BỘ GIÁO DỤC VÀ ĐÀO TẠO NGÂN HÀNG NHÀ NƯỚC VIỆT NAM TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP HỒ CHÍ MINH TP Hồ Chí Minh Năm 2022 PHẠM NGỌC QUỐC CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU TẠI CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM[.]
GIỚI THIỆU ĐỀ TÀI
LÝ DO CHỌN ĐỀ TÀI
Hệ thống trung gian tài chính nói chung và ngân hàng thương mại nói riêng đóng vai trò rất quan trọng đối với sự phát triển của nền kinh tế thị trường, là cầu nối giữa các chủ thể trong nền kinh tế, làm cho các chủ thể gắn bó, phụ thuộc lẫn nhau, tăng sự liên kết và năng động của toàn bộ hệ thống Do đó, sự ổn định và phát triển của ngành ngân hàng được xem là nhân tố then chốt đối với sự phát triển của nền kinh tế Theo Kwambai và Wandera (2013), các NHTM đóng vai trò quan trọng ở các khu vực kinh tế phát triển, chính là cầu nối cho vốn được luân chuyển từ nơi thừa vốn đến nơi thiếu vốn Thặng dư được chuyển sang thâm hụt thông qua quá trình cho vay, giúp phân bổ vốn giữa người gửi tiền và người đi vay Nói cách khác, hoạt động cho vay nói riêng và cấp tín dụng nói chung vô cùng quan trọng và cần thiết đối với các NHTM Tuy nhiên, gắn liền với hoạt động cho vay là các rủi ro mà không một ngân hàng hoặc một nền kinh tế nào có thể tránh khỏi đó chính là nợ xấu.
Kể từ những năm 2008, năm bắt đầu của khủng hoảng tài chính thế giới, tỷ lệ nợ xấu đã tăng lên đáng kể Từ đó, chủ đề nợ xấu luôn thu hút được nhiều sự chú ý không chỉ đối với ngành ngân hàng mà còn cả các quốc gia trên thế giới Đối với hệ thống ngân hàng, hoạt động cho vay kém hiệu quả dẫn đến rủi ro tín dụng Đây được xem là rủi ro nghiêm trọng nhất khi mà các khoản nợ xấu cao có thể dẫn đến sụt giảm lợi nhuận và giảm hiệu quả hoạt động của một ngân hàng trong dài hạn Tỷ lệ nợ xấu cao sẽ ảnh hưởng đến nguồn lực, khiến cho các ngân hàng sử dụng vốn kém hiệu quả kèm theo đó là các vấn đề về khả năng thanh toán cho các khoản thanh toán của ngân hàng Nợ xấu còn ảnh hưởng đáng kể đến các chức năng của ngân hàng thông qua sự suy yếu tài sản ngân hàng và sự suy giảm trong thu nhập khi các khoản nợ không thu hồi được ngày càng lớn. Ahmed và các cộng sự, (2006) cho rằng, mức độ nợ xấu cao trong hệ thống ngân hàng có thể cho thấy tồn tại rủi ro hệ thống, từ đó có thể ảnh hưởng đến lượng tiền gửi và hạn chế hoạt động của các trung gian tài chính, kết quả là sẽ có tác động tiêu cực đến sự tăng trưởng đầu tư và kinh tế Đặc biệt, nếu tình trạng nợ xấu không được cải thiện, sẽ khiến các ngân hàng thương mại bị mất uy tín trong hoạt động kinh doanh tín dụng của mình hay trong trường
2 hợp xấu nhất là dẫn đến phá sản Đối với thị trường mới nổi và các nền kinh tế phát triển, nợ xấu là một trong những nguyên nhân chính gây bất lợi đến sự ổn định và tăng trưởng vĩ mô thậm chí có thể đến khủng hoảng tài chính.
Trong năm 2019 tại Việt Nam, tỷ lệ nợ xấu nội bảng của toàn hệ thống ở mức 1,89%, hoàn thành mục tiêu dưới 2% mà Chính phủ đặt ra Sang năm 2020, nợ xấu lại có xu hướng tiếp tục tăng trên 2% và tổng nợ xấu của các NHTM đã tăng khoảng 30% sau chín tháng năm 2020, nguyên nhân là do nền kinh tế bị ảnh hưởng bởi đại dịch Covid-19.
Do ảnh hưởng của dịch bệnh Covid-19, thu nhập của doanh nghiệp và người dân bị giảm sút, tác động tiêu cực đến năng lực trả nợ của doanh nghiệp và người vay vốn nên tình trạng nợ xấu phát sinh là khó tránh khỏi Mặc dù, công tác cơ cấu lại hệ thống các TCTD gắn với xử lý nợ xấu trong thời gian đại dịch Covid-19 đã đạt được kết quả đáng khích lệ, tuy nhiên vẫn còn tồn tại những khó khăn, vướng mắc trong quá trình xử lý nợ xấu Hiện nay, kiểm soát và xử lý nợ xấu là một vấn đề trọng tâm của hệ thống ngân hàng để tạo nền tảng tài chính cho các ngân hàng dần phục hồi ổn định thì việc xem xét và phân tích các nhân tố ảnh hưởng đến nợ xấu trở thành nhiệm vụ quan trọng và cấp thiết Xuất phát từ thực tiễn nêu trên, bài nghiên cứu này phân tích “ Các nhân tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam ” với kỳ vọng từ kết quả nghiên cứu, tác giả đề xuất một số ý kiến nhằm cải thiện tỷ lệ nợ xấu của các NHTM giai đoạn 2012-2020 Cần nêu lý do chọn đề tài xuất phát từ thực trạng nợ xấu tại VCB CNTB
MỤC TIÊU NGHIÊN CỨU
Xác định các nhân tố ảnh hưởng và mức độ ảnh hưởng đến nợ xấu tại các ngân hàng thương mại Việt Nam, từ đó đề xuất các khuyến nghị nhằm cải thiện và hạn chế tỷ lệ nợ xấu của các NHTM tại Việt Nam.
Từ mục tiêu nghiên cứu tổng quát, tác giả xác định các mục tiêu cụ thể như sau:
Thứ nhất, xác định những nhân tố vĩ mô và nhân tố nội tại ảnh hưởng đến nợ xấu tại các NHTM.
Thứ hai, mức độ ảnh hưởng của những nhân tố vĩ mô và nhân tố nội tại đến nợ xấu tại các NHTM Việt Nam.
Thứ ba, đề xuất những khuyến nghị để hạn chế nợ xấu tại các NHTM Việt Nam.
CÂU HỎI NGHIÊN CỨU
Với những mục tiêu cụ thể đã đặt ra, nghiên cứu hướng đến trả lời những câu hỏi sau đây:
Thứ nhất, các nhân tố vĩ mô và nhân tố nội tại nào ảnh hưởng đến nợ xấu tại các
Thứ hai, mức độ ảnh hưởng của các nhân tố vĩ mô và nhân tố nội tại đến nợ xấu
NHTM Việt Nam như thế nào?
Thứ ba, những kiến nghị nào giúp hạn chế nợ xấu tại NHTM Việt Nam?
ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
Bài viết nghiên cứu các nhân tố ảnh hưởng đến nợ xấu của các NHTM Việt Nam.Mẫu nghiên cứu bao gồm 22 NHTM tiêu biểu tại Việt Nam trong thời gian từ năm 2012 đến năm 2020.
PHƯƠNG PHÁP VÀ DỮ LIỆU NGHIÊN CỨU
Với mục tiêu nghiên cứu là xác định các nhân tố ảnh hưởng và mức độ ảnh hưởng đến nợ xấu tại các NHTM Việt Nam, tác giả thu thập số liệu của 22 NHTM từ các báo cáo tài chính (bảng cân đối kế toán, bảng kết quả hoạt động kinh doanh và thuyết minh báo cáo tài chính) đã qua kiểm toán được công bố chính thức trên website của các NHTM từ năm 2012 đến năm 2020.
Luận văn sử dụng phương pháp nghiên cứu thực nghiệm trên cơ sở tìm hiểu các công trình nghiên cứu trước đây ở trong và ngoài nước để tìm ra mô hình nghiên cứu phù hợp với đặc trưng của các NHTM tại Việt Nam Dựa trên mô hình nghiên cứu đề xuất, lựa chọn các biến độc lập, biến phụ thuộc và đưa ra các giả thuyết Để ước lượng mô hình nghiên cứu tác giả lần lượt sử dụng hai mô hình Panel data để xem xét các nhân tố quyết định đến các khoản nợ xấu và phương pháp hồi quy GMM Bên cạnh đó, sử dụng các kiểm định để lựa chọn mô hình phù hợp Kết quả thực nghiệm từ mô hình hồi quy sẽ được sử dụng làm cơ sở để chấp nhận hay bác bỏ giả thuyết nghiên cứu Cuối cùng, ứng dụng kết quả của mô hình hồi quy ở chương 4 luận văn sẽ đề xuất một số khuyến nghị cho công tác kiểm soát, hạn chế nợ xấu tại các NHTM Việt Nam.
Ý NGHĨA CỦA ĐỀ TÀI
Bài nghiên cứu được thực hiện để nhận diện và đánh giá các nhân tố cũng như mức độ tác động của các nhân tố vĩ mô và vi mô đến nợ xấu tại các NHTM Việt Nam.Việc nhận diện các nhân tố này là vấn đề cấp thiết, từ đó Chính phủ, NHNN và các cơ quan có liên quan sẽ có hướng giải quyết kịp thời và hiệu quả nhằm góp phần ổn định sự phát triển và tăng trưởng kinh tế, thông qua sự ổn định, phát triển lành mạnh của hệ thống ngân hàng.
Qua kết quả của bài nghiên cứu giúp các NHTM có thể phân tích, xác định được các nhân tố tác động đến nợ xấu và giải thích các chiều hướng tác động của nhân tố có ảnh hưởng đến nợ xấu Dựa trên những cơ sở đó, các nhà quản trị ngân hàng có thể xem xét tác động của các biến đặc thù ngân hàng như là các chỉ số cảnh báo sớm Kết quả này cũng giúp ích cho các nhà hoạch định chính sách trong việc thiết kế các chính sách tài khóa và vĩ mô an toàn.
BỐ CỤC DỰ KIẾN CỦA LUẬN VĂN
Ngoài lời mở đầu, kết luận, mục lục và danh mục tài liệu tham khảo, luận văn gồm
Giới thiệu đề tài nghiên cứu, tính cấp thiết của đề tài, mục tiêu tổng quát và mục tiêu cụ thể của đề tài, đưa ra các câu hỏi nghiên cứu, xác định đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu và bố cục của luận văn
Chương 2: Lý thuyết và các nghiên cứu thực nghiệm về nợ xấu của NHTM
Trình bày lý thuyết về nợ xấu và tiêu chí phân loại nợ xấu tại Việt Nam và trên thế giới Tóm lược các nhân tố tác động đến nợ xấu theo lý thuyết và lược khảo các công trình nghiên cứu thực nghiệm trên thế giới và tại Việt Nam về các nhân tố ảnh hưởng đến nợ xấu tại NHTM.
Chương 3: Phương pháp nghiên cứu
Dựa trên các nghiên cứu thực nghiệm, đưa ra mô hình nghiên cứu và đề xuất các giả thuyết cũng như tác động của các biến đến nợ xấu của các NHTM Việt Nam.
Chương 4: Kết quả nghiên cứu
Thống kê mô tả các biến trong mô hình, phân tích tương quan mô hình nghiên cứu,
5 kiểm định các giả thiết hồi quy mô hình nghiên cứu, tiến hành các kiểm định để lựa chọn mô hình phù hợp Thảo luận kết quả nghiên cứu Từ mô hình xác định nhân tố nào thực sự tác động đến nợ xấu và mức độ tác động.
Chương 5: Kết luận và khuyến nghị
Dựa trên kết quả nghiên cứu, đưa ra một số khuyến nghị nhằm giảm nợ xấu tại các NHTM và đề xuất hướng nghiên cứu tiếp theo.
Trong chương 1 tác giả đã tiến hành trình bày lý do chọn đề tài, từ đó, xác định mục tiêu và câu hỏi nghiên cứu Để giải quyết được mục tiêu và trả lời được các câu hỏi nghiên cứu thì tác giả đã trình bày phương pháp và phạm vi nghiên cứu Đồng thời,nêu ra đóng góp của đề tài này và kết cấu của luận văn.
CƠ SỞ LÝ THUYẾT VÀ TÌNH HÌNH NGHIÊN CỨU
NỢ XẤU VÀ LÝ THUYẾT VỀ NGUYÊN NHÂN GÂY RA NỢ XẤU 7 1 Khái niệm nợ xấu
Có rất nhiều góc nhìn và quan điểm khác nhau về khái niệm nợ xấu nó tùy thuộc vào cách tiếp cận cũng như quan điểm của những người nghiên cứu Thuật ngữ “nợ xấu” trong tiếng Anh ngoài từ “Non –performing loan” có thể được thay thế bằng các thuật ngữ khác như “Bad debt” hay “Doubtful debt” (Fofack, 2005) Nợ xấu chỉ các khoản vay quá hạn trên 90 ngày không thu hồi được gốc và lãi (Rose, 2009; Miskin,
2010) Nhìn chung, khái niệm nợ xấu không hoàn toàn đồng nhất ở các quốc gia khác nhau Sau đây là một số khái niệm về nợ xấu được tham khảo phổ biến như sau:
Theo AEG (2014), “Về cơ bản một khoản nợ được coi là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày; hoặc các khoản lãi suất chưa trả từ 90 ngày trở lên đã được nhập gốc, tái cấp vốn hoặc chậm trả theo thoả thuận; hoặc các khoản phải thanh toán đã thanh toán dưới 90 ngày nhưng có những lý do để nghi ngờ rằng các khoản thanh toán sẽ được thực hiện đầy đủ” Cùng quan điểm với AEG, nhận định của Quỹ tiền tệ quốc tế (IMF-International Monetary Fund) được đưa ra như sau: “Một khoản cho vay được coi là không sinh lời (nợ xấu) khi tiền thanh toán lãi và/hoặc tiền gốc đã quá hạn 90 ngày trở lên, hoặc các khoản thanh toán lãi đến 90 ngày hoặc hơn đã được tái cơ cấu hay gia hạn nợ, hoặc các khoản thanh toán dưới 90 ngày nhưng có các nguyên nhân nghi ngờ việc trả nợ sẽ không được thực hiện đầy đủ” (IMF's Complication Guide on Financial Soundness Indicators, 2004) Nói cách khác, để các định nợ xấu liên quan đến 2 nhân tố: (i) Quá hạn trên 90 ngày và (ii) Nghi ngờ khả năng trả nợ.
Trong khi đó, định nghĩa về nợ xấu vẫn chưa được Ủy ban Basel về Giám sát ngân hàng (BCBS) xác định một cách cụ thể Ủy ban Basel xác định khoản nợ bị coi là không có khả năng hoàn trả khi một trong hai điều kiện sau xảy ra: (i) ngân hàng thấy người vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện bất cứ động thái gì để thu hồi nợ ví dụ như xử lý tài sản đảm bảo; (ii) người vay đã quá hạn trả nợ quá 90 ngày Và BCBS đặc biệt nhấn mạnh đến khái niệm “mất mát có thể xảy ra trong tương lai” (expected loss) khi đánh giá một khoản vay.
Tại Việt Nam, nợ xấu được hiểu là những khoản nợ đang tồn tại trên danh mục tín dụng của ngân hàng có chất lượng dưới chuẩn (under standard) trong hệ thống phân hạng nợ của ngân hàng Định nghĩa nợ xấu theo tiêu chuẩn của Việt Nam được NHNN quy định tại Thông tư số 11/2021/TT-NHNN ban hành ngày 30/7/2021 của Ngân hàng Nhà nước thì nợ xấu là nợ thuộc các nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn) Trong đó, tiêu chí đánh giá nợ xấu được quy định trong Thông tư này cũng chủ yếu dựa vào thời gian quá hạn trả nợ trên
90 ngày và khả năng trả nợ của khách hàng Tỷ lệ nợ xấu/tỷ lệ nợ quá hạn trên 90 ngày = dư nợ quá hạn trên 90 ngày/tổng dư nợ cho vay*100%.
Tóm lại, theo các khái niệm trên thì nợ xấu được xác định theo 2 nhân tố chính: (i) nợ quá thời hạn thanh toán cả gốc, lãi từ 90 ngày trở lên và (ii) sự nghi ngờ về khả năng trả nợ của người đi vay Bài viết cũng sử dụng tỷ lệ nợ xấu trên tổng dư nợ trong các báo cáo chính thức theo tiêu chuẩn kế toán Việt Nam của các NHTM trong việc thực hiện nghiên cứu định lượng.
Phân loại nợ là việc phân chia các khoản nợ trong danh mục cho vay của TCTD vào các nhóm khác nhau tương ứng với mức độ rủi ro của khoản nợ đó đối với TCTD. Hiện nay việc phân loại nợ vẫn chưa có tiêu chuẩn kế toán quốc tế thống nhất (Laurin và cộng sự,2002) Việc tiếp cận phân loại nợ được chịu trách nhiệm bởi người quản lý hoặc chỉ là vấn đề báo cáo giám sát Dựa trên các tiêu chí về mức độ rủi ro và điểm tương đồng các khoản vay, ngân hàng tiến hành xem xét và đánh giá các khoản vay để sắp xếp vào những nhóm tương ứng Phân loại nợ cần được thực hiện thường xuyên và liên tục vì việc này có thể giúp cho ngân hàng kiểm soát chất lượng danh mục cho vay và trong trường hợp xấu nhất sẽ có biện pháp ngăn ngừa xử lý kịp thời các vấn đề phát sinh trong chất lượng tín dụng của các danh mục cho vay giúp cho quá trình hoạt động kinh doanh của ngân hàng được diễn ra ổn định.
Trong các nước G10 gồm Bỉ, Canada, Pháp, Ý, Nhật, Hà Lan, Anh, Mỹ, Đức, Thụy Điển và Thụy Sĩ, Mỹ và bao gồm cả Đức đã sử dụng cách tiếp cận phân loại nợ rõ ràng Ở một số quốc gia không có cơ chế quản lý chi tiết, các nhà quản lý ngân hàng thường có trách nhiệm phát triển các quy định và quy trình phân loại nợ nội bộ. Theo quy định của NHNN Việt Nam, nợ của các TCTD được chia thành 5 nhóm theo chất lượng như sau:
Nhóm 1 - Nợ đủ tiêu chuẩn là các khoản nợ được tổ chức tín dụng, chi nhánh ngân hàng nước ngoài đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn Các cam kết ngoại bảng được tổ chức tín dụng, chi nhánh ngân hàng nước ngoài đánh giá là khách hàng có khả năng thực hiện đầy đủ nghĩa vụ theo cam kết
Nhóm 2 - Nợ cần chú ý là các khoản nợ được tổ chức tín dụng, chi nhánh ngân hàng nước ngoài đánh giá là có khả năng thu hồi đầy đủ cả nợ gốc và lãi nhưng có dấu hiệu khách hàng suy giảm khả năng trả nợ Các cam kết ngoại bảng được tổ chức tín dụng, chi nhánh ngân hàng nước ngoài đánh giá là khách hàng có khả năng thực hiện nghĩa vụ theo cam kết nhưng có dấu hiệu suy giảm khả năng thực hiện cam kết
Nhóm 3 -Nợ dưới tiêu chuẩn Là nợ có khả năng tổn thất một phần gốc và lãi, gốc và/hoặc lãi đã quá hạn trên 90 ngày, hoặc tài sản đảm bảo của khoản nợ đó bị giảm giá trị dẫn đến mất mát nếu không có biện pháp xử lý kịp thời.
Nhóm 4 - Nợ nghi ngờ Là nợ có khả năng tổn thất cao được xác định là không thể thu hồi được gốc và/hoặc lãi đã quá hạn trên 180 ngày.
Nhóm 5 - Nợ không có khả năng thu hồi Các khoản nợ được cho là mất vốn khi gốc và/hoặc lãi đã quá hạn trên 1 năm.
Trong đó, các khoản nợ xấu bao gồm nợ từ nhóm 3 trở xuống.
2.1.3 Lý thuyết về nguyên nhân gây ra nợ xấu
2.1.3.1 Lý thuyết thông tin bất cân xứng (Asymmetric Information)
Lý thuyết thông tin bất cân xứng lần đầu tiên được đề cập bởi George Akerlof vào năm 1970 Theo đó, thông tin bất cân xứng xảy ra khi các thành phần của thị trường không có sự cân bằng trong việc nắm giữ thông tin giữa các bên tham gia giao dịch Dẫn đến một bên tham gia giao dịch sẽ chiếm được lợi thế do có nhiều thông tin hơn các bên còn lại Khi đó, giá cả không phải là giá cân bằng của thị trường mà có thể quá thấp hoặc quá cao Bất cân xứng thông tin sẽ dẫn đến hai hệ quả phổ biến nhất, đó là rủi ro ngược hay còn gọi là sự lựa chọn đối nghịch (adverse selection) và rủi ro đạo đức (moral hazard).
Lựa chọn nghịch là hành động xảy ra trước khi tiến hành giao dịch của bên có nhiều thông tin, biết rõ hơn một hay một vài tính chất của sản phẩm mà đối tượng kia không biết dẫn đến có thể gây tổn hại hoặc rủi ro cho bên có ít thông tin hơn.
NHÂN TỐ TÁC ĐỘNG ĐẾN NỢ XẤU
Những nhân tố ảnh hưởng đến nợ xấu có thể xuất phát từ 2 nhóm chính: nhóm nhân tố nội bộ thuộc các NHTM (nhân tố vi mô) và nhóm các biến số kinh tế vĩ mô (nhân tố vĩ mô).
2.2.1.1 Tỷ lệ vốn chủ sở hữu trên tổng tài sản
Các nghiên cứu trước đây cung cấp bằng chứng cho thấy, tồn tại mối tương quan ngược chiều giữa mức độ vốn hóa và nợ xấu của các ngân hàng (Berger và DeYoung,1997; Salas và Saurina, 2002) Theo giả thuyết “Rủi ro đạo đức” (Moral Hazard), Keeton và Morris (1987) cho rằng, những ngân hàng có vốn thấp và khả năng thanh toán thấp thường mạo hiểm hơn nên sẽ đầu tư nhiều vào tài sản rủi ro, các khoản tín dụng mang lại nhiều lợi nhuận hơn điều này dẫn đến nợ xấu gia tăng bởi vì nếu rủi ro xảy ra thì chủ nợ là người gánh chịu nhiều tổn thất nhất Và hậu quả là các khách hàng đi vay phải trả nhiều hơn chi phí lãi vay khi các nhà quản lý tăng huy động với mức lãi suất cao với hy vọng cải thiện khả năng thanh khoản, đồng nghĩa với việc ngân hàng sẽ phải đối mặt với nhiều rủi ro và tổn thất hơn khi khách hàng mất khả năng trả nợ Điều này cũng được thể hiện trong bài nghiên cứu của Nir Klein (2013) khi chỉ ra rằng các ngân hàng có tỷ lệ vốn chủ sở hữu trên tài sản thấp thì dẫn đến tỷ lệ nợ xấu trầm trọng hơn trong tương lai.
Theo giả thuyết “Quá lớn để phá sản” (too big to fail) của Boyd và Gertler
(1994) cho rằng nhân tố quy mô ngân hàng và nợ xấu có mối quan hệ tương quan với nhau Giả thuyết này cho rằng những ngân hàng lớn chấp nhận mạo hiểm và rủi ro quá mức bằng cách tăng sử dụng vốn cho vay của mình với chất lượng khách hàng thấp dẫn đến nợ xấu gia tăng, bởi vì nhiều người mong đợi Chính phủ sẽ bảo vệ trong trường hợp ngân hàng phá sản (Stern & Feldman, 2004) Ngược lại với giả thuyết
“Quá lớn để phá sản”, giả thuyết “hiệu ứng quy mô” (size effect), Salas và Saurina
(2002) cho rằng các ngân hàng có quy mô lớn cho phép cơ hội đa dạng hóa nhiều hơn.
Cụ thể, ngân hàng có quy mô lớn sẽ có nhiều nguồn lực và kinh nghiệm hơn trong công tác xử lý và phân tích đánh giá chất lượng tín dụng của người đi vay Từ đó, tạo điều kiện cho nhà quản trị các ngân hàng tham gia vào các thị trường đầu tư để cải thiện quy trình tín dụng, làm gia tăng lợi nhuận giảm thiểu nợ xấu Tóm lại, giả thuyết này cho rằng tồn tại mối quan hệ tương quan ngược chiều giữa quy mô ngân hàng và nợ xấu của các ngân hàng thông qua việc đa dạng hóa danh mục cho vay.
2.2.1.3 Tỷ lệ nợ xấu kỳ trước
Các nhà nghiên cứu trước đây đã đưa ra các bằng chứng về mối quan hệ cùng chiều giữa nợ xấu hiện tại và tỷ lệ nợ xấu trong quá khứ (Salas và Saurina, 2002; Klein, 2013; Makri và cộng sự, 2014; Nguyễn Kim Quốc Trung, 2019) Nợ xấu phát sinh đáng kể từ sự yếu kém trong quá trình thu hồi nợ, nguồn dự phòng không cân xứng với khoản nợ xấu chưa giải quyết tạo nên gánh nặng phải xử lý cho các khoản nợ trong tương lai Bên cạnh đó, nợ xấu cao trong quá khứ thể hiện sự yếu kém trong hoạt động quản trị rủi ro trong cho vay của ngân hàng, sự thiếu hụt trong công tác thẩm định tài sản đảm bảo và khâu giám giám khách hàng vay nợ khiến nợ xấu ngày một tồn đọng và không được giải quyết triệt để, kéo theo tiềm tàng khả năng nợ xấu trong tương lai tăng lên.
2.2.1.4 Tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu (ROE)
Khi lợi nhuận của các ngân hàng gia tăng, xác suất mà các nhà quản trị ngân hàng tham gia vào các dự án đầu tư rủi ro sẽ giảm đi và do đó xác suất mà các khoản vay của ngân hàng chuyển sang nợ xấu cũng sẽ giảm tương ứng Theo Hu và các cộng sự (2004), các ngân hàng càng có lợi nhuận cao sẽ ít có động cơ tham gia vào các hoạt động rủi ro đầu tư mạo hiểm bởi vì các ngân hàng này ít bị áp lực bởi việc tạo ra lợi nhuận Đồng thời các ngân hàng có lợi nhuận càng cao thì sẽ có cơ hội để lựa chọn ra các khách hàng có khả năng tài chính tốt và rủi ro thấp Đồng quan điểm trên, Keeton và Morris (1987) cũng cho rằng một ngân hàng có khả năng sinh lời cao sẽ có ít động cơ tham gia vào các khoản đầu tư tín dụng nhiều rủi ro, trong khi những ngân hàng hoạt động kém hiệu quả sẽ tìm cách cải thiện tình hình kết quả hoạt động bằng việc cấp các khoản tín dụng không đạt chuẩn dẫn đến nguy cơ gia tăng nợ xấu Do đó, tỷ lệ lợi nhuận sau thuế trên vốn chủ sở hữu cao là dấu hiệu tích cực trong hoạt động kinh doanh của ngân hàng góp phần cải thiện tình trạng nợ xấu.
2.2.1.5 Tốc độ tăng trưởng tín dụng
Nhiều nghiên cứu thực nghiệm đã chỉ ra rằng tăng trưởng tín dụng quá mức được xem là nhân tố chủ yếu tạo ra nợ xấu của các ngân hàng (Keeton, 1999; Salas và Saurina, 2002) Sự cạnh tranh trong thị phần cho vay khiến các NHTM sẵn sàng cho vay nhiều hơn bằng cách giảm các yêu cầu về tiêu chuẩn tín dụng Điều này khiến các NHTM sẵn sàng kỳ vọng suất sinh lời thấp hơn và dễ dàng cho các đối tượng có rủi ro cao về khả năng tài chính vay tiền Như vậy, khi NHTM quyết định tăng trưởng tín dụng bằng cách nới lỏng các điều kiện cho vay thì việc tăng trưởng tín dụng sẽ làm suy giảm chất lượng tín dụng trong tương lai và kéo theo khủng hoảng kinh tế bởi vì các ngân hàng có nguy cơ gặp phải những khoản vay kém chất lượng dẫn đến nợ xấu trong tương lai.
Bên cạnh các nhân tố nội tại có ảnh hưởng đến nợ xấu các nhà nghiên cứu còn cho rằng nợ xấu và khủng hoảng ngân hàng xảy ra còn do môi trường kinh tế vĩ mô tác động như lạm phát và tăng trưởng GDP.
Trong thực tế, nợ xấu và lạm phát có tương quan với nhau nhưng mối quan hệ giữa hay biến này vẫn chưa rõ ràng Lạm phát sẽ có ảnh hưởng đáng kể đến khả năng thanh toán lãi vay và trả nợ của các khách hàng vay của ngân hàng thông qua nhiều kênh khác nhau, và do đó tác động của lạm phát đến nợ xấu có thể là cùng chiều hoặc ngược chiều (Fofack, 2005; Nkusu, 2011) Một mặt, lạm phát cao có thể cải thiện năng lực trả nợ của khách hàng bằng cách giảm giá trị thực của khoản vay chưa thanh toán và các khoản vay có lãi suất cố định Nhưng mặt khác, nó cũng có thể ảnh hưởng đến khả năng trả nợ của người đi vay khi làm giảm thu nhập thực và lợi nhuận thấp hơn kỳ vọng kéo theo tình trạng kinh doanh thua lỗ của các khách hàng Hơn thế nữa, khi lãi suất cho vay là thả nổi, thì lạm phát sẽ làm giảm năng lực trả nợ của khách hàng khi các ngân hàng điều chỉnh lãi suất cho vay nhằm duy trì lãi suất thực áp dụng cho các khách hàng, kết quả là sẽ làm gia tăng tỷ lệ nợ xấu của các ngân hàng (Nkusu, 2011; Nir Klein, 2013) Bên cạnh đó, tỷ lệ lạm phát tăng cao khiến hoạt động kinh doanh của nền kinh tế rơi vào trì trệ bởi vì NHNN phải thắt chặt tiền tệ để giảm lượng tiền trong lưu thông, không đáp ứng được nhu cầu vay vốn của doanh nghiệp dẫn đến doanh thu âm gây cản trở khả năng hoàn vốn và lãi các khoản vay.
Các bằng chứng thực nghiệm từ các nghiên cứu trước đều chỉ ra kết quả ngược chiều giữa tốc độ tăng trưởng kinh tế và mức độ nợ xấu của các NHTM (Salas và Suarina, 2002; Rajan và Dhal, 2003; Fofack, 2005; và Jimenez và Saurina, 2005) Các nghiên cứu giải thích rằng là tăng trưởng GDP thực tế cao hơn thường tạo ra thu nhập nhiều hơn nâng cao năng lực trả nợ của khách hàng vay Ngược lại, khi có sự chậm lại trong nền kinh tế mức nợ xấu có khả năng tăng lên khi thất nghiệp gia tăng và người đi vay phải đối mặt khó khăn hơn để trả nợ Ở giai đoạn kinh tế tăng trưởng, GDP tăng đồng nghĩa với thu nhập của các cá nhân lẫn tổ chức trong nền kinh tế cũng gia tăng,kết quả là sẽ cải thiện khả năng thanh toán lãi vay và nợ của người đi vay, và do đó sẽ làm giảm tỷ lệ nợ xấu của các ngân hàng Ngược lại, khi nền kinh tế rơi vào trì trệ, các hoạt động kinh tế nhìn chung sẽ suy giảm, lượng tiền mặt được nắm giữ bởi các tổ chức kinh doanh hoặc các hộ gia đình cũng sẽ suy giảm theo Những nhân tố này sẽ làm giảm khả năng trả nợ của người đi vay, và dẫn đến gia tăng xác suất các khoản vay của ngân hàng thành các khoản nợ xấu.
CÁC NGHIÊN CỨU THỰC NGHIỆM VỀ NỢ XẤU
Sau đây, tác giả thống kê một số nghiên cứu thực nghiệm ở các quốc gia trên thế giới và Việt Nam về mối liên hệ giữa các nhân tố với nợ xấu Từ đó, xem xét việc áp dụng các nhân tố này trong nghiên cứu.
2.3.1 Các nghiên cứu ở nước ngoài
Salas và Suarina (2002) nghiên cứu thu thập dữ liệu bảng động để so sánh mức độ tác động của các nhân tố vi mô và vĩ mô tới nợ xấu các ngân hàng thương mại và Quỹ tiết kiệm Tây Ban Nha trong giai đoạn 1985 –1987 Kết quả chỉ ra rằng sự tác động của các nhân tố giữa hai chủ thể là khác nhau Đối với ngân hàng thương mại, nợ xấu có mối quan hệ ngược chiều với tăng trưởng kinh tế và quy mô tài sản ngân hàng Ngược lại, tăng trưởng tín dụng có tác động cùng chiều và là nhân tố quan trọng giúp các nhà quản trị dự đoán được sự bất ổn trong vấn đề thanh khoản và xây dựng các chính sách ngăn ngừa nợ xấu gia tăng Phù hợp với giả thuyết đã đưa ra khi nợ xấu trong quá khứ cao do khả năng quản trị rủi ro trong cho vay của ngân hàng kém dẫn đến nợ xấu trong hiện tại tăng cao.
Louzis và cộng sự (2012) phân tích dữ liệu bảng bằng phương pháp GMM từ dữ liệu của hệ thống ngân hàng Hy lạp từ quý 1 năm 2003 đến quý 3 năm 2009 với các nhân tố nợ công, các biến vĩ mô (bao gồm tốc độ tăng trưởng GDP, tỷ lệ thất nghiệp, lạm phát) và các biến nội tại ngân hàng (bao gồm tỷ lệ nợ xấu quá khứ, quy mô ngân hàng, tỷ lệ thu nhập trên vốn chủ sở hữu) Tác giả đã đưa ra kết luận rằng các biến nhân tố vĩ mô: GDP, tỷ lệ lạm phát và lãi suất cho vay có tác động mạnh đến nợ xấu. Với các biến quan sát thuộc đặc thù ngân hàng, chất lượng quản lý kém có tác động cùng chiều đến nợ xấu, trong khi các biến thuộc giả thuyết rủi ro đạo đức có tác động ngược chiều đến nợ xấu.
Nir Klein (2013) thông qua sử dụng mô hình dữ liệu bảng và 03 phương pháp
Fixed Effects, Difference GMM và System GMM để xử lý dữ liệu bảng của 10 ngân hàng lớn nhất (thương mại, tiết kiệm, hợp tác, bất động sản và thế chấp) từ 16 quốc gia để nghiên cứu các nhân tố tác động đến nợ xấu tại khu vực Trung, Đông và Đông Nam châu Âu trong khoảng thời gian từ 1998 đến 2011 Kết quả khẳng định mức nợ xấu có xu hướng gia tăng khi thất nghiệp tăng cao, tỷ giá hối đoái mất giá, lạm phát cao.Ngoài các nhân tố tác động cụ thể của từng quốc gia, các nhân tố như tốc độ tăng trưởng GDP khu vực đồng Euro và chỉ số cổ phiếu 500 của Standard & Poor có tác động trực tiếp đến chất lượng tài sản của ngân hàng Đối với các biến vi mô như ROE, vốn chủ sở hữu trên tổng tài sản có tác động ngược chiều đến nợ xấu Trong khi vốn chủ sở hữu thấp, tốc độ tăng trưởng tín dụng và tỷ lệ dư nợ trên tổng tài sản giảm có xu hướng làm trầm trọng thêm nợ xấu.
Messai và Jouini (2013) nghiên cứu về các nhân tố vi mô và vĩ mô tác động đến nợ xấu của 85 ngân hàng ở ba quốc gia (Ý, Hy Lạp và Tây Ban Nha) trong giai đoạn 2004-2008 Ba quốc gia được đề cập đang đối mặt với vấn đề tài chính sau cuộc khủng hoảng tài chính trong năm 2008 và tỷ lệ nợ xấu tại ba quốc gia này rất cao do khủng hoảng về bất động sản Các biến vĩ mô được dùng bao gồm tỷ lệ tăng trưởng GDP, tỷ lệ thất nghiệp và lãi suất thực; các biến vi mô bao gồm tốc độ tăng trưởng tín dụng, dự phòng rủi ro tín dụng và suất sinh lời trên tổng tài sản (ROA) Sau khi áp dụng phương pháp hồi quy dữ liệu bảng, nghiên cứu đã chỉ ra rằng tốc độ tăng trưởng GDP, suất sinh lời trên tổng tài sản (ROA), khoản dự phòng rủi ro mất vốn và lãi suất thực có tác động ngược chiều đến nợ xấu, các biến còn lại tác động cùng chiều và đều có ý nghĩa thống kê Bài nghiên cứu cũng gặp một vài hạn chế khi chỉ sử dụng dữ liệu bảng tĩnh và chỉ phân tích tác động của các nhân tố đến nợ xấu mà chưa phân tích sâu đến tác động của các nhân tố đến từng phân loại nợ.
Amit Ghosh (2015) nghiên cứu xem xét các nhân tố quyết định kinh tế cấp tiểu bang đối với các khoản nợ xấu đối với tất cả các NHTM và tổ chức tiết kiệm trên 50 tiểu bang Hoa Kỳ và Quận Columbia trong giai đoạn 1984 đến 2013 Sử dụng phương pháp FEM và D-GMM nghiên cứu thấy rằng, quy mô ngân hàng càng lớn, rủi ro thanh khoản, chất lượng tín dụng kém, chi phí kém hiệu quả cũng làm tăng tỷ lệ nợ xấu đáng kể, trong khi lợi nhuận ngân hàng lớn hơn làm giảm nợ xấu Hơn nữa, tỷ lệ tăng trưởng kinh tế và tỷ lệ tăng trưởng thu nhập cá nhân thực tế cao làm giảm nợ xấu, trong khi lạm phát và tỷ lệ thất nghiệp có tác động cùng chiều với nợ xấu.
2.3.2 Các nghiên cứu trong nước
Nghiên cứu của Nguyễn Thị Hồng Vinh (2015) về các nhân tố tác động đến nợ xấu của 22 ngân hàng thương mại Việt Nam trong giai đoạn 2007 – 2014 Nghiên cứu sử dụng Ba mô hình ước lượng dữ liệu bảng là hiệu ứng cố định FE, phương phápMômen tổng quát GMM dạng sai phân và GMM dạng hệ thống được sử dụng để kiểm định ảnh hưởng của các nhân tố đến nợ xấu NHTMVN Kết quả nghiên cứu cho thấy cả nhân tố đặc thù và vĩ mô đều có tác động quan trọng đến nợ xấu của hệ thống NHTMVN Trong đó, khả năng sinh lời và tăng trưởng kinh tế là những nhân tố chính có tác động ngược chiều đến nợ xấu của hệ thống NHTMVN. Ngoài ra, nợ xấu trong quá khứ, quy mô ngân hàng, tăng trưởng tín dụng tác động cùng chiều đến nợ xấu Đặc biệt, phương pháp GMM hệ thống cung cấp bằng chứng vốn chủ sở hữu và lạm phát tác động có ý nghĩa đến tỷ lệ nợ xấu của các NHTMVN. Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013) nghiên cứu phân tích mức độ ảnh hưởng của các nhân tố vi mô và nhân tố vĩ mô tác động đến nợ xấu của hệ thống NHTMVN Dữ liệu nghiên cứu của các biến nghiên cứu vi mô này được lấy từ 10 NHTM của Việt Nam trong giai đoạn 2005-2011; với các biến vĩ mô, dữ liệu được thu thập từ website của WB và IMF trong giai đoạn phân tích Sử dụng mô hình dữ liệu bảng, FEM, REM và GMM để nghiên cứu, kết quả đã chỉ ra rằng nợ xấu có mối tương quan cùng chiều với quy mô ngân hàng, tỷ lệ nợ trên tổng tài sản và tỷ lệ nợ xấu năm trước Các biến vĩ mô như lạm phát có tác động cùng chiều với nợ xấu, tốc độ tăng truởng GDP tại thời điểm hiện tại có mối quan hệ ngược chiều với nợ xấu, khi nền kinh tế đi lên, nợ xấu trong tương lai giảm xuống Trong khi đó, tăng trưởng tín dụng không làm tăng nợ xấu ngay lập tức và chỉ ảnh hưởng sau 1 năm.
Bùi Duy Tùng và Đặng Thị Bạch Vân (2015) bài nghiên cứu này phân tích số liệu của 25 NHTM Việt Nam giai đoạn 2004-2014 qua phương pháp dữ liệu bảng động và phương trình được ước lượng theo phương pháp GMM 02 bước để đánh giá ảnh hưởng của các nhân tố nội tại của ngân hàng và các biến vĩ mô Kết quả của nghiên cứu cho thấy tỷ suất sinh lời thấp ở thời điểm trước là một nguyên nhân làm tăng nợ xấu trong tương lai Bên cạnh đó, rủi ro đạo đức có mối quan hệ ngược chiều với nợ xấu; mức độ kiểm soát của chủ sở hữu có mối tương quan cùng chiều với nợ xấu và đa dạng hóa hoạt động không làm giảm nợ xấu.
Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) nghiên cứu về các nhân tố ảnh hưởng đến tỷ lệ nợ xấu của các NHTMCP Việt Nam Bài nghiên cứu này phân tích số liệu của 27 NHTMCP đang hoạt động tại Việt Nam từ năm 2005 -
2016 để kiểm định tác động của các nhân tố kinh tế vĩ mô và đặc điểm ngân hàng đến tỷ lệ nợ xấu của các NHTMCP Sử dụng phương pháp hồi quy GMM sai phân với ưu điểm có thể khắc phục hiện tượng nội sinh, phương sai thay đổi và tự tương quan, bài nghiên cứu phát hiện thấy rằng các đặc điểm ngân hàng có tác động đáng kể Cụ thể, tỷ lệ nợ xấu của ngân hàng ở năm trước càng cao thì sẽ làm cho tỷ lệ nợ xấu của ngân hàng hiện tại càng gia tăng Đồng thời, các ngân hàng càng có chi phí trích lập dự phòng rủi ro tín dụng càng cao, chi phí hoạt động càng cao, lợi nhuận của ngân hàng càng cao thì sẽ giúp các ngân hàng giảm thiểu tỷ lệ nợ xấu của ngân hàng Kết quả của nghiên cứu này cũng cho thấy các biến số kinh tế vĩ mô như tốc độ tăng trưởng kinh tế có mối quan hệ ngược chiều với tỷ lệ nợ xấu của các ngân hàng Từ kết quả nghiên cứu, tác giả đề xuất một số ý kiến nhằm cải thiện tỷ lệ nợ xấu của các ngân hàng Việt Nam.
Nguyễn Kim Phước và cộng sự (2017) nghiên cứu về tác động của các nhân tố nội bộ đến nợ xấu của NHTM ở Việt Nam Nghiên cứu đã sử dụng dữ liệu thứ cấp từ các báo cáo tài chính hợp nhất và báo cáo thường niên của 22 NHTM hoạt động trong giai đoạn từ 2006 – 2015 Kỹ thuật hồi quy bảng được sử dụng để phân tích tác động của các biến đặc trưng bên trong ngân hàng đối với NPL Nghiên cứu lần lượt thực hiện các mô hình hồi quy như mô hình Pooled (hồi quy OLS gộp -Pooled), mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) và đưa ra kết quả rằng, theo phương pháp hồi quy FGLS thì các nhân tố bên trong ngân hàng tác động đến tỷ lệ nợ xấu Cụ thể, các biến ROE, tăng trưởng tín dụng, tổng tài sản và ứng dụng công nghệ trong ngân hàng có tác động trái chiều với tỷ nợ nợ xấu Bên cạnh đó, các biến dự phòng rủi ro và lãi suất tái cấp vốn có tác động cùng chiều với nợ xấu Từ kết quả nghiên cứu thực nghiệm, các hàm ý chính sách cho các nhà quản trị ngân hàng được đưa ra nhằm giảm thiểu nợ xấu, từ đó nâng cao hiệu quả hoạt động, đảm bảo sự lành mạnh và an toàn cho các ngân hàng thương mại ở Việt Nam.
Bảng 2.1: Tổng hợp các nghiên cứu có liên quan trên thế giới về nợ xấu
Tác giả Phạm vi Mô hình nghiên cứu Dấu tương quan với nợ xấu
Các ngân hàng thương mại và Quỹ tiết kiệm Tây Ban Nha trong giai đoạn 1985 –1987
Mô hình dữ liệu bảng động
Quy mô NH (-); Tăng trưởng GDP (-); Dự phòng rủi ro (+); Tăng trưởng tín dụng (+)
9 NH lớn tại Hy Lạp trải dài từ quý I 2003 tới quý III 2009
Mô hình dữ liệu bảng, GMM.
Tốc độ tăng trưởng GDP (-); Quy mô NH (-); ROE (-)
10 NH lớn nhất từ 16 nền kinh tế tại Trung, Đông và Đông Nam Châu Âu (CESEE) giai đoạn
Mô hình dữ liệu bảng, D-GMM và S-GMM
Tỷ lệ thất nghiệp (+); Lạm phát (+); Tỷ giá hối đoái (-); Tăng trưởng tín dụng (+); ROE (-); VCSH/TS (-)
85 ngân hàng ở ba quốc gia (Ý,
Hy Lạp và Tây Ban Nha) trong giai đoạn 2004-2008
Mô hình hồi quy dữ liệu bảng và FEM
Tốc độ tăng trưởng GDP (-); ROA (-); Lãi suất (-);Tốc độ tăng trưởng tín dụng (+); Tỷ lệ thất nghiệp (+)
Tác giả Phạm vi Mô hình nghiên cứu Dấu tương quan với nợ xấu
NHTM và tổ chức tiết kiệm trên
50 tiểu bang Hoa Kỳ và Quận Columbia trong giai đoạn 1984 đến 2013
Mô hình FEM và D- GMM
Tăng trưởng GDP (-); Tỷ lệ lạm phát (+); Quy mô ngân hàng (+); Dự phòng rủi ro (+); Tăng trưởng tín dụng (+)
22 NHTM Việt Nam trong giai đoạn 2007 – 2014
Mô hình FEM và GMM
ROE (-); Tăng trưởng kinh tế GDP (-); Nợ xấu trong quá khứ (+); Quy mô NH (+); Tăng trưởng tín dụng (+). Đỗ Quỳnh Anh và
10 NHTM của Việt Nam trong giai đoạn 2005-2011
Mô hình dữ liệu bảng, FEM, REM, GMM.
Tăng trưởng tín dụng (+); Tỷ lệ nợ xấu năm trước (+); Quy mô ngân hàng(+)
Bùi Duy Tùng và Đặng Thị Bạch
25 NHTM Việt Nam giai đoạn 2004-2014
Mô hình dữ liệu bảng, GMM
Chất lượng quản trị nhân lực (-); Tỷ suất sinh lời ở thời điểm trước (-)
Tác giả Phạm vi Mô hình nghiên cứu Dấu tương quan với nợ xấu
27 NHTMCP Việt Nam giai đoạn 2005 - 2016
Mô hình GMM sai phân
NPLt-1 (+); Chi phí lập dự phòng rủi ro tín dụng (+); Chi phí hoạt động (+); Lợi nhuận của ngân hàng (-); ROE (-); Tăng trưởng kinh tế GDP (-)
22 NHTM hoạt động trong giai đoạn từ 2006 – 2015
Mô hình Pooled OLS gộp, FEM và REM
ROE (-); Tăng trưởng tín dụng(+); Tổng tài sản (-); Dự phòng rủi ro (+)
Nguồn: Tổng hợp từ tác giả
Trong chương 2, bài nghiên cứu đã tổng hợp các cơ sở lý thuyết bao gồm khái niệm về nợ xấu, những nguyên nhân gây nên và tác động của nợ xấu Bên cạnh đó,nêu ra 2 nhóm nhân tố vi mô và vĩ mô có tác động đến tỷ lệ nợ xấu tại các NHTMViệt Nam dựa trên nhiều giả thuyết đã được xây dựng Dựa trên nền tảng một số nghiên cứu thực nghiệm trên thế giới và ở Việt Nam, tác giả đưa ra mô hình và phương pháp nghiên cứu phù hợp về nợ xấu và những nhân tố tác động đến nợ xấu tại các NHTM Việt Nam trong giai đoạn 2012 – 2020 ở chương kế tiếp.
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU
3.1.1 Mô hình nghiên cứu đề xuất
Thông qua việc khảo lược các công trình nghiên cứu trước đây về vấn đến liên quan đến nợ xấu và khung lý thuyết liên quan đến nợ xấu thì tác giả tổng hợp các nhân tố sau ảnh hưởng đến nợ xấu và cũng là các nhân tố mà tác giả sẽ dự kiến đưa vào mô hình nghiên cứu đề xuất của mình Trong đó tác giả lựa chọn mô hình của tác giả Ghosh
(2015) do mô hình này tác giả sử dụng các biến nghiên cứu có nét tương đồng với hoàn cảnh kinh tế Việt Nam phù hợp để điều chỉnh và có thể nghiên cứu được tại Việt Nam. Tuy nhiên tại Việt Nam thì nhân tố lạm phát ảnh hưởng đến nền kinh tế rất nhiều do ảnh hưởng tới vật giá sẽ kéo theo các ảnh hưởng đến chi phí sản xuất nên cũng ảnh hưởng đến số tiền vay của các doanh nghiệp và tiêu thụ hàng hóa trong nền kinh tế Tác giả nhận thấy nghiên cứu Klein (2013) lại có nghiên cứu đến biến lạm phát bổ sung vào nghiên cứu của tác giả Ghosh (2015) nhưng nghiên cứu của Klein (2013) lại chủ yếu tập trung vào các nhân tố vĩ mô hơn là các nhân tố nội tại của ngân hàng để nghiên cứu tác động của chúng đến nợ xấu của NHTM Vì vậy tác giả quyết định chọn bù đắp khe hở của hai nghiên cứu này để ra mô hình nghiên cứu cho đề tài này:
Bảng 3.1: Tổng hợp các nhân tố tác động đến nợ xấu của NHTM Việt Nam
STT Tên biến Mô tả Nguồn Kỳ vọng tương quan Biến độc lập: Các nhân tố nội tại của ngân hàng
1 SIZE Quy mô ngân hàng
Louzis và cộng sự (2012); Salas và Suarina (2002); Ghosh (2015);
Nguyễn Thị Hồng Vinh (2015); Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013)
STT Tên biến Mô tả Nguồn Kỳ vọng tương quan
2 ROE Tỷ suất sinh lời
Klein (2013); Messai và Jouini (2013); Louzis và cộng sự (2012);
Nguyễn Kim Phước và cộng sự (2017). Âm (-)
Tỷ lệ dự phòng rủi ro tín dụng
Salas và Suarina (2002); Ghosh (2015); Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018); Nguyễn Kim Phước và cộng sự (2017)
Tốc độ tăng trưởng tín dụng
Klein (2013); Messai và Jouini (2013); Salas và Suarina (2002);
Ghosh (2015); Nguyễn Thị Hồng Vinh (2015); Đỗ Quỳnh Anh và Nguyễn Đức Hùng (2013); Nguyễn Kim Phước và cộng sự (2017)
Biến độc lập: Các nhân tố liên quan đến kinh tế vĩ mô
Tốc độ tăng trưởng kinh tế
Messai và Jouini (2013); Louzis và cộng sự (2012); Salas và Suarina (2002); Ghosh (2015); Nguyễn Thị Hồng Vinh (2015); Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) Âm (-)
6 INF Lạm phát Nir Klein (2013) Dương (+)
Biến phụ thuộc: Nợ xấu
7 NPL Nợ xấu Nir Klein (2013); Ghosh (2015)
Nguồn: Tác giả tổng hợp
Từ việc tổng hợp các biến dự kiến đưa vào mô hình nghiên cứu tác giả lập mô hình nghiên cứu như sau:
NPL = /0 + /1 *SIZEit + /2 *ROEit + /3 *LLRit + /4 * GROWit + /5 *GDPt + /6 *INFt + sit
3.1.2 Phương pháp đo lường các biến
3.1.2.1 Nợ xấu của NHTM (NPL)
Tỷ lệ nợ xấu cho biết chất lượng và rủi ro của danh mục cho vay của ngân hàng Tỷ lệ này cho biết trong 100 đồng cho vay ra nền kinh tế, thì có bao nhiêu đồng nợ xấu xảy ra đối với ngân hàng Khi tỷ lệ này gia tăng, ngân hàng có dấu hiệu gặp khó khăn trong hoạt động kinh doanh, nhất là trong hoạt động tín dụng và cũng như hoạt động quản lý chất lượng các khoản cho vay Ngược lại, tỷ lệ nợ xấu thấp cho thấy chất lượng tín dụng được cải thiện.
Tổng dư nợ cho vay
Nguồn: Nguyễn Văn Tiến (2015) 3.1.2.2 Quy mô ngân hàng (SIZE)
Quy mô, cơ cấu, chất lượng tài sản có sẽ quyết định đến sự tồn tại và phát triển của NHTM Trong đó: Tài sản nợ của ngân hàng phản ánh toàn bộ giá trị tiền tệ của ngân hàng do huy động, vốn vay các tổ chức tín dụng khác, vốn của NHTM Tài sản có của ngân hàng là toàn bộ tài sản có giá trị mà ngân hàng hiện có quyền sở hữu hoặc có quyền chiếm hữu, sử dụng, định đoạt một cách hợp pháp Được hình thành trong quá trình sử dụng nguồn vốn Tài sản có bao gồm tài sản có sinh lời và tài sản có không sinh lời.
SIZE = Log (Tổng tài sản)
Nguồn: Nguyễn Văn Tiến (2015) 3.1.2.3 Tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE)
Là chỉ số lợi nhuận đo lường khả năng sinh lời trên mỗi đồng vốn, ROE cao chứng tỏ rằng ngân hàng sử dụng hiệu quả, cân đối hài hòa giữa vốn của cổ đông và vốn vay đề khai thác lợi thế cạnh tranh của mình trong quá trình huy động vốn, mở rộng quy mô.
Vốn chủ sở hữu bình quân
3.1.2.4 Tỷ lệ dự phòng rủi ro tín dụng
Căn cứ Thông tư 11/2021/TT-NHNN về phân loại tài sản, sử dụng dự phòng để xử lý rủi ro trong hoạt động tín dụng, các khoản dự phòng và nợ xấu được hiểu: Dự phòng rủi ro là số tiền được trích lập và hạch toán vào chi phí hoạt động để dự phòng cho những tổn thất có thể xảy ra đối với nợ của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài.
Dự phòng rủi ro gồm dự phòng cụ thể và dự phòng chung Dự phòng cụ thể là số tiền được trích lập để dự phòng cho những tổn thất có thể xảy ra đối với từng khoản nợ cụ thể.
• Dự phòng chung là số tiền được trích lập để dự phòng cho những tổn thất có thể xảy ra nhưng chưa xác định được khi trích lập dự phòng cụ thể Nợ xấu (NPL) là nợ thuộc nhóm 3,4 và 5
• Mức trích lập dự phòng đối tới từng nhóm nợ theo điều 12, Thông tư 11/2021/TT- NHNN về phân loại tài sản, sử dụng dự phòng để xử lý rủi ro trong hoạt động tín dụng: Dưới 10 ngày là 0%; từ 10 đến 90 ngày 5%; từ 91 ngày đến 180 ngày là 20%; từ 181 ngày đến 360 ngày là 50% và trên 361 ngày là 100%.
Dự phòng rủi ro tín dụng
Tỷ lệ dự phòng rủi ro tín dụng = ∗ 100% 100%
Tổng dư nợ tín dụng
Nguồn: Nguyễn Văn Tiến (2015) 3.1.2.5 Tốc độ tăng trưởng tín dụng
Chỉ tiêu này dùng để so sánh tốc độ tăng trưởng dư nợ tín dụng qua các năm, để đánh giá tình hình cho vay của ngân hàng Sự cạnh tranh trong thị phần cho vay khiến các ngân hàng chạy đua mức tăng trưởng tín dụng, tăng trưởng tín dụng cao thường hệ lụy kéo theo khi nền kinh tế khủng hoảng, các ngân hàng có nguy cơ gặp phải những khoản vay kém chất lượng dẫn đến nợ xấu trong tương lai.
Dư nợ tín dụng năm này-Dư nợ tín dụng năm trước
Tốc độ tăng trưởng tín dụng = ∗ 100% 100%
Dư nợ tín dụng năm trước
Tốc độ tăng trưởng GDP và tỷ lệ lạm phát lấy từ số liệu nền kinh tế theo các năm cụ thể
Theo Salas và Suarina (2002); Ghosh (2015) quy mô ngân hàng càng lớn ngân hàng càng có nhiều cơ hội gia tăng thêm các khoản mục kinh doanh bên cạnh hoạt động tín dụng nhằm đa dạng hóa nguồn thu nhập tăng thêm lợi nhuận cho ngân hàng, hạn chế rủi ro khi tác động từ nền kinh tế Nếu ngân hàng có đặc điểm có thể dùng đòn bẩy tài chính quá mức để gia tăng các khoản vay có chất lượng thấp sẽ tạo nên nhiều rủi ro cho ngân hàng.
Giả thuyết H1: Quy mô ngân hàng có tương quan dương với nợ xấu tại các NHTM Việt Nam.
Theo Klein (2013); Messai và Jouini (2013) thì ROE được cấu thành từ ba nhân tố: Thứ nhất là tỷ suất lợi nhuận trên doanh thu, nhân tố này phản ánh trình độ quản lý doanh thu và chi phí của doanh nghiệp Thứ hai là vòng quay toàn bộ vốn, nhân tố này phản ánh trình độ khai thác và sử dụng tài sản của doanh nghiệp Thứ ba là hệ số vốn/ vốn chủ sở hữu, đây là nhân tố phản ánh trình độ quản lý tổ chức nguồn vốn cho hoạt động của ngân hàng Do đó, ROE tăng xuất phát từ việc gia tăng tỷ suất sinh lợi trên doanh thu hoặc vòng quay tổng tài sản hoặc vòng quay tổng tài sản thì đây là dấu hiệu tích cực trong dấu hiệu kinh doanh của NH Trong nghiên cứu tác giả sử dụng ROE năm t-1 để xác định ảnh hưởng của lợi nhuận ròng trên vốn chủ sở hữu đối với tỷ lệ nợ xấu năm t.
Giả thuyết H2: Tỷ suất lợi nhuận trên vốn chủ sở hữu có tương quan âm với nợ xấu tại các NHTM Việt Nam.
Theo Amit Ghosh (2015); Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) việc trích lập dự phòng ảnh hưởng lớn đến lợi nhuận của ngân hàng nên đây được xem là nguyên nhân khiến các ngân hàng trích không đúng và đủ dự phòng theo quy định Áp lực kinh doanh, sức ép từ phía cổ đông, uy tín, thương hiệu khiến các ngân hàng giấu những khoản nợ đáng lẽ phải trích dự phòng Những ngân hàng dự đoán trước mức độ cao trong sự tổn thất về vốn có thể tạo ra mức dự phòng cao hơn để giảm những biến động trong lợi nhuận Dự phòng rủi ro tín dụng thể hiện thái độ về quản trị rủi ro của ngân hàng Quản trị tốt là nhân tố góp phần giảm tỷ lệ nợ xấu NHTM Việt Nam.
Giả thuyết H3: Tỷ lệ trích lập dự phòng rủi ro tín dụng có tương quan dương với nợ xấu tại các NHTM Việt Nam.
Theo Ghosh (2015); Nguyễn Thị Hồng Vinh (2015) thì chỉ tiêu này dùng để so sánh tốc độ tăng trưởng dư nợ tín dụng qua các năm, để đánh giá tình hình cho vay của ngân hàng Sự cạnh tranh trong thị phần cho vay khiến các ngân hàng chạy đua mức tăng trưởng tín dụng, tăng trưởng tín dụng cao thường hệ lụy kéo theo khi nền kinh tế khủng hoảng, các ngân hàng có nguy cơ gặp phải những khoản vay kém chất lượng dẫn đến nợ xấu trong tương lai.
Giả thuyết H4: Tốc độ tăng trưởng tín dụng có tương quan dương với nợ xấu tại các NHTM Việt Nam.
Theo Salas và Suarina (2002); Nguyễn Thị Hồng Vinh (2015) thì tổng sản phẩm quốc nội (GDP) là giá trị thị trường tất cả hàng hóa và dịch vụ cuối cùng sản xuất ra trong phạm vi một lãnh thổ nhất định (thường là một quốc gia) trong một thời kỳ nhất định (thường là một năm) Đây là chỉ tiêu tổng hợp, phản ánh toàn bộ kết quả cuối cùng của các hoạt động sản xuất Nó phản ánh mối quan hệ tương hỗ trong quá trình sản xuất, phân phối và sử dụng của sản phẩm cuối cùng của sản phẩm hàng hóa và dịch vụ trong toàn nền kinh tế Chỉ tiêu này tăng thể hiện nền kinh tế đang trong giai đoạn tăng trưởng kéo theo sự mở rộng tín dụng của hệ thống ngân hàng cùng với đó thu nhập của các khách hàng doanh nghiệp và cả cá nhân cũng tăng theo, đáp ứng khả năng chi trả của các khoản vay, tuy nhiên khi nền kinh tế đi xuống ảnh hưởng đến nguồn thu của khách hàng dẫn đến tăng tỷ lệ nợ xấu. vì vậy, tốc độ tăng trưởng GDP có tính độ trễ theo thời gian.
Giả thuyết H5: Tốc độ tăng trưởng tổng sản phẩm quốc nội có tương quan âm với nợ xấu tại các NHTM Việt Nam.
PHƯƠNG PHÁP NGHIÊN CỨU
• Xác định các vấn đề nghiên cứu
• Xác định dữ liệu thứ cấp bên trong hoặc bên ngoài
• Thu thập và xử lý số liệu trên phần mềm STATA và Excel
• Tiến hành nghiên cứu các biến để xác định mối tương quan giữa các biến
• Kết quả nghiên cứu và nhận xét
(Nguồn: Tác giả tổng hợp)
Hình 3.1: Quy trình nghiên cứu 3.2.2 Chọn mẫu và thu thập dữ liệu
Nguồn dữ liệu: Tác giả tiến hành thu thập số liệu về tình hình hoạt động kinh doanh trên Bảng cân đối kế toán và Bảng kết quả hoạt động kinh doanh của các ngân hàng thương mại cổ phần tại Việt Nam Thời gian thu thập: Trong thời gian 7 năm, từ năm 2012 – 2020.
3.2.3 Phương pháp xử lý số liệu
Nghiên cứu này sử dụng phương pháp định lượng, hồi quy bằng phần mềm Stata 14.0 để kiểm định các giả thuyết trên Theo đó mô hình hồi quy với biến phụ thuộc và 6 biến độc lập Tiếp theo, để kiểm định hiện tượng đa cộng tuyến, tác giả sử dụng hệ số phóng đại phương sai (VIF – Variance Inflation Factor) Sau đó sử dụng dữ liệu bảng kết hợp các quan sát nhiều đối tượng trong một giai đoạn thời gian nhất định, theo phương pháp hồi quy bình phương nhỏ nhất có 3 dạng mô hình dành riêng cho dữ liệu bảng là mô hình hồi quy gộp (Pooled OLS), mô hình ảnh hưởng cố định (Fix effect model - FEM) và mô hình các tác động ngẫu nhiên (Random effect model - REM) Để lựa chọn phương pháp hồi quy nào nào phù hợp nhất trong ba phương pháp nêu trên là kiểm định F-test và kiểm định Breusch- Pagan lagrangian (Breuch và Pagan, 1979). Kiểm định F-test để lựa chọn giữa mô hình Pooled OLS và mô hình FEM Kiểm định Breusch-Pagan lagrangian để lựa chọn mô hình Pooled OLS và mô hình REM Để lựa chọn mô hình FEM hay REM sử dụng kiểm định Hausman.
Sau khi lựa chọn mô hình phù hợp, sẽ tiến hành kiểm định hiện tượng tự tương quan và hiện tượng phương sai của sai số thay đổi, nếu có hiện tượng tượng tự tương quan và/hoặc hiện tượng phương sai của sai số thay đổi thì nghiên cứu sẽ sử dụng phương pháp bình phương tối thiểu tổng quát khả thi (Feasible Generalized Least Squares - FGLS) để khắc phục hiện tượng tượng tự tương quan và/hoặc hiện tượng phương sai của sai số thay đổi và so sánh các kết quả từ các mô hình Các bước thực hiện như sau:
3.2.4 Trình tự thực hiện nghiên cứu
Tác giả sử dụng phương pháp phân tích hồi quy đa biến cho dữ liệu bảng (panel data) Dữ liệu bảng là dữ liệu có hai chiều: chiều không gian và chiều thời gian Nói cách khác, dữ liệu bảng là sự mở rộng dữ liệu chéo (cross section) theo thời gian (time series). Việc lựa chọn sử dụng dữ liệu bảng sẽ có nhiều ưu điểm hơn so với dữ liệu chuỗi thời gian hay dữ liệu chéo Hồi quy bằng dữ liệu bảng thường sử dụng ba phương pháp hồi quy theo các mô hình Pooled, mô hình tác động ngẫu nhiên và mô hình tác động cố định. Tác giả sử dụng phần mềm hỗ trợ STATA 14.0 để thực hiện mô hình và kiểm định mô hình Các bước trong quy trình được thực hiện chi tiết như sau:
Bước 1: Thống kê mô tả dữ liệu.
Thống kê mô tả được sử dụng nhằm mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu qua các cách thức khác nhau Qua thống kê mô tả này trình bày được giá trị trung bình của các biến thông qua tiêu chí giá trị trung bình, giá trị nhỏ nhất và giá trị lớn nhất, giá trị trung vị và sai số chuẩn giữa các giá trị Thông qua các tiêu chí được thống kê đó, ta có thể hiểu được các hiện tượng và đưa quyết định đúng đắn về chuỗi dữ liệu nghiên cứu.
Bước 2: Lựa chọn mô hình hồi quy phù hợp giữa Pooled OLS, FEM và REM.
Thực hiện phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập quy định các biến phụ thuộc như thế nào Kết quả hồi quy được xem là bằng chứng thực nghiệm để đánh giá tác động Các mô hình hồi quy được tác giả xem xét gồm có: Pooled OLS, Fixed effect, Random effect Để chọn ra được mô hình phù hợp nhất cho bài nghiên cứu, chúng ta cần phải xem xét các nội dung và đặc điểm của các mô hình ước lượng này:
Mô hình hồi quy Pooled OLS:
Yit: Biến phụ thuộc của quan sát i trong thời kỳ t
Xit: Biến độc lập của quan sát i trong thời kỳ t Đối với phương pháp Pooled OLS thực chất là việc sử dụng dữ liệu bảng để phân tích bằng hình thức sử dụng tất cả dữ liệu theo cách xếp chồng không phân biệt từng đơn vị chéo riêng Đây là phương pháp đơn giản nhất, giống sử dụng dữ liệu như một phân tích OLS bình thường, không kể đến kích thước không gian và thời gian của dữ liệu bảng.
Nhược điểm của phương pháp Pooled OLS là bỏ qua các đặc điểm riêng khác nhau của các đơn vị về thời gian lẫn không gian.
Mô hình tác động cố định - FEM
Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hưởng đến các biến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ước lượng những ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc.
Mô hình hồi quy sử dụng:
Xit: biến độc lập αi (i=1…n): hệ số chặn cho từng đơn vị nghiên cứu. βXit + μit: hệ số góc đối với nhân tố X. εit: phần dư.it: phần dư.
Mô hình tác động ngẫu nhiên - REM
Xét mô hình: Yit = αi + βXit + μitXit + μitit
Thay vì trong mô hình trên αi là cố định (không thay đổi theo thời gian) thì phương pháp REM giả định rằng nó là một biến ngẫu nhiên với αi = α + εit: phần dư.i (i= 1, 2, …, n), thay vào trong mô hình ban đầu ta có: Yit = α + βXit + μitXit + εit: phần dư.i + μitit.
Trong đó εit: phần dư.i là thành phần sai số theo đơn vị chéo và μitit là thành phần sai số chéo và chuỗi thời gian kết hợp Như vậy, với phương pháp REM, thay vì coi mỗi đặc điểm riêng của các đơn vị có tương quan tới biến độc lập và tách tác động đó ra như trong FEM thì phương pháp REM coi các đặc điểm riêng đó là ngẫu nhiên và không tương quan tới các biến độc lập mà giống như một biến giải thích mới tác động tới biến phụ thuộc.
So với phương pháp FEM, phương pháp REM có thể khắc phục được những nhược điểm của FEM nhưng REM coi mỗi đặc điểm riêng của các đơn vị εit: phần dư.i không tương quan với các biến độc lập do đó nếu điều này vi phạm thì REM sẽ ước lượng không còn chính xác.
Qua nội dung của ba phương phương pháp ước lượng trên tác giả nhận thấy rằng mô hình REM và FEM có nhiều ưu điểm hơn so với mô hình Pooled OLS Tuy nhiên để có được một mô hình tối ưu nhất, tác giả sẽ đi theo trình tự như sau: đầu tiên tiến hành ước lượng Pooed OLS, sau đó ước lượng mô hình Fixed Effect Để biết giữa mô hìnhPooled OLS và nhóm mô hình FEM và REM mô hình nào phù hợp hơn bằng cách sử dụng công cụ Redundant Fixed Effects trên Eviews 8 để kiểm định xem hệ số chặn của hàm hồi quy của từng ngân hàng có khác nhau không Nếu không có sự khác nhau, ta có thể chọn Pooled OLS làm mô hình ước lượng cho bài nghiên cứu và nếu trường hợp ngược lại nhóm mô hình FEM và REM phù hợp thì ta phải tiến hành kiểm định Hausman nhằm lựa chọn một trong hai mô hình Fixed effect và Random effect, xem mô hình nào là mô hình phù hợp nhất cho bài nghiên cứu này.
Bước 3: Phương pháp kiểm định các hệ số hồi quy và sự phù hợp của mô hình. Đầu tiên tác giả sẽ thực hiện kiểm định thừa biến để loại bỏ những biến không cần thiết ra khỏi mô hình Các biến được sử dụng là các biến không có ý nghĩa thống kê từ kết quả ước lượng của các mô hình Pooled OLS, FEM và REM Để thực hiện tác giả sử dụng kiểm định Wald để kiểm tra sự cần thiết của các biến không có ý nghĩa thống kê đối với mô hình Sau khi loại bỏ biến thừa (nếu có), tác giả sẽ chạy lại mô hình phù hợp được lựa chọn với biến độc lập còn lại, rồi tiến hành kiểm định các hệ số hồi quy Tác giả quyết định sử dụng kiểm định t (t-test) để kiểm tra sự phù hợp của các hệ số hồi quy. Theo kinh nghiệm, một hệ số hồi quy được xem là phù hợp khi có mức ý nghĩa thống kê là 1% hoặc 5% hoặc 10%, tương ứng với độ tin cậy là 99%, 95% và 90%.
Bước 4: Kiểm định các khuyết tật của mô hình.
Kiểm định hiện tượng đa cộng tuyến: Tác giả sẽ tiến hành kiểm định đa cộng tuyến bằng hai cách Cách một là thông qua phân tích hệ số tương quan nhằm kiểm định đa cộng tuyến của từng cặp biến độc lập Hệ số tương quan (Pearson) được tính bằng cách chia hiệp phương sai của biến với tích độ lệch chuẩn của chúng Nếu hệ số tương quan giữa các biến độc lập lớn hơn 0.8 (còn được gọi là hệ số tương quan cao), ta có hiện tượng đa cộng tuyến cao Cách hai là kiểm định đa cộng tuyến giữa một biến độc lập so với các biến độc lập còn lại thông qua sử dụng thừa phóng đại phương sai VIF Nếu hiện tượng đa cộng tuyến xảy ra, tác giả sẽ khắc phục bằng cách bỏ đi biến độc lập có đa cộng tuyến, đây là cách làm đơn giản nhất vì sau khi bỏ biến độc lập có đa cộng tuyến, các hệ số hồi quy của các biến còn lại từ chỗ khác 0 và không có ý nghĩa thống kê có thể trở thành khác 0 có ý nghĩa thống kê.
Kiểm định hiện tượng tự tương quan: tác giả sẽ tiến hành kiểm định dựa trên quy tắc kiểm định Durbin – Watson theo kinh nghiệm Nếu có hiện tượng tự tương quan xảy ra, tác giả quyết định chọn biến pháp khắc phục là ước lượng ρ dựa trên thống kê d – Durbin – Watson.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
THỰC TRẠNG VỀ TÌNH HÌNH NỢ XẤU VÀ CÁC CHỈ TIÊU CỦA NGÂN HÀNG THƯƠNG MẠI TỪ NĂM 2012 – 2020
NGÂN HÀNG THƯƠNG MẠI TỪ NĂM 2012 – 2020
Trong giai đoạn 2012 – 2020 thì ngành ngân hàng tại Việt Nam có những thay đổi liên tục trong đó 2018 khủng hoảng tài chính, năm 2020 tác động của đại dịch Covid – 19 do đó nợ xấu có những diễn biến rất sâu sắc.
Hình 4.1: Biểu đồ thể hiện tình hình nợ xấu từ 2012 – 2020
(Nguồn: Tổng hợp của tác giả)
Nhìn chung, từ năm 2012 đến năm 2017 là giai đoạn thịnh vượng của ngành ngân hàng, cả hệ thống NHTM Việt Nam trong giai đoạn này tỷ lệ nợ quá hạn và nợ xấu trên tổng dư nợ có tỷ lệ rất thấp dưới 3% Tuy nhiên, đến 2018 – 2020 dưới sự tác động của khủng hoảng tài chính và đại dịch Covid – 19 thì tỷ lệ này tăng rất cao Cụ thể năm 2020 thì tỷ lệ nợ nhóm 2, 3 tăng cao từ đó dẫn đến tỷ lệ nợ xấu trong năm nay vượt quá 10% trong hệ thống NHTM Việt Nam.
Từ năm 2012 – 2019 các ngân hàng liên tục mở rộng quy mô của mình bằng mọi cách để tạo ra sự ảnh hưởng của mình trên thị trường và dễ dàng tiếp cận khách hàng hơn nữa Tình hình quy mô ngân hàng được thể hiện dưới đây:
Hình 4.2: Tình hình tăng trưởng quy mô ngân hàng từ năm 2012 – 2020
(Nguồn: Tổng hợp của tác giả)
Dựa trên Hình 2.2 ta thấy rằng quy mô ngân hàng từ năm 2012 – 2018 với giá trị Log(Tổng tài sản) tăng trưởng với tốc độ không quá nhiều sự cách biệt của các năm so với năm trước đó Tuy nhiên, đến năm 2019 – 2020 thì quy mô ngân hàng tăng trưởng mạnh mẽ đến từ việc các ngân hàng muốn mở rộng quy mô tín dụng để cho vay dưới nhu cầu giải quyết khó khăn của các đối tượng khách hàng trong nền kinh tế.
Hoạt động tín dụng sẽ ảnh hưởng rất lớn đến suất sinh lời ROE, tỷ lệ dự phòng rủi ro tín dụng và tốc độ tăng trưởng dư nợ tín dụng trong ngân hàng Tình
Hình 4.3: Biểu đồ thể hiện tình hình tăng trưởng của các chỉ tiêu thuộc ngân hàng thương mại
(Nguồn: Tổng hợp của tác giả)
Dựa trên kết quả Hình 2.3 ta thấy rằng ROE nhìn chung qua các năm đều có sự tăng giảm trưởng mạnh mẽ đối với ngành ngân hàng từ năm 2012 – 2020, từ năm 2012 đến năm 2015 giảm từ 12,29% xuống còn 6,57% Nguyên nhân đến từ trong giai đoạn này các ngân hàng tập trung vào việc đầu tư mở ra các chi nhánh, mở rộng thị phần và lấn sân sang các thị trường đầu tư nên lợi nhuận có chỉ chỉ số tăng trưởng thấp. Bắt đầu từ năm 2016 trở về sau các ngân hàng bắt đầu thực hiện phát triển dư nợ tín dụng thậm chí là “tín dụng nóng” để gia tăng thu nhập từ lãi vay do đó ROE ước tính với tốc độ tăng trưởng mạnh mẽ từ năm 2016 đến năm 2020 thì ROE tăng từ 7,4% lên đến 24,55% Đối sánh với tăng trưởng dư nợ tín dụng thì trong giai đoạn 2012 – 2016 thì dư nợ có xu hướng giảm hoặc không có sự thay đổi nhiều qua các năm Tuy nhiên từ 2017 trở về sau thì xu hướng cho vay của ngân hàng gia tăng vì các doanh nghiệp gặp khủng hoảng và đại dịch Covid 19 tạo ra sự khó khăn nên các doanh nghiệp hay các đối tượng trong nền kinh tế rất thiếu vốn do đó gia tăng liên tục vay vốn ngân hàng. Điều này cũng dẫn đến việc tiềm ẩn nợ xấu của ngân hàng tăng cao thông qua việc dự phòng rủi ro tín dụng cũng gia tăng qua các năm và đỉnh điểm là năm 2020 với tỷ lệ là 1,96%.
THỐNG KÊ MÔ TẢ MẪU NGHIÊN CỨU VÀ XEM XÉT SỰ TƯƠNG
4.2.1 Thống kê mô tả mẫu nghiên cứu
Bảng 4.1: Kết quả thống kê mô tả mẫu nghiên cứu Tên biến Giá trị trung bình Độ lệch chuẩn
(Nguồn: Trích xuất từ phần mềm STATA)
NPL có giá trị trung bình là 2.19%, độ lệch chuẩn 3.68% đối với độ lệch chuẩn này thì giá trị giao động của NPL là không có thay đổi nhiều qua các năm tại giai đoạn này Giá trị nhỏ nhất là 0% (Ngân hàng VAB năm 2018), giá trị lớn nhất là 15.92%(Ngân hàng VPB năm 2020) Theo kết quả thu thập được thì giá trị NPL qua các năm của ngân hàng không có giá trị đột biến do đây là tỷ lệ mà các ngân hàng luôn cố gắng giữ ở mức độ ổn định và thấp nhất có thể.
SIZE có giá trị trung bình là 8.3611, độ lệch chuẩn 61.45% đối với độ lệch chuẩn này thì quy mô ngân hàng có mức độ biến động lớn qua các năm tại mỗi ngân hàng và khoảng cách quy mô của các ngân hàng ngày càng được nới rộng Giá trị nhỏ nhất là 7.0367 (Ngân hàng KLB năm 2017), giá trị lớn nhất là 9.2599 (Ngân hàng VPB năm
2020) Vào thời điểm những năm gần đây các ngân hàng ra sức gia tăng quy mô của mình để tạo được thương hiệu và giành lại thị phần cho mình trong hệ thống ngân hàng. ROE có giá trị trung bình là 11.61%, độ lệch chuẩn là 7.81% đối với độ lệch chuẩn này thì mức độ chênh lệch qua các năm tại mỗi ngân hàng khá lớn Giá trị nhỏ nhất là 0% (Ngân hàng SCB năm 2012), giá trị lớn nhất là 27.99% (Ngân hàng VPB năm
2020) Khoảng cách về ROE của các ngân hàng trong giai đoạn này rất cao, nó cho thấy được sự cách biệt của các ngân hàng lớn và ngân hàng nhỏ trong hệ thống ngân hàng qua quá trình thu lợi nhuận của mình Cụ thể các ngân hàng lớn như VCB, BID, CTG vẫn giữ được ROE của mình với mức tăng trưởng đều đặn.
LLR có giá trị trung bình là 1.57%, độ lệch chuẩn là 0.75% với mức độ lệch chuẩn này ta có thể thấy các ngân hàng không có sự thay đổi về tỷ lệ dự phòng rủi ro qua các năm quá nhiều vì đây là tỷ lệ mà các ngân hàng luôn muốn duy trì ở mức thấp nhất có thể Giá trị nhỏ nhất là 0 (Ngân hàng TPB năm 2012 và PVB năm 2013), giá trị lớn nhất là 3.81% (Ngân hàng VPB năm 2020).
GROW có giá trị trung bình là 9.07%, độ lệch chuẩn là 3.98% giá trị nhỏ nhất là 0.0323 (Ngân hàng SCB năm 2018), giá trị lớn nhất là 0.2374 (Ngân hàng BVB năm 2013).
GDP có giá trị trung bình là 5.99%, độ lệch chuẩn là 1.27% giá trị nhỏ nhất là 2.91% vào năm 2020 đối sánh với tình hình thực tế Việt Nam đây là năm xảy ra đại dịch Covid 19 làm cho tình hình kinh tế cả nước tuột dốc, sản xuất và tiêu thụ hàng hóa đình trệ làm cho GDP năm nay thấp nhất lịch sử trong giai đoạn 10 năm gần đây và giá trị lớn nhất là 7.31% vào năm 2014.
INF có giá trị trung bình là 3.68%, độ lệch chuẩn là 1.84% đối với tỷ lệ lạm phát độ lệch chuẩn thấp vì chính phủ luôn cố gắng duy trì lạm phát ổn định để ổn định tình hình tiêu thụ và giá sản phẩm lưu thông Giá trị nhỏ nhất là 0.6% vào năm 2012 và giá trị lớn nhất là 6.81% vào năm 2020 Trong giai đoạn này thì năm 2020 với ảnh hưởng của đại dịch Covid 19 đã ảnh hưởng rất nhiều đến tình hình kinh doanh trong nước đã làm cho tỷ lệ lạm phát tăng rất nhanh, tình hình hàng hóa không được sản xuất ồ ạt, tiêu thu chậm nên giá cả hàng hóa leo thang.
4.2.2 Sự tương quan của các biến độc lập
Bảng 4.2: Ma trận hệ số tương quan của các biến độc lập trong mô hình
SIZE ROE LLR GROW GDP INF
SIZE ROE LLR GROW GDP INF
(Nguồn: Trích xuất từ phần mềm STATA)
Theo Bảng 4.2 (xem phụ lục 03) Ma trận tương quan nhằm xác định sự tác động cũng như mức độ tác động của các biến độc lập theo từng cặp Điều này giúp ta thấy được các cặp biến độc lập nào có tương quan với nhau, tức là ảnh hưởng đến nhau trong mô hình hệ số tương quan giữa các biến có giá trị không cao, cao nhất là 0.6869 chuẩn so sánh theo Farrar và Glauber (1967) là 0.8 vì vậy không có hiện tượng đa cộng tuyến nghiêm trọng.
KẾT QUẢ MÔ HÌNH HỒI QUY
Tác giả đã tiến hành hồi quy dữ liệu bảng được thu thập với ba phương pháp ước lượng đó là Pooled OLS, mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) để xác định mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc thông qua các hệ số ước lượng Kết quả chi tiết của việc phân tích hồi được trình bày trong Phụ lục 2 Kết quả hồi quy được tác giả tổng hợp vào Bảng 4.3 cụ thể như sau:
Bảng 4.3: Tổng hợp kết quả hồi quy Pooled OLS, FEM và REM
Các nhân tố ảnh hưởng
OLS Mô hình FEM Mô hình REM
Các nhân tố ảnh hưởng
OLS Mô hình FEM Mô hình REM
***,** và * lần lượt chỉ ý nghĩa thống kê ở mức 1%, 5% và 10%
(Nguồn: Kết quả chạy từ phần mềm STATA)
Kết quả hồi quy của ba mô hình thì mức độ phù hợp của ba mô hình đều cao trên 70%, dấu tương quan của các biến độc lập đến nợ xấu của cả ba mô hình đều giống nhau điều này chứng minh sự phù hợp của số liệu nghiên cứu Mặt khác tại kết quả của ba mô hình thì biến GDP không có ý nghĩa thống kê hay không có tác động đến nợ xấu Vì vậy tiến hành kiểm định mô hình phù hợp cuối cùng để có kết quả nghiên cứu chính thức.
4.3.1 So sánh sự phù hợp giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM) Để lựa chọn mô hình thích hợp để nghiên cứu hơn giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM), tác giả sử dụng kiểm định Hausman
Giả thuyết H0: Không có tương quan giữa các biến độc lập và phần dư (mô hình REM phù hợp)
Giả thuyết H1: Có tương quan giữa các biến các biến độc lập và phần dư (mô hìnhFEM phù hợp)
Bảng 4.4: Kết quả kiểm định sự phù hợp của mô hình FEM và REM
Test: Ho: difference in coefficients not systematic chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
( Nguồn: Kết quả chạy từ phần mềm STATA)
Theo kết quả kiểm định Hausman, giá trị P-value = 0.000 thấp hơn 0.05 vì vậy chấp nhận giả thuyết giả thuyết H1, bác bỏ giả thuyết H0 đồng nghĩa sẽ là mô hình tác động ngẫu nhiên FEM là mô hình phù hợp nghiên cứu hơn.
Trong ba mô hình kiểm định Pooled Ols, mô hình tác động cố định FEM và mô hình tác động ngẫu nhiên REM thì mô hình FEM là mô hình có tính vững nhất Vì vậy, kết quả kiểm định Hausman ủng hộ cho việc chọn mô hình FEM là mô hình phù hợp nhất để phân tích các kết quả tiếp theo của nghiên cứu.
4.3.2 Kiểm định các khuyết tật mô hình tác động ngẫu nhiên FEM
4.3.2.1 Kiểm định hiện tượng phương sai thay đổi
Bảng 4.5: Kết quả kiểm định hiện tượng phương sai thay đổi của mô hình tác động cố định FEM H0: sigma(i)^2 = sigma^2 for all i chi2 (22) = 172.58 Prob>chi2 = 0.0000
Nguồn: Kết quả chạy từ phần mềm STATA)
Giả thuyết của kiểm định:
H0: Không có hiện tượng phương sai sai số thay đổi trong mô hình FEM
H1: có hiện tượng phương sai sai số thay đổi trong mô hình FEM
Kết quả của kiểm định Prob>chi2 = 0.0000 thấp hơn 0.05 vì vậy ta bác bỏ H0 chấp nhận H1 hay đã có xảy ra hiện tượng phương sai thay đổi trong mô hình FEM.
4.3.2.2 Kiểm định hiện tượng tự tương quan
Bảng 4.6: Kết quả kiểm định hiện tượng tự tương quan Wooldridge test for autocorrelation in panel data
(Nguồn: Kết quả chạy từ phần mềm STATA)
H0: Không có hiện tượng tự tương quan trong mô hình FEM
H1: có hiện tượng tự tương quan trong mô hình FEM
Kết quả kiểm định hiện tượng tự tương quan cho thấy hệ số Prob > F = 0.0000 thấp hơn 0.05 vì vậy bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 nên có hiện tượng tự tương quan trong mô hình FEM.
4.3.2.3 Khắc phục các khuyết tật trong mô hình tác động ngẫu nhiên FEM
Bảng 4.7: Kết quả ước lượng mô hình bằng phương pháp FGLS
Hệ số hồi quy Sai số chuẩn Giá trị P-value
Hệ số hồi quy Sai số chuẩn Giá trị P-value
***,** và * lần lượt chỉ ý nghĩa thống kê ở mức 1%, 5% và 10%
(Nguồn: Kết quả chạy từ phần mềm STATA)
Với biến phụ thuộc là NPL sau khi sử dụng FGLS để khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi, mô hình có ý nghĩa ở mức ý nghĩa 1% (doProb =0.0000) nên mô hình hồi quy được xây dựng là phù hợp.
THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
4.4.1 Kết quả mô hình tác động ngẫu nhiên (REM) sau khi khắc phục khuyết tật mô hình
Bảng 4.8: Tóm tắt kết quả nghiên cứu Biến độc lập
Giả thuyết Kết quả nghiên cứu
SIZE + + 0.000 Có ý nghĩa thống kê
ROE - + 0.000 Có ý nghĩa thống kê
LLR + + 0.000 Có ý nghĩa thống kê
GROW + + 0.000 Có ý nghĩa thống kê
GDP - + 0.222 Không có ý nghĩa thống kê
INF + - 0.000 Có ý nghĩa thống kê
(Nguồn: Tác giả tổng hợp)
Kết quả mô hình nghiên cứu có phương trình như sau: NPL i,t = -0.1499 + 0.0109*SIZEit + 0.0774*ROEit + 1.1723*LLRit + 0.4941* GROWit + 0.443*INFt
4.4.2 Thảo luận kết quả nghiên cứu
Kết quả hồi quy và kiểm định cho thấy cả ba phương pháp ước lượng thông thường cho dữ liệu bảng bao gồm: Pooled OLS, mô hình tác động cố định FEM và mô hình tác động ngẫu nhiên REM đều không phù hợp đối với mô hình nghiên cứu của khóa luận do vi phạm các giả thuyết hồi quy như tự tương quan, phương sai sai số thay đổi Để khắc phục các vi phạm này tác giả đã sử dụng phương pháp bình phương tối thiểu tổng quát khả thi FGLS, kết quả của mô hình hồi FGLS sẽ được sử dụng để thảo luận và phân tích các nhân tố tác động đến nợ xấu tại NHTM Việt Nam:
• Hệ số R-Square là 0.7816 có nghĩa là các biến độc lập của mô hình giải thích được 78.16% sự biến thiên của biến phụ thuộc NPL.
• Các biến SIZE, ROE, LLR, GROW, INF có ý nghĩa thống Biến GDP không có ý nghĩa thống kê do P-value > 5%.
• Bảng 4.9 cho thấy kết quả tương đối thống nhất với giả thuyết ban đầu Sau đây là những phân tích về kết quả các nhân tố có ảnh hưởng đến nợ xấu của các NHTM Việt Nam trong giai đoạn 2012-2020.
• Hệ số beta của quy mô ngân hàng (SIZE) là 0.0109 điều này có nghĩa là quy mô ngân hàng có tương quan dương với nợ xấu tại các NHTM Việt Nam Nếu quy mô ngân hàng tăng 1 đơn vị thì nợ xấu tại các NHTM Việt Nam tăng 0.0109 đơn vị Kết quả này tương đồng với kết quả của nhóm tác giả Salas và Suarina (2002); Ghosh (2015);Nguyễn Thị Hồng Vinh (2015).
• Hệ số beta của tỷ suất lợi nhuận trên vốn chủ sở hữu bình quân (ROE) là 0.0774 điều này có nghĩa là ROE có tương quan dương với nợ xấu tại các NHTM Việt Nam. Nếu ROE tăng 1 đơn vị thì nợ xấu sẽ tăng 0.0774 đơn vị Kết quả này tương đồng với nhóm tác giả Louzis và cộng sự (2012)
• Hệ số beta của tỷ lệ dự phòng rủi ro tín dụng (LLR) là 1.1723 điều này có nghĩa là LLR có tương quan dương với nợ xấu tại các NHTM Việt Nam Nếu tỷ lệ dự phòng rủi ro tín dụng (LLR) tăng 1 đơn vị thì nợ xấu tại các NHTM Việt Nam sẽ tăng 1.1723 đơn vị Kết quả này tương đồng với nhóm tác giả Ghosh (2015); Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018).
• Hệ số beta của tốc độ tăng trưởng tín dụng (GROW) là 0.4941 điều này có nghĩa là tốc độ tăng trưởng tín dụng có tương quan dương với nợ xấu tại các NHTM Việt Nam Nếu tốc độ tăng trưởng tín dụng tăng 1 đơn vị thì nợ xấu tại các NHTM Việt Nam tăng 0.4941 đơn vị Kết quả này tương đồng với nhóm tác giả Salas và Suarina (2002); Ghosh (2015); Nguyễn Kim Phước và cộng sự (2017).
• Hệ số beta của tỷ lệ lạm phát (INF) là 0.443 điều này có nghĩa là tỷ lệ lạm phát(inf) có tương quan dương với nợ xấu tại các NHTM Việt Nam Nếu tỷ lệ lạm phát(INF) tăng 1 đơn vị thì nợ xấu tại các NHTM Việt Nam sẽ tăng 0.443 đơn vị Kết quả này tương đồng với kết quả của nhóm tác giả Klein (2013).
KẾT LUẬN GIẢ THUYẾT NGHIÊN CỨU
4.5.1 Đối với nhân tố quy mô ngân hàng (SIZE)
Trong hoạt động của NHTM Việt Nam thì quy mô ngân hàng là một trong những nhân tố khẳng định được vị thế của ngân hàng trong thị trường, nó còn thể hiện năng lực cạnh tranh của ngân hàng trong hệ thống ngân hàng Vì vậy, khi quy mô càng lớn thì các ngân hàng càng tham vọng muốn kiếm được lợi nhuận nhiều hơn vì thế sẽ tích cực gia tăng hoạt động tín dụng từ đó tạo ra nguy cơ gây ra nợ xấu do chất lượng tín dụng có thể bị bỏ qua Đây cũng chính là kết luận của nhóm tác giả Salas vàSuarina (2002); Ghosh (2015); Nguyễn Thị Hồng Vinh (2015) Vì vậy giả thuyết H1:Quy mô ngân hàng có tương quan dương với nợ xấu tại các NHTM Việt Nam được chấp nhận.
4.5.2 Đối với tỷ suất lợi nhuận (ROE)
Khi các NHTM Việt Nam hoạt động tín dụng tốt thì sẽ tạo ra nhiều lợi nhuận, lợi nhuận này chính là cố gắng giảm bớt hay hạn chế được tối đa nợ xấu và việc trích lập dự phòng Tuy nhiên tại nghiên cứu này thì kết quả này đi ngược lại suy luận đó vì nhóm tác giả Louzis và cộng sự (2012) cho rằng nếu các NHTM muốn đẩy mạnh tình trạng nóng của hoạt động tín dụng để gia tăng lợi nhuận thì sẽ gia tăng dư nợ càng nhiều vì vậy điều này đồng nghĩa với việc lợi nhuận có thể tăng thêm nhưng nợ xấu từ đó cũng gia tăng vì thời điểm này ngân hàng có thể bỏ qua các nhân tố quản lý rủi ro tín dụng chặt chẽ và nới lỏng việc cho vay để gia tăng lợi nhuận từ hoạt động tín dụng nhiều hơn.
Vì vậy, giả thuyết H2: Tỷ suất lợi nhuận trên vốn chủ sở hữu có tương quan âm với nợ xấu tại các NHTM Việt Nam không được chấp nhận.
4.5.3 Đối với tỷ lệ trích lập dự phòng (LLR)
Tỷ lệ trích lập dự phòng chính là tỷ lệ mà ngân hàng bảo hiểm rủi ro cho những khoản nợ xấu đến nợ khó đòi hay nợ có khả năng mất vốn của mình Vì vậy tỷ lệ này ngân hàng sẽ trích lập khi các khoản nợ có rủi ro xuất hiện Chính vì thế tỷ lệ này càng tăng thì khả năng ngân hàng gặp nợ xấu càng nhiều hay nói cách khác lợi nhuận trong hoạt động tín dụng của ngân hàng có khả năng giảm Đây cũng chính là kết luận của nhóm tác giả Ghosh (2015); Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018).
Vì vậy, giả thuyết H3: Tỷ lệ trích lập dự phòng rủi ro tín dụng có tương quan dương với nợ xấu tại các NHTM Việt Nam được chấp nhận.
4.5.4 Đối với tăng trưởng tín dụng (GROW) Đối với NHTM tại Việt Nam việc tăng trưởng tín dụng là một tín hiệu đáng mừng vì ngân hàng có thể luân chuyển các nguồn vốn từ huy động đến các đối tượng cần vốn thông qua hoạt động tín dụng Tuy nhiên nó lại mang một rủi ro tiềm ẩn đó chính là khi tăng trưởng tín dụng càng mạnh nếu ngân hàng có thể kiểm soát tốt việc thu hồi nợ gốc và lãi sẽ làm ngân hàng ngày càng giàu có nhưng nếu do tăng trưởng tín dụng mà không thu hồi được lãi cũng như nợ gốc thì làm tình trạng nợ xấu ngày càng nghiêm trọng đe dọa đến hoạt động của ngân hàng Đây cũng chính là kết luận của nhóm tác giả Salas vàSuarina (2002); Ghosh (2015); Nguyễn Kim Phước và cộng sự (2017) Vì vậy, giả thuyết H4: Tốc độ tăng trưởng tín dụng có tương quan dương với nợ xấu tại các NHTM
Việt Nam được chấp nhận.
4.5.5 Đối với tốc độ tăng trưởng kinh tế GDP
Trong nghiên cứu này của tác giả thì đối với nhân tố tốc độ tăng trưởng kinh tế thì kết quả nghiên cứu cho thấy nhân tố không có ý nghĩa thống kê trong mô hình vì vậy tốc độ tăng trưởng không có tác động đến nợ xấu tại các NHTM Việt Nam Luận giải cho vấn đề này thì trong môi trường kinh tế phát triển thì việc trả nợ của khách hàng còn phụ thuộc vào ý chí trả nợ của khách hàng với ngân hàng mặt khác khách hàng có thể chiếm dụng vốn của ngân hàng làm việc sai mục đích nên dù kinh tế có tăng trưởng vẫn ảnh hưởng đến khả năng trả nợ Thêm một lý do khác đó chính là việc công nợ chồng chéo của các doanh nghiệp làm cho chậm trễ tiến độ cho ngân hàng Nên giả thuyết H5: Tốc độ tăng trưởng kinh tế có tương quan âm với nợ xấu tại các NHTM Việt Nam không được chấp nhận
4.5.6 Đối với lạm phát (INF)
Nền kinh tế có lạm phát sẽ làm cho sức mua của đồng tiền giảm, giá cả hàng hóa tăng theo làm cho các chi phí sản xuất hàng hóa tăng theo ảnh hưởng đến việc lưu thông hàng bán hàng khó khăn, tốc độ tăng trưởng thu nhập tăng chậm hơn tốc độ tăng trưởng của giá bán hàng hoá, từ đó tình hình kinh doanh của khách hàng sẽ khó khăn hơn, sản lượng bán ra cũng sẽ thấp hơn (đối với một số mặt hàng không thiết yếu) Điều này làm kéo dài thời gian thu tiền hàng, dẫn đến việc chậm tiến độ trả tiền cho ngân hàng vì vậy sẽ phát sinh nợ xấu tại các ngân hàng thương mại. Đây cũng chính là kết quả nghiên cứu của Nir Klein (2013) Vì vậy, giả thuyết H7: Tỷ lệ lạm phát có tương quan dương với nợ xấu tại các NHTM Việt Nam được chấp nhận.
Chương này tác giả đã tiến hành xử lý số liệu thu thập được của 22 NHTM ViệtNam đại diện cho 31 NHTM Việt Nam từ năm 2012 – 2020 Tác giả đã tiến hành đo lường sự phù hợp của 3 mô hình này thì mô hình tác động ngẫu nhiên là phù hợp nhấtThông qua việc thống kê mô tả mẫu nghiên cứu, tác giả nắm được tình hình chung của mẫu và xem xét hiện tượng tương quan của các biến độc lập Vì vậy tác giả tiến hành kiểm định các khuyết tật và khắc phục các khuyết tật này để ra được kết quả mô hình cuối cùng Từ kết quả này tác giả tiến hành thảo luận kết quả nghiên cứu và kết luận giả thuyết thống kê đồng thời định hướng các hàm ý chính sách và giải pháp cho chương 5.
