Tính cấp thiết của đề tài
Ngành ngân hàng đóng vai trò quan trọng trong việc duy trì sự ổn định tài chính và thúc đẩy phát triển kinh tế quốc gia Ngân hàng thương mại hoạt động như một trung gian tài chính, giúp các cá nhân và doanh nghiệp dễ dàng tiếp cận nguồn vốn từ nơi dư thừa đến nơi thiếu hụt Điều này không chỉ tiết kiệm thời gian và chi phí cho người vay mà còn tạo cơ hội cho sự phát triển kinh tế thông qua việc cung cấp vốn cho các hoạt động đầu tư và sản xuất kinh doanh, từ đó nâng cao hiệu quả kinh tế.
Hiện nay, hoạt động kinh doanh của ngân hàng thương mại ngày càng đa dạng, với tín dụng là lĩnh vực chính mang lại nguồn thu lớn nhất Sự phát triển của nền kinh tế đã dẫn đến sự gia tăng quy mô dư nợ tín dụng tại các ngân hàng Mặc dù tăng trưởng tín dụng mang lại thu nhập cao từ lãi suất và giúp ngân hàng đạt mục tiêu lợi nhuận, nhưng nó cũng đi kèm với rủi ro Rủi ro tín dụng có thể gây tổn thất tài chính khi các khoản vay quá hạn hoặc không thu hồi được, ảnh hưởng đến khả năng thanh toán và uy tín của ngân hàng.
Rủi ro tín dụng là một vấn đề đã được nghiên cứu rộng rãi trên toàn thế giới và tại Việt Nam Trong bối cảnh nợ xấu gia tăng trong ngành ngân hàng, việc nhận diện và phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng trở nên cần thiết Điều này đặc biệt quan trọng khi nền kinh tế và hệ thống ngân hàng đang nỗ lực phục hồi sau những khó khăn do đại dịch Covid-19 gây ra.
Chủ đề "Các nhân tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam" được lựa chọn làm đề tài khóa luận nhằm phân tích các yếu tố tác động đến rủi ro tín dụng trong toàn hệ thống ngân hàng Việc này sẽ giúp ngân hàng nhận diện những nguyên nhân gây ra rủi ro trong hoạt động tín dụng và từ đó đưa ra các biện pháp kịp thời để giảm thiểu rủi ro.
Ngân hàng thương mại Việt Nam cần hạn chế và ngăn ngừa những rủi ro để tránh các hậu quả tiêu cực Việc này không chỉ giúp đạt được mục tiêu tăng trưởng tín dụng mà còn đảm bảo chất lượng các khoản cho vay, từ đó nâng cao hiệu quả hoạt động và tăng khả năng sinh lời.
Tổng quan nghiên cứu
Rủi ro tín dụng tại các ngân hàng thương mại đang thu hút sự quan tâm từ nhiều nhà nghiên cứu cả trong nước và quốc tế Bài viết này sẽ trình bày một số nghiên cứu về các yếu tố tác động đến rủi ro tín dụng của ngân hàng thương mại, từ đó tạo nền tảng cho khóa luận.
Nghiên cứu của Isaac G Mwaurah (2013) đã chỉ ra rằng các yếu tố kinh tế vi mô và vĩ mô có ảnh hưởng đáng kể đến rủi ro tín dụng tại các ngân hàng thương mại ở Kenya Sử dụng các kỹ thuật tương quan và hồi quy, nghiên cứu đã phân tích dữ liệu và xác định rằng rủi ro tín dụng chịu tác động mạnh từ GDP, lạm phát, lãi suất, tỷ lệ thất nghiệp, hiệu suất chứng khoán và hiệu quả quản lý, khi tất cả các biến số này hoạt động đồng thời và có ý nghĩa.
Hasna Chaibi và Zied Ftiti (2015) đã nghiên cứu các yếu tố quyết định đến nợ xấu (NPL) của ngân hàng thương mại tại Pháp và Đức trong giai đoạn 2005–2011 bằng cách sử dụng phương pháp dữ liệu bảng Nghiên cứu dựa trên giả thuyết rằng các biến kinh tế vĩ mô như tăng trưởng kinh tế, lạm phát, tỷ lệ thất nghiệp và tỷ giá, cùng với các yếu tố ngân hàng như dự phòng rủi ro tín dụng, hiệu quả chi phí, đòn bẩy tài chính, khả năng thanh toán, thu nhập ngoài lãi và quy mô ngân hàng, đều ảnh hưởng đến chất lượng cho vay Kết quả cho thấy rằng ngoại trừ tỷ lệ lạm phát, các biến kinh tế vĩ mô đều tác động đến nợ xấu của cả hai nền kinh tế, với những ảnh hưởng khác nhau giữa các hệ thống ngân hàng.
Nghiên cứu của Asad Mehmood và Francesco De Luca (2023) tập trung vào tác động của thu nhập ngoài lãi đối với rủi ro tín dụng của ngân hàng thương mại, sử dụng dữ liệu từ các ngân hàng niêm yết ở 14 thị trường mới nổi Châu Á Kết quả cho thấy thu nhập ngoài lãi không chỉ có ảnh hưởng tích cực đến rủi ro tín dụng mà còn giúp bù đắp cho sự suy giảm trong các hoạt động truyền thống Đặc biệt, thu nhập ngoài lãi còn đóng vai trò quan trọng trong việc giảm rủi ro tín dụng của ngân hàng trong thời kỳ khủng hoảng.
Nghiên cứu của Das, Abhiman và Ghosh (2007) đã sử dụng các kỹ thuật dữ liệu bảng nâng cao để phân tích các yếu tố ảnh hưởng đến các khoản vay có vấn đề của ngân hàng quốc doanh Ấn Độ trong giai đoạn 1994-2005 Kết quả cho thấy rằng, ở cấp độ vĩ mô, tăng trưởng GDP có ảnh hưởng đáng kể, trong khi ở cấp độ ngân hàng, các yếu tố như tăng trưởng cho vay thực tế, chi phí hoạt động và quy mô ngân hàng cũng đóng vai trò quan trọng trong việc xác định các khoản cho vay có vấn đề.
Nghiên cứu của Dimitrios Louzis và cộng sự (2012) cho thấy rằng nợ xấu (NPL) trong hệ thống ngân hàng Hy Lạp chủ yếu bị ảnh hưởng bởi các yếu tố kinh tế vĩ mô như GDP, tỷ lệ thất nghiệp và lãi suất, cùng với chất lượng quản lý, và tác động này khác nhau giữa các loại khoản vay như cho vay tiêu dùng, cho vay kinh doanh và thế chấp Trong khi đó, nghiên cứu của Salome Musau và cộng sự (2017) chỉ ra rằng tài chính toàn diện, được đo lường qua sự sẵn có, khả năng tiếp cận và việc sử dụng ngân hàng, có tác động đáng kể đến rủi ro tín dụng, thể hiện qua tỷ lệ nợ xấu của các ngân hàng thương mại ở Kenya, với sự điều tiết của tăng trưởng kinh tế.
Raiter (2021) đã kiểm tra các yếu tố ảnh hưởng đến rủi ro tín dụng và kết luận rằng sự gia tăng của lạm phát, lãi suất và tỷ lệ thất nghiệp sẽ làm tăng rủi ro tín dụng của các ngân hàng thương mại Ngược lại, nếu tăng trưởng GDP, hiệu quả hoạt động và quy mô ngân hàng được cải thiện, rủi ro tín dụng sẽ được giảm thiểu Bên cạnh đó, nghiên cứu cũng chỉ ra rằng rủi ro tín dụng ở các ngân hàng tư nhân thấp hơn so với các ngân hàng thuộc sở hữu nhà nước.
Morina và Donjeta (2020) đã thực hiện một phân tích về các yếu tố ảnh hưởng đến rủi ro tín dụng tại các ngân hàng thương mại ở Kosovo, sử dụng phương pháp hồi quy trên dữ liệu chuỗi thời gian từ năm 2012 đến 2018 Kết quả nghiên cứu cho thấy rằng lãi suất cho vay và khả năng sinh lời của ngân hàng (ROA) là hai yếu tố có tác động lớn nhất và đáng kể nhất đến rủi ro tín dụng, đặc biệt là nợ xấu.
Nghiên cứu của Somanadevi Thiagarajan và cộng sự (2011) chỉ ra rằng có mối quan hệ nghịch đảo đáng kể giữa GDP và rủi ro tín dụng ở ngân hàng khu vực công và tư nhân Các yếu tố kinh tế vĩ mô như tăng trưởng kinh tế và tỷ lệ lạm phát, cùng với các yếu tố ngân hàng cụ thể như tăng trưởng khoản cho vay, tăng trưởng chi nhánh ngân hàng và hiệu quả chi phí, đều đóng vai trò quan trọng trong việc xác định rủi ro tín dụng của ngân hàng thương mại.
Nghiên cứu của Aver (2008) đã phân tích các yếu tố ảnh hưởng đến rủi ro tín dụng trong hệ thống ngân hàng Slovenia, xác định rằng tỷ lệ thất nghiệp, lãi suất và chỉ số thị trường chứng khoán là những yếu tố kinh tế vĩ mô quan trọng có tác động đáng kể đến rủi ro tín dụng.
Kek Swee Huan và cộng sự (2020) đã chỉ ra rằng quy mô ngân hàng, hiệu quả hoạt động, mức độ đủ vốn, khoản vay cá nhân và tỷ lệ thất nghiệp đều có ảnh hưởng đáng kể đến rủi ro tín dụng của các ngân hàng tại Malaysia.
Năm yếu tố chính tác động ngược chiều đến rủi ro tín dụng của các ngân hàng, trong khi tỷ suất sinh lời, tỷ lệ lạm phát và tỷ lệ thất nghiệp lại có ảnh hưởng không đáng kể đến rủi ro tín dụng tại Malaysia.
Nghiên cứu của Abedalfattah Zuhair (2016) chỉ ra rằng các yếu tố như hiệu quả làm việc của nhân viên tín dụng, chỉ đạo từ Ngân hàng Trung ương và chính sách tín dụng của ngân hàng có tác động đáng kể đến rủi ro tín dụng tại các ngân hàng thương mại ở Jordan.
Các nghiên cứu quốc tế đã chỉ ra rõ ràng các nhân tố vi mô và vĩ mô ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại, bao gồm cả khía cạnh định lượng và định tính.
Nghiên cứu tại Việt Nam
Tính mới của nghiên cứu
Các nghiên cứu về các nhân tố ảnh hưởng đến RRTD (rủi ro tín dụng) của ngân hàng thương mại đã được trình bày một cách chi tiết trong cả nghiên cứu quốc
Mặc dù các nghiên cứu trước đây đã chỉ ra một số nhân tố ảnh hưởng đến rủi ro tín dụng (RRTD) của ngân hàng, nhưng số lượng nhân tố vẫn còn hạn chế và chưa được đề cập đầy đủ ở cả biến vi mô và biến vĩ mô Hơn nữa, các nghiên cứu này được thực hiện trước khi xảy ra dịch bệnh Covid-19, do đó chưa phản ánh được tác động của dịch bệnh đến RRTD Trong bài khóa luận này, tác giả sẽ kế thừa những nghiên cứu trước và bổ sung các điểm mới để làm rõ hơn về tác động của các nhân tố đến RRTD của các ngân hàng thương mại Việt Nam.
Bài viết này sử dụng hai chỉ tiêu chính để đo lường rủi ro tín dụng (RRTD) của các ngân hàng thương mại, bao gồm tỷ lệ nợ xấu và tỷ lệ trích lập dự phòng rủi ro tín dụng Khác với các nghiên cứu trước đây, cả trên thế giới và tại Việt Nam, thường chỉ tập trung vào tỷ lệ nợ xấu, nghiên cứu này mở rộng đánh giá bằng cách xem xét cả tỷ lệ trích lập dự phòng, từ đó cung cấp cái nhìn toàn diện hơn về rủi ro tín dụng trong ngành ngân hàng.
Bài viết này đánh giá tác động của cả nhân tố vi mô và vĩ mô đến rủi ro tín dụng của các ngân hàng thương mại, mở rộng phạm vi các biến số nghiên cứu so với trước đây Đặc biệt, tác giả đưa vào biến số mới là đại dịch Covid-19 để phân tích mức độ ảnh hưởng của nó đến rủi ro tín dụng của các ngân hàng.
Thứ ba, bài viết làm rõ ảnh hưởng của từng nhân tố đến rủi ro tín dụng của
NHTM Việt Nam thông qua hai tiêu chí đo lường là: tỷ lệ nợ xấu và tỷ lệ trích lập dự phòng rủi ro tín dụng
Bài viết đưa ra những khuyến nghị thực tiễn phù hợp với các đối tượng liên quan, nhằm giải quyết triệt để những vấn đề tồn tại dựa trên kết quả của mô hình nghiên cứu được áp dụng trong khóa luận.
Mục tiêu, đối tượng và phạm vi nghiên cứu
Bài khóa luận được trình bày với 3 mục tiêu chính:
(i) Phân tích khái quát thực trạng về rủi ro tín dụng và các nhân tố ảnh hưởng đến rủi ro tín dụng tại các NHTM Việt Nam giai đoạn 2012-2022;
(ii) Thực hiện đánh giá các nhân tố ảnh hưởng đến rủi ro tín dụng của các NHTM Việt Nam giai đoạn 2012-2022;
Dựa trên kết quả nghiên cứu, tác giả đưa ra các khuyến nghị và giải pháp nhằm giảm thiểu rủi ro tín dụng tại các ngân hàng thương mại Việt Nam.
Bài khóa luận nghiên cứu các nhân tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam trong giai đoạn 2012-2022 Nghiên cứu xem xét cả các nhân tố bên ngoài (nhân tố vĩ mô) tác động đến ngân hàng và các nhân tố bên trong (nhân tố vi mô) xuất phát từ chính ngân hàng.
Về thời gian, bài khóa luận tập trung vào phân tích các nhân tố ảnh hưởng đến
RRTD của NHTM từ năm 2012 đến 2022 đánh dấu giai đoạn phục hồi của ngành ngân hàng sau khủng hoảng kinh tế 2008 Thời kỳ này cũng bao gồm giai đoạn 2019-2022, khi đại dịch Covid-19 bùng phát và nền kinh tế bắt đầu phục hồi sau những khó khăn do đại dịch gây ra.
Về không gian, đề tài sẽ tập trung vào 25 NHTM Việt Nam, bao gồm: ABBank,
Các ngân hàng thương mại như ACB, Bac A Bank, BIDV, Eximbank, HDBank, KienLongBank, LienVietPostBank, MBBank, MSB, Nam A Bank, NCB, OCB, PG Bank, SCB, SHB, SeABank, Sacombank, Techcombank, TPBank, VietABank, Vietcombank, VietinBank, VIB và VPBank được nghiên cứu đều có quy mô tài sản lớn và số lượng chi nhánh đáng kể Hầu hết các ngân hàng này đã công bố báo cáo tài chính từ năm 2012 đến 2022, đảm bảo tính chính xác và rõ ràng của số liệu trong mẫu nghiên cứu cũng như kết quả đạt được.
Khóa luận này tập trung nghiên cứu RRTD của các ngân hàng thương mại Việt Nam từ khía cạnh kinh tế, không đi sâu vào các yếu tố quy trình kỹ thuật, văn hóa, chính sách - pháp luật và công nghệ của ngân hàng.
Phương pháp nghiên cứu
Trong bài khóa luận, tác giả đã áp dụng hai phương pháp nghiên cứu chính là định tính và định lượng Các phương pháp định tính bao gồm phân tích, tổng hợp, so sánh và khái quát, nhằm xây dựng các giả thuyết phù hợp với đề tài nghiên cứu Ngoài ra, tác giả cũng thực hiện việc đánh giá và suy luận về kết quả nghiên cứu, từ đó đưa ra các khuyến nghị thích hợp.
Khóa luận sử dụng phương pháp định lượng bên cạnh phân tích định tính, áp dụng các mô hình như bình phương nhỏ nhất thông thường (Pooled OLS), mô hình hiệu ứng cố định (FEM), mô hình hiệu ứng ngẫu nhiên (REM) và phương pháp nhỏ nhất tổng quát khả thi (FGLS) để phân tích dữ liệu thu thập.
12 được nhằm đánh giá ảnh hưởng của các nhân tố đến rủi ro tín dụng tại NHTM Việt Nam.
Kết cấu khóa luận
Nội dung chính của khóa luận bao gồm 5 chương:
Chương 1: Cơ sở lý luận về rủi ro tín dụng và các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM
Chương 2: Thực trạng rủi ro tín dụng và các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM Việt Nam
Chương 3: Xây dựng mô hình các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM Việt Nam
Chương 4: Kết quả nghiên cứu và thảo luận về các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM Việt Nam
Chương 5: Một số giải pháp và khuyến nghị nhằm hạn chế rủi ro tín dụng tại NHTM Việt Nam
LÝ LUẬN CHUNG VỀ RỦI RO TÍN DỤNG VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN RỦI RO TÍN DỤNG TẠI NGÂN HÀNG THƯƠNG MẠI
THỰC TRẠNG RỦI RO TÍN DỤNG VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
Thực trạng rủi ro tín dụng của các ngân hàng thương mại Việt Nam
Trong bài khóa luận này, tác giả lựa chọn tỷ lệ nợ xấu (NPL) và tỷ lệ trích lập dự phòng rủi ro tín dụng (LLP) làm thước đo để đánh giá rủi ro tín dụng tại các ngân hàng thương mại (NHTM) Việt Nam Phần này sẽ trình bày tổng quan về thực trạng rủi ro tín dụng của các NHTM Việt Nam trong giai đoạn 2012-2022, thông qua việc phân tích tỷ lệ nợ xấu và tỷ lệ trích lập dự phòng rủi ro tín dụng.
2.1.1 Tỷ lệ nợ xấu (NPL)
Trong giai đoạn 2012-2022, nợ xấu đã giảm đáng kể nhờ sự ra đời của Công ty quản lý tài sản của các tổ chức tín dụng Việt Nam (VAMC) Sự can thiệp của VAMC đã giúp cải thiện tình hình tài chính của các ngân hàng, góp phần ổn định thị trường tín dụng.
Biểu đồ 2 1: Tỷ lệ nợ xấu nội bảng của các NHTM Việt Nam giai đoạn 2012-2022
Giai đoạn 2012-2015, tỷ lệ nợ xấu của hệ thống ngân hàng thương mại Việt Nam đã giảm mạnh từ 4,9% xuống còn 2,6% Sự giảm này diễn ra trong bối cảnh triển khai Đề án Cơ cấu lại hệ thống Tổ chức tín dụng (2011-2015).
Tỷ lệ nợ xấu nội bảng
Các ngân hàng thương mại (NHTM) đang chú trọng kiểm soát chất lượng tín dụng và xử lý nợ xấu để nâng cao năng lực tài chính và cải thiện quản trị rủi ro tín dụng (RRTD) trong toàn hệ thống Sự ra đời của Công ty Quản lý Tài sản Việt Nam (VAMC) cũng đóng vai trò quan trọng trong việc giảm tỷ lệ nợ xấu, khi các NHTM chủ động bán nợ xấu cho VAMC nhằm đưa tỷ lệ nợ xấu xuống dưới 3%.
Trong giai đoạn 2016-2020, Đề án Cơ cấu lại hệ thống các TCTD gắn với xử lý nợ xấu đã đạt được nhiều kết quả tích cực, đặc biệt là tỷ lệ nợ xấu toàn ngành giảm từ 2,5% xuống 1,6% Hai phương án chính để xử lý nợ xấu bao gồm việc để các NHTM tự xử lý và bán nợ cho VAMC Tuy nhiên, đại dịch Covid-19 vào đầu năm 2020 đã làm gia tăng tỷ lệ nợ xấu, đạt 1,92% vào cuối năm 2022, bất chấp nền kinh tế phục hồi Để hỗ trợ khách hàng bị ảnh hưởng bởi dịch, NHNN đã ban hành các thông tư cho phép cơ cấu lại thời hạn trả nợ, dẫn đến một số khoản cho vay quá hạn không được xếp vào nợ xấu Do đó, tỷ lệ nợ xấu hiện tại không phản ánh chính xác chất lượng tín dụng của các ngân hàng.
2.1.2 Tỷ lệ trích lập dự phòng rủi ro tín dụng
Tỷ lệ trích lập dự phòng rủi ro tín dụng đóng vai trò quan trọng trong việc đánh giá rủi ro tín dụng của ngân hàng, bên cạnh nợ xấu Việc chú trọng đến chỉ số này giúp ngân hàng quản lý rủi ro hiệu quả hơn.
Biểu đồ 2 2: Tỷ lệ trích lập dự phòng của một số ngân hàng giai đoạn 2018-2022
Nguồn: Tác giả tự tổng hợp từ dữ liệu tính toán
Biểu đồ tỷ lệ trích lập dự phòng của 14 ngân hàng thương mại tại Việt Nam trong giai đoạn 2018-2019 cho thấy tỷ lệ này dao động từ 1% đến 2,5% Vietcombank, BIDV và Vietinbank là những ngân hàng có tỷ lệ trích lập cao nhất, do dư nợ cho vay của họ chiếm tỷ trọng lớn trong tổng dư nợ của toàn ngành Điều này dẫn đến việc cần trích lập dự phòng nhiều hơn để phòng ngừa rủi ro từ hoạt động tín dụng.
Trong giai đoạn 2020-2021, mặc dù dịch Covid-19 bùng phát mạnh, tăng trưởng tín dụng vẫn đạt mức cao nhờ kiểm soát tốt dịch bệnh trong nước Tỷ lệ nợ xấu được duy trì dưới 3%, tuy nhiên, các ngân hàng đã gia tăng tỷ lệ trích lập dự phòng rủi ro tín dụng để đảm bảo an toàn hoạt động Các ngân hàng nhỏ, như VIB, cũng chú trọng đến dự phòng rủi ro, với tỷ lệ trích lập tăng mạnh lên 12,76% vào năm 2021.
VCB MBB BIDV ACB CTG TCB TPB STB LPB SHB TPB VPB MSB VIB
26 dù năm 2020, tỷ lệ này chỉ ở mức 1,02%
Từ cuối năm 2021 đến năm 2022, nợ xấu có xu hướng tăng khi các khoản nợ được cơ cấu lại và chuyển nhóm nợ, gây khó khăn trong việc xử lý nếu không có dự phòng rủi ro tín dụng Theo số liệu, tỷ lệ trích lập dự phòng rủi ro tín dụng của Lienvietpostbank và SHB đã tăng đáng kể so với năm 2021, lần lượt là 0,58% và 0,55% Ngân hàng Quốc tế (VIB) mặc dù giảm 5,5% tỷ lệ trích lập vào năm 2022, nhưng vẫn dẫn đầu với 7,26% Các ngân hàng kỳ vọng vào chất lượng khoản cho vay sẽ cải thiện khi nền kinh tế trở lại trạng thái bình thường mới, mở ra cơ hội cho hoạt động kinh doanh của cá nhân và doanh nghiệp.
Thực trạng các nhân tố ảnh hưởng đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam
2.2.1 Thực trạng các nhân tố bên ngoài
2.2.1.1 Tăng trưởng kinh tế (GDP)
Trong những năm gần đây, nền kinh tế Việt Nam có sự tăng trưởng đều trước sự xuất hiện của đại dịch Covid-19
Biểu đồ 2 3: Tốc độ tăng trưởng kinh tế của Việt Nam giai đoạn 2012-2022
Nguồn số liệu: World Bank (WB, 2023)
Tốc độ tăng trưởng nền kinh tế giai đoạn 2012-2019 duy trì trong khoảng từ 5%
- 7%/năm Nền kinh tế tăng trưởng góp phần thúc đẩy nhu cầu sử dụng các dịch vụ
27 tài chính của người dân, tạo điều kiện cho các NHTM tiếp tục thay đổi và phát triển các sản phẩm để đáp ứng nhu cầu đa dạng đó
Trong giai đoạn 2020-2021, nền kinh tế Việt Nam chịu ảnh hưởng nặng nề từ dịch bệnh, với GDP giảm mạnh xuống 2,87% vào năm 2020 và 2,56% vào năm 2021, mức tăng trưởng thấp nhất trong những năm gần đây Tuy nhiên, trong bối cảnh dịch bệnh, tốc độ tăng trưởng GDP của Việt Nam năm 2020 vẫn được xếp vào nhóm cao nhất thế giới Sự bùng phát của đại dịch đã làm thay đổi rõ rệt hoạt động của các ngân hàng, khi lệnh phong tỏa và giãn cách xã hội khiến người dân khó tiếp cận các sản phẩm ngân hàng trực tiếp Mặc dù vậy, đại dịch cũng tạo cơ hội cho các ngân hàng thương mại phát triển dịch vụ số, khi nhu cầu về thanh toán trực tuyến như mobile banking và ví điện tử gia tăng Tuy nhiên, suy thoái kinh tế đã dẫn đến giảm thu nhập, ảnh hưởng đến khả năng trả nợ của người dân Thị trường bất động sản trở nên nhạy cảm, với sự gia tăng nhanh chóng trong dư nợ cho vay và rủi ro nợ xấu, đặc biệt khi thanh khoản thị trường bất động sản suy giảm vào năm 2022.
Nền kinh tế đã phục hồi mạnh mẽ vào năm 2022 với GDP tăng 8,02%/năm Quyết định tăng room tín dụng từ Ngân hàng Nhà nước hứa hẹn mang lại cơ hội mới cho nhà đầu tư và các ngân hàng thương mại Nhà đầu tư có thể tiếp cận nguồn vốn rộng hơn, trong khi thu nhập từ lãi của ngân hàng thương mại cũng tăng lên Tuy nhiên, vấn đề rủi ro tín dụng cần được kiểm soát chặt chẽ hơn.
Tỷ lệ lạm phát trong giai đoạn 2012-2022 tại Việt Nam có sự thay đổi đáng kể
Biểu đồ 2 4: Tỷ lệ lạm phát tại Việt Nam giai đoạn 2012-2022
Nguồn số liệu: World Bank (WB, 2023)
Giai đoạn 2012-2015 chứng kiến tỷ lệ lạm phát giảm mạnh từ 9,09% năm 2012 xuống 0,63% năm 2015, chủ yếu do giá xăng dầu thế giới giảm Tuy nhiên, từ năm 2020-2021, đại dịch Covid-19 đã mang lại nhiều thách thức cho nền kinh tế toàn cầu, làm gia tăng rủi ro và bất định Tại Việt Nam, tỷ lệ lạm phát tăng lên 3,22% năm 2020 nhưng sau đó giảm xuống 1,83% năm 2021, mức thấp nhất kể từ năm 2015.
Năm 2022, nền kinh tế phục hồi đã dẫn đến nhu cầu sản xuất hàng hóa phục vụ tiêu dùng và xuất khẩu gia tăng Mặc dù giá hàng hóa trên thế giới tăng, nhưng mặt bằng giá cơ bản vẫn được kiểm soát, với tỷ lệ lạm phát đạt 3,2%.
Lực lượng lao động tại Việt Nam tiếp tục gia tăng nhờ vào sự phát triển của dân số Đến hết quý I năm 2023, dân số Việt Nam đạt 99,5 triệu người, với tỷ lệ tham gia lực lượng lao động là 68,9%.
Biểu đồ 2 5: Tỷ lệ thất nghiệp tại Việt Nam giai đoạn 2012-2022
Nguồn số liệu: WB (2022), Tổng cục thống kê (2023)
Theo thống kê, tỷ lệ lao động không có việc làm tại Việt Nam đã gia tăng trong các giai đoạn 2014-2017 và 2019-2021 Dưới tác động phức tạp của dịch bệnh, số lượng người thất nghiệp tiếp tục tăng, đạt mức 2,28% vào năm 2021, cao nhất trong 10 năm qua.
Lãi suất thực tại Việt Nam giảm mạnh trong giai đoạn 2015-2017 khi ghi nhận mức giảm từ 8,9% xuống 2,59% và đạt 6% vào năm 2022 sau lần giảm duy nhất vào năm 2021
Biểu đồ 2 6: Lãi suất thực của Việt Nam giai đoạn 2012-2022
Thị trường tài chính - tiền tệ thế giới năm 2015 trải qua nhiều biến động lớn, bao gồm cả sự tăng giá mạnh của đồng USD, việc Fed tăng lãi suất và sự giảm giá mạnh của đồng Nhân dân tệ Trung Quốc Những biến động này đã tạo ra tác động đáng kể đến thị trường tài chính - tiền tệ Việt Nam, dẫn đến sự tăng vọt về lãi suất, tỷ giá và chứng khoán Trong bối cảnh đó, lãi suất tăng kèm theo tỷ lệ lạm phát thấp (0,63%) đã trở thành rủi ro lớn nhất đối với an ninh tài chính và tiền tệ của Việt Nam Tỷ lệ lạm phát đã trải qua nhiều biến động trong những năm gần đây, từ mức thấp nhất 2,59% vào năm 2017 đến mức tăng trở lại sau đó và giảm xuống 4,9% vào năm 2021 do đại dịch Tuy nhiên, khi nền kinh tế bắt đầu phục hồi vào năm 2022, tỷ lệ lạm phát đã tăng 1,37% so với năm 2021, buộc Ngân hàng Nhà nước (NHNN) phải tăng lãi suất để ổn định thị trường tài chính tiền tệ trong nước.
2.2.2.5 Sự xuất hiện của dịch bệnh Covid-19
Sự bùng phát của đại dịch Covid-19 từ năm 2020 đã dẫn đến sự gia tăng nhanh chóng số ca nhiễm bệnh trên toàn cầu, buộc nhiều chính phủ phải áp dụng lệnh phong tỏa dài hạn để ngăn chặn virus Các biện pháp này đã gây ảnh hưởng nghiêm trọng đến nền kinh tế toàn cầu, đặc biệt là ở Đông Nam Á Theo báo cáo của WB (2021), trong năm 2020, Việt Nam, Myanmar, Brunei và Lào là những quốc gia duy nhất có tăng trưởng kinh tế dương, với mức tăng trưởng lần lượt là +2,8%, +1,7%, +1,2% và +1,2% Đến quý I/2021, theo thống kê của Bloomberg (2021), chỉ có Singapore (+0,2%) và Việt Nam (+4,48%) ghi nhận tăng trưởng dương so với cùng kỳ năm trước, trong khi Malaysia (-0,5%), Indonesia (-0,75%), Thái Lan (-2,6%) và Philippines (-4,2%) đều có tăng trưởng âm.
Đại dịch Covid-19 đã gây ra những khó khăn nghiêm trọng cho nền kinh tế Việt Nam, đặc biệt là trong lĩnh vực ngân hàng, do các lệnh giãn cách kéo dài Tốc độ tăng trưởng kinh tế giảm mạnh, với GDP chỉ đạt 2,87% vào năm 2020 và 2,56% vào năm 2021, so với mức tăng trưởng bình quân 6% - 8% trước khi dịch bệnh bùng phát Điều này cho thấy tác động sâu rộng của đại dịch đối với nền kinh tế quốc gia.
Đại dịch Covid-19 đã tác động mạnh mẽ đến nền kinh tế quốc gia, đặc biệt là ngành tài chính - ngân hàng - bảo hiểm, với tốc độ tăng trưởng chỉ đạt 6,7% trong năm 2020, thấp hơn so với 8,62% của năm 2019 Tăng trưởng tín dụng của hệ thống ngân hàng cũng giảm còn 10,14% so với 12,14% năm trước Tuy nhiên, bên cạnh những khó khăn, đại dịch cũng tạo ra cơ hội cho ngành ngân hàng chuyển đổi từ mô hình truyền thống sang kênh số, mang lại sự tiện lợi cho khách hàng Nhờ đó, các sản phẩm và dịch vụ ngân hàng trên nền tảng số đã ghi nhận sự tăng trưởng đáng kể trong giai đoạn này.
2.2.2 Thực trạng các nhân tố bên trong
Tổng tài sản của toàn ngành ngân hàng tăng nhanh trong giai đoạn từ năm 2012-
Năm 2022 đã chứng kiến sự phát triển mạnh mẽ về quy mô của các ngân hàng thương mại, đồng thời nhấn mạnh vai trò quan trọng của các ngân hàng trong nền kinh tế.
Biểu đồ 2 7: Quy mô tổng tài sản của các NHTM Việt Nam giai đoạn 2012-2022
Nguồn số liệu: Báo cáo thường niên của NHNN qua các năm
Theo báo cáo của NHNN, tổng tài sản của hệ thống ngân hàng đã tăng từ 5,08 triệu tỷ đồng vào năm 2012 lên 18,28 triệu tỷ đồng vào năm 2022.
Năm 2022, tổng tài sản của các ngân hàng thương mại (NHTM) tăng 14,5% so với năm 2021, cho thấy sự hiệu quả trong hoạt động kinh doanh và khả năng mở rộng quy mô tài sản Trong bối cảnh dịch bệnh, các sản phẩm dịch vụ ngân hàng số ngày càng được ưa chuộng, đáp ứng nhu cầu thanh toán và chi tiêu của người dân Mặc dù thu nhập từ lãi vay giảm do chính sách thắt chặt tín dụng và nhu cầu vay giảm, các NHTM đã gia tăng doanh thu từ phí và dịch vụ khác, giúp củng cố lợi nhuận và giảm sự phụ thuộc vào thu nhập lãi Theo báo cáo tài chính năm 2022, BIDV dẫn đầu về tổng tài sản với 2,1 tỷ đồng, tiếp theo là Vietcombank (1,81 tỷ đồng), Vietinbank (1,8 tỷ đồng) và MBBank (0,7 tỷ đồng).
2.2.2.2 Dư nợ tín dụng trên số dư tiền gửi
Tỷ lệ dư nợ tín dụng so với vốn huy động của toàn hệ thống ngân hàng có sự biến động nhẹ qua các năm trong giai đoạn 2012-2022
Biểu đồ 2 8: Tỷ lệ dư nợ tín dụng so với vốn huy động toàn ngân hàng giai đoạn
Tỷ lệ dư nợ tín dụng so với tổng tiền gửi năm 2012 đạt 101,64% cho thấy tổng
Dư nợ tín dụng hiện đang vượt quá tổng tiền gửi của hệ thống ngân hàng, cho thấy tình trạng thanh khoản kém tại các ngân hàng thương mại Trong giai đoạn 2013-2018, tỷ lệ LDR của toàn ngành ngân hàng duy trì dưới 100%, với biến động nhẹ, nhưng đã giảm mạnh xuống còn 81,84% vào năm 2019 Theo csi.com, dư nợ tín dụng năm 2018 đạt 7,21%, trong khi số tiền gửi huy động được là 7,72% Mặc dù cả hai đều có sự tăng trưởng so với năm 2017, nhưng tốc độ tăng của tiền gửi (12,79%) thấp hơn tốc độ giảm của dư nợ tín dụng, dẫn đến sự giảm của LDR vào năm 2018.
Hình 2 1: Dư nợ tín dụng và số dư tiền gửi của toàn ngành ngân hàng giai đoạn
Thực trạng huy động tiền gửi tăng trưởng chậm hơn nhiều so với tăng trưởng tín dụng vào năm 2021 do mặt bằng lãi suất thấp để hỗ trợ nền kinh tế vượt qua khó khăn do dịch Covid-19 Trong bối cảnh lãi suất huy động thấp, dòng vốn từ dân cư chảy mạnh vào thị trường cổ phiếu và trái phiếu doanh nghiệp có mức sinh lời hấp dẫn hơn tiền gửi tiết kiệm Tín dụng cho nền kinh tế bắt đầu lấy lại đà tăng trưởng từ cuối năm 2021 đến 2022, trong khi lãi suất huy động vẫn duy trì ở mức thấp khiến nguồn vốn huy động từ dân cư tăng trưởng chậm hơn so với tín dụng, dẫn đến tỷ lệ LDR đạt ngưỡng trên 100% (103,1%) vào năm 2022.
2.2.2.3 Tốc độ tăng trưởng tín dụng
XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ ẢNH HƯỞNG CỦA CÁC NHÂN TỐ ĐẾN RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
Thu thập và xử lý dữ liệu
Bài viết phân tích ảnh hưởng của các yếu tố vi mô và vĩ mô đến rủi ro tín dụng của ngân hàng thương mại Việt Nam trong giai đoạn 2012-2022 Dữ liệu vi mô được thu thập từ báo cáo tài chính của 25 ngân hàng thương mại, bao gồm bảng cân đối kế toán, báo cáo kết quả kinh doanh và thuyết minh báo cáo tài chính Đồng thời, số liệu vĩ mô được lấy từ Tổng cục Thống kê Việt Nam, Ngân hàng Thế giới và Quỹ Tiền tệ Quốc tế.
Dữ liệu thu thập được từ 25 NHTM Việt Nam trong giai đoạn từ 2012-2022
Trong suốt 11 năm, tác giả đã tập hợp 275 mẫu quan sát vào file Excel, đây là số liệu được chấp nhận để thực hiện hồi quy và kiểm định thống kê Sau khi thu thập, dữ liệu được xử lý và làm sạch bằng Excel Cuối cùng, tác giả tiến hành mã hóa dữ liệu cho các biến định tính, như tên ngân hàng, và thực hiện hồi quy bằng phần mềm Stata 17.
Phương pháp phân tích dữ liệu
Dữ liệu trong bài khóa luận được sử dụng là dữ liệu bảng, kết hợp giữa dữ liệu chuỗi thời gian và dữ liệu chéo Dữ liệu bảng chứa các quan sát lặp lại theo thời gian của nhiều đối tượng, trong đó thời gian quan sát là đồng nhất, dẫn đến việc dữ liệu bảng là cân bằng.
Tác giả kế thừa các nghiên cứu trước đây và lựa chọn ba mô hình để triển khai dữ liệu bảng, bao gồm mô hình hồi quy bình phương nhỏ nhất (Pooled OLS), mô hình hồi quy tác động cố định (FEM) và mô hình hồi quy tác động ngẫu nhiên (REM) Ngoài ra, tác giả cũng áp dụng phương pháp hồi quy FGLS (Feasible generalized least squares) để khắc phục những khuyết tật trong các mô hình này.
Đề xuất mô hình nghiên cứu
3.3.1 Xây dựng mô hình nghiên cứu
Dựa trên cơ sở lý thuyết về các nhân tố ảnh hưởng đến rủi ro tín dụng của các
NHTM, mối quan hệ giữa các biến trong mô hình được thể hiện như sau:
Hình 3 1: Mối quan hệ giữa biến độc lập và biến phụ thuộc trong mô hình
Nguồn: Tác giả tổng hợp từ giả thuyết nghiên cứu
Dựa trên các mô hình nghiên cứu của Lê Thanh Tâm, Đoàn Minh Ngọc và Bùi Thu Giang (2021), tác giả đã phát triển hai mô hình nhằm đánh giá tác động của các yếu tố đến rủi ro tín dụng tại các ngân hàng thương mại Việt Nam.
Mô hình 1: NPL là biến phụ thuộc
NPL it = α 0 + α 1 SIZE it + α 2 LDR it + α 3 LG it + α 4 ROA it + α 5 NII it + α 6 LIR it
+ α 7 GDP it + α 8 INF it + α 9 UEP it + α 10 RIR it + α 11 COV it + 𝜇 𝑖 (𝟏)
Mô hình 2: LLP là biến phụ thuộc
LLP it = β 0 + β 1 SIZE it + β 2 LDR it + β 3 LG it + β 4 ROA it + β 5 NII it + β 6 LIR it
+ β 7 GDP it + β 8 INF it + β 9 UEP it + β 10 RIR it + β 11 COV it + 𝜇 𝑖 (𝟐)
𝑁𝑃𝐿 𝑖𝑡 : Tỷ lệ nợ xấu của ngân hàng i năm t
𝐿𝐿𝑃 𝑖𝑡 : Tỷ lệ trích lập dự phòng rủi ro tín dụng của ngân hàng i năm t
𝑆𝐼𝑍𝐸 𝑖𝑡 : Logarit tự nhiên tổng tài sản của ngân hàng i năm t
𝐿𝐷𝑅 𝑖𝑡 : Tỷ lệ dư nợ tín dụng so với số dư tiền gửi của ngân hàng i năm t
𝐿𝐺 𝑖𝑡 : Tăng trưởng tín dụng của ngân hàng i năm t so với năm t-1
𝑅𝑂𝐴 𝑖𝑡 : Tỷ suất sinh lời trên tổng tài sản của ngân hàng i năm t
𝑁𝐼𝐼 𝑖𝑡 : Tỷ lệ thu nhập ngoài lãi trên tổng thu nhập hoạt động của ngân hàng i năm t
𝐿𝐼𝑅 𝑖𝑡 : Tỷ lệ thu nhập lãi thuần trên dư nợ ròng bình quân của ngân hàng i năm t
𝐺𝐷𝑃 𝑖𝑡 : Tăng trưởng kinh tế của Việt Nam năm t
𝐼𝑁𝐹 𝑖𝑡 : Tỷ lệ lạm phát của Việt Nam năm t
𝑈𝐸𝑃 𝑖𝑡 : Tỷ lệ thất nghiệp của Việt Nam năm t
𝑅𝐼𝑅 𝑖𝑡 : Lãi suất thực của Việt Nam năm t
Sự xuất hiện của dịch bệnh Covid-19 đã làm thay đổi nhiều khía cạnh của cuộc sống Nếu không có đại dịch, giá trị của các yếu tố liên quan sẽ là 0, nhưng khi dịch bệnh xảy ra, giá trị này tăng lên 1 Điều này nhấn mạnh tầm quan trọng của Covid-19 trong việc tác động đến xã hội và kinh tế.
3.3.2 Mối quan hệ giữa biến độc lập và biến phụ thuộc
Dựa trên lý thuyết về các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam, tác giả đã xác định và mô tả cụ thể các yếu tố này, cùng với phương pháp đo lường chúng Bài viết cũng trình bày dấu hiệu kỳ vọng của các biến độc lập đối với biến phụ thuộc trong bối cảnh rủi ro tín dụng.
Bảng 3 1: Tổng hợp các biến số sử dụng trong mô hình
STT Biến Ký hiệu Đo lường Dấu kỳ vọng Biến độc lập
1 Quy mô ngân hàng SIZE Logarit tự nhiên tổng tài sản của ngân hàng (+/-)
2 Dư nợ tín dụng trên số dư tiền gửi LDR Dư nợ tín dụng/Số dư tiền gửi (-)
3 Tăng trưởng tín dụng LG
[Dư nợ tín dụng năm t - Dư nợ tín dụng năm (t-1)]/Dư nợ tín dụng năm (t-1)
4 Hiệu quả hoạt động ROA Lợi nhuận sau thuế/Tổng tài sản bình quân (+/-)
5 Thu nhập ngoài lãi NII Thu nhập ngoài lãi/Tổng thu nhập hoạt động (-)
6 Lãi suất cho vay LIR Thu nhập lãi thuần/Tổng dư nợ ròng bình quân (+)
7 Tăng trưởng kinh tế GDP GDP (+/-)
8 Tỷ lệ lạm phát INF Tỷ lệ lạm phát (+)
9 Tỷ lệ thất nghiệp UEP Tỷ lệ thất nghiệp (+)
10 Lãi suất thực RIR Lãi suất thực (%) (+)
11 Sự xuất hiện của dịch
Covid-19 COV Nhận giá trị bằng 0 hoặc 1 (+)
1 Tỷ lệ nợ xấu NPL Nợ xấu/Tổng dư nợ tín dụng
2 Tỷ lệ trích lập dự phòng rủi ro tín dụng LLP Mức dự phòng rủi ro tín dụng/Tổng dư nợ tín dụng
Nguồn: Tác giả tổng hợp từ cơ sở lý thuyết
Giả thuyết nghiên cứu
Ảnh hưởng của các nhân tố bên trong và bên ngoài đến rủi ro tín dụng của các ngân hàng thương mại Việt Nam sẽ được phân tích dựa trên những giả thuyết đã đề cập trong Chương 1.
H1: Quy mô ngân hàng có tác động đến rủi ro tín dụng của NHTM
H2: Dư nợ tín dụng trên số dư tiền gửi có tác động ngược chiều đến rủi ro tín dụng của NHTM
H3: Tăng trưởng tín dụng có tác động cùng chiều đến rủi ro tín dụng của NHTM
H4: Hiệu quả hoạt động có tác động đến rủi ro tín dụng của NHTM
Thu nhập ngoài lãi ảnh hưởng ngược đến rủi ro tín dụng của ngân hàng thương mại, trong khi lãi suất cho vay lại có tác động cùng chiều với rủi ro tín dụng.
H7: Tăng trưởng kinh tế có tác động đến rủi ro tín dụng của NHTM
H8: Tỷ lệ lạm phát có tác động cùng chiều đến rủi ro tín dụng của NHTM
H9: Tỷ lệ thất nghiệp có tác động cùng chiều đến rủi ro tín dụng của NHTM
H10: Lãi suất thực có tác động cùng chiều đến rủi ro tín dụng của NHTM
H11: Dịch Covid-19 có tác động cùng chiều đến rủi ro tín dụng của NHTM
Quy trình nghiên cứu
Để đánh giá ảnh hưởng của các yếu tố đến rủi ro tín dụng tại các ngân hàng thương mại Việt Nam, tác giả đã thực hiện phân tích thống kê mô tả các biến trong mô hình, tiếp theo là phân tích tương quan, và cuối cùng là lựa chọn mô hình phù hợp cho nghiên cứu.
3.5.1 Phân tích thống kê mô tả
Sau khi nhập dữ liệu vào phần mềm Stata, tác giả tiến hành phân tích dữ liệu bắt đầu bằng thống kê mô tả Kết quả này cung cấp cái nhìn tổng quát về các mẫu quan sát, bao gồm giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất của tất cả các biến trong mô hình.
3.5.2 Lựa chọn mô hình phân tích phù hợp
Hình 3 2: Sơ đồ hóa quy trình triển khai các mô hình hồi quy
Nguồn: tác giả tự tổng hợp
Các bước thực hiện lựa chọn mô hình phù hợp cho bài viết:
Bước 1: Tác giả tiến hành kiểm định F-test để so sánh hai mô hình hồi quy, bao gồm Pooled OLS và mô hình FEM, nhằm xác định mô hình phù hợp nhất cho mẫu nghiên cứu.
Sau khi xác định mô hình hồi quy phù hợp giữa Pooled OLS và FEM ở bước 1, tác giả tiến hành kiểm định Breusch-Pagan để lựa chọn giữa hai mô hình hồi quy Pooled OLS và REM.
Sau khi hoàn thành hai bước đầu, nếu kết quả cho thấy mô hình Pooled OLS phù hợp hơn so với FEM và REM, tác giả sẽ chọn phương pháp hồi quy Pooled OLS Ngược lại, nếu mô hình FEM và REM được xác định là phù hợp hơn, tác giả sẽ tiếp tục thực hiện bước 3.
Sau khi hoàn thành bước 1 và 2, kết quả cho thấy mô hình FEM và REM đều phù hợp với mẫu nghiên cứu Tác giả tiếp tục thực hiện kiểm định Hausman để lựa chọn giữa hai mô hình này Nếu giá trị P-value thu được nhỏ hơn 0.05, giả thuyết H0 sẽ bị bác bỏ, cho thấy mô hình FEM là lựa chọn phù hợp hơn so với mô hình REM Ngược lại, nếu giá trị P-value lớn hơn 0.05, mô hình REM sẽ được ưu tiên.
46 value lớn hơn 0.05 thì mô hình REM là phù hợp
Bước 4: Sau khi lựa chọn mô hình hồi quy giữa FEM và REM, tác giả tiến hành các kiểm định phần dư để phát hiện khuyết tật trong mô hình, bao gồm kiểm tra hiện tượng phương sai sai số thay đổi và tự tương quan Để kiểm tra phương sai sai số thay đổi, tác giả áp dụng kiểm định Breusch-Pagan cho mô hình REM và kiểm định Wald cho mô hình FEM Đồng thời, để phát hiện hiện tượng tự tương quan, tác giả sử dụng kiểm định Wooldridge.
Bước 5: Sau khi thực hiện các kiểm định phần dư, nếu không có hiện tượng phương sai sai số thay đổi và tự tương quan, tác giả kết luận dựa trên bước 3 Ngược lại, nếu phát hiện những hiện tượng này, tác giả sẽ sử dụng phương pháp FGLS (Feasible generalized least squares) để hồi quy dữ liệu bảng, từ đó khắc phục các khuyết tật và coi kết quả thu được qua FGLS là kết quả cuối cùng của quá trình.
Chương 3 đã trình bày cách thức, phương pháp thu thập và xử lý dữ liệu đối với các mẫu nghiên cứu được sử dụng trong mô hình Đồng thời, tác giả cũng đề xuất mô hình nghiên cứu các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM Việt Nam với hai biến phụ thuộc là tỷ lệ nợ xấu (NPL) và tỷ lệ trích lập dự phòng rủi ro tín dụng (LLP) Dựa trên cơ sở lý thuyết về các nhân tố ảnh hưởng đến rủi ro tín dụng của NHTM được đề cập đến ở chương 1, tác giả xây dựng lại các giả thuyết nghiên cứu trước đó Cuối cùng là trình bày quy trình triển khai các mô hình nghiên cứu cũng như các kiểm định được sử dụng trong bài viết
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN RỦI RO TÍN DỤNG CỦA NHTM VIỆT NAM
Phân tích thống kê mô tả
Dữ liệu thống kê giúp người đọc hiểu rõ hơn về các đặc điểm của biến trong mô hình, bao gồm mẫu quan sát (Obs), giá trị trung bình (Mean), độ lệch chuẩn (Std.dev), giá trị lớn nhất (Max) và giá trị nhỏ nhất (Min) của tất cả các biến số.
Bảng 4 1: Thống kê mô tả các biến số
Variable Obs Mean Std dev Min Max
Nguồn: Kết quả thu được từ phần mềm Stata
Dựa trên bảng thống kê, tỷ lệ nợ xấu (NPL) bình quân của toàn hệ thống ngân hàng giai đoạn 2012-2022 đạt 2,07%, nằm trong mức an toàn dưới 3% theo quy định của Ngân hàng Nhà nước (NHNN) Tuy nhiên, tỷ lệ này có sự biến động đáng kể, từ mức thấp nhất là 0,45% đến mức cao nhất là 14,41% (tỷ lệ nợ xấu của MSB năm 2022) Đồng thời, tỷ lệ tích lập dự phòng rủi ro tín dụng (LLP) của toàn ngành ngân hàng trong giai đoạn này cũng có sự thay đổi đáng kể, từ 0,007% lên tới 15,87% và đạt giá trị trung bình là 1,64%.
Trong giai đoạn 2012-2022, quy mô ngân hàng (SIZE) tăng từ 7,17 lên 9,33, với giá trị trung bình là 8,17 Dư nợ tín dụng trên số dư tiền gửi (LDR) có giá trị trung bình 81,66%, dao động từ 25,92% đến 130,83% Tốc độ tăng trưởng tín dụng (LG) bình quân đạt 19,44%, với mức cao nhất là 129,87% và thấp nhất là -36,31% Hiệu quả hoạt động (ROA) dao động từ 0% đến 3,65%, trung bình đạt 0,98% Tỷ lệ thu nhập ngoài lãi trên tổng thu nhập hoạt động (NII) trung bình 19,44%, với giá trị nhỏ nhất -25,94% và lớn nhất 78,56% Lãi suất cho vay (LIR) trong ngành ngân hàng đạt mức cao nhất 11,9% và thấp nhất 0,64%.
Tốc độ tăng trưởng kinh tế (GDP) của Việt Nam trong giai đoạn 2012-2022 đạt bình quân 6,03%, dao động từ 2,56% đến 8,02% Tỷ lệ lạm phát (INF) cao nhất ghi nhận vào năm 2012 với 9,09% và thấp nhất vào năm 2015 với 0,63% Tỷ lệ thất nghiệp (UEP) biến động trong khoảng từ 1,03% đến 2,38% Lãi suất thực trong giai đoạn này dao động từ 2,59% đến 8,9%, với giá trị trung bình là 5,2% Biến Covid-19 (COV) đạt giá trị cao nhất là 1 trong thời gian dịch bệnh bùng phát từ năm 2019 đến 2021 và thấp nhất là 0 khi chưa xảy ra đại dịch.
Phân tích tương quan giữa các biến và kiểm định đa cộng tuyến
4.2.1 Ma trận tương quan giữa các biến trong mô hình
Như đã được đề cập ở chương 3, NPL và LLP là hai biến phụ thuộc đại diện
Khi đánh giá ảnh hưởng của các nhân tố đến rủi ro tín dụng của ngân hàng thương mại (NHTM) Việt Nam, việc phân tích ma trận tương quan giữa các biến trong mô hình là cần thiết Điều này giúp chúng ta có cái nhìn tổng quát về mối quan hệ giữa các biến số, từ đó có thể xác định rõ các yếu tố ảnh hưởng đến rủi ro tín dụng Thông qua phân tích này, chúng ta có thể đánh giá mối quan hệ giữa các biến phụ thuộc đại diện và các biến độc lập, nhằm đưa ra những kết luận chính xác về ảnh hưởng của các nhân tố đến rủi ro tín dụng của NHTM Việt Nam.
Bảng 4 2: Ma trận tương quan giữa các biến trong mô hình NPL
NPL SIZE LDR LG ROA NII LIR GDP INF UEP RIR COV
Nguồn: Kết quả thu được từ phần mềm Stata
Ma trận tương quan trong mô hình với NPL cho thấy rằng các biến độc lập như LG, NII, LIR, GDP và INF có mối tương quan dương với NPL Ngược lại, các biến SIZE, LDR, ROA UEP, RIR và COV lại thể hiện sự tương quan âm với NPL.
Bảng 4 3: Ma trận tương quan giữa các biến trong mô hình LLP
LLP SIZE LDR LG ROA NII LIR GDP INF UEP RIR COV
Nguồn: Kết quả thu được từ phần mềm Stata
Mô hình nghiên cứu cho thấy rằng LLP là biến phụ thuộc, trong khi các biến độc lập như SIZE, LG, ROA, NII, LIR, INF và RIR đều có mối tương quan dương với LLP Ngược lại, các biến LDR, GDP, UEP và COV lại có mối tương quan âm với tỷ lệ trích lập dự phòng rủi ro tín dụng (LLP).
Phân tích tương quan giữa các biến số trong hai mô hình với NPL và LLP, là các biến phụ thuộc, cho thấy rằng những biến số được chọn có mối quan hệ dương hoặc âm với rủi ro tín dụng của các ngân hàng thương mại Việt Nam.
4.2.2 Kiểm định đa cộng tuyến
Trong phân tích tương quan giữa các biến số trong mô hình, hệ số tương quan có giá trị tuyệt đối lớn hơn 0,8 sẽ dẫn đến hiện tượng đa cộng tuyến Kết quả từ ma trận tương quan cho thấy giá trị tương quan của các biến trong hai mô hình đều nhỏ hơn 0,8, cho phép kết luận rằng hai mô hình với biến phụ thuộc là NPL và LLP không xuất hiện hiện tượng đa cộng tuyến Để củng cố kết luận này, tác giả tiếp tục
Việc thực hiện hồi quy mô hình với kiểm định hệ số nhân tử phóng đại phương sai (VIF) là cần thiết để kiểm tra tính đa cộng tuyến của các biến số trong mô hình.
Bảng 4 4: Kết quả kiểm định VIF
Nguồn: Kết quả thu được từ phần mềm Stata
Kết quả phân tích cho thấy hệ số nhân từ phóng đại phương sai (VIF) trung bình là 1.94, với tất cả các biến độc lập trong mô hình đều có giá trị VIF nhỏ hơn 5 Điều này cho phép kết luận rằng các biến trong hai mô hình có mối quan hệ tương quan vừa phải, không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.
53 thực hiện các kiểm định tiếp theo.
Kiểm định sự phù hợp giữa các mô hình Pooled OLS, FEM và REM
Sau khi thực hiện hồi quy mô hình và kiểm tra hiện tượng đa cộng tuyến bằng hệ số nhân tử phóng đại phương sai, tác giả tiến hành lựa chọn mô hình hồi quy phù hợp giữa Pooled OLS, FEM và REM.
4.3.1 Kiểm định lựa chọn mô hình Pooled OLS và mô hình FEM Để lựa chọn mô hình hồi quy phù hợp giữa Pooled OLS và FEM, tác giả tiến hành thực hiện kiểm định F-test Hai giả thuyết được đưa ra là:
H0: Mô hình Pooled OLS phù hợp với mẫu nghiên cứu
H1: Mô hình FEM phù hợp với mẫu nghiên cứu
Bảng 4 5: Kết quả kiểm định F-test lựa chọn giữa mô hình Pooled OLS và
Nguồn: Kết quả thu được từ phần mềm Stata
Sau khi thực hiện kiểm định F để lựa chọn mô hình hồi quy phù hợp giữa Pooled OLS và FEM, kết quả cho thấy giá trị Prob > F của hai mô hình với NPL và LLP lần lượt là 0.0012 và 0.0000, đều nhỏ hơn 0.05 Điều này cho phép bác bỏ giả thuyết H0, xác nhận rằng mô hình FEM là phù hợp với mẫu nghiên cứu.
4.3.2 Kiểm định lựa chọn mô hình Pooled OLS và mô hình REM
Việc lựa chọn giữa hai mô hình Pooled OLS và REM được thực hiện thông qua kiểm định Breusch-Pagan, với cặp giả thuyết được đề xuất.
H0: Mô hình Pooled OLS phù hợp với mẫu nghiên cứu
H1: Mô hình REM phù với mẫu nghiên cứu
Bảng 4 6: Kết quả kiểm định Breusch - Pagan lựa chọn giữa mô hình Pooled
Nguồn: Kết quả thu được từ phần mềm Stata
Sau khi thực hiện kiểm định Breusch - Pagan để so sánh giữa mô hình Pooled OLS và REM, kết quả cho thấy giá trị Prob > chibar2 của hai mô hình lần lượt là 0.0008 và 0.0000, đều nhỏ hơn 5% Điều này dẫn đến việc bác bỏ giả thuyết H0, xác nhận rằng mô hình REM phù hợp hơn với mẫu nghiên cứu.
4.3.3 Kiểm định lựa chọn mô hình FEM và mô hình REM
Sau khi kiểm định lựa chọn giữa các cặp mô hình hồi quy Pooled OLS, FEM và REM, kết quả cho thấy mô hình FEM và REM phù hợp hơn so với Pooled OLS Do đó, tác giả tiến hành kiểm định Hausman để xác định mô hình thích hợp giữa FEM và REM, với cặp giả thuyết được đưa ra.
H0: Mô hình REM phù hợp với mẫu nghiên cứu
H1: Mô hình FEM phù hợp với mẫu nghiên cứu
Bảng 4 7: Kết quả kiểm định Hausman lựa chọn giữa mô hình FEM và REM
Nguồn: Kết quả thu được từ phần mềm Stata
Sau khi thực hiện kiểm định Hausman nhằm lựa chọn mô hình phù hợp giữa
Kết quả từ FEM và REM cho thấy, khi NPL là biến phụ thuộc, giá trị Prob > Chi2 đạt 0.4459 (44,59%), lớn hơn mức ý nghĩa 5%, do đó giả thuyết H0 được chấp nhận, chứng tỏ mô hình hồi quy REM phù hợp với NPL Ngược lại, khi LLP là biến phụ thuộc, giá trị Prob > Chi2 chỉ đạt 0.0223 (2,23%), nhỏ hơn mức ý nghĩa 5%, dẫn đến việc bác bỏ giả thuyết H0, cho thấy mô hình hồi quy FEM là phù hợp với LLP.
Sau khi thực hiện kiểm định Haumans, kết luận cho thấy rằng: (i) đối với mô hình có biến phụ thuộc là NPL, mô hình hồi quy REM là phù hợp và (ii) khi LLP là biến phụ thuộc, mô hình hồi quy FEM là lựa chọn thích hợp.
Kiểm định liên quan đến phần dư
Trong mô hình hồi quy, dữ liệu thường không phân tán theo đường thẳng, dẫn đến đường hồi quy không thể đi qua tất cả các điểm Khoảng cách từ một điểm đến đường hồi quy gọi là phần dư; khoảng cách này càng lớn thì mức độ ý nghĩa càng thấp Ngược lại, nếu khoảng cách từ các điểm đến đường hồi quy được thu hẹp, mức độ tác động của các biến trong mô hình sẽ tăng lên Để kiểm tra tác động của các biến độc lập đến hai biến phụ thuộc NPL và LLP, tác giả thực hiện hai kiểm định liên quan đến phần dư: kiểm định hiện tượng phương sai sai số thay đổi và kiểm định hiện tượng tự tương quan.
4.4.1 Kiểm định hiện tượng phương sai sai số thay đổi
Để xác định hiện tượng phương sai sai số thay đổi trong hai mô hình với hai biến phụ thuộc NPL và LLP, tác giả đã thực hiện kiểm định Breusch - Pagan cho mô hình có NPL là biến phụ thuộc và kiểm định Wald cho mô hình có LLP là biến phụ thuộc Cặp giả thuyết được tác giả đưa ra là:
H0: Mô hình không có hiện tượng phương sai sai số thay đổi
H1: Mô hình có hiện tượng phương sai sai số thay đổi
Bảng 4 8: Kết quả kiểm định Breusch - Pagan
Nguồn: Kết quả thu được từ phần mềm Stata
Kết quả kiểm định Breusch - Pagan cho thấy với NPL là biến phụ thuộc, giá trị Prob > chibar2 = 0.0008 nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết H0 Điều này chỉ ra rằng mô hình với NPL là biến phụ thuộc có hiện tượng phương sai sai số thay đổi.
Theo kiểm định Wald, với biến phụ thuộc là LLP, giá trị Prob > chi2 = 0.0000 nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết H0 Điều này cho thấy cả hai mô hình với các biến phụ thuộc NPL và LLP đều gặp hiện tượng phương sai sai số thay đổi.
4.4.2 Kiểm định hiện tượng tự tương quan
Tác giả sử dụng kiểm định Wooldridge nhằm xác định hiện tượng tự tương quan trong hai mô hình Theo đó, giải thuyết được đưa ra là:
H0: Mô hình không có hiện tượng tự tương quan
H1: Mô hình có hiện tượng tự tương quan
Bảng 4 9: Kết quả kiểm định Wooldridge
Nguồn: Kết quả thu được từ phần mềm Stata
Kết quả kiểm định Wooldridge cho thấy giá trị Prob > F lần lượt là 0.0009 đối với mô hình có biến phụ thuộc là NPL và 0.0364 cho mô hình có biến phụ.
Giá trị 57 thuộc về LLP, và hai giá trị này đều nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết H0 Điều này có nghĩa là cả hai mô hình đều xuất hiện hiện tượng tự tương quan.
Kết quả mô hình hồi quy
Sau khi kiểm định lựa chọn giữa các mô hình hồi quy Pooled OLS, FEM và REM, kết quả cho thấy mô hình hồi quy FEM phù hợp với NPL là biến phụ thuộc, trong khi LLP phù hợp với mô hình REM Tuy nhiên, cả hai mô hình này vẫn gặp hiện tượng phương sai sai số thay đổi và tự tương quan Để khắc phục những vấn đề này, tác giả đã thực hiện hồi quy bằng phương pháp FGLS, và kết quả từ mô hình FGLS được chọn là kết quả cuối cùng cho bài khóa luận.
Bảng 4 10: Kết quả mô hình FGLS với biến phụ thuộc NPL
NPL Coefficient Std err z P>|z| [95% conf interval]
LG 0008113 0016531 0.49 0.624 -.0024286 0040513 ROA -.4391703 0875474 -5.02 0.000*** -.61076 -.2675806 NII 0156076 0033872 4.61 0.000*** 0089688 0222463 LIR 1022495 0372964 2.74 0.006*** 02915 1753491 GDP 0021896 0245472 0.09 0.929 -.045922 0503012 INF 1151434 0253473 4.54 0.000*** 0654636 1648233 UEP -.0802143 1259956 -0.64 0.524 -.3271611 1667324
Nguồn: Kết quả thu được từ phần mềm Stata
Mô hình nghiên cứu cho thấy rằng NPL, đại diện cho rủi ro tín dụng của các ngân hàng thương mại Việt Nam, bị ảnh hưởng bởi các biến số như LDR, LG, NII, LIR, GDP, INF và RIR theo hướng tích cực Ngược lại, SIZE, ROA, UEP và COV có tác động tiêu cực đến NPL Kết quả phân tích chỉ ra rằng SIZE, ROA, NII, LIR, INF và RIR đều có mức ý nghĩa dưới 1%, trong khi LDR đạt mức ý nghĩa 5% Đặc biệt, ROA có hệ số cao nhất với giá trị tuyệt đối là 0.439, cho thấy hiệu quả hoạt động (ROA) là yếu tố ảnh hưởng mạnh nhất đến tỷ lệ nợ xấu (NPL).
Bảng 4 11: Kết quả mô hình FGLS với biến phụ thuộc LLP
LLP Coefficient Std err z P>|z| [95% conf interval] SIZE 0040315 0009465 4.26 0.000*** 0021763 0058866 LDR -.0033814 0028566 -1.18 0.237 -.0089802 0022174
GDP -.022389 0206996 -1.08 0.279 -.0629595 0181815 INF 0512889 0227216 2.26 0.024** 0067553 0958225 UEP 0406786 1078521 0.38 0.706 -.1707077 2520648 RIR 0072303 0193277 0.37 0.708 -.0306513 0451118 COV -.0011417 0009771 -1.17 0.243 -.0030568 0007734 _cons -.0219447 0085486 -2.57 0.010 -.0386996 -.0051898
Nguồn: Kết quả thu được từ phần mềm Stata
Kết quả mô hình FGLS cho thấy các biến SIZE, LG, NII, LIR, INF, UEP và RIR có tác động dương đến rủi ro tín dụng (LLP) của ngân hàng thương mại Việt Nam, trong khi LDR, ROA, GDP và COV có tác động âm Biến SIZE đạt mức ý nghĩa 1%, LIR và INF có mức ý nghĩa 5%, và NII ở mức 10% Đặc biệt, lãi suất cho vay (LIR) là yếu tố có ảnh hưởng mạnh nhất đến tỷ lệ trích lập dự phòng rủi ro tín dụng với giá trị tuyệt đối là 0.07.
4.6 Thảo luận về kết quả mô hình hồi quy
Sau khi xác định các yếu tố ảnh hưởng đến rủi ro tín dụng của ngân hàng thương mại Việt Nam trong giai đoạn 2012-2022, tác giả đã tổng hợp kết quả hồi quy mô hình bằng phương pháp FGLS và trình bày trong bảng 4.12.
Bảng 4 12: Tổng hợp kết quả nghiên cứu
Biến Kết quả nghiên cứu
Quy mô ngân hàng (SIZE) có ảnh hưởng ngược chiều đến tỷ lệ nợ xấu (NPL) và tác động cùng chiều đến tỷ lệ trích lập dự phòng rủi ro tín dụng (LLP) với mức ý nghĩa 1% Cụ thể, khi quy mô ngân hàng tăng 1%, tỷ lệ nợ xấu giảm 0.45% và tỷ lệ trích lập dự phòng rủi ro tín dụng tăng 0.4% Kết quả này phù hợp với nghiên cứu của Saunders và cộng sự (1990), Cebenoyan và cộng sự (1999), Chen và cộng sự (1998) và Megginson (2005), cho thấy mối quan hệ ngược chiều giữa rủi ro tín dụng và quy mô ngân hàng Nguyên nhân là các ngân hàng lớn hơn thường có kinh nghiệm tốt hơn trong quản lý rủi ro và khả năng đa dạng hóa danh mục tài sản hiệu quả hơn so với ngân hàng nhỏ Hiện nay, hoạt động tín dụng của các NHTM Việt Nam đã trở nên đa dạng hơn, cấp tín dụng cho nhiều ngành nghề kinh tế, từ đó giảm thiểu rủi ro so với việc tập trung vào một số ít đối tượng.
Biến đại diện cho rủi ro tín dụng của các NHTM Việt Nam là tỷ lệ trích lập dự phòng rủi ro tín dụng (LLP), cho thấy mối quan hệ tích cực giữa tỷ lệ này và quy mô ngân hàng Các ngân hàng lớn có khả năng đa dạng hóa danh mục cho vay, thu hút các khoản vay dài hạn, cho thấy sự sẵn sàng chấp nhận rủi ro để đạt lợi nhuận kỳ vọng Khi tỷ trọng cho vay trên tổng tài sản tăng, rủi ro tiềm ẩn cũng gia tăng, buộc các NHTM phải nâng cao mức trích lập dự phòng rủi ro tín dụng để ổn định thu nhập và đảm bảo an toàn vốn.
Dư nợ tín dụng trên số dư tiền gửi (LDR) có tác động tích cực đến tỷ lệ nợ xấu với mức ý nghĩa 5%, nghĩa là khi LDR tăng 1%, tỷ lệ nợ xấu sẽ tăng 0,68% Kết quả này trái ngược với giả thuyết cho rằng LDR có mối quan hệ ngược chiều với rủi ro tín dụng của các ngân hàng thương mại Việc LDR tăng cho thấy tốc độ tăng dư nợ tín dụng lớn hơn tốc độ tăng số dư tiền gửi, dẫn đến việc ngân hàng cho vay nhiều hơn để đạt lợi nhuận kỳ vọng, nhưng đồng thời cũng làm gia tăng mức độ rủi ro từ các khoản cho vay.
Hiệu quả hoạt động (ROA) có tác động ngược chiều đến tỷ lệ nợ xấu với mức ý nghĩa 1%, cho thấy khi ROA tăng 1%, tỷ lệ nợ xấu giảm 43,92% Kết quả này hỗ trợ cho nghiên cứu của Ishak và cộng sự.
ROA (Return on Assets) là chỉ tiêu quan trọng để đánh giá hiệu quả hoạt động kinh doanh của ngân hàng, tăng trưởng ROA phụ thuộc vào lợi nhuận sau thuế và tổng tài sản bình quân Thống kê từ năm 2012 đến 2022 cho thấy tài sản của hệ thống ngân hàng thương mại (NHTM) có xu hướng tăng Sự gia tăng ROA đồng nghĩa với việc lợi nhuận sau thuế cũng tăng, cho thấy hiệu quả trong quản lý tài sản để tạo ra dòng thu nhập Đa số thu nhập của NHTM đến từ lãi suất, vì vậy việc kiểm soát và quản lý các khoản vay hiệu quả là cần thiết để giảm thiểu tỷ lệ nợ xấu mà ngân hàng phải đối mặt.
Thu nhập ngoài lãi (NII) có ảnh hưởng tích cực đến rủi ro tín dụng của các ngân hàng thương mại (NHTM), với mức ý nghĩa 1% cho tỷ lệ nợ xấu (NPL) và 10% cho tỷ lệ trích lập dự phòng rủi ro tín dụng (LLP) Cụ thể, khi thu nhập ngoài lãi tăng 1%, tỷ lệ nợ xấu sẽ tăng 1,56% và tỷ lệ trích lập dự phòng rủi ro tín dụng tăng 0,56% Mặc dù các ngân hàng đang tìm cách đa dạng hóa nguồn thu nhập thông qua các hoạt động phi truyền thống để giảm sự phụ thuộc vào hoạt động truyền thống, nhưng điều này lại dẫn đến việc gia tăng rủi ro tín dụng Kết quả này phù hợp với nghiên cứu của Calmes và Theoret (2015), cho thấy rằng các hoạt động thu nhập ngoài lãi tiềm ẩn nhiều rủi ro tín dụng hơn.
Hiện nay, các ngân hàng đang chú trọng mở rộng các hoạt động kinh doanh mang lại thu nhập ngoài lãi, bao gồm dịch vụ thanh toán, thu phí bảo hiểm, kinh doanh ngoại tệ và dịch vụ ngân hàng đầu tư Nghiên cứu của DeYoung và Roland (2001) chỉ ra rằng các hoạt động dựa trên phí có thể làm gia tăng sự biến động thu nhập tổng thể của ngân hàng, cho thấy đa dạng hóa thu nhập không giúp giảm rủi ro Nguyên nhân là do phân khúc khách hàng mà ngân hàng hướng đến không quan tâm đến các hoạt động tạo ra thu nhập ngoài lãi, dẫn đến việc ngân hàng có thể nới lỏng chính sách tín dụng để duy trì mối quan hệ với nhóm khách hàng này Tuy nhiên, việc nới lỏng chính sách tín dụng đã làm tăng mức độ rủi ro cho ngân hàng, khi việc giám sát tín dụng không được thực hiện chặt chẽ, dẫn đến các lỗ hổng trong quá trình cho vay.
Lãi suất cho vay của ngân hàng (LIR) có mối quan hệ tỷ lệ thuận với rủi ro tín dụng, với mức ý nghĩa 1% và 5% đối với hai biến phụ thuộc NPL và LLP Cụ thể, khi ngân hàng tăng lãi suất thêm 1%, tỷ lệ nợ xấu tăng 10.22% và tỷ lệ trích lập dự phòng tăng 7.01% Kết quả này củng cố thêm các nghiên cứu trước đây của Castro (2013), Louzis và cộng sự (2012), Nkusu (2011) và Brownbridge.
Nghiên cứu năm 1998 chỉ ra rằng việc tăng lãi suất của ngân hàng dẫn đến tỷ lệ nợ xấu và tỷ lệ trích lập dự phòng rủi ro tín dụng gia tăng Lãi suất cho vay cao phản ánh khả năng chấp nhận rủi ro của ngân hàng thương mại nhằm đạt lợi nhuận kỳ vọng Trong bối cảnh hạn chế về room tín dụng và nền kinh tế vẫn gặp khó khăn sau đại dịch Covid-19, các ngân hàng cần kiểm soát chặt chẽ dòng vốn, vì không phải doanh nghiệp nào cũng đủ điều kiện vay vốn Để giảm thiểu rủi ro, ngân hàng phải trích lập dự phòng nhiều hơn, buộc họ phải tăng lãi suất cho vay danh nghĩa để bù đắp cho các khoản rủi ro Sự gia tăng lãi suất gây áp lực tài chính lên khách hàng, khi họ phải chi trả nhiều hơn mà điều kiện tài chính không thay đổi, dẫn đến khả năng thanh toán hạn chế và gia tăng nợ xấu.
Vào thứ sáu, lạm phát (INF) có ảnh hưởng tích cực đến tỷ lệ nợ xấu và tỷ lệ trích lập dự phòng rủi ro tín dụng của các ngân hàng, với giá trị P-value đáng chú ý.
Tỷ lệ lạm phát tăng từ 0.0000 đến 0.024 sẽ dẫn đến sự gia tăng rủi ro tín dụng, với mỗi 1% lạm phát làm tỷ lệ nợ xấu tăng 11.51% và tỷ lệ trích lập dự phòng rủi ro tín dụng tăng 5.13% Nghiên cứu này tương đồng với các nghiên cứu trước đó của Awan và cộng sự (2015), San và Heng (2013), cho thấy mối quan hệ tích cực giữa lạm phát và nợ xấu ngân hàng Khi lạm phát tăng, sức mua của đồng nội tệ giảm, khiến người tiêu dùng phải chi nhiều hơn cho cùng một sản phẩm, trong khi thu nhập không thay đổi Sự gia tăng chi tiêu này làm giảm khả năng đáp ứng các nghĩa vụ tài chính, dẫn đến rủi ro tín dụng khi khách hàng không thể trả nợ gốc và lãi cho ngân hàng.
KHUYẾN NGHỊ VÀ GIẢI PHÁP NHẰM HẠN CHẾ RỦI RO TÍN DỤNG CỦA CÁC NGÂN HÀNG THƯƠNG MẠI VIỆT NAM
Khuyến nghị và giải pháp nhằm hạn chế rủi ro tín dụng của các ngân hàng thương mại Việt Nam
5.1.1 Khuyến nghị và giải pháp đối với ngân hàng thương mại Việt Nam
Các ngân hàng nên xem xét mở rộng quy mô, vì có mối tương quan ngược chiều giữa quy mô ngân hàng và tỷ lệ nợ xấu, cũng như tương quan thuận giữa quy mô ngân hàng và tỷ lệ trích lập dự phòng rủi ro tín dụng Việc mở rộng quy mô không chỉ giúp phát huy tiềm lực tài chính mà còn nâng cao năng lực cạnh tranh và cải thiện hiệu quả tài chính.
Việc mở rộng quy mô ngân hàng có thể thực hiện thông qua việc tăng vốn để đảm bảo mức độ vốn tự có theo Basel II, bằng cách phát hành cổ phiếu bổ sung hoặc huy động nguồn vốn từ Chính phủ Ngân hàng cần chú trọng đến chiến lược sử dụng vốn hợp lý để phát triển bền vững và giảm áp lực về cổ tức cho cổ đông, tránh tình trạng tăng vốn ồ ạt mà không có kế hoạch cụ thể Đồng thời, ngân hàng nên lựa chọn cổ đông chiến lược trong và ngoài nước để bán cổ phiếu, từ đó tận dụng kinh nghiệm quản lý và công nghệ, nâng cao uy tín và thương hiệu của mình.
Trong bối cảnh kinh tế vĩ mô bất ổn, việc quản lý đòn bẩy tài chính là rất quan trọng, như khuyến nghị của Basel III Các ngân hàng thương mại cần xây dựng đủ vốn không chỉ dựa trên hệ số an toàn vốn tối thiểu mà còn phải điều chỉnh tăng vốn phù hợp với tốc độ gia tăng tài sản trong giai đoạn thịnh vượng.
Dư nợ tín dụng trên số dư tiền gửi có tác động tích cực đến tỷ lệ nợ xấu của ngân hàng; tỷ lệ này sẽ tăng cao khi dư nợ tín dụng vượt quá tốc độ tăng của tiền gửi Để giảm thiểu nợ xấu, các ngân hàng cần mở rộng quy mô tín dụng một cách an toàn và hợp lý, đồng thời đánh giá kỹ lưỡng các khoản vay để không chỉ chú trọng vào lợi nhuận mà còn vào chất lượng tín dụng Khoản cho vay là nguồn rủi ro tín dụng lớn nhất, do đó, ngân hàng cần tuân thủ các tiêu chí cấp tín dụng rõ ràng, bao gồm hiểu biết về thị trường mục tiêu và bên vay Hệ thống giám sát tình trạng tín dụng và xếp hạng rủi ro nội bộ cũng cần được xây dựng để phản ứng kịp thời với các chỉ số rủi ro Cuối cùng, việc phát triển đội ngũ cán bộ quản lý rủi ro tín dụng có kinh nghiệm là yếu tố quan trọng nhằm hạn chế tổn thất do rủi ro đạo đức gây ra.
Để giảm thiểu rủi ro tín dụng, các ngân hàng thương mại (NHTM) cần đa dạng hóa danh mục cho vay và phát triển sản phẩm cho vay truyền thống thông qua ứng dụng công nghệ Đề án chiến lược quốc gia về tài chính toàn diện khuyến khích việc hình thành các mô hình liên kết mới giữa ngân hàng, tổ chức tín dụng và các công ty công nghệ tài chính, nhằm thiết kế sản phẩm phù hợp hơn với nhu cầu thị trường.
69 cho vay phù hợp với nhu cầu khách hàng trong thời kỳ bùng nổ ứng dụng công nghệ số trong lĩnh vực ngân hàng
Trong bối cảnh hội nhập toàn cầu, các ngân hàng thương mại tại Việt Nam cần đẩy mạnh số hóa trong quản trị rủi ro và hoạt động cấp tín dụng để theo kịp sự phát triển của giao dịch kỹ thuật số Việc lựa chọn mô hình quản trị phòng ngừa và hạn chế rủi ro tín dụng cần linh hoạt, phù hợp với điều kiện và năng lực của từng ngân hàng, nhằm hướng tới tiêu chuẩn quốc tế Đồng thời, áp dụng công nghệ trong cho vay, như hệ thống tin nhắn thông báo số dư và nhắc lịch trả nợ, sẽ giúp giảm thiểu tình trạng chậm trả của khách hàng, nâng cao hiệu quả thu hồi nợ, cảnh báo rủi ro sớm và cải thiện quản lý rủi ro tín dụng.
Việc nâng cao hiệu quả hoạt động của các ngân hàng là yếu tố thiết yếu, vì nó ảnh hưởng trực tiếp đến rủi ro tín dụng mà ngân hàng phải đối mặt Các ngân hàng thương mại Việt Nam cần gia tăng khả năng sinh lời bằng cách mở rộng dịch vụ ngoài đầu tư và tín dụng, đồng thời kiểm soát chi phí kinh doanh để có đủ tiềm lực tài chính cho việc áp dụng mô hình quản trị rủi ro hiệu quả Điều này giúp phòng ngừa và hạn chế rủi ro tín dụng, đảm bảo an toàn trong hoạt động cho vay Ngoài ra, việc nâng cao chất lượng tín dụng cũng rất quan trọng, vì việc giám sát chặt chẽ các khoản cho vay và tuân thủ quy trình sẽ giảm chi phí dự phòng rủi ro tín dụng và tăng lợi nhuận cho ngân hàng.
Các ngân hàng thương mại (NHTM) cần tập trung vào việc tăng cường quản trị rủi ro trong hoạt động cho vay, thay vì mở rộng các hoạt động tạo ra thu nhập ngoài lãi, nhằm giảm thiểu rủi ro tín dụng Điều này giúp đảm bảo hiệu quả trong quản lý danh mục cho vay, tránh tình trạng mở rộng kinh doanh mà không nâng cao được hiệu quả hoạt động.
Quản lý rủi ro trong hoạt động tín dụng cần tuân thủ quy trình nghiêm ngặt, bao gồm các bước phát hiện, đo lường, kiểm soát và xử lý rủi ro một cách hiệu quả.
Quản trị rủi ro là phương pháp quan trọng nhằm giảm thiểu tổn thất ròng cho ngân hàng sau khi rủi ro xảy ra, đồng thời đảm bảo rằng mọi hoạt động kinh doanh vẫn diễn ra một cách liên tục và hiệu quả.
5.1.2 Khuyến nghị và giải pháp đối với Ngân hàng Nhà nước
Dựa trên các khuyến nghị và giải pháp nhằm hạn chế rủi ro tín dụng cho ngân hàng thương mại, tác giả đề xuất một số biện pháp cho Ngân hàng Nhà nước (NHNN) nhằm tăng cường các phương án giảm thiểu rủi ro và tạo điều kiện thuận lợi cho hoạt động kinh doanh của các ngân hàng thương mại.
Ngân hàng Nhà nước cần duy trì các chính sách kiểm soát lạm phát và điều hành tiền tệ hiệu quả Điều này bao gồm việc kiềm chế tăng trưởng tín dụng quá mức, đồng thời đảm bảo đáp ứng nhu cầu vốn hợp lý cho sản xuất và kinh doanh.
NHNN cần thắt chặt quản trị trong ngành ngân hàng và chỉ đạo các NHTM nhanh chóng hoàn thiện tiêu chuẩn quản trị rủi ro theo Basel II, hướng tới Basel III Việc này không chỉ giảm thiểu rủi ro mà còn nâng cao hiệu quả hoạt động của hệ thống ngân hàng, đảm bảo sự vững mạnh và lành mạnh cho toàn ngành.