870 Các Yếu Tố Ảnh Hưởng Đến Tỷ Suất Sinh Lời Của Các Nhtm Cp Niêm Yết Trên Thị Trường Chứng Khoán Vn 2023.Docx

BỘGIÁODỤCVÀĐÀOTẠO NGÂNHÀNGNHÀNƯỚCVIỆTNAM TRƯỜNGĐẠI HỌC NGÂNHÀNGTP HỒCHÍMINH NGUYỄNTHỊ THÙYLINH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN TỶ SUẤT SINH LỜI CỦACÁC NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN NIÊM YẾTTRÊNTHỊTRƯỜNGCHỨNGK[.]

Lýdochọnđề tài

Ngânhàngthươngmại(NHTM)đượcxemlàtrunggiantàichínhchonềnkinhtế,tổch ứcnàyđóngvaitròlàtrunggianthanhtoánchocácđốitượngtrongnềnkinhtế,luânchuyểncác nguồnvốnnhànrỗiđếncácchủthểthiếuvốn.Đồngthời,cácNHTMđónggópvaitròquantrọn gvớivaitròlàđònbẩycủanềnkinhtế và làm tăng trưởng tốc độ phát triển kinh tế Do đó, những năm gần đây, hệthống NHTM không ngừng nỗ lực để gia tăng quy mô, mạng lưới giao dịch, cácsản phẩm dịch vụ cùng như công nghệ nhằm phục vụ đa dạng các đối tượngkháchhàngtrongnềnkinhtế.ChínhvìthếnêncácNHTMngàycàngcạnhtranhvớinhau vàchạyđuađểtìmkiếmđượcLN,haynóicáchkhác,đểtìmkiếmđượcLN nhiều hơn thì các ngân hàng phải mở rộng quy mô, sử dụng các chiến lượcđòn bẩy tài chính, đảm bảo an toàn vốn, chất lượng tín dụng hay những sự cảicách về công nghệ, tiết kiệm chi phí,… Nhìn chung, các NHTM có năng lực tàichính yếu kém và không cạnh tranh được sẽ bị đào thải và thay vào đó là sự nổibậtcủacácNHTMlớnmạnh,kếtquảnàyđượcđánhgiáthôngquatìnhhìnhLNkinhdoan hcủaNHTM haychínhlàTSSLcủaNHTM.

Sau 15 năm, từ năm 2007, hệ thống NHTM Việt Nam có những thay đổirất sâu sắc Năm 2008, các NHTM tiến hành cuộc đua lãi suất huy động, có nhữngthờiđiểmlãisuấtlênđến21%vàđếnnăm2011thìsựcạnhtranhcủacácNHTMcàng trở nên gay gắt và tiềm ẩn nhiều RR hơn Nhưng vì nguồn vốn kinh doanhcần được bổ sung liên tục các NHTM vẫn tiếp tục huy động với lãi suất cao lênđến22%.ĐểbùđắpđượccácchiphíđóthìcácNHTMtiếnhànhchovayvớilãisuất lên đến 25%.

Do đó, đến cuối năm 2018 và 2019 thì nợ xấu gia tăng đột biến,RRthanhkhoảnxuất hiệnvàđedọađếnhiệuquảhoạtđộngcủac á c NHTM.Trước tìnhhìnhđó, Chính phủra quyết định 254/QĐ – TTg ngày 01/03/2019 về phê duyệtđề án cơ cấu lại hệ thống các TCTD trong giai đoạn 2020 – 2025 Điều này chothấy, việc đánh giá và nâng cao TSSL của các NHTM hiện nay rất cần thiết nóxuất phát từ hai nguyên nhân đó là, thứ nhất để cung cấp về bằng chứng thựcnghiệm về các yếu tố ảnh hưởng đến TSSL của các NHTM Việt Nam, từ đó phânloạiđâulàcácyếutốthuộcnộitạingânhàng,đâulàyếutốthuộcvĩmônềnkinhtế nhằm giúp lãnh đạo NHTM có cái nhìn đúng đắn và ứng phó với thay đổi củacác yếu tố đó Mặt khác, khi nắm bắt được xu hướng ảnh hưởng của các yếu tốthì các NHTM cũng có nhưng chiến lược khoa học trong việc định hướng sự sátnhập,ngoàira,giúpcácNHTMpháthiệnđượcnhữngRRtiềmtàng.

Tiếp theo, là việc nâng cao được TSSL của ngân hàng chính là củng cốsức khỏe của ngân hàng hay năng lực tài chính của tổ chức Vì khi TSSL củaNHTMổnđịnhthìhệthốngtrunggianthanhtoáncũngnhưcầunốicủanềnkinhtếvũngch ắcvàhạnchếđượcnhữngRRvỡnợ kéotheocủacácđốitượngtrongnền kinh tế Qua đây có thể thấy, TSSL là chỉ tiêu phản ánh sự hoạt động bềnvững của các NHTM, gia tăng khả năng cạnh tranh với các đối thủ và củng cốđượcniềmtinvớicácbênliênquan.Trên “ thếgiớiđãcórấtnhiều “ nghiêncứuvềthu nhập lãi cận biên, chẳng hạn như nghiên cứu về các yếu tố ảnh hưởng đếnTSSL ”của ngânhàngởĐôngNamÁcủaDoliente(2005),Kasman(2010),Zhou(2008)

… Ở Việt Nam, có nghiên cứu của Hoàng Kim Khánh (2015), NguyễnKimThu(2011)đãxácđịnhđượccácyếutốtácđộngđếnTSSLcủacácNHTMViệ tNam ”bao gồmquymôngânhàng,tỷlệantoànvốn,tăngtrưởngtíndụng,nợ xấu hay dựphòng rủi ro tín dụng hoặc quản lý chi phí.T u y n h i ê n , đ ố i v ớ i cácnghiêncứunàythìdữliệunghiêncứucònhạnchế,chưađượccậpnhập,chưa “ phùhợp vớitìnhhìnhkinhtếthịtrườnghiệnnay,dođóchưaphảnánhhếttácđộngcủacácyếutốđế nTSSLtronggiaiđoạnhiệntại.Dođó,đểtìmhiểusâuvềvấn đề này tác giả lựa chọn nghiên cứu đề tài:“ Các yếu tố ảnh hưởng đến tỷsuất sinh lời của các ngân hàng thương mại cổ phần niêm yết trên thị trườngchứngkhoánViệtNam ”.Saukhinghiêncứuthìdựatrênkếtquảthựcnghiệm để đề xuất một số kiến nghị mang tính khả thi cho các NHTM để nâng cao đượcTSSLtrongthờigiantiếptheo.

Mụctiêunghiêncứu

Mụctiêutổngquát

Nghiên cứu này nhằm xác định và đo lường sự ảnh hưởng của các yếu tốđếnTSSLcủaNHTMCPniêmyếttrênTTCKViệtNam.Từkếtquảnghiêncứu,đề xuất một số hàm ý cho NHTMCP niêm yết trên TTCK Việt Nam nhằm cảithiệnvànângcaoTSSLtrongthờigiantới.

Mụctiêucụthể

Thứ nhất, xác định các yếu tố ảnh hưởng đến TSSL của các NHTMCPniêmyếttrênTTCKViệt Nam.

Thứ hai, đánh giá mức độ ảnh hưởng các yếu tố đến TSSL của cácNHTMCPniêmyết trênTTCKViệtNam.

Câuhỏinghiêncứu

Đốitượngvàophạmvinghiêncứu

Phạmvikhônggiannghiêncứu :Luậnvănlấysốliệunghiêncứucủa24NHTMCP niêm yết với việc phân tích tác động của các yếu tố ảnh hưởng đếnTSSL Tác giả lựa chọn số ngân hàng này là vì có các ngân hàng vừa lên sànniêm yết trongthời giangầnđâynênsốliệutừ2011–2015khôngđầyđủsẽtạosự bất cân xứng với sữ liệu bảng Nên tác giả lựa chọn các ngân hàng có số liệuhoànchỉnhvàcậpnhậttừ2011–2022.

Phươngphápnghiêncứu

Về phương pháp nghiên cứu, luận văn sử dụng phương pháp định lượngđược tác giả tiến hành bằng việc xử lý các số liệu thứ cấp thu thập dược từ 24NHTMCP niêm yết trên TTCK Việt Nam thông qua phần mềm STATA 14.0 đểcho ra kết quả Kết quả này được trình bày qua việc thống kê mô tả mẫu nghiêncứu,xéttínhtươngquancủacácbiếnđộclậptrongmôhìnhnghiêncứu.Kếtquảcác mô hình hồi quy đa biến Pooled OLS, mô hình ảnh hưởng cố định (FEM),môhìnhảnhhưởngngẫunhiên(REM).Từđó,kiểmđịnhsựphùhợpcủamôhìnhthông qua xét tính vững, từ mô hình được lựa chọn kiểm định các khuyết tật củamô hình Nếu có xuất hiện các khuyết tật thì thông qua phương pháp FGLS đểkhắc phục và đưa ra kết quả cuối cùng nhằm kiểm định giả thuyết nghiên cứucũng như thảo luận Cuối cùng dựa trên kết quả thực nghiệm đó để đề xuất cáchàmýchínhsáchchocácNHTMCPniêmyết Việt NamđểgiatăngTSSL.

Đónggópcủađề tài

Về mặt lý luận: Nghiên cứu này tổng hợp lý thuyết liên quan đến

TSSLvàcácnhântốảnhhưởng.Đồngthờithôngquacáclượckhảonghiêncứuđểxácđịnh các khoảng trống nghiên cứu và đề xuất cho bối cảnh các NHTMCP niêmyếttrênTTCKViệtNamtronggiaiđoạn2011–2022.Kếtquản g h i ê n cứunàycó thể làm cơ sở tiếp nối cho các nghiên cứu tiếp theo khi muốn mở rộng phạm vinghiêncứuhaycógiátrịthamkhảo.

Về mặt thực tiễn: Nghiên cứu sẽ cung cấp thêm sự kết quả nghiên cứuthựcnghiệmvềcácyếutốảnhhưởngđếnTSSLcủacácNHTMCPniêmyếttrênTTCKViệt Nam Kết quả nghiên cứu rất hữu ích hướng đến các đối tượng nhưcácNHTMCP,cácnhàđầutưvàcácnhàhoạchđịnhchínhsáchnhằmhoànthànhđược mục tiêu duy trì sự ổn định TSSL của các NHTM trong tương lai để tạođònbẩychongànhnghềkinhtế liênquankhác trongthịtrường.

Kết cấucủaluậnvăn

Chươngnàysẽtrìnhbàylýdochọnđềtài,từđóxácđịnhmụctiêunghiêncứucũngnhư cáccâuhỏinghiêncứutương ứng.Đồngthời,đểhoànthànhđượcmục tiêu nghiên cứu thì chương này sẽ lựa chọn đối tượng và phạm vi nghiêncứucùngvớiphươngphápnghiêncứu.Cuốicùng,chươngnàysẽtrìnhbàyđónggópcủa nghiêncứuvàkết cấudựkiếncủaluậnvăn.

Chương này trình bày các nội dung chính như nền tảng cơ sở lý thuyết vềTSSL, các chỉ tiêu đánh giá TSSL tại các NHTM Chương này cũng giới thiệusơ lược một số nghiên cứu trước đây trên thế giới và trong nước về các yếu tốảnh hưởng đến TSSL tại các NHTM, đồng thời nhận xét và xác định khoảngtrốngnghiêncứu.

Chươngnàybaogồmcácnộidungchínhnhưtrìnhbàyvềmôhìnhvàgiảthuyết nghiên cứu cùng với phương pháp đo lường biến Trình bày chi tiết quytrình và phương pháp nghiên cứu, mô tả mẫu nghiên cứu cùng với phương pháptínhtoánvàxửlýsốliệu.

Nộidungchủyếulàtrìnhbàykếtquảmôhình:thốngkêmôtảmẫunghiêncứu, phân tích tương quan mô hình nghiên cứu, kiểm định hiện tượng đa cộngtuyến,kiểmđịnhhiệntượngphươngsaithayđổi,kiểmđịnhhiệntượngtựtươngquan Sử dụng phương pháp bình phương bé nhất tổng quát khả thi (GLS) đểkhắc phục hiện tượng phương sai thay đổi và tự tương quan, xác định kết quảcuốicùngcủamôhình.

Dựatrênkếtquảcủamôhìnhnghiêncứu,quanđiểmcủatácgiảsẽđưaranhững đề xuất,kiến nghị nhằm nâng cao TSSL tại các NHTMCP niêm yết trênTTCKViệtNamtrongtươnglai.

Trongchươngnàyđãtrìnhbàylýdochọnđềtài,từđóxácđịnhđượcmụctiêu nghiên cứu cũng như các câu hỏi nghiên cứu cần được hoàn thành Từ cácmục tiêu được xác định, chương này cũng trình bày về đối tượng, phạm vi nghiêncứu và các phương pháp nghiên cứu cần được tiến hành để giải quyết được vấnđề Đồng thời, trong chương này cũng đã nhận định được các đóng góp về mặtlýluậncũngnhưthựctiễncủađềtài vàđềrabốcụcdựkiếncủaluậnvăn.

Trong chương này sẽ trình bày tổng hợp khung lý thuyết liên quan đếnTSSL của các NHTM, bao gồm khái niệm, chỉ tiêu đo lường và các yếu tố ảnhhưởng Đồng thời lược khảo các nghiên cứu liên quan để xác định các khoảngtrốngnghiêncứunhằmlàmcơsởđềxuất giảthuyếtlẫnmôhìnhnghiêncứuchochươngtiếptheo.

Lýthuyếtvề tỷsuất sinhlờicủangânhàngthươngmại

Kháiniệmtỷsuấtsinhlờicủangânhàngthươngmại

Theo Rose (2001) thì NHTM là một tổ chức kinh doanh với mục đích tốiđa hóa LN dưới một mức RR cho phép Hay nói cách khác, TSSL của các NHTMđượcthểhiệndướidạngLNcủangânhàngkhibảotoànđượcvốn,mởrộngđượcthịphần, tăngsứccạnhtranhvàthuhút đượccác luồngvốnđầutư.

TheoTrầnHuyHoàng(2011)thìTSSLcủamộtngânhàngđượcđánhgiáqua hai phương diện Thứ nhất, phản ánh qua việc sử dụng hiệu quả các nguồnlực của ngân hàng hay xã hội nhằm tạo ra kết quả cao nhất đó là LN thu về. Thứhai,làhiệuquảxãhộiphảnánhlợiíchvềmặtxãhộitrongquátrìnhkinhdoanh.

TSSL còn có thể xem là “Mối quan hệ tương quan giữa đầu vào các yếutố khan hiếm và đầu ra hàng hóa, dịch vụ” Mặt khác, khái niệm về TSSL dùngđể xem xét các nguồn lực trong thị trường được phân phối ra sao để các doanhnghiệp hay ngân hàng đạt được những thành công từ sự phân phối đó cũng nhưcác thành quả đầu ra mà họ đạt được so với đầu vào ban đầu của mình (NguyễnKhắcMinh,2004).

Theo Nguyễn Thị Xuân Liễu (2010) thì phân tích TSSL là quá trình nghiêncứu và đánh giá toàn bộ quá trình HĐKD của NHTM, hay xem xét sự hiệu quảtrong HĐKD của các NHTM, chủ yếu sự đánh giá này dựa trên việc cácNHTMthu được bao nhiêu LN từ các nguồn lực của vốn vay, VCSH hay tính trên tổngnguồntàitrợcủaNHTM.MụcđíchphântíchTSSLcủaNHTMnhằmđềxuất giảiphápphùhợpđểtăngtínhhiệuquảtrongHĐKD vàtìmkiếmnhiềuLNhơnchoNHTMvớinhữngđầuvàoxácđịnh.

Cácchỉtiêuđánhgiátỷsuấtsinhlờicủangânhàngthươngmại

Tỷlệthunhậptrêntổngtàisản(ROA): TheoPhanĐứcDũng(2008),tỷsố LN trên tài sản là nhằm đo lường khả năng sinh ra LN của một tổ chức Tỷ lệnàyđượctínhthôngquatỷsốLNròngtrêntổngtàisản bìnhquân.

Nguyễn Thị Ngọc Trang và Nguyễn Thị Liên Hoa (2007) cho rằng nếuROA dương thì chứng tỏ tổ chức này làm ăn có LN hay càng cao, HĐKD đangcó hiệu quả Mặt khác, ROA âm chứng tỏ tổ chức đang làm ăn thua lỗ và nếutình trạng kéo dài thì đối mặt với tình hình RR tài chính hay phá sản Tuy nhiên,tỷ số này có thể phụ thuộc vào vụ mùa kinh doanh của tổ chức kinh doanh đặcthù, ngoài ra có thể sử dụng tỷ số này để phân tích cho thời điểm hoặc thời kỳkinhdoanhcủatổchức.

Tỷ lệ thu nhập trên vốn chủ sở hữu (ROE): Theo Nguyễn Minh

Kiều(2009), tỷ số LN trên VCSH là tỷ số tài chính để đo khả năng sinh lời trên mỗi đồngvốnởmộtcôngtyLNtrongtỷlệnàyphảnánhthunhậpròng màcác cổđôngcót hểnhậnđượctheocácBCTCcủaNHTMtheochukỳxácđịnhtháng,quý,năm.Tỷ lệ này được xác định dựa trên tỷ số LN ròng trên VCSH, do đó tỷ lệ này giatăngkhicácNHTMnângcaođượcLNrònghoặcgiảmđượcVCSH.NhưngviệcgiảmVCS HcóthểxuấtpháttừviệccácNHTMmuốntáicơcấunguồntàitrợvàmuốnsửdụngnợvaynhiề uhơn,chứkhônghẳnđếntừviệcsửdụngkhônghiệuquả VCSH Tuy nhiên, việc gia tăng tỷ lệ ROE bằng cách này sẽ khiến cácNHTMđốimặtvới RRthanhtoánnợđếnhạnliêntục.

Cácyếutốảnhhưởngđếntỷsuất sinhlờicủangânhàngthươngmại

Cácyếutốthuộcvề ngânhàng

Theo Nguyễn Đăng Dờn (2010) thì quy mô ngân hàng thể hiện thông quacơ cấu tài sản hay nguồn vốn của NHTM trên bảng cân đối kế toán, nó thể hiệnsự lớn mạnh trong hoạt động của ngân hàng và thị phần lớn nhỏ của ngân hàngtrong hệ thống NHTM trong quốc gia, quy mô ngân hàng nó thể hiện rất nhiềuthông qua những tiêu chí như tài sản, cơ cấu nguồn vốn huy động – cho vay, thịtrường hoạt động của ngân hàng, Theo nghiên cứu Djalilov và cộng sự (2016)thì ROA và ROE có mối quan hệ cùng chiều với quy mô của ngân hàng. MặtkháctrongnghiêncứucủaAdelopovàcộngsự(2018);BattenvàVõXuânVinh(2019)thì cáctácgiảnàylạichorằngquymôngânhànglạicóảnhhưởngngượcchiềuvớiROAvàROE.

TheoNguyễnKhắcMinh(2004)đểduytrìđượcHĐKDcủamìnhthìcácNHTMcầ nhuyđộngđượccácnguồnvốn,trongđócóhainguồnchínhlàtừhuyđộng vốn tiền gửi của khách hàng hay vay nợ NHNN, các TCTD khác hoặc đếntừ việc huy động VCSH thông qua các kênh chứng khoán hay góp vốn của cáccổđộng.TrongphạmvicủaluậnvănthìVCSHsẽđượctậptrungnghiêncứuvì đâyđượcxemlànguồnvốndàihạnvàcácNHTMkhôngcónghĩavụthanhtoánnhưcáckhoả nnợmàchủyếulàchitrảhayphânphốithunhậpthôngquacổtứccho các cổ đông Mặt khác, khi tỷ lệ

VCSH trên tổng nguồn vốn được nâng caocónghĩalàcácNHTMhuyđộngđượcnhiềunguồnvốndàihạntạorasứcmạnhtài chính, khả năng chịu đựng thiệt hại cũng như tận dụng tỷ lệ phân phối thunhập đến cổ đông để tái đầu tư để thu được

LN nhiều hơn Djalilov và cộngsự(2016);Adelopovàcộngsự(2018);BattenvàVõXuânVinh(2019)đềusửdụngtỷs ốVCSH/tổngtàisảnlàmbiếnđộc lậpđểnghiêncứu vềvấnđềhiệuquảhoạtđộng tài chính của ngân hàng vì họ cho rằng VCSH càng nhiều thì RR của ngânhàngcũngtừđóđượcgiảmthiểuvàtạođượcniềmtincủakháchhàng.

TheoTrầnHuyHoàng(2010)thì “ tínhthanhkhoảncủaNHTMđượcxemnhưkhả năngtứcthờiđểđápứngnhucầukháchhàngrútcáckhoảntiềngửihaygiải ngân các khoản vay tín dụng mà ngân hàng đã cam kết Tính thanh khỏanđáp ứng được nghĩa vụ như nhu cầu chi trả tiền gửi, cho vay hay thanh toán cácgiao dịch Rủi ro thanh khoản sẽ xảy ra nếu tính thanh khoản không được đápứng có nghĩa là ngân hàng không đáp ứng được nhu cầu sử dụng vốn của mình.Nếu tình trạng này xảy ra thì các HĐKD của ngân hàng bị đình trệ, nặng hơn sẽdẫnđếnmấtkhảnăngthanhtoánhayphásản.Dođó,cácNHTMluônmuốnduytrìtínhthanhk hoảntốiưu,tuynhiênkhimuốngiatăngtínhthanhkhoảnthìbuộccác NHTM phải giảm cho vay, huy động vốn với mức phí cao Vì vậy, khi tăngtính thanh khoản như vậy thì các NHTM dường như các hoạt động cho vay phảichậm lại hoặc có thể bị đình chỉ và các NHTM chủ ưu đã cấp tín dụng theo hạnmức hoặc các khách hàng lớn, cùng với đó lãi suất cho vay cũng sẽ rất cao làmgiảmnhucầuvaycủakháchhàng.Tỷlệnàychobiếtphầntrăm%cáckhoảnchovay đến từ những nguồn huy động, tỷ lệ này càng cao thì khả năng thanh khoảncàng thấp Theo Bourke (1988); Adelopo và cộng sự (2018) cho rằng ROE cómối quanhệ ngượcchiềuvớitínhthanhkhoản.

PhanThị ThuHà(2013)chorằngNHTMđượcxemlàtrunggiantàichính,là cầu nối của người cho vay và đi vay Nhờ có ngân hàng mà quá trình sản xuấtkinh doanh và vận hành trong nền kinh tế được diễn ra một cách liên tục, cũngtừđómàtacóthểthấyLNchủyếucủangânhàngđếntừhoạt độngchovaycủanó. Tuy nhiên tại bất cứ NHTM nào, song song với hoạt động tín dụng chính làRR tín dụng Chất lượng tín dụng (cho vay) thể hiện qua tỷ lệ nợ xấu và nợ quáhạn tác động trực tiếp đến hiệu quả hoạt động của ngân hàng Tỷ lệ nợ quá hạnhaynợ xấucàngcaothì ngânhàngđốidiệnvớicácnguycơtổnthấtcàngcaovàLN ngân hàng sẽ giảm xuống từ đó Vì vậy để dự phòng cho những tổn thất cóthể xảy ra thì các ngân hàng thường trích lập dự phòng Tỷ lệ dự phòng RR tíndụng thường được ngân hàng tính thông qua tỷ lệ phần trăm % khi lấy giá trị dựphòngRRtíndụng/tổngdưnợ(CAR).CARcàngcaothìchứngtỏcáckhoảntíndụng của ngân hàng đang có chất lượng kém và khả năng thu hồi kém Các kếtquả từ nghiên cứu của Athanasoglou và cộng sự (2008); Djalilov và cộng sự(2016) thì tỷ lệ trích lập dự phòng có mối quan hệ nghịch biến với ROA, ROE.Ngược lại, theo kết quả nghiên cứu của Batten và Võ Xuân Vinh (2019) thì tỷ lệtríchlậpdựphòngcómốiquanhệđồngbiếnvớiROAvàROE.

HiệuquảquảnlýcủaNHTMđượcthểhiệnthôngquaviệccácNHTMquảlý được các khoản chi phí liên quan đến vận hành, nhân lực, mở rộng thịtrường,… Trong luận văn này thì hiệu quả quản lý được tiếp cận theo hướng sửdụng tỷ lệ chi phi phí hoạt động trên thu nhập của NHTM Trong chi phí hoạtđộngcủaNHTMbaogồmcảchiphíđầuvàolẫnchiphíđầuracủaNHTM.Mụcđích mà các NHTM tăng cường hiệu quả quản lý nhằm tiết kiệm được chi phíphát sinh để thu được nhiều LN hay nói cách khác các nguồn tài trợ được huyđộng sẽ được sử dụng hiệu quả tránh lãng phí Mặt khác, khi tỷ lệ chi phí hoạtđộng được đảm bảo duy trì mức thấp giúp ngân hàng có thể sử dụng nguồn lựctốiưunhấtđólàkếtquảcủaDjalilovvàcộngsự(2016);Adelopovàcộngs ự

Cácyếutốthuộcvĩmônềnkinhtế

Hiệnnaycónhiềulýthuyết vàcácnghiêncứuthựcnghiệmchỉrarằngtạicác NHTM thì hoạt động tín dụng vẫn là nguồn chính để tạo ra thu nhập choNHTM.Tuynhiên,dướisứcépgiảmthiểuRRhệthốngdotíndụnggâyravàđadạng hóa các nguồn thu nhập cho NHTM thì việc đa dạng hóa hoạt động và cácloại sản phẩm phục vụ khách hàng hay bán chéo nhiều loại sản phẩm giúp choNHTMtậnthucáckhoảnphívàLNtăngtheo(Baelevàcộngsự,2007).

2.2.2.1 Tốcđộtăngtrưởngbìnhquânđầungười(GDP) Đối với một nền kinh tế thì ngân hàng có mức độ liên quan mật thiết đếngần như tất cả các ngành nghề hay lĩnh vực đời sống vì vậy mọi sự thay đổi củakinhtế-xãhộiđềusẽtácđộngngượctrởlại “ hệthốngngânhàng.Nềnkinhtếphát triển, thể hiện ở tốc độ tăng trưởng GDP cao, ổn định từ đó cũng tạo điềukiện cho sự phát triển thuận lợi cho ngân hàng, thúc đẩy quả trình sản xuất kinhdoanhcũngnhưhấpthụvốnvàhoàntrảvốn ”cho cácdoanhnghiệptrongnềnkinh tế. Ngoài ra, khi tốc độ tăng trưởng tốt thì NHTM dễ dàng trong việc đadạng hóa HĐKD để tận dụng các khoản thu nhập ngoài lãi để gia tăng được TSSLcho NHTM Theo nghiên cứu của Djalilov và cộng sự (2016); Adelopo và cộngsự(2018) thìGDPcómốiquanhệđồngbiếnvớihiệuquảtàichính.

Tạibấtcứnềnkinhtếcủaquốcgianàotrênthếgiớithìluôncótồntạilạmphát,lạmphát tăngcaosẽlàmthayđổimứcgiáchungtrênnềnkinhtế,tácđộngđến sâu sắc đến ngân hàng kể cả các hoạt động huy động vốn cũng như cho vay,nó cũng tác động đến cả doanh thu hay chi phí và LN của doanh nghiệp Vì vậytrên thế giới cũng có nhiều nghiên cứu liên quan đến mối liên hệ giữa lạm phátvớiLNcủangânhàng.Vìvậy,trênthếgiớicũngcónhiềunghiêncứuliênquanđến mối liên hệg i ữ a l ạ m p h á t v ớ i h i ệ u q u ả t à i c h í n h c ủ a n g â n h à n g n h ư A t h a n a s o g l o u và cộng sự (2008); Sufian và Habibullah(2009); Djalilov và cộng sự (2016);Adelopo và cộng sự (2018); Batten và Võ XuânVinh (2019) kết luận ngược lại lạmphátlạicóquanhệ ngượcchiềuvớiROAvàROE.

Tìnhhìnhnghiêncứu

Cácnghiêncứunướcngoài

Bourke(1988)trongnghiêncứuvềảnhhưởngcủacácnhântốđếnLNcủacác ngân hàng tại Châu Âu, Bắc Mỹ và Úc Trong nghiên cứu này, nhóm tác giảđãsửdụngsốliệuthứcấpđượcthuthậptừ100ngânhànglớntrongcáckhuvựcđã nêu từ năm

1969 đến năm 1977 Nhóm tác giả đã sử dụng ROA và ROE đểđại diện cho LN của ngân hàng Tác giả sử dụng mô hình hồi quy đa biến để kếtluận sự tác động của các biến được nghiên cứu đến LN đó là chi phí nhân viên,đònbẩytàichính,tỷlệthanhkhoản,chỉsốtậptrung,sựsởhữucủanhànước,lãisuất cho vay, tốc độ tăng trưởng kinh tế, tỷ lệ lạm phát Kết quả cho thấy, chỉ số tậptrung, đòn bẩy tài chính các quan hệ cùng chiều và sự sở hữu của nhà nước có quanhệngượcchiềuđếnLNcủangânhàng.

Athanasoglou và cộng sự (2008) nghiên cứu về các yếu tố nội tại và vĩmô tác động đến LN của ngân hàng Các tác giả đã sử dụng số liệu của các NHTMtại Greek trong giai đoạn từ 1985 – 2001, thông qua nghiên cứu định lượng vớimô hình hồi quy theo phương pháp GMM để xem mức độ tác động của các yếuđến LN ngân hàng Trong đó, để đo lường LN của NHTM nhóm tác giả đã sửdụngROAvàROEvàkếtquảchothấynăngsuấtlàmviệc,tỷlệantoànvốn,chỉsố chứng khoán, tốc độ tăng trưởng kinh tế có ảnh hưởngcùng chiều đến LN.Ngượclại,cácyếutốrủirotíndụng,quảnlýchiphí,quymôngânhàngvàtỷlệlạmphát cóảnhhưởngn g ư ợ c chiềuđếnLNngânhàng.

Sufian và Habibullah (2009) trong nghiên cứu về LN của nền kinh tếphát triển thực nghiệm tại Bangladesh, nhóm tác giả đã sử dụng số liệu thứ cấpcủa37NHTMtạiquốcgianàytừ1997–

2004.Trongnghiêncứunày,nhómtácgiảsửdụngnghiêncứuđịnhlượngcùngvớicácmô hìnhFEM,REMvàGMM đểxemxétcácyếutốliênquanđếnnợxấuvàthunhậpngoàilãicótácđộngđếnLN của ngân hàng, đồng thời sử dụng ROE, ROA và NIM để đo lường cho LN.Kếtquảnghiêncứuchothấy,quymôtàisản,tỷlệnợxấu,chiphíngoàilãivàtỷlệlạmphát cótácđộngngượcchiềuđếnLNcủangânhàng.Ngượclại,thunhậpngoàilãi,mứcđộtăngtrưở ngkinhtế,tỷlệdưnợchovayc ó tácđộngcùngchiềuđếnLNcủangânhàng.

Djalilov và cộng sự (2016) trong nghiên cứu về các yếu tố các tác độngđếnLNtạicácquốcgiađangpháttriểntạiĐôngÂu,nhómtácgiảđãsửdụngsốliệu thứ cấp được thu thập từ các NHTM tại vùng quốc gia này trong giai đoạntừ 2000 – 2013 Thông qua phương pháp GMM, nhóm tác giả đã kết luận LNngân hàng được đo lường bằng tỷ lệ ROA và các yếu tố RR tín dụng, chi phí, tỷlệ lạm phát, vốn nhà nước có tác động ngược chiều, tuy nhiên tỷ lệ an toàn vốn,quymôngânhàng,thịphầnngânhàng vàtốcđộ tăngtrưởngkinhtếlạitácđộngcùngchiềuđếnLNngânhàng.

Adelopo và cộng sự (2018) nghiên cứu TSSL của ngân hàng trước, sauvàtrongtoànbộgiaiđoạnkhủnghoảng.Nhómtácgiảđãsửdụngsốliệucủacácngân hàng ở vùng phía Tây nước Mỹ trong giai đoạn 1999 – 2013 và thiết kế dữliệubảng,thôngquamôhìnhhồiquyPooledOLS,FEM,REMvàGMM.Trongđó, ROA và NIM là 2 yếu tố để đo lường cho LN ngân hàng, đồng thời, nhómtác giả cũng xem xét hai nhóm yếu tố vi mô và vĩ mô các tác động đến LN ngânhàng.Kếtquảnghiêncứuchothấy,quymôngânhàng,quảnlýchiphí,tỷlệlạmphátcótá cđộngngượcchiềuđếnLNngânhàng.Ngượclại,tỷlệantoànvốn,tỷlệ thanh khoản, thị phần ngân hàng, tốc độ tăng trưởng kinh tế GDP lại có tác độngcùngchiềuđếnLNngânhàng.

Al-Homaidi và cộng sự (2020) nghiên cứu tác động của các yếu tố bêntrong và bên ngoài ngân hàng ảnh hưởng tới HQHĐ kinh doanh của 37NHTMđược niêm yết trên sàn chứng khoán Bombay Exchange (BSE), Ấn Độ trongkhoảng thời gian từ 2008 đến 2017 Các mô hình FEM, REM và GMM được sửdụng.Kếtquả chothấyquymôngânhàng,chấtlượngtàisản,tínhthanhkhoản, quản lý tài sản, đa dạng hóa thu nhập và biên lãi ròng là những yếu tố bên trongquan trọng ảnh hưởng đến ROA Mức an toàn vốn, tiền gửi, hiệu quả hoạt động,tổng sản phẩm trong nước và tỷ lệ lạm phát được cho là có ảnh hưởng ngượcchiều đến ROA Hơn nữa, kết quả chỉ ra rằng mức độ an toàn vốn, quy mô ngânhàng,hiệuquảhoạtđộng,tổngsảnphẩmquốcnộivàtỷlệlạmphátcóảnhhưởngtiêu cực đáng kể đến ROA Tuy nhiên, chất lượng tài sản, đa dạng hóa thu nhậpvà chiến lược quản trị tài sản thể hiện tác động tích cực đến ROA nhưng tínhthanhkhoản,tiềngửi,biênlãiròngvàthunhậpngoàilãicótácđộngkhôngđángkểđếnR OA.

TrầnViệtDũng(2014)đãsửdụngphươngphápnghiêncứudữliệubảngvới phương phápướclượng Generalized Methods of Moments,GMM củaArellano và Bond (1991) để xác định các nhân tố tác động đến khả năng sinh lời củacác NHTM Việt Nam sửdụng bộ dữ liệu tại 22 ngân hàng trong giai đoạn từ 2006 -2012 Kết quả cho thấy ngânhànghoạt độnghiệu quảhơnkhig i ữ n h i ề u V C S H T á c giả không đủ cơ sở khẳng định tác động các yếu tố quy mô tài sản, tỷ lệ dư nợ, huyđộnglênTSSLcủangânhàng.CácbiếnsốvềRRcủangânhàngchưacótácđộngrõ rệt tới hiệu quả hoạt động của ngân hàng Cuối cùng các biến vĩ mô, đặc biệtchukỳkinhtế,tácđộngrõnéttớihoạtđộngcủacácNHTMViệtNam.

Nguyễn Thị Mỹ Linh và Nguyễn Thị Ngọc Hương (2015) nghiên cứu tácđộng của các yếu tố đến thu nhập lãi cận biên của các NHTMCP tại Việt Nam.Nghiên cứu sử dụng dữ liệu từ 27 NHTMCP trong giai đoạn 2008 - 2013, bằngphương pháp bình phương nhỏ nhất (Pooled OLS), FEM và REM, phương phápbìnhphươngnhỏnhấttổngquát (GLS).Kếtquảnghiêncứuchothấy,cácyếutốtác động cùng chiều với thu nhập lãi cận biên gồm: RR tín dụng, tỷ lệ lãi suất, quymôVCSH,quymôhoạtđộngcho vay,quymôngân hàng, đồngthờicác yếutốnhư:hiệuquảquảnlý,tăngtrưởngGDPcótácđộngngượclại.

HồngHạt(2016)đãnghiêncứuthunhậpngoàilãiv à h i ệ u q u ả tài c hí n h c ủ a c á c NHT M

N g h i ê n c ứ u t h ự c n g h i ệ m d ự a t r ê n dữ liệu của 33 NHTMCP Việt Nam giai đoạn 2006 - 2013 với việc sử dụng mô hìnhPooled, FEM, REM Kết quả nghiên cứu cho thấy: thu nhập ngoài lãi, tỷ lệ thunhậplãitrêntổngtàisản,biếngiảtăngtrưởngtàisản,tỷlệlạmphát,tỷlệchovaytrên tổng tài sản có tác động cùng chiều với hiệu quả tài chính Bên cạnh đó, logarittựnhiêntổngtàisản,tỷlệVCSHtrêntổngtàisản,tỷlệtiềngửitrêntổngtàisản,tốcđộtăngtr ưởngGDPcótácđộngngượcchiềuvớihiệuquảtàichính.

Batten và Võ Xuân Vinh (2019) trong nghiên cứu LN của ngân hàngqua nghiên cứu thực nghiệm tại Việt Nam, nhóm tác giả đã sử dụng số liệu thứcấp của các NHTMCP niêm yết tại Việt Nam trong giai đoạn 2006 – 2014 vớiphươngphápGMMvàmôhìnhtácđộngcốđịnhFEM.NhómtácgiảđãsửdụngROA, ROE, NIM để đo lượng cho LN ngân hàng Kết quả nghiên cứu cho thấy,quy mô ngân hàng, chi phí hoạt động, thị phần ngân hàng, tỷ lệ lạm phát có tácđộngcùngchiềuđếnLN.Ngượclại,tỷlệantoànvốn,RRtíndụng,năngsuấtcótácđộngng ượcchiềuđếnLNngânhàng.

Nguyễn ThịMỹ Linh vàNguyễn ThịNgọcHươ ng(2015)

NguyễnT hị DiễmHiền vàNguyễn HồngHạt (2016)

Chỉs ố t ậ p tru ng + 1 Đònbẩytài chính + + + - 4

Nguyễn ThịMỹ Linh vàNguyễn ThịNgọcHươ ng(2015)

NguyễnT hị DiễmHiền vàNguyễn HồngHạt (2016)

Nguyễn ThịMỹ Linh vàNguyễn ThịNgọcHươ ng(2015)

NguyễnT hị DiễmHiền vàNguyễn HồngHạt (2016)

Nguyễn ThịMỹ Linh vàNguyễn ThịNgọcHươ ng(2015)

NguyễnT hị DiễmHiền vàNguyễn HồngHạt (2016)

Nguyễn ThịMỹ Linh vàNguyễn ThịNgọcHươ ng(2015)

NguyễnT hị DiễmHiền vàNguyễn HồngHạt (2016)

Tổng cộng Đa dạng hóa thunhập

Khoảng trống chung của các nghiên cứu đó là có những nghiên cứu chỉtập trung nghiên cứu các yếu tố cơ bản của ngân hàng nhưng không đề cập đếncácyếutốvĩmôtácđộngđếnTSSL,trongđóhoạtđộngcủaNHTMđasốLNtừtín dụng được xem là xương sống hay RR tín dụng cũng là yếu tố tác động quantrọng đến LN của NHTM thì các nghiên cứu vẫn chưa nghiên cứu sâu Đối vớiViệt Nam, tình hình HĐKD ngân hàng luôn bị chi phối bởi yếu tố nội tại và vĩmôvìthếđốivớinghiêncứunàythìviệctậphợpcácyếutốnộitạicủangânhàngvà các yếu tố vĩ mô đặc biệt là tốc độ tăng trưởng kinh tế, thật sự cần thiết để cógóc nhìn tổng quan hơn về các yếu tố tác động cũng như mức độ tác động củachúngđếnTSSLcủaNHTM. Đa phần các nghiên cứu hay bài viết trong nước và nước ngoài vẫn ít tậptrung vào hoạt động tối đa hóa thu nhập của ngân hàng Trong khi đó, thời điểmhiệnnaythìcáchoạtđộngkinhdoanhkháccủangânhàngđemlạinguồnthunhậpngo àilãiđángkểchongânhàng.Dođó,việcđadạnghóacácnguồnthucủangânhàngđónggópkhôn gnhỏđếnviệcnângcaoTSSLchungchocácNHTM.

Chương 2 trình bày tổng quan về khái niệm tỷ suất sinh lợi cũng như cáccáchđolườngtỷsuấtsinhlợivàtrongnghiêncứunàycác tác giả sửdụng haitỷsố ROA, ROE để đo lường cho TSSL của ngân hàng Đồng thời, tại chương nàytác gải đã tổng hợp khung lý thuyết cũng như chiều hướng tác động của các yếu tốđến tỷ suất sinh lợi của NHTM, trong đó các nhân tố được chia vào hai nhóm chínhđólàthuộcnộitạibêntrongngânhàngvàbênngoàingânhàng.Ngoàira,chương2 cũng đã tiến hành lược khảo tổng quan các nghiên cứu trước đây về các yếu tốảnh hưởng đến TSSL của ngân hàng Từ việc lược khảo đó tác giả rút ra các khoảngtrống nghiên cứu, sẽ làm cơ sở cho tác giả đề xuất mô hình và giả thuyết nghiêncứuchochươngsauứngdụngvàobốicảnhhệthốngNHTMViệtNam.

Khoảngtrốngnghiêncứu

Khoảng trống chung của các nghiên cứu đó là có những nghiên cứu chỉtập trung nghiên cứu các yếu tố cơ bản của ngân hàng nhưng không đề cập đếncácyếutốvĩmôtácđộngđếnTSSL,trongđóhoạtđộngcủaNHTMđasốLNtừtín dụng được xem là xương sống hay RR tín dụng cũng là yếu tố tác động quantrọng đến LN của NHTM thì các nghiên cứu vẫn chưa nghiên cứu sâu Đối vớiViệt Nam, tình hình HĐKD ngân hàng luôn bị chi phối bởi yếu tố nội tại và vĩmôvìthếđốivớinghiêncứunàythìviệctậphợpcácyếutốnộitạicủangânhàngvà các yếu tố vĩ mô đặc biệt là tốc độ tăng trưởng kinh tế, thật sự cần thiết để cógóc nhìn tổng quan hơn về các yếu tố tác động cũng như mức độ tác động củachúngđếnTSSLcủaNHTM. Đa phần các nghiên cứu hay bài viết trong nước và nước ngoài vẫn ít tậptrung vào hoạt động tối đa hóa thu nhập của ngân hàng Trong khi đó, thời điểmhiệnnaythìcáchoạtđộngkinhdoanhkháccủangânhàngđemlạinguồnthunhậpngo àilãiđángkểchongânhàng.Dođó,việcđadạnghóacácnguồnthucủangânhàngđónggópkhôn gnhỏđếnviệcnângcaoTSSLchungchocácNHTM.

Chương 2 trình bày tổng quan về khái niệm tỷ suất sinh lợi cũng như cáccáchđolườngtỷsuấtsinhlợivàtrongnghiêncứunàycác tác giả sửdụng haitỷsố ROA, ROE để đo lường cho TSSL của ngân hàng Đồng thời, tại chương nàytác gải đã tổng hợp khung lý thuyết cũng như chiều hướng tác động của các yếu tốđến tỷ suất sinh lợi của NHTM, trong đó các nhân tố được chia vào hai nhóm chínhđólàthuộcnộitạibêntrongngânhàngvàbênngoàingânhàng.Ngoàira,chương2 cũng đã tiến hành lược khảo tổng quan các nghiên cứu trước đây về các yếu tốảnh hưởng đến TSSL của ngân hàng Từ việc lược khảo đó tác giả rút ra các khoảngtrống nghiên cứu, sẽ làm cơ sở cho tác giả đề xuất mô hình và giả thuyết nghiêncứuchochươngsauứngdụngvàobốicảnhhệthốngNHTMViệtNam.

Trongchươngnàysẽtrìnhbàymôhìnhvàgiảthuyếtnghiêncứudựatrêncơ sở của chương 2 đã xác định Đồng thời, trong chương này cũng trình bày vềquy trình nghiên cứu, cách thức thu thập mẫu nghiên cứu và phương pháp xử lýsốliệutínhtoánđểlàmcơ sởchochươngkết quảnghiêncứu.

Môhìnhvàgiảthuyếtnghiêncứu

Môhìnhnghiêncứu

Luận văn này tác giả sẽ sử dụng nghiên cứu của các tác giả Djalilov vàcộng sự (2016); Adelopo và cộng sự (2018) làm mô hình gốc và phát triển chobốicảnhNHTMCPniêmyếttạiTTCKViệtNam.Vìkhinghiêncứuvềcácnhântố ảnh hưởng đến TSSL thì các tác giả sử dụng các biến phụ thuộc là ROA vàROE để đo lường LN ngân hàng, tương đồng với định hướng của tác giả Ngoàiratácgiảquyết địnhlựachọncácyếutốsauđểđưavàomôhìnhnghiêncứu:

Nghiên cứu về các yếu tố tác động đến LN ngân hàng thì các tác giả đã sửdụngcácbiếnđộclậpảnhhưởngđếncấutrúcvốnđượckếthừatừnhữngnghiên a cứutrướ cđ ã đượckhảolượcđólàquymôdoanhnghiệp(SIZE)theonghiêncứucủa Djalilov và cộng sự (2016);

Adelopo và cộng sự (2018); Batten và Võ

XuânVinh(2019).Cáctácgiảđãkhẳngđịnhrằngkhiquymôngânhànglớnmạnhthìnăng lực tài chính càng được mở rộng, tiếp cận được nhiều hơn khách hàng vàgiatăngthêmđượcLNtừđó. Đònbẩytàichính(LEV)thểhiệnchoquymôVCSHmàNHTMhuyđộngđược, hay nói cách khác là tình hình nguồn vốn dài hạn được NHTM huy độngvà sử dụng cho việc HĐKD và mở rộng cơ hội đầu tư đó là kết quả nghiên cứucủa Djalilov và cộng sự (2016); Adelopo và cộng sự (2018); Batten và Võ XuânVinh(2019).

Hiệu quả quản lý (ME) cho thấy năng lực quản trị và chiến lược kinh doanhnhằmtiếtkiệmchiphíđểnângcaođượcLNcủaNHTMtrênbảngcânđốik ế toán đây là kết quả được rút ra trong các nghiên cứu của Djalilov và cộng sự(2016);Adelopovàcộngsự(2018);BattenvàVõXuânVinh(2019)

Tỷ lệ thanh khoản (LIQ) là tỷ lệ rất quan trọng và tác động đến hiệu quả tàichính đây là kết luận từ các nghiên cứu của Bourke (1988); Adelopo và cộng sự(2018), do tỷ lệ này giúp cho NHTM đối mặt được những RR tiềm ẩn trongHĐKDvàthựchiệncácquyđịnhcủaNHNNnghiêmngặt.

Tỷ lệ dự phòng RR tín dụng (LLR) thì theo Djalilov và cộng sự (2016);Batten và Võ Xuân Vinh (2019) do hoạt động tín dụng vẫn chiếm tỷ trọng caotrongkinhdoanhcủacácNHTM,nênRRtíndụngvẫnlàRRlớnnhấtgâyrasuygiảm

Cuối cùng tác giả bổ sung thêm biến đa dạng hóa thu nhập theo nghiêncứucủaAl-

Homaidivàcộngsự(2020),vìHĐKDcủaNHTMthìviệctáicơcấucáckhoảnchovaycũngl àmộttrongcáckinhdoanhchínhcủangânhàngthìcáchoạt động bán lẻ, đầu tư khác có đem lại các thu nhập khác cho ngân hàng cũngtángđộngtíchcực trongviệcngânhànggiatăng LN.

Ngoài6nhântốthuộcnộitạicủangânhàngthìcáctácgiảBourke(1988);Athanasoglou và cộng sự (2008); Sufian và Habilullah (2009); Djalilov và cộngsự (2016); Adelopo và cộng sự (2018); Batten và Võ Xuân Vinh

(2019) cóđưathêmhainhântốthuộcyếutốkinhtếvĩmôđólàGDPvàtỷlệlạmphát.H ọ chorằng ngân hàng có liên quan mật thiết đến tất cả hoạt động của nền kinh tế, vìvậy, mọi hoạt động kinh doanh của ngân hàng hay TSSL của ngân hàng có mốiliênhệ sátsaođếnsựthayđổicủa nềnkinhtế .

STT Tênbiến Mô tả Nguồn

Djalilov và cộng sự (2016);Adelopovàcộngsự(2018);Battenv àVõXuânVinh(2019).

STT Tênbiến Mô tả Nguồn

Djalilov và cộng sự (2016); Adelopovàcộngsự(2018);Battenv àVõXuânVinh(2019).

Djalilov và cộng sự (2016); Adelopovàcộngsự(2018);Battenv àVõXuânVinh(2019).

Djalilovvàcộngsự(2016);Batten và Võ Xuân Vinh (2019); Athanasoglouvàcộngsự(2008).

7 GDP Tốc độ tăng trưởngkinhtế

(2008);SufianvàHabilullah(2009); Djalilovvàcộngsự(2016);Adelopov àcộngsự(2018);Batten và VõXuânVinh(2019)

Quy mô ngân hàng (SIZE): Quy mô ngân hàng là một lợi thế vô cùng tolớn.Xéttheog ó c độtàichính,nếuquymôngânhànglớnkhiếnkhảnăngcạnh tranh cao hơn so với các ngân hàng trong hệ thống, nhận được nhiều sự tin tưởnghơn của khách hàng, ngoài ravới quy mô lớn thì bộ máy tổ chức và chấtl ư ợ n g đội ngũ nguồn nhân lực sẽ tốt hơn Từ các yếu tố đó với quy mô lớn góp phần giatăng lợi thế cạnh tranh và thu khách hàng hơn và giúp mang lại LN nhiều hơn chongânhàng,từđónângcaoTSSLchongânhàng.

Quymôdoanhnghiệp:SIZE=Log(Tổngtài sản) Đòn bẩy tài chính (LEV): VCSHtrong ngân hàng là một yếu tố quan trọngkhihuyđộngcàngđượcnhiềuthìRRcủangânhàngcàngđượcgiảmthiểuvìđốivớinguồ nvốnhuyđộngnàyngân hàng khôngbịđe dọa rủiro thanhtoán vìvậykhảnăng tổnthất LNcủa ngân hàngtừđócũng phầnnào được giảm bớt đi và TSSLcũngđượcnângcaovàpháthuy. Đònbẩytàichính:LEV= 𝑉 ố 𝑛 𝑐ℎủ𝑠ởℎữ𝑢

Hiệuquảquảnlý(ME):Tối đahóachiphíquảnlýluônlàvấnđềđặtlênhàng đầu tại bấtk ỳ t ổ c h ứ c k i n h t ế n à o N g â n h à n g đ ặ t v ấ n đ ề t ố i ư u h ó a c h i p h í mộtcáchtốiưuvàchặtchẽđểbảođảmnguồnvốnngânhàngđượcsửdụnghiệuquả cùng mục đích kinh doanh cao nhất Ngoài việc quản lý chi phí giúp ngân hàngcóthểtốiưu hóa chiphínguồnnhânlực.

Tỷlệthanhkhoản(LIQ):Thanh k h o ả n l u ô n l à đ i ề u m à N g â n h à n g đ ặ c biệtt ậ p t r u n g t í n h t h a n h k h o ả n t h ể h i ệ n c ó đ á p ứ n g đ ư ợ c c á c n h u c ầ u k h á c h h à n g khi vay hay rút tiền huy động Ngân hàng có tính thanh khoản mạnh thì uy tín vànănglựccạnhtranhvớingânhàngkhácsẽđượctăngcao,tạohìnhảnhtốtvàthuhút nhiều hơn khách hàng giao dịch hay vốn đầu tư từ các đối tác, đóng góp giatăngTSSLcủangânhàngngàymộttốthơn.

Trong đó: Tài sản thanh khoản = Tiền mặt + Tiền gửi tại NHNN + TiềngửitạicácTCTDkhác +ChovaycácTCTDkhác

Dự phòng rủi ro tín dụng (LLR): Cho vay là 1 trong trong các hình thứchoạt động chính củaNgân hàng và mang lại LNn h i ề u n h ấ t c h o n g â n h à n g v à y ế u tố trích lập dự phòng RR là điều kiện tiên quyết để ngân hàng có thể kinh doanhtối đa hóa nguồn vốn và đảm bảo tỉ lệ an toàn trong hoạt động tín dụng tại Ngânhàng Trích lập dự phòng RR là điều kiện bắt buộc để Ngân hàng có thể mở rộnghoạt động kinh doanh hay phòng ngừa những trường hợp xấu chưa thể thu hồiđược nợ Việc trích lập này sẽ ảnh hưởng trực tiếp tới số tiền

Ngân hàng có thểsửdụngcho hoạt độngtíndụngvàtừđótácđộngđếnTSSLNgânhàng.

Tỷ lệ đa dạng hóa thu nhập : Trong HĐKD thì ngoài cho vay đem lại

LNlớn nhất cho ngân hàng thì việc đa dạng hóa các khoản thu nhập đến từ đầu tư,các sản phẩm bán lẻ cũng giúp cho NHTM gia tăng thêm nguồn thu và hạn chếđượcRRtậptrungdonợxấugâyra.

Tỷlệđadạnghóathunhập: DIVER=1–HHI=1–(INT2 +NON2)

Tốc độ tăng trưởng kinh tế (GDP) và tỷ lệ lạm phát (CPI) : Được lấy từsốliệuthốngkêhàngnămtheobáocáocủaBộ tàichính.

Giảthuyếtnghiêncứu

Djalilov và cộng sự (2016); Adelopo và cộng sự (2018); Batten và VõXuân Vinh (2019) cho rằng quy mô ngân hàng có mối tương quan dương vớiTSSL của NHTM vì tác giả dựa trên các công trình liên quan đã nghiên cứu cácmôhìnhthựcnghiệm,cùngvớiđótheothựctếnếungânhàngcóquymôlớnthìsẽ có nhiều uy tín hơn và khả năng tạo ra được LN và TSSL sẽ được gia tăngnhiềuhơn.Vìvậytác giả đềxuấtgiả thuyết:

Djalilov và cộng sự (2016); Adelopo và cộng sự (2018); Batten và VõXuân Vinh (2019) cho rằng đối với các NHTM thì việc huy động vốn là việcquan trọng, mặt khác, việc tập trung vào VCSH là một trong những việc NHTMrấtc h ú t r ọ n g đểg i ả m bớt đ ư ợ c n ợ v a y v à t r á n h đ ư ợ c R R th a n h toánđến hạn,cóthể sử dụng đồng VCSH tốt hơn Nên đòn bẩy tài chính nếu được phát huy tốt thìTSSL của NHTM cũng sẽ được cải thiện hay nâng cao rất nhiều Vì vậy tác giảđềxuất:

H2: Đòn bẩy tài chính có tương quan dương với TSSL của các NHTMCPniêmyếttrênTTCKViệt Nam.

Djalilov và cộng sự (2016); Adelopo và cộng sự (2018); Batten và VõXuân Vinh (2019) cho rằng đối với HĐKD ngân hàng thì việc cân đối giữa thunhậpnhậnđượcvàchiphíđểvậnhànhluônđượctínhtoánkĩlưỡng.Vìvậy,nếutỷ lệ chi phí trên tổng thu nhập thật sự tăng cao hay không được kiểm soát thìhiệu quả hoạt động cũng như TSSL của NHTM vẫn không được nâng cao hayhiệuquả.Vìvậy,tácgiảđềxuấtgiả thuyết:

H3: Hiệu quả quản lý có tương quan âm với TSSL của các NHTMCP niêmyết trênTTCKViệtNam.

Bourke(1988);Adelopovàcộngsự(2018)chorằngNHTMlàtrunggiantài chính giữa cá nhân hay tổ chức có nhu cầu gửi tiền và vay tiền vì vậy thanhkhoảnluônlàvấnđềmàNHTMluônphảichútrọngvàduytrìởmứctốtnhấtcóthểvì nó ảnh hưởng đến uy tín cũng như sự vận hành của NHTM, mặt khác nó thể hiệnsự uy tín cũng như năng lực cạnh tranh giữa các NHTM vì nếu tỷ lệ thanh khoảnluônđượcduytrìtốtsẽtạođược l ò n g tincủak h á c h h à n g đểgửitiềncũngnhưvay tiền tại NHTM,giúp tổ chức tạo ra LN nhiều hơn và TSSL cũng tốt hơn Vì thế, tácgiảđề xuấtgiả thuyết:

H4: Tỷ lệ thanh khoản có tương quan dương với TSSL của các

Djalilovvàcộngsự(2016);BattenvàVõXuânVinh(2019);Athanasoglouvàc ộngsự(2008)chorằnghoạtđộngchovay(tíndụng)củangânhàng đem lại LN nhiều nhất cho NHTM nhưng cũng tiềm tàng nhiều RR choNHTM nhất Vì vậy, thường kì NHTM vẫn phải trích lập dự phòng cho các khoảnRR nợ xấu khó đòi này, cũng như đã đề cập những phần trước thì khi trích lậpdự phòng sẽ làm cho NHTM giảm đi LN, đồng thời TSSL cũng sẽ từ đó giảmtheo.Vìvậy,tác giảđề xuấtgiả thuyết:

Al-Homaidi và cộng sự (2020) cho thấy đa dạng hóa thu nhập càng cao thìhiệuquảHĐKDcủaNHTMcàngcao.Dựatrêncơsởlýthuyết vàmộtsốnghiêncứu trước đây, tác giả ủng hộ quan điểm đa dạng hóa thu nhập sẽ giúp NHTM tăngLN nhờ vào việc NHTM phân tán RR và tận dụng nguồn lực sẵn có của NHTMđể cung cấp thêm nhiều dịch vụ, tăng thêm thu nhập cho NHTM, điều này làmtănghiệuquảHĐKD.Vìvậy,tácgiả đềxuấtgiảthuyết:

H6: Đa dạng hóa thu nhập có tương quan dương với TSSL của cácNHTMCPniêmyếttrênTTCKViệtNam.

Athanasoglouvàcộngsự(2008);SufianvàHabilullah(2009);Djalilovvàcộng sự(2016); Adelopo và cộng sự (2018) cho rằng hoạt động của NHTM cóliênh ệ m ậ t t h i ế t v ớ i k i n h tế,xãhộinênnếutốcđộtăngtrưởngkinhtếtốtthìkích thích cho NHTM hoạt động tốt hơn, thu hút được nhiều khách hàng hơn, tạo raLNchoN H T M t ừ đ ó n â n g c a o h i ệ u q u ả H Đ K D cũngnhưTSSLcủaNHTM.V ìvậytácgiảđềxuấtgiảthuyết:

H7: Tốc độ tăng trưởng kinh tế có tương quan dương với TSSL của cácNHTMCPniêmyếttrênTTCKViệtNam.

Athanasoglou và cộng sự (2008);Sufian và Habilullah (2009); Djalilovvà cộng sự (2016); Adelopo và cộng sự (2018); Batten và Võ Xuân Vinh (2019)cho rằng trong nền kinh tế, lạm phát là một trong những yếu tố không thể thiếu.Lạm phát nó ảnh hưởng đến giá cả, sức mua của đồng tiền, Đối với NHTM thì nótác động đến lãi suất, trong khi đó lãi suất là công cụ mà khách hàng làm việc vớiNHTM,tuynhiênnếulãisuấtcho vaytăngthìhoạtđộngcủaNHTMsẽtrởnênkhó a khăn,t ừđóTSSLcủaNHTMcũnggiảmxuống.Vìv ậ y , tácgiảđềxuấtgiảthuyết:

H8: Tỷ lệ lạm phát có tương quan âm với TSSL của các NHTMCP niêmyết trênTTCKViệtNam.

Phươngphápnghiêncứu

Quytrìnhnghiêncứu

Tác giả thực hiện đề tài này theo quy trình nghiên cứu bao gồm các bướcnhưsau:

Bước 2: Trình bày tổng quan cơ sở lý thuyết và khảo lược công trìnhnghiên cứu trước đây về các nhân tố ảnh hưởng tới TSSL của các NHTMCP niêmyết trênTTCKViệtNam.

Bước 3: Xác định mô hình các yếu tố ảnh hưởng đến TSSL của cácNHTMCPniêmyết trênTTCKViệtNam

Bước 6: Trình bày và thảo luận kết quả nghiên cứuBước7:Kết luậnvàhàmýquảntrị.

Thuthậpvàxử lýsốliệu

Thuthậpsốliệu :Đềtàitiếnhànhthuthậpdữliệuthứcấpcủa24NHTMViệtNamtro nggiaiđoạn2011–2021từbáocáothườngniênvàBCTCđãđượckiểm toán trong khoảng thời gian từ

2011 đến 2021 (xem Bảng 3.2) thỏa mãnđiềukiệnsau:

(3) Các BCTC được kiểm toán và có ý kiến chấp nhận hợp lý và trung thực theonguyên tắc trọng yếu Tổng tài sản của các NHTMP niêm yết trên TTCK ViệtNamtrongmẫunghiêncứuchiếmhơn80%tổngtàisảntoànhệthốngNHTMCPniêm yết nên mẫu nghiên cứu có tính đại diện cho hệ thống NHTMCP niêm yếttrênTTCKViệtNam.

Xử lý số liệu : Sau khi hoàn tất bước thu thập bộ số liệu đề tài cần, tác giảtổng hợp lại và dùng phần mềm excel để tính toán những biến số theo công thứctỷlệđượcnêuởphầnphươngphápđolườngcácbiến.Cácbiếnsốđượcthểhiệndưới dạng số thập phân Kết quả sau khi lấy dữ liệu của 24 NHTMCP niêm yếtgiai đoạn từ năm 2011 đến năm 2022 đề tài có tổng cộng tổng cộng 2304(12*24*8) quansát.

Phươngpháptínhtoán

Tác giả sử dụng phương pháp phân tích hồi quy đa biến cho dữ liệu bảng (paneldata).Dữliệubảnglàdữliệucóhaichiều:chiềukhônggianvàchiềuthờigian.Nóicác h khác, dữ liệu bảng là sự mở rộng dữ liệu chéo (cross section) theo thời gian(timeseries).Việclựachọnsửdụngdữliệubảngsẽcónhiềuưuđiểmhơnsovớidữliệuchuỗit hờigianhaydữliệuchéo.Hồiquybằngdữliệubảngthườngsửdụngbaphươngpháphồiquytheoc ácmôhìnhPooled,môhìnhtácđộngngẫunhiênvàmô hìnhtácđộngcốđịnh.TácgiảsửdụngphầnmềmSTATA14.0đểthựchiệnmôhìnhv à k i ể m địnhmôhình.Cácbướctrongquytrìnhđượcthựchiệnchitiếtnhưsau:

Thống kê mô tả dữ liệu là mô tả những đặc tính cơ bản của dữ liệu thu thậpđược qua nhiều phương thức khác nhau Từ tiêu chí giá trị trung bình, giá trị nhỏnhấtvàgiátrịlớnnhất,giátrịtrungvịvàsaisốchuẩngiữacácgiátrịtrìnhbàyđượcgiátrịtrungbì nhcủacácbiến.Từđó,cóthểhiểuđượccáchiệntượngvàđưaracácquyết địnhđúngđắnvềchuỗi dữ liệunghiên cứu.

Phân tích hồi quy là một phân tích thống kê để tìm ra xem các biến độc lậptácđộng đếnc ác bi ế nphụthuộcnhư thếnào.Từnhữngkếtquảphần tíchhồiquysẽ làbằngchứngthưcnghiệmđểđánhgiámứcđộảnhhưởng.Cácmôhìnhhồiquyđược tácg i ả l ự a c h ọ n l à : P o o l e d O L S , F E M , R E M Đểchọnrađượcmôhìnhphùhợpnhất ,cầnxe m xétcácnộidungvàđặcđiểmcủacácmôhìnhướclượngnày:

Mô hình hồi quy Pooled OLS:Yit = α + βXit + μit Trong đó, Yit làit Trong đó, Yit là Biếnphụthuộccủaquansátitrongthờikỳt;XitlàBiếnđộclậpcủaquansátitrongthờikỳ t Phương pháp này phân tích dữ liệu bằng cách sử dụng tất cả dữ liệu theo cách xếpchồng không phânbiệt 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 thướckhông gianvàthờigiancủadữ liệu bảng.

Mô hình tác động cố định – FEM: Với giả định mỗi đơn vị đều có những đặcđiểmriêngbiệtcóthểảnhhưởngđếncácbiếngiải thích,FEM phântíchmốitươngquan này giữa phần dư của mỗi đơn vị với các biến giải thích qua đó kiểm soát và táchảnh hưởng của các đặc điểm riêng biệt

(không đổi theo thời gian) ra khỏi các biếngiảithíchđểchúngtacóthểướclượngnhữngảnhhưởngthực(neteffects)củabiếngiải thíchlênbiếnphụthuộc.

Mô hình tác động ngẫu nhiên – REM thì giả định rằng αi là một biến ngẫunhiênvớiαi=α+εii(i=1,2,…,n),thayvàotrongmôhìnhbanđầutacó:Yit=α+ βXit+εii+μit Trong đó, Yit làit.Trongđóεiilàthànhphầnsaisốtheođơnvịchéovàμit Trong đó, Yit làitlàthànhphầnsaisốchéovàchuỗ ithờigiankếthợp.Nhưvậy,vớiphươngphápREM,thayvìcoimỗi đặc điểm riêng của các đơn vị có tương quan tới biến độc lập và tách tác độngđóranhưtrongFEMthìphươngphápREMcoicácđặcđiểmriêngđólàngẫunhiênvà không tương quan tới các biến độc lập mà giống như một biến giải thích mới tácđộngtớibiếnphụthuộc. Để tác giả có thể loại trừ các biến không cần thiết hoặc không có ý nghĩathống kê từ các kết quả ước lượng của các mô hình Pooled OLS, FEM, REM.

Tácgiảsẽthựchiệncáckiểmđịnhcầnthiếtđểlựachọnđượcphươngphápphùhợpnhấttrong ba phương pháp từ các kiểm định như kiểm định Breusch-Pagan LagrangeMultiplier Test để chọn giữa mô hình Pooled OLS và REM, kiểm định HausmanTest đểlựachọngiữamôhình REMvàFEM.

Tác giả loại bỏ những biến không cần thiết ra khỏi mô hình thông qua việckiểm định thừa biến Các biến được sử dụng là các biến không có ý nghĩa thống kêtừ kết quả ước lượng của ba mô hình Pooled OLS, FEM và REM Tác giả sử dụngkiểmđịnhWaldđể kiểmtrasựcầnthiếtcủacácbiếntrên.Sau khiloạibỏbiếnthừa

(nếucó),tácgiảsẽchạylạimôhìnhphùhợpđượclưachọnvớibiếnđộclậpcòn lại,rồitiếnhànhkiểmđịnhcáchệsốhồiquy.Tácgiảsẽsửdụngkiểmđịnht(t-test)để kiểm tra sựphù hợp của các hệ số hồi quy Theo kinh nghiệm, một hệ số hồi quyđượcxemlà phùhợp khicó mứcýnghĩathốngkêlà1%hoặc5%hoặc10%,tươngứngvớiđộtincậy là99%,95%và90%.

Kiểm định hiện tượng đa cộng tuyến : Tác giả sẽ tiến hành kiểm định đacộng tuyến bằng hai cách Thứ nhất là thông qua phân tích hệ số tương quan nhằmkiểm định đa cộng tuyến của từng cặp biến độc lập Hệ số tương quan (Pearson)đượctính bằng cách chiahiệpphương sai củabiếnv ớ i t í c h đ ộ l ệ c h c h u ẩ n c ủ a c h ú n g N ế u hệ số tương quan giữa các biến độc lập lớn hơn 0,8 (còn được gọi là hệ số tương quancao),tacóhiệntượngđacộngtuyếncao.Thứhailàkiểmđịnhđacộngtuyếngiữa một biến độc lập so với các biến độc lập còn lại thông qua sử dụng thừa phóng đạiphương sai VIF Nếu hiện tượng đa cộng tuyến xảy ra, tác giả sẽ khắc phục bằng cáchbỏ đi biến độc lập có đa cộng tuyến, đây là cách làm đơn giản nhất vì sau khi bỏ biếnđộc lập có đa cộng tuyến, các hệ số hồi quy của các biến còn lại từ chỗ khác 0 vàkhôngcó ý nghĩathống kêcóthểtrởthànhkhác0 cóýnghĩa thốngkê.

Kiểmđịnhhiệntượngtựtươngquan :tácgiảsẽtiếnhànhkiểmđịnhdưạtrênquy tắckiểmđịnhDurbin–Watsontheokinhnghiệm.Nếucóhiệntượngtựtươngquan xảyra,tác giả quyếtđịnhchọnbiệnpháp khắc phụclàước lượngρdựadựatrênthốngkêd–Durbin– Watson.

Kiểm định hiện tượng phương sai thay đổi : tác giả sẽ tiến hành kiểm địnhBreusch–Pagan cho mô hình Pooled OLS hoặc FEM Nếu môh ì n h c ó p h ư ơ n g s a i thay đổi, thông quacách ước lượng lại mô hình bằng phương pháp GLS để khắcphục Còn trong trường hợp mô hình REM được lựa chọn thì tác giả chỉ kiểm định đacộngtuyếnv à t ự tươngquand o m ô h ì n h n à y c h ư a c ó c á c h t h ứ c k iể m địnhp h ư ơ n g sai thayđổi.

Trong chương 3, tác giả đã trình bày phương pháp nghiên cứu của đề tài,đồng thời tác giả đã đưa ra những giả thuyết nghiên cứu về các yếu tố tác độngđến TSSL của NHTMCP niêm yết trên TTCK Việt Nam dựa trên những mô hìnhnghiên cứu thực nghiệm của các học giả và công trình nghiên cứu trên thế giới như:quymôngân hàng,đònbẩytàichính,tỷlệdựphòngRRt í n dụng,tỷlệthanhkhoản,tỷlệđadạnghóathunhập,hiệuquảquảnlý,lạmphát,tăngtrưởngkinhtế.Đồngthời,trongchươngnàytácgiảđãtrìnhbàyq uytrìnhnghiêncứuvàcáchthứclựachọnmẫunghiêncứuvànguồnsốliệuđượclấytừcácbáoc áotiêuchuẩnrasao.Cuối cùng, tác giả trình bày dữ liệu thu thập được sẽ tiến hành tính toán, xử lýthôngquasựhỗtrợcủaphầnmềmSTATA.Kếtquảnàysẽđượctácgiảthốngkêmôtả,phântí ch,tươngquan vàhồiquytạicũngnhưsẽtrìnhbàykết quảnghiêncứutạichươngtiếptheo.

Trong chương này sẽ trình bày tổng quát tình hình các biến số độc lập vàphụ thuộc có sự tăng trưởng hay sụt giảm qua các năm từ 2011 – 2022 Sau đóchương này sẽ trình bày kết quả thống kê mô tả mẫu nghiên cứu và sự tương quancủacácbiếnsốtrongmôhìnhnghiêncứu.Tiếpđólàtrìnhbàyvềkếtquảnghiêncứu thực nghiệm thông qua hàng loạt các kiểm định liên quan đến các mô hìnhhồiquy,kiểmđịnhsựphùhợpmôhìnhvàcáckhuyết tậtmôhình.

Thốngkêmôtảmẫunghiêncứuvàtínhtươngquancủacácbiếnđộclậptrongmô hìnhnghiêncứu

Thốngkêmôtảmẫunghiêncứu

Hình 4.1: Đồ thị biểu diễn tốc độ tăng trưởng của ROA, ROE của

DựatrênkếtquảbiểuđồtrêntathấyrằngcảhaichỉtiêuROA,ROEcóxuhướng tăng trong giai đoạn 2011 – 2022 Trong đó, ta thấy đối với chỉ tiêu ROAthì tốc độ tăng trưởng có xu hướng tăng nhẹ qua các năm và không có sự khácbiệt nhiều về khoảng cách tăng trưởng Từ năm 2011 đến năm 2022 thì tốc độtăng trưởng tăng từ 0,97% đến 1,29%, tuy nhiên, có giai đoạn từ 2011 đến 2015thì ROA có xu hướng giảm đến năm năm 2015 chỉ còn 0,49% nguyên nhân đếntừviệctronggiaiđoạnnàythìNHNNcóxuhướngsiếtquyđịnhvềtíndụngcủacác

NHTMCP vì nợ xấu và nợ quá hạn qua các năm này có xu hướng gia tăng.Bắt đầu từ 2016 trở đi thì ROA có xu hướng tăng trưởng trở lại, mặc dù tronggiaiđoạn2020– 2021chịuảnhhưởngbởiđạidịchCovid–19thìcácNHTMCPvẫn có xu hướng kiếm được LN từ HĐKD của mình Cùng với đó là tình hìnhROE cũng có nét tương đồng với ROA trong giai đoạn từ năm 2011 – 2015 cóxu hướng giảm từ 9,32% xuống 6,35% Tuy nhiên từ năm 2016 trở đi thì xuhướng ROE tăng mạnh qua các năm và cao nhất vào năm 2021 là 15%, mặc dùchịu ảnh hưởng bởi đại dịch Covid – 19 nhưng các NHTMCP vẫn thực hiện cácHĐKD theo quy định với hoạt động tín dụng, ngoài ra còn tạo thêm nhiều thunhậptừcáchoạtđộngđadạnghóathunhậpkhác.

Ngoài ROA, ROE thì các chỉ tiêu thuộc nội tại ngân hàng và vĩ mô nềnkinhtế cũngđượctổnghợptrongbảngsau:

Biến Trungbìnhcộng Độlệchchuẩn Giátrịnhỏnhất Giátrịlớnnhất

Biến Trungbìnhcộng Độlệchchuẩn Giátrịnhỏnhất Giátrịlớnnhất

Dựatrênkếtquảbảng4.1tathấyROAvới giátrịtrungbìnhlà0,86% vớiđộ lệch chuẩn là 0,76% nên sẽ không có sự khác biệt quá lớn tại các NHTMCP.Ngoài ra ta có thể thấy giá trị nhỏ nhất là -5,51% của TPB năm 2011 và giá trịlớnnhất là3,21%củaTCBnăm2022.TươngtựchoROEthì giátrịtrungbìnhà10,16%vàđộlệchchuẩn8,69%thìchothấysựkhácbiệtcủacácNHTMCPtr ênmẫutổngthểcóthểchênhlệchnhaunhiểu.Ngoàira,ROEnhỏnhấtlà-

82%củaTPBnăm2011vàlớnnhấtlà26,82%củaACBnăm2011. Đối với quy mô ngân hàng (SIZE) thì giá trị Log(Tổng tài sản) với giá trịtrungbìnhlà32,7717vớiđộlệchchuẩnlà1,2428chothấycácngânhàngkhôngcósựkhácbi ệtquálớnvớinhau.Trongđó,giátrịnhỏnhấtcủaSIZElà30,3178củaSGBnăm2013vàgiát rịlớnnhấtlà35,5263củaBIDVnăm2022.Ngoàira,cácngânhàngcósởhữucủaNhànướcnh ưVCB,AGB,CTGcũngcógiátrịquymôtổngtàisảnlớnnhấttronghệthốngquacác năm.

Tỷ lệ đòn bẩy tài chính (LEV) thì giá trị trung bình là 8,91% với độ lệchchuẩn là 3,91% cho thấy mức chênh lệch của các NHTMCP trong hệ thống khálớn đối với đòn bẩy tài chính Trong đó, giá trị nhỏ nhất là 2,69% của SCB năm2020vàlớnnhấtlà23,83%củaSGBnăm2013.

Tỷlệhiệuquảquảnlý(ME)thìgiátrịtrungbìnhlà1,7%vàđộlệchchuẩnlà0,54%chot hấymứcchênhlệchcủacácNHTMCPtronghệthốngkhônglớn đốivớihiệuquảquảnlý.Trongđó,giátrịnhỏnhấtlà0,42%củaSCBnăm2011vàgiátrịlớnn hất là5,20%củaTPBnăm2011.

Tỷ lệ thanh khoản (LIQ) thì giá trung bình là 89,81% và độ lệch chuẩn là17,85% cho thấy mức chênh lệch của các NHTMCP trong hệ thống khá lớn đốivới tỷ lệ thanh khoản. Trong đó giá trị nhỏ nhất là 37,19% của MSB năm 2014vàgiátrịlớnnhấtlà148,67% củaVPBnăm2022.

Tỷ lệ dự phòng RR tín dụng (LLR) thì giá trị trung bình laf,15% với độlệch chuẩn là 1,3% cho thấy các ngân hàng không có sự khác biệt quá lớn vớinhau Trong đó giá trị nhỏ nhất là 0,34% của SCB năm 2015 và giá trị lớn nhấtlà8,81%củaSHBnăm2012. Đadạnghóathunhập(DIVER)thìgiátrịtrungbìnhlà-0,5688vớiđộlệchchuẩn là 14,6410 và giá trị nhỏ nhất là -248,159 của TPB năm 2011, giá trị lớnnhất là0,4999củaMSBnăm2014.

2022vớiđộlệchchuẩnlà1,57% trongđónăm2021làtỷlệthấpnhấtvới2,58%vàtỷlệthấpnhất8,02%vàonăm2022.Tỷlệlạm phát(CPI)cógiátrịtrungbìnhmỗi năm là 4,98% với độ lệch chuẩn là 4,64% trong đó năm 2015 với tỷ lệ thấpnhất là0,63%vànăm2011vớitỷlệ caonhấtlà18,68%.

Phântíchsựtươngquancủacácbiếnđộclậptrongmôhình

Để phân tích sự tương quan của các biến độc lập trong mô hình thì ta dựatrênkếtquả củamatrậnsau:

SIZE LEV ME LIQ LLR DIVER GDP CPI

SIZE LEV ME LIQ LLR DIVER GDP CPI

Bảng 4.2 mô tả hệ số tương quan là hệ số được dùng để chỉ mối quan hệ giữacác biến được sử dụng trong mô hình Kết quả phân tích ma trận tự tương quangiữacácbiếntrong2môhìnhchothấy,khôngcóhiệntượngđacộngtuyếnnghiêmtrọnggiữa cáccặpbiếnđộclậpxuấthiệntrongmôhình,khôngcócặpbiếnnàocóhệ số tự tương quan lớn hơn 0,8.

Do đó, tác giả kết luận rằng không tồn tại hiệntượngđacộngtuyếnnghiêmtrọnggiữacác cặpbiếnđộclậptrongmôhình.

Kếtquảnghiêncứuthựcnghiệm

Kếtquảmôhìnhhồi quyđabiến

Để đánh giá tác động của các nhân tố đến TSSL của 24 NHTMCP niêmyếttrênTTCKViệtNamtronggiaiđoạn2011–

OLS FEM REM OLS FEM REM

OLS FEM REM OLS FEM REM

Vớimứcýnghĩatươngứng*là10%,**là5%và***là1%

Dựa trên kết quả bảng 4.3 ta có thể thấy đối với biến phụ thuộc là ROAthìcảbamôhìnhtácđộngPooledOLS,FEMvàREMthìhệsốxácđịnhđềulớnhơn 65%. Mặt khác, các biến SIZE, LEV, ME, LIQ, LLR, DIVER, CPI đều ảnhhưởng đến ROA với mức ý nghĩa 1% hay 10% Tuy nhiên, chỉ có biến GDP thìđối với mô hình Pooled OLS thì không có ý nghĩa thống kê tác động đến ROAtrong khi mô hình FEM, REM thì GDP có ý nghĩa thống kê với mức 10% tácđộng đến ROA Nhưng nhìn chung, các biến độc lập tại ba mô hình hồi quy đềucósựtươngđồngcaovềchiềutácđộngđếnROA. Đối với biến phụ thuộc là ROE thì cả ba mô hình tác động PooledOLS,FEMvàREMthìhệsốxácđịnhđềulớnhơn65%.Mặtkhác,cácbiếnSIZE,ME,LIQ, LLR,DIVER, CPI đều ảnh hưởng đến ROE với mức ý nghĩa 1% Tuy nhiên,biếnLEVthìchỉcóýnghĩathốngkê1%tácđộngđếnROEtạimôhìnhFEMvàbiếnGDPt hìkhôngcóýnghĩathốngkêvềtácđộngđếnROEtạicảbamôhình.

Từ đó, ta có thể thấy về sự phù hợp đối với dữ liệu nghiên cứu thông quasựtươngđồngcaotạikếtquảcủabamôhìnhhồiquy.Dođó,cóthểdựatrênkếtquảnghiên cứunàyđể tiếnhànhnhữngkiểmđịnhtiếptheo.

SosánhsựphùhợpgiữamôhìnhtácđộngcốđịnhFEMvàmôhìnhtácđộn gngẫunhiênREM

Để lựa chọn mô hình thích hợp để nghiên cứu hơn giữa mô hình tác độngcố định (FEM) và mô hình tác động ngẫu nhiên (REM), tác giả sử dụng kiểmđịnhHausman.Giả thuyếtkiểmđịnh:

Giả thuyết H0: Không có tương quan giữa các biến độc lập và phần dư(môhìnhREM phùhợp)

Giả thuyết H1: Có tương quan giữa các biến các biến độc lập và phần dư(môhìnhFEMphùhợp)

Giá trị P – value là 0,0144 thấp hơn

GiátrịP– valuelà0,0000thấphơn0,05nênchấpnhậnH0bácb ỏH1.Haynóicách khácmôhìnhFEMphùhợpnghiêncứuhơn

Dựa trên kết quả 4.4 ta thấy rằng kiểm định Hausman để so sánh sự phùhợp giữamô hìnhF E M v à R E M đ ố i v ớ i b i ế n p h ụ t h u ộ c l à

R O A v à R O E t h ì k ế t quảchothấymôhìnhFEMphùhợphơnREM.Mặt ak hác,trongbamôhìnhtácđộng thì mô hình FEM có tính vững hơn mô hình Pooled OLS và REM, do đó, kếtquả kiểm định này ủng hộ cho việc chọn FEM để thực hiện các kiểm định tiếp theovềkhuyếttậtcủamôhình.

KiểmđịnhcáckhuyếttậtcủamôhìnhtácđộngcốđịnhFEM

H0:K h ô n g c ó h iệ n tư ợ n g phươngsaisaisốthayđổi trongmôhìnhFEMH1:CóhiệntượngphươngsaisaisốthayđổitrongmôhìnhFEM

Bảng4.5:Kếtquảkiểmđịnhhiệntượngphươngsaithayđổicủamôhìnhtácđộng cốđịnhFEM Đốivới biếnphụthuộclàROA ĐốivớibiếnphụthuộclàROE

H0:sigma(i)^2= sigma^2forall i H0:sigma(i)^2= sigma^2forall i chi2(30) = 540,83 chi2(30)= 188,77

Prob>chi2= 0 , 0 0 0 0 thấphơn0,05 Vìvậy,bácbỏH0chấpnhậnH1

Dựatrênkếtquảbảng4.5tathấyrằngcảhaimôhình,FEMđốivớibiếnphụthuộclà ROAvàROEđềugặpkhuyết tật phươngsaithayđổi.

Bảng4.6:Kếtquảkiểmđịnhhiệntượngtựtươngquan Đốivới biếnphụthuộclàROA ĐốivớibiếnphụthuộclàROE

Prob>chi2= 0 , 0 0 0 0 t h ấ p hơn0,05 VìvậybácbỏH0chấpnhậnH1

Sauq u á t r ì n h t h ự c h i ệ n c á c k i ể m đ ị n h n h ằ m p h á t h i ệ n c á c k h u y ế t t ậ t phươngsaithayđổivàtựtươngquancủamôhìnhFEMthìtiếpđócầnphảikhắc cáchiệntượngnàyđểthuđượckếtquảhồiquycuốicùngtheophươngpahspFG LS.Kếtquả đượctrìnhbàydướibảngsau:

Vớimứcýnghĩatươngứng*là10%,**là5% và***là1%

Vớib i ế n p h ụ t h u ộ c l à R O A v à R O E s a u khisửdụngFGLSđểkhắcphụch iệntượngtựtươngquanvàphươngsaisaisốthayđổi,m ô h ì n h c ó ýnghĩaởmức ý nghĩa 1% (do Prob =0,0000) nên mô hình hồi quy được xây dựng là phù hợp. Tuynhiên, giữa hai mô hình FEM của ROA và ROE có điểm khác biệt đó là đối vớiLEV với biến phụ thuộc là ROA thì có ý nghĩa thống kê tác động với mức ý nghĩa1%,ngượclạivớibiếnphụthuộclàROEthìkhôngcóýnghĩathốngkêtácđộng.

Giảt huyết Kết quảnghiêncứu Giảt huyết Kếtquảnghiêncứu

P- value Mứcýnghĩa Kỳ vọngd ấu

Giảt huyết Kết quảnghiêncứu Giảt huyết Kếtquảnghiêncứu

P- value Mứcýnghĩa Kỳ vọngd ấu

Khôngcóýn ghĩathốngkê + - 0,120 Không cóýnghĩathống kê

Dựa trên kết quả bảng 4.8 thì hệ số xác định của mô hình FEM với biếnphụ thuộc ROA là 79,11% hay nói cách khác các biến có ý nghĩa thống kê tácđộng đến ROA bao gồm SIZE, LEV, ME, LIQ, LLR, DIVER, CPI có thể giảithíchđược79,11%sựthayđổicủaROA.

Dựa trên kết quả bảng 4.8 thì hệ số xác định của mô hình FEM với biếnphụthuộcROElà79,23%haynóicáchkháccácbiếncóýnghĩathốngkêtác độngđếnROAbaogồmSIZE,ME,LIQ,LLR,DIVER,CPIcóthểgiảithíchđư ợc79,23%sựthayđổicủaROE.

Hệsốtươngquancủabiếnquymôngânhàng(SIZE)vớiROAvàROElầnlượ tlà0,0024và0,03cónghĩalàbiếnnàycó ảnhhưởngtíchcựcđếnTSSLcủacácNHTMCPniêmyếttrênTTCKViệtNamtronggi aiđoạn2011–2022. Kết quả này ủng hộ cho lý thuyết cấu trúc - hiệu quả, khi NHTMCP niêmyết trên TTCK Việt Nam gia tác động vào cấu trúc khi gia tăng quy mô thì cácngânhàngcàngmởrộngcácHĐKDvừatruyềnthốngvừahiệnđại,gópphầngiatăng hiệu quả HĐKD Mặt khác, kết quả này có sự tương đồng với các nghiêncứu của nhóm tác giả Djalilov và cộng sự (2016); Adelopo và cộng sự

Hệ số tương quan của đòn bẩy tài chính (LEV) đối với ROA là 0,0963 cónghĩa là biến này có ảnh hưởng tích cực đến TSST của các NHTMCP niêm yếttrên TTCK Việt Nam trong giai đoạn 2011 – 2022 Kết quả này ủng hộ cho lýthuyếttrunggiantàichính,khiNHTMCPniêmyếtViệtNamcanggiatăngđượctài sản của ngân hàng, các ngân hàng này có cơ sở thực hiện chức năng trunggian tài chính để gia tăng thu nhập dẫn đến tăng hiệu quả HĐKD Tài sản ngânhàng càng gia tăng cao giúp khách hàng có niềm tin với NHTMCP gia tăng vàlựa chọn NHTM để vay vốn góp phần gia tăng thu nhập cho NHTMCP.

Mặtkhác,kếtquảnàycósựtươngđồngvớicácnghiêncứucủanhómtácgiảDjalilovvàcộngsự (2016);Adelopovàcộngsự(2018);BattenvàVõXuânVinh(2019).Vì vậy,giảthuyếtH2đượcchấpnhận.

Hệ số tương quan của hiệu quả quản lý (ME) đối với ROA và ROE lầnlượt là 0,1129 và 2,1759 có nghĩa là biến này có ảnh hưởng cùng chiềuđến TSSLcủa các NHTMCP niêm yết trên TTCK Việt Nam trong giai đoạn 2011 – 2022.

KếtquảnghiêncứunàytráingượcvớinghiêncứucủacáctácgiảDjalilovvàcộngsự(2016); Adelopo và cộng sự (2018); Batten và Võ Xuân Vinh (2019) nhưng lạitương đồng với kết quả nghiên cứu của Adelopo và cộng sự (2018) và ủng hộcholýthuyếtcấutrúchiệuquả.KhiNHTMquảntrị chiphítốt,sựgiatăngcủa chiphívẫncótácdụnggiatănghiệuquảHĐKD.Kết quảnàytráingượcvớigiảthuyết nghiêncứucủatácgiả.Vì vậy,bácbỏgiảthuyết H3.

Hệ số tương quan của tỷ lệ thanh khoản (LIQ) đối với ROA và ROE lầnlượtlà0,0076và0,0699cónghĩalàbiếnnàycóảnhhưởngcùngchiềuđếnTSSLcủa các NHTMCP niêm yết trên TTCK Việt Nam trong giai đoạn 2011 – 2022.Haynóicáchkhác,cácNHTMCPniêmyếttrênTTCKViệtNamnếuduytrìtỷlệthanhkho ảntốttrongcácthờikìtăngtrưởnghoặckhók h ă n c ủ a n g â n h à n g s ẽ t ạ o ra điều kiện cho HĐKD được đảm bảo để chống chọi với những RR của thịtrường,haynóicáchkhácnếungânhàngcóquánhiềunợxấuhaynợquáhạnthìcác

NHTMCP vẫn đủ sức để tạo ra cơ hội tăng trưởng trong HĐKD của mìnhnhờthanhkhoảntốtnhằmđimởrộngviệcđầutưcáckênhsinhlờikhác.Kếtquảnày tương đồng với nghiên cứu của Bourke (1988); Adelopo và cộng sự (2018).Vì vậy,chấpnhậngiả thuyếtH4.

Hệ số tương quan của tỷ lệ dự phòng RR tín dụng (LLR) đối với ROA vàROElà-0,0936và-1,0710cónghĩalàbiếnnàycóảnhhưởngtiêucựcđếnTSSLcủa các NHTMCP niêm yết trên TTCK Việt Nam trong giai đoạn 2011 – 2022.KếtquảnàycũngthểhiệnđúngtheoLýthuyếtthôngtinbấtcânxứng(Asymmetric Information) của Akerlof (1970) Theo đó, thông tin bất cân xứngxảy ra khi các thành phần của thị trường không có sự cân bằng trong việc nắmgiữthôngtingiữacácbênthamgiagiaodịchdẫnđếnsựgiatăngnợxấuvàgiảmhiệu quả HĐKD của các NHTMCP Kết quả này có sự tương đồng với các nghiêncứu của nhóm tác giả Djalilov và cộng sự (2016); Batten và Võ Xuân

Hệ số tương quan của đa dạng hóa thu nhập (DIVER) đối với ROA vàROE lần lượt là 0,0002 và 0,04 có nghĩa là biến này có ảnh hưởng tích cực đếnTSSL của các NHTMCP niêm yết trên TTCK Việt Nam trong giai đoạn

2011 –2022 Trước cuộc cách mạng công nghiệp 4.0 bùng nổ, các NHTMCP phát triểnhoạt động theo hướng tạo ra các nguồn thu ngoài lãi sẽ mang lại hiệu quả kinhdoanhcaohơn.Kếtquảnàyủnghộcholýthuyếtcấutrúc-hiệuquảvàgiốngkết quảnghiêncứucủacáctácgiảAl-Homaidivàcộngsự(2020).Vìvậy,chấpnhậngiảthuyếtH6.

Hệ số tương quan của tốc độ tăng trưởng kinh tế (GDP) đối với ROA vàROE lần lượt là -0,0131 và -0,146 tuy nhiên giá trị P-value lớn hơn 5%, do đótốcđộtăngtrưởngkinhtế(GDP)khôngảnhhưởngđếnTSSLcủacácNHTMCPniêm yết trên TTCK Việt Nam trong giai đoạn 2011 – 2022 Hay nói cách khác,tốc độ tăng trưởng kinh tế dù cao hay thấp thì việc ngân hàng vận hành HĐKDsẽ phải được sắp xếp tương ứng với môi trường kinh tế Do đó, có thể cho rằngnếu các chiến lược quản trị doanh nghiệp có thể thích ứng với điều kiện kinh tếhay sự tăng trưởng, suy giảm kinh tế thì các NHTM vẫn có thể tạo ra được

LNhoặcduytrìsựổnđịnhtronghoạtđộng.Nênkếtquảnghiêncứunàyủnghộchoviệc tốc độ tăng trưởng kinh tế có thể không ảnh hưởng đến TSSL của các NHTMViệtNam.Vìvậy,bác bỏgiả thuyết H7.

Hệ số tương quan của tỷ lệ lạm phát (CPI) đối với ROA và ROE lần lượtlà0.031và0,3671cónghĩalàbiếnnàycóảnhhưởngtíchcựcđếnTSSLcủacácNHTMCP niêm yết trên TTCK Việt Nam trong giai đoạn 2011 – 2022 Kết quảnghiên cứu này trái ngược với kết quả nghiên cứu của Athanasoglou và cộng sự(2008);Sufian và Habilullah (2009); Djalilov và cộng sự (2016); Adelopo vàcộng sự (2018); Batten và Võ Xuân Vinh (2019) Điều này có thể cho thấy mặcdù tỷ lệ lạm phát tăng cao nhưng HĐKD của ngân hàng vẫn hiệu quả hay cácchính sách thắt chặt các khoản tín dụng nhằm hạn chế bớt các RR tín dụng hoặccáchoạtđộngđầutưcủangânhàngvàocácdanhmụchiệuquảthìvẫncóthểtạorađượcnhi ềuLNhơn.Vìvậy,bácbỏgiảthuyếtH8.

H1 Quymôngânhàng cótươngquandương vớiTSSL củacácNHTMCPniêmyếttrênTTCKViệtNam Chấpnhận

H5 Dựphòng RR tín dụng có tương quanâmvới

H7 Tốc độ tăng trưởng kinh tế có tương quan dương vớiTSSL của các NHTMCP niêm yết trên TTCK ViệtNam.

Trong chương này tác giả đã chạy các mô hình hồi quy OLS, FEM, REMdựa trên số liệu thu thập được của 24 NHTMCP niêm yết trên TTCK Việt Namtronggiaiđoạntừnăm2011–2022.Đầutiêntácgiảmôtảtổngquátmẫunghiêncứu thông qua việc thống kê mô tả mẫu nghiên cứu, đồng thời tác giả xem xéthiện tượng tương quan của các biến độc lập trong mô hình Sau đó, tác giả chạycác mô hình hồi quy và thực hiện các kiểm định theo phương pháp FGLS manglại ước lượng vững và hiệu quả nhất để đánh giá tác động của các nhân tố đếnTSSL của các NHTMCP niêm yết trên TTCK Việt Nam trong giai đoạn 2011 –2022 Từ kết quả này tác giả tiến hành thảo luận kết quả nghiên cứu và kết luậngiảthuyếtthốngkêđồngthờikhuyếnnghịcáchàmýchínhsáchtrongchương5.

Trong chương này trình bày kết luận chung của luận văn về các kết quảđạt được Đồng thời trình bày về các hàm ý chính sách cho các NHTMCP niêmyết Việt Nam để có thể tăng trưởng TSSL trong thời gian tiếp theo Cuối cùngchươngnàycũngđề cậpđếnhạnchếvàhướngnghiêncứutiếptheo.

Kếtluận

Nghiên cứu sử dụng mô hình hồi quy trên dữ liệu bảng nhằm tìm hiểu cácyếu tố tác động đến TSSL của các NHTMCP niêm yết trênTTCK Việt Nam Sửdụng biến phụ thuộcđại diện cho TSSL củac á c N H T M C P n i ê m y ế t t r ê n

T T C K Việt Nam đó là ROA và ROE, các biến độc lập được sử dụng bao gồm các yếu tốbên trong ngân hàng và yếu tố bên ngoài Dữ liệu ngân hàng được thu thập từBCTC của 24 NHTMCP niêm yết trên TTCK Việt Nam giai đoạn 2011 - 2022v à dữliệuvĩmôđượcthuthậptừADBIndicatorvàTổngCụcThốngkê.

Luận văn đã đạt được mục tiêu nghiên cứu tổng quát và các mục tiêunghiêncứucụthểđãđềratrongchương1làxácđịnhcácnhântốảnhhưởngđếnTSSL của các NHTMCP niêm yết trên TTCK Việt Nam và đề xuất các hàm ýchính sách Kết quả nghiên cứu của mô hình FGLS cho thấy các nhân tố ảnhhưởng TSSL của các NHTMCP niêm yết trên TTCK Việt Nam đã làm rõ cácbiến có ý nghĩa thống kê và có tác động cùng chiều đến ROA, ROE của tronggiai đoạn 2011 – 2022 là quy mô ngân hàng (SIZE), đòn bẩy tài chính (LEV),hiệu quả quản lý (ME), tỷ lệ thanh khoản (LIQ), đa dạng hóa thu nhập (DIVER)và tỷ lệ lạm phát (CPI) Trong khi đó biến tỷ lệ dự phòng

RR tín dụng (LLR) cótác động ngược chiều Biến tốc độ tăng trưởng kinh tế (GDP) thì không có ýnghĩa thống kê về sự ảnh hưởng đến TSSL của các NHTMCP niêm yết trênTTCKViệtNam.

Hàm ýchínhsách

Giatăngquymôngânhàng

CácNHTMcóthểmở rộngquymôbằngviệcmở rộngmạnglướihoạtđộng nhưtăngsốlượngchinhánh ngânhànghay các phònggiaodịchởcácvịtríđắc địanhư khu dân cư có mật độ dân số cao hay các khu công nghiệp tập trung để thu hútvà tiếp cận đến khách hàng Tuy nhiên để có thể thành lập chi nhánh ngân hàng thìcácngânhàngcầnđápứngnhữngyêucầuliênquanđếnviệccácNHTMphảiđượckiểm toán, kiểm soát theo yêu cầu, đảm bảo các tỷ lệ an toàn trong hoạt động ngânhàng, phân loại nợ trích lập dự phòng theo quy định và tỷ lệ nợ xấu dưới 3%(21/2013/TT-NHNN) Bên cạnh đó, số lượng các chi nhánh tập trung đa số ở cácthành phố phát triển, tuy nhiên ở các tỉnh và thành phố nhỏ lẻ chỉ có ít các NH tậptrung Vì vậy, cần có những chính sách để mở rộng quy mô một cách tối ưu vì nhucầucủangườidânkhắpcảnướcngàymộttăng cao.

Quymôcànglớn “ thìcànggiúpcácNHTMhoạtđộngkinhdoanhtốthơnnhưngđ iđôivớiđólàrủirovề nguồnvốnvànănglực để duytrìhoạtđộngcủa cácNHTM.Cácchiphíhoạtđộngphátsinhtrongquátrìnhngânhàngmởrộngquymônhư chi phí mặt bằng, nhân lực,… ảnh hưởng đến LN của ngân hàng Vì vậy, cácNHTMcầnnângcaonănglựcquảnlý, ” đẩymạnhpháttriểncôngnghệvàdựavàonguồn vốn củatừngngânhàngđểtăngquy mômộtcáchhợp lý.

Các NHTM có thể tăng tổng tài sản NH bằng cách nâng cao chất lượng dịchvụ, tích hợp nhiều tiện ích của các sản phẩm để khách hàng có thể lựa chọn sửdụng.Ngoàira,cácNHTMCPcầnđadạnghóacácsảnphẩmdịchvụcủamìnhđểtạo thêm nhiều cơ hội tiếp cận khách hàng Từ đó, số lượng khách hàng đến vớiNHcũngngàymộttăng,kéotheodoanhthucủaNHcủadầnđượcổnđịnh.

Giatăngvốnchủsở hữu

Luận văn đã chứng minh thực nghiệm cho thấy tỷ lệ VCSH có tác độngcùng chiều đến hiệu quả HĐKD của các NHTMCP Việt Nam Theo kết quả nghiêncứu thì ROA càng tăng khi VCSH càng lớn, do đó khuyến nghị tăng tỷ lệ VCSHtrên tổng tài sản để bảo đảm khả năng tự chủ tài chính, giảm thiểu RR của cácNHTMCP Mục đích của việc tăng VCSH đối vối các ngân hàng là để đầu tư cơsởhạtầngnhư:xâydựngtrụsở,nângcấphệthốngcôngnghệthôngtin, mởrộngphạmvihoạtđộng và đểtăngnănglựctàichính,đảmbảokhảnăngcạnhtranhvàđápứngcácquyđịnhnghiêmngặ tvềvốntheothônglệquốctế.

Trong đó phải kể đến việc phát hành thêm cổ phiếu trên thị trường chứngkhoán đối với các NHTM đã lên sàn giao dịch Điều này vừa giúp cho các ngânhàng đẩy mạnh hoạt động kinh doanh, mở rộng quy mô các sản phẩm của ngânhàng,tạouytínvàsựtintưởngcủakháchhàng,

LN sẽ ảnh hưởng trực tiếp đến quyền lợi của cổ đông khi đượchưởng cổ tức nhiều hơn Từ đó tạo ra niềm tin với họ và sẽ muốn duy trì số cổphầntrongngânhànghaymuathêmcổphiếucủacác NHTM.

Giảmtỷlệnợxấu haytỷlệdựphòngrủiro tín dụng

Theo kết quả nghiên cứu thì biến NPL tác động ngược chiều đến cả ROAvàROE.Quađócầnphải giảmthiểutỷlệnợxấuđếnmứcthấpnhất bằngcách:

Thứ nhất, các NHTM để xử lý nợ xấu dứt điểm và có hiệu quả trên cơ sởgắn liền trách nhiệm của cá nhân liên quan đến cho vay, ngân hàng cho vay cầntiến hành kiểm tra, đánh giá các khoản vay để xác định rõ nguyên nhân. Kiểmtra,sắpxếplạicáckhoảnnợbằngcáchphântíchthựctrạngcácmónnợquáhạn,nợ tiềm ẩn rủi ro và các khoản nợ đã được xử lý rủi ro để đánh giá khả năng thuhồi nợ Việc sắp xếp lại các khoản nợ phải dựa trên tính khả thi các dự án, phươngán kinh doanh của doanh nghiệp, tổ chức Đối với các dự án có tính khả thi cao,ngân hàng có thể giãn nợ, gia hạn nợ cho doanh nghiệp, tổ chức Ngân hàng cầnphải kiểm tra thường xuyên thực trạng tài sản đảm bảo và tài sản thế chấp để cóphương án xử lý và thu hồi nợ Hoặc có thể bán nợ xấu cho công ty quản lý tàisản (VAMC), xử lý triệt để nợ xấu, giảm chi phí trích lập dự phòng rủi ro Đốivới những món nợ xấu cho vay tiêu dùng cá nhân, cho vay kinh doanh bất độngsản có tài sản thế chấp, các ngân hàng cần có biện pháp xử lý kiên quyết bằngnguồnlựcnộitại; baogồmchếtàiđốivớicáccánhâncóliênquan.

Thứ hai, các NHTM nên có tăng cường kiểm soát nội bộ, đảm bảo thựchiện đúng quy trình; xây dựng hệ thống kiểm soát nội bộ hiệu quả, tăng cườngcôngtácgiámsátđốivớiquảntrịrủiro.Gắnkếttráchnhiệmvậtchấtđốivớicáccánhân cóquyềnphêduyệtcácquyếtđịnhcórủiro.

Thứba,nângcaochấtlượngnhânsự.Đểhạnchếrủirotíndụng,nângcaochất lượng thẩm định khách hàng thông qua việc nâng cao trình độ chuyên môn củacánbộtíndụng.Cùngvớiviệckhôngngừngnângcaotrìnhđộ vàchấtlượngnhânsự,NHTMcầncónhữngchếđộđãingộhợplýnhằmthuhútđượcnguồ nnhânlựccóchấtlượngcao vàgiữchânđượcđộingũ nhânsựgiỏiđangcó Đặcbiệtxâydựngvà quán triệt đạo đức nghề nghiệp làm đầu với mọi đối tượng, đồng thời gắn kết quảthưởngchonhânviênvới chấtlượngtíndụngđểnângcaotráchnhiệm.

Đa dạng hóa thu nhập thông qua đa dạng hóa hoạt động kinh doanh595.2.5 Kiểmsoát tốtcácyếutốvĩ mô

Luận văn đã chứng minh đa dạng hóa thu nhập tăng làm tăng hiệu quảHĐKDnêncầncógiảipháplàmtỷlệđadạnghóathunhậptăngcótácđộnglàmtăng hiệu quả sử dụng tài sản và hiệu quả sử dụng vốn NHTMCP có thể tăngcường các hoạt động đa dạng hóa các nguồn thu nhập bằng cách đa dạng hóa vàhoànthiệncácsảnphẩmdịchvụhiệncócũngnhưpháttriểncácdịchvụmới.Đadạnghóa vàhoànthiệncácsảnphẩmdịchvụhiệncólàđiểmmạnh vàmũinhọnđểpháttriểndịchvụngânhàng.Hiệnnay,cầnchútrọngcácsảnphẩmcôngnghệcao đem đến nhiều tiện ích cho khách hàng và gia tăng tính bảo mật thông tintrongcácgiaodịchtàichính.

Hiệu quả HĐKD ngân hàng theo kết quả nghiên cứu tỷ lệ thuận với tỷ lệlạm phát, điều này cho thấy khi lạm phát gia tăng các ngân hàng đã áp dụng lãisuất quá cao từ đó thu được LN lớn Với việc lãi suất cao như vậy rất dễ xảy ratình trạng mất khả năng trả nợ của bên vay từ đó phát sinh nợ xấu lại làm giảmđi LN của ngân hàng do đó việc ổn định kinh tế vĩ mô, kiểm soát lạm phát, thúcđẩy tăng trưởng luôn là mục tiêu điều hành chính sách của chính phủ đặc biệttrong những năm gần đây, NHNN cần điều hành tăng trưởng tín dụng phù hợpvới diễnbiếnkinhtếvĩ môgắnvớinângcaochấtlượngtíndụng.

Hạnchếvàhướngnghiêncứutiếptheo

Hạnchếnghiêncứu

Dữ liệu từ BCTC: Hạn chế của nghiên cứu là sử dụng dữ liệu thứ cấp đượccông bố từ BCTC của các NHTMCP niêm yết trên TTCK Việt Nam từ năm 2011đến năm 2022 nên chắc chắn khó có thể tránh được những thiếu sót trong thu thậpdữliệunghiêncứuvàảnhhưởngđếnkếtquả.

Một số biến độc lập trong mô hình bị đổi dấu so với kỳ vọng của tác giả vàcủamộtsốnghiêncứukhác.Điềunàyxuấtpháttừphíamẫudữliệuvàđiềukiệnthực tế tại cácNHTMCP niêm yết trên TTCK Việt Nam Hạn chế của tác giả làchưathựchiệnthêmhồiquyđểxemxéttínhvữngcủamôhình.

Hướngnghiêncứutiếptheo

Tác giả đã sử dụng một số biến khác để mô tả các yếu tố tác động đến tỉsuấtsinhlờivàđượcsửdụnglàmcácbiếnđộclập.

Thực hiện thêm một số hồi quy để kiểm tra tính vững của mô hình.Thuthậpthêmđầyđủdữliệu nhằmphântíchhoànchỉnhthựctrạngthunhậpcủa cácNHTMCP trên TTCK Việt Nam Mở rộng phạm vi nghiên cứu cho tất cảNHTMCP niêm yết trênTTCK Việt Nam và một số NHTMCP trong khu vực,rút rabàihọckinhnghiệmchoViệtNam.

Nhưvậy,chương5đãkếtluậnlạinhữngkếtquảnghiêncứucóđượctrongchương 4 về tác động của một số yếu tố đến TSSL của các NHTM ViệtNam.Trêncơsởđó,tácgiảđềxuấtmộtsốbiệnphápđốitrongviệcpháttriểnthunhậpnày đó là:Kiểm soát tăng trưởng quy mô ngân hàng, tăng VCSH, giảm tỷ lệ nợxấu của ngân hàng, quản lý chặt chẽ chi phí ngân hàng, đa dạng hóa thu nhập vàkiểm soát các điều kiện vĩ mô.Theo dõi sát sao chính sách của NHNN để có kếhoạch thực hiện tăng trưởng tín dụng phù hợp với tình hình hoạt động của ngânhàng và mục tiêu chính sách của NHNN và kiến nghị với NHNN một số giảipháp để hỗ trợ phát triển hoạt động của các NHTM một cách bền vững, có hiệuquả.Tácgiảcũngnêumộtsốhạnchếtrongnghiêncứucủaluậnvăn,nhữnghạnchếnàyl àcơ sở chohướngpháttriểntiếptheocủaluậnvăntrongtươnglai.

2 NguyễnThịNgọcTrangvàNguyễnThịLiênHoa(2007).Phântíchbáocáotài chính.Nhàxuất bảnLaođộng-Xãhội.

8 Phan Thị Thu Hà (2013).Nghiệp vụ ngân hàng thương mại.Nhà xuất bảnKinhtế quốcdân.

9 Trần Việt Dũng (2014) Xác định các nhân tố tác động đến khả năng sinh lờicủa các ngân hàng thương mại Việt Nam.Tạp chí Công nghệ Ngân hàng,16, 1-11.

10.Nguyễn Thị Mỹ Linh và Nguyễn Thị Ngọc Hương (2015) Nghiên cứu cácyếu tố hảnh hưởng đến thu nhập lãi cận biên của các ngân hàng thương mại cổphầntạiViệtNam.TạpchíNghiêncứuKinhtế,2015.

11.Nguyễn Thị Diễm Hiền và Nguyễn Hồng Hạt (2016) Thu nhập ngoài lãi vàhiệu quả tài chính tại các ngân hàng thương mại Việt Nam.Tạp chí Kinh tế vàNgânhàngchâuÁ,(127),57.

12 Adelopo, I., Lloydking, R., & Tauringana, V (2018) Determinants of bankprofitabilitybefore,during,andafterthefinancialcrisis.InternationalJournalofMan agerial Finance,14(4),378-398.

13 Athanasoglou, P P., Brissimis, S N., & Delis, M D (2008) Bank- specific,industry- specificandmacroeconomicdeterminantsofbankprofitability.Journalof internationalfinancialMarkets,InstitutionsandMoney,18(2),121-136.

14 Baele, L., De Jonghe, O., & Vander Vennet, R (2007) Does the stock marketvaluebankdiversification?.JournalofBanking&Finance,31(7),1999-2023.

1.Batten, J., & Vo, X V (2019) Liquidity and firm value in an emergingmarket.TheSingaporeEconomicReview,64(02),365-376.

16 Djalilov,K., & Piesse, J.(2016).Determinants of bank profitability intransitioncountries:Whatmattersmost?.ResearchinInternationalBusinessandFinance,

(2005),“DeterminantsofbanknetinterestmarginsofSoutheastAsia”,AppliedFinan cial Economics Letters,1(1),p.53-57.

3 Kasman, A., Tunc, G., Vardar, G., & Okan, B (2010), “Consolidation andcommercialbanknetinterestmargins:EvidencefromtheoldandnewEuropeanUnion members and candidate countries”, Economic Modelling, 27(3), p 648-655.

18 Stiroh, K J (2004) Diversification in banking: Is noninterest income theanswer?.Journal ofmoney,CreditandBanking,853-882.

19 Sufian, F., & Habibullah, M S (2009) Bank specific and macroeconomicdeterminants of bank profitability: Empirical evidence from the China bankingsector.Frontiers of EconomicsinChina,4(2),274-291.

20 Zhou, K., Wong, M C (2008).The determinants of net interest margins ofcommercial banks in mainland China.Emerging Markets Finance &

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

ACB 2011 0,011415 0,268234 33,26944 0,042556 0,0112 0,722898 0,008929 0,234827 0,062403 0,186777ACB 2012 0,004447 0,062105 32,80325 0,071605 0,024223 0,820985 0,025006 -0,41826 0,0525 0,090947ACB 2013 0,004961 0,066097 32,74661 0,075056 0,022566 0,776116 0,030253 0,347192 0,054219 0,065927ACB 2014 0,005299 0,076775 32,82181 0,069024 0,021511 0,752353 0,021778 0,335389 0,059837 0,040846ACB 2015 0,005104 0,080409 32,9366 0,063475 0,019963 0,773777 0,013082 0,102416 0,066793 0,006312ACB 2016 0,005671 0,094233 33,08498 0,060179 0,020018 0,789182 0,008694 0,161625 0,062108 0,026682ACB 2017 0,007591 0,132128 33,26231 0,057454 0,022283 0,822366 0,007 0,38539 0,068122 0,035203ACB 2018 0,015598 0,244413 33,42809 0,06382 0,020381 0,853809 0,007266 0,386276 0,070758 0,035396ACB 2019 0,015671 0,216455 33,5804 0,072397 0,021662 0,872038 0,005394 0,372556 0,0702 0,027958ACB 2020 0,017283 0,216734 33,72804 0,079743 0,017151 0,881887 0,014417 0,316476 0,0291 0,032209ACB 2021 0,018195 0,213865 33,89968 0,085077 0,015593 0,9526 0,007735 0,315202 0,0258 0,018347ACB 2022 0,018413 0,216432 34,30648 0,086098 0,015781 0,964031 0,007828 0,318985 0,0802 0,0315AGB 2011 0,006299 0,114219 33,96296 0,056716 0,030658 1,133374 0,061 0,257834 0,062403 0,186777AGB 2012 0,001548 0,02633 34,05623 0,060242 0,017431 0,993009 0,073706 0,266635 0,0525 0,090947AGB 2013 0,002369 0,044754 34,17786 0,054182 0,021738 0,9439 0,058991 0,31182 0,054219 0,065927AGB 2014 0,002257 0,042819 34,26905 0,053931 0,01951 0,851262 0,050159 0,26661 0,059837 0,040846AGB 2015 0,003313 0,069553 34,40502 0,048591 0,017845 0,825924 0,027183 0,310431 0,066793 0,006312AGB 2016 0,003032 0,069769 34,54124 0,044217 0,018365 0,864917 0,0208 0,320059 0,062108 0,026682AGB 2017 0,002991 0,072208 34,6807 0,042047 0,016921 0,873674 0,020446 0,332287 0,068122 0,035203

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

AGB 2018 0,004426 0,098876 34,78755 0,045367 0,018775 0,911957 0,01598 0,355053 0,070758 0,035396AGB 2019 0,007658 0,162645 34,91198 0,047675 0,016934 0,885006 0,015614 0,403525 0,0702 0,027958AGB 2020 0,006603 0,1436 34,98866 0,046606 0,016655 0,864104 0,017733 0,372902 0,0291 0,032209AGB 2021 0,006853 0,15724 35,06601 0,043585 0,014272 0,85035 0,018684 0,355239 0,0258 0,018347AGB 2022 0,006936 0,159127 35,4868 0,044108 0,014443 0,860555 0,018908 0,359502 0,0802 0,0315BID 2011 0,007909 0,131575 33,63677 0,060621 0,016395 1,222153 0,027634 0,295276 0,062403 0,186777BID 2012 0,005303 0,097032 33,81473 0,055083 0,009435 1,12164 0,02695 0,317889 0,0525 0,090947BID 2013 0,00735 0,125802 33,938 0,058887 0,013478 1,153829 0,022605 0,349171 0,054219 0,065927BID 2014 0,007608 0,148714 34,10852 0,051675 0,013261 1,011854 0,020321 0,355373 0,059837 0,040846BID 2015 0,006846 0,142181 34,37685 0,049777 0,013036 1,059752 0,0168 0,341406 0,066793 0,006312BID 2016 0,006066 0,143595 34,54514 0,043835 0,013446 0,996799 0,019938 0,354689 0,062108 0,026682BID 2017 0,005645 0,147661 34,723 0,040618 0,012896 1,008024 0,016224 0,327849 0,068122 0,035203BID 2018 0,005604 0,142836 34,81115 0,041545 0,012274 0,999058 0,016888 0,336609 0,070758 0,035396BID 2019 0,005617 0,112295 34,93752 0,052118 0,011582 1,002545 0,017454 0,37734 0,0702 0,027958BID 2020 0,004613 0,091564 34,9553 0,052514 0,011666 0,989909 0,017598 0,407202 0,0291 0,032209BID 2021 0,005983 0,126783 35,10505 0,049003 0,011049 0,981335 0,01 0,375752 0,0258 0,018347BID 2022 0,006055 0,128305 35,52631 0,049591 0,011182 0,993111 0,01012 0,380261 0,0802 0,0315CTG 2011 0,013561 0,219151 33,76316 0,062333 0,019717 1,141164 0,007512 0,186312 0,062403 0,186777CTG 2012 0,012217 0,182948 33,85266 0,067206 0,018739 1,153061 0,014669 0,27051 0,0525 0,090947CTG 2013 0,01005 0,107119 33,98777 0,094189 0,017193 1,032351 0,01002 0,270112 0,054219 0,065927CTG 2014 0,00864 0,103807 34,12514 0,083569 0,014827 1,036984 0,011151 0,255926 0,059837 0,040846

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

CTG 2015 0,00731 0,10199 34,28965 0,071984 0,013752 1,091528 0,009166 0,284425 0,066793 0,006312CTG 2016 0,007111 0,112334 34,48597 0,063577 0,013546 1,010576 0,009037 0,260445 0,062108 0,026682CTG 2017 0,006787 0,117101 34,62959 0,05823 0,013762 1,050141 0,011397 0,282261 0,068122 0,035203CTG 2018 0,00453 0,078542 34,69101 0,05793 0,012095 1,047359 0,015629 0,342241 0,070758 0,035396CTG 2019 0,007626 0,123204 34,75446 0,062347 0,012682 1,047588 0,011562 0,296048 0,0702 0,027958CTG 2020 0,010208 0,161457 34,83252 0,063671 0,011991 1,025246 0,009375 0,337383 0,0291 0,032209CTG 2021 0,009199 0,151566 34,96508 0,061145 0,011221 0,973163 0,012648 0,33625 0,0258 0,018347CTG 2022 0,009309 0,153385 35,38466 0,061879 0,011356 0,984841 0,0128 0,340285 0,0802 0,0315EIB 2011 0,016555 0,186405 32,8436 0,08881 0,010405 1,391606 0,016112 0,254532 0,062403 0,186777EIB 2012 0,012569 0,135253 32,76774 0,092928 0,013499 1,063356 0,013182 0,164089 0,0525 0,090947EIB 2013 0,003878 0,04487 32,76585 0,086438 0,012487 1,048845 0,019822 0,265734 0,054219 0,065927EIB 2014 0,002129 0,025985 32,7071 0,081924 0,012793 0,859672 0,024606 0,217071 0,059837 0,040846EIB 2015 0,00032 0,003043 32,45813 0,105284 0,018459 0,861113 0,018587 0,189088 0,066793 0,006312EIB 2016 0,002399 0,022972 32,48929 0,104412 0,017509 0,84895 0,029464 0,288479 0,062108 0,026682EIB 2017 0,005509 0,057738 32,63744 0,095409 0,014769 0,862043 0,022684 0,422475 0,068122 0,035203EIB 2018 0,004327 0,044384 32,65918 0,0975 0,019003 0,876562 0,018464 0,402852 0,070758 0,035396EIB 2019 0,00517 0,054995 32,75223 0,094004 0,01612 0,813154 0,017069 0,405105 0,0702 0,027958EIB 2020 0,00667 0,063627 32,70891 0,104837 0,0152 0,752457 0,025152 0,379559 0,0291 0,032209EIB 2021 0,005822 0,054284 32,742 0,107247 0,015161 0,834764 0,019597 0,376632 0,0258 0,018347EIB 2022 0,005892 0,054935 33,1349 0,108533 0,015343 0,844781 0,019832 0,381151 0,0802 0,0315HDB 2011 0,009472 0,12022 31,43825 0,078792 0,013206 0,7254 0,021079 -0,10467 0,062403 0,186777

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

HDB 2012 0,006184 0,06052 31,59721 0,102188 0,015091 0,617241 0,023528 0,493185 0,0525 0,090947HDB 2013 0,002524 0,02534 32,088 0,099589 0,011718 0,705799 0,036718 0,336907 0,054219 0,065927HDB 2014 0,004792 0,053738 32,23143 0,092428 0,018288 0,641975 0,022711 0,492312 0,059837 0,040846HDB 2015 0,004818 0,054622 32,29903 0,092422 0,022628 0,758744 0,015861 0,337387 0,066793 0,006312HDB 2016 0,004911 0,079224 32,64362 0,066155 0,021804 0,795978 0,014579 0,235885 0,062108 0,026682HDB 2017 0,009224 0,124079 32,87454 0,077953 0,021508 0,866926 0,015151 0,261051 0,068122 0,035203HDB 2018 0,013154 0,181775 33,00657 0,077887 0,020557 0,961515 0,015308 0,307931 0,070758 0,035396HDB 2019 0,015709 0,189003 33,06683 0,088815 0,022139 1,161133 0,013645 0,246723 0,0702 0,027958HDB 2020 0,013314 0,184758 33,39661 0,077411 0,019343 1,021205 0,01322 0,235824 0,0291 0,032209HDB 2021 0,016159 0,208502 33,55691 0,082192 0,017038 1,108727 0,016535 0,28366 0,0258 0,018347HDB 2022 0,016353 0,211004 33,95959 0,083178 0,017243 1,122032 0,016733 0,287064 0,0802 0,0315KLB 2011 0,022108 0,114179 30,51298 0,19363 0,019852 1,03272 0,027733 0,07937 0,062403 0,186777KLB 2012 0,018892 0,101898 30,55316 0,185397 0,030552 0,91 0,029258 0,053183 0,0525 0,090947KLB 2013 0,014665 0,090176 30,69309 0,162631 0,027494 0,911678 0,024712 0,05317 0,054219 0,065927KLB 2014 0,007614 0,052291 30,77102 0,145608 0,022737 0,816297 0,019534 0,099103 0,059837 0,040846KLB 2015 0,006525 0,048983 30,8627 0,133217 0,022586 0,807635 0,011257 0,060863 0,066793 0,006312KLB 2016 0,003973 0,035967 31,04714 0,110469 0,022386 0,863572 0,010606 0,255916 0,062108 0,026682KLB 2017 0,005403 0,056789 31,25073 0,095149 0,021599 0,944929 0,00839 0,140235 0,068122 0,035203KLB 2018 0,005481 0,061835 31,37604 0,088635 0,021944 1,009102 0,008572 0,34757 0,070758 0,035396KLB 2019 0,001324 0,017847 31,56485 0,074201 0,020383 1,016976 0,010214 0,271606 0,0702 0,027958KLB 2020 0,002205 0,032239 31,67901 0,068401 0,01895 0,826228 0,054234 0,357105 0,0291 0,032209

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

KLB 2021 0,009189 0,164609 32,05972 0,055825 0,014641 0,74687 0,018917 0,278597 0,0258 0,018347KLB 2022 0,0093 0,166584 32,44444 0,056495 0,014816 0,755833 0,019144 0,28194 0,0802 0,0315LIENVIET 2011 0,017406 0,148169 31,65873 0,117472 0,016738 0,497208 0,0214 0,04041 0,062403 0,186777LIENVIET 2012 0,013072 0,117462 31,82691 0,111289 0,015607 0,556205 0,0271 -0,13102 0,0525 0,090947LIENVIET 2013 0,007115 0,077878 32,00796 0,091354 0,014967 0,531887 0,0248 -0,13088 0,054219 0,065927LIENVIET 2014 0,004628 0,063111 32,24418 0,073323 0,013402 0,530573 0,011 -0,18258 0,059837 0,040846LIENVIET 2015 0,003252 0,04603 32,30932 0,070645 0,014532 0,723503 0,009662 -0,38017 0,066793 0,006312LIENVIET 2016 0,007492 0,127556 32,5859 0,058731 0,01432 0,717901 0,011139 -0,08167 0,062108 0,026682LIENVIET 2017 0,008371 0,145801 32,72743 0,057413 0,017212 0,784416 0,010673 -0,05303 0,068122 0,035203LIENVIET 2018 0,005482 0,094105 32,79635 0,058259 0,017408 0,953944 0,014099 -0,05745 0,070758 0,035396LIENVIET 2019 0,00792 0,12721 32,93958 0,062258 0,019956 1,026857 0,014448 0,12762 0,0702 0,027958LIENVIET 2020 0,007683 0,130828 33,12137 0,058726 0,019168 1,012007 0,014309 0,233892 0,0291 0,032209LIENVIET 2021 0,009935 0,171008 33,29812 0,058099 0,017602 1,159077 0,013292 0,184515 0,0258 0,018347LIENVIET 2022 0,010055 0,17306 33,6977 0,058796 0,017813 1,172986 0,013452 0,186729 0,0802 0,0315MBB 2011 0,015319 0,220564 32,56428 0,074175 0,007375 0,65936 0,015876 -0,52891 0,062403 0,186777MBB 2012 0,013131 0,179252 32,79929 0,077045 0,015356 0,632528 0,018417 0,25086 0,0525 0,090947MBB 2013 0,012618 0,150247 32,82609 0,087077 0,015226 0,644747 0,024459 0,320629 0,054219 0,065927MBB 2014 0,01235 0,149505 32,93178 0,085532 0,015533 0,600023 0,027299 0,259176 0,059837 0,040846MBB 2015 0,011292 0,110475 33,02937 0,104881 0,015604 0,668347 0,016066 0,276463 0,066793 0,006312MBB 2016 0,011142 0,112626 33,17721 0,103756 0,016291 0,773758 0,013183 0,30829 0,062108 0,026682MBB 2017 0,011027 0,12287 33,38002 0,094308 0,019113 0,83655 0,01204 0,308995 0,068122 0,035203

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

MBB 2018 0,016871 0,187259 33,52356 0,094315 0,024105 0,894658 0,013212 0,378503 0,070758 0,035396MBB 2019 0,019011 0,205874 33,6508 0,096931 0,023631 0,917939 0,011575 0,394007 0,0702 0,027958MBB 2020 0,016693 0,172475 33,83554 0,101215 0,021325 0,959277 0,024711 0,383753 0,0291 0,032209MBB 2021 0,020913 0,213128 34,03978 0,102919 0,020386 0,945054 0,008989 0,412344 0,0258 0,018347MBB 2022 0,021164 0,215686 34,44826 0,104154 0,020631 0,956394 0,009097 0,417292 0,0802 0,0315MSB 2011 0,006971 0,083932 32,3705 0,083059 0,010981 0,606039 0,038752 0,457606 0,062403 0,186777MSB 2012 0,00206 0,024908 32,3308 0,082694 0,016878 0,485741 0,026453 0,357112 0,0525 0,090947MSB 2013 0,00308 0,035046 32,30492 0,087873 0,015772 0,418516 0,027076 0,443495 0,054219 0,065927MSB 2014 0,001368 0,015113 32,27895 0,090503 0,013915 0,371874 0,051588 0,499991 0,059837 0,040846MSB 2015 0,001115 0,008539 32,2784 0,130535 0,017341 0,448631 0,034107 0,46281 0,066793 0,006312MSB 2016 0,001512 0,010294 32,15937 0,146859 0,020486 0,609842 0,023644 0,483038 0,062108 0,026682MSB 2017 0,001087 0,008893 32,35165 0,122256 0,018406 0,637003 0,022268 0,49991 0,068122 0,035203MSB 2018 0,006303 0,062828 32,5566 0,100314 0,021222 0,767562 0,030062 0,473368 0,070758 0,035396MSB 2019 0,006648 0,070209 32,68713 0,094685 0,01594 0,786352 0,020449 0,455349 0,0702 0,027958MSB 2020 0,011382 0,11918 32,80546 0,095501 0,020294 0,906644 0,019632 0,441237 0,0291 0,032209MSB 2021 0,019811 0,183083 32,9475 0,108206 0,019306 1,073414 0,017416 0,484831 0,0258 0,018347MSB 2022 0,020048 0,18528 33,34287 0,109504 0,019537 1,086295 0,017625 0,490649 0,0802 0,0315NAMA 2011 0,012634 0,072878 30,57745 0,173356 0,013021 0,968857 0,028374 0,464093 0,062403 0,186777NAMA 2012 0,011285 0,055128 30,40412 0,204698 0,019705 0,784699 0,02476 0,418065 0,0525 0,090947NAMA 2013 0,004684 0,041377 30,99076 0,113213 0,014469 0,845824 0,014766 0,482679 0,054219 0,065927NAMA 2014 0,005019 0,056185 31,24983 0,089326 0,012432 0,818407 0,013999 0,225565 0,059837 0,040846

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

NAMA 2015 0,005478 0,056899 31,19971 0,096268 0,016592 0,856294 0,009131 0,174641 0,066793 0,006312NAMA 2016 0,000767 0,009572 31,38876 0,080115 0,018238 0,705376 0,016243 0,214829 0,062108 0,026682NAMA 2017 0,004395 0,065241 31,62812 0,06736 0,015821 0,911817 0,0195 0,391445 0,068122 0,035203NAMA 2018 0,007877 0,139778 31,9493 0,056357 0,01538 0,937768 0,0295 0,094815 0,070758 0,035396NAMA 2019 0,007728 0,147527 32,1816 0,052387 0,016408 0,954787 0,0395 0,201249 0,0702 0,027958NAMA 2020 0,005954 0,121184 32,53121 0,049129 0,012141 0,907562 0,008341 0,30137 0,0291 0,032209NAMA 2021 0,00936 0,17874 32,66301 0,052369 0,014616 0,890165 0,015714 0,197556 0,0258 0,018347NAMA 2022 0,009473 0,180885 33,05497 0,052997 0,014791 0,900847 0,015903 0,199926 0,0802 0,0315OCB 2011 0,011907 0,080689 30,86671 0,147566 0,016672 1,413851 0,028 0,006796 0,062403 0,186777OCB 2012 0,008383 0,060189 30,94244 0,139278 0,018616 1,128831 0,028 -0,24726 0,0525 0,090947OCB 2013 0,007361 0,060889 31,1213 0,120895 0,018603 1,055625 0,029 -0,04667 0,054219 0,065927OCB 2014 0,005641 0,054894 31,29701 0,102768 0,016701 0,889596 0,03 0,226824 0,059837 0,040846OCB 2015 0,004236 0,049576 31,53193 0,085451 0,016111 0,938578 0,0194 0,126687 0,066793 0,006312OCB 2016 0,006063 0,082049 31,78701 0,073896 0,016399 0,894175 0,017542 0,191117 0,062108 0,026682OCB 2017 0,009689 0,133045 32,0654 0,072828 0,017152 0,905596 0,017944 0,208859 0,068122 0,035203OCB 2018 0,017617 0,20018 32,23583 0,088004 0,018704 0,932968 0,022877 0,431559 0,070758 0,035396OCB 2019 0,021854 0,224403 32,40306 0,097386 0,020728 1,028184 0,018416 0,471127 0,0702 0,027958OCB 2020 0,023174 0,202736 32,65838 0,114309 0,015277 1,023706 0,016904 0,470371 0,0291 0,032209OCB 2021 0,023876 0,202016 32,84862 0,11819 0,013025 1,032854 0,013224 0,457118 0,0258 0,018347OCB 2022 0,024163 0,20444 33,24281 0,119608 0,013181 1,045248 0,013383 0,462603 0,0802 0,0315PGB 2011 0,025381 0,172234 30,4979 0,147365 0,025787 1,108635 0,020557 0,117685 0,062403 0,186777

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

PGB 2012 0,012466 0,075135 30,58858 0,165916 0,028936 1,117978 0,084372 0,260051 0,0525 0,090947PGB 2013 0,001536 0,011902 30,84491 0,129027 0,019917 1,000396 0,029804 0,359187 0,054219 0,065927PGB 2014 0,005084 0,039243 30,8806 0,12954 0,018593 0,805777 0,024845 0,21962 0,059837 0,040846PGB 2015 0,001653 0,012099 30,83707 0,13665 0,019651 0,941765 0,027539 0,216437 0,066793 0,006312PGB 2016 0,00494 0,035083 30,84285 0,140802 0,016888 0,9583 0,024684 0,186183 0,062108 0,026682PGB 2017 0,002202 0,01812 31,00854 0,121505 0,016276 0,936341 0,032252 0,354409 0,068122 0,035203PGB 2018 0,004245 0,034426 31,02887 0,123305 0,017378 0,944599 0,030612 0,413268 0,070758 0,035396PGB 2019 0,002363 0,019844 31,08336 0,119098 0,017789 0,933379 0,031592 0,408037 0,0702 0,027958PGB 2020 0,004689 0,043133 31,21878 0,108702 0,018119 0,89343 0,024401 0,332447 0,0291 0,032209PGB 2021 0,006376 0,061801 31,33284 0,103177 0,016396 0,979496 0,022446 0,464564 0,0258 0,018347PGB 2022 0,006453 0,062542 31,70884 0,104415 0,016592 0,99125 0,022715 0,470139 0,0802 0,0315SCB 2011 0,003698 0,047241 32,60647 0,078269 0,004224 1,126833 0,0832 0,174117 0,062403 0,186777SCB 2012 0,000428 0,005614 32,63635 0,076204 0,015773 1,113166 0,072296 0,067005 0,0525 0,090947SCB 2013 0,000235 0,003247 32,82962 0,072438 0,009983 0,605064 0,016319 0,347844 0,054219 0,065927SCB 2014 0,000373 0,006844 33,12088 0,054435 0,007029 0,675073 0,004948 0,455145 0,059837 0,040846SCB 2015 0,000245 0,005013 33,37246 0,049603 0,008406 0,665924 0,003398 0,179371 0,066793 0,006312SCB 2016 0,000208 0,004925 33,52179 0,042749 0,006746 0,752774 0,006759 0,397562 0,062108 0,026682SCB 2017 0,000271 0,007823 33,72692 0,034976 0,007529 0,769339 0,004469 0,490244 0,068122 0,035203SCB 2018 0,000346 0,010839 33,86338 0,032253 0,008136 0,784311 0,004195 0,493954 0,070758 0,035396SCB 2019 0,000313 0,010782 33,97299 0,029314 0,00799 0,761781 0,004924 0,491545 0,0702 0,027958SCB 2020 0,000106 0,003965 34,08373 0,02695 0,007189 0,751271 0,008068 0,485228 0,0291 0,032209

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

SCB 2021 0,001621 0,050978 34,1866 0,032049 0,008031 0,703516 0,011004 0,465505 0,0258 0,018347SCB 2022 0,001641 0,05159 34,59684 0,032433 0,008127 0,711958 0,011136 0,471091 0,0802 0,0315SEAB 2011 0,001247 0,022771 32,24706 0,054769 0,005825 0,571746 0,031111 -0,09286 0,062403 0,186777SEAB 2012 0,000703 0,009449 31,9494 0,074362 0,012644 0,530879 0,029691 0,017301 0,0525 0,090947SEAB 2013 0,001899 0,026491 32,01135 0,071701 0,010031 0,578408 0,062965 0,317442 0,054219 0,065927SEAB 2014 0,001083 0,01529 32,01534 0,070863 0,009729 0,712103 0,031111 0,446538 0,059837 0,040846SEAB 2015 0,001084 0,015928 32,07081 0,068064 0,01142 0,750733 0,031693 0,051793 0,066793 0,006312SEAB 2016 0,00113 0,019863 32,26929 0,056884 0,010829 0,817804 0,029665 0,070935 0,062108 0,026682SEAB 2017 0,002439 0,049373 32,45941 0,049393 0,010148 0,881134 0,018616 0,182747 0,068122 0,035203SEAB 2018 0,003512 0,059429 32,57614 0,059091 0,011623 0,99485 0,023441 0,280593 0,070758 0,035396SEAB 2019 0,006979 0,100537 32,6898 0,069415 0,012633 1,030154 0,023121 0,493841 0,0702 0,027958SEAB 2020 0,007549 0,099519 32,82513 0,075859 0,012083 0,961092 0,018563 0,443579 0,0291 0,032209SEAB 2021 0,012314 0,13966 32,98602 0,088174 0,01195 1,162168 0,016495 0,387566 0,0258 0,018347SEAB 2022 0,012462 0,141336 33,38185 0,089232 0,012094 1,176114 0,016693 0,392216 0,0802 0,0315SGB 2011 0,019782 0,091968 30,36312 0,215093 0,020809 1,252379 0,02353 0,160895 0,062403 0,186777SGB 2012 0,020013 0,08398 30,32919 0,238307 0,025794 1,039156 0,0293 0,148768 0,0525 0,090947SGB 2013 0,011765 0,049355 30,31783 0,238381 0,025919 0,987682 0,022417 0,185408 0,054219 0,065927SGB 2014 0,011432 0,051891 30,39251 0,220297 0,020174 0,948415 0,020803 0,253255 0,059837 0,040846SGB 2015 0,002429 0,012714 30,50734 0,191053 0,021266 0,883597 0,018815 0,197105 0,066793 0,006312SGB 2016 0,007318 0,03966 30,57798 0,184527 0,022305 0,884586 0,026313 0,240016 0,062108 0,026682SGB 2017 0,002561 0,015976 30,69064 0,160288 0,018867 0,949894 0,029799 0,226574 0,068122 0,035203

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

SGB 2018 0,002043 0,01212 30,64526 0,168595 0,022043 0,931373 0,022014 0,341487 0,070758 0,035396SGB 2019 0,00634 0,04061 30,75834 0,156105 0,021318 0,929102 0,019393 0,259417 0,0702 0,027958SGB 2020 0,004053 0,026799 30,80669 0,151248 0,019574 0,847666 0,01444 0,333112 0,0291 0,032209SGB 2021 0,004985 0,033078 30,83413 0,150719 0,023306 0,911444 0,019712 0,444128 0,0258 0,018347SGB 2022 0,005045 0,033475 31,20414 0,152527 0,023586 0,922381 0,019948 0,449458 0,0802 0,0315SHB 2011 0,010608 0,129145 31,89355 0,082137 0,015859 0,838331 0,022338 0,252828 0,062403 0,186777SHB 2012 0,000224 0,002742 32,38924 0,081594 0,014407 0,733773 0,088066 0,461883 0,0525 0,090947SHB 2013 0,005916 0,082056 32,59823 0,072121 0,012956 0,842979 0,056625 0,198098 0,054219 0,065927SHB 2014 0,004677 0,075437 32,76113 0,062016 0,00961 0,844743 0,020247 0,273037 0,059837 0,040846SHB 2015 0,003884 0,070647 32,95259 0,054995 0,010154 0,883076 0,017216 0,115208 0,066793 0,006312SHB 2016 0,003793 0,069032 33,11479 0,054959 0,010416 0,974786 0,018746 0,267727 0,062108 0,026682SHB 2017 0,005381 0,104765 33,28705 0,051366 0,010129 1,01745 0,023318 0,381495 0,068122 0,035203SHB 2018 0,005173 0,102392 33,40953 0,050522 0,009969 0,963435 0,023959 0,289911 0,070758 0,035396SHB 2019 0,00662 0,130644 33,53161 0,05067 0,010819 1,022855 0,019067 0,27689 0,0702 0,027958SHB 2020 0,006317 0,108462 33,65369 0,058244 0,010418 1,006771 0,018318 0,303182 0,0291 0,032209SHB 2021 0,009884 0,140921 33,85875 0,070137 0,008697 1,107639 0,016866 0,244062 0,0258 0,018347SHB 2022 0,010002 0,142612 34,26506 0,070979 0,008801 1,120931 0,017069 0,24699 0,0802 0,0315STB 2011 0,014607 0,142053 32,5831 0,102828 0,025371 1,072541 0,005752 0,23369 0,062403 0,186777STB 2012 0,006589 0,073172 32,65568 0,090053 0,027309 0,896479 0,020482 0,098539 0,0525 0,090947STB 2013 0,013813 0,130634 32,71477 0,105738 0,026063 0,839881 0,014561 0,223409 0,054219 0,065927STB 2014 0,011625 0,122151 32,87701 0,095168 0,023501 0,785091 0,011893 0,325045 0,059837 0,040846

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

STB 2015 0,003925 0,051913 33,30789 0,07561 0,016649 0,712339 0,018552 0,341454 0,066793 0,006312STB 2016 0,00019 0,002848 33,43623 0,066839 0,017102 0,681836 0,069121 0,472785 0,062108 0,026682STB 2017 0,002714 0,043045 33,54038 0,063062 0,017198 0,697014 0,046669 0,475575 0,068122 0,035203STB 2018 0,004409 0,072675 33,63747 0,060665 0,019303 0,73449 0,021149 0,452722 0,070758 0,035396STB 2019 0,005412 0,091799 33,7482 0,058957 0,020428 0,738515 0,019367 0,467591 0,0702 0,027958STB 2020 0,005445 0,092622 33,83055 0,058792 0,02212 0,795071 0,016987 0,443955 0,0291 0,032209STB 2021 0,006547 0,099573 33,887 0,065746 0,01871 0,907678 0,014748 0,438192 0,0258 0,018347STB 2022 0,006625 0,100768 34,29364 0,066535 0,018934 0,91857 0,014925 0,443451 0,0802 0,0315TCB 2011 0,017469 0,252065 32,82692 0,069305 0,011628 0,71577 0,028268 0,325605 0,062403 0,186777TCB 2012 0,004255 0,057616 32,82361 0,073858 0,018307 0,612417 0,026962 0,199055 0,0525 0,090947TCB 2013 0,004148 0,047347 32,69928 0,087605 0,021119 0,585732 0,036517 0,356708 0,054219 0,065927TCB 2014 0,00615 0,072191 32,80095 0,085196 0,018812 0,609824 0,023831 0,271681 0,059837 0,040846TCB 2015 0,007965 0,092917 32,88848 0,085719 0,019161 0,788669 0,016614 0,352014 0,066793 0,006312TCB 2016 0,013379 0,160766 33,09215 0,083218 0,018104 0,822236 0,015751 0,432916 0,062108 0,026682TCB 2017 0,023926 0,23934 33,22719 0,099968 0,01744 0,940798 0,016064 0,495692 0,068122 0,035203TCB 2018 0,026365 0,163648 33,40243 0,161322 0,018202 0,79408 0,017528 0,470857 0,070758 0,035396TCB 2019 0,026258 0,163076 33,58088 0,161774 0,019058 0,997861 0,013336 0,43752 0,0702 0,027958TCB 2020 0,028037 0,16626 33,71689 0,169732 0,020399 1,000238 0,004667 0,431636 0,0291 0,032209TCB 2021 0,031741 0,195806 33,97443 0,163595 0,019646 1,103538 0,006604 0,403113 0,0258 0,018347TCB 2022 0,032122 0,198156 34,38212 0,165559 0,019882 1,11678 0,006683 0,40795 0,0802 0,0315TPB 2011 -0,05512 -0,82002 30,8453 0,067215 0,051961 0,587045 0,006732 -248,159 0,062403 0,186777

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

TPB 2012 0,007695 0,035056 30,34706 0,219506 0,021531 0,656211 0,036625 0,49772 0,0525 0,090947TPB 2013 0,011886 0,103058 31,0995 0,115329 0,013187 0,832142 0,023252 0,430378 0,054219 0,065927TPB 2014 0,010216 0,124129 31,57217 0,082299 0,012923 0,917477 0,012169 0,298421 0,059837 0,040846TPB 2015 0,007375 0,117149 31,96466 0,062957 0,010428 0,714846 0,008066 0,17668 0,066793 0,006312TPB 2016 0,005317 0,099483 32,29739 0,053442 0,012516 0,846791 0,007501 0,149619 0,062108 0,026682TPB 2017 0,007764 0,144324 32,45226 0,053793 0,015643 0,902189 0,010863 0,212939 0,068122 0,035203TPB 2018 0,013256 0,169958 32,54499 0,077998 0,020904 1,013752 0,011159 0,345407 0,070758 0,035396TPB 2019 0,018815 0,236629 32,73356 0,079511 0,020089 1,034663 0,012913 0,445462 0,0702 0,027958TPB 2020 0,017014 0,209634 32,96042 0,08116 0,020344 1,035266 0,011838 0,389758 0,0291 0,032209TPB 2021 0,016492 0,18583 33,3106 0,088745 0,015609 1,011934 0,008191 0,388801 0,0258 0,018347TPB 2022 0,016689 0,18806 33,71033 0,08981 0,015796 1,024078 0,00829 0,393467 0,0802 0,0315VCB 2011 0,011444 0,146543 33,53563 0,078484 0,015543 0,922476 0,020332 0,275137 0,062403 0,186777VCB 2012 0,010609 0,105844 33,65807 0,100603 0,014507 0,845069 0,024033 0,398296 0,0525 0,090947VCB 2013 0,009292 0,102818 33,78161 0,090696 0,013314 0,825637 0,027251 0,423709 0,054219 0,065927VCB 2014 0,007914 0,105402 33,98886 0,075343 0,011871 0,765834 0,023079 0,424151 0,059837 0,040846VCB 2015 0,00788 0,118069 34,14484 0,066982 0,012317 0,774627 0,018408 0,395251 0,066793 0,006312VCB 2016 0,008726 0,143239 34,30044 0,061103 0,012614 0,780434 0,015022 0,380234 0,062108 0,026682VCB 2017 0,008781 0,173267 34,57346 0,050766 0,011462 0,767 0,011425 0,378949 0,068122 0,035203VCB 2018 0,013599 0,235155 34,61019 0,057894 0,012673 0,787933 0,009849 0,40031 0,070758 0,035396VCB 2019 0,015139 0,229097 34,73985 0,06615 0,012936 0,791326 0,0079 0,368812 0,0702 0,027958VCB 2020 0,013913 0,19627 34,82112 0,070949 0,012093 0,813659 0,006227 0,385207 0,0291 0,032209

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

VCB 2021 0,015494 0,201034 34,88567 0,077133 0,012423 0,846234 0,006371 0,377509 0,0258 0,018347VCB 2022 0,01568 0,203447 35,3043 0,078058 0,012572 0,856389 0,006448 0,382039 0,0802 0,0315VIB 2011 0,006591 0,078308 32,20521 0,084168 0,017497 0,985234 0,024751 -0,12983 0,062403 0,186777VIB 2012 0,008047 0,0625 31,80577 0,129733 0,027932 0,86754 0,024951 0,153052 0,0525 0,090947VIB 2013 0,000654 0,006295 31,9732 0,103839 0,020312 0,814963 0,028205 0,354135 0,054219 0,065927VIB 2014 0,00648 0,061489 32,02128 0,105383 0,020254 0,778334 0,025142 0,448313 0,059837 0,040846VIB 2015 0,00618 0,060513 32,06551 0,102134 0,020938 0,896313 0,020704 0,319775 0,066793 0,006312VIB 2016 0,005375 0,064251 32,28037 0,083649 0,020022 1,015503 0,025752 0,351812 0,062108 0,026682VIB 2017 0,009129 0,12794 32,4445 0,071351 0,018955 1,167985 0,024876 0,261822 0,068122 0,035203VIB 2018 0,015765 0,205661 32,56669 0,076654 0,019327 1,132875 0,025189 0,328403 0,070758 0,035396VIB 2019 0,017701 0,243223 32,84884 0,072777 0,018626 1,055925 0,019633 0,362541 0,0702 0,027958VIB 2020 0,018973 0,258283 33,13095 0,07346 0,018248 1,127511 0,017446 0,367355 0,0291 0,032209VIB 2021 0,020709 0,263876 33,36603 0,078479 0,017065 1,161046 0,023175 0,327699 0,0258 0,018347VIB 2022 0,020957 0,267043 33,76643 0,079421 0,01727 1,174978 0,023453 0,331631 0,0802 0,0315VIETCAP 2011 0,015908 0,081783 30,46236 0,194517 0,012279 0,837292 0,027017 0,394851 0,062403 0,186777VIETCAP 2012 0,009971 0,063117 30,65972 0,157979 0,017097 0,755607 0,01895 0,419241 0,0525 0,090947VIETCAP 2013 0,004471 0,032033 30,76906 0,139585 0,017473 0,833207 0,041081 0,317299 0,054219 0,065927VIETCAP 2014 0,006288 0,048929 30,88072 0,128504 0,019323 0,884408 0,028877 0,416133 0,059837 0,040846VIETCAP 2015 0,001834 0,01606 30,99898 0,114174 0,015072 0,851773 0,028877 0,345836 0,066793 0,006312VIETCAP 2016 8,29E-05 0,000811 31,10871 0,102228 0,018619 0,853077 0,028877 0,316768 0,062108 0,026682VIETCAP 2017 0,00084 0,010028 31,31742 0,083801 0,01618 0,926335 0,018 0,230997 0,068122 0,035203

BANK YEAR ROA ROE SIZE LEV ME LIQ LLR DIVER GDP CPI

VIETCAP 2018 0,002026 0,027465 31,47188 0,073759 0,015008 0,886406 0,021 0,256603 0,070758 0,035396VIETCAP 2019 0,002439 0,033835 31,57858 0,072098 0,016745 0,965249 0,025085 0,294279 0,0702 0,027958VIETCAP 2020 0,002633 0,041347 31,74356 0,06367 0,014197 0,962783 0,027906 0,342954 0,0291 0,032209VIETCAP 2021 0,003252 0,053639 31,96846 0,060633 0,013742 1,025299 0,025349 0,285064 0,0258 0,018347VIETCAP 2022 0,003291 0,054283 32,35208 0,06136 0,013907 1,037602 0,025653 0,288485 0,0802 0,0315VPB 2011 0,009656 0,133365 32,04767 0,072403 0,015725 0,992231 0,018242 0,303987 0,062403 0,186777VPB 2012 0,006969 0,106643 32,26257 0,065344 0,018262 0,620076 0,027187 0,101743 0,0525 0,090947VPB 2013 0,008392 0,131702 32,42899 0,063718 0,023402 0,625856 0,028096 0,317242 0,054219 0,065927VPB 2014 0,007679 0,139594 32,72625 0,055012 0,022562 0,723361 0,025376 0,263698 0,059837 0,040846VPB 2015 0,012358 0,178944 32,89824 0,069059 0,029361 0,896627 0,026926 0,243608 0,066793 0,006312VPB 2016 0,017201 0,229081 33,06374 0,075086 0,028943 1,168722 0,02908 0,180903 0,062108 0,026682VPB 2017 0,023189 0,216892 33,25775 0,106914 0,032025 1,367766 0,033942 0,290414 0,068122 0,035203VPB 2018 0,022752 0,211671 33,40957 0,107488 0,032893 1,299156 0,034989 0,326387 0,070758 0,035396VPB 2019 0,021899 0,195696 33,56381 0,111902 0,032724 1,202077 0,034207 0,263842 0,0702 0,027958VPB 2020 0,024852 0,197255 33,66896 0,125991 0,027187 1,245849 0,034125 0,283944 0,0291 0,032209VPB 2021 0,021404 0,149394 33,93661 0,157866 0,019573 1,469094 0,045722 0,348373 0,0258 0,018347VPB 2022 0,021661 0,151187 34,34385 0,15976 0,019808 1,486723 0,046271 0,352553 0,0802 0,0315

PHỤ LỤC2:KẾT QUẢ TÍNH TOÁN TỪ PHẦN MỀM THỐNG

Variable| Obs Mean Std.Dev Min Max

| SIZE LEV ME LIQ LLR DIVER GDP CPI

Source| SS df MS Numberof obs = 288

ROA| Coef Std.Err t P>|t| [95%Conf.Interval] +

ME | 2797798 0623564 4.49 0.000 1570312 4025285 LIQ | 0091991 0016054 5.73 0.000 0060389 0123592 LLR | -.1332153 0217596 -6.12 0.000 -.1760492 -.0903815 DIVER | 0002818 0000213 13.26 0.000 0002399 0003236 GDP | -.0326254 0169867 -1.92 0.056 -.0660639 000813 CPI | 0320381 0062097 5.16 0.000 0198144 0442618 _cons | -.096501 01012 -9.54 0.000 -.1164224 -.0765797

Source| SS df MS Numberof obs = 288

ROE| Coef Std.Err t P>|t| [95%Conf.Interval] +

ME | 3.438785 6905258 4.98 0.000 2.079482 4.798087 LIQ | 1009631 0177775 5.68 0.000 0659682 1359581 LLR | -1.644332 2409628 -6.82 0.000 -2.118668 -1.169996 DIVER | 0041654 0002354 17.70 0.000 0037021 0046287 GDP | -.3025745 1881088 -1.61 0.109 -.6728673 0677183 CPI | 3537993 068765 5.15 0.000 2184352 4891633 _cons | -.8664089 112068 -7.73 0.000 -1.087015 -.6458027

Fixed-effects(within) regression Numberofobs = 288

Obs per group: min = 12 between = 0.1902 avg = 12.0 overall = 0.5265 max = 12

ROA| Coef Std.Err t P>|t| [95%Conf.Interval] +

ME | 1594548 0676945 2.36 0.019 0261458 2927639 LIQ | 0073334 0016137 4.54 0.000 0041556 0105112 LLR | -.0797692 0173073 -4.61 0.000 -.1138521 -.0456863 DIVER | 0002724 0000171 15.93 0.000 0002388 0003061 GDP | -.0273738 0117003 -2.34 0.020 -.0504149 -.0043327 CPI | 0462921 0052103 8.88 0.000 0360316 0565526 _cons | -.187593 0168785 -11.11 0.000 -.2208314 -.1543546

Fixed-effects(within) regression Numberofobs = 288

Obs per group: min = 12 between = 0.3531 avg = 12.0 overall = 0.5684 max = 12

ROE| Coef Std.Err t P>|t| [95%Conf.Interval] +

ME | 1.508137 7889547 1.91 0.057 -.0455313 3.061804 LIQ | 0686542 018807 3.65 0.000 0316181 1056904 LLR | -.8996699 2017105 -4.46 0.000 -1.296893 -.5024467 DIVER | 0040221 0001993 20.18 0.000 0036297 0044146 GDP | -.2470845 1363627 -1.81 0.071 -.51562 021451 CPI | 5183496 0607239 8.54 0.000 3987675 6379316 _cons | -1.861684 1967127 -9.46 0.000 -2.249065 -1.474303

Phần 4: Mô hình tác động ngẫu nhiênBiếnphụthuộclàROA

R-sq: Obspergroup: within= 0.7864 min = 12 between=0.2672 avg = 12.0 overall=0.5975 max = 12

Waldchi2(8) = 915.17 corr(u_i,X) =0(assumed) Prob>chi2 = 0.0000

ROA | Coef Std Err z P>|z| [95% Conf Interval] +

LLR | -.0910602 0174792 -5.21 0.000 -.1253188 -.0568015 DIVER | 0002699 0000172 15.74 0.000 0002363 0003036 GDP | -.0280418 0120218 -2.33 0.020 -.0516041 -.0044796 CPI | 0394575 0049903 7.91 0.000 0296768 0492383 _cons | -.1510205 014207 -10.63 0.000 -.1788657 -.1231754

R-sq: Obspergroup: within= 0.7849 min = 12 between=0.3915 avg = 12.0 overall=0.6343 max = 12

Waldchi2(8) = 893.49 corr(u_i,X) =0(assumed) Prob>chi2 = 0.0000

ROE | Coef Std Err z P>|z| [95% Conf Interval] +

ME | 1.536587 7582652 2.03 0.043 0504146 3.02276 LIQ | 0938377 0177169 5.30 0.000 0591132 1285622 LLR | -1.086869 2057005 -5.28 0.000 -1.490034 -.6837031 DIVER | 004007 0002015 19.89 0.000 0036122 0044018 GDP | -.2574128 1422736 -1.81 0.070 -.536264 0214384 CPI | 4201034 0580694 7.23 0.000 3062895 5339173 _cons | -1.342213 1586624 -8.46 0.000 -1.653186 -1.031241 sigma_u | 03117549 sigma_e | 03592528 rho | 42956697 (fractionofvarianceduetou_i)

CPI | 0462921 0394575 0068345 0014981 b = consistent under Ho and Ha; obtained from xtregB=inconsistentunderHa,efficientunderHo;obtainedfromxtreg Test:Ho:difference in coefficients not systematicchi2(8)=(b-B)'[(V_b-V_B)^(-1)](b-B)

CPI | 5183496 4201034 0982462 0177579 b = consistent under Ho and Ha; obtained from xtregB=inconsistentunderHa,efficientunderHo;obtainedfromxtreg Test:Ho:difference in coefficients not systematicchi2(8)=(b-B)'[(V_b-V_B)^(-1)](b-B)

Đối với mô hình FEM với biến phụ thuộc

Modified Wald test for groupwise heteroskedasticityinfixedeffectregressionmodel

H0: sigma(i)^2 = sigma^2 for all ichi2(24)= 540.83

Wooldridge test for autocorrelation in panel dataH0:nofirst-orderautocorrelation

Cross-sectional time-series FGLS regressionCoefficients:generalized least squaresPanels: heteroskedastic

ROA| Coef Std.Err z P>|z| [95%Conf.Interval] +

ME | 1128513 0496622 2.27 0.023 0155152 2101874 LIQ | 0075532 0014694 5.14 0.000 0046732 0104332 LLR | -.0935784 0120924 -7.74 0.000 -.117279 -.0698778 DIVER | 0002404 0000174 13.82 0.000 0002063 0002745 GDP | -.0130869 0075694 -1.73 0.084 -.0279226 0017488 CPI | 0317867 0041138 7.73 0.000 0237237 0398497 _cons | -.0873188 0115469 -7.56 0.000 -.1099503 -.0646873

Đối với mô hình FEM với biến phụ thuộc

Modified Wald test for groupwise heteroskedasticityinfixedeffectregressionmodel

H0: sigma(i)^2 = sigma^2 for all ichi2(24)= 188.77

Wooldridge test for autocorrelation in panel dataH0:nofirst-orderautocorrelation

Cross-sectional time-series FGLS regressionCoefficients:generalized least squaresPanels: heteroskedastic

ROE| Coef Std.Err z P>|z| [95% Conf.Interval] +

ME | 2.175921 59678 3.65 0.000 1.006253 3.345588 LIQ | 0699345 0170258 4.11 0.000 0365645 1033045 LLR | -1.071035 1550687 -6.91 0.000 -1.374964 -.7671061 DIVER | 0039582 0001707 23.19 0.000 0036237 0042927 GDP | -.1464358 0941452 -1.56 0.120 -.330957 0380853 CPI | 3671365 0491897 7.46 0.000 2707264 4635466 _cons | -.9730286 1269695 -7.66 0.000 -1.221884 -.724173

Phần 7: Tổng hợp kết quả các mô hìnhBiếnphụthuộclàROA