghiệp cũng được thúc đẩy kéo theo lợi tức của các tổ chức kinh tế và thu nhập cá nhân tăng Điều này giúp cho khả năng thu hồi vốn và lãi tăng, chất lượng tín dụng của ngân hàng được đánh giá cao Tuy nhiên khi nền kinh tế có dấu hiệu đi xuống, cung nhiều hơn cầu làm cho doanh thu của các doanh nghiệp gặp nhiều trở ngại, tình trạng thất nghiệp gia tăng dẫn đến khả năng thu hồi đúng hạn các khoản vay giảm và tỷ lệ khách hàng không hoàn trả nợ đúng với thời gian đã cam kết có chiều hướng tăng cao Có rất nhiều nghiên cứu trong quá khứ đề cập đến việc GDP làm biến động NPL Bằng chứng là kết quả nghiên cứu của Salas & Saurina
(2002) đã chứng minh rằng khi GDP càng cao thì NPL càng thấp Bên cạnh đó, có nhiều nghiên cứu ở nước ta cũng đề cập đến mối quan hệ của GDP đến NPL Chẳng hạn là nghiên cứu của Nguyễn Thị Như Quỳnh và cộng sự (2018) về các yếu tố tác động đến nợ xấu tại các NHTM Việt Nam bằng mô hình gộp OLS, FEM, REM, FGLS Qua đó, nghiên cứu đã đưa ra kết luận về sự ảnh hưởng của GDP đến NPL là tiêu cực.
Tỷ lệ lạm phát cũng được xác định là nguyên nhân gây ảnh hưởng đến nợ xấu. Khi lạm phát tăng, nhu cầu tiêu dùng hàng hóa bắt đầu giảm gây ra tình trạng hàng hóa bị ứ đọng, tỷ lệ hàng tồn kho gia tăng dẫn đến sản xuất kinh doanh của các doanh nghiệp gặp nhiều trở ngại, lợi nhuận giảm và có nguy cơ dẫn đến giải thể, phá sản.
Do đó gây ảnh hưởng đến khả năng thanh toán các khoản vay của doanh nghiệp kéo theo tỷ lệ nợ xấu của ngân hàng gia tăng Theo Fofack (2005), Trần Vương Thịnh &Nguyễn Ngọc Hồng Loan (2021) cho ra kết quả nghiên cứu rằng INF có tác động tích cực với NPL Tuy nhiên, Makri và cộng sự (2014), Al-Smadi & Ahmad (2009) vàEkanayake & Azeez (2015) lại cho ra kết luận rằng INF có tác động tiêu cực vớiNPL Cụ thể nghiên cứu của Ekanayake & Azeez (2015) cho rằng khi lạm phát xảy ra ngân hàng sẽ chú trọng hơn về các khoản cho vay, kén chọn với những người đi vay có chất lượng cao do khối lượng tín dụng giảm Thế nên, việc chọn lọc khách hàng vay một cách kỹ càng sẽ làm cho NPL của ngân hàng có khuynh hướng giảm.
2.5.2.3 Tỷ lệ lãi suất danh nghĩa
Khảo lược các nghiên cứu về nhân tố định lượng tác động đến nợ xấu 20 1 Các nghiên cứu thế giới
2.6.1 Các nghiên cứu thế giới
Hu và cộng sự (2004) đã phân tích về quyền sở hữu và các khoản nợ xấu thông qua chứng từ của các NHTM Đài Loan trong giai đoạn 1996 - 1999 Nghiên cứu đã thu thập dữ liệu của 40 ngân hàng và đưa ra mô hình lý thuyết nhằm ước tính sự liên kết giữa cổ phần chính phủ và nợ xấu tại các ngân hàng Nhờ vậy, các tác giả phát hiện cổ phần chính phủ gia tăng tạo điều kiện thuận lợi cho vận động hành lang chính trị Tuy nhiên, việc sở hữu cổ phần tư nhân đã để lại nhiều khoản nợ khó đòi do các chủ sở hữu xuất hiện dấu hiệu tham nhũng Chính vì thế, tác giả đưa ra các kết luận rằng: (1) tỷ lệ cổ phần chính phủ tăng tại một ngân hàng làm cho khả năng hoàn trả không đúng hạn giảm dần; (2) có mối tương quan âm giữa quy mô ngân hàng và nợ xấu; (3) tỷ lệ nợ xấu tại các NHTM Đài Loan bắt đầu tăng cao trong khoảng thời gian từ năm 1996 - 1999.
Fofack (2005) thu thập dữ liệu của 16 nước tại Châu Phi cận Sahara trong giai đoạn 1993 - 2002 để phân tích về các yếu tố tác động đến nợ xấu bằng phương pháp moment tổng quát (GMM) Tác giả đã đưa ra kết luận rằng yếu tố lợi nhuận trên TTS, tốc độ tăng trưởng kinh tế, tỷ giá hối đoái và tỷ lệ lạm phát có tác động ngược chiều đến khoản vay không hoàn trả đúng thời gian quy định như cam kết của 16 quốc gia tại Châu Phi cận Sahara.
Messai và Jouini (2013) áp dụng phương pháp định lượng để đánh giá tổng quan các yếu tố ảnh hưởng đến nợ xấu tại ba quốc gia gồm Ý, Hy Lạp, Tây Ban Nha (do đây là các nước chịu nhiều biến động trong năm 2008) Bài viết đã thu thập và phân tích dữ liệu của 85 ngân hàng trong giai đoạn 2004 - 2008 qua hai mô hình hồi quy dữ liệu bảng gồm FEM và REM Qua đó, tác giả đã xác định các biến gồm GDP, ROA, lãi suất thực (IRR), tỷ lệ thất nghiệp (UNR),thay đổi trong các khoản cho vay và LLR cũng làm biến động NPL Nghiên cứu đã đưa ra kết luận rằng ROA, GDP có ảnh hưởng ngược chiều đến NPL Đối với LLR, UNR và IRR ảnh hưởng thuận chiều đến các khoản vay không được hoàn trả đúng hạn.
Theo nghiên cứu của Makri và cộng sự (2014) đã phân tích về các nhân tố ảnh hưởng đến nợ xấu trong khu vực đồng euro bằng việc tổng hợp và phân tích dữ liệu của 14 quốc gia thông qua phương pháp GMM từ năm 2000 đến năm 2008, cụ thể bài viết hướng đến giai đoạn trước khủng hoảng Kết quả thể hiện mối quan hệ mạnh mẽ giữa tỷ lệ nợ xấu với các điều kiện kinh tế vĩ mô và ngân hàng Trong đó, các yếu tố nội tại của ngân hàng gồm NPLt- i, tỷ lệ vốn và ROE và yếu tố vĩ mô gồm nợ công, GDP và UNR tác động mạnh mẽ đến NPL Như vậy, nghiên cứu đã chứng tỏ tình trạng kinh tế của các nước châu Âu sử dụng đồng tiền chung có mối quan hệ đến chất lượng của từng khoản vay.
Petkovski và cộng sự (2021) sử dụng bộ dữ liệu của 21 ngân hàng để phân tích về các yếu tố vĩ mô và yếu tố nội tại của ngân hàng tác động đến tỷ lệ nợ xấu từ các quốc gia Ba Lan (Estonia, Latvia và Lithuania) trong giai đoạn 2005 - 2018 Để hạn chế kết quả sai lệch trong một mô hình, tác giả đã triển khai cả ba phương pháp ước lượng gồm FEM, REM, GMM Kết quả nghiên cứu cho thấy yếu tố vĩ mô như tốc độ tăng trưởng GDP ảnh hưởng tiêu cực và nợ công, thất nghiệp ảnh hưởng tích cực đến NPL Mặt khác, đối với yếu tố nội tại ngân hàng thì ETA, ROA, ROE, tăng trưởng tổng cho vay, TTTD cá nhân tác động đến NPL Tuy nhiên, biến TTTD cá nhân có ảnh hưởng tiêu cực nhất.
SK Singh và cộng sự (2021) nghiên cứu về các nhân tố chính tác động đến nợ xấu trên khả năng sinh lời của các NHTM Nepal trong khoảng thời gian từ năm 2015 đến năm 2019 Nghiên cứu đã sử dụng các yếu tố vĩ mô và yếu tố nội tại của ngân hàng như tốc độ tăng trưởng kinh tế, INF, SIZE, ROA, hệ số an toàn vốn để đánh giá mức độ tác động của các biến đến NPL Kết quả thể hiện biến GDP, INF có sự liên kết tích cực với khoản nợ quá hạn; ROA, SIZE có mối quan hệ tiêu cực với NPL; và hệ số an toàn vốn không có tác động đáng kể đến nợ xấu của các NHTM tại Nepal.
2.6.2 Các nghiên cứu Việt Nam
Nguyễn Thị Hồng Vinh (2015) nghiên cứu về các nhân tố ảnh hưởng đến nợ xấu của các NHTM Việt Nam trong thời gian từ năm 2007 đến năm 2014 Bài viết tổng hợp và phân tích số liệu của 22 ngân hàng ở nước ta để ước lượng mô hình theo phương pháp GMM dạng sai phân, GMM dạng hệ thống và hiệu ứng cố định FE. Qua quá trình nghiên cứu, tác giả đã kết luận rằng các biến NPL t-1 , SIZE, GDP, INF, UNR tác động đến NPL Cụ thể, các yếu tố ảnh hưởng ngược chiều với tỷ lệ nợ xấu gồm SIZE, GDP, UNR và các yếu tố ảnh hưởng cùng chiều với tỷ lệ nợ xấu gồm NPL t-1 , INF.
Bùi Duy Tùng và Đặng Thị Bạch Vân (2015) phân tích trên 25 ngân hàng trong giai đoạn 2004 - 2014 để tìm ra ảnh hưởng của các yếu tố nội tại đến nợ xấu của các NHTM Việt Nam Bài viết sử dụng hai mô hình là dữ liệu bảng động, GMM và đưa ra kết luận rằng các yếu tố nội tại như khả năng sinh lời, khả năng thanh toán và thu nhập ngoài lãi chịu tác động ngược chiều với nợ xấu Ngược lại, tỷ lệ chi phí trên doanh thu tác động cùng chiều với nợ xấu Ngoài ra, tác giả còn lập luận rằng có sự ủng hộ giả thuyết "Chất lượng quản trị ngân hàng" và "Rủi ro đạo đức" từ các NHTM Việt Nam thông qua bộ dữ liệu về nợ xấu, tuy nhiên mức độ kiểm soát của tác giả lại không đồng nhất với lí thuyết.
Phạm Thị Mỹ Huệ (2016) nghiên cứu về các yếu tố ảnh hưởng đến nợ xấu của các NHTM Việt Nam bằng cách tổng hợp và phân tích bộ dữ liệu của 18 NHTM trong thời gian từ năm 2008 đến năm 2015 Bài viết đã sử dụng phương pháp moment tổng quát GMM để xác định mối quan hệ giữa nợ xấu với các yếu tố vĩ mô và vi mô Từ đó, nghiên cứu đã cho ra kết luận rằng LGR, GDP, ROE, SIZE tác động tiêu cực với nợ xấu và tỷ lệ cấu trúc vốn, tỷ lệ nợ xấu kỳ trước có ảnh hưởng tích cực với các khoản vay không hoàn trả đúng thời gian quy định Đặc biệt, tỷ lệ dự phòng RRTD ảnh hưởng tích cực nhất đến tỷ lệ nợ xấu và tỷ lệ lãi suất cho vay có ảnh hưởng như kỳ vọng ban đầu của tác giả, tuy nhiên độ tin cậy vẫn chưa đủ để thừa nhận tác động của tỷ lệ lãi suất cho vay đến nợ xấu.
Trong nghiên cứu của Nguyễn Thị Hồng Vinh & Nguyễn Minh Sáng (2018) phân tích về tác động của các yếu tố vĩ mô và đặc thù ngân hàng đến nợ xấu: Bằng các thực nghiệm của các NHTM Đông Nam Á đã thực hiện phương pháp GMM để phân tích Kết quả nghiên cứu thể hiện các nước trong khu vực Đông Nam Á phải chịu nhiều ảnh hưởng từ các yếu tố đến nợ xấu Trong đó, yếu tố quy mô ngân hàng, tỷ suất sinh lợi, tốc độ TTTD, tỷ lệ cho vay trên tiền gửi có tác động nghịch chiều với nợ xấu; tuy nhiên vốn chủ sở hữu, tỷ lệ nợ xấu năm trước lại có tác động thuận chiều với nợ xấu Không những thế, nghiên cứu cũng đã lập luận rằng các NHTM ở khu vực Đông Nam Á cần thận trọng trong việc đánh giá RRTD khi thiết kế các chính sách kinh tế vĩ mô.
Hoàng Thị Thanh Hằng và cộng sự (2020) nghiên cứu về các yếu tố tác động đến nợ xấu của các NHTM Việt Nam trong khoảng thời gian từ năm 2012 đến năm 2018 Bài viết sử dụng dữ liệu của 16 NHTM kết hợp với phương pháp GMM, tác giả đã xây dựng mô hình gồm 8 biến ảnh hưởng đến nợ xấu Tuy nhiên, nghiên cứu lại cho ra kết quả là chỉ có 5 biến tác động đến nợ xấu bao gồm GDP, ETA, ROA, LLR, SIZE Trong đó tỷ lệ lợi nhuận trên TTS, tốc độ tăng trưởng GDP có mối tương quan âm với nợ xấu; vốn chủ sở hữu trên TTS và dự phòng RRTD có mối tương quan dương với nợ xấu.
Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) đã sử dụng bộ dữ liệu của 22 ngân hàng nghiên cứu về các nhân tố tác động đến nợ xấu của các NHTM
Việt Nam trong giai đoạn 2012 - 2020 Bằng kỹ thuật ước lượng dữ liệu bảng và sử dụng mô hình Pooled OLS, FEM, REM đã thể hiện rõ nguyên nhân dẫn đến nợ xấu của các NHTM Việt Nam Theo đó, kết quả nghiên cứu cho thấy các biến gồm SIZE, LLR, LGR, INF có mối tương quan dương với NPL Tuy nhiên yếu tố ROE lại có mối tương quan âm với NPL Đặc biệt là yếu tố tốc độ tăng trưởng GDP không có ý nghĩa thống kê đến NPL của các NHTM Việt Nam.
Bảng 2-3: Tổng hợp các nhân tố tác động đến nợ xấu của các ngân hàng
Yếu tố Biến Tác giả Dấu tác động
Makri và cộng sự (2014), Nguyễn Thị Hồng Vinh (2015), Phạm Thị Mỹ Huệ
(2016), Nguyễn Thị Hồng Vinh & Nguyễn Minh Sáng (2018), Nguyễn Thị Như Quỳnh và cộng sự (2018)
Hu và cộng sự (2004), Nguyễn Thị Hồng Vinh (2015), Phạm Thị Mỹ Huệ (2016), Nguyễn Thị Hồng Vinh & Nguyễn Minh Sáng (2018), SK Singh và cộng sự (2021).
Vốn chủ sở hữu trên TTS
Fofack (2005), Dimitrios và cộng sự
(2012), Messai & Jouini (2013), Bùi Duy Tùng & Đặng Thị Bạch Vân (2015), Hoàng Thị Thanh Hằng và cộng sự (2020),
Tốc độ Keeton (1999), Trần Vương Thịnh và (+)
TTTD Nguyễn Ngọc Hồng Loan (2021)
Messai & Jouini (2013), Ghosh (2015), Phạm Thị Mỹ Huệ (2016), Hoàng Thị Thanh Hằng và cộng sự (2020), Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021)
Tốc độ tăng trưởng kinh tế
Salas & Saurina (2002), Fofack (2005), Messai & Jouini (2013), Nguyễn Thị Hồng Vinh (2015), Nguyễn Thị Như Quỳnh và cộng sự (2018), Hoàng Thị Thanh Hằng và cộng sự (2020), Petkovski và cộng sự (2021).
Fofack (2005), Nguyễn Thị Hồng Vinh,
(2015), Trần Vương Thịnh & Nguyễn Ngọc Hồng Loan (2021), SK Singh và cộng sự (2021).
Tỷ lệ lãi suất danh nghĩa
Solarin và cộng sự (2011), Messai &
Jouini (2013), Makri và cộng sự (2014) (+)
Nguồn: Tổng hợp của tác giả
Qua chương 2, có thể thấy rằng tác giả đã trình bày sự khác nhau giữa khái niệm, phân loại nợ ở các quốc gia trên thế giới và Việt Nam; đồng thời đưa ra một số chỉ tiêu đo lường đến nợ xấu và lý thuyết nền gồm thông tin bất cân xứng, chu kỳ kinh doanh Ngoài ra luận văn còn phân tích các yếu tố tác động đến nợ xấu của các ngân hàng bao gồm SIZE, NPL t-1 , LLR, ETA, ROA, LGR, GDP, INF và INR Từ các yếu tố trên, tác giả chọn ra chín giả thuyết nghiên cứu và xây dựng nên mô hình thích hợp với khóa luận trong chương kế tiếp.
PHƯƠNG PHÁP LUẬN
Quy trình nghiên cứu
Nghiên cứu được thực hiện theo quy trình như hình 3-1:
Hình 3-1: Quy trinh nghiên cứu
Nguồn: Tổng hợp từ tác giả
Giả thuyết nghiên cứu
Dựa vào các lý luận và nguyên nhân dẫn đến nợ xấu trong chương 2, tác giả mở rộng các giả thuyết và thực hiện ước lượng mô hình nhằm xác định rõ các nhân tố tác động đến nợ xấu của các NHTM niêm yết Việt Nam Bên cạnh đó, việc xem xét các nghiên cứu trong quá khứ đã giúp tác giả có cái nhìn khái quát hơn về các nhân tố đã làm biến động tỷ lệ nợ xấu của các NHTM tại các nước trên thế giới Từ đó, tác giả xác định có hai yếu tố chính dẫn đến tình hình nợ xấu của các ngân hàng gồm: Yếu tố vi mô như NPL -1 , SIZE, ETA, ROA, LGR, LLR và yếu tố vĩ mô như GDP, INF, INR.
Giả thuyết H1: Tỷ lệ nợ xấu trong quá khứ tác động cùng chiều với tỷ lệ nợ xấu.
Khi việc giám sát và quản lý rủi ro không chặt chẽ gây ra tình trạng nợ xấu bị tồn đọng, đồng thời chính sách quản trị nợ xấu của ngân hàng còn yếu kém cũng như chưa có biện pháp cụ thể để xử lý các khoản vay không có khả năng thu hồi trong năm cũ kéo theo tỷ lệ nợ xấu trong năm tới tăng trưởng mạnh.
Giả thuyết H2: Quy mô ngân hàng tác động ngược chiều với tỷ lệ nợ xấu.
Khi quy mô ngân hàng được mở rộng đồng nghĩa với việc nghiệp vụ cấp tín dụng cũng phát triển theo, từ đó làm gia tăng lợi nhuận ngân hàng Không những vậy, điều này còn chứng minh được hiệu quả trong hoạt động cho vay dẫn đến việc gia tăng mức độ xếp hạng tín dụng cũng như giảm tỷ lệ nợ xấu tại ngân hàng
Giả thuyết H3: Tỷ lệ dự phòng RRTD tác động cùng chiều với tỷ lệ nợ xấu.
Dự phòng RRTD gia tăng thể hiện tình trạng tổn thất khi phát sinh nhiều khoản chi phí mà ngân hàng phải chi trả Điều này xảy ra khi nợ khó đòi của ngân hàng tăng, số lượng khách hàng không có khả năng hoàn trả vốn lẫn lãi lớn.
Giả thuyết H4: Vốn chủ sở hữu trên tổng tài sản tác động ngược chiều với tỷ lệ nợ xấu.
Khi ETA có chiều hướng giảm kéo theo mức độ an toàn vốn giảm dẫn đến tình hình thua lỗ trong hoạt động kinh doanh của ngân hàng Qua đó, ta có thể thấy khả năng chịu đựng và quản lý rủi ro còn kém cho nên việc các khoản vay không được thanh toán đúng hạn gia tăng là điều mà các ngân hàng phải đối mặt.
Giả thuyết H5: Tốc độ TTTD tác động cùng chiều với tỷ lệ nợ xấu.
Việc gia tăng tốc độ TTTD sẽ làm cho kỳ vọng về lợi nhuận mà ngân hàng nhận được tăng cao, do đó xuất hiện lỗ hổng trong khâu quản lý tín dụng của ngân hàng dẫn đến việc nới lỏng tiêu chuẩn phát hành tín dụng cho dù tiêu chuẩn này cần được thắt chặt Chính vì lý do này mà tỷ lệ các khoản vay hoàn trả không đúng hạn ngày càng tăng cao.
Giả thuyết H6: Lợi nhuận trên tổng tài sản tác động ngược chiều với tỷ lệ nợ xấu.
Khi lợi nhuận trên TTS của ngân hàng tăng làm cho chất lượng tín dụng và khả năng quản lý rủi ro của ngân hàng được đánh giá cao dẫn đến lợi nhuận gia tăng, từ đó tỷ lệ nợ xấu của ngân hàng giảm Điều này.đã phản ánh rõ sự hiệu quả trong hoạt động kinh doanh của NHTM.
Giả thuyết H7: Tốc độ tăng trưởng kinh tế tác động ngược chiều với tỷ lệ nợ xấu.
Khi nền kinh tế phát triển, chỉ số GDP tăng cao dẫn đến nhu cầu tiêu dùng của khách hàng tăng kéo theo lợi tức của các doanh nghiệp và thu nhập của người lao động có chiều hướng tích cực Khi này ngân hàng dễ dàng trong việc thu hồi các khoản vay, từ đó vấn đề nợ khó đòi được giải quyết và tỷ lệ nợ không hoàn trả đúng hạn giảm.
Giả thuyết H8: Tỷ lệ lạm phát tác động cùng chiều với tỷ lệ nợ xấu.
Lạm phát gia tăng chứng tỏ sức mua trên một đơn vị tiền tệ giảm Do giá cả các mặt hàng gia tăng ảnh hưởng đến chi phí sản xuất và giá thành của một sản phẩm tăng Điều này làm thay đổi quyết định tiêu dùng của khách hàng dẫn đến việc trì trệ trong sản xuất kinh doanh của các doanh nghiệp Chính vì nguyên nhân trên đã khiến cho các khách hàng gặp khó khăn trong việc thanh toán đúng hạn và tăng nguy cơ xuất hiện những khoản vay không hoàn trả đúng thời gian như cam kết ở các NHTM niêm yết Việt Nam trong tương lai.
Giả thuyết H9: Lãi suất tác động cùng chiều với tỷ lệ nợ xấu.
Lãi suất ngân hàng làm ảnh hưởng đối với các khách hàng đi vay Cụ thể khi lãi suất cho vay tăng, người đi vay gặp khó khăn trong việc trả lãi và nếu lãi suất tăng cao so với khả năng hoàn trả của khách hàng, dẫn đến tình trạng thu hồi nợ củaNHTM có chiều hướng tiêu cực kéo theo khoản vay thanh toán không đúng thời gian quy định gia tăng.
Mô hình nghiên cứu
Từ các bài nghiên cứu trong quá khứ cũng như các lý luận về vấn đề liên quan đến nợ xấu trên toàn cầu, tác giả đã tổng hợp và chọn lọc ra những nhân tố tác động đến nợ quá hạn để xây dựng nên mô hình nghiên cứu phù hợp Tác giả tiếp cận chủ yếu vào các bài nghiên cứu nước ngoài như Messai & Jouini (2013), Petkovski và cộng sự (2021) và nghiên cứu trong nước của Nguyễn Thị Hồng Vinh (2015), Phạm Thị Trang (2018), Nguyễn Thị Như Quỳnh và cộng sự (2018), Hoàng Thị Thanh Hằng và cộng sự (2020) đã sử dụng phương pháp ước lượng Pooled OLS, FEM, REM, FGLS để tìm ra mô hình thích hợp nhất Qua đó, ta thấy rằng có hai nhân tố tác động chính đến nợ xấu là yếu tố vi mô và yếu tố vĩ mô Trong đó, yếu tố vi mô gồm nợ xấu năm trước, quy mô ngân hàng, vốn chủ sở hữu trên TTS, lợi nhuận trên TTS, tốc độ TTTD, tỷ lệ dự phòng RRTD và yếu tố vĩ mô gồm tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát, lãi suất danh nghĩa Như vậy, tác giả xây dựng nên mô hình nghiên cứu như sau :
NPL i,t = β 0 + β 1 NPL i,t-1 + β 2 SIZE i,t + β 3 LLR i,t + β 4 ETA i,t + β 5 LGR i,t + β 6 ROA i,t + β 7 GDP i,t + β 8 INF i,t + β 9 INR i,t + ε i,t
Trong đó: i và t = [1,2, , N], với i là số NHTM (24 NHTM) và t là số năm nghiên cứu
(11 năm) Β 0 , β 1 ,…β n : Hệ số chặn εi,t: các sai số của ngân hàng
Biến phụ thuộc là tỷ lệ nợ xấu (NPL i,t ).
Biến độc lập gồm nợ xấu năm trước(NPL i, t _1), quy mô ngân hàng (SIZE i, t), tỷ lệ dự phòng RRTD (LLRi,t), vốn chủ sở hữu trên TTS (ETAi,t), tốc độ TTTD(LGR i,t ), lợi nhuận trên TTS (ROA i,t ), tốc độ tăng trưởng kinh tế (GDP i,t ), tỷ lệ lạm phát (INF i, t), tỷ lệ lãi suất danh nghĩa (INR i, t).
Các biến nghiên cứu
Biến nợ xấu (NPL i,t ) đại diện cho tỷ lệ nợ xấu trên tổng dư nợ Theo Thông tư 11/2021/TT-NHNN ban hành về sử dụng dự phòng để xử lý rủi ro hoạt động của tổ chức tín dụng mới nhất năm 2021 quy định nợ xấu là những khoản nợ thuộc nhóm 3,4,5 và được đo lường bằng công thức:
Nợ nhóm 3 + Nợ nhóm 4+ Nợ nhóm 5
Trong đó, các ba khoản mục nợ quá hạn đều được thu thập dữ liệu từ thuyết minh BCTC và tổng dư nợ được lấy trong bảng cân đối kế toán (BCĐKT) của từng ngân hàng trong giai đoạn 2011 - 2021 Bên cạnh đó, NPL còn phản ánh chất lượng các khoản vay và năng lực quản trị rủi ro của ngân hàng Các nghiên cứu về nợ xấu tại các NHTM cũng đã sử dụng chỉ tiêu này nhiều, chẳng hạn như Salas & Saurina
(2002), Nguyễn Thị Hồng Vinh (2015), Khan và cộng sự (2020), Petkovski và cộng sự (2021).
3.4.2.1 Nhóm các biến vi mô
Biến nợ xấu năm trước (NPL i,t-1 ) được đo lường tương tự như biến phụ thuộc (NPL i,t ) và các khoản mục nợ nhóm 3, 4, 5 cũng được lấy từ thuyết minh, BCTC và tổng dư nợ cũng lấy từ BCĐKT của từng ngân hàng trong giai đoạn 2011 - 2021.
Nợ nhóm 3 + Nợ nhóm 4+ Nợ nhóm 5 i, - Tông dư nợ
Nợ xấu năm trước phản ánh khả năng quản lý RRTD trong quá khứ, đồng thời dự báo những khoản vay có nguy cơ không trả nợ đúng hạn trong tương lai
NPL i,t NPL i,t-1 = nhằm giúp ngân hàng sớm xử lý được các vấn đề vướng mắc cũng như giảm thiểu tình trạng nợ xấu phát sinh Theo Salas và Saurina (2002) đã sử dụng NPLt -1 để đo lường tác động đến NPL và đưa ra kết luận rằng NPLt-1 và NPL có mối tương quan dương Nguyên nhân là do ngân hàng chưa có chính sách quản trị rủi ro hiệu quả, còn nhiều lỗ hổng trong việc giám sát các khoản vay và trích lập khoản dự phòng rủi ro đúng theo quy định của Nhà nước ban hành Không những thế, nhiều bài nghiên cứu trong quá khứ như Klein (2013), Makri và cộng sự (2014), Nguyễn Thị Như Quỳnh và cộng sự (2018) cho ra kết quả giống với bài nghiên cứu trên.
Biến quy mô ngân hàng (SIZE i,t ) đánh giá tổng tài sản hiện có của các
NHTM Bởi vì TTS của một ngân hàng có giá trị rất lớn nên trong kỹ thuật hồi quy phân tích dữ liệu, tác giả sử dụng logarit của TTS làm biến đại diện cho quy mô.
SIZE ị,t = Ln(Tổng tài sản) TTS bình quân được tính bằng trung bình cộng của giá trị TTS đầu kỳ và cuối kỳ, đồng thời khoản mục TTS bình quân được lấy trên BCTC của các NHTM từ năm 2011 đến năm 2021 Chỉ tiêu quy mô ngân hàng đã được các nghiên cứu như Salas & Saurina (2002), Dana Muratbek (2017),Nguyễn Thị Như Quỳnh và cộng sự (2018), Singh và cộng sự (2021) sử dụng.
Biến vốn chủ sở hữu trên tổng tài sản (ETA i,t ) được đo lường bằng vốn chủ sở hữu và TTS Không những thế, cả hai khoản mục này đều được lấy trong các BCĐKT của ngân hàng ở mỗi năm Công thức được tính cụ thể: võn chủ sở hữu Tổng tằi sản
ETA được xem là một trong những chỉ tiêu đóng vai trò quan trọng trong hoạt động kinh doanh của ngân hàng Mặc dù chỉ tiêu này chỉ chiếm tỷ lệ rất thấp trong tổng nguồn vốn nhưng lại được đánh giá như là sức mạnh tài chính của các NHTM Chỉ tiêu này giúp ngăn ngừa được tổn thất có thể xảy ra, tăng khả năng thanh khoản và hạn chế được rủi ro phá sản.
Biến lợi nhuận trên tổng tài sản (ROA i,t ) thể hiện rõ tình hình kinh doanh và chất lượng tín dụng của ngân hàng Chỉ tiêu này được tính bằng tỷ lệ phần trăm
ETA i,t (%) giữa TTS và lợi nhuận sau thuế Cả hai khoản mục này đều được thu thập trên BCTC của 24 NHTM, trong đó khoản mục lợi nhuận sau thuế được thu thập trong bảng kết quả kinh doanh và khoản mục TTS được thu thập trong BCĐKT từ năm
2011 đến năm 2021 Công thức được tính cụ thể như sau:
Lợi nhuận sau thuế Tổng tằi sản
Theo Nguyễn Thị Hồng Vinh (2015) đã sử dụng tỷ lệ lợi nhuận trên TTS để xác định mức độ tác động đến NPL của các NHTM Kết quả cho thấy có mối tương quan âm giữa ROA VÀ NPL Các nghiên cứu trước như Ozcan và Bolat (2016), Oanh và cộng sự (2020) cũng đã đưa ra kết luận rằng NPL tác động ngược chiều với khả năng sinh lời của các NHTM.
Biến tốc độ tăng trưởng tín dụng (LGR i,t ) đại diện cho tốc độ tăng trưởng dư nợ cho vay và được thể hiện thông qua kết quả hoạt động của ngân hàng Chỉ số này được xem là sự chênh lệch giữa dư nợ xấu cho vay của kỳ này so với kỳ trước và được đo lường cụ thể qua công thức sau:
Dư nợ năm nay - Dư nợ năm trước
Không những thế, chỉ tiêu tốc độ TTTD còn là mục tiêu giúp các NHTM định hướng tăng trưởng hoạt động kinh doanh trong các năm kế tiếp Tuy nhiên nếu ngân hàng làm cho tốc độ tăng trưởng dư nợ cho vay tăng lên nhanh chóng và mất kiểm soát sẽ gây ra nhiều khó khăn đối với ngân hàng, chẳng hạn như việc thẩm định còn sơ sài, chưa chính xác dẫn đến khách hàng đi vay không hoàn trả vốn và lãi đúng như cam kết đã giao, từ đó khoản nợ quá hạn gia tăng Đặc biệt chỉ tiêu này đã được nhiều tác giả nghiên cứu và cho ra kết quả về mối tương quan dương giữa tốc độ TTTD với nợ xấu Cụ thể là Keeton (1999), Salas & Saurina (2002), Nguyễn Thị Hồng Vinh & Nguyễn Minh Sáng (2018), Trần Huy Hoàng & Lê Thị Mỹ Tiên
(2022) và các tác giả khác.
Biến tỷ lệ dự phòng RRTD (LLR i,t ) đánh giá mức độ ngăn ngừa tổn thất cũng như là năng lực kiểm soát RRTD của ngân hàng Tỷ lệ này được thu thập từ
BCĐKT của 24 NHTM niêm yết trong 11 năm Công thức được đo lường cụ thể như sau:
LLR Chi phí dự phòng RRTD i,t Dư nợ tín dụng
Phương pháp nghiên cứu
Sau khi tổng hợp đầy đủ dữ liệu, tác giả tiến hành xây dựng các mô hình hồi quy gồm mô hình hồi quy gộp (Pooled OLS), mô hình tác động ngẫu nhiên (REM), mô hình tác động cố định (FEM) và mô hình bình phương tối thiểu tổng quát (FGLS) Tiếp theo, kiểm định các khuyết tật của mô hình phù hợp nhất bằng phần mềm Stata 16.0.
Thống kê mô tả được sử dụng để minh họa những đặc điểm sẵn có của các dữ liệu mà tác giả đã thu thập được thông qua nhiều nguồn khác nhau, đồng thời đưa ra nhận định tổng quan về đối tượng nghiên cứu Khi số liệu bảng được xử lý bởi phần mềm Stata thì nghiên cứu thực hiện thống kê mô tả và đưa ra kết quả được trình bày trên bảng gồm các thông số như Obs (Số mẫu nghiên cứu), Mean (giá trị trung bình), Std.Dev (Độ lệch chuẩn), Max (Giá trị lớn nhất), Min (giá trị nhỏ nhất).
Từ các tiêu chí đã được thống kê trên, tác giả sẽ có cái nhìn tổng thể về giá trị của các biến vi mô và biến vĩ mô, đồng thời kết quả này còn thể hiện rõ sự chênh lệch giá trị ở mỗi biến trong 11 năm.
3.6.2 Phân tích ma trận tương quan
Việc phân tích ma trận tương quan trong mô hình sẽ giúp tác giả tìm ra được sự liên kết giữa các yếu tố với nhau thông qua phần mềm stata 16.0 Bên cạnh đó, ma trận này còn xác định được chiều hướng tác động của từng biến Cụ thể là khi tác giả so sánh biến độc lập với biến phụ thuộc nếu kết quả cho ra hệ số mang giá trị dương thì có mối tương quan thuận chiều giữa hai biến và ngược lại Đặc biệt là giá trị của các cặp hệ số càng lớn thì nguy cơ các biến bị hiện tượng đa cộng tuyến nghiêm trọng càng cao.
3.6.3 Phân tích hồi quy với mô hình Pooled OLS
Tác giả xem xét và đánh giá đặc điểm của các mô hình như Pooled OLS, FEM, REM, FGLS Qua đó tìm được phương pháp thích hợp với khóa luận.
Mô hình hồi quy Pooled OLS:
Y it : Biến phụ thuộc của quan sát i trong thời kỳ t
Xit: Biến độc lập của quan sát i trong thời kỳ t
Phương pháp hồi quy Pooled OLS được các nghiên cứu sử dụng rộng rãi nhất hiện nay, bởi tính đơn giản và dễ thực hiện Mặc dù có các phương pháp khác ưa chuộng hơn nhưng kết quả hồi quy Pooled OLS vẫn được xem là kết quả tiêu chuẩn.Bên cạnh đó, mô hình này không tồn tại sự khác biệt giữa các đơn vị chéo hay nói cách khác các đơn vị chéo là đồng nhất Nhược điểm là dữ liệu thường diễn ra hiện tượng tự tương quan và các đơn vị chéo bị ràng buộc dẫn đến việc khó tiếp cận mô hình trong thực tế Với mục tiêu tìm ra được mô hình thích hợp, tác giả tiếp tục kiểm định hiện tượng đa cộng tuyến, tự tương quan và phương sai sai số thay đổi để chọn lựa được mô hình tốt nhất
3.6.4 Kiểm định các khuyết tật của mô hình Pooled OLS Đầu tiên, tác giả kiểm định hiện tượng đa cộng tuyến trong mô hình nhằm mục đích kiểm tra tính chặt chẽ của các biến với nhau Nếu kết quả nghiên cứu thể hiện VIF (Variance Inflation Factor) của các biến độc lập có giá trị lớn hơn 10 thì kết luận rằng mô hình có hiện tượng đa cộng tuyến nghiêm trọng và ngược lại.
Tiếp đến, kiểm định hiện tượng phương sai sai số thay đổi bằng kiểm định White với giả thuyết sau:
Giả thuyết H0: Không có hiện tượng phương sai sai số thay đổi
Giả thuyết H1: Có hiện tượng phương sai sai số thay đổi
Nếu Prob = 0 < α = 0,05 thì bác bỏ H0 với mức ý nghĩa 5% và chấp nhận H1. Điều này thể hiện rằng mô hình có hiện tượng phương sai sai số thay đổi Ngược lại, Prob lớn hơn mức ý nghĩa 5% thì chấp nhận H0 và kết luận rằng mô hình không có hiện tượng phương sai sai số thay đổi.
Cuối cùng, tác giả kiểm định hiện tượng tự tương quan của mô hình bằng cách kiểm định Wooldridge với giả thuyết sau:
Giả thuyết H0: Không có sự tự tương quan
Giả thuyết H1: Có sự tự tương quan
Trong trường hợp Prob = 0 < α = 0,05 thì bác bỏ giả thuyết H0 và kết luận rằng mô hình có hiện tượng tự tương quan Đối với trường hợp ngược lại, mô hình không có hiện tượng tự tương quan Từ đó, tác giả sẽ đưa ra lựa chọn trong việc sử dụng mô hình Thế nhưng, việc ước lượng mô hình Pooled OLS không đánh giá được tác động riêng biệt cũng như tính đặc thù của từng ngân hàng Do đó, tác giả thực hiện ước lượng phương pháp FEM, REM và kiểm định Hausman nhằm tìm được mô hình thích hợp.
3.6.5 Phân tích hồi quy với mô hình FEM, REM
Mô hình tác động cố định - FEM
Mô hình FEM được giải thích rằng các đơn vị chéo được quan sát không đồng nhất; các biến bị bỏ sót có tác động cố định và có mối liên kết giữa phần dư của mô hình với các biến độc lập Theo đó, phương pháp ước lượng FEM kiểm soát được đặc điểm riêng của từng đơn vị chéo nhưng chúng cố định theo thời gian Cụ thể mô hình FEM có công thức:
X it : biến độc lập αi (i=1 n): hệ số chặn cho từng đơn vị nghiên cứu. β: hệ số góc đối với nhân tố X. εit: phần dư.
Mô hình tác động ngẫu nhiên - REM
Mô hình REM là mô hình tác động ngẫu nhiên hệ thống của các đối tượng. Tương tự mô hình FEM, mô hình REM cũng tồn tại đặc điểm riêng, xác định được các hệ số chặn khác nhau cho từng đơn vị chéo Tuy nhiên, mô hình REM cố định theo thời gian và không có mối liên kết với phần dư của mô hình và các biến độc lập Mô hình này được thể hiện như sau:
Có thể thấy α i là cố định (không thay đổi theo thời gian) ở mô hình trên thì phương pháp REM giả sử rằng nó là một biến không cố định với αi = α + εi (i= 1,
2, , n), thay vào trong mô hình ban đầu ta có: Y it = α + βX it + ε i + μ it
Kiểm định Hausman giữa mô hình FEM và REM
Tiếp đến, thực hiện kiểm định Hausman nhằm chọn ra hai phương pháp hồi quy là phương pháp cố định FEM và phương pháp ngẫu nhiên REM, đồng thời nhận định được phương pháp thích hợp với bài nghiên cứu Thêm vào đó, kiểm định Hausman giúp xem xét sự tồn tại tự tương quan giữa ε i và các biến độc lập.
Giả thuyết H0: £ i và biến độc lập không tương quan
Giả thuyết H1: £ i và biến độc lập có tương quan
Khi giá trị Prob>chi2 = 0,000 < 0.05 ta bác bỏ H0 và kết luận ε i và biến độc lập có tương quan Qua đó, tác giả nhận định rằng FEM là mô hình thích hợp hơn.Ngược lại, nếu chấp nhận H0 thì mô hình phù hợp để nghiên cứu là REM.
3.6.6 Kiểm định các khuyết tật của mô hình FEM, REM
Sau khi chọn ra phương pháp tốt nhất giữa hai mô hình FEM và REM, tác giả tiến hành kiểm định các khuyết tật của mô hình Tương tự như kiểm định các khuyết tật của mô hình Pooled OLS, tác giả cũng thực hiện kiểm định hiện tượng phương sai sai số thay đổi và tự tương quan.
KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Thống kê mô tả
Sau quá trình thu thập và xử lý số liệu gồm 264 quan sát của 24 NHTM niêm yết Việt Nam trong giai đoạn 2011 – 2021 Tác giả bắt đầu sử dụng phương pháp thống kê mô tả để hiểu rõ hơn về các tính chất của một bộ dữ liệu cụ thể bằng cách sử dụng các chỉ tiêu đo lường như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất nhằm tóm tắt ngắn về mẫu và các thông số của dữ liệu Sau đây là kết quả của phương pháp thống kê mô tả các biến trong mô hình nghiên cứu và thể hiện rõ đặc trưng của từng biến:
Bảng 4-1: Thống kê mô tả
Biến Obs Mean Std.Dev Minimum Maximum
Nguồn: Trích xuất từ phần mềm Stata 16.0
Biến phụ thuộc đại diện cho tỷ lệ nợ xấu (NPL) Bảng 4.1 cho thấy tổng số quan sát của tất cả các biến là 264 quan sát cho nên đây là dữ liệu bảng có tính cân bằng Trong đó, tỷ lệ nợ xấu của các NHTM niêm yết Việt Nam đạt mức trung bình là 2,13% thấp hơn3% so với quy định nhưng tỷ lệ này chỉ là tỷ lệ nợ xấu nội bảng và chưa bao gồm tỷ lệ nợ xấu từ VAMC Ngoài ra, độ lệch chuẩn lại cho ra kết quả tương đối cao với mức 1,18 thể hiện rằng dữ liệu có sự biến động mạnh trong giai đoạn 2011 – 2021; đồng thời sự chênh lệch này được thể hiện rõ ở tỷ lệ nợ xấu có giá trị nhỏ nhất là 0,47% của NHTM cổ phần Kỹ thương Việt Nam vào năm 2020 và tỷ lệ nợ xấu lớn nhất là 8,8% của NHTM cổ phần Sài Gòn – Hà Nội vào năm 2012.
Tỷ lệ nợ xấu năm trước (NPL t-1 ) Giá trị trung bình của biến NPL t-1 đạt 2,12% trong ngưỡng an toàn 3% so với quy định của NHNN Tuy nhiên, độ lệch chuẩn của các NHTM niêm yết Việt Nam đạt 1,19 trong giai đoạn 2011 – 2021 và điều này cho thấy mức độ chênh lệch qua các năm tại mỗi ngân hàng tương đối cao Đồng thời, sự biến động phức tạp của biến NPL t-1 được thể hiện rõ qua giá trị nhỏ nhất và giá trị lớn nhất Trong đó, tỷ lệ nợ xấu năm trước thấp nhất là 0,02% của NHTM cổ phần Tiên Phong vào năm 2011 và tỷ lệ nợ xấu năm trước cao nhất là 8,8% của NHTM cổ phần Sài Gòn – Hà Nội vào năm 2012.
Quy mô ngân hàng (SIZE) trung bình là 32,42 và độ lệch chuẩn là 1,16 Trong đó
NHTM cổ phần Đầu tư và Phát triển Việt Nam năm 2021 có quy mô lớn nhất là 35,03 và NHTM cổ phần Tiên Phong vào năm 2011 có quy mô nhỏ nhất là 30,15 Có thể thấy đa số các ngân hàng có thời gian thành lập và quá trình phát triển lâu đời thì quy mô hoạt động thường khá lớn, chẳng hạn vào cuối năm 2021 giá trị quy mô lớn nhất tập trung vào ba ngân hàng có vốn nhà nước với lịch sử thành lập lâu đời gồm VCB, CTG, BID.
Dự phòng rủi ro tín dụng (LLR) có tỷ lệ trung bình là 1,19%, độ lệch chuẩn là
0,91% Dự phòng rủi ro thấp nhất là -0,2% tại NHTM cổ phần Nam Á vào năm 2018 và đạt giá trị lớn nhất là 5,4% tại NHTM cổ phần Việt Nam Thịnh Vượng vào năm 2021 Qua đó, ta thấy rằng vào năm 2018 ngân hàng vẫn chưa chú trọng nhiều vào khoản chi phí dự phòng RRTD thế nhưng vào năm 2021 do dịch bệnh Covid-19 xuất hiện đã làm cho khoản dự phòng này tăng trưởng mạnh ở NHTM cổ phần Việt Nam Thịnh Vượng.
Vốn chủ sở hữu trên tổng tài sản (ETA) có giá trị bình quân ở mức 9,19% và mức độ biến động xoay quanh giá trị trung bình tương đối cao khoảng 3,81% Ngoài ra, theo kết quả trên ta xác định được tỷ lệ ETA thấp nhất là 4,06% ở NHTM cổ phần Đầu tư và Phát triển Việt Nam vào năm 2017 và đạt giá trị cao nhất là
23,84% ở NHTM cổ phần Sài Gòn Công Thương vào năm 2013 Có thể thấy rằng biến ETA có độ lệch chuẩn cao là do vốn chủ sở hữu và TTS của từng ngân hàng có giá trị khác nhau dẫn đến ETA của mỗi ngân hàng khác nhau.
Tốc độ tăng trưởng tín dụng (LGR) có giá trị bình quân là 19,63% và tỷ lệ chênh lệch là 17,09% Mức độ lệch chuẩn này được thể hiện cụ thể ở NHTM cổ phần Phát Triển TP.HCM với giá trị cao nhất là 108,2% vào năm 2013 và NHTM cổ phần Tiên Phong đạt giá trị thấp nhất là -29,86% vào năm 2011 Mức chênh lệch cao cho thấy tốc độ TTTD của các NHTM trong thời gian từ năm 2011 đến năm 2021 không đồng đều.
Suất sinh lời trên tổng tài sản (ROA) thể hiện mức sinh lời của ngân hàng so với tài sản Nhìn vào bảng 4-1, ROA đạt giá trị cao nhất với 3,65% tại NHTM cổ phần Kỹ thương Việt Nam vào năm 2021 và giá trị thấp nhất với -5,99% tại NHTM cổ phần Tiên Phong vào năm 2011 Đồng thời, bảng dữ liệu thống kê mô tả còn thể hiện mức độ trung bình của các ngân hàng từ năm 2011 đến năm 2021 là 0,91% và độ lệch chuẩn là 0,82%.
Bên cạnh việc tóm tắt giá trị các biến nội tại của các NHTM niêm yết Việt Nam, phương pháp thống kê mô tả còn phân tích thêm về các yếu tố vĩ mô như GDP, INF và INR.
Tốc độ tăng trưởng kinh tế (GDP) thể hiện giá trị bình quân là 5,65% với độ lệch chuẩn đạt mức 1,49% Trong đó, biến GDP có giá trị cao nhất là 7,08% vào năm
2018 và giá trị thấp nhất là 2,58% vào năm 2021 Nguyên nhân giá trị GDP chỉ đạt 2,58% vào năm 2021 là do đại dịch Covid-19 xuất hiện và lan rộng khắp nơi làm cho nền kinh tế nước ta gặp phải nhiều trở ngại, thách thức.
Tỷ lệ lạm phát (INF) đạt giá trị cao nhất vào năm 2011 là 18,68% và năm 2015 với giá trị thấp nhất là 0,63% Không những thế, bảng 4-1 còn thể hiện giá trị trung bình của INF qua các năm là 5,15% và độ lệch chuẩn là 4.81% Từ kết quả của phương pháp thống kê mô tả các biến trong giai đoạn 2011 – 2021, có thể thấy năm 2011 là năm tỷ lệ lạm phát tăng cao nhất trong 11 năm bởi có sự ảnh hưởng từ các yếu tố bên ngoài và chính sách quản trị nội tại nền kinh tế còn yếu kém.
Tỷ lệ lãi suất danh nghĩa (INR) có giá trị trung bình là 12,41% và độ lệch chuẩn là 3,79% Qua bảng 4-1, ta thấy chênh lệch lớn về lãi suất danh nghĩa qua các năm, cụ thể là INR thấp nhất vào năm 2011 với 9,23% và INR cao nhất là 21,12% vào năm 2012.
Ma trận tương quan
Trước khi ước lượng mô hình , tác giả phân tích ma trận tương quan để đo lường tính liên kết chặt chẽ giữa các cặp biến với nhau nhằm phát hiện được mối liên kết thống kê và chiều hướng tác động của từng biến Theo Farrar và Glauber (1967) cho rằng giá trị tuyệt đối của hệ số tương quan giữa các biến lớn hơn 0,8 thì các biến có hiện tượng đa cộng tuyến nghiêm trọng Để có cái nhìn rõ hơn, ma trận tương quan được thể hiện cụ thể ở bảng 4-2.
Bảng 4-2: Ma trận hệ số tương quan giữa các biến
Nguồn: Trích xuất từ phần mềm Stata 16.0 Dựa trên kết quả của bảng 4-2, ta thấy rằng giá trị tuyệt đối cao nhất của các hệ số tương quan là 0,79 và không có giá trị nào lớn hơn 0,8 Không những vậy, kết quả này còn thể hiện chiều hướng tác động giữa các biến Cụ thể là các biến độc lập gồmNPLt-1, LLR, ETA, GDP, INF, INR ảnh hưởng tích cực với NPL, trong khi các biến độc lập gồm LGR, SIZE, ROA lại ảnh hưởng tiêu cực với NPL.
Kiểm định hiện tượng đa cộng tuyến
Bảng 4-3: Kết quả kiểm định đa cộng tuyến
Nguồn: Trích xuất từ phần mềm Stata 16.0 Hiện tượng đa cộng tuyến thể hiện tính liên kết tuyến tính giữa một hay nhiều biến với nhau trong mô hình hồi quy Mặc dù tính nhất quán của mô hình hồi quy không bị tác động nhiều bởi hiện tượng đa cộng tuyến nhưng lại cho ra kết không chính xác và đáng tin cậy Do đó, tác giả sử dụng chỉ số phóng đại phương sai VIF để kiểm định hiện tượng đa cộng tuyến Qua bảng 4-3, ta thấy rằng VIF đều nhỏ hơn 10 và hệ số VIF đạt mức trung bình là 2,06 Vì thế, mô hình không có hiện tượng đa cộng tuyến nghiêm trọng.
Phân tích mô hình hồi quy Pooled OLS, FEM, REM
Mô hình Pooled OLS, FEM và REM được tác giả sử dụng trong phân tích mô hình hồi quy dữ liệu bảng Trong đó, Pooled OLS cho rằng sự thay đổi theo đối tượng giữa các ngân hàng ở bất kỳ biến độc lập đều không có sự khác nhau trong việc tác động đến nợ xấu của các NHTM niêm yết Việt Nam; FEM là mô hình tác động cố định được giả định là thay đổi không ngẫu nhiên so với các NHTM hoặc thời gian nghiên cứu; mô hình REM là mô hình hiệu ứng ngẫu nhiên có đặc điểm riêng và cố định theo thời gian Để hiểu rõ hơn về các phương pháp ước lượng, tác giả tổng hợp cả ba mô hình Pooled OLS, FEM, REM trong bảng 4-4:
Bảng 4-4: Kết quả ước lượng mô hình hồi quy theo Pooled OLS, FEM và REM
Biến Hệ số hồi quy
Hệ số hồi quy Prob Hệ số hồi quy
Nguồn: Trích xuất từ phần mềm Stata 16.0
Có thể thấy từ Bảng 4-4 rằng Prob>F = 0,0000 của ba mô hình Pooled OLS, FEM và REM đều nhỏ hơn mức ý nghĩa 5% Điều này chứng tỏ kết quả của cả ba mô hình không chỉ sử dụng ở các NHTM niêm yết mà còn có thể thể áp dụng rộng rãi ở các ngân hàng khác, hoặc nói cách khác là 24 NHTM niêm yết đã khảo sát mang tính đại diện cho tổng thể các ngân hàng hiện có tại Việt Nam Không những vậy, kết quả ước lượng còn cho thấy R2 của các mô hình Pooled OLS, FEM, REM lần lượt là 37,26%, 28,95%,26,87% có nghĩa là các biến độc lập trong mô hình gồm biến NPL t-1 , SIZE, LLR, ETA,LGR, ROA, GDP, INF, INR giải thích được 37,26%, 28,95%, 26,87% sự biến thiên trong NPL của các NHTM niêm yết Ngoài ra, mô hình Pooled OLS và REM có các hệ số hồi quy tương đồng nhau, chẳng hạn như các biến ETA, LGR, ROA, GDP, INF đều có Prob lớn hơn mức ý nghĩa 10% Thế nhưng mô hình FEM lại cho ra kết quả khác với hai mô hình trên, bằng chứng là các biến SIZE, ETA, ROA, GDP, INF có Prob lớn hơn mức ý nghĩa 10%.
Ngoài ra, các ước tính dựa trên mô hình Pooled OLS cho rằng các đối tượng ngân hàng là như nhau, không phản ánh được các tác động riêng lẻ, cụ thể đối với mỗi ngân hàng Vì vậy, tác giả tiếp tục sử dụng mô hình FEM và REM để khắc phục được khuyết tật của Pooled OLS.
Kiểm định Hausman
Tiếp đến, tác giả kiểm định Hausman giữa hai mô hình FEM và REM nhằm xem xét mô hình nào mang lại hiệu quả và đáng tin cậy hơn Thực chất việc kiểm định Hausman giúp tác giả xem xét sự tồn tại của tự tương quan giữa ε i và biến độc lập Cụ thể FEM là mô hình có đặc điểm tương quan với biến độc lập và REM là mô hình có đặc điểm không tương quan với biến độc lập.
Giả thuyết H0: εi và biến độc lập không tương quan
Giả thuyết H1: ε i và biến độc lập có tương quan
Test: Ho: difference in coefficients not systematic chi2(9) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Nguồn: Trích xuất từ phần mềm Stata 16.0
Từ kết quả của bảng 4-5 cho thấy Prob>chi2 = 0,0000 < α = 0,01 cho nên bác bỏ giả thuyết H0 với mức ý nghĩa 1% Điều này có nghĩa rằng εi và biến độc lập có tương quan với nhau Như vậy, nghiên cứu kết luận rằng FEM là mô hình phù hợp với khóa luận.
Kiểm định các khuyết tật của mô hình
4.6.1 Kiểm định hiện tượng phương sai sai số thay đổi
Sau khi ước lượng mô hình hồi quy, kết quả nghiên cứu cho thấy mô hình FEM là phương pháp phù hợp với khóa luận Tuy nhiên để chắc chắn mô hình FEM không bị vi phạm những giả thuyết khi xây dựng mô hình, do đó tác giả tiếp tục kiểm định hiện tượng phương sai sai số thay đổi và tự tương quan. Đối với kiểm định hiện tượng phương sai sai số thay đổi, tác giả thực hiện kiểm định Wald cho mô hình FEM với giả thuyết sau:
H0: Mô hình không xảy ra hiện tượng phương sai thay đổi.
Bảng 4-6: Kết quả kiểm định hiện tượng phương sai sai số thay đổi
Modified Wald test for groupwise heteroskedasticity in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i chi2 (24) = 1027.27
Nguồn: Trích xuất từ phần mềm Stata 16.0 Bảng 4-6 thể hiện kết quả kiểm định có Prob>chi2 = 0,000 nhỏ hơn mức ý nghĩa 5% nên bác bỏ giả thuyết H0 Từ đó, đưa ra kết luận rằng mô hình FEM xảy ra hiện tượng phương sai sai số thay đổi nên ước lượng của hệ số hồi quy không hiệu quả.
4.6.2 Kiểm định hiện tượng tự tương quan
Ngoài việc kiểm định hiện tượng phương sai sai số thay đổi, tác giả còn thực hiện kiểm định tự tương quan nhằm đảm bảo giá trị thống kê của các hệ số hồi quy là đáng tin cậy Đối với tự tương quan, tác giả sử dụng kiểm định Wooldridge với giả thuyết sau:
4.6.3 Mô hình không xảy ra hiện tượng tự tương quan.
Bảng 4-7: Kiểm định hiện tượng tự tương quan
Wooldridge test for autocorrelation in panel data
Nguồn: Trích xuất từ phần mềm Stata 16.0Qua bảng 4-7, mô hình cho ra kết quả Prob>chi2 = 0,0002 nhỏ hơn mức ý nghĩa5%, α = 0,05 Do đó bác bỏ giả thuyết H0 và đưa ra kết luận là mô hình FEM xảy ra hiện tượng tự tương quan Sau khi kiểm định các khuyết tật, có thể thấy rằng mặc dù mô hình FEM là mô hình phù hợp nhất trong ba mô hình Pooled OLS FEM, REM nhưng lại mắc phải hiện tượng phương sai sai số thay đổi, tự tương quan Vì thế, tác giả tiến hành thực hiện phương pháp ước lượng mô hình hồi quy FGLS nhằm khắc phục các khuyết tật trên cũng như đạt được độ chính xác và mang lại kết quả mô hình đáng tin cậy.
Phân tích mô hình hồi quy FGLS
Mặc dù khóa luận đã chọn FEM là mô hình phù hợp nhưng mô hình này lại mắc các khuyết tật như hiện tượng phương sai sai số thay đổi, tự tương quan dẫn đến kém hiệu quả khi ước lượng mô hình (nghĩa là ước tính không có phương sai tối thiểu) và có thể gây hậu quả nghiêm trọng trong việc đưa ra kết luận cho mô hình Chính vì lý do đó, tác giả đã sử dụng mô hình FGLS để xử lý những vi phạm như phương sai sai số thay đổi, tự tương quan trong mô hình FEM.
Bảng 4-8: Kết quả mô hình hồi quy FGLS
Hệ số hồi quy Prob.
Nguồn: Trích xuất từ phần mềm Stata 16.0 Dựa vào bảng 4-8, ta thấy các biến độc lập như NPL t-1 , SIZE, LLR, ROA, INR đều có ý nghĩa thống kê và ảnh hưởng đến tỷ lệ nợ xấu Trong đó, biến NPLt-1, LLR, INR có Prob nhỏ hơn mức ý nghĩa 1%; SIZE có Prob nhỏ hơn mức ý nghĩa 5% và ROA có Prob nhỏ hơn mức ý nghĩa 10% Tuy nhiên lại có một số biến không ý nghĩa thống kê và không ảnh hưởng đến nợ xấu của các NHTM niêm yết như ETA, LGR, GDP, INF bởi Prob lớn hơn mức ý nghĩa 10% Thêm vào đó, bảng 4-8 còn thể hiện mức độ ảnh hưởng của các biến có ý nghĩa thống kê như NPLt-1, LLR, INR tác động cùng chiều với biến phụ thuộc NPL và SIZE, ROA tác động ngược chiều đến biến phụ thuộc NPL.Trong đó, NPLt-1 tác động mạnh nhất và ROA tác động yếu nhất đến nợ xấu của các NHTM niêm yết Việt Nam Qua đó, mô hình nghiên cứu được bình bày:
NPL i,t = 0,013 + 0,4031NPL i,t-1 – 0,0014SIZE i,t + 0,2647LLR i,t – 0,1272ROA i,t + 0,0460INR i,t
Như vậy, tác giả quyết định chọn mô hình hồi quy FGLS là mô hình chính cho bài nghiên cứu do khắc phục được các khuyết tật của mô hình FEM và nhận định rằngFGLS là mô hình đáng tin cậy.
Thảo luận kết quả nghiên cứu
Dựa vào kết quả phương pháp hồi quy FGLS ở bảng 4-8, tác giả đã tổng hợp lại và đối chiếu với giả thuyết nghiên cứu đã trình bày ở chương 3 Chi tiết cụ thể được thể hiện ở bảng 4-9:
Bảng 4-9: Kết quả tổng hợp kiểm định thực nghiệm bằng mô hình FGLS với lý thuyết kinh tế
Biến phụ thuộc: NPL Giả thuyết Kết quả nghiên cứu
Dấu kỳ vọng Dấu thể hiện Prob Mức ý nghĩa
ETA + 0.402 kêKhông có ý nghĩa thống kê
LGR + + 0.587 Không có ý nghĩa thống kê
GDP - - 0.815 kêKhông có ý nghĩa thống kê
INF + + 0.240 Không có ý nghĩa thống kê
Lưu ý: (+) là ảnh hưởng cùng chiều, (-) là ảnh hưởng ngược chiềukê
Nguồn: Tác giả tự tổng hợp
Nợ xấu năm trước (NPL t-1 )
Dựa vào hình 4-1, ta thấy kết quả mô hình FGLS thể hiện NPLt-1 ảnh hưởng cùng chiều với NPL Thêm vào đó, kết quả còn trình bày hệ số hồi quy của NPL t-1 là 0,4031 và điều này thể hiện rằng khi tỷ lệ nợ xấu trong quá khứ tăng 1 đơn vị thì tỷ lệ nợ xấu hiện tại tăng 0,4031 đơn vị (áp dụng khi các yếu tố khác không đổi) Không những thế, NPL t-1 vẫn luôn là một trong những vấn đề gây ra nhiều trở ngại đối với các nhà quản trị Ngoài ra, biến nợ xấu kỳ trước còn thể hiện năng lực quản trị RRTD của ngân hàng Dẫn chứng thực tế cho vấn đề này là vào khoảng thời gian từ năm 2014 đến năm 2019, NPL của tất cả các ngân hàng giảm từ 3,7% còn 1,6%
(trẻ, 2015) Chứng tỏ rằng Chính phủ đã đưa ra những chính sách phù hợp để hạn chế được rủi ro mà các khoản vay không thanh toán đúng hạn gây ra cũng như là thấy được rằng các ngân hàng cũng đang phát triển mạnh về năng lực kiểm soát RRTD Kết luận này phù hợp với kỳ vọng của tác giả được thể hiện trong chương 3 thông qua các bài nghiên cứu trước như Makri và cộng sự (2014), Nguyễn Thị Hồng Vinh & Nguyễn Minh Sáng (2018) Do đó, khóa luận chấp nhận giả thuyết H1 là tỷ lệ nợ xấu trong quá khứ tác động cùng chiều với tỷ lệ nợ xấu.
Hình 4-1 Mối tương quan giữa biến NPL t 1 và biến NPL
- Nguồn: Tác giả tổng hợp dữ liệu của 24 NHTM niêm yết
Quy mô ngân hàng (SIZE)
Kết quả từ dữ liệu nghiên cứu được thực hiện bằng phần mềm Stata 16.0 cho thấy hệ số hồi quy của biến SIZE là -0,0014 Điều này thể hiện rằng SIZE tác động tiêu cực với NPL với ý nghĩa thống kê ở mức 1% Như vậy khi các yếu tố khác không đổi, quy mô ngân hàng tăng 1 đơn vị thì tỷ lệ nợ xấu giảm 0,0014 đơn vị Khi các ngân hàng có quy mô hoạt động ngày càng phát triển kéo theo vốn điều lệ ngày càng tăng do năng lực quản trị RRTD của các NHTM tốt cũng như việc đưa ra các chính sách nhanh chóng dẫn đến NPL giảm Bên cạnh đó, các ngân hàng có quy mô hoạt động càng lớn tại Việt Nam càng thể hiện sức mạnh, uy tín của ngân hàng dẫn đến thu hút được nguồn vốn huy động hợp lý cũng như tiếp cận các nguồn khách hàng chất lượng, đáng tin cậy hơn cho nên NPL giảm Điều này thể hiện rõ nhất ở các NHTM như BID, TCB, VCB, CTG Thế nên nghiên cứu chấp nhận giả thuyết H2 là quy mô ngân hàng tác động ngược chiều với tỷ lệ nợ xấu
Hình 4-2 Mối tương quan giữa biến SIZE và biến NPL
- Nguồn: Tác giả tổng hợp dữ liệu của 24 NHTM niêm yết
Tỷ lệ dự phòng rủi ro tín dụng (LLR)
Hình 4-3 cho thấy biến tỷ lệ dự phòng RRTD có mối tương quan dương với tỷ lệ nợ xấu ngân hàng Khi điều kiện của các yếu tố khác không đổi, tỷ lệ dự phòng RRTD tăng 1 đơn vị thì tỷ lệ nợ xấu tăng 0,2647 đơn vị Không những thế, biến LLR còn có mức độ tin cậy cao do ý nghĩa thống kê đạt mức 1% Kết quả này tương tự với các bài nghiên cứu trước như Messai & Jouini (2013), Ghosh (2015), Phạm Thị Mỹ Huệ (2016), Hoàng Thị Thanh Hằng và cộng sự (2020), Trần Vương Thịnh & Nguyễn Ngọc Hồng Loan (2021) Tỷ lệ dự phòng RRTD được xem như lá chắn bảo vệ rủi ro cho vay khi nợ xấu của các khoản vay xuất hiện Khi ngân hàng tăng mức trích lập dự phòng RRTD đồng nghĩa với việc chi phí hoạt động tăng, lợi nhuận của ngân hàng giảm Điều này làm gia tăng gánh nặng trong việc thu hồi các khoản vay hoàn trả không đúng hạn dẫn đến tỷ lệ nợ xấu tăng cao Như vậy, có thể thấy rằng kết quả nghiên cứu trên trùng hợp với kỳ vọng của tác giả và chấp nhận giả thuyết H3 là tỷ lệ dự phòng RRTD tác động cùng chiều với tỷ lệ nợ xấu.
Hình 4-3 Mối tương quan giữa biến LLR và biến NPL
Mối tương quan giữa LLR và NPL
- Nguồn: Tác giả tổng hợp dữ liệu của 24 NHTM niêm yết
Vốn chủ sở hữu trên tổng tài sản (ETA)
Nhìn vào bảng 4-9, có thể thấy rằng vốn chủ sở hữu trên TTS có hệ số hồi quy là 0,163 và ảnh hưởng cùng chiều đến NPL Tuy nhiên kết quả nghiên cứu thể hiện biến ETA không có ý nghĩa thống kê cũng như không tác động đến NPL của ngân hàng Việc ETA không gây ảnh hưởng đến NPL có thể là do vốn chủ sở hữu chỉ biến động nhẹ nên chưa làm biến động tỷ lệ nợ xấu của ngân hàng
Hệ số hồi quy của biến tốc độ TTTD là 0,0014 Mặc dù có sự tương quan dương giữa biến LGR với NPL nhưng kết quả của mô hình lại không thể hiện mức ý nghĩa thống kê Do đó, biến LGR không ảnh hưởng đến tỷ lệ nợ xấu trong hoạt động kinh doanh của 24 NHTM niêm yết Việt Nam.
Lợi nhuận trên tổng tài sản (ROA)
Khi lợi nhuận trên TTS tác động tiêu cực với khoản vay không hoàn trả đúng hạn và có mức độ ý nghĩa thống kê đạt mức 10% Điều này thể hiện rằng hệ số hồi quy của biến ROA là hệ số âm và được hiểu một cách đơn giản là khi lợi nhuận trên TTS tăng 1 đơn vị thì tỷ lệ nợ xấu giảm 0,1272 đơn vị nhưng chỉ áp dụng được nếu các yếu tố khác không đoi.
Hình 4-4 Mối tương quan giữa biến ROA và biến NPL
Nguồn: Tác giả tổng hợp dữ liệu của 24 NHTM niêm yết Dựa vào hình 4-4, có thể thấy trung bình tỷ lệ lợi nhuận trên TTS của 24 NHTM niêm yết Việt Năm tăng 0,91% trong giai đoạn 2015 – 2021 Nguyên nhân là do các ngân hàng có mức tín dụng tăng mạnh và mức dự phòng RRTD giảm qua các năm Bên cạnh đó, các ngân hàng còn đầu tư theo nhiều hình thức khác nhau như bất động sản, chứng khoán, ngoại hối và gửi các TCTD khác để tạo thanh khoản cao cũng như là lợi nhuận cho ngân hàng Ngoài ra, kết quả này còn giống với kỳ vọng của tác giả và các bài nghiên cứu trước như Fofack (2005), Dimitrios và cộng sự (2012), Messai & Jouini (2013), Bùi Duy Tùng & Đặng Thị Bạch Vân (2015), Hoàng Thị Thanh Hằng và cộng sự (2020) Do vậy, khóa luận chấp nhận giả thuyết H6 là lợi nhuận trên TTS tác động ngược chiều với tỷ lệ nợ xấu.
Tốc độ tăng trưởng kinh tế (GDP)
Từ kết quả nghiên cứu được trích xuất bởi phần mềm Stata 16.0, ta thấy hệ số hồi quy của tốc độ tăng trưởng kinh tế là 0,815 và có chiều hướng tác động ngược chiều với tỷ lệ nợ xấu Tuy nhiên biến GDP không có ý nghĩa thống kê hoặc nói cách khác là GDP không ảnh hưởng đến NPL Cụ thể ở bảng 4-1, biến GDP có mức chênh lệch là 1,48% đã cho thấy biến GDP ít biến động giai đoạn 2011 – 2021 Thế nên vấn đề nợ xấu có chiều hướng tăng là do ý chí hoàn trả khoản vay của khách hàng và nhiều yếu tố khách quan khác Kết quả này tương đồng với kết quả nghiên cứu của Khan và cộng sự (2020).
Tỷ lệ lạm phát (INF)
Hệ số hồi quy của biến tỷ lệ lạm phát là 0,24 đã thể hiện mối tương quan dương giữa tỷ lệ lạm phát và tỷ lệ nợ xấu Thế nhưng, kết quả nghiên cứu của mô hình FGLS lại trình bày INF không có ý nghĩa thống kê hoặc nói cách khác là biến INF không đủ độ tin cậy nên không chứng minh được mức độ tác động giữa INF và NPL Bên cạnh đó, tác giả Makri và cộng sự (2014) đã cho ra kết quả hoàn toàn giống với kết quả của mô hình FGLS bằng phần mềm Stata 16.0
Lãi suất danh nghĩa (INR)
Dựa vào bảng 4-8, có thể thấy rằng lãi suất danh nghĩa có hệ số hồi quy là 0,0460 và đạt mức ý nghĩa thống kê 1% Điều này thể hiện mối tương quan thuận chiều giữa biến INR và biến NPL Trong điều kiện các yếu tố khác không thay đổi thì khi lãi suất danh nghĩa tăng 1 đơn vị thì nợ xấu tăng 0,046 đơn vị.
Dựa vào hình 4-5, ta có thể thấy tỷ lệ trung bình lãi suất danh nghĩa của 24 NHTM niêm yết Việt Nam giảm 11,89% trong thời gian từ năm 2012 đến năm 2021. Điều này thể hiện tín hiệu khả quan đối với nền kinh tế nước ta khi xu hướng lãi suất bình quân trong nước giảm nhằm hỗ trợ các doanh nghiệp, đồng thời xử lý các khoản nợ xấu hiện có trong ngân hàng Không những thế, kết quả này còn đúng với kỳ vọng của tác giả và các nghiên cứu trước như Solarin và cộng sự (2011), Messai & Jouini
Hình 4-5 Mối tương quan giữa biến INR và biến NPL
Nguồn: Tác giả tổng hợp dữ liệu của 24 NHTM niêm yết Với mục tiêu đảm bảo tính chắc chắn của kết quả mô hình FGLS và đặc biệt là có cái nhìn khái quát hơn nhằm đánh giá đúng sức ảnh hưởng của đại dịch Covid- 19 đến nền kinh tế nước ta Khóa luận tách khoảng thời gian nghiên cứu 11 năm thành hai giai đoạn là giai đoạn trước khi dịch Covid-19 (từ năm 2011 đến năm 2018) và giai đoạn sau khi dịch Covid-19 (từ năm 2018 đến năm 2021) bùng phát Kết quả này được báo cáo cụ thể ở bảng 4-10.
Bảng 4-10: Kết quả từ mô hình FGLS trong giai đoạn trước và sau Covid-19
Biến Giai đoạn trước dịch Covid-19 Giai đoạn sau dịch Covid-19
Nguồn: Tác giả tổng hợp dữ liệu của 24 NHTM niêm yết Dựa vào bảng 4-10, ta thấy có sự khác biệt rõ trong các yếu tố tác động đến nợ xấu của các NHTM niêm yết Việt Nam qua hai giai đoạn trước và sau dịch
