GIỚI THIỆU NGHIÊN CỨU
Tính cấp thiết của đề tài
Nền kinh tế đang hiện đại hóa và công nghiệp hóa, với ngành ngân hàng đóng vai trò quan trọng trong phát triển Hoạt động tín dụng ngày càng phát triển mạnh mẽ, trở thành nguồn thu nhập chính cho ngân hàng Tuy nhiên, hoạt động này luôn đối mặt với rủi ro tín dụng, đặc biệt là rủi ro nợ xấu, ảnh hưởng đến lợi nhuận, uy tín và tài sản của ngân hàng, cũng như khả năng thanh khoản Nếu ngân hàng gặp sự cố, sẽ tác động lớn đến dòng vốn lưu chuyển trong nền kinh tế, có thể gây ra hiệu ứng dây chuyền và đe dọa sự ổn định của toàn bộ hệ thống, ảnh hưởng nghiêm trọng đến nền kinh tế quốc gia.
Nhiều nghiên cứu đã chỉ ra các yếu tố ảnh hưởng đến nợ xấu của ngân hàng, không chỉ ở Việt Nam mà còn trên toàn cầu Các tác giả như Makri, Tsagkanos & Bellas (2014), Salas và Saurina (2002), Nguyễn Thị Hồng Vinh (2015) đều xác định hai nhóm yếu tố chính: nhân tố vi mô và vĩ mô Tuy nhiên, giữa các nghiên cứu này vẫn tồn tại nhiều điểm khác biệt.
Tỷ lệ nợ xấu nội bảng
Hệ thống ngân hàng Việt Nam đã trải qua những biến động đáng kể từ năm 2012 đến 2022, với sự ảnh hưởng rõ rệt của các yếu tố tác động đến nợ xấu Tuy nhiên, các dữ liệu hiện tại vẫn chưa phản ánh đầy đủ tình hình trong giai đoạn đại dịch Covid-19, đặc biệt là những diễn biến quan trọng trong năm 2022.
Theo báo cáo của NHNN, trong 11 năm qua, tỷ lệ nợ xấu (TLNX) nội bảng có xu hướng giảm và ổn định, với mức cao nhất vào năm 2012 là 4,08% Từ năm 2013 đến 2016, TLNX giảm xuống còn 2,46% và duy trì dưới 2% từ 2017 đến 2022, phù hợp với mục tiêu của Chính phủ Tuy nhiên, từ năm 2019, ảnh hưởng tiêu cực của đại dịch Covid-19 và giãn cách xã hội đã làm giảm thu nhập và đình trệ hoạt động xuất, nhập khẩu, dẫn đến gia tăng nợ xấu Cụ thể, TLNX nội bảng toàn hệ thống ngân hàng tăng từ 1,63% năm 2019 lên 1,92% vào năm 2022.
Kinh tế thế giới đang đối mặt với nhiều thách thức như lạm phát gia tăng, xung đột Nga - Ukraine và ảnh hưởng kéo dài của đại dịch Covid-19, tác động đến kinh tế toàn cầu và kinh tế Việt Nam Nhiều cá nhân và doanh nghiệp trong nước gặp khó khăn, dẫn đến khả năng gia tăng nợ xấu trong thời gian tới Chính phủ Việt Nam và các quốc gia khác đang đặc biệt quan tâm đến vấn đề nợ xấu, vì nếu tỷ lệ nợ xấu quá cao, hoạt động ngân hàng sẽ bị ảnh hưởng nghiêm trọng, thậm chí có thể dẫn đến sự phá sản của ngân hàng Do đó, việc quản lý rủi ro tín dụng, ngăn ngừa và xử lý nợ xấu là cực kỳ quan trọng, cần được theo dõi và xử lý kịp thời để đảm bảo sự ổn định của nền kinh tế.
Tác giả chọn đề tài "Các nhân tố ảnh hưởng đến nợ xấu của các NHTMCP Việt Nam" cho khóa luận tốt nghiệp nhằm nghiên cứu thực trạng chất lượng tín dụng trong hệ thống ngân hàng Nghiên cứu sẽ xác định các nhân tố tác động đến nợ xấu và mức độ ảnh hưởng của chúng, từ đó đưa ra các gợi ý quản trị nhằm cải thiện công tác ngăn ngừa và kiểm soát nợ xấu, giúp các ngân hàng phát triển bền vững trong tương lai.
Mục tiêu nghiên cứu
Nợ xấu của các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam giai đoạn 2012-2022 chịu ảnh hưởng bởi nhiều nhân tố, bao gồm quản lý rủi ro tín dụng, tình hình kinh tế vĩ mô và chất lượng tài sản Để giảm thiểu nợ xấu trong tương lai, cần thực hiện các giải pháp như nâng cao năng lực phân tích tín dụng, cải thiện quy trình thẩm định và tăng cường giám sát tài chính Việc áp dụng công nghệ thông tin trong quản lý rủi ro cũng sẽ góp phần quan trọng trong việc kiểm soát nợ xấu hiệu quả hơn.
- Xác định các nhân tố có thể ảnh hưởng đến nợ xấu của các NHTMCP Việt Nam trong giai đoạn 2012-2022
- Đo lường mức độ và chiều hướng ảnh hưởng của các nhân tố đến nợ xấu của các NHTMCP Việt Nam trong giai đoạn 2012-2022
- Đề xuất hàm ý quản trị nhằm giảm thiểu nợ xấu tại các NHTMCP Việt Nam.
Câu hỏi nghiên cứu
- Những nhân tố nào có thể tác động đến nợ xấu của các NHTMCP Việt Nam trong giai đoạn 2012-2022?
- Mức độ tác động và chiều hướng ảnh hưởng của các nhân tố đó như thế nào đến nợ xấu của các NHTMCP Việt Nam trong giai đoạn 2012-2022?
- Những hàm ý quản trị nào nhằm giảm thiểu nợ xấu cho các NHTMCP Việt Nam?
Đối tƣợng và phạm vi nghiên cứu
Các nhân tố ảnh hưởng đến nợ xấu của các NHTMCP Việt Nam
Về không gian: 25 NHTMCP Việt Nam
Về thời gian: Giai đoạn 2012-2022.
Phương pháp và dữ liệu nghiên cứu
Phương pháp định tính bao gồm việc khảo sát hệ thống lý thuyết và các nghiên cứu trước liên quan đến đề tài Quá trình này tổng hợp số liệu thống kê và áp dụng phương pháp phân tích, so sánh để lựa chọn các nhân tố phù hợp với mẫu nghiên cứu.
Phương pháp định lượng trong nghiên cứu này sử dụng Stata 17 để phân tích và thống kê mô tả các biến trong mô hình hồi quy Các phương pháp ước lượng được áp dụng cho mô hình hồi quy bao gồm Pooled OLS, FEM và REM, sử dụng dữ liệu bảng để đảm bảo tính chính xác và độ tin cậy của kết quả.
Sau đó dùng các kiểm định để kiểm tra các khuyết tật của MH Nhƣng do trong
MH phát hiện hiện tượng phương sai sai số thay đổi và tự tương quan, do đó áp dụng phương pháp FGLS để khắc phục Tiếp theo, tác giả kiểm định hiện tượng nội sinh nhằm xác định sự hiện diện của biến nội sinh trong MH, vì nghiên cứu sử dụng biến trễ của biến phụ thuộc làm biến độc lập Tuy nhiên, FGLS không thể xử lý hiện tượng nội sinh, vì vậy nếu có biến nội sinh, tác giả sẽ sử dụng GMM để khắc phục Cuối cùng, tác giả thảo luận kết quả và đề xuất các giải pháp nhằm hạn chế nợ xấu trong tương lai.
Dữ liệu trong bài viết được thu thập từ Ngân hàng Thế giới (WB), Ngân hàng Nhà nước (NHNN), các trang báo điện tử kinh tế uy tín, cùng với báo cáo tài chính (BCTC) và báo cáo thường niên (BCTN) đã được kiểm toán của 25 ngân hàng thương mại cổ phần (NHTMCP) tại Việt Nam trong giai đoạn 2012-2022.
Đóng góp của đề tài
Hiện nay, nhiều nghiên cứu trong và ngoài nước đã tập trung vào vấn đề nợ xấu của ngân hàng, đặc biệt trong bối cảnh phức tạp của đại dịch Covid-19, khi nợ xấu và lạm phát có xu hướng gia tăng Những yếu tố ảnh hưởng đến nợ xấu có thể thay đổi theo thời gian, khiến cho các số liệu quá khứ không còn phù hợp Do đó, khóa luận này sẽ kế thừa và mở rộng các nghiên cứu trước đó để cung cấp cái nhìn sâu sắc hơn về tình hình nợ xấu hiện tại.
Dữ liệu sẽ được cập nhật từ những năm gần đây để đảm bảo tính chính xác cho nghiên cứu Ngoài ra, các bằng chứng thực nghiệm sẽ được đưa ra nhằm kiểm chứng và bổ sung cho các nghiên cứu trước đó Kết quả nghiên cứu sẽ mang lại những ý nghĩa thực tiễn quan trọng Dựa trên những nền tảng này, bài viết đề xuất một số hàm ý quản trị giúp các nhà lãnh đạo ngân hàng thương mại và Ngân hàng Nhà nước xây dựng các biện pháp hiệu quả, cũng như chính sách quản lý phù hợp nhằm giảm thiểu nợ xấu trong bối cảnh mới.
Bố cục của khóa luận
Nội dung nghiên cứu gồm 5 chương:
Chương 1: Giới thiệu nghiên cứu
Chương 1 sẽ trình bày về những vấn đề cơ bản như tính cấp thiết, mục tiêu, đối tƣợng và phạm vi nghiên cứu Ngoài ra, cũng sẽ nói về ý nghĩa đóng góp và bố cục của đề tài giúp có cái nhìn tổng quát hơn.
CƠ SỞ LÝ LUẬN
Cơ sở lý thuyết về nợ xấu
2.1.1 Khái niệm về nợ xấu
Hiện nay, khái niệm nợ xấu được hiểu theo nhiều quan điểm khác nhau trên thế giới, điều này phụ thuộc vào góc độ tiếp cận và đặc điểm kinh tế của từng quốc gia Thực tế, nợ xấu là một khía cạnh quan trọng của rủi ro tín dụng (RRTD) và là thuật ngữ phổ biến được sử dụng toàn cầu.
Theo quan điểm của Quỹ Tiền tệ Quốc tế (International Monetary Fund – IMF),
Khoản vay được xem là nợ xấu khi quá hạn trả lãi và/hoặc gốc trên 90 ngày, hoặc khi lãi chưa trả từ 90 ngày trở lên đã được nhập vào gốc, tái cấp vốn hoặc chậm trả theo thỏa thuận Ngoài ra, các khoản phải thanh toán đến hạn dưới 90 ngày nhưng có dấu hiệu rõ ràng cho thấy người vay không thể hoàn trả nợ đầy đủ cũng được coi là nợ xấu.
Theo Ngân hàng Trung ương châu Âu (ECB), nợ xấu được định nghĩa là những khoản cho vay mà khả năng thu hồi là thấp hoặc có thể không thu hồi đầy đủ đối với ngân hàng thương mại.
- ECB đƣợc tiếp cận dựa trên kết quả thu hồi nợ của NHTM" (Nguyễn Anh Hiếu,
Theo Thông tư 11/2021/TT-NHNN ban hành ngày 30/07/2021, nợ xấu tại Việt Nam được xác định là nợ xấu nội bảng, bao gồm các khoản nợ thuộc nhóm 3 (nợ dưới tiêu chuẩn), nhóm 4 (nợ nghi ngờ) và nhóm 5 (nợ có khả năng mất vốn).
Nợ xấu có thể được xác định dựa trên hai tiêu chí chính: Thứ nhất, tiêu chí định lượng là thời gian trả nợ quá hạn trên 90 ngày; Thứ hai, tiêu chí định tính là nghi ngờ về khả năng trả nợ của người vay Bài viết này sẽ sử dụng khái niệm nợ xấu theo quan điểm này cho toàn bộ nội dung nghiên cứu.
Hiện nay, có nhiều cách phân loại nợ trên thế giới, tuy có sự tương đồng nhưng chưa có quy định và tiêu chuẩn quốc tế thống nhất (Mạnh Thị Thu Hiền, 2022) Việc phân loại nợ còn phụ thuộc vào từng quốc gia và nền kinh tế cụ thể.
NH Thế giới (WB) phân loại nợ đƣợc trình bày nhƣ sau:
Bảng 2.1 Phân loại nợ theo WB
Nhóm nợ Đặc điểm STT Tên nhóm nợ
Không nghi ngờ gì về khả năng trả nợ;
Tài sản được đảm bảo hoàn toàn bằng tiền hoặc tương đương;
Những điểm yếu tiềm tàng có thể ảnh hưởng tới khả năng trả nợ;
Các điều kiện kinh tế hoặc viễn cảnh tài chính khó khăn; Quá hạn dưới 90 ngày
Các nhược điểm rõ ràng về tín dụng có thể ảnh hưởng tới khả năng trả nợ;
Những khoản nợ đã đƣợc thỏa thuận lại;
Không chắc thu hồi đƣợc toàn bộ nợ dựa trên các điều kiện hiện tại;
Có khả năng thất thoát;
5 Mất vốn Các khoản vay không thu hồi đƣợc;
Bên cạnh đó, Viện Tài chính Quốc tế (IIF) cũng phân loại nợ nhƣ sau:
Bảng 2.2 Phân loại nợ theo IIF
Nhóm nợ Đặc điểm STT Tên nhóm nợ
Nợ có gốc và lãi trong hạn, không gặp khó khăn trong việc thanh toán, và dự báo khả năng thanh toán đầy đủ gốc lãi đúng hạn theo cam kết.
Nợ có thể gia tăng nguy cơ không thanh toán đầy đủ gốc và lãi nếu không có biện pháp xử lý kịp thời Do đó, khoản nợ này cần được chú ý hơn so với các khoản nợ thông thường.
Khoản nợ có nguy cơ không thanh toán đầy đủ gốc và lãi theo cam kết, hoặc khi gốc và/hoặc lãi quá hạn trên 90 ngày, hoặc khi tài sản bảo đảm bị giảm giá trị, có thể dẫn đến rủi ro giảm giá trị khoản vay nếu không được xử lý kịp thời.
Khoản nợ đƣợc xác định không thể thu hồi đầy đủ gốc, lãi trong điều kiện hiện hành hoặc lãi hoặc/và gốc quá hạn trên
Trong vòng 180 ngày, giá trị của nợ nhóm này đã giảm, nhưng vẫn chưa mất hoàn toàn vốn Điều này là do còn tồn tại những yếu tố có thể cải thiện chất lượng khoản nợ.
5 Mất vốn Nợ đƣợc đánh giá không có khả năng thu hồi hoặc gốc hoặc/và lãi quá hạn trên 1 năm
Theo Quy định của Ngân hàng Nhà nước Việt Nam tại Thông tư 11/2021/TT-NHNN, được ban hành ngày 30 tháng 7 năm 2023, việc phân loại nợ được thực hiện dựa trên các tiêu chí cụ thể về tài sản có, mức trích và phương pháp trích lập dự phòng rủi ro Quy định này nhằm đảm bảo tính minh bạch và hiệu quả trong việc xử lý rủi ro của các tổ chức tín dụng và chi nhánh ngân hàng nước ngoài.
Năm 2021, việc phân loại nợ được thực hiện qua hai phương pháp chính là định tính và định lượng Phương pháp định lượng tập trung vào thời gian quá hạn của khoản vay, trong khi phương pháp định tính dựa vào khả năng trả nợ của khách hàng để xác định xếp loại khoản vay.
Bảng 2.3 Phân loại nợ theo NHNN Việt Nam
STT Tên nhóm nợ Phương pháp định tính Phương pháp định lượng
Có khả năng thu hồi đầy đủ cả nợ gốc và lãi đúng hạn
Dưới 10 ngày Có khả năng thu hồi đầy đủ nợ gốc và lãi bị quá hạn và thu hồi đầy đủ nợ gốc và lãi còn lại đúng thời hạn
Có khả năng thu hồi đầy đủ cả gốc và lãi, nhƣng có dấu hiệu
KH suy giảm khả năng trả nợ
Quá hạn từ 10 - 90 ngày Khoản nợ đƣợc điều chỉnh kỳ hạn trả nợ lần đầu còn trong hạn
Không có khả năng thu hồi nợ gốc và lãi khi đến hạn, có khả năng tổn thất
Quá hạn từ 91 - 180 ngày Khoản nợ gia hạn nợ lần đầu còn trong hạn
Khoản nợ đƣợc miễn hoặc giảm lãi do KH không đủ khả năng trả lãi đầy đủ theo thỏa thuận
4 Nợ nghi ngờ Có khả năng tổn thất cao Quá hạn 181 –360 ngày, nợ cơ cấu lại thời hạn trả nợ lần thứ hai còn trong hạn
5 Nợ có khả năng mất vốn
Không còn khả năng thu hồi, có khả năng mất vốn
Nợ quá hạn trên 360 ngày, nợ có cơ cấu lại thời hạn trả lần 1, 2 nhƣng quá hạn nợ cơ cấu lần thứ 3 trở lên
Dựa vào bảng phân loại nợ, có thể thấy sự tương đồng giữa cách phân loại nợ tại Việt Nam và các tổ chức như WB và IIF, với cả ba đều chia nợ thành 5 nhóm và có cách giải thích tương tự cho từng nhóm Đặc biệt, các khoản nợ thuộc nhóm 3 đến 5 được xem là nợ xấu của ngân hàng Trong trường hợp có sự khác biệt giữa hai phương pháp phân loại, khoản nợ sẽ được xếp vào nhóm có mức độ rủi ro cao hơn.
Nghiên cứu này sẽ dựa vào cách phân loại nợ của Ngân hàng Nhà nước Việt Nam để tính toán nợ xấu tại các Ngân hàng Thương mại Cổ phần (NHTMCP) Việt Nam.
2.1.3 Những chỉ tiêu cơ bản đo lường nợ xấu
TLNX = (Tổng nợ xấu/ Tổng dư nợ) * 100% (2.1)
Các lý thuyết liên quan đến nợ xấu
2.2.1 Lý thuyết thông tin bất cân xứng
Khái niệm thông tin bất cân xứng (Asymmetric Information) được giới thiệu lần đầu bởi George Akerlof vào năm 1970 và đã trở thành một phần quan trọng trong kinh tế học hiện đại Năm 2001, lý thuyết này được công nhận khi ba nhà kinh tế học George Akerlof, Michael Spence và Joseph Stiglitz nhận giải Nobel kinh tế.
Thông tin bất cân xứng xảy ra khi trong một giao dịch, một bên nắm giữ thông tin đầy đủ và chính xác hơn so với các bên còn lại Tình trạng này có thể dẫn đến những quyết định không công bằng và ảnh hưởng tiêu cực đến hiệu quả của giao dịch.
Vào năm 2015, giá cả trên thị trường có thể dao động quá thấp hoặc quá cao so với mức giá cân bằng, dẫn đến tình trạng thị trường không hiệu quả Thông tin bất cân xứng gây ra hai hệ quả tiêu cực chính: lựa chọn bất lợi (adverse selection) và rủi ro đạo đức (T.H, 2019).
Lựa chọn đối nghịch là tình huống xảy ra trước giao dịch, trong đó một bên (bên có nhiều thông tin) nắm rõ hơn về đối tượng giao dịch so với bên còn lại (bên có ít thông tin) Bên có nhiều thông tin có thể cung cấp thông tin sai lệch, dẫn đến việc bên có ít thông tin nhận được những điều không mong muốn và chịu tổn hại sau giao dịch Trong lĩnh vực tín dụng, hiện tượng này xảy ra khi người vay có rủi ro cao lại là những người tích cực đi vay nhất, khiến họ dễ dàng được lựa chọn bởi người cho vay.
Rủi ro đạo đức là tình huống phát sinh từ thông tin bất cân xứng sau giao dịch, dẫn đến các hoạt động không tích cực và tăng khả năng xảy ra hậu quả xấu Trong lĩnh vực tín dụng, rủi ro này xuất hiện khi khách hàng cố tình giấu thông tin về mục đích vay và khả năng thanh toán, khiến ngân hàng khó nhận diện hành vi gian dối Điều này dẫn đến việc ngân hàng có thể tiếp cận sai đối tượng và không đánh giá đúng khả năng tài chính của khách hàng, dẫn đến đầu tư vào tài sản có rủi ro cao.
2.2.2 Lý thuyết chu kỳ kinh doanh
Chu kỳ kinh doanh, hay còn gọi là chu kỳ kinh tế, là sự biến động của GDP thực tế qua ba giai đoạn chính: suy thoái, phục hồi và hưng thịnh (bùng nổ) Một số quan điểm cho rằng chỉ cần hai pha chính là suy thoái và hưng thịnh Các giai đoạn này có thời gian và cường độ khác nhau, thường kéo dài từ 2 đến 10 năm, và được đánh dấu bằng sự mở rộng hoặc thu hẹp trong nền kinh tế Suy thoái diễn ra khi GDP thực tế giảm trong hai quý liên tiếp, trong khi phục hồi là giai đoạn GDP tăng trở lại đến mức trước suy thoái Điểm chuyển tiếp giữa hai giai đoạn này được gọi là đáy chu kỳ kinh tế, và khi GDP tiếp tục tăng vượt mức trước suy thoái, nền kinh tế bước vào pha bùng nổ Cuối cùng, khi giai đoạn bùng nổ kết thúc, chu kỳ lại chuyển sang suy thoái, với điểm chuyển tiếp giữa hưng thịnh và suy thoái được gọi là đỉnh chu kỳ kinh tế.
Trong hoạt động ngân hàng, các ngân hàng thường áp dụng chính sách thu hẹp tín dụng trong giai đoạn kinh tế suy thoái, trong khi sẽ mở rộng tín dụng khi kinh tế tăng trưởng Sự gia tăng thu nhập của người dân trong thời kỳ tăng trưởng làm tăng khả năng trả nợ, dẫn đến tỷ lệ nợ xấu giảm Ngược lại, trong giai đoạn suy thoái, khả năng trả nợ giảm khiến các ngân hàng thận trọng hơn trong việc cấp tín dụng.
Tổng quan các nghiên cứu trước
2.3.1 Các nghiên cứu nước ngoài
Salas và Saurina (2002) đã nghiên cứu về "RRTD trong hai chế độ thể chế: NH
Nghiên cứu "Thương mại và Tiết kiệm Tây Ban Nha" sử dụng dữ liệu từ 1985 đến 1997, xem xét các biến số ở cấp độ ngân hàng cá nhân và kinh tế vĩ mô Kết quả chỉ ra rằng tác động của các yếu tố đến nợ xấu giữa ngân hàng thương mại và ngân hàng tiết kiệm có sự khác biệt đáng kể Hơn nữa, nợ xấu có mối quan hệ ngược chiều với tốc độ tăng trưởng kinh tế và quy mô ngân hàng Tỷ lệ nợ xấu năm trước và tăng trưởng tín dụng cũng có tác động cùng chiều đến tỷ lệ nợ xấu (Salas, V và Saurina, J., 2002).
Makri, Tsagkanos và Bellas (2014) nghiên cứu về "Yếu tố quyết định nợ xấu:
Nghiên cứu về khu vực đồng tiền chung châu Âu đã phân tích dữ liệu từ 14 quốc gia với 120 quan sát trong giai đoạn 2000-2008 Sử dụng công cụ GMM để ước lượng mô hình hồi quy, nghiên cứu đảm bảo độ tin cậy và tránh vi phạm giả thuyết ngoại sinh Kết quả cho thấy tỷ suất sinh lời trên vốn chủ sở hữu và tỷ lệ vốn chủ sở hữu trên tổng nguồn vốn có tác động nghịch với tỷ lệ nợ xấu, trong khi nợ công và tỷ lệ thất nghiệp lại có mối quan hệ cùng chiều với tỷ lệ nợ xấu (Makri, V., Tsagkanos, A và Bellas, A., 2014).
Nghiên cứu của Messai và Jouini (2013) về "Yếu tố vi mô và vĩ mô quyết định nợ xấu" đã phân tích dữ liệu từ 85 ngân hàng lớn tại Ý, Hy Lạp và Tây Ban Nha trong giai đoạn 2004-2008 Kết quả cho thấy, tỷ lệ tăng trưởng GDP và suất sinh lời trên tổng tài sản có tác động ngược chiều đến tỷ lệ nợ xấu, trong khi tỷ lệ thất nghiệp, dự phòng rủi ro cho vay trên tổng cho vay và lãi suất thực lại có mối tương quan thuận với tỷ lệ nợ xấu.
Nghiên cứu của Khemraj và Pasha (2009) về "Các yếu tố quyết định nợ xấu" tại Guyana, sử dụng dữ liệu từ 1994-2004 và phương pháp MH FEM, cho thấy mối quan hệ ngược chiều giữa nợ xấu và tỷ lệ tăng trưởng GDP Tỷ giá hối đoái hiệu quả thực có ảnh hưởng tích cực đến tỷ lệ nợ xấu Về các yếu tố vi mô, các ngân hàng với lãi suất thực cao và cho vay quá mức thường gặp phải tỷ lệ nợ xấu cao hơn Đặc biệt, nghiên cứu này không ủng hộ quan điểm rằng các ngân hàng lớn có khả năng sàng lọc khách hàng vay tốt hơn so với ngân hàng nhỏ.
Nir Klein (2013) đã nghiên cứu "Vấn đề nợ xấu trong khu vực Trung, Đông và Đông Nam Âu" từ năm 1998 đến 2011, sử dụng dữ liệu từ 10 ngân hàng lớn nhất ở 16 quốc gia, chiếm hơn 60% tài sản ngành ngân hàng Nghiên cứu áp dụng ba phương pháp kinh tế: S-GMM, D-GMM và FEM Kết quả cho thấy khi tỷ lệ thất nghiệp tăng, tỷ giá hối đoái giảm và lạm phát tăng, thì tỷ lệ nợ xấu có xu hướng tăng Ngoài ra, các biến đặc thù của ngân hàng như ROE và vốn chủ sở hữu trên tổng tài sản có tác động nghịch chiều đến nợ xấu.
Bảng 2.4 Tổng hợp các nghiên cứu thực nghiệm tại nước ngoài
Tác giả Phạm vi nghiên cứu
Các NH thương mại và tiết kiệm Tây Ban Nha trong giai đoạn 1985–
GDP; quy mô NH (+) Tăng trưởng tín dụng (-)
14 nước ở khu vực đồng tiền chung châu Âu trong giai đoạn 2000-2008
ROE, tỷ lệ an toàn vốn,
TLNX năm trước, nợ công; tỷ lệ thất nghiệp (+)
Hy Lạp và Tây Ban Nha) trong giai đoạn 2004-
Tỷ lệ thất nghiệp, dự phòng rủi ro cho vay trên tổng cho vay và lãi suất thực (+)
6 NHTM khu vực NH Guyan giai đoạn 1994-
Tỷ giá hối đoái hiệu quả thực; Lãi suất thực (+)
Nir Klein (2013) 10 NH lớn nhất
Trong giai đoạn 1998-2011, tỷ lệ thất nghiệp và lạm phát, cùng với tốc độ tăng trưởng của tín dụng, hợp tác xã, bất động sản và thế chấp, đã được phân tích ở 16 quốc gia thuộc miền Trung, Đông và Đông Nam Châu Âu Các yếu tố này ảnh hưởng đến tỷ lệ dư nợ trên tổng tài sản (TTS) trong khu vực này.
Tỷ giá hối đoái; ROE (-)
Nguồn: Tác giả tự tổng hợp
2.3.2 Các nghiên cứu trong nước
Nghiên cứu của Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan (2021) về các yếu tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam, sử dụng dữ liệu từ 22 ngân hàng trong giai đoạn 2012-2020 Nghiên cứu áp dụng ba phương pháp ước lượng là Pooled OLS, FEM và REM Kết quả cho thấy tỷ lệ dự phòng rủi ro tín dụng, quy mô ngân hàng và tốc độ tăng trưởng tín dụng có tác động cùng chiều đến tỷ lệ nợ xấu, trong khi biến ROE lại có tác động ngược chiều Đối với các yếu tố vĩ mô, tỷ lệ lạm phát cũng được xác định có tác động cùng chiều đến tỷ lệ nợ xấu.
Phạm Dương Phương Thảo và Nguyễn Linh Đan (2018) đã nghiên cứu "Các yếu tố ảnh hưởng đến tỷ lệ lợi nhuận của các ngân hàng thương mại cổ phần Việt Nam" bằng cách sử dụng dữ liệu từ 27 ngân hàng trong giai đoạn 2005-2016 Nghiên cứu áp dụng phương pháp GMM để giải quyết vấn đề nội sinh Kết quả cho thấy có mối tương quan thuận giữa tỷ lệ lợi nhuận năm trước và năm hiện tại, đồng thời chỉ ra rằng chi phí dự phòng rủi ro tín dụng, lợi nhuận và chi phí hoạt động cao sẽ dẫn đến tỷ lệ lợi nhuận giảm.
Ngoài ra, TLNX cũng có mối quan hệ cùng hướng với tốc độ tăng trưởng kinh tế (Phạm Dương Phương Thảo và Nguyễn Linh Đan, 2018)
Nghiên cứu của Nguyễn Thị Như Quỳnh, Lê Đình Luân và Lê Thị Hương Mai (2018) về "Các nhân tố tác động đến nợ xấu tại các ngân hàng thương mại Việt Nam" đã sử dụng dữ liệu từ 25 ngân hàng thương mại cổ phần trong giai đoạn 2006-2016 Phương pháp nghiên cứu được thực hiện bằng Pooled OLS, FEM và REM, sau đó chọn FEM, nhưng phát hiện hiện tượng phương sai thay đổi nên đã áp dụng phương pháp FGLS Kết quả nghiên cứu cho thấy có mối quan hệ thuận chiều giữa tỷ lệ nợ xấu hiện tại với tỷ lệ nợ xấu năm trước và tỷ lệ lạm phát, trong khi quy mô và khả năng sinh lời chưa cho thấy tác động đáng kể đến nợ xấu.
Bùi Duy Tùng và Đặng Thị Bạch Vân (2015) đã nghiên cứu về ảnh hưởng của
Nghiên cứu "Các yếu tố nội tại đến nợ xấu các NHTM Việt Nam" sử dụng dữ liệu từ 25 NHTM trong giai đoạn 2004-2014 và ước lượng bằng phương pháp GMM Kết quả cho thấy rủi ro đạo đức có mối quan hệ ngược chiều với nợ xấu, trong khi mức độ kiểm soát của chủ sở hữu lại có mối tương quan cùng chiều Hơn nữa, sự đa dạng hóa hoạt động không giúp giảm nợ xấu, và tỷ suất lợi nhuận thấp trong quá khứ là nguyên nhân làm tăng tỷ lệ nợ xấu trong tương lai (Bùi Duy Tùng và Đặng Thị Bạch Vân, 2015).
Nguyễn Thị Hồng Vinh (2015) đã thực hiện nghiên cứu về các yếu tố tác động đến nợ xấu của các ngân hàng thương mại (NHTM) Việt Nam, sử dụng số liệu từ 22 NHTM trong giai đoạn 2007–2014 Nghiên cứu áp dụng các phương pháp FEM, D-GMM và S-GMM, cho thấy rằng suất sinh lời và tăng trưởng kinh tế có ảnh hưởng nghịch chiều đến tỷ lệ nợ xấu (TLNX) trong hệ thống NHTM Việt Nam Ngược lại, tỷ lệ nợ xấu trong quá khứ, quy mô ngân hàng và tăng trưởng tín dụng lại có mối tương quan thuận với tỷ lệ nợ xấu.
Bảng 2.5 Tổng hợp các nghiên cứu thực nghiệm tại Việt Nam
Tác giả Phạm vi nghiên cứu
22 NHTM Việt Nam trong giai đoạn 2012-
Tỷ lệ dự phòng RRTD, quy mô NH, tỷ lệ lạm phát, tốc độ tăng trưởng tín dụng (+)
Tỷ lệ lợi nhuận sau thuế trên
27 NHTMCP đang hoạt động tại Việt Nam từ năm 2005-
Dự phòng RRTD, chi phí hoạt động, tốc độ tăng trưởng kinh tế, lợi nhuận của
Quỳnh, Lê Đình Luân và Lê Thị
25 NHTMCP Việt Nam giai đoạn 2006-
Pooled OLS, FEM, REM và FGLS
Tốc độ tăng trưởng kinh tế, tăng trưởng tín dụng của NH và tỷ lệ thất nghiệp (-)
Tỷ lệ lạm phát và TLNX năm trước (+)
25 NHTM Việt Nam trong giai đoạn 2004-2014
Lợi nhuận sau thuế trung bình trên vốn cổ phần, khả năng thanh toán, thu nhập
Tỷ lệ chi phí trên doanh thu và tỷ lệ sở hữu cổ phần (+)
22 NHTM Việt Nam giai đoạn 2007–2014
Khả năng sinh lời; tăng trưởng kinh tế (-) TLNX trong quá khứ, quy mô NH, tăng trưởng tín dụng (+)
Nguồn: Tác giả tự tổng hợp.
MÔ HÌNH NGHIÊN CỨU
Quy trình nghiên cứu
Quy trình thực hiện nghiên cứu của khóa luận bao gồm 11 bước và được trình bày theo sơ đồ hình 3.1 nhƣ sau:
Hình 3.1 Quy trình nghiên cứu
Nguồn: Tác giả tự tổng hợp
Lƣợc khảo cơ sở lý thuyết và nghiên cứu trước Đƣa ra MH nghiên cứu đề xuất
Thu thập và chạy dữ liệu Phân tích thống kê mô tả
Phân tích tương quan MH nghiên cứu Ƣớc lƣợng MH theo Pooled OLS, FEM và REM
Kiểm định các khuyết tật cho
MH đƣợc chọn Ƣớc lƣợng theo phương pháp
Kiểm định hiện tƣợng nội sinh Ƣớc lƣợng MH theo GMM
Thảo luận và đề xuất giải pháp
Mô hình nghiên cứu
Mô hình nghiên cứu được xây dựng dựa trên việc kế thừa các nghiên cứu thực nghiệm trước đây và lý thuyết về hai nhóm nhân tố chính ảnh hưởng đến nợ xấu của ngân hàng, bao gồm nhân tố vĩ mô và vi mô Tác giả đã lựa chọn một số nhân tố dự kiến có ảnh hưởng đến tỷ lệ nợ xấu, trong đó nhóm vi mô bao gồm "tỷ lệ nợ xấu năm trước, quy mô ngân hàng, khả năng sinh lời, tỷ lệ dự phòng rủi ro tín dụng, tốc độ tăng trưởng tín dụng, và tỷ lệ vốn chủ sở hữu trên tổng tài sản." Nhóm vĩ mô bao gồm "tốc độ tăng trưởng kinh tế và tỷ lệ lạm phát." Mô hình nghiên cứu cuối cùng được thể hiện qua phương trình cụ thể.
NPL i,t = α 0 + α 1 NPL i,t-1 + α 2 SIZE i,t + α 3 ROA i,t + α 4 LLR i,t + α 5 LGR i,t + α 6 ETA i,t + α 7 GDP t + α 8 INF t + ε i,t
Biến phụ thuộc: TLNX (NPL i,t )
Các biến vi mô quan trọng trong nghiên cứu bao gồm tỷ lệ nợ xấu năm trước (NPL i,t-1), quy mô ngân hàng (SIZE i,t), khả năng sinh lời (ROA i,t), tỷ lệ dự phòng rủi ro tín dụng (LLR i,t), tốc độ tăng trưởng tín dụng (LGR i,t) và tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA i,t).
Các biến vĩ mô quan trọng bao gồm tốc độ tăng trưởng kinh tế (GDP t) và tỷ lệ lạm phát (INF t) Hệ số chặn được ký hiệu là α 0, trong khi các hệ số góc từ α 1 đến α 8 tương ứng với các biến độc lập Ký hiệu i, t đại diện cho ngân hàng (NH) và năm khảo sát, trong khi ε i,t là phần dư của ngân hàng i tại thời điểm t.
Biến nghiên cứu
Tỷ lệ nợ xấu (TLNX) của các ngân hàng thương mại cổ phần (NHTMCP) Việt Nam được tính bằng tỷ lệ phần trăm của nợ xấu trên tổng dư nợ cho vay, trong đó nợ xấu bao gồm các khoản nợ thuộc nhóm 3, 4 và 5 theo quy định của Ngân hàng Nhà nước (NHNN, 2021) Chỉ tiêu này không chỉ phản ánh chất lượng tín dụng mà còn đánh giá hiệu quả hoạt động tín dụng của ngân hàng Dữ liệu về các khoản nợ nhóm 3, 4 và 5 được thu thập từ bảng thuyết minh báo cáo tài chính (BCTC) của từng ngân hàng, trong khi tổng dư nợ được lấy từ bảng cân đối kế toán (BCĐKT) của ngân hàng qua các năm từ 2012 đến 2022.
3.3.2 Biến độc lập Đầu tiên là TLNX năm trước (NPL i,t-1 ) được tính bằng cách lấy dữ liệu của
Để tính toán tỷ lệ nợ xấu, có thể sử dụng TLNX của năm trước hoặc lấy tỷ lệ tổng nợ xấu năm trước chia cho tổng dư nợ năm trước (Tài chính nhanh 24h, n.d.) Dữ liệu về nợ xấu năm trước, bao gồm các khoản nợ nhóm 3, 4 và 5, được thu thập từ thuyết minh BCTC, trong khi tổng dư nợ được lấy từ BCĐKT của mỗi ngân hàng qua các năm trong giai đoạn 2012 – 2022 Công thức tính cụ thể được áp dụng như sau:
Theo nghiên cứu của Vicente Salas và Jesús Saurina (2002) cùng với Nir Klein (2013), mối quan hệ giữa tỷ lệ nợ xấu (TLNX) năm trước và năm hiện tại đã được kiểm tra Kết quả chỉ ra rằng, sự gia tăng TLNX năm trước phản ánh tình trạng quản trị rủi ro yếu kém, từ đó dẫn đến áp lực gia tăng và khả năng quản trị nợ xấu trong năm tiếp theo.
Theo Đinh Thị Kim Ngân (2022), nợ xấu từ những năm trước vẫn chưa được giải quyết triệt để, dẫn đến tình trạng gia tăng nợ xấu trong năm tiếp theo (Lê Thị Hương Mai, 2018) Điều này cho thấy rằng tỷ lệ nợ xấu (TLNX) từ năm trước có khả năng ảnh hưởng trực tiếp đến TLNX hiện tại.
H1: "TLNX năm trước tương quan cùng chiều đến TLNX năm hiện tại"
Quy mô ngân hàng (SIZE i,t) được xác định bằng cách sử dụng logarit tự nhiên của tổng tài sản bình quân hàng năm của mỗi ngân hàng Tổng tài sản bình quân được tính từ trung bình cộng của tổng tài sản đầu năm và cuối năm của ngân hàng (Nguyễn Thị Thu Hoài, 2022).
Quy mô của ngân hàng (NH) phản ánh năng lực cạnh tranh trên thị trường, được thể hiện qua tổng tài sản (TTS) Giả thuyết "quá lớn để phá sản" cho thấy rằng các NH lớn thường chấp nhận rủi ro cao trong việc lựa chọn khách hàng cho vay nhằm đạt được lãi suất hoặc lợi nhuận cao hơn Việc mở rộng cho vay đối với khách hàng có chất lượng thấp dẫn đến gia tăng nợ xấu Do đó, quy mô NH dự kiến sẽ có tác động tích cực đến tỷ lệ nợ xấu (TLNX).
H2: "Quy mô NH tác động cùng chiều với TLNX"
Khả năng sinh lời (ROA i,t) được tính bằng tỷ lệ lợi nhuận sau thuế chia cho tổng tài sản bình quân Lợi nhuận sau thuế được lấy từ báo cáo kết quả hoạt động kinh doanh, trong khi tổng tài sản được lấy từ báo cáo tài chính hợp nhất đã được kiểm toán của ngân hàng Công thức tính cụ thể như sau:
Khả năng sinh lời trên tài sản (TTS) cho thấy hiệu quả quản trị của ngân hàng, với tỷ suất sinh lời cao phản ánh lợi nhuận tốt Điều này không chỉ thể hiện chất lượng quản lý mà còn giúp giảm tỷ lệ nợ xấu (TLNX), như đã được chứng minh qua các nghiên cứu trước đây của Messai và Jouini.
Nghiên cứu của Nguyễn Thị Hồng Vinh (2015) chỉ ra rằng khả năng sinh lời cao có thể làm giảm tỷ lệ nợ xấu (TLNX) của ngân hàng Do đó, khả năng sinh lời được kỳ vọng có mối quan hệ nghịch với TLNX.
H3: "Khả năng sinh lời có mối quan hệ nghịch chiều với TLNX"
Tỷ lệ dự phòng RRTD (LLR i,t) được xác định bằng cách chia tỷ lệ chi phí dự phòng RRTD cho tổng dư nợ Dữ liệu cần thiết cho việc tính toán này được lấy từ báo cáo tài chính của ngân hàng Công thức tính toán cụ thể được trình bày như sau:
Theo Messai và Jouini (2013), Trần Vương Thịnh và Nguyễn Ngọc Hồng Loan
Tỷ lệ dự phòng rủi ro tín dụng (RRTD) có mối tương quan thuận với tỷ lệ nợ xấu (TLNX), theo nghiên cứu năm 2021 Khi tỷ lệ dự phòng RRTD cao, điều này cho thấy ngân hàng có xu hướng đầu tư vào tài sản rủi ro cao, dẫn đến việc phải chi trả nhiều hơn để bù đắp cho tổn thất khi TLNX tăng Vì vậy, tỷ lệ trích lập dự phòng RRTD được kỳ vọng sẽ có tác động tích cực đến TLNX.
H4: "Tỷ lệ dự phòng RRTD có mối tương quan cùng chiều với TLNX"
Vào thứ năm, tốc độ tăng trưởng tín dụng (LGR i,t) được xác định bằng tỷ lệ tăng trưởng dư nợ cho vay của kỳ này so với kỳ trước Dữ liệu này được thu thập từ báo cáo cân đối kế toán (BCĐKT).
NH Công thức cụ thể là:
Tốc độ tăng trưởng tín dụng là chỉ số quan trọng để đánh giá sự gia tăng dư nợ cho vay của ngân hàng Mặc dù tăng trưởng tín dụng là mục tiêu hàng đầu của nhiều ngân hàng, nhưng nếu diễn ra quá nhanh và không được kiểm soát, nó có thể gây ra những tác động tiêu cực đến khả năng quản lý rủi ro và làm tăng tỷ lệ nợ xấu.
2022) Chính vì vậy, tốc độ tăng trưởng tín dụng được kỳ vọng sẽ có tác động cùng hướng đến TLNX
H5: "Tốc độ tăng trưởng tín dụng có tác động cùng hướng với TLNX"
Vào thứ Sáu, tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA i,t) được tính bằng cách chia vốn chủ sở hữu cho tổng tài sản Dữ liệu cần thiết cho việc tính toán này được thu thập từ báo cáo tài chính của ngân hàng.
Theo Klein (2013) và Salas cùng Saurina (2002), các ngân hàng có tỷ lệ vốn chủ sở hữu trên tổng tài sản thấp thường gặp phải tình trạng nợ xấu gia tăng Điều này xảy ra do những ngân hàng này chấp nhận nhiều rủi ro hơn, dẫn đến tỷ lệ nợ xấu tăng cao (Nguyễn Hoàng Chương, 2022) Do đó, tỷ lệ vốn chủ sở hữu trên tổng tài sản được kỳ vọng có tác động nghịch hướng đến tỷ lệ nợ xấu.
H6: "Tỷ lệ VCSH trên TTS mối quan hệ nghịch chiều với TLNX"
Quy trình xử lý dữ liệu
Phân tích thống kê mô tả
Thống kê mô tả là các chỉ số tóm tắt một tập dữ liệu, đại diện cho toàn bộ hoặc mẫu của một tổng thể (Lê Thảo, 2019) Tác giả sử dụng phần mềm Stata 17 để mô tả các đặc trưng của dữ liệu liên quan đến biến phụ thuộc và các biến độc lập Kết quả bao gồm các thông số như N (số mẫu nghiên cứu), Mean (giá trị trung bình), Std.Dev (độ lệch chuẩn), Max (giá trị lớn nhất) và Min (giá trị nhỏ nhất) (Lê Trung Thành, 2021).
Dựa trên kết quả ma trận tương quan của mô hình hồi quy (MH), mức độ tương quan giữa các biến số được thể hiện qua hệ số tương quan cặp Nếu hệ số tương quan giữa biến độc lập và biến phụ thuộc có giá trị dương, điều này cho thấy biến độc lập tác động thuận chiều đến biến phụ thuộc, và ngược lại Ngoài ra, nếu MH phát hiện hệ số tương quan lớn giữa hai biến độc lập, có thể xảy ra hiện tượng đa cộng tuyến Để kiểm tra hiện tượng này, tác giả sử dụng chỉ số VIF; nếu kết quả VIF của các biến nhỏ hơn 10, điều này cho thấy không có hiện tượng đa cộng tuyến nghiêm trọng Cuối cùng, ước lượng được thực hiện theo phương pháp Pooled OLS, FEM và REM.
Nghiên cứu sử dụng Pooled OLS, FEM và REM để đo lường sự ảnh hưởng của các nhân tố đến TLNX
Pooled OLS là phương pháp phân tích dữ liệu từ nhiều nhóm hoặc thời điểm khác nhau, giúp tổng hợp tất cả các quan sát mà không phân biệt giữa các nhóm hay thời điểm Cách tiếp cận này mang lại cái nhìn tổng quát về dữ liệu, hỗ trợ trong việc rút ra kết luận và đưa ra quyết định.
FEM và REM là hai phương pháp phổ biến để xử lý dữ liệu bảng tuyến tính FEM được áp dụng khi các biến độc lập khác nhau giữa các đơn vị chéo và không có tương quan với sai số của mô hình hồi quy Phương pháp này giúp xác định tác động của các yếu tố ổn định theo thời gian Ngược lại, REM thích hợp khi các biến độc lập không có sự khác biệt giữa các đơn vị chéo và có tương quan với sai số của mô hình hồi quy, cho phép xác định tác động của các yếu tố thay đổi ngẫu nhiên Ước lượng theo phương pháp FGLS cũng được sử dụng trong bối cảnh này.
Tác giả áp dụng phương pháp FGLS để giải quyết vấn đề phương sai sai số không đồng nhất và tự tương quan trong mô hình hồi quy (Wooldridge, 2002) Phương pháp này tương tự như OLS nhưng các biến đã được điều chỉnh để đáp ứng các giả thuyết của phương pháp bình phương tối thiểu tiêu chuẩn (Trần Nguyễn Tường Vy, 2018) Ngoài ra, ước lượng theo GMM cũng được xem xét trong nghiên cứu này.
Tác giả sử dụng phương pháp GMM để khắc phục các khuyết tật, bao gồm hiện tượng nội sinh, mà phương pháp FGLS không giải quyết được Dù có vi phạm hiện tượng nội sinh, GMM vẫn cung cấp các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả (Nghiên cứu khoa học định lượng, 2017) Sau khi ước lượng, tác giả tiến hành kiểm tra tính phù hợp của biến công cụ và hiệu quả khắc phục khuyết tật của mô hình, đảm bảo không có sai lệch thông qua Sargan test và Arellano-Bond test (Đinh Thị Kim Ngân, 2022).
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Thực trạng nợ xấu của các NHTMCP Việt Nam
Trong 10 năm qua, tình hình nợ xấu ở Việt Nam đã có xu hướng giảm và duy trì dưới mức 3% theo quy định của Ngân hàng Nhà nước Tuy nhiên, vào năm 2012, tỷ lệ nợ xấu đã tăng cao lên 4.86% do các ngân hàng phải đối mặt với áp lực từ cuộc khủng hoảng kinh tế toàn cầu kéo dài từ những năm trước, đặc biệt là ảnh hưởng của cuộc khủng hoảng tài chính.
Năm 2008, Việt Nam vừa hồi phục sau giai đoạn thực hiện các chính sách siết chặt lạm phát, dẫn đến gia tăng số lượng doanh nghiệp thua lỗ và phá sản (Hồ Thị Phi Yến, 2022) Trước tình hình tỷ lệ nợ xấu (TLNX) tăng, Chính phủ đã ban hành "Nghị định số 53/2013/NĐ-CP" nhằm thành lập Công ty TNHH MTV Quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) để giảm TLNX Sau vài năm hoạt động, VAMC đã triển khai nhiều giải pháp đồng bộ, giúp xử lý nhanh chóng nợ xấu, đưa TLNX về mức an toàn, khơi thông dòng tín dụng cho nền kinh tế và đảm bảo an toàn, hiệu quả hoạt động của hệ thống ngân hàng, khẳng định vai trò quan trọng của VAMC trong công tác xử lý nợ (VAMC, 2021).
Bên cạnh những nỗ lực của VAMC, các ngân hàng thương mại Việt Nam đã tích cực xử lý nợ xấu, đặc biệt kể từ khi "Nghị quyết 42/2017/QH14" được Quốc hội thông qua vào ngày 21/6/2017, tạo cơ sở pháp lý vững chắc cho hoạt động này Nghị quyết có hiệu lực trong 5 năm từ ngày 15/8/2017 đã mang lại nhiều kết quả tích cực trong việc cải thiện tình hình nợ xấu tại các tổ chức tín dụng (Lê Thị Thùy Vân, 2018).
Năm 2019, hệ thống ngân hàng đã đạt được những thành công đáng kể trong việc đảm bảo an toàn hoạt động, cơ cấu lại các tổ chức tín dụng (TCTD) và giảm tỷ lệ nợ xấu (TLNX) toàn ngành, với TLNX nội bảng giảm từ 3,79% năm 2013 xuống 1,63% năm 2019 (Cấn Văn Lực, 2022) Tuy nhiên, từ năm 2019, đại dịch Covid-19 đã gây ra những tác động tiêu cực kéo dài, làm suy giảm xuất nhập khẩu hàng hóa và dịch vụ, dẫn đến giảm thu nhập và tiêu dùng Điều này đã ảnh hưởng đến khả năng trả nợ của cá nhân và doanh nghiệp, dẫn đến tình trạng nợ xấu gia tăng Do đó, không có gì ngạc nhiên khi tỷ lệ nợ xấu nội bảng của toàn hệ thống có chiều hướng tăng nhẹ.
NH năm 2020 tăng lên 1,76%, đến năm 2021 là 1,9%, và tiếp đến năm 2022 tăng lên tới 1,92% và dự kiến sẽ còn tăng trong vài năm tới.
Phân tích thống kê mô tả các biến
Để có cái nhìn tổng quát về số lượng quan sát và các biến thông qua bộ dữ liệu từ 25 NHTMCP Việt Nam trong giai đoạn 2012-2022, tác giả đã áp dụng phương pháp thống kê mô tả để xác định các chỉ tiêu đo lường, được trình bày chi tiết trong bảng 4.1.
Bảng 4.1 Kết quả thống kê mô tả các biến trong mô hình
Variable Obs Mean Std dev Min Max
Dữ liệu nghiên cứu từ bảng 4.1 cho thấy có 275 quan sát trong 11 năm, với tỷ lệ nợ xấu (NPL) trung bình của 25 NHTMCP Việt Nam giai đoạn 2012-2022 là 2.08% NHTMCP Quốc Dân năm 2022 ghi nhận tỷ lệ nợ xấu cao nhất là 17.9%, trong khi NHTMCP Kỹ Thương Việt Nam năm 2020 có tỷ lệ thấp nhất là 0.5% Độ lệch chuẩn của tỷ lệ nợ xấu là 1.47%, cho thấy sự phân tán lớn giữa các ngân hàng Đối với tỷ lệ nợ xấu năm trước (NPL t-1), giá trị trung bình cũng là 2.08% với độ lệch chuẩn 1.14% NHTMCP Sài Gòn – Hà Nội có tỷ lệ nợ xấu cao nhất là 8.8% vào năm 2013, trong khi NHTMCP Kỹ Thương Việt Nam có tỷ lệ thấp nhất là 0.5% năm 2021 Về quy mô ngân hàng (SIZE), giá trị trung bình là 18.72 với độ lệch chuẩn 1.15 NHTMCP Đầu tư và Phát triển Việt Nam có quy mô lớn nhất 21.39 vào năm 2022, trong khi NHTMCP Sài Gòn Công Thương có quy mô nhỏ nhất 16.51 vào năm 2013 Tổng quan cho thấy quy mô các ngân hàng đã tăng lên qua từng năm Tính đến cuối năm 2022, VPBank, BIDV, VietinBank và VietcomBank nằm trong nhóm ngân hàng hàng đầu.
Ngân hàng (NH) dẫn đầu về quy mô và tốc độ tăng trưởng tài sản, với khả năng sinh lợi (ROA) trung bình đạt 0.87% và độ lệch chuẩn 0.67%, cho thấy sự không đồng đều trong hiệu quả hoạt động giữa các ngân hàng thương mại (NHTM) NHTMCP Kỹ Thương Việt Nam ghi nhận ROA cao nhất là 3.24% vào năm 2021, trong khi NHTMCP Quốc dân có giá trị thấp nhất là 0.0000089% vào năm 2022 Về dự phòng rủi ro tín dụng (LLR), giá trị trung bình là 0.01% với độ lệch chuẩn 0.01%; NHTMCP Việt Nam Thịnh Vượng có tỷ lệ cao nhất là 0.05% vào năm 2019 Tốc độ tăng trưởng tín dụng (LGR) trung bình đạt 0.24% và độ lệch chuẩn 0.73%, với NHTMCP Xuất Nhập Khẩu Việt Nam ghi nhận mức cao nhất 11.87% vào năm 2012 và NHTMCP Hàng Hải Việt Nam có tỷ lệ thấp nhất là -0.24% vào năm 2014 Về vốn chủ sở hữu trên tổng tài sản (ETA), giá trị trung bình giai đoạn 2012-2022 là 0.09% với độ lệch chuẩn 0.04%, trong đó NHTMCP Quốc dân có giá trị thấp nhất là 0.01% vào năm 2015 và NHTMCP Sài Gòn Công Thương có giá trị cao nhất là 0.24% vào năm 2013 Tốc độ tăng trưởng kinh tế (GDP) trung bình đạt 6.03% với độ lệch chuẩn 1.73%, trong đó năm 2021 ghi nhận giá trị thấp nhất 2.56% do ảnh hưởng của Covid-19.
Trong giai đoạn 2012-2022, tỷ lệ lạm phát cao nhất đạt 9.09% vào năm 2012, trong khi mức thấp nhất là 0.63% vào năm 2015 Trung bình, tỷ lệ lạm phát trong giai đoạn này là 3.73% với độ lệch chuẩn 2.2%, cho thấy sự biến động lớn trong nền kinh tế Năm 2022, tỷ lệ lạm phát ghi nhận là 8.02%, đánh dấu mức kỷ lục trong giai đoạn này.
Phân tích tương quan và hiện tượng đa cộng tuyến
Bảng 4.2 Ma trận tương quan giữa các biến trong mô hình
NPL NPLt-1 SIZE ROA LLR LGR ETA GDP INF NPL 1.0000
Dựa vào kết quả ma trận tương quan trong bảng 4.2, các biến SIZE, ROA và LGR có tác động ngược chiều đến TLNX, trong khi NPL t-1, LLR, ETA, GDP và INF lại có tác động cùng chiều Đặc biệt, NPL t-1 có mức độ tương quan cao nhất với TLNX, trong khi LGR có mức tương quan thấp nhất.
Theo Farrar & Glauber (1967) cho rằng "Nếu hệ số tương quan nhỏ hơn 0.8 thì
Trong nghiên cứu về mô hình hồi quy (MH), không phát hiện hiện tượng đa cộng tuyến, với các cặp biến có hệ số tương quan nhỏ hơn 0.8 Kết quả này tương đồng với các nghiên cứu trước đó Để khẳng định chắc chắn rằng không có đa cộng tuyến trong MH, kiểm định VIF đã được thực hiện.
Bảng 4.3 Kết quả kiểm định chỉ số VIF
Dựa vào bảng 4.3, hệ số VIF bình quân là 1.60 và tất cả các biến đều có hệ số VIF nhỏ hơn 10, cho thấy hiện tượng đa cộng tuyến trong mô hình không quá nghiêm trọng Do đó, mô hình không gặp phải hiện tượng tự tương quan giữa các biến độc lập và không có đa cộng tuyến nghiêm trọng.
Kết quả nghiên cứu
4.4.1 Phân tích hồi quy Pooled OLS, FEM và REM
So sánh Pooled OLS và FEM
Bảng 4.4 Kết quả phân tích hồi quy theo Pooled OLS và FEM
Hệ số β P- value Hệ số β P-value NPLt-1 0.3814362 0.000 0.2115492 0.012
Để lựa chọn mô hình nghiên cứu phù hợp, chúng ta tiến hành so sánh giữa hai mô hình Pooled OLS và FEM thông qua kiểm định F-test với giả thuyết.
H0: Pooled OLS là phù hợp
Bảng 4.5 Kết quả kiểm định F-test có trong kết quả hồi quy FEM
NPL Coefficient Std err t P>t [95% conf interval]
NPLT1 0.2115 0.0831 2.55 0.012 0.0478 0.3753 SIZE -0.0703 0.2688 -0.26 0.794 -0.5997 0.4592 ROA -0.2474 0.2476 -1.00 0.319 -0.7352 0.2404 LLR 22.2767 13.7434 1.62 0.106 -4.7952 49.3486 LGR -0.0576 0.1102 -0.52 0.602 -0.2746 0.1595 ETA 4.5967 4.6465 0.99 0.324 -4.5561 13.7494 GDP 0.0352 0.0443 0.79 0.428 -0.0522 0.1225 INF 0.1520 0 0441 3.45 0.001 0.0652 0.2388 _cons 1.7345 5.2219 0.33 0.740 -8.5516 12.0207 sigma_u sigma_e rho
0.5570 1.2409 0.1677 (fraction of variance due to u_i)
Kết quả ở bảng 4.5 cho thấy, kiểm định cho kết quả P-value = 0.0184 < α= 5% nên bác bỏ giả thuyết H0 chấp nhận giả thuyết H1 hay FEM là phù hợp với mức ý nghĩa 5%
So sánh FEM và REM
Bảng 4.6 Kết quả hồi quy FEM và REM
Hệ số β P-value Hệ số β P-value NPLt-1 0.2115492 0.012 0.3814362 0.000
Tác giả sử dụng kiểm định Hausman để lựa chọn MH phù hợp nhất giữa FEM và REM, với giả thuyết:
Bảng 4.7 Kết quả kiểm định Hausman
Dựa vào bảng 4.7 giá trị P-value = 0.000 < α= 5% nên đủ điều kiện để bác bỏ
H0 chấp nhận giả thuyết H1 Nhƣ vậy, với mức ý nghĩa 5%, MH FEM là phù hợp
Sau khi so sánh ba mô hình Pooled OLS, FEM và REM, mô hình FEM được chọn là tối ưu nhất Nghiên cứu tiến hành kiểm định các khuyết tật của mô hình này để đảm bảo rằng không có khuyết tật nào chưa được khắc phục.
4.4.2 Kiểm định khuyết tật mô hình
4.4.2.1 Kiểm định hiện tượng tự tương quan
Nghiên cứu tiến hành sử dụng kiểm định Wooldridge để kiểm tra hiện tƣợng tự tương quan trong MH đã được chọn là FEM, với giả thuyết
H 0 : Không có hiện tượng tự tương quan
H 1 : Có hiện tượng tự tương quan
Bảng 4.8 Kết quả kiểm định Wooldridge
Dựa vào bảng 4.8, giá trị Prob >F = 0.00 nhỏ hơn mức ý nghĩa α 5%, cho phép bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 Do đó, với mức ý nghĩa 5%, MH xuất hiện hiện tượng tự tương quan.
4.4.2.2 Kiểm định hiện tượng phương sai sai số thay đổi Để kiểm tra hiện tượng phương sai sai số thay đổi tác giả tiến hành sử dụng kiểm định Wald test, với giả thuyết:
H0: Không có hiện tượng phương sai sai số thay đổi
H1: Có hiện tượng phương sai sai số thay đổi
Bảng 4.9 Kết quả kiểm định Wald test
Dựa vào bảng 4.9, giá trị Prob >F = 0.00 nhỏ hơn mức ý nghĩa α 5%, cho thấy có đủ cơ sở để bác bỏ giả thuyết H0, điều này chứng tỏ rằng biến phụ thuộc MH có hiện tượng phương sai sai số thay đổi.
Sau khi kiểm tra các giả thuyết, chúng tôi phát hiện rằng FEM đã vi phạm giả định về tự tương quan và phương sai sai số thay đổi Do đó, mô hình hồi quy (MH) không còn phù hợp và kết quả ước lượng không hiệu quả Để khắc phục những vấn đề này, chúng tôi tiến hành hồi quy MH bằng phương pháp FGLS.
4.4.3 Phân tích ước lượng theo phương pháp FGLS Để khắc phục các vấn đề trên, nghiên cứu đã sử dụng phương pháp FGLS để thực hiện hồi quy cho MH FEM với kết quả đƣợc thể hiện trong bảng 4.10
Bảng 4.10 Kết quả ước lượng theo phương pháp FGLS
NPL Hệ số Sai số chuẩn P>|z|
Sau khi áp dụng phương pháp FGLS để khắc phục hiện tượng tự tương quan và phương sai sai số thay đổi, kết quả cho thấy MH có ý nghĩa thống kê ở mức 1% với P-value = 0.0000, nhỏ hơn α = 1% Điều này chứng tỏ rằng mô hình hồi quy MH được xây dựng là phù hợp.
Các yếu tố như tỷ lệ nợ xấu năm trước (NPL t-1), quy mô ngân hàng (SIZE), khả năng sinh lợi (ROA), khả năng dự phòng rủi ro tín dụng (LLR), tốc độ tăng trưởng tín dụng (LGR), và tỷ lệ lạm phát (INF) đều ảnh hưởng đến tỷ lệ nợ xấu (NPL) và có ý nghĩa thống kê.
NPL it = 2.88 + 0.26*NPL it-1 – 0.12*SIZE it – 0.22*ROA it + 17.69*LLR it – 0.07*LGR it + 0.12*INF it
Các biến độc lập NPL t-1, LLR, INF có tác động tích cực đến biến TLNX và đạt mức ý nghĩa thống kê 10% Ngược lại, các biến độc lập SIZE, ROA, LGR lại có tác động tiêu cực đến TLNX và cũng có ý nghĩa thống kê ở mức 10%.
Tuy nhiên, biến ETA và GDP mặc dù có mối quan hệ thuận chiều đến TLNX nhƣng không có ý nghĩa thống kê
4.4.4 Kiểm định hiện tƣợng nội sinh Để tiến hành kiểm tra MH nghiên cứu trên có bị hiện tƣợng nội sinh hay không, nghiên cứu tiếp tục sử dụng kiểm định Durbin Wu Hausman để kiểm tra với giả thuyết:
H 0 : biến đó không phải là biến nội sinh
H 1 : biến đó phải là biến nội sinh
Nếu P- value > 0.05, ta chấp nhận H 0 bác bỏ H 1 , kết luận đó không phải là biến nội sinh
Bảng 4.11 Kết quả kiểm định hiện tƣợng nội sinh
Nguồn: Tác giả tự tổng hợp từ Stata 17
Giá trị P-value của mỗi biến đều lớn hơn mức ý nghĩa 5% Vì vậy, kết luận rằng
MH không có hiện tƣợng nội sinh hay nói cách khác là MH FGLS là lựa chọn tốt nhất cho nghiên cứu.