918 Yếu Tố Vi Mô Và Vĩ Mô Tác Động Đến Tỷ Lệ Nợ Xấu Của Nhtm Vn Khóa Luận Đại Học Chuyên Ngành Tcnh 2023.Docx

NGÂNHÀNGNHÀNƢỚCVIỆTNAM BỘ GIÁO DỤC VÀ ĐÀO TẠOTRƢỜNGĐẠIHỌCNGÂNHÀNGTP HỒCHÍMINH DƢƠNGBÌNHMINH–030631150158 YẾU TỐ VI MÔ VÀ VĨ MÔ TÁC ĐỘNG ĐẾN TỶ LỆNỢ XẤU CỦA NGÂN HÀNG THƢƠNG MẠI VIỆTNAM KHÓA LUẬN TỐT N[.]

Lýdochọn đềtài

Hệthốngngânhàngthươngmạiđượcxemlà một mắcxíchquantrọngtrongnềnkinhtế nói chung và hệ thống tài chính nói riêng Hệ thống ngân hàng hoạt động hiệu quảgóp phần làm gia tăng sự thịnh vƣợng của một quốc gia Ngày nay, cùng với xuhướng phát triển về các lĩnh vực tài chính, hệ thống ngân hàng thương mại đang mởrộng phạm vi hoạt động của mình thông qua việc gia tăng các sản phẩm dịch vụ chokhách hàng cá nhân và khách hàng doanh nghiệp thay vì cấp tín dụng Tuy nhiên,không thể phủ nhận đƣợc rằng hoạt động tín dụng chiếm tỷ trọng lớn trong doanh thuhoạtđộnghằngnămsovớicáchoạtđộngkhácchohệthốngngânhàngthương mạitạiViệt Nam. Chính vì đó, kiểm soát chất lƣợng tín dụng là việc làm cấp bách trong hoạtđộngquản trịtíndụng củangânhàng thươngmại.

Một trong những vấn đề cấp bách và cần thiết đối với bộ phận quản trị tín dụng củangân hàng thương mại là giảm thiểu tỷ lệ nợ xấu, một trong những nhân tố khôngnhững làm đau đầu các cán bộ quản trị tín dụng mà còn có tác động nguy hiểm đếntoàn hệ thống ngân hàng thương mại trên thế giới nói chung và Việt Nam nói riêng.Đối với ngân hàng thương mại, nợ xấu tăng nhanh làm gia tăng rủi ro thanh khoản, rủiro lãi suất, giảm lợi nhuận kinh doanh cho ngân hàng Không những thế, nợ xấu tăngnhanh không những làm giảm uy tín của ngân hàng đối với khách hàng mà còn lànguyênnhân khiến ngânhàng phá sản Đốivớinền kinh tế, nợ xấu tăngnhanhl à m cho nguồn vốn lưu thông bị tắc nghẽn, giảm hiệu quả đầu tƣ, gia tăng tỉ lệ thất nghiệpvà làm cho sản xuất kinh doanh bị đình trệ Ở Việt Nam, vấn đề nợ xấu chỉ thực sựđƣợc quan tâm đúng mức khi có sự gia tăng về con số thống kê trong việc nghiên cứu,từ đó làm gia tăng mối lo ngại đối với các bộ phận quản trị tín dụng cũng nhƣ các nhàhoạchđ ị n h c h í n h s á c h T h e o K h á n h L i n h ( 2 0 1 9 ) , c u ố i n ă m 2 0 1 8 , ƣ ớ c t í n h c ó đ ế n

340.0 tỷ đồng nợ xấu đƣợc Công ty Quản lý tài sản của các tổ chức tín dụngViệtNam(VAMC)mualạitừcácngânhàngbằngtráiphiếuđặcbiệt.Tuynhiên,tínhđến đầu tháng 4/2019, VAMC mới xử lý 190.000 tỷ đồng, tương đương hơn 56% tổng sốnợ xấu đƣợc tổ chức này mua về Điều đáng nói ở đây là Sacombank là ngân hàng cónợ xấu nhiều nhất (với 40.233 tỷ VND), tiếp đến là ngân hàng TMCP Sài Gòn (SCB)có lƣợng nợ xấu lớn thứ 2 (với 26.600 tỷ VND) Chính vì thế, việc quản lý nợ xấuđang được Ngân hàng nhà nước (NHNN) và các NHTM ráo riết thực hiện trongnhững năm gần đây nhằm lành mạnh hóa hệ thống ngân hàng, giải tỏa việc tắc nghẽntíndụng.

Vì nợ xấu có những ảnh hưởng to lớn đến nền kinh tế nói chung và hệ thống Ngânhàng thương mại nói riêng, tác giả quyết định chọn đề tài“Yếu tố vi mô và vĩ mô tácđộngđếntỷ lệnợxấucủangânhàngthương mại ViệtNam”đểtìmhiểuchitiếtvềchất lượng tín dụng, các yếu tố làm gia tăng nợ xấu có ảnh hưởng đến chất lượng tíndụngvàgiảiphápđểhạnchếnợxấuđốivớicácngânhàngthương mạihiệnnay.

Mụctiêunghiêncứu

Mụctiêutổngquát

Nghiên cứu đƣợc thực hiện nhằm đạt đƣợc mục tiêu tổng quát là nghiên cứu các yếutố vi mô và vĩ mô tác động đến tỷ lệ nợ xấu của NHTM tại Việt Nam trong giai đoạn2010 – 2018 Để đạt đƣợc mục tiêu tổng quát này, đề tài cần phải đƣa ra mục tiêu cụthểởphầntiếptheo.

Mụctiêucụ thể

Câuhỏinghiêncứu

Để đạt đƣợc mục tiêu nêu trên, đề tài đƣợc thực hiện nhằm trả lời một số câu hỏi nhƣsau:

Đốitƣợngvàphạmvinghiêncứu

Đốitƣợngnghiêncứu

Đối tƣợng đƣợc đề tài đề cập đến là các NHTM tại Việt Nam, không kể các chi nhánhngânhàngnướcngoài.

Phạmvinghiêncứu

Bốcục đềtài

Đểhoànthànhmụctiêuvàcâuhỏiđặtra,đềtàiđượcchiathành5chươngchính,cụthểnhư sau:

Chương1:Tổngquannghiêncứu Ở chương này, tác giả trình bày lý do nghiên cứu cũng như mục tiêu nghiên cứu, đốitượng và phạm vi nghiên cứu, phương pháp nghiên cứu, ý nghĩa và hạn chế của đề tàinghiêncứu.

Chương2:Cơsởlýthuyếtvềnợxấuvàcácnghiêncứuliênquan Ở chương này, tác giả trình bày khung lý thuyết cũng như đưa ra nguyên nhân và giảithích nguyên nhân dẫn đến nợ xấu và các yếu tố tác động đến nợ xấu của các tài liệutrước đây Khung lý thuyết mà tác giả tập trung lý giải cho mối quan hệ giữa các yếutố tác động đến nợ xấu là lý thuyết về dòngt i ề n t à i c h í n h , k ê n h c h o v a y c ủ a n g â n hàng, tốc độ tăng trưởng kinh tế vĩ mô, tỷ lệ lạm phát và các yếu tố vi mô Bên cạnhđó, tác giả cũng đưa ra các nghiên cứu thực nghiệm trước đây để đưa ra các yếu tốmang tính chất định lƣợng nhằm xây dựng mô hình thực nghiệm giữa các yếu tố tácđộngđếnnợxấucủacácNgânhàngthương mạiViệtNam.

Dựa trên khung lý thuyết có được từ chương 2, kế thừa các mô hình nghiên cứu thựcnghiệm trước đây, trong chương này, tác giả sẽ xây dựng mô hình nghiên cứu thựcnghiệm của mình, bao gồm các yếu tố vi mô và vĩ mô tác động đến nợ xấu của Ngânhàng thương mại Việt Nam Điểm nổi bật ở chương này là tác giả sẽ trình bày cácbướctiếnhànhxâydựngvàcácphươngphápướclượngnhằmđạtđượccác mụctiêunghiên cứu và trả lời các câu hỏi nghiên màt á c g i ả đ ề r a C u ố i c ù n g , c á c n g u ồ n d ữ liệu mà tác giả thu thập được để đo lường mức độ tác động cũng được trình bày trongchươngnày.

Dựa trên mô hình nghiên cứu thực nghiệm trước đây cùng với các dữ liệu thu thậpđược từ danh sách 31 Ngân hàng thương mại Việt Nam, tác giả sẽ sử dụng các phầnmềmphântíchnhưlà Eview8.1hoặcStata14.2đểkiểmđịnhvàướclượngcác hệ sốhồiquytrongmôhình.Từcáckếtquảướclượngcóđược,tácgiảsẽđốichiếukếtquảvới các nghiên cứu trước đây nhằm giải thích một cách logic Kết quả đó nhằm minhchứngđểđạtđƣợcmụctiêunghiêncứuvàtrảlờitoànbộcáccâuhỏinghiêncứuđƣợcđềra.

Chương5:Kếtluậnvàkhuyếnnghị Ở chương này, tác giả tóm lược các kết quả có được từ chương 4 nhằm gắn liền vớimục tiêu nghiên cứu Từ đó, tác giả đƣa ra một số khuyến nghị của mình và các hàm ýchính sách nhằm giúp kiểm soát nợ xấu thông qua các yếu tố tác động cũng nhƣ hạnchế các tác động bất lợi của nợ xấu đến hệ thống Ngân hàng Việt Nam Hơn nữa, cácgợi ý mà tác giả nêu lên cũng nhƣ là nguồn tài liệu tham khảo cho các nhà hoạch địnhvà phân tích về nợ xấu nhằm đƣa ra giải pháp hạn chế nợ xấu cho Ngân hàng Đồngthời ở chương này, tác giả đưa ra chi tiết về hạn chế của đề tài nghiên cứu và đồngthờicũng là mụccuốicùngcủachươngnày.

Ýnghĩacủađềtài

Ýnghĩakhoahọc

Hiện nay, nợ xấu có ảnh hưởng lớn đến dòng vốn lưu thông trong nền kinh tế,hiệuquả kinh doanh của ngân hàng Do đó, đề tài đƣợc thực hiện nhằm giải thích mức độtác động của các yếu tố đến nợ xấu của các NHTM tại Việt Nam và đƣa ra các giảiphápnhằmgiảiquyếtnợxấukịp thờivàhiệuquả.

Ýnghĩathựctiễn

Đềtàiđượcthựchiệnnhằmđưaracácyếutốtácđộngđếnnợxấutrênphươngdiệnvĩmô vàngânhàng.Từđó,đềtàicònhỗ trợ cácngânhàngtrongviệc:

TÓMTẮTCHƯƠNG1 Ở chương này, khóa luận đã trình bày cho người đọc có được cái nhìn tổng quát vềcácvấnđềnghiêncứucũngnhƣđƣaranhữngvấnđềcơbảnnhấtcủanghiêncứunhƣlý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tƣợng và phạm vinghiên cứu, ý nghĩa và hạn chế của việc nghiên cứu Bên cạnh đó, khóa luận còn đưaracácphươngphápsơlượccũngnhưcáchthiếtkếbốcụcKhóaluận,từđólàmcơsởchoviệcti ếptụcnghiêncứucácchươngtiếptheo.

CỨULIÊNQUAN Ở chương này, tác giả giới thiệu khái niệm về nợ xấu, các chỉ tiêu đánh giá nợxấu và các yếu tố ảnh hưởng đến nợ xấu của NHTM Đồng thời, chương này cũngtổng hợp các nghiên cứu thực nghiệm trước đây về các yếu tố ảnh hưởng đến nợ xấucủa NHTM Đồng thời chương này cũng làm nền tảng cho việc xây dựng mô hìnhnghiêncứuởchươngsau

Cơsởlý thuyết

NợxấucủaNgânhàngthươngmại

Khái niệm về nợ xấu rất đa dạng và phức tạp và các nghiên cứu trước đây đều đưa racho mình mỗi định nghĩa khác nhau Nó tùy thuộc vào cách thức tiếp cận cũng nhƣmục tiêu nghiên cứu của tác giả nghiên cứu Theo từ điển Investopedia, nợ xấu(nonperforming loan – NPL) là tổng số tiền vay mà người đi vay không đủ khả năngtrả nợ vay trong một thời gian nhất định (từ 90 ngày trở lên) Theo từ điển Wikipedia,nợ xấu hay còn gọi là nợ khó đòi là các khoảnnợdưới chuẩn, có thể quá hạn và bịnghingờvềkhả năngtrảnợlẫnkhảnăngthuhồivốncủachủnợ,điềunàythườngxảyra khi các con nợ đã tuyên bốphá sảnhoặc đã tẩu tán tài sản Nợ xấu gồm các khoảnnợ quá hạn trả lãi và/hoặc gốc trên thường quá ba tháng căn cứ vào khả năng trả nợcủa khách hàng để hạch toán các khoản vay vào các nhóm thích hợp Theo Mishkin(2010) và Rose

(2009), các khoản cho vay đƣợc xem là nợ xấu khi đã quá hạn trả nợgốc và lãi từ 90 ngày trở lên Trong tiếng Anh, nợ xấu có rất nhiều cách gọi khác nhauchẳnghạnnhƣnhƣbaddebt,non-performingloan,uncoverabledebtvàdoubtfuldebt.Theo IMF (2019), nợ xấu đƣợc nhận biết bằng ba yếu tố chính: (i) Nợ gốc và lãi quáhạn trên 90 ngày; (ii) Thời hạn cho khoản lãi phải trả lớn hơn hoặc bằng 90 ngày vàkhoản lãi nhiều hơn gốc phải trả; (iii) Khoản nợ được phân làm ba nhóm có chấtlượngtíndụngdướichuẩn,nghingờvà khảnăng mấtvốncao.

Tómlại,nợxấutrongkhóaluậnnàyđƣợchiểulàkhoảnvayđãquáhạnthanhtoángố c và/hoặc lãi theo thỏa thuận trên 90 ngày và nghi ngờ người đi vay không có khảnăngtrảnợchongườichovay.TheoĐiều6.10Quyếtđịnhsố22/2014/VBHN-NHNNban hành năm 2014 về quy định về phân loại nợ, trích lập và sử dụng dự phòng để xửlý rủi ro tín dụng trong hoạt động ngân hàng của Tổ chức tín dụng, các khoản cho vayđƣợc xem là nợ xấu khi thuộc nhóm nợ 3,4,5 bao gồm nợ dưới tiêu chuẩn, nợ nghingờ và nợ có khả năng mất vốn Khóa luận này sử dụng tỷ lệ nợ xấu trên tổng dƣ nợdựa trên báo cáo tài chính theo tiêu chuẩn kế toán Việt Nam trong việc nghiên cứuđịnhlƣợng.

Cácchuẩn mực quốctếvềnợxấu

Hiện nay, các chuẩn mực quốc tế đều đƣa ra định nghĩa và các tiêu chí khác nhau vềkhoảnnợđượcxemlànợxấu.TheohiệpướcBaselII,cáckhoảnnợđượcxem l à không có khả năng hoàn trả khi một trong hai điều kiện xảy ra: (i) Ngân hàng xác địnhngười vay không có khả năng trả nợ đầy đủ khi ngân hàng chưa thực hiện hành độnggìđểthuhồinợ; (ii)Ngườiđivayđãquáhạn trảnợ90ngày(BIS,2006).

Tiêuchí BaselII FSI IAS39 ViệtNam

Tiêuchíxácđ ịnhnợxấu Ổnđịnhvàgiámsát hoạt độngcủahệthốngn g â n hàngcácquốcgi a

Hướngdẫnlậpbáocá okếtquảhoạtđộng trong kỳ dựatrênbáocáotàich ính, chú ý tới kếtquảhoạtđộng

Lậpbáocáokếtquảh oạtđộngtrong kỳ, chú ý tớithuếphảinộpv à l ợinhuận Địnhlƣợng Nợq u á h ạ n t ừ 9 0 ngàytrở lên

Nợquáhạntừ91ngà y trở lên(Thông tƣ14/2014/TT- NHNN) Địnhtính Thời gian quá hạnhoặcdấuhiệukho ảnvaychƣađƣợctha nhtoán,các mất mát có thểxảy ra trong tươnglai

Thời gian quá hạnhoặcdấuhiệung ƣời vay có khảnăngkhôngtrảđƣ ợcnợ

Thờigiantrảnợquáh ạnhoặcdấuhiệu khách quan làkhoản vay bị giảmgiá trị hoặc khôngthểthaythếđƣ ợc

Cáckhoảnn ợ đƣợcđ ánhgiálàkhôngcònkh ảnăng thu hồi, mấtvốn (Khoản 6, điều7,quyếtđịnhsố2 2/2014)

Tínhtổngsốtiềntheo côngthứcchung,ch úýđếnvòngđời tàisản

Khôngđềcập Dựatrênt ừ n g hạng mụcvàc ó cácphươ ngpháptính phù hợp theotừnghạngmục của

Tínhchungdựatrên kỳbáoc á o củaNH tàis ả n , t í n h t o á n theokỳbáocáobằng lãi suất chiếtkhấu

Nguồn:TổnghợptừBCBS(2010),IFRS(2005),FSIS(2004),Quyếtđịnhsố22/2014/QĐ-NHNNvàĐinhThịThanhVân(2012)

Phânloạinợxấu

Theo David Bholat và ctg (2016), việc phân loại nợ xấu khó có có tiêu chuẩn quốc tếthống nhất Việc phân loại và tiếp cận nợ xấu tùy thuộc vào trách nhiệm của ngườiquản lý hoặc người giám sát hệ thống ngân hàng Bảng 2.1 trình bày về việc phân loạinợ của một số quốc gia trên thế giới Theo đó, một số nước đã phát triển như Mỹ vàĐức đã có cách tiếp cận và phân loại nợ rõ ràng Ở các quốc gia đang phát triển hoặccác quốc gia có hệ thống pháp luật gặp nhiều hạn chế, các nhà quản lý hoặc giám sátngân hàng thường tự đưa ra trách nhiệm phát triển và phân loại loại nợ xấu theo hìnhthức nội bộ Tại Anh, các nhà giám sát ngân hàng không yêu cầu các ngân hàng ápdụng loại hình phân loại nợ cụ thể Bên cạnh đó, các nước thuộc khối liên minh châuÂu quy định yêu cầu tối thiểu về một khoản vay được xem là nợ xấu nhưng lại khôngcó chi tiết và hướng dẫn cụ thể Các nước châu Á thường quy định khoản vay đượcxem là nợ xấu khi khoản vay thuộc nhóm 4 hoặc 5 và có cách phân loại tương đồnggiữacác quốcgia.

(ii)Nợđặcbiệttheosát;(iii)N ợ dưới tiêu chuẩn; (iv) Nợ có rủi ro cao; (v)Nợ khó thu hồi; (vi) Nợ không thể thu hồidựatrên các tiêu chí kỹthuật.

Khoản nợ đƣợc xem là nợ xấu không kể là90 ngày hay không, mà là khoản nợ bị nghingờ khả năng trả nợ, bao gồm lãi và cáckhoảnt h u k h á c T r o n g h ệ t h ố n g t à i c h í n h của Úc, yêu cầu về xác định đầy đủ mức độmất mát đặc biệt áp dụng cho phạm vi củacác khoản tài trợ linh hoạt, bao gồm khoảncho vay mà trả nợ gốc chỉ thanh toán 1 lầnkhiđếnhạn

Các khoản vay gồm: (i) Khoản nợ quá hạn90 ngày; (ii) Nợ không quá 90 ngày nhƣngđƣợc xếp loại E, F, G hoặc H, theo các quyđịnhphânloạirủiro;(iii)nợ táic ơ c ấ u Phânloạinợtheo9nhómAA,A,B,C ,D,E,F,Ghoặc H.

Theo các quy tắc giám sát, phân loại nợ baogồmnợđủtiêuchuẩn,nợcầnchúý,nợdướitiêu chuẩn, nợnghingờvàNợ mấtvốn.

Bao gồm: cho vay không rủi ro, cho vay códấu hiệu rủi ro, nợ có dấu hiệu không thuhồi,nợxấu.

Bundesanstalt fürFinanzdienstleis- tungsaufsicht(BaFin) ẤnĐộ 4

Nợ xấu là khoản nợ mà: (i) Lãi suất và/hoặcphần gốc vẫn còn quá hạn hơn 90 ngày;

(iii) Quá hạn hơn 90 ngày trong trường hợpmuahoặcchiếtkhấuthươngphiếu.

Nợ xấu là các khoản vay phân loại là nợdưới tiêu chuẩn, nợ nghi ngờ và nợ có khảnăngmấtvốn.

Cáckhoảnvayđƣợcphânthànhbốnloại:(i)Bị phá sản hoặc bán phá sản; (ii) Nợ nghingờ; (iii) Nợ cần chú ý và (iv) Nợ đủ tiêuchuẩn.

Baog ồ m : n ợ đ ủ t i ê u c h u ẩ n , n ợ c ầ n c h ú ý , nợ dưới tiêu chuẩn, nợ nghi ngờ và nợ cókhả năng mất vốn Nợ xấu là khoản nợ phảnánh khả năng trả nợ suy giảm và rủi ro phásảncao.

7 nhóm đƣợc phân loại dựa trên rủi ro quốcgia, rủi ro tài chính, rủi ro ngành và lịch sửthanhtoán.

Cáckhoảnvaybaogồm(i)Nợđủt i ê u chuẩn – không có rủi ro tín dụng; (ii) Nợdưới chuẩn

- rủi ro tín dụng trung bình; (iii)Nợ khó đòi

- rủi ro tín dụng đáng kể; (4) Nợcó vấn đề - rủi ro tín dụng cao và (5) nợ cókhả năng mất vốn - không có khả năng thuhồinợ.

Nợ xấu là khoản nợ quá hạn trên 90 ngày vàrủi ro không hoàn trản ợ k h ô n g c ó t à i s ả n thếchấp.

Nguyên tắc kế toán chung (GAAP) yêu cầucác chủ nợ đo lường nợ xấu dựa trên giá trịhợplýcủatàisảnthếchấp.Ngoàira,GAAP

SecuritiesandExch angeCommission cho phép chủ nợ đo lường nợ xấu về khảnăng hoàn trả các khoản vay dự kiến bởi tàisản thế chấp dựa trên giá trị hợp lý của cáctàisảnthếchấp.

TạiViệtNam,cácTCTDhiệnnayđềuphânloạinợtheophươngphápđịnhlượngdựatrên quyết định số22/2014/VBHN-NHNN và thông tƣ số 02/2013/TT-NHNN Tuynhiên, có 3 Ngân hàng lớn nhƣ Agribank,BIDV và Vietcombank là phân loại nhómnợ dựa trên cả 2 yếu tố định lƣợng và định tính Dựa trên các quy định đã nêu trên,TCTD phân loại nhóm nợ thành 5 nhóm chính bao gồm: Nhóm 1 – Nợ đủ tiêu chuẩn;Nhóm 2 – Nợ cần chú ý; Nhóm 3 – Nợ dưới tiêu chuẩn; Nhóm 4 – Nợ nghi ngờ;Nhóm 5 – Nợ có khả năng mất vốn cao Dù phân loại nợ xấu theo cả 2 phương phápđịnhlượng vàđịnhtínhnhưngcácnhómnợ3–5đều đƣợcxếp vàodanh mụcnợxấucủa ngân hàng Nhìn chung về cách xếp loại nhóm nợ, có thể thấy rằng cách xếp loạinhóm nợ của Việt Nam khá tương đồng giữa nhiều quốc gia trên thế giới nhưMỹ,NhậtvàTrungQuốc.

Cácnghiêncứuthựcnghiệmtrướcđây

Cácnghiêncứuthựcnghiệmtrongnước

Nghiên cứu của Nguyễn Thị Hồng Vinh (2015) về các yếu tố tác động đến nợxấu của ngân hàng thương mại Việt Nam trong giai đoạn 2007 – 2014 Nghiên cứu sửdụng Ba mô hình ước lượng dữ liệu bảng là hiệu ứng cố định FE, phương phápMômentổngquátGMMdạngsaiphânvàGMMdạnghệthốngđƣợcsửdụngđểkiểmđịnhảnh hưởngcủacácyếutốđếnnợxấuNHTMVN.Kếtquảnghiêncứuchothấycảyếutốđặc thùvàvĩmô đều cótác độngquan trọng đến nợ xấu của hệ thốngNHTMVN Trong đó,khả năng sinh lời và tăng trưởng kinh tế là những yếu tố chínhcótácđộngngƣợcchiềuđếnnợxấucủahệthốngNHTMVN.Ngoàira,nợxấutrong 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 lạmpháttácđộngcóýnghĩađếntỉlệnợxấucủacácNHTMVN.

Lê Phan Thị Diệu Thảo và Bùi Công Duy (2018) nghiên cứu về yếu tố tác độngđến nợ xấu của các ngân hàng thương mại cổ phần Việt Nam trong giai đoạn 2011 – 2016.BằngcácphươngphápướclượngGMMđểkiểmđịnhsựảnhhưởngcủanhữngyếu tố vĩ mô và nhân tố nội tại của ngân hàng đến nợ xấu của các NHTM cổ phần, kếtquảchothấy,nợxấuchịuảnhhưởngbởicảcácyếutốvĩmôvàyếutốnộitạithuộcvề ngân hàng Trong đó, nợ xấu trong quá khứ, quy mô ngân hàng, tỷ lệ vốn chủ sởhữu trên tổng tài sản, tỷ lệ dự phòng rủi ro, tốc độ tăng trưởng tín dụng và tỷ lệ lạmphátcót ác đ ộ n g c ù n g c h iề u đế nn ợ xấu Trong khiđ ó, t ăn gt rƣ ởn g kinht ế và khả năng sinh lời có tương quan âm với nợ xấu Bên cạnh đó, bài viết cũng giải thích mốiquan hệ cùng chiều của tỷ lệ vốn chủ sở hữu trên tổng tài sản với nợ xấu trái với kỳvọngcủanghiêncứu.

PhạmDươngPhươngThảovàNguyễnLinhĐan(2018)nghiêncứuvềcácyếutố ảnh hưởng đến tỷ lệ nợ xấu của các ngân hàng thương mại cổ phần Việt Nam Bàinghiên cứu này phân tích số liệu của 27 ngân hàng thương mại cổ phần (NHTMCP)đang hoạt động tại Việt Nam từ năm 2005- 2016 để kiểm định tác động của các yếu tốkinh tế vĩ mô và đặc điểm ngân hàng đến tỷ lệ nợ xấu của các NHTMCP Sử dụngphương pháp hồi quy GMM sai phân với ưu điểm có thể khắc phục hiện tượng nộisinh, phương sai thay đổi và tự tương quan, bài nghiên cứu phát hiện thấy rằng cácđặc điểm ngân hàng có tác động đáng kể Cụ thể, tỷ lệ nợ xấu của ngân hàng ở nămtrước càng cao thì sẽ làm cho tỷ lệ nợ xấu của ngân hàng hiện tại càng gia tăng. Đồngthời,cácngânhàngcàngcóchiphítríchlậpdựphòngrủirotíndụngcàngcao,chiphí hoạt động càng cao, lợi nhuận của ngân hàng càng cao thì sẽ giúp các ngân hànggiảm thiểu tỷ lệ nợ xấu của ngân hàng Kết quả của nghiên cứu này cũng cho thấy cácbiến số kinh tế vĩ mô nhƣ tốc độ tăng trưởng kinh tế có mối quan hệ cùng chiều với tỷlệ nợ xấu của các ngân hàng Từ kết quả nghiên cứu, tác giả đề xuất một số ý kiếnnhằmcảithiệntỷlệnợxấucủacácngânhàng ViệtNam.

Cácnghiêncứuthựcnghiệmởnướcngoài

Dimitrios, Helen & Tsinonas Mike (2016) nghiên cứu về cácy ế u t ố c h í n h t á c đ ộ n g đến nợ xấu của các hệ thống ngân hàng ở các quốc gia thuộc Châu Âu trong giai đoạnquý1năm1990– quý2năm2015bằngcáchsửdụngphươngphápướclượngGMM.Các biến minh họa cho ngân hàng và quốc gia cụ thể đƣợc đề xuất trong mục tổngquan về luật thuế thu nhập và khoảng chênh lệch lợi nhuận đƣợc khảo sát lần đầu vàđƣợc cho là có tác động mạnh Kết quả mô hình của nghiên cứu là nguồn hữu ích khiđiềuhànhchínhsáchvĩmôvàtàikhóa.

Makri, Tsagkanos & Bellas (2012) nghiên cứu về các yếu tố tác động đến nợ xấu củahệ thống ngân hàng thuộc châu Âu trong giai đoạn 2000 – 2008, trước khi xảy ra cuộckhủng hoảng Trong thời đại ngày nay, hệ thống ngân hàng thuộc Châu Âu đang trongmột thời kỳ khủng hoảng chƣa từng có, đƣa ra các câu hỏi mang tính tích cực của hệthốngngânhàngcủacácquốcgiathuộcchâuÂu.Dựatrêncácbiếnvĩmô(baogồmtỷlệ tăngtrưởnghằngnămcủa quốcgia,tỷlệnợquốcgia trênGDP,tỷlệ thấtnghiệp)và các biến vim ô ( b a o g ồ m t ỷ l ệ c h o v a y t r ê n t ổ n g t i ề n g ử i , l ợ i n h u ậ n t r ê n t ổ n g t à i sản, lợi nhuận trên vốn chủ sở hữu), nghiên cứu điều tra các yếu tố khác ảnh hưởngđến tỷ lệ nợ xấu trên phương diện tổng hợp Nhìn chung, nghiên cứu cho thấy có sựtương quan chặt chẽ giữa tỷ lệ nợ xấu (NPL) và các yếu tố vĩ mô

(nợ quốc gia, tỷ lệthấtnghiệp,tốcđộtăngtrưởnghằngnăm)vàcácyếutốliênquanđếnngânhàng(tỷlệantoànvốn, tỷlệnợxấunămtrướctrênvốnchủsởhữu).

Messai & Jouini (2013) nghiên cứu về các yếu tố vi mô và vĩ mô tác động đến nợ xấucủa 85 ngân hàng ở ba quốc gia (Ý, Hy Lạp và Tây Ban Nha) trong giai đoạn 2004-2008 Ba quốc gia đƣợc đề cập đang đối mặt với vấn đề tài chính sau cuộc khủnghoảngtàichínhtrongnăm2008.CácbiếnvĩmôđượcdùngbaogồmtỷlệtăngtrưởngGDP, tỷ lệ thất nghiệp và lãi suất thực với các biến số đại diện cho lợi tức của tài sản,mức thay đổi khoản vay và dự phòng tổn thất cho vay so với tổng các khoản cho vay(LLR/TL) Sau khi áp dụng phương pháp hồi quy dữ liệu bảng, nghiên cứu đã chỉ rarằng các vấn đề cho vay có tác động ngƣợc chiều với tốc độ tăng trưởng GDP, tỷ suấtsinh lời của tổng tài sản có tác động cùng chiều với tỷ lệ thất nghiệp và tỷ lệ dự phòngtổnthấtchovayđốivớitổngcáckhoảnvayvàlãisuấtthực.

Ekanayake & A.A.Azeez (2015) nghiên cứu về các yếu tố tác động đến nợ xấu của 9ngân hàng thương mại lớn nhất ở Sri Lanka trong giai đoạn 1999 – 2012 Nghiên cứucho rằng cácyếu tố vĩ mô vàyếutố vĩmô liên quan đếnn g â n h à n g c ó t á c đ ộ n g l ớ n đến tỷ lệ nợ xấu Điều đó đã cho thấy rằng tỷ lệ nợ xấu có xu hướng gia tăng khi hiệuquả hoạt động của ngân hàng giảm Bên cạnh đó, có sự tương quan dương giữa tỷ lệcho vay trên tổng tài sản và tỷ lệ nợ xấu (NPLs) Hơn nữa, ngân hàng lớn có tốc độtăng trưởng tín dụng cao sẽ có tỷ lệ nợ xấu thấp hơn so với các ngân hàng nhỏ hơn.Đối với các biến số vĩ mô, nợ xấu có tác động ngƣợc chiều so với tốc độ tăng trưởngGDPvàtácđộngcùngchiềuđốivớilãisuấtchovay.

Warue (2013) nghiên cứu về cácy ế u t ố v i m ô v à y ế u t ố v ĩ m ô c ủ a n ề n k i n h t ế t á c động đến nợ xấu của các NHTM ở Kenya trong giai đoạn

1995 tới 2009 Mục tiêu củanghiên cứu là tìm ra mối liên hệ giữa nợ xấu (NPLs) và các yếu tố vi mô và vĩ mô, vàđƣa ra mức độ tác động của các yếu tố đó đến nợ xấu của ngân hàng ở Kenya Cácbiến vĩ mô được nghiên cứu sử dụng bao gồm: GDP thực, GDP bình quân đầu người,lãi suất cho vay, lạm phát, chi tiêu của chính phủ, xuất và nhập khẩu, tỷ giá giữa đồngtiền Kenya và đồng đô la Mỹ và tổng tài sản được đo lường dựa trên 20 mã cổ phiếungân hàng được niêm yết trên sàn chứng khoán Nairobi (NSE) Các yếu tố vi mô baogồm: quản trị rủi ro tín dụng, cấu trúc của ngân hàng và yếu tố về quản lý chất lƣợng.Qua kết quả có đƣợc từ mô hình, nghiên cứu chỉ ra rằng sự tồn tại lớn của các khoảnnợ xấu trong ngân hàng ảnh hưởng tiêu cực đến đầu tƣ tƣ nhân, làm giảm khả năngthanh khoản của ngân hàng và làm giảm phạm vi hoạt động tín dụng của ngân hàng.Bêncạnhđó,cácyếutốvềmôitrườngvĩmôcótácđộnglớnvàcùngchiềuvớin ợxấucủangânhàngthươngmại.

Louzis, Vouldis & Metaxas (2011) nghiên cứu về cácyếu tố vĩmô và vim ô n g â n hàngtácđộngđếnnợxấuđếnhệthốngNgânhàngthươngmạiởHyLạpbằngcáchsửdụng mô hình dữ liệu bảng hiện đại (dynamic panel data) hay còn gọi là phương phápGMM Biến nợ xấu được nghiên cứu chia ra thành ba biến nhỏ, bao gồm nợ xấu chovay khách hàng cá nhân (consumer loans), nợ xấu cho vay khách hàng doanh nghiệp(business loans) và nợ xấu từ tài sản đảm bảo (mortgages) Giả thuyết đƣợc đƣa ra làcácb i ế n v i m ô n g â n h à n g ( b a n k - s p e c i f i c v a r i a b l e s ) v à b i ế n v ĩ m ô ( m a c r o e c o n o m i c variables) đều có tác động đến từng loại nợ xấu Kết quả nghiên cứu cho thấy nợ xấuchủ yếu bị tác động bởi các yếu tố vĩ mô (GDP, tỷ lệ thất nghiệp, lãi suất, nợ quốc gia)và chất lƣợng quản lý So với các biến nợ xấu khác, nợ xấu từ tài sản đảm bảo ít bị tácđộngbởicácyếutốvĩmô.

Saba, Kouser, & Azeem (2012) nghiên cứu về các yếu tố tác động đến nợ xấu đến hệthống ngân hàng tại Mỹ trong giai đoạn 1985 – 2010 Nghiên cứu sử dụng biến GDPbình quân đầu người (Real GDP per Capita), lạm phát (Inflation) và tổng khoản chovay khách hàng (Total Loans) làm biến độc lập, và tỷ lệ nợ xấu (Non Performing LoanRatio) làm biến phụ thuộc Dữ liệu mà nghiên cứu lựa chọn là từ báo cáo tài chính củacác ngân hàng thương mại tại Mỹ được liệt kê bởi Cục dự trữ Liên Bang Mỹ Kết quảkiểm định tương quan và hồi quy cho thấy mô hình nghiên cứu được dùng có ý nghĩathống kê và phù hợpvới thực tế Hơn nữa,tất cả các biến độc lậpđ ề u c ó t á c đ ộ n g đáng kể đến nợ xấu của ngân hàng thương mại nhưng giá trị tác động là khá nhỏ Quađó, các ngân hàng nên kiểm soát và ban hành chính sách quản lý tín dụng một cáchchặtchẽnhằmgiảmthiểutỷlệnợxấu.

Khemraj & Pasha (2009) nghiên cứu về các yếu tố tác động đến nợ xấu của ngân hàngthương mại ở Guyana trong giai đoạn 1994 – 2004 Nghiên cứu sử dụng mô hình hồiquy dữ liệu bảng (a panel dataset) và mô hình FEM được sử dụng tương tự nhưnghiên cứu của Jesus & Gabriel (2006) Dựa trên những bằng chứng thực tế có đƣợc,nghiên cứu đã cho thấy tỷ giá hiệu quả thực (real effective exchange rate) có tác độngcùng chiều đáng kể với nợ xấu Điều đó cho thấy rằng khi đồng nội tệ tăng giá thì nợxấu của ngân hàng thương mại sẽ tăng theo Bên cạnh đó, tốc động tăng trưởng GDP(GDP growth) có tác động ngƣợc chiều với nợ xấu cho thấy nền kinh tế đang trên đàcải thiện nhằm mục đích cắt giảm nợ xấu Nghiên cứu còn cho thấy rằng các ngânhàngcólãisuấtcho vaycaohơnthìsẽ cómức nợxấucaohơn.

Quymôt à i LêPhanThịDiệuThảo Ekanayake & sản & Bùi Công

Lê Phan Thị Diệu Thảo&BùiCôngDuy(20 18);PhạmDươngPhươ ngThảo&NguyễnLinh Đan(2018);Dimitrios,H elen, & Mike (2016);Ekanayake

Tỷ lệ chiphí hoạt động /

Lê Phan Thị Diệu Thảo&BùiCôngDuy(20 18);Dimitrios,Helen, &

A.A.Azeez( 2 0 1 5 ) ; Louzis,Vouldis,&Meta xas(2011)

Lê Phan Thị Diệu Thảo&BùiCôngDuy(20 18);PhạmDươngPhươ ngThảo&NguyễnLinh Đan(2018)

Ekanayake & A.A.Azeez( 2 0 1 5 ) ; PhạmDươngPhươngTh ảo&NguyễnLinhĐan(20 18)

Cácmôhìnhnghiêncứuthựcnghiệmtrênthếgiới

Nam Khóa luận này tham khảo các mô hình nghiên cứu của tác giả: Ekanayake

Mô hình 1:Nghiên cứu của Ekanayake & A.A.Azeez (2015) về “Yếu tố tác động đếnnợ xấu của các ngân hàng đƣợc niêm yến: Bằng chứng thực nghiệm ở Sri Lanka” đãnghiên cứuy ế u t ố t á c đ ộ n g đ ế n n ợ x ấ u c ủ a 9 n g â n h à n g T M C P t ạ i S r i L a n k a t r o n g giai đoạn 1999 đến 2012 Kết quả nghiên cứu cho thấy có sự tác động cùng chiều giữatỷ lệ các khoản cho vay khách hàng trên tổng tài sản và lãi suất cho vay đến NPL.Trongkhiđó,ngânhàngvớitốc độtăngtrưởngtíndụngcaosẽ cắtgiảmđượctỷlệnợxấu Ngân hàng có quy mô càng lớn thì càng có tỷ lệ nợ xấu thấp hơn Ngược lại, tỷ lệnợ xấu có tác động ngược chiều với tốc độ tăng trưởng kinh tế và lạm phát Nghiêncứusửdụngmô hìnhnhƣsau:

Mô hình 2:Nghiên cứu của Louzis, Vouldis, & Metaxas (2011) về các yếu tố vĩ môvàv i m ô t á c đ ộ n g đ ế n n ợ x ấ u c ủ a h ệ t h ố n g n g â n h à n g t ạ i H y Lạp.N g h i ê n c ứ u s ử dụng dữ liệu được lấy từ 9 ngân hàng thương mại tại Hy Lạp trong giai đoạn Quý 1năm 2003 đến Quý 3 năm

2009 Nghiên cứu sử dụng GMM bảng không cân để đolường hệ số tác động Kết quả nghiên cứu cho thấy tỷ lệ nợ xấu đƣợc giải thích bởicác biến vĩ mô (GDP, tỷ lệ thất nghiệp, lãi suất (interest rates), nợ công cộng (publicdebt)vàchất lƣợnghệthốngquản lý.Nghiên cứusửdụngmôhìnhsau:

3 biến giả, biến giả bằng 1 nếu tỷ lệ phần trămquyềnsở hữulớnhơn 10%,25%và50%

Dựa trên cơ sở lý thuyết có đƣợc cùng với các nghiên cứu thực nghiệm trên thế giới,khóa luận đã chọn và tổng hợp các biến nghiên cứu để đo lường các yếu tố ảnh hưởngđến tỷ lệ nợ xấu của NHTM Việt Nam trong giai đoạn 2010– 2 0 1 8 C h i t i ế t v ề c á c yếu tố ảnh hưởng được minh họa ở hình… Các biến vĩ mô được chọn là biến tốc độtăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF), tỷ lệ thất nghiệp (UNE) Các biến vimô đƣợc đề cập bao gồm tỷ lệ lợi nhuận sau thuế trên tổng tài sản (ROA), tỷ lệ cáckhoản cho vay khách hàng trên tổng tài sản (LA), tỷ lệ chi phí hoạt động trên tổng thunhập(OPE),tỷlệlợinhuậnsauthuếtrêntổngvốnCSH(ROE),tỷlệdựphòngch ovaykháchhàngtrêndƣnợchovay(LLP),quymôngânhàng(SIZE).

Dưnợchovaykháchhàngtrêntổngtàisản(LA)Chi phí hoạt độngtrêntổngthunhập(OPE)

TÓMTẮTCHƯƠNG2 Ở chương này, Khóa luận đã nêu lên các khái niệm cơ bản về tín dụng, quy trình hoạtđộngt í n d ụ n g , n ợ x ấ u v à c á c h n h ậ n b i ế t n ợ x ấ u d ự a t r ê n v i ệ c p h â n l o ạ i n h ó m n ợ Khóa luận cũng đưa ra các lý thuyết về yếu tố tác động đến nợ xấu, đồng thời đưa racác phương pháp đo lường nợ xấu dựa trên các công trình nghiên cứu trước đây tạiViệt Nam và các nước trên thế giới Nghiên cứu còn đƣa ra các mô hình nghiên cứuthực nghiệm khác nhau về yếu tố tác động đến nợ xấu, từ đó làm cơ sở nghiên cứu chochươngtiếptheo.

Tiếp thu từ các nghiên cứu trước, chương này xây dựng mô hình nghiên cứu,giải thích các biến và cách tính toán cũng nhƣ kỳ vọng dấu của các biến Đồng thời,chươngnàycũngnêulênphươngphápnghiêncứuvớitrìnhtựcácbướcthựchiện.

Môhìnhnghiêncứu

Để giải quyết các mục tiêu nghiên cứu đƣợc nên trên và các lý thuyết về yếu tố vi môvà vĩ mô, tác giả đã xây dựng mô hình nghiên cứu các yếu tố tác động đến tỷ lệ nợ xấucủa các NHTM Việt Nam, trên cơ sở kế thừa các nghiên cứu trước đây Trong môhình, tác giả sử dụng 9 biến độc lập bao gồm 6 biến vi mô và 3 biến vĩ mô và 1 biếnphụthuộc.CácbiếntrênđượclấydựavàonghiêncứucủaPhạmDươngPhươngThảo&

Nguyễn Linh Đan (2018), Ekanayake & A.A.Azeez (2015), Dimitrios, Helen, &Mike (2016), Louzis, Vouldis, & Metaxas (2011) vàMakri, Tsagkanos, & Bellas(2012).

Dựa trên nghiên cứu của Ekanayake & A.A.Azeez (2015), tác giả đề xuất mô hìnhnghiêncứunhƣsau:

NPL i,t =α + β 1 ROA it + β 2 LA it + β 3 OPE + β 4 SIZE + β 5 ∆GDP t + β 6 INF t + β 7 UNE t +β 8 ROE t + β 9 LLP t + t

Biến Môtả Đolường Dấu kỳvọng

Công trình nghiên cứuthamkhảo Biếnphụthuộc

NPLit Tỷ lệ nợ xấucủangânh àng i trongthờigia nt

A.A.Azeez(2015);Saba,Kous er,&Azeem(2012)

ROAit Lợinhuậnsa u thuế trêntổng tài sảncủangânh àng i trongthờigia nt

A.A.Azeez(2015);PhạmDươ ngP h ƣ ơ n g T h ả o & Nguy ễnLinhĐan(2018)

LLPit Tỷ lệ tríchlập dựphòng chovay kháchhàng củangânhà ngitrong thờigiant

Tỷ lệ dự phòng cho vaykháchhàng/Tổngdƣnợcho vay

LAit Tỷ lệ cáckhoản chovay trêntổng tài sảncủa ngânhàngitro ngthờigiant

Các khoản cho vay kháchhàng/tổng tàisản

OPEit Tỷ lệ chi phíhoạt độngtrêntổngt hunhập củangânhàng i trongthời

Chi phí hoạt động / Tổng thunhập

SIZEit Logarithmt ựnhiêncủatổn g tài sảnngân hàng itrong thờigiant

Louzis,Vouldis, & Metaxas (2011);PhạmDươngPhương Thảo&NguyễnLinhĐan(201

8) INFt Tỷ lệ lạmphát củaquốc giatrongt hờigiant

UNEt Tỷ lệ thấtnghiệp củaquốc giatrong thờigiant

Biếntỷlệnợ xấu đƣợc xe m làbi ến đặc t hù củ a ngânhàn g Tỷ lện ợ xấu đƣợc đ olƣ ờngbằngcáchlấy dƣnợnhóm3,4,5chiachotổngdƣanợchovay củatừngngân hàng.Cáckhoản dƣ nợchovaythuộcnhóm3,4,5 đƣợclấytừ báo cáotàichính hằngnăm, còn tổng dƣa nợ cho vay đƣợc lấy từ bảng cân đối kế toán của Ngân hàng Côngthứctínhđƣợcminhhọaởbảng3.1

Biến đặc thù thứ hai là biến lợi nhuận sau thuế trên tổng tài sản (ROA) Đây là biếnphảnánhhiệuquảsinhlờicủangânhàngvàđƣợctínhbằngcôngthứcdựatrênbảng 3.1 Trong đó, lợi nhuận sau thuế đƣợc lấy từ báo cáo hoạt động kinh doanh hằng nămcủangânhàng,còn tổngtàisảnthìđƣợclấytừbảngcânđốikếtoán.

Biến đặc thù thứ tƣ đƣợc nghiên cứu đề cập là tỷ lệ các khoản cho vay khách hàngtrên tổng tài sản (LA) Công thức đo lường được đề cập ở bảng 3.1, trong đó dư nợcho vay khách hàng và tổng tài sản đƣợc tác giả lấy trên bảng cân đối kế toán hằngnăm của NHTM Khóa luận cho rằng tỷ lệ cho vay khách hàng càng cao thì tỷ lệ nợxấucủaNHTMcàngtăngtronggiaiđoạn2010 –2018.

Biến đặc thù thứ năm là biến tỷ lệ dự phòng cho vay khách hàng trên tổng dƣ nợ chovay Công thức tính đƣợc minh họa ở bảng 3.1 Đây là biến đại diện cho khả năng bùđắp rủi ro tín dụng của ngân hàng Trong đó, dƣ nợ cho vay và khoản trích lập dựphòngđƣợclấytừbảngcânđốikếtoáncủangânhàng.

Tỷ lệ trích lập dự phòng cho vay khách hàng đƣợc kỳ vọng sẽ tác động cùng chiều vớinợ xấu Việc trích lập dự phòng được xem là khoản mục ảnh hưởng trực tiếp đến chiphídựphòngrủirocáckhoảnchovay,nghĩalàtăngkhoảntríchlậpdựphòngc hovay khách hàng sẽ ảnh hưởng đến khoản chi phí hoạt động của ngân hàng Fonseca &Gonzalez (2008) cho rằng các NHTM thường sử dụng dự phòng rủi ro tín dụng nhƣmộtcôngcụđểche giấuthunhậpvìhoạt độngkinhdoanhchínhcủa ngânhà nglàhoạt động tín dụng Wahlen (1994) cho rằng các nhà quản lý dễ dàng điều chỉnh cáckhoản dự phòng này tăng lên vào thời điểm kinh doanh thuận lợi để giảm lợi nhuậnbáocáovàchuyểnlợinhuậnsangcácnămcótìnhhìnhkinhdoanhkhókhăn.

Biến yếu tố vi mô đặc thù thứ 6 là biến tỷ lệ chi phí hoạt động trên tổng thu nhập(OPE) Đây được xem là biến nhằm đo lường mức độ quản chi lý chi tiêu của NHTMlà bao nhiêu, đồng thời cũng là biến đo lường mức hiệu quả trong việc quản lý chi phícủa NHTM Công thức đo lường biến tỷ lệ chi phí hoạt động trên tổng thu nhập đƣợcminhhọaởbảng3.1.

Karim, Chan, & Hassan (2010) cho rằng chi phí hoạt động của NHTM thường baogồm các loại chi phí khác nhƣ (i) Chi phí giám sát bổ sung đối với những khách hàngvay nợ quá hạn; (ii) Chi phí phân tích và giám sát các khoản vay của khách hàng; (iii)Chiphíthugiữ,duytrìvàxử lýtàisảnthếchấp.

Cácnghiêncứuvềtácđộngcủa yếutốquymôtàisảnđƣợctổnghợpởbảng2.3.Phầnlớn các công trình nghiên cứu trước đây đều tìm thấy mối tương quan ngược chiềugiữa quy mô tài sản và nợ xấu, trong khi một số nghiên cứu lại không tìm thấy bất kỳảnh hưởng nào giữa quy mô tài sản và nợ xấu Bên cạnh đó vẫn có các công trìnhnghiênc ứ u t ì m t h ấ y m ố i t ƣ ơ n g q u a n c ù n g c h i ề u g i ữ a n ợ x ấ u v à q u y m ô t à i s ả n (Louzisvàctg, 2011; NguyễnThịNgọcDiệpvàNguyễnMinh Kiều,2015)

Bêncạnhcácyếutốtốvimôtrongngânhàng,nợxấucònchịutácđộngbởicácyếutố vĩ mô. Mặc dù có thể không tương thích giữa biến vi mô và vĩ mô trong mô hình,nhưng nếu thiếu biến vĩ mô thì dẫn đến việc thiếu xem xét nguyên nhân dẫn đến nợxấu Bên cạnh đó, có rất nhiều công trình nghiên cứu đã đề cập các yếu tố ảnh hưởngđến tỷ lệ nợ xấu của một quốc gia Cụ thể là nghiên cứu của Athanasoglou, Brissimis,& Delis (2008) nghiên cứu về yếu tố tác động vĩ mô đến ngân hàng Hy Lạp, Alper &Anbar (2011) nghiên cứu về ngân hàng Thổ Nhĩ Kỳ, Sufian (2009) nghiên cứu về cácyếu tố vĩ mô tác động đến NHTM tại

Mã Lai Ekanayake & A.A.Azeez (2015) chorằng nợ xấu chịu tác động bởi 4 yếu tố vĩ mô chính, đó là tốc độ tăng trưởng GPD, tỷlệ lạm phát, tỷ lệ thất nghiệp và lãi suất chov a y D o t h ờ i g i a n c ó h ạ n n ê n k h ó a l u ậ n chỉ tập trung vào ba biến yếu tố tác động vĩ mô chính, đó là tốc độ tăng trưởng GDP,tỷlệlạmphátvàtỷlệthấtnghiệp

Tác giả sử dụng tốc độ tăng trưởng kinh tế quốc nội để phản ánh tốc độ tăng trưởnghằng năm của nền kinh tế Công thức tính được đề cập ở bảng 3.1 Khi nền kinh tếtăng trưởng tốt sẽ giúp các doanh nghiệp bán hàng tốt hơn và giúp các nhà đầu tƣ mởrộng phạm vi đầu tƣ kinh doanh, do đó, nhu cầu cấp tín dụng ngày càng gia tăng Khidoanh số bán hàng tăng, lợi tức của doanh nghiệp cộng với thu nhập cá nhân tăng giúpdoanh nghiệp có khả năng trả nợ vay Nếu nền kinh tế tăng trưởng trì trệ, suy thoái sẽlàm cho sức mua của người tiêu dùng giảm, do đó làm doanh số bán hàng của doanhnghiệp giảm Điều này sẽ gây ảnh hưởng đến khả năng trả nợ vay của doanh nghiệp.Nền kinh tế Việt Nam phụ thuộc vào khả năng cung cấp tín dụng của ngân hàng, vìvậy tốc độ tăng trưởng kinh tế cao sẽ làm tăng khả năng trả nợ vay của khách hàng vàgiảmtỷlệnợxấu.

Biếnyếutốtácđộngvĩmôthứ2làyếutốlạmphát.LạmphátđượcđolườngbằngchỉsốCPI.Côngth ứcđolườngtỷlệlạmphátđượctácgiảđềcậpởbảng3.1.

Tác giả kỳ vọng lạm phát có tác động cùng chiều với nợ xấu Khi tỷ lệ lạm phát càngcao thì sẽ làm cho lãi suất tăng lên, do đó làm ảnh hưởng đến khả năng trả nợ vay củacácthànhphầntrongnềnkinhtếđếncácNHTM.Điềunàysẽlàmchotỷlệnợxấ ucủaNHTMgiatăngnhanhchóng.

Bến yếu tố vĩ mô tác động đến tỷ lệ nợ xấu cuối cùng đƣợc tác giả đề cập là biến tỷ lệthất nghiệp Tỷ lệ thất nghiệp đƣợc tác lấy từ tổng cục thống kê Việt Nam (GSO) vàIMF.

Tỷ lệ thất nghiệp đƣợc tác giảkỳ vọng cótác động cùng chiều với tỷ lện ợ x ấ u Massai & Jouini (2013) cho rằng khi tỷ lệ thất nghiệp gia tăng thì nợ xấu củaNHTMtăng lên, điều đó có nghĩa là khi khách hàng thất nghiệp phải chịu gánh nặng trongviệcquảnlýchitiêutàichínhsinhhoạthằngngàynhưtiềnđiện,tiềnnước,…Điềuđókhiến khách hàng không có đủ thu nhập trong việc chi trả gốc và lãi vay Do đó sẽkhiếntỷlệnợxấungàycànggiatănggâyranhiềugánhnặngchonềnkinhtế.

Dữliệunghiên cứu

Dữ liệu nghiên cứu đƣợc tác giả đề cập bao gồm 26 Ngân hàng TMCP tại Việt Namđƣợc liệt kê ở bảng 3.1 trong giai đoạn 2010 – 2018 Bên cạnh đó, các biến vĩ mô nhưtốc độ tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF) và tỷ lệ thất nghiệp (UNE)được tác giả lấy từ các nguồn nhƣ Tổng cục thống kê Việt Nam (GSO), World Bank(WB),Vietstock,Quỹtiềntệquốctế(IMF).

Sốthứtự Tênviếtt ắt Tênngânhàng Ghichú

19 SEA Ngân hàng TMCP Đông

Theo báo cáo của NHNN Việt Nam, tính đến ngày 30/6/2018, hệ thống các tổ chức tíndụngtạiViệtNambaogồmcó31ngânhàngthươngmạicổphần,4ngânhàngthươngmại nhà nước, 2 ngân hàng chính sách xã hội, 1 ngân hàng hợp tác xã, 2 ngân hàngliêndoanh,9ngânhàng100%vốnnướcngoài,48chinhánhngânhàngnướcngoàitạiViệt Nam,

49 văn phòng đại diện của ngân hàng nước ngoài, 16 công ty tài chính, 11côngtychothuêtàichính,4tổchứctàichính vimôvà1hệthốngquỹtíndụng.

Các sự kiện tiêu biểu liên quan đến hoạt động sáp nhập, hợp nhất và đổi tên cácNHTMtrongthờigiannghiêncứuđề cậpgồm:

- Ngày 27/7/2010 NHTMCP Các doanh nghiệp Ngoài quốc doanh đổi tên thànhNHTMCPViệtNamThịnhVƣợng

- Ngày 15/12/2011 hợp nhất 3 NHTMCP: NHTMCP Sài Gòn, NHTMCP ViệtNam Tín Nghĩa và NHTMCP Đệ Nhất thành NHTMCP Sài Gòn và chính thứchoạtđộngtừ ngày01/01/2012

- Ngày23/11/2013SápnhậpNTHMCPĐạiÁ vàNHTMCPpháttriển TP.CHM

- Ngày 23/01/2014, NHTMCP Nam Việt chính thức đổi tên thànhNHTCMCPQuốcdân

Phươngphápnghiêncứu

Kháiquátdữliệubảng

Theo Brooks (2008), dữ liệu bảng hay còn đƣợc gọi bằng tên khác, nhƣ dữ liệu gộpchung (gộp chung các quan sát chéo và chuỗi thời gian), là sự kết hợp củad ữ l i ệ u chéovàchuỗithờigian,dữliệubảngvimô(micropaneldata),dữliệudọc(longitudinal data) (đó là một nghiên cứu nào đó theo thời gian về một biến hay mộtnhóm đối tƣợng), phân tích lịch sử sự kiện, phân tích theo tổ (cohort analysis). Môhìnhdữliệubảngđƣợc Brookscụthểnhƣsau:

Trong đó𝑦i𝑡l à b i ế n p h ụ t h ǔ ộ c ,𝖺là hệ số chặn,𝛽là× v e c t o t h ǎ m s ố đ ƣợcợ c ƣợcớ clƣợngbằngbiếngiảithích,và𝑥 i𝑡 là× v e c t ocủasố quansáttrongbiếngiảithích, t

 Dữ liệu bảng chứa nhiều thông tin hơn, tính biến thiên nhiều hơn, ít hiện tƣợngđacộngtuyếnhơn,cónhiềubậc tự do hơnvàhiệuquảcaohơn.

 Dữ liệu bảng phù hợp cho việc nghiên cứu động thái hay đổi theo thời gian củacác đơn vị chéo này, ví dụ nhƣ những tác động của thất nghiệp, tốc độ quayvòng việc làm, tính dịch chuyển của lao động đƣợc nghiên cứu tốt hơn khi códữliệubảng.

 Dữ liệu bảng có thể phát hiện và đo lường tốt hơn các tác động mà người takhông thể quan sát đƣợc trong dữ liệu chuỗi thời gian hay dữ liệu chéo thuầntúy.

 Dữ liệu bảng giúp tác giả có thể nghiên cứu các mô hình phức tạp hơn Thí dụ,chúngtacóthểxửlýtốthơnbằngdữ liệubảngcáchiệntƣợngnhƣ lợithếkinhtế theo qui mô và thay đổi công nghệ so với dữ liệu chéo hay dữ liệu chuỗi thờigian.

Tóm lại, dữ liệu bảng có thể giúp tác giả phân tích thực nghiệm phong phú hơn so vớicáchsử dụngdữ liệuchéohaydữ liệuchuỗithờigian.

Phươngpháphồiquydữliệubảng

Hồiquydữliệubảngsửdụngbaphươngphápchính,đólàphươngphápPooledOLS,phươngpháp tácđộngcốđịnh(FEM)vàphươngpháptácđộngngẫunhiên(FEM).

Phương pháp Pooled OLS thực chất là việc sử dụng dữ liệu bảng để phân tích bằnghình thức sử dụng tất cả dữ liệu theo cách xếp chồng và không phân biệt từng đơn vịchéo riêng Đây là phương pháp thông thường và đơn giản nhất, tương tự như việcphân tích OLS bình thường, không kể đến kích thước không gian và thời gian của dữliệu.MôhìnhPooledOLSđƣợccụthểnhƣsau:

𝑦 i𝑡 =𝖺 1 +𝛽 1 𝑥 1i𝑡 +𝛽 2 𝑥 2i𝑡 + +𝛽 𝑘 𝑥 𝑘i𝑡 ++𝑢 i𝑡 (3.2) Trong đó𝑦i𝑡là biến phụ thǔộc củǎ qǔǎn sát i trong thời kỳ t,𝑥𝑘i𝑡là biến ộc lập đ củǎquansátktrongthờikỳk.

Mô hình này có một số nhƣợc điểm, đó là nhận diện sai thể hiện ở Durbin – Watson(DW) và ràng buộc quá chặt về các đơn vị chéo, điều này khó xảy ra so với thực tế Vìthế,đểkhắcphụccácnhƣợcđiểmtrên,môhìnhFEMvàREMđƣợcsửdụng.

 Hồiquytheo môhình tácđộngcốđịnh–FEM Đểthểhiện tácđộngđặctrƣngcủamỗiđơnvịchéođếnbiếnphụthuộcnhằmcho tung độ gốc thay đổi đối với mỗi đơn vị nhƣng hệ số độ dốc không thay đổi. Phươngphápđ ó đ ư ợ c g ọ i l à p h ư ơ n g p h á p h ồ i q u y th eo m ô h ì n h t á c đ ộ n g c ố đ ị n h (

Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hưởng đến cácbiến giải thích, FEM phân tích mối tương quan này giữa phần dư của mỗi đơn vị vớicác 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 ƣớc lượngnhững ảnh hưởng thực (net effects) của biến giải thích lên biến phụ thuộc Mô hìnhFEMcódạngnhƣ sau:

Trong đó𝑦 i𝑡 là biến phụ thuộc của quan sát i trong thời gian t,𝑥i𝑡là biến ộc lập củǎ đ quan sát i trong thời gian t,𝐶 i là hệ số chặn cho từng đơn vị nghiên cứu,𝛽l à h ệ s ốgócđốivớinhântốxvà𝑢 i𝑡là phầndƣ.

Theo Brooks (2008) để ước lượng mô hình này thì có hai phương pháp ước lƣợngđƣợc sử dụng để ƣớc lƣợng tham số của mô hình tác động cố định, đó là (i) Ƣớclƣợng hồi quy biến giả tối thiểu LSDV 1 đối với mỗi biến giả là đại diện cho mỗi đốitƣợngquansátcủamẫu;(ii)Ƣớclƣợngtácđộngcốđịnh(Fixedeffectsestimator).

Mặc dù có thể khắc phục nhược điểm của phương pháp Pooled OLS nhưng mô hìnhFEM vẫn có một số nhƣợc điểm: Thứ nhất, nếu sử dụng quá nhiều biến giả thì sẽ làmmất bậc tự do của dữ liệu Thứ hai, khi sử dụng quá nhiều biến giả thì sẽ làm cho môhình xảy ra hiện tƣợng đa cộng tuyến do các thông số ƣớc lƣợng không chính xác.Thứ ba, mô hình FEM không xét tới tác động của các biến không thay đổi theo thờigian(giớitính,chủngtộc)

 Hồiquytheomôhìnhtácđộngngẫunhiên –REM Điểm khác biệt giữa mô hình ảnh hưởng ngẫu nhiên và mô hình ảnh hưởng cố địnhđƣợc thể hiện ở sự biến động giữa các đơn vị Nếu sự biến động giữa các đơn vị cótương quan đến biến độc lập – biến giải thích trong mô hình ảnh hưởng cố định thìtrong mô hình ảnh hưởng ngẫu nhiên sự biến động giữa các đơn vị được giả sử làngẫunhiên vàkhôngtươngquan đếncácbiến giảithích.

Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hưởng đến biến phụ thuộc thìREMsẽthíchhợphơnsovớiFEM.Trongđó,phầndưcủamỗithựcthể(khôngtươngquanvới biếngiải thích)đƣợcxemlàmộtbiếngiảithíchmới. ÝtưởngcủamôhìnhREMcũngbắtđầutừmôhìnhnhưsau:

Thay vì trong mô hình trên,𝐶il à c ố ị n h t h ì t r o n g R E M c ó g i ả ị n h r ằ n g n ó l à đ đ m ộ tbiếnngẫunhiênvớitrungbìnhlàC1vàgiátrịhệsốchặnđƣợcmôtảnhƣsau

Trong đósilà sǎi số ngẫǔ nhiên có trǔng bình bằng 0 và ph ơng sǎi là ƣợc 𝜎 2 Thay vàomô hìnhtácgiảđƣợc:

𝑦 i𝑡 = 𝐶+𝛽𝑥 i𝑡 + s i𝑡 +𝑢 i𝑡 h ǎ y 𝑦 i𝑡 = 𝐶+𝛽𝑥 i𝑡 + 𝑤 i𝑡 v à 𝑤 i𝑡 =s i𝑡 +𝑢 i𝑡 (3.6) Trong đósi𝑡l à s ǎ i s ố t h à n h p h ầ n c ủ ǎ c á c ố i t đ ƣợc ợ n g k h á c n h ǎ ǔ ( ặ c i ể m k h á c đ đ n h ǎ ǔcủa từng doanh nghiệp) và𝑢i𝑡là sǎi số thành phần kết hợp khác củǎ cả ặc iểm đ đ riêngtheotừngđốitƣợngvàtheothời gian.

So với phương pháp FEM, phương pháp REM có thể khắc phục toàn bộ nhược điểmcủa phương pháp FEM nhưng REM coi mỗi đặc điểm riêng của các đơn vịs ikhông tươngquanvớicácbiếnđộclập.DođónếuxảyrahiệntượngnàythìREMướclượngkhông cònchínhxác.

 KiểmđịnhHausman Để xem xét mô hình FEM hay REM phù hợp hơn, tác giả sẽ kiểm định Hausman. Ýnghĩa của kiểm định Hausman là để xem xét có sự tồn tại tự tương quan giữas ivà cácbiến độc lập hay không Giả thiết của kiểm định Hausman như sau: H0làsiv à c á cbiến độc lập không tương quan; H1làsivà các biến ộc lập có t ơng qǔǎn (Brooks, đ ƣợc 2008).

Khi giá trị P_value < 0.05 thì tác giả bác bỏ H0, khi đó thìsivà các biến ộc lập đ cótươngquanvớinhau,dođómôhìnhFEMđượclựachọn.NgượclạinếuP_value>0.5 thìmôhìnhREMđƣợclựachọn

PhươngphápMomenttổngquát(GMM)

Do dữ liệu bảng có số cá thể N quan sát lớn trong thời gian nghiên cứu T ngắn nênthường phát sinh ra hiện tượng phương sai sai số thay đổi, hiện tượng tự tương quan,đa cộng tuyến và biến nội sinh Để khắc phục các nhược điểm nêu trên, phương phápmoment tổng quát (Generalized Method of Moments – GMM) đƣợc giới thiệu vànghiên cứu bởi Hansen

(1982) Kể từ lần đầu tiên được giới thiệu, phương phápmoment tổng quát (GMM) đã ngày càng trở nên phổ biến và đƣợc sử dụng rộng rãitrongnghiêncứukinhtế.

Các nhà thống kê họcthường gọi cácgiá trịkỳ vọng củacác biếnh o ặ c h i ệ p b i ế n l à các moment Moment đƣợc xem là biểu thức liên hệ của các tham số (function ofparameters) trong dữ liệu thực nghiệm (function of data) hoặc có thể hiểu đơn giản làmỗi moment đƣợc xem là 1 hàm số của dữ liệu thực nghiệm với các ẩn số là tham sốước lượng Biểu thức liên hệ này thông thường được gọi là điều kiện moment(moment condition) Hiện nay, có 4 loại moment thông dụng cho các biến thông tin vềtổng thể, đó là giá trị trung bình (mean), phương sai (variance), độ trôi (skewness) vàđộ nhọn (kurtosis) Do đó, quá trình tìm lời giải cho các tham số trong các điều kiệnmomentđượcgọilàphươngphápướclượngmoment(methodofmoment– MM). Để minh họa cho lời giải thích trên, có thể xét ví dụ đơn giản, cụ thể nhƣ một phõnphối tổng thể cú giỏ trị trung bỡnh à chưa biết, cú phương sai bằng 1 Khi đú, điềukiện moment tổng thể (population moment conditions) là: E(x i ) = à Nếu cỏc xi{i

=1,2,…,n}củamẫucóphânphốiđồngnhấtvàxácđịnh(i.id)thìgiátrịtrungbìnhcủa mẫuđượcxácđịnhlà𝗑̅= 1 ∑ 𝑛 𝗑sẽtươngđồngvớigiátrịtrungbìnhcủatổngthể

…,n}cóphânphốii.id.Từđó,tácgiảướclượngvectorthamsốv ớ i giá trit h ậ t l à𝜃 0 G ọ i𝑓 ( 𝗑 i ,𝜃) 2 làm ộ t h à m l i ê n t ụ c v à c ó s a i p h â n b ậ c q v à𝐸 [𝑓(𝗑 i ,𝜃)] xácđịnhvớ im ọ i i và𝜃 t h ìđiềukiệnm om en tt ổn g thểlà𝐸 [𝑓(𝗑 i ,𝜃 0 )]=0s ẽđƣợc tươngứ n g v ớ i đ i ề u k i ệ n m o m e n t c ủ a m ẫ u l à

Theo Nguyễn Quang Dong (2012), biến số mà giá trị của nó đƣợc xác định trongkhuôn khổmộtm ô h ì n h k i n h t ế D o đ ó , n ế u m ộ t b i ế n s ố l à b i ế n s ố p h ụ t h u ộ c t r o n g một phương trình thì đó được gọi là biến nội sinh Vấn đề nội sinh trong mô hìnhđƣợc coi là một trong những vi phạm nghiêm trọng các giả định của mô hình hồi quy.Nội sinh trong mô hình thường xuất hiện dưới 3 dạng sau: (i) Thiếu vắng biến độc lậptrong mô hình và do đó phần giải thích của biến này sẽ nằm ở sai số (phần dư) Khi đócó mối tương quan chặt giữa biến độc lập và phần dư; (ii) sai số trong đo lường haysailệchdolựachọn; (iii)vấnđềđồngthờivà hệphươngtìnhđồng thời.

Biến nội sinh là những biến có sự tương quan với phần dư Đây là những vấn đềthường gặp cả trong lý thuyết về kinh tế vi mô và vĩ mô Ở góc độ kinh tế lượng, sựxuất hiện biến nội sinh sẽ dẫn đến các trường hợp như bỏ biến, sai số trong biến, hoặcđượcxácđịnhđồngthờiquacácbiếngiảithíchkhác.Trongcáctrườnghợpnày, OLSkhông còn phù hợp với những thông số ước lượng tin cậy Phương pháp tổng quát đểgiải quyết vấn đề này là ước lượng biến công cụ (Instrumental variables estimator),đặcbiệtlàước lượng2 giaiđoạntốithiểu 2SLS.

(i) Chấp nhận sai lệch tiềm ẩn mà không làm gì cả Có thể sử dụng thêm lệnh ƣớclƣợngvững(robust);

(ii)Ứngdụngdữliệubảngvớimộtmôhìnhcóthểgiảiquyếtvấn đề nội sinh; (iii) Tìm một biến proxy khác phù hợp để giải quyết mô hình; (iv) Sửdụng môhìnhvớibiến côngcụ:2SLS,3SLS…

2 Hàmftrongví dụ ƣớclƣợng giátrịtrung bình chínhlà𝑓(𝗑 i ,𝜇)=𝗑 i

Hồi quy với biến công cụ đƣợc sử dụng khi ƣớc lƣợng các mô hình liên quan đến vấnđềbiếnnội sinh(endogeneity).Xétmôhình minhhọanhƣsau:

𝑌 i = 𝑎 0 +𝑎 1 *X i +𝑒 i (3.7) Ở mô hình nêu trên, có thể thấy được rằng mô hình đang xem xét ảnh hưởng của biếnX đến biến Y Mô hình này có thể đƣợc ƣớc lƣợng bởi OLS chỉ khi các điều kiện củađịnh lý Gauss-Markov 3 đƣợc thỏa mãn Một trong những điều kiện là không có sựtươngquangiữaX vànhiễue,nóicáchkhácXlàbiếnngoạisinh.Tuynhiên,nếuđiềunàykhôngđƣợcthỏamãn,ƣớcl ượng𝑎1sẽbịthiênlệch(biased)khisửdụngphươngpháp OLS Nếu tương quan giữa X và e dương:𝑐𝑜𝑟𝑟(X, 𝑒)0, khi X tăng thì e sẽtănglênnênYsẽtăngnhiềuhơn.Dovậy,khiướclượngmôhình,kếtquảthuđượclà

𝑎1nhiềǔ khả năng sẽ bị thiên lệch lên (ǔpwǎrd biǎsed) Ng ợc lại, nếǔ t ơngƣợc ƣợc qǔǎngiữa X và e là âm thì𝑎1nhiềǔ khả năng sẽ bị thiên lệch xǔống (downwǎrd biǎsed) Đểcó được mô hình này, cần phải tìm công cụ Z mà tương quan với X nhưng khôngtươngquanvớie.

Trong kinh tế học, sựp h ụ t h u ộ c c ủ a m ộ t b i ế n s ố Y ( b i ế n p h ụ t h u ộ c ) v à o m ộ t h a y nhiều biến số X khác (biến giải thích) hiếm khi có tính chất đồng thời Biến phụthuộcY tương ứng với X sau một khoảng thời gian Khoảng thời gian nhƣ vậy đƣợcgọi làđộ trễ Nếu mô hình hồi quy không chỉ bao gồm các giá trị hiện tại mà còn baogồm các giá trị trong quá khứ thì đƣợc gọi là mô hình động.

Mô hình biến trễ đƣợctổngquátnhƣsau:

(errors)đểđảmbảomộtphươngphápướclượngcho racácthamsốkhôngbịthiênlệch(biased).Cácgiảthuyếtbao gồm:

Giảthuyết3:Cácphầndư(U i )cóphươngsai(variance)bấtbiến.

Mô hình (3.8) là một mô hình phân phối trễ với một độ trễ xác định bao gồm k thờiđoạn Hệ số𝛽0đƣợcợc gọi là số nhân ngắn hạn hǎy số nhân tác ộng vì nó chođ tǎ biết sựthayđổitrịtrungbìnhcủaYứngvớisựthayđổimộtđơnvịcủabiếnXtrongcùngthời đoạn.Nếu sauđ ó , s ự t h a y đ ổ i b i ế n X v ẫ n đ ƣ ợ c d u y t r ì ở c ù n g m ứ c đ ộ , t h ì(𝛽 0+ 𝛽 1 )chorasựthayđổitrịtrungbìnhcủaYtrongthờiđoạnkếtiếp,(𝛽 0+ 𝛽 1+

𝛽2)c h ota sựth ay đổitrịtrungbình của Ytrong thờigiankếtiếpnữa, … Cáctổng riêng phần này đƣợc gọi là các số nhân tức thời Cuối cùng, sau k giai đoạn, ta đƣợcnhƣsau:

Phương pháp GMM là một phương pháp thống kê cho phép kết hợp các dữ liệu kinhtế quan sát đƣợc trong các điều kiện moment tổng thể (population moment conditions)để ƣớc lƣợng các tham số chƣa biết của các mô hình kinh tế và đƣợc xây dựng bởiHansen vào năm 1982.

Sở dĩ phương pháp này được gọi là tổng quát (Generalized)bởi vì nó cho phép ước lượng trường hợp số moment nhiều hơn số tham số có đượcbằngcáchsửdụngmatrậntrọngsốcủacácphươngsaihoặchiệpphươngsai.

Phương pháp GMM được Hansen (1982) xây dựng dựa trên những ước lượng có đầyđủcáctínhchấtthống kêtốtnhƣtínhnhấtquán(consistency),tínhtiệmcậnphânphốichuẩn(asymptoticnormality)vàt ínhhiệuquả(efficiency)

Phương pháp GMM bao gồm rất nhiều phương pháp như phương pháp ước lượngOLS, 2SLS (TSLS), ML Từ đó, có thể minh họa từng phương pháp từ biểu thức hồiquycóđƣợcnhƣ sau:

Trong đó𝑥ilà vector củǎ p hiệp biến (covǎriǎtes),𝛽0là vector giá trị thực củǎ p thǎmsốchƣabiếttrongβ,𝑢 i làvectorsaisố củamôhình

∑ ĐốivớiphươngphápOLS,điềukiệnmomenttổngthế𝐸 [𝑓(𝗑 i ,𝜃 0 )]=0đượcợ cviết lạithành𝐸 (𝗑𝑢 ) = 𝐸 ( 𝗑 ( 𝗑 𝖰0 )=0.Điềukiệnmoment mẫuđƣợctính nhƣsau: ii i i i

Trong trường hợp này số điều kiện moment bằng số tham số được ước lượng nên cóthểsửdụ ng phươngphá pMM Khiđó,ư ớ c lư ợ n g MM của𝛽 0c h í n hlà𝛽 ̂bằngcá ch giải hệ p phương trình tuyến tính trên Đây chính là cách thực hiện ước lượng chuẩnOLS.

SovớiphươngpháoOLSthìphươngpháp2SLSkhôngđòihỏigiảđịnhvềsựtươngquan giữax i và𝑢 i Chúng ta có thể chấp nhận trường hợp𝑢 ic ó t ược ơ n g q ǔ ǎ n v ớ i x i trongƣ ớ c l ƣ ợ n g 2 S L S , k h i đ ó đ i ề u k i ệ n m o m e n t t ổ n g t h ể l à𝐸 (𝑧 i 𝑢 i ) 𝐸(𝑧 i (𝑦 i−

Trong trường hợp này, tùy thuộc vào số điều kiện moment và số tham số được ướclượng mà chúng ta có các trường hợp là nhận dạng chính xác (exact- identification),nhậndạngquámức(overidentification)hoặcnhậndạngdướimức(under- identification).PhươngphápGMMsẽđượcưutiênsửdụngđểướclượng.

Phương pháp ước lượng hợp lý cực đại (Maximum likelihood – ML)được giảđịnhtrongtrườnghợpcómộtmôhìnhđượcxácđịnhđầyđủ,làmlikehoodcủamẫu đượcthểhiệndướidạng 1 ∑𝑛 𝑙(𝜃|𝑥).Bêncạnhđó, điềukiệnmomentcủamẫulàtối

Bêncạnhcácphươngphápướclượngđượcnêutrên,phươngphápGMMcònđượcsửdụng phổ biến trong các ƣớc lƣợng dữ liệu bảng động tuyến tính hoặc các dữ liệubảng vi phạm tính chất HAC (Heteroskedasticity and AutoCorrelation) Khi đó, cácướclượngtuyếntínhcổđiểncủamôhìnhdữliệubảngnhưFE(FixedEffects),LSDV(LeastSqu aresDummyVariable)vàRE(RandomEffects)sẽkhôngcònkếtquảước i𝑡 lượngtincậy,hiệuquả.Dođó,phươngphápGMMđượcsửdụngđểgiảiquyếtnhượcđiểmnêutrên.

Dựa trên các thông tin được đề cập như trên, phương pháp GMM ban đầu (Hansen,1982)dựatrênướclượngnguyênlýcựcđạiMLEcủaFisher,nhưngướclượngMLEđ òi hỏi rất nhiều giả định trong khi phương pháp GMM dựa trên rất ít giả định Do đóGMM cho phép giải quyết các bài toán khó mà MLE cổ điển chịu bất lực, và số bàitoánnàylạixuấthiệnnhiềutrongkinhtế(Hansen,2007)

Theo Blundell & Bond (1998), các ƣớc lƣợng nhƣ MLE và GMM sẽ gặp vấn đề vềbiến đại diện yếu khi các hệ số𝜌tiến đến 1 Khi𝜌 = 1thì các điều kiện moment làhoàn toàn không có liên hệ gì với các tham số thực, và bản chất hành vi của các ƣớclƣợng phụ thuộc vào thời gian T Khi T nhỏ, ƣớc lƣợng là khá ngẫu nhiên, nhƣng khiT lớn thì GMM ƣớc lƣợng không trọng số có thể không phù hợp và các ƣớc lƣợng2SLSkhôngphùhợp. Để giải quyết các vấn đề này từ phương pháp GMM ban đầu của Hansen (1982), cáchọc giả đã cải tiến lên nhiều phiên bản GMM phù hợp hơn các nghiên cứu thựcnghiệm Điều đáng chú ý nhất là 2 phương pháp D-GMM (Differencing GMM) doArellano & Bover (1995) xây dựng dựa trên các nghiên cứu trước đó của Anderson &Hsiao(1982),Holtz-Eakin,Newey,&Rosen(1988)vàphươngphápS -

G M M (System GMM) do Blundell & Bond (1998) xây dựng dựa trên ý tưởng của Arellano&Bover (1995) bằngcáchbổsungthêmmộtsốràngbuộc vào D-GMM.

Phương pháp GMM sai phân được đề xuất bởi nghiên cứu của Arellano & Bond(1991)dựatrênnghiêncứucủaHansen(1982)vànghiêncứucủaH o l t z -

Phươngpháphồiquybìnhphươngnhỏnhấtkhảthi(FGLS)

Thayvìđưaragiảđịnh vềcấutrúcphươngsai saisốthayđổi(heteroskedasticity),tácgiảsẽđolườngmứcđộsaisốcủaphươngsaisaisốthayđổitừ môhìnhOLS.Phươngphápnàyđượcgọilàphươngpháphồiquybìnhphươngnhỏnhất(Feasib leGeneralizedLeastSquareFGLS).BướcđầutiênlàđolườngΩ̂từOLSvàsauđótác giảdùngΩ̂thayvìΩ

Có nhiều bước để ước lượng mô hình FGLS và một trong những cách tiếp cận đơngiảnnhấtlàđưaraphươngtrìnhgiảđịnhnhư sau:

Bằng cách lấy log của 2 vế và sử dụng𝜇̂ 2 t h ǎ y v ì 𝜇 2 , tác giả có thể ƣớc lƣợng nhƣsau: log(𝜇̂ 2 )=𝛼 0 + 𝛿 1 𝑥 1 + 𝛿 2 𝑥 2 + +𝛿 𝑘 𝑥 𝑘 +𝑒 (3.17) Giátrịướclượngtừmôhìnhlà𝑔̂ i= lôg(𝜇̂ 2 ).Tácgiảsauđóthayđổibằngcáchđưa côngthứĉ i= exp(𝑔̂ i )=exp(log(𝜇̂ ̂ 2 )=𝜇̂̂ 2 Tácgiảsauđódùngcôngthứcbình phươnggiaquyềnnhỏnhấtnhưsau: 1

TÓMTẮTCHƯƠNG3 Ở chương ngày, tác giả đã trình bày đến người đọc các cách nhìn cụ thể về việc tìmkiếm dữ liệu và cách thức sử dụng dữ liệu trong nghiên cứu và mô hình nghiên cứu.Theo đó, tác giả còn trình bày về các phương pháp ước lượng trong mô hình nhưphương pháp Pooled OLS, FEM, REM và phương pháp ước lượng GMM Do đó,chương 3 sẽ là cơ sở chính để Khóa luận tiếp tục triển khai các bước phân tích trongchươngtiếptheo.

Chương này sẽ đi vào cụ thể cách thức thực hiện mô hình nghiên cứu dựa theosố liệu đã thu thập bao gồm thống kê mô tả và chạy mô hình Từ kết quả nghiên cứuthuđược,chươngcũng sẽđưaracácphântích liênquan.

Thốngkêmôtả

Để kiểm định mức độ tác động của các yếu tố đến tỷ lệ nợ xấu của NHTM Việt Nam,nghiên cứu xây dựng mô hình gồm 10 biến, trong đó có 1 biến phụ thuộc là tỷ lệ nợxấu (NPL), 9 biến độc lập đại diện cho các yếu tố tác động vi mô bao gồm tỷ lệ lợinhuận trên tổng tài sản (ROA), tỷ lệ các khoản cho vay khách hàng trên tổng tài sản(LA), tỷ lệ chi phí hoạt động trên tổng thu nhập (OPE), tỷ lệ dự phòng cho vay kháchhàng trên tổng dƣ nợ cho vay (LLP), quy mô ngân hàng (SIZE) và các yếu tố tác độngvĩ mô bao gồm tốc độ tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF) và tỷ lệ thấtnghiệp(UNE).Cácbiếnđượckhảosátqua234quansátcủa26ngânhàngthươngmạitạiViệtNa mtronggiaiđoạn2010–2018.Bảng4.1dướiđâythống kêtrịsốmôtảcácbiếnđịnhlƣợngtrongmôhìnhnghiêncứuvàphảnánhđặctrƣngcủatừngbiến

Giá trịtrungbì nh Độlệchc huẩn Giátrịnhỏn hất Giátrịlớnn hất Sốquansát

Qua bảng 4.1, có thể thấy rằng nợ xấu trung bình của các NHTM tại Việt Nam tronggiai đoạn nghiên cứu là 2.0065% so với tổng dƣ nợ Bên cạnh đó, tỷ trọng dƣ nợ chovay khách hàng trên tổng tài sản trung bình của các NHTM là 53.57% Điều này chothấy rằng các NHTM hiện nay đang còn lệ thuộc nhiều vào hoạt động tín dụng.

Ngoàira,lợinhuậnsauthuếtrêntổngtàisản(ROA)củacácNHTMthườngphânbổkhádài,từ0.00829% đến 5.1914% cho thấy sự khác biệt trong hoạt động kinh doanh của cácNHTMtronggiaiđoạnnghiêncứu.

Thựctrạngtỷlệnợxấu của cácNHTMViệtNam

Tỷ lệ nợ xấu của các TCTD công bố trên BCTC đã đƣợc kiểm toán dựa trên chuẩnmựctế k h o á n V i ệ t Na m ( VA S) v à các q u y địnhvề p h â n lo ại n h ó m nợ củ a

N H N N Việt Nam Căn cứ vào các số liệu đƣợc công bố, NHNN đã tính toán và công bố tỷ lệnợ xấu của các TCTD trên hệ thống website của mình Hình 4.1 minh họa tỷ lệ nợ xấucủa các TCTD tại Việt Nam trong giai đoạn nghiên cứu từ năm 2010 đến 2018 Nhìnchung, có thể thấy rằng nợ xấu tăng trên mức 3% trong khoảng thời gian từ năm 2011đến giữa năm 2015 nhƣng duy trì ở mức dao động 4% từ năm 2012 đến 2014 Saugiữa năm 2015, tỷ lệ nợ xấu của các TCTD giảm mạnh, điều đó có thể thấy rằng cácTCTD đang đi đúng hướng trong việc kiểm soát nợ xấu Dựa trên quy định tại Thôngtƣ 02/2013/TT-NHNN ngày 21 tháng 01 năm

2013, Thông tƣ 09/2014/TT-NHNNngày 18 tháng 03 năm 2014 và thông tƣ số

14/2014/TT-NHNN ngày 20 tháng 5 năm2014,kể t ừ n g à y 01/01/2014,các T C T D vàN HT Mp hải th ực h i ệ n p h â n lo ại n ợvà phải sử dụng kết quả phân loại nhóm nợ đối với khách hàng do CIC cung cấp tại thờiđiểmphânloạinợđểđiềuchỉnhkếtquảtự phânloạinợ, camkết ngoạibảng.

Nguồn:Tríchlập từsố liệuthống kênợxấucủaNHNNViệtNam

Theo NHNN Việt Nam, từ tháng 03/2015 trở đi, các số liệu về nợ xấu phản ánh chínhxác hơn về chất lƣợng tín dụng của các TCTD, không còn khác biệt nhiều giữa số liệuTCTD báo cáo và số liệu giám sát của Ngân hàng Nhà nước Việt Nam Vì lý do trên,tỷ lệ nợ xấu theo báo cáo của các TCTD trong tháng 01/2015, 02/2015, 03/2015 đãtăng lên lần lƣợt là 3,49%; 3,59%; 3,81% và tăng cao nhất vào thời điểm cuối QuýI/2015 (3,81%), do hầu hết các TCTD đã thực hiện tham chiếu nợ theo CIC, nhưng vềbản chất, nợ xấu đang có xu hướng giảm đi khi so sánh với tỷ lệ nợ xấu theo giám sátcủa Ngân hàng Nhà nước Việt Nam (theo kết quả phân loại nợ lại từ thông tin củaCIC) với tỷ lệ nợ xấu lần lƣợt là 4,83% vào tháng 12/2014; 4,55% vào tháng 01/2015;4,75%vàotháng02/2015và3,81%vàotháng3/2015.

Hình 4.2minh họa tỷ lệ nợ xấu của NHTM tại Việt Nam qua từngn ă m t r o n g g i a i đoạn nghiên cứu Nhìn chung, tỷ lệ nợ xấu của các NHTM tăng nhanh trong giai đoạntừ năm 2011 đến năm 2014 và từ năm 2015 trở đi, tỷ lệ nợ xấu của cácNHTM có xuhướng giảm nhanh Nguyên nhân một phần là do VAMC đã xác định năm 2015 lànăm then chốt trong vấn đề xử lý nợ xấu Đến năm 2018, nợ xấu của cácNHTM đều ởmứcdưới3%ngoạitrừ mộtsốngânhàngnhư PGB,MSBvàVPB.

Khảosátđồthịvềtươngquangiữacácbiến

Mốitươngquangiữacácyếutốvimôvànợxấu

Hình 4.3 cho thấy chỉ số ROA có xu hướng giảm dần từ năm 2011 đến năm 2015, từmức trung bình 1.24% (so với 1.27% năm 2010) và đến năm 2015 chỉ đạt mức 0.45%.Từ năm 2008 đến năm 2015 là khoảng thời gian mà ngành ngân hàng phải đối mặt vớinhiều khó khăn do tốc độ tăng trưởng kinh tế chậm lại Bên cạnh đó, ngành ngân hàngcòn bị chi phối bởi các chính sách kinh tế vĩ mô, điều hành lãi suất và tiền tệ củaNHMM. Trong hình 4.1, có thể thấy mối quan hệ ngƣợc chiều giữa nợ xấu và lợinhuậnngânhàng.

Hình 4.4 cho thấy tỷ lệ dƣ nợ cho vay khách hàng của các NHTM không ngừng tănglên qua từng năm Tuy nhiên, tỷ lệ nợ xấu của NHTM tăng mạnh trong khoảng thờigian từ năm 2010 đến năm 2012, điều đó cho thấy rằng tốc độ tăng trưởng kinh tếgiảm xuống sẽ kéo theo thu nhập của các cá nhân và doanh nghiệp giảm theo nênkhôngcókhảnăngthanhtoáncáckhoảnnợđúnghạnchongânhàng.Từnăm2013trở đi, tỷ lệ nợ xấu của ngân hàng giảm từ mức dưới 3% đến khoảng 1.75%, điều đóchothấyrằngcácNHTMcóchínhsáchtốtđểkiểmsoátnợ xấu.

Hình 4.5 thể hiện mối tương quan giữa tỷ lệ chi phí hoạt động và tỷ lệ nợ xấu tronggiai đoạn 2010 – 2018 Nhìn chung, có thể thấy rằng tỷ lệ nợ xấu có tương quan cùngchiều với tỷ lệ chi phí hoạt động Từ năm 2012 đến năm 2013 là năm có mức tỷ lệ nợxấu và tỷ lệ chi phí hoạt động cao nhất, đạt mức gần 3% đối với tỷ lệ nợ xấu và60%đối với tỷ lệ chi phí hoạt động Từ năm 2013 trở đi, tỷ lệ chi phí hoạt động của cácNHTMgiảmdầnnêntỷlệnợxấugiảmtheo.

Hình4.6 thểhiệnmốitươngquangiữatỷlệnợxấuvà tỷlệtríchlậpdựphòngchovaykhách hàng trong giai đoạn từ năm 2010 đến 2018 Nhìn chung, có thể thấy rằng tỷ lệtrích lập dự phòng có mối tương quan cùng chiều với tỷ lệ nợ xấu Năm 2012 là nămcó mức trích lập dự phòng cho vay khách hàng cao nhất, đạt mức 1.61% dẫn đến tỷ lệnợ xấu của NHTM đạt mức 2.87% Từ năm 2012 trở đi, tỷ lệ trích lập dự phòng cókhuynhhướnggiảmdầnvàđếnnăm2018 thì đạt mức1.23%.

Hình 4.7 thể hiện mối quan hệ giữa tỷ lệ nợ xấu và quy mô tổng tài sản ngân hàngtrong thời gian từ năm 2010 đến 2018 Từ năm 2010 đến năm 2012 là năm có tỷ lệ nợxấu tăng cùng chiều với quy mô tài sản ngân hàng, điều đó cho thấy rằng trong năm2010, do bị ảnh hưởng từ việc suy thoái nền kinh tế nên các NHTM gặp nhiều khókhăn trong việc thu hồi nợ từ việc cho vay khách hàng Tuy nhiên, từ năm 2012 trở đi,khi quy mô tổng tài sản của NHTM liên tục tăng thì nợ xấu của NHTM có xu hướnggiảm dần, điều dó cho thấy rằng các NHTM càng lớn thì công tác thu hồi nợ có tiếntriểntốtnêntỷlệnợxấucủaNHTMgiảmdần.Đếncuốinăm2018thìtỷlệnợxấuc ủaNHTMđạt1.78%trongkhiquymôtổngtàisảnlà18.96.

Mốitươngquangiữacácyếutốvĩmôvànợxấu

Tốc độ tăng trưởng kinh tế trong khoảng thời gian nghiên cứu dao động từ mức 5%đến mức gần 8%, mức cao nhất là năm 2018 (đạt 7.08%) và mức thấp nhất là năm2012 (đạt mức 5.24%) Hình 4.8 cho thấy tốc độ tăng trưởng kinh tế GDP có mốitương quan ngược chiều đến nợ xấu, điều này lý giải rằng khi nền kinh tế tăng trưởngtốtt h ì t h u n h ậ p c ủ a c á c c á n h â n v à d o a n h n g h i ệ p t ă n g l ê n , d o đ ó k h ả n ă n g t h a n h khoản của các thành phần trong nền kinh tế và từ đó góp phần giảm nợ xấu cho ngânhàng Điều này phù hợp với thực tế của nền kinh tế Việt Nam, khi tăng trưởng kinh tếvẫncònlệthuộcvào việc tăng cungtín dụng.

Về chỉ số lạm phát, từ năm 2010 đến 2011 là khoảng thời gian có chỉ số lạm phát tăngnhanh nhất, đạt đỉnh điểm ở mức 18.67% trong năm 2011 Tuy nhiên, từ năm

2012 trởđi, lạm phát đƣợc NHNN kiềm chế, tuy nhiên, giá cả hàng hóa nhìn chung vẫn caokhiến nhiều doanh nghiệp gặp khó trong việc bán hàng Điều này khiến nhiều doanhnghiệpkhôngbánđƣợchànghóahoặcdịchvụđểtrangtrảichiphí.Dođó,hàngloạt doanh nghiệp mất khả năng thanh toán hoặc tuyên bố phá sản Đến năm 2013, tìnhkinh tế diễn biến tích cực hơn khi tốc độ tăng trưởng kinh tế GDP cao hơn năm 2012,nhiều thương vụ mua bán nợ giữa NHTM và VAMC diễn ra nhằm mục đích là làmsạchbảngcânđốikếtoánnêntỷlệnợxấucủaNHTMgiảm.

Hình4.8 Diễn biếngiữaGDP,lạmphát,tỷlệthấtnghiệpvà nợxấu

Nguồn: Báo cáo kinh tế vĩ mô của World Bank, IMF, Tổng cục thống kê và BCTC củaNHTMnăm2018

NPL ROA LA OPE LLP SIZE GDP INF UNE

Kết quả phân tích ma trận tương quan ở bảng 4.2 cho thấy biến tỷ lệ nợ xấu (NPL) cótác động cùng chiều với biến chi phí hoạt động (OPE) và tỷ lệ trích lập dự phòng chovay khách hàng (LLP) với hệ số lần lƣợt là 0.1565 và 0.3895 Ngƣợc lại, các biến cótác động ngƣợc chiều với NPL là tỷ lệ lợi nhuận trên tổng tài sản (ROA) và tốc độtăngtrưởngkinhtế(GDP)vớihệsốtácđộnglầnlượtlượtlà–0.0671và–0.2922.

Khóa luận tiếp tục sử dụng mô hình Pooled OLS, mô hình tác động cố định (FEM) vàmô hình tác động ngẫu nhiên (REM) để phân tích mức độ tác động của các biến yếu tốvi mô và vĩ mô đến tỷ lệ nợ xấu của các NHTM Việt Nam trong giai đoạn 2010 – 2018.Chitiếtvềkếtquảướclượngđượcmôtảnhưsau:

Kết quả ƣớc lƣợng hồi quy Pooled OLS đƣợc trình bày ở bảng 4.3 cho thấy hệ số

R 2 của mô hình ở mức 0.2676 Điều này lý giải rằng 100% sƣ biến động của tỷ lệ nợ xấu(NPL)trongmôhìnhgiảithíchđƣợc26.76%kếtquảdobiếnđộclậptácđộngđế n.

Trong mô hình Pooled OLS, tất cả các biến đều có ý nghĩa ngoại trừ 3 biến bị loại làROA, OPE và INF do có giá trị Prob lớn hơn mức ý nghĩa 10% Kết quả ƣớc lƣợngmôhìnhPooled OLSđƣợctrìnhbàynhƣsau:

Tuy nhiên, vì mô hình Pooled OLS là một mô hình bình thường nên có nhược điểm làràng buộc quá chặt về các đơn vị chéo, điều này khiến cho số liệu ƣớc lƣợng khôngđúng với thực tế Do đó, mô hình tác động cố định (FEM) và mô hinh tác động ngẫunhiên(REM)tiếptụcđƣợcsử dụngtrongkhóaluậnnày.

Kết quả ƣớc lƣợng mô hình FEM ở bảng 4.4 cho thấy mô hình này đã khắc phục mộtsố nhƣợc điểm của mô hình Pooled OLS, chẳng hạn nhƣ các yếu tố không quan sátđƣợc khác nhau giữa các đối tƣợng nhƣng không thay đổi theo thời gian trong khiPooled OLS là một mô hình bình thường và không phân biệt theo năm và đối tượng.KếtquảướclượngmôhìnhFEMđượctrìnhbàynhưsau:

Tuy nhiên, để ƣớc lƣợng mô hình FEM chính xác hơn thì tác giả phải sử dụng biếngiả Việc sử dụng quá nhiều biến giả ƣớc lƣợng sẽ làm mất bậc tự do của dữ liệu khiướclượng.Đểkhắcphụcnhượcđiểmnày,tácgiảtiếptụcsửdụngmôhìnhREM.

So với mô hình FEM thì mô hình REM coi sự biến động của mỗi đơn vị là ngẫu nhiênvà không tương quan đến biến giải thích Hơn nữa, mô hình REM không có sử dụngbiến giả nên bậc tự do dữ liệu không bị thay đổi khi ƣớc lƣợng dữ liệu Kết quả ƣớclƣợngmôhìnhREMđƣợctrìnhbàynhƣsau:

Qua bảng 4.5, có thể thấy rằng tất cả các biến đều bị loại do có mức ý nghĩa lớn hơn10% ngoại trừ bốn biến bao gồm tỷ lệ dự phòng cho vay khách hàng trên tổng tài sản(LLP), quy mô ngân hàng (SIZE), tốc độ tăng trưởng kinh tế (GDP) và tỷ lệ thấtnghiệp(UNE).Kếtquảướclượngđượctrìnhbàynhưsau:

+1.042348*UNE Để xác định mô hình Pooled OLS, FEM hay REM là phù hợp, tác giả tiếp tục sử dụngkiểmđịnhHausman.

H0: mô hình Pooled OLS và REM là phù hợpH1:môhình FEMlàphùhợp

Kết quảkiểmđịnh Hausmanở BảngC.6phụlụcCchothấyhệsốProb>chi2 =0.4212

> 0.1, do đó chấp nhận giả thuyết H0, nghĩa là mô hình Pooled OLS và REM là phùhợp cho việc nghiên cứu tiếp theo Để lựa chọn hai mô hình Pooled OLS hay REM làphùhợp,tácgiảsử dụngkiểmđịnhBreusch-Pagan.

H0: mô hình Pooled OLS là phù hợpH1:môhìnhREMlàphùhợp

Kết quả kiểm định ở bảng C.4 phụ lục E cho thấy hệ số Prob > chi2 = 0.000 0.10), do đó chấp nhận giả thuyết H0nghĩa là biến công cụkhôngcótươngquansaisốtrongmôhình.

Tác giả sử dụng kiểm định Wooldridge cho mô hình nghiên cứu với giả thuyết kiểmđịnhnhƣ sau:

Kết quả kiểm định Wooldridge test ở bảng C.2 cho mô hình Pooled OLS cho thấy hệsố Prob = 0.0058 < 5%, do đó chấp nhận giả thuyết H1, nghĩa là mô hình có hiệntượngtựtươngquanchuỗi.

Trong mô hình hồi quy, nếu các biến độc lập có quan hệ chặt với nhau, các biến độclập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh vớinhau thì sẽ có hiện tƣợng đa cộng tuyến, đó là hiện tƣợng các biến độc lập trong môhình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số Để xác định mô hình cóhiện tượng đa cộng tuyến hay không thì tác giả dựa trên hệ số VIF được mô tả ở bảngdướiđây:

Kết quả chạy VIF ở bảng 4.6 cho thấy hệ số VIF của các biến đều nhỏ hơn 10 và hệ sốphóng đại phương sai (Tolerance) đều lớn hơn 0.1, điều đó chứng tỏ rằng không cóhiệntƣợngđacộngtuyếngiữacácbiến trong mô hình.

Ƣớclƣợngmôhìnhhồi quy

LựachọnmôhìnhPooledOLS,FEMhayREM

H0: mô hình Pooled OLS và REM là phù hợpH1:môhình FEMlàphùhợp

Kết quảkiểmđịnh Hausmanở BảngC.6phụlụcCchothấyhệsốProb>chi2 =0.4212

> 0.1, do đó chấp nhận giả thuyết H0, nghĩa là mô hình Pooled OLS và REM là phùhợp cho việc nghiên cứu tiếp theo Để lựa chọn hai mô hình Pooled OLS hayREM làphùhợp,tácgiảsử dụngkiểmđịnhBreusch-Pagan.

LựachọnmôhìnhPooledOLShayREM

H0: mô hình Pooled OLS là phù hợpH1:môhìnhREMlàphùhợp

Kết quả kiểm định ở bảng C.4 phụ lục E cho thấy hệ số Prob > chi2 = 0.000 0.10), do đó chấp nhận giả thuyết H0nghĩa là biến công cụkhôngcótươngquansaisốtrongmôhình.

Kiểmđịnh hiệntượngtựtươngquan

Tác giả sử dụng kiểm định Wooldridge cho mô hình nghiên cứu với giả thuyết kiểmđịnhnhƣ sau:

Kết quả kiểm định Wooldridge test ở bảng C.2 cho mô hình Pooled OLS cho thấy hệsố Prob = 0.0058 < 5%, do đó chấp nhận giả thuyết H1, nghĩa là mô hình có hiệntượngtựtươngquanchuỗi.

Kiểmđịnh hiệntƣợng đacộngtuyến

Trong mô hình hồi quy, nếu các biến độc lập có quan hệ chặt với nhau, các biến độclập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh vớinhau thì sẽ có hiện tƣợng đa cộng tuyến, đó là hiện tƣợng các biến độc lập trong môhình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số Để xác định mô hình cóhiện tượng đa cộng tuyến hay không thì tác giả dựa trên hệ số VIF được mô tả ở bảngdướiđây:

Kết quả chạy VIF ở bảng 4.6 cho thấy hệ số VIF của các biến đều nhỏ hơn 10 và hệ sốphóng đại phương sai (Tolerance) đều lớn hơn 0.1, điều đó chứng tỏ rằng không cóhiệntƣợngđacộngtuyếngiữacácbiến trong mô hình.

Sau khi thực hiện toàn bộ kiểm định cho mô hình REM, tác giả nhận thấy rằng môhình REM có hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quanchuỗi do đều có hệ số Prob < 0.01 Để khắc phục đƣợc các hiện tƣợng này, mô hìnhbình phương nhỏ nhất tổng quát (Generlized Least Squares) được tác giả sử dụngtrongnghiêncứunày.

ƯớclượngmôhìnhbìnhphươngnhỏnhấttổngquátGLS

Để khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi, tác giả tiếnhànhsửdụngmôhìnhbìnhphươngnhỏnhất(GLS).KếtquảướclượngmôhìnhGLSđượctrìn hbàynhƣ sau:

Kết quả ƣớc lƣợng mô hình GLS cho thấy có 3 biến có ý nghĩa thống kê gồm LA,SIZE,LLPvàGDP,tấtcảcácbiếncònlạiđềukhôngcóýnghĩadocóhệsốprob> 0.1.MôhìnhGLSđƣợctrìnhbàynhƣsau:

Thảoluậnkếtquảướclượnggiữacác môhìnhhồiquy

Bảng4.8dướiđâysosánhkếtquảướclượnggiữacácmôhìnhPooledOLS(1),FEM(2), REM (3) và GLS (4) Nhìn chung, có thể thấy rằng hệ số hồi quy của ba biến gồmtỷ lệ trích lập dự phòng trên tổng dƣ nợ cho vay (LLP), quy mô ngân hàng (SIZE) vàtốc độ tăng trưởng kinh tế (GDP) đều có ý nghĩa ở mức 10% ở bốn mô hình Riêngbiến tổng dƣ nợ cho vay khách hàng trên tổng tài sản (LA) có hệ số hồi quy ở mức ýnghĩa 10% ở mô hình Pooled OLS và GLS và tỷ lệ thất nghiệp có hệ số hồi quy khôngcóý nghĩaởmôhìnhGLS.

Kết quả hồi quy ở bảng 4.8 cho thấy hệ số hồi quy có ý nghĩa thống kê ở mức 10% đốivới mô hình Pooled OLS và mức 5% đối với mô hình GLS Nhƣ vậy, trong điều kiệnyếutốkhôngđổi,khibiếnLAtăng1đơnvịthìbếnnợxấutăng0.0120đơnvị(mô hình Pooled OLS) và 0.0121 đơn vị (mô hình GLS), nghĩa là LA tăng sẽ làm cho biếnnợ xấu tăng theo Điều này hàm ý rằng khi ngân hàng vì mục đích gia tăng lợi nhuậnnên phải thu hút khách hàng đề cho vay nhiều hơn Khi các ngân hàng ồ ạt cho vaynhiều mà không xem xét kỹ hồ sơ cho vay thì dẫn đến việc ngân hàng không thể thuhồi đƣợc vốn vay dẫn đến kết quả là nợ xấu của ngân hàng gia tăng Kết quả này phùhợp với nghiên cứu của Dimitrios, Helen, & Mike (2016) và Ekanayake & A.A.Azeez(2015).

Tỷ lệ trích lập dựphòng cho vay khách hàng tác động cùng chiềuđ ế n b i ế n t ỷ l ệ n ợ xấu ở mức ý nghĩa 1% đối với tất cả mô hình đƣợc minh họa ở bảng 4.8 Kết quả ƣớclƣợngn à y p hù h ợ p v ớ i n g h i ê n c ứ u c ủ a E k a n a y a k e & A A A z e e z ( 2 0 1 5 ) Đ i ề u n à y hàm ý rằng khi ngân hàng gia tăng trích lập dự phòng đối với dƣ nợ cho vay kháchhàng đồng nghĩa với việc hiệu quả hoạt động của ngân hàng giảm, làm gia tăng gánhnặngtrongviệcthuhồinợ.Kếtquảlàchiphíhoạtđộngcủangânhànggiatănglàm nợxấucủangânhàngtănglên.

Biến quy mô ngân hàng có tương quan ngược chiều với biến nợ xấu ở mức ý nghĩa1% (mô hình 1, 3 và 4) và có mức ý nghĩa 10% (mô hình 2) Trong điều kiện các yếutốkháckhôngđổi,khiquymôngânhàngtăng1đơnvịthìnợxấugiảm0.00216đơnvị (mô hình 1), 0.00483 đơn vị (mô hình 2), 0.00247 (mô hình 3) và 0.00175 đơn vị(mô hình 4) Điều này lý giải rằng khi quy mô ngân hàng càng lớn thì chất lƣợng tíndụng của ngân hàng ngày càng đƣợc cải thiện, hơn nữa các ngân hàng lớn cung cấpnhiều loại dịch vụ khác để gia tăng lợi nhuận thay vì lệ thuộc vào hoạt động tín dụng.Chínhvìsự đadạngvềcácloạidịchvụnêntỷlệnợxấu củangânhànggiảm.

Biến tốc độ tăng trưởng kinh tế có tác động ngược chiều với biến nợ xấu với mức ýnghĩa 1% với tất cả 4 mô hình và đúng với dấu kỳ vọng của nghiên cứu Kết quả nàyphùhợpvớinghiêncứucủaLêPhan ThịDiệuThảo&BùiCôngDuy (2018),Dimitrios,

V o u l d i s , &Metaxas(2011).Khicácyếutốkháckhôngđổi,tốcđộtăngtrưởng kinhtếGDP tăng 1 đơn vị thì nợ xấu giảm 0.784 đơn vị (mô hình 1), 0.932 đơn vị (mô hình 2),0.846 đơn vị (mô hình 3) và 0.440 đơn vị (mô hình 4) Điều này lý giải rằng khi tăngtrưởng kinh tế càng cao, các doanh nghiệp và hộ gia đình có đủ thu nhập để trang trảitấtcảchiphí, dođólàmtăngkhả năngthanhtoáncác khoảnnợ đếnhạnchong ânhàng làm cho tỷ lệ nợ xấu của ngân hàng giảm Khi tăng trưởng kinh tế thấp thì thunhập của các hộ gia đình và doanh nghiệp giảm, do đó làm giảm khả năng thanh toáncáckhoảnnợđếnhạncủa ngân hàng làmchotỷlệnợxấucủangânhànggiatăng.

Biến tỷ lệ thất nghiệp có tác động cùng chiều với biến nợ xấu với mức ý nghĩa 10% (môhình1),1%(môhình2)và5%(môhình3).Khitỷlệthấtnghiệptăng1đơnvịthì tỷ lệ nợ xấu tăng 0.805 đơn vị (mô hình 1), 1.571 đơn vị (mô hình 2) và 1.042 đơnvị (mô hình 3) Điều đó lý giải rằng khi tỷ lệ thất nghiệp gia tăng, các cá nhân và hộgia đình không có đủ thu nhập để trang trải các chi phí sinh hoạt hằng ngày Để trangtrải các chi phí hằng này thì họ phải vay mƣợn NH và khi vay mƣợn quá nhiều thìkhông có khả năng thanh toán các khoản nợ quá hạn cho NH Kết quả là các

Trongchƣ ơn gnà y, t á c g i ả đã t r ì n h b à y kếtq uả m ô hì nh h ồ i q u y vềc ác y ế u t ố t á c động đến tỷ lệ nợ xấu của các NHTM tại Việt Nam trong giai đoạn 2010 – 2018. SaukhiướclượngmôhìnhhồiquyPooledOLS,FEMvàREM,tácgiảsửdụngkiểmđịnhHausman để lựa chọn mô hình FEM hay REM Sau khi kiểm định Hausman, tác giảtiếp tục kiểm định các khuyết tật của mô hình nghiên cứu bao gồm kiểm định hiệntượngđacộngtuyến,phươngsaisaisốthayđổi,hiệntượngnộisinhvàhiệntượngtựtương quan.Kết quả kiểm định cho thấy mô hình có hiện tượng phương sai sai sốthay đổi và hiện tượng tự tương quan Để khắc phục khuyết tật này, tác giả sử dụngmô hình bình phương nhỏ nhất tổng quát (GLS) và kết quả hồi quy cho thấy có 4 biếncó ý nghĩa ở mức 5% là LA và mức 1% là LLP, SIZE và GDP Sau khi ƣớc lƣợng môhình GLS, tác giả so sánh kết quả ƣớc lƣợng giữa 4 mô hình trên nhằm có cách nhìntổng quát về mô hình hồi quy.

Từ phân tích kết quả ở chương 4, chương này sẽ tóm tắt lại toàn bộ kết quảnghiên cứu và các đề xuất liên quan nhằm cải thiện lợi nhuận của các NHTMViệtNam Đồng thời, chương này cũng đưa ra những hạn chế của nghiên cứu và hướngnghiêncứumởrộngtrongtươnglai.

Thảoluậnkếtquảhồiquy

Ngàynay,N H T M l à m ộ t m ắ c x í c h q u a n t r ọ n g g ó p p h ầ n t h ú c đ ẩ y k i n h t ế c ủ a m ộ t quốc gia phát triển Để làm đƣợc điều này thì NHTM phải hoạt động một cách hiệuquả trong lĩnh vực tài chính và tiền tệ So với những năm trước đây thì có thể thấyrằng hệ thống NHTM Việt Nam đang ngày càng lớn mạnh và cạnh tranh với nhiềuNHTM trên thế giới và các sản phẩm dịch vụ của NHTM đang ngày càng đa dạng vàmở rộng để phù hợp với xu hướng hội nhập quốc tế của nền kinh tế Việt Nam. Tuynhiên,cóthểthấyrằnghoạtđộngtíndụngđanglàmộttrongnhữnghoạtđộngchiếmt ỷ trọng lớn trong doanh thu hoạt động hằng năm của NHTM Trong quá trình hoạtđộng tín dụng luôn xảy ra tình trạng NHTM cho vay khách hàng cá nhân và doanhnghiệp nhƣng không thể thu hồi đƣợc nợ do khách hàng không đủ năng lực tài chínhđể chi trả Điều này sẽ khiến các khoản vay trở nên quá hạn và dẫn đến nợ xấu Bêncạnh đó, nợ xấu của NHTM không chỉ bị tác động bởi yếu tố dƣ nợ cho vay kháchhàng cá nhân tăng nhanh mà còn bị tác động bởi nhiều yếu tố vi mô và vĩ mô khácthôngquaquátrìnhhoạtđộngngânhàng.

Vớiviệcápdụngphươngphápướclượngdữliệubằngphươngphápbìnhphươngnhỏnhất (GLS) cho mô hình hồi quy dữ liệu bảng, khóa luận đã xác định mức độ tác độngcủa các yếu tố vi mô và vĩ mô đến tỷ lệ nợ xấu của NHTM tại Việt Nam trong giaiđoạn 2010 - 2018 Các yếu tố đó bao gồm: lợi nhuận sau thuế trên tổng tài sản

(ROA),tỷlệdƣnợchovaykháchhàngtrêntổngtàisản(LA),tỷlệchiphíhoạtđộng trêntổng thu nhập hoạt động (OPE), tỷ lệ lợi nhuận sau thuế trên tổng vốn CSH (ROE), tỷlệ dự phòng cho vay khách hàng trên tổng dƣ nợ cho vay khách hàng (LLP), quy môngân hàng (SIZE), tốc độ tăng trưởng kinh tế (GDP), tỷ lệ lạm phát (INF), tỷ lệ thấtnghiệp(UNE).Kếtquảnghiêncứuđãcủngcốcơsởlýthuyếtđượcđềcậpởchương2vàchoth ấytỷlệnợxấucủaNHTMsẽgiatăngkhicácyếutốđặcthùvềvĩmôgia tăng nhƣ tỷ lệ dƣ nợ cho vay khách hàng trên tổng tài sản (LA), tỷ lệ dự phòng chovay khách hàng trên tổng dƣ nợ cho vay khách hàng (LLP) Bên cạnh đó có các yếu tốgiúp góp phần làm giảm nợ xấu của NHTM là quy mô ngân hàng (SIZE) và tốc độtăngtrưởngkinhtế(GDP). Đề tài nghiên cứu các yếu tố tác động đến nợ xấu của NHTM tại Việt Nam đã đạt mộtsốvấnđềcơbảnnhƣ sau:

Thứnhất ,đềtàiđãlàmrõcáckháiniệmcơbảnvềtíndụngcũngnhƣkháiniệmvềnợ xấu. Bên cạnh đó, đề tài còn chỉ ra các yếu tố tác động và mức độ tác động củachúng đối với tỷ lệ nợ xấu của các NHTMCP tại Việt Nam trong giai đoạn 2010 –2018.

Thứ hai , dựa trên các mô hình nghiên cứu thực nghiệm trên thế giới, khóa luận đãtrình bày mô hình chính thức về các yếu tố tác động đến nợ xấu của NHTM tại ViệtNamvàđưaracácphươngthứcướclượngchophùhợpđốivớimôhìnhnghiêncứu.

Thứ ba , sau khi ƣớc lƣợng mức độ tác động về các yếu tố tác động đến nợ xấu củaNHTM tại Việt Nam và dựa trên kết quả ƣớc lƣợng có đƣợc, khóa luận gợi ý một sốchính sách và khuyến nghị đối với các nhà chính sách và cơ quan quản lýNHTMnhằmhỗtrợNHTMgiảmthiểutỷlệnợxấu.

Khuyếnnghị

Dựa vào kết quả nghiên cứu thực nghiệm có sẵn, Khóa luận đƣa ra một số hàm ýchínhs á c h , k h u y ế n n g h ị d à n h c h o c á c n h à c h í n h s á c h v à c ơ q u a n q u ả n l ý N

H T M nhằm giúp NHTM giảm thiểu tỷ lệ nợ xấu, gia tăng lợi nhuận nhằm gia tăng hiệu quảhoạtđộngNHTMgópphầnpháttriểnkinhtế

Thứ nhất , về biến tỷ lệ trích lập dự phòng trên tổng dƣ nợ cho vay khách hàng.

Dựatrên kết quả phân tích có đƣợc, có thể thấy rằng biến tỷ lệ dự phòng trên tổng dƣ nợcho vay khách hàng là yếu tố góp phần làm gia tăng tỷ lệ nợ xấu nhanh nhất Do đó,các nhà chính sách và các cơ quan quản lý NHTM nên có cơ chế quản lý đối với mứctrích lập dự phòng của NHTM sao cho phù hợp nhằm đảm bảo rằng mức trích lậpkhônglàmgiatăngtỷlệnợxấu.

Thứ hai , đối với yếu tố về dƣ nợ cho vay khách hàng, khi các cán bộ tín dụng chokhách hàng vay nhiều nhƣng không đánh giá kỹ về năng lực tài chính cũng nhƣ nănglực sử dụng khoản vay của khách hàng dẫn đến hiện tƣợng khách hàng không có nănglực trả nợ vay Bên cạnh đó, quy trình giám sát khoản vay của các cán bộ tín dụng vẫncòn lỏng lẻo, chƣa chặt chẽ, đồng thời một số cán bộ tín dụng còn non trẻ, chƣa thànhthục về nghiệp vụ cho vay đối với khách hàng dẫn đến không thể thu hồi đƣợc khoảnvay.ĐiềuđógópphầnlàmgiatăngtỷlệnợxấucủaNHTM.Nhằmgiảmthiểuđƣợctỷ lệ nợ xấu, các cơ quan chính sách và cơ quan quản lý NHTM cần thường xuyênthanh tra hoạt động cấp tín dụng của cán bộ tín dụng nhằm phát hiện kịp thời cáckhoản vay đối với khách hàng không đủ năng lực trả nợ Bên cạnh đó, NHTM thươngmại cần thương xuyên mở các lớp đào tạo về nghiệp vụ tín dụng nhằm giúp cán bộ tíndụng nâng cao kiến thức về nghiệp vụ tín dụng nhằm giúp hạn chế tỷ lệ nợ xấu đƣợcgâyrabớiyếutố dƣnợchovaykháchhàng.

Hạnchế củanghiêncứu

Mặc dù nghiên cứu đã đạt đƣợc nhiều kết quả nhất định, tuy nhiên vẫn tồn tại một sốgiới hạn về thời gian và dữ liệu nghiên cứu nên tồn tại một số hạn chế không thể tránhkhỏi Sau đây là những hạn chế cơ bản mà tác giả đƣa ra làm cơ sở đƣa ra hướng đềxuấtnghiêncứutrong tươnglai.

Thứ nhất , đề tài chỉ mới đề cập ở việc xem xét một số yếu tố vi mô và vĩ mô phổ biếntác động đến nợ xấu tại 21 NHTM tại Việt Nam mà chƣa bao gồm nhiều yếu tố khácnhƣ lãi suất cơ bản, chất lƣợng quản lý tín dụng, lãi cận biên,… Vì vậy đề tài chƣađánh giá hết toàn bộ mức độ tác động của các yếu tố còn lại đến nợ xấu của cácNHTMViệtNam.

Thứ hai , nghiên cứu chƣa tiếp cận hết toàn bộ dữ liệu của từng NHTM Việt Nam từcơ quan thanh tra giám sát hệ thống ngân hàng để đánh giá chính xác tỷ lệ nợ xấu củacácNHTMtạiViệtNam.MộtsốNHTMđƣợcliệtkêởbảng3.2khôngđƣợcđƣavàonghiên cứu do không công khai số liệu nợ xấu trên báo cáo tài chính làm cho số liệunghiên cứu không đƣợc minh bạch hơn.Bên cạnh đó, nghiên cứu còn chƣa thu thậpđƣợc nợ xấu của từng NHTM bán choVAMC qua từng năm trong giai đoạn 2010 –2018đểlàmrõ thực chấtnợxấucủaNHTMViệtNam.

Đềxuấtnghiêncứutrongtươnglai

Từ những hạn chế đƣợc trình bày ở mục 5.3, tác giả đƣa ra một số đề xuất nhằm mởrộnghướngtiếpcậnnghiêncứutrong tươnglai.

Thứ nhất ,m ở r ộ n g p h ạ m v i n g h i ê n c ứ u , k h ô n g c h ỉ t i ế p c ậ n s ố l i ệ u c á c N H T M t ạ i Việt Nam mà còn tiếp cận số liệu của các NHTM thuộc các quốc gia trong khu vựcASEAN nhƣ Lào, Cambodia, Thái Lan, Singapore,… Điều này không chỉ làm tăngtính chân thật cho mô hình hồi quy mà còn mang lại hiệu quả cao cho việc phân tíchcácyếutốtácđộng đếnnợxấucủaNHTM.

Thứ hai , điều tra them các yếu tố khác tác động đến nợ xấu nhƣ lãi suất cơ bản, chấtlƣợng quản lý tín dụng, lãi cận biên,…để làm rõ hơn nguyên nhân dẫn đến nợ xấu củacácNHTMViệtNam.

Thứ ba , phân tích nợ xấu sẽ phân tích các khoản vay khác nhau để làm cơ sở xác địnhcác yếu tố tác động đến từng khoản vay cụ thể Điều đó làm đa dạng thêm các nghiêncứutácđộngđếnnợxấucũngnhƣrủirotíndụngtácđộngđếnnềnkinhtếViệtNam

Dựa vào kết quả ước lượng được trình bày ở chương 4, trong chương này, tác giả đãđưa ra một số thảo luận tóm tắt cho các vấn đề nghiên cứu Đồng thời ở chương này,tác giả còn nếu lên một số mặt hạn chế và thiếu sót của đề tài nhằm đề xuất các hướngbổ sung và phát triển nghiên cứu trong tương lại Cuối cùng, dựa trên kết quả nghiêncứu có được, tác giả đưa ra một số khuyến nghị cho các cơ quan giám sát và bộ phậnquản lý NHTM nhằm gia tăng hiệu quả trong việc giảm thiểu tỷ lệ nợ xấu giúp gópphầnpháttriểnkinhtếViệtNam.

NguyễnHiền( 20 15 ),C h í n h t hức sá p n h ậ p v à o Sac om ba nk, x óa tên So ut her n

Bank khỏithịtrường,truycậptại:https://dantri.com.vn/kinh-doanh/ chinh-thuc-sap- nhap-vao-sacombank-xoa-ten-southern-bank-khoi-thi-truong-

Nguyễn Quang Dong (2012),Giáo trình kinh tế lượng,NXB Đại học Kinh tế

NguyễnT h ị N g ọ c D i ệ p v à N g u y ễ n M i n h K i ề u ( 2 0 1 5 ) , Ả n h h ƣ ở n g c ủ a y ế u t ố đ ặ c điểm đến rủi ro tín dụng ngân hàng thương mại Việt Nam,Tạp chí Phát triểnKinhtế,26(3),trang49-63.

Ngân hàng nhà nước Việt Nam (2018),Danh sách các ngân hàng TMCP trong nướctính đến ngày 30/6/2018, có tại:https://tinyurl.com/t9l58dy[Truy cập ngày

Phạm Dương Phương Thảo & Nguyễn Linh Đan (2018),Các yếu tố ảnh hưởng đến tỷlệ nợ xấu của các ngân hàng thương mại cổ phần Việt Nam,Tạp chí Khoa học&ĐàotạoNgânhàng,số194,trang1 –10.

ThanhThanhLan(2012),ThươnghiệuHabubankchínhthứcbiếnmất,truycậptạ i:https://vnexpress.net/kinh-doanh/thuong-hieu-habubank-chinh-thuc-bien-mat-

Quyết định số 493/2005/QĐ-NHNN (2005) về việcBan hành quy định về phân loạinợ,t r í c h l ậ p v à s ử d ụ n g d ự p h ò n g đ ể x ử l ý rủ ir o t í n d ụ n g t r o n g h o ạ t đ ộ n g ngânhàngcủatổchứctíndụng,cóhiệulực từngày07tháng05năm2005.

Thông tƣ số 02/2013/TT-NHNN (2013) về việcQuy định về phân loại tài sản có, mứctrích,phươngpháptríchlậpdựphòng rủirovàviệcsửdụng dựphòngđểxửlý rủi ro trong hoạt động của tổ chức tín dụng, chi nhánh ngân hàng nước ngoài,cóhiệulực từ ngày06tháng02năm2013.

Thông tƣ số 09/2014/TT-NHNN(2014) về việcSửa đổi, bổ sung một số điều củathông tư số 02/2013/TT-NHNN ngày 21/01/2013 của thống đốc ngân hàng nhànước quy định về phân loại tài sản có, mức trích, phương pháp trích lập dựphòng rủi ro và việc sử dụng dự phòng để xử lý rủi ro trong hoạt động của tổchức tín dụng, chi nhánh ngân hàng nước ngoài, có hiệu lực từ ngày 02 tháng04năm2014.

Thông tƣ số 14/2014/TT-NHNN (2014) về việcSửa đổi, bổ sung một số điều của quyđịnh về phân loại sợ trích lập và sử dụng dự phòng để xử lý rủi ro tín dụngtrongh o ạ t đ ộ n g n g â n h à n g c ủ a t ổ c h ứ c t í n d ụ n g b a n h à n h t h e o q u y ế t đ ị n h số493/2005/qđ-nhnnngày 22/4/2005 của Thống đốc ngân hàng nhà nước, cóhiệulực từngày05tháng06năm2014.

Alper, D., & Anbar, A (2011) Bank Specific and Macroeconomic Determinants ofCommercial Bank Profitability: Empirical Evidence from Turkey.Business andeconomics researchjournal,2(2),139-152.

Anderson, T W., & Hsiao, C (1982) Formulation and estimation of dynamic modelsusingpaneldata.JournalofEconometrics,18(1),47-82.

Arellano, M., & Bond, S (1991) Some tests of specification for panel data:

MonteCarlo evidence and an application to employment equations.The review ofeconomicstudies, 58(2),277-297.

Athanasoglou, P., Brissimis, S., & Delis, M (2008) Bank-specific, industry- specificand macroeconomic determinants of bank profitability.Journal of internationalfinancialMarkets,InstitutionsandMoney,18(2),121-136.

Brooks,C (2008).IntroductoryEconometrics for Finance(2nded.).

Bun, M J., & Windmeijer, F (2010) The weak instrument problem of the systemGMM estimator in dynamic panel data models.The Econometrics Journal,13(1),95-126.

Bun, M., & Kiviet, J (2006) The effects of dynamic feedbacks on LS and

MMestimator accuracy in panel data models.Journal of econometrics, 132(2), 409-444.

David Bholat; Rosa Lastra; Sheri Markose; Andrea Miglionico; Kallol Sen.

(2016).Non-performing loans: regulatory and accounting treatments of assets.Bank ofEnglandWorkingPaperNo.594,1-80.Retrievedfromhttps://ssrn.com/abstract2776586

Dimitrios, A., Helen, L., & Mike, T (2016) Determinants of non-performing loans:EvidencefromEuro-areacountries.FinanceResearchLetters,18,116-119.

Doytch,N.,&Uctum,M.(2011).DoestheworldwideshiftofFDIfrommanufacturing to services accelerate economic growth? A GMM estimationstudy.JournalofInternationalMoneyandFinance,30(3),410-427.

Commercial Banks: Evidence from Sri Lanka.Asian Economic andFinancial Review,5,868-882.

Espinoza, R., & Prasad, A (2010).Nonperforming Loans in the GCC Banking

Fonseca, A R., & Gonzalez, F (2008) Cross-country determinantns of bank incomesmoothing by managing loan loss provisions.Journal of Banking &

Hansen, L P (1982) Large Sample Properties of Generalized Method of

Holtz-Eakin,D.,Newey,W.,&Rosen,H.S.(1988).EstimatingVectorAutoregressions with Panel Data.Econometrica: Journal of the EconometricSociety,1371-1395.

Karim, M Z., Chan, S.-G., & Hassan, S (2010) Bank Efficiency and Non- performingLoans:EvidencefromMalaysiaandSingapore.PragueEconomicP a p e r s , 2(1),118-132.

Klein, N (2013) Non-Performing Loans in CESEE: Determinants and Impact onMacroeconomicPerformance.IMFWorkingPaper,1-27.

Le, C H (2016) Macro-financial linkages and bank behaviour: evidence from thesecond- roundeffectsoftheglobalfinancialcrisisonEastAsia.EurasianEconomicReview,6(3),

Louzis, D P., Vouldis, A T., & Metaxas, V L (2011) Macroeconomic and bank- specific determinants of non-performing loans in Greece: A comparative studyof mortgage, business and consumer loan portfolios.Journal of Banking

Makri, V.,Tsagkanos, A., & Bellas, A (2012) Determinants of Non-

Massai, A S., & Jouini, F (2013) Micro and Macro Determinants of Non- performingLoans.International Journal of Economics and Financial Issues, 3(4),

Salas, V., & Saurina,J (2002) Credit risk in two institutionalregimes:

Spanishcommercial and savings banks.Journal of Financial Services

Sufian, F (2009) Determinants of bank efficiency during unstable macroeconomicenvironment:EmpiricalevidencefromMalaysia.ResearchinInter nationalBusinessandFinance,23(1),54-77.

Titus.M.Mboka.(2013).EffectsofMacro-economicvariablesonNon- performingloansofcommercialbanksinKenya.MBAProject,UniversityofNairobi.

PHỤLỤCB:KẾTQ U Ả ƢỚCLƢỢNGHỒI QUYPOOLEDOLS,FEMVÀREM

PHỤ LỤC C: KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH

BảngC.1.Kiểmđịnhhệsốphóngđạiphươngsai(Varianc eInflationFactor–VIF)

BảngD.1.Dữliệu yếutốvi mô Đơnvịtính:%

YEAR BANK ROA LA OPE LLP SIZE

BảngD.2.Dữliệu yếutốvĩ mô Đơnvịtính:%