TP HỒ CHÍ MINH, NĂM 2023 NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ HOCHIMINH UNIVERSITYOP BANKING NGUYỄN NGỌC HỮU HƯNG CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN SỰ ỔN ĐỊNH NGÂN HÀNG CỦA NGÂN HÀNG THƯ[.]
GIỚI THIỆU ĐỀ TÀI NGHIÊN CỨU
LÝ DO CHỌN ĐỀ TÀI
Hệ thống NHTM nắm giữ vai trò là tổ chức tài chính trung gian vô cùng quan trọng đối với nền kinh tế Giúp cung ứng vốn và phân bổ hiệu quả các nguồn lực tài chính cho các bên có nhu cầu sử dụng vốn, giúp nền kinh tế phát triển bền vững Ngoài ra, NHTM cũng là nơi thực hiện các chính sách tiền tệ của Ngân hàng trung ương, hỗ trợ cho nền kinh tế vĩ mô.
Từ sau cuộc khủng hoảng kinh tế toàn cầu diễn ra từ năm 2007 – 2009 vừa qua đã xảy ra gây ảnh hưởng nghiêm trọng đã kéo theo hàng loạt sự thay đổi của cơ cấu kinh tế Hệ thống ngân hàng đã gặp nhiều khó khăn trong việc duy trì hoạt động, sự suy giảm của lợi nhuận, tăng chi phí và khó khăn khi cho vay Trước sự khủng hoảng mang tính vĩ mô ấy, nhiều ngân hàng trương ương và cơ quan quản lí tài chính ở các nước đã quan tâm đến sự ổn định tài chính nói chung và ổn định ngân hàng nói riêng. Ổn định của hệ thống ngân hàng đóng vai trò quan trọng trong việc bảo vệ tiền tệ, tài sản và đảm bảo hoạt động kinh tế ổn định của đất nước Đặc biệt, trong bối cảnh kinh tế toàn cầu hỗn độn và biến đổi nhanh chóng, việc nghiên cứu và hiểu rõ những nhân tố ảnh hưởng đến sự ổn định của ngân hàng là cần thiết để đưa ra biện pháp phòng ngừa và giảm thiểu rủi ro trong hoạt động ngân hàng.
Theo như “Dự thảo báo cáo tổng kết thực hiện chiến lược phát triển kinh tế – xã hội 10 năm 2011 – 2020, xây dựng chiến lược phát triển kinh tế – xã hội 10 năm 2021 –
2030 của Ban chấp hành Trung ương khóa XII (2021) thì mức độ an toàn của hệ thống các tổ chức tín dụng – ngân hàng của Việt Nam chưa bền vững so với các nước trong khu vực, dễ bị tổn thương trước tác động bất lợi, đột ngột từ bên ngoài” Do đó, việc tìm hiểu các nhân tố ảnh hưởng đến sự ổn định đến ngân hàng thương mại Việt Nam thông qua việc tìm hiểu rõ hơn về các yếu tố đặc thù và vĩ mô ảnh hưởng đến tính ổn định, chúng ta có thể đưa ra các biện pháp phòng ngừa và ứng phó với rủi ro, từ đó tăng cường sự tin cậy và sự tin tưởng vào hệ thống ngân hàng. Điều này đồng nghĩa với việc tạo ra một môi trường kinh doanh ổn định, thu hút đầu tư và thúc đẩy sự phát triển bền vững của nền kinh tế.
Nghiên cứu này sẽ mang lại lợi ích rất lớn cho ngành ngân hàng, cơ quan quản lý tài chính và cả doanh nghiệp Bằng cách tăng cường hiểu biết về các nhân tố ảnh hưởng đến sự ổn định, chúng ta có thể xây dựng các chính sách, quy định và biện pháp hỗ trợ phù hợp, giúp tăng cường sự tin tưởng và độ tin cậy vào hệ thống ngân hàng, đồng thời giảm thiểu rủi ro và tác động tiêu cực lên kinh tế và xã hội.
Vấn đề về sự ổn định của NHTM trên thế giới đã được nghiên cứu liên tục từ khá sớm, đặc biệt là trong giai đoạn khủng hoảng và hồi phục kinh tế Một số nghiên cứu đã dựa trên các yếu tố bên trong lẫn bên ngoài để đánh giá tính ổn định riêng biệt của từng nhóm ngân hàng: (Ozili, 2018) cho thấy rằng quản trị rủi ro và hoạt động đa dạng hóa cũng là yếu tố quan trọng đối với ổn định ngân hàng Defung và Yudaruddin (2022) đã cho thấy tác động của các nhân tố đối với sự ổn định tài chính trong ngành ngân hàng ở Indonesia bằng chỉ số Z-score và nợ xấu (NPL) Tại Việt Nam, cũng có các nghiêu cứu về sự ổn định của các NHTM Lan (2021), Quốc (2020), Quỳnh (2020), Huỳnh Nhật Thanh (2021),
Dựa trên những kiến thức đã học cũng như quá trình tìm hiểu với mong muốn cung cấp thêm bằng chứng thực nghiệm về các nhân tố ảnh hưởng đến mức độ ổn định của hệ thống NHTM tại Việt Nam và chiều hướng tác động của chúng tới sự ổn định ngân hàng, đề tài nghiên cứu “Các nhân tố ảnh hưởng đến sự ổn định ngân hàng củaNgân hàng thương mại Việt Nam" đã được chọn làm chủ đề cho bài nghiên cứu nhằm xem xét những nhân tố ảnh hưởng như thế nào đối với ổn định ngân hàng từ đó đưa ra các chiến lược, giải pháp phù hợp để gia tăng sự ổn định ngân hàng.
MỤC TIÊU NGHIÊN CỨU
Nghiên cứu được thực hiện nhằm tìm ra sự tác động của các nhân tố tác động đến sự ổn định của các ngân hàng Việt Nam, từ đó, đưa ra các khuyến nghị về sự tác động của các nhân đó cho các nhà quản lí, hoạch định chính sách và các NHTM để nâng cao sự ổn định cho hệ thống ngân hàng Việt Nam.
1.2.2 Mục tiêu cụ thể Để thực hiện mục tiêu tổng quát, khóa luận nghiên cứu sẽ phân tích các nhân tố tác động đến sự ổn định ngân hàng Việt Nam, cụ thể như sau:
Xây dựng mô hình phù hợp dựa trên các nghiên cứu trước.
Nghiên cứu mức độ tác động của các nhân tố đến ổn định của các NHTM Việt Nam Xem xét chiều hướng tác động của các nhân tố đến ổn định ngân hàng. Đưa ra các kiến nghị cho các NHTM Việt Nam nhằm giúp các ngân hàng duy trì tốt được mức độ ổn định ngân hàng.
CÂU HỎI NGHIÊN CỨU
Để thực hiện được mục tiêu nghiên cứu, khóa luận tập trung vào những câu hỏi nghiên cứu sau:
Các nhân tố có chiều hướng tác động như thế nào đến ổn định của ngân hàng?
Mô hình và phương pháp nào dùng để đo lường mức độ ảnh hưởng của các nhân tố đó đến ổn định của các ngân hàng?
Hàm ý chính sách nào cần thực hiện để gia tăng sự ổn định hệ thống ngân hàngViệt Nam thông qua các nhân tố đó?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
1.4.1 Đối tượng Đối tượng của nghiên cứu này là chỉ số ổn định ngân hàng, các nhân tố tác động như thế nào đến ổn định của các NHTM Việt Nam.
Về không gian: Nghiên cứu này được thực hiện dựa trên dữ liệu thu thập từ 31 NHTM Việt Nam tuy nhiên Do hạn chế về dữ liệu giữa các nhân tố, do đó, bài khóa luận chỉ chọn ra 27 NHTM lại đại diện cho nhóm NHTM Việt Nam.
Các NHTM trong bài nghiên cứu bao gồm: Ngân hàng TMCP An Bình, Ngân hàng TMCP Á Châu, Ngân hàng TMCP Bắc Á, Ngân hàng TMCP Bảo Việt, Ngân hàngTMCP Đầu tư và Phát triển Việt Nam, Ngân hàng TMCP Bản Việt, Ngân hàng TMCPCông thương Việt Nam, Ngân hàng TMCP Xuất nhập khẩu Việt Nam, Ngân hàngTMCP Phát triển T.P Hồ Chí Minh, Ngân hàng TMCP Kiên Long, Ngân hàng TMCPBưu điện Liên Việt, Ngân hàng TMCP Quân đội, Ngân hàng TMCP Hàng hải ViệtNam, Ngân hàng TMCP Nam Á, Ngân hàng TMCP Quốc Dân, Ngân hàng TMCP
Phương Đông, Ngân hàng TMCP Xăng dầu Petrolimex, Ngân hàng TMCP Sài Gòn Công thương, Ngân hàng TMCP Sài Gòn - Hà Nội, Ngân hàng TMCP Đông Nam, Ngân hàng TMCP Sài Gòn Thương Tín, TCB - Ngân hàng TMCP Kỹ Thương Việt Nam, Ngân hàng TMCP Tiên Phong, Ngân hàng TMCP Việt Á, Ngân hàng TMCP Việt Nam Thịnh Vượng, Ngân hàng TMCP Ngoại thương Việt Nam, Ngân hàng TMCP Quốc tế Việt Nam.
Về thời gian: Nghiên cứu được thực hiện dựa trên dữ liệu thu thập được trong giai đoạn từ 2011 đến 2021.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp thu thập dữ liệu: Để phục vụ cho bài nghiên cứu, tác giả đã tiến hành phương pháp thu thập dữ liệu thứ cấp bằng cách thu thập tất cả số liệu của các NHTM Việt Nam từ các BCTC được công bố trên các website trong giai đoạn từ 2011 – 2021.
Phương pháp định lượng: Khóa luận sử dụng phần mềm Stata 17 để phân tích số liệu của 27 NHTM thu thập được từ các BCTC trong giai đoạn 2011-2021 Trong nghiên cứu này, để ước lượng mô hình và đánh giá tính ổn định của NHTM
Việt Nam, tác giả sử dụng phương pháp ước lượng tổng quát hệ thống (System- GMM) được đề xuất bởi Blundell và Bond (1998) Phương pháp ước lượng này được chọn vì có thể khắc phục một số khuyết tật của mô hình, bao gồm hiện tượng tự tương quan, phương sai sai số thay đổi và hiện tượng nội sinh Phương pháp SGMM được đánh giá là phù hợp cho mô hình với mẫu dữ liệu có thời gian ngắn và tính bền vững cao Mô hình SGMM sử dụng các sai phân có độ trễ của các biến như biến công cụ và các sai phân của các biến ngẫu nhiên nghiêm ngặt (Blundell & Bond, 1998).
NỘI DUNG NGHIÊN CỨU
Mục tiêu của đề tài nghiên cứu này là phân tích những nhân tố có ảnh hưởng đến sự ổn định của các NHTM tại Việt Nam trong giai đoạn từ 2011 -2021 Dựa trên các kiến thức lý thuyết và các nghiên cứu trước đó liên quan đến đề tài, nghiên cứu này sẽ đưa ra một phân tích về tác động của các nhân tố này đến sự ổn định của các ngân hàng.Kết quả của nghiên cứu sẽ được sử dụng để thảo luận đề xuất các giải pháp và hàm ý chính sách nhằm tăng cường sự ổn định của các NHTM tại Việt Nam.
ĐÓNG GÓP CỦA ĐỀ TÀI
Khóa luận này nhằm mục đích tìm hiểu về mối quan hệ giữa những nhân tố tác động đến ổn định của các NHTM Việt Nam, nhằm giúp các nhà quản lý ngân hàng có thể nhận diện được sự ảnh hưởng của các rủi ro, thuận lợi làm tài liệu tham khảo hữu ích cho các học giả, nhà quản lý và những người tham gia hoạch định chính sách tài chính.,… từ đó có thể đưa ra các quyết định chính sách một cách hiệu quả hơn để kiểm soát rủi ro, tăng cường lợi nhuận và đảm bảo sự ổn định của ngân hàng trong môi trường kinh tế biến động.
BỐ CỤC CỦA KHÓA LUẬN
Bố cục của bài khóa luận này bao gồm 5 chương:
Chương 1: Giới thiệu về đề tài nghiên cứu
Nội dung của chương 1 nhằm giới thiệu chung về vấn đề nghiên cứu bao gồm lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, nội dung nghiên cứu, đóng góp của đề tài, bố cục của khóa luận nghiên cứu.
CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
CƠ SỞ LÝ THUYẾT
2.1.1 Khái niệm về ổn định ngân hàng
Mặc dù đã có nhiều nghiên cứu về ổn định ngân hàng, nhưng đến nay vẫn chưa có sự đồng thuận chung cho khái niệm này Trong các nghiên cứu về ổn định ngân hàng, các nghiên cứu thường thông qua khái niệm về sự ổn định tài chính như:
“Theo Schinasi (2004) một hệ thống tài chính ở trong phạm vi ổn định bất cứ khi nào có khả năng tạo điều kiện thuận lợi (chứ không phải cản trở) hoạt động của một nền kinh tế và làm giảm bớt đi sự mất cân bằng tài chính phát sinh xảy ra trong nội sinh hoặc do các sự kiện gây bất lợi to lớn đáng kể và không lường trước được.”
Saksonova và Solovjova (2012), định nghĩa sự ổn định của ngân hàng là “khả năng điều hành hoạt động kinh doanh trong khi vẫn duy trì hoạt động kinh doanh liên tục trong một môi trường kinh tế khác và không nhận tiền từ các nguồn tài trợ bên ngoài để hoạt động kinh doanh”.
Trong khi Beck (2008) đưa ra định nghĩa là “ổn định ngân hàng là điều kiện để ngân hàng có thể thực hiện các chức năng trung gian của mình, chẳng hạn như thu thập và phân phối các quỹ công, cũng như cung cấp các dịch vụ tài chính một cách bình thường và hiệu quả Sự ổn định của hệ thống ngân hàng nói chung được phản ánh trong các điều kiện ngân hàng lành mạnh và chức năng trung gian ngân hàng hoạt động trong việc huy động tiền gửi của công chúng để được chuyển dưới hình thức tín dụng và tài trợ khác cho thế giới kinh doanh”.
Theo ngân hàng Trung ương Úc ổn định tài chính có nghĩa là “trạng thái mà trong đó các trung gian tài chính, thị trường tài chính và hạ tầng tài chính phân bổ tốt các nguồn vốn giữa tiết kiệm và đầu tư, nhờ đó góp phần thúc đẩy phát triển tăng trưởng kinh tế”.
Crockett (1997) đã xác định rằng tính ổn định trong lĩnh vực ngân hàng liên quan đến việc tránh sự căng thẳng tài chính (financial stress) Điều này có thể dẫn đến tổn thất lớn hơn, thậm chí là phá sản của các ngân hàng, đặc biệt là các ngân hàng nhỏ Vì vậy, các ngân hàng có tình hình tài chính ổn định nhất có thể đáp ứng các mục tiêu của mình mà không cần sự hỗ trợ từ bên ngoài.
Theo Nout Wellink (Ngân hàng De Nederlandsche năm 2002) “Theo định nghĩa của Ngân hàng Nederlandsche, một hệ thống tài chính ổn định có khả năng phân bổ nguồn lực hiệu quả và hấp thụ các cú sốc, ngăn chặn những cú sốc này gây ra tác động phá vỡ nền kinh tế thực hoặc các hệ thống tài chính khác Ngoài ra, bản thân hệ thống không nên là nguồn gây sốc Do đó, định nghĩa ngụ ý rằng tiền có thể thực hiện đúng các chức năng như một phương tiện thanh toán và như một đơn vị tài khoản, trong khi toàn bộ hệ thống tài chính có thể thực hiện đầy đủ vai trò huy động tiết kiệm, đa dạng hóa rủi ro và phân bổ nguồn lực Ổn định tài chính là điều kiện sống còn cho tăng trưởng kinh tế, vì hầu hết các giao dịch trong nền kinh tế thực được giải quyết thông qua hệ thống tài chính Tầm quan trọng của ổn định tài chính có lẽ dễ nhận thấy nhất trong các tình huống bất ổn tài chính”
Khái niệm ổn định trong hệ thống ngân hàng, còn được gọi là ổn định ngân hàng, có thể được hiểu là sự tránh khỏi khủng hoảng ngân hàng và được đảm bảo thông qua tính ổn định của tất cả các ngân hàng trong hệ thống hoặc lĩnh vực ngân hàng (Brunnermeier và cộng sự 2009).
Có nhiều cách tiếp cận để giải thích khái niệm về ổn định ngân hàng nhưng hầu
8 hết đều có những đặc điểm chung mà ta có thể nhận thấy Theo đó, ổn định ngân hàng là trạng thái hoạt động ổn định và bền vững của một ngân hàng Đó là khi ngân hàng có đủ vốn, quản lý rủi ro hiệu quả, đáp ứng yêu cầu của khách hàng và thị trường, và tránh những khủng hoảng có thể gây ảnh hưởng tiêu cực Đảm bảo tính ổn định của ngân hàng là cần thiết để bảo vệ lợi ích của người gửi tiền, đảm bảo hệ thống tài chính ổn định và góp phần vào sự phát triển kinh tế.
2.1.2 Đo lường ổn định ngân hàng Ổn định ngân hàng là một chỉ số đo lường rất đa dạng và phức tạp, tùy thuộc vào sự hoạt động của các hệ thống ngân hàng ở nền kinh tế khác nhau dẫn đến việc chưa thống nhất chính xác về mặt khái niệm lẫn về cách đo lường của chỉ số ổn định ngân hàng Từ những năm 1979, các nhà nghiên cứu ở Hoa Kỳ đã sử dụng phương pháp CAMEL (mức độ an toàn vốn, chất lượng tài sản có, quản lý, lợi nhuận, thanh khoản) để đánh giá sự lành mạnh và ổn định của hệ thống các ngân hàng Sau đó, phương này đã được mở rộng thành phương pháp CAMELS (mức độ an toàn vốn, chất lượng tài sản có, quản lý, lợi nhuận, thanh khoản và mức độ nhạy cảm thị trường) để thêm phần minh chứng cho sức khỏe của các ngân hàng (Roman và Şargu 2013).
Dựa trên phương pháp CAMEL/CAMELS các tác giả đã nghiên cứu nhiều chỉ số để đánh giá sự ổn định của hệ thống ngân hàng: Nucu và Anton (2019) đã sử dụng các chỉ số: Z-score (ZIN), nợ xấu (NPL), tín dụng tư nhân bằng tiền gửi ngân hàng so với GDP (PCD) và vốn hóa ngân hàng (BCA) để đo lường mức độ cạnh tranh, ổn định ngân hàng Châu Âu Jayakumar và các công sự (2018) đã sử dụng năm chỉ số về sự ổn định của ngân hàng bao gồm vốn hóa ngân hàng (BCA), nợ xấu (NPL), chỉ số Z (Z-index) (ZIN), dự phòng của các khoản nợ không có khả năng chi trả (PNL) và tín dụng tư nhân của các khoản tiền gửi ngân hàng (PCD) để xem xét mối quan hệ giữa cạnh tranh ngân hàng, ổn định ngân hàng và tăng trưởng kinh tế của các ngân hàng Châu Âu.
Mặc dù, có rất nhiều cách đo lường ổn định ngân hàng khác nhau, nhưng đa phần các nghiên cứu đều hướng về các đo lường chỉ số ổn định ngân hàng thông qua ổn định tài chính dựa trên lợi nhuận hay nợ xấu Cụ thể, là 2 chỉ số Z-score và tỷ lệ nợ xấu(NPL) để đại diện đo lường chỉ số ổn định ngân hàng Rahim và
Zakaria (2013), Defung và Yudaruddin (2022), Noman và các cộng sự (2017), Suljić Nikolaj và các cộng sự (2022) đã sử dụng 2 chỉ số Z-score và (NPL) để đo lường ổn định ngân hàng.
Z-score là một chỉ số đo độ ổn định tài chính của ngân hàng Chỉ số này được phát triển bởi Edward Altman nhà kinh tế người Mỹ vào những năm 1960 để đánh giá khả năng thanh toán nợ và rủi ro của các doanh nghiệp Boyd và Runkle (1993) đã đề xuất công thức tính như sau:
Với k: (tổng vốn chủ sở hữu và các khoản dự trữ)/ tổng tài sản μ: lợi nhuận trung bình/tổng tài sản σ: độ lệch chuẩn của lợi nhuận/tổng tài sản.
TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC
Nghiên cứu của Quốc (2020) phân tích các nhân tố ảnh hưởng đến sự ổn định tài chính của các NHTM Việt nam, dựa trên dữ liệu thu thập từ 19 ngân hàng Việt Nam trong giai đoạn từ 2014 -2018 Mục tiêu của nghiên cứu là tính toán hệ số rủi ro phá sản (Z-score) để đánh giá sự ổn định tài chính của các ngân hàng và áp dụng các mô hình hồi quy dữ liệu bảng như mô hình Pooled OLS, FEM, REM và FGLS Kết quả cho thấy tỷ lệ vốn chủ sở hữu đối với tổng tài sản, quy mô ngân hàng và tỷ lệ cho vay trên tiền gửi có ảnh hưởng tích cực đến sự ổn định ngân hàng Tuy nhiên, tỷ suất lợi nhuận ròng lại ảnh hưởng đến sự ổn định ngân hàng một cách tiêu cực.
Lan (2021) đã thực hiện một nghiên cứu về tác động của lợi nhuận đến ổn định tài chính của các NHTM tại Việt Nam Nghiên cứu sử dụng phương pháp nghiên cứu định lượng với dữ liệu của 25 NHTM Việt Nam trong khoảng thời gian từ 2008-2018.Tác giả đã sử dụng ba mô hình để ước lượng dữ liệu, bao gồm mô hình hồi quy gộpPooled-OLS, mô hình hồi quy tác động cố định (FEM) và mô hình hồi quy tác động ngẫu nhiên (REM) Kết quả cho thấy rằng, lợi nhuận (NIM), tỷ lệ huy động vốn(DEPOSITS) và tăng trưởng kinh tế (GDP) có tác động tích cực đến ổn định tài chính.Trái lại, quy mô (SIZE), tỷ lệ cho vay (LOANS), lạm phát (INF) có tác động ngược chiều đến ổn định tài chính Nghiên cứu cũng cho thấy rằng, tăng trưởng tài sản
(GROWTH) không có tác động đến ổn định tài chính của các NHTM tại Việt Nam.
Tú và Oanh (2021) phân tích tác động của cạnh tranh đến mức độ ổn định tài chính của 31 NHTM Việt Nam trong giai đoạn 2010 – 2018 Nghiên cứu thực nghiệm sử dụng chỉ số Lerner để đo lường năng lực cạnh tranh, chỉ số Z-score để ước lượng mức độ ổn định tài chính ngân hàng và các yếu tố tác động (biến độc lập) được chọn lọc dựa vào khung phân tích CAMELS (IMF) Kết quả cho thấy các biến phụ thuộc như hệ số hồi quy biến Lerner cho thấy năng lực cạnh tranh, quy mô vốn chủ sở hữu (ETA), quy mô tín dụng (LTA), khả năng đa dạng hóa thu nhập (HHI), các yếu tố vĩ mô (GDP, INF) có tác động tích cực đến ổn định tài chính, còn các biến tác động tiêu cực đến ổn định tài chính như quy mô ngân hàng (SIZE), thị phần huy động vốn (HDV), tỷ lệ dự phòng rủi ro tín dụng (LLP), tốc độ tăng trưởng tổng tài sản (GroTA).
Bài nghiên cứu của Quỳnh (2020) tập trung vào ảnh hưởng của chính sách an toàn vĩ mô và chính sách tiền tệ đến sự ổn định của NHTM Việt Nam từ 2008- 2018.
Dữ liệu bảng động của 22 NHTM được sử dụng để phân tích Kết quả của nghiên cứu cho thấy rằng tăng lượng cung tiền M2 ra nền kinh tế từ NHNN cùng với tăng tỷ lệ cho vay trên tiền gửi của NHTM sẽ làm gia tăng rủi ro và không ổn định cho hệ thống ngân hàng Trong khi đó, các yếu tố như tỷ lệ an toàn vốn tối thiểu (CAR), hiệu quả quản lý chi phí (CIR) và quy mô ngân hàng (BANKSIZE) lại có tác động nghịch chiều đến sự ổn định của ngân hàng Do đó, việc tăng cường hiệu quả quản lý chi phí để đảm bảo quy mô hoạt động ngân hàng vừa đủ để đảm bảo khả năng sinh lời vừa đảm bảo ổn định ngân hàng là rất cần thiết cho ổn định các NHTM tại Việt Nam.
Nghiên cứu "Yếu tố quyết định ổn định ngân hàng ở Châu Phi" của Ozili (2018) tập trung vào việc phân tích những yếu tố tác động đến ổn định của ngân hàng tại châuPhi bằng cách sử dụng một số chỉ số để đo lường ổn định của ngân hàng Các chỉ số này bao gồm tỷ lệ nợ xấu (NPL), tỷ lệ lợi nhuận ròng trên tài sản (NIM), tỷ lệ lợi nhuận trên tài sản (ROA) và tỷ lệ vốn chủ sở hữu đến tổng tài sản (ROE) Kết quả nghiên cứu cho thấy rằng tỷ lệ NPL có tác động ngược chiều đến ổn định của ngân hàng tại châu Phi,trong khi đó, tỷ lệ NIM, ROA và CAP lại có tác động cùng chiều đến ổn định của ngân
1 4 hàng Tác giả cũng nhận thấy rằng quản trị rủi ro và hoạt động đa dạng hóa cũng là những yếu tố quan trọng đối với sự ổn định của ngân hàng.
Defung và Yudaruddin (2022) đã xem xét tác động của các quyền tự do kinh tế đối với sự ổn định tài chính trong ngành ngân hàng ở Indonesia Sử dụng dữ liệu bảng không cân bằng của các ngân hàng Indonesia, tác động của tự do kinh tế đến ổn định tài chính được ước tính bằng cách sử dụng phương pháp GMM trong khoảng thời gian phân tích từ 2004-2018 Mô hình chính về tự do kinh tế đối với ổn định tài chính được đo lường bằng Z-score và nợ xấu (NPL), bao gồm tất cả các ngân hàng mẫu trong giai đoạn đầu tiên Ngoài ra, tỷ lệ tập trung, quy mô ngân hàng, hiệu quả, thanh khoản và đa dạng hóa kinh doanh được đưa vào như các biến kiểm soát Kết quả chỉ ra rằng tự do kinh tế về mặt thống kê có tác động tích cực và đáng kể đến sự ổn định tài chính được đo lường bởi Z-score Tuy nhiên, các phép đo với NPL cho thấy kết quả không giống nhau Những phát hiện này có ý nghĩa đáng kể đối với tài liệu kinh tế và thực tiễn chính sách.
Alfiyan và các cộng sự (2023) nghiên cứu về Ổn định tài chính trong ngân hàng Hồi giáo Indonesia sử dụng Z-score: Trước và trong Covid-19 Nghiên cứu này nhằm mục đích phân tích mức độ so sánh của Sự ổn định tài chính của ngân hàng Hồi giáo trước và trong thời kỳ Đại dịch covid-19 Nghiên cứu này sử dụng kiểm định T ghép cặp bằng lấy mẫu của 13 Ngân hàng Thương mại Hồi giáo công bố báo cáo tài chính thường xuyên trên trang web của OJK quý I năm 2019 – quý IV năm 2020 Kết quả giải thích rằng Z-Score, BOPO, NPF, HHI, GDP và Lạm phát không có sự khác biệt ở mức bình quân trước đại dịch so với thời Covid-19 dịch bệnh Khi đó FDR, Quy mô ngân hàng và Tỷ lệ BI có sự khác biệt về mức độ trung bình trước đại dịch so với trong đại dịch Covid-19 Kết quả của phân tích so sánh về sự ổn định tài chính của Ngân hàng Hồi giáo trước đại dịch Covid-19 được so sánh trong đại dịch Covid-19 thông qua Z- Score phân tích giải thích rằng các ngân hàng Hồi giáo ổn định hơn trước đại dịch nhưng vẫn có sự ổn định tốt trong quá trình Đại dịch covid-19.
Rahman và các cộng sự (2021) đã xem xét tác động của cạnh tranh ngân hàng và hiệu quả đối với sự ổn định tài chính của khu vực ngân hàng ở Bangladesh Nghiên cứu đã sử dụng chỉ số Lerner và chỉ số Boone để thể hiện sự cạnh tranh của ngân hàng, trong khi nợ xấu (NPL) và điểm Z được sử dụng để đại diện cho sự ổn định tài chính.
Dữ liệu thu thập từ các báo cáo thường niên của 28 NHTM niêm yết DSE của Bangladesh trong giai đoạn từ 2011-2018 Sử dụng mô hình GMM, nghiên cứu cho thấy chỉ số Lerner có quan hệ ngược chiều đáng kể với chỉ số Z-score, có nghĩa là cạnh tranh ngân hàng cao hơn dẫn đến sự ổn định của ngân hàng cao hơn Người ta cũng thấy rằng hiệu quả chi phí cao hơn dẫn đến ngân hàng có sự ổn định cao hơn Chỉ số Lerner có tác động tiêu cực nhưng không đáng kể đến nợ xấu Tương tự, sử dụng chỉ báo Boone, nghiên cứu này cho thấy cạnh tranh thấp hơn làm tăng nợ xấu Nghiên cứu cho thấy, khi càng nhiều cạnh tranh dẫn đến sự lành mạnh về tài chính, thì sự cạnh tranh trong ngành ngân hàng cần được đảm bảo bởi các nhà hoạch định chính sách hoặc cơ quan quản lý.
Nghiên cứu Noman và các cộng sự (2017) đã xem xét ảnh hưởng của cạnh tranh đến sự ổn định tài chính của các NHTM thuộc Hiệp hội các quốc gia Đông Nam Á (ASEAN) trong giai đoạn 1990 đến 2014 Panzar-Rosse H-statistic, chỉ số Lerner và Herfindahl-Hirschman Index (HHI) được sử dụng làm thước đo cạnh tranh, trong khi chỉ số Z-score, tỷ lệ nợ xấu (NPL) và tỷ lệ vốn chủ sở hữu được sử dụng làm thước đo ổn định tài chính Hệ thống hai bước ước tính phương pháp tổng quát về thời điểm (GMM) chứng minh rằng sự cạnh tranh được đo lường bằng thống kê H có liên quan tích cực đến điểm Z và tỷ lệ vốn chủ sở hữu, đồng thời có liên quan tiêu cực đến tỷ lệ nợ xấu Ngược lại, sức mạnh thị trường được đo lường bởi chỉ số Lerner có mối quan hệ ngược chiều với chỉ số Z và tỷ lệ vốn chủ sở hữu và có mối quan hệ thuận chiều với tỷ lệ nợ xấu Kết quả cho thấy hệ số của số hạng bậc hai của thống kê H là âm đối với mô hình điểm Z với hệ số dương của số hạng tuyến tính trong cùng một mô hình Những kết quả này ủng hộ mối quan hệ phi tuyến tính giữa cạnh tranh và ổn định tài chính của khu vực ngân hàng.
Nghiên cứu Rahim và Zakaria (2013) để so sánh về sự ổn định giữa các ngân hàng Hồi giáo và truyền thống ở Malaysia Kết quả các ngân hàng Hồi giáo tương đối
1 6 không bị ảnh hưởng trong cuộc khủng hoảng tài chính gần đây Việc tính toán chỉ số Z- score và nợ xấu (NPL) cho thấy rằng trung bình các ngân hàng Hồi giáo tương đối ổn định hơn so với các đối tác thông thường của họ Phân tích dữ liệu bảng tiêu chuẩn cho thấy rằng các yếu tố ảnh hưởng đến sự ổn định của cả ngân hàng Hồi giáo và ngân hàng truyền thống là tương tự nhau, ngoại trừ mức độ đa dạng hóa thu nhập Sự ổn định không phải là một chức năng đa dạng hóa thu nhập đối với các ngân hàng Hồi giáo nhưng đó là trường hợp của các ngân hàng thông thường Điều này giải thích tại sao trong cuộc khủng hoảng gần đây, khi nhiều nguồn thu nhập bị ảnh hưởng xấu, các ngân hàng Hồi giáo vẫn ổn định trái ngược với các ngân hàng truyền thống.
Odundo và Orwaru (2018) nghiên cứu về quy mô ngân hàng và sự ổn định tài chính của các NHTM ở Kenya Đối tượng mục tiêu nghiên cứu của bài viết này tất cả
PHƯƠNG PHÁP NGHIÊN CỨU
PHƯƠNG PHÁP NGHIÊN CỨU
Để nghiên cứu kết quả về các nhân tố ảnh hưởng đến sự ổn định ngân hàng của Ngân hàng thương mại Việt Nam, khóa luận đã sử dụng phương pháp định tính và định lượng.
Trước tiên, tác giả sử dụng phương pháp nghiên cứu định tính để tiến hành quá trình khảo lược, tổng hợp và phân tích các nghiên cứu trước được thực hiện Từ việc khảo lược các nghiên cứu trước, tác giả đã có khả năng đề xuất một mô hình nghiên cứu phù hợp để tiếp tục nghiên cứu chi tiết vấn đề Tiếp theo, tác giả sử dụng phương pháp định lượng dựa trên phần mềm STATA 17 để thực hiện mô tả tóm tắt các đặc trưng của dữ liệu như giá trị trung bình, cực đại, cực tiểu và độ lệch chuẩn của biến phụ thuộc và biến độc lập Sau đó, tác giả thực hiện lần lượt các mô hình, mô hình ước lượng bình phương nhỏ nhất (Pooled OLS), mô hình tác động cố định (FEM) và mô hình tác động
1 8 ngẫu nhiên (REM) Trong mô hình nếu có hiện tượng phương sai sai số thay đổi và tự tương quan tác giả áp dụng phương pháp bình phương nhỏ nhất tổng quát hóa khả thi (FGLS) cho dữ liệu bảng để giải quyết các vấn đề Và cuối khi mà mô hình xảy ra hiện tượng nội sinh thì tác giả sẽ kiểm tra bằng mô hình GMM do Blundell và Bond (1998) được đề xuất để khắc phục các khuyết tật này.
Mô hình xuất hiện hiện tượng nội sinh khi có mối quan hệ nhân quả giữa hai biến, một biến độc lập (X) và một biến phụ thuộc (Y) Điều này có nghĩa là có tác động hai chiều giữa biến X và biến Y, tức là từ biến X đến biến Y và ngược lại từ biến Y đến biến X Trong trường hợp này, biến X được gọi là biến nội sinh nghiêm ngặt (Strictly endogenous variable) Khi biến Y không tác động trực tiếp lên biến X trong cùng một thời điểm t, nhưng có khả năng tác động lên biến X trong các thời điểm sau (t+1, t+2, ), thì biến X được coi là biến tiềm ẩn nội sinh (Predetermined variable) Trạng thái của biến X tại các thời điểm trước đó sẽ ảnh hưởng đến giá trị của biến X trong các thời điểm sau này Biến X được coi là biến ngoại sinh nghiêm ngặt (Strictly exogenous variable) khi nó không có mối quan hệ với sai số của mô hình trong quá khứ và tương lai.
Có hai dạng ước lượng thay thế nhau trong mô hình GMM, đó là ước lượng GMM sai phân (DGMM) và GMM hệ thống (SGMM) Ước lượng GMM sai phân được đề xuất bởi Arellano và Bond (1991) để chuyển đổi mô hình gốc ban đầu, đồng thời thêm biến trễ của biến phụ thuộc vào mô hình như một biến giải thích Phương pháp này giúp loại bỏ sự tương quan giữa phần dư và các biến giải thích trong mô hình (vấn đề nội sinh) Tuy nhiên, Blundell và Bond (1998) đã chỉ ra rằng DGMM vẫn có sai lệch kết quả nếu biến phụ thuộc Yt có mối tương quan với biến trễ Yt-n trong khoảng thời gian ngắn Điều này đặt ra vấn đề về độ tin cậy của mô hình khi các biến công cụ không đủ mạnh để giảm thiểu sai lệch này Để khắc phục nhược điểm này, Blundell và Bond
(1998) đã đề xuất phương pháp SGMM Mô hình này sử dụng các biến công cụ là các biến nội sinh, các biến trễ của biến nội sinh và lấy sai phân của chúng Phương pháp ước lượng SGMM này đã được lựa chọn trong nhiều nghiên cứu kinh tế do khả năng khắc phục các sai lệch và tăng độ tin cậy của kết quả.
Các kiểm được thực hiện trong mô hình nghiên cứu
Kiểm định đa công tuyến
Trong quá trình thực hiện mô hình nghiên cứu, để xác định hiện tượng đa cộng tuyến giữa các biến, khóa luận sử dụng một phương pháp kiểm định dựa trên việc phân tích phóng đại phương sai VIF (variance-inflation factor) Theo Muda và cộng sự
(2013), nếu VIF lớn hơn 10 cho thấy sự hiện diện của đa cộng tuyến, khi đó, các biến có hệ số VIF lớn hơn 10 sẽ bị loại ra để đảm bảo mô hình không xảy ra hiện tượng đa cộng tuyến.
Kiểm định lựa chọn OLS hay FEM Để lựa chọn giữa OLS và FEM, chạy F test F test kiểm tra có phải fixed effects=0 hay không Nếu p-valuea thì chọn mô hình REM.
Kiểm định lựa chọn OLS hay REM Để lựa chọn giữa OLS hay REM, sử dụng kiểm định Breusch and Pagan: H0: Sai số ước lượng không bao gồm sai lệch giữa các đối tượng, H1: Sai số của ước lượng bao gồm sai lệch giữa các đối tượng.
Nếu p-value < a < (a = 5%) thì bác bỏ H0, chọn mô hình REM, ngược lại nếu p- value > a thì chọn mô hình OLS.
Kiểm định hiện tượng phương sai thay đổi Để kiểm định hiện tượng phương sai thay đổi trong mô hình FEM, sử dụng kiểm định Modified Ward: H0: Phương sai không đổi/Homoskedasticity, H1: Phương sai không bằng nhau/Phương sai thay đổi
Nếu p-value < a với (a = 5%) chấp nhận H1, bác bỏ H0 thì mô hình hồi quy có hiện tượng phương sai ngược lại nếu p-value > a, chấp nhận H0 thì mô hình hồi quy không có hiện tượng phương sai thay đổi.
Kiểm định hiện tượng tự tương quan Để kiểm định hiện tượng tự tương quan, sử dụng kiểm định Wooldridge H0: Không có hiện tượng tự tương quan trong mô hình H1: Có tự tương quan trong mô hình Nếu p-value < a với (a = 5%) chấp nhận H1, bác bỏ H0 thì trong mô hình có hiện tượng tự tương quan Nếu mô hình tồn tại tự tương quan và phương sai thay đổi thì mô hình FGLS (Bình phương nhỏ nhất tổng quát khả thi) mà mô hình này sử dụng có thể kiểm soát hiện tượng tự tương quan và phương sai thay đổi.
Mô hình khoảnh khắc tổng quát hệ thống (System GMM - S-GMM) là mô hình dùng để loại bỏ các biến nội sinh trong mô hình nghiên cứu, mô hình này cũng cung cấp các ước tính mạnh mẽ đáng tin cậy ngay cả khi các biến có phương sai biến dao động cao hoặc tự tương quan giữa chúng Mô hình cần thỏa mãn 4 điều kiện để trở thành một mô hình phù hợp: Kiểm định Hansen với giả thuyết H0: biến công cụ phù hợp và không có hiện tượng nội sinh xảy ra Do đó, giá trị P của kiểm định phải lớn hơn 10% để biến công cụ được thêm vào mô hình có ý nghĩa thống kê. Kiểm định Hansen Sargan với giả thuyết H0: biến công cụ là ngoại sinh với điều kiện P-value lớn hơn 10% Arellano - Bond test (AR (2)) giúp kiểm định tự tương quan ở các mức, giả thuyết là H0 (không tự tương quan) và giá trị p lớn hơn 0,1 tức là giả thuyết ban đầu không có tương quan chuỗi 2 bậc mà bị xóa Số biến công cụ không được vượt quá số đơn vị cần nghiên cứu Cụ thể hơn, quy trình nghiên cứu được tác giả trình bày ở hình 3.1.
Hình 3.1 Quy trình nghiên cứu
Nguồn tác giả tự tổng hợp
MÔ HÌNH NGHIÊN CỨU
Dựa vào các nghiên cứu trước đây của nhiều tác giả về các nhân tố ảnh hưởng đến ổn định NHTM trong và ngoài nước trong từng thời kỳ, các giai đoạn khác nhau để từ đó Tác giả lựa chọn ra các biến phụ thuộc và các biến độc lập phù hợp để đề xuất mô hình nghiên cứu riêng về ổn định tài chính của hệ thống NHTM Việt Nam giai đoạn 2011 – 2021, các mô hình nghiên cứu của tác giả được xây dựng như sau:
(1) Z-score it = β 0 + β 1 FRISK it + β 2 ROE it + β 3 CIR it + β 4 TANG it + β 5 SIZE it + β
6GROW it +β 7 LLP it + β 8 CAP it + β 9 LEV it + β 10 LDR it + β 11 GDP t + β 12 INF t + ɛ it
(2) NPL it = β 0 + β 1 FRISK it + β 2 ROE it + β 3 CIR it + β 4 TANG it + β 5 SIZE it + β 6 GROW it + β 7 LLP it + β 8 CAP it + β 9 LEV it + β 10 LDR it + β 11 GDP t + β 12 INF t + ɛ it
Z-score it : Hệ số Z-score của ngân hàng i tại thời điểm t
NPL it : Tỷ lệ nợ xấu của ngân hàng i tại thời điểm t
FRISK it : Tỷ lệ rủi ro tài trợ ngân hàng i tại thời điểm t
ROE it : Tỷ lệ lợi nhuận trên vốn chủ sở hữu của ngân hàng i tại thời điểm t CIR it : Hiệu quả quản lý chi phí của ngân hàng i tại thời điểm t
TANG it : Tỷ lệ hữu hình của tài sản của ngân hàng i tại thời điểm t
SIZE it : Quy mô ngân hàng của ngân hàng i tại thời điểm t
GROW it : Tốc độ tăng trưởng tổng tài sản i tại thời điểm t
LLP it : Tỷ lệ dự phòng tổn thất cho vay của ngân hàng i tại thời điểm t
CAP it : Tỷ lệ an toàn vốn của ngân hàng i tại thời điểm t
LEV it : Tỷ lệ đòn bẩy của ngân hàng i tại thời điểm t
LDR it : Tỷ lệ cho vay trên huy động của ngân hàng i tại thời điểm t
GDP t : Tăng trưởng kinh tế năm t
INF t : Tỷ lệ lạm phát năm t
Trong cả hai mô hình tác giả đều đo lường các biến liên quan đến ổn định ngân hàng như có điểm khác nhau giữa 2 biến phụ thuộc Đầu tiên, trong mô hình 1 biến phụ thuộc được đo lường bằng biến ổn định ngân hàng dựa trên chỉ số Z-score và trong mô hình 2 biến phụ thuộc ổn định ngân hàng dựa trên tỷ lệ nợ xấu (NPL).
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
THỐNG KÊ MÔ TẢ CÁC BIẾN
Tác giả sử dụng dữ liệu bảng gồm 27 NHTM Việt Nam trong giai đoạn 2011 –
2021 với tổng số 297 quan sát.
Bảng 4.1 Thống kê mô tả các biến
Giá trị trung bình Độ lệch chuẩn
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Chỉ tiêu đại diện cho ổn định ngân hàng là chỉ số Z-score có giá trị trung bình của 27NHTM Việt Nam là 276.46% cùng với độ lệch chuẩn là 45.76% Trong tổng số 27 NHTMViệt Nam giai đoạn 2011 – 2021, SGB - Ngân hàng TMCP Sài Gòn Công thương có chỉ số thấp nhất đạt 173.53% vào năm 2011, SSB- Ngân hàng TMCP Đông Nam Á có chỉ số cao nhất ở mức 474.82% vào năm 2018 Chỉ tiêu khác đại diện cho ổn định ngân hàng là chỉ số nợ xấu (NPL) của có giá tri trung bình là 2.18% với độ lệch chuẩn là 12.58% Trong tổng số 26 NHTM Việt Nam giai đoạn 2011 – 2021, KLB – Ngân hàng TMCP Kiên Long có giá trị nhỏ nhất 0.19% vào năm 2021 Giá trị cao nhất là 8.83% thuộc về SHB - Ngân hàng TMCP Sài Gòn - Hà Nội vào năm 2012.
Giá trị trung bình của chỉ số rủi ro tài trợ (FRISK) là 161.09% với độ lệch chuẩn là 37.24% trong giai đoạn 2011 – 2021 Giá trị nhỏ nhất 69.89% thuộc về VAB – Ngân hàng TMCP Việt Á vào năm 2011 Giá trị cao nhất là 29.34% thuộc về TPB - Ngân hàng TMCP Tiên Phong Việt Nam vào năm 2020.
Giá trị trung bình của lợi nhuận sau thuế trên vốn chủ sở hữu (ROE) vào khoảng 9.36% với độ lệch chuẩn là 6.53% Ngân hàng có ROE nhỏ nhất là NVB - Ngân hàng TMCP Quốc Dân vào năm 2020 với ROE đạt 0.03%, Ngân hàng có ROE cao nhất là ACB - Ngân hàng TMCP Á Châu đạt khoảng 26.82% trong năm 2011.
Giá trị trung bình của hiệu quả quản lý chi phí (CIR) vào khoảng 51.32% với độ lệch chuẩn là 13.99% Ngân hàng có CIR nhỏ nhất là KLB – Ngân hàng TMCP Kiên Long với chi phí đạt mức 5.12% vào năm 2012, Ngân hàng có CIR cao nhất là NVB - Ngân hàng TMCP Quốc Dân đạt khoảng 92.74% trong năm 2013.
Giá trị trung bình của tỷ lệ hữu hình của tài sản (TANG) vào khoảng 0.61% với độ lệch chuẩn là 0.65% Ngân hàng có TANG nhỏ nhất là BaoVietBank – Ngân hàng TMCP Bảo Việt với TANG đạt mức 0.06% vào năm 2017, Ngân hàng có TANG cao nhất là SGB - Ngân hàng TMCP Sài Gòn Công thương đạt khoảng 3.61% (2014).
Giá trị trung bình của quy mô ngân hàng ( SIZE) vào khoảng 806.31% với độ lệch chuẩn là 49.93% Ngân hàng có SIZE nhỏ nhất là BaoVietBank - Ngân hàng
TMCP Bảo Việt vào năm 2011 với SIZE đạt 712.14%, BID - Ngân hàng TMCP Đầu tư và Phát triển Việt Nam có SIZE lớn nhất đạt 924.59% vào năm 2021.
Giá trị trung bình của tốc độ tăng trưởng tổng tài sản (GROW) vào khoảng 15.98% với độ lệch chuẩn là 18.41% Ngân hàng có GROW nhỏ nhất là BAB - Ngân hàng TMCP Bắc Á vào năm 2011 với GROW đạt -98.35%, TPB - Ngân hàng TMCP Tiên Phong có GROW lớn
Giá trị trung bình của tỷ lệ an toàn vốn (CAP) vào khoảng 9.19% với độ lệch chuẩn là 3.80% Ngân hàng có CAP nhỏ nhất là BID - Ngân hàng TMCP Đầu tư và Phát triển Việt Nam vào năm 2017 với CAP đạt 4.06%, Ngân hàng có CAP cao nhất là SGB – Ngân hàng TMCP Sài Gòn Công thương vào khoảng 23.83% vào năm 2012.
Giá trị trung bình của tỷ lệ dự phòng tổn thất cho vay (LLP) vào khoảng 1.21% với độ lệch chuẩn là 0.67% Ngân hàng có LLP nhỏ nhất là SHB - Ngân hàng TMCP Sài Gòn - Hà Nội vào năm 2012 với LLP đạt -2.20%, Ngân hàng có LLP cao nhất là VPB - Ngân hàng TMCP Việt Nam Thịnh Vượng vào khoảng 2.79% trong năm 2021.
Giá trị trung bình của tỷ lệ đòn bẩy (LEV) vào khoảng 90,4 % với độ lệch chuẩn là 6.06% Ngân hàng có LEV nhỏ nhất là VCB – Ngân hàng TMCP Ngoại thương Việt Nam với tỷ lệ đạt mức 9.22% vào năm 2021, BID - Ngân hàng TMCP Đầu tư và Phát triển Việt Nam là ngân hàng có LEV cao nhất 95.94% vào năm 2017.
Giá trị trung bình của tỷ lệ cho vay trên huy động (LDR) vào khoảng 86.92 % với độ lệch chuẩn là 18.38% Ngân hàng có LDR nhỏ nhất là MSB – Ngân hàng TMCP Hàng hải Việt Nam đạt mức 36.33% vào năm 2014, Ngân hàng có LDR cao nhất là BAB - Ngân hàng TMCP Bắc Á đạt khoảng 178.93% trong năm 2011.
Trong giai đoạn 2011 – 2021, tăng trưởng kinh tế (GDP) trung bình là 5.64% với độ lệch chuẩn là 1.49%, giá trị thấp nhất và cao nhất lần lượt là 2.58% (2021) và 7.10% (2018).
Tỷ lệ lạm phát (INF) trung bình là 5.28% với độ lệch chuẩn 4.75%, tỷ lệ lạm phát thấp nhất và cao nhất lần lượt là 0.60% (2015) và 18.70% (2011).
MA TRẬN TƯƠNG QUAN
Bảng 4.2 Ma trận tương quan mô hình 1
Z- score FRISK ROE CIR TANG SIZE GRO
W LLP CAP LEV LDR GDP INF
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Tác giả sử dụng chỉ số Z-score để đại diện cho biến phụ thuộc Kết quả ma trận tương quan giữa các biến trong mô hình 1 được thể hiện ở bảng 4.2, giá trị tuyệt đối của hệ số tương quan giữa biến phụ thuộc (Z-score) với các biến độc lập, cùng với đó là hệ số tương quan giữa các biến độc lập trong mô hình đều bé hơn 0.8 chứng tỏ mối quan hệ giữa các biến trong mô hình đều ở mức cho phép Trong đó; biến ROE, TANG, GROW, LLP, CAP, LDR, INF có mối tương quan nghịch chiều với biến phụ thuộc được đại diện bởi chỉ số Z-score; biến FRISK, CIR, SIZE, LEV, GDP có mối tương quan thuận chiều với biến phụ thuộc được đại diện bởi chỉ số Z-score.
Bảng 4.3 Ma trận tương quan mô hình 2
ROE CIR TANG SIZE GROW LLP CAP LEV LDR GDP INF
Nguồn: Tác giả tổng hợp từ phầm mềm Stata 17
Tác giả sử dụng nợ xấu (NPL) để đại diện cho biến phụ thuộc Kết quả ma trận tương quan giữa các biến trong mô hình 2 được thể hiện ở bảng 4.3, giá trị tuyệt đối của hệ số tương quan giữa biến phụ thuộc (NPL) với các biến độc lập, cùng với đó là hệ số tương quan giữa các biến độc lập trong mô hình đều bé hơn 0.8 chứng tỏ mối quan hệ giữa các biến trong mô hình đều ở mức cho phép Trong đó; biến FRISK, ROE, SIZE, GROW, LEV, LDR, GDP có mối tương quan nghịch chiều với biến phụ thuộc được đại diện bởi nợ xấu (NPL); biến CIR, TANG, LLP, CAP có mối tương quan thuận chiều với biến phụ thuộc nợ xấu (NPL).
4.3 KẾT QUẢ HỒI QUY POOLED OLS, FEM, REM VÀ LỰA CHỌN MÔ
Bảng 4.4 Kết quả hồi quy và lựa chọn Pooled OLS, FEM, REM mô hình 1
Kiểm định Pooled OLS và FEM FEM và REM Pooled OLS và REM
Hausman test chi2(12) = 14.13 Prob > chi2 = 0.2926
Pagan test chibar2(01) = 24.47 Prob > chi2 = 0.0000
Kết luận Chọn FEM Chọn REM Chọn REM
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Sau khi tác giả phân tích hệ số tương quan để xác định mối quan hệ tương hỗ giữa các biến trong mô hình, nghiên cứu này tiếp tục đi vào phân tích hồi quy với mục đích đo lường chiều hướng và mức độ tác động của các biến độc lập Thiết lập biến phụ thuộc bằng các mô hình hồi quy: Pooled OLS, FEM, REM Từ đó, tác giả thực hiện các kiểm định để lựa chọn mô hình hồi quy phù hợp.
> Lựa chọn giữa mô hình Pooled OLS và FEM Đối với biến phụ thuộc được đại diện bởi chỉ số Z-score Tác giả sử dụng kiểm định F để lựa chọn đâu là mô hình phù hợp giữa mô hình Pooled OLS và FEM Với giả thuyết đặt ra là:
H0: Mô hình Pooled OLS phù hợp.
H1: Mô hình FEM phù hợp.
Bảng 4.4 đối với biến phụ thuộc được đo bằng chỉ số Z-score cho ta kết quả Prob
> F = 0.0000 < 0.05 Tác giả bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là mô
> Lựa chọn giữa mô hình Pooled OLS và REM Đối với biến phụ thuộc được đại diện bởi chỉ số Z-score Tác giả sử dụng kiểm định Breusch-Pagan để lựa chọn đâu là mô hình phù hợp giữa mô hình Pooled OLS và REM Với giả thuyết đặt ra là:
H0: Mô hình Pooled OLS phù hợp.
H1: Mô hình REM phù hợp.
Bảng 4.4 đối với biến phụ thuộc được đo bằng chỉ số Z-score cho ta kết quả Prob
> chi2 = 0.0000 < 0.05 Tác giả bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là mô hình REM phù hợp.
> Lựa chọn giữa mô hình FEM và REM
Sau khi thực hiện lựa chọn giữa Pooled OLS với FEM, Pooled OLS với REM; tác giả nhận thấy FEM và REM đều phù hợp hơn so với Pooled OLS Tiếp theo, tác giả thực hiện kiểm định Hausman để lựa chọn giữa FEM và REM đâu là mô hình tối ưu cho mô hình 1. Đối với biến phụ thuộc được đo bằng chỉ số Z-score, giả thuyết được đặt ra là:
H0: Mô hình REM phù hợp.
H1: Mô hình FEM phù hợp.
Kết quả ở bảng 4.4 cho thấy Prob > chi2 = 0 2926> 0.05 chấp nhận giả thuyết H0, ác bỏ giả thuyết H1, tức là mô hình REM phù hợp hơn.
Kết luận: Sau khi thực hiện các kiểm định F-test, Breusch-Pagan và Hausman để lựa chọn mô hình hồi quy phù hợp cho mô hình 1 Tác giả kết luận mô hình hồi quy REM phù hợp với mô hình 1 có biến phụ thuộc được đại diện bởi chỉ số Z- score.
Bảng 4.5 Kết quả hồi quy và lựa chọn Pooled OLS, FEM, REM mô hình 2
Lựa chọn mô hình Kiểm định Pooled OLS và FEM FEM và REM Pooled OLS và REM
Hausman test chi2(12) = 17.75 Prob > chi2 = 0.1334
Pagan test chibar2(01) = 46.85 Prob > chi2 = 0.0000
Kết luận Chọn FEM Chọn REM Chọn REM
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Sau khi tác giả phân tích hệ số tương quan để xác định mối quan hệ tương hỗ giữa các biến trong mô hình, nghiên cứu này tiếp tục đi vào phân tích hồi quy với mục đích đo lường chiều hướng và mức độ tác động của các biến độc lập Thiết lập biến phụ thuộc bằng các mô hình hồi quy: Pooled OLS, FEM, REM Từ đó, tác giả thực hiện các kiểm định để lựa chọn mô hình hồi quy phù hợp.
> Lựa chọn giữa mô hình Pooled OLS và FEM Đối với biến phụ thuộc được đại diện bởi nợ xấu (NPL) Tác giả sử dụng kiểm định F để lựa chọn đâu là mô hình phù hợp giữa mô hình Pooled OLS và FEM Với giả thuyết đặt ra là:
H0: Mô hình Pooled OLS phù hợp.
H1: Mô hình FEM phù hợp.
Bảng 4.5 đối với biến phụ thuộc được đo bằng nợ xấu (NPL) cho ta kết quả Prob
> F = 0.0255 Lựa chọn giữa mô hình Pooled OLS và REM Đối với biến phụ thuộc được đại diện bởi nợ xấu (NPL) Tác giả sử dụng kiểm định Breusch-Pagan để lựa chọn đâu là mô hình phù hợp giữa mô hình Pooled OLS và REM Với giả thuyết đặt ra là:
H0: Mô hình Pooled OLS phù hợp.
H1: Mô hình REM phù hợp.
Bảng 4.5 đối với biến phụ thuộc được đo bằng nợ xấu (NPL) cho ta kết quả Prob > chi2 = 0.0000 < 0.005 Tác giả bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là mô hình REM phù hợp.
> Lựa chọn giữa mô hình FEM và REM
Sau khi thực hiện lựa chọn giữa Pooled OLS với FEM, Pooled OLS với REM; tác giả nhận thấy FEM và REM đều phù hợp hơn so với Pooled OLS Tiếp theo, tác giả thực hiện kiểm định Hausman để lựa chọn giữa FEM và REM đâu là mô hình tối ưu cho mô hình 2 Đối với biến phụ thuộc được đo bằng nợ xấu (NPL), giả thuyết được tác giả đặt ra:
H0: Mô hình REM phù hợp.
H1: Mô hình FEM phù hợp.
Kết quả ở bảng 4.5 cho thấy Prob > chi2 = 0.1334 > 0.05 Chấp nhận giả thuyết H0, bác bỏ giả thuyết H1, tức là mô hình REM phù hợp hơn.
Kết luận: Sau khi thực hiện các kiểm định F-test, Breusch-Pagan và Hausman để lựa chọn mô hình hồi quy phù hợp cho mô hình 2 Tác giả kết luận mô hình hồi quy REM phù hợp với mô hình 2 có biến phụ thuộc được đại diện bởi nợ xấu (NPL).
KIỂM TRA ĐA CỘNG TUYẾN
Để kiểm tra xem mô hình nghiên cứu có biến độc lập hay không bằng cách kiểm định tính đa cộng tuyến trong mô hình nghiên cứu thông qua lệnh VIF trong phần mềm STATA Kết quả nghiên cứu thu được chỉ số VIF < 10 có nghĩa là không có đa cộng tuyến ở trong mô hình và ngược lại nếu kết quả nghiên cứu thu được chỉ số VIF > 10 thì cho kết quả có nghĩa là mô hình nghiên cứu có đa cộng tuyến.
Bảng 4.6 Mô hình đa cộng tuyến
Biến VIF 1/VIP VIF 1/VIP
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Kết quả kiểm định đa cộng tuyến được tác giả trình bày ở bảng 4.6, tất cả các hệ số trong 2 mô hình đại diện bởi 2 biến độc lập chỉ số Z-score và nợ xấu (NPL) đều nhỏ hơn
10 Tác giả kết luận không có hiện tượng đa cộng tuyến trong cả 2 mô hình.
KIỂM TRA HIỆN TƯƠNG PHƯƠNG SAI SAI SỐ THAY ĐỔI
4.5.1 Kiểm tra phương sai sai số thay đổi dựa trên mô hình Pooled OLS Đối với mô hình hồi quy Pooled OLS, tác giả sử dụng kiểm định BreuschPagan/ Cook-Weisberg trong cả 2 mô hình để kiểm định hiện tượng phương sai sai số thay đổi Với các giả thuyết:
H0: mô hình không có phương sai sai số thay đổi.
H1: mô hình có phương sai sai số thay đổi.
Nếu kết quả kiểm định thu được với Prob > Chi2 < 0.05 thì mô hình nghiên cứu bác bỏ H0, chấp nhận H1 tức là mô hình nghiên cứu có hiện tượng phương sai sai số thay đổi.
Bảng 4.7 Kết quả kiểm định Breusch-Pagan/ Cook-Weisberg
Kiểm định Breusch–Pagan/Cook–Weisberg về phương sai thay đổi
Mô hình 1 Biến phụ thuộc Z-score
Mô hình 2 Biến phụ thuộc NPL
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Sau khi áp dụng kiểm định Breusch-Pagan/ Cook-Weisberg được tác giả trình bày ở bảng 4.7, mô hình nghiên cứu của tác giả thu được từ 2 mô hình đại diện lần lượt bởi chỉ số Z-score và nợ xấu (NPL) cho kết quả Prob > chi2 đều bé hơn
0.05, mô hình nghiên cứu bác bỏ giả thuyết H0, chấp nhận H1 tức là kết quả của cả 2 mô hình nghiên cứu có hiện tượng phương sai sai số thay đổi.
4.5.2 Kiểm tra phương sai sai số thay đổi dựa trên mô hình FEM và REM
Sau khi kiểm định mô hình FEM và REM trên cả 2 mô hình đại diện bởi biến phụ thuộc là chỉ số Z-score và nợ xấu (NPL) tác giả đều đưa ra kết luận lựa cho mô hình REM phù hợp nhất Đối với mô hình REM, tác giả sử dụng kiểm định Breusch-Pagan LM trong cả 2 mô hình để kiểm định hiện tượng phương sai sai số thay đổi Với các giả thuyết được đặt ra:
H0: mô hình không có phương sai sai số thay đổi.
H1: mô hình có phương sai sai số thay đổi.
Nếu kết quả kiểm định thu được với Prob > Chi2 < 0.05 thì mô hình nghiên cứu bác bỏ H0, chấp nhận H1 tức là mô hình nghiên cứu có hiện tượng phương sai sai số thay đổi.
Bảng 4.8 Kết quả kiểm định Breusch-Pagan LM
Kiểm định Breusch-Pagan LM về phương sai thay đổi
Mô hình 1 Biến phụ thuộc Z-score
Mô hình 2 Biến phụ thuộc NPL
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Sau khi áp dụng kiểm định Breusch-Pagan LM ở bảng 4.8, mô hình nghiên cứu thu được từ 2 mô hình đại diện bởi chỉ số Z-score và nợ xấu (NPL) cho kết quả
Prob > chibar2 đều bé hơn 0.05, mô hình nghiên cứu bác bỏ giả thuyết H0, chấp nhận H1 tức là kết quả của cả 2 mô hình có hiện tượng phương sai sai số thay đổi.
Kết luận: Cả 2 mô hình có tồn tại hiện tượng phương sai sai số thay đổi.
KIỂM ĐỊNH HIỆN TƯỢNG TỰ TƯƠNG QUAN
Sau khi thực hiện kiểm định phương sai sai số thay đổi, tác giả tiếp tục kiểm định hiện tượng tự tương quan của 2 mô hình bằng kiểm định Wooldridge Các giả thuyết đặt ra:
H0: mô hình không có hiện tượng tự tương quan
H1: mô hình có hiện tượng tự tương quan
Nếu kết quả kiểm định thu được với Prob > Chi2 < 0.05 thì mô hình nghiên cứu bác bỏ H0, chấp nhận H1 tức là mô hình nghiên cứu có hiện tượng tự tương quan.
Bảng 4.9 Kết quả kiểm định Wooldridge
Kiểm định Wooldridge về tự tương quan trong dữ liệu bảng
H0: không có tự tương quan bậc nhất
Mô hình 1 Biến phụ thuộc Z-score
Mô hình 2 Biến phụ thuộc NPL
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Sau khi áp dụng kiểm định Wooldridge được tác giả trình bày ở bảng 4.9, mô hình nghiên cứu thu được từ 2 mô hình đại diện bởi chỉ số Z-score và nợ xấu (NPL) cho kết quả Prob> chibar2 đều bé hơn 0.05, mô hình bác bỏ giả thuyết H0, chấp nhận H1 tức là kết quả của cả 2 mô hình nghiên cứu có hiện tượng tự tương quan.
Kết luận: Mô hình 1, Mô hình 2 có hiện tượng tự tương quan.
XỬ LÝ KHUYẾT TẬT BẰNG MÔ HÌNH FGLS
Mô hình 2 Biến phụ thuộc NPL
Hệ số hồi quy Giá trị kiểm định Hệ số hồi quy Giá trị kiểm định
Nguồn: Tác giả tổng hợp từ phần mềm Stata 17
Sau khi khắc phục phương sai sai số thay đổi và hiện tượng tự tương quan của 2 mô hình bằng phương pháp FGLS được trình bày ở bảng 4.10, tác giả có một số nhận xét như sau:
ROE, CIR, TANG, GROW, LLP, CAP, GDP là các biến có ý nghĩa thống kê trong mô hình 1 Trong đó, các biến có mối tương quan âm với chỉ số Z-score FRISK, SIZE, LEV, LDR và INF không mang ý nghĩa thống kê đối với chỉ số Z- score.
FRISK, ROE, SIZE, LLP, CAP, LEV là các biến có ý nghĩa thống kê trong mô hình 1 Trong đó, các biến có mối tương quan âm với nợ xấu (NPL) CIR, TANG,GROW, LDR, GDP và INF không mang ý nghĩa thống kê đối với nợ xấu (NPL).
