Các biến số vi mô liên quan đến khả năng chấp nhận rủi ro và kết quả kinh doanh có mối liên hệ chặt chẽ tới nợ xấu trong tương lai, bao gồm: quy mô, tăng trưởng tín dụng, hiệu quả hoạt đ
CƠ SỞ LÝ LUẬN VỀ NỢ XẤU VÀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NỢ XẤU
Cơ sở lý luận về nợ xấu
1.1.1 Khái niệm và phân loại nợ xấu
Theo Luật Tổ chức tín dụng 2010, Ngân hàng thương mại (NHTM) được định nghĩa là loại hình ngân hàng thực hiện tất cả các hoạt động ngân hàng và kinh doanh khác nhằm mục tiêu lợi nhuận Hoạt động ngân hàng bao gồm việc kinh doanh và cung ứng thường xuyên các nghiệp vụ như nhận tiền gửi, cấp tín dụng và cung ứng dịch vụ thanh toán qua tài khoản.
Nợ xấu là thuật ngữ kinh tế chỉ các khoản nợ khó đòi khi người vay không thể thanh toán đúng hạn Quan điểm về nợ xấu chưa thống nhất giữa các quốc gia và định chế tài chính, dẫn đến việc các ngân hàng phân loại nợ xấu theo nhiều cách khác nhau.
Quỹ tiền tệ IMF (2019) chỉ rõ các khoản nợ được phân loại thành nợ xấu khi
Theo định nghĩa của nhóm chuyên gia tư vấn AEG thuộc Liên Hợp Quốc (2004), khoản nợ được xem là nợ xấu khi lãi suất và/hoặc gốc quá hạn 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; hoặc các khoản thanh toán quá hạn dưới 90 ngày nhưng có lý do rõ ràng để nghi ngờ về khả năng thanh toán đầy đủ của khoản vay.
Ngân hàng thế giới (2015) phân loại nợ theo 5 nhóm sau:
- Nợ đạt tiêu chuẩn: Không nghi ngờ về khả năng trả nợ; tài sản được đảm bảo hoàn toàn bằng tiền hoặc tương đương tiền; quá hạn dưới 90 ngày
Nợ cần theo dõi là những khoản nợ có những yếu tố tiềm ẩn có thể ảnh hưởng đến khả năng thanh toán, bao gồm các khoản nợ đã được thương thảo lại và những khoản nợ quá hạn dưới 90 ngày.
Nợ dưới tiêu chuẩn là những khoản nợ có vấn đề rõ rệt về tín dụng, ảnh hưởng đến khả năng trả nợ của người vay Những khoản nợ này có thể đã được thỏa thuận lại và thường là những khoản nợ quá hạn từ 90 đến 180 ngày.
- Nợ đáng ngờ: Khoản nợ không chắc thu hồi được toàn bộ dựa trên các điều kiện hiện tại; có khả năng thất thoát; quá hạn từ 180 – 360 ngày
- Nợ mất vốn: Khoản nợ không thu hồi được; quá hạn hơn 360 ngày
Ngân hàng thanh toán quốc tế BIS (2017) xác định hệ thống phân loại nợ gồm 5 nhóm:
- Nợ đủ tiêu chuẩn: Khoản vay có khả năng được thanh toán
- Nợ cần chú ý đặc biệt: Các khoản cho vay với doanh nghiệp mà có thể có khó khăn trong việc thu hồi
- Nợ dưới chuẩn: Các khoản cho vay mà tiền lãi hoặc gốc thanh toán đã quá hạn 3 tháng
- Nợ nghi ngờ: Những khoản vay có nghi ngờ trong việc thanh toán và được xác định sẽ gây ra tổn thất
Nợ có khả năng mất vốn là các khoản nợ không thể thu hồi, do đó cần áp dụng các biện pháp bảo vệ theo Luật phá sản để đảm bảo quyền lợi cho các bên liên quan.
Ngân hàng Nhà nước Việt Nam (2005) quy định phân loại nợ thành 5 nhóm:
Nợ đủ tiêu chuẩn (nhóm 1), Nợ cần chú ý (nhóm 2), Nợ dưới tiêu chuẩn (nhóm 3),
Nợ nghi ngờ (nhóm 4), và Nợ không có khả năng thu hồi (nhóm 5) Trong đó, nợ xấu bao gồm nợ nhóm 3, nhóm 4, nhóm 5
1.1.2 Chỉ số đo lường nợ xấu
Hiện nay, các ngân hàng thương mại (NHTM) ở Việt Nam và trên thế giới sử dụng chỉ số NPL (tỷ lệ nợ xấu) để đo lường mức độ nợ xấu của mình Chỉ số này được tính bằng cách chia giá trị dư nợ của các khoản nợ xấu (trên bảng cân đối kế toán) cho tổng dư nợ, bao gồm cả nợ xấu trước khi trừ dự phòng nợ khó đòi.
Tỷ lệ nợ xấu (NPL) cho biết trong 100 đồng tổng dư nợ của ngân hàng có bao nhiêu đồng là nợ xấu, với tỷ lệ cao cho thấy ngân hàng đang đối mặt với rủi ro tổn thất cho vay lớn hơn Ngược lại, tỷ lệ NPL thấp cho thấy giá trị các khoản vay có rủi ro thấp hơn Chỉ số NPL giúp các nhà phân tích và quản trị ngân hàng đánh giá sức khỏe và hiệu quả hoạt động của ngân hàng, đồng thời phát hiện vấn đề liên quan đến chất lượng tài sản trong danh mục cho vay.
Bên cạnh chỉ số NPL, các ngân hàng còn sử dụng các chỉ số sau để đánh giá toàn diện tình hình nợ xấu và chất lượng tài sản:
Tỷ lệ nợ quá hạn là chỉ số quan trọng phản ánh tình trạng tài chính của khoản vay, được xác định khi khách hàng không thanh toán toàn bộ hoặc một phần số tiền gốc và lãi vay đúng hạn Nó thể hiện số dư nợ gốc và lãi đã quá hạn mà chưa được thu hồi, từ đó giúp đánh giá rủi ro tín dụng và khả năng thu hồi nợ của tổ chức cho vay.
Tỷ lệ nợ quá hạn trên 100 đồng dư nợ hiện hành phản ánh chất lượng tín dụng của ngân hàng; tỷ lệ cao cho thấy chất lượng tín dụng thấp Khoản vay có thể nhanh chóng chuyển từ nợ quá hạn sang nợ xấu, do đó, ngân hàng cần theo dõi tỷ lệ này để đánh giá cơ cấu nhóm nợ và có biện pháp ứng phó kịp thời, tránh tình trạng bị động khi nhiều khoản vay đồng loạt chuyển nhóm nợ.
Tỷ lệ tập trung tín dụng là chỉ số quan trọng trong việc giám sát và đánh giá mức độ tập trung của các khoản nợ có chung đặc điểm rủi ro, như các khoản vay từ một nhóm người vay hoặc các khoản nợ được thế chấp bởi các loại chứng khoán tương tự Chỉ số này cũng phản ánh rủi ro đồng nhất trong các khoản vay của những người vay hoạt động trong cùng một ngành Theo quy định về tỷ lệ đòn bẩy tài chính trong ngành ngân hàng, tỷ lệ tập trung tín dụng được tính toán bằng tổng vốn cấp 1 và dự phòng rủi ro tín dụng chia cho dư nợ cho vay và cho thuê tài chính.
Tỷ lệ dự phòng tổn thất cho vay (LLR) là ước tính kế toán về các tổn thất tiềm tàng trong hoạt động tín dụng của các TCTD, được hạch toán vào chi phí hoạt động Dự phòng rủi ro bao gồm dự phòng chung và dự phòng riêng cho từng khoản nợ, giúp các TCTD đánh giá chính xác tình hình tài sản và chất lượng tín dụng hiện tại Tỷ lệ này thể hiện giá trị ngân hàng trích lập để bảo vệ trước các khoản lỗ dự tính do người vay không thực hiện nghĩa vụ trả nợ Chỉ số này cho thấy mức độ bảo vệ của ngân hàng trước những khoản lỗ tiềm tàng, với tỷ lệ cao phản ánh khả năng thu hồi nợ thấp hơn Công thức tính tỷ lệ dự phòng tổn thất cho vay dựa trên tổng dư nợ cho vay.
1.1.3 Ảnh hưởng của nợ xấu
1.1.3.1 Ảnh hưởng của nợ xấu đến nền kinh tế
Nợ xấu làm suy giảm năng lực tài chính của ngân hàng thương mại, ảnh hưởng đến hiệu quả hoạt động và vai trò của ngân hàng trong nền kinh tế Điều này dẫn đến khó khăn trong luân chuyển vốn, gây đình trệ hoạt động sản xuất kinh doanh và giảm nhu cầu tiêu dùng, từ đó làm chậm tốc độ tăng trưởng kinh tế Quá trình xử lý nợ kéo dài làm hao mòn và giảm giá trị tài sản cầm cố Nếu nợ xấu được xử lý nhanh chóng, các tài sản này sẽ được tái sử dụng, tạo ra giá trị thặng dư cho nền kinh tế.
1.1.3.2 Ảnh hưởng của nợ xấu đến hoạt động của NHTM
Nợ xấu ảnh hưởng tiêu cực đến hiệu quả hoạt động của ngân hàng, làm giảm lợi nhuận từ cả doanh thu và chi phí Khi nợ xấu phát sinh, ngân hàng không thu
Các nhân tố tác động đến nợ xấu của NHTM
Tốc độ tăng trưởng kinh tế
Tốc độ tăng trưởng GDP là chỉ tiêu chính đo lường sự phát triển của nền kinh tế và có mối quan hệ ngược chiều với tỷ lệ nợ xấu (NPL) Nghiên cứu của Louzis và cộng sự (2010), Nkusu (2011), và Klein (2013) cho thấy khi nền kinh tế tăng trưởng, hoạt động sản xuất kinh doanh được cải thiện, doanh thu tăng, và thu nhập người dân cũng cao hơn, dẫn đến khả năng hoàn trả nợ tốt hơn và giảm rủi ro vỡ nợ Tuy nhiên, trong giai đoạn bùng nổ tín dụng, việc mở rộng cho vay đối với những người đi vay chất lượng kém có thể dẫn đến tăng nợ xấu khi nền kinh tế suy thoái, do họ không đủ khả năng trả nợ khi tốc độ tăng trưởng GDP chậm lại hoặc âm.
Theo Louzis và cộng sự (2010), Nkusu (2011), và Nguyễn Thị Như Quỳnh (2018), tỷ lệ thất nghiệp có mối quan hệ tích cực với tỷ lệ nợ xấu Khi tỷ lệ thất nghiệp tăng, dòng tiền vào của hộ gia đình giảm, dẫn đến áp lực trả nợ gia tăng và gia tăng nợ xấu Đối với doanh nghiệp, tỷ lệ thất nghiệp cao cho thấy sự kém hiệu quả trong việc sử dụng nguồn nhân lực, ảnh hưởng tiêu cực đến doanh thu và khả năng trả nợ của doanh nghiệp.
Lạm phát, theo kinh tế học, là sự gia tăng liên tục của mức giá hàng hóa và dịch vụ, dẫn đến sự mất giá trị của tiền tệ Nghiên cứu về lạm phát cho thấy đây là yếu tố vĩ mô ảnh hưởng đến tỷ lệ nợ xấu tại ngân hàng Các nghiên cứu của Nkusu (2011), Tô Ngọc Hưng và cộng sự (2013), Nguyễn Thị Hồng Vinh (2015) chỉ ra rằng có mối tương quan tích cực giữa tỷ lệ lạm phát và tỷ lệ nợ xấu, do lạm phát cao làm giảm khả năng chi trả của người vay khi thu nhập không thay đổi Ngược lại, Ekanayake và Azeez (2015) cho rằng nợ thực tế có xu hướng giảm khi lạm phát tăng cao, cho thấy mối quan hệ phức tạp giữa hai yếu tố này.
1.2.2 Nhân tố vi mô Đánh giá các nhân tố ảnh hưởng đến nợ xấu ngân hàng không nên chỉ đề cập đến các yếu tố vĩ mô vì nợ xấu chịu ảnh hưởng tổng hợp đồng thời của cả yếu tố vĩ mô, các lực lượng ngoại sinh, và yếu tố vi mô xuất phát từ nội tại ngân hàng Các nhân tố xuất phát từ những khác biệt của ngân hàng và những chính sách do ngân hàng lựa chọn sẽ ảnh hưởng đến quá trình quản trị nợ xấu Nghiên cứu này đề cập đến 7 yếu tố sau: biên lãi thuần, tỷ suất sinh lời trên vốn chủ sở hữu, tỷ lệ dư nợ cho vay trên tổng tài sản, tỷ lệ vốn chủ sở hữu trên tổng tài sản, quy mô ngân hàng, tốc độ tăng trưởng tín dụng, tỷ lệ dư nợ cho vay trên vốn huy động
Biên lãi thuần là sự chênh lệch giữa lãi suất cho vay và lãi suất tiền gửi của ngân hàng thương mại Nghiên cứu của Lis et al (2000) và Bonin et al đã chỉ ra tầm quan trọng của chỉ số này trong việc đánh giá hiệu quả hoạt động của các ngân hàng.
Biên lãi thuần (NIM) có mối quan hệ cùng chiều với tỷ lệ nợ xấu, với sự tác động đáng kể từ NIM đến rủi ro tín dụng NIM cao cho thấy gánh nặng trả lãi của khách hàng lớn hơn, dẫn đến khả năng xảy ra rủi ro tín dụng cao hơn Các nghiên cứu chỉ ra rằng những ngân hàng thương mại (NHTM) có NIM cao thường phải đối mặt với rủi ro từ thị trường tín dụng lớn hơn, do đó ghi nhận tỷ lệ nợ xấu (NPL) cao hơn.
Lợi suất trên vốn chủ sở hữu
Các chỉ số đánh giá lợi nhuận của ngân hàng thương mại (NHTM) bao gồm Lợi nhuận trên tổng tài sản (ROA) và Lợi nhuận trên vốn chủ sở hữu (ROE), trong đó ROE là chỉ số phổ biến nhất để thể hiện mối liên hệ giữa lợi nhuận và nợ xấu Theo nghiên cứu của Klein (2013) và Nguyễn Thị Hồng Vinh (2015), NHTM có tỷ lệ ROE cao thường đi kèm với tỷ lệ nợ xấu thấp, cho thấy mối quan hệ ngược chiều giữa hai yếu tố này Tỷ lệ nợ xấu thấp giúp ngân hàng giảm áp lực dự phòng và chi phí quản lý, từ đó gia tăng lợi nhuận Ngược lại, ngân hàng có lợi nhuận thấp có xu hướng chấp nhận rủi ro cao hơn để cải thiện ROE, dẫn đến quy trình thẩm định cho vay lỏng lẻo và tăng tỷ lệ nợ xấu Tăng tỷ lệ nợ xấu cũng yêu cầu ngân hàng phải trích lập dự phòng rủi ro, làm giảm lợi nhuận vốn đã yếu kém.
Tỷ lệ vốn chủ sở hữu trên tổng tài sản
Nghiên cứu của Berger và DeYoung (1997), Salas và Saurina (2002), cùng Nguyễn Thị Hồng Vinh (2015) chỉ ra rằng tỷ lệ vốn chủ sở hữu trên tổng tài sản có mối quan hệ ngược chiều với tỷ lệ nợ xấu Cụ thể, vốn chủ sở hữu lớn giúp các ngân hàng thương mại (NHTM) đa dạng hóa danh mục cho vay và phân tán rủi ro, từ đó giảm thiểu nợ xấu Ngược lại, NHTM có tỷ lệ vốn chủ sở hữu thấp thường tập trung cho vay vào một số nhóm hoặc ngành nghề nhất định, dẫn đến rủi ro tập trung cao và khả năng xảy ra nợ xấu hàng loạt.
Nghiên cứu năm 2002 cho thấy rằng chỉ số nợ xấu có mối quan hệ ngược chiều với quy mô ngân hàng Các ngân hàng lớn có khả năng đa dạng hóa danh mục cho vay sang nhiều lĩnh vực và đối tượng khác nhau, từ đó giảm thiểu rủi ro tập trung và khả năng xảy ra mất mát so với các ngân hàng nhỏ Vì vậy, hiện tại vẫn chưa có nhận định rõ ràng về tác động của quy mô ngân hàng đối với nợ xấu.
Tốc độ tăng trưởng tín dụng
Tăng trưởng tín dụng là một yếu tố quan trọng từ nội tại của từng ngân hàng, có ảnh hưởng trực tiếp đến mức độ nợ xấu của ngân hàng đó, theo nghiên cứu của Salas và Saurina.
Nghiên cứu của Klein (2013) và Nguyễn Thị Hồng Vinh (2015) chỉ ra rằng tăng trưởng tín dụng nhanh thường dẫn đến suy giảm chất lượng khoản vay, khi các ngân hàng mở rộng chính sách phê duyệt để thu hút nhiều khách hàng hơn Mặc dù tốc độ tăng trưởng tín dụng tăng nhanh, nhưng điều này cũng đồng nghĩa với nguy cơ nợ xấu cao hơn từ khách hàng chất lượng kém Ngược lại, Tô Ngọc Hưng và cộng sự (2013), cùng với Ekanayake và Azeez (2015), cho rằng tăng trưởng tín dụng có thể giảm tỷ lệ nợ xấu, vì nó cho thấy ngân hàng đang cải thiện khả năng đánh giá chất lượng tín dụng khách hàng Do đó, tác động của tốc độ tăng trưởng tín dụng đối với tỷ lệ nợ xấu có thể thay đổi theo chiều hướng tích cực hoặc tiêu cực.
Tỷ lệ dư nợ cho vay trên tổng tài sản
Nghiên cứu của Klein (2013) và Ekanayake cùng Azeez (2015) chỉ ra rằng việc cho vay quá mức, thể hiện qua chỉ số dư nợ cho vay trên tổng tài sản gia tăng, dẫn đến tỷ lệ nợ xấu (NPL) cao hơn Nhiều ngân hàng thương mại (NHTM), với khả năng quản trị yếu kém, đã hạ tiêu chuẩn phê duyệt tín dụng để tăng thị phần cho vay, đồng ý cho vay khách hàng có chất lượng thấp Những NHTM ưu tiên lợi nhuận hơn là chi phí rủi ro tín dụng sẽ phải đối mặt với tỷ lệ nợ xấu cao hơn khi dư nợ trên tổng tài sản gia tăng.
Tỷ lệ dư nợ cho vay trên số vốn huy động
Chỉ số LDR được sử dụng để đo lường rủi ro thanh khoản của ngân hàng Theo nghiên cứu của Ghosh (2015) và Dimitrios et al (2016), tỷ lệ LDR có tác động tích cực đến nợ xấu của ngân hàng; tỷ lệ càng cao cho thấy ngân hàng cho vay vượt quá nguồn vốn huy động, dẫn đến giảm tính thanh khoản Hơn nữa, tỷ lệ LDR phản ánh chính sách cho vay, cách sử dụng vốn và mức độ rủi ro của ngân hàng thương mại Sự kém hiệu quả trong quản lý tín dụng có thể dẫn đến gia tăng nợ xấu trong tương lai.
Việc xác định các yếu tố ảnh hưởng đến nợ xấu là rất quan trọng trong việc kiểm soát nợ xấu tại ngân hàng thương mại (NHTM) Chương 1 sẽ trình bày các lý luận cơ bản liên quan đến nợ xấu, bao gồm hậu quả của nợ xấu đối với nền kinh tế, ngân hàng và các chủ thể khác Ngoài ra, chương này cũng sẽ đề cập đến quy trình ghi nhận và giải quyết nợ xấu trong NHTM, các yếu tố vĩ mô và vi mô tác động đến nợ xấu ngân hàng, cùng với các nghiên cứu về nợ xấu trong và ngoài nước.
DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Khung nghiên cứu
Dựa trên lý thuyết và nghiên cứu thực nghiệm, tác giả xác định các yếu tố ảnh hưởng đến tỷ lệ nợ xấu trong hệ thống ngân hàng thương mại, bao gồm tốc độ tăng trưởng GDP, lạm phát, thất nghiệp, tốc độ tăng trưởng tín dụng, tỷ suất sinh lời trên vốn chủ sở hữu, biên lãi thuần, tỷ lệ dư nợ cho vay trên tổng tài sản, tỷ lệ vốn chủ sở hữu trên tổng tài sản, tỷ lệ dư nợ cho vay trên tổng vốn huy động và quy mô ngân hàng Sau khi kiểm định các mô hình phù hợp, tác giả chọn mô hình hồi quy FEM để phân tích tác động của các biến độc lập lên tỷ lệ nợ xấu NPL.
Dữ liệu nghiên cứu
Tác giả đã thu thập dữ liệu thứ cấp, bao gồm dữ liệu vĩ mô của nền kinh tế Việt Nam và dữ liệu vi mô từ hệ thống ngân hàng thương mại Việt Nam, trong khoảng thời gian 5 năm, từ ngày 01/01/2018 đến 31/12/2022.
Dữ liệu vĩ mô được thu thập từ các nguồn thông tin đáng tin cậy như Tổng Cục Thống Kê (GSO) và Ngân Hàng Nhà Nước (NHNN), cung cấp cái nhìn tổng quan về nền kinh tế.
Dữ liệu vi mô từ nội tại ngân hàng thương mại (NHTM) được thu thập từ báo cáo tài chính (BCTC) và báo cáo tài chính năm (BCTN) của 25 NHTM tại Việt Nam Tác giả đã tiến hành lựa chọn mẫu quan sát dựa trên các tiêu chí cụ thể để đảm bảo tính chính xác và độ tin cậy của nghiên cứu.
- Là NHTM đã được niêm yết trên sàn chứng khoán HOSE, HNX, UPCOM
- Là ngân hàng cung cấp đầy đủ dữ liệu trong khoảng thời gian nghiên cứu
- Là ngân hàng còn tồn tại và hoạt động bình thường cho đến hết năm 2022.
Phương pháp nghiên cứu
Tác giả áp dụng phương pháp định lượng để đánh giá ảnh hưởng của các yếu tố vĩ mô và vi mô từ đặc điểm từng ngân hàng đến nợ xấu của ngân hàng thương mại Bài viết kế thừa kinh nghiệm và bài học từ các nghiên cứu trước đó, đồng thời khắc phục những hạn chế của chúng Để thực hiện nghiên cứu, tác giả sử dụng phương pháp hồi quy dữ liệu bảng và tiến hành kiểm định nhằm lựa chọn mô hình phù hợp giữa mô hình ảnh hưởng cố định (Fixed Effect Model) và mô hình ảnh hưởng ngẫu nhiên (Random Effect Model).
Mô hình tác động cố định (FEM) dựa trên giả định rằng mỗi đơn vị có những đặc điểm riêng biệt ảnh hưởng đến các biến giải thích FEM phân tích mối quan hệ giữa phần dư của từng đơn vị và các biến giải thích, giúp tách biệt các ảnh hưởng cố định theo thời gian khỏi các biến giải thích Qua đó, mô hình cho phép ước lượng chính xác tác động thực sự của các biến giải thích lên biến phụ thuộc.
Mô hình tác động ngẫu nhiên (REM) tương tự như mô hình tác động cố định (FEM), nhưng điểm khác biệt chính là các đặc điểm riêng biệt của từng đơn vị không có mối quan hệ tương quan với biến độc lập.
Tác giả sẽ sử dụng kiểm định Hausman để xác định mô hình hiệu ứng cố định (FEM) hay mô hình hiệu ứng ngẫu nhiên (REM) phù hợp nhất cho nghiên cứu Để đảm bảo tính chính xác và đáng tin cậy của kết quả, các kiểm định về khuyết tật mô hình hồi quy như tự tương quan, đa cộng tuyến và PSSS thay đổi sẽ được thực hiện Trong trường hợp phát hiện khuyết tật trong mô hình, phương pháp GLS sẽ được áp dụng để khắc phục lỗi và tối ưu hóa mô hình Cuối cùng, tác giả sẽ sử dụng phương pháp thống kê mô tả và phương pháp so sánh để phân tích tác động của từng biến số đến tình hình nợ xấu của các ngân hàng thương mại.
Quy trình nghiên cứu
Quy trình thực hiện nghiên cứu được áp dụng bao gồm 6 bước:
Bước 1: Thu thập dữ liệu
Tác giả đã thu thập dữ liệu vĩ mô như tốc độ tăng trưởng GDP, lạm phát và tỷ lệ thất nghiệp, cùng với dữ liệu vi mô từ các ngân hàng, bao gồm chỉ số NPL, ROE, tăng trưởng tín dụng, tổng tài sản, biên lãi thuần, tỷ lệ dư nợ cho vay trên tổng tài sản, tỷ lệ vốn chủ sở hữu trên tổng tài sản và tỷ lệ dư nợ cho vay trên vốn huy động, trong khoảng thời gian từ 01/01/2018 đến 31/12/2022.
Bước 2: Thống kê mô tả dữ liệu và đánh giá hệ số tương quan
Tác giả đã thu thập và thống kê dữ liệu, mô tả các chỉ tiêu như số quan sát, giá trị trung bình, sai số chuẩn, giá trị lớn nhất và nhỏ nhất Để đánh giá mối quan hệ giữa các biến số, tác giả sử dụng hệ số tương quan Pearson.
Bước 3: Lựa chọn mô hình
Tác giả áp dụng kiểm định Hausman để xác định mô hình hồi quy dữ liệu bảng phù hợp giữa mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM), với giả thuyết được đưa ra để kiểm tra sự thích hợp của từng mô hình.
𝐻 0 : Mô hình REM hiệu quả hơn
𝐻 1 : Mô hình FEM hiệu quả hơn
Với khoảng tin cậy α = 5%, nếu:
- p < α: bác bỏ 𝐻 0 , chấp nhận 𝐻 1 , lựa chọn mô hình FEM
- p ≥ α: không đủ cơ sở bác bỏ 𝐻 0 , chấp nhận 𝐻 0 , lựa chọn mô hình REM
Bước 4: Ước lượng mô hình
Bước 5: Kiểm tra khuyết tật mô hình là một quy trình quan trọng để đảm bảo tính phù hợp và tối ưu của mô hình Tác giả tiến hành kiểm định hiện tượng PSSS thay đổi và hiện tượng tự tương quan với độ tin cậy α = 5% Để kiểm tra hiện tượng PSSS thay đổi, tác giả áp dụng kiểm định Modified Wald cho mô hình FEM và kiểm định Breusch – Pagan cho mô hình REM Kiểm định Modified Wald được thực hiện với các giả thuyết cụ thể để đánh giá tính chính xác của mô hình.
- p < α: bác bỏ 𝐻 0 chấp nhận 𝐻 1 , mô hình có PSSS thay đổi
- p ≥ α: không đủ cơ sở bác bỏ 𝐻 0 , chấp nhận 𝐻 0 , mô hình có PSSS không đổi Đối với kiểm định Breusch – Pagan, có giả thuyết sau:
- p < α: bác bỏ 𝐻 0 chấp nhận 𝐻 1 , mô hình có PSSS thay đổi
- p ≥ α: không đủ cơ sở bác bỏ 𝐻 0 , chấp nhận 𝐻 0 , mô hình có PSSS không đổi Đối với kiểm định Wooldridge, có giả thuyết sau:
𝐻 0 : Mô hình không có hiện tượng tự tương quan
𝐻 1 : Mô hình có hiện tượng tự tương quan
- p < α: bác bỏ 𝐻 0 chấp nhận 𝐻 1 , mô hình có hiện tượng tự tương quan
- p ≥ α: không đủ cơ sở bác bỏ 𝐻 0 , chấp nhận 𝐻 0 , mô hình không có hiện tượng tự tương quan
Nếu mô hình xuất hiện khuyết tật, tác giả sử dụng phương pháp GLS để khắc phục và đưa ra mô hình tối ưu nhất
Bước 6: Nhận xét tác động của các biến độc lập lên biến phụ thuộc NPL
Mô hình nghiên cứu
Để kiểm định tác động của các nhân tố lên chỉ tiêu nợ xấu của các ngân hàng thương mại (NHTM) trong giai đoạn 2018 – 2022, tác giả sử dụng mô hình hồi quy dữ liệu bảng và phân tích trên phần mềm STATA, với chỉ số nợ xấu (NPL) là biến phụ thuộc Từ các nghiên cứu trước, tác giả xác định hai nhóm nhân tố: nhân tố vĩ mô và vi mô Nhân tố vĩ mô bao gồm tốc độ tăng trưởng kinh tế (GDPG), tỷ lệ lạm phát (INF) và tỷ lệ thất nghiệp (UN) Nhóm nhân tố vi mô gồm biên lãi thuần (NIM), tỷ suất lợi nhuận trên vốn chủ sở hữu (ROE), quy mô ngân hàng (SIZE), tăng trưởng tín dụng (GGL), dư nợ cho vay trên tổng tài sản (LTA), tỷ lệ dư nợ cho vay trên vốn huy động (LDR) và tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA) Các biến định lượng này được thu thập từ Tổng Cục thống kê và tính toán từ báo cáo tài chính (BCTC) và báo cáo thường niên (BCTN) của các ngân hàng.
Mô hình hồi quy có dạng như sau:
NPL = β0 + β1.GDPGt + β2.INFt + β3 UNt + β4.NIMt + β5.ROEt + β6.SIZEt + β7.GGLt + β8.LTAt + β9 LDRt + β10 ETAt + ei
NPL: Tỷ lệ nợ xấu của NHTM
GDPG: tốc độ tăng trưởng GDP
INF: tỷ lệ lạm phát
UN: tỷ lệ thất nghiệp
NIM: biên lãi thuần của NHTM
ROE: tỷ lệ sinh lời trên vốn chủ sở hữu của NHTM
Size: quy mô tổng tài sản của NHTM
GGL: tốc độ tăng trưởng tín dụng của NHTM
LTA: tỷ lệ dư nợ cho vay trên tổng tài sản
ETA: tỷ lệ vốn chủ sở hữu trên tổng tài sản của NHTM
LDR: tỷ lệ dư nợ cho vay trên vốn huy động của NHTM
Giải thích các biến trong mô hình như sau:
Tốc độ tăng trưởng GDP là chỉ số quan trọng phản ánh sự phát triển kinh tế của một quốc gia, được tính bằng tổng giá trị sản phẩm nội địa của hàng hóa và dịch vụ cuối cùng trong một năm Công thức tính tốc độ tăng trưởng GDP giúp đánh giá sự biến động và xu hướng phát triển kinh tế theo thời gian.
Biến độc lập GDPG được kỳ vọng có mối quan hệ ngược chiều với biến phụ thuộc NPL, đồng nhất với kết luận của các nghiên cứu trước đây
Lạm phát là tỷ lệ phần trăm phản ánh sự gia tăng giá cả của hàng hóa và dịch vụ trong một khoảng thời gian nhất định, thường là một năm Tỷ lệ lạm phát được tính toán dựa trên chỉ số giá tiêu dùng (CPI) bằng công thức cụ thể.
Tác giả kỳ vọng biến lạm phát có tác động cùng chiều đến tỷ lệ NPL, động thuận với đa số kết quả của các nghiên cứu trước
Tỷ lệ thất nghiệp là chỉ số phản ánh tình trạng những người có khả năng và sẵn sàng làm việc nhưng không tìm được công việc có trả lương.
Tác giả kỳ vọng phản ánh chiều tác động cùng chiều, tức tỷ lệ thất nghiệp tăng thì tỷ lệ nợ xấu cũng sẽ tăng theo
Tỷ lệ thu nhập lãi thuần (NIM) là chỉ số thể hiện sự chênh lệch giữa thu nhập lãi từ các khoản cho vay của ngân hàng và chi phí lãi phải trả cho các nguồn vốn huy động NIM có hai phương pháp tính toán khác nhau.
Cách 1, dựa theo lý thuyết là chênh lệch giữa thu nhập từ lãi và chi phí trả lãi:
Cách 2, NIM được tính toán theo mức tương đối dựa vào chênh lệch giữa lãi suất cho vay với lãi suất huy động (cùng kỳ hạn) của NHTM đó:
NIM (%) = Lãi suất cho vay – Lãi suất huy động
Tác giả kỳ vọng rằng biên lãi thuần NIM sẽ có tác động tích cực đến nợ xấu của ngân hàng thương mại, điều này phù hợp với kết luận của các nghiên cứu trước đây.
Lợi nhuận trên vốn chủ sở hữu (ROE) là chỉ số quan trọng để đánh giá hiệu quả sử dụng vốn của ngân hàng ROE cho biết ngân hàng thu về bao nhiêu đồng lợi nhuận từ mỗi 100 đồng vốn chủ sở hữu Công thức tính ROE giúp xác định mức độ sinh lời của ngân hàng dựa trên vốn mà cổ đông đã đầu tư.
ROE là một chỉ số quan trọng phản ánh lợi nhuận, được tác giả đưa vào mô hình bên cạnh NIM Tuy nhiên, khác với NIM, tác giả dự đoán rằng ROE sẽ có tác động ngược lại với tỷ lệ nợ xấu (NPL).
Quy mô ngân hàng có thể được đánh giá thông qua tổng tài sản hoặc vốn chủ sở hữu Trong nghiên cứu này, tác giả lựa chọn tổng tài sản làm tiêu chí chính để đo lường quy mô của các ngân hàng thương mại Để đồng nhất trong mô hình tính toán, tổng tài sản được logarit hóa.
Nhiều ý kiến đã được đưa ra về tác động của quy mô tài sản đối với tỷ lệ nợ xấu (NPL) Tác giả hy vọng rằng kết quả nghiên cứu này sẽ tương đồng với các nghiên cứu trong nước gần đây, cho thấy mối quan hệ ngược chiều giữa quy mô tài sản và tỷ lệ NPL.
Tăng trưởng tín dụng: là tỷ lệ gia tăng dư nợ tín dụng của năm nay so với năm trước của ngân hàng Công thức tính:
Nghiên cứu cho thấy, tốc độ tăng trưởng tín dụng có ảnh hưởng tích cực đến nợ xấu của ngân hàng thương mại Các nghiên cứu trước đây đều chỉ ra rằng mối quan hệ này tồn tại, và tác giả hy vọng rằng kết quả của nghiên cứu này cũng sẽ phản ánh điều tương tự.
Tỷ lệ dư nợ cho vay trên tổng tài sản (LTA) là chỉ tiêu quan trọng, phản ánh tỷ trọng của dư nợ cho vay so với tổng tài sản của ngân hàng Chỉ số này cho biết phần trăm tài sản trên sổ sách được chuyển hóa thành tín dụng, giúp đánh giá hiệu quả sử dụng tài sản trong hoạt động cho vay Công thức tính LTA là một công cụ hữu ích để phân tích tình hình tài chính của ngân hàng.
Tác giả kỳ vọng tỷ lệ LTA sẽ có tác động cùng chiều đến NPL của NHTM, tức LTA càng tăng thì NPL cũng tăng theo
Tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA) của ngân hàng thương mại (NHTM) phản ánh mức độ sử dụng đòn bẩy tài chính và rủi ro khi sử dụng vốn Do đặc thù hoạt động của ngân hàng với mức đòn bẩy tài chính cao, tỷ lệ này thường thấp hơn so với các doanh nghiệp thông thường Công thức tính ETA là một yếu tố quan trọng trong việc đánh giá sức khỏe tài chính của ngân hàng.
Tỷ lệ ETA được tác giả kỳ vọng phản ánh mối quan hệ ngược chiều với NPL, đồng thuận với những nghiên cứu trong quá khứ
Tỷ lệ dư nợ tín dụng trên vốn huy động là chỉ số quan trọng để đánh giá tính thanh khoản của ngân hàng Chỉ số này cho thấy trong mỗi 100 đồng vốn huy động, ngân hàng có khả năng chuyển hóa bao nhiêu đồng thành tín dụng.
Các nghiên cứu trước đã chỉ ra rằng tỷ lệ LDR có mối quan hệ tương tác với nợ xấu Tác giả mong đợi rằng nghiên cứu này sẽ đạt được kết quả tương tự.
Bảng 2.1 Quan hệ các biến trong mô hình với nợ xấu tại các NHTM
Biến Giải thích biến số Tác động kỳ vọng
Nguồn dữ liệu Căn cứ
Biến phụ thuộc, đại diện tỷ lệ nợ xấu của NHTM
Biến độc lập, đại diện tốc độ tăng trưởng GDP
Salas và Saurina (2002), Nkusu (2011), Nguyễn Thị Hồng Vinh (2015)
INF Biến độc lập, đại diện tỷ lệ lạm phát (+) GSO
Nkusu (2011), Tô Ngọc Hưng và cộng sự (2013), Nguyễn Thị Như Quỳnh và cộng sự (2018)
Biến độc lập, đại diện tỷ lệ thất nghiệp
(2010), Klein (2013), Nguyễn Thị Như Quỳnh và cộng sự (2018)
Biến độc lập, đại diện tỷ lệ thu nhập lãi thuần
Lis et al (2000), Bonin et al (2000)
Biến độc lập, đại diện khả năng sinh lời trên vốn chủ sở hữu của NHTM
Klein (2013), Nguyễn Thị Hồng Vinh (2015), Dimitrios et al (2016)
Biến độc lập, đại diện quy mô tổng tài sản của NHTM
(1997), Lis et al và cộng sự (2000), Salas và Saurina (2002)
Biến độc lập, đại diện tốc độ tăng trưởng tín dụng của
Salas và Sayrina (2002), Espinoza và Prasad
Biến độc lập, đại diện tỷ lệ dư nợ cho vay trên tổng tài sản của NHTM
Biến độc lập, đại diện tỷ lệ vốn chở hữu trên tổng tài sản của NHTM
(2002), Klein (2013), Nguyễn Thị Hồng Vinh
Biến độc lập, đại diện tỷ lệ dư nợ cho vay trên vốn hủy động của NHTM
Nguồn: Tác giả tự tổng hợp
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Tổng quan về ngành ngân hàng
Trong hơn 70 năm hoạt động từ 1951 đến 2022, hệ thống ngân hàng Việt Nam đã phát triển mạnh mẽ và đạt nhiều thành tựu nổi bật, góp phần quan trọng vào việc ổn định hệ thống tài chính và thúc đẩy tăng trưởng kinh tế quốc gia.
Quy mô mở rộng với nền tảng vững chắc từ tăng vốn điều lệ
Tính đến cuối năm 2022, Việt Nam có 49 ngân hàng, bao gồm 31 ngân hàng thương mại cổ phần, 2 ngân hàng liên doanh, 4 ngân hàng 100% vốn Nhà nước, 2 ngân hàng chính sách, 9 ngân hàng 100% vốn nước ngoài và 1 ngân hàng hợp tác xã Tổng tài sản của ngành ngân hàng đã tăng trưởng với tỷ lệ CAGR 4.13%, từ khoảng 10.8 triệu tỷ đồng năm 2018 lên 12.7 triệu tỷ đồng vào năm 2022 Các ngân hàng cũng đang tích cực tăng vốn điều lệ để đáp ứng yêu cầu về hệ số an toàn vốn CAR theo tiêu chuẩn Basel II và thực hiện Đề án “Cơ cấu lại hệ thống các TCTD gắn với xử lý nợ xấu”.
Từ năm 2021 đến 2025, việc tăng vốn điều lệ đóng vai trò quan trọng trong việc củng cố tiềm lực tài chính của các ngân hàng Điều này không chỉ nâng cao khả năng cạnh tranh mà còn giúp mở rộng quy mô hoạt động Đồng thời, các ngân hàng cần tuân thủ yêu cầu của Ngân hàng Nhà nước về hệ số an toàn vốn CAR và tỷ lệ sử dụng vốn ngắn hạn cho vay trung và dài hạn, đang bị siết chặt từ 34% xuống 30%.
Biểu đồ 3.1 Quy mô vốn điều lệ của một số NHTM năm 2020 và 2022 (tỷ đồng)
Tăng trưởng tín dụng bền vững
Dưới sự điều hành của NHNN, tăng trưởng tín dụng của ngành ngân hàng Việt Nam đã được điều chỉnh theo hướng bền vững, dao động từ 10% đến 14% trong những năm gần đây, cải thiện rõ rệt so với tình trạng tăng trưởng tín dụng nóng trong quá khứ, dẫn đến lạm phát và khủng hoảng tài chính Tuy nhiên, tỷ lệ tín dụng/GDP của Việt Nam vẫn cao hơn nhiều so với các nước trong khu vực, tạo áp lực lớn cho hệ thống ngân hàng vốn chủ yếu huy động tiền gửi ngắn hạn Từ 2018 đến 2022, sự tăng trưởng huy động không tương xứng với tăng trưởng tín dụng, đặc biệt năm 2022, huy động chỉ tăng 5.99%, thấp hơn một nửa so với mức tăng trưởng tín dụng 14.50%, đặt các ngân hàng thương mại vào nguy cơ rủi ro thanh khoản tiềm tàng.
Biểu đồ 3.2 Tín dụng/GDP của Việt Nam và các nước trong khu vực Đông Nam Á (2020)
Biểu đồ 3.3 Tăng trưởng tín dụng và tăng trưởng huy động toàn hệ thống giai đoạn 2018 – 2022
Nhằm kiểm soát nguy cơ bất ổn vĩ mô từ sự tăng trưởng nóng của tín dụng ngân hàng, NHNN đã ban hành các thông tư quy định hạn mức tín dụng phù hợp với tiềm lực tài chính của từng NHTM, bao gồm hệ số an toàn vốn, tỷ lệ sử dụng vốn ngắn hạn cho vay trung và dài hạn, cũng như tỷ lệ dư nợ cho vay trên vốn huy động.
Hạn mức tín dụng do NHNN cấp cho các NHTM vào đầu năm có thể được điều chỉnh trong suốt năm để phù hợp với mục tiêu tăng trưởng tín dụng toàn hệ thống và sức khỏe tài chính của từng ngân hàng Đánh giá hạn mức tín dụng dựa trên cơ cấu cho vay theo ngành, khả năng huy động vốn, hệ số an toàn vốn và thanh khoản Từ 2018 đến 2022, NHNN duy trì hạn mức tín dụng ổn định ở mức khoảng 13% - 14%.
Tỷ lệ sử dụng vốn ngắn hạn cho vay trung và dài hạn là yếu tố quan trọng để đảm bảo khả năng thanh khoản cho ngân hàng thương mại Mặc dù ngân hàng chủ yếu huy động nguồn vốn ngắn hạn, nhưng tỷ trọng cho vay các lĩnh vực cần vốn trung và dài hạn như bất động sản và năng lượng đang gia tăng, dẫn đến sự mất cân bằng giữa huy động và cho vay Để tránh tình trạng mất khả năng thanh khoản và đảm bảo an toàn hoạt động, Ngân hàng Nhà nước đã quy định các ngân hàng duy trì tỷ lệ này ở mức 34% từ ngày 01/10/2022 theo Thông tư số 22/2019/TT-NHNN, với mục tiêu giảm xuống còn 30% trong tương lai.
Tăng trưởng tín dụng Tăng trưởng huy động
Tỷ lệ dư nợ cho vay trên vốn huy động là chỉ số quan trọng để đảm bảo sức mạnh thanh khoản cho các ngân hàng, hiện được yêu cầu duy trì ở mức tối đa 85% Mặc dù nhiều ngân hàng cố gắng tối đa hóa lợi nhuận bằng cách cho vay quá mức, điều này có thể dẫn đến rủi ro thanh khoản gia tăng Chiến lược cho vay vượt quá huy động có thể khiến các ngân hàng phải tăng lãi suất để bù đắp cho tình trạng thiếu hụt thanh khoản Vì vậy, Ngân hàng Nhà nước (NHNN) quy định tỷ lệ tối đa 85% nhằm bảo vệ thanh khoản cho toàn hệ thống ngân hàng.
Hệ số an toàn vốn CAR là một chỉ số quan trọng mà các ngân hàng thương mại (NHTM) phải tuân thủ, theo quy định hiện hành, mức tối thiểu cần duy trì là 8% dựa trên tiêu chuẩn Basel II Công thức tính hệ số an toàn vốn CAR giúp đánh giá khả năng tài chính và độ an toàn của ngân hàng trong việc đối phó với rủi ro.
Hệ số an toàn vốn (CAR) là tiêu chí quan trọng giúp ngân hàng đáp ứng tiêu chuẩn Basel, xác định khả năng thanh toán nợ và quản lý rủi ro như rủi ro tín dụng và thị trường Việc đạt tiêu chuẩn tỷ lệ an toàn vốn không chỉ nâng cao tiềm lực tài chính của ngân hàng thương mại (NHTM) mà còn cải thiện khả năng quản trị rủi ro và sức chịu đựng trước các cú sốc kinh tế Tuy nhiên, hiện nay, tỷ lệ CAR của các NHTM nội địa vẫn còn thấp hơn so với các chi nhánh ngân hàng nước ngoài tại Việt Nam.
Bảng 3.1 Hệ số CAR của các NHTM tại tháng 12/2022 Loại hình NHTM Tỷ lệ an toàn vốn CAR
Cơ cấu danh mục cho vay của NHNN được phân chia theo ngành nghề nhằm cấp hạn mức tín dụng, giúp kiểm soát tín dụng phù hợp với mục tiêu của Chính phủ NHNN khuyến khích cho vay vào các ngành ưu tiên như nông nghiệp, sản xuất và năng lượng tái tạo, đồng thời hạn chế tín dụng vào các ngành tăng trưởng nóng như bất động sản và chứng khoán Trong năm 2022, để giảm dòng tiền vào các ngành này, NHNN đã thu hẹp hạn mức tín dụng đối với các ngân hàng như Techcombank, MBBank và TPBank, có tỷ trọng dư nợ cao trong các lĩnh vực trên.
Chất lượng tài sản cải thiện qua các năm
Sau cuộc khủng hoảng tài chính và sự đóng băng của thị trường bất động sản, chất lượng tài sản của hệ thống ngân hàng thương mại Việt Nam bị ảnh hưởng nghiêm trọng Ngân hàng Nhà nước (NHNN) đã triển khai các chính sách tái cấu trúc ngân hàng hiệu quả, giúp giảm tỷ lệ nợ xấu toàn ngành từ 8.02% xuống dưới 2% trong những năm gần đây Trong quá trình này, sự ra đời của công ty mua bán nợ quốc gia VAMC đã đóng góp quan trọng vào việc cải thiện chất lượng tài sản của hệ thống ngân hàng.
Từ năm 2020, tỷ lệ nợ xấu đã tăng trở lại nhưng vẫn duy trì ở mức an toàn, với tỷ lệ bao phủ nợ xấu tăng mạnh qua từng năm Các ngân hàng đã chủ động trích lập dự phòng rủi ro tín dụng để giảm áp lực lên kết quả kinh doanh trong tương lai Mặc dù Thông tư số 14/2021/TT-NHNN về gia hạn nợ hết hiệu lực vào tháng 6/2022, tỷ lệ nợ xấu không tăng đáng kể nhờ vào việc phần lớn các khoản nợ tái cấu trúc đã được trả trước hạn Hầu hết các ngân hàng thương mại đã trích lập dự phòng 100%, giúp ổn định kết quả kinh doanh.
Biểu đồ 3.4 Chu kỳ tăng trưởng kinh tế và tín dụng của Việt Nam, 2018 – 2022
Ngành ngân hàng có mối liên hệ chặt chẽ với chu kỳ kinh tế, trong đó tăng trưởng tín dụng thường song hành với tăng trưởng kinh tế, ảnh hưởng lớn đến lợi nhuận ngân hàng Từ năm 2018 đến 2019, tăng trưởng tín dụng duy trì trên 13.5%, nhưng trong giai đoạn Covid-19, các ngân hàng thương mại ghi nhận thu nhập giảm sút, với tổng thu nhập toàn ngành giảm từ gần 20% xuống còn 12% – 16% trong giai đoạn 2020 - 2022 Nguyên nhân chủ yếu là do chính sách giãn cách xã hội làm giảm nhu cầu vay vốn và sử dụng dịch vụ ngân hàng Mặc dù vậy, NIM của các ngân hàng thương mại lại có sự tăng nhẹ trong giai đoạn này, nhờ vào nhu cầu thanh toán qua ngân hàng tăng cao, thu hút nguồn vốn không kỳ hạn CASA, từ đó giảm chi phí lãi và mở rộng biên lãi thuần.
Tăng trưởng tín dụng Tăng trưởng GDP
Biểu đồ 3.5 Tăng trưởng thu nhập ngành ngân hàng, 2018 – 2022
Nguồn: BCTC các NHTM, Tác giả tự tổng hợp
Biểu đồ 3.6 Biến động biên lãi thuần NIM toàn ngành 2018 – 2022
Nguồn: Tác giả tự tổng hợp
Tín dụng cá nhân đã chứng kiến sự tăng trưởng mạnh mẽ trong giai đoạn 2018-2022, với tốc độ tăng trưởng kép đạt 15,2%, chiếm tỷ trọng lớn nhất trong cơ cấu dư nợ cho vay hiện nay với 47,4% Sự chuyển dịch này đã giúp các ngân hàng mở rộng chênh lệch lãi suất (NIM) do lãi suất cho vay khách hàng cá nhân thường cao hơn cho vay khách hàng doanh nghiệp, từ đó tăng lợi nhuận và phân tán rủi ro Bên cạnh đó, các ngân hàng thương mại cũng đang đẩy mạnh phát triển thu nhập phi lãi để đa dạng hóa nguồn thu và phân tán rủi ro, trong đó nguồn thu từ phí đến từ các dịch vụ như bảo hiểm, thẻ, dịch vụ thanh toán,
Tăng trưởng thu nhập lãi thuần Tăng trưởng thu nhập ngoài lãi Tăng trưởng tổng thu nhập
2018 2019 2020 2021 2022 lãi suất cho vay KH lãi suất huy động KH NIM
Biểu đồ 3.7 Cho vay cá nhân từ 2018 – 2022 (đơn vị: 1 triệu tỷ đồng)
Biểu đồ 3.8 Cơ cấu thu nhập của ngân hàng từ 2018 – 2022
Nguồn: NHNN, Tác giả tự tổng hợp
Tổng quan về tình hình nợ xấu tại các NHTM ở Việt Nam
Giai đoạn 2011 – 2015 là thời kỳ chứng kiến sự thay đổi lớn trong quy trình xử lý nợ xấu của hệ thống ngân hàng Việt Nam Từ năm 2011, nền kinh tế bắt đầu lộ rõ những vấn đề như tăng trưởng không bền vững, lạm phát cao và chính sách tiền tệ không đồng nhất Đến 31/5/2012, nợ xấu toàn ngành được công bố là 117.7 nghìn tỷ đồng, chiếm 4.47% tổng dư nợ, nhưng con số này vẫn thấp hơn nhiều so với 8.82% của Ngân hàng Nhà nước (NHNN) và 13% của Fitch Ratings Sau đó, NHNN đã điều chỉnh lại, công bố tỷ lệ nợ xấu lên tới 17.21% vào cuối Q3/2012, tương ứng với 465 nghìn tỷ đồng.
Tỷ lệ nợ xấu (NPL) của ngân hàng đã tăng liên tục, đạt đỉnh 4.64% vào năm 2013, cảnh báo về rủi ro trong hoạt động kinh doanh của hệ thống Để đối phó với nguy cơ khủng hoảng tín dụng, Chính phủ đã phê duyệt Đề án “Xử lý nợ xấu” và thành lập Công ty Quản lý Tài sản (VAMC) như một phần của kế hoạch tái cấu trúc hệ thống TCTD giai đoạn 2011 – 2015 Đến cuối năm 2016, tỷ lệ nợ xấu nội bảng đã giảm xuống 2.46%, với khoảng 190 nghìn tỷ đồng nợ vẫn phải xử lý tại VAMC Trong giai đoạn 2013 đến Q1/2017, VAMC đã thu hồi được 53.2 nghìn tỷ đồng nợ xấu, trong khi các TCTD tự xử lý 349.7 nghìn tỷ đồng trong tổng số 616.7 nghìn tỷ đồng nợ xấu được xử lý toàn hệ thống.
Nợ xấu 2018 của các NHTM niêm yết tăng 10% so với năm 2017, đạt hơn
Trong năm 2018, tổng nợ xấu của ngành ngân hàng đạt 73 nghìn tỷ đồng, trong đó nợ nhóm 5 chiếm 42 nghìn tỷ đồng, tăng 25% so với năm trước Nguyên nhân chủ yếu là do một số ngân hàng thương mại (NHTM) đã chủ động mua lại trái phiếu từ VAMC Bảy NHTM, bao gồm VCB, TCB, ACB, MBB, VIB, CTG và OCB, đã hoàn tất việc mua lại nợ xấu từ VAMC Mặc dù nợ xấu tăng, nhưng điều này cho thấy sự chủ động của các ngân hàng trong việc xử lý nợ xấu, phản ánh sức khỏe tài chính cải thiện Nhờ vào lợi nhuận tăng trưởng mạnh mẽ, các NHTM đã ưu tiên trích lập dự phòng, với 60% nợ xấu nội bảng được xử lý từ dự phòng rủi ro tín dụng.
Năm 2019, với sự tăng cường vốn điều lệ lên 5,000 tỷ đồng từ NHNN và Chính phủ, vai trò của VAMC trong việc xử lý nợ xấu đã được cải thiện đáng kể Năng lực tài chính của nhiều ngân hàng thương mại (NHTM) cũng được nâng cao, giúp họ mua lại toàn bộ nợ xấu và trích lập dự phòng rủi ro cho số nợ còn lại Số lượng NHTM hoàn tất việc xử lý nợ xấu bán cho VAMC đã tăng lên 11 Nợ xấu của các NHTM giảm mạnh cả về tỷ lệ lẫn giá trị, đặc biệt là nợ nhóm 5 Theo báo cáo của NHNN, tỷ lệ nợ xấu nội bảng của toàn hệ thống tổ chức tín dụng (TCTD) đã giảm xuống còn 1.89%, hoàn thành mục tiêu dưới 2% mà Chính phủ đã đề ra.
Biểu đồ 3.9 Chất lượng tài sản của hệ thống NHTM Việt Nam được cải thiện trong giai đoạn 2018 – 2022
Nguồn: Tác giả tự tổng hợp
Để giảm thiểu nguy cơ nợ xấu do đại dịch năm 2020, các ngân hàng thương mại (NHTM) đã tăng cường trích lập dự phòng, đặc biệt là các NHTM có yếu tố Nhà nước Chi phí tín dụng và mức trích lập dự phòng đã tăng mạnh lên lần lượt 1.6% và 1.3% tổng dư nợ Tỷ lệ bao phủ nợ xấu LLR cũng tăng từ 78.86% năm 2019 lên 96.54% năm 2020, với một số NHTM duy trì tỷ lệ cao như VCB (368%), TCB (171%) và ACB (160%) Dịch bệnh tác động đến tỷ lệ thất nghiệp và thu nhập, ảnh hưởng đến tài chính tiêu dùng, nhưng nợ xấu từ cho vay tiêu dùng chỉ tăng nhẹ do tỷ lệ thâm nhập thấp Các NHTM đã tích cực xử lý nợ xấu qua VAMC, giúp dư nợ VAMC giảm từ 19 nghìn tỷ đồng xuống 8.7 nghìn tỷ đồng trong năm 2020 Từ năm 2013 đến 2020, hệ thống TCTD đã xử lý gần 1,000 tỷ đồng nợ xấu, trong đó 327 nghìn tỷ đồng được bán cho VAMC, chiếm 30% tổng nợ xấu đã xử lý.
% TPĐB VAMC/tổng tài sản % Nợ nhóm 2 % Nợ xấu/Tổng tài sản
Năm 2021, việc Việt Nam hứng chịu tác động nặng nề của làn sóng dịch thứ
Trong quý 3 năm 2021, nợ xấu của các ngân hàng thương mại (NHTM) đã gia tăng đáng kể, từ 1.41% vào cuối năm 2020 lên 1.62% Tổng nợ xấu và nợ tái cơ cấu cũng tăng từ 5.1% lên 7.31% Mặc dù tỷ lệ bao phủ nợ xấu giảm nhẹ do một số NHTM trích lập quỹ dự phòng, nhưng vẫn duy trì ở mức tích cực Để đối phó với tình hình này, Ngân hàng Nhà nước (NHNN) đã ban hành Thông tư số 14/2021/TT-NHNN, cho phép các tổ chức tín dụng cơ cấu lại nợ và miễn, giảm lãi, phí cho khách hàng bị ảnh hưởng bởi dịch Covid-19 Các khoản nợ phát sinh trước ngày 01/08/2021 sẽ được giãn nợ thêm 6 tháng, giảm áp lực trả nợ và tránh chuyển nhóm nợ Đồng thời, người dân và doanh nghiệp có thể tiếp cận các khoản vay mới, hỗ trợ duy trì hoạt động kinh doanh Các NHTM sẽ có thêm 600,000 tỷ đồng dư nợ được cơ cấu lại, nhưng cần tăng cường trích lập dự phòng rủi ro trong giai đoạn 2021 – 2023.
Biểu đồ 3.10 Nợ xấu và tổng nợ tái cơ cấu toàn ngành, 2018 – 2022
Nguồn: NHNN, các NHTM (số liệu 2022 được tính tại tháng 8/2022)
NPL NPL tái cơ cấu
Biểu đồ 3.11 Tỷ lệ bao phủ nợ xấu của ngành từ 2018 – 2022
Năm 2022, áp lực gia tăng nợ xấu tại các ngân hàng thương mại (NHTM) gia tăng do hai yếu tố chính: Thông tư số 14/2021/TT-NHNN hết hạn và rủi ro từ thị trường bất động sản cùng trái phiếu Sự kết thúc hiệu lực của Thông tư này sau nửa đầu năm 2022 đã làm gia tăng nợ xấu trở lại, mặc dù một số doanh nghiệp và cá nhân đã tái cơ cấu nợ và bắt đầu hoạt động sản xuất kinh doanh bình thường Tuy nhiên, các NHTM vẫn ghi nhận nợ xấu tăng và tỷ lệ bao phủ nợ xấu giảm vào cuối năm 2022 Thị trường bất động sản gặp khó khăn, cùng với quy định nghiêm ngặt hơn về trái phiếu, đã dẫn đến tình trạng thiếu hụt dòng tiền cho các chủ đầu tư, giảm khả năng trả nợ và ảnh hưởng nghiêm trọng đến chất lượng tài sản, gia tăng rủi ro tín dụng tại các ngân hàng Thực tế, bất động sản, ngành đòi hỏi nguồn vốn trung và dài hạn, đã chiếm tới 21% tín dụng hệ thống vào cuối năm 2022, với một số ngân hàng như Techcombank và VPBank có tỷ trọng cho vay dự án bất động sản lớn trong danh mục cho vay.
Biểu đồ 3.12 Tỷ lệ nợ xấu tại một số NHTM
VPBank ghi nhận tỷ lệ nợ xấu cao nhất toàn ngành vào năm 2022, đạt 5.73%, theo sau là SHB với 2.81% và OCB với 2.23% Tỷ lệ nợ xấu tại các ngân hàng thương mại chủ yếu dao động từ 1.00% đến 1.80% Techcombank, ngân hàng có tỷ lệ nợ xấu thấp nhất vào năm 2021 (0.66%), đã chứng kiến tỷ lệ NPL tăng lên 0.72%, cao hơn Vietcombank với 0.68% ACB là một trong số ít ngân hàng thương mại có chất lượng tài sản ổn định và an toàn, ghi nhận tỷ lệ nợ xấu giảm nhẹ xuống 0.74% vào năm 2022.
BID CTG VCB VPB EIB HDB MBB STB TCB TPB VIB ACB LPB MSB SHB OCB
Kết quả nghiên cứu
Bảng 3.2 Mô tả dữ liệu
Biến Quan sát Trung bình Độ lệch chuẩn Giá trị nhỏ nhất
Nguồn: Kết quả tính toán
Bài luận này phân tích rủi ro nợ xấu của 25 ngân hàng thương mại niêm yết trên sàn chứng khoán HOSE, HNX và UPCOM trong giai đoạn từ năm 2018 đến 2022 Bảng 3.2 trình bày thống kê tổng quan về 11 biến, bao gồm 1 biến phụ thuộc là tỷ lệ nợ xấu (NPL) và 10 biến độc lập khác.
Giá trị trung bình của biến phụ thuộc NPL là 1.87%, cho thấy NIM trung bình của 25 ngân hàng thương mại trong giai đoạn 2018 – 2022 cũng là 1.87% Rủi ro tín dụng được đo lường dao động trong khoảng 1.69%, với giá trị cao nhất đạt 17.93% và giá trị thấp nhất là 0%, phản ánh sự khác biệt rõ rệt về tình hình nợ xấu giữa các ngân hàng thương mại.
Tốc độ tăng trưởng GDP trung bình đạt 5.52% với độ lệch chuẩn 0.023, cho thấy sự biến động mạnh mẽ trong giai đoạn nghiên cứu, với giá trị cao nhất là 8.02% và thấp nhất là 2.58% Trong 5 năm qua, tỷ lệ lạm phát duy trì mức trung bình 2.80%, dao động từ 1.84% đến 3.54% với biên độ trung bình 0.58% Tỷ lệ thất nghiệp ghi nhận mức tối thiểu 1.98% và tối đa 3.22%, với mức trung bình 2.44% và biên độ 0.43%.
Tỷ lệ thu nhập lãi thuần NIM đạt trung bình 3.36% trong giai đoạn 2018 –
Năm 2022, biên lãi thuần (NIM) của 25 ngân hàng thương mại (NHTM) có sự chênh lệch lớn, với giá trị nhỏ nhất là 0.76% và lớn nhất lên đến 9.43%, đồng thời chỉ số lợi nhuận trên vốn chủ sở hữu (ROE) dao động từ 0.00% đến 30.33%, với mức trung bình 14.72% và độ lệch chuẩn 7.84% Quy mô ngân hàng, đo bằng logarit tự nhiên của tổng tài sản, có mức trung bình 12.31, với giá trị cao nhất 14.57 và thấp nhất 9.92 Tăng trưởng tín dụng trong giai đoạn 2018 – 2022 đạt trung bình 15.96% và có độ lệch chuẩn 0.083, dao động từ -11.32% đến 44.64%, cho thấy sự khác biệt lớn giữa các NHTM Tỷ lệ dư nợ cho vay trên tổng tài sản (LTA) trung bình đạt 62.97%, với giá trị cao nhất 78.81% và thấp nhất 34.67%, phản ánh chiến lược sử dụng vốn khác nhau Tỷ lệ vốn chủ sở hữu trên tổng tài sản (ETA) dao động từ 4.15% đến 16.97%, với biên độ 3.12% Chỉ số LDR trung bình trong giai đoạn này đạt 96.35%, với mức cao nhất 146.91% và thấp nhất 55.92%.
3.3.2 Kết quả kiểm định mô hình
3.3.2.1 Phân tích tương quan mô hình nghiên cứu
Bảng 3.3 Bảng phân tích tương quan mô hình nghiên cứu
NPL GDPG INF UN NIM ROE SIZE GGL LDR LTA ETA
Nguồn: Kết quả tính toán
Kết quả phân tích cho thấy biến NIM và LDR có mối tương quan cao nhất với hệ số 0.6685 Theo nghiên cứu của Farrar và Glauber (1967), nếu hệ số tương quan cặp vượt quá 0.8, phương trình hồi quy sẽ gặp vấn đề về đa cộng tuyến Tuy nhiên, bảng 3.2 chỉ ra rằng không có hệ số tương quan nào lớn hơn 0.8, với hệ số lớn nhất là 0.67, điều này khẳng định mô hình không gặp hiện tượng đa cộng tuyến nghiêm trọng Để đảm bảo tính phù hợp và chính xác của mô hình, tác giả đã thực hiện kiểm định đa cộng tuyến.
Dựa trên các nghiên cứu trước đây, có hai mô hình phổ biến để đánh giá tác động của các yếu tố lên nợ xấu của ngân hàng thương mại (NHTM), đó là mô hình FEM và mô hình REM Để xác định mô hình phù hợp, tác giả áp dụng Kiểm định Hausman với hai mô hình này, với giả thuyết được đặt ra là
Giả thuyết 𝐻 0 : Mô hình REM hiệu quả hơn
Giả thuyết 𝐻 1 : Mô hình FEM hiệu quả hơn
Bảng 3.4 Bảng kết quả Kiểm định Hausman Test 𝐇 𝟎 : difference in coefficients not systematic
Prob > chi2 = 0.0093 (V_b – V_B is not positive definite)
Nguồn: Kết quả tính toán
Với mức ý nghĩa 5%, Kiểm định Hausman cho thấy Prob = 0.0093 < 5%, dẫn đến việc chấp nhận giả thuyết 𝐻 1, cho thấy mô hình FEM hiệu quả hơn và phù hợp với dữ liệu nghiên cứu Do đó, tác giả đã lựa chọn mô hình FEM cho bài nghiên cứu.
Kiểm tra hiện tượng đa cộng tuyến
Bảng 3.5 Bảng chỉ số phóng đại phương sai VIF
Nguồn: Kết quả tính toán
Tác giả thực hiện kiểm định đa cộng tuyến cho mô hình hồi quy thông qua chỉ số phóng đại phương sai VIF (Variance Inflation Factor) Nếu hệ số VIF lớn hơn 10, điều này cho thấy có sự hiện diện của đa cộng tuyến nghiêm trọng trong mô hình (Hair và cộng sự).
Theo bảng 3.5, các hệ số VIF của các biến trong mô hình đều nhỏ hơn 10, điều này cho thấy mô hình không gặp phải hiện tượng đa cộng tuyến.
Kiểm định Phương sai sai số thay đổi
Kiểm định Modified Wald được tác giả sử dụng để kiểm tra giả thuyết PSSS không đổi với giả thuyết sau:
Giả thuyết 𝐻 0 : Không có hiện tượng PSSS thay đổi
Giả thuyết 𝐻 1 : Có hiện tượng PSSS thay đổi
Bảng 3.6 Kiểm định Modified Wald
Nguồn: Kết quả tính toán
Với mức ý nghĩa 5%, kiểm định Modified Wald cho kết quả Prob = 0.0000 < 5% bác bỏ giả thuyết 𝐻 0 , chấp nhận giả thuyết 𝐻 1 : Có hiện tượng PSSS thay đổi
Kiểm định hiện tượng tự tương quan
Tác giả kiểm tra hiện tượng tự tương quan trong mô hình dữ liệu bảng bằng Kiểm định Wooldridge, có giả thuyết sau:
Giả thuyết 𝐻 0 : Không có hiện tượng tự tương quan
Giả thuyết 𝐻 1 : Có hiện tượng tự tương quan
F (1, 24) = 2.009 Prob > F = 0.1692 Dựa vào kết quả trên với P_value = 0.1692 > 5%, kết luận bác bỏ thuyết 𝐻 1 , chọn giả thuyết 𝐻 0 , tức mô hình không có hiện tương tự tương quan
Khắc phục khuyết tật PSSS thay đổi trong mô hình FEM
Tác giả áp dụng phương pháp ước lượng FGLS để giải quyết vấn đề PSSS biến đổi trong mô hình FEM Kết quả từ hồi quy FGLS cho thấy trong số 10 nhân tố được đưa vào mô hình, có đến 7 nhân tố có ảnh hưởng đáng kể đến biến NPL.
3.3.3 Phân tích mô hình hồi quy
Bảng 3.7 Kết quả mô hình hồi quy
Nguồn: Kết quả tính toán
Sau khi khắc phục khuyết tật, mô hình FGLS cho kết quả Prob > chi2 0.0000, cho thấy mô hình này có ý nghĩa thống kê Kết quả có thể được biểu diễn qua phương trình sau:
Mô hình nghiên cứu xác định bảy biến gồm NIM, ROE, SIZE, GGL, LTA, LDR và ETA có ảnh hưởng đến biến phụ thuộc NPL Các biến khác không có ý nghĩa thống kê do P_value lớn hơn 5%.
Bảng 3.8 So sánh kết quả và kỳ vọng ban đầu Biến Kỳ vọng ban đầu Kết quả mô hình
Nguồn: Kết quả tính toán
Tác động của các nhân tố đến nợ xấu ngân hàng
3.4.1 Các nhân tố có tác động đến nợ xấu ngân hàng
Với mức ý nghĩa thống kê 5%, biến NIM có tác động tích cực đến tỷ lệ NPL, đồng nhất với các nghiên cứu trước đây của Lis et al (2000) và Bonin et al (2001) Cụ thể, khi NIM tăng 1%, tỷ lệ NPL sẽ tăng 22.7%, cho thấy đây là yếu tố ảnh hưởng lớn nhất đến nợ xấu trong mô hình Nguyên nhân chính là do các ngân hàng thương mại áp dụng lãi suất cho vay cao hơn để mở rộng biên lãi thuần, làm tăng áp lực trả nợ cho người vay Hơn nữa, các ngân hàng cũng gia tăng NIM bằng cách cho vay các khoản có rủi ro cao để thu lợi nhuận từ lãi suất cao hơn, dẫn đến việc gia tăng rủi ro tín dụng trên thị trường Kết quả này hoàn toàn phù hợp với kỳ vọng ban đầu của tác giả.
Tỷ suất sinh lời trên vốn chủ sở hữu
Biến ROE có ảnh hưởng ngược chiều đến NPL với hệ số -0.0686, có ý nghĩa thống kê ở mức 1% Cụ thể, khi ROE tăng 1%, NPL giảm 6.86% Kết quả này phù hợp với nghiên cứu của Klein (2013), Nguyễn Thị Hồng Vinh (2015), và Dimitrios et al (2016), cũng như kỳ vọng của tác giả Giả thuyết quản lý kém được đề xuất cho thấy các ngân hàng thương mại có lợi nhuận cao thường ít tham gia vào các hoạt động rủi ro, hạn chế cho vay các khoản có nguy cơ nợ xấu, từ đó giảm chi phí dự phòng rủi ro và cải thiện ROE Hơn nữa, xu hướng chuyển dịch cơ cấu cho vay từ bán buôn sang bán lẻ, tập trung vào khách hàng cá nhân với khoản vay nhỏ và lãi suất cao hơn, kết hợp với việc tăng cường thu nhập phi lãi, giúp phân tán rủi ro khỏi các khoản vay doanh nghiệp lớn.
Biến SIZE có ảnh hưởng tiêu cực đến tỷ lệ nợ xấu (NPL) với hệ số -0.00194 và mức ý nghĩa thống kê 1% Điều này có nghĩa là khi quy mô tài sản của ngân hàng tăng 1%, tỷ lệ nợ xấu sẽ giảm 0.19% Kết quả này cũng được xác nhận bởi nhiều nghiên cứu trước đây, bao gồm cả nghiên cứu của Berger và DeYoung.
(1997), Lis et al và cộng sự (2000), Salas và Saurina (2002), Ekanayake và Azeez
Nghiên cứu năm 2015 cho thấy rằng quy mô ngân hàng lớn có tác động tích cực đến khả năng quản lý rủi ro Khi ngân hàng có quy mô lớn, họ có thể dễ dàng đa dạng hóa danh mục cho vay, từ đó phân tán rủi ro và giảm tỷ lệ nợ xấu trên tổng dư nợ cho vay Hơn nữa, quy mô lớn cũng phản ánh bộ đệm vốn vững chắc, giúp ngân hàng giảm thiểu tác động từ tổn thất của các khoản vay.
Tốc độ tăng trưởng tín dụng
Với mức ý nghĩa thống kê 5%, biến GGL có ảnh hưởng ngược chiều với tỷ lệ NPL, cho thấy khi GGL tăng 1% thì NPL giảm 1.46% Điều này phản ánh chính sách của NHNN trong việc sử dụng tỷ lệ nợ xấu làm căn cứ phân bổ hạn mức tín dụng cho các NHTM, dẫn đến các ngân hàng có nợ xấu cao thường nhận hạn mức tín dụng thấp hơn Ngược lại, các NHTM có tăng trưởng tín dụng cao hơn thường có tỷ lệ nợ xấu thấp hơn và cải thiện quy trình phê duyệt khoản vay tốt hơn so với những ngân hàng có tốc độ tăng trưởng kém Kết quả này trái với kỳ vọng ban đầu của tác giả.
Tỷ lệ dư nợ cho vay trên tổng tài sản
Biến LTA có tác động ngược chiều với biến NPL, với mức ý nghĩa thống kê 1%, trong đó việc tăng LTA 1% dẫn đến giảm NPL 3.06% Kết quả này khác với nghiên cứu của Klein (2013) và Ekanayake cùng Azeez (2015) Mối quan hệ này có thể được giải thích tương tự như tốc độ tăng trưởng tín dụng, cho thấy rằng các ngân hàng thương mại có tỷ lệ nợ xấu thấp sẽ được Ngân hàng Nhà nước phân bổ hạn mức tín dụng lớn hơn, từ đó nhanh chóng mở rộng bảng cân đối kế toán và tăng tỷ lệ LTA, điều này trái với kỳ vọng ban đầu của tác giả.
Tỷ lệ dư nợ cho vay trên vốn huy động
Kết quả mô hình cho thấy biến LDR có tác động tích cực đến tỷ lệ NPL với mức ý nghĩa thống kê 5%, điều này phù hợp với kết luận của Ghosh (2015) và Dimitrios et al.
Khi tỷ lệ LDR tăng 1%, tỷ lệ NPL cũng tăng thêm 1.35%, cho thấy rằng các ngân hàng thương mại (NHTM) với LDR cao thường có chiến lược cho vay quá mức và khẩu vị rủi ro cao hơn Điều này dẫn đến nguy cơ gia tăng nợ xấu, vì việc mở rộng tỷ lệ LDR đồng nghĩa với việc NHTM tiếp xúc nhiều hơn với các khoản vay chất lượng kém, từ đó làm tăng tỷ lệ nợ xấu theo thời gian.
Tỷ lệ vốn chủ sở hữu trên tổng tài sản
Kết quả mô hình chỉ ra rằng biến ETA có mối quan hệ nghịch đảo với biến NPL, đạt mức ý nghĩa thống kê 1%, điều này phù hợp với kết luận của Berger và DeYoung.
Theo nghiên cứu của Salas và Saurina (2002), Klein (2013) và Nguyễn Thị Hồng Vinh (2015), khi biến ETA tăng 1%, tỷ lệ nợ xấu (NPL) giảm 7.85% Điều này được giải thích bởi các ngân hàng thương mại (NHTM) có tỷ lệ vốn chủ sở hữu trên tổng tài sản thấp, dẫn đến khả năng đa dạng hóa danh mục cho vay bị hạn chế Cấu trúc danh mục tín dụng tập trung vào một hoặc một số ngành nghề nhất định, làm tăng rủi ro tập trung và đẩy tỷ lệ NPL lên cao.
3.4.2 Các nhân tố không tác động đến nợ xấu ngân hàng
Theo mô hình nghiên cứu, tác giả kết luận rằng các yếu tố GDPG, INF và UN không ảnh hưởng đến tỷ lệ nợ xấu trong ngân hàng thương mại Kết luận này trái ngược với những nghiên cứu trước đây và không như kỳ vọng ban đầu của tác giả.
Tốc độ tăng trưởng GDP
Biến GDPG có P_value = 0.156, cho thấy không có ý nghĩa thống kê Các nghiên cứu trước đây như của Salas và Saurina (2002), Nkusu (2011), Nguyễn Thị Hồng Vinh (2015), và Nguyễn Thị Như Quỳnh cùng cộng sự (2018) đều khẳng định rằng GDPG tác động ngược chiều đến NPL Tuy nhiên, nghiên cứu này được thực hiện trong giai đoạn 2018 – 2022, bao gồm ba năm Việt Nam đối mặt với đại dịch, dẫn đến sự biến động bất thường của tốc độ tăng trưởng GDP Trước năm 2019, tốc độ tăng trưởng GDP dao động từ 5% – 7%, nhưng trong hai năm 2020 – 2021, tỷ lệ này giảm xuống dưới 3% và phục hồi mạnh mẽ lên 8.02% vào năm 2022 do mức nền thấp của năm 2021 Hơn nữa, nhờ chính sách giãn và tái cơ cấu nợ của NHNN, tỷ lệ nợ xấu giữa các ngân hàng thương mại không có sự biến động rõ ràng, giải thích cho việc hai yếu tố không có mối quan hệ trong giai đoạn này.
Biến INF không có ý nghĩa thống kê trong mô hình (P_value = 0.559, lớn hơn 5%), trái ngược với các nghiên cứu trước đây như Nkusu (2011), Klein (2013), và Nguyễn Thị Như Quỳnh và cộng sự (2018), cho rằng lạm phát có tác động tích cực đến tỷ lệ nợ xấu (NPL) của ngân hàng thương mại Những nghiên cứu này tập trung vào giai đoạn 2007 – 2012, khi lạm phát tại Việt Nam có sự biến động mạnh, có lúc đạt đến 18%, ảnh hưởng đến khả năng trả nợ của người dân và doanh nghiệp Tuy nhiên, trong 5 năm gần đây, lạm phát đã được duy trì ổn định ở mức 2% – 3.5%, do đó không còn tác động đáng kể đến tỷ lệ nợ xấu.
Tỷ lệ thất nghiệp (UN) không có ý nghĩa thống kê trong mô hình với giá trị P_value = 0.764, lớn hơn 5%, cho thấy nó không ảnh hưởng đến tỷ lệ nợ xấu (NPL) Điều này trái ngược với kỳ vọng ban đầu của tác giả và các nghiên cứu trước đây như của Louzis và cộng sự (2010), Dimitrios et al (2016) và Nguyễn Thị Như Quỳnh cùng các cộng sự.
Tỷ lệ thất nghiệp tại Việt Nam đã gia tăng mạnh mẽ vào năm 2018 do ảnh hưởng của các chính sách giãn cách để phòng dịch, dẫn đến gián đoạn hoạt động sản xuất và khiến nhiều lao động rời khỏi các thành phố lớn Tuy nhiên, Thông tư số 14/2021/TT-NHNN về giãn nợ và hoãn nợ đã giúp kéo dài thời gian cho các khoản vay mà không làm tăng tỷ lệ nợ xấu (NPL) Do đó, mô hình không ghi nhận sự tác động của tỷ lệ thất nghiệp trong bối cảnh này.